2018-ban öt csapat termesztett uborkát az úttörő autonóm üvegházhatású kihívásban nemzetközi versenyt. A csavar: a csapatok közül csak az egyik tapasztalt embertermesztőkből állt, akik kézzel kezelték az üvegházi rekeszt. A fennmaradó négy csapat a kertészet és a mesterséges intelligencia (AI) területeinek nemzetközi szakértőiből állt. Azon dolgoztak, hogy mesterséges intelligencia-megoldásokat fejlesszenek ki terményeik távolról és autonóm kezelésére. A verseny, a világ első Autonomous Greenhouse Challenge célja az volt, hogy áttörést hajtson végre a fenntartható élelmiszertermelésben.
Négy intenzív hónap után a kézi termesztők kerültek a második helyre. Az első helyezett csapat a cikk egyik szerzőjének vezetésével nyert egy autonóm termesztési megoldással, amely nemcsak 6%-kal nagyobb termést és 17%-kal magasabb nettó profitot ért el, hanem kevesebb CO-t is felhasznált.2, fűtés és vízbevezetés.
Ha többet szeretne megtudni a versenyről, és megérteni, hogy egy mesterségesintelligencia-megoldás hogyan tud versenyezni – sőt felülmúlja – egy képzett embertermesztő csapattal, nézzük meg közelebbről az AI-t, és hogyan kapcsolódik az üvegházak automatizálásához.
Az üvegházhatású automatizálás nem újdonság
Évtizedek óta a termelők technológiai számítógépeket, érzékelőket és működtetőket használnak az üvegházhatású klíma és az öntözés szabályozására. Ebben a forgatókönyvben a folyamatszámítógép feladata egyszerű, egyszerű logikai szabályokra támaszkodik. Ha a levegő hőmérséklete magasabb, mint 75°F, nyissa ki például a szellőzőnyílást. A hőmérsékletek leolvasásával, a lámpák és fűtőtestek be- és kikapcsolásával járó fáradságos munkát a gépekre bízzák.
Természetesen a szabályokon alapuló automatizálás nem tud megbirkózni az előre nem látható körülményekkel. Még ennél is fontosabb, hogy egy képzett embernek kell meghoznia minden növénygazdálkodási döntést, egészen a környezeti paraméterek pontos alapértékéig. A magas hozamok megbízható eléréséhez komoly tudás és készség szükséges, és még ilyenkor is könnyű hibázni. Sőt, ahogy a gazdaságok növekednek, a termések folyamatos ellenőrzése még megerőltetőbbé válik.
Sajnos a termelők nagyon jól tudják, hogy a termelésben a munkaerő jelenti a legnagyobb problémákat. Évről évre, be Üvegháztermesztő A 100 legjobb termelő felmérése szerint a termelők nem csak a munkaerő költségével, hanem a szakképzett munkaerő elérhetőségével kapcsolatos kihívásokról is beszámoltak. Nem meglepő, hogy a termelők egyre gyakrabban keresik a lehetőségeket ezeknek a kihívásoknak a kezelésére, beleértve az új technológiákat, amelyek autonómabbá tehetik az üvegházhatást.
A mesterséges intelligencia egy lépéssel túllép a szabályokon alapuló automatizáláson
A mesterséges intelligencia jó módja annak, hogy ez egy lépés az egyszerű szabályokon alapuló automatizáláson túl. A modern mesterséges intelligencia a matematika felhasználásáról szól az adatok mintáinak megtalálására, beleértve az üvegházhatást okozó környezeti és biológiai rendszereket is. Például:
- Elegendő éghajlati adat birtokában a termelők mesterséges intelligencia segítségével meghatározhatják az optimális alapértékeket és előrejelzéseket készíthetnek az éghajlatról.
- Elegendő terméshozam-adat birtokában a termelők mesterséges intelligencia segítségével hozam-előrejelzéseket készíthetnek.
- Elegendő képadatok birtokában a termelők mesterséges intelligencia segítségével észlelhetik a kártevőket és betegségeket.
A mesterséges intelligencia egyes típusai akár tanulhatnak is az új adatokból, így idővel fokozatosan jobb eredményeket érhetnek el.
Azáltal, hogy mélyebb betekintést tud nyújtani az üvegházhatást okozó mindennapi működésbe, az AI felhasználható a szakértői döntéshozatal támogatására és a termelők jelentőségteljes felhatalmazására. Végül is a legjobb eredmények az emberi intelligencia és a mesterséges intelligencia átgondolt kombinációjából származnak.
Az AI adatalapú megközelítése a klasszikus szabályalapú megközelítéssel is kombinálható, ami minden eddiginél sokkal magasabb fokú üvegházhatású automatizálást tesz lehetővé. Röviden, a termelők a mesterséges intelligencia segítségével automatizálhatják számos alapvető műveleti feladatot, segítve ezzel az iparágat kihívást jelentő krónikus munkaügyi problémák enyhítését.
Az adatok az AI üzemanyaga
Amennyire a mesterséges intelligencia a matematikai algoritmusokról szól, az adatokról is. A közhiedelemmel ellentétben a mesterséges intelligenciában használt leggyakoribb algoritmusok némelyike évtizedek óta létezik. Még csak nem is túl bonyolultak. De a leghosszabb ideig az adatok elérhetősége – valamint az adatok feldolgozásához szükséges megfizethető számítási teljesítmény – korlátozó tényezők.
A közelmúltban a számítógépes hardver fejlesztésére volt szükség ahhoz, hogy kiaknázzák az AI-ban rejlő lehetőségeket. Az Apple által 2007-ben kirobbantott okostelefon-forradalom teljesen új gyártási ökoszisztémákat és ellátási láncokat hozott létre globális szinten. Ez – látszólag egyik napról a másikra – megváltoztatta a számítógépes hardver alapvető közgazdaságtanát. A kulcsfontosságú hardverelemek, például a mikroprocesszorok, rádiók és érzékelők exponenciálisan olcsóbbak, kisebbek és erősebbek lettek. A nyers adatok csordogálása áradásokká fajult. Az új adatbőség és számítási teljesítmény hozzájárult ahhoz, hogy a mesterséges intelligencia a kevés kereskedelmi alkalmazást igénylő kutatási érdekességből technológiai változássá változzon.
Az IoT rengeteg adatot hoz
Az 1980-as évek elején a pittsburghi Carnegie Mellon Egyetem végzős hallgatói bosszankodtak, amikor egy Coca-Cola automatához sétáltak, de az üresen találta. Módosították, hogy az interneten keresztül jelenthesse leltárát. Ennek során feltalálták a világ első internetkapcsolatos készülékét.
Napjainkban több milliárd eszköz – kicsik és nagyok – a fogyasztói elektronikától az ipari gépekig csatlakozott ehhez az első szódagéphez, hogy csatlakozzon az internethez, létrehozva az úgynevezett Internet of Things-t (IoT). Ami lényeges, az az, hogy a hardver korábbi generációitól eltérően – beleértve számos általános üvegházhatású automatizálási megoldást – az IoT-eszközök ugyanazokat az adatformátumokat és kommunikációs protokollokat használják, mint máshol az interneten. A globális internetes szabványokra támaszkodva könnyebb lehet az IoT-eszközökkel való adatcsere anélkül, hogy extra hardverre lenne szükség az egyik rendszertípusról a másikra való áthidaláshoz.
Az AI és az IoT együtt egymást kiegészítő technológiák. Az IoT hardver segítségével a termelők könnyebben gyűjthetnek nyers adatokat az üvegházakból. Az AI-szoftver pedig segít a termelőknek megérteni ezeket az adatokat – és az alapján cselekedni – a növénytermesztés javítása érdekében.
Esettanulmány: Kenneth Tran sikere az autonóm üvegházhatású kihívásban
Dr. Tran: 2018-ban mesterséges intelligenciával foglalkozó kutató voltam a Seattle melletti Microsoft Researchnél, és egy újabb típusú mesterséges intelligencia-típuson dolgoztam, amelyet megerősítő tanulásként ismerünk. Itt új törekvést kezdeményeztem, hogy kutatásainkat a szabályozott környezetű mezőgazdaság területén alkalmazzam. Az úgynevezett Sonoma projekttel a kanadai ontariói Harrow Research Center növénytudósaival dolgoztunk együtt, és végül részt vettünk az első nemzetközi Autonomous Greenhouse Challenge versenyen, amelyet a hollandiai Wageningen University & Research szervezett.
Ebben a kihívásban minden csapat uborkát termesztett egy 315 négyzetméteres üvegházi rekeszben, körülbelül négy hónapig. Ezek a rekeszek szabványos folyamatszámítógépekkel, klímaérzékelőkkel és működtetőkkel voltak felszerelve. Az IoT digitális interfészek (REST API-k) segítségével mesterséges intelligencia programjaink folyamatosan képesek voltak kiolvasni az érzékelőkből származó adatokat, meghatározni az optimális alapjeleket, és visszaküldeni az alapértékeket a folyamat számítógépeinek – az interneten keresztül (lásd az alábbi ábrát). A kihívásról és annak eredményeiről további részletek a cikkben találhatók Hemming és mtsai. (2019).
Az uborkatermesztésben szerzett tapasztalatok hiánya és a nagyon korai fázisú prototípusunk ellenére az autonóm termesztési megoldásunk megnyerte a versenyt. Még a második helyezett csapatot, a szakértő holland termelőkből álló referenciacsapatot is felülmúltuk 6%-kal magasabb terméssel. Ez a hozamkülönbözet az üzemi eredmény 17%-os növekedésének felelt meg.
Rosszul teljesített a referenciacsapat? Egyáltalán nem. Sok szakértő szerint kiemelkedően jól teljesítettek. Termésük közel 50 kg/mXNUMX volt2 négy hónap alatt, ami közel 150 kg/m-nek felel meg2 évente. Ez magas hozamnak számít egy üvegházban bárhol a bolygón.
Az Autonomous Greenhouse Challenge eredményeként 2020-ban megalapítottam a Koidra-t, hogy közvetlenül építsünk a tanulságainkra, és tovább mozdítsuk a mesterséges intelligencia és az IoT legkorszerűbb fejlődését a mezőgazdaságban és más ipari szabályozási alkalmazásokban.
Tegye fel a megfelelő kérdéseket az AI-ról és az IoT-ről
Manapság egyre több üvegháztermelő hajlandó és kész az AI és az IoT alkalmazására. A fő kihívás az, hogy megértsük a piacon lévő termékeket, és képesek legyünk átgázolni az összes marketinges beszéden. Sok cég mohón állítja, hogy van olyan mesterséges intelligencia-algoritmusa vagy IoT-eszköze, amely üvegházakban is használható.
Íme néhány kulcsfontosságú szempont, amelyet szem előtt kell tartani az AI-szoftver és az IoT-hardver értékelésekor:
- Teljesítmény: A termelőknek látniuk kell a konkrét, valós előnyöket. Kérdezze meg: Bebizonyosodott, hogy a mesterséges intelligencia a kereskedelmi termelésben javítja a hozamot és az erőforrás-hatékonyságot? Milyen feltételekkel? Milyen eredményeket ért el a cég az AI és az IoT szoftverek fejlesztésében?
- AI tervezés: A leghatékonyabb AI-megoldások az emberi intelligencia legjavát a mesterséges intelligencia legjobbjával ötvözik a döntések meghozatalához. Kérdezd meg: Hogyan hasznosítja az AI-modell a meglévő tudásanyagot? Hogyan biztosítja, hogy a teljesítmény idővel javuljon több adattal?
- Szoftvertervezés: A termelőknek továbbra is ellenőrizniük kell az üvegházhatást. Kérdezze meg: Milyen szoftvertervezési elveket alkalmaznak a termésbiztonság biztosítására? Könnyen válthatok-e bármikor a kézi, az ajánlásos és az autopilóta üzemmódok között?
- Adatok tulajdonjoga: A termelőknek birtokolniuk kell adataikat, és kerülniük kell a „szállítók bezárását”. Kérdezze meg: Könnyen importálhatok adatokat más rendszerekről? Biztonsági másolatot készíthetek és exportálhatok saját adataimról? Vannak olyan API-k, amelyek lehetővé teszik az élő adatok elérését és az egyéni integrációkat? Használhatok-e különböző gyártók szoftvereit és hardvereit most és a jövőben?
Az AI és az IoT felhatalmazhatja a termelőket
Egy olyan világban, amelyben a kritikus erőforrások – a víz és az energia, valamint az idő, a pénz és a szakképzett munkaerő – egyre szűkösebbek, ésszerű új technológiák felfedezése ennek a teher enyhítésére. Amint azt az Autonomous Greenhouse Challenge-ből megtudtuk, a termelők valóban nagyobb hozamot és nagyobb erőforrás-felhasználást érhetnek el az AI szoftver és az IoT hardver használatával. Mi több, ezeket a technológiákat továbbra is gyors ütemben fejlesztik és fejlesztik.
Végső soron a mesterséges intelligencia és az IoT valóban képessé teheti az üvegházhatást okozó termelőket – hogy jobb döntéseket hozzanak, többet tegyenek kevesebbel –, hogy fenntarthatóbban termesszék a világ élelmiszereit.