Искусственный интеллект тихой сапой пробрался в жизни и быт современного мира. И уже занимает в нем важное место. Мало кто осознает, когда он успел превратиться в обыденное явление. Сейчас роль искусственного интеллекта в бизнесе — огромна.
Искусственный интеллект (artificial intelligence) анализирует базы данных, предлагает потребителям рекламу, отслеживает продажи и прогнозирует будущее. Растет также роль машинного обучения (machine learning). Его применяют в анализе текстов, изображений, персонализации. Активно начинают использовать IT технологии в агропромышленном комплексе.
Всемирный банк оценивает индустрию сельского хозяйства в 5 триллионов долларов США. Агрокомплекс должен будет прокормить около 9 млрд людей. При этом, по прогнозам объем культивируемой земли увеличится лишь на 4%. Рост спроса на органические продукты заставляет агрокомпании искать альтернативу химикатам в борьбе с сорняками. Во многих регионах, с одной стороны, наблюдается дефицит рабочих рук. С другой стороны, труд человека делает современное производство более дорогим. Именно в таких условиях агропромышленный комплекс ищет варианты оптимизации использования земли, культур, что на ней выращиваются, и скота, что на этой земле «пасется».
Агробизнес во всех странах считается довольно консервативным по внедрению высоких технологий. Впрочем, сельское хозяйство все же начало использовать современные технологии, поэтому сомневаться в необходимости ИТ вряд ли есть смысл. За несколько лет агропроизводители будут удивляться, как это они жили без искусственного интеллекта.
Уже сейчас цифры свидетельствуют о том, что рынок искусственного интеллекта (ИИ) есть, и он будет мощно и быстро расти. Во Всемирном банке прогнозируют, что за два года ИИ превысит миллиард долларов США, а в 2025 году достигнет 2,6 млрд.
Американский деловой журнал Forbes посвятил этой важной теме значительное внимание. Директор IQMS, что входит в состав Dassault Systemes, отраслевой аналитик в сфере корпоративного программного обеспечения и IT Луи Коламбус исследует, как внедряется искусственный интеллект в аграрном секторе. Он отмечает, что агромониторинг (IoTAg) — наиболее быстро растущий сегмент в сельском хозяйстве.
Согласно прогнозам BI Intelligence Research, глобальные расходы на интеллектуальные сельскохозяйственные технологии и системы включая искусственный интеллект и машинное обучение увеличится втрое к 2025 году, достигнув 15,3 миллиарда долларов.
Искусственный интеллект, машинное обучение и интернет технологий, которые предоставляют данные для алгоритмов в реальном времени, значительно повышают эффективность агрохозяйств, урожайность сельскохозяйственных культур и сокращают расходы на производство продуктов питания. Согласно аналитике ООН, к 2050 году численность населения планеты увеличится еще на 2 миллиарда человек. Это требует увеличения производства продуктов питания на 60%. По данным службы экономических исследований Министерства сельского хозяйства США, выращивание, переработка и логистика продуктов питания в стране оценивается в 1,7 триллиона долларов. Искусственный интеллект и машинное обучение как раз демонстрируют тот потенциал, который поможет достичь ожидаемых потребностей в продуктах питания через 20-30 лет.
Представьте, что в большом аграрном холдинге на площади в несколько десятков тысяч гектаров, есть по крайней мере 40 основных процессов, которые нужно отслеживать, совершенствовать и контролировать одновременно. Понимание того, как погода, сезонные осадки, миграция птиц и насекомых, использование удобрений для различных культур, посадочные циклы и циклы орошения влияют на урожайность — идеальные задачи для машинного обучения. Насколько успешным может быть урожай в финансовом плане, как никогда раньше, зависит от различных отличных данных. Вот почему фермеры, кооперативы и компании по развитию сельского хозяйства удваивают использования мер, ориентированных на данные. А также расширяют масштабы использования искусственного интеллекта и машинного обучения для повышения урожайности и качества сельскохозяйственной продукции.
Что же может предложить ИИ агробизнесу? Оказывается многое.
Системы видеонаблюдения
Системы видеонаблюдения на основе ИИ уже используют для мониторинга поля в режиме реального времени. Это помогает выявить нарушения со стороны животных или человека и немедленно посылает предупреждение. Искусственный интеллект и машинное обучение в данном случае снижают риски того, что домашние и дикие животные случайно уничтожат посевы. Эти умные технологии сообщают о нежелательных гостях и возможности ограбления, например, на отдаленной ферме.
Учитывая быстрое развитие видеоаналитики, которая базируется на алгоритмах ИИ и МО, каждый, кто занимается сельским хозяйством, может защитить свои поля и периметры зданий. Системы видеонаблюдения с ИИ легко применяются, как для крупного агробизнеса, так и для индивидуальных маленьких ферм. Эксперты утверждают, что очень скоро системы наблюдения на основе искусственного интеллекта будут программировать таким образом, чтобы они отличали людей от автомобилей.
Поля и дроны
ИИ и МО улучшают прогнозирования урожайности благодаря данным датчиков в реальном времени и данным визуальной аналитики с беспилотников. Объем данных, собираемых интеллектуальными датчиками и беспилотниками, которые обеспечивают потоковую передачу видео в реальном времени, предоставляет экспертам в области сельского хозяйства совершенно новые наборы информации, к которым никогда не было доступа раньше. Теперь можно комбинировать данные датчиков влажности, удобрений и питательных веществ в почве для анализа динамики роста каждой культуры с течением времени. МО — идеальная технология для объединения мощных наборов информации и предоставление рекомендаций для оптимизации урожайности. Дроны оказались надежной платформой для сбора важных данных для аграриев. ИИ, МО, наземные датчики, инфракрасные изображения и видеоаналитика в реальном времени — все это дает фермерам новое понимание того, как можно улучшить состояние сельскохозяйственных культур и урожайность.
Сейчас ООН, международные агентства и крупные сельскохозяйственные предприятия используют информацию с беспилотников для улучшения борьбы с вредителями. Используя данные инфракрасных камер с беспилотников в сочетании с датчиками на полях, которые отслеживают уровень здоровья растений, агропроизводители, которые используют искусственный интеллект, могут прогнозировать и выявлять заражения вредителями даже до того, как это произойдет.
Карты урожайности
Картирование урожайности — новый сельскохозяйственный метод. Он основан на контролируемых алгоритмах машинного обучения для поиска закономерностей. Большие наборы данных и их понимание в режиме реального времени — это бесценная информация для планирования посевов. Таким образом можно узнать о потенциальной урожайность полей еще до начала вегетационного периода. Используя комбинацию методов машинного обучения для анализа 3D карт и данных с датчиков о цвете грунта с помощью дронов, специалисты сельского хозяйства теперь могут прогнозировать потенциальную урожайность земли для конкретной культуры. Для этого выполняется серия полетов для получения максимально точного набора данных.
Машины вместо человека
Сегодня в некоторых регионах наблюдается нехватка работников в агропромышленном секторе. Этот фактор делает разумные тракторы, агроботов и робототехнику на основе искусственного интеллекта и машинного обучения реальным вариантом для многих сельскохозяйственных предприятий, которым сложно найти рабочих. Крупные сельскохозяйственные предприятия и агрохолдинги, которые не могут найти достаточно сотрудников, обращаются к робототехнике для обработки сотен гектаров земли. Программирование самоходной роботизированной техники, например, для распределения удобрений в каждом ряду сельскохозяйственных культур помогает снизить эксплуатационные расходы и дополнительно повысить урожайность полей. Сложность сельскохозяйственных роботов быстро растет с каждым днем.
Система отслеживания грузов
Одной из насущных проблем современности является улучшение логистики и отслеживания цепочек поставок сельскохозяйственной продукции. Речь идет об устранении абсолютно всех препятствий на пути к рынку максимально свежих и безопасных продуктов. Пандемия, кстати, ускорила более активное внедрение системы отслеживания на всех этапах поставок сельскохозяйственной продукции в 2020 году. В этом году ее внедрения продолжается. Хорошо налаженная и управляемая система отслеживания поставок продуктов помогает обеспечить большую прозрачность и контроль в системе поставок и уменьшить сокращение запасов. Современная система отслеживания может различать назначения партий и контейнеров, куда входят грузы. Наиболее передовые системы отслеживания полагаются на современные датчики для получения более подробной информации о состоянии каждой партии груза. Датчики RFID и IoT становятся все более распространенными на производстве. Walmart запустил пилотный проект, чтобы увидеть, как RFID может оптимизировать отслеживания в распределительном центре и повысить эффективность в 16 раз по сравнению с ручными методами.
Искусственный интеллект и пестициды
Одним из самых распространенных применений ИИ и машинного обучения в современном сельском производстве является задача оптимизации и правильного сочетания различного рода пестицидов. А также ограничение их применения только на тех полях, которые нуждаются в обработке. Такая система помогает снизить расходы при одновременном повышении урожайности. Как это работает? Используя интеллектуальные датчики в сочетании с потоками визуальных данных с беспилотников, программы искусственного интеллекта в сельском хозяйстве теперь могут выявлять наиболее зараженные участки посевных площадей. Используя алгоритмы контролируемого машинного обучения, затем ИИ определяет оптимальную смесь пестицидов, чтобы уменьшить угрозу дальнейшего распространения вредителей и заражения здоровых сельскохозяйственных культур.
Прогнозирование цен
Прогнозирование цен на сельскохозяйственные культуры на основе показателей урожайности, которые помогают предсказать общие объемы производства, неоценимые при определении стратегии ценообразования для многих культур. Понимание объемов урожайности и уровня качества сельскохозяйственных культур помогает агрофирмам, кооперативам и фермерам договариваться о наиболее выгодных ценах на урожай. Анализ общего спроса на конкретную культуру помогает определить будет ли цена данной культуры низкой, высокой или средне-оптимальной. От этого можно строить стратегию ценообразования. Знание только этих данных экономит сельскохозяйственным предприятиям миллионы долларов в год из-за упущенной выгоды.
Орошения и машинное обучение
Искусственный интеллект добавляет весомый вклад в повышение эффективности сельского хозяйства. Речь, в частности, идет об объемах орошения, оптимизации ирригационных систем и измерении того, насколько частый полив сельскохозяйственных культур повышает урожайность.
Вода — дефицитный ресурс во многих регионах Северной Америки, и особенно в районах, где сельское хозяйство является основным видом бизнеса. Поэтому эффективное использование воды может означать будет ферма или сельскохозяйственное предприятие с прибылью или нет. Линейное программирование часто используется для расчета оптимального количества воды, необходимой для данного поля или культуры для получения приемлемого уровня урожайности. Алгоритмы машинного обучения идеально подходят для обеспечения того, чтобы поля и посевы получали достаточно воды для нормального уровня урожайности и без дополнительных затрат в процессе.
Животные и машины
Одним из самых быстрорастущих задач искусственного интеллекта и машинного обучения в сельском хозяйстве является изучение животных. А именно мониторинг здоровья домашнего скота, включительно с показателями жизнедеятельности, уровнем повседневной активности и количеством потребляемой пищи. Понимание того, как каждый вид домашнего скота реагирует на рацион и условия содержания, имеет огромное значение для понимания того, как лучше содержать и лечить животных в долгосрочной перспективе. Машинное обучение и искусственный интеллект используют для того, чтобы понять, что делает коров довольными и счастливыми каждый день. Этот фактор важен для производства большего количества молока. Для многих хозяйств, которые полагаются на коров и домашний скот, эта область открывает совершенно новое понимание того, как фермы могут быть более прибыльными.
IT технологии активно внедряются сегодня в агро. ИИ и МО открывают широкие возможности для фермеров всего мира. Сегмент программного обеспечения ежегодно разрастается, и эти возможности надо использовать. Цифровые технологии помогают повысить эффективность агросектора для конкретных фермерских хозяйств. На уровне государства это позволяет успешно управлять производительностью агросектора.
Модели прогнозирования урожайности, анализ данных в режиме реального времени, системы видеонаблюдения, искусственный интеллект для орошения и борьбы с сорняками — ключевые тенденции агропромышленного рынка.
Все это работает и дает результаты сегодня.
Андрей Панченко (agriteka.com)
