По прогнозам Продовольственной и сельскохозяйственной организации ООН, чтобы к 2050 году прокормить растущее население, надо будет производить на 60% больше пищевых продуктов. В помощь людям призван искусственный интеллект, который уже применяют на всех стадиях агропромышленного производства - от выведения новых сортов до жатвы на комбайнах с автопилотом. “Солидарность” разбирается, как ИИ внедряется в отрасль, тем более что для этого есть приятный повод.
На фото: беспилотный комбайн Torum 750 (с российской системой автономного управления Cognitive Pilot) перед началом демонстрации реального процесса уборки урожая зерновых культур. Ростовская область, июль 2020 года
В начале нынешнего года международная компания Stats N Data опубликовала обзор глобального рынка систем автопилотирования для всех классов сельхозтехники. В пятерку ведущих мировых компаний впервые вошел российский разработчик искусственного интеллекта для автономного транспорта - компания Cognitive Pilot (дочернее предприятие “Сбера” и Cognitive Technologies). Ранее эта компания входила в топ-5 в более узких сегментах рынка, а в рейтингах автопилотов для всех видов сельхозтехники располагалась между 10 и 14-м местами.
Объем мирового рынка систем автопилотирования для сельхозтехники сегодня превышает 53 млрд долларов, а к 2030 году превысит 180 млрд долларов, сообщает международное агентство QYResearch. Чем же помогают агрохозяйствам системы автономного управления сельхозтехникой?
Во-первых, они позволяют сокращать расходы - на удобрения, посевной материал, топливо и т.д. Они также экономят время сельхозработ и повышают их эффективность. Техника с системами автопилотирования работает максимально точно. Она сводит к минимуму ситуации, когда, например, жатка комбайна повторно идет по уже убранной полосе. Кроме того, техника с ИИ позволяет точнее распределять удобрения, что повышает эффективность сева и урожайность.
Еще одно важное следствие внедрения систем автопилотирования - человек за рулем такой техники значительно меньше устает. Работа трактористов и комбайнеров требует долговременной концентрации и физического напряжения, а искусственный интеллект берет основную часть работы на себя.
Разработчики искусственного интеллекта для автономного транспорта сталкивались с рядом трудностей. Например, как научить машину с ИИ объезжать препятствия и распознавать стоящего у нее на пути человека, чтобы невольно не причинить ему вред. Передовые алгоритмы машинного обучения повысили точность и надежность систем автоматического управления и позволили решить эту проблему. Одним из вызовов рынка также стала проблема ограниченного подключения к интернету при работе автопилотов с использованием GPS-навигации в сельской местности, где по разным причинам нет стабильного спутникового сигнала. Этих сложностей нет при использовании не GPS-навигации, а системы управления на базе ИИ (компьютерного зрения), что к тому же не требует дополнительных станций усиления сигнала.
Среди трендов в использовании сельхозмашин с автономным управлением аналитики отмечают изменение потребительских запросов. Так, если раньше считалось, что чем больше машина, тем она эффективнее, то сейчас растет спрос на небольшие и маневренные роботы.
Помимо автономного управления техникой искусственный интеллект может помочь в решении других важных проблем, имеющих место в сельском хозяйстве.
Например, вредители ежегодно уничтожают до 40% мировой сельскохозяйственной продукции. Это ведет к потерям как минимум 70 млрд долларов в год. Вторая проблема - качество почвы и орошение. Деградации подвержена почти треть всех почв Земли. Это делает их менее пригодными для сельского хозяйства, что приводит к потерям возможного совокупного урожая примерно на 400 млрд долларов в год. Нехватка воды и неэффективное орошение еще больше снижают производительность. Сельское хозяйство использует 70% доступной пресной воды в мире, но больше половины используемой воды расходуется неэффективно из-за негерметичных систем орошения. Третья проблема - сорняки, которые приводят к значительному снижению урожайности и качества сельскохозяйственных культур. Около 1800 видов сорняков снижают урожайность больше чем на 30%, что приводит к экономическим потерям в размере 32 млрд долларов в год.
Как же искусственный интеллект помогает решать эти задачи? Во-первых, он способен идентифицировать вредителей и подбирать способы борьбы с ними. Например, одно из устройств использует феромоны для привлечения вредителей, затем насекомые фотографируются, а ИИ на основе своей базы данных идентифицирует их. После чего, используя геолокацию и данные о погоде, ИИ определяет вероятное поведение насекомых и отправляет уведомления фермерам. Эти сведения позволяют своевременно принимать защитные меры и значительно сокращать потери урожая, то есть оптимизировать стратегии управления посевами.
Так, при мониторинге состояния почвы данные, полученные с помощью беспроводной сети подземных датчиков, дронов и спутников, используются для анализа состояния почвы, в том числе содержания в ней влаги, питательных веществ и наличия патогенов. Потребность растений в воде на разных участках система анализирует на основе показаний множества подземных датчиков. ИИ составляет карты состояния почвы в реальном времени и прогнозы полива на будущее, чтобы лучше управлять запасами воды, и предоставляет фермерам информацию, где и когда поливать растения наиболее эффективно.
Фермеры получают также информацию о типе почвы и индексах растительности, например - о вегетационном индексе. Он характеризует состояние растительного покрова и рассчитывается на основе сведений, полученных с помощью разных средств дистанционного зондирования Земли.
Что касается сорняков, то теперь дроны и роботы благодаря компьютерному зрению могут с высокой точностью распознавать их среди сельскохозяйственных культур. Алгоритмы глубокого обучения в компьютерном зрении помогают ИИ идентифицировать сорняки путем анализа данных с камер высокого разрешения, которые сканируют поле в режиме реального времени.
Специалисты агробизнеса выделяют и другие возможности использования ИИ. Например, человек не в состоянии сосчитать цветки на сотнях растений на тысячах участков. Люди устают, теряют концентрацию внимания или просто физически не могут видеть все, что нужно. У компьютера таких проблем нет. Хорошо подготовленные модели компьютерного зрения мгновенно выдают согласованные количественные данные.
Или быстрое фенотипирование - предсказание внешних и внутренних признаков, свойств и характеристик организмов и растений на основе генетической информации. ИИ применяется для точного определения генов, связанных со сложными характеристиками сельскохозяйственных культур. А использование подробных генетических профилей для селекции позволяет выводить новые сорта в пять раз быстрее и в 50 раз дешевле.
Компания IBM открыла 65 тысячам фермеров доступ к данным и аналитике на основе ИИ, что позволяет следить за многими параметрами, например за влажностью почвы на уровне корней, а не только на поверхности.
Искусственный интеллект дает сельхозпроизводителям множество преимуществ, но и несет определенные риски, прежде всего - сокращение рабочих мест, концентрацию собственности и проблемы с конфиденциальностью.
Когда ИИ массово автоматизирует задачи, которые традиционно выполнялись людьми, это может привести к сокращению рабочих мест в сфере как ручного, так и интеллектуального труда. Более того, это может повысить концентрацию собственности у крупных агропредприятий в ущерб небольшим фермам.
Когда же сельскохозяйственные угодья превращаются в источник для сбора данных, это может привести к проблемам с конфиденциальностью. Например, если злоумышленник получит доступ к системе сбора данных и намеренно исказит информацию. Далее неправильные сведения будут обработаны нейросетью, а значит, будут выданы неверные рекомендации по уходу за растениями или животными с соответствующими последствиями.
Все это требует тщательной проработки законов, регулирующих использование ИИ в сельскохозяйственном секторе, как это происходит в других отраслях, где применяется ИИ.