acm-header
登录

ACM通信

新闻

人工智能、机器学习和对抗世界饥饿


农田小块上的百分比标签,插图

信贷:KoSSSmoSSS

据世界卫生组织(WHO)称,全世界正在挨饿。世卫组织的数据显示,在2018年(有数据的最近一年),有8.2亿人缺乏足够的食物,比前一年增加了900万人。

饥饿在全世界夺去了许多人的生命。它还会影响那些存活下来的人,导致严重的儿童发育问题,如发育迟缓,即儿童相对于他们的年龄来说太矮,以及消瘦,即他们相对于他们的年龄来说太瘦。

地球人口的爆炸是没有足够食物的一个主要因素。根据联合国的数据,自1950年以来,全球人口从26亿增长到2021年的近80亿。这种增长还在继续,预计到2050年,世界人口将再增加20亿。

要解决人口爆炸式增长等问题,就需要新的解决方案。

人工智能(AI)就是其中之一。人工智能系统——包括机器学习和深度学习系统——正在越来越多地使用大型数据集和强大的计算机科学技术来提高作物产量,提高农业生产力,防止疾病破坏作物。

结果就是Ananth Kalyanaraman所说的农业“革命”。Kalyanaraman是华盛顿州立大学美国农业部农业人工智能转化劳动力和决策支持研究所的主任,该研究所致力于开发人工智能来解决棘手的农业问题。AgAID研究所是美国国家科学基金会(NSF)推出的11个专注于人工智能的研究机构之一,旨在研究人工智能、机器学习、深度学习和其他下一代技术如何解决全球饥饿问题。

AgAID研究所由美国农业部下属的国家食品和农业研究所资助。联邦政府对AgAID等机构的投资表明,战胜饥饿的战争不会仅靠人民的力量取胜;它将通过人类和人工智能的创造性结合来赢得胜利。

回到顶部

农业机器人,作物监测和数字双胞胎

希腊东马其顿和色雷斯理工学院计算机与信息工程系教授George Papakostas是计算机视觉在农业应用方面的知名专家,他表示,人工智能在农业领域的一个关键应用是使用智能和自主机器人。“农业机器人”使用计算机视觉在没有人工监督的情况下执行种植和收获等农业任务。它们比人类工作得更快更久,从而提高了作物产量。

Papakostas说:“农业机器人能够根据大数据训练过程中获得的知识做出决策,并以精确和速度无缝地执行任务。”

这些机器人不仅比人类更擅长农业工作;它们也做人类不想做的工作。Papakostas说,“由于城市化,(农业部门)缺乏有经验和专业的工作人员”是一个巨大的问题。他补充说,由人工智能指导的自主机器人可以提供一周7天、每天24小时种植、除草和收割的劳动力,从而解决这个问题。

自动化是人工智能使农业更好地满足全球饥饿人口的一个领域。预测是另一个。

人工智能被用于检测和预测作物病害。人工智能技术处理从物联网(IoT)传感器接收的数据,这些传感器监测来自作物表面、土壤和小气候的气候、环境和视觉信息。Papakostas说,这些数据随后被用于训练深度学习模型,这些模型可以预测某些类型作物发生疾病的可能性。

结果呢?卡耐基梅隆大学机器人研究所的研究员George Kantor说,智能作物疾病监测系统使预测产量和发现疾病变得更加容易,在疾病摧毁农民投入了大量资金的整个作物之前。

Kantor说:“早期疾病检测能力可以输入精密喷涂设备,以便有针对性地应用必要的治疗。”“这可以大幅减少农民使用的化学品,既节省了生产成本,也减少了对环境的影响。”

人工智能还使疾病预防进一步成为可能:我们不再需要种植特定的作物来预测什么会影响它们,内布拉斯加-林肯大学农艺系的农艺学副教授兼查尔斯o加德纳博士教授James Schnable说。他说:“我最兴奋的是数字双胞胎的开发和部署:现实世界植物的虚拟对应物,让我们可以实验和预测植物在不同环境下的反应。”


智能作物疾病监测系统可以更容易地预测产量,并在疾病摧毁农民投入财富的作物之前发现疾病。


Schnable在数字双胞胎方面的研究也得到了美国国家科学基金会的资助。这些虚拟产品让农民可以通过游戏来预测不同作物管理决策的结果,比如何时施肥或使用多少灌溉水。数字双胞胎帮助农民提高目前的作物效率,并在未来的种植条件成为问题之前预测到它们。

这很重要,因为今天的植物育种者正在生产明天的作物。

Schnable说:“现在的植物育种人员正在为农民开发2030年种植的新品种。”“然而,2030年的内布拉斯加州或2030年的卢旺达的环境我们都无法接触到。为了克服这一挑战,我们需要能够预测作物品种在未来10到15年内都不会存在的环境下的表现。这就是人工智能和机器学习的用武之地。”

Schnable说,尽管作物产量普遍提高,但仍需要进行田间试验,以确定在某些地区使用哪种方法哪种作物生长得最好。

他说:“在密苏里州进行的田间试验无法预测哪种作物品种有潜力在内布拉斯加州最具适应性或产量最高。”“在肯尼亚进行的田间试验无法预测哪些作物品种具有在卢旺达最具韧性或产量最高的潜力。”

人工智能和机器学习模型对于大规模模拟不同的条件至关重要。

这一原理的一个应用可以从明尼苏达大学的Timothy Smith和Zhenong Jin所做的工作中看到。在他们最近的论文中,这两位研究人员建立了一系列关于美国玉米带的机器学习预测模型,玉米带是美国主要的玉米产区。这些预测模拟了整个农场的可持续性条件,使农民能够确定降低作物健康状况、产量和产量的问题领域。

回到顶部

变化的气候,变化的技术

人工智能对于提高农业产量以跟上人口增长至关重要。它也是解决与气候变化相关的核心挑战的关键,这些挑战可能会威胁到世界粮食供应。

Kalyanaraman说:“霜冻、极端高温或逆温等极端天气事件可以在短时间内造成严重的作物损害和损失。”在美国,一个州每年高达50%的农业生产损失可能是由单一天气事件造成的。人工智能既可以通过先进的传感器从经历此类天气事件的农场收集数据,也可以为特定地点的决策和风险缓解提供见解,从而提供帮助。

这是因为气候不确定性的部分问题是,农民没有从自己的个人经验中获得足够的数据,来考虑如何最好地应对这种极端天气事件。“一个真正成功的农民可能在他们的职业生涯中总共有40个种植季节,”Schnable说,“但只有40个机会也意味着做出错误的决定会造成很大的伤害。”

随着气候变化日益破坏传统的天气周期,由人工智能驱动的预测模型为农民提供了超越他们个人经验的信息源,这可能会通过模拟他们尚未经历过的情况给他们带来帮助。


“未来生产力的提高将取决于在气候变化下能源、水和营养管理效率的提高。”


史密斯说:“近几十年来,农业产量达到了创纪录的水平,但未来生产力的提高将取决于在气候变化下能源、水和营养管理效率的提高。”

应对气候变化的一个创造性解决方案是利用人工智能在室内更好地种植作物。

垂直农业是一种在室内垂直种植作物的方式,而不是在户外大片的土地上种植作物。AeroFarms是垂直农业领域的领导者,该公司使用人工智能和机器学习来调节每一种垂直农业作物接受的光照。由于机器增强照明和作物调控,AeroFarms声称,与传统农业相比,每平方英尺的生产率提高了390倍,而且种植作物的用水量减少了95%,农药使用量为零。

AeroFarms首席技术官Roger Buelow说:“我们使用人工智能和机器学习来观察我们的作物,以发现各种类型的问题,包括疾病、害虫和设备故障。”他补充说,该公司还每天对作物进行成像。

在可持续农业方面,人工智能并不是唯一改变竞争环境的技术。随着将卫星送入轨道的成本持续下降,超高分辨率卫星图像正变得越来越普遍。

Schnable说:“从现在起10年或20年以后,世界上的每一块土地都有可能以每像素30厘米或更低的分辨率从太空成像,其结果被用来预测每块土地的哪些特定部分需要灌溉或施肥。”

Kalyanaraman说,未来的农业很有可能是人类和机器之间的合作,而且是全球性的合作。微软正在部署机器学习算法和智能传感器,通过Azure FarmBeats技术提高发展中国家的作物产量。IBM提供全球人工智能咨询,帮助农业生产者使用机器学习提高盈利能力和产量。

然而,Kalyanaraman说:“由于劳动任务的复杂性,在这些劳动密集型的作物部门不太可能实现全面自动化。”

相反,协作和包容的人类-人工智能工作流程能够增强和放大组合技能,有可能形成一个大于各部分之和的整体。这样的伙伴关系还有助于缩小劳动力中的关键技能差距。”

*进一步的阅读

阿里,M。
到2030年,人工智能可以阻止数百万人挨饿,2021年6月,https://bit.ly/3CUuHy9

明尼苏达大学开发工具,帮助农民做出作物投入决策,明尼苏达大学新闻2021年7月15日,https://bit.ly/2VTxN57

三年后,世界饥饿仍未减少,肥胖仍在增加,世界卫生组织2019年7月,https://bit.ly/3CWG5d9

AgAID研究所:转化劳动力和决策支持的农业人工智能,https://agaid.wsu.edu

农业的人工智能、边缘和物联网,2015年5月,https://www.microsoft.com/en-us/research/project/farmbeats-iot-agriculture

IBM农业、https://www.ibm.com/products/agriculture

回到顶部

作者

洛根Kugler他是佛罗里达州坦帕市的一名自由科技作家。他为60多家主要出版物撰写过文章。


©2022 0001 - 0782/22/2 ACM

允许为个人或课堂使用部分或全部作品制作数字或硬拷贝,但不得为盈利或商业利益而复制或分发,且副本在首页上附有本通知和完整的引用。除ACM外,本作品的其他组件的版权必须受到尊重。允许有信用的文摘。以其他方式复制、重新发布、在服务器上发布或重新分发到列表,都需要事先获得特定的许可和/或费用。请求发布的权限permissions@acm.org传真(212)869-0481。

数字图书馆是由计算机协会出版的。版权所有©2022 ACM, Inc.


没有发现记录

Baidu
map