Rolnicy z Iowa zmagają się z zalewem danych z pól. Naukowcy proponują rozwiązanie: sztuczna inteligencja, która zamienia liczby w realne porady i zwalcza szkodniki.
W skrócie:
- Naukowcy z Iowa State University tworzą narzędzia AI, które analizują dane z pól, pomagając rolnikom podejmować lepsze decyzje dotyczące upraw, zysków i hodowli roślin.
- Aplikacja InsectNet, oparta na AI i wytrenowana na 12 milionach zdjęć, potrafi z 96% dokładnością zidentyfikować ponad 2,5 tysiąca gatunków owadów na podstawie fotografii.
- Główną barierą we wdrażaniu AI w rolnictwie jest niechęć farmerów do udostępniania danych z powodu obaw o prywatność. Rozwiązaniem ma być budowanie zaufania.
Wyobraźmy sobie każde źdźbło kukurydzy na polu w Iowa jako pojedynczy punkt danych. Teraz dodajmy do tego typ gleby, szerokość rzędów, nawadnianie, sezonowe szkodniki i kaprysy pogody. Współczesny rolnik, dzięki rolnictwu precyzyjnemu, śledzi te wszystkie zmienne. Problem w tym, że zamiast klarownego obrazu, dostaje coś, co eksperci nazywają “potopem danych” – ocean liczb i procentów, w którym łatwo utonąć. Aby farmerzy nie czuli się jak rozbitkowie, naukowcy i organizacje rolnicze z Iowa sięgają po sztuczną inteligencję.
To nie jest kolejna opowieść z Doliny Krzemowej, ale historia z serca Ameryki, gdzie technologia spotyka się z ziemią. “W ciągu ostatniej dekady byliśmy świadkami połączenia różnych technologii, które mogą zasadniczo przekształcić rolnictwo. Mamy drony, dane satelitarne, tanie czujniki” – mówi Baskar Ganapathysubramanian, profesor inżynierii na Iowa State University. I od razu dodaje, co jest sednem sprawy. “Ale ostatecznie rolnicy… chcą praktycznego wglądu. Mówią: ‘Nie dawajcie mi tylko danych. Dajcie mi wgląd w to, co powinienem z nimi zrobić’”. I właśnie tutaj na scenę wkracza AI.
Jak AI zostaje kieszonkowym ekspertem od owadów?
Ganapathysubramanian, który kieruje Instytutem AI na rzecz Odpornego Rolnictwa, wraz z zespołem stworzył aplikację InsectNet. To przykład, jak AI może stać się narzędziem, które każdy rolnik ma w kieszeni. Przez dwa lata interdyscyplinarny zespół agronomów, inżynierów i specjalistów od danych zbierał i przetwarzał obrazy owadów. Wytrenowali potężne modele na superkomputerach, karmiąc je ponad 12 milionami zdjęć. Efekt? Aplikacja, która na podstawie jednej fotografii z telefonu rozpoznaje i klasyfikuje ponad 2500 gatunków owadów z dokładnością sięgającą 96 procent.
Co ważne, gdy model nie jest pewien, nie zgaduje – wyświetla komunikat o niepewności. Dzięki temu rolnik w kilka sekund może sprawdzić, czy owad znaleziony na uprawie to szkodnik wymagający natychmiastowej interwencji, czy może pożyteczny gatunek, który lepiej zostawić w spokoju. “To jeszcze jeden ekspert w zestawie narzędzi rolnika, którego może mieć na swoim telefonie” – podsumowuje Ganapathysubramanian. Proste, skuteczne i cholernie praktyczne.
Czy można przyspieszyć ewolucję kukurydzy?
Sztuczna inteligencja wkracza też do świata genetyki roślin. Karlene Negus, doktorantka z ISU, pracuje nad modelami AI, które mają zrewolucjonizować hodowlę kukurydzy. Obecnie cykl hodowlany, od opracowania nowej odmiany do jej pojawienia się na polach, trwa od ośmiu do dziesięciu lat. To wieczność w dynamicznie zmieniającym się klimacie. Negus używa AI, by na podstawie ogromnych zbiorów danych genetycznych przewidywać kluczowe cechy agronomiczne, takie jak wysokość rośliny, czas kwitnienia czy potencjalny plon.
Dzięki modelom predykcyjnym można symulować, jak dana odmiana zachowa się w różnych warunkach i jak wpłyną na nią zmiany wprowadzone przez hodowców. “Modele AI dla hodowli roślin dają szansę na skrócenie tego cyklu” – wyjaśnia Negus. To gra o wysoką stawkę: szybsze tworzenie odmian bardziej odpornych na suszę, choroby czy szkodniki.
Jaka jest największa bariera? Nie technologia, a zaufanie
Wszystkie narzędzia AI łączy jedno: potężny apetyt na dane. I tu pojawia się problem, który Karlene Negus nazywa “wąskim gardłem”. Rolnicy, co zrozumiałe, obawiają się udostępniać swoje dane. Brak jasnych regulacji prawnych, obawy o prywatność, bezpieczeństwo i licencjonowanie sprawiają, że wielu z nich woli trzymać swoje informacje dla siebie. Z kolei firmy prywatne, które dysponują własnymi zbiorami, niechętnie się nimi dzielą, chroniąc swoje tajemnice handlowe.
Rozwiązania? Jednym z nich jest tzw. uczenie sfederowane, metoda, która pozwala trenować modele bez wysyłania danych na centralny serwer. Jednak kluczem, jak podkreśla Matthew Carroll z Iowa Soybean Association, jest budowanie zaufania. Rolnicy chętniej dzielą się informacjami z organizacją, z którą mają dobre relacje i której ufają. Carroll przyznaje, że jak przy każdej nowej technologii, część farmerów podchodzi do AI z entuzjazmem, a inni wolą poczekać i zobaczyć efekty. “Mamy wielu ludzi, którzy są podekscytowani, i takich, którzy wolą przyjąć postawę ‘poczekamy, zobaczymy’” – mówi. “Ale wszystko zawsze sprowadza się do budowania zaufanych relacji”. Wygląda na to, że nawet w świecie algorytmów najważniejszy pozostaje czynnik ludzki.