1
| 本文作者： AI科技評論 | 2016-05-27 12:36 |
今年8月，雷鋒網將在深圳舉辦一場盛況空前有全球影響力的人工智能與機器人創新大會。屆時雷鋒網將發布“人工智能&機器人Top25創新企業榜”榜單。目前，我們正在拜訪人工智能、機器人領域的相關公司，從中篩選最終入選榜單的公司名單。
如果你也想加入我們的榜單之中，請聯系：2020@leiphone.com。
人類又面臨了一項危機——隨著人口不斷膨脹，到2050年人類總人口也許要達到100億，然而，地球卻沒有等比例放大，這意味著同樣面積的土地資源必須喂飽翻了n備的人口。隨著全球變暖以及跟隨而來的水資源短缺，人類將面臨嚴重的糧食問題。
也許機器的到來是一個歷史偶然。真正智能的機器人和機器學習算法也許能幫助推動一場新的“綠色革命”，從而解決日漸嚴重的口糧問題。想象一下，如果衛星可以自動檢測旱災發生模式，如果拖拉機可以通過“目測”消滅患病的農作物，如果一個人工智能支持的智能APP可以讓農民知道如何應對農田里的農作物病害。
稻草人要成為歷史了，保護農業的未來就拜托人工智能了。
深度學習是一種計算方法，程序員不用確切地告訴計算機該做什么，而是訓練計算機識別某些模式。你可以給計算機輸入患病和健康的農作物葉子圖片，并做上標記。計算機可以以此學會患病和健康的葉子看起來有什么不同，并能獨立判斷新作物是否健康。
這就是生物學家David Hughes和流行病學家Marcel Salathe的研究，他們用感染了26種疾病的14株作物進行了實驗。他們在計算機中輸入了超過五萬張圖片，計算機程序通過自主學習，最終能夠以99.35%的正確率判斷研究人員輸入的新圖片。
不過，這些是動過手腳的圖片，其中的燈光和背景都是一致的，為計算機識別葉片圖像降低了難度。如果從互聯網上隨機下載一張患病作物的葉片照片，讓計算機去判斷，軟件的準確率就降低到了30%-40%。
不太好。不過，Hughes和Salathe希望能使用這項人工智能技術支持他們的APP“Plant Village”，這個APP可以讓世界各地的農民給自己患病的作物拍張照片，上傳到論壇上，讓專家來診斷農作物疾病。為了提高這項技術的“智商”，他們會繼續給AI輸入更多的患病作物照片。“從各種不同渠道而來的圖片越多越好，渠道指的是照片拍攝的方式、季節、位置等等因素?！盨alathe說，“軟件可以吸收這些信息，不斷學習。”
這不只是排除農作物之間的疾病傳染，還有很多其他因素會影響農作物。“大部分影響生長的都是生理壓力，例如缺鈣、缺鎂或者鹽分太高、熱量太高等，”Hughes說，“人們有時候會以為是細菌或者真菌疾病。”誤診導致農民浪費了時間和金錢去買殺蟲劑或者除草劑。未來，人工智能可以幫助農民更加準確地定位問題所在。
在那之后，人類將奪回控制權——因為雖然APP可以定位問題，但是沒法像人類專家一樣，考慮緊氣候、突然、季節等因素，給農民提供最適合的解決辦法。聯合國糧食及農業組織（FAO）認為這類技術是農作物管理的一種“有用工具”，但還是要聽專家說了算。因此，FAO的植物病理學家Fazil Dusunceli說，非常歡迎這樣的技術幫助，但是“最終病害管理決策應該與現場的專家一起合作制定?！?/p>
可以說，現在沒有哪一個國家在農業方面可以高枕無憂——發展中國家亟需農業知識，而發達國家則淹沒在殺蟲劑和除草劑之中。在美國，僅僅在玉米、大豆和棉花作物上，每年農民使用的除草劑就多達三億一千萬磅（編者注：相當于大約一億四千萬公斤）。
一家叫做藍色河流科技（Blue River Technology）的公司可能找到了一種解決辦法，至少對卷心菜來說有了新的希望。公司的“卷心菜機器人”（LettuceBot）長得像一臺普通的拖拉機，但是其中包含了機器學習的智能技術支持。
公司稱，“卷心菜機器人”可以在駛過農田的時候，每分鐘拍攝五千張幼苗的照片，使用算法和機器視覺來識別每一株植物到底是卷心菜還是雜草。“這是基于機器學習計算和計算機視覺的力量，”Jeremy Howard說，他是深度學習機構Enlitic的創始人。他補充道，一塊圖形芯片識別圖像只要0.02秒的時間。
在四分之一英寸（編著注：大約0.63厘米）的精度下，機器人可以在行進中定位雜草，并在每株雜草上噴灑除草劑。如果機器人“目測”到一顆卷心菜生長得不然太理性，它也會給它噴除草劑（農民過度種植多達5倍的卷心菜，所以偶爾犧牲掉一顆也沒關系）。如果兩株菜苗長得過于靠近，機器人會知道這不是一顆特別大的菜苗，并且把這兩株也摧毀。
如果你覺得機器人的做法太殘酷，我們先來看看另一種選擇：不管三七二十一，先給正片農田噴上除草劑?！斑@類似于說，如果舊金山出現了一種傳染病，我們唯一的辦法就是給所有人，不管男女老少，都打一針抗生素。”Blue River Technology公司的Ben Chostner說，“人們的病可以治好，但是這很浪費錢。而且，這種辦法沒有把抗生素的效果發揮得最好。”
而有了“卷心菜機器人”，Chostner說農民可以將化學物品的使用量減少90%。而且，機器人已經開始努力干活了——Blue River管理的農田提供了美國每年卷心菜消耗量的10%。
圖片來源：Blue River Technology。
NASA的Landsat衛星在我們頭頂上空400英里（編者注：大約643.74千米）環繞地球，為地球表面提供了魔法般強大的調查數據。各種層面的信息數量太大，對于人類來說很難消化，但是有了機器學習算法，這根本是小菜一碟。
這對農業監管來說具有極大價值，尤其是在發展中國家，政府和銀行在決策中非常缺乏數據支持，難以決定應該給哪些農民批準貸款或者緊急支援。舉個例子，在印度的一次旱災中，我們不僅看到不同的區域有不同程度的受災影響，而且在區域內，一部分農民比其他人能容易獲得水資源。
因此，一家名叫Harvesting的公司正在使用機器學習，大規模分析衛星數據，希望幫助機構更加高效地分配財政資源?！拔覀儗@項技術的期望是分離出一部分農民和村莊，讓銀行或者政府將資金導向正確的群體?！盚arvesting公司CEO Ruchit Garg說。他說，一個人類分析師可以同時可以處理10項、10項變量，而機器學習算法可以處理超過2000項變量。這完全不是同一個層級上。
隨著全球變暖讓氣候越來越混亂，政府面臨的壓力越來越大，必須能夠正確分配有限的資源。傳統上，農業在印度算是一個相對容易預測的行業，至少從人類對環境的可控性這個意義上來說?！拔覐奈业母赣H、我的祖父等祖祖輩輩人之中學到的知識，就是我用來耕田的知識，就是我對于季節環境的認識?！盙arg說，“但是，因為氣候劇變，我所面臨的，不再是我的先人們所面臨過的環境了?！?/p>
對，這是一個完全不同的世界了。農民可能在變化的環境中遭受打擊，或者也可以進入更加智能的農業時代。農民可以獲得更多數據、更多人工智能、更多可以噴灑化學品的機器人。
Via Wired
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
