2018 წელს ხუთმა გუნდმა მოზარდა კიტრი ავტონომიური სათბურის გამოწვევის ფარგლებში საერთაშორისო კონკურსი. ირონია: მხოლოდ ერთი გუნდი შედგებოდა გამოცდილი მწარმოებლებისგან, რომლებიც მუშაობდნენ სათბურის განყოფილებას ხელით. დანარჩენი ოთხი გუნდი შედგებოდა საერთაშორისო ექსპერტებისგან მებაღეობისა და ხელოვნური ინტელექტის (AI) სფეროებში. ისინი მუშაობდნენ ხელოვნური ინტელექტის გადაწყვეტილებების შემუშავებაზე, რათა მართონ თავიანთი მოსავალი დისტანციურად და ავტონომიურად. კონკურსის, მსოფლიოში პირველი ავტონომიური სათბურის გამოწვევის მიზანი იყო მიღწეული გარღვევა სურსათის მდგრადი წარმოებაში.
ოთხი ინტენსიური თვის შემდეგ, ხელით მევენახეები მეორე ადგილზე გავიდნენ. პირველ ადგილზე გასულმა გუნდმა, ამ სტატიის ერთ-ერთი ავტორის ხელმძღვანელობით, გაიმარჯვა ავტონომიური მზარდი ხსნარით, რომელმაც არა მხოლოდ მიაღწია 6%-ით მეტ შემოსავალს და 17%-ით მაღალ წმინდა მოგებას, არამედ გამოიყენა ნაკლები CO.2, გათბობა და წყლის შეყვანა.
კონკურენციის შესახებ მეტის გასაგებად და იმის გასაგებად, თუ როგორ შეუძლია ხელოვნური ინტელექტის გადაწყვეტა კონკურენციას გაუწიოს - და აჯობოს კიდეც - გამოცდილი მწარმოებლების გუნდს, მოდით უფრო ახლოს მივხედოთ AI-ს და როგორ უკავშირდება ის სათბურის ავტომატიზაციას.
სათბურის ავტომატიზაცია ახალი არაფერია
ათწლეულების განმავლობაში, მწარმოებლები იყენებდნენ პროცესორ კომპიუტერებს, სენსორებს და აქტუატორებს სათბურის კლიმატისა და ირიგაციის სამართავად. ასეთ სცენარში, პროცესის კომპიუტერის სამუშაო მარტივია, ეყრდნობა მარტივ ლოგიკურ წესებს. თუ ჰაერის ტემპერატურა 75°F-ზე მაღალია, გახსენით ვენტილატორი, მაგალითად. ტემპერატურის კითხვის დამღლელი შრომა და განათების და გამათბობლების ჩართვა-გამორთვა დელეგირებულია მანქანებზე.
რა თქმა უნდა, წესებზე დაფუძნებული ავტომატიზაცია ვერ გაუმკლავდება გაუთვალისწინებელ გარემოებებს. რაც მთავარია, კვალიფიციურ ადამიანს სჭირდება მოსავლის მენეჯმენტის შესახებ ყველა გადაწყვეტილების მიღება, გარემოსდაცვითი პარამეტრების ზუსტი განსაზღვრულ წერტილებამდე. მაღალი მოსავლიანობის საიმედოდ მისაღწევად საჭიროა ცოდნისა და უნარების მნიშვნელოვანი დონე და მაშინაც კი, ადვილია შეცდომების დაშვება. უფრო მეტიც, რაც უფრო ფართოვდება ფერმები, ნათესების მუდმივი მონიტორინგის სამუშაო კიდევ უფრო მოთხოვნადი ხდება.
სამწუხაროდ, მევენახეებმა კარგად იციან, რომ წარმოებაში პრობლემების ყველაზე დიდი წყარო შრომაა. წლიდან წლამდე, ქ სასათბურე მეურნეობა ტოპ 100 მწარმოებლის გამოკითხვაში, მევენახეები აღნიშნავენ გამოწვევებს არა მხოლოდ შრომის ღირებულების, არამედ კვალიფიციური მუშახელის ხელმისაწვდომობის შესახებ. გასაკვირი არ არის, რომ მევენახეები სულ უფრო მეტად ეძებენ გზებს ამ გამოწვევების გადასაჭრელად, მათ შორის ახალი ტექნოლოგიების ჩათვლით, რომლებსაც შეუძლიათ სათბურის მენეჯმენტი უფრო ავტონომიური გახადონ.
AI არის წესებზე დაფუძნებული ავტომატიზაციის მიღმა ნაბიჯი
ხელოვნური ინტელექტის შესახებ ფიქრის კარგი გზა არის ის, რომ ეს არის მარტივი წესებზე დაფუძნებული ავტომატიზაციის მიღმა. თანამედროვე ხელოვნური ინტელექტი ეხება მათემატიკის გამოყენებას მონაცემებში შაბლონების მოსაძებნად, მათ შორის სათბურის გარემოსა და ბიოლოგიურ სისტემებში. Მაგალითად:
- საკმარისი კლიმატის მონაცემებით, მწარმოებლებს შეუძლიათ გამოიყენონ ხელოვნური ინტელექტი ოპტიმალური პუნქტების დასადგენად და კლიმატის პროგნოზების გასაკეთებლად.
- მოსავლის მოსავლიანობის საკმარისი მონაცემებით, მწარმოებლებს შეუძლიათ გამოიყენონ AI მოსავლიანობის პროგნოზების შესაქმნელად.
- საკმარისი სურათის მონაცემებით, მწარმოებლებს შეუძლიათ გამოიყენონ AI მავნებლებისა და დაავადებების აღმოსაჩენად.
ხელოვნური ინტელექტის ზოგიერთ ტიპს შეუძლია ისწავლოს ახალი მონაცემებიდან, რაც დროთა განმავლობაში უკეთეს შედეგებს იძლევა.
ყოველდღიური სასათბურე მეურნეობის ოპერაციების შესახებ უფრო ღრმა იდეების მიწოდების შესაძლებლობით, ხელოვნური ინტელექტის გამოყენება შესაძლებელია ექსპერტთა გადაწყვეტილების მიღების მხარდასაჭერად და მწარმოებლების გაძლიერების მიზნით. ყოველივე ამის შემდეგ, საუკეთესო შედეგები მოდის ადამიანის ინტელექტისა და ხელოვნური ინტელექტის გააზრებული კომბინაციით.
AI-ის მონაცემებზე დაფუძნებული მიდგომა ასევე შეიძლება გაერთიანდეს კლასიკურ წესებზე დაფუძნებულ მიდგომასთან, რაც სათბურის ავტომატიზაციის ბევრად უფრო მაღალი ხარისხის საშუალებას იძლევა, ვიდრე ოდესმე. მოკლედ, მწარმოებლებს შეუძლიათ გამოიყენონ ხელოვნური ინტელექტი მრავალი საოპერაციო ამოცანის ავტომატიზაციისთვის, რაც ხელს შეუწყობს შრომის ქრონიკული პრობლემების განმუხტვას, რაც ინდუსტრიას გამოწვევს.
მონაცემები არის საწვავი AI-სთვის
რამდენადაც ხელოვნური ინტელექტი ეხება მათემატიკურ ალგორითმებს, ის ასევე ეხება მონაცემებს. პოპულარული რწმენის საწინააღმდეგოდ, AI-ში გამოყენებული ზოგიერთი ყველაზე გავრცელებული ალგორითმი ათწლეულების განმავლობაში არსებობს. ისინი არც კი არიან საშინლად გართულებული. მაგრამ ყველაზე დიდი ხნის განმავლობაში, მონაცემთა ხელმისაწვდომობა - მონაცემთა დამუშავებისთვის საჭირო ხელმისაწვდომ გამოთვლით ძალასთან ერთად - შემაკავებელი ფაქტორები იყო.
AI-ის პოტენციალის გასახსნელად კომპიუტერული ტექნიკის უახლესი განვითარება დასჭირდა. სმარტფონების რევოლუციამ, რომელიც გამოიწვია Apple-მა 2007 წელს, შექმნა სრულიად ახალი წარმოების ეკოსისტემები და მიწოდების ჯაჭვები გლობალური მასშტაბით. ამან შეცვალა კომპიუტერული ტექნიკის ფუნდამენტური ეკონომიკა, როგორც ჩანს, ღამით. ძირითადი ტექნიკის კომპონენტები, როგორიცაა მიკროპროცესორები, რადიოები და სენსორები, გახდა ექსპონენტურად იაფი, პატარა და უფრო ძლიერი. ნედლი მონაცემების ნაკადები წყალდიდობაში გადაიქცა. მონაცემთა ახალი სიმრავლე და გამოთვლითი სიმძლავრე დაეხმარა ხელოვნური ინტელექტის გარდაქმნას კვლევითი ცნობისმოყვარეობიდან რამდენიმე კომერციული აპლიკაციით ტექნოლოგიურ საზღვაო ცვლილებად.
IoT მოაქვს მონაცემთა სიმრავლის
1980-იანი წლების დასაწყისში პიტსბურგის კარნეგი მელონის უნივერსიტეტის კურსდამთავრებულები გაღიზიანებულნი იყვნენ კოკა-კოლას ავტომატისკენ მიმავალთ, მხოლოდ იმისთვის, რომ ის ცარიელი დახვდათ. მათ შეცვალეს ის, რომ მას შეეძლო ეცნობებინა მისი ინვენტარი ინტერნეტით. ამით მათ გამოიგონეს მსოფლიოში პირველი ინტერნეტთან დაკავშირებული მოწყობილობა.
დღეს მილიარდობით მოწყობილობა, დიდი და პატარა, სამომხმარებლო ელექტრონიკიდან სამრეწველო მანქანებამდე, შეუერთდა ამ პირველ სოდა აპარატს ინტერნეტთან დაკავშირებისას და შექმნა ის, რაც ცნობილია როგორც ნივთების ინტერნეტი (IoT). მთავარი ის არის, რომ ადრინდელი თაობების ტექნიკისგან განსხვავებით - მათ შორის ბევრი სათბურის ავტომატიზაციის გადაწყვეტილებების ჩათვლით - IoT მოწყობილობები იყენებენ იმავე ტიპის მონაცემთა ფორმატებსა და საკომუნიკაციო პროტოკოლებს, როგორც გამოიყენება სხვაგან ინტერნეტში. გლობალურ ინტერნეტ სტანდარტებზე დაყრდნობით, უფრო ადვილია მონაცემთა გაცვლა IoT მოწყობილობებთან, დამატებითი აპარატურის საჭიროების გარეშე, ერთი ტიპის სისტემიდან მეორეზე გადასასვლელად.
AI და IoT ერთად არის დამატებითი ტექნოლოგიები. IoT აპარატურა ეხმარება მწარმოებლებს უფრო მარტივად შეაგროვონ ნედლეული მონაცემები სათბურებიდან. და ხელოვნური ინტელექტის პროგრამული უზრუნველყოფა ეხმარება მწარმოებლებს გააცნობიერონ და იმოქმედონ ამ მონაცემების გასაუმჯობესებლად მოსავლის წარმოების გასაუმჯობესებლად.
შემთხვევის შესწავლა: კენეტ ტრანის წარმატება ავტონომიური სათბურის გამოწვევაში
დოქტორი ტრანი: 2018 წელს მე ვიყავი AI მკვლევარი Microsoft Research-ში სიეტლის მახლობლად, ვმუშაობდი AI-ის ახალ ტიპზე, რომელიც ცნობილია როგორც განმამტკიცებელი სწავლა. იქ მე წამოვიწყე ახალი ძალისხმევა, რათა გამოეყენებინა ჩვენი კვლევა კონტროლირებადი გარემოს სოფლის მეურნეობის სფეროში. ეგრეთ წოდებული Sonoma პროექტით, ჩვენ ვთანამშრომლობდით მცენარეთა მეცნიერებთან Harrow Research Center-ში, ონტარიოში, კანადა, და საბოლოოდ მივიღეთ მონაწილეობა პირველ საერთაშორისო ავტონომიურ სათბურის გამოწვევაში, რომელიც ორგანიზებული იყო ნიდერლანდების ვაგენინგენის უნივერსიტეტისა და კვლევის მიერ.
ამ გამოწვევაში თითოეულმა გუნდმა იზრდებოდა კიტრი 315 კვადრატული ფუტის სათბურის განყოფილებაში დაახლოებით ოთხი თვის განმავლობაში. ეს განყოფილებები აღჭურვილი იყო სტანდარტული პროცესის კომპიუტერებით, კლიმატის სენსორებითა და აქტივატორებით. IoT ციფრული ინტერფეისების (REST APIs) გამოყენებით, ჩვენს AI პროგრამებს შეუძლიათ მუდმივად წაიკითხონ მონაცემები სენსორებიდან, განსაზღვრონ ოპტიმალური დანიშნულების წერტილები და გადააგზავნონ მნიშვნელობები პროცესის კომპიუტერებში - მთელ ინტერნეტში (იხილეთ სურათი ქვემოთ). დამატებითი დეტალები გამოწვევისა და მისი შედეგების შესახებ შეგიძლიათ იხილოთ სტატიაში ჰემინგი და სხვ. (2019).
კიტრის მოყვანის ჩვენი გამოცდილების ნაკლებობისა და ჩვენი ძალიან ადრეული სტადიის პროტოტიპის მიუხედავად, ჩვენმა ავტონომიურმა მზარდი ხსნარმა შეძლო კონკურსის მოგება. ჩვენ კი ვაჯობეთ მეორე ადგილზე გასულ გუნდს, ექსპერტი ჰოლანდიელი მწარმოებლებისგან დაკომპლექტებულ საცნობარო გუნდს, 6%-ით მეტი მოსავლიანობით. მოსავლიანობის ეს ზღვარი უტოლდებოდა საოპერაციო მოგების 17%-იან ზრდას.
საცნობარო გუნდმა ცუდად ითამაშა? Არაფერს. ბევრი ექსპერტის აზრით, მათ საოცრად კარგად ითამაშეს. მათი მოსავლიანობა თითქმის 50 კგ/მ იყო2 ოთხი თვის განმავლობაში, რაც თითქმის 150 კგ/მ-ის ექვივალენტია2 წელიწადში. ეს ითვლება მაღალი მოსავლიანობით სათბურისთვის პლანეტის ნებისმიერ წერტილში.
ავტონომიური სათბურის გამოწვევის შედეგად, მე დავაარსე Koidra 2020 წელს, რათა უშუალოდ დაეყრდნო ჩვენს ცოდნას და შემდგომში გავაძლიერო თანამედროვე ტექნოლოგიები AI და IoT სოფლის მეურნეობისა და სხვა სამრეწველო კონტროლის აპლიკაციებისთვის.
სწორი კითხვების დასმა AI და IoT-ის შესახებ
დღეს, უფრო მეტი სათბურის მწარმოებელი მზად არის მიიღოს AI და IoT. მთავარი გამოწვევა არის ბაზარზე არსებული პროდუქტების გაგება და ყველა მარკეტინგული მეტყველების გატარების შესაძლებლობა. ბევრი კომპანია მოუთმენლად აცხადებს, რომ მათ აქვთ AI ალგორითმი ან IoT მოწყობილობა, რომელიც იმუშავებს სათბურებისთვის.
აქ არის რამდენიმე ძირითადი მოსაზრება, რომელიც უნდა გვახსოვდეს ხელოვნური ინტელექტის პროგრამული უზრუნველყოფის და IoT აპარატურის შეფასებისას:
- შესრულებით: მწარმოებლებს უნდა შეეძლოთ ნახონ კონკრეტული, რეალური სარგებელი. ჰკითხეთ: დადასტურებულია თუ არა AI კომერციულ წარმოებაში მოსავლიანობისა და რესურსების ეფექტურობის გასაუმჯობესებლად? რა პირობებში? როგორია კომპანიის გამოცდილება AI და IoT პროგრამული უზრუნველყოფის შემუშავებაში?
- AI დიზაინი: ყველაზე ეფექტური AI გადაწყვეტილებები აერთიანებს ადამიანის ინტელექტის საუკეთესოს და საუკეთესო ხელოვნურ ინტელექტს გადაწყვეტილების მისაღებად. ჰკითხეთ: როგორ იყენებს AI მოდელი არსებულ ცოდნას? როგორ უზრუნველყოფს ის, რომ შესრულება გაუმჯობესდება დროთა განმავლობაში მეტი მონაცემებით?
- პროგრამული უზრუნველყოფის დიზაინი: მევენახეებმა უნდა გააკონტროლონ სათბურის ოპერაციები. ჰკითხეთ: რა პროგრამული უზრუნველყოფის დიზაინის პრინციპები გამოიყენება მოსავლის უსაფრთხოების უზრუნველსაყოფად? შემიძლია ნებისმიერ დროს ადვილად გადართო ხელით, რეკომენდაციით და ავტოპილოტის რეჟიმებს შორის?
- მონაცემთა საკუთრება: მევენახეებმა უნდა ფლობდნენ თავიანთ მონაცემებს და თავიდან აიცილონ „მომწოდებლის ჩაკეტვა“. იკითხეთ: შემიძლია თუ არა ადვილად იმპორტი მონაცემები სხვა სისტემებიდან? შემიძლია საკუთარი მონაცემების სარეზერვო ასლის შექმნა და ექსპორტი? არის თუ არა API-ები, რომლებიც იძლევიან პირდაპირ მონაცემებზე წვდომას და პერსონალურ ინტეგრაციას? შემიძლია თუ არა გამოვიყენო პროგრამული უზრუნველყოფა და აპარატურა სხვადასხვა მომწოდებლისგან ახლა და მომავალში?
AI-ს და IoT-ს შეუძლია მწარმოებლების გაძლიერება
მსოფლიოში, სადაც კრიტიკული რესურსები - წყალი და ენერგია, ასევე დრო, ფული და გამოცდილი შრომა - სულ უფრო მწირი ხდება, აზრი აქვს ახალი ტექნოლოგიების შესწავლას ამ ტვირთის შესამსუბუქებლად. როგორც ავტონომიური სათბურის გამოწვევიდან გავიგეთ, მწარმოებლებს შეუძლიათ მიაღწიონ უფრო დიდ მოსავალს და რესურსების გამოყენების უფრო ეფექტურობას AI პროგრამული უზრუნველყოფის და IoT აპარატურის გამოყენებით. უფრო მეტიც, ეს ტექნოლოგიები აგრძელებს განვითარებას და წინსვლას სწრაფი ტემპით.
საბოლოო ჯამში, ხელოვნური ინტელექტისა და IoT-ს ნამდვილად შეუძლია სათბურის მწარმოებლების გაძლიერება - მიიღონ უკეთესი გადაწყვეტილებები, გააკეთონ მეტი ნაკლებით - მსოფლიოს საკვების უფრო მდგრადი ზრდისთვის.