Земјоделството станува едно од полињата во кои вештачката интелигенција може да направи голема промена. Огромни количества податоци што ги собираат сензори, метеоролошки станици, сателити, дронови и земјоделски машини сега можат да се обработуваат со алгоритми и да се претворат во конкретни одлуки, каде да се наводнува, каде има болест, колкав принос се очекува и каде треба да интервенира машината.

1. Полето се следи речиси во реално време

Земјоделецот повеќе не мора да чека болеста или нападот од штетници да стане видлив на секое растение. Сателитите и дроновите можат да создаваат детални снимки на земјоделските површини, додека алгоритмите за компјутерски вид ги анализираат промените и бараат знаци што можат да укажат на габични заболувања, штетници, недостиг на хранливи материи или други проблеми.

Кога овие информации ќе се поврзат со податоци од сензори за влажност и состојба на почвата, како и со метеоролошки податоци, се добива многу попрецизна слика за состојбата на секој дел од нивата. Тоа е основата на таканареченото прецизно земјоделство. Наместо целата површина да се третира на ист начин, системот може да покаже каде точно има проблем и каде е потребна интервенција.

Резултатот може да биде двоен: проблемите да се откријат порано, а средствата за заштита да се користат само таму каде што навистина се потребни.

2. ВИ може да предвиди колкава ќе биде жетвата

За земјоделецот не е важно само колку произвел, туку и колку ќе произведе. Алгоритмите за прогнозирање на приносите комбинираат податоци за состојбата на посевите, временските услови, почвата, претходните приноси и други фактори за да проценат што може да се очекува на крајот од сезоната.

Компанијата Синџента разви генеративна вештачка интелигенција во рамките на платформата Кропвајс, која, според податоците на компанијата, постигнувала до 95 отсто точност при прогнозирањето на приносите и давала препораки поврзани со сеидбата.

Ова има значење и надвор од самата нива. Количината на произведената храна влијае врз складирањето, транспортот и продажбата. Колку порано производителите, трговците и логистичките компании знаат што може да се очекува, толку полесно можат да ги организираат следните чекори.

Токму затоа, подобрата прогноза на приносите има и конкретна економска вредност.

3. Тракторите и роботите стануваат „попаметни“

Вештачката интелигенција не ги менува само одлуките на земјоделците, таа ја менува и самата механизација. Автономните трактори и други земјоделски машини користат камери, сензори, ГПС и алгоритми за машинско учење за самостојно движење низ полињата и извршување различни задачи.

Целта не е само машината да го замени човекот зад воланот. Идејата е таа да може да „види“ што има пред себе, да препознае проблем и да одлучи како да реагира. Еден од најинтересните примери е борбата против плевелите.

Американската компанија Карбон Роботикс разви робот наречен ЛасерВидер, кој со помош на компјутерски вид го препознава плевелот меѓу земјоделските култури и го уништува со ласери. Според податоците на производителот, системот користи 36 камери, 24 ласери и 24 графички процесори на Нвидиа, а може да третира до 10.000 плевели во минута. Алгоритмот бил обучуван со повеќе од 150 милиони означени фотографии од растенија.

И големите производители на земјоделска механизација се движат во иста насока. Џон Дир развива автономни машини кои би можеле самостојно да извршуваат различни задачи на нивите.

4. Помалку вода и помалку хемикалии

Недостигот од вода станува сè поголем проблем, а земјоделството е еден од најголемите потрошувачи на овој ресурс.

Токму затоа, прецизното наводнување е едно од подрачјата во кои комбинацијата од сензори и вештачка интелигенција може да има непосредна практична корист.

Современите системи можат да ги комбинираат податоците за влажноста на почвата, температурата на растенијата, временската прогноза и други параметри за да проценат кога и колку вода му е потребна на одреден дел од насадот. Наместо целото поле да се наводнува според една единствена проценка, водата може да се насочи таму каде што е најпотребна.

Истата логика може да се примени и при употребата на пестициди и други средства за заштита на растенијата. Ако системот прецизно го лоцира проблемот, нема потреба целата површина да се третира на ист начин.

Тоа може да значи помала потрошувачка на вода и хемикалии, пониски трошоци за производителите и помало оптоварување на животната средина.

5. Од искуство кон одлуки засновани на податоци

Земјоделството отсекогаш зависело од искуството од тоа кога да се сее, кога да се наводнува, кога да се третираат растенијата и кога да се очекува жетвата. Вештачката интелигенција не го заменува тоа искуство, но може да му додаде огромна количина податоци.

Метеоролошките станици, сензорите во почвата, сателитите, дроновите и земјоделските машини постојано создаваат информации. Проблемот е што човекот тешко може истовремено да ги обработи сите тие податоци.Токму тука алгоритмите имаат предност можат да поврзат голем број различни извори и да откријат обрасци кои инаку би останале незабележани.

Така земјоделството постепено се движи кон модел во кој одлуките не се носат само врз основа на искуство и проценка, туку и врз основа на анализа на податоци во реално време.

Но, тоа не значи дека технологијата ќе ги реши сите проблеми. Цената на опремата, пристапот до интернет и дигитална инфраструктура, квалитетот на податоците и потребата земјоделците да се обучат за користење на новите системи остануваат сериозни предизвици.

Сепак, насоката е јасна: вештачката интелигенција веќе не е само технологија за лаборатории и канцеларии. Таа постепено станува дел од нивите, пластениците и фармите – од првата проценка на состојбата на растението до моментот кога автономната машина ќе одлучи каде да интервенира.