聯(lián)合國報(bào)告說，全球每年生產(chǎn)的糧食中大約有三分之一被浪費(fèi)掉了。然而，除了浪費(fèi)，還有一個(gè)更大的問題，我們許多人沒有意識到。具有諷刺意味的是，就在全球浪費(fèi)的糧食數(shù)量急劇上升的同時(shí)，全球?qū)Z食的需求也將上升。

隨著人口爆炸，全球變暖，可供耕種的土地越來越少，我們實(shí)際上面臨著全球性的糧食短缺。到2050年，我們將如何養(yǎng)活和維持90億人口?我們將如何支持人口可能需要的糧食消費(fèi)59- 98%的增長?就像人類在當(dāng)今世界面臨的許多問題一樣，我們正在看到農(nóng)業(yè)領(lǐng)域的數(shù)字化轉(zhuǎn)型，尤其是以人工智能(AI)的形式。

傳感器和數(shù)據(jù)

到目前為止，農(nóng)業(yè)技術(shù)最大的發(fā)展是傳感器連接和物聯(lián)網(wǎng)。在數(shù)字轉(zhuǎn)型中成功的農(nóng)業(yè)生產(chǎn)正在變成一場數(shù)字游戲。在農(nóng)業(yè)技術(shù)的幫助下，聯(lián)網(wǎng)農(nóng)民開始共享數(shù)據(jù)，并在輸入、效率和操作流程方面進(jìn)行改進(jìn)，這在很大程度上得益于人工智能驅(qū)動的傳感器。這些傳感器可以是地面的、空中的或基于機(jī)器的，它們都具有巨大的農(nóng)業(yè)生產(chǎn)潛力。

例如，在地面上，傳感器可以監(jiān)測植物、土壤、動物健康和天氣情況。他們可以決定在什么地方種植產(chǎn)量最高，以及種植多少可以防止浪費(fèi)。在空中，無人機(jī)和衛(wèi)星可以監(jiān)測作物的健康狀況和病蟲害，防止作物在收獲季節(jié)突然減產(chǎn)。農(nóng)業(yè)設(shè)備還可以獲取預(yù)期作物產(chǎn)量的數(shù)據(jù)。例如，高速種植設(shè)備可以提供作物產(chǎn)量和收獲產(chǎn)量的“已種植”估計(jì)值，使農(nóng)民能夠?qū)︿N售預(yù)測、過剩和短缺進(jìn)行計(jì)劃。還不止這些：機(jī)器人收割設(shè)備甚至可以使用人工智能在合適的時(shí)間采摘成熟的水果和蔬菜，節(jié)省時(shí)間、人力和浪費(fèi)。

John Deere只是目前在“精密農(nóng)業(yè)”領(lǐng)域做得很好的公司之一，該公司正在開發(fā)技術(shù)，幫助農(nóng)民決定在最佳的種植地域，最佳的收割時(shí)期。它們甚至可以幫助農(nóng)民從中央控制中心遠(yuǎn)程管理設(shè)備，從而提高時(shí)間效率。

然而，受益的不僅僅是農(nóng)民。例如， Blue River Technologies公司的研究表明，通過使用人工智能傳感器采集的數(shù)據(jù)，從廣播噴灑轉(zhuǎn)向定向噴灑，可以將除草劑的使用量減少90%。減少除草劑對我們?nèi)祟惡偷厍蚨加泻锰?。顯然，農(nóng)業(yè)的數(shù)字化轉(zhuǎn)型不僅有利于糧食生產(chǎn)，也有利于地球的健康。

研究和開發(fā)

就像人工智能通過縮短試驗(yàn)和錯(cuò)誤開發(fā)階段的時(shí)間來幫助加快藥物試驗(yàn)一樣，它對農(nóng)業(yè)也起到了同樣的作用。例如，Monsanto的人工智能團(tuán)隊(duì)發(fā)現(xiàn)，算法可以幫助他們更快地確定哪種雜交植物在現(xiàn)實(shí)種植條件下生長得最好，從而節(jié)省大量產(chǎn)品開發(fā)時(shí)間。例如，在過去，Monsanto公司會對玉米雜交品種進(jìn)行多年的田間評估，然后將其推向市場——從發(fā)現(xiàn)到商業(yè)化，這一過程可能需要八年時(shí)間。該育種計(jì)劃將挑選大約500個(gè)品種進(jìn)行試驗(yàn)，這一過程成本和時(shí)間都很高。使用一種使用了過去15年的分子標(biāo)記和田間試驗(yàn)信息的算法，他們將育種過程縮短了整整一年。這是一個(gè)難以置信的飛躍，尤其是考慮到我們在未來幾十年將面臨的人口激增。更妙的是:從理論上講，全球聯(lián)網(wǎng)的農(nóng)民將能夠共享這類信息，不僅在Monsanto的農(nóng)場，而且在全世界范圍內(nèi)實(shí)現(xiàn)更大、更快的產(chǎn)品開發(fā)。

圖像識別

另一個(gè)令人興奮的發(fā)展是：人工智能中的圖像識別。谷歌正致力于訓(xùn)練人工智能識別5000種動植物，這將提高無人機(jī)檢測病蟲害和農(nóng)作物損害的能力。這一進(jìn)步是巨大的，因?yàn)樗鼘⑹罐r(nóng)民比以往任何時(shí)候都能更快更準(zhǔn)確地監(jiān)測他們的耕地面積，并隨著時(shí)間的推移了解害蟲的模式。

農(nóng)業(yè)數(shù)字化轉(zhuǎn)型的收獲：需要更多的數(shù)量和機(jī)構(gòu)

盡管目前農(nóng)業(yè)科技有巨大的潛力，但也存在一些擔(dān)憂。首先，與任何人工智能過程一樣，農(nóng)業(yè)科技依賴于數(shù)據(jù)。但在一個(gè)以年為間隔產(chǎn)生數(shù)據(jù)的市場中，數(shù)據(jù)收集可能是緩慢而困難的。農(nóng)業(yè)領(lǐng)域還發(fā)現(xiàn)，在吸引年輕人工智能人才方面，很難與其他精通技術(shù)的行業(yè)競爭。希望在工作中找到目標(biāo)的年輕一代，會被這個(gè)充滿希望的市場所吸引。因?yàn)楫?dāng)涉及到農(nóng)業(yè)的數(shù)字化轉(zhuǎn)型時(shí)，不僅有可能影響農(nóng)民的生產(chǎn)力，還有數(shù)十億人的生命。