Как ИИ меняет сельское хозяйство: от анализа кризиса до управления полями

После разрушения Каховской плотины в Украине в июне 2023 году команда под руководством доктора Сары Хартман (тогда — аспирантки Калифорнийского университета в Беркли) использовала спутниковые снимки и ИИ, чтобы оценить последствия для сельского хозяйства.

Методология:

  • Использовались общедоступные снимки Landsat (через Google Earth Engine) и частные данные Planet Labs.
  • Применялось обучение без учителя (unsupervised machine learning) для выявления паттернов в растительности.
  • Модель на основе дерева решений (decision-tree model) классифицировала территории на активно используемые сельхозугодья и заброшенные/восстанавливающиеся зоны.

Результат показал «мозаику потерь и устойчивости» — зоны коллапса и зоны восстановления.

Что может раскрыть ИИ

ИИ анализирует спутниковые снимки, чтобы выявить:

  • Пересыхание систем орошения.
  • Появление новых теплиц.
  • Аномалии в росте культур.
  • Восстановить утерянные данные за прошлые десятилетия.

Ключевой принцип: «ИИ — это то, что он ест». Качество моделей зависит от качества данных. Хартман и коллеги продвигают подход «ответственного, ориентированного на применение ИИ» (RAD-AI), который:

  1. Разрабатывается совместно с конечными пользователями (агрономами, фермерами).
  2. Учитывает локальный контекст.
  3. Основан на релевантных и своевременных данных.
  4. Интегрирует разнообразные знания, включая системы знаний коренных народов.

Инструменты, которые уже появляются

В Австралии тестируются и внедряются различные решения на основе ИИ:

  • Дроны для выпаса скота (SkyKelpie): алгоритмы предсказывают поведение скота и оптимизируют маршруты, снижая затраты и воздействие на окружающую среду.
  • Автономные тракторы (Swarmfarm): интегрируют несколько ИИ-технологий для полевых работ.
  • Прогнозы погоды (GraphCast от Google, Aurora от Microsoft): обеспечивают беспрецедентную скорость и точность.
  • Генеративный ИИ: чат-боты (например, Microsoft AgPilot) и платформы, дающие индивидуальные рекомендации для ферм.

Уязвимость: генеративный ИИ подвержен «галлюцинациям» — генерации уверенных, но неверных ответов, что в сельском хозяйстве может привести к дорогостоящим ошибкам.

Подготовка к будущему

Проект Хартман «Доверенный ИИ-агроном» (Trusted AI Agronomist) использует прямую нейронную сеть (feed-forward neural network), обученную на данных симулятора сельскохозяйственных производственных систем CSIRO. Модель не только прогнозирует рост культур, но и указывает диапазоны неопределенности, помогая фермерам принимать решения в условиях риска.

В рамках инициативы CSIRO Ag2050 определены три ключевых прорыва ИИ для сельского хозяйства к середине века:

  1. Интеграция и аналитика данных.
  2. Прогнозирование погоды и климата.
  3. Чат-боты на основе генеративного ИИ.

Заключение: ИИ — не «серебряная пуля», но мощный инструмент для трансформации сельского хозяйства, если он разрабатывается ответственно, на основе качественных данных и с учетом потребностей людей. Выбор технологий и подходов к их созданию определит, станет ли ИИ источником устойчивости или новым риском.