柯潔最終還是輸了，連輸三局，敗給了Alphago?？聺嵈砹巳祟愖罡咧腔燮孱惖淖顝姶竽X，三連敗的結(jié)局足以展示科技的進(jìn)步和人工智能的強大。
　　人工智能已成為自動化、電氣化和信息化之后新一輪工業(yè)革命的基石，而人工智能的應(yīng)用亦非僅在工業(yè)領(lǐng)域，在教育、醫(yī)療和金融領(lǐng)域都是革命性的技術(shù)創(chuàng)新。那么在人類最古老的農(nóng)業(yè)領(lǐng)域，人工智能有何表現(xiàn)呢?我們是不是連種地也要輸給電腦了呢?
　　人工智能解決農(nóng)業(yè)面臨的世紀(jì)挑戰(zhàn)
　　農(nóng)業(yè)領(lǐng)域面臨的挑戰(zhàn)對人類來說比其他領(lǐng)域更為重要。如今世界人口總數(shù)為72億，其中有7.8億人面臨著饑餓威脅，到2050年，全球人口將要達(dá)到90億，這意味著我們生產(chǎn)的糧食熱量需要增長60%。如果考慮作為肉類來源的家畜消耗的糧食，那么這一增長率將達(dá)到103%。而于此同時，我們又面臨著石油農(nóng)業(yè)所依靠的能源危機，面臨著化肥農(nóng)藥過度使用造成的土壤和環(huán)境的破壞以及對人類健康的威脅。
　　那么，如何在耕地資源有限的情況下增加農(nóng)業(yè)的產(chǎn)出，同時保持可持續(xù)發(fā)展呢?人工智能就是解決的方法之一。人工智能在農(nóng)業(yè)領(lǐng)域的研發(fā)及應(yīng)用早在本世紀(jì)出就已經(jīng)開始，這其中既有耕作、播種和采摘等智能機器人，也有智能探測土壤、探測病蟲害、氣候災(zāi)難預(yù)警等智能識別系統(tǒng)，還有在家畜養(yǎng)殖業(yè)中使用的禽畜智能穿戴產(chǎn)品。這些應(yīng)用正在幫助我們提高產(chǎn)出、提高效率，同時減少農(nóng)藥和化肥的使用。

智能圖像識別

　　以前我們在野外看到一個不認(rèn)識的花草要查閱資料才能知道是什么花草，可如今我們可以通過各種識圖軟件對著花草拍照掃描一下就知道了，這就是電腦圖像識別技術(shù)。如今借助機器學(xué)習(xí)和深度學(xué)習(xí)，智能圖像識別準(zhǔn)確率越來越高，而應(yīng)用也遠(yuǎn)遠(yuǎn)不止這些。
　　PlantVillage(美國)和Plantix(德國)是兩款智能植物識別App，他們能做的不僅僅是幫你識別你不認(rèn)識的農(nóng)作物，他們能夠幫農(nóng)戶智能識別農(nóng)作物的各種病蟲害。農(nóng)戶把患有病蟲害農(nóng)作物的照片上傳，App就會識別出農(nóng)作物犯了那種病蟲害，并且可以給出相應(yīng)的處理方案。除了人工智能給出的處理方案，App上還有用戶和專家交流的社區(qū)，可以針對相應(yīng)的病蟲害進(jìn)行討論交流。
　　智能識別 智能機器人
　　那么如果把圖像智能識別跟智能機器人結(jié)合會怎樣呢?那就是更好的幫我們種地、播種和采摘。

Blue River的萵苣種植機

　　Blue River Technologies是一家位于美國加州的農(nóng)業(yè)機器人公司。Blue River的農(nóng)業(yè)智能機器人可以智能除草、灌溉、施肥和噴藥。智能機器人利用電腦圖像識別技術(shù)來獲取農(nóng)作物的生長狀況，通過機器學(xué)習(xí)，分析和判斷出那些是雜草需要清除，哪里需要灌溉，哪里需要施肥，哪里需要打藥，并且能夠立即執(zhí)行(圖示為萵苣種植機)。智能機器人因為能夠更精準(zhǔn)的施肥和打藥，可以大大的減少農(nóng)藥和化肥的使用，比傳統(tǒng)種植方式減少了90%的農(nóng)藥化肥使用。
　　智能播種機器人還可以通過探測裝置獲取土壤信息，然后通過算法得出最優(yōu)化的播種密度并且自動播種。美國愛荷華州的發(fā)明家David Dorhout研發(fā)的智能播種機器人Prospero就是這樣的智能機器人。
　　除了播種和田間管理，農(nóng)業(yè)智能機器人還可以幫我們采摘成熟的蔬果。

Aboundant Robotics的蘋果采摘機器人

　　Aboundant Robotics也是來自美國加州的農(nóng)業(yè)機器人公司，目前他們已經(jīng)上市的是一款蘋果采摘機器人，可以在不破壞蘋果樹和蘋果的前提下達(dá)到一秒一個的采摘速度。蘋果采摘機器人通過攝像裝置獲取果樹的照片，用圖片識別技術(shù)去定位那些適合采摘的蘋果，然后用機械手臂和真空管道進(jìn)行采摘，一點都不會傷到果樹和蘋果。

　　衛(wèi)星云圖學(xué)習(xí)，種地不看天，看手機
　　傳統(tǒng)農(nóng)藥田間管理看天看地看作物，而如今農(nóng)民也要成為看手機的低頭族了:)。通過對衛(wèi)星拍攝圖片，航拍圖片以及農(nóng)田間其他設(shè)備拍攝的照片進(jìn)行智能識別和分析，人工智能的能夠精確的預(yù)報天氣，氣候災(zāi)害，識別土壤肥力，莊家的健康狀況等等。
　　比如美國的Descartes Labs公司收集了海量農(nóng)業(yè)相關(guān)的衛(wèi)星圖像數(shù)據(jù)，他們對天氣的預(yù)測比美國農(nóng)業(yè)部的還要精準(zhǔn)。Descartes Labs通過人工智能和深度學(xué)習(xí)，去分析這些圖像信息，尋找其跟農(nóng)作物生長之間的關(guān)系，能對農(nóng)作物的產(chǎn)量做出精準(zhǔn)預(yù)測，他預(yù)測的玉米產(chǎn)量比以往的預(yù)測準(zhǔn)確率高出99%。
　　除了天氣預(yù)測和產(chǎn)量預(yù)測，人工智能對農(nóng)作物各種圖像的學(xué)習(xí)還能判斷出農(nóng)田那里有雜草入侵，那個地塊的農(nóng)作物養(yǎng)分不足，那里片的農(nóng)作物正在發(fā)生病蟲害。美國加州的IntelinAir就是一家提供這樣服務(wù)的公司。

牛臉識別，智能穿戴

　　從瑞士聯(lián)邦理工學(xué)院衍生出的農(nóng)業(yè)科技公司Gamaya則使用獨特的超光譜(高光譜)感應(yīng)裝置，用這些能夠探測出肉眼無法觀察的光譜，這為農(nóng)戶提供了更全面的數(shù)據(jù)，向農(nóng)戶提供智能施肥管理、灌溉管理和蟲害管理。Gamaya的技術(shù)已經(jīng)在玉米、大豆和甘蔗的種植上應(yīng)用，并幫助農(nóng)戶大大降低成本和提高產(chǎn)出。

　　人工智能還可以用在禽畜的養(yǎng)殖業(yè)，比如在養(yǎng)牛行業(yè)。大家知道嗎?牛其實不愿意看到人類的，他們會視人類為捕食者，因此養(yǎng)牛場的工作人員會給牛群帶來緊張情緒。那么我們就把農(nóng)場的管理交給人工智能吧。
　　人工智能通過農(nóng)場的攝像裝置獲得牛臉以及身體狀況的照片，進(jìn)而通過深度學(xué)習(xí)對牛的情緒和健康狀況進(jìn)行分析，然后幫助農(nóng)場主判斷出那些牛生病了，生了什么病，那些牛沒有吃飽，甚至那些牛到了發(fā)情期。來自加拿大的Cainthus機器視覺公司正在做這樣的事情。
除了攝像裝置對牛進(jìn)行"牛臉"識別，還可以配合上可穿戴的智能設(shè)備，這會讓農(nóng)場主更好的管理農(nóng)場。荷蘭的Connecterra是一家動物智能穿戴技術(shù)公司。通過帶在奶牛脖子上的智能傳感器，結(jié)合牧場上的固定探測器共同收集數(shù)據(jù)。這些數(shù)據(jù)上傳到云服務(wù)器上，用自己開發(fā)的算法通過機器學(xué)習(xí)讓這些海量的原始數(shù)據(jù)變成直觀的圖表和信息發(fā)送到客戶那里。
　　這些信息包括奶牛的健康分析、發(fā)情期探測和預(yù)測、喂養(yǎng)狀況、位置服務(wù)等。Connecterra大大節(jié)省了奶農(nóng)的工作時間，提高了工作效率，特別是對有機農(nóng)場更有幫助，因為他們可以很容易的了解放養(yǎng)時間、位置和吃草的時間。
　　讓物聯(lián)網(wǎng)更有價值
　　除了智能穿戴還有更多的農(nóng)業(yè)物聯(lián)網(wǎng)設(shè)施，比如田間攝像頭、溫度濕度監(jiān)控、土壤監(jiān)控、無人機航拍等等。這些設(shè)施能夠為農(nóng)業(yè)管理提供海量的實時數(shù)據(jù)，那么如何把這些海量的數(shù)據(jù)及時的變成有價值的信息，就是人工智能要做的事情。這些數(shù)據(jù)被實時傳送到云服務(wù)器上，不同類型的農(nóng)業(yè)服務(wù)公司會根據(jù)不同的農(nóng)業(yè)狀況設(shè)置自己的算法，然后通過機器學(xué)習(xí)和深度學(xué)習(xí)把這些數(shù)據(jù)變成對農(nóng)戶有意義的信息，比如那里蟲害超標(biāo)，那里需要灌溉等等。
　　人工智能還可以通過算法給出各種最優(yōu)化的方案，比如根據(jù)土壤環(huán)境狀況，結(jié)合市場行情預(yù)測，從而給出今年該地適合種玉米還是大豆。
　　未來的挑戰(zhàn)和機遇
　　人工智能在農(nóng)業(yè)領(lǐng)域的應(yīng)用才剛剛開始，面臨的挑戰(zhàn)比其他任何行業(yè)都要大，因為農(nóng)業(yè)涉及的不可知因素太多了!地理位置、周圍環(huán)境、氣候水土、病蟲害、生物多樣性、復(fù)雜的微生物環(huán)境等等，這些因素都在影響著農(nóng)作生產(chǎn)。你在一個特定環(huán)境中測試成功的算法，換一個環(huán)境未必就有用了。
　　我們現(xiàn)階段看到的一些人工智能成功應(yīng)用的例子大都是在特定的地理環(huán)境或者特定的種植養(yǎng)殖模式。當(dāng)外界環(huán)境變換后，如何挑戰(zhàn)算法和模型是這些人工智能公司面臨的挑戰(zhàn)，這需要來自行業(yè)間以及農(nóng)學(xué)家之間更多的協(xié)作。

來源：中國農(nóng)民網(wǎng)