Pada 2018, lima pasukan menanam timun dalam Cabaran Rumah Hijau Autonomi yang terobosan persaingan antarabangsa. The twist: hanya satu daripada pasukan yang terdiri daripada penanam manusia berpengalaman yang mengendalikan petak rumah hijau mereka secara manual. Baki empat pasukan terdiri daripada pakar antarabangsa dalam bidang hortikultur dan kecerdasan buatan (AI). Mereka bekerja untuk membangunkan penyelesaian AI untuk menguruskan tanaman mereka dari jauh dan secara autonomi. Matlamat pertandingan, Cabaran Rumah Hijau Autonomi pertama di dunia, adalah untuk memacu kejayaan dalam pengeluaran makanan yang mampan.
Selepas empat bulan yang sengit, penanam manual mendapat tempat kedua. Pasukan tempat pertama, yang diketuai oleh salah seorang pengarang artikel ini, menang dengan penyelesaian berkembang autonomi yang bukan sahaja mencapai hasil 6% lebih besar dan keuntungan bersih 17% lebih tinggi, tetapi juga menggunakan kurang CO2, pemanasan dan input air.
Untuk mengetahui lebih lanjut tentang persaingan dan memahami cara penyelesaian AI boleh bersaing dengan — malah mengatasi prestasi — pasukan penanam manusia mahir, mari kita lihat dengan lebih dekat AI dan bagaimana ia berkaitan dengan automasi rumah hijau.
Automasi Rumah Hijau Bukan Perkara Baru
Selama beberapa dekad, penanam telah menggunakan komputer proses, penderia dan penggerak untuk mengurus iklim rumah hijau dan pengairan. Dalam senario sedemikian, tugas komputer proses adalah mudah, bergantung pada peraturan logik yang mudah. Jika suhu udara lebih tinggi daripada 75°F, kemudian buka bolong, contohnya. Kerja yang membosankan untuk membaca suhu dan menghidupkan dan mematikan lampu dan pemanas diwakilkan kepada mesin.
Sudah tentu, automasi berasaskan peraturan tidak dapat menangani keadaan yang tidak dijangka. Lebih penting lagi, manusia yang mahir perlu membuat semua keputusan pengurusan tanaman, hingga ke titik tetapan yang tepat untuk parameter alam sekitar. Untuk mencapai hasil yang tinggi dengan pasti, tahap pengetahuan dan kemahiran yang tinggi diperlukan, dan walaupun begitu, adalah mudah untuk membuat kesilapan. Selain itu, apabila ladang semakin besar, kerja memantau tanaman secara berterusan menjadi lebih mencabar.
Malangnya, penanam tahu dengan baik bahawa buruh adalah sumber masalah terbesar dalam pengeluaran. Tahun demi tahun, dalam Penanam Rumah Hijau Tinjauan Top 100 Growers, penanam melaporkan cabaran bukan sahaja dengan kos buruh tetapi juga dengan ketersediaan buruh mahir. Tidak menghairankan, penanam semakin mencari cara untuk menangani cabaran ini, termasuk teknologi baharu yang boleh menjadikan pengurusan rumah hijau lebih autonomi.
AI Adalah Langkah Melangkaui Automasi Berasaskan Peraturan
Cara yang baik untuk memikirkan tentang kecerdasan buatan ialah ia adalah satu langkah melangkaui automasi berasaskan peraturan mudah. AI moden adalah mengenai penggunaan matematik untuk mencari corak dalam data, termasuk jenis yang terdapat dalam sistem alam sekitar dan biologi rumah hijau. Sebagai contoh:
- Dengan data iklim yang mencukupi, penanam boleh menggunakan AI untuk menentukan titik tetapan optimum dan membuat ramalan iklim.
- Dengan data hasil tanaman yang mencukupi, penanam boleh menggunakan AI untuk menjana ramalan hasil.
- Dengan data imej yang mencukupi, penanam boleh menggunakan AI untuk mengesan perosak dan penyakit.
Sesetengah jenis AI malah boleh belajar daripada data baharu, memberikan hasil yang lebih baik secara beransur-ansur dari semasa ke semasa.
Dengan dapat memberikan pandangan yang lebih mendalam dalam operasi rumah hijau sehari-hari, AI boleh digunakan untuk menyokong pakar membuat keputusan dan memperkasakan penanam dengan cara yang bermakna. Lagipun, hasil terbaik datang daripada gabungan kecerdasan manusia dan kecerdasan buatan yang bernas.
Pendekatan berasaskan data AI juga boleh digabungkan dengan pendekatan berasaskan peraturan klasik, membolehkan tahap automasi rumah hijau yang lebih tinggi berbanding sebelum ini. Ringkasnya, penanam boleh menggunakan AI untuk mengautomasikan banyak tugas operasi hafalan, membantu melegakan isu buruh kronik yang mencabar industri.
Data Adalah Bahan Api untuk AI
Sama seperti AI adalah mengenai algoritma matematik, ia juga mengenai data. Bertentangan dengan kepercayaan popular, beberapa algoritma yang paling biasa digunakan dalam AI telah wujud selama beberapa dekad. Mereka tidak terlalu rumit. Tetapi untuk masa yang paling lama, ketersediaan data - bersama-sama dengan kuasa pengiraan berpatutan yang diperlukan untuk memproses data - telah mengehadkan faktor.
Ia memerlukan pembangunan terkini dalam perkakasan komputer untuk membuka kunci potensi AI. Revolusi telefon pintar, yang dicetuskan oleh Apple pada tahun 2007, mencipta ekosistem pembuatan dan rantaian bekalan yang baharu sepenuhnya pada skala global. Ini mengubah ekonomi asas perkakasan komputer, nampaknya semalaman. Komponen perkakasan utama, seperti mikropemproses, radio dan penderia, menjadi lebih murah, lebih kecil dan lebih berkuasa secara eksponen. Titisan data mentah bertukar menjadi banjir. Kelimpahan data dan kuasa pengiraan baharu membantu mengubah AI daripada rasa ingin tahu penyelidikan dengan beberapa aplikasi komersial kepada perubahan laut teknologi.
IoT Membawa Banyak Data
Pada awal 1980-an, pelajar siswazah di Universiti Carnegie Mellon di Pittsburgh menjadi jengkel apabila berjalan kaki ke mesin layan diri Coca-Cola hanya untuk mendapati ia kosong. Mereka mengubah suainya supaya ia boleh melaporkan inventorinya melalui Internet. Dengan berbuat demikian, mereka mencipta perkakas bersambung Internet pertama di dunia.
Hari ini, berbilion-bilion peranti, besar dan kecil, daripada elektronik pengguna kepada mesin perindustrian, telah menyertai mesin soda pertama itu untuk disambungkan ke Internet, membentuk apa yang dikenali sebagai Internet of Things (IoT). Apa yang penting ialah, tidak seperti perkakasan generasi terdahulu — termasuk banyak penyelesaian automasi rumah hijau biasa — peranti IoT menggunakan jenis format data dan protokol komunikasi yang sama seperti yang digunakan di tempat lain di Internet. Dengan bergantung pada piawaian Internet global, pertukaran data dengan peranti IoT boleh menjadi lebih mudah tanpa memerlukan perkakasan tambahan untuk menghubungkan dari satu jenis sistem ke yang lain.
Bersama-sama, AI dan IoT adalah teknologi pelengkap. Perkakasan IoT membantu penanam mengumpul data mentah dari rumah hijau dengan lebih mudah. Dan perisian AI membantu penanam memahami - dan bertindak berdasarkan - data itu untuk meningkatkan pengeluaran tanaman.
Kajian kes: Kejayaan Kenneth Tran dalam Cabaran Rumah Hijau Autonomi
Dr. Tran: Pada 2018, saya adalah penyelidik AI di Microsoft Research berhampiran Seattle, bekerja pada jenis AI yang lebih baharu yang dikenali sebagai pembelajaran pengukuhan. Di sana saya memulakan usaha baru untuk menggunakan penyelidikan kami ke domain pertanian persekitaran terkawal. Dengan apa yang dipanggil projek Sonoma, kami bekerjasama dengan saintis tumbuhan di Pusat Penyelidikan Harrow di Ontario, Kanada, dan akhirnya bersaing dalam Cabaran Rumah Hijau Autonomi antarabangsa yang pertama, yang dianjurkan oleh Universiti & Penyelidikan Wageningen di Belanda.
Dalam cabaran ini, setiap pasukan menanam timun dalam petak rumah hijau seluas 315 kaki persegi untuk tempoh kira-kira empat bulan. Petak ini dilengkapi dengan komputer proses standard, penderia iklim dan penggerak. Dengan menggunakan antara muka digital IoT (REST API), program AI kami boleh membaca data daripada penderia secara berterusan, menentukan titik tetapan yang optimum dan menghantar kembali titik set ke komputer proses — di seluruh Internet (lihat rajah di bawah). Butiran lanjut tentang cabaran dan keputusannya boleh didapati dalam artikel oleh Hemming et al. (2019).
Walaupun kami kurang pengalaman dalam menanam timun dan prototaip peringkat awal kami, penyelesaian pertumbuhan autonomi kami mampu memenangi pertandingan. Kami juga mengatasi pasukan tempat kedua, pasukan rujukan yang terdiri daripada penanam Belanda pakar, dengan hasil 6% lebih tinggi. Margin dalam hasil itu bersamaan dengan peningkatan 17% dalam keuntungan operasi.
Adakah pasukan rujukan berprestasi buruk? Tidak sama sekali. Mereka menunjukkan prestasi yang sangat baik, menurut ramai pakar. Hasil mereka hampir 50 kg/m2 dalam tempoh empat bulan, iaitu bersamaan dengan hampir 150 kg/m2 setiap tahun. Ini dianggap hasil yang tinggi untuk rumah hijau di mana sahaja di planet ini.
Hasil daripada Cabaran Rumah Hijau Autonomi, saya mengasaskan Koidra pada tahun 2020 untuk membina secara langsung pembelajaran kami dan seterusnya memajukan teknologi terkini dalam AI dan IoT untuk pertanian dan aplikasi kawalan industri yang lain.
Menanyakan Soalan Yang Betul Mengenai AI dan IoT
Hari ini, lebih ramai penanam rumah hijau bersedia dan bersedia untuk menerima pakai AI dan IoT. Cabaran utama ialah memahami produk di pasaran dan dapat mengharungi semua pembicaraan pemasaran. Banyak syarikat tidak sabar-sabar mendakwa bahawa mereka mempunyai algoritma AI atau peranti IoT yang akan berfungsi untuk rumah hijau.
Berikut ialah beberapa pertimbangan utama yang perlu diingat semasa menilai perisian AI dan perkakasan IoT:
- Prestasi: Penanam seharusnya dapat melihat faedah dunia nyata yang konkrit. Tanya: Adakah AI telah terbukti dalam pengeluaran komersial untuk meningkatkan hasil dan kecekapan sumber? Dalam keadaan apa? Apakah rekod prestasi syarikat dalam membangunkan perisian AI dan IoT?
- Reka bentuk AI: Penyelesaian AI yang paling berkesan menggabungkan kecerdasan manusia terbaik dengan kecerdasan buatan terbaik untuk membuat keputusan. Tanya: Bagaimanakah model AI memanfaatkan badan pengetahuan sedia ada? Bagaimanakah ia memastikan prestasi akan bertambah baik dari semasa ke semasa dengan lebih banyak data?
- Reka bentuk perisian: Penanam harus kekal mengawal operasi rumah hijau. Tanya: Apakah prinsip reka bentuk perisian yang digunakan untuk memastikan keselamatan tanaman? Bolehkah saya bertukar dengan mudah antara mod manual, pengesyoran dan autopilot pada setiap masa?
- Pemilikan data: Penanam harus memiliki data mereka dan mengelakkan "kunci masuk vendor." Tanya: Bolehkah saya mengimport data daripada sistem lain dengan mudah? Bolehkah saya membuat sandaran dan mengeksport data saya sendiri? Adakah terdapat API yang membenarkan akses data langsung dan penyepaduan tersuai? Bolehkah saya menggunakan perisian dan perkakasan daripada vendor yang berbeza, sekarang dan pada masa hadapan?
AI dan IoT Boleh Memperkasakan Penanam
Dalam dunia di mana sumber kritikal — air dan tenaga, serta masa, wang dan tenaga kerja mahir — menjadi semakin terhad, adalah wajar untuk meneroka teknologi baharu untuk meringankan beban itu. Seperti yang kita pelajari daripada Cabaran Rumah Hijau Autonomi, penanam sememangnya boleh mencapai hasil yang lebih tinggi dan kecekapan penggunaan sumber yang lebih tinggi dengan penggunaan perisian AI dan perkakasan IoT. Apatah lagi, teknologi ini terus dibangunkan dan maju dengan pantas.
Akhirnya, AI dan IoT benar-benar boleh memperkasakan penanam rumah hijau — untuk membuat keputusan yang lebih baik, melakukan lebih banyak dengan kurang — untuk mengembangkan makanan dunia dengan lebih mampan.