论文部分内容阅读
俗话说：“民以食为天”。粮食问题一直以来都是全世界高度关注的问题。近年来随着人类社会的飞速发展，世界人口数量不断膨胀，这意味着有限的耕地要养活更多的人口。加之全球变暖以及水资源的匮乏，未来农业的发展遇到了极大的挑战。美国《连线》杂志日前撰文指出，机器学习和人工智能在作物培育、防治病虫害以及农业资源分配方面取得的一系列成果将对未来农业发展产生深远影响。
智能机器人技术以及机器学习算法为人类社会带来了新的农业革命，我们可以称之为新的“绿色革命”（Green Revolution）。太空中的卫星可以探测气候是否会出现干旱；田间的智能拖拉机可以观察种植物的生长状况并剔除不良作物；而基于人工智能的智能手机应用可以实时告诉农业人员什么疾病正在影响农作物的健康生长。
忘记田间的那些稻草人吧，农业的未来掌握在机器人手中。
数字化培育技术
深度学习是计算机行业的创新方式。通过深度学习，程序员不用再明确告诉计算机需要做什么，而是训练机器识别特定的模式。目前深度学习技术已经应用于园艺技能（Green Thumb），你可以在计算机中输入患病作物叶子以及健康作物叶子的相关照片，通过深度学习算法计算机就可以识别出哪些作物是健康的。
生物学家戴维·休斯（David Hughes）和作物流行病学家马塞尔·萨拉斯（Marcel Salathé）运用深度学习算法可以检测出14种作物的26种疾病。他们将关于植物叶子的5万多张照片导入计算机，并运行相应的深度学习算法，最终程序正确识别作物疾病的准确率高达99.35%。但是这一技术的实现，要求在明亮的光线条件及合乎标准的背景下拍摄出植物的照片。若在互联网上随机选取植物叶子照片，其识别准确率将降至30%至40%。
休斯和萨拉斯希望将这种人工智能算法应用于他们开发的手机应用Plant Village。目前，世界各地的农民可以上传患病作物的照片到该手机应用，然后农业专家将给出相应的诊断和解决方案。休斯指出，“大部分妨碍作物生长的因素都是生理性的，譬如土壤养分中缺钙元素或镁元素，亦或是钠含量过多或环境温度过高。农民却往往认为是细菌或真菌导致的作物疾病。”对作物的误诊导致农民滥用农药和除草剂，浪费大量的时间和金钱。而在未来，人工智能可以帮助农民快速准确地查明问题所在。休斯和萨拉斯将导入更多的患病作物照片，丰富数据库，使这种人工智能算法更为精准。萨拉斯表示，“我们从多个来源获取了农作物的大量图片，其中多数图片标明了照片的拍摄方式、拍摄地点、年份等大量信息。这些照片能够有效提升算法的精确度。”
拖拉机升级版
目前，发达国家存在滥用杀虫剂和除草剂的情况。据统计，美国农民每年使用在玉米、大豆和棉花种植的除草剂费用就高达3.1亿美元，这完全是一种粗放式的防治手段。
而农业机器人公司Blue River Technology则针对生菜种植提出了一种新的解决方式。其开发的农业机器人Lettuce Bot外观与田间的拖拉机没有什么两样，但却是一个智能化的机器人。公司称Lettuce Bot可在田间运行，工作时其携带的照相设备每分钟可扫描约5000株幼苗，利用机器学习以及计算机视觉技术识别出作物幼苗和杂草。Blue River Technology开发的Lettuce Bot机器人对杂草和作物幼苗的定位精度能够达到四分之一英寸。如果机器确定当前植株是杂草或长势不好的作物，就会利用农药喷雾杀死植物；如果机器判断两棵幼苗的种植间距过小，就会拔掉一棵。
这种方法为农业带来了显著改变，大幅减少了除草剂的使用。公司商务副总裁本·考斯特纳（Ben Chostner）表示，“此前的方法就像是旧金山市的少部分人感染了病菌，你唯一的方法就是让城市中的每一个人都使用抗生素。这种方法虽然可以治愈疾病，但却开销巨大。”而相比之下，使用 LettuceBot则可以帮助农民减少90%的化学药剂使用。目前，LettuceBot服务的生菜种植面积占到美国生菜种植的10%左右。
LettuceBot功能之所以强大，是因为它将机器学习技术与机器固有的操作精确优势相结合。机器人或许不能够像人类一样在田间劳作，但是作物管理方面却有着不可比拟的精度优势。
穹顶之上
在距地面600英里的太空轨道中，美国航空航天局的遥感卫星可以精确探测到地球表面的大范围光谱。虽然这些数据无法被人们直接利用，但通过机器学习算法，能够为农业提供帮助。
特别是在发展中国家，当政府和银行向农民发放贷款或是提供紧急援助时，往往面临相关数据匮乏的问题，很难做出正确的决策，把每一份援助送给真正需要的人。譬如在印度发生了干旱，不同地区的受灾状况不同，有些地区急需水源，而其他地区或许有更好的获得水源的方式，因缺乏相关分析数据，政府无法根据实地情况提供更精准的援助。
目前一个名为Harvesting的初创企业正在通过机器学习技术分析卫星数据，以帮助政府和民间机构更好地分配援助资源。Harvesting首席执行官什特·加格（Ruchit Garg）指出，“我们希望通过这种技术，筛选出那些真正需要帮助的农民和村庄，让银行和政府的援助资金都能够物尽其用。分析人员一次可以处理10个或 15个信息变量，但机器学习算法却可以一次性处理2000个信息变量，这将大幅提高工作效率。”
在全球变暖加剧，气候变化捉摸不定的大环境下，如何合理分配农业资源是各国政府普遍面临的迫切问题。在印度，以往人们能够按照自己的经验来适应气候环境变化给农作物带来的影响。但现在，由于气候剧烈变化，农业已经很难仅凭经验来适应环境变化了。
人工智能井喷式的发展将给人类农业发展开启一个全新的时代，提供更广阔、环境更好、更可持续发展的解决方案。
智能机器人技术以及机器学习算法为人类社会带来了新的农业革命，我们可以称之为新的“绿色革命”（Green Revolution）。太空中的卫星可以探测气候是否会出现干旱；田间的智能拖拉机可以观察种植物的生长状况并剔除不良作物；而基于人工智能的智能手机应用可以实时告诉农业人员什么疾病正在影响农作物的健康生长。
忘记田间的那些稻草人吧，农业的未来掌握在机器人手中。
数字化培育技术
深度学习是计算机行业的创新方式。通过深度学习，程序员不用再明确告诉计算机需要做什么，而是训练机器识别特定的模式。目前深度学习技术已经应用于园艺技能（Green Thumb），你可以在计算机中输入患病作物叶子以及健康作物叶子的相关照片，通过深度学习算法计算机就可以识别出哪些作物是健康的。
生物学家戴维·休斯（David Hughes）和作物流行病学家马塞尔·萨拉斯（Marcel Salathé）运用深度学习算法可以检测出14种作物的26种疾病。他们将关于植物叶子的5万多张照片导入计算机，并运行相应的深度学习算法，最终程序正确识别作物疾病的准确率高达99.35%。但是这一技术的实现，要求在明亮的光线条件及合乎标准的背景下拍摄出植物的照片。若在互联网上随机选取植物叶子照片，其识别准确率将降至30%至40%。
休斯和萨拉斯希望将这种人工智能算法应用于他们开发的手机应用Plant Village。目前，世界各地的农民可以上传患病作物的照片到该手机应用，然后农业专家将给出相应的诊断和解决方案。休斯指出，“大部分妨碍作物生长的因素都是生理性的，譬如土壤养分中缺钙元素或镁元素，亦或是钠含量过多或环境温度过高。农民却往往认为是细菌或真菌导致的作物疾病。”对作物的误诊导致农民滥用农药和除草剂，浪费大量的时间和金钱。而在未来，人工智能可以帮助农民快速准确地查明问题所在。休斯和萨拉斯将导入更多的患病作物照片，丰富数据库，使这种人工智能算法更为精准。萨拉斯表示，“我们从多个来源获取了农作物的大量图片，其中多数图片标明了照片的拍摄方式、拍摄地点、年份等大量信息。这些照片能够有效提升算法的精确度。”
拖拉机升级版
目前，发达国家存在滥用杀虫剂和除草剂的情况。据统计，美国农民每年使用在玉米、大豆和棉花种植的除草剂费用就高达3.1亿美元，这完全是一种粗放式的防治手段。
而农业机器人公司Blue River Technology则针对生菜种植提出了一种新的解决方式。其开发的农业机器人Lettuce Bot外观与田间的拖拉机没有什么两样，但却是一个智能化的机器人。公司称Lettuce Bot可在田间运行，工作时其携带的照相设备每分钟可扫描约5000株幼苗，利用机器学习以及计算机视觉技术识别出作物幼苗和杂草。Blue River Technology开发的Lettuce Bot机器人对杂草和作物幼苗的定位精度能够达到四分之一英寸。如果机器确定当前植株是杂草或长势不好的作物，就会利用农药喷雾杀死植物；如果机器判断两棵幼苗的种植间距过小，就会拔掉一棵。
这种方法为农业带来了显著改变，大幅减少了除草剂的使用。公司商务副总裁本·考斯特纳（Ben Chostner）表示，“此前的方法就像是旧金山市的少部分人感染了病菌，你唯一的方法就是让城市中的每一个人都使用抗生素。这种方法虽然可以治愈疾病，但却开销巨大。”而相比之下，使用 LettuceBot则可以帮助农民减少90%的化学药剂使用。目前，LettuceBot服务的生菜种植面积占到美国生菜种植的10%左右。
LettuceBot功能之所以强大，是因为它将机器学习技术与机器固有的操作精确优势相结合。机器人或许不能够像人类一样在田间劳作，但是作物管理方面却有着不可比拟的精度优势。
穹顶之上
在距地面600英里的太空轨道中，美国航空航天局的遥感卫星可以精确探测到地球表面的大范围光谱。虽然这些数据无法被人们直接利用，但通过机器学习算法，能够为农业提供帮助。
特别是在发展中国家，当政府和银行向农民发放贷款或是提供紧急援助时，往往面临相关数据匮乏的问题，很难做出正确的决策，把每一份援助送给真正需要的人。譬如在印度发生了干旱，不同地区的受灾状况不同，有些地区急需水源，而其他地区或许有更好的获得水源的方式，因缺乏相关分析数据，政府无法根据实地情况提供更精准的援助。
目前一个名为Harvesting的初创企业正在通过机器学习技术分析卫星数据，以帮助政府和民间机构更好地分配援助资源。Harvesting首席执行官什特·加格（Ruchit Garg）指出，“我们希望通过这种技术，筛选出那些真正需要帮助的农民和村庄，让银行和政府的援助资金都能够物尽其用。分析人员一次可以处理10个或 15个信息变量，但机器学习算法却可以一次性处理2000个信息变量，这将大幅提高工作效率。”
在全球变暖加剧，气候变化捉摸不定的大环境下，如何合理分配农业资源是各国政府普遍面临的迫切问题。在印度，以往人们能够按照自己的经验来适应气候环境变化给农作物带来的影响。但现在，由于气候剧烈变化，农业已经很难仅凭经验来适应环境变化了。
人工智能井喷式的发展将给人类农业发展开启一个全新的时代，提供更广阔、环境更好、更可持续发展的解决方案。