未來(lái)農(nóng)業(yè)AI技術(shù)的發(fā)展前景如何？

人工智能（AI）時(shí)代已經(jīng)降臨。2016年，打敗世界圍棋冠軍的AlphaGo讓AI技術(shù)“聲名大噪”，過(guò)去一兩年，AI在公共安全、教育、醫(yī)療、服務(wù)等行業(yè)掀起迅猛發(fā)展的浪潮。

現(xiàn)代農(nóng)業(yè)也正在被數(shù)據(jù)科學(xué)所改變。在部分國(guó)家和地區(qū)，AI與農(nóng)業(yè)的“相擁”，數(shù)據(jù)和工具的應(yīng)用，正讓農(nóng)業(yè)變得精準(zhǔn)、高效和“智慧”。

農(nóng)業(yè)AI技術(shù)迅猛發(fā)展

農(nóng)田是一個(gè)充滿變量的動(dòng)態(tài)系統(tǒng)，氣候、土壤、水分、養(yǎng)分、種子等每一個(gè)方面都產(chǎn)生著海量而豐富的數(shù)據(jù)。

農(nóng)民是這些豐富數(shù)據(jù)的收集者，不過(guò)，僅僅將孤立單個(gè)的數(shù)據(jù)集中起來(lái)還遠(yuǎn)遠(yuǎn)不夠。將這些數(shù)據(jù)收集并進(jìn)行綜合數(shù)據(jù)分析，才能提高數(shù)據(jù)的質(zhì)量，發(fā)掘數(shù)據(jù)的價(jià)值，從而真正找到農(nóng)田問(wèn)題的解決之道。

隨著AI技術(shù)的發(fā)展，機(jī)器學(xué)習(xí)依靠算法分析數(shù)據(jù)，并從中學(xué)習(xí)，作出決策，為現(xiàn)代農(nóng)業(yè)提供了更高精度的方案。

比如，硅谷AI公司Atomwise是一家具有代表性的利用人工智能技術(shù)協(xié)助發(fā)現(xiàn)新型藥物和農(nóng)業(yè)化學(xué)品的企業(yè)。類似于人工智能學(xué)習(xí)中識(shí)別圖像，該公司開(kāi)創(chuàng)性的AtomNet技術(shù)通過(guò)識(shí)別分子間相互作用模式進(jìn)行自我深度學(xué)習(xí)，并利用深度學(xué)習(xí)預(yù)測(cè)對(duì)病蟲(chóng)害控制可能具有正效應(yīng)的分子，簡(jiǎn)化了產(chǎn)品研發(fā)初始階段分子的發(fā)現(xiàn)過(guò)程。2017年6月，孟山都公司與Atomwise公司達(dá)成研究合作協(xié)議，借助人工智能技術(shù)開(kāi)發(fā)作物保護(hù)新產(chǎn)品，推進(jìn)新產(chǎn)品研發(fā)，成為農(nóng)業(yè)領(lǐng)域中首家與Atomwise合作的公司。

AI+農(nóng)業(yè)所帶來(lái)的無(wú)限想象空間，讓世界科技巨頭、新興科技企業(yè)和農(nóng)業(yè)公司等不約而同加大投入、加強(qiáng)研發(fā)，因而，農(nóng)業(yè)AI技術(shù)在近年得到了迅猛發(fā)展。

AI在作物育種、保護(hù)中的應(yīng)用

一直以來(lái)，作物育種家都在尋找特定的表型，幫助作物更高效地利用水、養(yǎng)分，適應(yīng)氣候或抵御病害。要使一株植物遺傳一項(xiàng)有益表型，研究人員必須找到正確的基因序列。但究竟哪一段序列才是正確的基因序列呢？在開(kāi)發(fā)新品種時(shí)，育種家總是面臨著數(shù)百萬(wàn)計(jì)的選擇。

從原始數(shù)據(jù)的不同集合中推導(dǎo)出結(jié)論是深度學(xué)習(xí)的特長(zhǎng)。在獲取充足信息后，機(jī)器學(xué)習(xí)能夠預(yù)測(cè)哪些基因最有可能參與植物的某種有益表型，面對(duì)數(shù)百萬(wàn)計(jì)的排列組合數(shù)據(jù)，先進(jìn)的軟件可極大地縮小搜索范圍。

由此，科學(xué)家們能夠用電腦模擬開(kāi)展早期測(cè)試，以評(píng)估一個(gè)新品種在面臨不同的氣候環(huán)境、土壤類型、天氣模式和其他因素條件時(shí)會(huì)如何表現(xiàn)。有了機(jī)器學(xué)習(xí)的幫助，作物育種愈發(fā)精準(zhǔn)與高效。

此外，AI為作物保護(hù)帶來(lái)的改變也是顯而易見(jiàn)的。當(dāng)代農(nóng)業(yè)生產(chǎn)中，病害、蟲(chóng)害和雜草問(wèn)題導(dǎo)致的全球糧食產(chǎn)量損失高達(dá)40%。傳統(tǒng)的病害鑒定方法是通過(guò)視覺(jué)檢查完成的。這一方法的普遍問(wèn)題是效率低，并且容易產(chǎn)生人為誤差。然而，對(duì)計(jì)算機(jī)來(lái)說(shuō)，診斷植物病害本質(zhì)上就是模式識(shí)別。將成千上萬(wàn)張患病植物照片進(jìn)行歸類后，機(jī)器學(xué)習(xí)算法能夠確定病害類別、嚴(yán)重程度，并在未來(lái)有可能推薦給出解決方案，減少病害帶來(lái)的損失。

在作物育種和作物保護(hù)這兩大現(xiàn)代農(nóng)業(yè)的關(guān)鍵領(lǐng)域，AI技術(shù)正助力培育更高效的種子及提供更精準(zhǔn)的植保方案，以更好地滿足增長(zhǎng)中人口的糧食需要，高效利用自然資源。

播種前了解每一粒種子的生長(zhǎng)潛力

在應(yīng)用數(shù)據(jù)科學(xué)、人工智能和機(jī)器學(xué)習(xí)的方法上，一些國(guó)內(nèi)領(lǐng)軍的智慧農(nóng)業(yè)公司借助獨(dú)特的農(nóng)田數(shù)據(jù)，結(jié)合前沿科學(xué)及強(qiáng)大的數(shù)據(jù)分析技術(shù)，為農(nóng)民種植中的關(guān)鍵管理決策提供支持。

在作物育種方面，通過(guò)AI技術(shù)為農(nóng)民提供“播種處方建議”。借助行業(yè)領(lǐng)先的作物遺傳資源庫(kù)，他們應(yīng)用預(yù)測(cè)建模和機(jī)器學(xué)習(xí)，將種子遺傳學(xué)、病害脅迫、土壤構(gòu)成、水分流動(dòng)、歷史表現(xiàn)等海量來(lái)源數(shù)據(jù)進(jìn)行匯總，幫助農(nóng)民選擇“理想”的種子產(chǎn)品——在理想的位置播種適合的種子，以優(yōu)化作物表現(xiàn)，并持續(xù)提高生產(chǎn)力。

換言之，農(nóng)民可以根據(jù)特定的遺傳種質(zhì)和不同的產(chǎn)量目標(biāo)定制種子播種方案。據(jù)了解，巴西的高級(jí)播種處方研究已從產(chǎn)品概念階段進(jìn)展到研發(fā)階段；歐洲進(jìn)入產(chǎn)品概念階段；美國(guó)大豆的區(qū)域性種子篩選也已從產(chǎn)品概念階段進(jìn)展到研發(fā)階段。

在作物保護(hù)方面，利用AI技術(shù)對(duì)玉米、大豆和小麥進(jìn)行病害診斷。據(jù)了解，在個(gè)體植株水平上的脅迫分類，以及通過(guò)手機(jī)或平臺(tái)設(shè)備提供正確病害診斷結(jié)果方面，機(jī)器學(xué)習(xí)模型表現(xiàn)優(yōu)異。美國(guó)的玉米病害診斷已從研發(fā)階段進(jìn)展到預(yù)商業(yè)化階段。

此外， 在肥力管理方面, 通過(guò)高級(jí)建模工具，幫助農(nóng)民優(yōu)化關(guān)鍵投入。我們?cè)诨仡?017年Beta版氮肥管理工具軟件的應(yīng)用情況后可以發(fā)現(xiàn)，通過(guò)提高產(chǎn)量和節(jié)約氮肥，使用氮肥管理工具的用戶，每畝地的利潤(rùn)可增收2美元多。

很早之前，就有公司使用預(yù)測(cè)分析學(xué)幫助決定哪些產(chǎn)品應(yīng)該繼續(xù)往前推進(jìn)，“我們努力在播種前了解每一粒種子的生長(zhǎng)潛力”；與此同時(shí)，一些蔬菜研發(fā)團(tuán)隊(duì)也在開(kāi)發(fā)建模工具來(lái)預(yù)測(cè)番茄等蔬菜作物的風(fēng)味表現(xiàn)；土壤微生物團(tuán)隊(duì)在利用分析學(xué)，每年對(duì)土壤中成千上萬(wàn)種微生物菌株進(jìn)行評(píng)估。