W 2018 roku pięć zespołów uprawiało ogórki w przełomowym konkursie Autonomous Greenhouse Challenge Międzynarodowy Konkurs. Skręt: tylko jeden z zespołów składał się z doświadczonych hodowców ludzi, którzy ręcznie obsługiwali swoją szklarnię. Pozostałe cztery zespoły składały się z międzynarodowych ekspertów z dziedziny ogrodnictwa i sztucznej inteligencji (AI). Pracowali nad opracowaniem rozwiązań AI do zdalnego i autonomicznego zarządzania uprawami. Celem konkursu, pierwszego na świecie Autonomous Greenhouse Challenge, było dokonanie przełomu w zrównoważonej produkcji żywności.
Po czterech intensywnych miesiącach hodowcy ręczni zajęli drugie miejsce. Zespół zajmujący pierwsze miejsce, kierowany przez jednego z autorów tego artykułu, wygrał autonomiczne rozwiązanie do uprawy, które nie tylko osiągnęło o 6% większe plony i 17% wyższy zysk netto, ale także zużyło mniej CO2, ogrzewanie i wejścia wody.
Aby dowiedzieć się więcej o konkurencji i zrozumieć, w jaki sposób rozwiązanie AI może konkurować z zespołem wykwalifikowanych hodowców, a nawet przewyższać jego wydajność, przyjrzyjmy się bliżej sztucznej inteligencji i jej związku z automatyzacją szklarni.
Automatyzacja szklarni to nic nowego
Od dziesięcioleci hodowcy używają komputerów procesowych, czujników i siłowników do zarządzania klimatem i nawadnianiem w szklarni. W takim scenariuszu praca komputera procesowego jest prosta i opiera się na prostych regułach logicznych. Jeśli temperatura powietrza jest wyższa niż 75°F, otwórz na przykład otwór wentylacyjny. Żmudna praca polegająca na odczytywaniu temperatur oraz włączaniu i wyłączaniu świateł i grzejników jest zlecona maszynom.
Oczywiście automatyzacja oparta na regułach nie radzi sobie z nieprzewidzianymi okolicznościami. Co ważniejsze, wykwalifikowany człowiek musi podejmować wszystkie decyzje dotyczące zarządzania uprawami, aż do dokładnych nastaw parametrów środowiskowych. Aby niezawodnie osiągnąć wysokie plony, potrzebny jest znaczny poziom wiedzy i umiejętności, a nawet wtedy łatwo o błędy. Co więcej, w miarę rozrastania się gospodarstw praca polegająca na ciągłym monitorowaniu upraw staje się jeszcze bardziej wymagająca.
Niestety hodowcy wiedzą aż za dobrze, że praca jest największym źródłem problemów w produkcji. Rok po roku, w Plantator szklarniowy . W ankiecie Top 100 Growers hodowcy zgłaszają wyzwania nie tylko związane z kosztami pracy, ale także z dostępnością wykwalifikowanej siły roboczej. Nic dziwnego, że hodowcy coraz częściej szukają sposobów na sprostanie tym wyzwaniom, w tym nowych technologii, które mogą sprawić, że zarządzanie szklarniami stanie się bardziej autonomiczne.
Sztuczna inteligencja to krok poza automatyzację opartą na regułach
Dobrym sposobem myślenia o sztucznej inteligencji jest to, że wykracza ona poza prostą automatyzację opartą na regułach. Współczesna sztuczna inteligencja polega na wykorzystaniu matematyki do znajdowania wzorców w danych, w tym takich, jakie można znaleźć w szklarniowych systemach środowiskowych i biologicznych. Na przykład:
- Mając wystarczającą ilość danych klimatycznych, hodowcy mogą wykorzystywać sztuczną inteligencję do określania optymalnych nastaw i prognozowania klimatu.
- Mając wystarczającą ilość danych dotyczących plonów, hodowcy mogą wykorzystywać sztuczną inteligencję do generowania prognoz plonów.
- Mając wystarczającą ilość danych obrazowych, hodowcy mogą wykorzystywać sztuczną inteligencję do wykrywania szkodników i chorób.
Niektóre typy sztucznej inteligencji mogą nawet uczyć się na nowych danych, dostarczając z czasem coraz lepsze wyniki.
Będąc w stanie zapewnić głębszy wgląd w codzienne operacje szklarniowe, sztuczna inteligencja może być wykorzystywana do wspierania podejmowania decyzji przez ekspertów i wzmacniania pozycji hodowców w znaczący sposób. W końcu najlepsze wyniki daje przemyślane połączenie ludzkiej inteligencji i sztucznej inteligencji.
Podejście AI oparte na danych można również połączyć z klasycznym podejściem opartym na regułach, co pozwala na znacznie wyższy stopień automatyzacji szklarni niż kiedykolwiek wcześniej. Krótko mówiąc, hodowcy mogą wykorzystywać sztuczną inteligencję do automatyzacji wielu rutynowych zadań operacyjnych, pomagając złagodzić chroniczne problemy z pracą, które stanowią wyzwanie dla branży.
Dane są paliwem dla AI
O ile sztuczna inteligencja dotyczy algorytmów matematycznych, to dotyczy również danych. Wbrew powszechnemu przekonaniu, niektóre z najpopularniejszych algorytmów wykorzystywanych w sztucznej inteligencji istnieją od dziesięcioleci. Nie są nawet strasznie skomplikowane. Jednak przez najdłuższy czas dostępność danych — wraz z przystępną mocą obliczeniową wymaganą do przetwarzania danych — były czynnikami ograniczającymi.
Uwolnienie potencjału sztucznej inteligencji wymagało niedawnego rozwoju sprzętu komputerowego. Rewolucja smartfonów, zapoczątkowana przez Apple w 2007 roku, stworzyła zupełnie nowe ekosystemy produkcyjne i łańcuchy dostaw w skali globalnej. Zmieniło to fundamentalną ekonomię sprzętu komputerowego, pozornie z dnia na dzień. Kluczowe komponenty sprzętowe, takie jak mikroprocesory, radia i czujniki, stały się wykładniczo tańsze, mniejsze i wydajniejsze. Strumienie surowych danych zamieniły się w powodzie. Nowa obfitość danych i mocy obliczeniowych pomogła przekształcić sztuczną inteligencję z ciekawości badawczej o niewielu zastosowaniach komercyjnych w technologiczną zmianę.
IoT zapewnia mnóstwo danych
Na początku lat osiemdziesiątych doktoranci z Carnegie Mellon University w Pittsburghu denerwowali się, gdy wędrowali do automatu z Coca-Colą, ale okazało się, że jest pusty. Zmodyfikowali go, aby mógł zgłaszać swój stan inwentarzowy przez Internet. W ten sposób wynaleźli pierwsze na świecie urządzenie połączone z Internetem.
Dzisiaj miliardy urządzeń, dużych i małych, od elektroniki użytkowej po maszyny przemysłowe, dołączyły do tej pierwszej maszyny do napojów gazowanych, która została podłączona do Internetu, tworząc tak zwany Internet Rzeczy (IoT). Co ważne, w przeciwieństwie do wcześniejszych generacji sprzętu — w tym wielu popularnych rozwiązań do automatyzacji szklarni — urządzenia IoT wykorzystują te same rodzaje formatów danych i protokołów komunikacyjnych, które są używane w innych miejscach w Internecie. Opierając się na globalnych standardach internetowych, wymiana danych z urządzeniami IoT może być łatwiejsza bez konieczności stosowania dodatkowego sprzętu do łączenia jednego typu systemu z drugim.
Sztuczna inteligencja i IoT to razem komplementarne technologie. Sprzęt IoT pomaga hodowcom łatwiej zbierać surowe dane ze szklarni. Oprogramowanie AI pomaga hodowcom zrozumieć te dane i wykorzystać je w celu poprawy produkcji roślinnej.
Studium przypadku: Sukces Kennetha Trana w konkursie Autonomous Greenhouse Challenge
Dr Tran: W 2018 roku byłem badaczem sztucznej inteligencji w Microsoft Research niedaleko Seattle, pracując nad nowszym typem sztucznej inteligencji, znanym jako uczenie ze wzmocnieniem. Tam podjąłem nową próbę zastosowania naszych badań w dziedzinie rolnictwa o kontrolowanym środowisku. W ramach tak zwanego projektu Sonoma współpracowaliśmy z naukowcami zajmującymi się roślinami w Harrow Research Center w Ontario w Kanadzie i ostatecznie konkurowaliśmy w pierwszym międzynarodowym Autonomous Greenhouse Challenge, zorganizowanym przez Wageningen University & Research w Holandii.
W tym wyzwaniu każdy zespół uprawiał ogórki w szklarni o powierzchni 315 stóp kwadratowych przez około cztery miesiące. Przedziały te były wyposażone w standardowe komputery procesowe, czujniki klimatyczne i siłowniki. Korzystając z cyfrowych interfejsów IoT (interfejsy API REST), nasze programy AI mogą stale odczytywać dane z czujników, określać optymalne nastawy i wysyłać nastawy z powrotem do komputerów procesowych — w całym Internecie (patrz rysunek poniżej). Więcej szczegółów na temat wyzwania i jego wyników można znaleźć w artykule autorstwa Hemming i in. (2019).
Pomimo braku doświadczenia w uprawie ogórków i naszego prototypu na bardzo wczesnym etapie, nasze rozwiązanie do autonomicznej uprawy zwyciężyło w konkurencji. Prześcignęliśmy nawet zespół zajmujący drugie miejsce, zespół referencyjny złożony z doświadczonych hodowców holenderskich, z plonami wyższymi o 6%. Ta marża na zysku była równoznaczna z 17% wzrostem zysku operacyjnego.
Czy zespół referencyjny działał słabo? Zupełnie nie. Według wielu ekspertów spisywały się znakomicie. Ich wydajność wynosiła prawie 50 kg/m²2 w ciągu czterech miesięcy, co odpowiada prawie 150 kg/m2 na rok. Jest to uważane za wysokie plony dla szklarni w dowolnym miejscu na świecie.
W wyniku Autonomous Greenhouse Challenge w 2020 roku założyłem firmę Koidra, aby bezpośrednio opierać się na naszej wiedzy i dalej promować najnowocześniejsze technologie AI i IoT w rolnictwie i innych zastosowaniach sterowania przemysłowego.
Zadawanie właściwych pytań na temat AI i IoT
Obecnie coraz więcej hodowców szklarni jest chętnych i gotowych na przyjęcie AI i IoT. Głównym wyzwaniem jest zrozumienie produktów na rynku i umiejętność przebrnięcia przez wszystkie wypowiedzi marketingowe. Wiele firm chętnie twierdzi, że ma algorytm AI lub urządzenie IoT, które sprawdzi się w szklarniach.
Oto kilka kluczowych kwestii, o których należy pamiętać podczas oceny oprogramowania AI i sprzętu IoT:
- Wydajność: Hodowcy powinni być w stanie dostrzec konkretne, rzeczywiste korzyści. Zapytaj: Czy sztuczna inteligencja sprawdziła się w produkcji komercyjnej, aby poprawić wydajność i efektywność wykorzystania zasobów? Pod jakimi warunkami? Jakie są osiągnięcia firmy w tworzeniu oprogramowania AI i IoT?
- Projekt AI: Najskuteczniejsze rozwiązania AI łączą najlepsze cechy ludzkiej inteligencji z najlepszymi sztucznymi inteligencjami, aby podejmować decyzje. Zapytaj: W jaki sposób model AI wykorzystuje istniejącą wiedzę? W jaki sposób zapewnia, że wydajność będzie się poprawiać z czasem przy większej ilości danych?
- Projektowanie Oprogramowania: Hodowcy powinni zachować kontrolę nad operacjami szklarniowymi. Zapytaj: Jakie zasady projektowania oprogramowania są stosowane w celu zapewnienia bezpieczeństwa upraw? Czy w każdej chwili mogę łatwo przełączać się między trybami ręcznym, rekomendacji i autopilota?
- Własność danych: Hodowcy powinni być właścicielami swoich danych i unikać „uzależnienia od dostawcy”. Zapytaj: Czy mogę łatwo importować dane z innych systemów? Czy mogę wykonać kopię zapasową i wyeksportować własne dane? Czy istnieją interfejsy API, które umożliwiają dostęp do danych na żywo i niestandardowe integracje? Czy mogę używać oprogramowania i sprzętu różnych dostawców, teraz iw przyszłości?
Sztuczna inteligencja i IoT mogą wzmocnić hodowców
W świecie, w którym krytyczne zasoby — woda i energia, a także czas, pieniądze i wykwalifikowana siła robocza — stają się coraz bardziej ograniczone, sensowne jest badanie nowych technologii, aby zmniejszyć to obciążenie. Jak dowiedzieliśmy się z Autonomous Greenhouse Challenge, hodowcy rzeczywiście mogą osiągnąć większe plony i wyższą efektywność wykorzystania zasobów przy użyciu oprogramowania AI i sprzętu IoT. Co więcej, technologie te są stale rozwijane i rozwijane w szybkim tempie.
Ostatecznie sztuczna inteligencja i IoT mogą naprawdę umożliwić hodowcom szklarni — podejmowanie lepszych decyzji, robienie więcej za mniej — w bardziej zrównoważonym uprawianiu światowej żywności.