Europos žemės ūkio strateginė autonomija – su DI pagalba

Žemės ūkyje dirbtinis intelektas jau nebėra tolimos ateities ar tiesiog mados reikalas. Palydoviniai vaizdai seka pasėlius, robotai padeda nuimti derlių, o specialūs algoritmai atpažįsta ligas ar kenkėjus ir siunčia konkrečius duomenis analizei.

Nepaisant to, didelio masto DI praktinis pritaikymas išlieka sudėtingas. Žemės ūkio sistemos labai skiriasi priklausomai nuo pasėlių, dirvožemio, klimato ir ūkininkavimo praktikos. Todėl daugelis dirbtinio intelekto sprendimų dažniausiai yra naudingi vos vienai užduočiai ar situacijai.

Naujas projektas

Europos projektas „AgriScienceFM“ siekia panaikinti šią spragę. Vadovaujami Vageningeno universiteto ir tyrimų centro (WUR), dvylika partnerių kuria tris nuoseklius pagrindinius žemės ūkio mokslų DI modelius, praneša olandų portalas „Nieuwe Oogst“.

Pasak WUR Žemės stebėjimo ir aplinkos informatikos tyrėjo Inderio Kumaro, tai nėra paruoštos programėlės ar ataskaitų suvestinės. „Tai daugkartinio naudojimo dirbtinio intelekto modeliai, kuriuos galima integruoti į įvairias programas ir pritaikyti prie tyrimų klausimų – nuo ​​pasėlių stebėjimo iki robotų judėjimo ir patarimų, skirtų lauko ūkininkavimui ar gyvulininkystei.“

Trys modeliai

Kiekvienas iš trijų modelių turi savo skirtingą kryptį. Pirmasis orientuotas į aplinkos duomenis, tokius kaip palydoviniai vaizdai, orų prognozės ir dirvožemio duomenys. Antrasis apima žemės ūkio žinias iš konsultacinių dokumentų, mokslinės literatūros ir agronominių šaltinių. Trečiasis modelis kuriamas augalų vaizdams ir fenotipų nustatymo duomenims. Kartu jie palaiko tokias sritis kaip konsultavimas dėl dirvožemio kokybės, tikslioji žemdirbystė, veisimas ir pasėlių bei vandens stebėsena.

Žemės ūkiui skirtas metodas turi būti patikimesnis nei bendras dirbtinis intelektas. „Mes mokome ir testuojame, naudodami su žemės ūkio mokslu susijusius duomenis ir lyginame rezultatus su esamais metodais“, – sako I. Kumaras. – „Paaiškinimas ir atsakingas naudojimas taip pat yra projekto dalis. Tai nereiškia, kad modeliai taps tobuli. Tačiau jų našumą ir apribojimus galime pagerinti sistemingiau nei naudodami bendrus dirbtinio intelekto įrankius.“

Praktiniai bandymai

„AgriScienceFM“ gavo beveik 6 mln. eurų Europos dotaciją, paskirstytą dvylikai partnerių. WUR stebi tyrimų, duomenų, techninės plėtros, vertinimo ir žinių mainų darną.

Projektas yra mokslinė, o ne komercinė lauko bandymų programa. Tačiau ūkininkai ir konsultantai dalyvauja kuriant bei testuojant praktinius reikalavimus. Yra keturi naudojimo profiliai: pasėlių ir vandens stebėsena iš kosmoso, dirvožemio sveikatos konsultacijos, fenotipų nustatymas klimatui atspariems pasėliams ir tikslioji žemdirbystė ligų bei kenkėjų kontrolei pasėliuose ir gyvuliams. Dirvožemio konsultacijų atveju ryšys su praktika yra tiesioginis.

WUR ketina išbandyti modelį Nyderlanduose su žemės ūkio verslininkais ir konsultantais, tačiau tiksli forma vis dar kuriama.

Strateginė autonomija

Kaip teigia Vageningeno universiteto portalas, šis projektas taip pat yra strategiškai svarbus Europai. Liesbeth Luijendijk, dalyvaujanti robotikos ir dirbtinio intelekto integracijoje į žemės ūkio ir maisto sektorių per WUR, nurodo esminę priežastį, kodėl šis projektas yra svarbus – t. y. Europos strateginė autonomija: „Atsižvelgiant į geopolitinę situaciją, Europa turi būti kuo labiau nepriklausoma nuo tokių didžiųjų valstybių kaip Kinija ir JAV. Tai ypač svarbu maisto gamyboje naudojamoms technologijoms. Todėl labai svarbu, kad Europoje plėtotume dirbtinio intelekto žemės ūkyje žinias ir technologijas.“ Pasak jos, „AgriScienceFM“ rodo, kad Europos Komisija tai pripažįsta ir mato tvirto Europos bendradarbiavimo šia svarbia tema svarbą.

Kad minėtas konsorciumas, viešai leisdamas naudotis savo modeliais, duomenų rinkiniais, vertinimo metodais, mokymo medžiaga ir darbo eigomis, siekia sumažinti priklausomybę nuo dirbtinio intelekto sistemų iš už Europos ribų, patvirtina ir I. Kumaras: „Mes stipriname gebėjimus kurti, vertinti ir valdyti dirbtinį intelektą mokslui savo sąlygomis: skaidriai ir laikantis Europos vertybių, susijusių su duomenimis, pasitikėjimu ir tvarumu“.

Europa turi daugybę savo specifinių duomenų. Jei dirbtinis intelektas galėtų efektyviau sujungti šiuos šaltinius, atsirastų galimybių patikimesnei pasėlių stebėsenai, prisitaikymui prie klimato kaitos, ligų atpažinimui ir įrodymais pagrįstai politikai. Tokiu būdu „AgriScienceFM“ siekia sukurti atvirą skaitmeninį pagrindą, kuriuo galėtų remtis tyrėjai ir kūrėjai.

Parengė Ričardas Čekutis