人類給自己(ji)出了一個難(nan)題——在人口(kou)大(da)爆炸持續下去的(de)同(tong)時(shi)，地球(qiu)卻是不會變(bian)(bian)的(de)更大(da)的(de)。當地球(qiu)在2050年迎(ying)來(lai)第(di)100億個人時(shi)，她(ta)依舊(jiu)得用同(tong)樣(yang)數(shu)量的(de)土(tu)地來(lai)養活人們，再(zai)加(jia)上全(quan)球(qiu)變(bian)(bian)暖(nuan)造成水(shui)源的(de)持續減(jian)少，人類將來(lai)到(dao)底能(neng)不能(neng)吃(chi)飽將會是個大(da)問題。

也許冥(ming)冥(ming)之中自(zi)有(you)天(tian)意，人工(gong)智能在(zai)這個時候(hou)及時粉墨登場(chang)。真正的(de)(de)智能機(ji)器人和(he)機(ji)器學習算(suan)法將(jiang)會(hui)帶來一(yi)個綠(lv)色革命，一(yi)個將(jiang)用這個星球(qiu)有(you)限的(de)(de)土地(di)來喂(wei)飽(bao)人類的(de)(de)革命。你可以(yi)(yi)想象(xiang)一(yi)下(xia)，自(zi)動探測干旱痕跡的(de)(de)衛星，可以(yi)(yi)自(zi)動識別并殺(sha)死(si)生病植物的(de)(de)拖(tuo)拉機(ji)，以(yi)(yi)及能自(zi)動通知農場(chang)主農作物病害的(de)(de)AI手機(ji)。

忘掉(diao)稻(dao)草人吧，農業的(de)未(wei)來在智能機(ji)器的(de)手中。

數碼農業專家

深度學(xue)習是一種(zhong)威(wei)力強(qiang)大的算法，編(bian)程員不再明確地告訴電腦(nao)(nao)目(mu)標，而是訓練(lian)它去(qu)識別幾種(zhong)模式。你可以給電腦(nao)(nao)提供(gong)標明健康(kang)和(he)(he)病變(bian)的植物葉子照片。從這些照片中，它就可以學(xue)會(hui)如何(he)分辨(bian)健康(kang)和(he)(he)病變(bian)的葉子，進而判斷其他葉子是否健康(kang)。

這正是生物(wu)學(xue)家大衛·休斯（David Hughes）和流行病學(xue)家馬塞爾·賽拉瑟（Marcel Salathé）對感(gan)染了(le)26種(zhong)不同疾病的(de)14種(zhong)農作物(wu)所做(zuo)的(de)。他們(men)給一(yi)個(ge)電腦提供(gong)了(le)超過5萬(wan)張相片(pian)，通過自我學(xue)習(xi)，電腦從(cong)相片(pian)判斷植物(wu)是否健康的(de)準(zhun)確(que)率達到(dao)了(le)99.35%。

但是(shi)，這(zhe)些相(xiang)片(pian)都是(shi)經(jing)過人為處理(li)的(de)(de)，它們都有著統一(yi)的(de)(de)亮度和背(bei)景，這(zhe)樣電腦的(de)(de)判斷會變得輕松得多。在辨認(ren)一(yi)張從網絡上找到的(de)(de)生病植物的(de)(de)相(xiang)片(pian)，電腦的(de)(de)準確率只有30%~40%。

這(zhe)結果雖然不(bu)好，但是(shi)也不(bu)差。休斯和(he)塞(sai)(sai)拉瑟希(xi)望把這(zhe)個AI運用(yong)(yong)到他們(men)的(de)(de)手機應(ying)用(yong)(yong)Plant Village上(shang)(shang)。目(mu)(mu)前，全(quan)世界的(de)(de)農民(min)都(dou)可以把他們(men)生病的(de)(de)作物拍(pai)照(zhao)上(shang)(shang)傳到Plant Village的(de)(de)論壇(tan)里來判(pan)斷(duan)(duan)感染(ran)的(de)(de)疾(ji)病。只不(bu)過，目(mu)(mu)前幫助(zhu)判(pan)斷(duan)(duan)的(de)(de)是(shi)人類專家。為了提高應(ying)用(yong)(yong)的(de)(de)智能，它將(jiang)(jiang)通(tong)過持續提供的(de)(de)生病植物的(de)(de)相片(pian)來學(xue)習。“我們(men)會(hui)給它更多(duo)各種各樣的(de)(de)相片(pian)，例如不(bu)同(tong)拍(pai)照(zhao)的(de)(de)手段、季節、地點或者其他的(de)(de)屬(shu)性”，塞(sai)(sai)拉瑟說，“這(zhe)個算法將(jiang)(jiang)自己學(xue)會(hui)分辨。”

他們的(de)(de)(de)目標不僅(jin)僅(jin)是為(wei)了(le)排除受到感(gan)染的(de)(de)(de)植(zhi)(zhi)物，因為(wei)植(zhi)(zhi)物可(ke)以(yi)因為(wei)多種原因而得病(bing)。“大部(bu)分影響植(zhi)(zhi)物生長的(de)(de)(de)疾病(bing)都(dou)是生理(li)上的(de)(de)(de)壓力，例如缺鈣或者缺鎂(mei)、土壤(rang)含鹽量太高，或者天氣(qi)太熱了(le)，”休斯表示，“農民卻經常(chang)會(hui)認為(wei)這是細(xi)菌(jun)性(xing)(xing)或者真(zhen)菌(jun)性(xing)(xing)的(de)(de)(de)疾病(bing)。”誤診將(jiang)會(hui)導致(zhi)農民們在(zai)(zai)農藥上浪費(fei)金錢與時(shi)間(jian)。在(zai)(zai)未來，他們的(de)(de)(de)AI將(jiang)幫助農民迅速并精準地(di)找(zhao)出問題(ti)的(de)(de)(de)根源。

不(bu)過，找出問題(ti)之后(hou)的(de)(de)后(hou)續工作就需要(yao)人(ren)來做(zuo)了。雖(sui)然(ran)一個應用可以幫助找到問題(ti)，只有(you)(you)人(ren)類(lei)專(zhuan)(zhuan)家(jia)才(cai)可以根據具體的(de)(de)氣候、土壤(rang)以及季(ji)節(jie)來找出解決問題(ti)的(de)(de)答案。聯合國農糧組(zu)織認為(wei)這項技(ji)術(shu)對于農作物管(guan)理(li)是(shi)(shi)一個“有(you)(you)效(xiao)的(de)(de)工具”，但是(shi)(shi)專(zhuan)(zhuan)家(jia)的(de)(de)意見才(cai)能(neng)作為(wei)定論。糧農組(zu)織植物病(bing)理(li)學家(jia)法齊爾·杜桑切利（Fazil Dusunceli）表(biao)示，這類(lei)的(de)(de)電子(zi)判(pan)斷(duan)結(jie)果(guo)很(hen)好，但是(shi)(shi)“最終的(de)(de)農害(hai)管(guan)理(li)”需要(yao)和當地(di)的(de)(de)專(zhuan)(zhuan)家(jia)一起(qi)決定。

農機訓練者

 當發展(zhan)中國家急需農業知(zhi)識時，發達(da)國家正在被農藥(yao)淹(yan)沒(mei)。在美國，每年(nian)僅(jin)僅(jin)被傾撒在玉米，大豆和棉花上的農藥(yao)就有3.1億磅。這是一種(zhong)“噴灑后祈禱”的方式，和狙(ju)擊式去(qu)蟲害相比，更像是地毯(tan)轟炸。

一個(ge)名為(wei)Blue River Technology的(de)公司很有可(ke)能找(zhao)到了(le)解(jie)決這個(ge)問(wen)題(ti)的(de)方式(shi)，起碼解(jie)決了(le)生菜的(de)問(wen)題(ti)。它(ta)的(de)Lettuce Bot看起來和(he)一般(ban)的(de)拖拉機(ji)一樣(yang)，但是事(shi)實上它(ta)是一個(ge)基(ji)于深(shen)度學習(xi)的(de)…機(ji)器。

Blue River 宣稱，Lettuce Bot可以(yi)(yi)在(zai)開(kai)過一片(pian)田地時，以(yi)(yi)每分鐘(zhong)5千(qian)株(zhu)的(de)(de)(de)速度對菜(cai)苗(miao)拍照(zhao)，并通過算(suan)法(fa)以(yi)(yi)及機器(qi)視(shi)覺來判斷每株(zhu)植物是(shi)(shi)生菜(cai)還(huan)是(shi)(shi)雜草。如果(guo)你(ni)覺得它的(de)(de)(de)速度快(kuai)的(de)(de)(de)難以(yi)(yi)想象，“這離機器(qi)學習和機器(qi)視(shi)覺的(de)(de)(de)極限還(huan)遠得很”，深度學習算(suan)法(fa)公司Enlitic的(de)(de)(de)創辦人(ren)杰瑞米·霍(huo)華(hua)德（Jeremy Howard）對此說(shuo)道。他還(huan)表(biao)示(shi)，圖像處理芯片(pian)只需要(yao)0.02秒就可以(yi)(yi)識別一張相片(pian)。

Lettuce Bot的精準度可以(yi)(yi)達到1/4英寸(cun)，這代表它可以(yi)(yi)在運行過程中準確的找出每株(zhu)雜草(cao)并向它們噴(pen)灑除草(cao)藥。如(ru)果它判定一(yi)株(zhu)生菜(cai)苗沒有健康生長(chang)，它也會(hui)噴(pen)一(yi)下(xia)（通(tong)常情況下(xia)，農民(min)種(zhong)下(xia)的菜(cai)苗會(hui)比(bi)預期收獲的高5倍，所以(yi)(yi)他(ta)們可以(yi)(yi)犧(xi)牲許(xu)多菜(cai)苗）。如(ru)果兩株(zhu)菜(cai)苗被發現長(chang)的太近(jin)（不健康），這個機器(qi)不會(hui)把它們誤認為一(yi)株(zhu)大植物，而是會(hui)分(fen)別(bie)噴(pen)灑一(yi)下(xia)。

看完這(zhe)個(ge)描述，再(zai)和目(mu)前(qian)噴灑整個(ge)農田的(de)方式(shi)做一下對比，是(shi)不是(shi)很省錢？

“這就(jiu)像(xiang)說，如(ru)果舊金(jin)山(shan)市有(you)幾個人(ren)感染了病(bing)毒，你(ni)唯一的(de)解決方式就(jiu)是給每人(ren)發(fa)(fa)一片(pian)抗生(sheng)素(su)”，Blue River 的(de)本·科(ke)斯(si)特納（Ben Chostner）對此說道，“人(ren)們(men)會被治(zhi)愈(yu)，但(dan)是治(zhi)愈(yu)的(de)成本實(shi)在是太貴(gui)了，抗生(sheng)素(su)的(de)潛(qian)能(neng)也沒有(you)被開發(fa)(fa)出來。”

而通過Lettuce Bot，科斯特納表示農(nong)民可以減少90%的農(nong)藥(yao)用量(liang)。目前，此機器已經(jing)被用于市場上：供應(ying)美國10%生(sheng)菜的田(tian)正(zheng)在使用Blue River 的產品。

Blue River Technology的(de)Lettuce Bot可(ke)以以每分鐘(zhong)5000株的(de)速度拍(pai)照并處理菜苗

Lettuce Bot之所以威力強大，是(shi)因為它通過機器(qi)學習來放大了機器(qi)自帶的優勢：精準(zhun)。機器(qi)人不(bu)能像(xiang)人類一樣奔跑或者操縱物體，但是(shi)它們一絲不(bu)茍，從而能成為完美(mei)的農業(ye)狙擊手。

天上的AI

在(zai)我們(men)頭上(shang)400英里的軌(gui)道上(shang)，NASA的Landsat衛(wei)星(xing)利用可(ke)見(jian)光譜(pu)之外的電磁波給人們(men)提(ti)供(gong)了可(ke)謂(wei)是神奇的地球表(biao)面探勘數據。這些數據對(dui)于人類來說形同天書，但是對(dui)于機(ji)器學習算法來說，它(ta)們(men)一點難度(du)也沒有。

而這(zhe)(zhe)，對(dui)農(nong)業監測來說簡直就是(shi)無價之(zhi)寶。尤其是(shi)在發展中國(guo)家，當政府和銀(yin)行嚴重缺(que)乏數(shu)據來幫(bang)助(zhu)他們(men)決定哪(na)些(xie)農(nong)民(min)需要貸(dai)款或者救助(zhu)時，這(zhe)(zhe)些(xie)數(shu)據將擁有者極(ji)大的影響力(li)。就拿印度的一場旱(han)災來說，每個(ge)地(di)區(qu)之(zhi)間缺(que)水(shui)的程度都(dou)會不(bu)同，就算在同個(ge)地(di)區(qu)之(zhi)內(nei)，有些(xie)農(nong)民(min)相對(dui)而言都(dou)會有更多的手段(duan)取得水(shui)。

所(suo)以，一個(ge)名(ming)為Harvesting的(de)(de)創業公司正在使用(yong)機(ji)(ji)器(qi)學習(xi)分(fen)析龐大的(de)(de)衛(wei)星數據，意(yi)圖(tu)幫助政(zheng)府部(bu)門和(he)銀行更加有效(xiao)的(de)(de)分(fen)配資源(yuan)。Harvesting的(de)(de)首席(xi)執行官魯什特·加格（Ruchit Garg）對此(ci)表示：“我們的(de)(de)目標是通過這(zhe)個(ge)技術把農民和(he)村莊歸類(lei)，好讓銀行或者政(zheng)府把錢發放在正確的(de)(de)人(ren)群手中。”一名(ming)人(ren)類(lei)的(de)(de)分(fen)析員可以處理(li)10到15個(ge)不同的(de)(de)變(bian)量，而機(ji)(ji)器(qi)學習(xi)算法可以處理(li)超(chao)過2000個(ge)變(bian)量，這(zhe)是2個(ge)量級的(de)(de)差距。

全球變暖所帶來(lai)的(de)氣候改變意味著政府正在面臨如何合理(li)分配資源的(de)難題。一直以來(lai)，印(yin)度的(de)傳(chuan)統農業都非(fei)常規律。“我(wo)從我(wo)父(fu)親(qin)和(he)祖父(fu)那學(xue)會了如何種地，如何分辨季節，”加(jia)格說，“但(dan)是由于(yu)氣候的(de)變化，我(wo)父(fu)親(qin)和(he)祖父(fu)的(de)經驗已經無用了。”

現在我們面(mian)臨的是新世界秩(zhi)序(xu)——更多數據，更多AI，更多的農藥噴灑機(ji)器人(ren)。