У 2018 році п’ять команд вирощували огірки в революційному конкурсі Autonomous Greenhouse Challenge міжнародний конкурс. Особливість: лише одна з команд складалася з досвідчених виробників, які обслуговували тепличний відсік вручну. Решта чотири команди складалися з міжнародних експертів у галузі садівництва та штучного інтелекту (ШІ). Вони працювали над розробкою рішень штучного інтелекту для дистанційного та автономного управління своїми врожаями. Мета конкурсу, першого в світі Autonomous Greenhouse Challenge, полягала в досягненні проривів у сталому виробництві продуктів харчування.
Після чотирьох напружених місяців ручні виробники посіли друге місце. Команда, яка зайняла перше місце, на чолі з одним із авторів цієї статті, перемогла з рішенням для автономного вирощування, яке не тільки досягло на 6% більшої врожайності та на 17% більшого чистого прибутку, але й споживало менше CO2, опалення та водопостачання.
Щоб дізнатися більше про конкуренцію та зрозуміти, як рішення штучного інтелекту може конкурувати — і навіть перевершити — команду досвідчених виробників, давайте ближче розглянемо штучний інтелект і його зв’язок з автоматизацією теплиць.
Автоматизація теплиць – це нічого нового
Протягом десятиліть виробники використовували технологічні комп’ютери, датчики та виконавчі механізми для керування кліматом у теплицях та зрошенням. У такому сценарії робота технологічного комп’ютера є простою та базується на простих логічних правилах. Якщо температура повітря вище 75°F, відкрийте, наприклад, вентиляційний отвір. Вичерпна праця зі зчитування температури, увімкнення та вимкнення світла й обігрівачів доручається машинам.
Звичайно, автоматизація на основі правил не може впоратися з непередбаченими обставинами. Що ще важливіше, досвідчена людина повинна приймати всі рішення щодо управління врожаєм, аж до точних заданих параметрів середовища. Щоб надійно отримувати високі врожаї, потрібен значний рівень знань і навичок, але навіть у цьому випадку легко помилитися. Крім того, у міру того, як ферми збільшуються, робота з постійного моніторингу посівів стає ще більш складною.
На жаль, виробники дуже добре знають, що робоча сила є найбільшим джерелом проблем у виробництві. Рік за роком, в Тепличний виробник Опитування 100 найкращих виробників, виробники повідомляють про проблеми не лише з вартістю робочої сили, але й із наявністю кваліфікованої робочої сили. Не дивно, що виробники все більше шукають шляхи вирішення цих проблем, включаючи нові технології, які можуть зробити управління теплицею більш автономним.
ШІ — це крок за межі автоматизації на основі правил
Хороший спосіб думати про штучний інтелект полягає в тому, що він є кроком за межі простої автоматизації на основі правил. Сучасний штучний інтелект — це використання математики для пошуку закономірностей у даних, у тому числі тих, які можна знайти в тепличних екологічних і біологічних системах. Наприклад:
- Маючи достатню кількість кліматичних даних, виробники можуть використовувати штучний інтелект для визначення оптимальних установок і прогнозування клімату.
- Маючи достатньо даних про врожайність, виробники можуть використовувати штучний інтелект для створення прогнозів урожайності.
- Маючи достатньо даних зображень, виробники можуть використовувати ШІ для виявлення шкідників і хвороб.
Деякі види штучного інтелекту можуть навіть навчатися на нових даних, забезпечуючи з часом кращі результати.
Завдяки здатності надавати більш глибоке розуміння повсякденних операцій у теплицях ШІ можна використовувати для підтримки прийняття експертних рішень і розширення можливостей виробників. Зрештою, найкращі результати дає продумане поєднання людського та штучного інтелекту.
Підхід штучного інтелекту на основі даних також можна поєднати з класичним підходом на основі правил, що забезпечує набагато вищий рівень автоматизації теплиць, ніж будь-коли раніше. Коротше кажучи, виробники можуть використовувати штучний інтелект для автоматизації багатьох оперативних завдань, допомагаючи полегшити хронічні трудові проблеми, які кидають виклик галузі.
Дані — паливо для ШІ
Наскільки штучний інтелект стосується математичних алгоритмів, він також стосується даних. Всупереч поширеній думці, деякі з найпоширеніших алгоритмів, що використовуються в ШІ, існують десятиліттями. Вони навіть не дуже складні. Але довгий час доступність даних разом із доступною обчислювальною потужністю, необхідною для обробки даних, були обмежуючими факторами.
Щоб розкрити потенціал ШІ, знадобилася недавня розробка комп’ютерного обладнання. Революція смартфонів, започаткована Apple у 2007 році, створила абсолютно нові виробничі екосистеми та ланцюги поставок у глобальному масштабі. Це змінило фундаментальну економіку комп’ютерного обладнання, здавалося б, раптово. Ключові апаратні компоненти, такі як мікропроцесори, радіо та датчики, стали експоненціально дешевшими, меншими та потужнішими. Цівки необроблених даних перетворилися на повені. Нове надлишок даних і обчислювальна потужність допомогли перетворити штучний інтелект із дослідницької цікавості з кількома комерційними додатками на технологічні зміни.
IoT забезпечує велику кількість даних
На початку 1980-х років аспірантів Університету Карнегі-Меллона в Піттсбурзі стало дратувати те, що вони підходили до автомата з продажу Coca-Cola, щоб побачити, що він порожній. Вони модифікували його, щоб він міг повідомляти про свої запаси через Інтернет. При цьому вони винайшли перший у світі пристрій, підключений до Інтернету.
Сьогодні мільярди пристроїв, великих і малих, від споживчої електроніки до промислових машин, приєдналися до першого автомата з газованою водою, підключившись до Інтернету, утворивши так званий Інтернет речей (IoT). Важливим є те, що на відміну від апаратного забезпечення попередніх поколінь, включаючи багато звичайних рішень для автоматизації теплиць, пристрої IoT використовують ті самі типи форматів даних і протоколи зв’язку, які використовуються в Інтернеті. Покладаючись на глобальні стандарти Інтернету, можна легше обмінюватися даними з пристроями IoT, не вимагаючи додаткового обладнання для переходу від одного типу системи до іншого.
Разом AI та IoT є взаємодоповнюючими технологіями. Обладнання IoT допомагає виробникам легше збирати необроблені дані з теплиць. А програмне забезпечення штучного інтелекту допомагає виробникам розуміти та діяти на основі цих даних для покращення виробництва сільськогосподарських культур.
Практичний приклад: успіх Кеннета Трена в конкурсі Autonomous Greenhouse Challenge
Доктор Тран: У 2018 році я був дослідником штучного інтелекту в Microsoft Research поблизу Сіетла, працюючи над новим типом ШІ, відомим як навчання з підкріпленням. Там я започаткував нову спробу застосувати наші дослідження в галузі сільського господарства з контрольованим середовищем. З так званим проектом Sonoma ми співпрацювали з науковцями з рослинництва в Дослідницькому центрі Харроу в Онтаріо, Канада, і в підсумку брали участь у першому міжнародному конкурсі Autonomous Greenhouse Challenge, організованому Вагенінгенським університетом і дослідженнями в Нідерландах.
У цьому випробуванні кожна команда вирощувала огірки в теплиці площею 315 квадратних футів протягом приблизно чотирьох місяців. Ці відсіки були обладнані стандартними технологічними комп’ютерами, кліматичними датчиками та приводами. Використовуючи цифрові інтерфейси IoT (REST API), наші програми штучного інтелекту могли безперервно зчитувати дані з датчиків, визначати оптимальні задані значення та надсилати задані значення назад на технологічні комп’ютери — через Інтернет (див. малюнок нижче). Детальніше про челендж та його результати читайте в статті Хеммінг та ін. (2019).
Незважаючи на брак досвіду вирощування огірків і наш прототип на дуже ранній стадії, наше рішення для автономного вирощування змогло виграти конкуренцію. Ми навіть перевершили команду, що посіла друге місце, еталонну команду, що складається з досвідчених голландських виробників, з вищою врожайністю на 6%. Цей прибуток був еквівалентний збільшенню операційного прибутку на 17%.
Чи погано спрацювала контрольна група? Зовсім ні. На думку багатьох експертів, вони показали себе надзвичайно добре. Їх урожайність становила майже 50 кг/м2 протягом чотирьох місяців, що еквівалентно майже 150 кг/м2 в рік. Це вважається високою врожайністю для теплиці в будь-якій точці планети.
У результаті конкурсу Autonomous Greenhouse Challenge я заснував Koidra у 2020 році, щоб безпосередньо спиратися на наші знання та розвивати сучасні технології ШІ та Інтернету речей для сільського господарства та інших програм промислового керування.
Ставте правильні запитання про AI та IoT
Сьогодні все більше виробників теплиць бажають і готові використовувати штучний інтелект та Інтернет речей. Головне завдання полягає в тому, щоб зрозуміти продукти на ринку та вміти пробратися через усі маркетингові слова. Багато компаній охоче стверджують, що у них є алгоритм штучного інтелекту або пристрій IoT, який буде працювати для теплиць.
Ось кілька ключових міркувань, про які слід пам’ятати, оцінюючи програмне забезпечення штучного інтелекту та апаратне забезпечення IoT:
- Продуктивність: Виробники повинні мати змогу бачити конкретні реальні переваги. Запитайте: чи доведено, що штучний інтелект покращує врожайність і ефективність використання ресурсів у комерційному виробництві? За яких умов? Який послужний список компанії в розробці програмного забезпечення AI та IoT?
- AI дизайн: Найефективніші рішення штучного інтелекту поєднують найкращий людський інтелект із найкращим штучним інтелектом для прийняття рішень. Запитайте: як модель ШІ використовує наявні знання? Як це гарантує, що продуктивність покращиться з часом із збільшенням кількості даних?
- Дизайн програмного забезпечення: Виробники повинні продовжувати контролювати роботу теплиці. Запитайте: які принципи розробки програмного забезпечення використовуються для забезпечення безпеки врожаю? Чи можу я завжди легко перемикатися між ручним, рекомендаційним і автопілотним режимами?
- Право власності на дані: Виробники повинні володіти своїми даними та уникати «прив’язки до постачальника». Запитайте: чи можу я легко імпортувати дані з інших систем? Чи можу я створити резервну копію та експортувати власні дані? Чи існують API, які дозволяють доступ до даних у реальному часі та спеціальну інтеграцію? Чи можу я використовувати програмне та апаратне забезпечення від різних постачальників зараз і в майбутньому?
AI та IoT можуть розширити можливості виробників
У світі, де критично важливі ресурси — вода та енергія, а також час, гроші та кваліфікована робоча сила — стають дедалі дефіцитнішими, має сенс досліджувати нові технології, щоб полегшити цей тягар. Як ми дізналися з Autonomous Greenhouse Challenge, виробники справді можуть досягти більшої врожайності та більшої ефективності використання ресурсів за допомогою програмного забезпечення штучного інтелекту та апаратного забезпечення IoT. Більше того, ці технології продовжують розвиватися та вдосконалюватися швидкими темпами.
Зрештою, штучний інтелект та Інтернет речей можуть справді розширити можливості тепличних виробників — приймати кращі рішення, робити більше з меншими витратами — вирощувати продукти харчування у світі більш екологічно.