如今，世界行將面對一個嚴重危機，這個危機不是人工智能帶來的“世界末日”，而是地球人的吃飯成績。估計到2050年，地球生齒將到達90億，為了知足年夜幅增加的食糧需求，將來食糧產量至多須要到達如今食糧產量的兩倍。但是，全球變溫暖城鎮化成長等晦氣身分正制約著農作物的發展，食糧減產相當艱苦。

　　幾個世紀之前，工業反動和技巧改革年夜年夜進步了我們對地球資本的應用水平，在其時看來，地球資本似乎是取之不盡的。而如今，我們卻在由于地盤和水資本的缺乏而重要，由于氣象狀態的不穩固而懊惱。

　　如今，人工智能的技巧改革和互聯網的成長能夠會有助于減緩、乃至處理這些成績。本文，我將引見人工智能若何贊助我們更高效天時用現有的地球資本。

　　人工智能和智能農業

　　曩昔幾年，人工智能曾經轉變了年夜多半公司和組織的運作方法。現在，這些人工智能算法影響了很多你接觸過的收集辦事，好比谷歌的搜刮引擎、Facebook的石友推舉體系、亞馬遜的產物推舉辦事等等。

　　隱蔽在這些辦事轉型面前的技巧立異實際上是“機械進修”，它現實上是一種算法，它經由過程處置和剖析海量數據來找到罕見形式，然后將這些形式改變為猜測和行動成果。當“機械進修”被用于農業臨盆時，它就可以贊助避免農作物被損壞和糟蹋。這一理論被稱為“精準農業”，它應用了及時數據、汗青數據和機械進修算法，對較小的區域和較短的時光區間采用一些針對性行動，而不是在異常年夜的區域依照慣例，不加剖析地履行完整雷同的操作。舉例來講，我們應當在受蟲害的某棵樹或許是某根樹枝，乃至是某片葉子上應用大批的農藥，而不是年夜面積地噴灑。如許，我們能力有用地削減農藥的收入，既防止農藥的糟蹋，也防止了農藥過量應用所帶來的傷害。

　　Prospera公司是“精準農業”理論的一個典范例子，它愿望將傳統農業改變為一個數據驅動的理論。Prospera應用了設置在地步里的攝像頭、傳感器和搜集到的微氣候數據，對農作物停止監控而且宣布農作物的及時剖析。深度進修和盤算機視覺算法經由過程對搜集到的數據停止剖析，進而懂得并申報農作物的發展情形。這關于晚期農作物疾病的發明和處置相當主要，有助于削減農作物的傷害，從而擴展食糧產量。應用盤算機視覺技巧來剖析農作物圖片的優勢之一在于，假如經由了優越的練習，算法可以隨時發明那些即便是優良的人類專家都難以發明的成績。在醫學界的癌癥診斷范疇也應用了與之相似的辦法和技巧。

　　Arable是另外一家從事“精準農業”的公司，它應用了一種智能傳感器來搜集農田里的各類信息，好比降雨量、濕度、農作物的蓄水量、水壓、微氣象數據、樹冠生物量和葉綠素等等。這些數據可以或許贊助農人時辰存眷農作物的情形，依據現實的丈量值而不是依附客觀經歷和猜想，進而作出農作物相干的猜測，而且有針對性地采用某些主動化辦法。這些“精準農業”的操作其實很簡略，就像我們依據濕度數據來掌握分歧的地步和區域一樣。該范疇的其他公司還在測驗考試在沒有硬件舉措措施的情形下停止精準農業的操作。ConserWater公司應用了NASA的衛星圖象和、氣象數據和深度進修算法來猜測農作物的需水量，雖然這些猜測不如傳感器和攝像頭得出的猜測精準，然則它的投入本錢絕對較低，這現實上下降了農人進入精準農業的門坎。

　　人工智能技巧在農業安排下面臨的一個重要挑釁是硬件舉措措施在農田籠罩的聯通性很差。這限制了數據的搜集，而數據搜集恰好是機械進修算法的癥結。然則跟著人們對這一范疇興致的賡續增長，愈來愈多的公司開端行為，這些妨礙正賡續被戰勝。

　　人工智能可不止于智能農業

　　人工智能技巧可以用于進步食糧產量、削減糟蹋，但這其實不是其施展感化的獨一范疇。在試驗室和研討中間，機械進修算法可以或許贊助培養更好的植物基因，發明更平安、更高效的農作物掩護產物和化肥，而且開辟更多的農產物。現實上，人工智能在這些范疇的參與加倍成熟，由于這一范疇的數據加倍豐碩，數據獲得的速度也更快。

　　食糧的喪失和糟蹋極可能會產生在收成和運輸的進程中。舉例來講，不適合的地外形況會在收成的進程中招致年夜量的農作物消耗。別的，農作物運輸途中的氣象狀態也會影響到農作物的產量，好比運輸途中的降雨會招致運輸延遲，對農作物形成晦氣的影響。

　　這個成績我們可以應用泥土傳感器和氣象剖析體系來處理，機械進修算法可以或許依據一些需要的數據，例如泥土濕度、將來氣象狀態和運輸途中將面對的潛伏影響身分，猜測出收成的最好機會。主動化和調和性栽種、農作物收成和分派可以或許盡可能縮減農作物在運輸途中的時光，從而削減農作物消耗。跟著硬件聯通性的賡續完美，人工智能技巧的賡續成長，我們可以等待主動化的、數據驅動的將來農業的成長偏向。這些技巧改革畢竟能否可以或許處理賡續增加的生齒的吃飯成績，我們還未可知。但就如今而言，人工智能才是我們的最好選擇。