稻草人要成为历史了 保护农业的未来就拜托人工智能了

人类又面临了一项危机随着人口不断膨胀，到2050年人类总人口也许要达到100亿，然而，地球却没有等比例放大，这意味着同样面积的土地资源必须喂饱翻了n备的人口。随着全球变暖以及跟随而来的水资源短缺，人类将面临严重的粮食问题。

也许机器的到来是一个历史偶然。真正智能的机器人和机器学习算法也许能帮助推动一场新的“绿色革命”，从而解决日渐严重的口粮问题。想象一下，如果卫星可以自动检测旱灾发生模式，如果拖拉机可以通过“目测”消灭患病的农作物，如果一个人工智能支持的智能APP可以让农民知道如何应对农田里的农作物病害。

稻草人要成为历史了，保护农业的未来就拜托人工智能了。

AI给农作物“看病”

深度学习是一种计算方法，程序员不用确切地告诉计算机该做什么，而是训练计算机识别某些模式。你可以给计算机输入患病和健康的农作物叶子图片，并做上标记。计算机可以以此学会患病和健康的叶子看起来有什么不同，并能独立判断新作物是否健康。

这就是生物学家David Hughes和流行病学家Marcel Salathe的研究，他们用感染了26种疾病的14株作物进行了实验。他们在计算机中输入了超过五万张图片，计算机程序通过自主学习，最终能够以99.35%的正确率判断研究人员输入的新图片。

不过，这些是动过手脚的图片，其中的灯光和背景都是一致的，为计算机识别叶片图像降低了难度。如果从互联网上随机下载一张患病作物的叶片照片，让计算机去判断，软件的准确率就降低到了30%-40%。

不太好。不过，Hughes和Salathe希望能使用这项人工智能技术支持他们的APP“Plant Village”，这个APP可以让世界各地的农民给自己患病的作物拍张照片，上传到论坛上，让专家来诊断农作物疾玻为了提高这项技术的“智商”，他们会继续给AI输入更多的患病作物照片。“从各种不同渠道而来的图片越多越好，渠道指的是照片拍摄的方式、季节、位置等等因素。”Salathe说，“软件可以吸收这些信息，不断学习。”

这不只是排除农作物之间的疾病传染，还有很多其他因素会影响农作物。“大部分影响生长的都是生理压力，例如缺钙、缺镁或者盐分太高、热量太高等，”Hughes说，“人们有时候会以为是细菌或者真菌疾玻”误诊导致农民浪费了时间和金钱去买杀虫剂或者除草剂。未来，人工智能可以帮助农民更加准确地定位问题所在。

在那之后，人类将夺回控制权因为虽然APP可以定位问题，但是没法像人类专家一样，考虑紧气候、突然、季节等因素，给农民提供最适合的解决办法。联合国粮食及农业组织（FAO）认为这类技术是农作物管理的一种“有用工具”，但还是要听专家说了算。因此，FAO的植物病理学家Fazil Dusunceli说，非常欢迎这样的技术帮助，但是“最终病害管理决策应该与现场的专家一起合作制定。”

走路“长眼”的拖拉机

可以说，现在没有哪一个国家在农业方面可以高枕无忧发展中国家亟需农业知识，而发达国家则淹没在杀虫剂和除草剂之中。在美国，仅仅在玉米、大豆和棉花作物上，每年农民使用的除草剂就多达三亿一千万磅（编者注：相当于大约一亿四千万公斤）。

一家叫做蓝色河流科技（Blue River Technology）的公司可能找到了一种解决办法，至少对卷心菜来说有了新的希望。公司的“卷心菜机器人”（LettuceBot）长得像一台普通的拖拉机，但是其中包含了机器学习的智能技术支持。

公司称，“卷心菜机器人”可以在驶过农田的时候，每分钟拍摄五千张幼苗的照片，使用算法和机器视觉来识别每一株植物到底是卷心菜还是杂草。“这是基于机器学习计算和计算机视觉的力量，”Jeremy Howard说，他是深度学习机构Enlitic的创始人。他补充道，一块图形芯片识别图像只要0.02秒的时间。

“卷心菜机器人”/图 来源网络

在四分之一英寸（编着注：大约0.63厘米）的精度下，机器人可以在行进中定位杂草，并在每株杂草上喷洒除草剂。如果机器人“目测”到一颗卷心菜生长得不然太理性，它也会给它喷除草剂（农民过度种植多达5倍的卷心菜，所以偶尔牺牲掉一颗也没关系）。如果两株菜苗长得过于靠近，机器人会知道这不是一颗特别大的菜苗，并且把这两株也摧毁。

如果你觉得机器人的做法太残酷，我们先来看看另一种选择：不管三七二十一，先给正片农田喷上除草剂。“这类似于说，如果旧金山出现了一种传染病，我们唯一的办法就是给所有人，不管男女老少，都打一针抗生素。”Blue River Technology公司的Ben Chostner说，“人们的病可以治好，但是这很浪费钱。而且，这种办法没有把抗生素的效果发挥得最好。”

而有了“卷心菜机器人”，Chostner说农民可以将化学物品的使用量减少90%。而且，机器人已经开始努力干活了Blue River管理的农田提供了美国每年卷心菜消耗量的10%。

上帝视角的卫星

NASA的Landsat卫星在我们头顶上空400英里（编者注：大约643.74千米）环绕地球，为地球表面提供了魔法般强大的调查数据。各种层面的信息数量太大，对于人类来说很难消化，但是有了机器学习算法，这根本是小菜一碟。

这对农业监管来说具有极大价值，尤其是在发展中国家，*和银行在决策中非常缺乏数据支持，难以决定应该给哪些农民批准贷款或者紧急支援。举个例子，在印度的一次旱灾中，我们不仅看到不同的区域有不同程度的受灾影响，而且在区域内，一部分农民比其他人能容易获得水资源。

因此，一家名叫Harvesting的公司正在使用机器学习，大规模分析卫星数据，希望帮助机构更加高效地分配财政资源。“我们对这项技术的期望是分离出一部分农民和村庄，让银行或者*将资金导向正确的群体。”Harvesting公司CEO Ruchit Garg说。他说，一个人类分析师可以同时可以处理10项、10项变量，而机器学习算法可以处理超过2000项变量。这完全不是同一个层级上。

随着全球变暖让气候越来越混乱，*面临的压力越来越大，必须能够正确分配有限的资源。传统上，农业在印度算是一个相对容易预测的行业，至少从人类对环境的可控性这个意义上来说。“我从我的父亲、我的祖父等祖祖辈辈人之中学到的知识，就是我用来耕田的知识，就是我对于季节环境的认识。”Garg说，“但是，因为气候剧变，我所面临的，不再是我的先人们所面临过的环境了。”

对，这是一个完全不同的世界了。农民可能在变化的环境中遭受打击，或者也可以进入更加智能的农业时代。农民可以获得更多数据、更多人工智能、更多可以喷洒化学品的机器人。