2018年、XNUMXつのチームが画期的な自律温室チャレンジでキュウリを栽培しました 国際競争。 ひねり:チームのXNUMXつだけが、温室区画を手動で操作する経験豊富な人間の栽培者で構成されていました。 残りのXNUMXつのチームは、園芸と人工知能(AI)の分野の国際的な専門家で構成されていました。 彼らは、作物をリモートで自律的に管理するためのAIソリューションの開発に取り組みました。 世界初の自律温室チャレンジであるこのコンテストの目標は、持続可能な食料生産の飛躍的進歩を推進することでした。
激しい6か月後、手動栽培者は17位になりました。 この記事の著者のXNUMX人が率いるXNUMX位のチームは、XNUMX%高い歩留まりとXNUMX%高い純利益を達成しただけでなく、COの使用量も少ない自律成長ソリューションで勝利しました。2、暖房、および水の入力。
競争についてさらに学び、AIソリューションが熟練した人間の栽培者のチームとどのように競争し、さらにはそれを上回ることができるかを理解するために、AIとそれが温室の自動化にどのように関連するかを詳しく見てみましょう。
温室の自動化は新しいものではありません
何十年もの間、栽培者は温室の気候と灌漑を管理するためにプロセスコンピューター、センサー、およびアクチュエーターを使用してきました。 このようなシナリオでは、プロセスコンピュータの仕事は単純で、単純な論理ルールに依存しています。 気温が75°Fを超える場合は、たとえばベントを開きます。 温度を読み取り、ライトとヒーターのオンとオフを切り替えるという面倒な作業は、機械に委ねられています。
もちろん、ルールベースの自動化では、予期しない状況に対処することはできません。 さらに重要なことに、熟練した人間は、環境パラメータの正確な設定値に至るまで、すべての作物管理の決定を下す必要があります。 高収量を確実に達成するためには、かなりのレベルの知識とスキルが必要であり、それでも間違いを犯しやすいです。 さらに、農場が大きくなるにつれて、作物を継続的に監視する作業はさらに困難になります。
残念ながら、生産者は労働が生産における最大の問題の原因であることをよく知っています。 毎年、 温室栽培者の トップ100の生産者調査では、生産者は労働コストだけでなく熟練労働者の利用可能性に関する課題を報告しています。 当然のことながら、栽培者は、温室管理をより自律的にすることができる新しい技術を含む、これらの課題に対処する方法をますます探しています。
AIはルールベースの自動化を超えた一歩です
人工知能について考える良い方法は、それが単純なルールベースの自動化を超えた一歩であるということです。 現代のAIは、温室の環境システムや生物学的システムに見られる種類を含め、データのパターンを見つけるために数学を使用することを目的としています。 例えば:
- 十分な気候データがあれば、栽培者はAIを使用して最適な設定値を決定し、気候予測を行うことができます。
- 十分な収穫量データがあれば、栽培者はAIを使用して収穫量予測を生成できます。
- 十分な画像データがあれば、栽培者はAIを使用して害虫や病気を検出できます。
一部のタイプのAIは、新しいデータから学習することもでき、時間の経過とともに徐々に優れた結果を提供します。
AIを使用して、日々の温室操作に関するより深い洞察を提供できるため、専門家の意思決定をサポートし、生産者に有意義な方法で力を与えることができます。 結局のところ、最良の結果は、人間の知性と人工知能の思慮深い組み合わせから得られます。
AIのデータベースのアプローチは、従来のルールベースのアプローチと組み合わせることもでき、これまでになく高度な温室の自動化を可能にします。 つまり、生産者はAIを使用して多くのロート運用タスクを自動化し、業界に挑戦する慢性的な労働問題を緩和するのに役立ちます。
データはAIの原動力です
AIは数学的アルゴリズムに関するものであると同時に、データに関するものでもあります。 一般に信じられていることとは反対に、AIで使用される最も一般的なアルゴリズムのいくつかは何十年も前から存在しています。 それらはそれほど複雑ではありません。 しかし、長い間、データの可用性は、データの処理に必要な手頃な計算能力とともに、制限要因でした。
AIの可能性を解き放つには、コンピューターハードウェアの最近の開発が必要でした。 2007年にAppleによって引き起こされたスマートフォン革命は、まったく新しい製造エコシステムとサプライチェーンを世界規模で生み出しました。 これにより、コンピュータハードウェアの基本的な経済性が一夜にして変わりました。 マイクロプロセッサ、ラジオ、センサーなどの主要なハードウェアコンポーネントは、指数関数的に安く、小さく、そしてより強力になりました。 生データの細流が洪水に変わりました。 新しい豊富なデータと計算能力は、AIを、商業用途がほとんどない研究の好奇心から技術的な海の変化に変えるのに役立ちました。
IoTは豊富なデータをもたらします
1980年代初頭、ピッツバーグのカーネギーメロン大学の大学院生は、コカ・コーラの自動販売機にトレッキングして空になっただけでイライラしました。 彼らはそれを修正して、インターネットを介して在庫を報告できるようにしました。 そうすることで、彼らは世界初のインターネット接続アプライアンスを発明しました。
今日、家庭用電化製品から産業用機械まで、大小さまざまな数十億のデバイスがインターネットに接続された最初のソーダマシンに加わり、モノのインターネット(IoT)として知られるものを形成しています。 重要なのは、多くの一般的な温室自動化ソリューションを含む前世代のハードウェアとは異なり、IoTデバイスはインターネットの他の場所で使用されているものと同じ種類のデータ形式と通信プロトコルを使用することです。 グローバルなインターネット標準に依存することで、あるタイプのシステムから別のタイプのシステムにブリッジするための追加のハードウェアを必要とせずに、IoTデバイスとのデータ交換が容易になります。
一緒に、AIとIoTは補完的な技術です。 IoTハードウェアは、栽培者が温室から生データをより簡単に収集するのに役立ちます。 また、AIソフトウェアは、栽培者がそのデータを理解し、それに基づいて行動し、作物の生産を改善するのに役立ちます。
ケーススタディ:自律温室チャレンジにおけるケネス・トランの成功
トラン博士:2018年、私はシアトル近郊のMicrosoft ResearchでAI研究者として、強化学習と呼ばれる新しいタイプのAIに取り組んでいました。 そこで私は、私たちの研究を管理された環境農業の領域に適用するための新しい取り組みを開始しました。 いわゆるソノマプロジェクトでは、カナダのオンタリオ州にあるハローリサーチセンターの植物科学者と協力し、オランダのワーヘニンゲン大学とリサーチが主催する最初の国際的な自律温室チャレンジに参加することになりました。
このチャレンジでは、各チームが315平方フィートの温室コンパートメントで約XNUMXか月間キュウリを栽培しました。 これらのコンパートメントには、標準のプロセスコンピューター、気候センサー、およびアクチュエーターが装備されていました。 IoTデジタルインターフェース(REST API)を使用して、AIプログラムはセンサーからデータを継続的に読み取り、最適な設定値を決定し、インターネット全体で設定値をプロセスコンピューターに送り返すことができます(下図を参照)。 チャレンジとその結果の詳細については、次の記事をご覧ください。 ヘミングら。 (2019).
キュウリの栽培経験がなく、非常に初期のプロトタイプでしたが、自律栽培ソリューションは競争に勝つことができました。 オランダの専門生産者で構成されるリファレンスチームである6位のチームをも上回り、歩留まりは17%向上しました。 その利回りのマージンは、営業利益のXNUMX%の増加に相当しました。
参照チームのパフォーマンスは低下しましたか? 全くない。 多くの専門家によると、彼らは非常にうまく機能しました。 それらの収量はほぼ50kg / mでした2 150か月の間に、これはほぼXNUMX kg / mに相当します。2 XNUMX年当たり。 これは、地球上のどこにでもある温室の高収量と考えられています。
Autonomous Greenhouse Challengeの結果として、私は2020年にKoidraを設立し、私たちの学習を直接構築し、農業やその他の産業用制御アプリケーション向けにAIとIoTの最先端をさらに推進しました。
AIとIoTについて適切な質問をする
今日、より多くの温室栽培者がAIとIoTを採用する用意があります。 主な課題は、市場に出回っている製品を理解し、すべてのマーケティングの話をくぐり抜けることができるようにすることです。 多くの企業は、温室で機能するAIアルゴリズムまたはIoTデバイスを持っていると熱心に主張しています。
AIソフトウェアとIoTハードウェアを評価する際に留意すべき重要な考慮事項は次のとおりです。
- パフォーマンス: 生産者は、具体的な現実世界の利益を見ることができるはずです。 質問:AIは、生産量とリソース効率を改善することが商業生産で証明されていますか? どのような条件下で? AIおよびIoTソフトウェアの開発における同社の実績は何ですか?
- AIデザイン: 最も効果的なAIソリューションは、最高の人間の知性と最高の人工知能を組み合わせて意思決定を行います。 質問:AIモデルは既存の知識体系をどのように活用しますか? より多くのデータを使用して、パフォーマンスが時間の経過とともに向上することをどのように保証しますか?
- ソフトウェア設計: 栽培者は温室の運営を管理し続けるべきです。 質問:作物の安全性を確保するために使用されるソフトウェア設計の原則は何ですか? 手動モード、推奨モード、自動操縦モードをいつでも簡単に切り替えることができますか?
- データの所有権: 生産者はデータを所有し、「ベンダーロックイン」を回避する必要があります。 質問:他のシステムからデータを簡単にインポートできますか? 自分のデータをバックアップしてエクスポートできますか? ライブデータアクセスとカスタム統合を可能にするAPIはありますか? 現在および将来、さまざまなベンダーのソフトウェアとハードウェアを使用できますか?
AIとIoTは生産者に力を与えることができます
水とエネルギー、時間、お金、熟練した労働力などの重要な資源がますます不足している世界では、その負担を軽減するために新しいテクノロジーを模索することは理にかなっています。 Autonomous Greenhouse Challengeから学んだように、生産者はAIソフトウェアとIoTハードウェアを使用することで、より高い収量とより高いリソース使用効率を実際に達成できます。 さらに、これらの技術は急速に開発され、進歩し続けています。
最終的に、AIとIoTは、温室栽培者に真に力を与え、より良い意思決定を行い、より少ない労力でより多くのことを行い、世界の食料をより持続可能な方法で栽培することができます。