در سال 2018، پنج تیم در یک چالش پیشگامانه گلخانه خودمختار خیار پرورش دادند. رقابت بین المللی. پیچ و تاب: فقط یکی از تیم ها متشکل از پرورش دهندگان انسانی با تجربه بود که محفظه گلخانه خود را به صورت دستی اداره می کردند. چهار تیم باقی مانده متشکل از کارشناسان بین المللی در زمینه باغبانی و هوش مصنوعی (AI) بودند. آنها برای توسعه راه حل های هوش مصنوعی برای مدیریت محصولات خود از راه دور و مستقل کار کردند. هدف این مسابقه، اولین چالش گلخانه ای خودمختار در جهان، ایجاد پیشرفت در تولید مواد غذایی پایدار بود.
پس از چهار ماه شدید، پرورش دهندگان دستی در جایگاه دوم قرار گرفتند. تیم مقام اول، به رهبری یکی از نویسندگان این مقاله، با یک راه حل رشد مستقل برنده شد که نه تنها 6٪ بازده بیشتر و 17٪ سود خالص بالاتر را به دست آورد، بلکه CO کمتری مصرف کرد.2، گرمایش و ورودی آب.
برای کسب اطلاعات بیشتر در مورد رقابت و درک اینکه چگونه یک راه حل هوش مصنوعی می تواند با تیمی از پرورش دهندگان انسانی ماهر رقابت کند - و حتی عملکرد بهتری داشته باشد، بیایید نگاهی دقیق تر به هوش مصنوعی و نحوه ارتباط آن با اتوماسیون گلخانه بیندازیم.
اتوماسیون گلخانه چیز جدیدی نیست
برای چندین دهه، پرورش دهندگان از کامپیوترهای فرآیندی، حسگرها و محرک ها برای مدیریت آب و هوای گلخانه و آبیاری استفاده کرده اند. در چنین سناریویی، کار کامپیوتر فرآیندی ساده است و بر قوانین منطقی ساده تکیه می کند. اگر دمای هوا بالاتر از 75 درجه فارنهایت است، برای مثال دریچه را باز کنید. کار طاقت فرسا خواندن دما و روشن و خاموش کردن چراغ ها و بخاری ها به ماشین ها محول می شود.
البته اتوماسیون مبتنی بر قوانین نمی تواند با شرایط پیش بینی نشده مقابله کند. مهمتر از آن، یک انسان ماهر باید تمام تصمیمات مربوط به مدیریت محصول را تا نقطه تعیین دقیق پارامترهای محیطی اتخاذ کند. برای دستیابی به بازده بالا به طور قابل اعتماد، سطح قابل توجهی از دانش و مهارت مورد نیاز است، و حتی در این صورت، اشتباه کردن آسان است. علاوه بر این، با بزرگتر شدن مزارع، کار نظارت مستمر بر محصولات حتی بیشتر سختتر میشود.
متأسفانه، پرورش دهندگان به خوبی می دانند که نیروی کار بزرگترین منبع مشکلات در تولید است. سال به سال، در گلخانه داران نظرسنجی 100 کشاورز برتر، کشاورزان چالشهایی را نه تنها در مورد هزینه نیروی کار، بلکه در مورد در دسترس بودن نیروی کار ماهر نیز گزارش میکنند. جای تعجب نیست که پرورش دهندگان به طور فزاینده ای به دنبال راه هایی برای رسیدگی به این چالش ها هستند، از جمله فناوری های جدیدی که می تواند مدیریت گلخانه را مستقل تر کند.
هوش مصنوعی گامی فراتر از اتوماسیون مبتنی بر قوانین است
یک راه خوب برای فکر کردن در مورد هوش مصنوعی این است که گامی فراتر از اتوماسیون ساده مبتنی بر قوانین است. هوش مصنوعی مدرن تماماً در مورد استفاده از ریاضیات برای یافتن الگوها در داده ها است، از جمله نوعی که در سیستم های زیست محیطی و بیولوژیکی گلخانه ها یافت می شود. مثلا:
- با داده های آب و هوایی کافی، پرورش دهندگان می توانند از هوش مصنوعی برای تعیین نقاط تنظیم بهینه و پیش بینی آب و هوا استفاده کنند.
- با داده های کافی بازده محصول، پرورش دهندگان می توانند از هوش مصنوعی برای تولید پیش بینی عملکرد استفاده کنند.
- با داده های تصویری کافی، پرورش دهندگان می توانند از هوش مصنوعی برای تشخیص آفات و بیماری ها استفاده کنند.
برخی از انواع هوش مصنوعی حتی می توانند از داده های جدید بیاموزند و در طول زمان نتایج بهتری را ارائه دهند.
با توانایی ارائه بینش عمیق تر در عملیات روزانه گلخانه، هوش مصنوعی می تواند برای حمایت از تصمیم گیری متخصص و توانمندسازی پرورش دهندگان به روشی معنادار استفاده شود. به هر حال، بهترین نتایج حاصل از ترکیب متفکرانه هوش انسانی و هوش مصنوعی است.
رویکرد مبتنی بر دادههای هوش مصنوعی همچنین میتواند با رویکرد مبتنی بر قوانین کلاسیک ترکیب شود، که امکان اتوماسیون گلخانهای بسیار بالاتر از همیشه را فراهم میکند. به طور خلاصه، پرورش دهندگان می توانند از هوش مصنوعی برای خودکارسازی بسیاری از وظایف عملیاتی استفاده کنند که به رفع مشکلات مزمن کارگری که صنعت را به چالش می کشد کمک می کند.
داده ها سوخت هوش مصنوعی هستند
همانطور که هوش مصنوعی در مورد الگوریتم های ریاضی است، به داده ها نیز مربوط می شود. برخلاف تصور رایج، برخی از رایج ترین الگوریتم های مورد استفاده در هوش مصنوعی ده ها سال است که وجود دارند. آنها حتی خیلی پیچیده نیستند. اما برای طولانی ترین زمان، در دسترس بودن داده ها - همراه با توان محاسباتی مقرون به صرفه مورد نیاز برای پردازش داده ها - عوامل محدود کننده بوده اند.
برای باز کردن پتانسیل هوش مصنوعی نیاز به توسعه اخیر در سخت افزار کامپیوتر بود. انقلاب گوشیهای هوشمند که توسط اپل در سال 2007 آغاز شد، اکوسیستمهای تولیدی و زنجیرههای تامین کاملاً جدیدی را در مقیاس جهانی ایجاد کرد. این امر اقتصاد اساسی سخت افزار کامپیوتر را به ظاهر یک شبه تغییر داد. اجزای سخت افزاری کلیدی مانند ریزپردازنده ها، رادیوها و حسگرها به طور تصاعدی ارزان تر، کوچکتر و قدرتمندتر شدند. چکه داده های خام به سیل تبدیل شد. فراوانی جدید داده و قدرت محاسباتی به تبدیل هوش مصنوعی از یک کنجکاوی تحقیقاتی با کاربردهای تجاری کم به یک تغییر دریایی تکنولوژیک کمک کرد.
IoT داده های فراوانی را به ارمغان می آورد
در اوایل دهه 1980، دانشجویان فارغ التحصیل دانشگاه کارنگی ملون در پیتزبورگ از اینکه به سمت یک ماشین فروش کوکاکولا رفتند و فقط آن را خالی پیدا کردند، اذیت شدند. آنها آن را تغییر دادند تا بتواند موجودی خود را از طریق اینترنت گزارش کند. با انجام این کار، آنها اولین دستگاه متصل به اینترنت در جهان را اختراع کردند.
امروزه، میلیاردها دستگاه، بزرگ و کوچک، از لوازم الکترونیکی مصرفی گرفته تا ماشینهای صنعتی، به اولین دستگاه نوشابه برای اتصال به اینترنت ملحق شدهاند و چیزی را به نام اینترنت اشیا (IoT) تشکیل دادهاند. آنچه مهم است این است که برخلاف نسلهای قبلی سختافزار - از جمله بسیاری از راهحلهای رایج اتوماسیون گلخانهای - دستگاههای IoT از همان فرمتهای داده و پروتکلهای ارتباطی استفاده میکنند که در جاهای دیگر اینترنت استفاده میشود. با تکیه بر استانداردهای جهانی اینترنت، تبادل داده با دستگاه های اینترنت اشیا بدون نیاز به سخت افزار اضافی برای پل زدن از یک نوع سیستم به سیستم دیگر آسان تر است.
هوش مصنوعی و اینترنت اشیا با هم فناوریهای مکمل یکدیگر هستند. سختافزار اینترنت اشیا به تولیدکنندگان کمک میکند تا دادههای خام گلخانهها را راحتتر جمعآوری کنند. و نرم افزار هوش مصنوعی به پرورش دهندگان کمک می کند تا این داده ها را برای بهبود تولید محصول درک کنند - و بر اساس آن عمل کنند.
مطالعه موردی: موفقیت کنت تران در چالش گلخانه ای خودمختار
دکتر تران: در سال 2018، من یک محقق هوش مصنوعی در تحقیقات مایکروسافت در نزدیکی سیاتل بودم و روی نوع جدیدی از هوش مصنوعی به نام یادگیری تقویتی کار می کردم. در آنجا تلاش جدیدی را برای اعمال تحقیقات خود در حوزه کشاورزی محیط کنترل شده آغاز کردم. با پروژه موسوم به Sonoma، ما با دانشمندان گیاهی در مرکز تحقیقات هارو در انتاریو، کانادا همکاری کردیم و در نهایت در اولین چالش بینالمللی گلخانهای خودمختار که توسط دانشگاه و تحقیقات Wageningen در هلند برگزار شد، شرکت کردیم.
در این چالش، هر تیم در یک محفظه گلخانه ای به مساحت 315 فوت مربع به مدت حدود چهار ماه خیار پرورش داد. این محفظه ها مجهز به کامپیوترهای فرآیندی استاندارد، سنسورهای آب و هوا و محرک ها بودند. با استفاده از رابطهای دیجیتال IoT (REST API)، برنامههای هوش مصنوعی ما میتوانند بهطور مداوم دادهها را از حسگرها بخوانند، نقاط تنظیم بهینه را تعیین کنند، و نقاط تنظیم را به رایانههای پردازشی - در سراسر اینترنت (به شکل زیر مراجعه کنید) ارسال کنند. جزئیات بیشتر در مورد چالش و نتایج آن را می توان در مقاله ای یافت همینگ و همکاران (2019).
علیرغم عدم تجربه ما در پرورش خیار و نمونه اولیه اولیه ما، راه حل رشد مستقل ما توانست در رقابت پیروز شود. ما حتی از تیم رتبه دوم، تیم مرجع متشکل از تولیدکنندگان متخصص هلندی، با 6 درصد عملکرد بالاتر، بهتر عمل کردیم. این حاشیه بازدهی معادل 17 درصد افزایش در سود عملیاتی بود.
آیا تیم مرجع ضعیف عمل کرد؟ اصلا. به گفته بسیاری از کارشناسان، آنها عملکرد قابل توجهی داشتند. عملکرد آنها تقریبا 50 کیلوگرم در متر بود2 در بازه زمانی چهار ماهه که معادل تقریباً 150 کیلوگرم بر متر است2 در سال. این برای یک گلخانه در هر نقطه از کره زمین بازده بالا در نظر گرفته می شود.
در نتیجه چالش گلخانهای خودمختار، کویدرا را در سال 2020 تأسیس کردم تا مستقیماً بر روی آموختههای خود ایجاد کرده و به پیشرفتهای پیشرفته در هوش مصنوعی و اینترنت اشیا برای کشاورزی و سایر برنامههای کاربردی کنترل صنعتی بپردازم.
پرسیدن سوالات درست در مورد هوش مصنوعی و اینترنت اشیا
امروزه تعداد بیشتری از تولیدکنندگان گلخانه ای مایل و آماده به کارگیری هوش مصنوعی و اینترنت اشیا هستند. چالش اصلی این است که محصولات موجود در بازار را درک کنیم و بتوانیم از تمام صحبت های بازاریابی عبور کنیم. بسیاری از شرکت ها مشتاقانه ادعا می کنند که یک الگوریتم هوش مصنوعی یا دستگاه IoT دارند که برای گلخانه ها کار می کند.
در اینجا برخی از ملاحظات کلیدی وجود دارد که هنگام ارزیابی نرم افزار هوش مصنوعی و سخت افزار اینترنت اشیا باید در نظر داشته باشید:
- عملکرد: پرورش دهندگان باید بتوانند مزایای عینی و واقعی را ببینند. بپرسید: آیا هوش مصنوعی در تولید تجاری برای بهبود بازده و بهره وری منابع اثبات شده است؟ تحت چه شرایطی؟ سوابق این شرکت در توسعه نرم افزارهای هوش مصنوعی و اینترنت اشیا چیست؟
- طراحی هوش مصنوعی: موثرترین راه حل های هوش مصنوعی بهترین هوش انسانی را با بهترین هوش مصنوعی برای تصمیم گیری ترکیب می کند. بپرسید: مدل هوش مصنوعی چگونه از مجموعه دانش موجود استفاده می کند؟ چگونه تضمین می کند که عملکرد در طول زمان با داده های بیشتر بهبود می یابد؟
- طراحی نرم افزار: کشاورزان باید کنترل عملیات گلخانه را حفظ کنند. بپرسید: چه اصول طراحی نرم افزاری برای اطمینان از ایمنی محصول استفاده می شود؟ آیا می توانم همیشه بین حالت های دستی، توصیه و خلبان خودکار به راحتی جابجا شوم؟
- مالکیت داده: پرورش دهندگان باید مالک داده های خود باشند و از "قفل کردن فروشنده" اجتناب کنند. بپرسید: آیا می توانم به راحتی داده ها را از سیستم های دیگر وارد کنم؟ آیا می توانم از داده های خود نسخه پشتیبان تهیه و صادر کنم؟ آیا API هایی وجود دارند که امکان دسترسی به داده های زنده و ادغام های سفارشی را فراهم می کنند؟ آیا می توانم در حال حاضر و در آینده از نرم افزار و سخت افزار فروشندگان مختلف استفاده کنم؟
هوش مصنوعی و اینترنت اشیا می توانند پرورش دهندگان را توانمند کنند
در دنیایی که در آن منابع حیاتی - آب و انرژی، همچنین زمان، پول و نیروی کار ماهر - کمیابتر میشوند، منطقی است که فناوریهای جدید را برای کاهش این بار کاوش کنیم. همانطور که از چالش گلخانهای خودمختار آموختیم، کشاورزان واقعاً میتوانند با استفاده از نرمافزار هوش مصنوعی و سختافزار اینترنت اشیا به بازدهی بیشتر و بهرهوری بیشتر در استفاده از منابع دست یابند. علاوه بر این، این فناوری ها با سرعتی سریع به توسعه و پیشرفت ادامه می دهند.
در نهایت، هوش مصنوعی و اینترنت اشیا میتوانند واقعاً به تولیدکنندگان گلخانهای قدرت دهند - تصمیمگیری بهتر، انجام کارهای بیشتر با کمتر - برای رشد پایدارتر غذای جهان.