Dynamicznie postępujący rozwój sztucznej inteligencji i robotyzacji zagarnia coraz szersze kręgi. Wszystko wskazuje na to, że już wkrótce AI na stałe zawita również na naszych talerzach. Czy można odróżnić zboża uprawiane przez zespół robotów od tych uprawianych konwencjonalnie? Jakie zagrożenia może nieść za sobą wdrażanie najnowszych technologii w rolnictwie?

Obecnie przeżywamy boom na wszystko co związane z frazą AI. Każda firma, która chce być cool, musi w swoim portfolio zawierać jakieś feature’y związane ze sztuczną inteligencją, które już teraz ingerują w nasze życie. Przykłady? Proszę bardzo. Oglądałeś kotki na instagramie? No to koniecznie musisz zajrzeć na ten profil! Systemy rekomendacji zalewają nas z każdej strony, od marketingu, przez social media, a skończywszy na coachingu i życiu zawodowym. A może wybierasz się na wycieczkę i nie wiesz, którędy uciec z miasta? No to nawigacja poprowadzi Cię najlepszą w danym momencie trasą, a innych użytkowników pokieruje inną trasą, tak by zapewnić jak najlepszy rozkład obciążenia i drożność dróg. Kolejne zastosowania można mnożyć, a przy obecnych wydatkach na badania niemal codziennie dokonywane są przełomowe odkrycia. Czy zatem AI będzie w stanie rozwiązać jedną z największych bolączek ludzkości XXI wieku, gdzie przy takim stanie wiedzy, setki milionów ludzi na świecie dalej cierpi z powodu głodu? Sprawdźmy zatem jak wygląda sytuacja w branży rolnictwa.

Wyobraź sobie, że musisz śledzić, doskonalić i monitorować przynajmniej 40 podstawowych procesów jednocześnie na obszarze rolniczym o wielkości często mierzonej w setkach akrów. Poznanie wpływu pogody, sezonowego nasłonecznienia, migracji zwierząt, ptaków, owadów, stosowania specjalistycznych nawozów, insektycydów w zależności od rodzaju upraw, cykli sadzenia i nawadniania na plony to idealny problem dla uczenia maszynowego. Sukces finansowy cyklu uprawy nie był nigdy tak zależny od doskonałych danych. Dlatego rolnicy, spółdzielnie i firmy rolnicze skupiają się na podejściach opartych na danych i poszerzają zakres i skalę wykorzystania sztucznej inteligencji i uczenia maszynowego w celu poprawy wydajności i jakości upraw.

 

Zastosowania AI w rolnictwie

Poniżej przedstawiono kilka sposobów, w jakie sztuczna inteligencja może ulepszyć rolnictwo w następnych latach:

• Wykorzystując nadzór wideo i sztuczną inteligencję można wprowadzić system stałego monitorowania naszych upraw, które zabezpieczy je przed przypadkowymi wtargnięciami zwierząt hodowlanych / dzikich lub innymi intruzami, które mogłyby spowodować straty w uprawach. Choć system wydaje się dość odrealniony w polskich realiach, to w USA jest coraz bardziej powszechny; należy pamiętać o tym, że typowa farma amerykańska ciągnie się nawet dziesiątkami kilometrów, zatem rolnik nie jest w stanie sam kontrolować całego obszaru, a nadzór wideo ma mu w tym pomóc.
• Kontrolowanie parametrów upraw, takich jak wilgotność gleby, poziomu nawożenia i ilości składników odżywczych w ziemi; dane te zbierane są przy pomocy inteligentnych czujników, w połączeniu z nadzorem wideo infrared oraz skanowania terenu przy pomocy dronów. Dzięki temu, możemy przewidzieć gdzie i jak uzupełnić braki, by zmaksymalizować nasze plony.
• Dane zbierane przy pomocy tych czujników, w połączeniu z danymi meteo mogą służyć też do predykcji zbieranych plonów. Jest to bardzo ważna dziedzina, ponieważ rządy planują rokroczne zbiory, by widzieć, jak dużą część można przeznaczyć na eksport. Wczesne szacunki nt. zbiorów pozwalają przewidzieć takie działania, jak również wdrożyć ewentualne plany ratunkowe, które doraźnie zwiększą plony. Ma to ogromne znaczenie w skali świata, ponieważ jak przekonaliśmy się na przykładzie wojny na Ukrainie, od zbiorów pszenicy na tamtejszych polach, uzależniona była sytuacja żywnościowa w Afryce, a ewentualne zniszczenie zbiorów mogłoby wywołać ogromną klęskę głodu.
• Mapowanie plonów – obecnie mamy też możliwość lepszego zaplanowania układu pola,czyli gdzie posiać jaką roślinę, którą część pola zostawić na jeden sezon, na ugór, by zmaksymalizować zyski długofalowe i zapobiegać wyjałowieniu gleby.
• Optymalizowanie odpowiedniej mieszanki biodegradowalnych pestycydów i ograniczenie ich stosowania tylko do obszarów polowych wymagających zabiegu, w celu obniżenia kosztów przy jednoczesnym zwiększeniu plonów to jedno z najczęstszych zastosowań sztucznej inteligencji i uczenia maszynowego w dzisiejszym rolnictwie. Wykorzystując inteligentne czujniki w połączeniu ze strumieniami danych wizualnych z dronów, rolnicze aplikacje AI mogą teraz wykryć najbardziej zainfekowane obszary na obszarze sadzenia. Wykorzystując nadzorowane algorytmy uczenia maszynowego, mogą następnie zdefiniować optymalną mieszankę pestycydów, aby ograniczyć dalsze rozprzestrzenianie się szkodników i infekowanie zdrowych upraw.
• Prognozowanie cen upraw na podstawie wskaźników plonów, które pomagają przewidywać całkowitą wielkość produkcji, jest nieocenione przy określaniu strategii cenowych dla danej uprawy. Zrozumienie wskaźników plonów i poziomów jakości upraw pomaga firmom rolniczym, spółdzielniom i rolnikom lepiej negocjować najlepszą możliwą cenę za swoje zbiory. Uwzględnienie całkowitego popytu na daną uprawę w celu ustalenia, czy krzywa elastyczności cenowej dla danej uprawy jest nieelastyczna, jednolita czy wysoce elastyczna, określa, jaka będzie strategia cenowa. Znajomość tych danych pozwala firmom rolniczym zaoszczędzić miliony dolarów rocznie na utraconych dochodach.
• I wiele, wiele innych…

Choć AI potrafi dużo, to jednak samotnie nie jest w stanie rozwiązać problemów i bolączek rolnictwa. Nie zapominajmy, że rolnictwo to branża, która wymaga fizycznej pracy i jednak czasem trzeba się ubrudzić. Niewątpliwie ogromnym postępem było zastosowanie maszyn w procesach rolniczych, traktorów, kombajnów etc. Maszyny jednak muszą być kontrolowane przez człowieka, zatem teraz przyszła pora na autonomiczne roboty, które wykonają za nas 100% pracy. The future is now old man. Poniżej kilka przykładów typowych zastosowań robotów w rolnictwie:

• Nawożenie pól – wszyscy znamy ogromne raki o szerokości kilkunastu metrów, które rozrzucają nawóz na wszystkie strony; oczywiście takie działanie nie jest zbyt efektywne; marnuje się bardzo dużo nawozu i jednocześnie zatruwamy glebę ‘bardziej niż potrzeba’. Powstały zatem roboty, które przy pomocy manipulatorów w precyzyjny sposób umieszczają nawóz w okolicy konkretnej sadzonki. Takie roboty zasilane są przy pomocy energii słonecznej (mają własne panele fotowoltaiczne) i mogą swoją pracę wykonywać bez przerwy przez kilka dni.
• Roboty zbierające – rozwijana jest cała rodzina robotów, które potrafią autonomicznie zbierać plony, w sposób nieniszczący i jednocześnie wykonując przy tym proste operacje oczyszczające. Przykładowo w przypadku truskawek, jest to ściąganie szypułek i mycie; jednym z takich robotów jest Agrobot E-Series. Każdy konkretny rodzaj upraw wymaga rozwoju jednego szczególnego narzędzia; analogiczne roboty są wdrażane przy okazji uprawy cytrusów, kapusty, kukurydzy, itp.
  

  
• Drony – jak już wspomniano przy okazji sekcji AI, drony często służą do monitorowania naszych upraw i dostarczają informacji na temat aktualnego stanu pola. Przy okazji tych robót, mogą wykonywać też inne zadanie, takie jak odstraszanie insektów i szkodników (przy pomocy infradźwięków – taki nowoczesny strach na wróble), jak również nawożenie wybranych pól, które wymagają szczególnej opieki.

Czy coś może stanąć na przeszkodzie?

Wyobraźmy sobie następujący scenariusz: jest rok 2050 (załóżmy, że przytoczone powyżej zastosowania zadomowiły się na dobre, a obraz ludzi pracujących na roli rzeczywiście stał się rzadkością). Większość pól w Polsce obsługiwane jest przez drony oraz większe pojazdy autonomiczne, zarządzane przez kilka wyspecjalizowanych firm. Drugiego dnia żniw pojawiają się jednak pierwsze pogłoski o cyberataku dokonanym przez rosyjskich hakerów – z powodu wykorzystania luki w jednym z systemów drony spryskują kłosy toksyczną substancją, a pojazdy autonomiczne tratują tysiące hektarów upraw. Skutki – znaczne zmniejszenie plonów oraz przewidywany zauważalny niedobór żywności.

Powyższy obraz przedstawia konsekwencje zrealizowania się jedynie części potencjalnych zagrożeń związanych z rozwojem stosowania AI w rolnictwie. Choć dalszy postęp technologiczny może przynieść wymierne korzyści oraz znacząco złagodzić problem globalnego niedożywienia, nieuchronnie niesie on za sobą również spore ryzyko.

Co dokładnie może nam grozić?

Systematycznego przeglądu tego typu niebezpieczeństw jako pierwsza podjęła się międzynarodowa grupa badaczy na łamach czasopisma Nature (Tzachor et al., 2022).

Autorzy identyfikują wiele możliwych zagrożeń, z czego większa część jest konsekwencją znacznego skupienia know-how oraz udziałów w rękach jedynie kilku podmiotów (państw lub firm). Po pierwsze, dotychczasowe osiągnięcia technologiczne zazwyczaj adaptowane były pierwotnie i głównie przez największych producentów. W przypadku powtórzenia się tego scenariusza dla nadchodzącej rewolucji w rolnictwie, może to oznaczać osiągnięcie znacznej przewagi względem mniejszych podmiotów, a tym samym monopolizację w krytycznym sektorze oraz dalsze wyniszczanie obszarów wiejskich. Opieranie wytwarzania żywności oraz istotnych surowców o jedynie kilka systemów, pociąga za sobą również zwiększoną skalę potencjalnych zniszczeń w przypadku ataków hakerskich. Co ciekawe, z tego typu problemami do pewnego stopnia mierzymy się już obecnie – w 2021 roku, JBS S.A., brazylijski producent mięsa, odpowiadający za około 1/5 produkcji mięsa na świecie padł atakiem cyberataku ransomware, następstwem czego amerykański oddział firmy zmuszony był zaprzestać pracy na cały dzień. Gdyby hakerzy nie odblokowali systemu po wpłaceniu 11 milionów dolarów, ceny żywności w USA mogłyby znacznie wzrosnąć. Więcej szczegółów można znaleźć w artykule agencji Reuters.

Innym obszarem, który wymaga ciągłej pracy, jest odpowiednia kalibracja algorytmów tak, aby zwiększenie produkcji nie było jedynym celem. Skutki tzw. wąskiej optymalizacji (ang. narrow optimization) można było zaobserwować już ramach poprzednich rewolucji technologicznych – ówcześnie nowe metody przyczyniły się do zwiększenia zanieczyszczenia oraz utraty bioróżnorodności (Quinton et al., 2010). Aby nie powtarzać błędów przeszłości, należy ukierunkować algorytmy tak, aby w swoich decyzjach uwzględniały również aspekty ekologiczne. Nie należy zapominać również o potencjalnych błędnych, katastrofalnych w skutkach decyzjach – ponownie, powinno mieć to wpływ na sposób konstruowania algorytmów, z naciskiem na intepretowalność oraz interaktywność.

Jak temu zapobiec?

Wydaje się, że rozwiązania, choć możliwe do implementacji na wielu płaszczyznach, powinny być obecnie wdrażane przede wszystkim na poziomie instytucjonalnym. W celu zapobiegnięcia dominacji największych producentów można m. in. prowadzić dalsze prognozy oraz edukować np. poprzez organizację hackathonów poświęconych zastosowaniem AI w rolnictwie. Z drugiej strony, dla zapewnienia odpowiedniej jakości samych systemów, cenne może być testowanie metod na mniejszą skalę w ramach instytucji łączących sektor publiczny oraz prywatny, ustanowienie standardów przez międzynarodowe organizacje oraz otwarcie laboratoriów na ekspertów z innych dziedzin.

Podsumowanie – szansa czy zagrożenie?

Wydaje się, że możliwości zastosowania AI i robotyzacji w rolnictwie są ogromne. Od dokładnego kontrolowania parametrów gleby do przewidywania plonów – nie ulega wątpliwości, że najnowsze technologie są w stanie zdecydowanie usprawnić proces uprawy płodów rolnych. Pomimo efektownych zastosowań oraz dużych nadziei, warto jednak zachować w pamięci doświadczenia z poprzednich skoków technologicznych i już teraz na wielu płaszczyznach przygotowywać odpowiedni grunt pod ziarno nadchodzących zmian.

Literatura

Columbus, L. (2021, February 17). 10 Ways AI Has The Potential To Improve Agriculture In 2021. Forbes. https://www.forbes.com/sites/louiscolumbus/2021/02/17/10-ways-ai-has-the-potential-to-improve-agriculture-in-2021

Donovan, A. (2018, November 13). 9 Robots That Are Invading The Agriculture Industry. Interesting Engineering. https://interestingengineering.com/science/9-robots-that-are-invading-the-agriculture-industry

Blakemore, E. (2022, February 28). AI and the future of our food. Washington Post. https://www.washingtonpost.com/health/2022/02/28/ai-food-disruption/

Tzachor, A., Devare, M., King, B., Avin, S., & Ó hÉigeartaigh, S. (2022). Responsible artificial intelligence in agriculture requires systemic understanding of risks and externalities. Nature Machine Intelligence, 4(2), 104-109.

Quinton, J. N., Govers, G., Van Oost, K., & Bardgett, R. D. (2010). The impact of agricultural soil erosion on biogeochemical cycling. Nature Geoscience, 3(5), 311-314.