真正智能的機(jī)器人以及機(jī)器學(xué)習(xí)算法，或許會(huì)帶來一場(chǎng)綠色革命
人類給自己出了個(gè)難題。到2050年，人口或許將逼近100億，但是，地球還是那么大，也就是說，相同的土地面積要養(yǎng)活更多的人。再加上全球變暖、隨之而來的淡水缺乏等等諸多狀況，人類還能不能養(yǎng)活自己？這是個(gè)大問題。
或許是天意，機(jī)器來到了人類身邊。真正智能的機(jī)器人以及機(jī)器學(xué)習(xí)算法，或許會(huì)帶來一場(chǎng)綠色革命，讓人們?cè)谶@個(gè)日益有限的星球上養(yǎng)活自己。想象一下，可以自動(dòng)探測(cè)干旱圖樣的衛(wèi)星，識(shí)別并殺死感染疾病的植物的拖拉機(jī)，和告訴農(nóng)民哪種疾病感染作物的人工智能手機(jī)應(yīng)用……
忘了稻草人吧。農(nóng)業(yè)的未來掌握在機(jī)器的手中。
數(shù)字農(nóng)業(yè)專家
深度學(xué)習(xí)是一種功能強(qiáng)大的計(jì)算方法，程序員并不需要清楚告知計(jì)算機(jī)做什么，只需訓(xùn)練它識(shí)別特定模式。你可以給計(jì)算機(jī)輸入病變以及健康農(nóng)作物葉子的圖片，然后如是標(biāo)簽。算法會(huì)通過這些數(shù)據(jù)，掌握病變以及健康農(nóng)作物葉子的樣子，自己決定新葉子是否健康。
這正是生物學(xué)家David Hughes和流行病學(xué)家Marcel Salathé對(duì)14種感染不同疾病的農(nóng)作物所做的。他們給一臺(tái)計(jì)算機(jī)輸入了50,000多張圖片，通過自我學(xué)習(xí)，程序可以識(shí)別新輸入的照片情況，準(zhǔn)確率達(dá)99.35%。
這些仍然是人為處理過的圖片，這些圖片亮度和背景都是統(tǒng)一的。因此對(duì)于計(jì)算機(jī)來說，這不是很難。但是如果從互聯(lián)網(wǎng)上隨便摘取一張病變植物照片，識(shí)別的正確率就降到了30%到40%。
結(jié)果也不是太糟糕。不過，Hughes和Salathé希望用這款人工智能系統(tǒng)驅(qū)動(dòng)他們的應(yīng)用PlantVillage。目前，這款應(yīng)用允許全世界的農(nóng)民上傳自己作物的照片到一個(gè)論壇，請(qǐng)專家診斷。為了讓人工智能更聰明，他們會(huì)繼續(xù)給系統(tǒng)輸入染病作物的圖片。Salathé說：“輸入照片越來越多，來源各異。這些照片是如何拍攝，時(shí)間、地點(diǎn)信息又是如何等等。算法可以自行吸收學(xué)習(xí)。”
目標(biāo)不僅僅是排除染病植物，找出病因也很重要。“大部分影響植物生長(zhǎng)的疾病都源自生理上的壓力，比如鈣鎂元素不足、太多鹽，或溫度太高等等。人們經(jīng)常誤認(rèn)為是細(xì)菌或真菌感染。”Hughes 說道。錯(cuò)誤的診斷會(huì)浪費(fèi)農(nóng)民的時(shí)間和金錢。將來，人工智能可以幫助農(nóng)民迅速、準(zhǔn)確地找到病因。
找到病因后，人類會(huì)奪回控制權(quán)——雖然應(yīng)用也許可以找到問題，但是只有人類專家才能找到一套適合于時(shí)間、土地與氣候的解決方案。聯(lián)合國(guó)糧食與農(nóng)業(yè)組織認(rèn)為，對(duì)作物管理而言，這種技術(shù)是一個(gè)有效工具，但是專家才有資格板上釘釘。該組織的一位植物病理學(xué)家Fazil Dusunceli說道，這樣的電子設(shè)備會(huì)很受歡迎，但是“最終的農(nóng)害管理，應(yīng)該與當(dāng)?shù)貙＜覀円黄饹Q定。”
拖拉機(jī)訓(xùn)練者
發(fā)展中國(guó)家急需農(nóng)業(yè)知識(shí)，而發(fā)達(dá)國(guó)家卻被殺蟲劑和農(nóng)藥淹沒了。在美國(guó)，農(nóng)民每年要用掉3.1億磅除草劑——這還僅僅是在玉米，大豆和棉花田上。并且是“噴灑出去并祈禱農(nóng)藥起作用”的作業(yè)方式。與其說是狙擊蟲害，不如說是地毯式轟炸。
一家叫做Blue River Technology的公司，或許已經(jīng)想到了解決方案，至少對(duì)于生菜而言。它的LettuceBot（生菜機(jī)器人）看起來很像拖拉機(jī)，但實(shí)際上它是一個(gè)支持機(jī)器學(xué)習(xí)的機(jī)器。
Blue River 宣稱，LettuceBot可以一分鐘拍攝5,000張幼小的植物的照片，利用算法和機(jī)器視覺去識(shí)別每株植物是生菜還是雜草，速度快到你難以想象。“這仍在機(jī)器視覺和機(jī)器學(xué)習(xí)的計(jì)算能力范圍內(nèi)。”深度學(xué)習(xí)設(shè)備Enlitic的創(chuàng)始人Jeremy Howard說，一個(gè)圖像芯片只需0.02秒，就可以識(shí)別出一張圖片。
應(yīng)用的精確度可達(dá)四分之一英寸，機(jī)器人可以在運(yùn)行中精確定位每株雜草并噴灑農(nóng)業(yè)。如果看見了一株生菜，判定它長(zhǎng)得不健康，也會(huì)噴灑農(nóng)藥犧牲掉多余的。如果兩株芽長(zhǎng)得過近，機(jī)器也可以加以區(qū)分分別噴灑，而不是誤認(rèn)為一大株植物。