En 2018, cinco equipos cultivaron pepinos nun innovador reto de invernadoiro autónomo competencia internacional. O xiro: só un dos equipos consistía en cultivadores humanos experimentados que operaban o seu compartimento de invernadoiro manualmente. Os catro equipos restantes estaban formados por expertos internacionais nos campos da horticultura e da intelixencia artificial (IA). Traballaron para desenvolver solucións de IA para xestionar os seus cultivos de forma remota e autónoma. O obxectivo da competición, o primeiro Desafío Autónomo de Invernadoiro do mundo, era impulsar avances na produción sostible de alimentos.
Despois de catro intensos meses, os cultivadores manuais ocuparon o segundo lugar. O equipo en primeiro lugar, liderado por un dos autores deste artigo, gañou cunha solución de crecemento autónomo que non só acadou un 6% maiores rendementos e un 17% máis de beneficio neto, senón que tamén empregou menos CO2, calefacción e entradas de auga.
Para saber máis sobre a competencia e comprender como unha solución de IA pode competir (e incluso superar) a un equipo de produtores humanos cualificados, vexamos máis de cerca a IA e a súa relación coa automatización de invernadoiros.
A automatización de efecto invernadoiro non é nada novo
Durante décadas, os produtores empregaron computadoras de proceso, sensores e actuadores para xestionar o clima de invernadoiro e a irrigación. En tal escenario, o traballo do ordenador do proceso é sinxelo, dependendo de regras lóxicas sinxelas. Se a temperatura do aire é superior a 75 ° F, abra a ventilación, por exemplo. O traballo tedioso de ler as temperaturas e acender e apagar luces e quentadores está delegado nas máquinas.
Por suposto, a automatización baseada en regras non pode facer fronte a circunstancias imprevistas. Máis fundamentalmente, un humano cualificado necesita tomar todas as decisións de xestión dos cultivos, ata os puntos de referencia exactos para os parámetros ambientais. Para acadar rendementos elevados de forma fiable, é necesario un nivel substancial de coñecemento e habilidade e, aínda así, é fácil cometer erros. Ademais, a medida que as granxas medran, o traballo de control continuo das colleitas faise aínda máis esixente.
Por desgraza, os produtores saben moi ben que a man de obra é a maior fonte de problemas na produción. Ano tras ano, en Invernadoiro Enquisas dos 100 mellores produtores, os produtores informan de desafíos non só co custo da man de obra, senón tamén coa dispoñibilidade de man de obra cualificada. Non en balde, os produtores buscan cada vez máis xeitos de afrontar estes retos, incluídas as novas tecnoloxías que poidan facer a xestión do invernadoiro máis autónoma.
A IA é un paso máis alá da automatización baseada en regras
Un bo xeito de pensar sobre a intelixencia artificial é que é un paso máis alá da simple automatización baseada en regras. A IA moderna trata sobre o uso das matemáticas para atopar patróns nos datos, incluído o que se atopa nos sistemas biolóxicos e ambientais de invernadoiro. Por exemplo:
- Con suficientes datos climáticos, os produtores poden usar a IA para determinar os puntos de referencia óptimos e facer predicións climáticas.
- Con suficientes datos sobre o rendemento dos cultivos, os produtores poden usar a IA para xerar previsións de rendemento.
- Con suficientes datos de imaxe, os produtores poden usar a IA para detectar pragas e enfermidades.
Algúns tipos de IA poden incluso aprender con novos datos, obtendo resultados incrementalmente mellores co paso do tempo.
Ao ser capaz de proporcionar información máis profunda nas operacións cotiás de invernadoiro, a IA pode usarse para apoiar a toma de decisións expertas e empoderar aos produtores dun xeito significativo. Ao final, os mellores resultados veñen dunha combinación reflexiva de intelixencia humana e intelixencia artificial.
O enfoque baseado en datos da IA tamén se pode combinar co enfoque clásico baseado en regras, permitindo un grao de automatización de invernadoiro moito maior que nunca. En resumo, os produtores poden usar a IA para automatizar moitas tarefas operativas rotativas, axudando a aliviar os problemas crónicos de traballo que desafían á industria.
Os datos son o combustible para a IA
Tanto como a IA se trata de algoritmos matemáticos, tamén se trata de datos. Contrariamente á crenza popular, algúns dos algoritmos máis comúns empregados en IA existen desde hai décadas. Nin sequera son terriblemente complicados. Pero durante moito tempo, a dispoñibilidade de datos, xunto coa potencia computacional accesible necesaria para procesar os datos, foron factores limitantes.
Foi necesario un desenvolvemento recente no hardware do ordenador para desbloquear o potencial da IA. A revolución dos teléfonos intelixentes, provocada por Apple en 2007, creou ecosistemas de fabricación e cadeas de subministración totalmente novas a escala mundial. Isto cambiou a economía fundamental do hardware da computadora, aparentemente dun día para outro. Os compoñentes clave do hardware, como microprocesadores, radios e sensores, volvéronse exponencialmente máis baratos, máis pequenos e máis potentes. Os regueiros de datos en bruto convertéronse en inundacións. A nova abundancia de datos e potencia computacional axudou a transformar a IA dunha curiosidade de investigación con poucas aplicacións comerciais nun cambio tecnolóxico.
IoT aporta unha abundancia de datos
A principios dos anos oitenta, os estudantes de posgrao da Universidade Carnegie Mellon de Pittsburgh molestáronse por camiñar cara a unha máquina expendedora de Coca-Cola só para atopala baleira. Modificárono para que puidese informar do seu inventario a través de Internet. Ao facelo, inventaron o primeiro dispositivo conectado a Internet do mundo.
Hoxe en día, miles de millóns de dispositivos, grandes e pequenos, desde electrónica de consumo ata máquinas industriais, uníronse a esa primeira máquina de refrescos ao estar conectada a Internet, formando o que se coñece como Internet das cousas (IoT). O significativo é que, a diferenza das xeracións anteriores de hardware, incluídas moitas solucións comúns de automatización de invernadoiro, os dispositivos IoT utilizan o mesmo tipo de formatos de datos e protocolos de comunicación que noutros sitios de Internet. Ao confiar en estándares globais de Internet, pode ser máis doado intercambiar datos con dispositivos IoT sen necesidade de hardware adicional para conectar dun tipo de sistema a outro.
Xuntos, AI e IoT son tecnoloxías complementarias. O hardware IoT axuda aos produtores a recoller máis facilmente datos brutos dos invernadoiros. E o software de IA axuda aos produtores a dar sentido a estes datos e actuar sobre eles para mellorar a produción de cultivos.
Estudo de casos: o éxito de Kenneth Tran no desafío autónomo do invernadoiro
Dr. Tran: En 2018, fun investigador de IA en Microsoft Research preto de Seattle, traballando nun novo tipo de IA coñecido como aprendizaxe de reforzo. Alí iniciei un novo esforzo para aplicar a nosa investigación ao dominio da agricultura con ambiente controlado. Co chamado proxecto Sonoma, colaboramos con científicos vexetais do Harrow Research Center en Ontario, Canadá, e acabamos competindo no primeiro reto autonómico de invernadoiro autónomo, organizado pola Wageningen University & Research nos Países Baixos.
Neste desafío, cada equipo cultivou pepinos nun compartimento de invernadoiro de 315 metros cadrados durante unha duración de aproximadamente catro meses. Estes compartimentos estaban equipados con ordenadores de proceso estándar, sensores climáticos e actuadores. Usando interfaces dixitais IoT (API REST), os nosos programas de IA poderían ler continuamente os datos dos sensores, determinar os valores de consigna óptimos e enviar os valores de consigna aos ordenadores do proceso a través de Internet (ver a figura a continuación). Podes atopar máis detalles sobre o desafío e os seus resultados nun artigo de Hemming et al. (2019).
A pesar da nosa falta de experiencia no cultivo de pepinos e do noso prototipo en fase inicial, a nosa solución de cultivo autónoma foi quen de gañar a competición. Incluso superamos ao segundo clasificado, o equipo de referencia composto por expertos produtores holandeses, cun 6% máis de rendemento. Esa marxe de rendemento equivalía a un aumento do 17% no beneficio operativo.
¿Rendía mal o equipo de referencia? De ningunha maneira. Funcionaron moi ben, segundo moitos expertos. O seu rendemento foi de case 50 kg / m2 nun lapso de catro meses, o que equivale a case 150 kg / m2 por ano. Isto considérase de alto rendemento para un invernadoiro en calquera parte do planeta.
Como resultado do Desafío Invernadoiro Autónomo, fundei Koidra en 2020 para basearme directamente nas nosas aprendizaxes e impulsar aínda máis o estado da arte en IA e IoT para a agricultura e outras aplicacións de control industrial.
Facendo as preguntas correctas sobre IA e IoT
Hoxe en día, máis produtores de invernadoiro están dispostos e preparados para adoptar IA e IoT. O principal desafío é darlle sentido aos produtos do mercado e ser capaz de atravesar todos os discursos de mercadotecnia. Moitas empresas afirman ansiosamente que teñen un algoritmo de IA ou un dispositivo IoT que funcionará para invernadoiros.
Aquí tes algunhas consideracións clave que debes ter en conta ao avaliar o software de IA e o hardware IoT:
- Desempeño: Os produtores deberían poder ver beneficios concretos do mundo real. Pregunta: demostrouse a IA na produción comercial para mellorar o rendemento e a eficiencia dos recursos? En que condicións? Cal é o historial da compañía no desenvolvemento de software de IA e IoT?
- Deseño de IA: As solucións de IA máis eficaces combinan o mellor da intelixencia humana co mellor da intelixencia artificial para tomar decisións. Pregunta: como o modelo de IA aproveita o corpo de coñecemento existente? Como garante que o rendemento mellore co paso do tempo con máis datos?
- Deseño de software: Os produtores deben manter o control das operacións de invernadoiro. Pregunta: Que principios de deseño de software se usan para garantir a seguridade dos cultivos? Podo cambiar facilmente entre os modos manual, recomendación e piloto automático en todo momento?
- Propiedade de datos: Os produtores deberían posuír os seus datos e evitar o "bloqueo do provedor". Pregunta: ¿Podo importar datos doutros sistemas facilmente? Podo facer unha copia de seguridade e exportar os meus propios datos? Hai API que permiten o acceso a datos en directo e integracións personalizadas? Podo usar software e hardware de diferentes provedores, agora e no futuro?
AI e IoT poden empoderar aos produtores
Nun mundo no que os recursos críticos (auga e enerxía, así como o tempo, o diñeiro e a man de obra cualificada) son cada vez máis escasos, ten sentido explorar novas tecnoloxías para aliviar esa carga. Como aprendemos do Desafío Autónomo de Invernadoiro, os produtores de feito poden acadar maiores rendementos e maior eficiencia no uso de recursos co uso de software de IA e hardware IoT. Ademais, estas tecnoloxías seguen desenvolvéndose e avanzando a un ritmo acelerado.
En definitiva, a IA e a IoT poden realmente capacitar aos produtores de efecto invernadoiro - para tomar mellores decisións, facer máis con menos - para cultivar os alimentos do mundo de forma máis sostible.