Senthold Asseng、Frank Asche作者science robotics来源微胖编译

未来的农业没有农民

本文取自最新一期Science RoboticsFuture farms without farmers 一文。文章认为,未来农场的所有组成部分已经存在。随着时间的推移,所有这些组成部分的技术会进步,更加低廉的价格又会导致技术应用的进一步扩大。目前所面临的挑战是如何将这些现有技术和软件结合起来,进而充分利用生产力和环境方面的潜力。未来的农民可能是数据科学家、程序员和机器牧马人。而机器人、人工智能革命将使世界以更可持续的方式生产更多的粮食。

随着气候变迁导致耕地、淡水日益减少,如何摆脱这一限制让粮食生产能够养得起不断增长的地球人口,成为需要我们进行彻底反思的难题。人们已经对自动化机械习以为常,比如,开着拖拉机和联合收割机在田间工作。

如今,技术进步已经可以让机器人和无人机顺利完成精细化田间任务,并同时收集大量数据。卫星传输回来的各种数据的密度和分辨率也正在不断提高。有了低成本的微传感器技术,这些数据可以被转发到远程控制站,在那里,系统可以收集和分析特定食品生产系统生成的大数据

例如,在某一特定领域,可以从作物冠层的不同层次、土壤表面和底土,整理出时间分辨率为秒、空间分辨率为2厘米的数据。这些数据可以链接到现有的系统、仿真模型或机器学习算法,建立模型,优化食品生产和资源使用。我们可以根据需求、天气和季节预报、市场前景和消费者需求,来计算作物、牲畜、鱼类饲料(或肥料)和杀虫剂用量。由于所有组件都会连接到互联网,我们还可以在网页上获得按需提供的、低成本的关于营养管理故障诊断、杂草、疾病和害虫的识别和治疗的建议。

将新技术通过物联网接入农场,比如用于广亩或者园艺生产系统,会是什么样子?这里有一个图示。(图1)这些组件和连接可以适用于任何其他粮食生产系统,只要因地制宜地做一些变化。

比如,将用于水产养殖的自主微型船和微型潜艇,替换掉机器人和无人机;使用无线传感器连接牲畜;或者,利用其中任何一种技术生产培养肉。

图1:未来的物联网农业

密集粮食生产中,最大的开销之一就是劳动力。

尽管集约化生产具有明显的成本效益,但是,使用重型机械来降低劳动力成本已经造成土壤压实,根系生长减少,导致土壤肥力降低,最终产量下降。

而且,在处理常见的小规模的土地异质性问题方面,大型机械也不太灵活。虽然速率变换技术取得了进展,但是,肥料和其他化学品往往在不同的生长条件下均匀施用,造成了水资源的过度使用和不必要的污染。

例如,导致数千条鱼死亡的墨西哥湾死区和水藻大量繁殖,就是由每年从农田冲入密西西比河的化肥造成。

如果用自主轻型机器人和无人驾驶飞机代替重型机械,就能克服土壤压实问题,减少养分流失,使粮食生产更具可持续性。时间和空间高分辨率监测,可以及早发现营养不足和疾病,或者预测害虫暴发。机器人和无人驾驶飞机可以立即处理这些事件,并在问题规模化之前,将事态控制在受影响区域范围内。这样,我们就能在仅需要时,使用肥料和其他化学品,避免过量使用以及由此产生的负外部性。我们也可以在不使用化学药品的情况下,通过机器人或无人机进行加热或机械处理,小规模处理杂草、疾病和害虫等问题。

当前农业的特点通常是大规模单一种植作物、牲畜或水产养殖,生物多样性很少。

无论是大农场还是小农场,都能在新技术的帮助下,通过小规模种植各种作物,进而引入生物多样性,因为机器人不仅将取代劳动力,还将取代大型机械。所以,新技术创造了一个千载难逢的好机会:

土地使用多样化、将作物、园艺、牲畜、渔业和其他粮食系统结合起来,并在这些系统之间分担任务和优化营养流动,农场就有可能崇焕生机。而且,增加生物多样性,将减少通常与大规模单一栽培或家畜群有关的疾病和病虫害压力,进一步减少对有害环境化学品的依赖。

消费者和政府对粮食可追溯性的要求越来越多。

不断监测和收集来自田间固定传感器或家畜、卫星、无人机和机器人上的传感器的时间和空间信息,使得粮食跟踪从农场到餐桌成为可能。与政策制定者进行信息交换,也有利于打造全球早期预警系统,防止或减轻农业灾害造成极端天气的影响。比如,2010 年的粮食骚乱可以一直追溯到俄罗斯热浪导致的食品价格飙升。

那么,在未来图景中,农民在哪里?

未来的农场将不再需要农民每天观察农场的进程、决策和操作机器,因为卫星和静止和移动的传感器将收集大数据,机器人和无人机将自动进行田间工作。

农场的工作将通过远程工作站进行控制。这些监测站可以设在世界任何地方,当然,一开始还是需要当地农民的专业知识来建立计算机程序,处理和解释从农场收到的有关天气和市场前景的信息,并决定是否进行干预。

未来农场的所有组成部分已经存在,包括作物管理决策软件,例如农业技术转让决策支持系统。这些技术可能会得到进一步的改进,也会逐渐变得更加便宜,进一步加大技术的普及。

研究和技术发展的挑战是,如何将这些现有技术和软件结合起来,以充分利用生产力和环境方面的潜力。未来的农民可能是数据科学家、程序员和机器人牧马人。

产业无人机农业机器人智慧农业
2
相关数据
机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

数据科学技术

数据科学,又称资料科学,是一门利用数据学习知识的学科,其目标是通过从数据中提取出有价值的部分来生产数据产品。它结合了诸多领域中的理论和技术,包括应用数学、统计、模式识别、机器学习、数据可视化、数据仓库以及高性能计算。数据科学通过运用各种相关的数据来帮助非专业人士理解问题。

大数据技术技术

大数据,又称为巨量资料,指的是传统数据处理应用软件不足以处理它们的大或复杂的数据集的术语。

无人机技术

无人机(Uncrewed vehicle、Unmanned vehicle、Drone)或称无人载具是一种无搭载人员的载具。通常使用遥控、导引或自动驾驶来控制。可在科学研究、军事、休闲娱乐用途上使用。

推荐文章
未来的农民可能是数据科学家、程序猿和机器牧马人。而机器人、人工智能革命将使世界以更可持续的方式生产更多的粮食。
都让机器办了,人还干嘛