一场非洲猪瘟，引发了我国猪肉价格大涨，不少网民戏谑称「走，一起回家养猪」。 今时不同往日，养猪也用上了AI，只是在疫情和动荡面前，AI能为猪扛住多少风险？
撰文 | 寓扬
今年中秋，我回家乡看望爸妈，不经意间听到我妈吐槽一句，「现在猪肉价格涨的都快让人吃不起了」。
一向不问柴米油盐的我好奇地询问一番后发现，我家所在的四线小城，猪肉价格已经从前两年的 8/9 元一斤，涨到现在的 22/23 元一斤，涨幅接近 3 倍！而近两年小城的 GDP 增速不过 7% 左右。
而导致猪肉大涨的原因正是时下风头正紧的非洲猪瘟。自 2018 年 8 月我国确诊首例非洲猪瘟疫情以来，全国已扑杀百万余头生猪，猪肉的价格随之猛涨。
身为科技工作者的我就在思考，在对抗猪瘟疫情的过程中，能不能发挥 AI 的作用，来预测或者监控疫情，让猪肉的价格尽快恢复，让我妈可以安心放心的购买猪肉？
1 一场猪瘟引发的价格风波
非洲猪瘟是一种急性、传染性很高的病毒，可在生猪之间快速传播，一经发作，死亡率高达 100%。
并且它的传播途径众多，来源可能发生在机场、口岸、边境等，可以通过饲料、饮水、猪的排泄物、餐厨剩余物等传播，堪称养猪业头号烈性传染病。
为了防止非洲猪瘟的蔓延，目前我国采取的策略是，一经发现，立即对感染群的所有生猪进行扑杀。这意味着如果一个大型养猪场发现一头感染了非洲猪瘟的病猪，整个养猪场都会被扑杀。
也正因为如此，自 2018 年 8 月我国确诊首例非洲猪瘟疫情以来，目前全国已经扑杀百万余头生猪。
另一方面，我国是猪肉消费大国。有数据显示，2018 年全球的猪肉产量预计为 1.13 亿吨，而我国猪肉消费约为 5500 万吨，占全球猪肉生产近一半，其中近 98% 的猪肉为自产。这导致一旦自产猪肉规模下降，价格随之上涨。
据商务部数据显示，今年 6 月初猪肉批发价为每公斤 21.59 元，上周（9 月 9 日至 15 日）猪肉批发价已经涨到每公斤 36.54 元，短短 3 个月涨幅近 70%。
这一现状导致不少网友纷纷吐槽，「猪肉价格疯涨」，「快要吃不起猪肉了」。也有网友戏谑称，回家养猪，发家致富。
针对于此，近日国务院办公厅也发布了《关于稳定生猪生产促进转型升级的意见》，加强宏观调控，明确稳定生猪生产，增强猪肉供应保障能力。
2 AI 疫情监控派上用场
回到我们讨论的核心问题，AI 到底能否在对抗非洲猪瘟上有所作为？毕竟 AI 在（人口）流感预测上已不新鲜。
谷歌在 2008 年就推出一款基于大数据的流感趋势预测（尽管受到不少质疑），国内也有一些公司基于 AI 模型来做预测，比如阿里 AI 在澳门的流感预测，机器之心此前采访过的深演智能为药企做的流感预测。
这类流感预测的关键是历史数据和机器学习。比如基于过去 10 年的流感数据、搜索数据、气温数据等，通过机器学习进行流感特征的学习，就可以构建一个预测模型。比如温度的连续变化就是流感发生一个非常重要的指标。基于当下的相关数据（比如搜索数据）就可以用模型对未来一段时间的流感进行预测。
但是，在非洲猪瘟的疫情预测上，这次 AI 无能为力了！
阿里云一位内部人员称，「核心原因是没有疫情数据，AI 的基础是数据，而疫情的爆发具有极大的偶然性，这次非洲猪瘟既没有历史数据，现在的数据也很匮乏。」
他还补充道，人口的分布是相对均匀的，可以用统计学来统计。但与此不同，猪的分布是以养猪场为单位，往往一个养猪场有几万或几十万头猪，而每个养猪场相隔较远，呈现宏观分散微观聚集的特征，人口的统计方法也并不适用。
疫情预测虽然没办法，但 AI 也并非全无用处，至少第一时间发现疫情还是可以的。
他告诉机器之心，非洲猪瘟的典型特征是，生猪体温异常（发热）、心跳加快、呼吸困难，伴有咳嗽等。可以通过摄像头、传感器采集此类信息，结合非洲猪瘟的表现模型，就可以判断一头猪多大概率病变。
但 AI 即使第一时间发现了病变猪，价值也非常有限。因为当下的政策是，一经发现感染非洲猪瘟，即使只有一头猪，为了安全起见，也会扑杀周边的所有猪，AI 的作用自然比较尴尬。
3 「猪脸识别」识别啥？
非洲猪瘟给我国带来如此大影响背后，也反应出我国养殖业疫病防控体系相对薄弱，监测系统不完善，让生猪产业的短板和问题进一步暴露。加强现代养殖体系建设，科学养猪已刻不容缓。那么 AI 又能够做些什么？
AI 养猪是一个颇为有趣的话题，此前阿里与京东均开展过一些实践，比如阿里云用 AI 促进母猪产仔，京东数科用 AI 降低生猪的出栏时间。但 AI 究竟在养猪中扮演怎样的角色？
阿里云一位内部人士称，在养猪上，AI 代替不了人类，更多还是辅助人工养猪。
「AI 做的事情是把猪场数据化、智能化。首先是数据化，之前的数据都需要人工定期巡检、登记记录，比如吃了多少饲料、母猪有没有发情、有没有生病等，再誊写到电脑上，比较耗时耗力。我们通过（天花板上的）吊轨安装上摄像头、各种传感器，可以替代人工去搜集，实现猪场的数据化。」
「下一步就是智能化，算法工程师基于数据开发模型，比如监测配种有没有完成。」
以阿里云与四川德康集团合作开展的「AI 养猪」为例，对养猪场而言，产仔数量是猪场效益的核心指标。阿里云便与养猪场的技术专家合作研发出一套判断母猪是否受孕的解决方案，通过摄像头及时判断母猪是否发情，及时配种，以及判断母猪是否受孕，要不要重复配种等，这些 AI 都可以发挥作用。
此外，通过摄像头与传感器还可以进行生猪健康状况的监测，及时预警。比如有呼吸道疾病的猪会伴有轻微的咳嗽，生病后猪的眼睛会有变化，这些都可以用 AI 识别，及时救治。
据阿里云称，AI 可以让母猪每年多产 3 头小猪仔，并且猪仔死淘率降低 3% 左右。
至于更吸引眼球的「猪脸识别」，一位业内人士称，其噱头意义更大于实际意义。猪脸识别要想做到很高的准确度，只有在很小的养猪场才可能实现，但在规模化的养猪场则很难，一方面大量同卵异生、同卵同生的情况使猪脸识别的准确度没有那么高，另一方面养猪场环境较为复杂，比如自然环境下栏杆、猪群的遮挡。此外，从猪群中识别一头猪，意味着更多的算力，也意味着更多的成本。
如果把猪脸作为ID来使用，一旦识别错误，就意味着该ID对应的数据统计错误，如此扩展下去，养猪数据系统很可能就崩溃了。
在 AI 落地场景的过程中，更需要脚踏实地，真正将 AI 拆开了、揉碎了，形成真正可落地的解决方案，才能为产业带来变革。否则 AI 只会是过眼云烟，眼球效应过去后，市场终不买账。
