号称让叙利亚难民「找回精神家园」,MIT机器学习「种菜」项目被证实造假

这是人工智能领域里又一起「造假」事件,当事人是著名的麻省理工学院(MIT)Media Lab,其严重性甚至让 IEEE Spectrum 对此进行了头条报道。

MIT Media Lab 的首席科学家 Caleb Harper 宣称已将作物成长的食物计算机(PFC)部署到了约旦的难民营中,他曾在 TED 演讲中宣扬了自己的计划,又与联合国粮食计划署合作,但 IEEE Spectrum 的调查显示,这件事从未成行过。

左:部署在约旦世界粮食计划办公室中的一台食物计算机。右:Caleb Harper2017 年在 DLD17 会议中讲话。

在 2017 年 3 月下旬的佐治亚州技术峰会上,MIT 媒体实验室的首席研究科学家 Caleb Harper 对观众说:「我们上周将计算机部署在了约旦安曼的叙利亚难民营中。」

他指的是在 Media Lab 开放农业计划(OpenAg)中开发的一款机器。这些机器已经交付给联合国世界粮食计划署的一个项目,内容主要是在距离叙利亚边界 90 公里的约旦沙漠中的阿兹拉格难民营地内种植农作物,为难民提供援助。

食物计算机,机器学习控制作物生长

OpenAg 于 2015 年启动,正如 OpenAg 计划这个名称所带有的含义,食物计算机(PFC)的硬件和软件是完全开源的,任何想进行室内农业试验的人都可以免费获得设备规格和代码。

号称可以实现农业奇迹的工具是这样构成的:一个密闭室,空间差不多相当于寝室冰箱的大小,装有 LED、传感器、泵、风扇、控制电子设备以及用于种植植物的水培托盘。可以对 PFC 进行编程,来控制室内的光照、湿度和其他参数,从而为栽种植物创造了理想的条件。

看起来确实是一个革命性意义的创意:一个便携式盒子,只需下载食谱并埋下种子,几乎可以种植任何植物。

表面上看,这个项目像是在用科技造福社会。在各地演讲中,Harper 热切宣扬 PFC 的愿景,甚至设想出了一套数字计算的扩展方式:PFC 可以在安装在教室和家庭厨房中,食物计算机的「服务器」会装在运输容器中,以供应餐厅等,而一个数据中心规模的农场将供给整个城市,等等。

「书呆子农民」(nerd farmer)——这是给 OpenAg 制造商社区成员的标签。他们搭建机器,然后测试其「食谱」控制的环境参数,例如营养成分、温度、二氧化碳和 pH 值,以及光色和强度。配方的目的是对所种植作物的现象进行特定的表达,这是生物体根据其基因和环境相互作用而表达的物理和生化特征。「书呆子农民」们会在 OpenAg 社区论坛和 Wiki 分享经验,甚至上传他们的食谱到 Github 存储库,允许其他人在自己的机器上复制该精确的植物现象。

不同于其他室内农业项目,「开源食物计算机」据称可以在任何地区建造,并在任何区域部署。来自世界各地的食物计算机数据将会汇聚到项目的机器学习算法中,不断提升决策水平帮助农作物生长。在 Harper 等人的一篇 PLoS One 论文《Flavor-cyber-agriculture: Optimization of plant metabolites in an open-source control environment through surrogate modeling》中我们可以大致了解他们使用的方法。

MIT 的项目旨在培育罗勒等作物,或在约旦沙漠环境中种植原属于叙利亚阿勒颇的辣椒。

2017 年 5 月,在约旦安曼世界粮食计划署办公室拍摄的两台食物计算机的照片。

如果按照规划来说,这个项目是「充满希望」且「对社会有益」的,不过据负责该项目的官员称,2017 年 9 月,世界粮食计划署项目正式结束,没有任何一台机器成功完成一个单一的生长周期。甚至,粮食计划署的个人食物计算机也没有部署在大概 35000 名叙利亚难民所居住的阿兹拉克营地。

MIT Media Lab 负责人伊藤襄一(Joichi Ito)9 月离职以后,OpenAg 计划受到了严格的审查,该项目就始于伊藤任职期间。

Harper 首次公开展示食物计算机是在 2015 年的 TED 演讲中,这次演讲的观看量已超过 180 万次。很快又有一些关于食物计算机的报告发布出来,同时,Harper 也利用这台机器帮自己的 OpenAg 衍生公司 Fenome 筹备启动资金。

视频链接:https://www.ted.com/talks/caleb_harper_this_computer_will_grow_your_food_in_the_future

理想很丰满,现实很骨感

项目于 2017 年 1 月底启动,Fenome 的一个团队前往约旦组装和安装食物计算机。当时该公司地址位于盐湖城,在盐湖城有 17 名员工,波士顿有 2 名员工,西雅图有 1 名员工。世界粮食计划署在约旦首都安曼的办公室放置了四台食物计算机,在距离 Azraq 难民营约一小时车程的 Al-Khalydeha 盐度研究中心的国家农业研究和推广中心(NCARE)设施中放置了六台食物计算机。

原计划是,计算机安装后将通过互联网和约旦的三名 NCARE 员工从犹他州对项目进行远程监控。测试的植物包括黄瓜、罗勒和莴苣,Fenome 的团队定期通过电话与约旦的同事沟通。

2014 年 11 月,Celeb Harper(左)与 Media Lab 运营与策略总监、Fenome 董事会成员 Barak Berkowitz。摄影:Joi Ito。

根据 Spectrum 的公司备案文件和 Fenome 内部文件显示,Harper 为他的公司筹集了 400 万美元资金。Harper 自己担任董事长一职,Media Lab 运营与策略总监 Barak Berkowitz 是董事会成员。其他董事包括两家风投公司的代表,值得注意的是,其中一家风投公司还是由 MIT Corporation 成员 Noubar Afeyan 创建的。

即使人力、物力、财力都进行了充分准备,这个计划在约旦进行的却并不顺利。NCARE 现场的条件十分恶劣,沙漠气候非常干燥,室内温度很高。电源经常出现故障,导致空调和食物计算机 LED 被关闭。因为空调的故障,实验室内部的温度有时竟然能达到 45°C(113°F)。

更恐怖的是,Wi-Fi 不给力。室内装了用来测量温度、湿度和 pH 值的摄像头和传感器,项目组必须通过 Wi-Fi 远程监视生长室内部的一些参数。食物计算机出现故障时,必须连上 Wi-Fi,远程团队才可以重新启动它。

据说,Fenome 团队在首次部署完一个月以后又回来了,因为要修机器以及完善一些功能,包括设置允许在本地重新启动计算机。算了一下,Fenome 团队为了设置食物计算机、培训当地团队,前前后后来了 NCARE 四次。最后一次来是 2017 年 5 月。

实验同时,远在美国的在 OpenAg Inc. 正式更名为 Fenome,Inc.。几周后,这家公司解雇了犹他州的 15 名员工(总共 17 个人),同年秋天公司搬离犹他州,迁至马萨诸塞州剑桥市 VC 合作伙伴 Flagship Pioneering 的办公室。

大概也是「人走茶凉」,约旦的项目慢慢变得无人问津。在这种情况下,作物种植实验很难继续,项目也在 2017 年 9 月就结束了。最终,并没有实现任何一个完整的生长周期。

「更重要的是,我们让叙利亚难民找回了精神家园」

2017 年 5 月,Harper 将他在佐治亚州技术峰会上的演讲,重新用在了 Red Hat 会议上。他再次谈到约旦的一个难民营如何使用食物计算机,还描述了难民的生活状况以及他们对这台机器是如何重视:「我们不会告诉他们种什么,他们可以种植自己想要的东西,那些他们再也无法得到的东西。」

他说,「食物计算机的价值是文化意义上的,而不仅仅是生产意义上的。」

那时,Harper 的公司正在裁员并且要搬家。不过公司的困境没有削弱他的表演热情。在裁员和搬家之余,他没有停下自己在全国各地巡回演讲的脚步,不久之后 Harper 又现身 EAT 斯德哥尔摩食品论坛重申自己的主张:除了种植出活命的食物,更重要的是让难民找到了精神家园。

只是现状有点令人难以信服。

像大多数创业项目一样,Harper 也很认真地向听众们讲述一个有关「情怀」的故事。从援助叙利亚难民开始,到探索未来农业的发展,以至于最后大家可以想象出一个「全球化的数字农场」——实现农业信息共享,连接全球的农场,让人们可以种植任意他们喜欢的食物。

就目前的情况来看,这样的设想还是显得有些天马行空。除了菌类植物和一些高价食材,用「机器学习」的方式去栽培农作物,并不能产生更多的价值,也代替不了粮食援助对于难民生活的改善作用。

参考连接:

  • https://spectrum.ieee.org/tech-talk/at-work/start-ups/mit-media-lab-scientist-used-syrian-refugees-to-tout-food-computers

  • https://news.ycombinator.com/item?id=21350091

产业MIT农业机器学习
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)

参数技术

在数学和统计学裡,参数(英语:parameter)是使用通用变量来建立函数和变量之间关系(当这种关系很难用方程来阐述时)的一个数量。

规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度,其目的是进行资源的优化。常见的规划方法包括经典规划(Classical Planning)、分层任务网络(HTN)和 logistics 规划。

暂无评论
暂无评论~