5月27日消息，美国《连线》杂志日前撰文指出，随着机器学习等人工智能技术的发展，其将在作物培育、防治病虫害以及农业资源分配方面发挥显著作用，对未来农业发展带来深远影响。现将原文编译如下：

一直以来，人类如何养活自己就是一个棘手的问题。进入智人时代以来，人口数量不断膨胀，2050年世界人口总数或将接近100亿。这意味着同样的土地必须养活更多的人口。加之全球变暖以及水资源短缺对农业带来的影响，势必对人类养活自己造成不小的麻烦。

或许可以说是人类进化的偶然，但也是时代发展的必然，机器技术无可避免地来到我们面前。真正智能化的机器人技术以及机器学习算法为人类社会带来了新的农业革命，我们可以称之为新的“绿色革命”（Green Revolution），技术的发展有助于帮人类养活自己。太空中的卫星可以帮助探测气候是否会出现干旱；田间的拖拉机可以观察种植物并剔除不良作物；而基于人工智能的智能手机应用可以实时告诉农业人员什么疾病正在对农作物产生影响。

忘记田间的那些稻草人吧。农业的未来掌握在机器手中。

数字化培育技术

深度学习是计算机行业的创新方式。通过深度学习，程序员不用再明确告诉计算机需要做什么，而是训练机器识别特定的模式。目前深度学习技术已经应用于园艺技能（Green Thumb）。你可以在计算机中输入患病作物叶子以及健康作物叶子的相关照片，通过深度学习算法计算机可以识别出现实中哪些作物是健康的。

通过深度学习算法，生物学家戴维·休斯（David Hughes）和作物流行病学家马塞尔·萨拉斯（Marcel Salathé）可以检测出14种作物的26种疾病。他们将关于植物叶子的5万多张照片导入计算机，并运行相应的深度学习算法。最终程序正确识别作物疾病的准确率高达99.35%。

但是实现这一切的基础，是要在明亮的光线条件及合乎标准的背景下拍摄出植物的照片。若在互联网上随机选取植物叶子照片，其识别准确率将降至30%至40%。

休斯和萨拉斯希望将这种人工智能算法应用于他们开发的手机应用PlantVillage。目前该手机应用可以让世界各地的农民上传患病作物照片，并有农业专家对此做出相应的诊断。休斯和萨拉斯将通过导入更多的患病作物照片，使这种人工智能算法更为聪明可靠。萨拉斯表示，“我们从多个来源获取了关于作物的大量图片，其中也包含了照片是如何拍摄的、拍摄地点、年份等大量信息。这些照片能够有效提升算法的精确度。”

算法的应用不仅仅是对植物病虫害的深度挖掘，对作物影响的因素还有很多。休斯指出，“大部分妨碍作物生长的因素都是生理性的，譬如土壤养分中缺钙元素或镁元素，亦或是钠含量过多或环境温度过高。农民却往往认为是细菌或真菌导致的作物疾病。”对作物的误诊会导致农民滥用农药和除草剂，对时间和金钱都是一种浪费。而在未来，人工智能可以帮助农民快速准确查明问题所在。

一个手机应用便可帮助农民确定问题，而专家也可根据环境给出相应的解决方法。理想情况下，未来人类可以完全控制农作物的生长。联合国粮食和农业计划署认为这种技术对于作物管理来说是“有用的工具”，但这种情况下农业专家做出的论断过于形而上。联合国粮农组织植物病理学家法兹尔·杜桑瑟理(Fazil Dusunceli)指出，“这种电子诊断方法是好的，但‘最终的决策应当是与实地调查相结合’。”

拖拉机升级版

目前，发展中国家农业知识匮乏，而发达国家却存在滥用杀虫剂以及除草剂的情况。据统计，美国农民每年使用除草剂应对玉米、大豆和棉花种植就要花费3.1亿英镑。这完全是一种粗放式的防治手段。

而农业机器人公司Blue River Technology则针对生菜种植提出了一种新的解决方式。其开发的农业机器人LettuceBot外观与田间的拖拉机没有什么两样，但却是一个智能化的机器人。

公司称LettuceBot可在田间运行，通过携带的照相设备每分钟扫描月5000株幼苗，利用机器学习以及计算机视觉技术识别出作物幼苗和杂草。深度学习算法公司Enlitic创始人杰里米·霍华德（Jeremy Howard）指出，“这是关于机器学习和计算机视觉技术的最佳应用。”他补充称开发的图形处理芯片目前识别一幅图像仅需要0.02秒。

Blue River Technology开发的LettuceBot机器人对杂草和作物幼苗的定位精度能够达到四分之一英寸。如果机器确定当前植株是杂草或长势不好的作物，就会利用农药喷雾杀死植物；如果机器判断两棵幼苗的种植间距过小，就会拔掉一棵。

这种方法为农业带来了显著改变，大幅减少了除草剂的使用。公司商务副总裁本·考斯特纳（Ben Chostner）表示，“此前的方法就像是旧金山市的少部分人感染了病菌，你唯一的方法就是让城市中的每一个人都使用抗生素。这种方法虽然可以治愈疾病，但却开销巨大。”而相比之下，使用LettuceBot则可以帮助农民减少90%的化学药剂使用。目前，LettuceBot服务的生菜种植面积占到美国生菜种植的10%左右。

LettuceBot功能之所以强大，是因为它将机器学习技术与机器固有的操作精确优势相结合。机器人或许不能够像人类一样在田间劳作，但是作物管理方面却有着不可比拟的精度优势。

穹顶之上

在距地面600英里的太空轨道种，美国航空航天局的遥感卫星可以精确探测到地球表面的大范围光谱。虽然这些数据无法被人们直接利用，但通过机器学习算法，能够为农业提供帮助。

特别是在发展中国家，当政府和银行向农民发放贷款或是提供紧急援助时，往往面临相关数据匮乏的问题，很难做出正确的决策，把每一份援助送给真正需要的人。譬如在印度发生了干旱，不同地区的受灾状况不同，但或许有些地区的农民会有更好的办法获得水源。

目前一个名为Harvesting的初创企业正在通过机器学习技术分析卫星数据，以帮助政府和民间机构更好地分配援助资源。Harvesting首席执行官什特·加格(Ruchit Garg)指出，“我们希望通过这种技术，筛选出那些真正需要帮助的农民和村庄，让银行和政府的援助资金都能够物尽其用。分析人员一次可以处理10个或15个信息变量，但机器学习算法却可以一次性处理2000个信息变量，这将大幅提高工作效率。”

在全旗变暖加剧，气候变化捉摸不定的大环境下，如何分配农业资源是各国政府普遍面临的迫切问题。在印度，以往种植业相对来说可以预测，人们能够按照自己的经验来克服环境带来的变化。加格称，“我怎样种植，怎样去适应季节，以往这些经验都可以从我的父亲、我的祖父那里得知。但现在，由于气候的剧烈变化，父辈的经验不再适应了。”

这是一个新的环境，新的秩序，新的世界。你可以继续采用传统方法从事农业生产，也可以选择以更明智的方式，使用大数据、人工智能和机器人。

或许人工智能就像之前农业种植中一直被人们所忽视的西红柿一样，但其终将在农业上广泛发展