2018 में, पांच टीमों ने ग्राउंड-ब्रेकिंग ऑटोनॉमस ग्रीनहाउस चैलेंज में खीरे उगाए अंतर्राष्ट्रीय प्रतियोगिता। ट्विस्ट: केवल एक टीम में अनुभवी मानव उत्पादकों का समावेश होता है जो अपने ग्रीनहाउस डिब्बे को मैन्युअल रूप से संचालित करते हैं। शेष चार टीमों में बागवानी और कृत्रिम बुद्धिमत्ता (एआई) के क्षेत्र में अंतर्राष्ट्रीय विशेषज्ञ शामिल थे। उन्होंने दूर से और स्वायत्त रूप से अपनी फसलों के प्रबंधन के लिए एआई समाधान विकसित करने के लिए काम किया। प्रतियोगिता का लक्ष्य, दुनिया का पहला स्वायत्त ग्रीनहाउस चैलेंज था, जो स्थायी खाद्य उत्पादन में सफलताओं को चलाएगा।
चार गहन महीनों के बाद, मैनुअल उत्पादकों दूसरे स्थान पर आए। इस लेख के लेखकों में से एक के नेतृत्व में पहली जगह वाली टीम ने एक स्वायत्त बढ़ते समाधान के साथ जीत हासिल की, जिसने न केवल 6% अधिक पैदावार और 17% अधिक शुद्ध लाभ प्राप्त किया, बल्कि कम सीओ का भी इस्तेमाल किया।2, हीटिंग, और पानी के इनपुट।
प्रतियोगिता के बारे में और जानने के लिए और समझें कि एक AI समाधान कैसे प्रतिस्पर्धा कर सकता है - और यहां तक कि बेहतर प्रदर्शन करने वाले - कुशल मानव उत्पादकों की एक टीम, आइए AI पर करीब से नज़र डालें और यह ग्रीनहाउस स्वचालन से कैसे संबंधित है।
ग्रीनहाउस स्वचालन कुछ भी नया नहीं है
दशकों से, उत्पादकों ने ग्रीनहाउस जलवायु और सिंचाई का प्रबंधन करने के लिए प्रक्रिया कंप्यूटर, सेंसर और एक्ट्यूएटर्स का उपयोग किया है। ऐसे परिदृश्य में, प्रक्रिया कंप्यूटर का कार्य सरल है, सरल तार्किक नियमों पर निर्भर है। यदि हवा का तापमान 75 ° F से अधिक है, तो उदाहरण के लिए, वेंट खोलें। तापमान को पढ़ने और रोशनी और हीटर बंद करने के थकाऊ श्रम को मशीनों को सौंप दिया जाता है।
बेशक, नियम-आधारित स्वचालन अप्रत्याशित परिस्थितियों से नहीं निपट सकता। अधिक महत्वपूर्ण रूप से, एक कुशल मानव को फसल प्रबंधन के सभी निर्णय लेने की जरूरत है, जो पर्यावरणीय मापदंडों के सटीक निर्धारण के लिए नीचे है। मज़बूती से उच्च पैदावार प्राप्त करने के लिए, ज्ञान और कौशल के एक पर्याप्त स्तर की आवश्यकता होती है, और तब भी, गलतियों को करना आसान होता है। इसके अलावा, जैसे-जैसे खेत बड़े होते हैं, फसलों की निरंतर निगरानी का काम और भी अधिक मांग वाला हो जाता है।
दुर्भाग्य से, उत्पादकों को यह अच्छी तरह से पता है कि उत्पादन में समस्याओं का सबसे बड़ा स्रोत श्रम है। साल दर साल, में ग्रीनहाउस उत्पादक शीर्ष 100 उत्पादक सर्वेक्षण, उत्पादकों ने न केवल श्रम की लागत के साथ बल्कि कुशल श्रम की उपलब्धता के साथ चुनौतियों की रिपोर्ट की। आश्चर्य नहीं कि उत्पादकों को इन चुनौतियों को दूर करने के तरीकों की तलाश है, जिसमें नई प्रौद्योगिकियां शामिल हैं जो ग्रीनहाउस प्रबंधन को अधिक स्वायत्त बना सकती हैं।
AI एक कदम परे नियम-आधारित स्वचालन है
कृत्रिम बुद्धिमत्ता के बारे में सोचने का एक अच्छा तरीका यह है कि यह सरल नियम-आधारित स्वचालन से परे एक कदम है। आधुनिक AI डेटा में पैटर्न खोजने के लिए गणित के उपयोग के बारे में है, जिसमें ग्रीनहाउस पर्यावरणीय और जैविक प्रणालियों में पाए जाने वाले प्रकार शामिल हैं। उदाहरण के लिए:
- पर्याप्त जलवायु डेटा के साथ, उत्पादक इष्टतम सेटपॉइंट निर्धारित करने और जलवायु पूर्वानुमान बनाने के लिए एआई का उपयोग कर सकते हैं।
- पर्याप्त फसल उपज डेटा के साथ, उत्पादकों उपज का पूर्वानुमान उत्पन्न करने के लिए एआई का उपयोग कर सकते हैं।
- पर्याप्त छवि डेटा के साथ, कृषक कीटों और बीमारियों का पता लगाने के लिए एआई का उपयोग कर सकते हैं।
कुछ प्रकार के AI भी नए डेटा से सीख सकते हैं, समय के साथ बेहतर परिणाम प्रदान करते हैं।
दिन-प्रतिदिन ग्रीनहाउस संचालन में गहरी अंतर्दृष्टि प्रदान करने में सक्षम होने से, एआई का उपयोग विशेषज्ञ निर्णय लेने और उत्पादकों को सार्थक तरीके से सशक्त बनाने के लिए किया जा सकता है। आखिरकार, सबसे अच्छे परिणाम मानव बुद्धि और कृत्रिम बुद्धि के विचारशील संयोजन से आते हैं।
एआई के डेटा-आधारित दृष्टिकोण को क्लासिक नियमों-आधारित दृष्टिकोण के साथ भी जोड़ा जा सकता है, जो पहले से कहीं अधिक ग्रीनहाउस स्वचालन के उच्च स्तर की अनुमति देता है। संक्षेप में, उद्योग को चुनौती देने वाले पुराने श्रम मुद्दों को दूर करने में मदद करने के लिए उत्पादकों ने कई रॉट परिचालन कार्यों को स्वचालित करने के लिए एआई का उपयोग किया जा सकता है।
डेटा एआई के लिए ईंधन है
एआई गणितीय एल्गोरिदम के बारे में जितना है, यह डेटा के बारे में भी है। आम धारणा के विपरीत, AI में उपयोग किए जाने वाले कुछ सबसे सामान्य एल्गोरिदम दशकों से आसपास हैं। वे बहुत जटिल भी नहीं हैं। लेकिन सबसे लंबे समय के लिए, डेटा की उपलब्धता के साथ-साथ डेटा को संसाधित करने के लिए आवश्यक सस्ती कम्प्यूटेशनल शक्ति - कारकों को सीमित कर रही है।
एआई की क्षमता को अनलॉक करने के लिए कंप्यूटर हार्डवेयर में हाल ही में विकास हुआ। 2007 में Apple द्वारा चलाई गई स्मार्टफोन क्रांति ने वैश्विक स्तर पर पूरी तरह से नए विनिर्माण पारिस्थितिकी तंत्र और आपूर्ति श्रृंखलाओं का निर्माण किया। इसने कंप्यूटर हार्डवेयर के मूलभूत अर्थशास्त्र को बदल दिया, यह रातों रात प्रतीत होता है। प्रमुख हार्डवेयर घटक, जैसे कि माइक्रोप्रोसेसर, रेडियो और सेंसर, तेजी से सस्ता, छोटा और अधिक शक्तिशाली हो गया। कच्चे आंकड़ों की चाल बाढ़ में बदल गई। डेटा और कम्प्यूटेशनल शक्ति की नई बहुतायत ने कुछ वाणिज्यिक अनुप्रयोगों के साथ AI को एक तकनीकी समुद्र परिवर्तन में अनुसंधान जिज्ञासा से बदलने में मदद की।
IoT डेटा की प्रचुरता लाता है
1980 के दशक की शुरुआत में, पिट्सबर्ग में कार्नेगी मेलन विश्वविद्यालय में स्नातक छात्र केवल कोका-कोला वेंडिंग मशीन को खाली करने के लिए ट्रेकिंग करने पर नाराज हो गए। उन्होंने इसे संशोधित किया ताकि यह इंटरनेट पर अपनी इन्वेंट्री की रिपोर्ट कर सके। ऐसा करने के लिए, उन्होंने दुनिया के पहले इंटरनेट से जुड़े उपकरण का आविष्कार किया।
आज, उपभोक्ता इलेक्ट्रॉनिक्स से औद्योगिक मशीनों तक, बड़े और छोटे, लाखों उपकरण, उस पहली सोडा मशीन में शामिल हो गए हैं जो इंटरनेट से जुड़ी हुई है, जो कि इंटरनेट ऑफ थिंग्स (IoT) के रूप में जानी जाती है। महत्वपूर्ण बात यह है कि हार्डवेयर की पिछली पीढ़ी के विपरीत - जिसमें कई सामान्य ग्रीनहाउस स्वचालन समाधान शामिल हैं - IoT डिवाइस एक ही प्रकार के डेटा प्रारूप और संचार प्रोटोकॉल का उपयोग करते हैं जैसा कि इंटरनेट पर कहीं और उपयोग किया जाता है। वैश्विक इंटरनेट मानकों पर भरोसा करके, एक प्रकार के सिस्टम से दूसरे प्रकार के पुल के लिए अतिरिक्त हार्डवेयर की आवश्यकता के बिना IoT उपकरणों के साथ डेटा का आदान-प्रदान करना आसान हो सकता है।
साथ में, AI और IoT पूरक प्रौद्योगिकियां हैं। IoT हार्डवेयर उत्पादकों को ग्रीनहाउस से कच्चे डेटा को अधिक आसानी से इकट्ठा करने में मदद करता है। और एआई सॉफ्टवेयर उत्पादकों को फसल उत्पादन में सुधार करने के लिए - और उस डेटा पर कार्य करने में मदद करता है।
केस स्टडी: स्वायत्त ग्रीनहाउस चैलेंज में केनेथ ट्रान की सफलता
डॉ। ट्रान: 2018 में, मैं सिएटल के पास माइक्रोसॉफ्ट रिसर्च में एक एआई शोधकर्ता था, जो नए प्रकार के एआई पर काम कर रहा था जिसे रीइंस्टॉल लर्निंग के रूप में जाना जाता है। वहां मैंने अपने शोध को नियंत्रित पर्यावरण कृषि के क्षेत्र में लागू करने के लिए एक नया प्रयास शुरू किया। तथाकथित सोनोमा परियोजना के साथ, हमने ओंटारियो, कनाडा में हैरो रिसर्च सेंटर में संयंत्र वैज्ञानिकों के साथ सहयोग किया और नीदरलैंड में वागेनिंगन यूनिवर्सिटी एंड रिसर्च द्वारा आयोजित पहले अंतरराष्ट्रीय स्वायत्त ग्रीनहाउस चैलेंज में प्रतिस्पर्धा समाप्त की।
इस चुनौती में, प्रत्येक टीम ने लगभग चार महीने की अवधि के लिए 315 वर्ग फुट के ग्रीनहाउस डिब्बे में खीरे उगाए। ये डिब्बे मानक प्रक्रिया कंप्यूटर, जलवायु सेंसर और एक्ट्यूएटर्स से लैस थे। IoT डिजिटल इंटरफेस (REST API) का उपयोग करते हुए, हमारे AI प्रोग्राम सेंसर से डेटा को लगातार पढ़ सकते हैं, इष्टतम सेटपॉइंट निर्धारित कर सकते हैं, और सेटपॉइंट्स को प्रक्रिया कंप्यूटर पर वापस भेज सकते हैं - पूरे इंटरनेट पर (नीचे आंकड़ा देखें)। चुनौती और इसके परिणामों के बारे में अधिक विवरण एक लेख में पाया जा सकता है हेमिंग एट अल। (2019).
बढ़ते खीरे और हमारे बहुत शुरुआती चरण के प्रोटोटाइप में अनुभव की कमी के बावजूद, हमारे स्वायत्त बढ़ते समाधान प्रतियोगिता जीतने में सक्षम थे। हमने 6% अधिक पैदावार के साथ, दूसरे स्थान पर रहने वाली टीम, विशेषज्ञ डच उत्पादकों से बनी संदर्भ टीम को भी पछाड़ दिया। उपज में यह मार्जिन परिचालन लाभ में 17% की वृद्धि के बराबर था।
क्या संदर्भ टीम ने खराब प्रदर्शन किया? हर्गिज नहीं। कई विशेषज्ञों के अनुसार, उन्होंने उल्लेखनीय प्रदर्शन किया। उनकी उपज लगभग 50 किग्रा / मी थी2 चार महीने की अवधि में, जो लगभग 150 किलोग्राम / मी के बराबर है2 प्रति वर्ष। यह ग्रह पर कहीं भी एक ग्रीनहाउस के लिए उच्च उपज माना जाता है।
स्वायत्त ग्रीनहाउस चैलेंज के परिणामस्वरूप, मैंने 2020 में कोदरा की स्थापना सीधे हमारी शिक्षाओं के निर्माण और कृषि और अन्य औद्योगिक नियंत्रण अनुप्रयोगों के लिए AI और IoT में अत्याधुनिक को आगे बढ़ाने के लिए की।
AI और IoT के बारे में सही प्रश्न पूछना
आज, अधिक ग्रीनहाउस उत्पादक एआई और आईओटी को अपनाने के लिए तैयार और तैयार हैं। मुख्य चुनौती बाजार पर उत्पादों की समझ बना रही है और सभी विपणन बोल के माध्यम से उतारा जा रहा है। बहुत सी कंपनियां उत्सुकता से दावा करती हैं कि उनके पास AI एल्गोरिथ्म या IoT डिवाइस है जो ग्रीनहाउस के लिए काम करेगा।
एआई सॉफ्टवेयर और IoT हार्डवेयर का मूल्यांकन करते समय ध्यान रखने योग्य कुछ प्रमुख बातें इस प्रकार हैं:
- प्रदर्शन: उत्पादकों को ठोस, वास्तविक दुनिया के लाभ देखने में सक्षम होना चाहिए। पूछें: क्या पैदावार और संसाधन दक्षता में सुधार करने के लिए AI वाणिज्यिक उत्पादन में साबित हुआ है? किन शर्तों के तहत? AI और IoT सॉफ्टवेयर विकसित करने में कंपनी का ट्रैक रिकॉर्ड क्या है?
- ऐ डिजाइन: सबसे प्रभावी एआई समाधान निर्णय लेने के लिए कृत्रिम बुद्धिमत्ता के साथ मानव बुद्धि का सबसे अच्छा संयोजन करते हैं। पूछें: AI मॉडल ज्ञान के मौजूदा शरीर का लाभ कैसे उठाता है? यह कैसे सुनिश्चित करता है कि अधिक डेटा के साथ समय के साथ प्रदर्शन में सुधार होगा?
- सॉफ्टवेर डिज़ाइन: उत्पादकों को ग्रीनहाउस संचालन के नियंत्रण में रहना चाहिए। पूछें: फसल सुरक्षा सुनिश्चित करने के लिए कौन से सॉफ़्टवेयर डिज़ाइन सिद्धांतों का उपयोग किया जाता है? क्या मैं हर समय मैनुअल, सिफारिश और ऑटोपायलट मोड के बीच आसानी से स्विच कर सकता हूं?
- डेटा स्वामित्व: उत्पादकों को अपने डेटा का मालिक होना चाहिए और "विक्रेता लॉक-इन" से बचना चाहिए। पूछें: क्या मैं आसानी से अन्य प्रणालियों से डेटा आयात कर सकता हूं? क्या मैं अपने डेटा का बैकअप ले सकता / सकती हूं? क्या ऐसे API हैं जो लाइव डेटा एक्सेस और कस्टम इंटीग्रेशन के लिए अनुमति देते हैं? क्या मैं अब और भविष्य में विभिन्न विक्रेताओं से सॉफ्टवेयर और हार्डवेयर का उपयोग कर सकता हूं?
एआई और आईओटी ग्रो इम्पावर ग्रोअर्स कर सकते हैं
ऐसी दुनिया में जिसमें महत्वपूर्ण संसाधन - पानी और ऊर्जा, साथ ही समय, पैसा और कुशल श्रम - अधिक दुर्लभ होते जा रहे हैं, यह उस बोझ को कम करने के लिए नई तकनीकों का पता लगाने का एक अर्थ है। जैसा कि हमने स्वायत्त ग्रीनहाउस चैलेंज से सीखा, उत्पादकों वास्तव में एआई सॉफ्टवेयर और आईओटी हार्डवेयर के उपयोग से अधिक पैदावार और उच्च संसाधन उपयोग क्षमता प्राप्त कर सकते हैं। क्या अधिक है, इन तकनीकों को तेजी से विकसित और उन्नत किया जाना जारी है।
अंततः, AI और IoT वास्तव में ग्रीनहाउस उत्पादकों को सशक्त बना सकते हैं - बेहतर निर्णय लेने के लिए, कम करने के लिए और अधिक करने के लिए - दुनिया के भोजन को और अधिक मजबूती से विकसित करने के लिए।