In このGLASEの記事、私たちは話します AI、その可能性 管理された環境農業、および園芸に AI を導入するための原則。 

制御された環境の作物の生産に人工知能を使用すると、作物をより迅速かつ効率的に栽培できる可能性があります。

ほとんどの人は、人工知能または AI という用語に精通しています。 ケン・トランコイドラLLCの創設者は、人工知能は非常に大まかに定義された用語であると述べました。

「AI とは、非常に広義には、コンピューターがタスクを実行できるあらゆるものを指します」とトラン氏は言います。 「古典的な AI は、常に学習して改善する能力を持たないプログラムである可能性があります。 たとえば、コンピュータでチェスをプレイするためのプログラムを作成できます。 コンピューターは単独でチェスをプレイできますが、プログラマーによって課された特定のロジックに従います。 このタイプの AI は、データを使用しても時間が経っても改善されません。」

XNUMX 番目のタイプの AI は、追加データを使用して時間をかけて学習し、改善する責任を負います。
「このタイプの AI は継続的に改善できるため、非常に有望です」とトラン氏は言います。 「このタイプの AI を使用すると、コンピューターはデータの使用方法を自律的に学習できます。」

トラン氏は、両方のタイプの AI が有用であり、お互いを強化すると述べました。

「XNUMX 番目のタイプは AI の第 XNUMX 段階と考えられています」と彼は言いました。 「学習可能な AI は、エキスパート システム タイプの AI の次の段階です。 どちらのタイプの AI も、制御された環境の農業に主要な応用できる可能性があります。」

AIを組み込んだ温室効果チャレンジ
トラン氏は、オランダのヴァーヘニンゲン大学とリサーチが主催した第 XNUMX 回国際自律型温室チャレンジで優勝した AI と園芸の専門家チームの主任研究者兼リーダーでした。 トランは、プロジェクト ソノマ チームの主任研究エンジニアでした。 このチャレンジに参加した当時、Tran 氏は Microsoft Research の従業員であり、主に機械学習に重点を置いていました。

温室チャレンジは 2018 年 XNUMX 月から XNUMX 月まで実施され、XNUMX つのチームが大学の独自の温室区画でキュウリを栽培しました。 この課題の目的は、AI と温室データを組み合わせて、温室への投入量を最小限に抑えながら作物の生産量を最大化することでした。

「コンテストでのソノマチームの成功は、園芸研究者との協力の賜物です」とトラン氏は語った。 「彼らの参加と彼らが提供した専門分野の知識がなければ、私たちはこの成功を収めることはできなかったでしょう。」

研究チームは、カナダ農業・農業食品のシウミン・ハオ博士、オンタリオ州農業・食糧・農村省のシャリン・コースラ博士、オハイオ州立大学のチエリ・コボタ博士などの研究者と協力した。

「コンテスト用にキュウリを栽培するまで、私たちはキュウリを栽培していませんでしたが、それでも勝つことができました」とトランさんは語った。 「コンテスト中、私たちのチームは、以前にキュウリを栽培していたオランダの専門栽培者チームを上回りました。 私たちのチームは、55平方メートルあたり17キロ以上のキュウリを生産することができました。 また、キュウリの純利益はオランダの生産者よりも XNUMX パーセント高かった。」

CEA にとっての潜在的な利点
トラン氏はマイクロソフトに勤務していた間、強化学習に取り組みました。 同氏は、強化学習を簡単に定義すると、制御アプリケーションで使用されるデータ駆動型の手法であると説明しました。 報酬または罰のデータに基づいて最適なアクションを見つける方法を学習します。

「私たちは、強化学習の研究を動機付ける優れたアプリケーションを見つけたいと考えていました」と彼は言いました。 「2017 年、私は純粋なアプリケーション、つまり大きな影響力を持ち、強化学習にも使用できるアプリケーションを探していました。 私は屋内垂直農場から始めました。これは、外部からの影響がほとんどなく、よく制御された環境であるため、優れた用途です。 テスト環境は小さな成長チャンバーのような単純なもので済むため、簡単に始めることができます。

「適合するいくつかの種類のアプリケーションには、強化学習を使用して制御問題を解決することが含まれます。 現実世界の問題を解決したいと考えていましたが、現実世界に強化学習を適用するのは非常に困難です。 だからこそ私は、適切に制御され、小さな栽培室から大きな栽培室までさまざまな規模に対応できるアプリケーションを探していました。」

トラン氏は、垂直農場が世界中の持続可能な食料生産の問題を解決するのに役立つ可能性があると考えました。 彼は、米国、日本、中国を含む世界中の CEA 研究者や専門家と話をしました。 トランが連絡を取った機関の XNUMX つがワーヘニンゲン大学でした。

「私たちが大学を訪問したとき、大学がこの温室効果への挑戦をどのように組織するのかについて学びました」とトラン氏は語った。 「私たちは彼らと協力の機会を模索することについて話し合いました。 この競争プラットフォームを使用すると、理論や可能性について話すだけでなく、実際に何かを行うことで足を動かすことができます。」

生産者からさらに多くのデータを収集する
トラン氏は、コンピューターがデータの使い方を自律的に学習するためには、生産者からのより多くのデータが必要だと述べた。

「私たちは、優れた生産者がどのように作物を生産するかを理解しようとしています」と彼は言いました。 「これは単一の生産者ではなく、複数の生産者です。 私たちは植物科学を研究し、作物を育てるための確実な方法を考え出すよう努めています。 その式自体は進化しません。 固定式です。 変化する条件に反応しており、これらの条件下でこれを試行することを示しています。

「これは私たちの研究の最初のステップであり、非常に成功しました。 複数の専門栽培者からの知識を集約することができたので、すでに他の多くの栽培者よりも優れたパフォーマンスを発揮しました。 私たちは、より多くのデータを使用して時間をかけて学習し、改善できる AI の開発を目指しています。 私たちは XNUMX つのシステムに留まりたくありません。」

トラン氏は、垂直農場の管理は温室の管理よりも簡単だと語った。

「しかし、どちらのシナリオでも、私たちの現在のテクノロジーはすでに使用可能です」と彼は言いました。 「このテクノロジーはさらなる影響をもたらすために進化し続けます。 このテクノロジーは、植物科学、機械学習、AI 全般についてすでにわかっていることを利用することで、両方のアプリケーションで使用できます。 新しい技術が登場するまで待たなければならないとか、研究の準備が整っていないので待たなければならないというようなものではありません。 私たちは今日すでにこのテクノロジーを活用できており、それを複数のシナリオで実証してきました。」

トラン氏は、さまざまな作物に適応できる商用 AI プログラムに取り組んでいます。
「このプロセスは、どの CEA 作物でもプログラムを開発する場合と同様になるでしょう」と彼は言いました。 「データには温室の内外の環境データが含まれます。 このデータは、光レベル、温度、相対湿度、栄養素レベル、水質、二酸化炭素レベルなど、温室内に設置された複数のセンサーから自動的に生成されます。

「すべての作物について、ベースラインを設定するには、生産者と話し合って現在の生育状況を確認する必要があります。 作物データは、作物に応じて毎日および/または毎週、生産者によって手動で提供されます。 このプログラムは、より多くのデータが入ってくるにつれてベースラインから進化していきます。私たちは、このプログラムがあらゆる作物に対して安全であることを望んでいます。」

園芸に AI を導入するための原則
トラン氏は、生産者や園芸業界がAIを導入するには、安全第一の原則に従わなければならないと述べた。 これらには次のものが含まれます。

• AI システムは、生産者が行うであろうことから危険な逸脱をすることなく、生産者が望むのと同じ方法で成長を開始する必要があります。 この成長は継続的に改善されるでしょう。
• 生産者は、手動モード、推奨モード、および副操縦モードを簡単に切り替えることができます。 温室オペレーターは常に制御下にあり、いつでも AI 制御モードを終了することを選択できます。 推奨モードでは、AI システムはレビューのためにオペレーターに推奨事項を送信するだけであり、設定値は依然としてオペレーターによって手動で入力されます。
• システムは、簡単かつ継続的な監視をサポートする必要があります。