In bài viết GLASE này, chúng ta nói về AI, tiềm năng của nó nông nghiệp môi trường được kiểm soátvà các nguyên tắc áp dụng AI vào nghề làm vườn. 

Việc sử dụng trí tuệ nhân tạo trong sản xuất cây trồng trong môi trường được kiểm soát có tiềm năng giúp cây trồng phát triển nhanh hơn và hiệu quả hơn.

Hầu hết mọi người đều quen thuộc với thuật ngữ trí tuệ nhân tạo hoặc AI. Ken Trần, người sáng lập Koidra LLC, cho biết trí tuệ nhân tạo là một thuật ngữ được định nghĩa rất lỏng lẻo.

“AI có nghĩa rất rộng là bất cứ điều gì mà máy tính có thể làm để thực hiện một nhiệm vụ,” Trần nói. “AI cổ điển có thể là một chương trình không có khả năng học hỏi và cải tiến liên tục. Ví dụ, một chương trình có thể được viết cho máy tính để chơi cờ. Một máy tính có thể tự chơi cờ nhưng nó tuân theo một logic cụ thể do người lập trình áp đặt. Loại AI này không cải thiện theo thời gian với dữ liệu.”

Loại AI thứ hai có thể có trách nhiệm học hỏi và cải thiện theo thời gian với dữ liệu bổ sung.
“Loại AI này rất hứa hẹn vì nó có thể liên tục cải tiến”, Trần nói. “Với loại AI này, máy tính có thể tự động học cách sử dụng dữ liệu.”

Tran cho biết cả hai loại AI đều hữu ích và sẽ hỗ trợ lẫn nhau.

Ông nói: “Loại thứ hai được coi là giai đoạn thứ hai của AI. “AI có thể học được là giai đoạn tiếp theo của loại AI hệ thống chuyên gia. Cả hai loại AI đều có thể có những ứng dụng chính cho nông nghiệp môi trường được kiểm soát.”

Thử thách nhà kính kết hợp AI
Tran là nhà nghiên cứu chính và lãnh đạo của một nhóm gồm các chuyên gia về AI và làm vườn đã giành chiến thắng trong Thử thách nhà kính tự trị quốc tế đầu tiên do Đại học và Nghiên cứu Wageningen ở Hà Lan tổ chức. Trần là kỹ sư nghiên cứu chính của nhóm Dự án Sonoma. Vào thời điểm Trần tham gia thử thách, anh là nhân viên của Microsoft Research, nơi anh tập trung phần lớn vào học máy.

Thử thách nhà kính diễn ra từ tháng 2018 đến tháng XNUMX năm XNUMX, với năm đội trồng dưa chuột trong nhà kính của riêng họ tại trường đại học. Mục đích của thử thách là kết hợp AI với dữ liệu nhà kính để tối đa hóa sản lượng cây trồng đồng thời giảm thiểu đầu vào nhà kính.

Trần cho biết: “Thành công của đội Sonoma trong cuộc thi đến từ sự hợp tác của chúng tôi với các nhà nghiên cứu nghề làm vườn”. “Nếu không có sự tham gia của họ và kiến ​​thức về lĩnh vực mà họ cung cấp, chúng tôi đã không thể đạt được thành công này.”

Nhóm đã làm việc với các nhà nghiên cứu bao gồm Tiến sĩ Xiuming Hao tại Bộ Nông nghiệp và Thực phẩm Canada, Shalin Khosla tại Bộ Nông nghiệp, Thực phẩm và Nông thôn Ontario và Tiến sĩ Chieri Kobota tại Đại học Bang Ohio.

“Trước khi trồng dưa chuột để thi, chúng tôi không trồng dưa chuột nhưng vẫn giành chiến thắng”, anh Trần nói. “Trong cuộc thi, nhóm của chúng tôi đã vượt qua nhóm chuyên gia trồng dưa chuột người Hà Lan trước đây. Nhóm của chúng tôi đã có thể sản xuất hơn 55 kg dưa chuột trên một mét vuông. Ngoài ra, lợi nhuận ròng từ dưa chuột cao hơn 17% so với người trồng dưa chuột ở Hà Lan.”

Lợi ích tiềm năng cho CEA
Khi Trần làm việc tại Microsoft, anh ấy làm việc về lĩnh vực học tập tăng cường. Ông giải thích học tăng cường, theo một định nghĩa đơn giản, là một phương pháp dựa trên dữ liệu được sử dụng trong các ứng dụng điều khiển. Nó học cách tìm ra những hành động tốt nhất dựa trên dữ liệu khen thưởng hoặc trừng phạt.

Ông nói: “Chúng tôi muốn tìm một ứng dụng tốt để thúc đẩy nghiên cứu học tập tăng cường của chúng tôi. “Vào năm 2017, tôi đang tìm kiếm một ứng dụng thuần túy, nghĩa là một ứng dụng sẽ có tác động lớn và cũng có thể thực hiện được cho việc học tăng cường. Tôi bắt đầu với các trang trại thẳng đứng trong nhà, đây là một ứng dụng tốt vì đây là môi trường được kiểm soát tốt và ít ảnh hưởng từ bên ngoài. Bắt đầu rất dễ dàng vì môi trường thử nghiệm có thể đơn giản như một buồng tăng trưởng nhỏ.

“Một số loại ứng dụng phù hợp bao gồm sử dụng học tăng cường để giải quyết vấn đề điều khiển. Chúng tôi muốn giải quyết một vấn đề trong thế giới thực, nhưng việc áp dụng học tăng cường trong thế giới thực thực sự là một thách thức. Đó là lý do tại sao tôi đang tìm kiếm các ứng dụng được kiểm soát tốt và có thể có quy mô khác nhau từ buồng phát triển nhỏ đến phòng phát triển lớn.”

Tran nhìn thấy tiềm năng của các trang trại thẳng đứng trong việc giúp giải quyết các vấn đề sản xuất lương thực bền vững trên toàn thế giới. Ông đã nói chuyện với các nhà nghiên cứu và chuyên gia của CEA trên khắp thế giới, bao gồm Hoa Kỳ, Nhật Bản và Trung Quốc. Một trong những trường mà Trần liên hệ là Đại học Wageningen.

Trần nói: “Khi đến thăm trường đại học, chúng tôi đã biết về cách họ sẽ tổ chức thử thách nhà kính này. “Chúng tôi đã thảo luận với họ về việc tìm kiếm các cơ hội hợp tác. Với nền tảng cạnh tranh này, chúng tôi có thể bắt tay vào việc bằng cách thực sự làm điều gì đó chứ không chỉ nói về lý thuyết và các khả năng.”

Thu thập thêm dữ liệu từ người trồng trọt
Tran cho biết cần nhiều dữ liệu hơn từ người trồng để máy tính có thể tự động học cách sử dụng dữ liệu.

Ông nói: “Chúng tôi đang cố gắng hiểu làm thế nào những người trồng trọt giỏi có thể tạo ra một vụ mùa”. “Đây không chỉ là một người trồng mà là nhiều người trồng. Chúng tôi nghiên cứu khoa học thực vật và cố gắng đưa ra một công thức hợp lý về cách trồng trọt. Công thức đó không tự phát triển. Đó là một công thức cố định. Nó đang phản ứng với những điều kiện thay đổi cho thấy trong những điều kiện này hãy thử điều này.

“Đây là bước đầu tiên trong nghiên cứu của chúng tôi và nó đã rất thành công. Nó đã hoạt động tốt hơn nhiều người trồng trọt khác vì chúng tôi có thể tổng hợp kiến ​​thức từ nhiều người trồng trọt chuyên nghiệp. Chúng tôi đang cố gắng phát triển AI có thể học hỏi và cải thiện theo thời gian với nhiều dữ liệu hơn. Chúng tôi không muốn dừng lại ở một hệ thống.”

Trần cho biết việc kiểm soát một trang trại thẳng đứng dễ dàng hơn việc kiểm soát một nhà kính.

Ông nói: “Tuy nhiên, trong cả hai trường hợp, công nghệ hiện tại của chúng tôi đều có thể được sử dụng. “Công nghệ này sẽ tiếp tục phát triển để có tác động sâu hơn nữa. Công nghệ này có thể được sử dụng trong cả hai ứng dụng bằng cách sử dụng những gì chúng ta đã biết về khoa học thực vật, học máy và AI nói chung. Nó không giống như việc phải chờ đợi công nghệ mới hoặc nghiên cứu chưa sẵn sàng và chúng ta phải chờ đợi. Chúng tôi đã có thể tận dụng công nghệ ngày nay và chúng tôi đã chứng minh điều đó trong nhiều tình huống.”

Tran đang nghiên cứu một chương trình AI thương mại có khả năng thích ứng với nhiều loại cây trồng.
Ông nói: “Quy trình này sẽ tương tự như việc phát triển một chương trình cho bất kỳ loại cây trồng CEA nào”. “Dữ liệu sẽ bao gồm dữ liệu môi trường từ bên trong và bên ngoài nhà kính. Dữ liệu này sẽ được tạo tự động từ nhiều cảm biến được lắp đặt bên trong nhà kính, bao gồm mức độ ánh sáng, nhiệt độ, độ ẩm tương đối, mức dinh dưỡng, chất lượng nước và nồng độ carbon dioxide.

“Đối với mỗi loại cây trồng, chúng tôi cần nói chuyện với người trồng để tìm hiểu xem hiện tại họ đang phát triển như thế nào để thiết lập đường cơ sở. Dữ liệu về cây trồng sẽ được người trồng cung cấp thủ công hàng ngày và/hoặc hàng tuần tùy thuộc vào loại cây trồng. Chương trình sẽ phát triển từ mức cơ bản với nhiều dữ liệu hơn. Chúng tôi muốn chương trình này an toàn cho mọi loại cây trồng.”

Nguyên tắc áp dụng AI vào trồng trọt
Tran cho biết để người trồng trọt và ngành trồng trọt áp dụng AI, các nguyên tắc an toàn là trên hết phải được tuân thủ. Bao gồm các:

• Hệ thống AI phải bắt đầu phát triển theo cách giống như những gì người trồng trọt mong muốn mà không có những sai lệch rủi ro so với những gì người trồng trọt sẽ làm. Sự phát triển này sẽ liên tục được cải thiện.
• Người trồng có thể dễ dàng chuyển đổi giữa các chế độ thủ công, khuyến nghị và Copilot. Người vận hành nhà kính luôn nắm quyền kiểm soát và có thể chọn thoát khỏi chế độ điều khiển AI bất cứ lúc nào. Ở chế độ đề xuất, hệ thống AI sẽ chỉ gửi các đề xuất cho người vận hành để xem xét và các điểm đặt vẫn sẽ được người vận hành nhập thủ công.
• Hệ thống phải hỗ trợ giám sát dễ dàng và liên tục.