In 这篇 GLASE 文章， 我们谈论 AI，其潜力为 受控环境农业，以及将人工智能应用于园艺的原则。 

在受控环境作物生产中使用人工智能有可能更快、更高效地种植作物。

大多数人都熟悉人工智能这个术语。 肯·陈Koidra LLC 创始人表示，人工智能是一个定义非常宽松的术语。

“人工智能非常广泛地意味着计算机可以执行任务的任何事情，”Tran 说。 “经典人工智能可能是一个不具备始终学习和改进能力的程序。例如，可以编写一个程序让计算机下棋。计算机可以自己下棋，但它遵循程序员强加的特定逻辑。这种类型的人工智能不会随着数据的推移而改进。”

第二种类型的人工智能可以负责随着时间的推移利用额外的数据进行学习和改进。
“这种类型的人工智能非常有前途，因为它可以不断改进，”Tran 说。 “通过这种类型的人工智能，计算机可以自主学习如何使用数据。”

Tran 表示，这两种类型的人工智能都很有用，并且会相互增强。

“第二种类型被认为是人工智能的第二阶段，”他说。 “可学习的人工智能是专家系统类型人工智能的下一阶段。这两种类型的人工智能都可以在受控环境农业中得到重要应用。”

温室挑战融入人工智能
Tran 是人工智能和园艺专家团队的首席研究员和领导者，该团队赢得了荷兰瓦赫宁根大学和研究中心组织的首届国际自主温室挑战赛。 Tran 是索诺玛项目团队的首席研究工程师。 Tran 参加挑战赛时是微软研究院的一名员工，他的主要工作重点是机器学习。

温室挑战从 2018 年 XNUMX 月持续到 XNUMX 月，五个团队在大学自己的温室隔间里种植黄瓜作物。该挑战的目的是将人工智能与温室数据相结合，以最大限度地提高作物产量，同时最大限度地减少温室投入。

“索诺玛团队在比赛中的成功归功于我们与园艺研究人员的合作，”特兰说。 “如果没有他们的参与和他们提供的领域知识，我们就不会取得这一成功。”

该团队与加拿大农业和农业食品部的郝秀明博士、安大略省农业、食品和农村事务农业部的 Shalin Khosla 以及俄亥俄州立大学的 Chieri Kobota 博士等研究人员合作。

“在为比赛种植黄瓜之前，我们没有种过黄瓜，但我们仍然能够获胜，”特兰说。 “在比赛中，我们的团队表现优于之前种植过黄瓜的荷兰专业种植者团队。我们的团队每平方米能够生产超过 55 公斤的黄瓜。此外，黄瓜的净利润比荷兰种植者高出 17%。”

CEA 的潜在好处
当 Tran 在微软工作时，他致力于强化学习。他解释说，强化学习的简单定义是一种用于控制应用的数据驱动方法。它学习根据奖励或惩罚数据找到最佳行动。

“我们希望找到一个好的应用程序来激励我们的强化学习研究，”他说。 “2017 年，我一直在寻找一个纯粹的应用程序，这意味着一个能够产生巨大影响并且也可用于强化学习的应用程序。我从室内垂直农场开始，这是一个很好的应用，因为它是一个受控良好的环境，受外界影响很小。它很容易上手，因为测试环境可以像小型生长室一样简单。

“某些类型的合适应用包括使用强化学习来解决控制问题。我们想要解决现实世界中的问题，但在现实世界中应用强化学习确实具有挑战性。这就是为什么我一直在寻找控制良好且可以具有从小型生长室到大型生长室的不同规模的应用。”

Tran 看到了垂直农场在帮助解决全球可持续粮食生产问题方面的潜力。他与包括美国、日本和中国在内的世界各地的 CEA 研究人员和专家进行了交谈。 Tran 联系的机构之一是瓦赫宁根大学。

“当我们参观这所大学时，我们了解了他们将如何组织这次温室挑战，”特兰说。 “我们与他们讨论了探索合作机会。有了这个竞赛平台，我们可以通过实际行动来实践，而不仅仅是谈论理论和可能性。”

从种植者那里收集更多数据
Tran 表示，种植者需要提供更多数据，以便计算机能够自主学习如何使用这些数据。

“我们正在努力了解优秀的种植者如何生产农作物，”他说。 “这不仅仅是一个种植者，而是多个种植者。我们研究植物科学，并尝试提出一个合理的作物种植公式。该公式不会自行演变。这是一个固定的公式。它对不断变化的条件做出反应，表明在这些条件下尝试此操作。

“这是我们研究的第一步，而且非常成功。它的表现已经比许多其他种植者更好，因为我们能够汇总多个专家种植者的知识。我们正在尝试开发能够随着时间的推移利用更多数据进行学习和改进的人工智能。我们不想停留在一个系统上。”

Tran 说，控制垂直农场比控制温室更容易。

“然而，在这两种情况下，我们目前的技术都已经可以使用，”他说。 “这项技术将不断发展，产生更深远的影响。通过利用我们对植物科学、机器学习和人工智能的已知知识，该技术可以在这两种应用中使用。这不像必须等待新技术或研究尚未准备好，我们必须等待。今天我们已经可以利用这项技术，并且我们已经在多种场景中证明了这一点。”

Tran 正在开发一个商业人工智能程序，该程序将适用于多种农作物。
“这个过程与为任何 CEA 作物制定计划类似，”他说。 “这些数据将包括温室内外的环境数据。这些数据将由安装在温室内的多个传感器自动生成，包括光照水平、温度、相对湿度、营养水平、水质和二氧化碳水平。

“对于每种作物，我们都需要与种植者交谈，了解他们目前的种植情况，从而建立基线。作物数据将由种植者根据作物每天和/或每周手动提供。随着更多数据的到来，该计划将从基线开始发展。我们希望该计划对每种作物都是安全的。”

将人工智能应用于园艺的原则
Tran 表示，为了让种植者和园艺行业采用人工智能，必须遵循安全第一的原则。这些包括：

• 人工智能系统必须按照种植者想要的方式开始种植，并且不能与种植者的做法存在风险偏差。这种增长将不断改善。
• 种植者可以轻松地在手动、推荐和副驾驶模式之间切换。温室操作员始终处于掌控之中，并可以随时选择退出人工智能控制模式。在推荐模式下，人工智能系统只会向操作员发送建议供其审核，设定点仍由操作员手动输入。
• 系统必须支持简单且持续的监控。