El 2018, cinc equips van cultivar cogombres en un innovador repte d'hivernacle autònom competència internacional. El gir: només un dels equips estava format per cultivadors humans experimentats que operaven el seu compartiment d'hivernacle manualment. Els quatre equips restants estaven formats per experts internacionals en els camps de l'horticultura i la intel·ligència artificial (IA). Van treballar per desenvolupar solucions d'IA per gestionar els seus cultius de forma remota i autònoma. L'objectiu del concurs, el primer repte d'hivernacle autònom del món, era impulsar avenços en la producció d'aliments sostenibles.
Després de quatre mesos intensos, els productors manuals van quedar en segon lloc. L'equip del primer classificat, liderat per un dels autors d'aquest article, va guanyar amb una solució de cultiu autònom que no només va aconseguir un 6% més de rendiments i un 17% més de benefici net, sinó que també va utilitzar menys CO2, calefacció i entrades d'aigua.
Per obtenir més informació sobre la competència i entendre com una solució d'IA pot competir amb, i fins i tot superar, un equip de cultivadors humans qualificats, fem una ullada més de prop a la IA i com es relaciona amb l'automatització d'hivernacles.
L'automatització d'hivernacles no és res de nou
Durant dècades, els productors han utilitzat ordinadors de procés, sensors i actuadors per gestionar el clima i el reg de l'hivernacle. En aquest escenari, la feina de l'ordinador de procés és senzilla, basant-se en regles lògiques senzilles. Si la temperatura de l'aire és superior a 75 °F, obriu la ventilació, per exemple. El treball tediós de llegir temperatures i encendre i apagar llums i escalfadors es delega a les màquines.
Per descomptat, l'automatització basada en regles no pot fer front a circumstàncies imprevistes. Més important encara, un humà qualificat necessita prendre totes les decisions de gestió dels cultius, fins als punts de referència exactes dels paràmetres ambientals. Per aconseguir rendiments elevats de manera fiable, es necessita un nivell substancial de coneixements i habilitats i, fins i tot així, és fàcil cometre errors. A més, a mesura que les granges creixen, el treball de seguiment continu dels cultius es fa encara més exigent.
Malauradament, els productors saben massa bé que la mà d'obra és la principal font de problemes en la producció. Any rere any, a Cultivador d'hivernacle Enquesta dels 100 millors productors, els productors informen de reptes no només pel que fa al cost de la mà d'obra, sinó també amb la disponibilitat de mà d'obra qualificada. No en va, els productors busquen cada cop més maneres d'afrontar aquests reptes, incloses les noves tecnologies que poden fer que la gestió dels hivernacles sigui més autònoma.
La IA és un pas més enllà de l'automatització basada en regles
Una bona manera de pensar en la intel·ligència artificial és que és un pas més enllà de la simple automatització basada en regles. La IA moderna es basa en l'ús de les matemàtiques per trobar patrons a les dades, inclòs el tipus que es troba als sistemes biològics i ambientals d'hivernacle. Per exemple:
- Amb prou dades climàtiques, els productors poden utilitzar la IA per determinar els punts de referència òptims i fer prediccions climàtiques.
- Amb prou dades sobre el rendiment dels cultius, els productors poden utilitzar la IA per generar previsions de rendiment.
- Amb prou dades d'imatge, els productors poden utilitzar la IA per detectar plagues i malalties.
Alguns tipus d'IA fins i tot poden aprendre de dades noves, donant resultats cada vegada millors amb el pas del temps.
En poder proporcionar informació més profunda sobre les operacions diàries d'hivernacle, la IA es pot utilitzar per donar suport a la presa de decisions experta i empoderar els productors d'una manera significativa. Després de tot, els millors resultats provenen d'una combinació pensada d'intel·ligència humana i intel·ligència artificial.
L'enfocament basat en dades de la IA també es pot combinar amb l'enfocament clàssic basat en regles, permetent un grau d'automatització d'hivernacle molt més alt que mai. En resum, els productors poden utilitzar la IA per automatitzar moltes tasques operatives de memòria, ajudant a alleujar els problemes laborals crònics que desafien la indústria.
Les dades són el combustible de la IA
Per molt que la IA es refereix als algorismes matemàtics, també es tracta de dades. Contràriament a la creença popular, alguns dels algorismes més comuns utilitzats en IA fa dècades que existeixen. Ni tan sols són massa complicats. Però durant molt de temps, la disponibilitat de dades, juntament amb la potència computacional assequible necessària per processar les dades, han estat factors limitants.
Es va necessitar un desenvolupament recent en maquinari informàtic per desbloquejar el potencial de la IA. La revolució dels telèfons intel·ligents, provocada per Apple el 2007, va crear ecosistemes de fabricació i cadenes de subministrament completament nous a escala global. Això va canviar l'economia fonamental del maquinari informàtic, aparentment de la nit al dia. Els components clau del maquinari, com ara microprocessadors, ràdios i sensors, es van tornar exponencialment més barats, més petits i més potents. Els degoteigs de dades en brut es van convertir en inundacions. La nova abundància de dades i la potència computacional va ajudar a transformar la IA d'una curiositat de recerca amb poques aplicacions comercials a un canvi tecnològic.
IoT aporta una gran quantitat de dades
A principis de la dècada de 1980, els estudiants de postgrau de la Universitat Carnegie Mellon de Pittsburgh es van molestar per anar a una màquina expenedora de Coca-Cola només per trobar-la buida. El van modificar perquè pogués informar del seu inventari a través d'Internet. En fer-ho, van inventar el primer aparell connectat a Internet del món.
Avui dia, milers de milions de dispositius, grans i petits, des d'electrònica de consum fins a màquines industrials, s'han unit a aquesta primera màquina de refresc en connectar-se a Internet, formant el que es coneix com a Internet de les coses (IoT). El que és significatiu és que, a diferència de les generacions anteriors de maquinari, incloses moltes solucions comunes d'automatització d'hivernacle, els dispositius IoT utilitzen els mateixos tipus de formats de dades i protocols de comunicació que s'utilitzen en altres llocs d'Internet. En confiar en estàndards globals d'Internet, pot ser més fàcil intercanviar dades amb dispositius IoT sense necessitat de maquinari addicional per connectar-se d'un tipus de sistema a un altre.
En conjunt, IA i IoT són tecnologies complementàries. El maquinari IoT ajuda els productors a recopilar dades en brut dels hivernacles amb més facilitat. I el programari d'IA ajuda els productors a donar sentit a aquestes dades i actuar sobre elles per millorar la producció de cultius.
Cas pràctic: Kenneth Tran's Success in the Autonomous Greenhouse Challenge
Dr Tran: L'any 2018, vaig ser investigador d'IA a Microsoft Research, prop de Seattle, treballant en un tipus més nou d'IA conegut com a aprenentatge de reforç. Allà vaig iniciar un nou esforç per aplicar la nostra recerca al domini de l'agricultura de medi ambient controlat. Amb l'anomenat projecte Sonoma, vam col·laborar amb científics de plantes del Centre d'Investigació Harrow d'Ontario, Canadà, i vam acabar competint en el primer repte internacional d'hivernacle autònom, organitzat per Wageningen University & Research als Països Baixos.
En aquest repte, cada equip va conrear cogombres en un compartiment d'hivernacle de 315 peus quadrats durant uns quatre mesos. Aquests compartiments estaven equipats amb ordinadors de procés estàndard, sensors climàtics i actuadors. Utilitzant interfícies digitals IoT (API REST), els nostres programes d'IA podrien llegir contínuament dades dels sensors, determinar els punts de consigna òptims i enviar els punts de consigna de tornada als ordinadors de procés, a tot Internet (vegeu la figura següent). Podeu trobar més detalls sobre el repte i els seus resultats en un article de Hemming et al. (2019).
Malgrat la nostra manca d'experiència en el cultiu de cogombres i el nostre prototip en fase molt inicial, la nostra solució de cultiu autònom va poder guanyar la competició. Fins i tot vam superar l'equip del segon classificat, l'equip de referència format per experts cultivadors holandesos, amb un rendiment un 6% més gran. Aquest marge de rendiment equival a un augment del 17% del benefici operatiu.
L'equip de referència va tenir un mal rendiment? No del tot. Van tenir un bon rendiment, segons molts experts. El seu rendiment va ser de gairebé 50 kg/m2 en un període de quatre mesos, que equival a gairebé 150 kg/m2 per any. Això es considera d'alt rendiment per a un hivernacle a qualsevol part del planeta.
Com a resultat de l'Autonomous Greenhouse Challenge, vaig fundar Koidra el 2020 per aprofitar directament els nostres aprenentatges i impulsar encara més l'estat de l'art en IA i IoT per a l'agricultura i altres aplicacions de control industrial.
Fer les preguntes adequades sobre IA i IoT
Avui en dia, més productors d'hivernacle estan disposats a adoptar IA i IoT. El principal repte és donar sentit als productes que hi ha al mercat i ser capaços d'anar a través de totes les paraules del màrqueting. Moltes empreses afirmen amb entusiasme que tenen un algorisme d'IA o un dispositiu IoT que funcionarà per als hivernacles.
Aquestes són algunes de les consideracions clau que cal tenir en compte a l'hora d'avaluar el programari d'IA i el maquinari IoT:
- Rendiment: Els productors haurien de poder veure beneficis concrets i reals. Pregunteu: S'ha demostrat que l'IA en la producció comercial millora el rendiment i l'eficiència dels recursos? En quines condicions? Quina és la trajectòria de l'empresa en el desenvolupament de programari d'IA i IoT?
- Disseny AI: Les solucions d'IA més efectives combinen el millor de la intel·ligència humana amb el millor de la intel·ligència artificial per prendre decisions. Pregunteu: Com aprofita el model d'IA el cos de coneixement existent? Com s'assegura que el rendiment millori amb el temps amb més dades?
- Disseny de programari: Els productors haurien de mantenir el control de les operacions d'hivernacle. Pregunteu: Quins principis de disseny de programari s'utilitzen per garantir la seguretat dels cultius? Puc canviar fàcilment entre els modes manual, de recomanació i de pilot automàtic en tot moment?
- Propietat de les dades: Els productors haurien de ser propietaris de les seves dades i evitar el "bloqueig de proveïdors". Pregunta: Puc importar fàcilment dades d'altres sistemes? Puc fer una còpia de seguretat i exportar les meves pròpies dades? Hi ha API que permeten l'accés a dades en directe i integracions personalitzades? Puc utilitzar programari i maquinari de diferents proveïdors, ara i en el futur?
La IA i l'IoT poden empoderar els productors
En un món en què els recursos crítics (aigua i energia, així com temps, diners i mà d'obra qualificada) són cada cop més escassos, té sentit explorar noves tecnologies per alleujar aquesta càrrega. Tal com vam aprendre de l'Autonomous Greenhouse Challenge, els productors poden aconseguir majors rendiments i una major eficàcia en l'ús dels recursos amb l'ús de programari d'IA i maquinari IoT. A més, aquestes tecnologies es continuen desenvolupant i avançant a un ritme ràpid.
En última instància, la IA i l'IoT poden realment empoderar els productors d'hivernacle, per prendre millors decisions, fer més amb menys, per cultivar els aliments del món de manera més sostenible.