Искусственный интеллект в АПК: замена специалистов на предприятии или помощник для более эффективной работы?

Сегодня тема новых технологий и искусственного интеллекта, как никогда актуальна. Машинное обучение используется во многих областях, в том числе и сельском хозяйстве. Обсудили с Игорем Кукоевым, руководителем по исследованиям и аналитике данных Digital Agro, сможет ли ИИ заменить человека и на сколько он сейчас необходим в нашей отрасли.

Проблемы в АПК, которые можно решить с помощью новых технологий

В аграрном секторе цифровизация и использование новых технологий пока находятся на начальном этапе. Существуют сложности внедрения и недоверие со стороны аграриев, которое объясняется тем, что непроверенные решения могут быть причиной потери урожайности.

Digital Agro: Насколько сейчас актуальна цифровизация для АПК и какие есть возможности для ее проведения?

Игорь Кукоев: На самом деле в мире цифровые решения используются уже довольно давно и широко, что позволяет снизить себестоимость продукции. Любые отрасли, включая сельское хозяйство без автоматизации просто не выдерживают конкуренции. Агропромышленный комплекс сейчас должен обеспечить не только продовольственный суверенитет, но и выйти на международные рынки и не только с зерном, но и с продуктами конечной переработки, поэтому эффективность очень важна.
Важна предсказуемость качества и количества урожая, а это без цифровизации практически невозможно. Естественно все новые способы ведения сельского хозяйства, в частности земледелия без цифровых технологий невозможны.

DA: Какие возможности даст цифровизация аграриям? Как можно спланировать экономический эффект от внедрения новых технологий?

ИК: Например, то, что сейчас очень просят крупные холдинги — это контроль за агрохимией. Они закупают много удобрений, но не могут контролировать, как оно попадает в почву. В больших масштабах это невозможно отследить с помощью контролёра.
Предприятия теряют деньги при неправильном расходе агрохимии, в частности удобрений. Если ввести чёткий расчёт: где-то получится закупать меньше, где-то увеличится урожайность за счёт правильной обработки. Получается прямой экономический эффект от цифровизации в виде экономии десятков миллионов рублей.

DA: Как агрономы на предприятиях относятся к введению новых технологий? Был ли такой опыт уже?

ИК: Здесь, как и в любых нововведениях, только 2% сразу готовы попробовать, 10-15% постепенно разбираются, и только потом, все остальные. Очень многие решения давно используются: те же спутниковые снимки полей, техника с диф. внесением, метеостанции, контроль топлива — это то, что все уже не считают цифровизацией. Но новые технологии встречаются, конечно, с опасением.
Вообще сельское хозяйство — консервативная отрасль. Цифровые решения, эффект которых ещё нельзя увидеть на практике, внедряются очень тяжело. Сразу возникают вопросы: а зачем? а что это даёт? Но, когда появляется опытный пример — сразу заверните два.

Заменит ли искусственный интеллект людей на предприятии

Недоверие к цифровым системам может быть вызвано ещё тем, что люди видят в них прямую угрозу и боятся потерять свои рабочие места. В частности такие опасения вызывают технологии на базе искусственного интеллекта.

DA: Нужны ли в АПК, на ваш взгляд, такие технологии и чем они могут помочь?

ИК: Мы выяснили с разработчиками, что само название искусственный интеллект сбивает большинство людей с толку и вызывает какое-то подсознательное отторжение. Этим термином мы обозначаем все те методы машинного обучения для обработки огромного количества данных, которые человеку вручную подсчитать невозможно. Эти системы уже внедряются и будут внедряться больше и больше.

Искусственный интеллект ни в коем случае не заменяет человеческого. Это дополнительный инструмент, который позволяет быстро обработать большое количество данных с различными параметрами.

Рассмотрим для примера опыты, проводимые с одной культурой на 10 различных почвах. Нам нужно найти закономерности для различных параметров: урожайность, климат, влажность, солнце, снежный покров и так далее. Человек такое большое количество информации обработать не может. На помощь приходит машинное обучение — искусственный интеллект.

Это уже работает на таких этапах, как: распознавание сорняков, негативных факторов вегетации по снимкам дронов. Поэтому как только мы перестаём воспринимать эти технологии на уровне Терминатора, то понимаем, что это помощник, который не забирает работу, а даёт возможность выполнять её эффективнее.

Как сейчас проходит внедрение ИИ в отрасли

DA: Вы говорили выше, что используются распознавание сорняков и другие подобные технологии. На сколько это распространено сейчас? Нет ли у аграриев сопротивления?

ИК: Технологии, которые уже распространены по рынку:

  • Определение с беспилотника зон с проблемной вегетацией;
  • Определение сорняков;
  • Определение количества всходов.

Всё это обработка с помощью искусственного интеллекта информации, полученной со снимков.

Допустим, нам нужно произвести подсчёт, сколько взошло сахарной свёклы или подсолнечника. Вот пролетает дрон. На нём используется метод искусственного интеллекта, связанный с компьютерным зрением. Его тоже нужно обучить, чтобы он видел какой формы листья какому растению принадлежат. После обучения он знает, как выглядят листья подсолнечника и может посчитать только их.

А вот по поводу сопротивления, как я сказал выше, люди иногда воспринимают ИИ как замену им. Это только вопрос терминологии и недостаточной осведомленности. Даже в системах автовождения в подруливаниях, когда едет комбайн и распознает границы поля — это тоже методы машинного зрения, и есть тот, кто принимает решения куда ехать. Необходимо участие человека не столько в самом рулении, сколько в том, чтобы понимать, что вокруг происходит, ориентироваться в пространстве.

То есть всё равно кто-то управляет системой. Технологии не заменяют, а помогают людям, снимают момент рутинной работы, дают возможность обратить внимание на что-то другое.

DA: Предлагаю ещё обсудить экономический эффект, который может быть от внедрения искусственного интеллекта.

ИК: Это в первую очередь экономия большого количества времени на принятие решений. Далее идут своевременное предотвращение заболеваний — сохранение урожайности, экономное и эффективное расходование средств защиты растений. Всё это относится к точному земледелию и касается скорее снижения расходов.

Если говорить о перспективе, то рекомендательные системы, созданные на основе единой базы данных, помогли бы учитывать множество факторов для увеличения урожайности, а, значит, и прибыли предприятий.

Проект Кибергектар как база для внедрения ИИ

Сейчас очень мало решений на основе искусственного интеллекта в АПК. Нет ещё той базы, которая необходима для качественного машинного обучения. Решить эту проблему может новый проект Digital Agro — единая инфраструктура для хранения и обмена данными на всех этапах сельскохозяйственных работ Кибергектар.

DA: А в рамках проекта Кибергектар вы планируете работать с искусственным интеллектом?

ИК: Проект Кибергектар является базой для создания единого информационного пространства, достоверных данных. Это позволит создавать новые рекомендательные системы на основе искусственного интеллекта.
С другой стороны, эти решения и сервисы будут интегрироваться, данные будут дополняться, модели будут по ним дообучаться, ими будет пользоваться сельхозпроизводитель.

DA: Можете подробнее рассказать об общей глобальной базе информации. Как накопление данных помогает в принятии решений в сельхозпроизводстве?

ИК: Кибергектар — это распределенная база, созданная на основе единых стандартов хранения информации. На основе этих достоверных и проверенных данных можно строить рекомендательные системы.

У каждого агропроизводителя есть свои разрозненные данные. Но их недостаточно, чтобы создать машинное обучение или статистические системы. Если мы объединяем все данные всех производителей, получаем единое информационное пространство, на определённых условиях, то у нас действительно появляются новые рекомендательные сервисы, новые модели, которые выходят на качественно другой уровень.

Классический пример – распознавание болезней. Даже если мы говорим про одну культуру и одну болезнь, но в разных климатических и почвенных зонах она будет разной. Везде есть свои нюансы. И набрать такое количество фотографий, чтобы проанализировать, как проявляет себя болезнь в разных условиях — непростая задача. А если мы объединяем хозяйства, которые готовы внести свой вклад для того, чтобы получить это решение быстро, всё может быть гораздо быстрее.

Второй момент, который мы обсуждали с сельхозпроизводителями, они проводят опыты по наиболее эффективным агротехнологиям, но могут сделать всего 2-3 опыта за сезон. У них просто не хватит ни площадей, ни возможностей.

Чтобы сделать полный набор опытов одной компании потребуется условно 5 лет. А если это будут делать сразу 10 компаний, то они справятся за год. От обмена полученными данными между предприятиями выиграет в целом вся отрасль.

Поэтому выгоднее и эффективнее пользоваться единой системой данных, и дальше уже разрабатывать собственные решения на её основе.


Популярные материалы