超级AI：100亿人口规模下的绿色农业只能这么玩
更多、更及时的干货内容，请关注扑克投资家网站
文 | 迈特·西蒙
来源 | DeepTech深科技，ID：mit-tr
编辑 | 扑克投资家，转载请注明出处
人类给自己出了一个难题——在人口大爆炸持续下去的同时，地球却是不会变的更大的。当地球在2050年迎来第100亿个人时，她依旧得用同样数量的土地来养活人们，再加上全球变暖造成水源的持续减少，人类将来到底能不能吃饱将会是个大问题。
也许冥冥之中自有天意，人工智能在这个时候及时粉墨登场。真正的智能机器人和机器学习算法将会带来一个绿色革命，一个将用这个星球有限的土地来喂饱人类的革命。你可以想象一下，自动探测干旱痕迹的卫星，可以自动识别并杀死生病植物的拖拉机，以及能自动通知农场主农作物病害的AI手机。
忘掉稻草人吧，农业的未来在智能机器的手中。
数码农业专家
深度学习是一种威力强大的算法，编程员不再明确地告诉电脑目标，而是训练它去识别几种模式。你可以给电脑提供标明健康和病变的植物叶子照片。从这些照片中，它就可以学会如何分辨健康和病变的叶子，进而判断其他叶子是否健康。
这正是生物学家大卫·休斯（David Hughes）和流行病学家马塞尔·赛拉瑟（Marcel Salathé）对感染了26种不同疾病的14种农作物所做的。他们给一个电脑提供了超过5万张相片，通过自我学习，电脑从相片判断植物是否健康的准确率达到了99.35%。
但是，这些相片都是经过人为处理的，它们都有着统一的亮度和背景，这样电脑的判断会变得轻松得多。在辨认一张从网络上找到的生病植物的相片，电脑的准确率只有30%~40%。
这结果虽然不好，但是也不差。休斯和塞拉瑟希望把这个AI运用到他们的手机应用Plant Village上。目前，全世界的农民都可以把他们生病的作物拍照上传到Plant Village的论坛里来判断感染的疾病。只不过，目前帮助判断的是人类专家。为了提高应用的智能，它将通过持续提供的生病植物的相片来学习。“我们会给它更多各种各样的相片，例如不同拍照的手段、季节、地点或者其他的属性”，塞拉瑟说，“这个算法将自己学会分辨。”
他们的目标不仅仅是为了排除受到感染的植物，因为植物可以因为多种原因而得病。“大部分影响植物生长的疾病都是生理上的压力，例如缺钙或者缺镁、土壤含盐量太高，或者天气太热了，”休斯表示，“农民却经常会认为这是细菌性或者真菌性的疾病。”误诊将会导致农民们在农药上浪费金钱与时间。在未来，他们的AI将帮助农民迅速并精准地找出问题的根源。
不过，找出问题之后的后续工作就需要人来做了。虽然一个应用可以帮助找到问题，只有人类专家才可以根据具体的气候、土壤以及季节来找出解决问题的答案。联合国农粮组织认为这项技术对于农作物管理是一个“有效的工具”，但是专家的意见才能作为定论。粮农组织植物病理学家法齐尔·杜桑切利（Fazil Dusunceli）表示，这类的电子判断结果很好，但是“最终的农害管理”需要和当地的专家一起决定。
农机训练者
当发展中国家急需农业知识时，发达国家正在被农药淹没。在美国，每年仅仅被倾撒在玉米，大豆和棉花上的农药就有3.1亿磅。这是一种“喷洒后祈祷”的方式，和狙击式去虫害相比，更像是地毯轰炸。
一个名为Blue River Technology的公司很有可能找到了解决这个问题的方式，起码解决了生菜的问题。它的Lettuce Bot看起来和一般的拖拉机一样，但是事实上它是一个基于深度学习的…机器。
Blue River 宣称，Lettuce Bot可以在开过一片田地时，以每分钟5千株的速度对菜苗拍照，并通过算法以及机器视觉来判断每株植物是生菜还是杂草。如果你觉得它的速度快的难以想象，“这离机器学习和机器视觉的极限还远得很”，深度学习算法公司Enlitic的创办人杰瑞米·霍华德（Jeremy Howard）对此说道。他还表示，图像处理芯片只需要0.02秒就可以识别一张相片。
Lettuce Bot的精准度可以达到1/4英寸，这代表它可以在运行过程中准确的找出每株杂草并向它们喷洒除草药。如果它判定一株生菜苗没有健康生长，它也会喷一下（通常情况下，农民种下的菜苗会比预期收获的高5倍，所以他们可以牺牲许多菜苗）。如果两株菜苗被发现长的太近（不健康），这个机器不会把它们误认为一株大植物，而是会分别喷洒一下。
看完这个描述，再和目前喷洒整个农田的方式做一下对比，是不是很省钱？
“这就像说，如果旧金山市有几个人感染了病毒，你唯一的解决方式就是给每人发一片抗生素”，Blue River 的本·科斯特纳（Ben Chostner）对此说道，“人们会被治愈，但是治愈的成本实在是太贵了，抗生素的潜能也没有被开发出来。”
而通过Lettuce Bot，科斯特纳表示农民可以减少90%的农药用量。目前，此机器已经被用于市场上：供应美国10%生菜的田正在使用Blue River 的产品。
Blue River Technology 的Lettuce Bot可以以每分钟5000株的速度拍照并处理菜苗
Lettuce Bot之所以威力强大，是因为它通过机器学习来放大了机器自带的优势：精准。机器人不能像人类一样奔跑或者操纵物体，但是它们一丝不苟，从而能成为完美的农业狙击手。
天上的AI
在我们头上400英里的轨道上，NASA的Landsat卫星利用可见光谱之外的电磁波给人们提供了可谓是神奇的地球表面探勘数据。这些数据对于人类来说形同天书，但是对于机器学习算法来说，它们一点难度也没有。
而这，对农业监测来说简直就是无价之宝。尤其是在发展中国家，当政府和银行严重缺乏数据来帮助他们决定哪些农民需要贷款或者救助时，这些数据将拥有者极大的影响力。就拿印度的一场旱灾来说，每个地区之间缺水的程度都会不同，就算在同个地区之内，有些农民相对而言都会有更多的手段取得水。
所以，一个名为Harvesting的创业公司正在使用机器学习分析庞大的卫星数据，意图帮助政府部门和银行更加有效的分配资源。Harvesting的首席执行官鲁什特·加格（Ruchit Garg）对此表示：“我们的目标是通过这个技术把农民和村庄归类，好让银行或者政府把钱发放在正确的人群手中。”一名人类的分析员可以处理10到15个不同的变量，而机器学习算法可以处理超过2000个变量，这是2个量级的差距。
全球变暖所带来的气候改变意味着政府正在面临如何合理分配资源的难题。一直以来，印度的传统农业都非常规律。“我从我父亲和祖父那学会了如何种地，如何分辨季节，”加格说，“但是由于气候的变化，我父亲和祖父的经验已经无用了。”
现在我们面临的是新世界秩序。农民可以选择被淘汰，或者选择学习更加智能的农业方式——更多数据，更多AI，更多的农药喷洒机器人。
【完】
扫描二维码，进入潮汐社区，即刻问智咖
▼
查看本期潮汐公开课栏目，抢先报名
▼
点击查阅
大宗业务： 套期保值 | 套利 | 套利心得 | 商品定价 | 贸易融资 | 融资方式 | 仓储 | 航运第一季 | 航运第二季 | 航运第三季 | 航运衍生品 | 油轮 | 商品风暴 | 钢贸 | 石油贸易 | 衍生品 | 公司研究
品种系列：玻璃 | 黄金 | 菜粕 | 玉米 | 甲醇 | 甲醇第二季 | 塑料 | 钢铁 | 锌 | 铝 | 螺纹 | PTA | 橡胶 | 大豆 | 小麦 | 糖 | 煤炭 | 石油 | 铜 | 棕榈油 | 棉花 | ETF期权 | 铁合金 | 原油 | 铁矿石 | 茶油 | 沥青 | 铅 | 天然气 | 咖啡 | 棉纱 | 白银 | 镍 | 饲料 | 鸡蛋
公司产业：伊藤忠 | 住友 | 丸红 | 三井物产 | 亚洲粮商 | 油脂油料 | ABCD | 油脂巨头 | 中粮 | 益海嘉里 | 巨头年报 | 矿业寡头 | 四大粮商 | 大宗寡头 | 国内粮油 | 必和必拓 | 淡水河谷 | 孟山都 | 中储粮 | 鲁花 | 中纺集团 | 嘉吉 | ADM | 邦吉 | 路易达孚 | 嘉能可 | 贡沃 | 粮油争霸 | 埃克森美孚｜蒂森克虏伯 | 巴斯夫 | 化工第一季 | 化工第二季 | 化工第三季
宏观系列：金融危机 | 资产配置 | 投资时钟 | 非农 | 楼市 | 中国经济 | 矿产资源 | OPEC | 货币 | 美元 | 人民币 | 货币政策 | 中国金融史 | 地缘政治 | 一带一路 | 中国历史 | 中国经济 | 脱欧
金融系列：CTA基金 | 桥水基金 | 金融女郎 | 高频量化 | 对冲基金 | 资管 | 泽熙 | 股票 | 债券 | 外汇 | 期权 | 主权基金
交易系列：德州扑克 | 交易员 | 交易理论 | 交易系统 | 风险控制 | 技术分析 | 交易心理 | 个人修炼 | 交易书单 | 交易故事 | 均线 | 金融女郎
大宗地理：美国 | 阿根廷 | 新加坡 | 俄罗斯 | 瑞士 | 日本 | 伊朗 | 印度 | 巴基斯坦 | 巴西 | 巴拿马 | 土耳其 | 伊拉克
人物系列：石油大亨 | 沈文荣 | 宁高宁 | 索罗斯 | 利佛摩尔
版权问题、商务合作、读者投稿
微信号 mindcherisher
电话＋86 186-1633-5129
点击阅读原文，链接至扑克投资家（puoke.com）
获取更多、更及时的干货内容