2018 मा, पाँच टोलीहरूले एक ग्राउन्ड-ब्रेकिंग स्वायत्त ग्रीनहाउस चुनौतीमा काकडी बढाए। अन्तर्राष्ट्रिय प्रतियोगिता। ट्विस्ट: टोलीहरू मध्ये एक मात्र अनुभवी मानव उत्पादकहरूले आफ्नो ग्रीनहाउस डिब्बा म्यानुअल रूपमा सञ्चालन गरिरहेका थिए। बाँकी चार टोलीमा बागवानी र कृत्रिम बुद्धिमत्ता (एआई) को क्षेत्रका अन्तर्राष्ट्रिय विज्ञहरू थिए। तिनीहरूले टाढा र स्वायत्त रूपमा आफ्नो बाली व्यवस्थापन गर्न AI समाधानहरू विकास गर्न काम गरे। प्रतियोगिताको लक्ष्य, विश्वको पहिलो स्वायत्त ग्रीनहाउस चुनौती, दिगो खाद्य उत्पादनमा सफलता हासिल गर्नु थियो।
चार महिनाको तीव्रता पछि, म्यानुअल उत्पादकहरू दोस्रो स्थानमा आए। पहिलो स्थानको टोली, यस लेखका लेखकहरू मध्ये एकको नेतृत्वमा, एक स्वायत्त बढ्दो समाधानको साथ जित्यो जसले 6% बढि उपज र 17% उच्च खुद नाफा मात्र प्राप्त गर्दैन, तर कम CO प्रयोग पनि गर्यो।2, तताउने, र पानी इनपुटहरू।
प्रतिस्पर्धाको बारेमा थप जान्न र एआई समाधानले कसरी प्रतिस्पर्धा गर्न सक्छ — र त्यसमा पनि उत्कृष्ट प्रदर्शन गर्न सक्छ — दक्ष मानव उत्पादकहरूको टोली, आउनुहोस्, एआईलाई नजिकबाट हेरौं र यो कसरी ग्रीनहाउस स्वचालनसँग सम्बन्धित छ।
ग्रीनहाउस स्वचालन कुनै नयाँ कुरा होइन
दशकौंदेखि, उत्पादकहरूले हरितगृह मौसम र सिँचाइ व्यवस्थापन गर्न प्रक्रिया कम्प्युटर, सेन्सर र एक्चुएटरहरू प्रयोग गर्दै आएका छन्। यस्तो परिदृश्यमा, प्रक्रिया कम्प्युटरको काम सरल छ, सरल तार्किक नियमहरूमा भर पर्दै। यदि हावाको तापक्रम ७५ डिग्री फारेनहाइट भन्दा माथि छ भने, भेन्ट खोल्नुहोस्, उदाहरणका लागि। तापक्रम पढ्ने र बत्ती र हीटरहरू खोल्ने र बन्द गर्ने कठिन परिश्रम मेसिनहरूलाई सुम्पिएको छ।
निस्सन्देह, नियमहरूमा आधारित स्वचालनले अप्रत्याशित परिस्थितिहरूको सामना गर्न सक्दैन। अझ महत्त्वपूर्ण रूपमा, एक दक्ष मानवले बाली व्यवस्थापनका सबै निर्णयहरू, वातावरणीय मापदण्डहरूका लागि सही सेटबिन्दुहरूमा तल लिन आवश्यक छ। उच्च उपज विश्वसनीय रूपमा प्राप्त गर्न, ज्ञान र सीपको पर्याप्त स्तर आवश्यक छ, र त्यसपछि पनि, गल्ती गर्न सजिलो छ। यसबाहेक, खेतहरू ठूला हुँदै जाँदा, बालीहरूको निरन्तर अनुगमन गर्ने काम अझ बढी माग हुँदै जान्छ।
दुर्भाग्यवश, उत्पादकहरूलाई राम्रोसँग थाहा छ कि श्रम उत्पादनमा समस्याहरूको सबैभन्दा ठूलो स्रोत हो। वर्ष पछि, मा ग्रीनहाउस उत्पादकको शीर्ष 100 उत्पादक सर्वेक्षण, उत्पादकहरूले श्रमको लागत मात्र होइन तर दक्ष श्रमको उपलब्धतामा पनि चुनौतीहरू रिपोर्ट गर्छन्। अचम्मको कुरा होइन, उत्पादकहरूले यी चुनौतीहरूलाई सम्बोधन गर्ने तरिकाहरू खोजिरहेका छन्, जसमा नयाँ प्रविधिहरू समावेश छन् जसले ग्रीनहाउस व्यवस्थापनलाई अझ स्वायत्त बनाउन सक्छ।
एआई नियममा आधारित स्वचालनभन्दा बाहिरको एक कदम हो
A good way to think about artificial intelligence is that it is a step beyond simple rules-based automation. Modern AI is all about the use of mathematics to find patterns in data, including the kind found in greenhouse environmental and biological systems. For example:
- पर्याप्त जलवायु डेटाको साथ, उत्पादकहरूले इष्टतम सेटपोइन्टहरू निर्धारण गर्न र जलवायु भविष्यवाणी गर्न AI प्रयोग गर्न सक्छन्।
- पर्याप्त बाली उपज डेटाको साथ, उत्पादकहरूले उपज पूर्वानुमान उत्पन्न गर्न AI प्रयोग गर्न सक्छन्।
- With enough image data, growers can use AI to detect pests and diseases.
केही प्रकारका AI ले नयाँ डेटाबाट पनि सिक्न सक्छ, समयसँगै बढ्दो राम्रो परिणामहरू प्रदान गर्दै।
दिनहुँको हरितगृह सञ्चालनहरूमा गहिरो अन्तर्दृष्टि प्रदान गर्न सक्षम भएर, AI लाई विशेषज्ञ निर्णय-निर्धारणलाई समर्थन गर्न र उत्पादकहरूलाई अर्थपूर्ण तरिकामा सशक्त बनाउन प्रयोग गर्न सकिन्छ। आखिर, सबै भन्दा राम्रो परिणामहरू मानव बुद्धि र कृत्रिम बुद्धि को एक विचारशील संयोजन बाट आउँछ।
AI को डेटा-आधारित दृष्टिकोणलाई क्लासिक नियम-आधारित दृष्टिकोणसँग पनि जोड्न सकिन्छ, जसले पहिलेको भन्दा धेरै उच्च डिग्री ग्रीनहाउस स्वचालनको लागि अनुमति दिन्छ। छोटकरीमा भन्नुपर्दा, उत्पादकहरूले धेरै रोट अपरेशनल कार्यहरू स्वचालित गर्न AI प्रयोग गर्न सक्छन्, जसले उद्योगलाई चुनौती दिने दीर्घकालीन श्रम समस्याहरूलाई राहत दिन मद्दत गर्दछ।
डाटा AI को लागि ईन्धन हो
जति AI गणितीय एल्गोरिदमको बारेमा हो, यो डेटाको बारेमा पनि हो। लोकप्रिय विश्वासको विपरित, AI मा प्रयोग गरिएका केही सबैभन्दा सामान्य एल्गोरिदमहरू दशकौंदेखि छन्। तिनीहरू पनि भयानक जटिल छैनन्। तर सबैभन्दा लामो समयको लागि, डाटाको उपलब्धता - डेटा प्रशोधन गर्न आवश्यक पर्ने सस्तो कम्प्युटेशनल पावर सहित - सीमित कारकहरू छन्।
AI को सम्भाव्यता अनलक गर्न कम्प्युटर हार्डवेयरमा हालैको विकास भयो। 2007 मा एप्पलले सुरु गरेको स्मार्टफोन क्रान्तिले विश्वव्यापी स्तरमा पूर्ण रूपमा नयाँ उत्पादन इकोसिस्टम र आपूर्ति श्रृंखलाहरू सिर्जना गर्यो। यसले कम्प्यूटर हार्डवेयरको आधारभूत अर्थशास्त्रलाई रातारात परिवर्तन गर्यो। मुख्य हार्डवेयर कम्पोनेन्टहरू, जस्तै माइक्रोप्रोसेसरहरू, रेडियोहरू, र सेन्सरहरू, द्रुत रूपमा सस्तो, साना र अधिक शक्तिशाली भए। कच्चा तथ्याङ्कको चाल बाढीमा परिणत भयो। डाटा र कम्प्युटेसनल पावरको नयाँ प्रशस्तताले एआईलाई अनुसन्धान जिज्ञासाबाट केही व्यावसायिक अनुप्रयोगहरूलाई प्राविधिक समुद्री परिवर्तनमा रूपान्तरण गर्न मद्दत गर्यो।
IoT ले डाटाको प्रशस्तता ल्याउँछ
1980 को प्रारम्भमा, पिट्सबर्गको कार्नेगी मेलन विश्वविद्यालयका स्नातक विद्यार्थीहरू कोका-कोला भेन्डिङ मेसिनलाई खाली भेट्टाउनको लागि पदयात्रा गर्दा रिसाए। तिनीहरूले यसलाई परिमार्जन गरे ताकि यसले इन्टरनेटमा यसको सूची रिपोर्ट गर्न सक्छ। यसो गर्दा, तिनीहरूले संसारको पहिलो इन्टरनेट-जडित उपकरण आविष्कार गरे।
आज, ठूला र साना अरबौं उपकरणहरू, उपभोक्ता इलेक्ट्रोनिक्सदेखि औद्योगिक मेसिनहरू, इन्टरनेटमा जडान भएको पहिलो सोडा मेसिनमा सामेल भएका छन्, जसलाई इन्टरनेट अफ थिंग्स (IoT) भनिन्छ। के महत्त्वपूर्ण छ भने, हार्डवेयरको अघिल्लो पुस्ताको विपरीत - धेरै सामान्य ग्रीनहाउस स्वचालन समाधानहरू सहित - IoT उपकरणहरूले इन्टरनेटमा अन्यत्र प्रयोग गरे जस्तै डाटा ढाँचाहरू र सञ्चार प्रोटोकलहरू प्रयोग गर्दछ। विश्वव्यापी इन्टरनेट मापदण्डहरूमा भर परेर, एक प्रकारको प्रणालीबाट अर्को प्रणालीमा जोड्नको लागि अतिरिक्त हार्डवेयरको आवश्यकता बिना IoT उपकरणहरूसँग डाटा आदानप्रदान गर्न सजिलो हुन सक्छ।
सँगै, AI र IoT पूरक प्रविधिहरू हुन्। IoT हार्डवेयरले उत्पादकहरूलाई ग्रीनहाउसहरूबाट कच्चा डाटा सङ्कलन गर्न मद्दत गर्दछ। र AI सफ्टवेयरले उत्पादकहरूलाई फसल उत्पादन सुधार गर्न त्यो डेटाको अर्थ बुझ्न र त्यसमा कार्य गर्न मद्दत गर्दछ।
केस स्टडी: स्वायत्त ग्रीनहाउस चुनौतीमा केनेथ ट्रानको सफलता
डा. ट्रान: 2018 मा, म सिएटल नजिकैको माइक्रोसफ्ट रिसर्चमा एआई अनुसन्धानकर्ता थिएँ, नयाँ प्रकारको एआईमा काम गर्दै थिए जसलाई रिइन्फोर्समेन्ट लर्निङ भनिन्छ। त्यहाँ मैले हाम्रो अनुसन्धानलाई नियन्त्रित वातावरणीय कृषिको क्षेत्रमा लागू गर्ने नयाँ प्रयास सुरु गरें। तथाकथित सोनोमा परियोजनाको साथ, हामीले क्यानडाको ओन्टारियोको ह्यारो रिसर्च सेन्टरका बिरुवा वैज्ञानिकहरूसँग सहकार्य गर्यौं र नेदरल्याण्ड्सको Wageningen University & Research द्वारा आयोजित पहिलो अन्तर्राष्ट्रिय स्वायत्त ग्रीनहाउस चुनौतीमा प्रतिस्पर्धा गर्यौं।
यस चुनौतीमा, प्रत्येक टोलीले करिब चार महिनाको अवधिमा 315 वर्ग फुटको ग्रीनहाउस डिब्बामा काकडीहरू बढायो। यी कम्पार्टमेन्टहरू मानक प्रक्रिया कम्प्युटरहरू, जलवायु सेन्सरहरू, र एक्चुएटरहरूसँग सुसज्जित थिए। IoT डिजिटल इन्टरफेसहरू (REST APIs) प्रयोग गरेर, हाम्रा AI कार्यक्रमहरूले लगातार सेन्सरहरूबाट डाटा पढ्न, इष्टतम सेटपोइन्टहरू निर्धारण गर्न, र सेटपोइन्टहरूलाई प्रक्रिया कम्प्युटरहरूमा फिर्ता पठाउन सक्छ — सम्पूर्ण इन्टरनेटमा (तलको चित्र हेर्नुहोस्)। चुनौती र यसको नतिजा बारे थप विवरणहरू द्वारा एक लेखमा फेला पार्न सकिन्छ हेमिङ र अन्य। (२०१९).
बढ्दो काकडी र हाम्रो धेरै प्रारम्भिक-चरण प्रोटोटाइप मा अनुभव को कमी को बावजूद, हाम्रो स्वायत्त बढ्दो समाधान प्रतियोगिता जित्न सक्षम थियो। हामीले दोस्रो स्थानको टोलीलाई पनि उत्कृष्ट प्रदर्शन गर्यौं, विशेषज्ञ डच उत्पादकहरूले बनेको सन्दर्भ टोली, 6% उच्च उपजको साथ। उपज मा त्यो मार्जिन अपरेटिङ मुनाफा मा 17% वृद्धि को बराबर थियो।
के सन्दर्भ टोलीले खराब प्रदर्शन गर्यो? हुदै हैन। धेरै विज्ञहरूका अनुसार तिनीहरूले उल्लेखनीय रूपमा राम्रो प्रदर्शन गरे। तिनीहरूको उपज लगभग 50 kg/m थियो2 चार महिनाको अवधिमा, जुन लगभग 150 kg/m बराबर हो2 प्रति वर्ष। यसलाई ग्रहमा कुनै पनि हरितगृहको लागि उच्च उपज मानिन्छ।
स्वायत्त ग्रीनहाउस च्यालेन्जको परिणामस्वरुप, हामीले हाम्रो सिकाइलाई प्रत्यक्ष रूपमा निर्माण गर्न र कृषि र अन्य औद्योगिक नियन्त्रण अनुप्रयोगहरूका लागि AI र IoT मा अत्याधुनिक प्रविधिलाई थप जोड दिनको लागि २०२० मा Koidra को स्थापना गरें।
AI र IoT को बारेमा सही प्रश्नहरू सोध्दै
आज, धेरै ग्रीनहाउस उत्पादकहरू AI र IoT अपनाउन इच्छुक र तयार छन्। मुख्य चुनौती भनेको बजारमा रहेका उत्पादनहरू बुझ्नु र सबै मार्केटिङ स्पिक मार्फत जान सक्षम हुनु हो। धेरै कम्पनीहरूले उत्सुकताका साथ दाबी गर्छन् कि तिनीहरूसँग एआई एल्गोरिथ्म वा IoT उपकरण छ जसले ग्रीनहाउसहरूको लागि काम गर्नेछ।
AI सफ्टवेयर र IoT हार्डवेयरको मूल्याङ्कन गर्दा ध्यानमा राख्नु पर्ने केही मुख्य विचारहरू यहाँ छन्:
- प्रदर्शन: उत्पादकहरूले ठोस, वास्तविक-विश्व फाइदाहरू हेर्न सक्षम हुनुपर्दछ। सोध्नुहोस्: उपज र स्रोत दक्षता सुधार गर्न व्यावसायिक उत्पादनमा AI प्रमाणित भएको छ? कुन अवस्थामा? AI र IoT सफ्टवेयरको विकासमा कम्पनीको ट्र्याक रेकर्ड के छ?
- एआई डिजाइन: सबैभन्दा प्रभावकारी AI समाधानहरूले निर्णयहरू गर्नको लागि सबैभन्दा राम्रो कृत्रिम बुद्धिमत्ताको साथ मानव बुद्धिको उत्कृष्ट संयोजन गर्दछ। सोध्नुहोस्: AI मोडेलले ज्ञानको अवस्थित निकायलाई कसरी लाभ उठाउँछ? यसले कसरी सुनिश्चित गर्छ कि कार्यसम्पादन थप डेटाको साथ समयसँगै सुधार हुनेछ?
- सफ्टवेयर डिजाइन: हरितगृह सञ्चालनको नियन्त्रणमा किसानहरू रहनुपर्छ। सोध्नुहोस्: बाली सुरक्षा सुनिश्चित गर्न के सफ्टवेयर डिजाइन सिद्धान्तहरू प्रयोग गरिन्छ? के म सँधै म्यानुअल, सिफारिस र अटोपायलट मोडहरू बीच सजिलैसँग स्विच गर्न सक्छु?
- डाटा स्वामित्व: उत्पादकहरूले आफ्नो डेटाको स्वामित्व लिनुपर्दछ र "विक्रेता लक-इन"बाट बच्नुपर्दछ। सोध्नुहोस्: के म सजिलैसँग अन्य प्रणालीहरूबाट डाटा आयात गर्न सक्छु? के म मेरो आफ्नै डाटा जगेडा र निर्यात गर्न सक्छु? त्यहाँ प्रत्यक्ष डेटा पहुँच र अनुकूलन एकीकरणको लागि अनुमति दिने API हरू छन्? के म अहिले र भविष्यमा विभिन्न विक्रेताहरूबाट सफ्टवेयर र हार्डवेयर प्रयोग गर्न सक्छु?
AI र IoT ले उत्पादकहरूलाई सशक्त बनाउन सक्छ
यस्तो संसारमा जहाँ महत्वपूर्ण स्रोतहरू - पानी र ऊर्जा, साथै समय, पैसा, र दक्ष श्रम - धेरै दुर्लभ हुँदै गएको छ, यो बोझ कम गर्न नयाँ प्रविधिहरू अन्वेषण गर्न अर्थपूर्ण छ। हामीले स्वायत्त ग्रीनहाउस च्यालेन्जबाट सिकेका छौं, उत्पादकहरूले वास्तवमा AI सफ्टवेयर र IoT हार्डवेयरको प्रयोगबाट ठूलो उपज र उच्च स्रोत उपयोग दक्षता हासिल गर्न सक्छन्। अझ के छ, यी प्रविधिहरू तीव्र गतिमा विकसित र उन्नत हुन जारी छन्।
अन्ततः, AI र IoT ले हरितगृह उत्पादकहरूलाई साँच्चै सशक्त बनाउन सक्छ — राम्रो निर्णयहरू गर्न, कममा धेरै गर्न — विश्वको खाद्यान्नलाई अझ दिगो रूपमा बढाउन।