人类未来的食物供给掌握在人工智能手中？

人类给自己出了个难题。到2050年，人口或许将逼近100亿，但是，地球还是那么大，也就是说，相同的土地面积要养活更多的人。再加上全球变暖、随之而来的淡水缺乏等等诸多状况，人类还能不能养活自己，是个大问题。

或许天意，机器最终来到人类身边。真正智能、让人印象深刻的机器人以及机器学习算法，或许会带来一场绿色革命，让人们在这个日益有限的星球上养活自己。想象一下，可以自动探测干旱图样的卫星，识别并杀死感染疾病的植物的拖拉机，告诉农民哪种疾病感染作物的人工智能手机应用。

忘了稻草人吧。农业的未来掌握在机器的手中。

数字农业专家

深度学习是一种功能强大的计算方法，程序员并不需要清楚告知计算机做什么，只用训练它识别特定模式。你可以给计算机输入病变以及健康农作物叶子的图片，然后如是标签。算法会通过这些数据，掌握病变以及健康农作物叶子的样子，自己决定新叶子是否健康。

这正是生物学家 David Hughes 和流行病学家 Marcel Salathé 对14种感染了26中疾病的农作物所做的。他们给一台计算机输入了50,000多张图片，通过自我学习，程序可以识别新输入的照片情况，准确率达99.35%。

这些仍然是人为处理过的图片，这些图片亮度和背景都是统一的，因此，对于计算机来说，这不是很难。只要从互联网上随便摘取一张病变植物照片，识别的正确率就降到了30%到40%。

结果也不是太糟糕，不过， Hughes 和 Salathé 希望看见这款人工智能系统驱动他们的应用 PlantVillage，目前，这款应用允许全世界的农民上传自己作物照片到一个论坛，请让专家诊断。为了让人工智能更聪明，他们会继续给系统输入染病作物的图片。Salathé 说道，「输入照片越来越多，来源各异，比如，这些照片是如何拍摄，时间、地点信息又是如何等等。算法可以自行吸收学习。」

目标不仅仅是排除染病植物，毕竟，病因很多。「大部分影响植物生长的疾病都源自生理上的压力，比如，钙镁元素不足，或太多盐，温度太高等等。」Hughes 说道，「人们经常误认为是细菌或真菌感染。」错误的诊断会浪费农民时间，以及金钱（农药与除草剂上）。将来，人工智能可以帮助农民迅速、准确地找到病因。

找到病因后，人类会夺回控制权——因为，虽然应用也许可以找到问题，但是，只有人类专家才能找到一套适合于时间、土地与气候的解决方案。联合国粮食与农业组织认为，对作物管理而言，这种技术是一个「有效工具」，但是，专家才有资格板上钉钉。该组织的一位植物病理学家 Fazil Dusunceli 说道，这样的电子设备会很受欢迎，但是，「最终的农害管理，应该与当地专家们一起决定。」

拖拉机训练者

发展中国家急需农业知识，但发达国家却被杀虫剂和农药淹没了。在美国，农民每年要用掉3.1亿磅除草剂——这还仅仅是在玉米，大豆和棉花田上。并且是「喷洒（出去）并祈祷（农药起作用）」的作业方式，与其说是狙击虫害，不如说是地毯式轰炸。

一家叫做 Blue River Technology 的公司，也许已经想到了解决方案，至少就生菜而言，是这样。它的LettuceBot（生菜机器人）看起来很像拖拉机，但实际上它是一个机器学习支持的...机器。

Blue River 宣称， LettuceBot 可以一分钟拍摄5,000张幼小的植物的照片，利用算法和机器视觉去识别每株植物是生菜还是杂草。如果速度快到你难以想象，「这仍在机器视觉和机器学习的计算能力范围内。」深度学习设备 Enlitic 的创始人 Jeremy Howard ，一个图像芯片只需0.02秒，就可以识别出一张图片。

应用的精确度可达四分之一英寸，机器人可以在运行中精确定位每株杂草并喷洒农业。如果看见了一株生菜，判定它长得不健康，也会喷洒农药（农民种下的生菜会是收成的5倍，因此可以牺牲多余的生菜）。如果两株芽长的过近（不理想的情况），机器也可以加以区分，而不是误认为一大株植物，也会分别喷洒。

现在，再考虑一下这方案：不管愿意不愿意，统统给地里喷洒农药。Blue River Technology 的 Ben Chostner说道：「这就像是说，如果旧金山的一小部分人感染了疾病，你的唯一选择就是给城里所有人一片抗生素。」Blue River 科技的 Ben Chostner 说，「病治好了，但是，成本太高，没有很好地利用抗生素潜能。」

另一方面，有了 LettuceBot，Chostner 称，农民可以减少90%的农药用量。现在，机器已经被用于市场——Blue River 所服务的农田，每年供应的生菜占全美生菜供应量的10%。

Blue River Technology 的 LettuceBot 可以在一分钟内拍摄并处理5,000株植物。

LettuceBot 非常的强大，因为它利用机器学习加强了机器人的自身优势：精确性。虽然不能像我们一样奔跑或者操控物体，但是，它们细致谨慎，做事前后一致——一个完美的农业狙击手。

处理卫星数据的人工智能

头上400英里的轨道上，NASA 的 Landsat 卫星利用空间光谱之外的电磁波段，为我们提供了地球表面调查数据，堪称神奇。对于人类来说，这些信息难以消化，不过，对于机器学习算法来说，小菜一碟。

而且，在监视农业种植方面，这些数据极具价值，尤其是发展中国家，当决定是否给农民发放贷款或者给予紧急援助时，政府和银行往往面临着数据短缺，这些数据的价值也就彰显出来。在印度的一场干旱期间，不同的地区，旱情也不同，而且，在这些地区中，一些农民比其他地区的农民，有更好的办法获取水资源。

因此，一家叫做 Harvesting 的公司正在用深度学习来大规模分析卫星数据，帮助机构能够更有效地分配资金。Harvesting 的 CEO Ruchit Garg说道，「我们的愿望是，利用这种技术来区分出这样的农民和村庄，帮助银行或政府把钱贷给正确的对象。」他还指出，尽管一个分类分析师可能同时分析10或15个变量，机器学习可以同时处理2,000或更多。

随着地球变暖所引发的气候变化，政府面临这一个特别紧迫的问题：如何分配资源。一直以来，印度的农业相对具有可预测性。Garg说，「因此，我从我父亲、祖父身上学会如何种植，以及分辨四季。但是，由于剧烈的气候变化，情况已经变化，过去的那套做法不管用了。」

伙计们，这是新的世界秩序。农民可以接受失败，或者以智能的方式种植农业。亦即，更多的数据，更多的人工智能，以及更多喷洒农药的机器人。

本文选自连线，作者：MATT SIMON；机器之心编译，参与：Chen Xiaoqing，微胖