Գյուղատնտեսության թվայնացման հաջորդ փուլը կարող է փոխել արհեստական բանականության դերը․ համակարգը պետք է ոչ միայն հավաքի եղանակի, հողի կամ բերքի մասին տվյալներ, այլ այդ տվյալները վերածի ֆերմերի համար հասկանալի և կիրառելի որոշումների։
Արհեստական բանականությունը գյուղատնտեսություն մտավ առաջին հերթին որպես տվյալների վերլուծության գործիք։ Այն կարողացավ մշակել հսկայական քանակությամբ տեղեկություն՝ եղանակի կանխատեսումներ, արբանյակային պատկերներ, հողի ցուցանիշներ, բույսերի վիճակ, բերքատվության պատմական տվյալներ։
Բայց այժմ ուշադրությունը տեղափոխվում է հաջորդ հարցի վրա.
Ի՞նչ անել այդ տվյալների հետ։
Սեպտեմբերի 14-ին հրապարակված նոր գրախոսված զեկույցը՝ AI in Agriculture: Transforming the Food System from Data to Decisions to Action, հենց այս անցումն է դիտարկում՝ գյուղատնտեսական համակարգում տվյալներից դեպի որոշումներ և իրական գործողություններ։
Տվյալ ունենալը դեռևս որոշում կայացնել չէ
Պատկերացնենք, որ ֆերմերն ունի հողի խոնավության սենսոր։
Սարքը ցույց է տալիս, որ հողի խոնավությունը նվազել է։
Սա տվյալ է։
Եթե համակարգը նաև հաշվի է առնում առաջիկա օրերի եղանակը, մշակաբույսի զարգացման փուլը, հողի տեսակը և նախորդ ոռոգումները, ապա արդեն կարող է առաջարկել.
«Ոռոգել վաղը առավոտյան՝ այս ժամանակահատվածում»։
Այստեղ է AI-ի իրական արժեքը։
Այն ոչ թե պարզապես ասում է՝ ինչ է կատարվում, այլ փորձում է պատասխանել՝ ինչ անել հաջորդը։
Գյուղատնտեսական AI-ն կարող է միավորել տարբեր տվյալներ
Ֆերմերի որոշումը սովորաբար կախված է մի քանի գործոններից։
Օրինակ՝ ոռոգման դեպքում կարևոր են՝
- հողի խոնավությունը,
- օդի ջերմաստիճանը,
- սպասվող տեղումները,
- բույսի զարգացման փուլը,
- հողի տեսակը,
- նախորդ ոռոգումը,
- ջրի հասանելիությունը։
Մարդը կարող է այդ ամենը գնահատել, բայց մեծ տնտեսություններում տվյալների ծավալը արագ մեծանում է։
AI համակարգը կարող է տարբեր աղբյուրներից ստացված տեղեկությունները միավորել և դրանց հիման վրա առաջարկություն ձևավորել։
Նույն տրամաբանությունը կարող է կիրառվել նաև հիվանդությունների վաղ հայտնաբերման, բերքատվության կանխատեսման, պարարտացման և բերքահավաքի պլանավորման դեպքում։
AI-ն կարող է փոխել նաև գյուղատնտեսական խորհրդատվությունը
Այսօր գյուղատնտեսական խորհրդատվությունը հաճախ հիմնված է մասնագետի փորձի վրա։
Ֆերմերը նկարագրում է խնդիրը կամ ցույց է տալիս բույսը, իսկ մասնագետը փորձում է որոշել պատճառը։
AI-ն կարող է դառնալ այդ գործընթացի լրացուցիչ գործիք։
Օրինակ՝ ֆերմերը կարող է համակարգին փոխանցել բույսի լուսանկարը, հողի տվյալները և եղանակային պայմանները։
Համակարգը կարող է տարբեր տվյալների համադրությամբ գնահատել հնարավոր խնդիրները և առաջարկել՝ ինչ ստուգել կամ ինչ գործողություն քննարկել մասնագետի հետ։
Սակայն այստեղ կա կարևոր սահմանափակում․ AI-ի առաջարկությունը չպետք է ավտոմատ կերպով համարվի մասնագետի ախտորոշում։
Հատկապես բույսերի հիվանդությունների, թունաքիմիկատների կամ կենդանիների բուժման հարցերում վերջնական որոշումը պետք է հիմնված լինի համապատասխան մասնագիտական գնահատման վրա։
Փոքր տնտեսությունը նույնպես կարող է օգտվել
AI-ի մասին խոսելիս հաճախ պատկերացնում ենք հսկայական ագրոկոմպլեքսներ՝ հազարավոր սենսորներով և ամբողջովին ավտոմատացված տեխնիկայով։
Բայց տեխնոլոգիայի առավել հետաքրքիր կողմերից մեկը կարող է լինել դրա հասանելիությունը փոքր տնտեսություններին։
Ֆերմերին պարտադիր չէ ունենալ միլիոնավոր դոլարների արժողությամբ համակարգ։
Եթե AI-ն կարող է աշխատել նույնիսկ պարզ տվյալների հետ՝
եղանակ + հողի ցուցանիշ + մշակաբույս + լուսանկար + ֆերմերի գրանցումներ,
ապա այն կարող է դառնալ գյուղատնտեսական խորհրդատվության մատչելի գործիք։
Սակայն կա մի մեծ խնդիր՝ տվյալների որակը
AI համակարգը այնքան լավ է, որքան լավն են այն տվյալները, որոնց վրա այն աշխատում է։
Եթե հողի չափումները սխալ են, եղանակային տվյալները տեղական պայմաններին չեն համապատասխանում, իսկ ֆերմայի վերաբերյալ գրանցումները թերի են, համակարգի առաջարկությունն էլ կարող է սխալ լինել։
Հետևաբար գյուղատնտեսության AI-ի զարգացումը միայն ծրագրային ապահովման խնդիր չէ։
Պետք են որակյալ տվյալներ, տեղական փորձ, թվային ենթակառուցվածքներ և ֆերմերների թվային հմտություններ։
Հայաստանի համար սա հատկապես հետաքրքիր ուղղություն է
Հայաստանի գյուղատնտեսությունը տարբեր տարածաշրջաններում ունի խիստ տարբեր պայմաններ։
Նույն մշակաբույսի համար ոռոգման, հողի, ջերմաստիճանի կամ հիվանդությունների ռիսկերը կարող են էապես տարբերվել։
Այդ պատճառով Հայաստանում օգտագործվող AI համակարգը պետք է կարողանա աշխատել տեղական տվյալների և տեղական պայմանների հետ։
Օրինակ՝ եթե համակարգը գիտի տվյալ համայնքի եղանակային պատմությունը, հողի առանձնահատկությունները, մշակաբույսի տեսակը և ֆերմերի նախորդ գործողությունները, դրա խորհուրդը կարող է շատ ավելի օգտակար լինել, քան ընդհանուր ինտերնետային խորհրդատվությունը։
AI-ն ֆերմերի փոխարեն չի որոշելու
Սա թերևս ամենակարևոր տարբերակումն է։
Գյուղատնտեսության մեջ AI-ի նպատակը պարտադիր չէ ֆերմերին փոխարինելը։
Ավելի իրատեսական սցենարը «ֆերմեր + AI» մոդելն է։
Ֆերմերն ունի դաշտային փորձը, տեղական գիտելիքը և վերջնական որոշման իրավունքը։
AI-ն ունի մեծ քանակությամբ տվյալներ արագ մշակելու և տարբեր գործոնների միջև կապեր գտնելու հնարավորությունը։
Երկուսի համադրությունը կարող է ավելի արդյունավետ լինել, քան դրանցից որևէ մեկը առանձին։
Տվյալներից դեպի գործողություն
Գյուղատնտեսության AI-ի իրական հեղափոխությունը, հետևաբար, կարող է տեղի ունենալ այն ժամանակ, երբ համակարգը դադարի պարզապես ցույց տալ հարյուրավոր գրաֆիկներ և սկսի ֆերմերին ասել՝
ինչն է փոխվել, ինչու է դա կարևոր և ինչ կարելի է անել հիմա։
Սա է այն ճանապարհը, որով գյուղատնտեսության արհեստական բանականությունը կարող է անցնել տվյալներից դեպի որոշումներ, իսկ որոշումներից՝ իրական գործողություն։
Եվ այդ պահին AI-ն այլևս պարզապես բարձր տեխնոլոգիա չի լինի։
Այն կարող է դառնալ ֆերմերի ամենօրյա աշխատանքային գործիքներից մեկը։