Գյուղատնտեսության մեջ արհեստական բանականությունը շարունակում է արագ զարգանալ։ Եթե մինչ այժմ AI-ը հիմնականում օգտագործվում էր դաշտերի նկարների, բույսերի հիվանդությունների կամ վնասատուների հայտնաբերման համար, ապա այժմ այն փորձում են դարձնել նաև ֆերմերի ամենօրյա որոշումների օգնական։
Գյուղատնտեսական տեխնիկայի խոշոր արտադրող John Deere-ը ներկայացրել է արհեստական բանականության նոր օգնական՝ JD, որը ինտեգրվում է ընկերության Operations Center համակարգին։
Նոր համակարգի առանձնահատկությունն այն է, որ AI-ը կարող է աշխատել ոչ թե ընդհանուր ինտերնետային տեղեկատվության, այլ կոնկրետ ֆերմայի կուտակած տվյալների հիման վրա։
AI-ը կարող է «իմանալ» ֆերմայի պատմությունը
Ժամանակակից գյուղատնտեսական տեխնիկան հսկայական քանակությամբ տվյալներ է հավաքում։
Տեխնիկան կարող է գրանցել, թե որքան վառելիք է օգտագործվել, ինչ տարածք է մշակվել, ինչ արագությամբ է աշխատել մեքենան, ինչ բերք է ստացվել տարբեր հատվածներից և բազմաթիվ այլ ցուցանիշներ։
Այս տվյալները սովորաբար պահվում են թվային համակարգերում, սակայն դրանց ամբողջական վերլուծությունը ֆերմերի համար կարող է բավական ժամանակատար լինել։
John Deere-ի նոր AI օգնականի գաղափարն այն է, որ ֆերմերը կարողանա այդ տվյալների վերաբերյալ հարցեր տալ բնական լեզվով, իսկ համակարգը դրանք վերլուծի և ներկայացնի հասկանալի պատասխանով։
Օրինակ՝ ֆերմերը կարող է ցանկանալ հասկանալ, թե որ դաշտերում է նախորդ տարի գրանցվել ավելի ցածր բերքատվություն կամ որքան վառելիք է ծախսվել որոշակի աշխատանքների ընթացքում։
AI-ը պետք է կարողանա արագ գտնել համապատասխան տվյալները և համադրել դրանք։
AI-ը կարող է օգնել նաև տեխնիկայի սպասարկմանը
Գյուղատնտեսական տեխնիկայի խափանումը կարող է ֆերմերի համար ոչ միայն վերանորոգման ծախս, այլև ժամանակի կորուստ նշանակել։
Հատկապես բերքահավաքի կամ ցանքի ժամանակ տեխնիկայի երկարատև կանգը կարող է լուրջ հետևանքներ ունենալ։
John Deere-ի նոր համակարգի հնարավոր կիրառություններից մեկը տեխնիկայի սպասարկման պլանավորումն է։
AI-ը կարող է օգտագործել մեքենայի աշխատանքի վերաբերյալ տվյալները և օգնել ֆերմերին հասկանալ, թե ինչ սպասարկման աշխատանքներ կարող են անհրաժեշտ լինել և երբ։
Այս մոտեցումը նպատակ ունի տեխնիկայի սպասարկումը տեղափոխել խափանումից հետո վերանորոգելուց դեպի նախապես կանխատեսվող սպասարկում։
Եղանակը նույնպես կարող է մտնել հաշվարկի մեջ
Գյուղատնտեսական որոշումների մեծ մասը կապված է եղանակի հետ։
Երբ ցանել, երբ հավաքել բերքը, երբ մշակել հողը, երբ ոռոգել կամ երբ կիրառել որևէ միջոց՝ այս որոշումները հաճախ կախված են առաջիկա օրերի և շաբաթների եղանակային պայմաններից։
AI համակարգը կարող է ֆերմայի տվյալները համադրել եղանակային տեղեկատվության հետ և օգնել ֆերմերին ավելի հիմնավորված որոշումներ ընդունել։
Օրինակ՝ եթե տվյալ դաշտում նախորդ տարիների բերքատվությունը ցածր է եղել, իսկ առաջիկա օրերին սպասվում են որոշակի եղանակային պայմաններ, համակարգը կարող է օգնել ֆերմերին այդ տվյալների հիման վրա գնահատել իրավիճակը։
Սակայն այստեղ կարևոր է տարբերել խորհուրդը և ավտոմատ որոշումը։
AI-ը կարող է վերլուծել տվյալները, բայց վերջնական որոշումը դեռ ֆերմերինն է։
AI-ը չի փոխարինում ֆերմերին
John Deere-ի ներկայացրած մոտեցման կարևոր գաղափարներից մեկն այն է, որ արհեստական բանականությունը պետք է օգնի ֆերմերին, այլ ոչ թե ամբողջությամբ փոխարինի նրան։
Ֆերմերը շարունակում է ունենալ դաշտի, հողի, եղանակի և իր տնտեսության առանձնահատկությունների մասին այնպիսի գիտելիք, որը հնարավոր չէ ամբողջությամբ փոխանցել համակարգչին։
AI-ի առավելությունը տվյալների արագ մշակման մեջ է։
Եթե ֆերմերը տարիների ընթացքում կուտակել է հազարավոր կամ նույնիսկ միլիոնավոր տվյալներ, AI-ը կարող է դրանք շատ ավելի արագ համադրել, քան մարդը։
Այսպիսով, տեխնոլոգիան կարող է ֆերմերի փորձին ավելացնել ևս մեկ գործիք՝ տվյալների վերլուծությունը։
Ինչով է սա տարբերվում սովորական գյուղատնտեսական ծրագրերից
Գյուղատնտեսական տնտեսությունների կառավարման թվային համակարգերը նորություն չեն։
Շատ ֆերմերներ արդեն օգտագործում են ծրագրեր՝ դաշտերի քարտեզագրման, տեխնիկայի վերահսկման, բերքատվության հաշվառման կամ գյուղատնտեսական աշխատանքների պլանավորման համար։
Նոր սերնդի AI համակարգերի տարբերությունն այն է, որ ֆերմերը ստիպված չէ ամեն անգամ ինքնուրույն ուսումնասիրել բազմաթիվ աղյուսակներ և հաշվետվություններ։
Նա կարող է հարց տալ սովորական լեզվով։
Օրինակ՝
«Ո՞ր դաշտում է անցած տարի ամենացածր բերքատվությունը եղել»։
Կամ՝
«Որքա՞ն վառելիք ենք ծախսել այս մշակաբույսի վրա»։
Համակարգը պետք է տվյալները գտնի և վերլուծի։
Այսինքն՝ փոխվում է ոչ միայն տվյալների օգտագործման ձևը, այլև ֆերմերի և գյուղատնտեսական ծրագրի փոխհարաբերությունը։
Հաջորդ փուլը՝ AI-ը ոչ միայն կպատասխանի, այլև կկանխատեսի
Այս տեխնոլոգիայի զարգացման հաջորդ փուլը կարող է լինել կանխատեսումը։
Եթե համակարգն ունի մի քանի տարվա տվյալներ՝
- բերքատվության,
- եղանակի,
- հողի,
- տեխնիկայի աշխատանքի,
- վառելիքի,
- ոռոգման,
- պարարտացման
մասին, ապա այդ տվյալները կարող են օգտագործվել որոշակի իրավիճակների կանխատեսման համար։
Օրինակ՝ հնարավոր է փորձել կանխատեսել, թե որ դաշտերում է բերքատվության նվազման վտանգը բարձր կամ որտեղ կարող է անհրաժեշտ լինել լրացուցիչ ոռոգում։
Սակայն կանխատեսման ճշգրտությունը կախված է տվյալների որակից և քանակից։
Վատ կամ ոչ ամբողջական տվյալների վրա կառուցված AI համակարգը նույնպես կարող է սխալ արդյունք տալ։
Տեխնոլոգիան կարող է օգնել նաև փոքր ֆերմերներին
AI-ի մասին խոսելիս հաճախ տպավորություն է ստեղծվում, որ նման տեխնոլոգիաները նախատեսված են միայն հազարավոր հեկտարներ ունեցող խոշոր ագրոբիզնեսների համար։
Սակայն տեխնոլոգիայի զարգացման կարևոր ուղղություններից մեկը դրա հասանելիության մեծացումն է։
Եթե ֆերմերը կարողանա օգտագործել AI-ը հեռախոսի կամ համակարգչի միջոցով և դրա համար անհրաժեշտ չլինի ունենալ հսկայական ենթակառուցվածք, ապա նման համակարգերը կարող են օգտակար դառնալ նաև փոքր և միջին տնտեսությունների համար։
Այստեղ, սակայն, առաջանում է մեկ այլ խնդիր՝ տվյալների հավաքագրումը։
Եթե տնտեսությունը չունի սենսորներ, թվային հաշվառում կամ տեխնիկայի աշխատանքի վերաբերյալ տվյալներ, AI-ը քիչ բան ունի վերլուծելու։
Այս պատճառով AI-ի արդյունավետությունը մեծապես կախված է գյուղատնտեսության թվայնացման ընդհանուր մակարդակից։
Իսկ Հայաստանի համար ի՞նչ կարող է նշանակել այս տեխնոլոգիան
Հայաստանի գյուղատնտեսության համար նման համակարգերի կիրառումը հատկապես հետաքրքիր կարող է լինել այն ոլորտներում, որտեղ տնտեսություններն արդեն օգտագործում են ժամանակակից տեխնոլոգիաներ։
Օրինակ՝ ինտենսիվ այգիներում, խելացի ջերմոցներում, կաթիլային ոռոգման համակարգերով տնտեսություններում և ժամանակակից գյուղտեխնիկայով աշխատող խոշոր տնտեսություններում արդեն հնարավոր է հավաքել մեծ քանակությամբ տվյալներ։
Եթե այդ տվյալները միավորվեն մեկ համակարգում, AI-ը կարող է օգնել դրանք օգտագործել ավելի արդյունավետ։
Օրինակ՝ այգեգործը կարող է ցանկանալ իմանալ, թե որ հատվածներում է ջրի օգտագործումը բարձր, իսկ բերքատվությունը՝ ցածր։
Կամ ջերմոցային տնտեսությունը կարող է ուսումնասիրել էներգիայի ծախսը, ջերմաստիճանը, խոնավությունը և բերքատվությունը։
Այդ տվյալների վերլուծությունը կարող է օգնել գտնել այն հատվածները, որտեղ հնարավոր է նվազեցնել ծախսերը։
AI + դրոն + սենսորներ․ գյուղատնտեսությունը դառնում է տվյալահեն
Վերջին տարիներին գյուղատնտեսական տեխնոլոգիաները զարգանում են ոչ թե առանձին, այլ միմյանց հետ կապված։
Դրոնը կարող է նկարել դաշտը։
Սենսորը կարող է չափել հողի խոնավությունը։
Գյուղտեխնիկան կարող է գրանցել իր աշխատանքի տվյալները։
Եղանակային կայանը կարող է փոխանցել օդի ջերմաստիճանի և տեղումների տվյալները։
Իսկ AI-ը կարող է փորձել այս ամբողջ տեղեկատվությունը համադրել։
Այդ դեպքում ֆերմերը ստանում է ոչ թե առանձին սարքերի տվյալներ, այլ մեկ ընդհանուր պատկեր իր տնտեսության մասին։
Սա է այն ուղղությունը, որը կարող է գյուղատնտեսությունը տեղափոխել տվյալահեն կառավարման նոր մակարդակ։
Տեխնոլոգիան դեռ փորձարկման փուլում է
John Deere-ի նոր AI օգնականը դեռ ամբողջությամբ հասանելի չէ բոլոր օգտատերերին։
Ընկերությունը նախատեսում է սկզբնական փուլում համակարգը տրամադրել սահմանափակ թվով վաղ օգտագործողների, հավաքել նրանց արձագանքները և տվյալները, ապա գնահատել դրա արդյունավետությունը մինչև ավելի լայն գործարկումը։
Սա կարևոր է, քանի որ գյուղատնտեսության մեջ սխալ խորհուրդը կարող է իրական ֆինանսական վնաս պատճառել։
AI համակարգը պետք է ոչ միայն արագ պատասխան տա, այլև ճիշտ հասկանա տվյալների սահմանափակումները և կարողանա ցույց տալ, թե ինչի վրա է հիմնված իր եզրակացությունը։
Գյուղատնտեսության հաջորդ հեղափոխությունը կարող է լինել ոչ թե նոր տրակտորը, այլ տվյալը
Գյուղատնտեսության մեքենայացումը փոխեց ֆերմերի աշխատանքի ձևը։
Ավտոմատացումը նվազեցրեց մարդու ֆիզիկական աշխատանքի անհրաժեշտությունը։
Այժմ թվայնացումը և արհեստական բանականությունը փորձում են փոխել մեկ այլ բան՝ որոշումների ընդունման ձևը։
Ֆերմերը կարող է ունենալ ավելի շատ տվյալներ, քան երբևէ, բայց այդ տվյալների արժեքը մեծանում է միայն այն ժամանակ, երբ հնարավոր է դրանք ճիշտ վերլուծել և օգտագործել։
John Deere-ի նոր AI օգնականը այդ փոփոխության հերթական օրինակն է։
Գյուղատնտեսության ապագան, հավանաբար, լինելու է ոչ թե այն, որ ֆերմերը ավելի քիչ բան կանի, այլ այն, որ նույն աշխատանքը կկատարի ավելի շատ տեղեկության և ավելի ճշգրիտ որոշումների հիման վրա։