Як штучний інтелект допоможе фермерам отримувати більше врожаю з меншими витратами

Регенеративне сільське господарство для майбутньої продовольчої безпеки та стійких продовольчих систем

Регенеративне сільське господарство зосереджено на створенні стійких продовольчих систем шляхом відновлення ґрунту та підвищення природних ресурсів, таких як рівень ґрунтових вод та біорізноманіття на фермах.

Пріоритет відновлення ґрунту забезпечує довгострокову стійкість та підвищує врожайність за рахунок більш здорового, що утримує воду ґрунту. З іншого боку, регенеративне сільське господарство може скоротити сільськогосподарські викиди з допомогою оптимізації використання ресурсів.

На рівні ферми це зміцнює стійкість, роблячи господарства краще підготовленими до протистояння екологічним проблемам і, зрештою, призводячи до стабільнішого доходу.

Розуміння ролі цифрових технологій та штучного інтелекту у сільському господарстві

Трохи раніше глобального імпульсу до регенеративного сільського господарства було наголошено на цифровізації сільського господарства. Він пропонує такі переваги, як вищий дохід фермерів, покращені екологічні результати та кращу комерційну життєздатність при роботі з дрібними фермерами.

Дослідження показують, що цифрове сільське господарство може збільшити ВВП сільського господарства країн із низьким та середнім рівнем доходу більш ніж на 450 мільярдів доларів або на 28 відсотків на рік. Зростання використання штучного інтелекту (ШІ) у сільському господарстві ще більше посилило ці переваги для фермерів.

Наприклад, використовуючи ШІ та цифрові технології, ініціатива Всесвітнього економічного форуму "ШІ для сільськогосподарських інновацій" у співпраці з урядом Індії підтримала фермерів, які вирощують перець чилі, досягти 21 відсотка підвищення врожайності, 9 відсотків скорочення використання пестицидів та 800 доларів підвищення доходу із 40 соток землі за цикл.

Сценарії використання ШІ у сільському господарстві (фото: The World Economic Forum)

Поєднання регенеративного сільського господарства та штучного інтелекту: перспективні галузі застосування

Багато сфер застосування штучного інтелекту в сільському господарстві мають потенціал прискорити регенеративне сільське господарство. Виділяється п'ять таких перспективних сфер застосування.

Геопросторові зображення для ландшафтного планування

Масштабування регенеративного сільського господарства часто потребує ландшафтного підходу, фокусуючись на ширшій галузі виробництва, а не на окремих фермах. Це дозволяє здійснювати цілісне керування/регенерацію природних ресурсів.

Моделі ШІ, що використовують геопросторові дані, можуть аналізувати зміни у ґрунтово-рослинному покриві та землекористуванні, здоров'я ґрунту та доступність води на великих ділянках землі, допомагаючи плануванню регенеративних ландшафтів.

У Мадхья-Прадеш, Центр інновацій в галузі продовольства, у партнерстві з урядом штату, працює зі Skymet Weather над інтеграцією геопросторових зображень у планування ландшафту. Зібрані дані додатково будуть пов'язані з фінансовими інструментами для кращої підтримки фермерів у прийнятті стійких практик.

Цифрове розширення за допомогою штучного інтелекту

Регенеративне сільське господарство спирається на індивідуальні практики, розроблені дослідницькими університетами. Доставка цих практик через агентів з поширення є дорогою, і низьке співвідношення агентів до фермерів залишає кількох землевласників без обслуговування.

Технологічні досягнення покращили економіку поширення таких практик через цифрові канали. Крім того, великі мовні моделі (LLM) у поєднанні з моделями Retrieval-Augmented Generation (RAG) можуть зробити рекомендації специфічними для ферм на основі локалізованих даних.

До того ж, мовні переклади, що підтримуються штучним інтелектом, можуть забезпечити доставку на місцеві мови економічно ефективним способом, що робить їх більш доступними в різних регіонах.

Прогнозування шкідників для скорочення використання пестицидів

Використання пестицидів було названо "глобальною проблемою прав людини" і програми регенеративного сільського господарства намагаються поступово скоротити їх використання.

Рішення на основі штучного інтелекту, засновані на розпізнаванні зображень та гіперспектральних зображеннях, можуть забезпечити як прогнозоване, так і попереджувальне виявлення шкідників, оптимізуючи використання пестицидів.

Фінансові стимули за допомогою штучного інтелекту

Однією з перешкод для регенеративного сільського господарства є відсутність фінансових стимулів для переходу на нього. Фінансові стимули, такі як оплата за секвестрований вуглець (трансформований), є складними через високі витрати на моніторинг та виплати.

Однак нещодавні пілотні проекти щодо використання датчиків для вимірювання здоров'я ґрунту та інтелектуальних контрактів за допомогою штучного інтелекту дозволили прискорити виплати, зробити їх без помилок та економічно ефективними.

Більшість компаній, що займаються вуглецевим фінансуванням, використовують моделі штучного інтелекту із застосуванням геопросторових даних для дистанційного виміру секвестрації вуглецю.

Аналогічні інноваційні моделі для стимулювання переходу використовуються в "Ініціативі 100 мільйонів фермерів". Вона забезпечує поєднання фінансової та нефінансової підтримки для переходу до регенеративного сільського господарства.

Завдяки штучному інтелекту вона дозволяє винагороджувати як фермерів, так і ранніх інвесторів. Креслення для відтворення таких фінансових моделей доступні в рамках ініціативи.

Швидкі аналізи ґрунту та моніторинг програми

Тестування грунту, що підтримується штучним інтелектом, забезпечує швидку оцінку здоров'я землі, дозволяючи приймати точні рішення про ефективність регенеративних практик.

Крім того, геопросторові моделі штучного інтелекту можуть бути використані для моніторингу таких методів, як поєднання культур чи покривне землеробство, які зазвичай важко контролювати в масштабі.

Такий аналіз також може забезпечити сегментацію фермерів, що дозволить надавати індивідуальну підтримку землевласникам на різних рівнях впровадження.

Масштабування штучного інтелекту для регенеративного сільського господарства

Сьогодні існує кілька проблем, які необхідно вирішити, щоб гарантувати, що ШІ дійсно сприяє діям боротьби зі зміною клімату.

Скорочення вуглецевого сліду ШІ

Зростання попиту на ШІ призводить до збільшення використання електроенергії, що призводить до викидів від технологічних компаній. Скорочення цих викидів має вирішальне значення, і слід вивчити варіанти, що підтримують це зниження, такі як відновлювані джерела енергії та краще управління даними.

Оптимізація інфраструктури та структури даних

Високоякісні дані мають вирішальне значення для ефективних моделей ШІ, але сільськогосподарські дані часто фрагментовані. Побудова цифрової громадської інфраструктури для обміну даними може допомогти знизити витрати, дозволяючи організаціям повторно використовувати і переробляти дані.

Гармонізація збору даних за допомогою стандартів необхідна для забезпечення сумісності та підвищення ефективності використання даних. Ще одним аспектом є збір даних про практики фермерів та зіставлення їх з іншими наборами даних про ґрунт, воду тощо, щоб створити докази про те, що це працює.

Структурування мережі доставки послуг на рівні сіл

Фермерам може бути важко безпосередньо прийняти технології за допомогою ШІ без будь-якого посередництва. Необхідна багатостороння співпраця для навчання та розгортання агентів на рівні сіл, які можуть допомогти у наданні допомоги фермерам у доставці послуг з підтримкою ШІ.

У міру накопичення більшої кількості сільськогосподарських даних та знайомства фермерів з технологіями, роль ШІ в регенеративному сільському господарстві буде збільшуватися.

У той же час, з великим обсягом даних точність існуючих рішень покращуватиметься. Тому, щоб максимально використати ці досягнення, планування використання ШІ при розробці програм регенеративного сільського господарства має вирішальне значення.