人工智能不僅在圍棋上大獲全勝，還比農民會種地，比農場主會養牛?這還真不是瞎扯淡，大批企業正在試圖讓人工智能在農業領域大顯身手，已經有了些不錯的成果。

柯潔連輸三局，敗給了Alphago。柯潔作為人類最高智慧棋類的最強大腦，三連敗的結局足以展示科技的進步和人工智能的強大。

人工智能已成為自動化、電氣化和信息化之后新一輪工業革命的基石，而人工智能的應用亦非僅在工業領域，在教育、醫療和金融領域都是革命性的技術創新。那么在人類最古老的農業領域，人工智能有何表現呢?我們是不是連種地也要輸給電腦了呢?

人工智能解決農業面臨的世紀挑戰

農業領域面臨的挑戰對人類來說比其他領域更為重要。如今世界人口總數為72億，其中有7.8億人面臨著饑餓威脅，到2050年，全球人口將要達到90億，這意味著我們生產的糧食熱量需要增長60%。如果考慮作為肉類來源的家畜消耗的糧食，那么這一增長率將達到103%。而于此同時，我們又面臨著石油農業所依靠的能源危機，面臨著化肥農藥過度使用造成的土壤和環境的破壞以及對人類健康的威脅。

那么，如何在耕地資源有限的情況下增加農業的產出，同時保持可持續發展呢?人工智能就是解決的方法之一。

人工智能在農業領域的研發及應用早在本世紀出就已經開始，這其中既有耕作、播種和采摘等智能機器人，也有智能探測土壤、探測病蟲害、氣候災難預警等智能識別系統，還有在家畜養殖業中使用的禽畜智能穿戴產品。這些應用正在幫助我們提高產出、提高效率，同時減少農藥和化肥的使用。

以前我們在野外看到一個不認識的花草要查閱資料才能知道是什么花草，可如今我們可以通過各種識圖軟件對著花草拍照掃描一下就知道了，這就是電腦圖像識別技術。如今借助機器學習和深度學習，智能圖像識別準確率越來越高，而應用也遠遠不止這些。

PlantVillage(美國)和Plantix(德國)是兩款智能植物識別App，他們能做的不僅僅是幫你識別你不認識的農作物，他們能夠幫農戶智能識別農作物的各種病蟲害。農戶把患有病蟲害農作物的照片上傳，App就會識別出農作物犯了那種病蟲害，并且可以給出相應的處理方案。除了人工智能給出的處理方案，App上還有用戶和專家交流的社區，可以針對相應的病蟲害進行討論交流。

智能識別+智能機器人

那么如果把圖像智能識別跟智能機器人結合會怎樣呢?那就是更好的幫我們種地、播種和采摘。

BlueRiverTechnologies是一家位于美國加州的農業機器人公司。BlueRiver的農業智能機器人可以智能除草、灌溉、施肥和噴藥。智能機器人利用電腦圖像識別技術來獲取農作物的生長狀況，通過機器學習，分析和判斷出那些是雜草需要清除，哪里需要灌溉，哪里需要施肥，哪里需要打藥，并且能夠立即執行(圖示為萵苣種植機)。智能機器人因為能夠更精準的施肥和打藥，可以大大的減少農藥和化肥的使用，比傳統種植方式減少了90%的農藥化肥使用。

智能播種機器人還可以通過探測裝置獲取土壤信息，然后通過算法得出最優化的播種密度并且自動播種。美國愛荷華州的發明家DavidDorhout研發的智能播種機器人Prospero就是這樣的智能機器人。

除了播種和田間管理，農業智能機器人還可以幫我們采摘成熟的蔬果。

AboundantRobotics也是來自美國加州的農業機器人公司，目前他們已經上市的是一款蘋果采摘機器人，可以在不破壞蘋果樹和蘋果的前提下達到一秒一個的采摘速度。蘋果采摘機器人通過攝像裝置獲取果樹的照片，用圖片識別技術去定位那些適合采摘的蘋果，然后用機械手臂和真空管道進行采摘，一點都不會傷到果樹和蘋果。

衛星云圖學習，種地不看天，看手機

傳統農藥田間管理看天看地看作物，而如今農民也要成為看手機的低頭族了：)。通過對衛星拍攝圖片，航拍圖片以及農田間其他設備拍攝的照片進行智能識別和分析，人工智能的能夠精確的預報天氣，氣候災害，識別土壤肥力，莊家的健康狀況等等。

比如美國的DescartesLabs公司收集了海量農業相關的衛星圖像數據，他們對天氣的預測比美國農業部的還要精準。DescartesLabs通過人工智能和深度學習，去分析這些圖像信息，尋找其跟農作物生長之間的關系，能對農作物的產量做出精準預測，他預測的玉米產量比以往的預測準確率高出99%。

除了天氣預測和產量預測，人工智能對農作物各種圖像的學習還能判斷出農田那里有雜草入侵，那個地塊的農作物養分不足，那里片的農作物正在發生病蟲害。美國加州的IntelinAir就是一家提供這樣服務的公司。

從瑞士聯邦理工學院衍生出的農業科技公司Gamaya則使用獨特的超光譜(高光譜)感應裝置，用這些能夠探測出肉眼無法觀察的光譜，這為農戶提供了更全面的數據，向農戶提供智能施肥管理、灌溉管理和蟲害管理。Gamaya的技術已經在玉米、大豆和甘蔗的種植上應用，并幫助農戶大大降低成本和提高產出。

牛臉識別，智能穿戴

人工智能還可以用在禽畜的養殖業，比如在養牛行業。大家知道嗎?牛其實不愿意看到人類的，他們會視人類為捕食者，因此養牛場的工作人員會給牛群帶來緊張情緒。那么我們就把農場的管理交給人工智能吧。

人工智能通過農場的攝像裝置獲得牛臉以及身體狀況的照片，進而通過深度學習對牛的情緒和健康狀況進行分析，然后幫助農場主判斷出那些牛生病了，生了什么病，那些牛沒有吃飽，甚至那些牛到了發情期。來自加拿大的Cainthus機器視覺公司正在做這樣的事情。

除了攝像裝置對牛進行“牛臉”識別，還可以配合上可穿戴的智能設備，這會讓農場主更好的管理農場。荷蘭的Connecterra是一家動物智能穿戴技術公司。通過帶在奶牛脖子上的智能傳感器，結合牧場上的固定探測器共同收集數據。這些數據上傳到云服務器上，用自己開發的算法通過機器學習讓這些海量的原始數據變成直觀的圖表和信息發送到客戶那里。

這些信息包括奶牛的健康分析、發情期探測和預測、喂養狀況、位置服務等。Connecterra大大節省了奶農的工作時間，提高了工作效率，特別是對有機農場更有幫助，因為他們可以很容易的了解放養時間、位置和吃草的時間。

讓在農田中的各種物聯網設施更有價值

除了智能穿戴還有更多的農業物聯網設施，比如田間攝像頭、溫度濕度監控、土壤監控、無人機航拍等等。這些設施能夠為農業管理提供海量的實時數據，那么如何把這些海量的數據及時的變成有價值的信息，就是人工智能要做的事情。這些數據被實時傳送到云服務器上，不同類型的農業服務公司會根據不同的農業狀況設置自己的算法，然后通過機器學習和深度學習把這些數據變成對農戶有意義的信息，比如那里蟲害超標，那里需要灌溉等等。

人工智能還可以通過算法給出各種最優化的方案，比如根據土壤環境狀況，結合市場行情預測，從而給出今年該地適合種玉米還是大豆。

未來的挑戰和機遇

人工智能在農業領域的應用才剛剛開始，面臨的挑戰比其他任何行業都要大，因為農業涉及的不可知因素太多了!地理位置、周圍環境、氣候水土、病蟲害、生物多樣性、復雜的微生物環境等等，這些因素都在影響著農作生產。你在一個特定環境中測試成功的算法，換一個環境未必就有用了。

我們現階段看到的一些人工智能成功應用的例子大都是在特定的地理環境或者特定的種植養殖模式。當外界環境變換后，如何挑戰算法和模型是這些人工智能公司面臨的挑戰，這需要來自行業間以及農學家之間更多的協作。