בשנת 2018, חמש צוותים גידלו מלפפונים באתגר החממה האוטונומית פורצת הדרך תחרות בין - לאומית. הטוויסט: רק אחד מהצוותים כלל מגדלים אנושיים מנוסים שהפעילו את תא החממה שלהם באופן ידני. ארבעת הצוותים הנותרים כללו מומחים בינלאומיים בתחומי הגננות והבינה המלאכותית (AI). הם עבדו כדי לפתח פתרונות AI לניהול היבולים שלהם מרחוק ואוטונומי. מטרת התחרות, אתגר החממה האוטונומית הראשונה בעולם, הייתה להניע פריצות דרך בייצור מזון בר קיימא.
לאחר ארבעה חודשים אינטנסיביים הגיעו המגדלים הידניים למקום השני. צוות המקום הראשון, בראשות אחד ממחברי מאמר זה, זכה עם פתרון גידול אוטונומי שלא רק השיג תשואות גבוהות יותר ב-6% ורווח נקי גבוה יותר ב-17%, אלא גם השתמש בפחות CO2, חימום ותשומות מים.
כדי ללמוד עוד על התחרות ולהבין כיצד פתרון בינה מלאכותית יכול להתחרות בצוות של מגדלים אנושיים מיומנים - ואף להתעלות על ביצועיו, בוא נסתכל מקרוב על AI וכיצד הוא קשור לאוטומציה של חממות.
אוטומציה של חממה אינה דבר חדש
במשך עשרות שנים, מגדלים השתמשו במחשבי תהליכים, חיישנים ומפעילים לניהול אקלים החממה וההשקיה. בתרחיש כזה, העבודה של מחשב התהליך היא פשוטה, תוך הסתמכות על כללים לוגיים פשוטים. אם טמפרטורת האוויר גבוהה מ-75°F, פתח את פתח האוורור, למשל. העבודה המייגעת של קריאת טמפרטורות וכיבוי והדלקה של אורות ותנורי חימום מואצלת למכונות.
כמובן, אוטומציה מבוססת כללים לא יכולה להתמודד עם נסיבות בלתי צפויות. חשוב יותר, אדם מיומן צריך לקבל את כל החלטות ניהול היבול, עד לנקודות ההגדרה המדויקות של פרמטרים סביבתיים. כדי להשיג תשואות גבוהות בצורה מהימנה, דרושה רמה משמעותית של ידע ומיומנות, וגם אז קל לעשות טעויות. יתרה מכך, ככל שהחוות גדלות, העבודה של ניטור רציף אחר הגידולים הופכת לתובענית עוד יותר.
למרבה הצער, המגדלים יודעים היטב שעבודה היא המקור הגדול ביותר לבעיות בייצור. שנה אחר שנה, ב מגדלי החממות סקר 100 המגדלים המובילים, מגדלים מדווחים על אתגרים לא רק עם עלות העבודה אלא גם עם הזמינות של כוח אדם מיומן. באופן לא מפתיע, מגדלים מחפשים יותר ויותר דרכים להתמודד עם האתגרים הללו, כולל טכנולוגיות חדשות שיכולות להפוך את ניהול החממות לאוטונומי יותר.
AI הוא צעד מעבר לאוטומציה מבוססת כללים
דרך טובה לחשוב על בינה מלאכותית היא שזהו צעד מעבר לאוטומציה פשוטה מבוססת כללים. בינה מלאכותית מודרנית עוסקת בסך הכל בשימוש במתמטיקה כדי למצוא דפוסים בנתונים, כולל מהסוג שנמצא במערכות סביבתיות וביולוגיות של חממה. לדוגמה:
- עם מספיק נתוני אקלים, מגדלים יכולים להשתמש בבינה מלאכותית כדי לקבוע נקודות קבע אופטימליות ולבצע תחזיות אקלים.
- עם מספיק נתוני יבול, מגדלים יכולים להשתמש בבינה מלאכותית כדי ליצור תחזיות יבול.
- עם מספיק נתוני תמונה, מגדלים יכולים להשתמש בבינה מלאכותית כדי לזהות מזיקים ומחלות.
סוגים מסוימים של AI יכולים אפילו ללמוד מנתונים חדשים, ולספק תוצאות טובות יותר לאורך זמן.
על ידי היכולת לספק תובנות מעמיקות יותר בפעילות החממה היומיומית, ניתן להשתמש בבינה מלאכותית כדי לתמוך בקבלת החלטות מומחים ולהעצים מגדלים בצורה משמעותית. אחרי הכל, התוצאות הטובות ביותר מגיעות משילוב מתחשב בין אינטליגנציה אנושית ובינה מלאכותית.
ניתן לשלב את הגישה מבוססת הנתונים של AI עם הגישה מבוססת הכללים הקלאסית, המאפשרת רמה גבוהה בהרבה של אוטומציה של חממה מאי פעם. בקיצור, מגדלים יכולים להשתמש בבינה מלאכותית כדי להפוך משימות תפעוליות רבות לאוטומטיות, ולסייע בהקלה על בעיות העבודה הכרוניות שמאתגרות את התעשייה.
נתונים הם הדלק עבור AI
ככל שבינה מלאכותית עוסקת באלגוריתמים מתמטיים, היא עוסקת גם בנתונים. בניגוד למה שנהוג לחשוב, כמה מהאלגוריתמים הנפוצים ביותר בשימוש ב-AI קיימים כבר עשרות שנים. הם אפילו לא נורא מסובכים. אבל במשך הזמן הארוך ביותר, זמינות הנתונים - יחד עם כוח חישוב סביר הנדרש לעיבוד הנתונים - היו גורמים מגבילים.
היה צורך בפיתוח עדכני בחומרת המחשב כדי לפתוח את הפוטנציאל של AI. מהפכת הסמארטפונים, שהולידה אפל ב-2007, יצרה מערכות אקולוגיות ושרשרות אספקה חדשות לגמרי בקנה מידה עולמי. זה שינה את הכלכלה הבסיסית של חומרת המחשב, לכאורה בן לילה. רכיבי חומרה מרכזיים, כגון מיקרו-מעבדים, מכשירי רדיו וחיישנים, הפכו זולים יותר, קטנים וחזקים יותר באופן אקספוננציאלי. טפטוף הנתונים הגולמיים הפכו לשיטפונות. השפע החדש של נתונים וכוח חישובי עזר להפוך את AI מסקרנות מחקרית עם מעט יישומים מסחריים לשינוי ים טכנולוגי.
IoT מביא שפע של נתונים
בתחילת שנות ה-1980, סטודנטים לתארים מתקדמים באוניברסיטת קרנגי מלון בפיטסבורג התעצבנו בטרקים לעבר מכונה אוטומטית של קוקה קולה רק כדי למצוא אותה ריקה. הם שינו אותו כדי שיוכל לדווח על המלאי שלו דרך האינטרנט. בכך הם המציאו את המכשיר הראשון בעולם המחובר לאינטרנט.
כיום, מיליארדי מכשירים, גדולים וקטנים, מאלקטרוניקה ועד למכונות תעשייתיות, הצטרפו לאותה מכונת סודה ראשונה בהיותם מחוברים לאינטרנט, ויצרו את מה שמכונה האינטרנט של הדברים (IoT). מה שמשמעותי הוא שבניגוד לדורות קודמים של חומרה - כולל הרבה פתרונות אוטומציה נפוצים של חממה - מכשירי IoT משתמשים באותם סוגים של פורמטים של נתונים ופרוטוקולי תקשורת כמו במקומות אחרים באינטרנט. על ידי הסתמכות על תקני אינטרנט גלובליים, זה יכול להיות קל יותר להחליף נתונים עם התקני IoT מבלי להידרש לחומרה נוספת כדי לגשר בין סוג אחד של מערכת לאחר.
ביחד, AI ו-IoT הם טכנולוגיות משלימות. חומרת IoT עוזרת למגדלים לאסוף נתונים גולמיים מחממות ביתר קלות. ותוכנת בינה מלאכותית עוזרת למגדלים להבין - ולפעול לפיהם - הנתונים האלה כדי לשפר את ייצור היבולים.
מקרה מבחן: הצלחתו של קנת טראן באתגר החממה האוטונומית
ד"ר טראן: בשנת 2018, הייתי חוקר בינה מלאכותית ב-Microsoft Research ליד סיאטל, ועבדתי על סוג חדש יותר של בינה מלאכותית הידועה בשם למידת חיזוק. שם יזמתי מאמץ חדש ליישם את המחקר שלנו לתחום החקלאות בסביבה מבוקרת. עם מה שנקרא פרויקט Sonoma, שיתפנו פעולה עם מדעני צמחים במרכז המחקר Harrow באונטריו, קנדה, ובסופו של דבר התחרינו באתגר החממה האוטונומית הבינלאומית הראשונה, שאורגן על ידי אוניברסיטת Wageningen ומחקר בהולנד.
באתגר זה, כל צוות גידל מלפפונים בתא חממה בגודל 315 רגל מרובע למשך כארבעה חודשים. תאים אלה היו מצוידים במחשבי תהליך סטנדרטיים, חיישני אקלים ומפעילים. באמצעות ממשקי IoT דיגיטליים (REST APIs), תוכניות הבינה המלאכותית שלנו יכלו לקרוא ברציפות נתונים מהחיישנים, לקבוע נקודות קבע אופטימליות ולשלוח נקודות קבע בחזרה למחשבי התהליך - בכל רחבי האינטרנט (ראה איור למטה). פרטים נוספים על האתגר ותוצאותיו ניתן למצוא במאמר של Hemming et al. (2019).
למרות חוסר הניסיון שלנו בגידול מלפפונים ואבי הטיפוס בשלבים מוקדמים מאוד, פתרון הגידול האוטונומי שלנו הצליח לנצח בתחרות. אפילו עשינו ביצועים טובים יותר מהצוות במקום השני, צוות ההתייחסות המורכב ממגדלים הולנדים מומחים, עם תשואה גבוהה יותר ב-6%. מרווח זה בתשואה היה שווה ערך לגידול של 17% ברווח התפעולי.
האם צוות ההתייחסות פעל בצורה גרועה? בכלל לא. הם ביצעו ביצועים טובים להפליא, לדברי מומחים רבים. התשואה שלהם הייתה כמעט 50 ק"ג/מ"ר2 בטווח של ארבעה חודשים, שזה שווה ערך לכמעט 150 ק"ג/מ"ר2 לשנה. זה נחשב לתשואה גבוהה עבור חממה בכל מקום על פני כדור הארץ.
כתוצאה מאתגר החממה האוטונומית, הקמתי את Koidra בשנת 2020 כדי להתבסס ישירות על הלמידה שלנו ולדחוף את המצב המתקדם ב-AI ו-IoT עבור חקלאות ויישומי בקרה תעשייתיים אחרים.
לשאול את השאלות הנכונות על AI ו-IoT
כיום, יותר מגדלי חממות מוכנים ומוכנים לאמץ AI ו-IoT. האתגר העיקרי הוא להבין את המוצרים בשוק והיכולת לדשדש בכל דברי השיווק. הרבה חברות טוענות בשקיקה שיש להן אלגוריתם AI או מכשיר IoT שיעבוד עבור חממות.
להלן כמה שיקולים מרכזיים שכדאי לזכור בעת הערכת תוכנת AI וחומרת IoT:
- ביצועים: מגדלים צריכים להיות מסוגלים לראות יתרונות קונקרטיים בעולם האמיתי. שאל: האם ה-AI הוכח בייצור מסחרי כמשפר את התפוקה ואת יעילות המשאבים? באילו תנאים? מהו הרקורד של החברה בפיתוח תוכנות AI ו-IoT?
- עיצוב AI: פתרונות הבינה המלאכותית היעילים ביותר משלבים את מיטב האינטליגנציה האנושית עם מיטב הבינה המלאכותית לקבלת החלטות. שאל: כיצד ממנף מודל ה-AI את גוף הידע הקיים? איך זה מבטיח שהביצועים ישתפרו עם הזמן עם יותר נתונים?
- עיצוב תוכנה: המגדלים צריכים להישאר בשליטה על פעולות החממה. שאל: באילו עקרונות עיצוב תוכנה נעשה שימוש כדי להבטיח בטיחות יבול? האם אוכל לעבור בקלות בין מצב ידני, המלצה וטייס אוטומטי בכל עת?
- בעלות על נתונים: על המגדלים להחזיק בנתונים שלהם ולהימנע מ"נעילת ספקים". שאל: האם אוכל לייבא נתונים בקלות ממערכות אחרות? האם אוכל לגבות ולייצא את הנתונים שלי? האם ישנם ממשקי API המאפשרים גישה לנתונים חיה ואינטגרציות מותאמות אישית? האם אני יכול להשתמש בתוכנה ובחומרה של ספקים שונים, עכשיו ובעתיד?
AI ו-IoT יכולים להעצים מגדלים
בעולם שבו משאבים קריטיים - מים ואנרגיה, כמו גם זמן, כסף ועבודה מיומנת - הופכים נדירים יותר, הגיוני לחקור טכנולוגיות חדשות כדי להקל על הנטל הזה. כפי שלמדנו מאתגר החממה האוטונומית, מגדלים אכן יכולים להשיג תפוקות גדולות יותר ויעילות גבוהה יותר בשימוש במשאבים עם שימוש בתוכנת AI וחומרת IoT. יתרה מכך, טכנולוגיות אלו ממשיכות להתפתח ולהתקדם בקצב מהיר.
בסופו של דבר, AI ו-IoT יכולים באמת להעצים את מגדלי החממות - לקבל החלטות טובות יותר, לעשות יותר עם פחות - לגדל את המזון בעולם באופן בר-קיימא יותר.