Chúng ta

Liệu AI và IoT có giúp con người vượt qua khủng hoảng lương thực

Chủ nhật, 24/9/2017 | 11:43 GMT+7

Đến năm 2050, dân số thế giới sẽ chạm ngưỡng 9 tỷ người. Chúng ta sẽ cần lượng lương thực gấp đôi hiện nay để đáp ứng được mức tăng trưởng đó. Tuy nhiên, những thông số như mức độ nóng lên toàn cầu và đô thị hóa của cuộc sống khiến cho việc nâng cao sản lượng lương thực ngày càng khó khăn hơn. Liệu trí thông minh nhân tạo (AI) và IoT (Internet of Things) có giúp giải quyết được vấn đề này?

Trải qua 3 cuộc cách mạng công nghệ với những tiến bộ khoa học kỹ thuật cho phép chúng ta tìm hiểu được nguồn tài nguyên vô tận trên hành tinh chúng ta đang sinh sống. Tuy nhiên, đến giai đoạn hiện nay, chúng ta lại phải đối mặt với những vấn đề khác: Sự khan hiếm đất đai canh tác và những biến động của thời tiết cũng như nguồn nước.

Nông nghiệp thông minh

Trong những năm vừa qua, Trí tuệ nhân tạo đã làm thay đổi cách tổ chức hoạt động của nhiều công ty. Những thuật toán đang ngày càng gây ảnh hưởng tới các dịch vụ tương tác mà chúng ta hay sử dụng như: Tìm kiếm thông tin trên Google, đề xuất kết bạn ở Facebook, khuyến nghị sản phẩm của Amazon và nhiều dịch vụ khác.

Sự đổi mới đằng sau sự biến chuyển này chính là nhờ “Machine learning” (học máy), một loại thuật toán phân tích hàng triệu dữ liệu để tìm ra các mô hình phổ biến và biến những mô hình đó thành các dự đoán và hành động cụ thể. Và khi những thuật toán này được áp dụng vào lĩnh vực nông nghiệp, nó sẽ giúp chúng ta tiết kiệm, hạn chế những thiệt hại không đáng có với cùng một công nghệ.

Prospera giúp người nông dân trồng các loại cây trồng có chất lượng tốt hơn. Nó giúp các nhà nông học của lên kế hoạch với độ chính xác cao hơn, và tối ưu hóa các hệ thống đang phát triển. Nguồn: http://prospera.ag/

Prospera giúp người nông dân trồng các loại cây trồng có chất lượng tốt hơn. Nó giúp các nhà nông học của lên kế hoạch với độ chính xác cao hơn, và tối ưu hóa các hệ thống đang phát triển. 

Ứng dụng được gọi là “Canh tác chính xác”, sử dụng dữ liệu thời gian thực và dữ liệu lịch sử cùng với các thuật toán của “học máy” nhằm mục đích thực hiện các hành động chính xác trong phạm vi rất nhỏ và biến số thời gian thay đổi, điều đó có nghĩa là thay vì phải thực hiện cùng một hành động trên một phạm vi rất lớn như thường lệ, ta có thể thực hiện nó một cách chính xác hơn. Có thể minh họa bằng việc, thay vì chúng ta sẽ phun một lượng lớn thuốc trừ sâu trên diện rộng, bạn hoàn toàn có thể phun thuốc chỉ một cây cụ thể, thậm chí một chiếc lá cây nào đó nhiễm bệnh. Điều này giúp tiết kiệm và tránh lãng phí.

Một ví dụ khác về “Canh tác chính xác” chính là Prospera, một công ty đã ứng dụng phân tích dữ liệu trong nông nghiệp. Prospera sử dụng hệ thống camera trong nhà, cảm biến và thiết bị phân tích môi trường siêu vi để theo dõi và cung cấp những thông tin chi tiết về cây trồng trong thời gian thực. Các thuật toán deep learning (học sâu), và các thuật toán máy quan sát phân tích dữ liệu đã thu thập và báo cáo khi có vấn đề quan trọng xảy ra. Điều này giúp tìm và giải quyết các dấu hiệu bệnh từ sớm để ngăn ngừa thiệt hại và tối đa hóa năng suất cây trồng. Một trong những lợi ích của việc sử dụng “máy quan sát” để phân tích hình ảnh là, nếu được “dạy” tốt, các thuật toán có thể phát hiện ra những điều mà chuyên gia của chúng ta không thể phát hiện bằng mắt thường. Cách tiếp cận tương tự đang được sử dụng trong lĩnh vực y học để chẩn đoán ung thư.

Hay như Arable, một công ty hoạt động trong lĩnh vực nông nghiệp chính xác, sử dụng cảm biến thông minh thu thập các loại dữ liệu khác nhau như lượng mưa, độ ẩm, nhu cầu nước của cây trồng, thông số thời tiết, thông số tán xạ và chất diệp lục. Những dữ liệu này giúp người nông dân theo dõi một cách chính xác cây trồng của mình, từ đó có thể tự động đưa ra các dự đoán và có những hành động dựa trên các phép đo thực chứ không dựa vào trực giác. Một vài nhiệm vụ đơn giản như kiểm soát việc tưới tiêu trên các phần khác nhau của cánh đồng, dựa vào dữ liệu về độ ẩm không khí thu được từ cảm biến; hay thông báo cho các nhà phân phối dựa trên sản lượng và thời gian thu hoạch dự kiến.

Thiết bị năng lượng mặt trời thực hiện các phép đo để quản lý tài nguyên thiên nhiên. Nguồn: https://www.arable.com/

Arable - Thiết bị năng lượng mặt trời thực hiện các phép đo để quản lý tài nguyên thiên nhiên. 

Một số công ty khác trong lĩnh vực nông nghiệp thông minh đang cố gắng thực hiện nhiệm vụ “Canh tác chính xác” mà không cần sử dụng đến các thiết bị phần cứng. ConserWater sử dụng hình ảnh vệ tinh của NASA và dữ liệu thời tiết cùng với các thuật toán chuyên sâu để dự đoán nhu cầu nước cho cây trồng. Mặc dù kết quả sẽ không chính xác như việc có cảm biến và hệ thống camera trong nhà, tuy nhiên việc này sẽ giúp giảm đáng kể chi phí - một rào cản gia nhập đối với những người nông dân có mức ngân sách thấp.

Một trong những thách thức chính trong việc triển khai ứng dụng công nghệ thông tin trong lĩnh vực nông nghiệp chính là sự kết nối lỏng lẻo của các bộ phận. Điều này có thể giới hạn việc thu thập dữ liệu, các thuật toán trong chăn nuôi động vật và thực vật rất khác nhau. Tuy nhiên ngày càng có nhiều sự quan tâm tới lĩnh vực nông nghiệp, điều đó có nghĩa là sẽ có nhiều công ty gia nhập vào lĩnh vực này, những rào cản gia nhập đang được khắc phục dần dần.

Bên ngoài những trang trại

Bên trong những trang trại không phải là nơi duy nhất mà AI có thể giúp cải thiện năng suất và giảm sự lãng phí. Trong những phòng thí nghiệm và các trung tâm nghiên cứu, các thuật toán “machine learning” có thể giúp tạo ra những loại gen thực vật tốt hơn, tạo ra những loại thuốc bảo vệ thực vật và phân bón an toàn, hiệu quả hơn, đồng thời phát triển các sản phẩm hóa chất nông nghiệp khác. Trên thực tế, những lĩnh vực này đã phát triển một cách chin muồi hơn, vì dữ liệu thu thập được rất phong phú và có thể thu được kết quả vô cùng nhanh chóng.

Bên cạnh đó, rất nhiều chất thải cũng như những thiệt hại không đáng có thể xảy ra trong quá trình thu hoạch và vận chuyển nông sản. Ví dụ như tình trạng địa hình không phù hợp có thể dẫn đến thiệt hại cho cây trồng trong quá trình thu hoạch. Ngoài ra, trong quá trình vận chuyển nông sản hoàn toàn có thể bị hư hại do không được bảo quản tốt, cung đường di chuyển xa và bị ảnh hưởng bởi thời tiết. Tất cả đều gây ảnh hưởng xấu tới chất lượng hàng hóa nông sản.

Vẫn chưa biết chắc AI và IoT có thể giúp chúng ta giải quyết vấn đề lương thực hay không, nhưng đây là những giải pháp tốt nhất chúng ta có ở hiện tại.

Vẫn chưa biết chắc AI và IoT có thể giúp chúng ta giải quyết vấn đề lương thực hay không, nhưng đây là những giải pháp tốt nhất chúng ta có ở hiện tại.

Đây là vấn đề mà bộ cảm biến mặt đất và phân tích thời tiết có thể giúp giải quyết hoàn toàn. Thuật toán Machine learning có thể sử dụng dữ liệu để dự đoán khi nào là thời điểm tốt nhất để thu hoạch, có tính đến độ ẩm thực tế, điều kiện thời tiết trong tương lai và ảnh hưởng có thể có trên các cung đường. Tự động điều phối việc trồng, thu hoạch và phân phối có thể giúp đảm bảo sản lược lượng nông nghiệp, làm giảm thời gian di chuyển giữa trang trại và kho bãi, do đó hạn chế được những thiệt hại xảy ra.

Khi sự kết nối trở nên ngày càng phổ biến, và các công nghệ điều khiển bằng AI đang ngày càng phát triển, chúng ta hoàn toàn có thể mong đợi lĩnh vực nông nghiệp sẽ sớm được tự động hóa và dữ liệu sẽ được chuẩn hóa hơn. Có thể những đổi mới này và một vài yếu tố khác (không được đề cập đến trong bài viết) chưa đủ để trả lời câu hỏi: liệu chúng ta có đủ lương thực để nuôi sống dân số ngày càng tăng lên hay không. Tuy nhiên, cho đến thời điểm hiện tại, có vẻ như AI vẫn là sự đầu tư tốt nhất mà chúng ta có.

Theo FPT TechInsight

Ý kiến

()