未来农业AI技术的发展前景如何？

人工智能（AI）时代已经降临。2016年，打败世界围棋冠军的AlphaGo让AI技术“声名大噪”，过去一两年，AI在公共安全、教育、医疗、服务等行业掀起迅猛发展的浪潮。

现代农业也正在被数据科学所改变。在部分国家和地区，AI与农业的“相拥”，数据和工具的应用，正让农业变得精准、高效和“智慧”。

农业AI技术迅猛发展

农田是一个充满变量的动态系统，气候、土壤、水分、养分、种子等每一个方面都产生着海量而丰富的数据。

农民是这些丰富数据的收集者，不过，仅仅将孤立单个的数据集中起来还远远不够。将这些数据收集并进行综合数据分析，才能提高数据的质量，发掘数据的价值，从而真正找到农田问题的解决之道。

随着AI技术的发展，机器学习依靠算法分析数据，并从中学习，作出决策，为现代农业提供了更高精度的方案。

比如，硅谷AI公司Atomwise是一家具有代表性的利用人工智能技术协助发现新型药物和农业化学品的企业。类似于人工智能学习中识别图像，该公司开创性的AtomNet技术通过识别分子间相互作用模式进行自我深度学习，并利用深度学习预测对病虫害控制可能具有正效应的分子，简化了产品研发初始阶段分子的发现过程。2017年6月，孟山都公司与Atomwise公司达成研究合作协议，借助人工智能技术开发作物保护新产品，推进新产品研发，成为农业领域中首家与Atomwise合作的公司。

AI+农业所带来的无限想象空间，让世界科技巨头、新兴科技企业和农业公司等不约而同加大投入、加强研发，因而，农业AI技术在近年得到了迅猛发展。

AI在作物育种、保护中的应用

一直以来，作物育种家都在寻找特定的表型，帮助作物更高效地利用水、养分，适应气候或抵御病害。要使一株植物遗传一项有益表型，研究人员必须找到正确的基因序列。但究竟哪一段序列才是正确的基因序列呢？在开发新品种时，育种家总是面临着数百万计的选择。

从原始数据的不同集合中推导出结论是深度学习的特长。在获取充足信息后，机器学习能够预测哪些基因最有可能参与植物的某种有益表型，面对数百万计的排列组合数据，先进的软件可极大地缩小搜索范围。

由此，科学家们能够用电脑模拟开展早期测试，以评估一个新品种在面临不同的气候环境、土壤类型、天气模式和其他因素条件时会如何表现。有了机器学习的帮助，作物育种愈发精准与高效。

此外，AI为作物保护带来的改变也是显而易见的。当代农业生产中，病害、虫害和杂草问题导致的全球粮食产量损失高达40%。传统的病害鉴定方法是通过视觉检查完成的。这一方法的普遍问题是效率低，并且容易产生人为误差。然而，对计算机来说，诊断植物病害本质上就是模式识别。将成千上万张患病植物照片进行归类后，机器学习算法能够确定病害类别、严重程度，并在未来有可能推荐给出解决方案，减少病害带来的损失。

在作物育种和作物保护这两大现代农业的关键领域，AI技术正助力培育更高效的种子及提供更精准的植保方案，以更好地满足增长中人口的粮食需要，高效利用自然资源。

播种前了解每一粒种子的生长潜力

在应用数据科学、人工智能和机器学习的方法上，一些国内领军的智慧农业公司借助独特的农田数据，结合前沿科学及强大的数据分析技术，为农民种植中的关键管理决策提供支持。

在作物育种方面，通过AI技术为农民提供“播种处方建议”。借助行业领先的作物遗传资源库，他们应用预测建模和机器学习，将种子遗传学、病害胁迫、土壤构成、水分流动、历史表现等海量来源数据进行汇总，帮助农民选择“理想”的种子产品——在理想的位置播种适合的种子，以优化作物表现，并持续提高生产力。

换言之，农民可以根据特定的遗传种质和不同的产量目标定制种子播种方案。据了解，巴西的高级播种处方研究已从产品概念阶段进展到研发阶段；欧洲进入产品概念阶段；美国大豆的区域性种子筛选也已从产品概念阶段进展到研发阶段。

在作物保护方面，利用AI技术对玉米、大豆和小麦进行病害诊断。据了解，在个体植株水平上的胁迫分类，以及通过手机或平台设备提供正确病害诊断结果方面，机器学习模型表现优异。美国的玉米病害诊断已从研发阶段进展到预商业化阶段。

此外， 在肥力管理方面, 通过高级建模工具，帮助农民优化关键投入。我们在回顾2017年Beta版氮肥管理工具软件的应用情况后可以发现，通过提高产量和节约氮肥，使用氮肥管理工具的用户，每亩地的利润可增收2美元多。

很早之前，就有公司使用预测分析学帮助决定哪些产品应该继续往前推进，“我们努力在播种前了解每一粒种子的生长潜力”；与此同时，一些蔬菜研发团队也在开发建模工具来预测番茄等蔬菜作物的风味表现；土壤微生物团队在利用分析学，每年对土壤中成千上万种微生物菌株进行评估。