拼多多草莓种植赛:近1000平方米的草莓 AI队伍利润上超过人工
21世纪经济报道 2020-07-31

“我们理想的状态,农民会变成类似于产业工人或者职业种植者的身份,他具备一定的数据分析能力,他的决策不是完全依赖于主观的经验。”这是来自云南的闵钱希曦对数字化农业的想象。她的另一身份是荷兰瓦赫宁根大学温室园艺专业的博士生。

  7月22日,闵钱希曦参与到了拼多多和中国农业大学共同发起的草莓种植比赛中。她和同学共组的AiCU队在比赛中充当着AI战队的角色。4支人工种植队,4支AI队伍,120天,等待着近1000平方米的草莓收获。

  这是国内首次农业领域的人工智能和顶尖农人的对战,也是拼多多向农业领域深耕的信号。

  拼多多的眼睛一直没有离开过农业。与美国标准化农业不同,中国农业整体呈现分散的小规模耕作,在整个农业周期中,农民都处于信息盲区,主观意愿的判断面临着充满不确定性的市场。另外农民和消费者间的分销流通结构错综复杂,农民经常被迫提早收成,消费者也无法获得同等价值的产品。

  拼多多平台对数据信息的集中,使得其拼团模式聚集起消费者需求,并进一步传递给上游农民生产端。这一模式的本质是通过对生产商数据赋能,给予他们更充足的时间计划生产,匹配消费者需求。

  2019年,拼多多的总订单量达到197亿笔,平台农(副)产品活跃商家数量达到58.6万,同比增长142%。这一次的草莓种植比赛是平台对农业领域布局的进一步延伸。

  “比赛的目的并不在于简单的输赢,而是通过老一代农人和新一代技术的同台,将新一代人工智能技术与农事生产结合,为中国众多的农产品(8.380-0.08-0.95%)产业带和小农户,提供一种更低成本、易于操作的数字农业生产管理方法。”拼多多新农业农村研究院高级总监公泽告诉21世纪经济报道记者。这又是一次人工智能驱动的成果。

  跨学科组队,跨国家参赛

  闵钱希曦不是第一次参加类似的比赛。此前由腾讯与瓦赫宁根大学共同举办的“国际人工智能温室种植大赛”,她参加了两届,一次种黄瓜,一次种小西红柿,AiCU本身就已经具备实战经验。这一次,AiCU在17支AI参赛队伍中杀进决赛。

  对于生长于荷兰农业背景的AiCU而言,队伍从组成到参赛需要面临两重难关。首先在于组员的跨学科挑战。

  队伍在正式组建之前,非农业背景的队员就已经对现代农业很感兴趣,甚至有队员已经把想法落实到家庭园艺中,“在家里建设一个有环境传感器的小型温室,比如说用保鲜盒搭建一个小的生长空间”。这些小的实践经验,为成员参加大型比赛建立了信心。而农业背景的队员已经在农业数字化领域有所建树,对AI算法并不会感到陌生。

  “跨学科沟通的难点在于,大家必须能够学习和理解对方领域中的一些基本常识和知识,然后再进行不同学科的交融。”闵钱希曦告诉记者。

  就植物学科而言,荷兰的数据驱动已经有了不同级别的应用,几个主修植物科学的成员还具备一定的数据分析编程基础和经验。对AI算法而言,理解植物和其栽培模式是个难点,“在植物科学和作物栽培领域有很多默认的知识点,有时候在沟通中我们会忽略,发现这个情况后,大家会及时沟通。”与此同时,成员也参加了荷兰温室产业每一年举办的开放日,实地了解温室栽培模式。

  队伍参赛的第二大挑战在于跨国家参赛。闵钱希曦介绍,“作物的栽培本质上是一样的,但我们在荷兰熟悉的经验需要在国内因地制宜地进行调试,包括温室设备、传感器以及种植思路等。 同时也需要积累大量的数据。”

  荷兰的温室园艺已经发展近半个世纪,整个产业链都处于较为成熟的状态,从日常栽培管理,到传感器和控制设备的应用,再到能源和劳工的管理以及超市或市场的供应链对接,每一个环节都发展出相对完备的模式。闵钱希曦表示,国内的现代温室园艺和数字化生产几乎是齐头并进,“我们没有必要完全根据荷兰的模式演进,也许可以实现跨越式发展。”

  除此之外,国内的电商优势也可以与温室的数字化种植管理进行衔接,形成精确的订单化生产。

  AI农业的考验

  AI农业的潜力巨大,但落地实践也面临着考验。根据闵钱希曦的前两次参赛,AI算法在温室园艺栽培中的应用需要分阶段实现。两届“国际人工智能温室种植大赛”中,AI组成绩以及人工对照组成绩排名发生了变化。第一届中,五支AI队中仅有一支在最终利润上超过了人工种植。而在第二届比赛中,AI队伍则全部在利润上超过人工种植者。

  “两届比赛很难直接比较,因为种植作物不同。第二届中AI为什么会超过人工,组委会做了详尽分析。将每个组的产量和成本(包括能源、水、劳工、折损等)做了细分核算,同时根据时间进度也有动态比较,在能源资源可持续性方面我们的优势很大,这也奠定了利润获胜的基础。”闵钱希曦说。

  现行场景中,AI农业的数据采集仍集中于对于环境的感知。“我们不知道植物现在的状态是怎么样的。”现代温室需要专家和劳工定期采集样本进行植物指标的测量,这一方式的缺陷一方面在于其有损性和数据的不及时,另一方面则在于工作量很大,对人力的损耗程度较高。

  除此之外,栽培管理数据的缺乏也是AI农业发展的瓶颈。闵钱希曦告诉记者,“当下你对植物这个状态做了什么决策,在之后植物又给出了什么样的反应,这是很重要的信息,也就是我们所谓的人的知识和经验,就是需要AI学会的部分。”

  AI 智慧农业的目的在于辅助种植人员去复制成功的种植技术和方法,将影响植物生长的环境因素可控化,以达到生产的模式化统一,对提升生产效率意义重大。就好比磨刀不误砍柴工,对于刀的研究远比砍的研究有意义 。

  目前,AI农业的发展仍处于初级阶段,利用数据学习人的经验和知识仍是其发展核心,但农业领域的全自动布局终会到来。

相关阅读
猜你喜欢