AgVoice：總部位于佐治亞州的創業公司，AgVoice正在為作物觀察專家和農學家開發自然語言處理工具包。這套系統可以解釋導致大豆突然死亡的疾病，并提示觀察的位置和嚴重程度。

　　除此之外，諸如OrbitalInsights、DescartesLabs、GroIntelligence以及TellusLabs等創業公司也正在基于衛星圖像、天氣信息和歷史產量數據等開發產量預測算法。TellusLabs聲稱，它們的數據比美國農業部的報告更準確，而且可提前美國農業部1個月給出預測數據。
 

　這位作物觀察專家正利用AgVoice的系統捕捉現場記錄

　　有些人批評AI對農業環境的要求過于嚴苛，因為其變量因素太多。在某種程度上，這是正確的，但是隨著計算能力的進步，AI算法可以快速地接受額外的數據。Slantrange就是這樣的公司，它的總部位于舊金山，正在開發機器視覺系統來測量作物的數量，并檢測雜草。該公司的植物計數算法最初是為中西部種植區開發的，它在南非的試驗中表現不太好，因為該地區的種植密度較低，土壤反射性更強。

　　然而一夜之間，Slantrange團隊又用新的數據重新訓練了他們的算法。他們的升級版軟件在南非部署了僅僅兩天，就報告了其發現的問題。Slantrange最近宣布與BayerCropScience合作，以幫助植物育種。

　　也許，在農業中成功使用AI的例子是孟山都成長創投公司扶持的BlueRiverTechnologies(BRT)。BRT是一家總部位于美國加州的公司，由斯坦福大學的兩名研究生于2011年成立。其中喬治·赫勞德（JorgeHeraud）是已經取得許多成就的農業高管，而李·賴登（LeeReden）則擁有深厚的AI和計算機視覺技術背景。

　　最初，BRT專注于將機器人用于減少萵苣密度，這個過程此前主要通過手工完成。現在，這家擁有60名員工的公司正在應用他們的SeeandSpray系統，來棉花田中的雜草。他們已經表明，通過高度和有針對性的噴霧應用，他們可以減少90%的除草劑用量。這種SeeandSpray技術利用AI來分析高分辨率圖像，并檢測出雜草的存在和位置。
 

　　不僅僅是為了農業

　　AI技術在農業領域的應用固然很重要，但利用AI去發現和開發新的、更的農業投入同樣重要。然而，直到最近，AI系統還沒有對化學和生物系統的數據進行分析。因此，在植物育種、生物技術、農業化學發現以及供應鏈方面，利用AI的機會都是巨大的。

　　事實上，與田間農業相比，AI在育種、化肥以及作物保護產品中的擦用可能更為迅速。這主要有兩個原因。，在過去十年里，農業投入方面的開發人員對收集和存儲數據非常謹慎。這些數據包括大豆品種的序列信息，以及合成化合物的結構活性關系和環境生物降解能力等。第二，提率或加速農業研發努力財務成本可能相當高。

　　根據2016年PhilipsMcDougall的分析，將一種新的作物保護產品推向市場需要11年的發現和發展時間，分析16萬份化合物，每個產品商業化支出超過2.8億美元。在新農化產品的開發中，整個行業每年的花費超過26億美元。而AI的采用可以提高這一過程的效率。

　　例如，致力于利用AI開發難以疾病新療法的初創企業Monsanto正與Atomwise展開獨特的研究合作，以提高發現新作物保護產品的速度和可能性。這種合作利用基于AI的模式識別，減少在早期化學發現過程中測試時出現的錯誤數量。

　　對于AI在作物生物技術方面的應用，Monsanto正在與SecondGenome進行合作。后者總部位于舊金山，已經獲得風險投資公司的扶持，該公司基于人類微生物組的分析，從中找到開發新藥的線索。為了加速新一代昆蟲控制解決方案的新蛋白質的發現，Monsanto開放了其廣泛的基因組數據庫，并通過大數據的宏基因組學、機器學習和預測分析功能，利用了SecondGenome對微生物的專業分析能力。

　　AI的優點也適用于植物育種。在將玉米雜交品種投入市場之前，Monsanto對其進行了多年的評估，從發現到商業化，這個過程可能需要8年時間。玉米育種通常被比作“草堆中撈針”，這是個擁有32000個基因的大草堆，代表了幾代繁殖者面臨的搜索難題。從歷史上來看，一個育種項目每年可以從成千上萬可用選項中選出大約500種組合進行試驗。這種選擇受到與管理現場測試程序相關的后勤和成本的限制。

　　為了減少這些限制，Monsanto的AI研究人員開發了一種算法，能夠評估育種決策，并預測哪一個雜交品種將在試驗的年表現出的性能。這個算法正被過去15年的分子標記和現場試驗信息進行訓練。

　　Monsanto全球育種主管邁克·格雷厄姆（MikeGraham）表示，這種算法可以優化育種過程，使育種者能夠更快地把他們的想法投入到大規模的實地試驗中。這一算法不僅加快了育種過程，而且與傳統方法相比，還使Monsanto能夠將其玉米育種管道規模提高了5倍。育種者可以利用AI工具完成更多的工作。

　　與此類似，Syngenta最近宣布與“AIforGood”基金會合作，將以AI為基礎的工具用于育種，并提高現有作物生產方法的效率。Syngenta為AI研究人員提供包括種子遺傳信息、土壤、天氣以及氣候數據在內的數據集，其目標是開發出一種算法，來確定在特定地區種植哪種作物品種。

　　總部位于圣路易斯的初創企業BensonHillBiosystems也在將AI技術應用于植物育種和生物領域。他們利用自己獨有的CropOS平臺，尋找候選基因來提高作物的光合作用。CropOS利用不同來源的數據，如DNA和RNA序列信息、現場試驗觀察和成像分析等，來預測獲得特定表型反應所需的基因表達模式。每當獲得新的數據集，CropOS平臺就能重新校準、學習并提高其預測能力。

　　在學術方面，卡耐基梅隆大學的研究人員正在展開名為“FarmView”的新項目，利用AI工具將植物表型數據與基因和環境數據相結合，以幫助育種者和遺傳學家更好地理解遺傳學、環境和作物性能之間的關系。

　　AI對農民的影響

　　在過去60年里，美國農民數量(占總人口1%)急劇減少。剩余的農民將繼續在育種、農作物保護、自動化以及提高農業生產率等方面使用更先進的技術。

　　無論是從近期到中期乃至從長遠來看，農業領域的AI將需要農民的積極參與才能取得成功。農民和他們的顧問現在非常適合從這些新興技術中獲益。AI將成為非常強大的工具，它可以幫助組織應對現代農業中日益增長的復雜性。

　　農民不僅從AI直接應用于農場中受益，而且還將在應用AI改善育種、作物保護以及培育產品中受益。