به گزارش خبرنگار علم و فناوری ایسکانیوز؛ آسیا با داشتن تنها یک پنجم زمینهای کشاورزی جهان، میزبان بیش از نیمی از جمعیت جهان است. پس تغییرات آب و هوا و افزایش قیمت مواد غذایی تهدیدی جدی برای امنیت غذایی در این قاره به شمار میآید. هماکنون نیز بیش از یک میلیارد نفر در این قاره به غذای کافی دسترسی ندارند. این وضعیت بخشی از یک روند جهانی است که سازمان ملل آن را «وضعیت اضطراری غذایی بیسابقه» مینامد.
از سوی دیگر، پاسخ به تقاضای غذایی در آسیا به دلیل کندی افزایش بهرهوری کشاورزی، بهرهبرداری بیش از حد از منابع طبیعی و افزایش کمبود آب چالشهای بیشتری را پیش روی جوامع آسیایی قرار خواهد داد. در مناطق شهری و مرفهتر قیمت مواد غذایی همچنان افزایش مییابد؛ مگر اینکه عرضه با تقاضا مطابقت پیدا کند. به هر حال، چیزی که مشخص است این است که تغذیه پایدارتر و کارآمدتر جمعیت رو به رشد آسیا، نیازمند تغییر و تحول در روش تولید غذاست.
خاورمیانه چطور باید بحران آب را مدیریت کند؟
فناوریهایی مانند هوش مصنوعی، حسگرها و هواپیماهای بدون سرنشین میتوانند در افزایش بهرهوری کشاورزی، ایمنی مواد غذایی و پایداری سیستم کشاورزی و مواد غذایی به کار گرفته شوند و به نظر میرسد از خاک - جایی که شیوههای کشاورزی بهتر میتواند تغییرات آب و هوایی را کاهش دهد - تا قفسهها - جایی که مشتریان به دنبال محصولاتی با حداقل ردپای کربن هستند - زنجیره ارزش کشاورزی و غذایی آسیا برای نوآوری آماده است.
ساخت مزارع پایدار در آینده
مایکروسافت یکی از شرکتهایی است که در زمینه دموکراتیک کردن بینشهای مبتنی بر داده گام برداشته است و هدفش این است که با کمک به همه کشاورزان و سازمانها، به دستاوردهای بیشتری در افزایش بهرهوری زنجیره ارزش غذایی محصولات کشاورزی برسند.
مایکروسافت در آخرین تلاش خود در این زمینه، بخش «مدیریت داده آزور مایکروسافت برای کشاورزی» را معرفی کرده است. این پلتفرم، دادههای خاص صنعتی و دادههای مزارع را از منابع متفاوت جمعآوری میکند و آنها را برای همه به اشتراک میگذارد.
پلتفرمهای دیگری نیز در دنیا وجود دارند که از این دادهها استفاده میکنند. به عنوان مثال، پلتفرم FieldView، ساخت شرکت Bayer، دادههای مربوط به تصاویر ماهوارهای و نقشه خطوط لوله آب را دریافت میکند تا بینشی واقعی از شرایط عملکرد در مزارع پرورشدهنده ارائه دهد. شرکت بیر همچنین مجموعهای از راهحلهای دیجیتالی را در دسترس مشتریان سازمانی قرار میدهد که بینشهای به موقع در مورد سلامت محصول، پیشبینی آبوهوا و ردیابی رشد محصول ارائه دهد.
کشاورزی مبتنی بر داده، یکی از اجزای اساسی تعاونی کشاورزی Land O’Lakes در آمریکاست. این سرویس دیجیتال نوآورانه به کشاورزان بینشی در مورد چگونگی تاثیر روشهای کشاورزی مختلف بر آب، نیتروژن و کربن در مزرعه میدهد و به آنها امکان میدهد که ترسیب کربن در خاک خود را ردیابی کنند. ترسیب کربن به روند ذخیره کربن موجود در هوا در خاک و گیاهان گفته میشود. این روند با ذخیره کربن از هوا باعث میشود که از میزان گازِ گلخانهای کربن دیاکسید کاسته شده و به بهبود کیفیت هوا کمک کند. ترسیبِ کربن به معنای رسوب دادن و تخلیه کربن موجود در جو است.
«بهاراتاگری» نیز یک استارتاپ کشاورزی هندی است که از دادههای تصاویر ماهوارهای برای نظارت بر سلامت محصولات و تجزیه و تحلیل مزارع کوچک به اندازه ۴۰ هکتار استفاده میکند. انتظار میرود که فقط در سال جاری بیش از ۵۰ هزار کشاورز تصاویر ماهوارهای از مزارع خود را از این استارتاپ دریافت کنند تا از این طریق تلفات محصولات خود را در بیش از ۱۰۰ هزار هکتار زمین کشاورزی کاهش دهند.
کشاورزی داده محور
در سطح جهانی، کشاورزی مبتنی بر داده به عنوان یکی از امیدوارکنندهترین رویکردها برای پرداختن به چالش امنیت غذایی، شتاب بیشتری به دست آورده است. به گفته مؤسسه بینالمللی تحقیقات سیاست غذایی، تکنیکهای کشاورزی مبتنی بر دادهها میتواند بهرهوری مزرعه را تا سال ۲۰۵۰ تا ۶۷ درصد افزایش دهد و به طور همزمان از تلفات کشاورزی و مواد غذایی بکاهد.
با این حال، هزینههای بالای پذیرش فناوریهای جدید نیز میتواند مانعی برای کشورهای با درآمد کم تا متوسط باشد. این امر به ویژه برای آسیا بسیار مهم است؛ جایی که کشاورزان خردهمالک با ۴۵۰ میلیون نفر، بیش از ۸۰ درصد مواد غذایی مصرفی را در این منطقه تولید میکنند.
کشاورزی مبتنی بر داده با جمعآوری اطلاعات در مورد مزرعه شروع میشود، که بهویژه در جوامع روستایی که فاقد زیرساخت دیجیتال هستند، میتواند دشوار باشد. این دادهها از منابع مختلفی از جمله حسگرها، پهپادها، تراکتورها، ایستگاههای هواشناسی و تصاویر ماهوارهای بهدست میآیند که اتصال اینترنتی مقرونبهصرفه را به یک ضرورت تبدیل میکند.
با گذشت زمان و با ادامه جریان داده، میتوان اقدامات مفیدی براساس چرخههای قبلی محصول کرد که ورودی کمتر و اثرات زیستمحیطی کمتری به همراه داشته باشد.
برای حداکثر تأثیر، دادههای مناسب باید برای هدف درست و در زمان مناسب مورد استفاده قرار گیرند. اما اندازه و پیچیدگی عظیم سیستمهای کشاورزی-غذایی، همراه با ماهیت تکه تکه آنها، چالشهایی را برای بازگشایی ارزش اقتصادی بالقوه کلان دادهها ایجاد میکند که پیشبینی میشود بیش از ۱۰۰ میلیارد دلار تنها در آسیای جنوب شرقی باشد. برای تضمین رشد فراگیرتر، کشاورزان خردهمالک باید برای مشارکت در زنجیرههای ارزش کشاورزی-غذایی مدرن توانمند شوند.
هوش مصنوعی برای بینش کشاورزی بهتر
هوش مصنوعی میتواند به تجزیه سیلوهای داده کمک کند و حجم عظیمی از دادههای پیچیده کشاورزی را به بینشهای عملی تبدیل کند. براساس سالها مطالعه در مرکز تحقیقات مایکروسافت و رهبری فکری با فارمبیتز، مجموعهای از ابزارها با نام FarmVibes.AI منتشر شد که تصمیمگیری در هر مرحله از کشاورزی را راحتتر میکند.
دادههای FarmVibes.AI که روی فناوری ابری ذخیره میشوند، بینشهای پیشبینی کننده و تجویزی خوبی را در مورد سلامت خاک، الگوهای آب و هوا، ترسیب کربن، ردیابی زباله و موارد دیگر ارائه میکند. این اطلاعات به کشاورزان کمک میکند تا مقادیر ایدهآل کود، دما و سرعت باد، زمان و مکان کاشت و سمپاشی را تخمین بزنند.
البته استفاده از این اطلاعات، بدون تکنیکهای مربوط به هوش مصنوعی که جریانهای داده را از منابعی مانند دادههای ایستگاه هواشناسی، هواپیماهای بدون سرنشین یا تصاویر ماهوارهای ترکیب میکند، امکانپذیر نخواهد بود. استفاده از هوش مصنوعی میتواند تعداد حسگرها و پهپادهای مورد نیاز و در نتیجه هزینه سختافزار در مزرعه را کاهش دهد.
کشاورزی با هوش مصنوعی در هند
مجمع جهانی اقتصاد به تازگی ابتکاری را با هدف تغییر بخش کشاورزی در هند معرفی کرده که در آن، از هوش مصنوعی برای انجام فرآیندهای مختلف کشاورزی استفاده میشود. در این طرح با عنوان AI4AI، مرکز انقلاب صنعتی چهارم هند و پلتفرم سازماندهی آینده هوش مصنوعی و یادگیری ماشین، دولت، دانشگاه و نمایندگان کسبوکار گرد به منظور توسعه و اجرای راهکارهای نوآوری در کشاورزی همکاری میکنند.
قرار است در طرح پایلوت، ایالت تلانگانا به عنوان اولین ایالت هند از هوش مصنوعی برای افزایش فناوریهای نوظهور، بهبود کارایی و بهرهوری و پایداری در بخش کشاورزی بهره ببرد و در این مسیر، دولت این ایالت، دیجیتال گرین و سه کسبوکار مربوط به فناوریهای کشاورزی از جمله کالگودی، کریشیتانترا و آگنکست با هم همکاری میکنند. دیجیتال گرین یک سازمان توسعه جهانی است که به کشاورزان خردهمالک قدرت میدهد تا با بهرهگیری از قدرت جمعی فناوری و مشارکتهای مردمی، خود را از فقر نجات دهند.
از ابتدای این طرح که از ژانویه ۲۰۲۳ شروع شده است، بیش از ۷ هزار کشاورز با تمرکز بر تولید فلفل قرمز ثبتنام کردهاند و قرار است که در قالب فناوریهای هوش مصنوعی مختلف از جمله آزمایش کیفیت کاشت، آزمایش خاک، نظارت بر سلامت محصول، پیشبینی و تخمین خاکورزی و همچنین دسترسی به مشتریان و تامینکنندگان جدید در مناطق جغرافیایی مختلف پشتیبانی دریافت کنند.
چالشهای پیش رو
از آنجا که هند با چالش تغذیه جمعیت رو به رشد مواجه است و در عین حال با خطراتی چون تغییرات آب و هوا، بیماریهای همهگیر و اختلالات زنجیره تامین دست و پنجه نرم میکند، بخش کشاورزی آن باید چابکتر و کارآمدتر کار کند.
در حال حاضر بیش از هزار استارتاپ در حوزه کشاورزی در هند وجود دارد که طیفی از راهکارهای مبتنی بر فناوری از جمله بیمه خرد، کنترل مالی دیجیتال، دسترسی به نهادههای کشاورزی، تست کیفیت، قابلیت ردیابی و پلتفرمهای اتصال به بازار را ارائه میدهند. این استارتاپها پتانسیل بسیار خوبی برای کمک به بهبود بهرهوری و پایداری کشاورزی دارند، اما وجود زیرساختهای پراکنده فناوری، هزینه بالای عملیات، عدم دسترسی به دادهها و تخصص فنی محدود، این مسیر را چالشبرانگیز میکند.
حمایت هوش مصنوعی از کشاورزان هندی
در سال ۲۰۲۱، مرکز چهارمین انقلاب صنعتی هند، چارچوب هوش مصنوعی -تحت عنوان C4IR- را برای کشاورزی و به منظور مشارکت عمومی و خصوصی از طریق مشاوره با دولت هند و دولت ایالتی تلانگانا توسعه داد و در این تلاش، شرایط همکاری با سایر بخشها از جمله دانشگاهیان، استارتاپهای کشاورزی و کسبوکارها، سازمانهای حرفهای و جامعه مدنی را ایجاد کرد.
چارچوب AI4AI بستگی بسیاری به پایلوت «ساگو باگو» دارد. فاز اول آن بر حمایت از تولیدکنندگان فلفل قرمز و زنجیرههای ارزش مربوطه در تلانگانا متمرکز است. هند حدود ۳۶ درصد از فلفل قرمز دنیا را تولید میکند و حدود ۲۳/۵ درصد از کل تولید فلفل قرمز در این کشور در تلانگانا تولید میشود.
ابزارهایی که برای تقویت بیشتر اکوسیستم کشاورزی دیجیتال مورد نیاز است، عبارتند از:
• «جعبه ماسهای» که امکان آزمایش و ارزیابی ایمن فناوریهای هوش مصنوعی را در یک محیط کنترل شده فراهم میکند.
• تبادل داده و یک خط مشی مدیریت داده جدید، که هدف آن اطمینان از مدیریت صحیح دادههای جمعآوری شده و استفاده به روشی اخلاقی و شفاف است.
پروژه ساگو باگو با گرد هم آوردن طیفی از سهامداران، امکان همکاری و ایجاد یک رویکرد همگرا برای معرفی انقلاب صنعتی چهارم به کشاورزان هندی را فراهم کرده است.
یکی از نمونههای هوش مصنوعی در کشاورزی، یک چتبات مبتنی بر هوش مصنوعی است که توسط دیجیتال گرین توسعه یافته است. این ربات چت از هوش مصنوعی برای ارائه اعلانهای سفارشی و ویدیوهای کوتاه به صورت همزمان به کشاورزان استفاده میکند و به آنها کمک میکند تا محصولات خود را به طور موثرتری برنامهریزی و مدیریت کنند. مثال دیگر یک فناوری ارزیابی کیفیت مواد غذایی مبتنی بر هوش مصنوعی است که توسط اگنکست توسعه یافته است. این دستگاه ارزیابی فرآیند استانداردسازی کیفیت در محل و همچنین افزایش سود اقتصادی، اجتماعی و زیست محیطی را ساده میکند.
جهانی شدن
از آنجایی که ۷ هزار کشاورز از این فناوریها در فعالیتهای روزانه خود استفاده میکنند، تمام اطلاعات و بینشهای آزمایشی آنها برای توسعه بیشتر چارچوب و گسترش اجرای آن به سایر ایالتهای هند و همچنین در سطح جهانی از طریق شبکه C4IR استفاده میشود.
C4IR هند آموختههای خود را با سایر مراکز از جمله عربستان سعودی، آفریقای جنوبی و کلمبیا به اشتراک میگذارد و از سازمانها و دولتها دعوت میکند تا با C4IR همکاری کنند و تأثیر مثبتی بر کشاورزی در سراسر جهان داشته باشند.
انتهای پیام/
نظر شما