本篇文章介紹了iGrow團隊在AI+農業領域國際人工智慧溫室種植大賽上的獲獎情況。
iGrow團隊部分代表領獎
本次大賽由荷蘭瓦赫寧根大學於今年3月發起，旨在通過人工智慧與農業等多學科團隊協作，展示人工智慧驅動溫室的能力，在提升農業生產力的同時，減少資源消耗，滿足日益增長的人口需求，幫助人類過上更健康的生活。比賽的挑戰目標，是在4個月內生產出高產量、高資源利用率的黃瓜作物。參賽團隊利用感測器和攝像頭，獲取溫室氣候、作物發育情況等資料，加入自己的模型或機器學習演算法，遠端控制作物生長。
比賽的溫室
大賽吸引了包括騰訊（iGrow隊）、微軟（Sonoma隊）、英特爾（Deep_greens隊）等在內的來自15個國家的14支團隊參與。其中，iGrow隊由來自騰訊AI Lab的AI專家，以及來自中國農業科學院、北京農業資訊科技研究中心、黑龍江植物學會、Syngenta種子公司、荷蘭瓦赫寧根大學的農業專家和學生組成。在長達半年多的比賽中，iGrow隊歷經程式設計馬拉松、黃瓜種植挑戰和總決賽，一路披荊斬棘，最終取得“AI 策略”單項第一名、總分第二名的優秀成績。
AI策略排名 | 團隊 | 分數（滿分5） |
1 | iGrow | 5 |
2 | The Croperators | 4 |
3 | Sonoma | 3 |
4 | AiCU | 2 |
5 | Deep_greens | 1 |
AI 策略第一名
總排名 | 團隊 | 總分（滿分50） |
1 | Sonoma | 44 |
2 | iGrow | 43 |
3 | The Croperators | 31 |
4 | AiCU | 22 |
5 | Deep_greens | 10 |
總分與第一名的微軟團隊Sonoma僅一分之差
首創農業人工智慧系統
有效融合機器智慧與人類知識
iGrow團隊人工智慧系統
比賽中，騰訊AI Lab的AI專家根據植物學、生物學和物理學等相關學科知識進行建模，建立起模擬氣候環境和作物生長的模擬器。隨後，團隊開創性地搭建出一個農業人工智慧系統，通過創新的強化學習方法，將iGrow農業專家的知識和經驗自然地嵌入模擬器中，使人類專家能夠在種植密度、灌溉施肥、打頂剪枝等方面，實現對AI的有效干預，提高AI學習效率，最終在資源最優化的同時，最大程度地提升了作物產量。
溫室的日與夜——遠端操控溫室
與人類知識融合之後的AI系統，無需專家再次干預，即能自動適應新的環境和條件變化，因此可以快速複製到同類溫室種植中，為擴大生產規模、實現標準化生產提供條件。在生產自動化方面，該系統可自主執行，從而大幅降低人工管理難度，節約大量人力。
溫室高壓鈉燈補光
“該系統還是具備終身學習能力的超級智慧體。”騰訊AI Lab專家進一步表示，“隨著技術發展，它能利用更先進的模擬器，以及更大規模的種植實踐獲得的資料，靈活地整合人類知識和經驗，持續迭代升級。”
全域性優化，快速提升經濟效益
大賽結果顯示，iGrow隊在黃瓜產量、質量、資源利用率上，均表現十分出色。在整個過程中，採用了生物防治系統，符合人們對健康生活品質的要求。
iGrow團隊種出的“標緻“黃瓜
與傳統的人工種植相比，人工智慧的優勢在於，它能對種植過程進行全域性優化。從一開始的種植密度、留莖比例，到後來的留葉、留果策略，以及在溫室中對光照、通風、溫度、溼度、CO2濃度、水分等的控制，它都能在模擬器中通過強化學習自動尋找最優解。人工智慧可為作物的各個生長週期尋找和提供最適宜的環境狀態，同時進行資源最優配比，以最大化地節省資源。“人工智慧另一個巨大的優勢是，它可以在短時間內進行大量模擬實驗，相比在真實環境中緩慢地進行人工種植摸索，它能以很低的成本快速提升智慧管理水平和經濟效益。”騰訊AI Lab團隊介紹道。
AI的優勢
應對全球人口和資源挑戰
本次比賽充分展現了人工智慧驅動溫室的能力，但人工智慧的應用並不僅限於室內農業。騰訊希望藉此機會，探索室內和室外農業的機會，以瞭解人工智慧如何在全球範圍內提高糧食生產力水平，應對人口增長和可持續性發展的挑戰。
根據聯合國9月釋出的《2018年世界糧食安全和營養狀況》報告，全球現有8.21億人口處於飢餓狀態（每9人中就有1人在捱餓），已重回10年前的水平，這種倒退趨勢向我們發出嚴重警告。造成飢餓的主要原因之一，是由於氣候變化、乾旱和洪水等極端天氣對傳統農業生產的破壞。
“食物、能源和水對我們的未來至關重要。我們必須擴充現有的體系和架構，以適應新的全球挑戰。人工智慧是其中的一種解決方案，目標是以最少的投入獲取最多的產出。”騰訊首席探索官網大為在11月的騰訊WE大會上談到，“儘管目前AI+農業的應用尚屬早期，但已經取得了令人興奮的成果。如果進一步實現自動化，其釋放的生產力將是驚人的。我們應該充分認識到人工智慧可以發揮的作用，並且積極投入資源去進行技術研發。提高糧食生產力是全球的優先事項，而不僅僅是潛在的商業機會。我們需要鼓勵更大膽的設想，激發出更多的解決方案。”
騰訊首席探索官網大為在騰訊WE大會上談AI+農業
產前：育種選種、土壤分析
近年來，隨著人工智慧技術不斷髮展，其應用已逐漸滲入農業生產全過程。例如，在產前階段，深度人工神經網路（DNN）可利用物聯網獲取的資料，對灌溉用水進行分析和指導，並通過對土壤成分的檢測分析，選擇適宜種植的作物品種，合理施肥。通過對農作物市場週期需求的大資料分析和預測，也可指導作物種植品種選擇，避免產銷脫節引發價格劇烈波動，造成經濟損失和農產品浪費。另外，雲端計算、大資料分析和機器學習等技術，還可以幫助篩選和改良農作物基因，達到提升口味、增強抗蟲性、增加產量的目的。
產中：病蟲害管理、自動採收
在產中階段，人工智慧技術可用於監測環境資料和農作物生長情況。通過建立病蟲草害特徵分類資料庫，並利用計算機視覺技術識別作物品種、病害程度和雜草生長情況，可實現智慧預防和管理病蟲草害，減少經濟損失。不僅如此，這在一定程度上還可減少除草劑和殺蟲劑的使用，提升農產品安全性，減輕環境影響。
針對傳統農業“看天吃飯”的缺陷，利用機器學習技術處理衛星影像資料，可預測天氣等環境變化對作物的影響，提前應對。在採收環節，計算機視覺技術與機械臂或機器人結合，可實現24小時自動化採收，節省人力，降低成本。此外，大資料處理和語音識別等技術可運用於農業智慧專家系統中，為農業從業者提供專業諮詢服務和指導，幫助解決生產中各種技術問題。
產後：品質檢測、優化物流
在產後階段，具有計算機視覺的機械臂可進行農產品售前品質檢測、分類和包裝等工作；用大資料分析市場行情，可幫助農產品電商運營，引導企業制定更靈活準確的銷售策略；通過人工智慧遺傳演算法和多目標路徑優化數學模型，可對物流配送路徑進行智慧優化，完善生鮮農產品供應鏈等。
人工智慧技術在現代農業生產全階段的滲入，對推進農業的自動化、資訊化和智慧化，提升農業生產的質量與效率具有重要意義，但技術發展和應用並非一蹴而成。騰訊AI Lab團隊表示：“當年輕的人工智慧與古老的農業相碰撞時，會遇到諸多挑戰，如何預見和解決這些難題，需要耐心、創新，甚至是一些靈感。但其中蘊含的機遇也是巨大的，我們希望能有更多跨學科專家、企業家和投資者一起攜手，共同發掘AI+農業的各種可能性。”