AI做得深,趕快去農村

naojiti發表於2019-02-16

去年年底,“一塊改變命運的螢幕”成了刷屏話題。

當時支援與反對方各自羅列出很多觀點,但我們或許可以承認,這些討論都是建立在這樣一個前提上:新技術與農村生活的結合,已經開始觸發一些改變。

把目光放到這個中國最廣袤的市場上,會發現從農業到農村市場所需的種種服務,再到農村勞動力轉移的巨集觀走向,其中有太多需求可以被科技力量填補。

而農村市場科技人才資源相對匱乏的客觀情況,又讓智慧化在某種程度上變成了異於城市社會的剛性需求。

如果我們回望2018,會發現從下半年開始,科技巨頭們紛紛佈局起了AI進軍農業的探索,並且各種AI醫療、AI教育的新興產品與服務,都開始走向農村這塊新的試驗田。

AI與農村的故事,正在短時間內快速升溫。但在熱鬧的佈局背後,我們也會發現一些明晰的瓶頸,橫亙在農村市場與AI的想象力之間。

繞過螢幕的爭議,更多AI故事正在山村田壟間上演著。無論2019年是否能被稱作“AI+農村”元年,至少這一年,田野上的AI故事必然會以一個令人驚奇的百分比上漲。

讓我們來回憶一下,直到今天為止,AI都以哪些方式完成了下鄉進村的任務。

科技巨頭的農業圓舞曲

AI進村的核心目標,當然是要證明自己能在第一產業有所建樹。

所謂AI農業,在技術邏輯上很容易理解,即利用AI帶來的物理識別與機器視覺能力,結合資料分析技術,將農業生產中大量流程進行重新優化,從而以智慧方式提高農業生產效率,優化農產品質量。

理論上來說,這套邏輯既能種糧食種菜,也能養豬養鵝。但實際運轉起來卻不容易。一方面農業資料相對匱乏,標準化程度很低,另一方面相關技術裝置近乎空白,AI農業命題之下不僅是演算法與資料問題,同時也是對工程化能力與硬體製造能力的考驗。

而在AI持有者——BAT為代表的科技巨頭們眼中,既然要進軍產業AI與產業網際網路,那麼農業又是無法繞開的一個選項。其巨大市場潛力和社會價值都是科技公司不能放棄的蛋糕。在2018年產業AI全面開動的契機裡,農業AI也就順勢開始了自己的故事。

最先動手的是阿里。2018年6月7日,雲棲大會·上海峰會上阿里雲釋出了ET農業大腦,通過數字檔案生成、智慧農業資料分析、農產品溯源等技術結合,開始將AI解決方案帶入農業。

隨後半年中,騰訊和京東都宣佈了自己的AI農業計劃。有訊息認為,擅長AI的百度也已經在路上。

綜合來看,AI農業命題如今主要走兩條路:AI養殖與AI種植。

說到養殖科技,我們們中國人的看家本領那就是養豬。可能很多人沒有意識到,在規模化、技術化養豬這條路上,中國人絕對寫就了一部波瀾壯闊的史詩。也正因為養豬事業的規模化標準化程度高,對新技術十分敏感,科技巨頭玩AI+養殖,十有八九都是從豬開始。

阿里的ET農業大腦,就利用了機器視覺加持的AI攝像頭與資料分析能力,來觀察豬們生長資料,從而達成優勝劣汰;並且將聲紋識別和紅外線測溫帶到了養豬場,通過豬的體溫和聲音進行AI預測豬的身體狀況,最終達成提升母豬產崽能力,降低死亡率的效果。

去年11月,京東數科也開始描繪AI和豬的浪漫故事。在接入AI攝像頭與資料智慧系統之外,京東的方案裡還加入了IoT系統,以及自主開發的養殖巡檢機器人、飼餵機器人等等,並且採用了新的“豬臉識別”技術。

有理由相信,接下來會有更多科技公司開始AI養豬生涯。

而AI在種瓜種菜上,也有自己的一套。阿里的ET農業大腦先後在甜瓜和生菜上完成了合作案例。而去年12月,騰訊AI lab團隊的“種黃瓜”在國際人工智慧溫室種植大賽(Autonomous Greenhouse Challenge)上獲得了“AI策略”單項第一名、總分第二名。這也被外界認為是騰訊向AI農業的進軍開啟。

騰訊這次展示的“種黃瓜”,特殊之處在於通過強化學習演算法,將專家知識系統潛入了模擬機當中,使智慧體可以有效學習人類專家的思維模式,從而回到實際種植中提升黃瓜產量,並且對感測器成本進行了壓縮,提高了技術的實用性。

AI種植業,目前一般集中在果園和溫室種植當中,通過對植株進行資料收集和智慧識別,來判斷肥料、水分、溫度、光照等條件的適宜與否,從而讓粗放的種植模式智慧化、精準化。再搭配一些可溯源、可直播的網際網路玩法,健康+高產的AI果菜就誕生了。

又能養豬,又能種菜,感覺AI在農業領域已經很吃得開了。

但是不用樂觀太早,目前來看,巨頭們的AI農業之旅只是剛剛開了個頭。今天各種值得誇耀的案例,都還是示範價值遠大於商業價值。

一方面,農業資料在今天依舊稀缺,農業AI依舊需要BAT的專家們下到田間地頭去採集資料,修正引數。另一方面,大量農業區域和農業領域都是資料的真空地帶,今天AI想要走入農業,還只能依靠一些資料化標準化程度高的農業部類,比如現代化養殖場;或者依託有相關農業科技積累的合作者,比如大型農業集團——來更多完成1對1的商業實驗性質AI+農業案例。

與中國廣袤的農田牧場相比,BAT的專家顯然是不夠用的。

所以說,今天AI農業還處在科技巨頭們做好案例,打好樣板,然後吸引有實力的合作伙伴共同推廣的階段。大規模的農業改造還遠遠談不上。只有當形成傻瓜式產品與可終端售賣的AI農業解決方案;科技巨頭與農戶間的產業中間層搭建起了清晰的產業鏈之後,“AI改變農業”這句話才有被說出口的底氣。

但無論如何,當看到北上廣高大樓宇裡的資料專家和演算法工程師,蹬著拖鞋蹲在田裡觀察農作物長勢,我們依稀還是能看到一個有張力的故事開始了。

農村社會中的AI新角色

在產業賦能之外,社會服務類的AI技術也在越來越火熱。AI醫療、AI教育、AI金融,以及AI政府服務都在成為新的科技賽道。

而需要注意這樣一個邏輯,與移動網際網路將服務整合化不同的是,AI+社會服務解決的主要是無人化問題。通過對人類經驗的機器學習復刻與再傳播,AI可以在某種程度上取代一部分專業人才的工作。比如AI語音互動代替教師,機器視覺裝置代替醫生進行醫療影像識別等等。

這樣的能力,在人才飽和地區或許只能被看作替代品和效率提升工具。而在農村地區,則很可能解決的是有和無的問題。

基於AI能力為農村地區提供醫療、教育等服務,今天也在不斷增長。比如阿里基於旗下的智慧音響天貓精靈,在去年啟動了“天貓精靈小站”計劃。該計劃通過建立天貓精靈小站圖書館,為農村地區兒童提供更多教育資源。在早期教育人才相對匱乏,教輔資源稀缺的地區,智慧音響的接入不失為解決方案的一種。

而在醫療上,有更多AI進村的案例可以被觀察到。比如上個月,很多媒體報導了百度靈醫團隊的AI 眼底篩查一體機的下鄉之旅。

通過視覺識別演算法的訓練,百度打造了基於AI的眼底篩查裝置,可以有效識別出“糖網”等早期眼底病灶。與之相對的是,在農村和鄉鎮地區,擁有準確眼底篩查能力的醫生並不多。複雜的眼科疾病只能去省城等大城市就醫,而早期疾病更是極大概率被忽略。

而在AI加入後,這個長期存在的問題將有被解決的希望。因為AI裝置取代的並不僅僅是機器,同時還包括機器背後醫生的判斷與識別能力。這對於農村地區是難能可貴的。

類似的案例,目前主要發生在醫療影像識別和化驗檢測上。有理由相信,不遠的將來,AI將協助帶來遠端門診甚至遠端手術。

而與AI走進農業一樣,AI農村醫療和AI農村教育的問題,也是依舊停留在初始階段。今天類似案例,更多停留在企業公益的範疇內。假如不解決商業化與推廣的問題,那麼我們將始終看到的是AI又獻了愛心,而不是AI真正改變了中國最多數群體的生活。

農村勞動力與AI基建

農村地區與AI的另一個結合點,不是AI幫助了農村什麼,而是反過來——農村的勞動力成本優勢,正在成為AI發展的某種燃料。

去年,很多媒體開始報導AI村、AI農村工廠這樣的關鍵詞。這類農村工廠商業模式,是AI需要大量的訓練資料,其中又以圖片資料為主。而資料標註這個近乎無門檻、與出門打工相比工作相對輕鬆、重複率異常高、又近乎不可或缺的工作,就被不斷下移,直到轉移到了村裡開工。

於是有人笑稱,你發現手機、平板能識別花鳥魚蟲大牌奢侈品,感覺挺高大上的樣子,殊不知那是你遠在老家的二舅母教的。

出現AI村這件事,有人覺得荒誕,也有人感嘆“沒人工就沒智慧”。然而從產業結構上看,AI產業發展中大量必需工作,確實都是常識類、可外包的。而這類工作又會自發去尋找人力成本最低廉的生產地。那麼廣大農村勞動力自然成為了首選。

客觀來說,農村人力成本優勢與AI的結合將不會很快消亡。這類外包工作中,今天還是以影像識別作為主體。但隨著資料與AI產業的深化,各種資料相關的工作都將湧向外包市場,比如資料清洗、資料分揀、垂直行業的資料集加工等等。

對於AI來說,這些工作必不可少,而對於農村地區來說,這些工作意味著可以坐在電腦前相對體面地完成,且不用遠離家鄉。

而必須注意的是,如果這類AI村、AI農村工廠,不主動尋求自身資料加工能力的逐漸升級,僅僅依靠常識+影像分揀類的工作維持生計,那麼市場是很快會在大量競爭下徹底乾涸的。只有進入垂直行業,錘鍊相對更強的資料操作能力,並且擁有可以說服市場的資料保密能力,才能在這個新興外包市場中獲得長期生存權。

不管怎麼說,如果我們認為通過黑客馬拉松、演算法大賽,來尋找演算法開發者和安全工程師,是一件很酷的事,那麼通過外包找農村大媽做資料清洗,似乎也沒有什麼值得說三道四的。二者其實都遵循同樣的價值規律:切合新興產業需求,發揮自我市場定位優勢。

結束語

不難看出,AI進村的故事,在今天正經歷一個蓬勃生長的過程。

巨頭在佔位,農業企業在自我迭代;公益在散發光芒,創業者也開始閃轉騰挪;演算法工程師走進了大棚,村裡的鄉親正在教育大洋彼岸的AI系統。

變化剛剛開始,然而變化已經開始,這些有張力的畫面,或許是今天中國AI發生最深刻影響的地方。

如何適應這樣的變化呢?或許一個好的方案,是要從個體職業的角度去思考AI的產業需求和市場需求,然後耐住性子慢慢來。春天是看不到糧食的,但春天必須播種。

來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/31561483/viewspace-2636169/,如需轉載,請註明出處,否則將追究法律責任。

相關文章