編譯 | 太浪
受 Google 委託和資助，舊金山思維爾創意集團領導的Refresh Working Group（Refresh工作組）釋出了一份新報告「食品+技術: 從土壤到餐桌」，旨在更好地理解人工智慧在食品生產、分銷、加工和消費方面可能扮演的角色。
這份報告是歷經九個月的研究、訪談、聆聽會議和與在這個領域工作的各種人士和組織間非正式討論的成果，探討了包括人工智慧和機器學習在內的技術如何加速建立一個更可持續、可擴充套件和公平的食品系統。
正是這種從土壤到餐桌的方式吸引了像谷歌這樣的公司參與到美國食品系統的人工智慧研究中。
筆者對報告全文進行了編譯，有所刪減。
自第一次農業革命以來，農民一直在使用技術來提高他們的手藝、增加糧食的產量。
如今，人工智慧和機器學習為以不確定性著稱的農業帶來了更大的確定性。
透過人工智慧的處理能力來收集和分析該領域的多種資料來源，新的工具可以讓農民從資料分析產生的見解中受益。精密技術正在取代農民的年曆，更精準地預測一切——從溫度、降雨到害蟲和商品價格。
從生產到消費的數字化轉型，與新的生態服務相結合，將證明減少溫室氣體排放、處理多個導致糧食不安全的問題、解決 21 世紀人類的溫飽問題是至關重要的。
這個時機再合適不過了：據估計，到 2050 年，全球糧食產量需要增加 25-70%，才能養活未來 30 年預計將達到 90-100 億的人口。
我們也有可能利用人工智慧產生的有價值的見解和預測，來建立一個更公平的食品體系。
農業工程師 Amanda Ramcharan（阿曼達·拉姆查蘭）對泥土著了迷，她正透過引入預測技術來測量土壤在乾旱或洪水面前的復原力，從而幫助改造這片「土地」。
「如果你是一個農民，土壤就像你的銀行賬戶,」她解釋說，「但我們面臨的挑戰之一，是如何讓人們更容易看到它。我們如此依賴土壤，卻沒有意識到這一點。」
作為一名研究人工智慧和農業交叉領域的科學家，Amanda Ramcharan是土壤製圖技術演進的參與者。土壤製圖技術對於視覺化植物的種植地點以及種植方式而言是必不可少的。
她利用與歷史資料相關的機器學習，建立了土壤特性模型，這些模型能夠影響可以種植的作物和種植的地點。例如，她建立了一個模型來預測整個美國大陸的體積密度（或者說一定體積內的土壤質量）。
Ramcharan 最初對農業所面臨的日常挑戰並不感興趣。她出生在千里達及托巴哥，最初在普林斯頓大學學習機械工程，主要研究可持續能源。
「我真的很喜歡閱讀化石燃料和人類活動對全球環境的影響。」她說。畢業後，她在肯亞工作，為一個農村社群建立雨水收集系統。
「我們討論的一個問題是，可持續農業到底意味著什麼?」她解釋道。「你怎麼衡量它呢?」她開始用資料建模來研究土壤和天氣模式的不同情況。
複雜環境問題背後的科學和數學真正讓她開闊了眼界，讓她認識到土壤是如何影響食物和能源系統的。她開始研究美國土壤測繪的歷史，其歷史源於沙塵暴之後的那個時代。
在災難性的作物減產後，政府開始實施一項雄心勃勃的計劃，透過研究環境因素（如土地坡度，土壤深度，岩石數量，甚至原生植被等）是如何影響作物健康的，以減少水土流失。從那時起，土壤測繪技術迅速發展。
今天，機器學習模型增加了人們冒險進入這個領域收集資訊的價值。可見光和近紅外光譜中的高光譜影像與這些模型相結合，可以預測深層土壤中的有機質。
植物也受益於機器學習。無人機上的多光譜相機所收集的資料可以用來觀察土地的光合能力，預測其未來的健康狀況。機器學習還可以提供過去天氣狀況的地理位置資料，以預測即將到來的降水事件。
對於關心產量可行性的研究人員和農民來說，這些創新可能改變遊戲規則。
Amanda Ramcharan 說：「你可以使用 app 收集所有這些資料，並回答我們以前無法回答的重大問題。」因為工作，她出人意料地成了無人機使用規則方面的專家。「當我意識到我們的空域是如何劃分時，我有點被震驚了。」
像植保無人機這樣的技術，可以用來保護土壤和我們的社會免受氣候變化的影響，同時幫助農民種植更有彈性的作物，實現雙贏。「農民最關心的是他們的投資回報,」Amanda Ramcharan 補充道，「他們總是在腦子裡盤算。」
生產：農業、收穫、加工
1.資料驅動的農業
如今，普通農民們依靠先進的機械裝置來幫助他們快速、高效地在預算範圍內完成工作。
眾所周知，農業是充滿不確定性的高風險行業。農民必須成為應對快速變化的、影響他們收成的環境和變數的專家。從氣候到害蟲，從商品價格到水資源供應，都是現代農民的領域。
下一代農民正在努力應對這些不確定性。自動拖拉機、無人機和遠端感測器收集和分析資料，幫助農民提高作物產量。現在，即使是需要辨別力的眼睛完成的任務也可以透過演算法來完成。
接受過數千張植物照片訓練的影像識別軟體，可以跟蹤油桃、葡萄和漿果的成熟度。除草機器人能以驚人的速度消滅入侵植物。透過檢測與細菌或真菌相對應的症狀模式（如顏色變化、萎蔫或斑點），人工智慧可以發現那些會輕易伏擊農民的疾病。我們看到了大資料給中小型農場主帶來的巨大機遇。
普通的害蟲可能會突然冒出來，並在幾天之內破壞整片田地。
Craig Ganssle 開發了一個叫做 FARMWAVE 的人工智慧工具，只要點選這個 app，就能識別植物病原體、蟲子和雜草。
「從病理學家或昆蟲學家那裡得到答案，通常需要幾天甚至幾周，我們已經把時間縮短到了大約 10 秒鐘。」Ganssle 說。
訓練 FARMWAVE 演算法的資料集來自贈地大學的高質量農業資料集，FARMWAVE 演算法的準確率超過 95%。考慮到該行業的飛速發展，演算法的精確度非常重要。
Ganssle 說，和我們其他人一樣，農民不想淹沒在不必要的資料中。他們說，「只要給我一些有用的、能產生結果的東西。」
面對巨大的環境和經濟挑戰，人工智慧工具正幫助全國各地的農民收穫特殊作物並提高產量。透過消除一些風險，預測軟體可以幫著確保長期穩定性，使農業對於那些剛接觸該行業的人來說更具吸引力。
對於 Ganssle 來說，技術可以彌合代溝和知識鴻溝。「繼承是農業的一個問題。」他指出，「隨著想做農民的人越來越少，我們必須在未來 30 年用更少的土地種植比過去 8000 年還多的糧食。」而科技可以幫著解決這個問題。
全球氣溫上升，威脅著可耕地和農作物的健康，這些技術在未來將變得更加重要。預測技術有望透過收集大量資料、提供可行的見解，來幫助農民做出最佳決策，從而為農民提供支援。
在田間調查他們的作物，對農民與其他有相同害蟲和土壤的人交流來說是至關重要的，他們可以瞭解當地的氣候模式。
Craig Ganssle 建立的 FARMWAVE 有志成為「農民的 Slack」ーー但它不是互相交換動圖和簡練的俏皮話，而是幫助世界各地的農業工人確定他們田裡的蘋果是否被臭蟲掏空，或者是否有各種粘蟲在吃他們的玉米。
Ganssle 表示，他開發這款應用程式的目標是，在全球範圍內培育社群，讓馬來西亞的洋蔥種植者能與俄勒岡州東部的種植者交流心得。該應用程式於 2018 年 7 月底在 iOS 和 Android 系統上推出了 beta 版本。「社群合作是其中非常重要的一部分。」他表示。
Ganssle 進入農業是個意外。作為一名退伍軍人，他曾負責美國聯合特種作戰司令部的無線電系統和基礎設施。FARMWAVE 的 app 不僅可以整合智慧手機攝像頭，還可以透過無人機、機械和現場感測器進行工作：建立未來連線農場所有的必要元件。
與其他許多公司一樣，FARMWAVE 將幫助農民完成工作作為他們的使命。John Deere（約翰迪爾）公司最近在舊金山設立了辦事處，是計算機視覺和機器學習的先鋒，Hands Free Hectare 可以從空中發現雜草。
Ganssle 認為，新技術的採用有代際因素。
「我們在問，『現在的農民是什麼樣的，我們怎樣才能解決他們的一些痛點？』」他解釋說，「我們現在正在捕捉專業人士的知識以繼續前進，我們必須非常小心和非常準確地做到這一點，以便在整個學習過程中收集和維護這些經驗教訓。特別是對農民來說，也關於解釋這個過程的工作原理。這不是一堆魔法仙塵，也不是我們在監視每一個人。這關係到我們如何獲取資料，以及我們打算如何利用這些資料。」
2.為奶牛打造 Fitbit
基於開源框架開發的精確農業工具使研究人員和公民科學家能根據自己的特定需求構建、調整和定製軟體。
從坦尚尼亞、日本到美國，農業界正利用資料並從 TensorFlow 和 CaffeNet 等免費的機器學習平臺獲益，在提高動植物健康的同時，最大限度地提高生產力。
無論是依靠 Farm Hack 分享 DIY 技術工具的農民，還是使用 FarmBots（農場機器人）在自家後院播種和除草的家庭園丁，這些協作創新正在改變數字時代的食品生產格局。
雖然許多中小型美國農場尚未完全採用機器學習工具，但這種情況可能正在發生變化。牛奶價格創歷史新低，美國奶農正面臨著一場危機。
位於喬治亞州韋恩斯伯勒的 Hart Dairy Farm 是美國第一家使用 TensorFlow 開發和實施機器學習 app 來跟蹤牲畜的農場。
他們的 app 叫 IDA，透過定期收集和分析連線在奶牛乳房上的感測器的資料不斷改進。透過使用遙控的訊號傳送器，主人可以知道他們的 Holsteins 或 Guernseys 何時咀嚼反芻，感覺不適或準備授精。
Hart 軟體捕獲和處理的資料量驚人：最初它的資料量相當於 600 年的奶牛資料，考慮到每天都會建立和收集相當於 8 年的奶牛資料，它可以每兩個半月左右複製這一資料量。
Herddogg 的 CEO 兼創始人 Melissa Brandao（梅麗莎·布蘭道）最初開發的智慧牛群監測工具是一種適合奶牛的裝置, 透過夾在耷拉的牛耳朵上的帶有藍芽功能的夾子，可以測量從奶耳的溫度到它們的活動水平等各種資訊。（Brandao 表示，她之所以專注於開發耳標，是因為這是開發商可以從牛身上獲得的唯一「不動產」。）
HerdDogg 的跟蹤器可以測量奶牛外耳的溫度，對農民來說，這些資料已經足夠他們診斷奶牛的各種疾病了。Brandao 解釋說：「奶牛用四肢來維持核心體溫，比如他們的耳朵。當體內平衡被破壞時，他們的耳朵會被放大。」
當 Melissa Brandao 第一次開發技術跟蹤牛的活動和健康狀況時，她並沒有想到會對它們的社交生活也能有如此多的瞭解。
「我們意識到，每頭牛都有自己獨特的個性和生物節律。」她說，「可能這頭牛非常不活躍、而且行動緩慢，另一頭卻可能是交際花。」
「哦，我的天啊，奶牛真有趣。」HerdDogg 的資料科學主管 Jeff Mitchel（傑夫·米切爾）插話道，「他們都有獨特的個性。有孤獨的牛，愛管閒事的牛，好動的牛，也有無聊的牛。」
除了耳夾之外，HerdDogg 還生產了一種叫做 DoggBones 的小型無源讀卡器，可以隨時隨地收集羊群的資料，無需 WiFi 或蜂窩網路連線。這兩種技術的結合，可以讓農民對其乳製品生產商的生活有一個細緻的瞭解，普通小農戶每年可獲得多達 1 億行的資料。
它還有助於緩解奶牛的壓力。它們可以繼續安靜地吃草，而不用被人牽著鼻子或戴著頭套去測量體溫。
「知道自己正在做的事情對它們的幸福有益，就感覺非常值得。」Brandao 說。
實際上，HerdDogg 允許農民為他們的奶牛建立個人資料頁面，讓他們一眼就能瞭解奶牛的整個病史。該軟體甚至允許農民透過一個叫「快樂牧群指數」的眾包工具，將他們的牧群與世界各地的其他牧群進行比較。(是的，部分目標是激發農民的社交控。「社交控」指那種總是覺得有更好的事在別處發生的無端焦慮感。)
Brandao 必須確保農民能夠控制自己的資料。如果農民樂意，他們可以將自己的奶牛與其他農場的奶牛進行比較，他們也可以選擇對自己的資料進行保密。
「即使生產者想在隔絕的環境中使用 HerdDogg，他們仍然可以從 HerdDogg 平臺獲得很多東西。」Mitchel 說，「我們將產品視為分析更多由資料來驅動的第一步。」
Brandao 首先與「美國奶農」（Dairy Farmers of America，美國最大的奶製品業合作社）合作試驗這項技術，他們已經看到，在不需要進行醫療診斷的情況下，資料是如何提高牛群整體健康狀況的。
這個系統不依賴寬頻接入，任何人在任何地方都可以使用其提供的強大的服務，獲得可靠的資料。這對農村農民來說是理想的選擇。Brandao 補充道：「它甚至可以是不插電的，安裝電池就可以使用，就像可穿戴裝置中的瑞士軍刀。」
配送：運輸、儲存、交付
送餐的最後一英里通常往往是最具挑戰性的，尤其是確保可靠地獲得健康的、價格合理的且文化上恰當的食物。
「我們可以開發出很好的技術來改善農業的種植和收穫。」位於阿拉巴馬州的獨立雜貨店 Jimmy Wright of Wright』s Markets 表示，「但我的批發供應合作伙伴在僱傭倉庫工人挑選和裝載貨物、僱傭卡車司機配送這些訂單方面，面臨巨大挑戰。」
2350 萬美國人生活在糧食不安全的社群，在這些社群裡獲得營養食品是不可靠的，這使得這些社群更容易遭受飢餓、肥胖和相關的健康風險。隨著消費者越來越多地在網上購買食品，大量超市都在申請破產，社群裡供選擇的新鮮食品越來越少。
雖然向網上購物的轉變導致了實體超市的衰落，但也有一線希望。
一些研究人員認為，像 FreshDirect 這樣的虛擬商店可能有助於把新鮮農產品和健康食品送到那些不得不依靠當地 99 美分商店或加油站購買日用品的地方。
但是，為了讓這個樂觀的願景結出果實 (和蔬菜)，線上零售商必須首先考慮提高價格、運費、網際網路接入以及社群需求等其他食品接入問題的影響。
線上零售商還不能保證在未來的日子裡，將新鮮食品送到每家每戶的門口，但是最近的發展讓人們感到樂觀。
2017 年，美國農業部的補充營養援助計劃（SNAP）線上採購點與一些特定地區的線上零售商合作，為那些通常無法獲得健康食品的人們提供健康食品。
位於阿拉巴馬州農村的 Wright's Market 最近率先推出了自己的線上訂購服務，而 FreshDirect 則深入布朗克斯區服務不足的社群開展業務，將新鮮健康的食品直接送到顧客家門口。
與此同時，新的食品科技創業公司正在開發機器學習工具，以拯救全國食品供應量中被浪費的食物，佔比 30-40%。
倡導「從農場到冰箱」的公司——Farmstead 開發了自己的機器學習演算法 FrechAI，幫助該公司採購高質量的食品，保持庫存的新鮮度，並減少未食用的食品數量。
透過使用者友好的平臺和應用程式，這些創新也有助於增加新鮮的、健康的食品的供應，使科技對新手更加友好。
消費：購買、準備、食用
1.縮小糧食缺口
沒有哪個單一的解決辦法可以解決複雜的飢餓危機。
全美國有超過 4000 萬人生活在貧困線以下，依靠補充營養援助購買日用品。研究人員用糧食缺口來系統性地描述貧困人群怎麼樣以及為什麼會比高收入群體更難購買到營養食品。
過去十年，非營利組織一直與美國農業部和食品雜貨商合作，利用 SNAP 資料，確保專案參與者的利益。
諸如 Wholesome Wave 的「Doubling SNAP」、Fair Food Network 的「Double Up Food Bucks」等專案，使用從超市會員卡和 SNAP EBT 福利卡收集的資料，使使用者在商店和市場中購買的新鮮農產品數量翻倍。
（SNAP：美國農業部的補充營養援助計劃，也稱為食品券，為數百萬符合條件的低收入個人和家庭提供營養援助，併為社群提供經濟利益。SNAP 是國內飢餓安全網中最大的專案。）
2007 年，在《農業法案》將購買健康食品的激勵措施納入其食品援助計劃的七年前，Michel Nischan（米歇爾·尼斯坎）創立了自己的組織 Wholesome Wave 來解決食品不安全問題。
Nischan 希望在那些原本無法獲得新鮮農產品的社群擴大獲得這些農產品的渠道。
在全國各地的社群，Wholesome Wave 將農貿市場和雜貨店的水果和蔬菜的 SNAP 津貼增加了一倍。
例如，在聖地亞哥城市高地的星期六集市上，種植當地的南瓜葉和拉布拉多豆的索馬利亞難民，透過這個專案將它們售賣給社群，以獲得大幅折扣。（透過這個專案將它們以極低的折扣賣給社群。）
2.食品安全
雖然技術確實可以在解決糧食安全方面發揮作用，但實現食品安全需要政策和經濟解決方案，而不僅僅是技術解決方案。
正如這份報告所指出的，許多新的農業技術有助於種植更多的糧食和更高的收成。此外，食品分銷和食品配送方面的創新，以及農貿市場上最先進的銷售機械一體化，有解決糧食不安全問題的潛力，以更低的成本向更多人提供更新鮮的食品。
北卡羅來納州立大學環境農業系統中心的社會科學研究員 Dara Bloom 博士提醒道：「食品安全不一定是食品供應不足的結果，提高農作物產量的技術可能會在無意中危害食品安全。當這些工具被用作政治和社會問題的技術解決方案時，中小型農場主就會破產。」她說，「我們需要共同努力，從根源上解決食品不安全的問題。食品不安全的根源是貧困、種族、性別和階級不平等，而不是缺乏糧食。」
在這些成功的基礎上，Wholesome Wave 推出了一個基於信用卡的支付平臺，支援名為 Wholesome Rx（健康處方/治療方案）的倡議。這個水果和蔬菜處方專案由參與的健康診所管理，併為那些想要吃更多的水果和蔬菜的醫療補助患者所用。該平臺捕捉了整個購物過程，併為購買農產品以外的健康食品提供獎勵。它還利用一種機器學習演算法，從超市的會員卡中收集資料，生成營養食品的優惠券，提供個性化的飲食建議。
透過與雜貨店會員卡的合作，將他們的銷售點系統與購買新鮮農產品的獎勵同步，該計劃正在改善個人和社群的健康狀況。
健康飲食的激勵措施還增加了當地農民對農產品的需求，提高了農貿市場和食品雜貨店的利潤率，並改善了總體健康狀況。
Fair Food Network（公平食品網路專案）的高階主管霍利·帕克指出，「如此重要的公共和私人投資促進了《補充營養援助計劃》的激勵措施，我們確實必須擁有價格實惠、易於獲取的技術來大規模處理激勵措施，以便為低收入家庭提供更多新鮮、健康的食品，同時支援農民。」
應該用機器學習來實現這一點，就像它被用來建立未來的食物銀行一樣。Fed40 app 風靡全國，但這個 APP 的目標使用者是那些食品不安全的家庭。只需填寫一張簡單的申請表，有需要的家庭就可以收到 40 份預先包裝好的營養餐。(目前選單上有紅扁豆什錦飯和蘋果派燕麥，不過該公司很快將提供更多選擇。)
這款 app 尤其適用於那些可能沒有時間長途跋涉去食物銀行的工薪家庭。這是一個權宜之計，旨在在金融危機或其他食品服務中斷的情況下提供幫助。
Michel Nischan（米歇爾·尼斯坎）是獲得 James Beard（烹飪界傳奇人物）美食大獎的廚師，他並非一直是食品技術推廣者。
當他剛開始在一家餐館工作時，他只想提供他能找到的最新鮮的食物——比如他小時候在他祖父位於密蘇里州東南部的農場裡採摘的那些沾著露珠的蔬菜。
當他五歲的兒子被診斷出患有兒童糖尿病時，他第一次意識到擴大這些新鮮水果和蔬菜供應的必要性。
Nischan 為了兒子改變了家裡的飲食策略，最終也改變了他的餐館的飲食策略。但他很快了解到，大多數患有這種疾病的美國人無法獲得健康膳食所需的營養成分。
早在食品配送應用和飲食跟蹤平臺出現之前，Nischan 就想辦法拓寬獲取農民培育的新鮮農產品的渠道。Wholesome Wave 不是開發 app，而是與雜貨店、農貿市場和政府建立夥伴關係，為那些無法進入高質量農產品市場或買不起新鮮食品的人提供新鮮水果和蔬菜。
當時，幾乎沒有哪個農貿市場具備接受食品券的必要技術。2006 年，大約有 4000 個農貿市場，但能夠接受 SNAP 津貼的不到 200 個。
Wholesome Wave 團隊主張用免費的 EBT 機器接收它們，並擴充套件了一個低技術含量的令牌系統，作為提供產品激勵的變通方案。
Wholesome Wave 將這個初步的系統擴充套件到多個州，從而覆蓋更多種族的消費者。這樣做證明了對各種農產品的真正需求，從而引導農民適應當地社群的需求。
當馬薩諸塞州阿姆斯特的一個市場上出現大量的高棉人和巴西人時，當地的農民開始出售他們的農產品。
「我們有些農民把他們常吃的東西——比如蠶豆、祖傳土豆、羽衣甘藍（kale）——帶到市場，然後學習 Tayoba、波多黎各香草（牛至）、苦瓜或羽衣甘藍（collard greens），然後，農民們開始種植它們。」Nischan 說。
沒有現成的技術依據可以支援 Nischan 的願景。
但在過去幾年裡，Wholesome Wave 的工作得到了一些技術的大力支援，比如他們的新支付平臺。這個支付平臺可以使用機器學習給超市購物車打分，並透過電子郵件讓消費者瞭解更健康的選擇。
他認為，未來，聯邦醫療補助計劃 (Medicaid) 將把水果和蔬菜列為可報銷的專案，從而幫助減少每年 1.4 萬億美元與飲食相關疾病的治療費用。
3.最佳化個人和公共衛生
AI 也被動員起來對多層複雜資訊進行分類，以改善食品加工和促進公共衛生。
食品配送 app、飲食跟蹤平臺和健康資料庫使美國人比以往任何時候都更容易改善他們的飲食習慣和整體健康。
美國疾病控制與預防中心 (CDC) 的資料顯示，近 40% 的美國人患有肥胖症。
許多 app 都使用了人工智慧，包括健康應用 Noom，它收集並分析使用者的運動日誌和食物攝入資料，為他們提供個性化的健康、飲食和健身建議。
新的工具正在被開發，以應對每年約六分之一的美國人食物中毒的情況。
一旦疫情爆發，確定食物來源是一項非常困難的任務，但是一些企業正在依靠 Agrisource Data 用 AI 驅動的 AgClarity 分析平臺和其他新工具，跟蹤整個複雜的食品供應鏈中的食品質量、安全和新鮮度。
或許，更令人驚訝的是，Yelp 等眾包平臺被證明是研究人員解決食品安全問題的沃土。
哥倫比亞大學的一個團隊最近開發了一個 AI 工具，可以分析使用者評論，以控制食源性疾病爆發的傳播。紐約市衛生局正使用它來追蹤和確定受汙染食品的來源，甚至關閉了那些屢次未透過衛生檢查的餐館。
羅切斯特大學的研究人員使用 Twitter 代替 Yelp，開發出 nEmesis，告訴使用者哪些食物是不安全的。這款人工智慧自然語言處理 app 可以讀取推文，並對與食物中毒相關的餐廳的地理位置進行標記。到目前為止，該系統減少了約 9000 起食物中毒事件和 557 例住院治療。
普渡大學的研究人員還開發了一個智慧手機工具，可以分析農產品中的食源性病原體，比如最近在生菜中發現的大腸桿菌。
事實證明，現場檢測工具在農場或食品加工廠非常有用，可以防止大規模疫情爆發所導致的、將數百人甚至數千人送入急診室的情況發生。
透過訓練演算法，為食物鏈上的每一個環節提供支援，我們可以確保健康食品不僅易於種植和購買，而且可以安全食用。
如果新技術工具能夠使複雜的食品供應鏈更加透明，那麼它們無疑將有利於更大的公共利益。人們想知道他們的食物來自哪裡，而忙碌的消費者往往沒有時間或精力去調查所有關於他們食物的必要資料。
在一個手機訊號弱、水資源匱乏的地區，農民 Don Bustos 已經掌握了在有限的條件下工作的藝術。
Bustos 的農場靠近索諾蘭沙漠的邊緣，他的祖先已經耕種了幾個世紀。在他的農場，你可以找到農貿市場的主要產品，如黑莓、蘆筍、生菜，以及傳家寶紅辣椒和白菜。
Bustos 區域性的食物系統成功的關鍵是一個歷史悠久的、重力驅動的公共灌溉系統 Acequias，它已經進化了 1 萬多年。
（Acequias 是公共灌溉系統，由在新墨西哥州定居的西班牙人在 16 世紀至 18 世紀之間挖掘出來的，至今仍在使用。這裡有一條主要的運河，水閘把水從這條運河引到七英里外的個人農場。）
這種做法最初是由羅馬人開發的，傳授給摩爾人，並在 400 多年前被帶到美洲。Acequias 的治理是透過社群投票來實現的，「是一種橫向的努力，而不是一種自上而下的方法。」他說。
在溫室感測器能夠與智慧手機 app 通訊的時代，Bustos 的農場體現了老式人際關係的價值。
在新墨西哥州北部，Bustos 沒有享受到高速網際網路帶來的好處。但是他所擁有的是無價的： 一個由農民組成的社群，他們看到了為子孫後代保護水資源的價值。
Bustos 在這個地區組織農民，向他們傳授從商業規劃到土壤肥力的各種知識，這樣，他們就能攢到足夠的錢供孩子上大學。
他還幫助發起農業文化網路，一個由 13 個農民組成的團隊，他們將收成彙總，為農貿市場、雜貨店和阿爾伯克基的公立學校的顧客提供農產品。
2015 年，他憑藉對當地社群的長期服務而獲得詹姆斯·比爾德基金會領導力獎。
「技術在組織每個人方面發揮著關鍵作用。」他說。但正是透過講故事和社群知識，他學會了如何種田——特別是聽爺爺奶奶講故事。「整個社群都需要成為學習的一部分。」他說。
4.機遇與挑戰
新興技術正在改變我們生產、分配和消費食物的方式，將食物帶給人們，而不是把人帶到食物中。
我們的食物系統正在進入一個新的前沿。農民現在可以在幾秒鐘而不是幾周內診斷出植物疾病。
雜貨商和非營利組織正在使用可互操作的銷售點技術，以確保，即使是美國最缺乏食物安全保障的個人和家庭也能買得起新鮮、營養豐富的食品。
數百萬美國人正透過健身和膳食跟蹤 app 監測和改善他們的健康狀況，與此同時，公共衛生官員和軟體工程師正聯手，簡化召回有問題食物的流程，讓控制食物中毒蔓延變得更加容易。
預測技術已經被應用於整個食品供應鏈，將食品帶給人們，從而改變了長期以來將人們帶到食品中的規範。
新興技術不僅支援農業部門，而且支援整個糧食系統，新興技術使人們能夠提出更快、更便宜地解決糧食生產、分配和消費方面的危機。
這些工具可以透過在問題發生之前預測潛在問題，及早發現問題並提供有效解決問題的工具來幫助緩解最極端的困難。
也許最重要的是，正如本報告中介紹的許多技術所顯示的那樣，人工智慧可以使整個食物鏈中各個環節的工作人員更容易協作和創新。
談到人工智慧帶來的機遇，喬治亞理工學院電腦科學教授傑克·阿伯內西（Jake Abernethy）說：「一個顯而易見的機遇是，降低整個食品供應鏈中各個環節的成本。」
這些新工具很有前景，但未來幾年仍有工作要做，以確保利用技術促進可持續農業的發展，促進食品的公平分配，解決更廣泛的公共衛生問題。
為了使這些新的進步造福整個社會，它們必須是負擔得起的、使用者友好的、可靠的和可獲得的。
他們必須解決其他地方正在研究的一些最緊迫的技術問題，包括「數字鴻溝」和農村寬頻接入、人工智慧與勞動力市場之間的關係，以及農業資料的所有權。
隨著新技術的出現，許多農民尤其擔心未經測試的工具會降低他們生產的食品的質量以及生產食品的文化。
在新墨西哥州北部經營 Santa Cruz Farms & Greenhouses（聖克魯斯農場和溫室）的資深農民 Don Bustos 擔心，「針對農業採取軍事化的系統方法，一切都受到監控。」
在最佳化過程中，Bustos 警告說，精密技術面臨著把土地榨乾的風險。「這個系統是有效的，」Bustos 承認,「但它依賴大量的化石燃料和外部資源。」
隨著食品技術的創新不斷加速，社群在實施過程中擁有發言權尤為重要。Bustos 將技術的價值視為一種可以減少低效率，以更少的資源投入獲得更多增長的手段。
事實上，他開創了在寒冷的沙漠夜晚利用太陽能為植物保暖的方法ーー在土壤下面鋪設熱水管，以防止植物的根部被凍住。
對他來說，當充分整合社群、文化和祖傳知識時，人工智慧將發揮最大的潛力。Bustos：「我知道技術可以發揮重要作用，但是關於我們如何種植糧食的決定不應該由它來做。」
掃描二維碼，獲取報告全文。
