本文共 5680 字，大约阅读时间需要 18 分钟。
未来云计算和人工智能将改变世界各地人们获得食物的方式。即使是最古老的农业，也可能在AI的加持下焕发新生机。
近日，荷兰瓦赫宁根大学（WUR）主办的国际人工智能温室种植大赛（Autonomous Greenhouse Challenge）结果揭晓，来自微软的Sonoma队拿下冠军，而来自中国的腾讯AI Lab与农业专家组成的iGrow队，获“AI策略”单项第一名、总分第二名，夺得亚军。
本次大赛全称是国际人工智能温室种植大赛（Autonomous Greenhouse Challenge），InfoQ曾经做过。本次大赛由荷兰瓦赫宁根大学（WUR）于今年3月发起，历时半年有余，旨在通过人工智能与农业等多学科团队协作，展示人工智能驱动温室的能力，在提升农业生产力的同时，减少资源消耗，满足日益增长的人口需求，帮助人类过上更健康的生活。
比赛的挑战目标，是在4个月内生产出高产量、高资源利用率的黄瓜作物。参赛团队利用传感器和摄像头，获取温室气候、作物发育情况等数据，加入自己的模型或机器学习算法，远程控制作物生长。
在长达半年多的比赛中，iGrow队历经编程马拉松、黄瓜种植挑战和总决赛，最后以一分之差获得亚军。
在比赛中，腾讯实现了对AI+农业领域的技术探索，团队首创的农业人工智能系统攻克了机器智能嵌入农业专家知识的难题。种植结果显示，该人工智能系统提高了农产品的产量和自然资源利用率，还大幅降低了传感器成本，体现了“AI+农业”的应用潜力。
AI+农业到底靠不靠谱？
目前在AI+农业领域，一大技术难点在于，计算机模拟受农业生产的特点影响，与真实的农业种植之间存在巨大的鸿沟。
在农业生产中，影响作物生长的因素极为复杂，种植很难标准化，环境变化也难以预测，这些因素会严重阻碍人工智能的效能发挥。
尽管本次比赛为环境相对可控、较易标准化的温室黄瓜生产，但计算机模拟如何有效迁移到真实的农业种植中，依然是一大技术挑战。
比赛中，腾讯AI Lab的AI专家根据植物学、生物学和物理学等相关学科知识进行建模，建立起模拟气候环境和作物生长的仿真器。
随后，团队开创性地搭建出一个农业人工智能系统，通过创新的强化学习方法，将iGrow农业专家的知识和经验自然地嵌入仿真器中，使人类专家能够在种植密度、灌溉施肥、打顶剪枝等方面，实现对AI的有效干预，提高AI学习效率，最终在资源最优化的同时，最大程度地提升了作物产量。
与人类知识融合之后的AI系统，无需专家再次干预，即能自动适应新的环境和条件变化，因此可以快速复制到同类温室种植中，为扩大生产规模、实现标准化生产提供条件。在生产自动化方面，该系统可自主运行，从而大幅降低人工管理难度，节约大量人力。
另外，与其他AI种植团队额外添加了诸多传感器不同，iGrow 队仅利用主办方配置的有限的传感器，便取得了十分亮眼的成绩。系统通过高效的数据模拟和运算，减少了不必要的传感器的使用，大大降低了智慧农业的生产成本，在市场应用和推广上颇具潜力。
与传统的人工种植相比，人工智能的优势在于，它能对种植过程进行全局优化。从一开始的种植密度、留茎比例，到后来的留叶、留果策略，以及在温室中对光照、通风、温度、湿度、CO2浓度、水分等的控制，它都能在仿真器中通过强化学习自动寻找最优解。人工智能可为作物的各个生长周期寻找和提供最适宜的环境状态，同时进行资源最优配比，以最大化地节省资源。
“人工智能另一个巨大的优势是，它可以在短时间内进行大量模拟实验，相比在真实环境中缓慢地进行人工种植摸索，它能以很低的成本快速提升智能管理水平和经济效益。”腾讯AI Lab团队表示。
本次大赛展现了人工智能驱动温室的能力，腾讯迈出这一步，不仅能带动AI+农业的探索，也能给最古老的产业带去更多关注度。
揭秘腾讯AI+农业技术实力
InfoQ在比赛结果披露后第一时间对腾讯参赛团队和技术专家进行了专访，针对AI+农业的应用现状、团队在本次比赛中的技术创新点、AI+农业的技术难点等问题做更深入的了解。
InfoQ：为什么腾讯AI Lab会选择参与这次大赛？AI在农业方面的应用现状和未来发展前景如何？
腾讯AI Lab团队：本次比赛充分展现了人工智能驱动温室的能力，但人工智能的应用并不仅限于室内农业。腾讯希望借此机会，探索室内和室外农业的机会，以了解人工智能如何在全球范围内提高粮食生产力水平，应对人口增长和可持续性发展的挑战。
近年来，随着人工智能技术不断发展，其应用已逐渐渗入农业生产全过程。（新闻稿有）
例如，在产前阶段，深度人工神经网络（DNN）可利用物联网获取的数据，对灌溉用水进行分析和指导，并通过对土壤成分的检测分析，选择适宜种植的作物品种，合理施肥。通过对农作物市场周期需求的大数据分析和预测，也可指导作物种植品种选择，避免产销脱节引发价格剧烈波动，造成经济损失和农产品浪费。另外，云计算、大数据分析和机器学习等技术，还可以帮助筛选和改良农作物基因，达到提升口味、增强抗虫性、增加产量的目的。
在产中阶段，人工智能技术可用于监测环境数据和农作物生长情况。通过建立病虫草害特征分类数据库，并利用计算机视觉技术识别作物品种、病害程度和杂草生长情况，可实现智能预防和管理病虫草害，减少经济损失。不仅如此，这在一定程度上还可减少除草剂和杀虫剂的使用，提升农产品安全性，减轻环境影响。
针对传统农业“看天吃饭”的缺陷，利用机器学习技术处理卫星图像数据，可预测天气等环境变化对作物的影响，提前应对。在采收环节，计算机视觉技术与机械臂或机器人结合，可实现24小时自动化采收，节省人力，降低成本。此外，大数据处理和语音识别等技术可运用于农业智能专家系统中，为农业从业者提供专业咨询服务和指导，帮助解决生产中各种技术问题。
在产后阶段，具有计算机视觉的机械臂可进行农产品售前品质检测、分类和包装等工作；用大数据分析市场行情，可帮助农产品电商运营，引导企业制定更灵活准确的销售策略；通过人工智能遗传算法和多目标路径优化数学模型，可对物流配送路径进行智能优化，完善生鲜农产品供应链等。
InfoQ：能否具体介绍一下这次大赛有哪些比赛环节？每个环节考察的是什么？
腾讯AI Lab团队：
大赛日程：
5月31日/ 6月1日：Hackathon（编程马拉松）初赛，选出5支团队进入比赛9月1日到12月中旬：正式开展人工智能温室种植实验（黄瓜生长记录期：115天，8月21日到12月7日）第50周（12月）：在瓦格宁根大学决赛评分标准：
- 净利润50%
温室成长挑战的预定目标：在WUR Bleiswijk的温室隔间中，通过不断增长的高线黄瓜获得最高的净利润。每周（周一）提供上个礼拜不同的黄瓜价格，并将黄瓜质量分A、B、C等级。
- 可持续发展性20%
能源利用效率、CO2用量、用水效率、已注册的农药使用量。每个方面的定量数据将根据温室种植实验期间每个团队的资源使用情况计算得出，每周统计一次。
- AI战略方法30%
关于整体科学共性的新颖性，关于在园艺领域应用的新颖性（新颖性）
无需人工干预即可自主远距离操作的能力（功能性）无需任何其他传感器或信息（稳健性）的运营能力容易实现大规模（可扩展性）陪审团可能认为相关的任何其他方面
InfoQ：腾讯AI Lab所在的iGrow团队在比赛中提出的技术方案有哪些突破和创新点？
腾讯AI Lab团队：
首创农业人工智能系统有效融合机器智能与人类知识：比赛中，腾讯AI Lab的AI专家根据植物学、生物学和物理学等相关学科知识进行建模，建立起模拟气候环境和作物生长的仿真器。随后，团队开创性地搭建出一个农业人工智能系统，通过创新的强化学习方法，将iGrow农业专家的知识和经验自然地嵌入仿真器中，使人类专家能够在种植密度、灌溉施肥、打顶剪枝等方面，实现对AI的有效干预，提高AI学习效率，最终在资源最优化的同时，最大程度地提升了作物产量。降低传感器成本，可终身学习：与人类知识融合之后的AI系统，无需专家再次干预，即能自动适应新的环境和条件变化，因此可以快速复制到同类温室种植中，为扩大生产规模、实现标准化生产提供条件。在生产自动化方面，该系统可自主运行，从而大幅降低人工管理难度，节约大量人力。
全局优化，快速提升经济效益：大赛结果显示，iGrow队在黄瓜产量、质量、资源利用率上，均表现出色。在整个过程中，仅使用了少量的杀虫剂，符合人们对健康生活品质的要求。与传统的人工种植相比，人工智能的优势在于，它能对种植过程进行全局优化。从一开始的种植密度、留茎比例，到后来的留叶、留果策略，以及在温室中对光照、通风、温度、湿度、CO2浓度、水分等的控制，它都能在仿真器中通过强化学习自动寻找最优解。人工智能可为作物的各个生长周期寻找和提供最适宜的环境状态，同时进行资源最优配比，以最大化地节省资源。人工智能另外一个巨大的优势是，它可以在短时间内进行大量模拟实验，相比在真实环境中缓慢地进行人工种植摸索，它能以很低的成本快速提升智能管理水平和经济效益。
InfoQ：你们的技术方案对于数据量的需求如何？农作物生长缓慢，有那么多数据去训练吗？
腾讯AI Lab团队：数据量不足是AI+农业领域的普遍难题，本次比赛AI要从零开始训练，所以我们先利用生成对抗网络生成模拟气候条件和作物生长情况的仿真器，然后运用一些创新性的强化学习方法，将农业专家的知识和经验嵌入仿真器中，帮助AI提高学习效率。
InfoQ：A+农业需要使用不少传感器，而物联网数据主要难在收集清洗阶段，你们在物联网数据的使用上有什么可以让人借鉴的方法或经验吗？
腾讯AI Lab团队：iGrow队因减少传感器使用而备受好评。与其他AI种植团队额外添加了诸多价格昂贵的传感器不同，iGrow 队仅利用主办方配置的有限的传感器，便取得了十分优秀的成绩。这得益于系统高效的数据模拟和运算，让我们得知额外传感器对增加最终产量和减少资源损耗并不会带来帮助，因此决定不再增加额外传感器，相比于其他队伍大大降低了智慧农业的生产成本，在市场应用和推广上颇具潜力。
温室数据在一个相对稳定可控的有线局域网中采集，而且数据量也并不大，这与一般物联网数据有所不同。但从广义的物联网或者长远的物联网研究上，还是有些方法可以借鉴的。例如我们每个温室管理有限的传感器，同时也在一个比较小（物理大小和数据量大小意义上的小）而标准的闭环系统中完成智能的实现。这样做有很多优点，首先因为温室在物理上只有几十米的距离，数据质量非常可靠而实时，根据这些数据所做的决策可靠性也高；同时因为是一个闭环系统，对应的人工智能可以单独完成完整的学习，从而有效而独立地自我提升； 另外温室控制本身已经包含了系统决策的绝大部分，这种分布式的智能体架构就可以完成大部分有实时要求的决策以及其执行。物联网原理上也可按照这种思维去设计，把数据采集、决策和执行以分布式智能体的方式物理上就合理地分布在各个地方，通过分层次的智能去完成系统所有的工作。现实的物联网运作逻辑比温室复杂很多，但这种有效分散智能的设计思路可以借鉴。
InfoQ：这种适合于大规模农业环境，而中国普遍是小农作业，你们如何去量化AI+农业的收益？
腾讯AI Lab团队：温室的搭建和规模相对于传统大田生产来说更为灵活，未来或许可以通过云计算和人工智能相关技术应用，探索新型的分散式农业的模式，将生产场所迁移到城市及周边，不仅可以减少物流成本，而且人们可以获取更新鲜和健康的食物，这也是应对未来全球城市化进程中，耕地面积萎缩和务农人口减少的一种解决方案。不管是室内农业还是室外农业，AI+农业还有非常多的可能，需要我们去探索和发现。
InfoQ：腾讯AI Lab有几位AI专家参与了这次比赛？他们在其中主要负责哪些工作？
腾讯AI Lab团队：我们有四位AI专家参与了这个项目，负责AI算法设计、数据分析、温室实际种植过程操控、与农业专家协调沟通等。
InfoQ：未来AI Lab在AI+农业上有什么规划吗？
腾讯AI Lab团队：这是一次全新的探索与尝试。人工智能技术在现代农业生产全阶段的渗入，对推进农业的自动化、信息化和智能化，提升农业生产的质量与效率具有重要意义，但技术发展和应用并非一蹴而就。人工智能这么年轻的行业，与古老的农业相碰撞时，会遇到诸多挑战，如何预见和解决这些难题，需要耐心、创新，甚至是一些灵感。但其中蕴含的机遇也是巨大的，我们希望能有更多跨学科专家、企业家和投资者一起携手，共同发掘AI+农业的各种可能性。
腾讯首席探索官网大为先生在解释腾讯为何要大力支持并参与这个项目时表示：“地球现在面临着人口增长、气候变化等诸多挑战，人类赖以生存的FEW（食物、能源、水）对我们的未来至关重要。腾讯的使命是‘通过互联网服务提升人类生活品质’，作为国际领先的科技企业，我们必须拓展现有体系和架构，AI是其中一个重要的解决方案——力争用最少投入获取最多产出。尽管“AI+农业”应用尚属早期，但已经取得令人兴奋的成果。如果实现自动化，将能释放惊人的生产力。我们要充分认识到人工智能可以发挥的作用，积极投入资源做技术研发。提高粮食生产力是全球优先事项（Global Priority），而不仅仅是潜在的商业机会。我们需要鼓励更大胆的设想，激发出更多的解决方案。”
会议推荐：12月20-21，AICon将于北京开幕，在可以学习来自Google、微软、BAT、360、京东、美团等40+AI落地案例，与国内外一线技术大咖面对面交流。
转载地址：http://vzmix.baihongyu.com/