الذكاء الاصطناعي في الزراعة يتعثر بسبب البيانات لا التكنولوجيا — MIT Technology Review

تشير MIT Technology Review إلى أن قطاع الزراعة جاهز لتبنّي الذكاء الاصطناعي، لكن البيانات التي يُفترض أن تتدرّب عليها هذه الأنظمة ليست جاهزة. وتحذّر المجلة شركات الزراعة من الاستثمار في الذكاء الاصطناعي قبل ترتيب معلوماتها الخاصة.

ما المشكلات التي يُفترض أن يحلّها الذكاء الاصطناعي في القطاع الزراعي

يعمل القطاع في ظروف تجعل الدقة أمرًا حاسمًا: تقلب في أسعار الأسمدة، وطقس يصعب التنبؤ به، وهوامش ربح ضئيلة لا تترك مجالًا للخطأ. ولهذا تبدو أدوات الذكاء الاصطناعي الموجهة للقطاع الزراعي واعدة بشكل خاص، إذ تَعِد بتنبؤ أدق بالإنتاجية ومخاطر أمراض النباتات والمواعيد المثلى للري وإضافة الأسمدة.

• تقلب أسعار الأسمدة يضغط على هوامش ربح المزارع
• الظروف الجوية التي يصعب التنبؤ بها تعقّد تخطيط المحصول
• الهوامش الضئيلة في القطاع لا تتسامح مع الأخطاء في التوقعات
• تُظهر الدراسات التي تستند إليها المجلة أن النماذج التنبؤية القائمة على الذكاء الاصطناعي قادرة بالفعل على رفع دقة توقعات الإنتاجية

لماذا تشكّل البيانات عنق الزجاجة الرئيسي

تكمن المشكلة في أن القطاع الزراعي راكم البيانات لسنوات بصورة مبعثرة. فقراءات مستشعرات رطوبة التربة، والصور الفضائية للحقول، وسجلات استخدام الأسمدة والآلات، كلها مخزّنة بصيغ غير متوافقة لدى موردي معدات وخدمات زراعية مختلفين. وتدريب نموذج موثوق على مجموعات بيانات مجزّأة وناقصة في كثير من الأحيان مهمة أصعب بكثير من مجرد «توصيل الذكاء الاصطناعي» بنظام إدارة المزرعة القائم.

وتؤكد MIT Technology Review أن على قادة القطاع أن يستثمروا أولًا في جمع البيانات وتوحيد معاييرها وتنقيتها، ثم في النماذج نفسها. وإلا فإن أكثر الخوارزميات تقدمًا ستتدرّب على معلومات متناقضة، وستقدّم توقعات غير موثوقة تحديدًا حيث تكون كلفة الخطأ على المزارع مرتفعة بشكل خاص.

ما الذي ينبغي للمزارع فعله قبل تبنّي الذكاء الاصطناعي

عمليًا، يعني ذلك عملًا أساسيًا ليس الأكثر إبهارًا: دمج البيانات القادمة من مستشعرات رطوبة التربة ومحطات الأرصاد الجوية والمراقبة الفضائية للحقول والحواسيب المثبتة على الآلات الزراعية في منظومة واحدة، بدلًا من إبقائها في تطبيقات منفصلة من شركات معدات مختلفة. وبعد ذلك فقط يحصل نموذج التنبؤ بالإنتاجية أو الكشف المبكر عن أمراض النباتات على صورة للحقل كاملة بما يكفي ومتسقة، لتقديم استنتاجات يستطيع المهندس الزراعي أن يعتمد عليها فعلًا.

وهذا الأمر حساس بشكل خاص للمزارع الصغيرة: فالشركات الزراعية الكبرى تملك الموارد لبناء بنيتها التحتية الرقمية الخاصة، أما المزارعون الأصغر فغالبًا لا يملكونها. ولذلك تزداد مخاطر اتساع الفجوة في الوصول إلى أدوات ذكاء اصطناعي عاملة بين الأعمال الزراعية الكبيرة والصغيرة.

وثمة أيضًا مخاطرة مالية بحتة: إذا اشترت المزرعة حلًا مكلفًا للذكاء الاصطناعي قبل أن ترتّب بياناتها، يقدّم النموذج منذ البداية توصيات ضعيفة أو متناقضة، فتصاب الإدارة بخيبة أمل من التكنولوجيا نفسها، ويُجمَّد المشروع قبل الوصول إلى المرحلة التي كانت البيانات الجيدة ستبدأ عندها بتحقيق فائدة قابلة للقياس. وتدعو المجلة إلى النظر إلى إعداد البيانات لا كإجراء تقني شكلي، بل كاستثمار مستقل، وبدونه قد لا تحقق أي نفقات لاحقة على النماذج والخوارزميات عائدًا.

ماذا يعني ذلك

قصة القطاع الزراعي حالة خاصة من مشكلة أعم في الذكاء الاصطناعي المؤسسي: التكنولوجيا تتطور أسرع من استعداد الشركات لترتيب بياناتها، ومن دون هذا العمل الأساسي لن تحقق حتى أفضل النماذج العائد الموعود.