Ar žemės ūkis gali prisijaukinti dirbtinio intelekto technologijas? Vytauto Didžiojo universiteto (VDU) mokslininkas Antanas Juostas įsitikinęs, jog ateitis priklauso išmaniajam žemės ūkiui, kuriam nebepakaks tik praktikoje sukauptų ūkininkavimo žinių, gebėjimų ir patirties.
Dirbtinis intelektas žemės ūkyje – neišvengiamas?
Prognozuojama, jog iki 2028 metų dirbtinio intelekto panaudojimas žemės ūkyje pasaulyje išaugs iki 4,7 mlrd. JAV dolerių, o žemės ūkio skaitmeninimas galėtų padidinti mažas ir vidutines pajamas gaunančių šalių žemės ūkio BVP daugiau nei 450 mlrd. JAV dolerių, arba 28 proc. per metus.
Išmanusis žemės ūkis, anot VDU Žemės ūkio akademijos Inžinerijos fakulteto Žemės ūkio inžinerijos ir saugos katedros doc. dr. A. Juosto, kuris taip pat eina įmonės „AGCO Corporation“ techninio vadovo Rytų Europos šalims pareigas, valdymo koncepcija, kuria vadovaujamasi siekiant padidinti žemės ūkio produktyvumą keičiantis klimato, gamybos sąlygoms, sąnaudų ir produkcijos kokybės reikalavimams.
Kokia išmaniojo žemės ūkio kūrimo pradžia? Duomenys. „Duomenys žemės ūkio sektoriuje buvo renkami bei naudojami jau ir anksčiau. Pavyzdžiui, remiantis dirvožemio savybių nustatymu, buvo sudarytas dirvožemio klasifikatorius, o pagal jį ir dirvožemio žemėlapiai. Žemės ūkio specialistai taip pat registruodavo konkrečiuose laukuose užauginto derliaus kiekį, pieno primilžius iš kiekvienos karvės ir pan. Jie nustatė, jog šie rodikliai turi tiesioginį ryšį su gamtinėmis sąlygomis, dirvožemio tipu, pašarų kokybe, naudotomis trąšomis bei jų kiekiu. Palaipsniui ūkiuose pradėta kaupti vis daugiau duomenų, tačiau ėmė kilti klausimas, kaip juos tinkamai sugrupuoti ir panaudoti geriausiam sprendimų priėmimui planuojant kitų metų darbus. Ar galima rasti efektyvesnių sprendimų remiantis praėjusių metų rezultatais? Ar įmanoma sukurti skaičiavimo algoritmus, kurie padėtų žemės ūkio specialistui priimti pagrįstus sprendimus? Būtent čia į pagalbą žemės ūkiui ateina dirbtinis intelektas (DI)“, – paaiškino mokslininkas.
Vienas iš didžiausių ateities iššūkių, kurį gali padėti įveikti dirbtinis intelektas – didelio kiekio duomenų apdorojimas ir jų panaudojimas siekiant pagerinti žemės ūkio produkcijos kokybę bei kiekį, didinti veiklos efektyvumą ir užtikrinti tvarumą.
Kokias žemės ūkio veiklos sritis gali apimti ir šiuo metu apima DI? Šiuo metu pasaulyje DI jau taikomas įvairiose žemės ūkio veiklos srityse: nuo žemės ūkio technikos valdymo, pasėlių ligų aptikimo, automatizuotų piktžolių kontrolės sistemų iki gyvulių sveikatos stebėsenos, prognozuojant pasėlių derlių, valdant drėkinimo sistemas, vykdant orų stebėjimą ir pan.
DI augalininkystėje – kokia nauda?
Dirbtinio intelekto (DI) taikymas augalininkystėje daugiausia susijęs su išmaniųjų technologijų diegimu žemės ūkio technikoje bei žemės ūkio veiklos valdymo programose. Vis plačiau taikomas procesų automatizavimas, kuris taip pat valdomas naudojant DI algoritmus.
Vadovaujantis žemės ūkio specialistų bei ekspertų sukurtomis sistemomis, DI algoritmai padeda priimti sprendimus žemės ūkio veiklos valdymo programose. Šie sprendiniai didina darbo našumą ir saugą.
DI plačiai integruotas javų nuėmimo kombainuose, kai technika vienu metu gali atlikti kelias funkcijas: pjauti javus, kulti, valyti grūdus, smulkinti šiaudus. Tokia integracija padeda sumažinti darbo sąnaudas ir padidinti produktyvaus darbo laiką.
Augalininkystės sektoriuje taikomi technologiniai sprendimai:
Anot doc. dr. A. Juosto, pagrindiniai dirbtiniu intelektu pagrįstos žemės ūkio įrangos privalumai – mažesnis vairuotojo nuovargis, sumažėjusios degalų sąnaudos, sumažintas dirvožemio tankinimas, didesnis lauko įdirbimo tikslumas ir galimybė išvengti avarijų.
Pastaruoju metu labai sparčiai auga susidomėjimas žemės ūkio robotais. Robotai jau naudojami pasėlių priežiūroje, robotizuotam melžimui, sodininkystėje. Prognozuojama, kad 2025 m. pasaulinė žemės ūkio robotų rinka pasieks 8,82 mlrd. JAV dolerių, o metinis augimo tempas (CAGR) – 24,7 proc.
DI pasėlių valdyme – kokie pokyčiai?
Pasėlių valdymas suprantamas kaip piktžolių, augalų ligų ir kenkėjų aptikimas bei suvaldymas. Svarbiausias tikslas – prognozuoti jų atsiradimą, tačiau dėl didelės įvairovės sukurti vieningą prognozavimo sistemą yra sudėtinga.
Šiuo metu nemažai investuojama į pasėlių prognozavimo įrankių kūrimą mobiliųjų telefonų programėlėse. Pasitelkus DI, vykdomas išmanusis pasėlių purškimas, kuomet purškiama tik tose vietose, kur yra piktžolių. Bendradarbiaujant kartu su mokslininkais, kuriamos aplinkai nekenksmingos priemonės, išmanieji purkštuvai, kurie leidžia tiksliai dozuoti chemines medžiagas tiesiai ant augalo lapų, taip sumažinant jų poveikį aplinkai. Piktžolių kontrolei taikomas ir selektyvus jų naikinimas elektros srove.
Daugelyje Europos šalių įvestas glifosato moratoriumas paskatino grįžimą prie mechaninio ravėjimo. Tai savo ruožtu paskatino mažų, elektra varomų, ravėjimo robotų kūrimą.
DI reguliuojant vandens kiekį – kodėl tai svarbu?
Daugelyje Europos šalių susiduriama su vandens trūkumu, todėl vis didesnę reikšmę įgauna ir pasėlių laistymo planavimas. Čia taip pat pasitelkiamas DI, kuris remdamasis surinktais internetiniais duomenimis, koreguoja vandens tiekimo balansą ir padeda tiksliau planuoti laistymą. Dirvožemio drėgmės matavimui naudojami drėgmės jutikliai bei erdviniai 3D šaknų zonos stebėjimo įrenginiai.
Efektyvesnis ir racionalesnis vandens naudojimas augalų augimui yra įmanomas derinant įvairius sprendimus: modeliavimą, dirvožemio vandens matavimą šaknų zonoje, nuotolinį augalų biomasės stebėjimą ir orų prognozes. Laistymo planavimui reikalingas geras vandens stebėjimas augalų šaknų zonoje.
Smarkiios liūtys – vis dažnesnis reiškinys. Tačiau ne visas perteklinis lietus gali susigerti į dirvožemį, todėl jį būtų galima surinkti į rezervuarus. Šių rezervuarų dydis ir vieta turėtų būti parenkami atsižvelgiant į dirvožemio vandens kaupimo pajėgumą, sodinamų augalų rūšis ir sėjomainą, taip pat ilgalaikes orų prognozes. Rengiant tokius planus, gali būti naudingas DI.
Orų prognozių ir vandens lygio rezervuaruose duomenų derinimas gali sumažinti potvynių riziką ir suteikti galimybių nukreipti vandens perteklių į kitus regionus, kuriuose numatomas mažesnis kritulių kiekis. Tokiu būdu dinamiškas rezervuarų pajėgumų naudojimas gali tapti veiksmingu potvynių prevencijos ir vandens išteklių valdymo įrankiu.
Dirvožemio vandens lygis taip pat gali būti reguliuojamas kontroliuojant drenažo sistemas. Tai dar viena dinaminio vandens valdymo priemonė, papildanti rezervuarus ir baseinus. Dirbtinis intelektas čia taip pat tampa svarbiu pagalbos įrankiu.
DI gyvulininkystėje – ką jis keičia?
Šiuolaikinėje gyvulininkystėje pasitelkiama daug įvairių technologijų, kurios leidžia ūkininkams gamybos procesus valdyti tiksliau ir efektyviau nei anksčiau, kai buvo naudojami tik kompiuteriai.
Apskaitos programinė įranga padeda stebėti bendrą ūkio ekonominį našumą, o klimato ir šėrimo kontrolės sistemos mažina pasikartojančio rankinio darbo poreikį. Ne mažiau svarbus yra ir pačių ūkinių gyvūnų stebėjimas. Kuriamos ūkinių gyvūnų sveikatos, gerovės ir produktyvumo stebėjimo technologijos, kurių tikslas – pateikti kuo daugiau informacijos ir per trumpiausią laiką imtis būtinų priemonių.
Nors jutikliai, duomenų saugojimo sprendimai ir tinklo komponentai jau yra pakankamai išvystyti, tolesnei pažangai būtinas didesnis dėmesys naujiems duomenų analizės metodams.
„Ryšys tarp gyvulininkystės technologijų ir dirbtinio intelekto kasdien tampa vis svarbesnis. Pažanga taikant DI metodus duomenų apdorojimui leidžia programinei įrangai tapti išmanesnei ir tikslesnei, iš įvairių duomenų šaltinių pateikiant vis daugiau informacijos apie ūkinių gyvūnų sveikatą, gerovę ir produktyvumą.
Pagrindinis duomenimis grįstų technologijų taikymo ūkinių gyvūnų stebėsenai tikslas – tą daryti ekonomiškai efektyviai ir kuo patikimiau. Tačiau sudėtingos ir brangios aparatinės įrangos sistemos dar nereiškia, kad jos bus naudingos ūkininkams. Šiuo atveju visada galima rinktis tarp ant kūno nešiojamų prietaisų ir nuotolinio stebėjimo sprendimų. Tikroji pridėtinė technologijų vertė turėtų būti gaunama per intelektualų duomenų apdorojimą. Tam vis svarbesnės tampa DI technologijos, tokios kaip gilusis mokymasis“, – paaiškino A. Juostas.
Mokslininkas išskyrė įdomiausias technologijas, renkančias duomenis apie gyvulininkystės ūkius
Ūkio įranga. Beveik visa standartinė ūkio įranga, nesvarbu, ar tai būtų klimato kontrolė, automatinis pašarų maišymas, ar melžimas, renka informaciją, kuri gali suteikti svarbios informacijos apie ūkinių gyvūnų produktyvumą, energijos suvartojimą ir bendrą gerovę. Pažangesnė technika, pavyzdžiui, automatinės melžimo mašinos, taip pat gali rinkti informaciją apie atskirų gyvūnų sveikatą ir produktyvumą. Galimybė sujungti šiuos skirtingus duomenų rinkinius dabar akivaizdi. Šiuo metu įvairios įmonės kuria platformas, leidžiančias integruoti šiuos duomenis ir priimti holistinius, duomenimis grįstus, sprendimus.
Gyvūnų identifikavimas ir sekimas visoje tiekimo grandinėje naudojant žymeklius. Šie žymekliai naudojami individualiems gyvūnams identifikuoti, kad būtų galima patikrinti gyvūno kilmę visoje tiekimo grandinėje. Žymekliai taip pat gali būti naudojami informacijai apie gyvūnų sveikatą ir gerovę gauti.
Nešiojamos jutimo technologijos. Gerovės jutikliai, tokie kaip akselerometrai, dažniausiai tvirtinami ant gyvūnų kaklo ar kojų. Atlikta nemažai tyrimų, patvirtinančių tokių prietaisų efektyvumą pieno ūkiuose, pavyzdžiui, sėkmingai aptinkant karvių aktyvumą rujos pradžioje.
Kompiuterinės regos technologija. Ši technologija – itin svarbi gyvūnų sveikatai ir gerovės stebėsenai.
Garso stebėjimo technologijos. Ūkinių gyvūnų stebėjimo tyrimuose garso analizės technologijos buvo skirtos matuoti gyvūnų skleidžiamus garsus, kurie gali signalizuoti apie pablogėjusią jų sveikatos ar emocinę būklę.
DI aplinkos monitoringui – kada pasiteisina?
Dirbtinis intelektas gali būti naudingas aplinkos monitoringui – padėti ūkininkams įvertinti ir valdyti ūkio daromą poveikį aplinkai. DI sistemos gali stebėti dirvožemio degradaciją, vandens kokybę ir oro taršą, o gautą informaciją pateikti ūkininkams, kad šie galėtų priimti tvaresnius, į aplinkosaugą orientuotus, sprendimus.
Padedant DI, ūkininkai gali stebėti savo žemės gamtos išteklių būklę ir imtis veiksmų jiems išsaugoti. Toks dirbtinio intelekto valdomas aplinkos monitoringas padeda ūkininkams sušvelninti klimato kaitos poveikį ir prisideda prie ilgalaikio ūkio tvarumo bei atsparumo iššūkiams.
„DI tapo itin svarbia aplinkos stebėsenos integracijos dalimi, kuria siekiama padidinti rezultatų objektyvumą ir pagerinti prieinamumą regionams, kenčiantiems nuo ribotų išteklių. DI daugiausia dėmesio skiria algoritmų ir kompiuterinių programų kūrimui, galinčių atlikti tokias užduotis kaip jutimas, samprotavimas, mokymasis ir sprendimų priėmimas, kurioms paprastai reikėtų žmogaus intelekto. Naudojant DI galima analizuoti didelius duomenų kiekius, o tai pasirodė itin naudinga nustatant dėsningumus ir pateikiant tikslias prognozes“, – apibendrino doc. dr. A. Juostas.
Tinkamos dirbtinio intelekto ūkininkavimo technologijos pasirinkimas priklauso nuo kelių veiksnių:
Ūkio dydis ir tipas. Didesniems ūkiams gali būti naudinga autonominė technika ir dirbtinio intelekto valdoma pasėlių stebėsena, o mažesniems ūkiams verta pradėti nuo paprastesnių dirbtinio intelekto drėkinimo sistemų arba ūkio valdymo įrankių.
Biudžetas. Nors dirbtinis intelektas – nemaža investicija, jos grąžą lems sumažėjusios išlaidos ir padidėjęs derlius.
Duomenų infrastruktūra. Kai kuriems dirbtinio intelekto sprendimams reikia didelių duomenų kiekių. Būtina įsitikinti, kad tam yra tinkama infrastruktūra.
Integracija. Rinkitės dirbtinio intelekto sprendimus, kurie gali integruotis su jūsų esama ūkininkavimo įranga ir valdymo sistemomis.
Pagalba ir mokymai. Įsitikinkite, kad įrangos tiekėjas siūlo pagalbą ir mokymus, kurie padės jums maksimaliai išnaudoti technologijos potencialą.
DI iššūkiai žemės ūkyje – kaip spręsime?
Daugelis žmonių, anot mokslininko, DI suvokia kaip priemonę, taikomą tik skaitmeniniame pasaulyje ir neturinčią nieko bendra su fizinėmis ūkininkavimo užduotimis. Ši prielaida dažniausiai grindžiama DI įrankių supratimo stoka. Dauguma žmonių, ypač dirbančių su technologijomis nesusijusiuose sektoriuose, iki galo nesupranta, kaip DI veikia žemės ūkio biotechnologijose, todėl jo diegimas žemės ūkio sektoriuje vyksta vangiai.
Be to, žemės ūkio technologijų teikėjai dažnai nesugeba aiškiai paaiškinti naujųjų technologijų privalumų ir kaip jas įdiegti.
Atsižvelgiant į dirbtinio intelekto naudą tvariam ūkininkavimui, šių technologijų diegimas gali atrodyti logiškas žingsnis kiekvienam ūkininkui. Tačiau vis dar yra keletas svarbių iššūkių, kuriuos reikia įveikti.
Didelės pradinės išlaidos: nors dirbtinio intelekto sprendimai gali būti ekonomiškai naudingi vidutiniu ar ilguoju laikotarpiu, jų diegimas reikalauja didelių pradinių investicijų. Daugeliui ūkių ir žemės ūkio įmonių, ypač smulkiesiems ūkininkams ir besivystančių šalių subjektams, dirbtinio intelekto diegimo išlaidos kol kas yra sunkiai įveikiamos. Visgi, tobulėjant technologijoms, tikėtina, kad dirbtinio intelekto sprendimų diegimo kaina palaipsniui mažės ir taps prieinamesnė.
Nenoras priimti naujų technologijų ir procesų: informacijos stoka dažnai verčia žmones dvejoti diegiant naujas technologijas, todėl ūkininkams sunku visapusiškai pritaikyti dirbtinį intelektą, net jei jis akivaizdžiai naudingas. Pasipriešinimas inovacijoms ir nenoras rizikuoti stabdo ūkininkavimo metodų pažangą ir mažina viso sektoriaus pelningumą. Ūkininkai turi suprasti, kad dirbtinis intelektas yra tik pažangesnė paprastesnių lauko duomenų apdorojimo technologijų versija. Kad paskatintų žemės ūkio bendruomenę priimti šias technologijas, viešasis ir privatus sektoriai turėtų įsitraukti labiau ir suteikti motyvacinių priemonių, išteklių ir mokymų. Taip pat būtina užtikrinti aiškų reglamentavimą, kuris padėtų darbuotojams jaustis saugiai ir pasitikėti naujomis sistemomis.
Praktinės patirties su naujomis technologijomis stoka: žemės ūkio pramonės aspektai visame pasaulyje skiriasi savo technologine pažanga. Kai kurios šalys jau gali pasinaudoti visais dirbtinio intelekto privalumais, tuo tarpu regionuose, kur naujos kartos žemės ūkio technologijos dar nėra įprastos, kyla nemažai kliūčių jų taikymui. Technologijų įmonėms, norinčioms vykdyti verslą regionuose, kuriuose yra besiformuojanti žemės ūkio ekonomika, gali tekti imtis iniciatyvos. Be savo produktų tiekimo, jos turi teikti mokymus ir nuolatinę paramą ūkininkams bei žemės ūkio verslo savininkams, kurie yra pasirengę imtis novatoriškų sprendimų.
Ilgas technologijų diegimo procesas: be supratimo ir patirties stokos, žemės ūkio sektoriuje paprastai trūksta dirbtinio intelekto veikimui reikalingos infrastruktūros. Net ir ūkiams, kurie jau turi tam tikras technologijas, gali būti sunku judėti į priekį. Infrastruktūros trūkumas taip pat kelia iššūkių ir žemės ūkio technologijų teikėjams bei programinės įrangos kūrėjams.
Technologiniai apribojimai: kadangi dirbtinis intelektas vis dar yra vystymosi stadijoje, jis turi savų apribojimų. Tikslūs modeliai priklauso nuo įvairių, aukštos kokybės duomenų, kurių žemės ūkyje neretai trūksta. Robotams su jutikliais apribojimai gali apsunkinti prisitaikymą prie kintančios ūkininkavimo aplinkos. Svarbu, kad ūkininkai ir toliau aktyviai dalyvautų priimant sprendimus, o ne visiškai perduotų kontrolę dirbtiniam intelektui. Dirbtinio intelekto sprendimų stebėjimas rankiniu būdu gali būti naudingas ankstyvosiose diegimo stadijose, kuomet svarbu užtikrinti patikimumą ir atitikimą realioms ūkininkavimo sąlygoms.
Privatumo ir saugumo klausimai: vis dar trūksta aiškaus reglamentavimo, susijusio su dirbtinio intelekto naudojimu visose pramonės šakose. Ypač daug teisinių klausimų kyla dėl dirbtinio intelekto diegimo tiksliojoje žemdirbystėje ir išmaniojoje žemdirbystėje.
Anot doc. dr. A. Juosto, DI nauda žemės ūkyje yra neabejotina. Išmanieji ūkininkavimo įrankiai, išmanioji automatizacija ir dirbtinio intelekto valdomi produktai gali perimti pasikartojančias, daug laiko reikalaujančias užduotis, leisdami ūkininkams daugiau dėmesio skirti strateginėms veikloms, kurioms reikalingas žmogaus sprendimas. DI turi įrankių, skirtų spręsti klimato kaitos, aplinkosaugos ir augančios maisto paklausos keliamus iššūkius. Tikėtina, kad jis pakeis šiuolaikinį žemės ūkį, padidins efektyvumą, tvarumą, pagerins išteklių paskirstymą ir leis realiuoju laiku stebėti bei užtikrinti sveikesnę ir aukštesnės kokybės produkciją.
Tradiciniai ūkininkavimo metodai sensta, todėl žemės ūkiui vis labiau reikia pažangių technologinių sprendimų. Visame pasaulyje automatizavimo poveikis pramonei buvo ir išlieka reikšmingas. Skaitmeninės technologijos dabar vaidina svarbų vaidmenį transformuojant žemės ūkį, o dirbtinio intelekto poveikis šiam sektoriui yra didžiulis.
Konkurencingam XXI amžiaus žemės ūkiui reikalingos išmanesnės mašinos ir švaresnės, tvaresnės gamybos praktikos. Neabejotina, kad DI vaidmuo žemės ūkyje ir maisto tvarumo srityje tik didės. Technologijos visada buvo žemės ūkio pažangos variklis – nuo primityvių įrankių iki drėkinimo sistemų, nuo mechanizacijos iki DI. Kiekvienas technologinis žingsnis didina efektyvumą ir mažina ūkininkavimo iššūkius.
Finansuoja modernius sprendimus žemės ūkyje
DI sprendimų diegimas žemės ūkyje reikalauja nemažų investicijų. Ūkininkai, stokojantys apyvartinių lėšų ar planuojantys investicijas į ūkio modernizavimą ir plėtrą, dėl finansavimo gali kreiptis į „Kreda“ grupės kredito unijas.
Kaimo plėtros finansinių priemonių fondo pasidalytos rizikos paskolos, kurias teikia „Kreda“ grupės kredito unijos, skirtos užsiimantiems žemės ūkio veikla, žemės ūkio produktų gamyba ar perdirbimu. Šios lengvatinės paskolos – skirtos ūkių modernizavimui ir Lietuvos žemės ūkio sektoriaus stiprinimui.
Nacionaliniam plėtros bankui ILTE ir „Kreda“ unijų grupei pasirašius sutartį dėl lengvatinių paskolų investicijoms bei apyvartiniam kapitalui, šiomis paskolomis siekiama skatinti tvaresnę žemės ūkio sektoriaus veiklą bei remti žemės ūkio valdų modernizavimą.
Finansavimas teikiamas pagal Lietuvos žemės ūkio ir kaimo plėtros 2023–2027 m. strateginį planą, siekiant mažinti aplinkos taršą, prisidėti prie klimato kaitos švelninimo, atsinaujinančios energijos gamybos, todėl skatinamos investicijos į tvarias, naujas technologijas, pavyzdžiui, naujų biodujų jėgainių statymą ir įsirengimą.
Paskolos gali būti naudojamos ir kitoms investicijoms, siekiant diegti inovacijas, palaikyti tvarią žemės ūkio produktų gamybą bei ją skaitmenizuoti. Tokios investicijos – skirtos padidinti ūkių ekonominį našumą, prisidėti prie išlaidų mažinimo, ruošiamos produkcijos kokybės gerinimo.
A. Juostas – VDU docentas, daktaras, parengęs daugiau kaip 50 mokslinių straipsnių, publikuotų „Web of Science DB“, „Scopus DB“ referuojamuose mokslo leidiniuose ir kito lygio mokslo žurnaluose. Jo straipsnių tematikos – tikslioji žemdirbystė, technologinių sprendimų taikymas, trąšų naudojimas, mašinų apkrovos ir panaudojimas. Juostas yra parengęs ir patvirtinimą gavęs neformaliojo švietimo mokymo programoms: „Sumanių technologinių sprendimų taikymas žemės ūkyje“, „Inovatyvių sprendimų taikymas žemės ūkio traktoriuose“ ir „Inovatyvios technologijos derliaus dorojimo mašinose“.
