2018년에는 획기적인 자율 온실 챌린지에서 XNUMX개 팀이 오이를 재배했습니다. 국제 경쟁. 반전: 팀 중 단 한 팀만이 온실 구획을 수동으로 운영하는 숙련된 인간 재배자로 구성되었습니다. 나머지 XNUMX개 팀은 원예 및 인공지능(AI) 분야의 국제 전문가들로 구성됐다. 그들은 작물을 원격으로 자율적으로 관리하는 AI 솔루션을 개발하기 위해 노력했습니다. 세계 최초의 자율 온실 챌린지인 이 대회의 목표는 지속 가능한 식량 생산의 돌파구를 마련하는 것이었습니다.
치열한 6개월 후 수동 재배자가 17위를 차지했습니다. 이 기사의 저자 중 한 명이 이끄는 XNUMX등 팀은 XNUMX% 더 높은 수율과 XNUMX% 더 높은 순이익을 달성할 뿐만 아니라 더 적은 CO를 사용하는 자율 재배 솔루션으로 승리했습니다.2, 난방 및 물 입력.
경쟁에 대해 자세히 알아보고 AI 솔루션이 숙련된 인간 재배자 팀과 어떻게 경쟁할 수 있는지 이해하기 위해 AI와 이것이 온실 자동화와 어떤 관련이 있는지 자세히 살펴보겠습니다.
온실 자동화는 새로운 것이 아닙니다
수십 년 동안 재배자들은 온실 기후와 관개를 관리하기 위해 프로세스 컴퓨터, 센서 및 액추에이터를 사용해 왔습니다. 이러한 시나리오에서 프로세스 컴퓨터의 작업은 간단한 논리 규칙에 따라 간단합니다. 예를 들어 공기 온도가 75°F보다 높으면 통풍구를 여십시오. 온도를 읽고 조명과 히터를 켜고 끄는 지루한 노동은 기계에 위임됩니다.
물론 규칙 기반 자동화는 예상치 못한 상황에 대처할 수 없습니다. 더 중요한 것은 숙련된 사람이 환경 매개변수에 대한 정확한 설정값까지 모든 작물 관리 결정을 내려야 한다는 것입니다. 높은 수율을 안정적으로 달성하려면 상당한 수준의 지식과 기술이 필요하며, 그럼에도 불구하고 실수하기 쉽습니다. 또한 농장이 커질수록 지속적으로 작물을 모니터링하는 작업이 더욱 까다로워집니다.
불행히도 재배자들은 노동이 생산 문제의 가장 큰 원인이라는 것을 너무나 잘 알고 있습니다. 해마다 온실 재배자 상위 100명의 재배자 설문조사에서 재배자는 노동 비용뿐만 아니라 숙련된 노동력의 가용성과 관련된 문제를 보고합니다. 당연히 재배자들은 온실 관리를 보다 자율적으로 만들 수 있는 새로운 기술을 포함하여 이러한 문제를 해결할 방법을 점점 더 찾고 있습니다.
AI는 규칙 기반 자동화를 넘어선 단계입니다.
인공 지능에 대해 생각하는 좋은 방법은 단순한 규칙 기반 자동화를 넘어선 단계라는 것입니다. 현대 AI는 온실 환경 및 생물학적 시스템에서 발견되는 종류를 포함하여 데이터에서 패턴을 찾기 위해 수학을 사용하는 것에 관한 것입니다. 예를 들어:
- 충분한 기후 데이터가 있으면 재배자는 AI를 사용하여 최적의 설정점을 결정하고 기후를 예측할 수 있습니다.
- 작물 수확량 데이터가 충분하면 재배자는 AI를 사용하여 수확량 예측을 생성할 수 있습니다.
- 충분한 이미지 데이터가 있으면 재배자는 AI를 사용하여 해충과 질병을 감지할 수 있습니다.
일부 유형의 AI는 새로운 데이터로부터 학습하여 시간이 지남에 따라 점진적으로 더 나은 결과를 제공할 수도 있습니다.
AI는 일상적인 온실 운영에 대한 더 깊은 통찰력을 제공함으로써 전문가의 의사 결정을 지원하고 의미 있는 방식으로 재배자에게 권한을 부여하는 데 사용될 수 있습니다. 결국 최고의 결과는 인간 지능과 인공 지능의 사려 깊은 조합에서 나옵니다.
AI의 데이터 기반 접근 방식은 기존 규칙 기반 접근 방식과 결합될 수도 있어 이전보다 훨씬 더 높은 수준의 온실 자동화가 가능합니다. 요컨대, 재배자는 AI를 사용하여 많은 기계적인 운영 작업을 자동화하여 업계에 도전하는 만성 노동 문제를 완화하는 데 도움이 될 수 있습니다.
데이터는 AI의 연료입니다
AI가 수학적 알고리즘에 관한 것만큼이나 데이터에 관한 것이기도 합니다. 대중적인 믿음과 달리 AI에서 사용되는 가장 일반적인 알고리즘 중 일부는 수십 년 동안 사용되어 왔습니다. 그들은 매우 복잡하지도 않습니다. 그러나 가장 오랜 시간 동안 데이터의 가용성과 데이터를 처리하는 데 필요한 저렴한 계산 능력이 제한 요소였습니다.
AI의 잠재력을 발휘하기 위해서는 최근 컴퓨터 하드웨어의 발전이 필요했습니다. 2007년 Apple이 촉발한 스마트폰 혁명은 전 세계적으로 완전히 새로운 제조 생태계와 공급망을 창출했습니다. 이것은 겉보기에 하룻밤 사이에 컴퓨터 하드웨어의 근본적인 경제를 변화시켰습니다. 마이크로프로세서, 라디오 및 센서와 같은 주요 하드웨어 구성 요소는 기하급수적으로 저렴하고 작고 강력해졌습니다. 소량의 원시 데이터가 홍수로 변했습니다. 새로운 풍부한 데이터와 연산 능력은 AI를 상업적 응용이 거의 없는 연구 호기심에서 기술적인 변화로 바꾸는 데 도움이 되었습니다.
IoT는 데이터의 풍부함을 가져옵니다
1980년대 초, 피츠버그에 있는 카네기 멜론 대학교의 대학원생들은 코카콜라 자판기를 찾아 가다가 텅 비어 있는 것을 보고 짜증이 났습니다. 그들은 인터넷을 통해 인벤토리를 보고할 수 있도록 수정했습니다. 그렇게 함으로써 그들은 세계 최초의 인터넷 연결 기기를 발명했습니다.
오늘날 소비자 가전에서 산업용 기계에 이르기까지 크고 작은 수십억 개의 장치가 최초의 탄산음료 기계에 합류하여 인터넷에 연결되어 사물 인터넷(IoT)으로 알려진 것을 형성합니다. 중요한 것은 많은 일반적인 온실 자동화 솔루션을 포함한 이전 세대의 하드웨어와 달리 IoT 장치는 인터넷의 다른 곳에서 사용되는 것과 동일한 종류의 데이터 형식 및 통신 프로토콜을 사용한다는 것입니다. 글로벌 인터넷 표준에 의존함으로써 한 유형의 시스템에서 다른 유형의 시스템으로 연결하는 추가 하드웨어 없이 IoT 장치와 데이터를 더 쉽게 교환할 수 있습니다.
AI와 IoT는 함께 보완 기술입니다. IoT 하드웨어는 재배자가 온실에서 원시 데이터를 더 쉽게 수집하는 데 도움이 됩니다. 그리고 AI 소프트웨어는 재배자가 작물 생산을 개선하기 위해 해당 데이터를 이해하고 이에 따라 행동하도록 돕습니다.
사례 연구: 자율 온실 챌린지에서 Kenneth Tran의 성공
Tran 박사: 2018년 저는 시애틀 근처의 Microsoft Research에서 AI 연구원으로 근무하면서 강화 학습이라는 새로운 유형의 AI를 연구했습니다. 그곳에서 나는 통제된 환경 농업의 영역에 우리의 연구를 적용하기 위한 새로운 노력을 시작했습니다. 이른바 소노마 프로젝트를 통해 우리는 캐나다 온타리오에 있는 Harrow Research Center의 식물 과학자들과 협력하여 네덜란드의 Wageningen University & Research에서 주최한 첫 번째 국제 자율 온실 챌린지에서 경쟁하게 되었습니다.
이 챌린지에서 각 팀은 약 315개월 동안 XNUMX제곱피트의 온실 구획에서 오이를 재배했습니다. 이 구획에는 표준 프로세스 컴퓨터, 기후 센서 및 액추에이터가 장착되어 있습니다. IoT 디지털 인터페이스(REST API)를 사용하여 당사의 AI 프로그램은 지속적으로 센서에서 데이터를 읽고 최적의 설정값을 결정하며 인터넷을 통해 프로세스 컴퓨터로 다시 설정값을 보낼 수 있습니다(아래 그림 참조). 챌린지 및 그 결과에 대한 자세한 내용은 다음 기사에서 확인할 수 있습니다. Hemminget al. (2019).
오이 재배에 대한 경험이 부족하고 초기 단계의 프로토타입에도 불구하고 당사의 자율 재배 솔루션은 경쟁에서 승리할 수 있었습니다. 우리는 6% 더 높은 수확량으로 전문 네덜란드 재배자로 구성된 참조 팀인 17위 팀을 능가했습니다. 그 수율 마진은 영업 이익의 XNUMX% 증가에 해당합니다.
참조 팀의 실적이 좋지 않았습니까? 별말씀을 요. 많은 전문가에 따르면 그들은 매우 잘 수행했습니다. 그들의 수확량은 거의 50kg/mXNUMX였습니다.2 거의 150kg/mXNUMX에 해당하는 XNUMX개월 동안2 연간. 이것은 지구상의 어느 곳에서나 온실에 대한 높은 수확량으로 간주됩니다.
자율 온실 챌린지(Autonomous Greenhouse Challenge)의 결과로 저는 2020년에 Koidra를 설립하여 우리의 학습을 직접 기반으로 하고 농업 및 기타 산업 제어 응용 프로그램을 위한 AI 및 IoT의 최첨단을 더욱 추진했습니다.
AI와 IoT에 대한 올바른 질문하기
오늘날 더 많은 온실 재배자들이 AI와 IoT를 기꺼이 도입할 준비가 되어 있습니다. 주요 과제는 시장에 나와 있는 제품을 이해하고 모든 마케팅 연설을 통과할 수 있는 것입니다. 많은 기업들이 온실에서 작동할 AI 알고리즘이나 IoT 장치를 가지고 있다고 열성적으로 주장합니다.
다음은 AI 소프트웨어 및 IoT 하드웨어를 평가할 때 염두에 두어야 할 몇 가지 주요 고려 사항입니다.
- 성능 : 재배자는 구체적이고 실제적인 이점을 볼 수 있어야 합니다. 질문: AI가 상업적 생산에서 수율과 자원 효율성을 향상시키는 것으로 입증되었습니까? 어떤 조건에서? 회사의 AI 및 IoT 소프트웨어 개발 실적은 어떻습니까?
- AI 디자인: 가장 효과적인 AI 솔루션은 최고의 인간 지능과 최고의 인공 지능을 결합하여 의사 결정을 내립니다. 질문: AI 모델은 기존 지식 체계를 어떻게 활용합니까? 시간이 지남에 따라 더 많은 데이터로 성능이 향상되도록 하려면 어떻게 해야 합니까?
- 소프트웨어 디자인 : 재배자는 온실 운영을 계속 통제해야 합니다. 질문: 작물 안전을 보장하기 위해 어떤 소프트웨어 설계 원칙이 사용됩니까? 항상 수동, 권장 및 자동 조종 모드 간에 쉽게 전환할 수 있습니까?
- 데이터 소유권 : 재배자는 데이터를 소유하고 "공급업체 종속"을 피해야 합니다. 질문: 다른 시스템에서 데이터를 쉽게 가져올 수 있습니까? 내 데이터를 백업하고 내보낼 수 있습니까? 실시간 데이터 액세스 및 사용자 지정 통합을 허용하는 API가 있습니까? 현재와 미래에 다른 공급업체의 소프트웨어와 하드웨어를 사용할 수 있습니까?
AI와 IoT는 재배자에게 힘을 실어줍니다
물과 에너지는 물론 시간, 돈, 숙련된 노동과 같은 중요한 자원이 점점 더 희소해지는 세상에서 그 부담을 덜어줄 새로운 기술을 탐구하는 것이 합리적입니다. 자율 온실 챌린지에서 배운 것처럼 재배자는 실제로 AI 소프트웨어와 IoT 하드웨어를 사용하여 더 많은 수확량과 더 높은 자원 사용 효율성을 달성할 수 있습니다. 또한 이러한 기술은 계속해서 빠른 속도로 개발 및 발전하고 있습니다.
궁극적으로 AI와 IoT는 온실 재배자들에게 더 나은 결정을 내리고 더 적은 자원으로 더 많은 일을 하여 세계 식량을 더 지속 가능하게 재배할 수 있도록 진정으로 힘을 실어줄 수 있습니다.