隻為了讓50年後的新新人類吃上一口飽飯

——

文｜杜晨 編輯｜Vicky Xiao

正在看這篇文章的你，今天吃飯了嗎？

是否想過，如果到30、50年以後，你有可能會為飽腹而犯愁？

如果真會那樣，可能并不是因為你的經濟能力不行，而是“大環境原因”：因為土地營養匮乏、氣候變化等原因，作物的增産很有可能無法跟上人口增長。人人都有可能餓肚子。

别以為這是杞人憂天。現任澳大利亞航天局局長、地質學家 Megan Clark 在2009年做出估計：想要确保人人都能吃飽，未來50年内的食物産出，需要比在過去一萬年裡還多。

然而，地球上的耕種土地恐怕無法實現這個期待——至少按照現在的單一種植(monoculture) 方式，是不可能的。

所以谷歌就來幫忙了。

Alphabet（谷歌重組後的母公司）旗下的前沿科研機構“登月實驗室”(也就是之前的 Google X 實驗室)，最近官宣了一個新的農業科技項目，名叫 Mineral。

Mineral 提出了一個所謂的“計算式農業”理念，打算采用機器學習——谷歌最擅長的技術之一——去解決人類即将在未來幾十年内面臨的糧食短缺問題。

Mineral 想要為農民開發一套軟件和硬件的工具，幫助他們更好地了解具體到每一寸土地、每一株作物的情況，輔佐他們做出更好的決策。

糧食危機在逼近

現代農業耕種都是高産作物：稻谷、小麥和玉米，這三者共同承擔了世界上近半的植物來源卡路裡。以美國為例，如果你讀過《雜食者的困境》(The Omnivore's Deilemma) 一書，可能會驚訝于美國人日常飲食當中，有多少看起來和玉米毫無關聯的食物，其實都來自于玉米。

結果就是，當今的耕種農業，在作物種類上缺乏多樣性。聯合國糧農組織的報告顯示，在人類已知的三萬種可食用植物當中，人類耕種的隻有不到1%，也即少于300種。

科學告訴我們，在一個生物系統裡缺乏多樣性，往往會帶來嚴重的問題。做個比喻：如果全人類隻耕種小麥，然後出現了一種風靡全球的針對小麥的蟲害，人類将立即面臨嚴重的糧食危機。缺乏多樣性的危害就在這裡。

不僅如此，現代農業還讓耕種變得極其追求效率，作物被按照每畝甚至每百畝為單位統一管理，肥料、殺蟲劑大面積使用和噴灑。加上單一種植的基礎上，這樣做會導緻土壤中的營養、礦物質流失、微生物多樣性減退，存碳能力降低。結果為了彌補，更多的肥料、殺蟲劑等化學物質被使用，形成了惡性循環……

知道了問題是什麼，答案也顯而易見了：

1）恢複被現代農業忽視的間作 (intercropping)，也就是在同一時間同一土地耕種兩種或更多種作物，提高土地、光能的利用率，或種植能夠防止土壤沖刷、改善土壤養分的覆土作物 (cover crop)；

2）更有針對性的使用化學物，恢複土壤健康，也能節約資源。

其實在美國、中國這樣的主要農業國家，農業的科技化程度已經很高了。但 Mineral 和全球許多國家的農民交流後發現，他們想要用科技，用數據去輔佐決策，也在使用傳感器、GPS之類各式各樣的工具，卻仍然感覺幫不上多大的忙。

Mineral 的網站上這樣寫道：每個季節，農民都要做出上百個決策。我們了解到，當前的（科技）工具如何無法使他們适應面對的挑戰。即使他們使用傳感器，電子表格和GPS等數字工具，這些數據要麼孤立，要麼無法體現農業的複雜性。

Mineral 所謂的“計算式農業”，到底是什麼呢？

是一台有輪子的農田機器人：

當然，這台機器人并不是 Mineral 的全部，而是該公司構思的軟件和硬件工具當中的第一個産品。

這台機器人被稱為 "Plant Buggy"——直接翻譯過來的話就是“田地越野車”。它有不同的大小尺寸，可以在田間地頭遊走。車上裝有攝像頭、深度傳感器、GPS等裝置，可以收集農田裡的數據，粒度可以細化到每一株作物。

車子也經曆了幾個版本的疊代，最一開始是用自行車改的：

然後車上加裝了更多的設備，體型也變大了：

非常有限的信息顯示，車上似乎還配有機器學習設備，可以對挖掘和分析數據，生成基于圖像、地圖的作物生長情況報告。

下面這是一張 Plant Buggy 拍到的照片，顯示了菜地裡不同株作物的生長和蟲害情況不同，也體現了土壤的情況。

機器學習算法可以分辨畫面中哪些是作物，哪些是土壤，以及作物的生長表現也能夠體現出來，比如下圖中生長良好的就是綠色，不良則是紅色：

Plant Buggy 繼續在田地裡穿行，拍下更多的照片，結合地圖數據，可以把整片田地給“數字化”，幫助農民追蹤每一株作物的表現。在機器學習算法的幫助下，Mineral 的軟件工具可以預測作物對環境的反應，幫助農民對單株植物“對症下藥”，而非對整片田地進行統一化的處理。

最終，農民可以更好地追蹤每一株植物的表現，降低種植成本以及過度使用化學物對土壤造成的不良影響。Mineral 還宣稱，這樣能夠幫助農民更準确地預測收成。

目前，Mineral 正在和美國、加拿大、阿根廷和南非的農民開展合作和測試。未來，該公司計劃在未來擴展合作的渠道，讓全世界更多的私營公司、非營利機構、學術單位和政府也可以參與進來。

機器學習能改變農業嗎

不過截至目前，Mineral 究竟能幫到農民多少，暫時還沒有成功案例可以分享。一些農業經濟和糧食問題方面的專家也對這項技術的普及前景表達了懷疑。

非營利機構“全球改善營養聯盟”(Global Alliance for Improved Nutrition) 高級合夥人，前聯合利華可持續技術團隊成員 Oliver Camp 表示，在現實中，農民确實已經在用各種技術手段，但由于認知、經濟性以及商業模式等多方面原因，很多農業技術到了農民的手上，實際效果根本達不到設計初衷。

他還擔心，“對于全球糧食短缺問題最嚴重國家和地區的6億農民來說，想要用上這項 (Minderal 的) 技術恐怕是遙遙無期。”

話說回來，作為從（原）谷歌公司的頗為高大上的“登月實驗室”誕生的項目，Mineral 确實是相當接地氣。它希望解決的是個長遠，但又切實的問題，隻是從信息量非常有限的描述來看，它的解決方案似乎又有點過于陽春白雪了。

機器學習的潛力毋庸置疑，但至今這項技術很大程度上仍然是個不可解釋的黑盒子。Mineral 的方案，預測的準不準，真的能給農民帶來多大幫助，确實不好說。它想要獲取農民的信任，仍需要足夠多的成功案例去證明自己。

矽星人：（ID：guixingren123）

從科技到文化，從深度到段子，矽星人為你講述關于矽谷的一切。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!