الذكاء الاصطناعي الزراعي يعد بالكثير لكن مشكلة البيانات تعرقل طريقه
تعد نماذج الذكاء الاصطناعي الزراعية بتحسين إنتاجية المحاصيل 26% وخفض استهلاك المياه 41%، لكن معظم المؤسسات الزراعية تفتقر إلى البنية البيانية الضرورية لتحقيق هذه الوعود.
تبدو أرقام الذكاء الاصطناعي الزراعي مبهجةً على الورق: نماذج تنبؤية تحسّن إنتاجية المحاصيل بنسبة 26%، وتقلل استهلاك المياه 41%، وتخفض استخدام المواد الكيميائية 33%. لكن بين هذه الأرقام الواعدة وميدان العمل الفعلي تقف عقبة صامتة تعرقل معظم مشاريع الذكاء الاصطناعي الزراعي: مشكلة البيانات.
تنشط شركات التكنولوجيا الزراعية في تطوير أدوات متقدمة: من أنظمة الري الدقيق التي توزع المياه بناءً على بيانات رطوبة التربة ودرجات الحرارة، إلى نماذج التنبؤ بالآفات التي تحلل صور الأقمار الصناعية. غير أن هذه الأدوات تفترض وجود بيانات نظيفة وموثوقة، وهو ما تفتقر إليه كثير من المؤسسات الزراعية.
يعاني القطاع الزراعي من تشتت مصادر البيانات يصعب تنسيقها: أجهزة إنترنت الأشياء في الحقول تولّد بيانات الاستشعار، وقواعد بيانات الأرصاد تضيف معطيات المناخ، وسجلات الإنتاج التاريخية مخزّنة في جداول بيانات متعددة بأنظمة غير متوافقة، فيما تتفاوت الأرض ذاتها من بقعة إلى أخرى.
حين تدرَّب نماذج الذكاء الاصطناعي على بيانات متضاربة أو ناقصة، ترتفع احتمالية هلوسة النموذج: إنتاج توصيات واثقة الأسلوب مبنية على معلومات مغلوطة. في التطبيقات الزراعية، قد تعني هذه الهلوسة توصية بكميات خاطئة من الأسمدة أو مواعيد ري غير ملائمة، مما يلحق ضرراً مباشراً بالمحصول.
تقدّم حالة شركة Wilbur-Ellis، موزع زراعي عمره 104 أعوام، نموذجاً ملموساً. لجأت الشركة إلى بناء "نظام موثوق للسياق" يربط بيانات العملاء والموردين والمنتجات والأسعار في منظومة متكاملة قبل الانخراط في أي مشروع ذكاء اصطناعي. الحكمة في هذا النهج: الزراعة ليست ميداناً ثابتاً. الأسعار تتذبذب، علاقات الموردين تتغير، المواسم تحمل متغيراتها. نموذج مدرَّب على بيانات قديمة سيقدم توصيات ربما كانت صحيحة قبل عامين لكنها خاطئة اليوم.
بناءً على هذا الواقع، تتضح ثلاثة متطلبات لنجاح الذكاء الاصطناعي الزراعي: نمذجة بيانات محكمة تعرّف كيف تترابط كيانات المزرعة، وخطوط أنابيب بيانات سريعة تحدّث المعلومات في الوقت الفعلي، وأطر حوكمة البيانات لضمان دقتها وتحديثها باستمرار.
هذه الاستثمارات في البنية البيانية أقل إثارةً من الإعلان عن نماذج متقدمة، لكنها الشرط الضروري لأن تصبح هذه النماذج ذات نفع حقيقي في الحقل.
تكتسب هذه القضية أهمية استراتيجية خاصة في منطقة الشرق الأوسط وشمال أفريقيا التي تعاني من شُح المياه وضغوط الأمن الغذائي. الزراعة التي توظف الذكاء الاصطناعي بفاعلية قادرة على إنتاج غذاء أكثر بموارد مائية أقل؛ وهو هدف يستحق الاستثمار في أسسه البيانية قبل البحث عن النموذج الأكثر تطوراً.
المزيد من الهندسة الزراعية
نسيج زراعي مستوحى من دروع الجند يرفع إنتاج الفراولة 3.5 مرة
باحثون في جامعة ولاية كارولينا الشمالية يطورون غطاءً نسيجياً ثلاثي الأبعاد يحمي نبات الفراولة من الحشرات دون حجب الضوء أو الماء، ما يرفع المحصول بنسبة تصل إلى 3.56 مرة في تجارب حقلية.
معالج ضوئي يكتشف التزييف العميق في الفيديو بدقة تقارب 98%
باحثون في جامعة كاليفورنيا لوس أنجلوس يطورون معالجاً عصبياً ضوئياً يفحص عشرات مقاطع الفيديو في آنٍ واحد باستخدام الضوء بدلاً من الكهرباء، لكشف التزييف العميق بدقة واستهلاك طاقة منخفضين.
علماء يطورون نظام ذكاء اصطناعي يعيد بناء الصور من مسح الدماغ في ساعة واحدة
باحثون في معهد وايزمان يطورون مُفسِّراً دماغياً بالذكاء الاصطناعي يعيد بناء ما يراه الشخص من بيانات التصوير الوظيفي، ويخفض زمن المعايرة اللازم من 40 ساعة إلى ساعة واحدة فقط.
أرمادين: 255 مليون دولار لحماية الشركات بأسراب الذكاء الاصطناعي
مؤسس مانديانت كيفن مانديا يطلق أرمادين، شركة تستخدم أسراباً من عوامل الذكاء الاصطناعي المستقلة لمحاكاة هجمات القراصنة واختبار دفاعات الشركات بتكلفة أقل وسرعة أكبر.
متى يمكن القول إن الذكاء الاصطناعي حقق اكتشافاً علمياً فعلياً؟
أثار إعلان أنثروبيك عن اكتشاف نمط جيني عبر عملاء كلود جدلاً علمياً حول حدود نسب الاكتشافات للذكاء الاصطناعي، بعدما شكك باحثون في طبيعة الإنجاز الحقيقي.
كبير باحثي OpenAI يدافع عن سلامة النماذج بعد اختراق Hugging Face
مارك تشين، كبير مسؤولي الأبحاث في OpenAI، يرد على تداعيات اختراق عوامل الذكاء الاصطناعي لمنصة Hugging Face، ويشرح إجراءات السلامة الجديدة ومراقبة التدريب التي تبنتها الشركة.