AgVoice：总部位于佐治亚州的创业公司，AgVoice正在为作物观察专家和农学家开发自然语言处理工具包。这套系统可以解释导致大豆突然死亡的疾病，并提示观察的位置和严重程度。

　　除此之外，诸如OrbitalInsights、DescartesLabs、GroIntelligence以及TellusLabs等创业公司也正在基于卫星图像、天气信息和历史产量数据等开发产量预测算法。TellusLabs声称，它们的数据比美国农业部的报告更准确，而且可提前美国农业部1个月给出预测数据。
 

　这位作物观察专家正利用AgVoice的系统捕捉现场记录

　　有些人批评AI对农业环境的要求过于严苛，因为其变量因素太多。在某种程度上，这是正确的，但是随着计算能力的进步，AI算法可以快速地接受额外的数据。Slantrange就是这样的公司，它的总部位于旧金山，正在开发机器视觉系统来测量作物的数量，并检测杂草。该公司的植物计数算法最初是为中西部种植区开发的，它在南非的试验中表现不太好，因为该地区的种植密度较低，土壤反射性更强。

　　然而一夜之间，Slantrange团队又用新的数据重新训练了他们的算法。他们的升级版软件在南非部署了仅仅两天，就报告了其发现的问题。Slantrange最近宣布与BayerCropScience合作，以帮助植物育种。

　　也许，在农业中成功使用AI的例子是孟山都成长创投公司扶持的BlueRiverTechnologies(BRT)。BRT是一家总部位于美国加州的公司，由斯坦福大学的两名研究生于2011年成立。其中乔治·赫劳德（JorgeHeraud）是已经取得许多成就的农业高管，而李·赖登（LeeReden）则拥有深厚的AI和计算机视觉技术背景。

　　最初，BRT专注于将机器人用于减少莴苣密度，这个过程此前主要通过手工完成。现在，这家拥有60名员工的公司正在应用他们的SeeandSpray系统，来棉花田中的杂草。他们已经表明，通过高度和有针对性的喷雾应用，他们可以减少90%的除草剂用量。这种SeeandSpray技术利用AI来分析高分辨率图像，并检测出杂草的存在和位置。
 

　　不仅仅是为了农业

　　AI技术在农业领域的应用固然很重要，但利用AI去发现和开发新的、更的农业投入同样重要。然而，直到最近，AI系统还没有对化学和生物系统的数据进行分析。因此，在植物育种、生物技术、农业化学发现以及供应链方面，利用AI的机会都是巨大的。

　　事实上，与田间农业相比，AI在育种、化肥以及作物保护产品中的擦用可能更为迅速。这主要有两个原因。，在过去十年里，农业投入方面的开发人员对收集和存储数据非常谨慎。这些数据包括大豆品种的序列信息，以及合成化合物的结构活性关系和环境生物降解能力等。第二，提率或加速农业研发努力财务成本可能相当高。

　　根据2016年PhilipsMcDougall的分析，将一种新的作物保护产品推向市场需要11年的发现和发展时间，分析16万份化合物，每个产品商业化支出超过2.8亿美元。在新农化产品的开发中，整个行业每年的花费超过26亿美元。而AI的采用可以提高这一过程的效率。

　　例如，致力于利用AI开发难以疾病新疗法的初创企业Monsanto正与Atomwise展开独特的研究合作，以提高发现新作物保护产品的速度和可能性。这种合作利用基于AI的模式识别，减少在早期化学发现过程中测试时出现的错误数量。

　　对于AI在作物生物技术方面的应用，Monsanto正在与SecondGenome进行合作。后者总部位于旧金山，已经获得风险投资公司的扶持，该公司基于人类微生物组的分析，从中找到开发新药的线索。为了加速新一代昆虫控制解决方案的新蛋白质的发现，Monsanto开放了其广泛的基因组数据库，并通过大数据的宏基因组学、机器学习和预测分析功能，利用了SecondGenome对微生物的专业分析能力。

　　AI的优点也适用于植物育种。在将玉米杂交品种投入市场之前，Monsanto对其进行了多年的评估，从发现到商业化，这个过程可能需要8年时间。玉米育种通常被比作“草堆中捞针”，这是个拥有32000个基因的大草堆，代表了几代繁殖者面临的搜索难题。从历史上来看，一个育种项目每年可以从成千上万可用选项中选出大约500种组合进行试验。这种选择受到与管理现场测试程序相关的后勤和成本的限制。

　　为了减少这些限制，Monsanto的AI研究人员开发了一种算法，能够评估育种决策，并预测哪一个杂交品种将在试验的年表现出的性能。这个算法正被过去15年的分子标记和现场试验信息进行训练。

　　Monsanto全球育种主管迈克·格雷厄姆（MikeGraham）表示，这种算法可以优化育种过程，使育种者能够更快地把他们的想法投入到大规模的实地试验中。这一算法不仅加快了育种过程，而且与传统方法相比，还使Monsanto能够将其玉米育种管道规模提高了5倍。育种者可以利用AI工具完成更多的工作。

　　与此类似，Syngenta最近宣布与“AIforGood”基金会合作，将以AI为基础的工具用于育种，并提高现有作物生产方法的效率。Syngenta为AI研究人员提供包括种子遗传信息、土壤、天气以及气候数据在内的数据集，其目标是开发出一种算法，来确定在特定地区种植哪种作物品种。

　　总部位于圣路易斯的初创企业BensonHillBiosystems也在将AI技术应用于植物育种和生物领域。他们利用自己独有的CropOS平台，寻找候选基因来提高作物的光合作用。CropOS利用不同来源的数据，如DNA和RNA序列信息、现场试验观察和成像分析等，来预测获得特定表型反应所需的基因表达模式。每当获得新的数据集，CropOS平台就能重新校准、学习并提高其预测能力。

　　在学术方面，卡耐基梅隆大学的研究人员正在展开名为“FarmView”的新项目，利用AI工具将植物表型数据与基因和环境数据相结合，以帮助育种者和遗传学家更好地理解遗传学、环境和作物性能之间的关系。

　　AI对农民的影响

　　在过去60年里，美国农民数量(占总人口1%)急剧减少。剩余的农民将继续在育种、农作物保护、自动化以及提高农业生产率等方面使用更先进的技术。

　　无论是从近期到中期乃至从长远来看，农业领域的AI将需要农民的积极参与才能取得成功。农民和他们的顾问现在非常适合从这些新兴技术中获益。AI将成为非常强大的工具，它可以帮助组织应对现代农业中日益增长的复杂性。

　　农民不仅从AI直接应用于农场中受益，而且还将在应用AI改善育种、作物保护以及培育产品中受益。