文|徐立鴻 同濟(jì)大學(xué) 教授

走人工智能之路，是突破農(nóng)業(yè)生物技術(shù)瓶頸的必然選擇。利用大數(shù)據(jù)驅(qū)動(dòng)加知識(shí)引導(dǎo)的數(shù)據(jù)挖掘等人工智能技術(shù)來(lái)獲得農(nóng)業(yè)生物對(duì)象的知識(shí)和模型，可以補(bǔ)齊農(nóng)業(yè)生物技術(shù)的短板。目前，我國(guó)需針對(duì)性地提升信息準(zhǔn)確感知、知識(shí)發(fā)現(xiàn)（數(shù)據(jù)挖掘）、優(yōu)化決策與精準(zhǔn)控制等各生產(chǎn)環(huán)節(jié)的智能化水平。

目前，人工智能進(jìn)入加速發(fā)展階段，日益成為國(guó)際競(jìng)爭(zhēng)的新焦點(diǎn)、經(jīng)濟(jì)發(fā)展的新引擎、社會(huì)建設(shè)的新機(jī)遇，其發(fā)展將深刻改變?nèi)祟惖纳?。我?guó)政府高度重視人工智能創(chuàng)新發(fā)展，國(guó)務(wù)院已發(fā)布《新一代人工智能發(fā)展規(guī)劃》，為我國(guó)發(fā)展人工智能指明了方向。

在我國(guó)加快實(shí)施創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略和農(nóng)業(yè)供給側(cè)結(jié)構(gòu)性改革的背景下，我國(guó)農(nóng)業(yè)進(jìn)入了急需加快轉(zhuǎn)型升級(jí)、推進(jìn)一二三產(chǎn)業(yè)融合和培育發(fā)展新動(dòng)能的新階段，發(fā)展以人工智能技術(shù)為核心的智能農(nóng)業(yè)已成為我國(guó)農(nóng)業(yè)創(chuàng)新發(fā)展的必然方向。

設(shè)施農(nóng)業(yè)，是把現(xiàn)代相關(guān)科技用工程技術(shù)手段，融入動(dòng)植物高效生產(chǎn)的一種現(xiàn)代農(nóng)業(yè)方式。設(shè)施農(nóng)業(yè)的優(yōu)勢(shì)就是把大量的科技融入相關(guān)配件或技術(shù)中，從而達(dá)到普通農(nóng)業(yè)所無(wú)法到達(dá)的目標(biāo)。在發(fā)展智能農(nóng)業(yè)方面，設(shè)施農(nóng)業(yè)或者是工廠化農(nóng)業(yè)具有“先天優(yōu)勢(shì)”。

蔬菜生產(chǎn)或先應(yīng)用人工智能

由于我國(guó)農(nóng)業(yè)生產(chǎn)現(xiàn)狀以及國(guó)民農(nóng)產(chǎn)品消費(fèi)需求，蔬菜類農(nóng)產(chǎn)品的生產(chǎn)在資源的配置和人力要求上與糧食主產(chǎn)作物的生產(chǎn)相差甚遠(yuǎn)。在保證農(nóng)產(chǎn)品安全優(yōu)質(zhì)的要求下，相對(duì)于大田生產(chǎn)防蟲(chóng)，蔬菜生產(chǎn)的要求更高，需要實(shí)現(xiàn)少或無(wú)病蟲(chóng)害。蔬菜生產(chǎn)的產(chǎn)業(yè)特點(diǎn)是高投入、高產(chǎn)出、高效益，這必然要求其產(chǎn)業(yè)發(fā)展走“植物工廠化生產(chǎn)”之路。由于這一特點(diǎn)，蔬菜生產(chǎn)或許最有可能應(yīng)用人工智能。

我國(guó)在農(nóng)業(yè)生物技術(shù)存在短板，蔬菜生產(chǎn)受限。以溫室番茄生產(chǎn)為例，荷蘭的溫室番茄每平米年產(chǎn)量達(dá)到60公斤-90公斤，而我國(guó)溫室番茄每平米年產(chǎn)量最高為34.5公斤，其主要原因是存在技術(shù)“短板”——缺乏精準(zhǔn)調(diào)控技術(shù)。

在農(nóng)業(yè)生物技術(shù)研究方面，我國(guó)與美國(guó)之間存在“兩多兩少”的差距，即戰(zhàn)略層面考慮多、戰(zhàn)術(shù)層面少；重復(fù)的（購(gòu)買的）多、自主創(chuàng)新的少。相對(duì)于美國(guó)，我國(guó)的科研項(xiàng)目對(duì)農(nóng)業(yè)工廠化生產(chǎn)的特點(diǎn)——生命的復(fù)雜性和不確定性考慮不夠到位。

人工智能可以補(bǔ)齊生物技術(shù)短板

目前，我國(guó)“植物工廠化”生產(chǎn)達(dá)不到“高產(chǎn)出高效益”目標(biāo)的主要原因是農(nóng)業(yè)生物技術(shù)短板——缺乏可用的與農(nóng)作物相關(guān)的各種知識(shí)（經(jīng)驗(yàn)）和模型。在知識(shí)方面，缺少生長(zhǎng)專家系統(tǒng)；在模型方面，缺乏包含眾多子模型的作物生長(zhǎng)與環(huán)境動(dòng)態(tài)模型，例如作物冠層小氣候（光等）分布模型、作物光合作用速率模型、作物呼吸作用模型、作物蒸騰作用模型、作物水肥營(yíng)養(yǎng)及灌溉量模型、作物根系土壤環(huán)境模型的建立。

植物工廠化生產(chǎn)是一個(gè)典型的CPS（Cyber-Physical System）信息物理融合系統(tǒng)，其涉及人工智能的環(huán)節(jié)主要表現(xiàn)在四個(gè)方面：信息感知和認(rèn)知、決策（綜合多目標(biāo)優(yōu)化決策）、控制（光溫濕氣水肥等的多因子魯棒協(xié)調(diào)控制）、自動(dòng)化生產(chǎn)操作（人和生產(chǎn)線及機(jī)器人的自主協(xié)同控制）。沒(méi)有相關(guān)的知識(shí)和模型作支撐，就無(wú)法實(shí)現(xiàn)對(duì)作物及其環(huán)境變化的動(dòng)態(tài)預(yù)測(cè)，無(wú)法進(jìn)行多目標(biāo)綜合優(yōu)化決策（如節(jié)能降耗的優(yōu)化決策），對(duì)光溫濕氣水肥等多個(gè)因子的魯棒和自動(dòng)化生產(chǎn)操作控制更無(wú)法實(shí)現(xiàn)。

走人工智能之路，是突破農(nóng)業(yè)生物技術(shù)瓶頸的必然選擇。農(nóng)業(yè)設(shè)施裝備可以購(gòu)買，但農(nóng)業(yè)生物對(duì)象可用的知識(shí)和模型無(wú)法購(gòu)買。農(nóng)業(yè)生物對(duì)象的知識(shí)和模型的獲得往往需要幾十年甚至上百年的研究積累，而利用大數(shù)據(jù)驅(qū)動(dòng)加知識(shí)引導(dǎo)的數(shù)據(jù)挖掘等人工智能技術(shù)來(lái)獲得，可以補(bǔ)齊“短板”。為此，我國(guó)需針對(duì)性地提升信息準(zhǔn)確感知、知識(shí)發(fā)現(xiàn)（數(shù)據(jù)挖掘）、優(yōu)化決策與精準(zhǔn)控制等各生產(chǎn)環(huán)節(jié)的智能化水平。

開(kāi)展人工智能農(nóng)業(yè)2.0技術(shù)的研究

發(fā)展農(nóng)業(yè)人工智能，我國(guó)需要有針對(duì)性地展開(kāi)研究，主要是兩個(gè)方面，一是針對(duì)農(nóng)業(yè)特點(diǎn)開(kāi)展智能農(nóng)業(yè)的基礎(chǔ)共性技術(shù)研究，二是重視針對(duì)不同農(nóng)業(yè)領(lǐng)域特點(diǎn)開(kāi)展智能農(nóng)業(yè)的應(yīng)用基礎(chǔ)研究。

由于農(nóng)業(yè)對(duì)象最大特點(diǎn)是“生命”過(guò)程的復(fù)雜性和不確定性，需要針對(duì)農(nóng)業(yè)特點(diǎn)開(kāi)展智能農(nóng)業(yè)的基礎(chǔ)共性技術(shù)研究，其核心是針對(duì)農(nóng)業(yè)特點(diǎn)的人工智能2.0技術(shù)。

農(nóng)業(yè)特點(diǎn)的人工智能主要是四個(gè)方面，一是智能感知與識(shí)別，即多模態(tài)感知、融合表達(dá)與跨媒體認(rèn)知技術(shù)；二是大數(shù)據(jù)智能，即大數(shù)據(jù)驅(qū)動(dòng)與知識(shí)引導(dǎo)相結(jié)合的數(shù)據(jù)挖掘技術(shù)；三是混合增強(qiáng)智能，即人機(jī)融合（“人在回路”）的智能；四是群體協(xié)同智能，即集群智能和多體協(xié)同智能。這四個(gè)方面總體來(lái)說(shuō)屬于“人工智能2.0”的研究范疇，農(nóng)業(yè)領(lǐng)域可以借用其研究成果。

智能農(nóng)業(yè)的研究針對(duì)性研究領(lǐng)域主要是根據(jù)不同農(nóng)業(yè)領(lǐng)域特點(diǎn)開(kāi)展智能農(nóng)業(yè)的應(yīng)用基礎(chǔ)研究，研究符合農(nóng)業(yè)的人工智能，有六個(gè)方面：一是完備準(zhǔn)確的信息智能感知與綜合認(rèn)知，例如多模態(tài)感知與跨媒體認(rèn)知技術(shù)；二是知識(shí)發(fā)現(xiàn)與建模，以大數(shù)據(jù)驅(qū)動(dòng)與知識(shí)引導(dǎo)相結(jié)合的知識(shí)發(fā)現(xiàn)與建模技術(shù)，如利用數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)建立作物生長(zhǎng)與環(huán)境動(dòng)態(tài)模型；三是智能優(yōu)化決策，多個(gè)目標(biāo)優(yōu)化決策、非完全信息下智能決策技術(shù)等；四是生長(zhǎng)環(huán)境智能協(xié)調(diào)魯棒控制：環(huán)境多因子智能協(xié)調(diào)的魯棒控制技術(shù)等；五是開(kāi)發(fā)云機(jī)器人，研發(fā)云機(jī)器人協(xié)同計(jì)算方法，利用云端自動(dòng)產(chǎn)生的知識(shí)將為農(nóng)業(yè)機(jī)器人的長(zhǎng)期合理操作提供依據(jù)；六是人機(jī)物系統(tǒng)（生產(chǎn)線）自主協(xié)同控制，如自動(dòng)化育苗流水線及苗床的調(diào)動(dòng)優(yōu)化協(xié)同控制、自動(dòng)化生產(chǎn)線與包裝等自主協(xié)同控制等。

同時(shí)，智能農(nóng)業(yè)研究也需要重視獲取大數(shù)據(jù)的基礎(chǔ)研究工作——完備準(zhǔn)確地感知和認(rèn)知信息，獲取可用的大數(shù)據(jù)。圍繞這一問(wèn)題，還需改變物聯(lián)網(wǎng)和云平臺(tái)的設(shè)計(jì)，推動(dòng)傳感器的開(kāi)發(fā)和一些軟測(cè)量技術(shù)、跨媒體感知認(rèn)知技術(shù)及信息融合技術(shù)的智能提升。