文|徐立鴻 同濟大學(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)動加知識引導(dǎo)的數(shù)據(jù)挖掘等人工智能技術(shù)來獲得農(nóng)業(yè)生物對象的知識和模型，可以補齊農(nóng)業(yè)生物技術(shù)的短板。目前，我國需針對性地提升信息準(zhǔn)確感知、知識發(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，人工智能進入加速發(fā)展階段，日益成為國際競爭的新焦點、經(jīng)濟發(fā)展的新引擎、社會建設(shè)的新機遇，其發(fā)展將深刻改變?nèi)祟惖纳?。我國政府高度重視人工智能?chuàng)新發(fā)展，國務(wù)院已發(fā)布《新一代人工智能發(fā)展規(guī)劃》，為我國發(fā)展人工智能指明了方向。

在我國加快實施創(chuàng)新驅(qū)動發(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，我國農(nóng)業(yè)進入了急需加快轉(zhuǎn)型升級、推進一二三產(chǎn)業(yè)融合和培育發(fā)展新動能的新階段，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)勢就是把大量的科技融入相關(guān)配件或技術(shù)中，從而達到普通農(nóng)業(yè)所無法到達的目標(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”。

蔬菜生產(chǎn)或先應(yīng)用人工智能

由于我國農(nóng)業(yè)生產(chǎn)現(xiàn)狀以及國民農(nóng)產(chǎn)品消費需求，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。在保證農(nóng)產(chǎn)品安全優(yōu)質(zhì)的要求下，相對于大田生產(chǎn)防蟲，蔬菜生產(chǎn)的要求更高，需要實現(xiàn)少或無病蟲害。蔬菜生產(chǎn)的產(chǎn)業(yè)特點是高投入、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，蔬菜生產(chǎn)或許最有可能應(yīng)用人工智能。

我國在農(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)量達到60公斤-90公斤，而我國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，我國與美國之間存在“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（購買的）多、自主創(chuàng)新的少。相對于美國，我國的科研項目對農(nóng)業(yè)工廠化生產(chǎn)的特點——生命的復(fù)雜性和不確定性考慮不夠到位。

人工智能可以補齊生物技術(shù)短板

目前，我國“植物工廠化”生產(chǎn)達不到“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（經(jīng)驗）和模型。在知識方面，缺少生長專家系統(tǒng)；在模型方面，缺乏包含眾多子模型的作物生長與環(huán)境動態(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）、自動化生產(chǎn)操作（人和生產(chǎn)線及機器人的自主協(xié)同控制）。沒有相關(guān)的知識和模型作支撐，就無法實現(xiàn)對作物及其環(huán)境變化的動態(tài)預(yù)測，無法進行多目標(biāo)綜合優(yōu)化決策（如節(jié)能降耗的優(yōu)化決策），對光溫濕氣水肥等多個因子的魯棒和自動化生產(chǎn)操作控制更無法實現(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)施裝備可以購買，但農(nóng)業(yè)生物對象可用的知識和模型無法購買。農(nóng)業(yè)生物對象的知識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)動加知識引導(dǎo)的數(shù)據(jù)挖掘等人工智能技術(shù)來獲得，可以補齊“短板”。為此，我國需針對性地提升信息準(zhǔn)確感知、知識發(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，我國需要有針對性地展開研究，主要是兩個方面，一是針對農(nóng)業(yè)特點開展智能農(nóng)業(yè)的基礎(chǔ)共性技術(shù)研究，二是重視針對不同農(nóng)業(yè)領(lǐng)域特點開展智能農(nóng)業(yè)的應(yīng)用基礎(chǔ)研究。

由于農(nóng)業(yè)對象最大特點是“生命”過程的復(fù)雜性和不確定性，需要針對農(nóng)業(yè)特點開展智能農(nóng)業(yè)的基礎(chǔ)共性技術(shù)研究，其核心是針對農(nóng)業(yè)特點的人工智能2.0技術(shù)。

農(nóng)業(yè)特點的人工智能主要是四個方面，一是智能感知與識別，即多模態(tài)感知、融合表達與跨媒體認(rèn)知技術(shù)；二是大數(shù)據(jù)智能，即大數(shù)據(jù)驅(qū)動與知識引導(dǎo)相結(jié)合的數(shù)據(jù)挖掘技術(shù)；三是混合增強智能，即人機融合（“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。這四個方面總體來說屬于“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)的研究針對性研究領(lǐng)域主要是根據(jù)不同農(nóng)業(yè)領(lǐng)域特點開展智能農(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)；二是知識發(fā)現(xiàn)與建模，以大數(shù)據(jù)驅(qū)動與知識引導(dǎo)相結(jié)合的知識發(fā)現(xiàn)與建模技術(shù)，如利用數(shù)據(jù)挖掘、機器學(xué)習(xí)建立作物生長與環(huán)境動態(tài)模型；三是智能優(yōu)化決策，多個目標(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；五是開發(fā)云機器人，研發(fā)云機器人協(xié)同計算方法，利用云端自動產(chǎn)生的知識將為農(nóng)業(yè)機器人的長期合理操作提供依據(jù)；六是人機物系統(tǒng)（生產(chǎn)線）自主協(xié)同控制，如自動化育苗流水線及苗床的調(diào)動優(yōu)化協(xié)同控制、自動化生產(chǎn)線與包裝等自主協(xié)同控制等。

同時，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)。圍繞這一問題，還需改變物聯(lián)網(wǎng)和云平臺的設(shè)計，推動傳感器的開發(fā)和一些軟測量技術(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。