News Clip

今週ウェブ上で開催された国際学習表現会議(ICLR)2020で開催されたワークショップの中で、パネリストたちは、AIと機械学習がどのように農業の課題に適用される可能性があるか(そしてすでに適用されているかもしれない)について議論した。複数の専門家が指摘したように、世界各国は食糧供給不足に直面しており、人口の推定9%(6億9700万人)が深刻な「食糧不安」、つまり、手頃な価格で栄養価の高い食糧への確実なアクセスがない状態にある。 労働力不足、病害虫や病原菌の蔓延、気候変動などの要因が危機をエスカレートさせる恐れがあるが、AIはそれを助けることができる。IBMの科学者たちは、アフリカでの農業「デジタル・ツインズ」、つまり特定の作物の収量を予測するために使用される作物のデジタル・モデルを使った研究について話しました。アカディア大学の研究者たちは、人間の作業員よりも正確にブドウの収量を測定することを目的としたアルゴリズムにスポットを当てました。また、カリフォルニア大学デービス校のチームは、ケニアの家畜の採食状況を予測するために衛星画像を使用する取り組みについて詳しく説明しました。

デジタル農場の「双子」が提案する栽培方法

 

ソフトウェア品質保証の責任者であるAkram Mohammed氏は、昨年、ナイジェリアの農場をデジタル的に「クローン」化するためにIBMが行った作業について詳しく説明しました。この作業の一部は、IBMとHello Tractorとのパートナーシップから生まれたもので、小規模農家をより良い作物生産のための機器やデータ分析につなげるサブスクリプションサービスです。 モハメッド氏は、デジタルクロップダブルスは、農家自身だけでなく、市場の動向を把握し、政策を計画・確立し、投資リスクを最小化するために利用できる流通業者、政府、銀行にとっても価値があると主張しています。同氏は、世界の人口は5年以内に80億人を超えると予想されているが、今世紀末までに耕作可能な土地は20%減少すると指摘した。 "食糧安全保障の課題に取り組むには、サプライチェーンをよりシンプルに、より安全に、より無駄のないものにすることにかかっています」と彼は述べています。 モハメッド氏と彼のチームは、IBMのPAIRS Geoscopeというサービスを利用しました。これは、地図やドローン画像などのペタバイトの地理空間時空間データをホストして管理するように設計されたサービスで、個々の農場に関する衛星、気象、地上レベルのセンサーデータを保存しています。これは、IBM が所有する The Weather Company のアルゴリズムとインターネット・オブ・シングスのデータ取り込みツールを組み合わせたものです。 課題の一つは、規模が小さい農場のデータが比較的少ないことでした。衛星画像ではピクセル単位の情報しか得られず、すべての農場でモニタリング装置を購入できるわけではありませんでした。チームの解決策は、農場のグループをターゲット地域の40,000以上のクラスタとしてモデル化することでした。これにより、エンジニアは2つの重要な質問に答えるレコメンダーシステムを訓練することができました。(1) 農家はいつ特定の栽培活動を行うべきか、(2) 小規模農家にとって作物の収量を最大化する最適な耕起日は何か、という2つの重要な質問に答えるレコメンデーションシステムを開発しました。 このシステムは、デジタル双子の過去の状態と、最近の気象履歴(湿度、視界、気温、降水量、風速)、天気予報(4つの深さの土壌水分)、マルチスペクトル衛星画像、地絡情報(場所と日付)などの将来のメタデータ予測をもとに、栽培日を推奨するアンサンブル学習モデルで構成されています。実験では、作物の種類や土壌の状態などのメタデータの欠落がモデルの予測を妨げていた。しかし、研究者らは、ヒューリスティックスに基づいたシステムよりもはるかに優れた解決策があると主張している。

コンピュータビジョンを使ったブドウの収穫量の推定

 

アカディア大学データ解析研究所に所属する Daniel L. Silver 氏と Jabun Nasa 氏は、ブドウの木の画像からブドウの収量を測定するコンピュータビジョンシステムを開発したことを発表しました。正確なブドウの収穫量を推定することは、収穫計画を立てたり、ワイン生産の選択をしたりする上で非常に重要ですが、Silver氏とNasa氏が指摘するように、歴史的に測定にはコストがかかり、不正確であることは言うまでもありません(75~90%の精度)。 研究者たちは、収穫量を推定する機械学習モデルのトレーニングセットを構築するために、ボランティアを募集し、ブドウの木の上でブドウの写真を撮影し、デジタルスケールを使ってブドウの重さを測定することを課題とした。収穫後、SilverとNasaは測定データをデジタル化し、写真をトリミング、正規化、サイズ変更した後、両方のデータセットを組み合わせて畳み込みニューラルネットワーク(視覚画像の分析に適したAIモデルの一種)に投入した。 (www.DeepL.com/Translatorにより無料翻訳を利用)