Πώς μαθαίνεις σε έναν υπολογιστή να ξεχωρίζει την καλή φράουλα; Σύμφωνα με την ιδρύτρια και διευθύνουσα σύμβουλο της AgShift, Miku Jha, της οποίας η εταιρεία καινοτομεί στον έλεγχο των τροφίμων κάνοντας χρήση της “βαθιάς μάθησης” (deep learning), το πετυχαίνεις αυτό με τον ίδιο τρόπο που διδάσκεις ένα τρίχρονο παιδί.
“Του δίνεις μια μπάλα του πινγκ πονγκ και ένα αβγό και του λες συνέχεια: αυτό είναι μπάλα και αυτό είναι αβγό, και το επαναλαμβάνεις συνέχεια μέχρι να το εμπεδώσει και να διαφοροποιήσει το ένα από το άλλο. Έτσι δουλεύει το μυαλό μας”, λέει η ίδια.
Η εκπαίδευση ενός προγράμματος τεχνητής νοημοσύνης για τον έλεγχο της φράουλας ακολουθεί το ίδιο μοτίβο: “Παίρνουμε εκατοντάδες εικόνες με φράουλες, στις οποίες εικονίζονται φράουλες με χτυπήματα και χωρίς. Και εκπαιδεύουμε το πρόγραμμα πώς να ξεχωρίζει το χτύπημα. ‘Καλή φράουλα, κακή φράουλα’. Και ούτω καθεξής”, συμπληρώνει.
Η Jha συμμετείχε στο πάνελ για τον αυτοματισμό που διοργάνωσε το Forbes στο πλαίσιο του συνεδρίου αγροτεχνολογίας Forbes AgTech, στην Καλιφόρνια. Οι συμμετέχοντες συζήτησαν εάν τα ρομπότ κλέβουν τις δουλειές, τις προκλήσεις της τεχνητής νοημοσύνης, τη διασφάλιση της χρηματοδότησης μέσω venture capital, αλλά και τις προοπτικές εκτός Αμερικής.
Η διασύνδεση μεταξύ των τεχνολογικών εταιρειών της Σίλικον Βάλεϊ και της αγροτεχνολογίας της Καλιφόρνιας δεν έχει επεκταθεί στον τομέα της χρηματοδότησης. Οι αγροτεχνολογικές εταιρείες δυσκολεύονται να αντλήσουν κεφάλαια, και αυτό γιατί είναι πιο δύσκολο για μια εταιρεία αυτού του τομέα να αναπτυχθεί γρήγορα. Οι παραδοσιακοί venture capitalists είναι οπορτουνιστές, ακουλουθούν το πλήθος και κυνηγούν το “χαζό χρήμα”. Οι εταιρείες αγροτεχνολογίας χρειάζονται εταιρείες χρηματοδότησης που να κατανοούν το “υπομονετικό κεφάλαιο”, δηλαδή να είναι προετοιμασμένες να κάνουν μια μακροχρόνια επένδυση και να μην περιμένουν γρήγορο κέρδος.
Ένας σημαντικός λόγος για τον οποίο η αγροτεχνολογία δεν μπορεί να αναπτυχθεί όπως οι εταιρείες ανάπτυξης λογισμικού είναι επειδή δεν μπορούν να δοκιμάσουν τις καινοτομίες τους στη διάρκεια ενός έτους. Περιορίζονται από τις περιόδους συγκομιδής που διαρκούν λίγους μήνες. Η Καλιφόρνια γνωρίζει από πρώτο χέρι αυτό το πρόβλημα, επειδή είναι μια περιοχή μικρής περιοδικότητας, όπως σημειώνει ο Palomares της Farmwise. Η εταιρεία του χρησιμοποιεί ρομπότ με δυνατότητες βαθιάς μάθησης για την απομάκρυνση των ζιζανίων από ένα χωράφι κάνοντας χρήση ζιζανιοκτόνων.
Όσον αφορά την αγροτεχνολογία και την τεχνητή νοημοσύνη, υπάρχει ακόμη μία πρόκληση, λέει η Jha, και αυτή είναι ότι πρέπει να δημιουργήσεις βάσεις δεδομένων από το πουθενά. “Αν πρέπει να φτιάξεις μια λύση τεχνητής νοημοσύνης για τις τράπεζες που θα διασφαλίζει από τις απάτες, έχεις μοτίβα. Υπάρχει εδώ και πολλά χρόνια, και μπορείς να βασιστείς σε ό,τι προϋπάρχει και να δημιουργήσεις τη δική σου λύση”.
Για να μιλήσουμε απλά, τα ρομπότ αγροτεχνολογίας της εποχής μας δεν είναι τέλεια, κάτι που δυσχεραίνει τις πωλήσεις τους στους αγρότες. Κατασκευάζεις ένα ρομπότ που κάνει τη συγκομιδή λαχανικών ή φρούτων, αλλά η αποδοτικότητά του φτάνει το 60% με 80% της ανθρώπινης εργασίας. Οπότε, οι εταιρείες αγροτεχνολογίας πρέπει να ξανασκεφτούν το επιχειρηματικό τους μοντέλο. Δεν υπάρχει περίπτωση με τα σημερινά δεδομένα τα ρομπότ να αντικαταστήσουν τους ανθρώπους στον τομέα αυτόν.
Ενώ ο αυτοματισμός κάνει τα υπολογιστικά μηχανήματα ικανά να κάνουν δουλειές των ανθρώπων, δεν σημαίνει ότι θα κλέψουν αυτές τις δουλειές, σχολιάζει από την πλευρά ο Kellerman. Σύμφωνα με τον ίδιο, όταν ξεκίνησε θεωρούσε πως το μεγαλύτερο πρόβλημα ήταν το νερό. Αλλά οι αγρότες τού είπαν πως τα τρία μεγαλύτερα προβλήματα είναι: εργασία, εργασία, εργασία.
Η τεχνολογία “αυξάνεται” αλλά δεν αντικαθιστά το γεωργικό εργατικό δυναμικό, συμφώνησε η Jha. “Φανταστείτε έναν επιθεωρητή που πρέπει να επιθεωρήσει δύο κιλά κάσιους και να αναζητήσει 24 διαφορετικά είδη ελαττωμάτων σε αυτόν τον όγκο και να πάρει μια απόφαση σε λιγότερο από τρία λεπτά”, είπε. “Φανταστείτε την κόπωση που προκαλεί μια τέτοια διαδικασία όταν την κάνετε συνεχώς”. Καθώς η Σίλικον Βάλεϊ εμπλέκεται περισσότερο στον αγροτεχνολογικό τομέα, οι αγρότες έχουν αρχίσει να κουράζονται από τα startups που τους προσεγγίζουν.
Το κλειδί για μια νεοσύστατη επιχείρηση αγροτεχνολογίας είναι να εστιάσει σε ένα πρόβλημα στο οποίο μια ολόκληρη αγορά αναζητεί λύσεις. Ένα τέτοιο παράδειγμα είναι η Invert Robotics, η startup που χρησιμοποιώντας τον αυτοματισμό έδωσε λύση στον καθαρισμό δεξαμενών και αποθηκευτικών χώρων – ένα πρόβλημα που αφορά τεράστιο αριθμό επιχειρήσεων.
Του Kenrick Cai
ΠΗΓΗ: Forbes
