到 2025 年將達(dá)到 200 億美元的潛在市場(chǎng)總額（total addressable market，TAM）我們相信機(jī)器學(xué)習(xí)（ML）在以下方面具有潛力：提高農(nóng)作物產(chǎn)量，減少化肥和灌溉成本，同時(shí)有助于早期發(fā)現(xiàn)作物/牲畜疾病，降低與收獲后分揀相關(guān)的勞動(dòng)力成本, 提高市場(chǎng)上的產(chǎn)品和蛋白質(zhì)的質(zhì)量。當(dāng)我們看到用于收集土壤，天氣，航空/衛(wèi)星圖像，甚至聽覺數(shù)據(jù)的傳感器的擴(kuò)散，我們認(rèn)為，從這些 PB 級(jí)數(shù)據(jù)，深度學(xué)習(xí)算法能幫助洞察（或者是制定）種植時(shí)間、灌溉、施肥以及畜牧相關(guān)的決策，最終增加農(nóng)業(yè)中土地，設(shè)備和人的生產(chǎn)效率。鑒于所使用的所有已確定的技術(shù)數(shù)字農(nóng)業(yè)將被優(yōu)化或完全由機(jī)器學(xué)習(xí)和人工智能驅(qū)動(dòng)，我們假設(shè) 25% 的價(jià)值創(chuàng)造會(huì)累積到機(jī)器學(xué)習(xí)和人工智能的產(chǎn)業(yè)鏈，這將意味著在 2050 年 1.2 萬噸農(nóng)作物市場(chǎng)中的 600 億美元的潛在市場(chǎng)總額，假設(shè)在該時(shí)間段內(nèi)線性分?jǐn)?，意味著?2025 年潛在市場(chǎng)總額大約為 200 億美元。

1.機(jī)會(huì)在哪里？

將機(jī)器學(xué)習(xí)應(yīng)用到農(nóng)業(yè)中會(huì)顯著地減少產(chǎn)量損失與勞動(dòng)力成本。僅就美國(guó)玉米生產(chǎn)而言，我們的權(quán)益研究團(tuán)隊(duì)已經(jīng)確認(rèn)從精確施肥到壓實(shí)減少等一系列技術(shù)，他們認(rèn)為到 2050 年可以將玉米產(chǎn)量提高 70 %。重要的是，在他們的研究中確定的每一個(gè)創(chuàng)新都是由機(jī)器學(xué)習(xí)和人工智能實(shí)現(xiàn)的（圖 27）。

我們已經(jīng)確定了農(nóng)業(yè)中的幾個(gè)具體領(lǐng)域會(huì)特別受益于機(jī)器學(xué)習(xí)和 AI 技術(shù)的應(yīng)用。 例如，農(nóng)民商業(yè)網(wǎng)絡(luò)，這是一個(gè)匯總關(guān)于種子性能，農(nóng)藝實(shí)踐，投入品價(jià)格，產(chǎn)量基準(zhǔn)和其他農(nóng)民提交的數(shù)據(jù)的組織，以利用深度分析來提高產(chǎn)量。

利用傳感器，天氣，土壤，甚至無人機(jī)/衛(wèi)星圖像數(shù)據(jù)，機(jī)器學(xué)習(xí)可以根據(jù)當(dāng)前和預(yù)期的天氣模式，作物輪作對(duì)土壤質(zhì)量的影響，幫助農(nóng)民優(yōu)化施肥，灌溉和其他決定，確定最佳生產(chǎn)模式?？臻g圖像分析可以比人類觀察更快更有效的幫助確定如大豆銹病這樣的作物疾病，更早介入以防止產(chǎn)量損失。相同的模式識(shí)別技術(shù)可以用于在家畜動(dòng)物中識(shí)別疾病和跛足（影響運(yùn)動(dòng)和健康的腿/腳/蹄的感染或損傷）。最后，我們看到了使用視覺圖像和自動(dòng)分揀設(shè)施來替代產(chǎn)品和肉類分級(jí)和分類線上目視檢查員的應(yīng)用。

2.痛點(diǎn)在哪里？

農(nóng)作物產(chǎn)量受不理想的施肥，灌溉和農(nóng)藥使用的負(fù)面影響。高盛研究報(bào)告“精確農(nóng)場(chǎng)：用數(shù)字農(nóng)業(yè)欺騙馬爾薩斯”（Precision Farming: Cheating Malthus with Digital Agriculture 2016年7 月13 日）中，確認(rèn)了幾個(gè)問題，這些問題可以通過收集適當(dāng)?shù)臄?shù)據(jù)和執(zhí)行適當(dāng)?shù)姆治鰜斫鉀Q。 這是至關(guān)重要的，因?yàn)榈?2050 年，為給世界人口提供足夠的糧食需要增加 70％ 的糧食產(chǎn)量。

人力成本增加。農(nóng)業(yè)已經(jīng)歷史性的轉(zhuǎn)向用技術(shù)創(chuàng)新抵消勞動(dòng)力成本，我們認(rèn)為機(jī)器學(xué)習(xí)是這一演變的下一步，特別是在收獲/屠宰之后的分揀過程中，其中大多數(shù)對(duì)產(chǎn)品和肉制品的目視檢查仍然由人類工作者完成。根據(jù)勞工統(tǒng)計(jì)局BLS，5.3 萬人在美國(guó)受雇為“分級(jí)分揀農(nóng)產(chǎn)品”，每年產(chǎn)生大約 13 億美元的勞動(dòng)力成本。 根據(jù) BLS 數(shù)據(jù)，農(nóng)業(yè)中的“農(nóng)藥處理，噴霧器和施藥器使用者”另外產(chǎn)生 13 億美元的勞動(dòng)力成本。

由動(dòng)物疾病造成的損失。我們估計(jì)，由于乳牛跛足，全球乳品業(yè)的年損失超過 110 億美元，而這是可以提前預(yù)防的。學(xué)術(shù)研究表明，在乳汁流失，生育力下降和治療成本之間，每一例跛足會(huì)使乳牛場(chǎng)產(chǎn)生成本 175 美元，而平均每年 100 頭奶牛中會(huì)發(fā)生 23.5 例跛足，這意味著全球 2.5 億頭奶牛每年會(huì)產(chǎn)生 110 億美元的損失。

3.目前的經(jīng)營(yíng)方式是什么？

絕大多數(shù)農(nóng)場(chǎng)都很小，但大多數(shù)農(nóng)田是由大型農(nóng)場(chǎng)控制的。 根據(jù)聯(lián)合國(guó)糧農(nóng)組織報(bào)告，全球72％的農(nóng)場(chǎng)面積小于 1 公頃，而所有農(nóng)場(chǎng)中只有 1％ 的農(nóng)場(chǎng)大于 50 公頃，這些大型農(nóng)場(chǎng)控制著 65％ 的全球農(nóng)業(yè)用地。超過 10 公頃的農(nóng)場(chǎng)絕大多數(shù)存在于像美洲和歐洲這樣更發(fā)達(dá)的地區(qū)（這兩個(gè)區(qū)域占總數(shù)的 73％），而亞洲占小于 10 公頃的農(nóng)場(chǎng)的 85％ 。 因此，世界上大多數(shù)農(nóng)田都能獲得基礎(chǔ)設(shè)施和經(jīng)濟(jì)發(fā)展，能夠使用精確農(nóng)業(yè)技術(shù)，只要這些技術(shù)是財(cái)務(wù)上可行的解決方案。

即使在經(jīng)濟(jì)發(fā)達(dá)國(guó)家，精確農(nóng)業(yè)仍處于早期階段。 例如灌溉，仍然通過溢流或其他形式的表面灌溉進(jìn)行，這是效率最低和技術(shù)最落后的方法之一。在作物種植的主要領(lǐng)域，目前的技術(shù)包括：

肥料：天氣和現(xiàn)場(chǎng)監(jiān)測(cè)，和農(nóng)業(yè)蓋毯應(yīng)用。

種植：多種子種植機(jī)，可變速率種植和作物輪作。

農(nóng)藥/除草劑：衛(wèi)星和無人機(jī)圖像已經(jīng)在一些規(guī)模化經(jīng)營(yíng)中針對(duì)大范圍目標(biāo)區(qū)域使用。較小的使用在農(nóng)業(yè)蓋毯領(lǐng)域。

灌溉：溢流和其他表面灌溉，中心樞軸灑水器，滴灌系統(tǒng)和噴淋/滴灌混合系統(tǒng)。

收獲/分揀：玉米和小麥等作物的大部分收獲已經(jīng)開始在大農(nóng)場(chǎng)機(jī)械化。一些分類已經(jīng)自動(dòng)化（按大小和顏色）

通過在美國(guó)建立農(nóng)民商業(yè)網(wǎng)絡(luò)（FBN），我們還看到農(nóng)業(yè)數(shù)據(jù)民主化的到來。FBN 是一個(gè)獨(dú)立的業(yè)務(wù)，農(nóng)民可以訂閱并匿名的提交農(nóng)場(chǎng)數(shù)據(jù)。在分析過程中，F(xiàn)BN 使用聚合的農(nóng)場(chǎng)數(shù)據(jù)為單個(gè)農(nóng)民成員提供如何確定產(chǎn)量，時(shí)間，天氣和其他數(shù)據(jù)的建議。在畜牧業(yè)和乳制品業(yè)中，目前的技術(shù)包括普遍使用抗生素或其他預(yù)防性藥物，接種疫苗，撲滅病動(dòng)物，以及化學(xué)平衡的飼料添加劑。此外，牛的飼養(yǎng)也采用足浴以預(yù)防和治療蹄類疾病和感染。圖30：在美國(guó)，接近一半的農(nóng)業(yè)灌溉用地是通過澆灌或其他的地面灌溉方式被灌溉的。地面灌溉是一種效率最低、技術(shù)最落后的灌溉方式。下圖顯示按照不同灌溉方式進(jìn)行灌溉的農(nóng)業(yè)用地的百分比。

4.人工智能和機(jī)器學(xué)習(xí)能起到什么作用？

機(jī)器學(xué)習(xí)所具備的通過使用大數(shù)據(jù)集來優(yōu)化單個(gè)或一系列關(guān)鍵目標(biāo)的能力很適合用來解決農(nóng)業(yè)生產(chǎn)中的作物產(chǎn)量、疾病預(yù)防和成本效益等問題。

在農(nóng)作物產(chǎn)后分揀和農(nóng)藥應(yīng)用領(lǐng)域，我們認(rèn)為隨著時(shí)間推移僅在美國(guó)境內(nèi)機(jī)器學(xué)習(xí)和人工智能技術(shù)能通過降低成本和提高效率每年節(jié)約 30 億美元的勞動(dòng)力成本。按照我們的估計(jì)，全球范圍內(nèi)的這個(gè)數(shù)據(jù)極有可能超過美國(guó)所節(jié)約成本的兩倍。最后，我們認(rèn)為機(jī)器學(xué)習(xí)和人工智能技術(shù)能改善育種和牲畜健康狀況，并且能在奶牛養(yǎng)殖領(lǐng)域創(chuàng)造出大約 110 億美元的價(jià)值（即對(duì)失去的潛在收益的補(bǔ)償和節(jié)約的絕對(duì)成本），以及能通過兩種常見疾病的控制在家畜養(yǎng)殖領(lǐng)域創(chuàng)造出20 億美元的價(jià)值。

5.提高作物產(chǎn)量

人類已經(jīng)利用了地球上幾乎所有可用的農(nóng)業(yè)用地，然而聯(lián)合國(guó)預(yù)計(jì)到 2050 年全球人口將達(dá)到 97 億。因此，為了滿足未來全球?qū)Z食的需求，我們非常有必要提高農(nóng)作物產(chǎn)量。機(jī)器學(xué)習(xí)技術(shù)可以被用來分析來自無人機(jī)和衛(wèi)星圖像、氣象模式、土壤樣本和濕度傳感器的數(shù)據(jù)，并幫助確定播種、施肥、灌溉、噴藥和收割的最佳方法。機(jī)器學(xué)習(xí)技術(shù)在我們于2016 年7 月13 日發(fā)布的《精準(zhǔn)農(nóng)業(yè)》報(bào)告（參考文獻(xiàn)1）中所確定的每一項(xiàng)創(chuàng)新中幾乎都發(fā)揮著重要作用。下圖顯示不同技術(shù)所帶來的玉米產(chǎn)量的潛在提高量。

收獲后分揀勞動(dòng)。在一個(gè)簡(jiǎn)單的案例中，我們發(fā)現(xiàn) Google 公司的 TensorFlow 機(jī)器學(xué)習(xí)技術(shù)被日本黃瓜菜農(nóng)用來自動(dòng)分揀黃瓜，而以前分揀黃瓜的程序一直需要大量手動(dòng)或視覺檢查工作和勞動(dòng)力成本。在這個(gè)案例中，農(nóng)夫只需使用包括 Raspberry Pi 處理器和普通網(wǎng)絡(luò)攝像頭在內(nèi)的簡(jiǎn)單又便宜的硬件設(shè)備，就能用 TensorFlow 訓(xùn)練出一個(gè)能將黃瓜分成 9 個(gè)類別并且具有相對(duì)較高的準(zhǔn)確度的算法，從而減少了與分揀相關(guān)的勞動(dòng)力成本。我們認(rèn)為相似的應(yīng)用可以擴(kuò)展成更大的規(guī)模，并且被用于具有較高分揀需求和成本的農(nóng)產(chǎn)品，例如西紅柿和土豆。

家禽種群中的疾病監(jiān)測(cè)。在一項(xiàng)學(xué)術(shù)研究中，研究人員收集和分析雞的聲音文件并假設(shè)在生病或痛苦的情況下，它們發(fā)出的聲音會(huì)改變。在收集數(shù)據(jù)并訓(xùn)練神經(jīng)網(wǎng)絡(luò)模式識(shí)別算法后，研究人員能夠正確地識(shí)別出感染了兩種最常見的致命疾病之一的雞，其中發(fā)病 2 天的雞的識(shí)別準(zhǔn)確率為 66 ％，而發(fā)病8 天的雞的識(shí)別準(zhǔn)確率為 100 ％（如圖32）。正確診斷牲畜所患疾病并盡早在損失發(fā)生之前進(jìn)行治療可以消除由疾病導(dǎo)致的損失。據(jù)行業(yè)專家估計(jì)，挽回的損失可達(dá) 20 億美元。圖32：實(shí)驗(yàn)表明，機(jī)器學(xué)習(xí)可以通過音頻數(shù)據(jù)分析來正確識(shí)別用其他方法不可檢測(cè)的疾病，幾乎能消除由于某些可治愈疾病所引起的損失。

6.量化市場(chǎng)機(jī)會(huì)

基于農(nóng)作物產(chǎn)量、作物投入成本節(jié)省、乳品/畜牧成本節(jié)約、分揀和勞動(dòng)力節(jié)約的潛在增長(zhǎng)，我們認(rèn)為機(jī)器學(xué)習(xí)技術(shù)的應(yīng)用能創(chuàng)造超過 1 萬億美元的價(jià)值。在農(nóng)作物種植領(lǐng)域，我們認(rèn)為機(jī)器學(xué)習(xí)和人工智能技術(shù)可以幫助實(shí)現(xiàn)農(nóng)作物產(chǎn)量提高 70 %。在 Jerry Revich 所作的關(guān)于精確農(nóng)業(yè)的表述中，假設(shè)各種技術(shù)供應(yīng)商的價(jià)值增值幅度為 30 %，數(shù)字化農(nóng)業(yè)的潛在市場(chǎng)總額可達(dá) 2400 億美元。

考慮到數(shù)字農(nóng)業(yè)中使用的所有已知技術(shù)將經(jīng)過機(jī)器學(xué)習(xí)和人工智能技術(shù)的優(yōu)化或完全由其提供，我們假設(shè)所創(chuàng)造的價(jià)值的 25% 由機(jī)器學(xué)習(xí)和人工智能技術(shù)鏈中的供應(yīng)商累積，這意味著機(jī)器學(xué)習(xí)和人工智能技術(shù)在作物種植應(yīng)用中的潛在市場(chǎng)總額為 600 億美元。在蛋白質(zhì)類農(nóng)產(chǎn)品領(lǐng)域，我們認(rèn)為機(jī)器學(xué)習(xí)技術(shù)的應(yīng)用（例如精確育種機(jī)制，疾病預(yù)防和治療）可以催生另外 200 億美元的市場(chǎng)。

7.哪些行業(yè)會(huì)受到影響？

根據(jù)機(jī)器學(xué)習(xí)為灌溉、施肥、勞動(dòng)力和疾病預(yù)防治理成本帶來的節(jié)省，我們相信機(jī)器學(xué)習(xí)有潛力在低成本的基礎(chǔ)上擴(kuò)大全球的糧食、乳制品和牲口的供應(yīng)。

由于機(jī)器學(xué)習(xí)的應(yīng)用可以限制廢料并且改善農(nóng)業(yè)預(yù)防措施，我們預(yù)計(jì)以下行業(yè)的全球市場(chǎng)會(huì)引起波動(dòng)：化肥業(yè)，除蟲劑業(yè)，除草劑業(yè)，除菌劑業(yè)以及獸醫(yī)藥業(yè)。我們相信大部分此類波動(dòng)會(huì)是相當(dāng)長(zhǎng)期的（五年以上），由于我們現(xiàn)在都還處在這些機(jī)器學(xué)習(xí)技術(shù)的早期，所以相對(duì)其他技術(shù)，機(jī)器學(xué)習(xí)技術(shù)目前對(duì)以上行業(yè)人士可能還無法承擔(dān)。

原標(biāo)題：人工智能與農(nóng)業(yè)，寫在柯潔與AlphaGo大賽之際