Dirbtinis intelektas jau seniai neapsiriboja tik IT sektoriumi ar paslaugomis, jis vis labiau įsitvirtina ir žemės ūkyje. Nors daliai ūkininkų ši technologija vis dar atrodo tolima, realybėje DI sprendimai po truputį keičia tai, kaip planuojami darbai, vertinamos rizikos ir priimami sprendimai dėl investicijų.
Šiame straipsnyje aptariama, kur DI sprendimai jau naudojami praktikoje, kaip jie gali paveikti kaimo vietoves, maisto kainas ir ūkio konkurencingumą, ir kas svarbiausia, į ką verta atkreipti dėmesį renkantis naujas technologijas, kad jos taptų realia pagalba, o ne tik brangiu žaislu.
Kur žemės ūkyje atsiranda dirbtinis intelektas
DI dažniausiai įsivaizduojamas kaip sudėtingos programos, tačiau ūkiuose jis dažnai ateina „paslėptas“ jau įdiegtose sistemose: traktorių navigacijoje, meteorologinėse stotelėse, palydovinių nuotraukų analizės platformose ar net buhalterinėje programoje. Ūkininkui tai reiškia ne abstraktų algoritmą, o konkretesnių ir greitesnių atsakymų gavimą.
Labiausiai DI plinta augalininkystėje, kur sprendimus galima pagrįsti dideliais duomenų kiekiais: dirvožemio analizėmis, derlingumo žemėlapiais, palydoviniais ir dronų vaizdais, kelių metų derliaus ir kainų istorija. Tačiau vis dažniau eksperimentuojama ir gyvulininkystėje, pieno ūkiuose, paukštininkystėje, kur DI padeda stebėti gyvulių sveikatą, ėdimo ir produktyvumo pokyčius.
Protingesnė lauko stebėsena ir tikslesnis tręšimas
Viena labiausiai matomų sričių, kurioje naudojami DI sprendimai, yra lauko stebėsena ir tiksliosios žemdirbystės technologijos. Palydoviniai ir dronų vaizdai gali būti apdorojami taip, kad programa atskirtų javų išsivystymo skirtumus, nustatytų prasčiau augančias vietas, o vėliau iš šių duomenų sukurtų kintamų normų tręšimo ar sėjos žemėlapius.
Ūkininkui tai suteikia galimybę tiksliau paskirstyti trąšas ir sėklas, atsižvelgiant į konkretų lauko plotą, o ne dirbti „vidutiniškai“. Ilguoju laikotarpiu tai gali lemti tiek sąnaudų mažėjimą, tiek mažesnį spaudimą aplinkai, nes trąšos naudojamos ten, kur jų labiausiai reikia, o ne vienodai per visą plotą.
Ligų ir kenkėjų rizikos vertinimas
Kita kryptis yra augalų apsaugos planavimas. DI sprendimai gali analizuoti kelių sezonų duomenis, orų sąlygas, dirvožemio informaciją ir prognozuoti, kada didėja konkrečių ligų ar kenkėjų plitimo tikimybė. Tai leidžia ūkininkui laiku reaguoti, o ne purkšti profilaktiškai „dėl viso pikto“.
Toks požiūris prisideda prie racionalesnio augalų apsaugos produktų naudojimo. Nors tai nereiškia, kad jų iš karto reikės kelis kartus mažiau, tikslingesnis purškimas gali sumažinti nereikalingų išvažiavimų į lauką ir suteikti daugiau aiškumo, kodėl pasirenkamas vienas ar kitas laikas bei norma.
Sprendimai dėl sėjomainos ir veislių pasirinkimo
DI sistemos vis dažniau naudoja istorinę ūkio informaciją kartu su rinkos duomenimis, kad padėtų ūkininkui pasirinkti sėjomainą ir kultūrų struktūrą. Analizuojant derliaus svyravimus, kainų pokyčius, dirvožemio savybes ir klimato tendencijas, galima pasiūlyti kelis racionalius scenarijus, kaip paskirstyti laukus tarp skirtingų augalų.
Tokios rekomendacijos nėra privalomos, bet jos suteikia pagrindą labiau skaičiuotam sprendimui. Ūkininkas gali įvertinti ne tik vienų metų prognozuojamą naudą, bet ir ilgesnio laikotarpio riziką, pavyzdžiui, kaip atskirų kultūrų auginimas veikia dirvos būklę ar priklausomybę nuo vieno pirkėjo.
Investicijų planavimas ir poveikis maisto kainoms
DI gali prisidėti ir prie racionalesnių investicijų planavimo. Analizuodama ūkio pajamų ir išlaidų istoriją, produkcijos kainų svyravimus, palūkanų lygį ir planuojamus gamybos pakeitimus, programa gali padėti įvertinti, kada nauja technika ar sandėlys atsipirks, kaip keisis grynasis pinigų srautas ir kokią riziką prisiima ūkininkas.
Jei investicijos labiau pagrįstos skaičiais, o ne nuojauta, mažėja tikimybė, kad ūkis pervertins savo galimybes. Tai ilgainiui svarbu ir vartotojui, nes finansų požiūriu stabilesni ūkiai gali išlaikyti pastovesnes produkcijos kainas, net ir svyruojant žaliavų ar energijos kainoms.
Kasdienio darbo pokyčiai kaime
Praktikoje DI sprendimai keičia ir kasdienį darbą. Dalis ūkio vadovo laiko persikelia nuo lauko prie kompiuterio ar telefono ekrano, kur analizuojamos duomenų ataskaitos ir rekomendacijos. Tai nereiškia, kad fizinio darbo nebelieka, bet vis labiau akcentuojama planavimo ir duomenų vertinimo dalis.
Kaimo vietovėms tai gali reikšti ir naujų kompetencijų poreikį: atsiranda paklausa specialistams, galintiems sujungti agronomiją, ekonomikos išmanymą ir technologijų naudojimą. Dalį šių funkcijų perima paslaugų teikėjai ar kooperatyvai, kurie centralizuotai analizuoja duomenis keliems ūkiams.
Barjerai: nuo kaina iki pasitikėjimo duomenimis
Nors apie DI kalbama vis daugiau, jo plitimą lėtina keli praktiniai barjerai. Pirmasis yra kaina ir aiškaus atsipirkimo klausimas, ypač vidutiniams ir mažesniems ūkiams. Ne visada aišku, per kiek laiko investicija į programinę įrangą ir sensorius virs mažesnėmis išlaidomis ar didesniu derlingumu.
Kitas aspektas yra duomenų kokybė ir pasitikėjimas. Jei ūkio laukai neturi istorinių derlingumo žemėlapių, dirvožemio tyrimai atlikti seniai, o meteorologiniai duomenys renkami netoliese esančioje stotyje, DI rekomendacijos gali būti tik apytikslės. Tai reikalauja papildomų pradinių investicijų į duomenų surinkimą ir jų tvarkymą.
Naudojimo kultūra ir klaidų rizika
Dar vienas iššūkis yra naudojimo kultūra. DI nepakeičia agronomo ar ūkininko, jis tik pateikia skaičiais grįstą nuomonę. Jei rekomendacijos priimamos aklai, neatsižvelgiant į konkrečias sąlygas lauke ar ūkyje, galima priimti netinkamus sprendimus: pavyzdžiui, per vėlai sureaguoti į staigius orų pokyčius ar rinkos pasikeitimus.
Todėl svarbu, kad ūkininkai matytų DI kaip pagalbininką, o ne sprendimų priėmėją. Praktiškai tai reiškia, kad derėtų mokytis skaityti ataskaitas, lyginti jas su realia situacija ir, esant abejonėms, konsultuotis su agronomais ar technikos tiekėjais, o ne vien pasikliauti programos pasiūlymu.
Perspektyvos Lietuvos žemės ūkiui ir vartotojams
DI sprendimų įsisavinimas priklausys nuo kelių veiksnių: technikos ir programinės įrangos kainų, viešosios paramos krypčių, skaitmeninės infrastruktūros kokybės ir pačių ūkininkų nusiteikimo. Tikėtina, kad pirmiausia šios technologijos įsitvirtins didesniuose ir kooperuotuose ūkiuose, o vėliau, atsiradus pigesniems ir paprastesniems sprendimams, pliusus pajus ir mažesnės valdos.
Vartotojui DI įtaka nebus tiesiogiai matoma, tačiau ilgainiui ji gali pasireikšti stabilesnėmis maisto kainomis, aiškesniu žemdirbystės poveikio aplinkai vertinimu ir didesniu skaidrumu. Duomenimis grįsti sprendimai leidžia tiksliau pagrįsti ir viešąją paramą žemės ūkiui, ir diskusijas apie maisto kainų struktūrą nuo lauko iki parduotuvės lentynos.
