［梁明均コラム］フィジカルAI時代、農業データには「動詞」があるのか

AIが画面の中で答えを出していた時代を経て, 現実を見て判断し自ら動くフィジカル AIが注目されている. 農業でも収穫, 防除, 搬送, 環境制御に AIとロボットを組み合わせようとする試みが急速に増えている. しかしロボットやモデルについて語る前に、まず問うべきことがある. 行動を学ぼうとする AIに、私たちは何を読ませるのか.

これまでの農業データを品詞に分けてみると、そのほとんどは ‘名詞’だ. 温度, 湿度, 葉面積, 果実, 病徴, 収量. しかしフィジカル AIが現実で行動するためには、名詞だけでは十分ではない. 農業データにも ‘動詞’が必要だ.
 

言葉は多く, 文は少ない

農業 AIはこれまで作物を ‘見る’ 能力を急速に高めてきた. RGB 画像に 3次元, 分光·ハイパースペクトル, 熱画像, 環境センサーを組み合わせるマルチモーダルなアプローチは、作物の状態を一段と精密に表現できるようにした. こうしたデータはフィジカル AIの ‘目’になる. 行動するには、まず正しく見なければならないからだ.

動詞がまったくないわけでもない. スマート温室の制御装置は、天窓をいつ開け、養液をどれだけ供給したかを残す. ただし記録はたいていそこで終わる. そのとき作物がどのような状態だったのか, なぜその判断をしたのか, その後どのように反応したのかは、別の場所にあるか、残っていない. 摘葉, 摘果, 誘引, 収穫のように人の手で行う作業は、その行動自体がデータとして残らない場合が多い.

結局、不足しているのはデータの量だけでなく、つながりだ. どのような状態で, 何を, なぜ行い, その結果、何が変わったのか. この四つが時間の流れの中でつながって初めて、 AIが学べる一つの ‘文’になる. 私たちの農業データには言葉は多いが、文は少ない.
 

待つことも動詞だ

収穫ロボットを思い浮かべてみよう. 果実の位置を見つけ、ロボットアームが近づいて摘み取る軌跡だけを集めても、十分な行動データになるわけではない. なぜその果実を選んだのか, どの方向から接近したのか, どれほど力を加えたのか, 収穫後に損傷はなかったのかが、あわせて存在しなければならない.

さらに興味深いのは、摘み取らなかった果実だ. 熟練した作業者は、見ても手を出さない. 一日か二日、もう少し待つほうがよいと判断したからだ. 農業では ‘待つ’ことも重要な行動だ. しかし、しなかったことは普通、記録に残らない. したことだけを記録したデータで学んだ AIは、いつ動くべきかは学べても, いつ動かないべきかを学ぶのは難しい.
 

農業の文は遅れて終わる

多くの製造·物流ロボット作業では、物体をつかんだか, 所定の位置に置いたかを短時間で確認できる. 農業はそうでない場合が多い. 今日の灌水と養液調整は数日後の生育と品質に影響を与え, 摘葉と剪定は数週間後に収量と品質の差として現れる. 同じ行動でも品種や生育段階, 環境によって結果が変わる.

文にたとえれば、主語と動詞は今日書かれたのに、句点は数日または数週間後に打たれるということだ. その間に天候が変わり、ほかの作業が重なることで、どの結果がどの行動に由来するのかを見極めるのが難しくなる. 生きている生物を相手にするという点は、農業フィジカル AIが他分野の自動化をそのまま持ち込むだけでは完成しにくい理由だ.
 

暗黙知は正解ではなく仮説だ

農業では、熟練農業者の経験と感覚, すなわち暗黙知が重要だと言われる. 葉の色や姿勢, その日の天候を見て ‘今日は水を少し控えよう’と判断する能力は確かに存在する. それなら、その判断をそのまま AIに教えればよいのだろうか.

同じ状況でも熟練農業者ごとに判断は異なり得るし, 長く使ってきた方法が常に最善だという保証もない. 良い結果には農業者の判断だけでなく、施設, 品種, 気象といったさまざまな条件がともに作用する. したがって、記録を多く集めるだけで特定の判断の効果が自然に切り分けられるわけではない. 似た条件で別の方法を試した事例や比較実験があってこそ、その判断が正しかったのかを確認できる.

だから暗黙知は、 AIが従うべき正解というより、検証を待つ良い仮説に近い. 農業者の経験をデータ化するということは、経験を正解としてコピーすることではなく, いつ有効で、いつそうでないのかを確認できる知識へと変えることだ.
 

新しいモデルの名前より先に問うべきこと

フィジカル AIでは VLA(視覚·言語·行動) モデル, 複数のロボットの経験を共同で学習するモデル, 仮想環境とワールドモデルを用いて経験を拡張する技術が急速に発展している. しかし、より先に問うべきなのは、そのモデルが何を経験しながら学ぶのかだ.

私たちはフィジカル AIのための新しい農業データを作っているのか, それとも慣れ親しんだデータに新しい技術の名前を付けているのか.

これまで農業の状態を記録してきたのなら, これからは農業の行動を記録する番だ. 見て, 待ち, 近づき, つかみ, 切り, 水をやり, 換気する ‘動詞’が名詞のそばに置かれ、それが結果までつながって一つの文になったとき, フィジカル AIもようやく農業を動かす方法を学べるようになるだろう.