[Колонка Ян Мёнгюна] Сельскохозяйственный ИИ должен быть технологией, меняющей взгляд, а не просто дающей правильные ответы.

[Экспертная колонка] Ян Мёнгюн, кафедра биопромышленного машиностроения Национального университета Чонбук

Результат одной кнопки и ценность сельскохозяйственного ИИ
ИИ уже стал близкой и привычной технологией. Создавать тексты, анализировать изображения и классифицировать данные стало гораздо проще, чем раньше. Наступила эпоха, когда нажатие одной кнопки дает правдоподобный результат. Эти изменения, безусловно, позитивны. Повышение доступности ИИ означает, что больше людей могут использовать данные и получать возможность по-новому смотреть на проблемы.

Однако ценность сельскохозяйственного ИИ не заканчивается быстрым получением результата нажатием одной кнопки. Сельское хозяйство — это сфера, где сложно переплетены культуры, сорта, среда, сезоны, условия хозяйств и способы работы. Даже одна и та же культура по-разному реагирует в зависимости от периода выращивания и условий среды, а одна и та же технология дает разные результаты в зависимости от условий фермы и инфраструктуры. Поэтому сельскохозяйственный ИИ должен быть не просто инструментом, генерирующим ответы, а технологией, которая глубже считывает сельское хозяйство и связывает его с проверяемой ценностью.

ИИ, который меняет вопросы, а не ИИ, который выдает правильные ответы
До сих пор важные вопросы в сельском хозяйстве в основном определял человек. Например: хорошо ли растут культуры, появились ли болезни и вредители, когда наступает время сбора урожая, подходят ли условия среды. Эти вопросы по-прежнему важны. Однако в эпоху ИИ необходимо сделать еще один шаг вперед.
Важная роль сельскохозяйственного ИИ может заключаться не только в том, чтобы быстрее отвечать на уже известные человеку вопросы, но и в том, чтобы обнаруживать вопросы, которые человек еще не успел задать. Потенциал сельскохозяйственного ИИ заключается не только в более быстром поиске правильных ответов, но и в изменении самих вопросов и точек зрения, через которые мы смотрим на сельское хозяйство.

Технология, считывающая сигналы, которых человек не видел
Примеры того, как ИИ ставит новые вопросы перед существующими представлениями, уже появились во многих областях. Неожиданные ходы AlphaGo поставили новые вопросы перед интуицией, которую люди долго накапливали в игре го. AlphaFold создал возможность выйти за пределы существующих подходов в давней научной задаче предсказания структуры белка. Эти примеры не гарантируют автоматического успеха сельскохозяйственного ИИ. Однако они ясно показывают, что ИИ может не только быстро имитировать человеческое суждение, но и предлагать возможности, которых человек еще не увидел.

То же самое относится и к сельскому хозяйству. Признаки, определенные человеком, такие как высота растения, площадь листьев, симптомы болезней и рецепты выращивания, по-прежнему важны. Однако по мере многократного накопления изображений, спектральных, трехмерных, тепловизионных и экологических данных ИИ может выявлять в тех же данных новые признаки — изменения роста, признаки стресса, различия в реакции сортов, сложные связи между средой и ростом, — которые человек еще не успел определить. Важная ценность сельскохозяйственного ИИ не заканчивается более быстрым расчетом уже наблюдаемых человеком признаков; она заключается в открытии новых взглядов на культуры.

Две инерции, замедляющие сельскохозяйственный ИИ
С этой точки зрения, говоря о сельскохозяйственном ИИ, следует остерегаться двух видов инерции. Первая — это склонность закрывать новые вопросы, ссылаясь на трудности на местах. Конечно, сельскохозяйственная практика сложна. Культуры неоднородны, условия среды не повторяются, а условия и суждения фермеров различаются. Поэтому следует настороженно относиться к позиции, которая говорит так, будто ИИ — это ответ на все, не понимая реальной практики.

Но, с другой стороны, нельзя отталкивать попытки внедрения ИИ или даже новые перспективы, которые он предлагает, только потому, что практика сложна и трудна. Глубокое понимание практики должно быть не основанием для закрытия вопросов будущего, а отправной точкой для создания лучшего ИИ. Практика должна быть не причиной отвергать новые технологии, а причиной, по которой новые технологии должны становиться глубже.

Вторая — это склонность гнаться за названиями новых технологий, не выстраивая достаточно прочную основу. Даже в государственных исследованиях и разработках «новая технология» всегда является важным критерием. Однако в сельскохозяйственном ИИ новизна не означает просто переход к следующему модному слову или поспешную смену направления. Если предыдущие технологии не были достаточно проверены, а данные, стандарты и системы апробации слабы, то даже если поверх них наложить следующую технологию, изменения на практике неизбежно будут ограниченными.

Более того, поскольку технологии ИИ быстро меняются, технологии, которые когда-то считались уже разработанными, часто приходится заново определять, заново проверять и заново связывать с новой средой ИИ. Сельскохозяйственный ИИ — это не ступенчатая технология, которую разрабатывают один раз и затем переходят к следующей; это технология, которую необходимо постоянно пересматривать и обновлять на накопленной основе, включающей даже неудачи.

В конечном счете сельскохозяйственный ИИ замедляют не только чрезмерные ожидания от новых технологий и не только чрезмерная осторожность по отношению к ним. Проблема в том, чтобы говорить только о практике без открытого взгляда или говорить только о новизне без накопления основы. Практика — это место, где технология должна проходить проверку, а новая технология должна быть не оправданием для пропуска основы, а поводом заново ее укрепить.

Невидимые фундаментальные исследования создают будущее сельскохозяйственного ИИ
Так что же нужно для будущего сельскохозяйственного ИИ? Во-первых, открытое мышление, принимающее непривычные сигналы, предлагаемые ИИ, как новые вопросы. Во-вторых, невидимые фундаментальные исследования, необходимые для превращения этих вопросов в ценность на практике. Методы сбора данных, стандарты интерпретации сенсоров, определения фенотипов, моделирование взаимосвязи между культурами и средой, долгосрочные системы апробации — все это может не иметь очевидного немедленного применения и не выглядеть как яркие достижения.

Однако без такой основы новые технологии ИИ начинают шататься в тот момент, когда попадают в практику. Исследования, чья немедленная полезность неочевидна, не обязательно являются далекими от реальности. Напротив, в сельскохозяйственном ИИ именно процессы, которые сейчас не видны, позже станут отправной точкой, определяющей успех или неудачу практического внедрения.

Чтобы сельскохозяйственный ИИ вышел за рамки инструмента, который выдает результат нажатием одной кнопки, и стал технологией, обнаруживающей признаки, которых человек не видел, и превращающей их в проверенную ценность, к этой основе нужно относиться гораздо серьезнее. Когда в будущем мы будем говорить о сельскохозяйственном ИИ, умном земледелии, физическом ИИ и агротехе, важно не быстро гнаться за названиями технологий. Важно спрашивать, как эта технология позволяет по-новому читать сельское хозяйство, какие данные она оставляет и через какую проверку возвращается в практику как ценность.

Будущее сельскохозяйственного ИИ начинается не с более быстрых правильных ответов, а с лучших вопросов. И когда эти вопросы пройдут через данные и проверку и превратятся в ценность на практике, ИИ наконец сможет стать не модным словом, а следующей базовой технологией корейского сельского хозяйства.