[Chuyên mục của Yang Myeong-gyun] AI nông nghiệp phải là công nghệ thay đổi góc nhìn hơn là chỉ đưa ra đáp án đúng.

[Chuyên mục chuyên gia] Yang Myeong-gyun, Khoa Kỹ thuật Máy công nghiệp sinh học, Đại học Quốc gia Jeonbuk

Kết quả của một nút bấm và giá trị của AI nông nghiệp
AI giờ đây đã trở thành một công nghệ quen thuộc. Việc tạo câu, phân tích hình ảnh và phân loại dữ liệu đều đã trở nên dễ dàng hơn rất nhiều so với trước đây. Chúng ta đã bước vào thời đại mà chỉ cần nhấn một nút là có thể cho ra một kết quả có vẻ hợp lý. Sự thay đổi này rõ ràng là tích cực. Việc AI trở nên dễ tiếp cận hơn có nghĩa là nhiều người hơn có thể tận dụng dữ liệu và có cơ hội nhìn nhận vấn đề theo những cách mới.

Tuy nhiên, giá trị của AI nông nghiệp không dừng lại ở việc tạo ra kết quả nhanh chóng chỉ bằng một nút bấm. Nông nghiệp là một hiện trường nơi cây trồng, giống, môi trường, mùa vụ, điều kiện nông hộ và phương thức canh tác đan xen phức tạp. Ngay cả với cùng một loại cây trồng, phản ứng cũng khác nhau tùy theo thời điểm canh tác và môi trường, và ngay cả cùng một công nghệ cũng cho kết quả khác nhau tùy theo điều kiện của nông hộ và cơ sở vật chất. Vì vậy, AI nông nghiệp không nên chỉ là công cụ tạo ra câu trả lời, mà phải là công nghệ giúp đọc hiểu nông nghiệp sâu hơn và kết nối nó với giá trị có thể kiểm chứng.

AI thay đổi câu hỏi hơn là AI đưa ra đáp án đúng
Cho đến nay, những câu hỏi quan trọng trong nông nghiệp phần lớn do con người đặt ra. Chẳng hạn như cây trồng có đang phát triển tốt không, sâu bệnh có xuất hiện không, khi nào là thời điểm thu hoạch, điều kiện môi trường có phù hợp không. Những câu hỏi này vẫn rất quan trọng. Tuy nhiên, trong thời đại AI, cần phải tiến thêm một bước.
Một vai trò quan trọng của AI nông nghiệp có thể không chỉ là trả lời nhanh hơn những câu hỏi mà con người đã biết, mà còn là phát hiện ra những câu hỏi mà con người chưa kịp nghĩ đến để đặt ra. Tiềm năng của AI nông nghiệp không chỉ nằm ở việc tìm ra đáp án đúng nhanh hơn, mà còn ở việc thay đổi chính những câu hỏi và góc nhìn dùng để nhìn nhận nông nghiệp.

Công nghệ đọc những tín hiệu mà con người không nhìn thấy
Những trường hợp AI đặt ra câu hỏi mới cho các góc nhìn hiện có đã xuất hiện trong nhiều lĩnh vực. Những nước đi lạ mà AlphaGo thể hiện đã đặt ra những câu hỏi mới đối với trực giác mà con người tích lũy lâu nay trong cờ vây. AlphaFold đã tạo ra cơ hội vượt qua giới hạn của các cách tiếp cận hiện có trong bài toán khoa học lâu đời là dự đoán cấu trúc protein. Những trường hợp này không bảo đảm nguyên vẹn thành công của AI nông nghiệp. Tuy nhiên, chúng cho thấy rõ rằng AI không chỉ dừng lại ở việc nhanh chóng bắt chước phán đoán của con người, mà còn có thể đưa ra những khả năng mà con người chưa nhìn thấy.

Trong nông nghiệp cũng vậy. Những đặc trưng do con người định nghĩa như chiều cao cây, diện tích lá, triệu chứng bệnh và công thức canh tác vẫn rất quan trọng. Tuy nhiên, khi dữ liệu hình ảnh, quang phổ, 3D, ảnh nhiệt và dữ liệu môi trường được tích lũy lặp đi lặp lại, AI có thể từ chính cùng một dữ liệu đó đề xuất những đặc trưng mới như thay đổi sinh trưởng, dấu hiệu căng thẳng, khác biệt phản ứng theo giống, và mối quan hệ phức hợp giữa môi trường và sinh trưởng mà con người chưa kịp định nghĩa. Giá trị quan trọng của AI nông nghiệp không dừng lại ở việc tính toán nhanh hơn những đặc trưng mà con người vốn quan sát, mà nằm ở việc mở ra những góc nhìn mới về cây trồng.

Hai quán tính làm chậm AI nông nghiệp
Từ góc nhìn này, có hai kiểu quán tính cần thận trọng khi nói về AI nông nghiệp. Thứ nhất là xu hướng khép lại những câu hỏi mới vì những khó khăn của hiện trường. Dĩ nhiên, hiện trường nông nghiệp rất phức tạp. Cây trồng không đồng đều, môi trường không lặp lại, và điều kiện cũng như phán đoán của các nông hộ đều khác nhau. Vì vậy, cần cảnh giác với thái độ nói như thể AI là câu trả lời cho mọi thứ mà không hiểu hiện trường.

Tuy nhiên, ngược lại, cũng không nên gạt bỏ những nỗ lực áp dụng AI hay cả những góc nhìn mới mà AI đưa ra chỉ vì hiện trường khó khăn và phức tạp. Hiểu sâu về hiện trường không nên là căn cứ để khép lại những câu hỏi của tương lai, mà phải là điểm khởi đầu để tạo ra AI tốt hơn. Hiện trường không nên là lý do để từ chối công nghệ mới, mà phải là lý do khiến công nghệ mới cần trở nên sâu sắc hơn.

Thứ hai là xu hướng chạy theo tên gọi của công nghệ mới mà không xây dựng đủ nền tảng. Ngay cả trong nghiên cứu phát triển cấp quốc gia, “công nghệ mới” luôn là một tiêu chí quan trọng. Tuy nhiên, trong AI nông nghiệp, tính mới không chỉ đơn giản có nghĩa là chuyển sang từ khóa tiếp theo hoặc vội vàng đổi hướng. Nếu các công nghệ trước đó chưa được kiểm chứng đầy đủ, còn dữ liệu, tiêu chuẩn và hệ thống thực chứng vẫn yếu, thì dù có đặt công nghệ tiếp theo lên trên, sự thay đổi tại hiện trường cũng khó tránh khỏi bị hạn chế.

Hơn nữa, khi công nghệ AI thay đổi nhanh chóng, những công nghệ từng được cho là đã phát triển trong quá khứ thường cũng cần được định nghĩa lại, kiểm chứng lại và kết nối lại để phù hợp với môi trường AI mới. AI nông nghiệp không phải là công nghệ bậc thang phát triển một lần rồi chuyển sang công nghệ tiếp theo, mà là công nghệ phải liên tục nhìn lại và làm mới trên nền tảng tích lũy, kể cả những thất bại.

Cuối cùng, điều làm chậm AI nông nghiệp không chỉ là kỳ vọng quá mức vào công nghệ mới, cũng không chỉ là sự dè dặt quá mức với công nghệ mới. Vấn đề nằm ở chỗ chỉ nói về hiện trường mà thiếu góc nhìn cởi mở, hoặc chỉ nói về cái mới mà không tích lũy nền tảng. Hiện trường là nơi công nghệ phải được kiểm chứng, và công nghệ mới không nên là cái cớ để bỏ qua nền tảng, mà phải là cơ hội để xây dựng lại nền tảng đó theo cách mới.

Nghiên cứu nền tảng vô hình tạo nên tương lai của AI nông nghiệp
Vậy điều gì là cần thiết cho tương lai của AI nông nghiệp? Một là tư duy cởi mở để tiếp nhận những tín hiệu lạ mà AI đưa ra như những câu hỏi mới. Hai là nghiên cứu nền tảng vô hình để biến những câu hỏi đó thành giá trị tại hiện trường. Phương pháp thu thập dữ liệu, tiêu chuẩn diễn giải cảm biến, định nghĩa kiểu hình, mô hình hóa mối quan hệ giữa cây trồng và môi trường, và hệ thống thực chứng dài hạn có thể chưa rõ sẽ được dùng vào đâu ngay lập tức, và có thể không trông giống những thành quả hào nhoáng.

Tuy nhiên, nếu không có những nền tảng như vậy, công nghệ AI mới sẽ chao đảo ngay khi bước vào hiện trường. Nghiên cứu mà công dụng trước mắt chưa rõ không phải tất cả đều là nghiên cứu xa vời. Trái lại, trong AI nông nghiệp, những quá trình chưa nhìn thấy ngay lúc này về sau sẽ trở thành điểm khởi đầu quyết định thành bại của việc ứng dụng tại hiện trường.

Để AI nông nghiệp vượt qua vai trò là công cụ tạo ra kết quả chỉ bằng một nút bấm và trở thành công nghệ phát hiện những đặc trưng mà con người không nhìn thấy rồi dẫn chúng tới giá trị đã được kiểm chứng, cần phải xem trọng những nền tảng này một cách nghiêm túc hơn. Khi nói về AI nông nghiệp, nông nghiệp thông minh, AI vật lý và agtech trong tương lai, điều quan trọng không phải là nhanh chóng chạy theo tên gọi của công nghệ. Điều quan trọng là đặt câu hỏi công nghệ đó giúp chúng ta đọc nông nghiệp theo cách mới như thế nào, để lại loại dữ liệu nào, và thông qua sự kiểm chứng nào mà quay trở lại thành giá trị cho hiện trường.

Tương lai của AI nông nghiệp không bắt đầu từ những đáp án đúng nhanh hơn, mà từ những câu hỏi tốt hơn. Và khi những câu hỏi đó đi qua dữ liệu và kiểm chứng để dẫn tới giá trị tại hiện trường, AI khi ấy mới có thể trở thành không phải một từ thời thượng, mà là công nghệ nền tảng tiếp theo của nông nghiệp Hàn Quốc.