[Chuyên mục Jeong Seon-woo] Robot cắt giỏi và robot nuôi trồng giỏi

Robot đang bước vào vườn cây ăn quả. Camera quét qua cây, nhận diện vị trí và độ dày của cành, cánh tay robot vươn ra và cắt cành với lực đã định. Mặt cắt nhẵn mịn. Cảnh máy móc thay con người thực hiện công việc tỉa cành vốn mất nhiều ngày tự thân nó đã gây ấn tượng. Việc nông thôn thiếu nhân lực đã chờ đợi công nghệ như vậy từ lâu cũng là sự thật.

 Thế nhưng khi cùng những nông dân cả đời gắn bó với cây ăn quả nhìn cảnh này, thường sẽ nhận lại cùng một câu hỏi. “Nhưng tại sao lại cắt cành đó?”

Bởi câu hỏi cốt lõi của việc tỉa cành không phải là 'cắt như thế nào' mà là 'giữ lại cành nào'. Tùy vào cách chọn cành để giữ lại, dinh dưỡng dự trữ trong cây sẽ đi về đâu, ánh nắng có lọt được vào bên trong hay không, quả sẽ đậu bao nhiêu và lớn đến mức nào đều thay đổi. Xa hơn nữa, nó còn liên quan đến việc năm sau có bao nhiêu mầm hoa hình thành, và liệu có xảy ra hiện tượng ra quả cách năm khiến sản lượng thu hoạch năm được năm mất hay không. Tỉa cành không phải là thao tác cắt bỏ, mà là một phán đoán sinh lý vượt qua cả một năm.

Ví dụ này cho thấy rõ trọng tâm của nghiên cứu trí tuệ nhân tạo trong nông nghiệp hiện nay đang nằm ở đâu. Công nghệ nhận biết và chuyển động đang nhanh chóng trở nên tinh vi, nhưng câu hỏi rằng thao tác đó để lại điều gì cho cây trồng lại tương đối bị đặt ở phía sau.

Nhìn lại, trong 15 năm qua, chủ ngữ của diễn ngôn về công nghệ nông nghiệp đã liên tục thay đổi. Nhà máy thực vật, nơi trồng cây dưới ánh sáng nhân tạo bất kể mùa vụ, từng nổi lên như biểu tượng của nông nghiệp tương lai, và ngay sau đó trang trại thông minh đã tiếp nhận vị trí ấy. Từ điều khiển từ xa, qua dữ liệu lớn và trí tuệ nhân tạo, các giai đoạn đã nâng lên đến tự động hóa không người vận hành, và hiện nay AI vật lý đang trở thành chủ ngữ mới. Việc công nghệ đi đầu, thu hút sự quan tâm và đầu tư rõ ràng là một thành quả. Tuy nhiên, trong thời gian đó, nghiên cứu sinh lý cây trồng vẫn ở vị trí vai phụ.

 Tôi thử nhớ lại một ghi chép thời ấy. 2000Cuối những năm 2000, có một tài liệu khảo sát trình độ công nghệ nhà máy thực vật trong số các chuyên gia làm vườn trong nước. Khi lấy trình độ hàng đầu thế giới là 100, thiết bị vận chuyển và máy móc đạt 72, hệ thống gieo hạt·ươm cây giống khoảng 66 , còn các hạng mục liên quan đến thiết bị nhà máy và kiểm soát môi trường nhìn chung phân bố trong khoảng 50 đến 60 . Thế nhưng lĩnh vực lai tạo giống rau quả chuyên dụng cho nhà máy thực vật chỉ dừng ở mức 20.

Có lẽ không ai phản đối rằng lý do lớn nhất khiến nhà máy thực vật không lan rộng như kỳ vọng là chi phí đầu tư ban đầu và gánh nặng tiền điện. Tuy nhiên, cũng đáng nhớ rằng trọng tâm công nghệ khi đó đã nghiêng về phía nào.

 Cấu trúc tương tự hiện vẫn lặp lại ở nhiều nơi. Robot thu hoạch phán đoán độ chín bằng màu sắc và kích thước, nhưng nhiều nghiên cứu chỉ ra rằng độ ngọt của quả không có quan hệ nhân quả trực tiếp với màu sắc. Nếu chỉ nhìn bề ngoài để thu hoạch, những quả chưa kịp tăng độ đường cũng bị hái theo. Trí tuệ nhân tạo điều khiển tưới nước·dung dịch dinh dưỡng phản ứng với giá trị cảm biến, nhưng cùng một điều kiện độ ẩm lại có ý nghĩa khác nhau tùy theo giai đoạn sinh trưởng. 

Thời kỳ nhạy cảm nhất với thiếu nước thường tập trung vào giai đoạn ra hoa và đậu quả, và các ngưỡng cần tuân thủ ở mỗi giai đoạn cũng khác nhau. Chẩn đoán bệnh dựa trên hình ảnh đọc các triệu chứng có thể nhìn thấy bằng mắt. Tuy nhiên, trong khi nấm gây bệnh mốc sương khoai tây chỉ bộc lộ triệu chứng sau vài ngày ủ bệnh kể từ khi nhiễm, thì nấm gây bệnh đốm vòng đồng tâm trong cùng cánh đồng, nếu gặp điều kiện phù hợp, gần như biểu hiện triệu chứng ngay lập tức. Thời gian cho đến khi triệu chứng bệnh hiện lên trên màn hình là khác nhau tùy từng tác nhân gây bệnh.

 Tôi cho rằng lý do công nghệ vẫn được phát triển đều đặn nhưng việc phổ biến tại hiện trường lại chậm chính nằm ở đây. Giới nghiên cứu nói về hiệu năng bằng độ chính xác nhận diện, tỷ lệ thành công của thao tác, và thời gian thực hiện công việc. Nông dân đánh giá bằng sản lượng và chất lượng, cũng như sự ổn định của vụ mùa năm sau. Hai thứ ngôn ngữ này khác nhau. Điều nông dân mong muốn không phải là robot cắt giỏi, mà là robot không làm lệch nhịp vụ mùa năm sau. Niềm tin không được tạo ra từ video trình diễn, mà từ kết quả sau khi một mùa vụ đã qua.

 Vậy thì nên bổ sung điều gì. Tôi muốn cùng suy nghĩ về ba điểm.

 Trước hết, dữ liệu cần chạm đến tận kết quả. Dữ liệu học tập hiện nay nhìn chung dừng lại ngay sau khi công việc kết thúc. Nhưng kết quả của công việc nông nghiệp luôn quay trở lại sau một độ trễ thời gian. Nếu là rau ăn lá, nó thể hiện ở sinh trưởng sau vài ngày, nếu là rau quả hoặc cây lương thực, nó thể hiện ở sản lượng và tỷ lệ hàng hóa của vụ đó, còn nếu là cây ăn quả, nó thể hiện ở mầm hoa và sản lượng thu hoạch của năm sau. Để trí tuệ nhân tạo học được liệu phán đoán của mình có đúng hay không, cần có hồ sơ được nối dài đến tận điểm cuối của độ trễ này. Vì thời điểm câu trả lời quay lại khác nhau tùy từng loại cây trồng, thời gian thu thập dữ liệu và nhịp độ nghiên cứu cũng cần được điều chỉnh cho phù hợp với thời gian ấy.

 Tiếp theo, sẽ tốt hơn nếu cùng sử dụng những gì chúng ta đã có. Chúng ta có các mô hình sinh trưởng cây trồng và nghiên cứu sinh lý canh tác đã được tích lũy trong thời gian dài. Trong những lĩnh vực nông nghiệp càng thiếu dữ liệu dồi dào, việc đưa cả tri thức sẵn có vào cùng sẽ có lợi hơn là để máy chỉ học bằng dữ liệu. Nghiên cứu sinh lý không phải là đối thủ cạnh tranh của trí tuệ nhân tạo, mà là tài sản giúp hỗ trợ quá trình học tập.

 Cuối cùng, tôi mong chúng ta cùng đặt ra tiêu chí thành công. Khi bên cạnh độ chính xác nhận diện có thêm các chỉ số như sản lượng và chất lượng, sự ổn định của sản xuất năm sau, ngôn ngữ của nghiên cứu và hiện trường sẽ trở nên gần nhau hơn. Và những tiêu chí như vậy không được tạo ra ở giai đoạn kiểm chứng kết quả, mà được tạo ra ngay từ bước đầu tiên xác định sẽ giải quyết vấn đề gì. Việc các nhà nghiên cứu kỹ thuật và các nhà nghiên cứu làm vườn·sinh lý cây trồng cùng ngồi vào bàn ở thời điểm đó có lẽ chính là điểm khởi đầu thiết thực nhất.

 Thực ra yêu cầu này không phải là điều mới. Khi phân chia các giai đoạn phát triển của công nghệ trang trại thông minh, giai đoạn thứ hai ngay từ định nghĩa đã là mức độ trí tuệ nhân tạo chẩn đoán sinh trưởng và hỗ trợ quyết định của nông dân. Trong bản thiết kế đã có cây trồng rồi. Chỉ là trọng tâm triển khai thực tế vẫn dừng ở phía kiểm soát môi trường mà thôi.

 Để AI vật lý bám rễ trong nông nghiệp, chỉ có đôi tay tinh vi là chưa đủ. Cần có cả đôi mắt đọc được cây đang trải qua điều gì vào lúc này. Sinh lý cây trồng không phải là lĩnh vực tụt hậu trong thời đại trí tuệ nhân tạo, mà là con đường đưa trí tuệ nhân tạo đến với ruộng đồng và vườn cây ăn quả thực tế.

 Tôi tin rằng 'nông nghiệp của mọi người', nơi công nghệ không chỉ dừng lại ở một số nông hộ tiên tiến mà chạm tới ruộng đồng của tất cả nông dân, cũng bắt đầu từ đây. 15Để không phải xác nhận thêm một lần nữa bài học của 15 năm trước, tôi mong công nghệ và nghiên cứu sinh lý sẽ cùng sánh vai.