[梁明均专栏] 实体AI时代，农业数据中有“动词”吗

AI已经走过了在屏幕中给出答案的时代, 能够观察现实、作出判断并直接行动的实体 AI正受到关注. 在农业领域，将 AI和机器人结合用于收获, 防治, 搬运, 环境控制的尝试也在迅速增加. 然而，在谈论机器人和模型之前，首先需要提出一个问题. 对于想要学习行动的 AI，我们要让它读取什么.

如果把迄今为止的农业数据按词性来划分，大多数都是 ‘名词’. 温度, 湿度, 叶面积, 果实, 病征, 收获量. 但是，实体 AI要在现实中行动，仅有名词并不足够. 农业数据中也需要 ‘动词’.
 

词语很多, 句子却很少

农业 AI此前一直在快速提升‘观察’ 作物的能力. RGB 影像结合 3维, 光谱·高光谱, 热成像, 环境传感器的多模态方法，使作物状态能够得到更加精密的表达. 这些数据会成为实体 AI的 ‘眼睛’. 因为要行动，首先必须看得准确.

也并不是完全没有动词. 智能温室的控制器会记录天窗何时打开、营养液供应了多少. 只是记录通常到此为止. 当时作物处于什么状态, 为什么作出这样的判断, 之后又如何反应，这些信息要么在别处，要么没有留下. 摘叶, 疏果, 牵引, 收获等由人手完成的作业，其行为本身很多时候并不会作为数据留下.

归根结底，不足的不只是数据量，还有连接. 在什么状态下, 做了什么, 为什么做, 结果又发生了什么变化. 这四项在时间流中串联起来时，才会成为 AI可以学习的一句 ‘句子’. 我们的农业数据中词语很多，但句子很少.
 

等待也是动词

想象一下收获机器人. 仅仅收集找到果实位置后机械臂靠近并摘取的轨迹，并不足以成为充分的行为数据. 为什么选择那颗果实, 从哪个方向接近, 用了多大力度, 收获后是否没有损伤，这些也必须同时存在.

更有意思的是没有采摘的果实. 熟练的作业者即使看到了也不会动手. 因为他们判断再等一两天更好. 在农业中， ‘等待’同样是一种重要的行动. 但没有做的事通常不会留在记录中. 只用“做过的事”记录下来的数据来学习的 AI，即使能学会什么时候该行动, 也很难学会什么时候不该行动.
 

农业的句子结束得很晚

在许多制造·物流机器人作业中，是否抓住了物体, 是否放到了指定位置，都可以在短时间内确认. 农业中很多情况并非如此. 今天的灌溉和营养液调节，会影响几天后的生长和品质, 摘叶和修剪则会在几周后表现为产量和品质的差异. 相同的行为也会因品种、生育阶段, 环境不同而产生不同结果.

如果用句子来比喻，就是主语和动词今天已经写下，但句号要到几天或几周后才落下. 其间天气变化，其他作业叠加，使得很难分辨哪个结果源自哪个行动. 面对的是有生命的生物，这正是农业实体 AI难以仅凭照搬其他领域自动化就完成的原因.
 

默会知识不是答案，而是假设

人们常说，在农业中，熟练农民的经验和感觉, 也就是默会知识很重要. 观察叶片的颜色和姿态, 以及当天的天气后判断 ‘今天少浇一点水吧’的能力确实存在. 那么，把这种判断原样教给 AI就可以了吗.

即使在相同情况下，不同熟练农民的判断也可能不同, 长期沿用的方法也不能保证总是最佳. 好的结果不仅来自农民的判断，也有设施, 品种, 气象等多种条件共同发挥作用. 因此，仅仅大量收集记录，并不会自动分离出某一判断的效果. 还必须有在相似条件下采取不同做法的案例或对比实验，才能确认该判断是否正确.

因此，默会知识与其说是 AI应当遵循的正确答案，不如说更接近等待验证的良好假设. 将农民的经验数据化，并不是把经验复制成答案, 而是把它转化为能够确认何时有效、何时无效的知识.
 

在新模型的名称之前应先提出的问题

在实体 AI中， VLA(视觉·语言·行动) 模型, 共同学习多个机器人经验的模型, 利用虚拟环境和世界模型扩展经验的技术正在快速发展. 然而，更应该先问的是，这个模型将通过什么经验来学习.

我们是在为实体 AI创造新的农业数据, 还是只是在熟悉的数据上贴上新技术的名称.

如果说迄今为止我们一直在记录农业的状态, 那么现在轮到记录农业的行动了. 观察, 等待, 靠近, 抓取, 切割, 浇水, 通风这些 ‘动词’被放在名词旁边，并一直连接到结果，形成一句完整的句子时, 实体 AI也才终于能够学会如何驱动农业.