杰里米·邦奇（Jeremy Bunch，右二）哀求他的农人利用人工智能来辅导他们的决策

像许多食品公司的老板一样，杰里米·邦奇（Jeremy Bunch）担心景象变革对他的业务的影响。

“景象和气候可能是我们公司面临的头号风险，”美国面粉公司Shepherd's Grain的老板说。

该公司总部位于爱达荷州，从美国太平洋西北部的农人那里采购小麦。

随着景象模式变得越来越不可预测，邦奇师长西席说：“我须要有一个B操持，C操持，以防A操持失落败。

为了帮助加强这些操持，邦奇的公司现在正在利用一个名为ClimateAi的人工智能软件系统。

利用当前和过去的数据，例如来自卫星图像、温度和降雨量读数的数据，并将其与未来的预测相结合，ClimateAi 旨在为农人供应最准确的、因时制宜的景象预报，从未来一小时到六个月。

然后，它会准确建议何时栽种和收成特定作物，并预测其产量。

Shepherd's Grain 去年才开始利用 ClimateAi，但其 40 多名农人中的大多数现在已经接管了该运用程序的辅导。

“他们开始关注ClimateAi，以帮助他们方案小麦作物的作物管理决策，小麦作物是该地区栽种的紧张作物，”邦奇师长西席说。

“对景象的前瞻性不雅观察有助于我们的栽种者决定栽种哪些作物。
该平台知道何时栽种，以及作物何时开始着花和结籽。

总部位于旧金山的ClimateAi首席实行官Himanshu Gupta表示，种子行业面临的最大问题之一是如何更快、更便宜地向市场推出具有景象适应能力的种子。

“当一些种子公司这样做时，比如说10到15年，景象已经发生了变革，”Gupta师长西席说。
“我们正在争分夺秒地推出新的种子品种。
”

他说，ClimateAi可以帮助这些公司理解特定测试种子在特定地区或地方的表现。
“这可以帮助种子公司找出栽种种子的最佳位置。

ClimateAi 的软件建议何时栽种和收成农作物

去年，揭橥在科学杂志《自然》上的一项研究警告说，由于景象变革的影响，天下各地同时发生许多作物歉收的潜在恐怖后果。

“紧张作物产区同时歉收对环球粮食安全构成威胁，”报告说，由哥伦比亚大学拉蒙特-多尔蒂地球不雅观测站的景象科学家Kai Kornhuber领导。

根据联合国的数据，到2050年，天下人口估量将达到100亿，高于目前的80亿。

随着农作物压力的增加，同时环球人口持续增长，人工智能能否成为开拓能够更好地应对极度景象的新品种的关键？

在坦桑尼亚的阿鲁沙市，国际热带农业中央的农业科学家大卫·盖雷纳（David Guerena）正在领导一个名为“阿尔忒弥斯”的项目。

在比尔和梅琳达·盖茨基金会的帮助下，它正在利用人工智能来帮助造就更具弹性的作物。
详细来说，人工智能正在帮助加快称为表型剖析的事情。

这是基于对新作物品种特色的不雅观察对其特色的视觉研究，例如植物有多少朵花、豆荚或叶子。

“传统上，开拓一种新的作物品种大约须要 10 年韶光，”Guerena 师长西席阐明说。
“但考虑到景象变革的速率，这个韶光框架不再可行。

他补充说，表型剖析事情传统上依赖于人眼。
“但人类并没有始终如一地做到这一点，以必要的高精度来做出奇妙但主要的植物选择，”Guerena师长西席说。

“现场温度可能超过30°C。
这很累，疲倦会影响数据质量。

取而代之的是，参与该项目的栽种者正在通过智好手机上的运用程序为他们的作物拍照。
然后，经由演习的 AI 可以快速剖析、记录和报告它所看到的内容。

“打算机可以每天打算每株植物的每一朵花或豆荚，而不会感到疲倦，”Guerena师长西席说。
“这非常主要，由于豆类植物的花朵数量与直接影响产量的豆荚数量干系。

“数据可能非常繁芜，要理解正在发生的事情，但人工智能可以用来理解这些繁芜的数据并获取模式，显示我们须要资源的地方，显示建议。

“我们的植物育种者估计，借助来自人工智能打算机视觉的更好数据，他们可能能够将育种周期缩短到几年。

美国农业科技公司Avalo开拓了成长速率更快的西兰花

在北卡罗来纳州，Avalo是一家农业技能或“农业技能”企业，也致力于创造具有景象适应能力的作物。
它通过利用人工智能来帮助研究作物的遗传学来做到这一点。

“我们的过程从有关作物的基因组数据开始，例如各种品种的序列，”Avalo 的首席运营官 Rebecca White 说。

“例如，对付不同的西红柿，基因组存在一些眇小的差异，使它们具有不同的性状，例如不同的味道，抗农药的特色。
我们的机器学习程序能够利用许多品种的这些眇小差异，并查看哪些基因组对哪些性状很主要。

怀特女士说，利用他们的技能，他们已经能够创造出一种西兰花，在温室中成熟韶光为37天，而不是标准的45至60天。

“在这个韶光尺度上生产的西兰花可以得到额外的成长周期，它节省了碳足迹并改进了对环境的影响。
”

Avalo与亚洲和北美的公司互助，也在努力使水稻抗霜冻，使马铃薯更耐旱。

“我们的核心技能可以通过最少的演习来识别繁芜性状的遗传根本，并通过测序和预测剖析，快速、廉价地评估和仿照新的植物品种，”怀特女士说。

“我们正在为各种作物创造新品种，与传统育种比较，这些作物的开拓速率快五倍，本钱仅为传统育种的一小部分。
”

然而，伦敦大学学院生态学和生物多样性教授凯特·琼斯（Kate E Jones）说，虽然人工智能可以帮助减轻景象干系景象的影响，并增强作物的复原力，但在农业中利用人工智能仍存在许多寻衅。

“人工智能在确保粮食安全方面的有效性还取决于应对数据质量、技能可及性等寻衅......同时承认人工智能是可持续和有弹性农业综合计策中的浩瀚工具之一。