陶宗瑤

要成功地大量種植出某種農(nóng)作物，需要生產(chǎn)并使用一大批機械。未來的農(nóng)場，可能同時依靠無人機、衛(wèi)星和其他機載儀器來提供地面農(nóng)作物的有關數(shù)據(jù)。

例如，像笛卡爾實驗室這樣的公司，他們利用機器學習技術(shù)分析衛(wèi)星圖像，從而預測大豆和玉米的產(chǎn)量。

結(jié)合天氣數(shù)據(jù)以及其他實時輸入信號，笛卡爾實驗室能夠以99%的準確率預測玉米田的產(chǎn)量。其人工智能平臺甚至可以通過紅外線探測來評估農(nóng)作物的健康狀況。

美國國防部研究計劃局為笛卡爾實驗室撥款150萬美元，用于監(jiān)測和分析中東和非洲的小麥產(chǎn)量。他們認為，準確的預測結(jié)果可能有助于識別作物歉收地區(qū)，從而有效避免饑荒和政治動蕩。另一家公司使用機器學習算法，以可與衛(wèi)星圖像相當?shù)木_度來預測玉米以及大豆的產(chǎn)量。

同時，農(nóng)民并不需要親自進入農(nóng)田就能了解其中的狀況。

位于奧克蘭市的一家創(chuàng)業(yè)公司，通過使用穿梭于田間的微型機載多光譜攝像機，能夠制作出高分辨率的圖像。這些快照能夠捕捉不同波長上的景觀，從而發(fā)現(xiàn)水壓等問題，同時還可提供對葉綠素和氮含量水平的估計值。使用地理標記圖片可以幫助農(nóng)民輕易對問題點進行定位。

即使是最好的智能系統(tǒng)，無論是來自無人機、衛(wèi)星，還是機器學習算法，在預測氣候變化所帶來的未知問題時，也會面臨巨大的挑戰(zhàn)。這也是越來越多的公司投資于農(nóng)場上所謂“可控環(huán)境農(nóng)業(yè)”的原因之一。

如今，這不僅僅意味著要配置昂貴的溫室，還要配有倉庫大小、全自動化的垂直農(nóng)場，從而為機器人操作提供更大的空間，而且，農(nóng)場并不位于堪薩斯州或內(nèi)布拉斯加州的空曠地帶，而是位于美國主要街道的中間地帶。

支持此種新概念農(nóng)場的人認為，這些高科技的室內(nèi)農(nóng)場能夠達到更高的產(chǎn)量，同時大幅減少用水量以及化肥、除草劑等的使用。

來自舊金山的“鐵牛公司”正在開發(fā)占地一英畝的城市溫室。該溫室由機器人操作，據(jù)稱，其生產(chǎn)量相當于30英畝農(nóng)田的產(chǎn)量。應用人工智能，一個由三臺機器人組成的團隊可以完成種植、培育和收割作物的整個工作過程。

在接受采訪時，太空農(nóng)業(yè)和受控環(huán)境農(nóng)業(yè)專家格瑞博士表示：“我能想象到，在經(jīng)濟落后、食品匱乏的地區(qū)建造一個更大規(guī)模的室內(nèi)農(nóng)場，不僅能夠刺激宏觀經(jīng)濟的發(fā)展，創(chuàng)造更多的就業(yè)機會，而且可以增加該地區(qū)收入……室內(nèi)農(nóng)業(yè)模式可以發(fā)展為城鄉(xiāng)食品匱乏地帶的經(jīng)濟增長以及糧食安全引擎。”

不過，這種模式同樣面臨質(zhì)疑和批評。這些農(nóng)場昕能生產(chǎn)的大部分產(chǎn)品屬于“綠葉蔬菜”種類，而且往往價格不菲，這似乎與在城市“食品荒漠”中創(chuàng)建“綠洲”的使命背道而馳。盡管這些農(nóng)場可能會最大限度地降低用水量，但運營所需電力，尤其是LED照明燈的使用成本并不低（照明燈在徹底改變室內(nèi)農(nóng)業(yè)方面發(fā)揮著重要的作用）。

然而，包括機器人農(nóng)民以及自動化溫室在內(nèi)的所有這些科技進步，都將面對2050年將近100億的居住人口。

聯(lián)合國糧農(nóng)組織經(jīng)常引用的一項數(shù)據(jù)顯示，世界范圍內(nèi)的糧食產(chǎn)量必須要提高70%才能滿足人口對糧食的需求。

或許科技無法拯救世界，但它有助于人類溫飽問題的解決。