農家より賢い人工知能を作るには
最初の拡張現実（AR）搭載型人工知能（AI）作物管理システムが、室内農場に来るかもしれない。 Huxleyは、機械学習、コンピュータビジョン、ARインターフェースを組み合わせて、誰でも実質上の篤農家になれるようにするのだ。
Google Glassのような着用可能な技術を使って、ユーザーに屋内農場の植物に関する情報が提示する。HuxleyのAIは、視覚的な異常を検出して診断し、その原因を特定するために環境データと相関を見ながら、問題を改善するアクションを提案する。創業者のRyan Hooksは、AIが収穫毎に段々と賢くなっていくため、水耕栽培に関する世界で最も偉大な専門家が人間ではなくなるという事が近い将来起こると言う。
Hooksは、GoogleやVevoなどの大型テック企業のメディア部門でさまざまなキャリアを持つと同時に、Food IncやG8サミットにて食糧問題に取り組んでいる。 2014年には、屋内での生産と輸送のためのスマートな成長システムであるIsabelを設立し、2016年にHuxleyのPlant Visionプラットフォームを発表した。
Huxleyがどのように機能するのか、費用はいくらか、今日のマスター農家よりどれだけ速く賢くなるのかについて、Hooksにインタビューを行った。
現在、製品のステータスはどうなっていますか？
私はこの2年間に製品を開発してきました。大麻から大型温室、垂直型農場まで22名のパイロットの用意をしています。彼らはすでにシステムを望んでおり、私たちのチームを適切な位置に配置する資金を入れるだけで、これらのパイロットを実行する事が出来ます。
農業向けデータベースソリューションの多くは、効果的になるためにいくらかの規模が必要です。この製品にはどの程度の規模が必要ですか？
赤外線カメラとRGBカメラは施設内に設置しています。これは1000平方フィートの野菜や大麻を監視したり、15,000ドルの蘭を監視することができます。あなたが望むなら、人工知能（AI）の植物保険と考えることができます。その経済性はさておき、あなたが植物、例えばランを栽培していて、植物単位でHuxleyのAI植物保険を使った場合、私たちはその植物を毎晩写真を撮って病気や異常をスキャンし、センサーから環境データを取得します。文字通り1つの植物単位それを行う事が出来ます。だから、植物が2つだろうが、100だろうが、または1000万だろうが、それぞれの作物が成長し、最高の味と最高の収量を見つける度毎に、あなたは視覚的に、環境的にそうなった条件を知ることができます。
価格体系はどうなりますか？
どんな作物や温室の仕様に応じて、私たちはAIに対して1平方フィート当たりの料金と、拡張現実（AR）に対してメインシステムに掛かる毎月のサービス料を請求するつもりです。 AI自体が時間の経過とともに自己最適化を行うようになっており、温室や作物の種類が増えるにつれて、より多くのデータを共有することができます。
AIに植物知識の基礎を築く最初のレシピをどこで調達していますか？
私たちはAIを訓練して、何を探すべきかを知るための教育機関のデータセットを利用しています。 Huxleyの興味深い点の1つは、「教師あり学習」（機会学習の１つ）のバックエンドを開発してきたことです。それを使うことで、世界の熟練の栽培者や学者は、最適なシナリオのようにAIを鍛えることができます。どのような病気のように見えると異常、私たちはシステムを訓練するように、それはよりスマートになります。
これはすべて視覚的な学習によってという事でしょうか？
私たちがやっていることは視覚的ですが、私たちのデータベースは種から出荷までを追跡し、空気、光、水の状態を把握して、それを視覚情報と関連づけています。
どのように味や風味の異常のような何かを認識するのでしょうか？
作物が理想的な状態でない場合、それはわかります。レタスがより黄色または明るい緑色、または最適な視覚経路から外れている場合、最終的にはあなたはそれを自分で修正する方法がわかるはずです。したがって、その原因が栄養欠乏または環境要因である場合、システムもわかるはずです。 Huxleyにあなたがこれが悪いレタスであると伝える事で、その後Huxleyはそのデータセットの中のすべての画像が成長しないものを判断する良い基準になると理解します。
誤った相関を見出してしまう可能性があるのではないでしょうか？
学者や栽培農家が監督しているので、これらの相関関係はより意味をなすようになります。温室の自動操縦は空気、光および水の条件を制御しています。栄養塩のpHが良好で、環境が最適な設定になっているなら、あなたはそれに踏み込むことはありません。しかし、問題が起こった場合、我々はなぜそれが起こったのかを相関させることができますし、その精度は時間とともに改善されるでしょう。
Huxleyは賢い農家よりも賢くなる可能性がありますか？
どんなコンピュータビジョンシステムや機械学習システムでも、それに入るデータは非常に重要で、監督する必要があり、適切な方法で分類する必要があります。あなたがそれを訓練するほど、（例えば）無人自転車が道を進むほど、それらは自らの周りの世界に対してより良い地図を作り出します。 Huxleyがやっていることは、栽培者が成長するにつれて情報が機械学習とコンピュータビジョンによって追跡されるということです。そして最終的にはそれの信頼水準が上がり、それは最高の栽培者よりも良くなります。最終目標は、これらすべての変数からのストレスを取り除き、農家のプロセスをシンプルするAIを作成することです。
あなたはどのようなタイムラインを想定していますか？
私は植物種ごとに1〜2年は必要でしょう。それは100％になることは決してありませんが、最高の人材の温室での目視確認でも80％の信頼水準でしょう。なぜなら、施設を見て回る最高の人材でさえ、何かを見逃してしまう事もあり、 1日24時間見て回る事は不可能だからです。その80％の閾値を超えると、このシステムはあなたが雇うことができる最高の人よりも優れた仕事をしています。
1つの植物種に焦点を当てるのが、何が本当にできることを見るための最速の方法であるように思えます。あなたのパイロットプログラムがとても多様である理由はありますか？
私たちが作っているシステムはPlant Visionと呼ばれており、どの生産者が何を作っていても、自分たちのデータセットを訓練することができます。私たちは大麻から始めています。なぜなら、それは最も経済的に実行可能だからです。もし、ランや高いマージンの高価値商品が経済合理的であれば、最初にそこからはじめる事がよいかもしれません。また、研究開発のために、サイクルがより重要です。90日間よりも30日間のサイクルの植物の方がより早く学べるでしょうから。
どこかに本当に$ 15,000のランがあるのでしょうか？
はい、もし高価な花を探せば、60,000ポンド（$ 207k）で売られているランを見つける事ができます。だから私たちはランのAI保険もありえると思っているのです。サフランは1ポンド当たり900ドルです！ 虫が入ってきて、サフランにダメージを与えようとした瞬間に、私たちはそれをレーザーで切ってやりますよ。
LINK: https://agfundernews.com/build-artificial-intelligence-indoor-farm.html
関連記事
PSソリューションズと日立、農業IoT「e-kakashi」販売開始
富士通がベトナムで新規ビジネス：農業をITでスマートに
オイシックス"食＆料理×テクノロジー"をテーマにStartup Show Cas･･･
