ИИ-агенты в сельском хозяйстве: простыми словами

В чём разница между ИИ-помощником и ИИ-агентом — и что на самом деле могут делать ИИ-агенты в сельском хозяйстве сегодня? В этом прямом эфире учёный-растениевод Андрей из компании Petiole простым языком объяснит агентный ИИ для сельского хозяйства, а затем проведёт демонстрацию сортировки картофеля с помощью мобильного приложения Petiole Pro. ИИ-ПОМОЩНИК ПРОТИВ ИИ-АГЕНТА — КРАТКИЙ ОТВЕТ ИИ-помощник (ChatGPT, Gemini, Claude, Copilot и другие) — это ваш «дополнительный мозг»: он отвечает на вопросы и создаёт контент, но не может действовать внутри вашей собственной системы. ИИ-агент — это дополнительный мозг плюс «дополнительные руки»: он имеет разрешение работать в вашей среде — ваших файлах, устройствах или оборудовании — и выполняет задачи от вашего имени в цикле восприятия, рассуждения, действия и обучения. ЧТО ВЫ УЗНАЕТЕ Как работает сортировка картофеля с помощью ИИ: подсчет клубней, измерение диаметра и среднего размера по фотографии, сделанной на смартфон, в соответствии с логикой сортировки USDA Почему расстояние до камеры, калибровочные маркеры ArUco и портретная/альбомная съемка влияют на результаты Цикл работы ИИ-агента в сельском хозяйстве: сбор данных → слияние данных → принятие решения → действие → панель управления → обратная связь Что на самом деле означает «слияние данных», на примере полевых заметок и видео Почему ИИ-помощники испытывают трудности с ранним обнаружением болезней сельскохозяйственных культур (фитофтороз картофеля, парша яблони) и склонны к чрезмерному оптимизму Примеры применения: внесение удобрений с переменной нормой внесения на основе карт NDVI, беспилотные тракторы, точное орошение, инспекция дронами, контроль качества после сбора урожая, роботизированная сортировка и управление животноводством/молочным хозяйством Почему сельскому хозяйству нужен ИИ-агент: растущее население, сокращение рабочей силы в сельской местности, нехватка воды, изменение климата и зависимость от удобрений Реальные ограничения: стоимость оборудования, рентабельность инвестиций, внедрение мелкими фермерскими хозяйствами и почему люди должны оставаться в рамках цикл ГЛАВНЫЙ ВЫВОД Начните с первого шага. Если сбор данных выполнен правильно, все последующие действия ИИ-агента станут проще и точнее. В демонстрации одна и та же куча картофеля была посчитана как 54 в портретном режиме и только как 40 в альбомном — наглядный пример того, почему протоколы сбора данных имеют значение. ВРЕМЕННЫЕ МЕТКИ 0:00 Приветствие и план на сегодня 3:39 Демонстрация: сортировка картофеля ИИ в Petiole Pro 5:53 Получение изображений картофеля с помощью калибровочной пластины 8:22 Почему важны расстояние до камеры и маркеры ArUco 10:15 Создание организации и эксперимента 13:59 «Дух ИИ-агента»: работа в фоновом режиме 14:51 Загадочный поврежденный картофель — что это? 16:12 Презентация: ИИ-агенты в сельском хозяйстве 17:38 ИИ-помощник против ИИ-агента: объяснение 21:16 Пример: почему помощник не может редактировать ваши слайды 24:32 Дополнительный мозг против дополнительных рук 25:31 Визуальные и текстовые задачи для ИИ-агентов 27:40 Почему сельскому хозяйству нужны ИИ-агенты: еда, рабочая сила, вода, удобрения 34:10 Цифры: увеличение урожайности и экономия воды 37:12 Цикл автономного агента и управление человеком 41:12 Шаг первый: сбор данных и цикл обратной связи 43:16 Слияние данных: объяснение на примере поля 46:22 Ограничения ИИ-помощников в обнаружении заболеваний 48:52 Пример использования: карты NDVI и беспилотные тракторы 53:48 Точное орошение и автономные дроны 54:27 Цепочка поставок и контроль качества с помощью ИИ-агентов 58:12 Робототехника, участие человека и этика 59:47 Животноводство и молочное производство 1:01:48 Пример из практики: John Deere и Blue River Technology 1:02:23 Проблемы: стоимость, рентабельность инвестиций и мелкие фермеры 1:06:00 История: хакатон Международного картофельного центра (CIP) 1:07:43 Результаты демонстрации: 54 против 40 картофелин — портретная и альбомная ориентация 1:10:55 Почему для измерения размера необходима калибровочная пластина 1:12:13 Заключение ЧАСТО ЗАДАВАЕМЫЕ ВОПРОСЫ Можно ли использовать ИИ-агентов на фермах сегодня? Да, в основном для задач, основанных на тексте и числах, и в контролируемых условиях, таких как контроль качества после сбора урожая. Для задач визуального поля по-прежнему требуются специальные модели компьютерного зрения, обученные для каждой культуры и задачи. Безопасно ли позволять ИИ-агенту действовать автономно на ферме? Не сразу. Ошибки на ферме могут повредить растения, урожай или оборудование, поэтому начните с небольших, измеримых пилотных проектов, проверяйте результаты и оставляйте человека за контролем. Как работает сортировка картофеля с помощью смартфона? Вы фотографируете клубни сверху рядом с калибровочной пластиной. Модель компьютерного зрения подсчитывает каждый картофель, а пластина позволяет преобразовывать пиксели в реальный диаметр и размер. О PETIOLE Petiole разрабатывает инструменты искусственного интеллекта и ко...