未來雲計算和人工智能將改變世界各地人們獲得食物的方式。即使是最古老的農業，也可能在AI的加持下煥發新生機。
近日，荷蘭瓦赫寧根大學（WUR）主辦的國際人工智能溫室種植大賽（Autonomous Greenhouse Challenge）結果揭曉，來自微軟的Sonoma隊拿下冠軍，而來自中國的騰訊AI Lab與農業專家組成的iGrow隊，獲“AI策略”單項第一名、總分第二名，奪得亞軍。
本次大賽全稱是國際人工智能溫室種植大賽（Autonomous Greenhouse Challenge），InfoQ曾經做過前期報道。本次大賽由荷蘭瓦赫寧根大學（WUR）於今年3月發起，歷時半年有餘，旨在通過人工智能與農業等多學科團隊協作，展示人工智能驅動溫室的能力，在提升農業生產力的同時，減少資源消耗，滿足日益增長的人口需求，幫助人類過上更健康的生活。
比賽的挑戰目標，是在4個月內生產出高產量、高資源利用率的黃瓜作物。參賽團隊利用傳感器和攝像頭，獲取溫室氣候、作物發育情況等數據，加入自己的模型或機器學習算法，遠程控制作物生長。
大賽吸引了包括騰訊、英特爾（Deep_greens隊）、微軟（Sonoma隊）等在內的來自15個國家的14支團隊參與。其中，iGrow隊由來自騰訊AI lab的AI專家，以及來自中國農業科學院、北京農業信息技術研究中心、黑龍江植物學會、Syngenta種子公司、荷蘭瓦赫寧根大學的農業專家和學生組成。
在長達半年多的比賽中，iGrow隊歷經編程馬拉松、黃瓜種植挑戰和總決賽，最後以一分之差獲得亞軍。
在比賽中，騰訊實現了對AI+農業領域的技術探索，團隊首創的農業人工智能系統攻克了機器智能嵌入農業專家知識的難題。種植結果顯示，該人工智能系統提高了農產品的產量和自然資源利用率，還大幅降低了傳感器成本，體現了“AI+農業”的應用潛力。
AI+農業到底靠不靠譜？
目前在AI+農業領域，一大技術難點在於，計算機模擬受農業生產的特點影響，與真實的農業種植之間存在巨大的鴻溝。
在農業生產中，影響作物生長的因素極爲複雜，種植很難標準化，環境變化也難以預測，這些因素會嚴重阻礙人工智能的效能發揮。
儘管本次比賽爲環境相對可控、較易標準化的溫室黃瓜生產，但計算機模擬如何有效遷移到真實的農業種植中，依然是一大技術挑戰。
比賽中，騰訊AI Lab的AI專家根據植物學、生物學和物理學等相關學科知識進行建模，建立起模擬氣候環境和作物生長的仿真器。
隨後，團隊開創性地搭建出一個農業人工智能系統，通過創新的強化學習方法，將iGrow農業專家的知識和經驗自然地嵌入仿真器中，使人類專家能夠在種植密度、灌溉施肥、打頂剪枝等方面，實現對AI的有效干預，提高AI學習效率，最終在資源最優化的同時，最大程度地提升了作物產量。
與人類知識融合之後的AI系統，無需專家再次干預，即能自動適應新的環境和條件變化，因此可以快速複製到同類溫室種植中，爲擴大生產規模、實現標準化生產提供條件。在生產自動化方面，該系統可自主運行，從而大幅降低人工管理難度，節約大量人力。
另外，與其他AI種植團隊額外添加了諸多傳感器不同，iGrow 隊僅利用主辦方配置的有限的傳感器，便取得了十分亮眼的成績。系統通過高效的數據模擬和運算，減少了不必要的傳感器的使用，大大降低了智慧農業的生產成本，在市場應用和推廣上頗具潛力。
與傳統的人工種植相比，人工智能的優勢在於，它能對種植過程進行全局優化。從一開始的種植密度、留莖比例，到後來的留葉、留果策略，以及在溫室中對光照、通風、溫度、溼度、CO2濃度、水分等的控制，它都能在仿真器中通過強化學習自動尋找最優解。人工智能可爲作物的各個生長週期尋找和提供最適宜的環境狀態，同時進行資源最優配比，以最大化地節省資源。
“人工智能另一個巨大的優勢是，它可以在短時間內進行大量模擬實驗，相比在真實環境中緩慢地進行人工種植摸索，它能以很低的成本快速提升智能管理水平和經濟效益。”騰訊AI Lab團隊表示。
本次大賽展現了人工智能驅動溫室的能力，騰訊邁出這一步，不僅能帶動AI+農業的探索，也能給最古老的產業帶去更多關注度。
揭祕騰訊AI+農業技術實力
InfoQ在比賽結果披露後第一時間對騰訊參賽團隊和技術專家進行了專訪，針對AI+農業的應用現狀、團隊在本次比賽中的技術創新點、AI+農業的技術難點等問題做更深入的瞭解。
InfoQ：爲什麼騰訊AI Lab會選擇參與這次大賽？AI在農業方面的應用現狀和未來發展前景如何？
騰訊AI Lab團隊：本次比賽充分展現了人工智能驅動溫室的能力，但人工智能的應用並不僅限於室內農業。騰訊希望藉此機會，探索室內和室外農業的機會，以瞭解人工智能如何在全球範圍內提高糧食生產力水平，應對人口增長和可持續性發展的挑戰。
近年來，隨着人工智能技術不斷髮展，其應用已逐漸滲入農業生產全過程。（新聞稿有）
例如，在產前階段，深度人工神經網絡（DNN）可利用物聯網獲取的數據，對灌溉用水進行分析和指導，並通過對土壤成分的檢測分析，選擇適宜種植的作物品種，合理施肥。通過對農作物市場週期需求的大數據分析和預測，也可指導作物種植品種選擇，避免產銷脫節引發價格劇烈波動，造成經濟損失和農產品浪費。另外，雲計算、大數據分析和機器學習等技術，還可以幫助篩選和改良農作物基因，達到提升口味、增強抗蟲性、增加產量的目的。
在產中階段，人工智能技術可用於監測環境數據和農作物生長情況。通過建立病蟲草害特徵分類數據庫，並利用計算機視覺技術識別作物品種、病害程度和雜草生長情況，可實現智能預防和管理病蟲草害，減少經濟損失。不僅如此，這在一定程度上還可減少除草劑和殺蟲劑的使用，提升農產品安全性，減輕環境影響。
針對傳統農業“看天吃飯”的缺陷，利用機器學習技術處理衛星圖像數據，可預測天氣等環境變化對作物的影響，提前應對。在採收環節，計算機視覺技術與機械臂或機器人結合，可實現24小時自動化採收，節省人力，降低成本。此外，大數據處理和語音識別等技術可運用於農業智能專家系統中，爲農業從業者提供專業諮詢服務和指導，幫助解決生產中各種技術問題。
在產後階段，具有計算機視覺的機械臂可進行農產品售前品質檢測、分類和包裝等工作；用大數據分析市場行情，可幫助農產品電商運營，引導企業制定更靈活準確的銷售策略；通過人工智能遺傳算法和多目標路徑優化數學模型，可對物流配送路徑進行智能優化，完善生鮮農產品供應鏈等。
InfoQ：能否具體介紹一下這次大賽有哪些比賽環節？每個環節考察的是什麼？
騰訊AI Lab團隊：
大賽日程：
5月31日/ 6月1日：Hackathon（編程馬拉松）初賽，選出5支團隊進入比賽
9月1日到12月中旬：正式開展人工智能溫室種植實驗（黃瓜生長記錄期：115天，8月21日到12月7日）
第50周（12月）：在瓦格寧根大學決賽評分標準：
- 淨利潤50%
溫室成長挑戰的預定目標：在WUR Bleiswijk的溫室隔間中，通過不斷增長的高線黃瓜獲得最高的淨利潤。每週（週一）提供上個禮拜不同的黃瓜價格，並將黃瓜質量分A、B、C等級。
- 可持續發展性20%
能源利用效率、CO2用量、用水效率、已註冊的農藥使用量。每個方面的定量數據將根據溫室種植實驗期間每個團隊的資源使用情況計算得出，每週統計一次。
- AI戰略方法30%
關於整體科學共性的新穎性，關於在園藝領域應用的新穎性（新穎性）
無需人工干預即可自主遠距離操作的能力（功能性）
無需任何其他傳感器或信息（穩健性）的運營能力
容易實現大規模（可擴展性）
陪審團可能認爲相關的任何其他方面
InfoQ：騰訊AI Lab所在的iGrow團隊在比賽中提出的技術方案有哪些突破和創新點？
騰訊AI Lab團隊：
首創農業人工智能系統有效融合機器智能與人類知識：比賽中，騰訊AI Lab的AI專家根據植物學、生物學和物理學等相關學科知識進行建模，建立起模擬氣候環境和作物生長的仿真器。隨後，團隊開創性地搭建出一個農業人工智能系統，通過創新的強化學習方法，將iGrow農業專家的知識和經驗自然地嵌入仿真器中，使人類專家能夠在種植密度、灌溉施肥、打頂剪枝等方面，實現對AI的有效干預，提高AI學習效率，最終在資源最優化的同時，最大程度地提升了作物產量。降低傳感器成本，可終身學習：與人類知識融合之後的AI系統，無需專家再次干預，即能自動適應新的環境和條件變化，因此可以快速複製到同類溫室種植中，爲擴大生產規模、實現標準化生產提供條件。在生產自動化方面，該系統可自主運行，從而大幅降低人工管理難度，節約大量人力。
全局優化，快速提升經濟效益：大賽結果顯示，iGrow隊在黃瓜產量、質量、資源利用率上，均表現出色。在整個過程中，僅使用了少量的殺蟲劑，符合人們對健康生活品質的要求。與傳統的人工種植相比，人工智能的優勢在於，它能對種植過程進行全局優化。從一開始的種植密度、留莖比例，到後來的留葉、留果策略，以及在溫室中對光照、通風、溫度、溼度、CO2濃度、水分等的控制，它都能在仿真器中通過強化學習自動尋找最優解。人工智能可爲作物的各個生長週期尋找和提供最適宜的環境狀態，同時進行資源最優配比，以最大化地節省資源。人工智能另外一個巨大的優勢是，它可以在短時間內進行大量模擬實驗，相比在真實環境中緩慢地進行人工種植摸索，它能以很低的成本快速提升智能管理水平和經濟效益。
InfoQ：你們的技術方案對於數據量的需求如何？農作物生長緩慢，有那麼多數據去訓練嗎？
騰訊AI Lab團隊：數據量不足是AI+農業領域的普遍難題，本次比賽AI要從零開始訓練，所以我們先利用生成對抗網絡生成模擬氣候條件和作物生長情況的仿真器，然後運用一些創新性的強化學習方法，將農業專家的知識和經驗嵌入仿真器中，幫助AI提高學習效率。
InfoQ：A+農業需要使用不少傳感器，而物聯網數據主要難在收集清洗階段，你們在物聯網數據的使用上有什麼可以讓人借鑑的方法或經驗嗎？
騰訊AI Lab團隊：iGrow隊因減少傳感器使用而備受好評。與其他AI種植團隊額外添加了諸多價格昂貴的傳感器不同，iGrow 隊僅利用主辦方配置的有限的傳感器，便取得了十分優秀的成績。這得益於系統高效的數據模擬和運算，讓我們得知額外傳感器對增加最終產量和減少資源損耗並不會帶來幫助，因此決定不再增加額外傳感器，相比於其他隊伍大大降低了智慧農業的生產成本，在市場應用和推廣上頗具潛力。
溫室數據在一個相對穩定可控的有線局域網中採集，而且數據量也並不大，這與一般物聯網數據有所不同。但從廣義的物聯網或者長遠的物聯網研究上，還是有些方法可以借鑑的。例如我們每個溫室管理有限的傳感器，同時也在一個比較小（物理大小和數據量大小意義上的小）而標準的閉環系統中完成智能的實現。這樣做有很多優點，首先因爲溫室在物理上只有幾十米的距離，數據質量非常可靠而實時，根據這些數據所做的決策可靠性也高；同時因爲是一個閉環系統，對應的人工智能可以單獨完成完整的學習，從而有效而獨立地自我提升； 另外溫室控制本身已經包含了系統決策的絕大部分，這種分佈式的智能體架構就可以完成大部分有實時要求的決策以及其執行。物聯網原理上也可按照這種思維去設計，把數據採集、決策和執行以分佈式智能體的方式物理上就合理地分佈在各個地方，通過分層次的智能去完成系統所有的工作。現實的物聯網運作邏輯比溫室複雜很多，但這種有效分散智能的設計思路可以借鑑。
InfoQ：這種適合於大規模農業環境，而中國普遍是小農作業，你們如何去量化AI+農業的收益？
騰訊AI Lab團隊：溫室的搭建和規模相對於傳統大田生產來說更爲靈活，未來或許可以通過雲計算和人工智能相關技術應用，探索新型的分散式農業的模式，將生產場所遷移到城市及周邊，不僅可以減少物流成本，而且人們可以獲取更新鮮和健康的食物，這也是應對未來全球城市化進程中，耕地面積萎縮和務農人口減少的一種解決方案。不管是室內農業還是室外農業，AI+農業還有非常多的可能，需要我們去探索和發現。
InfoQ：騰訊AI Lab有幾位AI專家參與了這次比賽？他們在其中主要負責哪些工作？
騰訊AI Lab團隊：我們有四位AI專家參與了這個項目，負責AI算法設計、數據分析、溫室實際種植過程操控、與農業專家協調溝通等。
InfoQ：未來AI Lab在AI+農業上有什麼規劃嗎？
騰訊AI Lab團隊：這是一次全新的探索與嘗試。人工智能技術在現代農業生產全階段的滲入，對推進農業的自動化、信息化和智能化，提升農業生產的質量與效率具有重要意義，但技術發展和應用並非一蹴而就。人工智能這麼年輕的行業，與古老的農業相碰撞時，會遇到諸多挑戰，如何預見和解決這些難題，需要耐心、創新，甚至是一些靈感。但其中蘊含的機遇也是巨大的，我們希望能有更多跨學科專家、企業家和投資者一起攜手，共同發掘AI+農業的各種可能性。
騰訊首席探索官網大爲先生在解釋騰訊爲何要大力支持並參與這個項目時表示：“地球現在面臨着人口增長、氣候變化等諸多挑戰，人類賴以生存的FEW（食物、能源、水）對我們的未來至關重要。騰訊的使命是‘通過互聯網服務提升人類生活品質’，作爲國際領先的科技企業，我們必須拓展現有體系和架構，AI是其中一個重要的解決方案——力爭用最少投入獲取最多產出。儘管“AI+農業”應用尚屬早期，但已經取得令人興奮的成果。如果實現自動化，將能釋放驚人的生產力。我們要充分認識到人工智能可以發揮的作用，積極投入資源做技術研發。提高糧食生產力是全球優先事項（Global Priority），而不僅僅是潛在的商業機會。我們需要鼓勵更大膽的設想，激發出更多的解決方案。”
會議推薦：12月20-21，AICon將於北京開幕，在這裏可以學習來自Google、微軟、BAT、360、京東、美團等40+AI落地案例，與國內外一線技術大咖面對面交流。