腾讯第一次种黄瓜，又长又直，还拿了奖
原创： 非主流 [AI科技大本营]
作者 | 非主流
出品 | AI科技大本营
看这一篮水灵的黄瓜，卖相也好，为啥贴着腾讯的标签？难道腾讯要开始卖瓜？
其实，腾讯不是卖瓜，而是亲自种了一次瓜。
缘起：AI 温室种黄瓜比赛
昨天（12 月 12 日），荷兰瓦赫宁根大学（WUR）主办的国际人工智能温室种植大赛（Autonomous Greenhouse Challenge）结果揭晓。其中，微软团队 Sonoma 总分第一，腾讯 AI Lab 与农业专家组成的 iGrow 队总分第二，拿下亚军。
本次大赛由荷兰瓦赫宁根大学于今年 3 月发起，旨在通过人工智能与农业等多学科团队协作，展示人工智能驱动温室的能力，在提升农业生产力的同时，减少资源消耗，满足日益增长的人口需求，帮助人类过上更健康的生活。
比赛的挑战目标，是在 4 个月内生产出高产量、高资源利用率的黄瓜作物。参赛团队利用传感器和摄像头，获取温室气候、作物发育情况等数据，加入自己的模型或机器学习算法，远程控制作物生长。
比赛的温室
大赛吸引了包括微软（Sonoma 队）、腾讯（iGrow 队）、英特尔（Deep_greens 队）等在内的来自 15 个国家的 14 支团队参与。其中，iGrow 队由来自腾讯 AI Lab 的 AI 专家，以及来自中国农业科学院、北京农业信息技术研究中心、黑龙江植物学会、Syngenta 种子公司、荷兰瓦赫宁根大学的农业专家和学生组成。
目前在“AI+农业”领域，一大技术难点在于，计算机模拟受农业生产的特点影响，与真实的农业种植之间存在巨大的鸿沟。在农业生产中，影响作物生长的因素极为复杂，种植很难标准化，环境变化也难以预测，这些因素会严重阻碍人工智能的效能发挥。尽管本次比赛为环境相对可控、较易标准化的温室黄瓜生产，但计算机模拟如何有效迁移到真实的农业种植中，依然是一大技术挑战。
iGrow团队人工智能系统
比赛中，腾讯 AI Lab 的 AI 专家根据植物学、生物学和物理学等相关学科知识进行建模，建立起模拟气候环境和作物生长的仿真器。随后，团队开搭建出一个农业人工智能系统，通过创新的强化学习方法，将 iGrow 农业专家的知识和经验自然地嵌入仿真器中，使人类专家能够在种植密度、灌溉施肥、打顶剪枝等方面，实现对 AI 的有效干预，提高 AI 学习效率，最终在资源最优化的同时，最大程度地提升作物产量。
与传统的人工种植相比，人工智能的优势在于，它能对种植过程进行全局优化。从一开始的种植密度、留茎比例，到后来的留叶、留果策略，以及在温室中对光照、通风、温度、湿度、CO2浓度、水分等的控制，它都能在仿真器中通过强化学习自动寻找最优解。人工智能可为作物的各个生长周期寻找和提供最适宜的环境状态，同时进行资源最优配比，以最大化地节省资源。
专访：腾讯还会种什么？
AI科技大本营：人工智能温室种植大赛的评分标准（比如AI策略）有哪些？每项评分标准代表这什么？
答：评分标准：
净利润50%——温室成长挑战的预定目标：在WUR Bleiswijk的温室隔间中，通过不断增长的高线黄瓜获得最高的净利润。每周（周一）提供上个礼拜不同的黄瓜价格，并将黄瓜质量分A、B、C等级。
可持续发展性20%——能源利用效率、CO2用量、用水效率、已注册的农药使用量。每个方面的定量数据将根据温室种植实验期间每个团队的资源使用情况计算得出，每周统计一次。
AI战略方法30%——关于整体科学共性的新颖性，关于在园艺领域应用的新颖性（新颖性）；无需人工干预即可自主远距离操作的能力（功能性）；无需任何其他传感器或信息（稳健性）的运营能力；容易实现大规模（可扩展性）
陪审团可能认为相关的任何其他方面
AI科技大本营：比赛过程中除了人工智能系统远程控制以外，需要人工在现场的参与和辅助吗？
答：瓦大的传感器会收集温室温度、湿度、水分、二氧化碳浓度、光照热量等数据，通过网络把数据传输给我们，一些传感器无法获取的信息和数据（比如黄瓜产量和售价）会由瓦大的工作人员定期进行整理，发送邮件告知，我们对这些信息整体分析后，在深圳通过控制器远程操控温室，比如屋顶通风、照明、加热等等。另外一些无法通过控制器完成的，比如摘果或者打顶这些事情，我们会发邮件告知瓦大的工作人员具体策略，然后他们进入温室实施。
AI科技大本营：腾讯用的是强化学习的方法，将农业专家的知识和经验自然地嵌入仿真器中，能具体介绍下这项技术吗？
答：首先，我们根据植物生长发育规律、温室环境动态过程等相关知识进行建模，用生成对抗网络构建了一个模拟温室气候条件和作物生长情况的仿真器（模拟器）。所以我们创建了一个农业人工智能系统，利用创新的强化学习方法，将农业专家的知识和经验自然地嵌入到仿真器中，让人类专家在温室初始设定（如种植密度）、种植过程的策略（如灌溉、打顶）等方面能够有效地干预AI，提高AI的学习效率和鲁棒性。具体做法是把农业专家的动作加入到强化学习的回报函数中，并通过一个判定准则自动判定是否采取农业专家动作。如果 AI 判定用农业专家的动作，则直接采用，否则忽略农业专家的意见。
AI科技大本营：为什么腾讯用的传感器比较少？系统如何与这些传感器结合？
答：本次比赛中我们是唯一一个仅使用主办方配置的传感器，没有添加额外添加的 AI 种植团队。我们的系统通过高效的数据模拟和运算，得知额外传感器对增加最终产量和减少资源损耗并没有带来帮助，因此决定不增加除了组委会提供的标准以外的传感器，相比于其他队伍大大降低了智慧农业的生产成本，在市场应用和推广上颇具潜力。因没有增加传感器，整个系统运作时就与之前提到的模拟器完全一致，用同样的操作逻辑即可用上这些传感器。
AI科技大本营：腾讯应用了怎样的生物防治系统？全程都不需要农药吗？
答：温室主要是是防病，而非防虫。一方面温室自身的封闭性可以减少虫害，另一方面人工智能对温湿度等各方面的调控可以为作物提供最健康和适宜的环境，所以能增强作物的抗病虫害能力。
我们一直监控着病虫害情况，采用生物防治系统进行控制。农作物的生长过程非常复杂，在病虫害的困扰这点上。人工智能在这方面还要继续学习。
到具体的行业应用上，我们调查发现有一些成功案例，是 AI 在产中阶段用于监测环境数据和农作物生长情况。通过建立病虫草害特征分类数据库，并利用计算机视觉技术识别作物品种、病害程度和杂草生长情况，可实现智能预防和管理病虫草害，减少经济损失。不仅如此，这在一定程度上还可减少除草剂和杀虫剂的使用，提升农产品安全性，减轻环境影响。
AI科技大本营：系统如何判断黄瓜的生产情况（坐果率、病虫害等），并自动给出相应的解决方案（留叶、留果策略等）？
答：温室本身的设置就是不容易有虫害，因为温室有隔离，很大程度上减少害虫的困扰。植物会生病，但生病的原因可能是因为空气潮湿不是很适合生存之类的，而不是害虫的原因。不过，在未来的户外实验和应用中，AI 还得继续学习，研究下如何解决这个害虫的问题。
至于留叶留果策略是比赛后期一个很大的挑战，并不是AI自动给出的相应解决方案，而是通过了三四十个来回的讨论，查阅大量相关文献才定下的重大策略。比赛快结束的时候重要的大事是做好留果留叶策略，争取黄瓜有个好收成。植物生长的过程类似抛物线，生命周期会有起伏、最高点最低点。所以我们要估算什么时候结束是最合适的。首先我们都不是种植黄瓜的专家，其次关于黄瓜的资料也都很少，所以我们也将种植西红柿等的资料作为参照。我们团队里AI侧成员和农业专家来回讨论了三四十回来制定策略。从结果来看当初的策略很正确，在最后冲刺了一下产量。
AI科技大本营：黄瓜的质量是怎样评定的？有哪些标准？
答：优质A：重量375g或更多；优质B：重量300克至374克之间，有瑕疵，如弯曲的形状，不是深绿色；质量C：低于300克。
AI科技大本营：如何把这项技术大规模推广？存在哪些挑战？
答：目前在AI+农业领域，一大技术难点在于，计算机模拟受农业生产的特点影响，与真实的农业种植之间存在巨大的鸿沟。在农业生产中，影响作物生长的因素极为复杂，种植很难标准化，环境变化也难以预测，这些因素会严重阻碍人工智能的效能发挥。尽管本次比赛为环境相对可控、较易标准化的温室黄瓜生产，但计算机模拟如何有效迁移到真实的农业种植中，依然是一大技术挑战。
AI科技大本营：腾讯对AI+农业有着怎样的商业化布局？除了种植业之外，还会应用到养殖业吗？
答：这是一次全新的探索与尝试。人工智能技术在现代农业生产全阶段的渗入，对推进农业的自动化、信息化和智能化，提升农业生产的质量与效率具有重要意义，但技术发展和应用并非一蹴而就。人工智能这么年轻的行业，与古老的农业相碰撞时，会遇到诸多挑战，如何预见和解决这些难题，需要耐心、创新，甚至是一些灵感。但其中蕴含的机遇也是巨大的，我们希望能有更多跨学科专家、企业家和投资者一起携手，共同发掘AI+农业的各种可能性。
腾讯首席探索官网大为先生在解释腾讯为何要大力支持并参与这个项目时表示：“地球现在面临着人口增长、气候变化等诸多挑战，人类赖以生存的 FEW（食物、能源、水）对我们的未来至关重要。腾讯的使命是‘通过互联网服务提升人类生活品质’，作为国际领先的科技企业，我们必须拓展现有体系和架构，AI 是其中一个重要的解决方案——力争用最少投入获取最多产出。尽管“AI+农业”应用尚属早期，但已经取得令人兴奋的成果。如果实现自动化，将能释放惊人的生产力。我们要充分认识到人工智能可以发挥的作用，积极投入资源做技术研发。提高粮食生产力是全球优先事项（Global Priority），而不仅仅是潜在的商业机会。我们需要鼓励更大胆的设想，激发出更多的解决方案。”
未来：AI 将改变农业
近年来，随着人工智能技术不断发展，其应用已逐渐渗入农业生产全过程，包括产前的育种选种、土壤分析，产中的病虫害管理、自动采收，以及产后的品质检测、优化物流等等。
产前：育种选种、土壤分析
例如，在产前阶段，深度人工神经网络可利用物联网获取的数据，对灌溉用水进行分析和指导，并通过对土壤成分的检测分析，选择适宜种植的作物品种，合理施肥。通过对农作物市场周期需求的大数据分析和预测，也可指导作物种植品种选择，避免产销脱节引发价格剧烈波动，造成经济损失和农产品浪费。另外，云计算、大数据分析和机器学习等技术，还可以帮助筛选和改良农作物基因，达到提升口味、增强抗虫性、增加产量的目的。
产中：病虫害管理、自动采收
在产中阶段，人工智能技术可用于监测环境数据和农作物生长情况。通过建立病虫草害特征分类数据库，并利用计算机视觉技术识别作物品种、病害程度和杂草生长情况，可实现智能预防和管理病虫草害，减少经济损失。不仅如此，这在一定程度上还可减少除草剂和杀虫剂的使用，提升农产品安全性，减轻环境影响。
针对传统农业“看天吃饭”的缺陷，利用机器学习技术处理卫星图像数据，可预测天气等环境变化对作物的影响，提前应对。在采收环节，计算机视觉技术与机械臂或机器人结合，可实现 24 小时自动化采收，节省人力，降低成本。此外，大数据处理和语音识别等技术可运用于农业智能专家系统中，为农业从业者提供专业咨询服务和指导，帮助解决生产中各种技术问题。
产后：品质检测、优化物流
在产后阶段，具有计算机视觉的机械臂可进行农产品售前品质检测、分类和包装等工作；用大数据分析市场行情，可帮助农产品电商运营，引导企业制定更灵活准确的销售策略；通过人工智能遗传算法和多目标路径优化数学模型，可对物流配送路径进行智能优化，完善生鲜农产品供应链等。
最后，为大家献上一段 rap。
嘿
嘿
准备好了没
你看这个瓜 它又直又长
就像这只鹅 它又胖又萌
你们 来这里 吃瓜
觉得 瓜 很好吃
我看行
你们 来这里 吃瓜
就像 我给你们种瓜 一样很开心
【完】
