Автоматизация через ИИ-агентов
Использование нейросетей в сельском хозяйстве выходит за рамки простых запросов. Следующий этап — внедрение ИИ-агентов, которые самостоятельно собирают и обрабатывают информацию. Эти системы работают с данными климат-компьютеров, автоматически ищут релевантные сведения и генерируют ежедневные отчеты. По мере работы алгоритмы обучаются и улучшают точность прогнозов. Однако на критических этапах принятия решений остается обязательным одобрение эксперта, чтобы избежать нежелательных автоматических действий.
Vibe coding: дашборды без программирования
Технология vibe coding позволяет создавать приложения, описывая их функционал обычным языком. ИИ сам ищет информацию, генерирует файлы и пишет код. На демо-мероприятии WUR за 15 минут был создан профессиональный дашборд для расчета себестоимости томатов. Система учитывала цены на энергию, рынок и труд, предлагая сценарии через слайдеры. Для хозяйства площадью 13 га модель рассчитала себестоимость в 1,07 евро за килограмм при урожайности 79,5 кг/м².
Валидация моделей и роль эксперта
Визуальная привлекательность интерфейса не гарантирует корректности расчетов. Модель может не иметь доступа к базам данных, что приводит к ошибкам в связях между переменными. Рекомендуется начинать с простых приложений с одной переменной, валидируя их на исторических данных. Например, прогноз урожая на август проверяется по фактическим показателям. Без проверки специалистом по культуре алгоритм может выдавать бессмысленные результаты из-за одной неверной зависимости.
Умные очки для сбора данных
Умные очки с камерой и голосовым управлением решают проблему субъективности ручных замеров. Фермер освобождает руки для осмотра нижней стороны листа, а голосовая команда «сфотографировать» фиксирует изображение с меткой времени. Можно диктовать примечания, например, количество тли на конкретном листе. Некоторые модели оснащены трекингом взгляда, что позволяет точно определить зону наблюдения. Записи затем анализируются ПО, которое подсчитывает вредителей и определяет их вид.
Опыт программы Agros II
Демонстрационная программа Agros II в WUR тестировала три подхода к управлению огурцами. Одно отделение управлялось «черным ящиком» самообучающегося ИИ, другое — цифровым двойником на базе моделей WUR, третье — экспертами через дашборд. Опыт показал, что ручное управление подвержено ошибкам интерпретации и резким корректировкам. ИИ-алгоритмы обеспечивали более стабильное развитие культуры, внося изменения небольшими шагами. Однако система все еще склонна к избыточному вегетативному росту, требуя доработки.
