智能农业的突破：美国农业在AI与数据驱动下的创新路径

日期:12-22-2023

世界农化网中文网报道：2023年11月14日，美国参议院农业、营养和林业委员会举行了关于″美国农业创新：利用技术和人工智能（Innovation in American Agriculture: Leveraging Technology and Artificial Intelligence）″的全体委员会听证会。

此次听证会邀请的5位证人职业背景涵盖了农业研究、技术、投资、高等教育和法律等多个领域，对中国农业领域人工智能技术采用、政策支持、教育培训等方面具备参考价值。要点如下：

Jahmy Hindman

Jahmy Hindman是Deere & Company高级副总裁兼首席技术官。他还是爱荷华州立大学工程学院咨询委员会、德克萨斯大学计算机科学咨询委员会以及FIRST执行咨询委员会的成员。

• 随着农村向城市迁移的持续，人工智能解决方案对美国农业生产力变得更加重要。

• 如今，美国农业的未来正通过农民数据驱动决策的工具来构建。人工智能在解锁数据价值和将其转化为田间可行见解方面发挥关键作用。

• 如果能获得激励措施帮助他们获得所需的精准技术，美国农民会极大地受益。在审议即将出台的农业法案时，请考虑《精准法案》（PRECISE Act）以及《精准农业贷款法案》（Precision Ag Loan Act）等提案，这些提案将扩大美国农业部保护和贷款计划的资格范围，包括采用精准技术。此外，像《最后一英亩法案》（Last Acre Act ）这样的法案对于农民充分利用人工智能和精准技术的优势至关重要。

• 将这些技术置于美国农民手中，不仅提高了种植者的生产力和盈利能力，还使他们能生产足够的粮食、燃料、住房和衣物来养活增长的世界人口。这对我们所有人都有好处。

Mason Earles

Mason Earles是加利福尼亚大学戴维斯分校助理教授。Earles博士曾在苹果公司担任数据科学工程师，他在硬件工程领域创建了新的深度学习和计算机视觉工具。

• 前所未有的硬件和软件进步，极大地扩展了人工智能计算机程序从农业和食品系统等复杂实际数据中学习的能力。

• 展望未来的劳动力，仅2021年美国就有超过16.1万人获得了计算机科学本科和研究生学位。尽管我们没有确切数字，但只有极小比例的学生最终在农业和食品领域工作。这需要改变。

• 为了保持美国作为农业创新全球领导者的地位，我强烈建议委员会继续甚至扩大对这些国家人工智能研究所的资助，以及美国农业部提供的其他侧重于利用人工智能解决农业难题的资助来源。我认为，这就是我们加速更多研究创新和产业合作，并激励更多计算机科学和工程学生通过人工智能和新技术来解决农业领域重大挑战的途径。

Sanjeev Krishnan

Sanjeev Krishnan是S2G Ventures的联合创始人、首席投资官和高级董事。曾就职于CLSA Capital Partners、IFC、Global Environment Fund和JPMorgan，并且曾在各种咨询委员会和公司董事会任职。

1). 利用人工智能作为下一代″工具包″,解决21世纪农业面临的挑战 - 并以对农民有直接利益的方式更好地利用农场数据

预计人工智能将在未来十年内改变几乎所有行业。AI在农业也有可能提供突破性的新解决方案并产生重大价值，提供创新解决方案来提高作物产量、优化资源利用、增强整体农场管理等。我们现在才刚刚开始释放AI在农业中的潜力，我们可能会看到这些领域的发展步伐令人震惊。

这种发展的核心是数据。最强大、最有效的AI解决方案将是那些能够获得最好数据并开发最有效方法将该数据转换为适当的训练数据集以反馈AI模型的解决方案。由于过去5至10年的技术进步，农民现在可以获得惊人数量的数据。

农业和食品系统数字化还处于相相对较早的阶段。估计平均农民每天生成约50万个数据点，到2036年，每天生成的数据量预计将增加800%。

尽管数据量正在迅速增长，但今天的数据与可信的决策工具之间的联系仍然欠佳，限制了我们访问和应用基于收集信息的可操作见解的能力。改进农业中收集和汇总的数据质量，并使用AI分析、综合和应用这些数据通过现有和未来的农业技术，可以立即对农业的许多方面产生影响，包括使农民能够全面应对每天都在变化的许多领域的实时变化。

根据美国农业部2019年的估计，大规模实现数字农业技术的全部潜力，包括建立必要的基础设施，每年可为美国经济创造470亿至650亿美元的额外总收益。鉴于五年前得出的这些数字，现在人工智能快速持续融入农业技术，这些数字很可能低估了未来潜在利益的规模。

AI在提高效率、生产力和可持续性方面为农民和社会带来收益的具体用例有很多，包括:

• 精准农业: AI驱动的系统可以分析来自传感器、无人机和卫星的大量数据，为农民提供作物健康、土壤条件和天气模式的实时洞察。这将进一步使农民能够对灌溉、施肥和病虫害防治做出更精确的决策，从而减少浪费，提高产量和改善环境可持续性。

• 疾病和虫害检测: AI算法可以通过分析从农田捕获的图像和视频来识别植物疾病和虫害的早期迹象。这一及时检测将使农民能够及早采取行动，防止疾病蔓延，保护庄稼，减少产量损失，改善整体作物健康。

• 机器人收获和自动化: 正在开发使用AI赋能的机器人来自动化农业中的各种任务，例如收获、除草和修剪。这些机器人可以毫不疲倦、精确工作，潜在地降低劳动力成本，提高效率，并使农民和农场工人能够专注于其他更高技能、劳动力需求较低的任务。

• 牲畜监测和管理: AI系统可以监测牲畜的健康和行为，为农民提供有价值的洞察，了解动物福利和生产力。这些信息可以用于优化喂养策略、及早发现疾病迹象并改善整体畜群管理。

• 预测分析和市场洞察: AI算法可以分析历史数据、市场趋势和天气模式，以预测未来的作物产量、价格和需求。这些信息可以帮助做出有关种植、营销和财务计划的决策。

• AI赋能农用无人机: 配备AI的无人机可以用于监测作物、收集数据以及精确喷洒农药和肥料。这些无人机可以高效覆盖大面积，减少环境影响，改善作物健康。

2). 农业技术和人工智能可以支持和加强社区,增强信任

人工智能在农业领域的应用有助于建立社区，创造和扩大连接，补充现有的可信顾问网络。

• 人工智能可以提高现有农业技术的能力和有效性，改进和完善技术方法，提供清晰、准确和高质量的数据，帮助筛选无效方法，优化资源分配。

• 农业技术、数据、分析和人工智能在加强人与人之间的关系以及社区纽带方面发挥作用，特别是农民与顾问网络之间的信任。

• 人工智能可以实时摄取、分析和识别大量数据，为农业顾问或农艺师提供更精确的建议和可操作的见解，减轻他们的负担。

• 人工智能辅助聊天机器人和虚拟助手可以为农民提供实时建议和支持，回答作物管理、虫害防治和市场趋势等问题，尤其对于偏远地区或农业专家支持有限的农民具有价值。

3). 政策制定者在定位美国农业以最大限度地发挥农业技术和人工智能效益方面发挥关键作用 - 并建立周全的防护措施

联邦政府有多个机会确保美国在农业技术方面的领导地位，并巩固其作为农业人工智能全球领导者的地位，同时继续保护和支持农民和农业系统利益相关者。关键是确保在人类控制和监督与利用人工智能巨大力量改变我们的世界之间取得适当的平衡。

这些政策和计划可以支持今天已经商业化的农业技术的进一步扩展，以及如何最好地利用政策工具促进人工智能的积极应用以进一步增强和改进这些技术，同时保护利益相关者并确保农业技术和人工智能的效益得以平等分配。 包括:

• 有效和负责任地利用农业中的人工智能潜力: 人工智能由数据驱动，农业中数据所有权的基本问题必须从根本上解决。

• 人工智能在农业中的开发和部署的伦理准则对确保人工智能系统不会固化偏见、决策过程透明以及对其结果负责至关重要。这可能涉及制定数据收集、使用和透明度的行业标准，以确保人工智能系统可靠、符合道德规范，不会损害环境或市场动态。此外，一套验证人工智能驱动服务声明的基准可以进一步支持准确性和透明度，并成为建立信任的重要工具。最后，开展国际合作以共享有关农业人工智能的知识、最佳实践和监管框架可以帮助协调标准并促进全球粮食安全和农民盈利能力。

• 促进农业数据共享标准和举措: 在保障数据隐私和安全的同时鼓励农民、研究人员和人工智能开发者之间共享农业数据，将对利用新颖的农业技术和人工智能造福农民的力量至关重要。这可以通过建立农业数据合作社或平台来聚合数据而同时保护个人隐私来促进。

• 提升数字基础设施并投资数字素养，特别是对小农民: 改善农村数字基础设施可以帮助确保农民。此外，通过与教育机构的合作、在线课程和现场培训计划来培训农民和农业工人使用人工智能和相关技术的项目。专门支持小农和边缘化农民采用人工智能技术的计划可以包括人工智能工具的补贴获取、财政援助和技术支持。

José-Marie Griffiths

José-Marie Griffiths是麦迪逊市达科他州立大学的校长。她曾担任国家人工智能委员会(NSCAI)、国家科学委员会、总统信息技术咨询委员会和几个其他联邦委员会的委员。

通过讨论如何最好地利用技术和AI推动农业创新，我们可以考虑对现代实践的好处、对网络威胁格局的影响，以及需要进行哪些进一步研究才能完全发挥创新潜力。

1). 精准农业的效益和考虑因素

AI采用率的增加表明它在美国农业部门的变革潜力。 当嵌入到连接的系统中时，AI技术通过卫星、无人机、传感器和机器人广泛收集作物和牲畜的数据，反过来帮助降低成本并提高产量和生产率。

• 潜在影响

数据显示，2023年的农业生产费用预计将创纪录地达到近5000亿美元，增加28%或870亿美元。如今，农业生产者不断寻求创新方法来降低这种成本并提高生产力和产量。AI为这些需求提供了非常有前景的解决方案。

• 建议

虽然AI和数字技术在农业今天和未来有巨大的潜力，但这些数字工具的前期成本、维修或更换费用和年费用很高。这些成本可能会阻碍农民采用，因此美国农业部为寻求实施数字农业技术的农民提供技术或财政援助的保护计划变得越来越重要。继续支持这些计划对确保AI在农业中的可持续增长至关重要，因为我们正在迎来农业创新解决方案的新时代。

2). 需要解决的网络安全和情报风险

需要更强的网络安全保护来保护美国农业和支持我们国家食品供应的关键基础设施。从网络安全的角度来看，我们在互联网连接的农机、车辆和设备中嵌入AI的程度越深，这些系统受网络攻击的漏洞就越大。

知识产权(IP)保密风险是在与公共和私营利益相关者讨论农业技术时出现的另一个考虑因素。随着AI应用的快速开发和部署，知识产权的保密对于保护和推进该领域领先创新的进一步发展至关重要。

此外，对网络和国家安全的高度关切涉及敌对国家收购关键基础设施附近或农业区域的土地。特别值得注意的是，保护种子库或种子库等经常被忽视的关键基础设施，这对该部门的食品和供应链而言是必不可少的重要资源。这些库发挥着关键作用，是该行业供应链和食品链的起点。

• 潜在影响

随着AI部署带来的网络安全风险加剧，其后果太大，不能被忽视。如果无法对我们的系统进行充分的安全保护，就会招致互联农机和平台遭到黑客攻击。这可能导致对农机计算的操纵，对水源、施肥的控制，对种子库的处理，以及对其他关键系统的控制。可能的后果包括对牲畜、作物健康和整个生态系统和供应链运作的严重中断和损害。

此外，接近美国关键基础设施、敏感场所和农田的土地外国所有权带来了外国监视的风险，以及对电力、水源和化工厂等关键基础设施的攻击风险，潜在的知识产权被盗风险，这需要付出高昂的代价并且难以恢复。

• 建议

1. 农民和农业利益相关者积极参与并参考食品和农业信息共享与分析中心是至关重要的。

2. 网络安全和基础设施安全局（CISA）与食品药品管理局（FDA）、美国农业部（USDA）和国土安全部（DHS）合作，提供了食品和农业部门专项计划，需要不断更新以适应行业变化。

3. 行业与学术界的协作努力可以推动创新，为农业网络安全提供先发制人的解决方案。支持网络安全具体实践领域的额外研究对缓解农业网络风险至关重要。

4. 针对高风险环境，如食品生产中心和研究机构，实施分层防御和零信任策略至关重要。然而，针对知识产权的不断威胁，需要进一步的创新来应对敌手。

3). 持续研究的重要性

农业研究，特别是在AI领域，对农业的可持续发展至关重要。这项研究导致了新技术的创造和改进政策，增强了农业生产力和韧性。

行业与学术界之间的协作对有效传播AI知识和技术至关重要。像SDSU和DSU这样的领先大学正在积极参与农业AI研究，探索AI采用的进步和漏洞。具体项目侧重于研究传感器技术、车辆和GPS系统。其他大学如普渡大学获得了资助来建立AI研究所，专门从事气候智能农业和林业研究，这是学术界能力的典型例子。

• 潜在影响

持续研究具有减少风险和推动农业行业未来发展的潜力，如确保农业数据机密性和完整性，开发精准农业的安全网络基础设施等。

• 建议

1. 建议联邦层面加强 AI 研究的协调和合作，包括负责任的基础和应用 AI 研究、确保 AI 系统安全性、开发共享的公共数据集和 AI 培训、测试环境等。有效解决这些关键重点领域对推进农业研究以及所需的协作至关重要。

2. 参照美国农业部的城市服务中心和美国经济发展管理局（EDA）的科技中心计划，建议在 AI 和农业研究方面建立类似的中心或地区，以推进农业 AI 的理解和实现，促进技术创新和经济增长。

3. 支持AI在农业中的作用方面的研究对确保该行业的安全性和增长至关重要。它对我们国家的创新和国家安全也至关重要，解决行业挑战并促进经济增长。

4). 结论

• 美国在推进 AI 部署以创新农业部门的同时，面临日益增长的网络风险和挑战。为确保 AI 的安全、负责任和有效使用，需要学术界、行业和联邦机构的合作。

• 农业部门自动化和创新已有数十年，AI 部署虽是变革性的转变，但仍需关注安全性，并充分利用现有经验和技术。

• 公共和私营部门需共同解决网络风险，推进学术界在制定研究驱动解决方案方面的作用，确保 AI 在农业领域的安全、有效部署。

• 学术界在培养下一代 AI 人才方面发挥关键作用，助力农业行业进入下一个增长和发展阶段。

• 多方合作共同应对网络风险，发挥学术界在制定研究驱动解决方案方面的优势，推动农业 AI 发展。

Todd J. Janzen

Todd J. Janzen是Janzen Schroeder Agricultural Law LLC律师事务所总裁、Ag Data Transparent Organization项目管理员。

1). 农民如何使用数字农业工具

现代农场收集、使用和共享农业数据有许多不同的方式。市场参与者包括传统农业公司(它们增加了数字工具)和新兴的初创企业。以下是农民与数字平台互动的一些例子:

A. 农场管理信息系统(FMIS)平台。 有许多整个农场管理工具，通常称为农场管理信息系统(FMIS)。这些工具旨在帮助农民管理农场的各个方面，从做出农艺决策到记录谷物和畜牧销售，到与类似经营进行农场生产的基准测试。

B. 物联网(IoT)监控平台。 有许多远程传感器用于农场，使农民能够监控农场上的特定任务。这些传感器连接到互联网，通常称为物联网(IoT)平台。

C. 航空图像。 航空图像比历史上任何时候都更多地为农民所用。有许多数字平台可以从卫星、无人机和传统固定翼飞机收集多光谱图像。农民利用这些平台监控全年的作物和田间情况。

D. 机器人技术。 约翰迪尔出售一种完全自动驾驶的拖拉机，农民可以通过手机监控。Lely公司出售一种自动挤奶机，每天可以在不需要人为参与的情况下挤奶数百头奶牛。

E. 作物营销和交易平台。 现在有一些在线平台允许农民在线营销、销售和交易他们的作物和畜产品。

F. 连接机器。 几乎所有现代农业设备 - 拖拉机、联合收割机、播种机等 - 要么远程连接到互联网，要么具有连接的能力。这些机器产生大量对农民、设备经销商和原始设备制造商(OEM)都很有用的数据。

G. 精准农业。 收集大量农民数据的能力使精准技术的使用增加。现在有许多平台利用农业数据生成田间″处方″，用于精准施用肥料、种子、农药和灌溉。

H. 碳平台。 在过去几年中，许多公司开始为农民提供通过农业数据验证这些活动从而实现土壤碳封存的机会，然后将封存的碳作为补偿信用出售给其他行业。

2). 数据共享的担忧

许多农民已经通过在农场上使用农业数据工具来接受数字化。然而，对农民对这些农业数据产品的态度进行的民意调查显示出一致的不情愿和忧虑。以下是一些担忧以及该行业如何试图解决这些担忧。

1.农民的担忧

• 缺乏信任。信任问题一直是农民与技术提供商共享农业数据的最大担忧。

• 隐私问题和控制权的丧失。他们担心共享农业数据会导致政府监管加剧和隐私问题。

• 过于复杂的技术法律协议。过于复杂的技术法律协议增加农民的困惑，没有人读过和理解的合同为未来的问题埋下了伏笔。

这些担忧源于农业数据的一个基本法律事实——没有任何法律专门保护农民的隐私和安全担忧。农业数据通常不是″个人身份信息″，因此不受州法律保护（这些法律禁止滥用个人信息，如姓名、地址和电话号码）。国会也没有选择法律保护农业数据这一类别的数据，例如医疗信息(HIPAA)。最后，农业数据也不完全符合现有的知识产权法律保护，如专利、商标或版权。农业数据最终可能被视为现有国家和联邦商业秘密法下的商业秘密，但这将取决于法院是否解释现有法规也包括农艺数据等信息。

2.现有行业努力以解决农民的担忧

• 农业数据隐私和安全原则

美国农场局、全国农民联合会等于2014年领导起草了″农业数据隐私和安全原则″，也称为农业数据的″核心原则″。核心原则处理了与农业数据相关的十三个关键要素。这些包括:

1. Education (教育)

2. Ownership (所有权)

3. Collection, Access and Control (收集、访问和控制)

4. Notice (通知)

5. Transparency and Consistency (透明度和一致性)

6. Choice (选择)

7. Portability (可移植性)

8. Terms and Definitions (术语和定义)

9. Disclosure, Use, and Sale Limitation (披露、使用和销售限制)

10. Data Retention and Availability (数据保留和可用性)

11. Contract Termination (合同终止)

12. Unlawful or Anti-Competitive Activities (非法或反竞争活动)

13. Liability & Security Safeguards (责任和安全保障)

• 农业数据透明认证

在发布核心原则之后，几个农民团体和行业利益相关者共同努力创建了一个独立的验证工具，可以帮助农民确定农业技术提供商是否遵守核心原则。该验证称为农业数据透明认证，它包含一个简单的三步过程:

1. 参与公司必须回答11个问题，说明如何存储、使用和传输农业数据。

2. 独立第三方(Janzen Schroeder Ag Law)会审查11个问题的回答，查看其透明度和完整性。

3. 如果评估可接受，公司将被授予″农业数据透明″认证，可以在未来的营销材料上使用。

3). 人工智能在农业数据平台中的应用

• 人工智能的一些法律影响

1. 想要使人工智能工具的好处最大化的公司在使用通用人工智能扩展对农民的服务时也应谨慎监督。

2. 使用人工智能工具的公司应该明确许可用于模型训练的数据。清晰的许可不仅解决了农民对透明度的关切，还可以保护人工智能开发商免受以后声称训练数据系非法获取的索赔。

3. 公司还应确保人工智能平台尊重数据所有权、版权和其他形式知识产权的权利。目前，只有人类或公司可以合法创造或拥有知识产权，需要明确人工智能平台生成新内容的知识产权归属及责任。

4. 在利用人工智能工具时，考虑道德复杂性，避免故意误导平台或误导消费者。

4).结论和政策考量

1. 在农场的新技术方面，政策应该着眼于营造公平的竞争环境，而不是扼杀创新。

2. 透明度应该总是任何数据收集平台的重点，无论收集者是私人公司还是政府监管机构。透明度并不意味着这样的信息应该公开可获得，而是指农民应该知道从他们那里收集了什么信息以及将如何使用这些信息。

3. USDA的数据收集仍有改进空间。 农业创新法案(S.98)是一个旨在现代化USDA的数据收集和使用的例子。 USDA长期以来通过各种计划收集农场数据，但这些大部分数据被各个机构隔离，因此对政策制定者和研究人员来说并不有价值。该法案设想对USDA的数据收集进行更新，创建一个安全的数据中心，允许利益相关者和研究人员访问USDA收集的经过匿名处理的数据。