هوش مصنوعی در کشاورزی: هزینه پنهان کربنیِ AI

تلویزیون اینترنتی کشاورزپلاس: 

در حالی که هوش مصنوعی نوید ارتقای پایداری کشاورزی را می‌دهد، این فناوری خود دارای ردپای قابل‌توجهی از نظر مصرف انرژی، کربن و آب است؛ موضوعی که در کنفرانس هوش مصنوعی مؤسسه مهندسان کشاورزی (IAgrE) مورد بحث قرار گرفت.

فرناندو آوات چیین، کارشناس بین‌المللی رباتیک از دانشگاه هارپر آدامز، نسبت به میزان انرژی موردنیاز برای آموزش و اجرای سامانه‌های هوش مصنوعی ابراز نگرانی کرد و تأکید داشت که برای آن‌که AI واقعاً به نفع کشاورزی تمام شود، باید به شیوه‌های «هوش مصنوعی پایدار» توجه جدی شود. او به گزارشی از آکادمی سلطنتی مهندسی درباره AI پایدار اشاره کرد که این دغدغه رو به رشد را به رسمیت شناخته است.

با این حال، سخنرانان به ظرفیت بالای هوش مصنوعی برای کاهش اثرات زیست‌محیطی کلی کشاورزی نیز اشاره کردند.

پروفسور سایمون پیرسون از دانشگاه لینکلن، دارنده نشان شایستگی IAgrE، به بهبود بهره‌وری مصرف نیتروژن به‌عنوان نمونه‌ای شاخص اشاره کرد؛ جایی که دقت مبتنی بر AI می‌تواند به‌طور معناداری هم هزینه‌ها و هم انتشار کربن را کاهش دهد.
کیران فیتزجرالد، معاون خدمات دیجیتال شرکت DeLaval، توضیح داد که تشخیص زودهنگام بیماری‌ها در گله‌های شیری چگونه با کاهش تلفات تولید، هزینه زیست‌محیطی به ازای هر واحد شیر تولیدی را کم می‌کند.

در این کنفرانس همچنین بررسی شد که هوش مصنوعی چگونه از کشاورزی احیاگر (Regenerative Farming) پشتیبانی می‌کند.

جاناتان هنری، مدیرعامل Garford Farm Machinery، بر رابطه مکمل میان این دو تأکید کرد و گفت AI با امکان تحلیل دقیق سلامت خاک، زیربنای رویکردهای احیاگر را تقویت می‌کند.

پروفسور پیرسون افزود که هوش مصنوعی می‌تواند به مدیریت عدم قطعیت در کشاورزی احیاگر کمک کند، روند بهبود سامانه‌ها را شتاب دهد و شواهد رهگیری‌پذیری (Traceability) را فراهم آورد؛ شواهدی که روزبه‌روز بیش از پیش از سوی مصرف‌کنندگان و نهادهای نظارتی مطالبه می‌شود.

یکی از حاضران یادآور شد: «هوش مصنوعی یک ماشین است، نه یک موجود زنده.»

این نگاه کمک می‌کند تا AI به‌عنوان ابزاری دیده شود که باید هزینه زیست‌محیطی خود را با بهبودهای قابل اندازه‌گیری در کارایی و پایداری کشاورزی توجیه کند.

وقتی مزارع مجهز به هوش مصنوعی اینترنت را از دست می‌دهند چه می‌شود؟

تاثیرات  سامانه‌های هوش مصنوعی وابسته به ابر (Cloud) به یکی از محورهای اصلی بحث تبدیل شد؛ زمانی که فیتزجرالد فاش کرد یک حمله مرتبط با Roblox به AWS (خدمات وب آمازون) باعث از کار افتادن کامل سامانه DeLaval شده بود.

او به حاضران هشدار داد: «اگر خدمات حیاتی کسب‌وکار خود را روی فضای ابری بنا کنید، در مقطعی قطعاً شکست خواهید خورد.»

این رخداد نشان داد که مزارعی که کاملاً به AI مبتنی بر ابر برای عملیات روزمره—از سامانه‌های شیردوشی خودکار تا پلتفرم‌های پشتیبان تصمیم—وابسته‌اند، با چه ریسک‌هایی مواجه‌اند.

مورتن بیلده، مدیرعامل AGCO، گفت اتکای بیش از حد به رایانش ابری برای چندین راهکار و یکپارچه‌سازی در پشته فناوری، چالش‌های جدی ایجاد می‌کند؛ به‌ویژه با توجه به محدودیت‌های رایج اتصال اینترنت در مناطق روستایی.

به گفته چندین سخنران، راه‌حل در «پردازش لبه‌ای» (Edge Computing) نهفته است؛ یعنی پردازش داده‌ها به‌صورت محلی روی تجهیزات مزرعه، بدون وابستگی دائمی به اینترنت.

البته اجرای پردازش لبه‌ای نیز چالش‌های خاص خود را دارد. سامانه‌ها باید در شرایط سخت مزرعه — گردوغبار، رطوبت، نوسانات دمایی و ارتعاشات مکانیکی — قابل‌اعتماد باقی بمانند.

آلن کیلدبی، رئیس بخش حسگرهای تصویری در CLAAS، گفت شتاب‌دهنده‌های سخت‌افزاری و قابلیت‌های پردازش محلی، به اجزای کلیدی سامانه‌های هوش مصنوعی کشاورزی تبدیل شده‌اند.

راهبرد «ناوگان ترکیبی» که توسط AGCO مطرح شد، رویکرد دیگری برای افزایش تاب‌آوری است. به‌جای ایجاد اکوسیستم‌های بسته و وابسته به یک تأمین‌کننده واحد، طراحی راهکارهایی که با ماشین‌ها و سامانه‌های مختلف سازگار باشند، ریسک از کار افتادن کامل سیستم را کاهش می‌دهد. راهکار برداشت جنگل این شرکت که به‌صورت یک کیت پسابازاری (Aftermarket) توسعه یافته، نمونه‌ای از این رویکرد است.

در پایان، هنری بر اهمیت آزمون‌های سخت‌گیرانه و راستی‌آزمایی تأکید کرد تا اطمینان حاصل شود سامانه‌های هوش مصنوعی در شرایط واقعی مزرعه—جایی که اتصال اینترنت تضمین‌شده نیست—همچنان قابل اتکا باقی می‌مانند.

منبع:   Farmers Guardian -  لینک اینجا