Фото: Медведева Анна, AgroXXI.ru
«Производительность сельхозкультур неравномерна. Например, урожайность кукурузы в США часто превышает 10 т/га. Такая высокая урожайность обусловлена механизацией, улучшенными сортами семян, ирригацией и эффективным использованием ресурсов, чему все больше способствуют технологии точного земледелия. В отличие от этого, урожайность во многих регионах Африки к югу от Сахары остается на уровне около 2–3 т/га. Это отражает такие ограничения, как ограниченный доступ к ресурсам, зависимость от богарного (не орошаемого, прим. LP) земледелия, а также слабая инфраструктура и институциональная поддержка», Абиодун Олусола Омотайо и Абиб Бабатунде Омотосо в статье, опубликованной журналом The Conversation.
Малые фермеры составляют около 80% сельского населения развивающихся стран. Они часто сталкиваются с низкими урожаями из-за ограниченного доступа к основным сельскохозяйственным ресурсам, таким как улучшенные семена, удобрения и агрохимикаты (пестициды). Они реже используют орошение и механизацию сельского хозяйства. Кроме того, они очень уязвимы к климатическим потрясениям.
В последние годы использование инструментов искусственного интеллекта (ИИ) продемонстрировало способность повышать эффективность затрат и результатов, а также обеспечивать мониторинг состояния растений и животных в режиме реального времени. Смарт-приложения для фермеров способствует сохранению почвенных и водных ресурсов, а также снижению послеуборочных потерь, особенно в технологически развитых сельскохозяйственных системах США, Китая и Европы.
«Мы более 15 лет занимаемся научными исследованиями в области прикладной экономики, развития, экономики ресурсов и сельскохозяйственной экономики, включая внедрение технологий и устойчивые сельскохозяйственные системы. В нашем недавнем исследовании мы сравнили внедрение ИИ в сельском хозяйстве в развитых и развивающихся странах. Мы изучили, как искусственный интеллект используется и применяется в разных регионах. Были проанализированы данные из технологически развитых экономик, таких как Европа, США, Австралия и Япония, а также исследования из Африки, Южной Азии, Латинской Америки и других регионов с низким и средним уровнем дохода. Наш главный вывод заключается в том, что ИИ обладает значительным потенциалом для повышения производительности и устойчивости сельского хозяйства. Однако этот потенциал зависит от благоприятной политики, надежной инфраструктуры и равноправного доступа. Без этого технология может скорее усугубить существующее неравенство, чем уменьшить его», отмечают авторы работы.
Основные препятствия для эффективного применения ИИ в развивающихся странах
Внедрение ИИ остается ограниченным в развивающихся странах, где производство продуктов питания в основном сосредоточено на мелких фермерах. К лимитирующим факторам относятся:
- Цифровое неравенство. Самый большой барьер. Фермерам часто не хватает стабильного интернет-соединения, доступных по цене устройств или достаточной цифровой грамотности.
- Электроэнергия. Дефицит электроэнергии препятствует внедрению и эффективному использованию ИИ в сельском хозяйстве, нарушая работу цифровых инструментов и инфраструктуры, необходимых для сбора, обработки и передачи данных.
- Стоимость. Высокая стоимость инструментов ИИ и недостаточная цифровая грамотность для эффективного использования этих инструментов.
- Ограниченный доступ к кредитам. Из-за недостатка финансовых возможностей фермерам сложно инвестировать в цифровые технологии. Они не могут позволить себе первоначальные затраты на покупку, установку, а также текущее техническое обслуживание и абонентскую плату, необходимые для эффективного использования инструментов искусственного интеллекта.
Ученые также выявили два фактора, которые препятствуют внедрению ИИ в Африке и других развивающихся странах.
Во-первых, многие модели аграрного ИИ плохо подходят для условий развивающихся стран. Инструменты, обученные на данных из индустриальных сельскохозяйственных систем, часто показывают низкую эффективность в местных условиях. Это приводит к предвзятым или неточным рекомендациям и повышает риски для уязвимых фермеров. Например, модель прогнозирования урожайности или обнаружения вредителей на основе ИИ, обученная на крупных монокультурных фермах в США или Нидерландах, может выдавать ненадежные рекомендации при применении в Африке.
Во-вторых, существуют этические проблемы, связанные с использованием ИИ, в частности, отсутствие ясности в вопросах владения данными и конфиденциальности. Слабое управление данными наиболее выражено в развивающихся регионах. Фермеры часто практически не контролируют то, как собираются, используются или монетизируются их данные.
По мнению упомянутых экспертов, приоритетной задачей является укрепление основ: надежное электроснабжение, доступ в интернет, доступ к финансированию, доступ к обучению. И доступные по цене цифровые инструменты.
