用人工智能打造有溫度的農機

李德毅

在我國當前助力鄉村振興的大背景下，從廣袤的東北平原到美麗的西南山地，已經大面積解決了農業機械化的問題。東北地區人少地多，一望無際的黑土地，需要的農機主要是大馬力；西南地區山地和丘陵、人多地少，更需要微型農機的精細作業。生態特色各有不同，我們要從根本上改變農民面朝黃土背朝天的艱苦勞作狀態,都需要用人工智能打造有溫度的農機，研發有感知、有認知、有行為、可交互、會學習、自成長的農田作業機器人。

計算機雖然計算能力很強，但它缺失感知能力和行為能力，我們要從“圖靈可計算”的局限中解放出來，不再孤立計算，不再忽視學習和記憶，不再忽視機器與環境的交互，重視機器的具身智能。每塊田地的實際情況都不一樣：下雨之前與下雨之后的地面不一樣，靠近河流水溝與高山荒坡的地面不一樣，粘土和沙土不一樣，甚至同一塊地的邊緣和核心土質也不一樣。農機操作手的動力學行為也有差別。如果沒有感知和行為能力，僅靠預設的計算機程序單調工作是不可行的。農機具一定要安裝多源異構的傳感器，通過農機上的攝像頭、雷達等，盡可能采集這塊特定土地植被的物質含量、水量、溫度等熵情屬性，才能有針對性地進行農機作業。

1936年圖靈提出的圖靈機模型，后來被物化為馮·諾依曼體架構的實體計算機，雖然有輸入和輸出，但輸出常常滯后輸入，沒有研究交互過程中產生的新的需求和認知。而實際上，農民在田間需要實時與環境、土地、作物等進行交互。農機具的感知能力要做好，才是有溫度的農機。

同時，農機一定需要有好的行為能力，這就需要把農機這個載體的運動學的行為特征掌握好。現有拖拉機馬力很大，但耕地不夠精準，過于粗放，有時會發生事故，大多是因為運動學問題，根本原因是動力學問題。動力學是運動學的高階，認知是感知的高階，解決農田作業問題之道，要么將問題在物理空間減低一個維度，或者低一階；要么在認知空間將認知上升一個維度，或者高一階，需要有感知、有認知、有行為的農機具。

要做有溫度的農機，特別要重視認知，所以我們更希望在西南地區的丘陵土地上，能夠做出可交互、會學習、自成長的農田作業機器。我們要從計算機智能中解放出來，不再僅僅是使用程序（算法）讓機器不顧周圍環境的差別，一味地做簡單重復的工作。

最近十年是深度學習的黃金十年，它用大數據來“調教”算法模型，用數據來調整上億個權重參數（算法的結構參數）。深度學習之所以成功，不僅僅因為其“算法、算力和數據”三大功能，更重要的是它創建了用數據去“調教”算法的新案例，使自編程、自糾錯、自編譯、自沉淀、自成長成為可能。深度學習打破了“算法長期被困在程序里”的封閉局面，打破了需要預寫程序通過編譯才能獲得智能的傳統方法，用標注代替記憶，從大數據中直接獲得分類知識，用數據修改算法中的參數，開辟了機器學習的新紀元。機器學習的結果是記憶，記憶智能優于計算智能，用記憶約束計算，實現各智其智，智智與共的新局面。

如果說農業革命讓我們學會了使用工具，工業革命解放了我們的體力，那么百年來的認知革命，正在把人工智能滲透到包括農業機械在內的所有動力機器中去，讓它做得更加智能，不但更有力量，而且讓它們更加精準，為智慧農業打下基礎。這樣就能徹底地改變我國農民面朝黃土背朝天的艱苦勞作，更加尊嚴、更加優雅、更加智慧地生活。我們在東北地區智能拖拉機耕種取得了一定的成功，現在東北地區的部分農民已經可以實現在家里使用手機或者專用遙控器，遠程操控多臺拖拉機，甚至在夜間、雨天等惡劣環境下干活，我們希望將來西南地區的農民，也能在小飯桌旁通過手機控制小型、微型拖拉機插秧、植保、摘水果、收柑橘等。如果能夠把東北、西南地區都“抓”起來，在中國的大地上，做到“抓兩頭”，就可以帶動中間地區。讓我們共同努力發展有感知、有認知、有行為、可交互、會學習、自成長的農田作業機器人，把中國的農田作業從粗發的機械化、自動化，真正上升到精準的智能化。