看這一籃水靈的黃瓜，賣相也好，為啥貼著騰訊的標簽？難道騰訊要開始賣瓜？

其實，騰訊不是賣瓜，而是親自種了一次瓜。

緣起：AI 溫室種黃瓜比賽

昨天（12 月 12 日），荷蘭瓦赫寧根大學（WUR）主辦的國際人工智能溫室種植大賽（Autonomous Greenhouse Challenge）結果揭曉。其中，微軟團隊 Sonoma 總分第一，騰訊 AI Lab 與農(nóng)業(yè)專家組成的 iGrow 隊總分第二，拿下亞軍。

本次大賽由荷蘭瓦赫寧根大學于今年 3 月發(fā)起，旨在通過人工智能與農(nóng)業(yè)等多學科團隊協(xié)作，展示人工智能驅(qū)動溫室的能力，在提升農(nóng)業(yè)生產(chǎn)力的同時，減少資源消耗，滿足日益增長的人口需求，幫助人類過上更健康的生活。

比賽的挑戰(zhàn)目標，是在 4 個月內(nèi)生產(chǎn)出高產(chǎn)量、高資源利用率的黃瓜作物。參賽團隊利用傳感器和攝像頭，獲取溫室氣候、作物發(fā)育情況等數(shù)據(jù)，加入自己的模型或機器學習算法，遠程控制作物生長。

比賽的溫室

大賽吸引了包括微軟（Sonoma 隊）、騰訊（iGrow 隊）、英特爾（Deep_greens 隊）等在內(nèi)的來自 15 個國家的 14 支團隊參與。其中，iGrow 隊由來自騰訊 AI Lab 的 AI 專家，以及來自中國農(nóng)業(yè)科學院、北京農(nóng)業(yè)信息技術研究中心、黑龍江植物學會、Syngenta 種子公司、荷蘭瓦赫寧根大學的農(nóng)業(yè)專家和學生組成。

目前在“AI+農(nóng)業(yè)”領域，一大技術難點在于，計算機模擬受農(nóng)業(yè)生產(chǎn)的特點影響，與真實的農(nóng)業(yè)種植之間存在巨大的鴻溝。在農(nóng)業(yè)生產(chǎn)中，影響作物生長的因素極為復雜，種植很難標準化，環(huán)境變化也難以預測，這些因素會嚴重阻礙人工智能的效能發(fā)揮。盡管本次比賽為環(huán)境相對可控、較易標準化的溫室黃瓜生產(chǎn)，但計算機模擬如何有效遷移到真實的農(nóng)業(yè)種植中，依然是一大技術挑戰(zhàn)。

iGrow團隊人工智能系統(tǒng)

比賽中，騰訊 AI Lab 的 AI 專家根據(jù)植物學、生物學和物理學等相關學科知識進行建模，建立起模擬氣候環(huán)境和作物生長的仿真器。隨后，團隊開搭建出一個農(nóng)業(yè)人工智能系統(tǒng)，通過創(chuàng)新的強化學習方法，將 iGrow 農(nóng)業(yè)專家的知識和經(jīng)驗自然地嵌入仿真器中，使人類專家能夠在種植密度、灌溉施肥、打頂剪枝等方面，實現(xiàn)對 AI 的有效干預，提高 AI 學習效率，最終在資源最優(yōu)化的同時，最大程度地提升作物產(chǎn)量。

與傳統(tǒng)的人工種植相比，人工智能的優(yōu)勢在于，它能對種植過程進行全局優(yōu)化。從一開始的種植密度、留莖比例，到后來的留葉、留果策略，以及在溫室中對光照、通風、溫度、濕度、CO2濃度、水分等的控制，它都能在仿真器中通過強化學習自動尋找最優(yōu)解。人工智能可為作物的各個生長周期尋找和提供最適宜的環(huán)境狀態(tài)，同時進行資源最優(yōu)配比，以最大化地節(jié)省資源。

專訪：騰訊還會種什么？

AI科技大本營：人工智能溫室種植大賽的評分標準（比如AI策略）有哪些？每項評分標準代表這什么？

答：評分標準：

凈利潤50%——溫室成長挑戰(zhàn)的預定目標：在WUR Bleiswijk的溫室隔間中，通過不斷增長的高線黃瓜獲得最高的凈利潤。每周（周一）提供上個禮拜不同的黃瓜價格，并將黃瓜質(zhì)量分A、B、C等級。

可持續(xù)發(fā)展性20%——能源利用效率、CO2用量、用水效率、已注冊的農(nóng)藥使用量。每個方面的定量數(shù)據(jù)將根據(jù)溫室種植實驗期間每個團隊的資源使用情況計算得出，每周統(tǒng)計一次。

AI戰(zhàn)略方法30%——關于整體科學共性的新穎性，關于在園藝領域應用的新穎性（新穎性）；無需人工干預即可自主遠距離操作的能力（功能性）；無需任何其他傳感器或信息（穩(wěn)健性）的運營能力；容易實現(xiàn)大規(guī)模（可擴展性）

陪審團可能認為相關的任何其他方面

AI科技大本營：比賽過程中除了人工智能系統(tǒng)遠程控制以外，需要人工在現(xiàn)場的參與和輔助嗎？

答：瓦大的傳感器會收集溫室溫度、濕度、水分、二氧化碳濃度、光照熱量等數(shù)據(jù)，通過網(wǎng)絡把數(shù)據(jù)傳輸給我們，一些傳感器無法獲取的信息和數(shù)據(jù)（比如黃瓜產(chǎn)量和售價）會由瓦大的工作人員定期進行整理，發(fā)送郵件告知，我們對這些信息整體分析后，在深圳通過控制器遠程操控溫室，比如屋頂通風、照明、加熱等等。另外一些無法通過控制器完成的，比如摘果或者打頂這些事情，我們會發(fā)郵件告知瓦大的工作人員具體策略，然后他們進入溫室實施。

AI科技大本營：騰訊用的是強化學習的方法，將農(nóng)業(yè)專家的知識和經(jīng)驗自然地嵌入仿真器中，能具體介紹下這項技術嗎？

答：首先，我們根據(jù)植物生長發(fā)育規(guī)律、溫室環(huán)境動態(tài)過程等相關知識進行建模，用生成對抗網(wǎng)絡構建了一個模擬溫室氣候條件和作物生長情況的仿真器（模擬器）。所以我們創(chuàng)建了一個農(nóng)業(yè)人工智能系統(tǒng)，利用創(chuàng)新的強化學習方法，將農(nóng)業(yè)專家的知識和經(jīng)驗自然地嵌入到仿真器中，讓人類專家在溫室初始設定（如種植密度）、種植過程的策略（如灌溉、打頂）等方面能夠有效地干預AI，提高AI的學習效率和魯棒性。具體做法是把農(nóng)業(yè)專家的動作加入到強化學習的回報函數(shù)中，并通過一個判定準則自動判定是否采取農(nóng)業(yè)專家動作。如果 AI 判定用農(nóng)業(yè)專家的動作，則直接采用，否則忽略農(nóng)業(yè)專家的意見。

AI科技大本營：為什么騰訊用的傳感器比較少？系統(tǒng)如何與這些傳感器結合？

答：本次比賽中我們是唯一一個僅使用主辦方配置的傳感器，沒有添加額外添加的 AI 種植團隊。我們的系統(tǒng)通過高效的數(shù)據(jù)模擬和運算，得知額外傳感器對增加最終產(chǎn)量和減少資源損耗并沒有帶來幫助，因此決定不增加除了組委會提供的標準以外的傳感器，相比于其他隊伍大大降低了智慧農(nóng)業(yè)的生產(chǎn)成本，在市場應用和推廣上頗具潛力。因沒有增加傳感器，整個系統(tǒng)運作時就與之前提到的模擬器完全一致，用同樣的操作邏輯即可用上這些傳感器。

AI科技大本營：騰訊應用了怎樣的生物防治系統(tǒng)？全程都不需要農(nóng)藥嗎？

答：溫室主要是是防病，而非防蟲。一方面溫室自身的封閉性可以減少蟲害，另一方面人工智能對溫濕度等各方面的調(diào)控可以為作物提供最健康和適宜的環(huán)境，所以能增強作物的抗病蟲害能力。

我們一直監(jiān)控著病蟲害情況，采用生物防治系統(tǒng)進行控制。農(nóng)作物的生長過程非常復雜，在病蟲害的困擾這點上。人工智能在這方面還要繼續(xù)學習。

到具體的行業(yè)應用上，我們調(diào)查發(fā)現(xiàn)有一些成功案例，是 AI 在產(chǎn)中階段用于監(jiān)測環(huán)境數(shù)據(jù)和農(nóng)作物生長情況。通過建立病蟲草害特征分類數(shù)據(jù)庫，并利用計算機視覺技術識別作物品種、病害程度和雜草生長情況，可實現(xiàn)智能預防和管理病蟲草害，減少經(jīng)濟損失。不僅如此，這在一定程度上還可減少除草劑和殺蟲劑的使用，提升農(nóng)產(chǎn)品安全性，減輕環(huán)境影響。

AI科技大本營：系統(tǒng)如何判斷黃瓜的生產(chǎn)情況（坐果率、病蟲害等），并自動給出相應的解決方案（留葉、留果策略等）？

答：溫室本身的設置就是不容易有蟲害，因為溫室有隔離，很大程度上減少害蟲的困擾。植物會生病，但生病的原因可能是因為空氣潮濕不是很適合生存之類的，而不是害蟲的原因。不過，在未來的戶外實驗和應用中，AI 還得繼續(xù)學習，研究下如何解決這個害蟲的問題。

至于留葉留果策略是比賽后期一個很大的挑戰(zhàn)，并不是AI自動給出的相應解決方案，而是通過了三四十個來回的討論，查閱大量相關文獻才定下的重大策略。比賽快結束的時候重要的大事是做好留果留葉策略，爭取黃瓜有個好收成。植物生長的過程類似拋物線，生命周期會有起伏、最高點最低點。所以我們要估算什么時候結束是最合適的。首先我們都不是種植黃瓜的專家，其次關于黃瓜的資料也都很少，所以我們也將種植西紅柿等的資料作為參照。我們團隊里AI側成員和農(nóng)業(yè)專家來回討論了三四十回來制定策略。從結果來看當初的策略很正確，在最后沖刺了一下產(chǎn)量。

AI科技大本營：黃瓜的質(zhì)量是怎樣評定的？有哪些標準？

答：優(yōu)質(zhì)A：重量375g或更多；優(yōu)質(zhì)B：重量300克至374克之間，有瑕疵，如彎曲的形狀，不是深綠色；質(zhì)量C：低于300克。

AI科技大本營：如何把這項技術大規(guī)模推廣？存在哪些挑戰(zhàn)？

答：目前在AI+農(nóng)業(yè)領域，一大技術難點在于，計算機模擬受農(nóng)業(yè)生產(chǎn)的特點影響，與真實的農(nóng)業(yè)種植之間存在巨大的鴻溝。在農(nóng)業(yè)生產(chǎn)中，影響作物生長的因素極為復雜，種植很難標準化，環(huán)境變化也難以預測，這些因素會嚴重阻礙人工智能的效能發(fā)揮。盡管本次比賽為環(huán)境相對可控、較易標準化的溫室黃瓜生產(chǎn)，但計算機模擬如何有效遷移到真實的農(nóng)業(yè)種植中，依然是一大技術挑戰(zhàn)。

AI科技大本營：騰訊對AI+農(nóng)業(yè)有著怎樣的商業(yè)化布局？除了種植業(yè)之外，還會應用到養(yǎng)殖業(yè)嗎？

答：這是一次全新的探索與嘗試。人工智能技術在現(xiàn)代農(nóng)業(yè)生產(chǎn)全階段的滲入，對推進農(nóng)業(yè)的自動化、信息化和智能化，提升農(nóng)業(yè)生產(chǎn)的質(zhì)量與效率具有重要意義，但技術發(fā)展和應用并非一蹴而就。人工智能這么年輕的行業(yè)，與古老的農(nóng)業(yè)相碰撞時，會遇到諸多挑戰(zhàn)，如何預見和解決這些難題，需要耐心、創(chuàng)新，甚至是一些靈感。但其中蘊含的機遇也是巨大的，我們希望能有更多跨學科專家、企業(yè)家和投資者一起攜手，共同發(fā)掘AI+農(nóng)業(yè)的各種可能性。

騰訊首席探索官網(wǎng)大為先生在解釋騰訊為何要大力支持并參與這個項目時表示：“地球現(xiàn)在面臨著人口增長、氣候變化等諸多挑戰(zhàn)，人類賴以生存的 FEW（食物、能源、水）對我們的未來至關重要。騰訊的使命是‘通過互聯(lián)網(wǎng)服務提升人類生活品質(zhì)’，作為國際領先的科技企業(yè)，我們必須拓展現(xiàn)有體系和架構，AI 是其中一個重要的解決方案——力爭用最少投入獲取最多產(chǎn)出。盡管“AI+農(nóng)業(yè)”應用尚屬早期，但已經(jīng)取得令人興奮的成果。如果實現(xiàn)自動化，將能釋放驚人的生產(chǎn)力。我們要充分認識到人工智能可以發(fā)揮的作用，積極投入資源做技術研發(fā)。提高糧食生產(chǎn)力是全球優(yōu)先事項（Global Priority），而不僅僅是潛在的商業(yè)機會。我們需要鼓勵更大膽的設想，激發(fā)出更多的解決方案。”

未來：AI 將改變農(nóng)業(yè)

近年來，隨著人工智能技術不斷發(fā)展，其應用已逐漸滲入農(nóng)業(yè)生產(chǎn)全過程，包括產(chǎn)前的育種選種、土壤分析，產(chǎn)中的病蟲害管理、自動采收，以及產(chǎn)后的品質(zhì)檢測、優(yōu)化物流等等。

產(chǎn)前：育種選種、土壤分析

例如，在產(chǎn)前階段，深度人工神經(jīng)網(wǎng)絡可利用物聯(lián)網(wǎng)獲取的數(shù)據(jù)，對灌溉用水進行分析和指導，并通過對土壤成分的檢測分析，選擇適宜種植的作物品種，合理施肥。通過對農(nóng)作物市場周期需求的大數(shù)據(jù)分析和預測，也可指導作物種植品種選擇，避免產(chǎn)銷脫節(jié)引發(fā)價格劇烈波動，造成經(jīng)濟損失和農(nóng)產(chǎn)品浪費。另外，云計算、大數(shù)據(jù)分析和機器學習等技術，還可以幫助篩選和改良農(nóng)作物基因，達到提升口味、增強抗蟲性、增加產(chǎn)量的目的。

產(chǎn)中：病蟲害管理、自動采收

在產(chǎn)中階段，人工智能技術可用于監(jiān)測環(huán)境數(shù)據(jù)和農(nóng)作物生長情況。通過建立病蟲草害特征分類數(shù)據(jù)庫，并利用計算機視覺技術識別作物品種、病害程度和雜草生長情況，可實現(xiàn)智能預防和管理病蟲草害，減少經(jīng)濟損失。不僅如此，這在一定程度上還可減少除草劑和殺蟲劑的使用，提升農(nóng)產(chǎn)品安全性，減輕環(huán)境影響。

針對傳統(tǒng)農(nóng)業(yè)“看天吃飯”的缺陷，利用機器學習技術處理衛(wèi)星圖像數(shù)據(jù)，可預測天氣等環(huán)境變化對作物的影響，提前應對。在采收環(huán)節(jié)，計算機視覺技術與機械臂或機器人結合，可實現(xiàn) 24 小時自動化采收，節(jié)省人力，降低成本。此外，大數(shù)據(jù)處理和語音識別等技術可運用于農(nóng)業(yè)智能專家系統(tǒng)中，為農(nóng)業(yè)從業(yè)者提供專業(yè)咨詢服務和指導，幫助解決生產(chǎn)中各種技術問題。

產(chǎn)后：品質(zhì)檢測、優(yōu)化物流

在產(chǎn)后階段，具有計算機視覺的機械臂可進行農(nóng)產(chǎn)品售前品質(zhì)檢測、分類和包裝等工作；用大數(shù)據(jù)分析市場行情，可幫助農(nóng)產(chǎn)品電商運營，引導企業(yè)制定更靈活準確的銷售策略；通過人工智能遺傳算法和多目標路徑優(yōu)化數(shù)學模型，可對物流配送路徑進行智能優(yōu)化，完善生鮮農(nóng)產(chǎn)品供應鏈等。

最后，為大家獻上一段 rap。

嘿

嘿

準備好了沒

你看這個瓜 它又直又長

就像這只鵝 它又胖又萌

你們 來這里 吃瓜

覺得 瓜 很好吃

我看行

你們 來這里 吃瓜

就像 我給你們種瓜 一樣很開心