回顾 | 未知世界--农业大脑

史良胜，1982年生，武汉大学珞珈特聘教授，博士生导师。2011年获得全国百篇优秀博士学位论文，2013年入选“万人计划”青年拔尖人才，2015年获得优秀青年基金。主要从事现代农业水利研究，研究领域包括农田水分和氮素循环、水盐氮运移和转化模型、农田数据同化系统、大数据环境下的数据驱动水肥管理。主持研究课题10余项。发表论文70余篇，其中SCI论文40余篇，EI论文20篇。曾获霍英东青年教师奖、教育部自然科学二等奖（排名第3）、教育部科技进步一等奖（排名第4）。

史良胜教授介绍说，中国作为一个人口大国、农业大国，随着城镇化快速发展，农业人口数量急剧减少，农民老龄化现象日益明显。如何提高农业生产效率、改善农村环境、帮助农民增收已成为迫在眉睫的问题。从2015年起，北京各大高校纷纷设立农学院。2017年12月，中共中央开展中央农村工作会议。同年10月25日，农业全产业链人工智能工程“农业大脑“在武汉正式启动。2018年6月阿里云召开ET农业大脑发布会，同年11月百度云与麦飞科技开发农业遥感智能监测系……

农业大脑是中国首个农业全产业链人工智能工程，其根本工作原理在于系统分析相关农业数据，通过云计算和大数据处理，最终作出最合理、最经济、最高效率的决策。 作为一种新型的科技手段，它的应用有望解决中国农业产业链上的一系列痛点问题 ，真正推动中国农业步入智能化时代。

农业大脑的计算工作并非独立完成。在现代科技的背景下，人们利用超光谱，热传感检测计算作物含水比例从而观测干旱情况，利用卫星和无人机获得更高时间空间分辨率的作物空间信息，并相互校正。

“ 农业大脑的演算就像学习走路的小孩，经历各种阶段和场景，收集大量的数据，积累足够经验从而根据以往概率计算接下来会发生的情况并进行预测。 ” 史良胜教授如是说。

农田大脑的感知能力是通过计算海量的、多样的、价值密度低的数据来建立的，它对农田系统（参数、变量和模型结构）进行了重新定义，探索其精度的极限， 从对数据的简单利用过渡到“智慧”地利用数据。 但是由于自然情况千变万化，农田环境过于复杂，数据的精度仍然存在很多不完善的地方。许多自然因素例如泥土等统计特征难以量化，因此无法准确获得偶然性与因果性之间的因果关系。因为这些因素的存在， 史良胜教授开发了一套信息同化系统，以求最大程度地获得每块农田的最佳数据结果。

农田的认知智能管理有三种：数据同化，回归模型与深度学习。数据的利用方式也有三种：基于复杂物理机制的数据同化模型，基于一定物理机制和大量数据的回归模型，基于高分辨率图像的深度学习模型。在强烈自然干扰的条件下进行数据同化，实施诊断和决策，实现最大化利用数据。现代计算机所达精度可高达0.69，史教授预计今年精度可达0.72上下。通过数据同化和认知智能，农田大脑可以在不同环境下实时发布最佳指令。

除了向我们介绍农田大脑，史教授还与我们分享了他对人工智能的认知。。

他指出， 海量数据、模型、算法和算力的提升是人工智能的基础；特定领域的成熟AI还依赖于特定的场景；工程应用场景很复杂， 向初代开发者提出了巨大的挑战。大数据并不等同于大量的数据，而是大量有利于计算的有效率和质量的数据。这些数据的概率才有助于人工智能和计算机的计算推测。

人工智能的兴起可能会深刻改变科学和其他学科，但是目前仍处于萌芽状态。 我们对于人工智能的认识还存在一定漏洞。人工智能的强大在于他比人脑更快的计算，想要充分开发人工智能， 首先我们需要正确看待它。 我们最大的障碍在于理想与实际之间的鸿沟，如何在实际的基础之上开发人工智能是发展人工智能接下来面对的首要问题。

保持思想上的独立，在进步中寻找突破也十分重要。 在这个信息爆炸时代，许多知识迅速贬值，我们要学会全面理性、有前瞻性地看问题，不断完善自我，在人工智能萌芽的时代把握机会。