谷歌登月实验室的新项目 居然这么“土”

文/光谱 杜晨

来源：硅星人（ID：guixingren123）

只为了让50年后的新新人类吃上一口饱饭

正在看这篇文章的你，今天吃饭了吗？

是否想过，如果到30、50年以后，你有可能会为饱腹而犯愁？

如果真会那样，可能并不是因为你的经济能力不行，而是“大环境原因”：因为土地营养匮乏、气候变化等原因，作物的增产很有可能无法跟上人口增长。人人都有可能饿肚子。

别以为这是杞人忧天。现任澳大利亚航天局局长、地质学家 Megan Clark 在2009年做出估计：想要确保人人都能吃饱，未来50年内的食物产出，需要比在过去一万年里还多。

然而，地球上的耕种土地恐怕无法实现这个期待——至少按照现在的单一种植(monoculture) 方式，是不可能的。

所以谷歌就来帮忙了。

Alphabet（谷歌重组后的母公司）旗下的前沿科研机构“登月实验室”(也就是之前的 Google X 实验室)，最近官宣了一个新的农业科技项目，名叫 Mineral。

Mineral 提出了一个所谓的“计算式农业”理念，打算采用机器学习——谷歌最擅长的技术之一——去解决人类即将在未来几十年内面临的粮食短缺问题。

Mineral 想要为农民开发一套软件和硬件的工具，帮助他们更好地了解具体到每一寸土地、每一株作物的情况，辅佐他们做出更好的决策。

粮食危机在逼近

现代农业耕种都是高产作物：稻谷、小麦和玉米，这三者共同承担了世界上近半的植物来源卡路里。以美国为例，如果你读过《杂食者的困境》(The Omnivore's Deilemma) 一书，可能会惊讶于美国人日常饮食当中，有多少看起来和玉米毫无关联的食物，其实都来自于玉米。

结果就是，当今的耕种农业，在作物种类上缺乏多样性。联合国粮农组织的报告显示，在人类已知的三万种可食用植物当中，人类耕种的只有不到1%，也即少于300种。

科学告诉我们，在一个生物系统里缺乏多样性，往往会带来严重的问题。做个比喻：如果全人类只耕种小麦，然后出现了一种风靡全球的针对小麦的虫害，人类将立即面临严重的粮食危机。缺乏多样性的危害就在这里。

不仅如此，现代农业还让耕种变得极其追求效率，作物被按照每亩甚至每百亩为单位统一管理，肥料、杀虫剂大面积使用和喷洒。加上单一种植的基础上，这样做会导致土壤中的营养、矿物质流失、微生物多样性减退，存碳能力降低。结果为了弥补，更多的肥料、杀虫剂等化学物质被使用，形成了恶性循环……

知道了问题是什么，答案也显而易见了：

1）恢复被现代农业忽视的间作 (intercropping)，也就是在同一时间同一土地耕种两种或更多种作物，提高土地、光能的利用率，或种植能够防止土壤冲刷、改善土壤养分的覆土作物 (cover crop)；

2）更有针对性的使用化学物，恢复土壤健康，也能节约资源。

其实在美国、中国这样的主要农业国家，农业的科技化程度已经很高了。但 Mineral 和全球许多国家的农民交流后发现，他们想要用科技，用数据去辅佐决策，也在使用传感器、GPS之类各式各样的工具，却仍然感觉帮不上多大的忙。

Mineral 的网站上这样写道：每个季节，农民都要做出上百个决策。我们了解到，当前的（科技）工具如何无法使他们适应面对的挑战。即使他们使用传感器，电子表格和GPS等数字工具，这些数据要么孤立，要么无法体现农业的复杂性。

Mineral 所谓的“计算式农业”，到底是什么呢？

是一台有轮子的农田机器人：

当然，这台机器人并不是 Mineral 的全部，而是该公司构思的软件和硬件工具当中的第一个产品。

这台机器人被称为 "Plant Buggy"——直接翻译过来的话就是“田地越野车”。它有不同的大小尺寸，可以在田间地头游走。车上装有摄像头、深度传感器、GPS等装置，可以收集农田里的数据，粒度可以细化到每一株作物。

车子也经历了几个版本的迭代，最一开始是用自行车改的：

然后车上加装了更多的设备，体型也变大了：

非常有限的信息显示，车上似乎还配有机器学习设备，可以对挖掘和分析数据，生成基于图像、地图的作物生长情况报告。

下面这是一张 Plant Buggy 拍到的照片，显示了菜地里不同株作物的生长和虫害情况不同，也体现了土壤的情况。

机器学习算法可以分辨画面中哪些是作物，哪些是土壤，以及作物的生长表现也能够体现出来，比如下图中生长良好的就是绿色，不良则是红色：

Plant Buggy 继续在田地里穿行，拍下更多的照片，结合地图数据，可以把整片田地给“数字化”，帮助农民追踪每一株作物的表现。在机器学习算法的帮助下，Mineral 的软件工具可以预测作物对环境的反应，帮助农民对单株植物“对症下药”，而非对整片田地进行统一化的处理。

最终，农民可以更好地追踪每一株植物的表现，降低种植成本以及过度使用化学物对土壤造成的不良影响。Mineral 还宣称，这样能够帮助农民更准确地预测收成。

目前，Mineral 正在和美国、加拿大、阿根廷和南非的农民开展合作和测试。未来，该公司计划在未来扩展合作的渠道，让全世界更多的私营公司、非营利机构、学术单位和政府也可以参与进来。

机器学习能改变农业吗

不过截至目前，Mineral 究竟能帮到农民多少，暂时还没有成功案例可以分享。一些农业经济和粮食问题方面的专家也对这项技术的普及前景表达了怀疑。

非营利机构“全球改善营养联盟”(Global Alliance for Improved Nutrition) 高级合伙人，前联合利华可持续技术团队成员 Oliver Camp 表示，在现实中，农民确实已经在用各种技术手段，但由于认知、经济性以及商业模式等多方面原因，很多农业技术到了农民的手上，实际效果根本达不到设计初衷。

他还担心，“对于全球粮食短缺问题最严重国家和地区的6亿农民来说，想要用上这项 (Minderal 的) 技术恐怕是遥遥无期。”

话说回来，作为从（原）谷歌公司的颇为高大上的“登月实验室”诞生的项目，Mineral 确实是相当接地气。它希望解决的是个长远，但又切实的问题，只是从信息量非常有限的描述来看，它的解决方案似乎又有点过于阳春白雪了。

机器学习的潜力毋庸置疑，但至今这项技术很大程度上仍然是个不可解释的黑盒子。Mineral 的方案，预测的准不准，真的能给农民带来多大帮助，确实不好说。它想要获取农民的信任，仍需要足够多的成功案例去证明自己。