ИИ в теплице: как технологии спасают сельское хозяйство

Как научный подход помогает решать реальные проблемы в агроиндустрии: от диагностики болезней растений до реформирования труда в теплицах. В подкасте «Мыслить как ученый» основатель ПостНауки Ивар Масутов беседует с предпринимателями и инноваторами, превращающими научные открытия в передовые технологии. В гостях Валерия Коган — биоинформатик, предприниматель и основательница стартапа Fermata AI. Смотрите выпуск на YouTube: Будущее еды: технологии и агроинновации Кризис в агроиндустрии: нехватка кадров, климат и низкая автоматизация Сельское хозяйство — древняя отрасль, но это и преимущество, и недостаток. За века накоплено много знаний, агрономия — развитая наука. Однако это сделало индустрию крайне консервативной. Там, где ученые предлагают изменения, потребители часто сомневаются, стоит ли вмешиваться. Основная проблема сельского хозяйства сегодня — нехватка кадров. Молодежь стремится в IT и другие высокооплачиваемые сферы, а профессия агронома теряет популярность. Недавно Всемирный экономический форум опубликовал отчет: к 2030 году одной из самых дефицитных профессий станут работники ферм. В развитых странах средний возраст агрономов уже превышает 55 лет, а в Азии, например, в Японии и Южной Корее, он превышает 60. Нехватка специалистов создает два крупных вызова. Во-первых, мало людей с профильным образованием и глубоким пониманием агрономии. Во-вторых, физический труд на фермах непривлекателен: работа сложная, требующая навыков. Например, в Израиле после 7 октября уехали сезонные рабочие, и фермеры столкнулись с острой нехваткой персонала. Волонтёры, не имея нужных навыков, скорее вредили, чем помогали. Из-за этого растет спрос на автоматизацию и цифровизацию. Уровень автоматизации все еще низкий. По оценкам, только 2% ферм в мире используют цифровые сенсоры, а полноценная автоматизация — еще сложнее. Например, несмотря на множество видеороликов, найти теплицу с полностью автоматизированным сбором урожая почти невозможно. Кроме того, фермерство — это традиционно семейный бизнес, в котором важны преемственность и устоявшиеся методы работы. Когда к ним приходят специалисты с AI-решениями, это чаще вызывает скепсис, чем интерес. Сейчас ключевые решения на фермах принимают люди старшего поколения, которые с недоверием относятся к технологиям. Есть еще один фактор — регулирование. Регулярно меняются нормы по использованию пестицидов и удобрений, что требует от фермеров адаптации к новым условиям. Также значимой проблемой стала нестабильность цепочек поставок. Пандемия COVID-19, война в Украине и кризисы на Ближнем Востоке показали, насколько уязвима глобальная система продовольственного снабжения. Многие страны, даже развитые, осознали, что зависимость от импортных продуктов ставит их в рискованное положение. Это подталкивает к поиску локальных решений. Отдельная проблема — климатические изменения. Например, в Бразилии появилось насекомое белокрылка, которого раньше там не было. Фермеры не знают, как с ним бороться, поскольку не сталкивались с этим раньше. Подобные изменения происходят во всём мире, заставляя фермеров адаптироваться к новым условиям. Подводя итог: нехватка кадров, технологическая отсталость, регуляторные изменения, сбои в цепочках поставок и климатические изменения делают инновации в сельском хозяйстве не просто желательными, а необходимыми. Однако традиционность отрасли тормозит внедрение новых технологий. Решение этих проблем — сложный и долгосрочный процесс. От биоинформатики к фермерству: личный путь Я всегда собиралась заниматься биотехнологиями. На Физтехе, когда биоинформатика только появлялась, я работала в лаборатории, потом закончила магистратуру в Москве и уехала в Израиль делать PhD по биоинформатике. Исследовала геномы и планировала продолжать в этой сфере. Параллельно работала в стартапах. В 2018–2019 годах, когда Deep Learning переживал новый расцвет после AI-зимы, я увидела первые прорывные работы, например, приложение Стэнфорда, которое позволяло сфотографировать родинку и определить, является ли она меланомой. Это было вау-эффектом в моем окружении. Затем стали появляться исследования по анализу рентгеновских снимков на ранние стадии рака легких. В Израиле я жила в стартап-районе, где чуть ли не каждый день появлялись новые компании, занимающиеся medical imaging. В это время знакомые моих знакомых предложили мне обсудить применение AI в сельском хозяйстве. Тогда специалистов по AI было немного, и многие только проходили курсы на Coursera. Я приехала к производителям томатов. До этого я никогда не бывала в теплице и даже не задумывалась, откуда берутся продукты в магазинах. Меня поразил масштаб: сотни людей, наука, индустрия. Фермеры показали мне свою главную проблему: болезни растений. Их сложно обнаружить вовремя, ведь теплицы похожи на джунгли. Существуют скауты — специалисты, которые осматривают каждое растение, каждый лист, чтобы найти признаки болезни. Работа скаутов невероятно тяжела: жара, влажность, огромные 4-метровые растения с тысячами листьев. В среднем около 30% урожая теряется из-за болезней, обнаруженных слишком поздно. Если болезнь выявить вовремя, ее можно локализовать: удалить зараженное растение или обработать его пестицидами, фунгицидами. Если же проблему не заметить, можно потерять весь урожай. В современных теплицах томаты растут 12 месяцев в году, и одно заболевшее растение — это потенциальный годовой убыток. Если болезнь распространится, убытки могут исчисляться миллионами. Мне это напомнило медицину: ранняя диагностика спасает жизни, а в сельском хозяйстве — урожай. Так родилась идея Fermata AI: применить технологии медицинской диагностики для мониторинга здоровья растений. Это было пять лет назад. AI против болезней растений: как работает Fermata AI Первоначальная идея была создать робота, который будет ездить по теплице, фотографировать растения и собирать климатические данные. Но фермеры сразу заявили: «Нам не нужен робот, он будет разносить заразу». Мы пытались переубедить их, даже построили прототип (он до сих пор стоит в гараже у моего папы), но реальный спрос оказался в другом. Сейчас наш продукт — это система мониторинга, основанная на обычных камерах наблюдения. Фермеры устанавливают их в теплице, камеры дважды в день фотографируют растения. Затем AI анализирует снимки, выявляет болезни, вредителей, нарушения питания и фиксирует повреждения. Вся информация отображается в дашборде, позволяя фермеру реагировать на проблемы быстрее. Фермеры могут видеть динамику распространения болезней и эффективность применяемых мер. Важно не только обнаружение новых проблем, но и контроль за постоянными заболеваниями, которые можно сдерживать, но нельзя полностью устранить. В среднем использование Fermata AI позволяет: — обнаруживать болезни на неделю раньше скаутов; — сократить потери урожая на треть; — уменьшить количество рабочих, занятых скаутингом, в два раза; — снизить потребление пестицидов за счет точечной обработки пораженных участков. Технологии и скепсис фермеров: как меняется отношение к автоматизации Фермеры пока не готовы полностью отказаться от скаутов, но мы видим, что по мере работы с системой они все меньше проверяют каждое изображение и постепенно переходят к принятию решений на основе аналитики. Некоторые фермеры опасаются автоматизации, поскольку это означает сокращение рабочих мест. При этом есть руководители, которые заинтересованы в оптимизации, например, начальники скаутов, отвечающие за поиск новых работников. Они могут стать нашими амбассадорами внутри компании. За последние два года принятие технологий изменилось. Когда мы начинали, партнёры отказывались от идеи подписки, заявляя, что это не вписывается в их стратегию на 10 лет. Теперь подписные модели стали привычными, и мы видим рост спроса. Наш основной фокус — мониторинг здоровья растений, но мы также развиваем направления: 1. Контроль популяции опылителей и хищных насекомых, регулирующих вредителей. 2. Прогнозирование урожайности на основе количества цветков и климатических данных. 3. Мониторинг перемещения рабочих в теплице для оптимизации труда. Fermata AI ориентируется на производителей овощей: томатов, огурцов, перцев, клубники. Наши клиенты — компании с теплицами от 5 до 50 гектаров. Малый бизнес (менее гектара) пока менее приоритетен из-за сложности внедрения технологий. Наука vs стартап: что меняется при переходе в бизнес Переход из науки в бизнес оказался сложнее, чем я ожидала. В стартапе ключевая метрика — потенциал технологии, но при масштабировании важны выручка, расходы, эффективность. В академии можно бесконечно уточнять гипотезы, в бизнесе важна скорость принятия решений. Главный урок, который я усвоила: прежде чем разрабатывать продукт, нужно убедиться, что кто-то готов его купить. Очевидный совет, но когда у тебя появляется идея, критическое мышление часто отключается. Важно фокусироваться на решении проблемы, а не на любви к своему продукту. Мы видели, как крупные стартапы с мощными технологиями проваливались, потому что рынок был не готов или бизнес-модель оказалась несостоятельной. Теперь моя цель — создать не просто инновацию, а устойчивый бизнес, который будет работать в долгосрочной перспективе.