诺丁汉，英国 - 根据世界食品计划（WFP），大约3.43亿人目前正在遇到急性粮食不安全。在短期内，无法食用足够的食物会对生命构成直接的危险。而且，另外190万人由于粮食不安全，包括各种因素，包括冲突，主要在苏丹和加沙，天气模式不断变化和人口增长所致。
例如，由于增加了马达加斯加随着极端天气状况的增加，马达加斯加人在2021年经历了饥荒50多名儿童5岁以下的儿童有急性营养不良的风险和30,000级的五级粮食不安全。
新策略：减少粮食不安全
此外，预测表明全球人口到2050年可能超过100亿。自1960年代以来，全球农业方法的扩张速度比人口扩展的速度快。但是，这取得了高昂的成本。粮食损失和浪费很普遍，而且世界上的食品系统是有限的，已经超过了许多行星界的关键资源。
结果，集体需要采取新的策略来减少全球南方的粮食不安全。AI在该领域具有巨大的潜力，因为它通过有效利用行星边界并消除废物来显着提高农业效率。
通过AI增强农业实践
两者都存在许多不同的潜在应用机器学习和深度学习在全球范围内增强农业实践。机器学习依靠算法来识别数据模式并在没有特定任务的编程的情况下做出决策。深度学习采用神经网络，使机器能够处理大量数据。农民在农业中使用机器学习根据历史数据来预测农作物的产量，这有助于他们选择种植作物的最佳时间和地点。像无人机这样的自动设备由深度学习提供支持，对农作物健康和水位进行检查，增加农作物的产量和效率，同时减少废物。
在研究此主题时，Borgen项目与诺丁汉大学科学学院的农业研究人员和环境中讨论了这些实践。可以合理地期望这种做法需要大量能量才能利用，使它们在发展中国家无效；但是，研究人员告诉我们，这不是事实，并且不需要高度计算。
例如，训练该模型需要高度的计算，但是一旦训练，练习就会变得高效。大多数领先的技术公司都有自己的数据集和训练有素的模型，并且不需要在农业实践方面进行专业化。因此，采用现有技术以一种侧重于减少粮食不安全的方法可以提高产量结果。
根据研究人员的说法，数据的可用性是此用途中AI的最大障碍之一，因为模型只能根据其数据及其注释的能力来检测实践中的不足。AIBIO-UK生物科学学者是努力解决这个问题通过创建AI Ready数据库。
案例研究：在印度转变农业
印度领先的科技巨头利用AI来改善农业，从而减少粮食不安全。
在2024年，Google推出了农业景观理解（ALU）研究API，一种利用AI和卫星图像来提高农作物产量的工具，同时还提供了对特定农作物类型和邻近水的见解。该工具应对灌溉挑战，并为干旱和其他极端天气条件做准备。Google与印度AI开发人员合作，以赋予该领域的本地开发并促进创新，这增强了印度粮食安全并获得技术。
微软曾与国际农作物研究所合作，用于半干旱热带开发AI播种应用程序，这决定了播种作物的最佳时间。该应用程序使用机器学习，将历史数据与实时天气数据进行比较。2017年，该项目在2016年的飞行员阶段，该项目在安得拉邦和卡纳塔克邦的3,000多名农民中，高于安得拉邦的175名农民。它包括各种各样的农作物，并提供了一个定制的乡村咨询顾问dashboart健康和天气预报。这个为期两年的测试阶段将各种农作物的农业产量提高了10％。
减少粮食不安全感：挑战
人工智能技术为减少全球饮食不安全感提供了巨大的潜力。他们通过促进对资源的更有效利用来应对改变天气状况和人口增长的未来挑战。但是，据诺丁汉大学的专家说，知识和信任构成了发展中国家的两个最重要的障碍。据他们说，即使这些技术很容易获得，缺乏了解和使用它们的知识的农民也会带来重大挑战。
即使在英国，许多农民也是较旧的人群的一部分，并且可能存在新技术的障碍，因为他们不信任或因为人们习惯了传统的做法。结果，如果AI有效地减少了全球南部的粮食不安全，那么这些科技公司必须建立桥梁，以帮助农民参与并利用他们可用的技术。
威廉·皮克林
威廉（William）总部位于英国诺丁汉（Nottingham），专注于Borgen Project的好消息和技术。
照片：Flickr