Ko danes gledam razvoj umetne inteligence, senzorike in agrorobotike, ne vidim več glavnega problema v tem, da tehnologija ne obstaja. Tehnologija obstaja in marsikje že dobro deluje. Računalniški vid prepoznava bolezni, škodljivce, plevel, plodove in obnašanje živali, spektralni sistemi ocenjujejo vodni in dušični stres, modeli napovedujejo pridelek in razvoj bolezni, avtonomni sistemi pa lahko izvajajo del setve, škropljenja, pletja, košnje in transporta.
Večina rešitev še vedno ne sklene celotne regulacijske zanke:
meritev → validacija podatka → agronomska interpretacija → odločitev → izvedba → meritev učinka
Če se proces konča pri barvnem zemljevidu ali opozorilu na telefonu, kmet še nima rešitve. Ima nov podatek in pogosto tudi novo aplikacijo, novo geslo ter novo nalogo.
Manj kmetij pomeni večjo potrebo po učinkovitih sistemih
Po podatkih SURS se je število kmetijskih gospodarstev med letoma 2000 in 2020 zmanjšalo s 86.467 na 68.331, torej za 21 %. SURS je za leto 2023 uvedel nov zajem, zato absolutne številke niso neposredno primerljive s starejšo serijo. Na preračunani primerljivi populaciji pa je število gospodarstev med letoma 2020 in 2023 upadlo še za 7 %, s 54.599 na 50.531. Tudi ministrska Vizija »Naše kmetijstvo in hrana v 2040« potrjuje intenzivno dolgoročno zmanjševanje števila kmetij. Povprečni nosilec, ki odda zbirno vlogo, je star 59,8 leta, le 9 % nosilcev pa je starih do 40 let. Jaz tega ne razumem samo kot demografski problem. Manj kmetij pomeni, da bo preostala delovna sila upravljala več površin, več živali, več kapitala in več podatkov. Hkrati bo Slovenija še naprej imela majhne, razdrobljene kmetije na tehnično zahtevnem terenu. Rešitev, ki deluje na 200 hektarjih pravilne ravnine, zato še ni nujno uporabna na dvajsetih prostorsko ločenih parcelah.
Odziv bi moral biti skupen
Menim, da se moramo FKBV, BF, KIS ter KGZS z vsemi kmetijsko-gozdarskimi zavodi na ta prehod odzvati skupaj. Potrebni so skupni razvojni problemi, podatkovni slovarji, protokoli validacije, referenčni podatkovni nizi, demonstracijske kmetije in neodvisni primerjalni preizkusi. Ne vidim smisla v ustanovah, ki ločeno razvijajo podobne prototipe, uporabljajo različne formate in nato vsaka zase išče kmete za demonstracijo. Kmet bi moral dobiti eno strokovno preverjeno pot od meritve do izvedljivega ukrepa. Pri tem mora biti v razvoj od začetka vključen kot sooblikovalec zahtev in ne šele kot zadnji uporabnik že izdelane aplikacije. Pričakujem, da bo umetna inteligenca zmanjšala potrebo po človeških virih predvsem tam, kjer so naloge ponovljive, standardizirane in podatkovno dobro opisane. Ne govorim (pišem) o tem, da bodo celotni poklici izginili. ILO ocenjuje, da bo verjetnejša preobrazba delovnih mest kot popolna zamenjava ljudi.
Do leta 2030 pričakujem manjšo potrebo po:
- referentih za ročni vnos evidenc, standardna poročila in administrativno predizpolnjevanje vlog,
- izvajalcih osnovnega knjiženja, usklajevanja računov in rutinske dokumentacije,
- prvi ravni svetovanja, kjer delo obsega standardne odgovore, iskanje predpisov in preproste izračune,
- tehnikih za ročno predobdelavo satelitskih in dronskih posnetkov, izdelavo osnovnih kart ter štetje rastlin, plodov ali poškodb,
- izvajalcih ponavljajočih se vizualnih pregledov posevkov, škodljivcev, bolezni in živali,
- operaterjih, ki samo spremljajo alarme namakalnih, rastlinjaških ali hlevskih sistemov brez zahtevnejše strokovne presoje.
Do leta 2035 pričakujem dodatno zmanjšanje potrebe po:
- voznikih in upravljavcih strojev pri standardizirani setvi, škropljenju, košnji in internem transportu,
- delavcih za ročno pletje, redčenje ter del pobiranja, sortiranja, razvrščanja in pakiranja,
- izvajalcih rutinske molže, krmljenja ter neprekinjenega vizualnega nadzora živali,
- operaterjih dronov, ko bodo načrtovanje leta, zajem, obdelava in alarmiranje večinoma avtonomni,
- laboratorijskih in kontrolnih delavcih pri standardnih presejalnih analizah in ponavljajočem se vizualnem ocenjevanju kakovosti.
Na razdrobljenih, strmih in biološko zelo variabilnih kmetijah bo avtomatizacija počasnejša. Tam bo človek še dolgo del t.i. regulacijske zanke. Povečala pa se bo vrednost agronomov, veterinarjev, svetovalcev, serviserjev, strokovnjakov za robotiko, podatke in kibernetsko varnost ter ljudi, ki znajo model preveriti na terenu in prevzeti odgovornost za odločitev.
Posodobiti bo treba tudi način učenja
Tu vidim še en problem, o katerem se po mojem govori premalo. Tehnološkega prehoda ne bo mogoče izvesti z učnim sistemom, ki večino snovi še vedno podaja enako vsem, v istem tempu in predvsem v obliki enosmerne razlage. Posodobitev bo potrebna v osnovnih in srednjih šolah, še bolj pa v višjih in visokih strokovnih šolah ter na fakultetah. Prihodnji agronom ali inženir ne bo potreboval samo znanja formul in definicij. Moral bo znati povezati biologijo, fiziko, elektroniko, regulacijo, prostorske podatke, ekonomiko in odgovornost za odločitev. Razumeti bo moral negotovost modela, kakovost vhodnih podatkov, podatkovni zamik, pristranskost učnega vzorca in razliko med korelacijo ter vzročnostjo. To se težko nauči samo s poslušanjem predavanja in ponovitvijo snovi na izpitu.
Veliko bolj smiseln se mi zdi sistem, v katerem študent dela z dejanskim problemom, dobi razlago na svoji ravni, preizkuša parametre v simulaciji, sproti odgovarja na podvprašanja, dobi povratno informacijo o šibkih točkah in mora rezultat na koncu tudi ustno zagovarjati. AI pri tem ne sme nadomestiti učitelja ali profesorja. Lahko pa vsakemu učencu omogoči več individualne razlage, več vaje in hitrejšo povratno zanko, učitelju pa boljši vpogled v to, česa skupina dejansko ne razume. Prav zato se mi zdi smer slovenskega podjetja Astra AI zelo zanimiva. Njihov pristop vključuje prilagojen učni načrt, delo z naloženim gradivom, simulacijo pisnega testa, ustno odgovarjanje z dodatnimi vprašanji, analizo šibkih točk in interaktivni Astra Lab za eksperimentiranje z matematičnimi, fizikalnimi, kemijskimi in biološkimi koncepti. Posebej pomembno se mi zdi, da učiteljem in profesorjem omogočajo brezplačen dostop ter AI predstavljajo kot pomoč pri poučevanju in ne kot zamenjavo učitelja. Mislim, da imamo Slovenci tukaj res srečo. Takšno znanje in razvojno podjetje imamo doma, zato bi morale šole, fakultete, raziskovalne ustanove in svetovalne službe z njimi bistveno več sodelovati. Tudi sam bom takšno sodelovanje zelo verjetno poiskal, predvsem pri pripravi tehničnih vsebin, simulacij in novih načinov razlage pametnega kmetijstva ter agrorobotike.
Prihodnosti slovenskega kmetijstva ne vidim kot kmetijo brez ljudi. Vidim jo kot sistem, v katerem človek ni več ročni vmesnik med desetimi nepovezanimi aplikacijami. Senzor mora ustvariti preverljiv podatek, model mora pokazati negotovost, priporočilo mora biti agronomsko in ekonomsko utemeljeno, stroj mora ukrep izvesti, učinek pa je treba ponovno izmeriti. Najboljša tehnologija zame ni tista, ki pokaže največ podatkov. Najboljša je tista, ki kmetu vrne čas, zmanjša tveganje, porabi manj virov in mu pusti nadzor nad odločitvijo.
LP, Blaž