A mesterséges intelligencia (MI) alapú mezőgazdasági technológiák rohamos fejlődése ellenére a hazai gazdálkodásban a legnagyobb akadályt nem maga a technológia, hanem annak hatékony alkalmazása jelenti. Varga Péter Miklós, a Magyar Precíziós Gazdálkodási Egyesület általános alelnöke szerint a magyar mezőgazdaság jelentős része nehezen illeszkedik a digitális megoldásokhoz.
Ez a jelenség jól megfigyelhető a Szegedi Tudományegyetem (SZTE) által fejlesztett, MI-alapú növényfigyelő rendszer esetében is. Az alelnök hangsúlyozta, hogy a fejlesztések sikere elsősorban a felhasználók nyitottságán és digitális kompetenciáin múlik, nem pedig az MI pontosságán.
Az SZTE új fejlesztése lehetővé teszi a növényeket érő stresszhatások, például a víz- vagy tápanyaghiány felismerését már a látható tünetek megjelenése előtt. Ezáltal a gazdálkodók időben értesülhetnek a problémákról, és beavatkozhatnak, megelőzve a terméskiesést. Ez a korai felismerés jelentős előrelépést jelent a klímaváltozás és a változó piaci környezet kihívásaihoz való alkalmazkodásban.
A digitális felkészültség hiányára jó példa az elektronikus gazdálkodási napló (eGN) használata, amelyben a termelőknek digitálisan kell rögzíteniük a növényvédelmi kezeléseket és más agrotechnikai műveleteket. Bár a rendszer évek óta kötelező, sok gazdálkodónak még egy permetezés utáni hét adat rögzítése is nehézséget okoz. Ez felveti a kérdést, hogy az összetettebb, MI-alapú döntéstámogató rendszerek milyen gyorsan terjedhetnek el.
A digitalizáció lassú terjedését az is befolyásolja, hogy sok gazdálkodó továbbra is inkább a saját tapasztalataira vagy más termelők tanácsaira hagyatkozik, nem pedig adatvezérelt döntésekre. Bár a folyamat lassú, egyre több termelő nyit a precíziós technológiák és a digitális megoldások felé. A szakember szerint nem újabb különálló alkalmazásokra van szükség, hanem olyan megoldásokra, amelyek a gazdák által már ismert rendszerekbe integrálódnak.
Egy MI-rendszer bevezetése nem feltétlenül jelent hatalmas beruházást. Az alapját képező szenzorok, külső adatbázisok és szolgáltatások költsége jellemzően pár tíz- vagy százezer forintos nagyságrendű. Bár egy teljes precíziós gazdálkodási rendszer kiépítése elérheti a százmillió forintot, egy MI-alapú döntéstámogató megoldás lényegesen kisebb ráfordítással is használhatóvá válhat. Ezért Varga Péter Miklós nem tartja ezeket a technológiákat kizárólag a nagy gazdaságok eszközének.
Egy kisebb termelő számára is megtérülhet egy ilyen rendszer, ha időben felismer egy növénybetegséget vagy más problémát, amely később jelentős terméskiesést okozna. A kisebb gazdaságokban keletkező adatoknak is komoly értékük van, hiszen egy helyben korán azonosított növénybetegség vagy kártevő megjelenése más termelők számára is hasznos információ lehet. Így a digitális adatgyűjtés nemcsak az adott gazdaságot, hanem tágabb értelemben az egész ágazatot is segítheti.
Az SZTE fejlesztésének végső sikerét nem az MI pontossága, hanem az dönti el, hogy képes-e valós segítséget nyújtani a gazdálkodók mindennapi munkájában. Ehhez megfelelő mennyiségű és minőségű adatra van szükség. A gazdálkodóknak már most érdemes minél több információt rögzíteniük földjeikről, még akkor is, ha egyelőre nem látják pontosan, hogyan hasznosulnak majd ezek az adatok.
A mezőgazdaságban régóta alapelv, hogy minden rendelkezésre álló információt érdemes megőrizni. Az időjárásról, a talaj állapotáról vagy a növények fejlődéséről készült feljegyzések ma még kevésnek tűnhetnek, de néhány év múlva olyan MI-modellek épülhetnek rájuk, amelyek hasznos következtetéseket vonhatnak le. Azok a gazdálkodók, akik csak évekkel később kezdenek digitális adatokat gyűjteni, menthetetlenül lemaradnak, mivel az addig elveszített adatok már nem pótolhatók.
Minél hosszabb idősor áll rendelkezésre, annál pontosabb előrejelzéseket készíthet egy mesterséges intelligencia. Ezért a jövőben az adatgyűjtés legalább akkora versenyelőnyt jelenthet, mint maga a technológia. Az MI ugyanis nem önmagában teremt értéket, hanem azokon az információkon keresztül, amelyeket a gazdálkodók hosszú éveken át következetesen rögzítenek.
Bár a mesterséges intelligencia egyre több feladatot képes támogatni a mezőgazdaságban, még messze vagyunk attól, hogy önállóan döntsön a gazdálkodók helyett. Az MI képes elemezni az adatokat és javaslatokat tenni, de ezek értelmezése és ellenőrzése továbbra is a felhasználó feladata. Ezt az orvostudomány fejlődéséhez lehet hasonlítani: ahogy az orvosoknak meg kellett tanulniuk használni az új diagnosztikai eszközöket, úgy a gazdálkodóknak is meg kell érteniük az MI-alapú rendszerek működését.
A szakember szerint az MI-t is szakmailag folyamatosan ellenőrizni kellene, hasonlóan más mezőgazdasági rendszerekhez. A következő évtizedben a mesterséges intelligenciára épülő növényfigyelő rendszerek és a precíziós gazdálkodási megoldások a mezőgazdaság mindennapi eszköztárának részévé válhatnak. Már ma is működnek olyan „hands-free” gazdaságok, ahol az algoritmusok végzik a feladatokat, és az adatok folyamatosan javítják a rendszerek teljesítményét.
Azokban a gazdaságokban, ahol hosszú időn keresztül következetesen gyűjtik az adatokat, idővel akár az is elképzelhető, hogy a mesterséges intelligencia kisebb hibával hoz meg bizonyos döntéseket, mint az ember. Ehhez azonban évek alatt felépített, megbízható adatbázisra és folyamatos szakmai kontrollra van szükség.
📰 Forrás: Telex — Eredeti cikk elolvasása