Искусственный интеллект может помочь решить проблему разорванного азотного цикла в сельском хозяйстве. Сейчас растениеводство и животноводство существуют изолированно, что нарушает естественный круговорот питательных веществ: навоз скапливается у животноводческих комплексов, а поля в других регионах истощаются и требуют всё больше синтетических удобрений.
Неэффективное использование азота наносит комплексный ущерб. Его избыток загрязняет воздух и грунтовые воды, окисляет почву и приводит к выбросам закиси азота – одного из самых опасных парниковых газов. Учёные предлагают использовать ИИ, чтобы управлять всем циклом как единой системой и отслеживать движение азота через поля, животных и хранилища навоза.
Предложенная система основана на трёх технологических компонентах. Сначала ИИ-платформа будет собирать данные со спутников, дронов, почвенных датчиков, носимых устройств на животных и систем компьютерного зрения в коровниках. Это позволит составить карту потоков азота и точно определить, на каких этапах происходят его потери.
На втором этапе гибридные модели обработают полученную информацию. Они объединяют машинное обучение с моделями, основанными на законах физики, химии и биологии. Такой подход повышает точность прогнозов и помогает достоверно рассчитать потребность в удобрениях, объёмы выбросов и потери азота при хранении навоза.
Наконец, большие языковые модели переведут сложные научные расчёты в понятные рекомендации для аграриев. Система сможет советовать оптимальный тип удобрений, норму, время и способ их внесения, корректировать рацион животных и организовывать вывоз навоза из зон с его избытком на поля, которые нуждаются в питательных веществах.
Долгосрочная цель – создать интеллектуального агента, который будет одновременно координировать внесение удобрений, кормление скота и переработку органических отходов. Первые профильные ИИ-системы уже доказали жизнеспособность этой концепции: им удалось сократить использование азотных удобрений и кормов без потери, а иногда и с ростом производительности.
Однако внедрению технологии мешает ряд барьеров. Сельскохозяйственные данные разрознены, принципы работы многих ИИ-моделей непрозрачны, а передовые датчики и вычислительные мощности могут оказаться слишком дорогими для небольших ферм. Частично эти проблемы решают технологии федеративного обучения и периферийных вычислений, которые снижают затраты и защищают конфиденциальность данных.
По мнению авторов концепции, ИИ способен стать центральным звеном для перехода к циркулярной экономике в АПК. Для этого потребуется тесное сотрудничество агрономов, зоотехников, биогеохимиков, IT-специалистов, фермеров и регуляторов, чтобы сделать технологию надёжной, доступной и простой в использовании.