Trí tuệ nhân tạo có thể được ứng dụng trong 4 lĩnh vực chính gồm robot nông nghiệp, giám sát chất lượng, phân tích dự báo và giúp các thao tác nâng cao độ chính xác.
"Nông nghiệp thông minh để phát triển bền vững" là một trong những chuyên đề sẽ được thảo luận tại diễn đàn Phát triển bền vững VSF 2019 (diễn ra trong hai ngày 17 – 18/1). Nhiều chuyên gia đã chỉ ra rằng những ứng dụng của dữ liệu mở và trí tuệ nhân tạo (AI) trong nông nghiệp cho thấy tiềm năng là rất lớn nhưng cũng sẽ có nhiều thách thức khi áp dụng cho ngành nông nghiệp Việt nam.
Tiềm năng của AI và dữ liệu mở
TS. Nguyễn Kỳ Tài, ĐH Southern Queensland (Australia) cho biết ngành nông nghiệp là lĩnh vực có nhiều yếu tố bất định ảnh hưởng đến sản lượng và chất lượng nông sản như thời tiết, chất lượng đất canh tác, sâu rầy ...
Nhưng với nhiều dữ liệu thu thập được, cả quá khứ và theo thời gian thực, từ nhiều nguồn như chất lượng đất canh tác, hạt giống, gia súc gia cầm, năng suất, giá thị trường… thì có thể lượng hóa được các mô hình tối ưu và dự báo.
Các thuật toán AI cho nông nghiệp được xây dựng để giúp tối ưu các nguồn lực đầu vào, từ đó cải tiến năng suất nhưng đồng thời sản lượng và chất lượng phải theo kịp biến động của thị trường. Việc cải thiện hiệu suất và khả năng dự báo, không chỉ đem lại lợi ích cho người nông dân mà còn tác động tích cực đến các ngân hàng tài trợ vốn và các công ty bảo hiểm. Tăng khả năng dự báo chính xác sẽ giúp việc quản trị rủi ro tốt hơn của tất cả các bên có liên quan.
Theo TS. Tài, AI có thể được ứng dụng trong bốn khu vực chính như sau: thứ nhất là AI trong rô-bốt nông nghiệp, bởi ngày càng có nhiều công việc, và thao tác được thay thế bởi rô-bốt, từ gieo trồng, chăm sóc đến thu hoạch.
Thứ hai là ứng dụng của AI trong việc giám sát chất lượng đất, năng suất mùa vụ thông qua các thiết bị vệ tinh, camera, cảm biến.
Thứ ba là việc phân tích dự báo dựa có thể được nâng cao độ chính xác và nhanh chóng thông qua AI.
Thứ tư, AI có thể giúp các thao tác trong nông nghiệp nâng cao độ chính xác, từ số lượng đầu vào cần thiết như nước, giống, phân bón cho đến thu hoạch, chế biến và bảo quản.
Các thuật toán AI cần rất nhiều thông tin đầu vào, chính vì vậy không thể không dựa trên nền tảng dữ liệu lớn. Muốn vậy, chúng ta cần có một hệ sinh thái dữ liệu không chỉ nhiều về số lượng mà còn phải đảm bảo được yêu cầu chất lượng.
Một trong các hướng để xây dựng dữ liệu lớn, theo bài tham luận của giám đốc điều hành tổ chức GODAN (Global Open Data initiative for Agriculture and Nutrition) ông Andre Laperriere thì cần xây dựng được một hệ thống dữ liệu mở (open data) và các phương tiện mở (open tools).
Những trao đổi dữ liệu về thời tiết, địa lý, dịch bệnh, thị trường nông nghiệp là rất quan trọng, có ảnh hưởng không chỉ đến năng suất mùa vụ, mà còn là chất lượng cuộc sống của người nông dân nói riêng và cả xã hội nói chung. Vì cuối cùng, những vấn đề của nông nghiệp là những vấn đề liên quan đến an ninh lương thực và dinh dưỡng.
Tuy vậy, để có được dữ liệu lớn và mang lại lợi ích, dữ liệu phải đạt được tiêu chí FAIR (Findable, Accessiable, Interoperable, Reusable) tức phải tìm kiếm được, tiếp cận được, tương thích, và tái sử dụng được. Đây chính là những yêu cầu mở của dữ liệu và để đạt được điều này, cần có các phương tiện mở như mục tiêu, chính sách về dữ liệu mở, năng lực, hệ sinh thái thúc đẩy việc trao đổi thông tin.
Nhiều thách thức khi khiển khai ở Việt Nam
Những năm gần đây, nông nghiệp là một lĩnh vực được sự quan tâm của nhiều nhà đầu tư và Chính phủ. Những tiến bộ trong lĩnh vực trí tuệ nhân tạo, dữ liệu lớn được kì vọng sẽ được áp dụng và đem lại một sự chuyển biến lớn cho ngành nông nghiệp Việt nam.
Tuy nhiên, việc ứng dụng và triển khai cần cân nhắc một số trở ngại lớn. Thứ nhất, quy mô canh tác của nông nghiệp Việt nam phần lớn vẫn còn là nhỏ lẻ, tỷ lệ cánh đồng mẫu lớn rất thấp, như ở đồng bằng sông Cửu Long khoảng chỉ khoảng 11%. Do đó, việc thu nhập, xử lý dữ liệu sẽ không như mô hình đã thành công ở các nước khác.
Thứ hai, việc đầu tư các trang thiết bị máy móc hiện đại, tích hợp thu thập và dữ liệu hay tự động hóa chính xác nằm ngoài khả năng của nhiều hộ nông dân. Khả năng nội địa hóa để giảm giá thành các máy móc thiết bị là không cao dù đã có những nỗ lực nhất định trong việc liên kết bốn nhà: nhà nông – nhà nước – nhà khoa học – nhà doanh nghiệp.
Cuối cùng, là Việt Nam chưa bắt đầu xây dựng một hệ sinh thái dữ liệu lớn, có thể theo mô hình dữ liệu mở chẳng hạn. Việc ứng dụng những thành tựu của AI đòi hỏi đồng thời số lượng và chất lượng của dữ liệu.
Nếu không bắt đầu, thì không bao giờ có điểm đến. Vì vậy, để nông nghiệp Việt Nam sớm trở thành một trụ cột kinh tế quan trọng, thì việc xây dựng một hệ sinh thái dữ liệu lớn cần được triển khai sớm, có sự liên kết và đồng lòng của các bên có liên quan.