बटाटा उत्पादनात कृत्रिम बुद्धिमत्ता: डेटापासून कृषीविषयक निर्णयापर्यंत

अलीकडेच अर्जेंटिनामध्ये झालेल्या एका परिषदेत, अल्गोरिदम कृषीशास्त्रज्ञांच्या व्यवसायाला कसे नव्याने आकार देत आहेत आणि या बदलाचा बटाट्यांच्या लागवडीवर, साठवणुकीवर आणि विक्रीवर काय परिणाम होईल, याचा अभ्यास करण्यात आला.

तांदिल असोसिएशन ऑफ ॲग्रीकल्चरल इंजिनिअर्स (CIAT) आणि अर्जेंटिनाच्या नॅशनल इन्स्टिट्यूट ऑफ ॲग्रीकल्चरल टेक्नॉलॉजी (INTA) यांनी संयुक्तपणे आयोजित केलेली १० वी जबाबदार उत्पादन परिषद (Jornadas de Producción Responsable), “अल्गोरिदमच्या युगातील व्यावसायिक कार्यपद्धती” या संकल्पनेखाली १९ ऑगस्ट २०२६ रोजी पार पडली. या परिषदेचे निष्कर्ष थेट बटाट्याला लागू होतात, जे एक असे पीक आहे ज्यासाठी भांडवल, निविष्ठा, माहिती आणि निर्णय यांची असामान्यपणे जास्त गरज असते.

अडथळा हलला आहे

तीन दशकांपूर्वी माहिती मिळवणे हे अवघड काम होते. नंतर त्यावर प्रक्रिया करणे अवघड झाले. आज डिजिटल प्लॅटफॉर्म आणि एआय प्रणाली प्रचंड मोठ्या प्रमाणातील डेटा डाउनलोड, संघटित आणि विश्लेषण करू शकतात — परंतु केवळ ही क्षमता चांगल्या निर्णयाची हमी देत ​​नाही.

बटाट्याच्या बाबतीत, आता उपग्रह आणि ड्रोन प्रतिमा, हवामान केंद्रे, जमिनीतील ओलावा मोजणारी सेन्सर्स, प्रयोगशाळेतील विश्लेषणे, फवारणीच्या नोंदी, उत्पादनाचे नकाशे, शेतातील रोगांचा इतिहास आणि आर्थिक माहिती एकत्र करणे शक्य झाले आहे. तथापि, अधिक माहितीमुळे आपोआपच उत्पादनात वाढ होतेच असे नाही.

जेव्हा डेटा एखाद्या विशिष्ट प्रश्नाचे उत्तर देतो, तेव्हा त्याचे मूल्य दिसून येते: कुठे आणि केव्हा सिंचन करावे, खतांचे प्रमाण कसे समायोजित करावे, शेताच्या कोणत्या भागांची प्रत्यक्ष पाहणी करणे आवश्यक आहे, रोगांचा प्रादुर्भाव सर्वाधिक कुठे आहे, कापणी केव्हा सुरू करावी. उपग्रह, हवामान आणि सेन्सर डेटा हे विश्लेषणाचे अंतिम उद्दिष्ट न राहता, कृषीविषयक निर्णयाची सुरुवात ठरतात.

एआय समोर तीन व्यावसायिक पदे

परिषदेतील सर्वात महत्त्वपूर्ण योगदानांपैकी एक म्हणजे कृषीशास्त्रज्ञाच्या भूमिकेची पुनर्व्याख्या. हाताने माहिती गोळा करणे आणि त्यावर प्रक्रिया करणे या कामाचा वाटा कमी होईल; तर त्याचे विश्लेषण, संदर्भानुसार मांडणी आणि प्रमाणीकरण यांचा वाटा अधिक असेल.

वक्त्यांनी तीन संभाव्य व्यावसायिक भूमिका ओळखल्या:

• ऑपरेटरजो प्रणालीच्या शिफारशींवर प्रश्न न विचारता त्यांची अंमलबजावणी करतो.
• अनुवादकजो आउटपुट समजतो आणि त्याचे स्पष्टीकरण देऊ शकतो.
• निकष डिझाइनरजो मॉडेलला काय विचारायचे हे ठरवतो, उत्पादन संदर्भ पुरवतो, इनपुटच्या गुणवत्तेवर नियंत्रण ठेवतो आणि शिफारस केव्हा सुधारित करावी किंवा रद्द करावी हे जाणतो.

तिसऱ्या पदाला खरा व्यावसायिक भेदक घटक म्हणून वर्णन केले गेले.

बटाट्याचे उदाहरण हे का स्पष्ट करते. एखादे चित्र पिकाच्या पानांच्या वाढीतील फरक ओळखू शकते, परंतु ते स्वतःहून त्याचे कारण - जसे की पोषक तत्वांची कमतरता, आर्द्रतेची समस्या, रोग, पेरणीतील चूक, जमिनीची घट्टता किंवा शेतातील नैसर्गिक विविधता - निश्चित करू शकत नाही. त्याचप्रमाणे, एखादे मॉडेल एखाद्या रोगासाठी अनुकूल परिस्थिती दर्शवू शकते आणि त्यावर उपाययोजना सुचवू शकते, परंतु अंतिम निर्णय घेताना वाण, वाढीचा टप्पा, शेताचा पूर्वीचा इतिहास, प्रादेशिक रोगांचा प्रादुर्भाव, हवामान आणि पिकासाठी अपेक्षित बाजारपेठ या सर्व बाबींचा विचार करणे आवश्यक असते.

अचूक शेती: उपकरणे आधीच उपलब्ध आहेत

परिषदेच्या अहवालात असे नमूद केले आहे की, शेतांवर आधीपासूनच उपलब्ध असलेल्या बहुतांश तंत्रज्ञानाचा पुरेसा वापर होत नाही. प्रोग्राम करण्यायोग्य कार्यप्रणाली असलेली यंत्रसामग्री तिच्या स्थापित क्षमतेच्या ४०% पेक्षा कमी क्षमतेने चालते असा अंदाज आहे, आणि अनेक शेतकरी केवळ ऑटोस्टीअरचाच वापर करण्यापुरते मर्यादित राहतात.

बटाट्याच्या बाबतीत, अचूक शेतीचा उपयोग संपूर्ण पीक चक्रात होतो:

• मृदेतील विविधतेचा नकाशा तयार करणे आणि व्यवस्थापन क्षेत्रांची सीमांकन करणे;
• लागवडीची घनता आणि खोली समायोजित करणे;
• विभाग आणि पिकाच्या गरजेनुसार बदलत्या दराने खत देणे;
• हवामानाची माहिती आणि जमिनीतील आर्द्रता संवेदकांच्या आधारे सिंचनाचे वेळापत्रक तयार करणे;
• रोगांच्या समस्यांचे किंवा कमी वाढ झालेल्या भागांचे लवकर निदान करणे;
• लक्ष्यित पीक संरक्षण अनुप्रयोग;
• उत्पादन आणि गुणवत्ता मॅपिंग;
• प्रत्येक क्षेत्रानुसार कामकाज, उत्पादने आणि दरांची नोंद करणे;
• ट्रेसिबिलिटीसाठी डेटाबेस तयार करणे.

बदलत्या दराने खत देणे हे विशेषतः खर्चाच्या रचनेत खताचे महत्त्व आणि उत्पन्न, गुणवत्ता व पोषक तत्वांच्या वापराची कार्यक्षमता यांच्यात संतुलन साधण्याची गरज यांमुळे महत्त्वाचे ठरते. परंतु, या पद्धतींना अजूनही कृषीशास्त्रीय प्रमाणीकरणाची आवश्यकता आहे: बटाट्याचा प्रतिसाद केवळ जमिनीतील पोषक तत्वांवरच नव्हे, तर वाण, मागील पीक, पाण्याची उपलब्धता, पेरणीची तारीख, पीक प्रक्रिया उद्योगासाठी आहे की ताज्या बाजारासाठी, आणि अपेक्षित व्यावसायिक गुणवत्ता यांवरही अवलंबून असतो.

सिंचन: सर्वात मोठी एकल संधी

सिंचन हे सर्वाधिक क्षमता असलेल्या क्षेत्रांपैकी एक आहे. हवामानाचा अंदाज, मृदा सेन्सर्स, रिमोट इमेजिंग आणि पीक विकास मॉडेल्स यांचा एकत्रित वापर केल्याने सिंचनाची वारंवारता आणि प्रमाण अधिक अचूकपणे निश्चित करता येते.

एआय पाण्याच्या ताणाखालील क्षेत्रे ओळखण्यास, गरजांचा अंदाज घेण्यास आणि विविध परिस्थितींची तुलना करण्यास मदत करू शकते. तरीही, या शिफारशीची पडताळणी जमिनीचा प्रकार, मुळांची प्रभावी खोली, वापरात असलेली सिंचन प्रणाली, पिकाची स्थिती आणि वाढीच्या विशिष्ट टप्प्याची संवेदनशीलता या बाबींच्या आधारे करणे आवश्यक आहे.

चुकीचा निर्णय घेतल्यास त्याची किंमत मोठी असते. सिंचनाचा एक चुकीचा निर्णय उत्पादनावर, कंदांच्या आकारावर आणि रचनेवर परिणाम करतो, दोषांचे प्रमाण वाढवतो आणि काही विशिष्ट रोगांसाठी अनुकूल परिस्थिती निर्माण करू शकतो. कृषीविषयक ज्ञानाची जोड असेल तरच स्वयंचलित प्रणाली यशस्वी ठरते.

पीक संरक्षण: लवकर निदान, लक्ष्यित उपचार

मशीन व्हिजन आणि प्रतिमा विश्लेषण प्रणाली लक्षणे, रंगातील बदल, पिकांमधील पोकळी आणि असामान्यपणे वागणारे भाग ओळखण्यास मदत करू शकतात. यामुळे मोठ्या क्षेत्रांचे निरीक्षण करणे आणि समस्या असण्याची सर्वाधिक शक्यता असलेल्या भागांकडे क्षेत्रीय पाहणी निर्देशित करणे सोपे होते. याचा एक दुय्यम फायदा म्हणजे वाण, पर्यावरणीय परिस्थिती, केलेल्या फवारण्या आणि त्यानंतरच्या पिकाच्या प्रतिसादाशी निगडित शेताच्या पातळीवरील रोगांच्या इतिहासाचा संचय होतो.

मुख्य फायदा म्हणजे प्रत्यक्ष निरीक्षणाची जागा घेणे नव्हे, तर ते अधिक जलद, अधिक लक्ष्यित आणि अधिक कार्यक्षम बनवणे हा आहे. रोबोटिक्स आणि निवडक फवारणी प्रणाली अधिक अचूक उपचारांकडे निर्देश करतात: परिषदेत अशा शोध-आणि-फवारणी तंत्रज्ञानाचा उल्लेख करण्यात आला, जे व्यापक-स्पेक्ट्रम तणनाशकांचा वापर लक्षणीयरीत्या कमी करण्यास सक्षम आहेत. बटाट्याच्या पिकात, हा दृष्टिकोन हळूहळू स्थानिक तण नियंत्रण आणि इतर भिन्न उपाययोजनांपर्यंत विस्तारित केला जाऊ शकतो.

साठवणूक: प्रतिक्रियेपासून अपेक्षेपर्यंत

डिजिटलीकरणामुळे काढणीनंतरचा टप्पाही बदलत आहे. सेन्सर्स साठवणुकीच्या जागेतील तापमान, आर्द्रता, वायुवीजन आणि वायूंचे प्रमाण यांची नोंद ठेवतात. एआय (AI) या प्रवाहाचे विश्लेषण करू शकते, त्यातील विसंगती शोधू शकते आणि कोंब फुटणे, सडणे, वजन घटणे किंवा प्रक्रियेच्या गुणवत्तेत घट होण्यास अनुकूल असलेल्या परिस्थितीचा अंदाज घेऊ शकते.

समस्या दिसल्यावर प्रतिक्रिया देण्याऐवजी, या प्रणाली लवकर सूचना देऊ शकतात आणि वायुवीजन किंवा साठवणुकीच्या परिस्थितीत बदल सुचवू शकतात. तरीही, निर्णय घेताना मालाची विविधता, अपेक्षित बाजारपेठ, मालाची सुरुवातीची स्थिती आणि अपेक्षित साठवणूक कालावधी या बाबी विचारात घेणे आवश्यक आहे.

बाजारविषयक माहिती — आणि तिचे बंधनकारक बंधन

एआयचा प्रभाव केवळ शेतीपुरता मर्यादित राहणार नाही. लागवडीखालील क्षेत्र, काढणीची प्रगती, उत्पन्न, गोदामातील साठा, किमती, घाऊक बाजारात येणारे प्रमाण, वाहतूक खर्च आणि मागणी यांवरील माहिती एकत्रित केल्याने अधिक चांगल्या व्यावसायिक योजना तयार करणे शक्य होते.

उत्पादकांसाठी, ही साधने पर्यायांची तुलना करण्यास मदत करू शकतात: त्वरित विक्री करणे, साठवणूक करणे, टप्प्याटप्प्याने वितरण करणे, ताज्या बाजारात पुरवठा करणे किंवा इतर मार्गांचा अवलंब करणे. तसेच, ती अतिरिक्त पुरवठ्याच्या कालावधीचा अंदाज घेण्यास, मागणीतील बदल ओळखण्यास, लॉजिस्टिक्सचे आयोजन करण्यास आणि उत्पादक, व्यापारी, प्रक्रिया करणारे व घाऊक बाजारपेठा यांच्यातील संवाद सुधारण्यास मदत करू शकतात.

यात एक अडचण आहे, आणि हीच या संपूर्ण चित्रातील सर्वात गंभीर मर्यादा आहे: एआयला विश्वसनीय डेटाची आवश्यकता असते. पुरवठा साखळीच्या काही भागांमधील अनौपचारिकता, प्रमाणित नोंदी ठेवण्याच्या पद्धतीचा अभाव आणि मर्यादित पारदर्शकता कोणत्याही अंदाजाच्या गुणवत्तेला कमी करतात. तांत्रिक विकासासोबतच क्षेत्रीय माहितीचे अधिक चांगले पद्धतशीरकरण, शोधक्षमता आणि सहभागींमध्ये एकीकरण असणे आवश्यक आहे.

कृषी ५.० चे चार आधारस्तंभ

परिषदेने उत्पादन प्रणालींमध्ये एकत्रित होणाऱ्या चार तंत्रज्ञानांची ओळख पटवली:

डिजिटल जुळे. शेताचा विकास कसा होत आहे हे दर्शवण्यासाठी आणि हस्तक्षेप करण्यापूर्वी विविध परिस्थितींची चाचणी घेण्यासाठी माती, हवामान, पीक आणि व्यवस्थापन डेटा एकत्रित करणारे एक मॉडेल — उदाहरणार्थ, वेगवेगळ्या सिंचन, खत किंवा पीक संरक्षण धोरणांअंतर्गत परिणामांची तुलना करणे.

कृती करण्याची क्षमता असलेला एआय. सेन्सर्सद्वारे आढळलेल्या विसंगतींवर प्रक्रिया करणे आणि स्वयंचलित उपकरणांद्वारे परिभाषित कृती पार पाडणे. ऑन-बोर्ड स्थानिक प्रक्रियेमुळे ग्रामीण भागातील कनेक्टिव्हिटी खराब असलेल्या ठिकाणीही संचालन शक्य होते.

उपयोजित रोबोटिक्स. मजुरांच्या कमतरतेवरील एक उपाय आणि देखरेख, प्रतवारी, वर्गीकरण, निविष्ठांचा वापर व पीक हाताळणीमध्ये अधिक अचूकता आणण्याचा एक मार्ग.

कृत्रिम जीवशास्त्र आणि एपिजेनोमिक्स. पाणी आणि पोषक तत्वांचा अधिक कार्यक्षमतेने वापर करणाऱ्या, रोगांना प्रतिकार करणाऱ्या आणि तापमानातील टोकाच्या बदलांना सहन करणाऱ्या वाणांचा विकास करणे.

मर्यादा आणि स्थानिक प्रमाणीकरणाची आवश्यकता

अडथळे मोठे आहेत: डेटाचे मानकीकरण आणि आंतरकार्यक्षमतेचा अभाव, प्रमाणीकरण खर्च, ग्रामीण संपर्क, प्रशिक्षण आणि नियामक अडथळे.

अहवालात विशेषतः एका मुद्द्यावर स्पष्ट भाष्य केले आहे. इतर पिकांसाठी किंवा प्रदेशांसाठी विकसित केलेली प्रारूपे स्थानिक पडताळणीशिवाय बटाटा उत्पादनासाठी वापरू नयेत. प्रत्येक लागवड क्षेत्राची स्वतःची माती, हवामान, वाण, व्यवस्थापन प्रणाली आणि बाजारपेठा असतात. एका प्रदेशात बटाट्यांवर प्रक्रिया करण्यासाठी चांगले काम करणाऱ्या पद्धतीत, दुसऱ्या प्रदेशात खाण्याच्या बटाट्यांसाठी लक्षणीय बदल करण्याची गरज भासू शकते.

त्यामुळे व्यावसायिक निर्णयच निर्णायक ठरतो. अल्गोरिदम सूचना देऊ शकतो; कृषीशास्त्रज्ञाला डेटाची गुणवत्ता तपासावी लागते, संदर्भाचा अर्थ लावावा लागतो आणि त्या शिफारशीची जबाबदारी घ्यावी लागते.

पुढच्या पिढीला प्रशिक्षण देणे

विद्यापीठाच्या अभ्यासक्रमात एआयचा किती प्रभावीपणे समावेश केला जात आहे, याबद्दलही परिषदेने चिंता व्यक्त केली. पायाभूत विषय आवश्यकच राहतील, कारण नवीन साधनांद्वारे निर्माण होणाऱ्या माहितीचे विश्लेषण करण्यासाठी आणि तिची पडताळणी करण्यासाठी आवश्यक असलेले ज्ञान ते पुरवतात. त्याचबरोबर, डेटा, ऑटोमेशन आणि एआयचा जबाबदार वापर यामधील क्षमतांचाही समावेश करावा लागेल.

तांत्रिक कामे स्वयंचलित होत असताना, मानवी क्षमतांना महत्त्व प्राप्त होते: चिकित्सक आणि विश्लेषणात्मक विचार, सर्जनशीलता, जिज्ञासा, लवचिकता, जुळवून घेण्याची क्षमता आणि आंतरविद्याशाखीय कार्य.

बटाटा साखळीमध्ये, भविष्यातील व्यावसायिकाला पीक, तंत्रज्ञान आणि बाजारपेठ या तिन्ही गोष्टी एकाच वेळी समजून घेणे आवश्यक असेल. केवळ डिजिटल प्लॅटफॉर्म चालवणे पुरेसे ठरणार नाही — महत्त्वाचे ठरेल ते म्हणजे चांगले प्रश्न तयार करण्याची, उत्तरांचे मूल्यांकन करण्याची आणि त्यांचे विश्वसनीय उत्पादन व व्यावसायिक निर्णयांमध्ये रूपांतर करण्याची क्षमता.

निष्कर्ष

कृत्रिम बुद्धिमत्ता कृषीशास्त्रज्ञाचे महत्त्व कमी करत नाही. उलट, ती पुनरावृत्तीची कामे काढून टाकून आणि व्यावसायिकाला अशा गोष्टींवर लक्ष केंद्रित करण्यास मोकळे करून या भूमिकेचा दर्जा उंचावते, ज्या गोष्टी तंत्रज्ञान स्वतःहून अजूनही पुरवू शकत नाही: निर्णयक्षमता, अनुभव, संदर्भ, विश्वास आणि उत्तरदायित्व.

---

CIAT आणि INTA यांनी ऑगस्ट २०२६ मध्ये तांदिल येथे आयोजित केलेल्या १० व्या जबाबदार उत्पादन परिषदेचा सारांश देणाऱ्या आर्गेनपापा (अर्जेंटिना) द्वारे प्रकाशित अहवालातून रूपांतरित. स्त्रोत: argenpapa.com.ar