AI发展座谈会:探讨如何用机器学习来帮助农民

全文共3629字,预计学习时长10分钟

 

图源:unsplash

Dr. Courtney Heldreth和Diana Akrong是Google Research的用户体验研究人员。他们的工作是探索如何利用人工智能帮助改善发展中国家农民的生活,着眼于将农民的需求、做法、价值体系、社交圈和日常农业生态系统现实融入Google打造的产品中。

 

Diana是Google Accra UX团队的创始成员;Courtney是一位社会心理学家,她带领一个团队开展基于文化的研究,以了解人工智能对发展中国家人民的风险和机遇。他们在2020年5月接受了David Weinberger的采访。

 

David:发展中国家当地的小型农场面临着哪些挑战?

 

Courtney:2050年前,预计地球上会增加25亿人口,而耕地却越来越少,而且气候变化将持续对粮食生产产生毁灭性影响。

 

Diana:这些问题对发展中国家的影响将大于对发达国家的影响。

 

David:今后严重至威胁地球的、导致分布不均的问题会层出不穷,那么机器学习能解决哪些问题呢?

 

Diana:卫星图像在空间分析中很有用,可以为农民提供从天气到土壤湿度水平的个性化和可操作的信息。但在许多发展中国家,分辨率不足以捕获这些地区典型小型农场的细节。这使得为这些农场提供准确和个性化的建议和预测变得很难。

 

Courtney:这一点真的很重要。农田的地形和范围是超变量,因此尝试检测小型农场中的土壤湿度时,与在100英尺外的农场中可能会大不相同。另外,发展中国家的许多农场都无法准确地区分出起点和终点。此外还存在建立正确基准数据的巨大问题……

 

AI发展座谈会:探讨如何用机器学习来帮助农民_第1张图片

Shannon May为谷歌绘制的插图

David:也就是说,应用到机器学习系统的基准数据准确性很重要,因此实际数据最好是准确的。

 

Courtney:是的,正确基准数据对于创建精确的机器学习模型非常重要。但在偏远地区,收集数据往往既费财又费力。例如,通常你需要在一段时间内从农场不同的地方收集多个土壤样本。这需要把人们带到数百个农场,收集大量样本,然后把这些样本送到实验室,这会非常昂贵。

 

疫情使得人们很难外出去核实基于卫星图像提出的建议。而且当固定的、清晰的边界概念在文化上不重要的情况下,很难确定哪些数据适用于哪个地理位置。

 

Diana:这是社会技术背景的重要组成部分,有太多相互影响的因素影响着是否采用以及如何采用技术。

 

David:比如说呢?

 

Diana:比如农村社区的网络基础设施。在撒哈拉以南的非洲农村地区,大多数网络连接都依赖2G技术,且覆盖范围有限。由于高运营成本和低收入机会,在这些地方扩展网络具有挑战性。这就限制了基于云的解决方案在这些地区发挥作用,在一定程度上也限制了数据的收集和使用。

 

Courtney:这是一个很好的观点。大多数政府是以决策为主要利益而收集数据,并且不能充分满足农民个体的需要。尽管在这些小型农场和村庄中,一些利益方在投资技术和数据收集方面没有看到足够的回报,但我们将其视为机遇。我们如何才能认识这些小农所在的地方?我们如何更好地理解小农的需求和状况,从而发现人工智能创造更多经济赋权的方式?

 

David:因此,你们并不是在寻求用崭新的事物来取代传统的做法?

 

Diana: 完全不是。我们相信,在农业价值链中,可以利用技术增强人的能力和做事方法。

 

AI发展座谈会:探讨如何用机器学习来帮助农民_第2张图片

图源:unsplash

David:如何避免强加对技术人员来说有意义、但对想要帮助的农民却未必有效的解决方案呢?

 

Diana:当地农民最了解自己面对的挑战。因此,我们坚信参与式设计——创建对社区有用并可供社区使用的解决方案。要做到这一点,就要让社区成为这个过程的一部分。

 

这样不仅有助于改善工作,尊重当地社区的需求和价值观,而且有助于提高改进工作的采纳度。农村社区采用技术的方式是当地农民试用,如果他们喜欢,他们会告诉其他农民,口碑是最好的营销渠道。

 

Courtney:如果是为农民而做但和农民一起设计,这项技术要么不会被采用,要么不会传播。

 

Diana:我们还看到一些案例,关于预防特定作物疾病有效信息的表达方式与农民的想法和表达方式并不一致。这也是我们倡导在机器学习发展过程中倾听农民声音的另一个原因。

 

David:那么,在如此复杂的环境下,如何整合技术来帮助解决问题呢?

 

Courtney:这是个关键的问题。我们的方法一直寻求:人工智能的优势和当地农民的需求之间有哪些细微的交集?农业生态系统极为复杂,有供应商、农民、商人、客户和交付系统……我们无法尝试解决所有问题,因为我们知道我们无法成为整个价值链的专家。

 

但是这种复杂性无法避免。为了给这个群体提供有意义的技术解决方案,需要考虑整个价值链,因为农业、粮食安全和公共卫生密切联系。昆虫可以在农作物上繁殖,森林砍伐可能导致疟疾传播和营养不良。我们还没有所有答案,但我们正在为复杂又细腻的生态系统进行设计。

 

例如,我们支持农民提高生产力,但这还不是终点。高供给可能意味着较低的价格,这会降低农民的收入。因此,我们还需要促进获取有关社区中其他农民正在种植什么的信息,促进进入市场,并尽所能确保有益信息通过整个价值链传递。

 

David:如果说价值链——实际上是一种生态系统——是如此复杂和重要,但又如此庞大,以至于作为一名技术人员无法指望完全理解它,你该如何开展下去呢?

 

图源:unsplash

Courtney:我们的团队进行了研究,从而了解农民在这个复杂的价值链中面临的挑战。通过这个研究,我们确定了两个关键的杠杆点(它们被定义为在一个复杂系统中,一个小的改变可以产生大的变化的地方。)

 

第一个杠杆点是促进可持续农业实践,这是一种实践系统,可以增加生物多样性,肥沃土壤,改善流域和增强生态系统服务。第二个杠杆点是寻求为农民提供更多经济保障的方式,从而提高其应变能力。

 

在我们开始探索这些领域时,我们主要关注的是理解农民的需求和挑战。这就是为什么社区伙伴关系如此重要的原因。拥有与农民、政府建立信任关系的合作伙伴对于开发真正有帮助的技术至关重要。

 

David:建立信任应该是其中的关键部分。

 

Diana:没错!社区是建立在信任之上的,因此与他们合作至关重要。

 

David:项目进行的现状如何?

 

Courtney:我们一直在采取一种非常基础的、以农民为中心的方法。这意味着要脚踏实地,与农民交谈,了解他们需要什么和想要什么,以及如何与经济安全、家庭稳定、甚至心理健康相结合。我们正在与印度各地的500名农民进行交谈,了解他们的需求,以及人工智能如何帮助他们。

 

然后新冠病毒就爆发了,所有线下的研究交流都被推迟了。但只要安全,我们就会继续做这项工作。与此同时,我们也专注于专家访谈。

 

David:都有哪些专家呢?

 

Diana:在非洲撒哈拉以南、印度和印度尼西亚工作的研究人员、农艺师、农场投入品分销商、农业综合企业经理、政策制定者、学者和农业推广人员。这些专家与农民密切合作,并且其中一些人本身就是农民。

 

David:你们的研究结果会公开吗?

 

Courtney:我们计划尽可能将其公开。我们将发表以农民为中心的人工智能的研究论文,提出一个了解农民需求及其社会系统的框架。我们还计划发布农民调查的结果,并希望与公众分享。

 

David:什么时候公开呢?

 

Diana:希望在今年年底之前,但是现在新冠病毒影响着我们的日程,有很多需要外出的工作需要现在无法实现。我们希望在与农民的对话中优先考虑面对面的互动,以便我们在了解农民的需求、目标和愿望时建立关系并建立信任。

 

David:怎样才算成功?

 

AI发展座谈会:探讨如何用机器学习来帮助农民_第3张图片

图源:unsplash

Courtney:这是一个不断学习的过程。如果它能让更多的小农采用可持续的农业做法,从而让农场更有生产力和适应力,我们就认为这个项目是成功的。这是我们希望能够实现的目标。

 

Diana:对于个体农民,在有限的资源下最大化生产力是很重要的。适应能力很重要,因为生态系统是如此复杂和不可预测。我们越能预测和帮助减少控制结果的不确定性,对这些农民就越好。

 

David:农民的声音决定什么是成功?

 

Courtney:这是我们工作中最重要的方面。在整个开发过程中,我们会始终如一地与他们进行沟通。因为我们是用户体验研究者,也是人类同胞,我们非常关心并确保农民的声音会被听到并且永远不会消失。

 

AI发展座谈会:探讨如何用机器学习来帮助农民

 

留言点赞关注

一起分享AI学习与发展的干货

欢迎关注全平台AI垂类自媒体 “读芯术”

(添加小编微信:dxsxbb,加入读者圈,一起讨论最新鲜的人工智能科技哦~)

你可能感兴趣的:(热点文章,AI,人工智能,大数据)