കാർഷിക AI: ആഗോള സംരംഭത്തിന്റെ രണ്ടാമത്തെ യോഗം ന്യൂഡൽഹിയിൽ

എന്തുകൊണ്ടാണ് ഭക്ഷ്യ സംവിധാനങ്ങൾക്ക് പലതരം വൈദഗ്ധ്യം ആവശ്യമായി വരുന്നത്

വിവര-വിനിമയ സാങ്കേതികവിദ്യകളുമായി ബന്ധപ്പെട്ട ഐക്യരാഷ്ട്രസഭാ ഏജൻസിയായ ഇന്റർനാഷണൽ ടെലികമ്മ്യൂണിക്കേഷൻ യൂണിയനാണ് ഈ സംരംഭം ഏകോപിപ്പിക്കുന്നത്. ഫുഡ് ആൻഡ് അഗ്രികൾച്ചർ ഓർഗനൈസേഷൻ, ഇന്റർനാഷണൽ ഫണ്ട് ഫോർ അഗ്രികൾച്ചറൽ ഡെവലപ്‌മെന്റ്, വേൾഡ് ഫുഡ് പ്രോഗ്രാം എന്നിവ ഇതിന്റെ പങ്കാളികളിൽ ഉൾപ്പെടുന്നു. ഇവരുടെ പങ്കാളിത്തം ആശയവിനിമയം, കാർഷിക വിജ്ഞാനം, ഗ്രാമവികസനം, ഭക്ഷ്യസുരക്ഷാ അനുഭവപരിചയം എന്നിവയെ ഒരേ ചർച്ചയിലേക്ക് കൊണ്ടുവരുന്നു. ഒരു കാർഷിക ഉപകരണത്തിന് പ്രവർത്തിക്കുന്ന ഒരു അൽഗോരിതത്തേക്കാൾ കൂടുതൽ ആവശ്യമാണ്: ഭക്ഷണം ഉൽപ്പാദിപ്പിക്കുകയും വിതരണം ചെയ്യുകയും ചെയ്യുന്ന സംവിധാനത്തിനുള്ളിലെ യഥാർത്ഥ തീരുമാനങ്ങളെ അത് അഭിസംബോധന ചെയ്യണം.

ഒരു കാർഷിക-ഭക്ഷ്യ സംവിധാനം കൃഷിക്ക് അപ്പുറത്തേക്ക് വ്യാപിച്ചുകിടക്കുന്നു. ഉൽപ്പാദനത്തെ സംഭരണം, സംസ്കരണം, വിതരണം, ഉപഭോഗം എന്നിവയുമായി ബന്ധിപ്പിക്കുന്ന പ്രവർത്തനങ്ങൾ ഇതിൽ ഉൾപ്പെടുന്നു. ഈ സംരംഭത്തിന്റെ പ്രസിദ്ധീകരിച്ച പ്രവർത്തനങ്ങൾ ആ ശൃംഖലയിലുടനീളമുള്ള ഡിജിറ്റൽ സംയോജനത്തെയും വിജ്ഞാന പങ്കിടലിനെയും ഉൾക്കൊള്ളുന്നു. അതിനാൽ കൃഷിയിട തലത്തിലുള്ള ഒരു ഉപദേശക സേവനവും വിതരണ ശൃംഖലയിലൂടെ ഉൽപ്പന്നങ്ങളെ പിന്തുടരുന്ന ഒരു സംവിധാനവും പൊതുവായ ഒരു ചട്ടക്കൂടിനുള്ളിലെ വ്യത്യസ്ത പ്രശ്നങ്ങളെയാണ് അഭിസംബോധന ചെയ്യുന്നത്. ഇവയിലൊന്നിനെയും അതിന്റെ സോഫ്റ്റ്‌വെയർ പ്രവർത്തിക്കുമോ എന്നതിന്റെ അടിസ്ഥാനത്തിൽ മാത്രം വിലയിരുത്തരുത്; ഒരാളെ ഏത് പ്രത്യേക തീരുമാനമെടുക്കാൻ അത് സഹായിക്കുന്നു എന്നതിനെ ആശ്രയിച്ചാണ് അതിന്റെ പ്രയോജനം ഇരിക്കുന്നത്.

നിരീക്ഷണങ്ങളിൽ നിന്ന് ശുപാർശയിലേക്ക്

നിരീക്ഷണങ്ങൾ വിശകലനം ചെയ്ത് പാറ്റേണുകൾ തിരിച്ചറിയാനോ പ്രവചനങ്ങൾ നടത്താനോ നിർമ്മിത ബുദ്ധിക്ക് അഥവാ AI-ക്ക് കഴിയും. പരസ്പരം ബന്ധിപ്പിച്ച സെൻസറുകൾ, കാലാവസ്ഥാ കേന്ദ്രങ്ങൾ, ചിത്രങ്ങൾ എന്നിവയ്ക്ക് വിളകളെയും അവയുടെ ചുറ്റുപാടുകളെയും കുറിച്ചുള്ള വിവരങ്ങൾ നൽകാൻ കഴിയും. ഇത്തരം വിവരങ്ങൾ ശേഖരിക്കുകയും കൈമാറുകയും ചെയ്യുന്ന പരസ്പരം ബന്ധിപ്പിച്ച ഭൗതിക ഉപകരണങ്ങളെയാണ് ഇന്റർനെറ്റ് ഓഫ് തിംഗ്‌സ് എന്ന് വിളിക്കുന്നത്. ഈ ഉപകരണങ്ങൾ നിരീക്ഷണങ്ങൾ നൽകുന്നു; തുടർന്ന് ഒരു വിശകലന സംവിധാനം അവയെ വ്യാഖ്യാനിക്കുന്നു. ശുപാർശ നൽകുക എന്നത് വീണ്ടും മറ്റൊരു ഘട്ടമാണ്. ഈ ഘട്ടങ്ങളെ വേറിട്ടു നിർത്തുന്നത്, സെൻസറുകൾ സ്ഥാപിക്കുന്നത് കൊണ്ട് മാത്രം വിശ്വസനീയമായ ഉപദേശം സ്വാഭാവികമായി ലഭിക്കാത്തത് എന്തുകൊണ്ടെന്ന് വിശദീകരിക്കാൻ സഹായിക്കുന്നു.

സാധ്യതയുള്ള വിളരോഗങ്ങൾ കണ്ടെത്താൻ ഉദ്ദേശിച്ചുള്ള ഒരു സംവിധാനം പരിഗണിക്കുക. മുൻകാല ഉദാഹരണങ്ങളിൽ നിന്ന് പഠിച്ച പാറ്റേണുകളുമായി അത് ഒരു ചിത്രത്തെ താരതമ്യം ചെയ്തേക്കാം. പ്രയോജനകരമായ ഒരു മുന്നറിയിപ്പ് വിളയ്ക്കും പ്രാദേശിക സാഹചര്യങ്ങൾക്കും കർഷകന് സ്വീകരിക്കാൻ കഴിയുന്ന നടപടികൾക്കും അനുയോജ്യമാകേണ്ടതുണ്ട്. ഇതൊരു ഉദാഹരണ മാത്രമാണ്, അല്ലാതെ ഏതെങ്കിലും പ്രത്യേക ഹാക്കത്തോൺ വിജയിയെക്കുറിച്ചുള്ള അവകാശവാദമല്ല. തിരഞ്ഞെടുത്ത ചിത്രങ്ങളിൽ ലഭിക്കുന്ന സാങ്കേതികമായി മികച്ച ഒരു ഫലം കൊണ്ട് മാത്രം സാധാരണ കാർഷിക ഉപയോഗത്തിനിടയിൽ ആ സേവനം എങ്ങനെ പ്രവർത്തിക്കുമെന്ന് പറയാനാവില്ല. ആളുകൾ ഇതിനെ ആശ്രയിക്കുന്ന സാഹചര്യങ്ങളുമായി പരീക്ഷണങ്ങൾ പൊരുത്തപ്പെടണം.

പൊതുവായ മാനദണ്ഡങ്ങൾ പ്രധാനമാകുന്നത് എന്തുകൊണ്ട്

ഇന്റർഓപ്പറബിലിറ്റി എന്നാൽ വിവിധ സംവിധാനങ്ങൾക്ക് വിവരങ്ങൾ കൃത്യമായി കൈമാറാനും ഉപയോഗിക്കാനും കഴിയും എന്നാണ് അർത്ഥമാക്കുന്നത്. ഒരു സെൻസർ ഒരു യൂണിറ്റ് രേഖപ്പെടുത്തുകയും ആപ്ലിക്കേഷൻ മറ്റൊന്ന് അനുമാനിക്കുകയും ചെയ്താൽ, ഡാറ്റ ലഭിക്കുന്നത് മാത്രം മതിയാകില്ല. പൊതുവായ നിർവചനങ്ങളും ഇന്റർഫേസുകളും ഇത്തരം പൊരുത്തക്കേടുകൾ തടയാനും വ്യത്യസ്ത ദാതാക്കളിൽ നിന്നുള്ള ഉപകരണങ്ങൾ ബന്ധിപ്പിക്കുന്നത് എളുപ്പമാക്കാനും സഹായിക്കുന്നു. ന്യൂഡൽഹി യോഗം ഈ പ്രായോഗിക ഉപയോഗങ്ങൾക്കൊപ്പം വർക്കിംഗ് ഗ്രൂപ്പ് ഉത്തരവാദിത്തങ്ങളും മുൻഗണനാ മേഖലകളും ചർച്ച ചെയ്തു. ആ സംഘടനാപരമായ പ്രവർത്തനം സഹകരണത്തിന് വഴിയൊരുക്കുന്നു; നിർദ്ദേശിക്കപ്പെട്ട എല്ലാ മാനദണ്ഡങ്ങളും അന്തിമമാക്കിയെന്നതിന്റെ തെളിവല്ല അത്.

പ്രയോജനകരമായ ഒരു ആശയം കൃഷിയിടത്തിൽ എത്തുന്നതിനെ തടയാൻ കഴിയുന്നത് എന്താണ്?

കാർഷിക AI-യെക്കുറിച്ചുള്ള ഫുഡ് ആൻഡ് അഗ്രികൾച്ചർ ഓർഗനൈസേഷൻ–ഇന്റർനാഷണൽ ടെലികമ്മ്യൂണിക്കേഷൻ യൂണിയൻ സംയുക്ത പ്രസിദ്ധീകരണം കണക്റ്റിവിറ്റി, ഡാറ്റാ ലഭ്യത, ചെലവുകൾ, നൈപുണ്യങ്ങൾ എന്നിവയെ വിന്യാസ തടസ്സങ്ങളായി തിരിച്ചറിയുന്നു. AI എപ്പോഴും അനിവാര്യമാണെന്ന് അനുമാനിക്കുന്നതിനേക്കാൾ ഉപയോക്താക്കളുടെ ആവശ്യങ്ങളിൽ നിന്നും നിലവിലുള്ള ബദലുകളിൽ നിന്നും ആരംഭിക്കാൻ ഇത് ശുപാർശ ചെയ്യുന്നു. ചില പ്രശ്നങ്ങൾ ലളിതമായ ഒരു ഉപദേശക സേവനത്തിലൂടെയോ മെച്ചപ്പെട്ട അടിസ്ഥാന കണക്റ്റിവിറ്റിയിലൂടെയോ കൂടുതൽ നന്നായി പരിഹരിക്കാൻ കഴിഞ്ഞേക്കും. അതിനാൽ കർഷക കേന്ദ്രീകൃതമായ ഒരു സമീപനം ആ സേവനം എന്ത് സാധ്യമാക്കുന്നു, അതിന് എന്ത് ചെലവാകും, ഉദ്ദേശിച്ച ഉപയോക്താക്കൾക്ക് അത് യഥാർത്ഥത്തിൽ ലഭ്യമാകുമോ എന്ന് ചോദിക്കുന്നു.

ഇതേ മാർഗ്ഗനിർദ്ദേശം പ്രാദേശിക പങ്കാളിത്തത്തിനും ശ്രദ്ധാപൂർവ്വമായ നടപ്പാക്കലിനും ഊന്നൽ നൽകുന്നു. പരിശീലന ഡാറ്റയും പരീക്ഷണ സാഹചര്യങ്ങളും അന്തിമ ഉപയോക്താക്കളും വ്യത്യസ്തമായിരിക്കാം, അതേസമയം ഒരു പൈലറ്റ് പദ്ധതി അവസാനിച്ചതിന് ശേഷവും പരിപാലനം ഉത്തരവാദിത്തങ്ങൾ സൃഷ്ടിക്കുന്നു. ഉദാഹരണത്തിന്, ഒരു ഉപദേശക സംവിധാനത്തിന് പിശകുകൾ തിരുത്താനും വിവരങ്ങൾ പ്രസക്തമായി നിലനിർത്താനും ഒരു മാർഗ്ഗം ആവശ്യമാണ്. അതിനാൽ ഒരു സേവനത്തെ വിലയിരുത്തുന്നതിൽ പ്രദർശനത്തിലെ സാങ്കേതിക കൃത്യത മാത്രമല്ല, ഉപയോഗക്ഷമതയും തുടർ പിന്തുണയും ഉൾപ്പെടുത്തണം. ഇവ ഡിജിറ്റൽ ഉപകരണങ്ങളെ പൂർണ്ണമായും തള്ളിക്കളയാനുള്ള കാരണങ്ങളല്ല, മറിച്ച് വിശ്വസനീയമായ പ്രവർത്തനത്തിനുള്ള പ്രായോഗിക ആവശ്യകതകളാണ്.

ഉപസംഹാരം

പ്രയോജനകരമായ ഒരു ചോദ്യത്തിന് ചുറ്റുമുള്ള സഹകരണത്തെയാണ് ഈ യോഗം മുന്നോട്ട് കൊണ്ടുപോകുന്നത്: കാർഷിക AI എങ്ങനെ കർഷകർക്ക് സുരക്ഷിതമായി ആശ്രയിക്കാവുന്ന ഒരു സേവനമായി മാറും? ഇതിനുള്ള ഉത്തരത്തിന് അനുയോജ്യമായ തെളിവുകളും പരസ്പരം പൊരുത്തപ്പെടുന്ന സംവിധാനങ്ങളും താങ്ങാനാവുന്ന വിതരണ മാതൃകയും ആവശ്യമാണ്. ഹാക്കത്തോണുകൾക്ക് പ്രതീക്ഷ നൽകുന്ന തുടക്കങ്ങൾ സൃഷ്ടിക്കാൻ കഴിയും, അതേസമയം കൃഷിയിടങ്ങളിലെ പരീക്ഷണങ്ങൾ ആ ആശയങ്ങൾ പ്രായോഗികമായി എന്ത് നേടുന്നു എന്ന് സ്ഥാപിക്കുന്നു. തിരഞ്ഞെടുത്ത പരിഹാരങ്ങളെ വ്യക്തമായി നിർവചിക്കപ്പെട്ട ഉപയോക്താക്കളുമായും അളക്കാവുന്ന ഫലങ്ങളുമായും സേവനം നിലനിർത്തുന്നതിനുള്ള ഉത്തരവാദിത്തവുമായും ബന്ധിപ്പിക്കുക എന്നതാണ് അടുത്ത ഘട്ടം.