[論文レビュー] Artificial Intelligence for Digital Agriculture at Scale: Techniques, Policies, and Challenges

Somali Chaterji, Nathan D. DeLay+5 more|arXiv (Cornell University)|Jan 21, 2020

Smart Agriculture and AIAgricultural and Biological Sciences参考文献 70被引用数 19

ひとこと要約

本論文は、農業分野における人工知能（AI）のスケーリングを実現する統合的フレームワークを提案し、農業現場の技術的・経済的・政策的課題に取り組む。IoT、機械学習、データ共有メカニズムの統合的活用により、スケールでの意思決定を強化する仕組みを提示し、データ所有権のモデリング、インフラ要件、持続可能な導入を促進するインcentive-compatibleシステムの構築という主な貢献を果たす。

ABSTRACT

Digital agriculture has the promise to transform agricultural throughput. It can do this by applying data science and engineering for mapping input factors to crop throughput, while bounding the available resources. In addition, as the data volumes and varieties increase with the increase in sensor deployment in agricultural fields, data engineering techniques will also be instrumental in collection of distributed data as well as distributed processing of the data. These have to be done such that the latency requirements of the end users and applications are satisfied. Understanding how farm technology and big data can improve farm productivity can significantly increase the world's food production by 2050 in the face of constrained arable land and with the water levels receding. While much has been written about digital agriculture's potential, little is known about the economic costs and benefits of these emergent systems. In particular, the on-farm decision making processes, both in terms of adoption and optimal implementation, have not been adequately addressed. For example, if some algorithm needs data from multiple data owners to be pooled together, that raises the question of data ownership. This paper is the first one to bring together the important questions that will guide the end-to-end pipeline for the evolution of a new generation of digital agricultural solutions, driving the next revolution in agriculture and sustainability under one umbrella.

研究の動機と目的

• AI駆動のデジタル農業をスケールアップするにあたり、データ所有権、プライバシー、インフラ整備といった主要なブottleneckを同定し、それらを解決すること。
• 地域的・世界的規模での実際の農業現場におけるAIおよびIoTの導入の技術的・経済的妥当性を分析すること。
• 農家の知的財産権およびプライバシーを保護しつつ、公平なデータ共有を可能にする政策的・技術的ソリューションを提言すること。
• ブロードバンドアクセスおよびデータインフラの役割が、農村部のリアルタイムデータ処理および意思決定支援をどのように可能にするかを検討すること。
• 農家、サービスプロバイダー、アグリビジネス間でのデータ共有を促進するインcentive-compatibleメカニズムの開発

提案手法

• 植え付け、散布、収穫などの現場作業から、マルチスケールかつリアルタイムのデータ収集を目的とした、IoTおよびワイヤレスセンサーネットワーク（WSNs）の活用。
• 低コストセンサー、ドローン、農業機器からのデータを機械学習およびコンピュータビジョンで分析し、精密な入力管理を実現。
• リアルタイム意思決定のニーズに応えるために、分散型データ収集、集約、低遅延処理を実現するデータパイプラインアーキテクチャの提案。
• サービス契約やネットワークによるアクセス制御を通じて部分的に排除可能であるため、農業データを「クラブ財（club good）」としてモデル化（非競合的だが排除可能）。
• 農業データに関する法的・政策的枠組みを分析し、ヒーパイ（HIPAA）やFERPAと比較することで、法的保護の欠如を浮き彫りにする。
• ケーススタディとしてFarmBeatsおよびIndigo Agの事例を活用し、農家のコントロールと経済的リターンを整合させるインcentive-compatibleメカニズムを導入。

実験結果

リサーチクエスチョン

• RQ1 どのようにしてデータ所有権とプライバシーの懸念を解消することで、デジタル農業におけるスケーラブルなデータ共有を実現できるか？
• RQ2 中規模および小規模農場、特に農村部においてAIおよびIoTを導入するにあたり、技術的・経済的障壁は何か？
• RQ3 公平で透明性のあるポリシーのもとでデータ共有が行われた場合、作物の収量、入力の効率性、持続可能性の向上にどの程度寄与できるか？
• RQ4 農業データに対する既存の法的保護は、医療または教育分野のデータと比較してどの程度異なるのか。また、どのようなギャップが存在するか？
• RQ5 ブロードバンドインフラは、農業分野におけるリアルタイムAI駆動意思決定を実現するために果たす役割は何か？

主な発見

• 約80％の農家が、自分のデータが誰にアクセスできるかについて懸念または極度に懸念しており、これは導入の大きな障壁を示している。
• データサービスプロバイダーを利用している農家の55％以上が、自分自身のデータが所有または制御可能かどうかを把握していないことが判明し、深刻な透明性の欠如が明らかになった。
• 農業データは、契約的またはネットワークベースのアクセス制御によって排除可能であるため、「クラブ財（club good）」として分類するのが最も適切である（非競合的だが排除可能）。これは、私的財や公共財とは異なる。
• HIPAAやFERPAと同等の法的保護がなければ、農業データは悪用のリスクにさらされ、現在は連邦レベルの保護が整備されていない。
• 高速ブロードバンドは、接続された農場からのリアルタイムデータ伝送に不可欠であるが、農村部のブロードバンド供給は依然として不足しており、AIのスケーラビリティを制限している。
• 精密農業の広範な導入は、規模の経済を享受できる農場や早期にデータツールにアクセスできる農場に有利に働くため、農業の統合化を加速させる可能性がある。