[论文解读] 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 19

一句话总结

本文提出了一套集成框架，通过解决农场运营中的技术、经济和政策挑战，实现人工智能在数字农业中的规模化应用。该框架阐述了物联网（IoT）、机器学习和数据共享机制如何在大规模上提升决策能力，其关键贡献包括数据所有权建模、基础设施需求分析以及促进可持续采用的激励相容系统设计。

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.

研究动机与目标

• 识别并解决在规模化人工智能驱动的数字农业过程中存在的关键瓶颈，包括数据所有权、隐私保护和基础设施问题。
• 分析在区域和全球范围内，在实际农场运营中部署人工智能（AI）和物联网（IoT）在经济与技术上的可行性。
• 提出政策与技术解决方案，以实现公平的数据共享，同时保护农民的知识产权和隐私。
• 研究宽带接入与数据基础设施在支持农村农业中实时数据处理和决策支持方面的作用。
• 设计激励相容机制，以促进农民、服务提供商和农业企业之间的数据共享。

提出的方法

• 利用物联网（IoT）和无线传感器网络（WSNs）收集种植、喷洒和收获等田间作业的多尺度、实时数据。
• 应用机器学习和计算机视觉技术，分析来自低成本传感器、无人机和农业设备的数据，实现精准投入管理。
• 提出一种分布式数据收集、聚合与低延迟处理的数据处理管道架构，以满足实时决策的需求。
• 将农场数据建模为“俱乐部品”——非竞争性但可通过服务协议和网络实现部分排他性访问控制——而非私有品或公共品。
• 分析农场数据的法律与政策框架，将其与HIPAA和FERPA进行比较，凸显缺乏法定保护的现状。
• 引入激励相容机制，将数据共享与农民控制权及经济回报相协调，基于FarmBeats和Indigo Ag的案例研究。

实验结果

研究问题

• RQ1 如何解决数据所有权与隐私担忧，以实现数字农业中的可扩展数据共享？
• RQ2 在中小型农场，特别是在农村地区，采用人工智能（AI）和物联网（IoT）面临哪些技术和经济障碍？
• RQ3 在公平透明的政策治理下，数据共享在多大程度上能提升作物产量、投入效率和可持续性？
• RQ4 现有农场数据的法律保护与医疗或教育数据相比如何？存在哪些保护空白？
• RQ5 宽带基础设施在支持农业中实时人工智能驱动决策方面发挥什么作用？

主要发现

• 近80%的农民对其数据的访问权限表示担忧或极度担忧，凸显了其在采纳过程中的主要障碍。
• 超过55%使用数据服务提供商的农民并不清楚自己是否拥有或控制其自身数据，表明透明度严重不足。
• 农场数据最适合被归类为“俱乐部品”——非竞争性但可通过合同或网络访问控制实现排他性——而非私有品或公共品。
• 若缺乏类似HIPAA或FERPA的法律保护，农场数据仍易被滥用，目前尚无联邦层面的保护措施。
• 高速宽带对于连接农场的实时数据传输至关重要，但农村宽带供应仍显不足，制约了人工智能的规模化应用。
• 大规模采用精准农业可能加速农场整合，使具备规模经济优势且能率先获取数据工具的农业主体获益。