PDF-файл статьи

Научная статья

Original article

УДК 332.2

doi: 10.55186/2413046X_2023_8_2_63

ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В АГРОБИЗНЕСЕ

INFORMATION TECHNOLOGIES IN AGRIBUSINESS

Ефремова Лариса Борисовна, кандидат экономических наук, доцент, кафедры экономической теории и менеджмента, ФГБОУ ВО «Государственный университет по землеустройству», laraguz@yadex.ru

Efremova Larisa Borisovna, Candidate of Economic Sciences, Associate Professor, Department of Economic Theory and Management, State University of Land Management, laraguz@yadex.ru

Аннотация.  Решению проблем и преодоление барьеров, стоящих на пути широкомасштабного внедрения IT-технологий в сельском хозяйстве страны, будет способствовать совместная и согласованная работа всех участников этого процесса: разработчиков, инвесторов, аграриев, представителей органов власти  т.д.

Abstract. The joint and coordinated work of all participants in this process: developers, investors, farmers, government representatives, etc. will contribute to solving problems and overcoming barriers that stand in the way of large-scale introduction of IT technologies in agriculture of the country.

Ключевые слова: ИИ-технологий в сельском хозяйстве, мировой и европейский опыт ведения сельского хозяйства, инновационное развитие агропромышленного комплекса, внедрение решений на основе ИИ.

Keywords: AI technologies in agriculture, world and European experience in agriculture, innovative development of the agro-industrial complex, implementation of AI-based solutions.

Мировой и европейский опыт ведения сельского хозяйства в настоящее время во многом связан с информационными технологиями. Геоинформационные технологии, многооперационные энергосберегающие агрегаты, селекция высокоурожайных сортов растений и выведение высокопродуктивных пород животных, создание биологически активных кормовых добавок, новых лекарственных средств для животных, современные методы борьбы с болезнями животных и растений позволяют классическое   экстенсивное земледелие вытеснить точным (прецизионным).

В России инновационное развитие агропромышленного комплекса пока не достигло мирового уровня. Но в современных экономических условиях необходимо повышать эффективность сельскохозяйственного сектора. Поэтому в рамках национального проекта «Развитие АПК» учитываются все имеющиеся препятствия и разрабатываются мероприятия по их устранению. Происходит переход на ресурсосберегающие инновационные технологии, начинают использовать различные ИТ. Технологии ИИ пока в основном используют в экспериментальных хозяйствах. Несмотря на возможности точного земледелия, раннего обнаружения вредителей и болезней, для большинства фермеров они остаются дороги и избыточны.

Сельское хозяйство ― довольно консервативная и инертная отрасль. В выращивании зерновых мало что менялось веками после нововведений с гужевым плугом и трехпольем. Например, в виноградарстве все сохраняется примерно так, как было 4–6 тыс. лет назад.
Кардинальные инновации случились относительно недавно, в XX веке: внедрение аграрных химикатов (гербицидов и пестицидов), появление гибридных сортов зерновых (прежде всего кукурузы, которая в том или ином виде присутствует почти в каждом продукте глубокой переработки в США), электрификация, искусственное оплодотворение, сельхозтехника.

В начале 2000-х годов, казалось, потенциал этих инноваций для дальнейшего увеличения производительности труда в сельском хозяйстве исчерпан, прогресс замедлился. Когда на производстве постоянно работает несколько человек, времени на эксперименты не остается. С тех пор фермеров, которые производят до 80% всей сельхозпродукции в мире, настойчиво пытаются подружить с передовыми технологиями: нано, био, смарт и ИИ.

В списке Crunchbase порядка 1 300 стартапов по направлению «сельское хозяйство и фермерство», в ИТ это десятки тысяч имен. В агробизнесе у вас 40 попыток, чтобы проверить, работает ли гипотеза, пока вам условно от 20 до 60 лет; в технологиях вы можете делать 40 попыток в неделю. На российском рынке представлено около 70 стартапов в сфере «умного» фермерства, точного земледелия, биотехнологий.

Мировые расходы на «умные» технологии в сельском хозяйстве, системы на основе искусственного интеллекта к 2025 году, по прогнозам, должны вырасти втрое по отношению к 2020 году, достигнув $15,3 млрд. Затраты хозяйств только на технические решения с искусственным интеллектом вырастут с $1 млрд в 2020 году до $4 млрд в 2026-м (данные Markets & Markets).

Беспорно, что ИИ в сельском хозяйстве способны на многое.
Аргумент в пользу массового внедрения ИИ-технологий в сельском хозяйстве часто формулируется так: человеческая популяция к 2050 году достигнет 10 млрд человек, радикально увеличить обрабатываемые площади невозможно, необходимо повысить интенсивность их использования. Навязывать аграриям задачу накормить все население земного шара ― равно что требовать от средних и малых технологических компаний решить проблему глобального потепления. В одном производители и потребители сходятся  ― в желании сделать качественную сельскохозяйственную продукцию более доступной.  И  все же способны ли современные технологии решать эти чисто утилитарные вопросы?

Под технологиями ИИ, хотя в строгом смысле искусственный интеллект вряд ли появится в обозримом будущем, мы будем подразумевать для удобства классификации набор решений в области машинного обучения и обработки Big Data, нейросети, машинное зрение и так далее.

В контексте применения ИИ в выращивании зерновых, овощей и фруктов, животноводстве можно выделить ключевых направления того, как это в принципе может работать в теории:

Раннее обнаружение вредителей, болезней и сорняков
На сегодняшний день фермеры вручную проверяют каждый участок своего поля на предмет обнаружения «неполадок», визуально осматривают состояние стада. Для выявления болезней на ранних стадиях элементарно может недоставать ресурсов и опыта.

Решить эту проблему может дрон, оснащенный компьютерным зрением, который регулярно проводит мониторинг участка (сигналом может служить изменение цвета листа или колоса) или стада (можно отслеживать изменения в весе). Примером являются лососевые фермы в Норвегии, которые  используют стереоскопические камеры для раннего выявления заболевания рыбы морскими вшами. Болезнь ежегодно приводит к убыткам в сотни миллионов долларов. Правительство Норвегии планирует сделать технологию стандартом для отрасли.

Еще один пример это технология, разработанная стартапом Aquabyte. В данном случае решается проблема точного земледелия. До сегодняшнего дня аграрии повсеместно вносят удобрения и осуществляют полив сплошным ковром, хотя участки одного поля могут иметь разные условия, рельеф, состав грунта: то есть где-то будет дефицит ресурсов, а где-то переизбыток.

Технология Aquabyte с помощью
датчиков, объединенных в сеть интернета вещей (IoT), отслеживают основные показатели: влажность почвы, температуру, освещенность участка, необходимые для оптимального ведения хозяйства. Алгоритм выдает рекомендации для каждого квадратного метра поля, что ведет к экономии воды, семян и химикатов.

Решение еще одной проблемы — прогнозирование урожайности. Фермерам крайне сложно год к году предсказывать результат своих усилий по выращиванию зерна, овощей или фруктов, особенно если речь идет о введении новых сортов, пестицидов и так далее. А в целом, на урожайность влияет множество факторов.

Решит эту проблему поможет информация, собранная сенсорами или дронами. Собранная информация     анализируется алгоритмами с машинным обучением, которые оперируют в том числе историческими данными об изменении климата, создаются карты полей, выявляются паттерны. В итоге фермер может рассчитать урожайность с каждого участка и даже изменение цены на свою продукцию, оптимизировать расход ресурсов.
Примером является цифровая платформа для точного земледелия в Аргентине. Система использует машинное обучение, геоданные дронов и спутников, облачные вычисления для разработки рекомендаций фермерам в реальном времени. Цифровая платформа для сельского хозяйства ACA Mi Campo.

Как отдельный пример можно выделить городское фермерство. Израильская технологическая компания использовала алгоритмы ИИ для подбора оптимальных условий по освещению и влажности, чтобы выращивать сельскохозяйственные культуры в небольших домашних контейнерах.

Кейсов применения аграриями технологий ИИ в открытых источниках крайне мало. Почти вся информация исходит от разработчиков подобных решений в контексте их потенциальных возможностей.
Сделаем шаг назад: от алгоритмов ИИ к простой автоматизации. Полностью автоматизированная, с минимальным участием человека распашка полей и уборка урожая зерновых не кажется сложным решением. Траектория движения здесь проста и понятна. Все, что делает водитель техники при подготовке поля, ― разворот. Здесь нет препятствий в виде другого транспорта или людей.  Первый концепт полностью автономного трактора (без оператора в кабине) выпустила компания CNH Industrial в 2016 году сразу в двух версиях. До настоящего времени информации о запуске производства и массовом внедрении модели в агрокомплексах нет.

Крупнейший производитель сельхозтехники в США John Deere, также уже представлявший на одной из выставок концепт трактора с автопилотом, только в августе 2021 года заявил о создании стартапа Bear Flag Robotics, который собирается довести технологию до ума. По сути, в компании признали, что сейчас на рынке ничего подобного нет.

В плане развития в сельском хозяйстве ИИ-технологий речь идет о точечном использовании датчиков и дронов в экспериментальных хозяйствах. В масштабе всей индустрии это единичные примеры. О широком внедрении подобных решений фермерами пока говорить рано.
«Умные» комбайны и дроны-геологи как и цифровизация меняет экономику.
Существуют и объективные препятствия применения ИИ-технологий в сельском хозяйстве.  Интерес фермеров к новейшим техническим решениям в сельском хозяйстве все же есть. Например, крупные агрокомплексы в Китае в период распространения африканской чумы свиней попытались внедрить машинное зрение для выявления и изоляции больных особей. Проблема в том, что небольшие фермерские хозяйства, которых большинство, просто не могут пока себе это позволить. Технологии ИИ для массового сельхозпроизводителя дороги и избыточны. В сельской местности есть дешевая рабочая сила. Плюс к тому имеется и социальный контекст: высвободить даже тех немногих работников, заменив их роботизированной техникой, ― социальная проблема.

Кроме того, как мы знаем на примере российских хозяйств, рост урожайности не делает фермеров и агрокомплексы богаче, он просто приводит к обвалу закупочных цен у посредников. В такой ситуации сложно найти стимул к внедрению дорогостоящих инноваций. При том, что свободных средств, которые можно было бы вложить в масштабное техническое переоснащение, у фермера, как правило, нет.
Важность селекционной работы трудно переоценить. На современном этапе селекция в РФ отстает от мирового уровня. Объективное препятствие состоит в том, что в сельском хозяйстве действительно долгий цикл проверки гипотезы и отработки новых технологий. На экспериментальном предприятии, в полевой лаборатории сложно смоделировать условия, которые бы подходили для других регионов, с другим климатом, влажностью, рельефом, составом грунта.

Внедрение решений на основе ИИ требует базовой технической и цифровой оснащенности. Для подключения сенсоров в сеть IT банально необходимо устойчивое высокоскоростное интернет-покрытие. Данные должны где-то обрабатываться и храниться. Значит, нужно искать вычислительные мощности или строить свои локальные центры обработки данных. Для БПЛА (дронов) законодательством установлены ограничения на использование.

Широкое внедрение технологий несет свои риски. Обучение одной подобной системы ― энергетически затратный процесс. По подсчетам экспертов, он оставляет углеродный след, эквивалентный выбросу 284 т CO2. То есть запуск одной ИИ-системы обойдется для планеты в пять раз «дороже», чем вклад в глобальное потепление одного автомобиля.
ИИ не стоит рассматривать как «серебряную пулю» для решения всех глобальных проблем отрасли. Но это одно из перспективных направлений, безусловно, заслуживающих внимания.

В заключении необходимо подчеркнуть, что решению проблем и преодолению барьеров, стоящих на пути широкомасштабного внедрения IT-технологий в сельское хозяйство страны, будет способствовать совместная и согласованная работа всех участников этого процесса: разработчиков, инвесторов, аграриев, представителей органов власти и т.д. В ведомственном проекте «Цифровое сельское хозяйство», разработанном Минсельхозом России, предусмотрено освоение цифровых технологий и платформенных решений на сельскохозяйственных предприятиях, которые должны обеспечить к 2024 году технологический прорыв в АПК и рост производительности труда в 2 раза. События последних месяцев показали, что российские IT-компании ждет глобальная трансформация. Нам предстоит большой путь по разработке локального ПО, которое позволит российским аграриям  не зависеть от внешних факторов и зарубежных вендоров.

Список источников

1. Указ Президента РФ от 09.05.2017 № 203 «О Стратегии развития информационного общества в Российской Федерации на 2017—2030 годы».
2. Методология расчета индекса «Цифровая Россия» субъектов Российской Федерации. — Московская школа управления Сколково. URL: https://finance.skolkovo.ru/downloads/documents/FinChair/Research_Reports/SKOLKOVO_Digital_Russia_Methodology_2019—04_ru.pdf
3. Методология расчета индекса «Цифровая Россия» субъектов Российской Федерации. URL:
4. Europe 2020 Strategy [Электронный ресурс]. URL: https://ec.europa.eu/digital-single-market/en/europe-2020-strategy (дата обращения: 04.06.2018 г.)
5. Интернет вещей, IoT, М2М (мировой рынок) [Электронный ресурс]. — URL: http://www.tadviser.ru/index.php/ Статья: Интернет вещей, IoT, М2М (мировой рынок) (дата обращения: 04.06.2018 г.)
6. Индикаторы инновационной деятельности: 2017: статистический сборник / Н.В. Городникова, Л.М. Гохберг, К.А. Дитковский и др.; Нац. исслед. ун-т «Высшая школа экономики». — М.: НИУ ВШЭ, 2017.
7. Максим Канищев, plus-one.ru[Электронный ресурс].
8. https://trends.rbc.ru/trends/industry/cmrm/62acbca59a7947dc548acad3 [Электронный ресурс].
9. Максим Колташов Цифровая трансформация [Электронный ресурс].

References

1. Ukaz Prezidenta RF ot 09.05.2017 № 203 «O Strategii razvitiya informacionnogo obshhestva v Rossijskoj Federacii na 2017—2030 gody`».
2. Metodologiya rascheta indeksa «Cifrovaya Rossiya» sub«ektov Rossijskoj Federacii. — Moskovskaya shkola upravleniya Skolkovo. URL: https://finance.skolkovo.ru/downloads/documents/FinChair/Research_Reports/SKOLKOVO_Digital_Russia_Methodology_2019—04_ru.pdf
3. Metodologiya rascheta indeksa «Cifrovaya Rossiya» sub«ektov Rossijskoj Federacii. URL:
4. Europe 2020 Strategy [E`lektronny`j resurs]. URL: https://ec.europa.eu/digital-single-market/en/europe-2020-strategy (data obrashheniya: 04.06.2018 g.)
5. Internet veshhej, IoT, M2M (mirovoj ry`nok) [E`lektronny`j resurs]. — URL: http://www.tadviser.ru/index.php/ Stat`ya: Internet veshhej, IoT, M2M (mirovoj ry`nok) (data obrashheniya: 04.06.2018 g.)
6. Indikatory` innovacionnoj deyatel`nosti: 2017: statisticheskij sbornik / N.V. Gorodnikova, L.M. Goxberg, K.A. Ditkovskij i dr.; Nacz. issled. un-t «Vy`sshaya shkola e`konomiki». — M.: NIU VShE`, 2017.
7. Maksim Kanishhev, plus-one.ru [E`lektronny`j resurs].
8. https://trends.rbc.ru/trends/industry/cmrm/62acbca59a7947dc548acad3 [E`lektronny`j resurs].
9. Maksim Koltashov Cifrovaya transformaciya [E`lektronny`j resurs].

Для цитирования: Ефремова Л.Б. Информационные технологии в агробизнесе // Московский экономический журнал. 2023. № 2. URL: https://qje.su/selskohozyajstvennye-nauki/moskovskij-ekonomicheskij-zhurnal-2-2023-16/

© Ефремова Л.Б, 2023. Московский экономический журнал, 2023, № 2.