2018 সালে, পাঁচটি দল একটি গ্রাউন্ড ব্রেকিং স্বায়ত্তশাসিত গ্রিনহাউস চ্যালেঞ্জে শসা জন্মায় আন্তর্জাতিক প্রতিযোগিতা. মোচড়: শুধুমাত্র একটি দলে অভিজ্ঞ মানব চাষিরা তাদের গ্রিনহাউস কম্পার্টমেন্ট ম্যানুয়ালি পরিচালনা করে। বাকি চারটি দলে উদ্যানপালন এবং কৃত্রিম বুদ্ধিমত্তার (AI) ক্ষেত্রের আন্তর্জাতিক বিশেষজ্ঞরা ছিলেন। তারা দূরবর্তীভাবে এবং স্বায়ত্তশাসিতভাবে তাদের ফসল পরিচালনা করার জন্য AI সমাধান বিকাশের জন্য কাজ করেছিল। প্রতিযোগিতার লক্ষ্য, বিশ্বের প্রথম স্বায়ত্তশাসিত গ্রিনহাউস চ্যালেঞ্জ, ছিল টেকসই খাদ্য উৎপাদনে অগ্রগতি অর্জন করা।
চারটি তীব্র মাস পরে, ম্যানুয়াল চাষীরা দ্বিতীয় স্থানে এসেছে। এই নিবন্ধের একজন লেখকের নেতৃত্বে প্রথম স্থানের দলটি একটি স্বায়ত্তশাসিত ক্রমবর্ধমান সমাধানের সাথে জিতেছে যা শুধুমাত্র 6% বেশি ফলন এবং 17% বেশি নেট লাভ অর্জন করেনি, কিন্তু কম CO ব্যবহার করেছে।2, গরম, এবং জল ইনপুট.
প্রতিযোগিতা সম্পর্কে আরও জানতে এবং কীভাবে একটি AI সমাধান প্রতিদ্বন্দ্বিতা করতে পারে — এবং এমনকি পারফরমও করতে পারে — দক্ষ মানব চাষীদের একটি দল, আসুন AI-কে আরও ঘনিষ্ঠভাবে দেখে নেওয়া যাক এবং কীভাবে এটি গ্রিনহাউস অটোমেশনের সাথে সম্পর্কিত।
গ্রীনহাউস অটোমেশন নতুন কিছু নয়
কয়েক দশক ধরে, চাষীরা গ্রিনহাউস জলবায়ু এবং সেচ ব্যবস্থাপনার জন্য প্রসেস কম্পিউটার, সেন্সর এবং অ্যাকুয়েটর ব্যবহার করেছে। এই ধরনের পরিস্থিতিতে, প্রক্রিয়া কম্পিউটারের কাজ সহজ সরল, সহজ লজিক্যাল নিয়মের উপর নির্ভর করে। যদি বাতাসের তাপমাত্রা 75 ডিগ্রি ফারেনহাইটের বেশি হয়, তাহলে ভেন্টটি খুলুন, উদাহরণস্বরূপ। তাপমাত্রা পড়া এবং লাইট এবং হিটার চালু এবং বন্ধ করার ক্লান্তিকর পরিশ্রম মেশিনে অর্পণ করা হয়।
অবশ্যই, নিয়ম-ভিত্তিক অটোমেশন অপ্রত্যাশিত পরিস্থিতিতে মোকাবেলা করতে পারে না। আরও গুরুত্বপূর্ণভাবে, একজন দক্ষ মানুষের প্রয়োজন পরিবেশগত পরামিতিগুলির জন্য সঠিক সেটপয়েন্টের নিচে শস্য ব্যবস্থাপনার সমস্ত সিদ্ধান্ত নেওয়া। নির্ভরযোগ্যভাবে উচ্চ ফলন অর্জন করতে, জ্ঞান এবং দক্ষতার একটি উল্লেখযোগ্য স্তরের প্রয়োজন, এবং তারপরেও, ভুল করা সহজ। তদুপরি, খামারগুলি বড় হওয়ার সাথে সাথে ক্রমাগত ফসলের পর্যবেক্ষণের কাজ আরও বেশি চাহিদাপূর্ণ হয়ে ওঠে।
দুর্ভাগ্যবশত, চাষীরা খুব ভালো করেই জানেন যে শ্রম হল উৎপাদনে সমস্যার সবচেয়ে বড় উৎস। বছরের পর বছর, মধ্যে গ্রীনহাউস গ্রোয়ার্স শীর্ষ 100 গ্রোয়ার্স সমীক্ষা, চাষীরা শুধুমাত্র শ্রমের খরচ নয়, দক্ষ শ্রমের প্রাপ্যতা নিয়েও চ্যালেঞ্জগুলি রিপোর্ট করে৷ আশ্চর্যের বিষয় নয়, গ্রীনহাউস ব্যবস্থাপনাকে আরও স্বায়ত্তশাসিত করতে পারে এমন নতুন প্রযুক্তি সহ চাষীরা এই চ্যালেঞ্জগুলি মোকাবেলার উপায়গুলি ক্রমবর্ধমানভাবে খুঁজছেন।
AI নিয়ম-ভিত্তিক অটোমেশনের বাইরে একটি ধাপ
কৃত্রিম বুদ্ধিমত্তা সম্পর্কে চিন্তা করার একটি ভাল উপায় হল এটি সাধারণ নিয়ম-ভিত্তিক অটোমেশনের বাইরে একটি ধাপ। আধুনিক AI হল গ্রিনহাউস পরিবেশগত এবং জৈবিক সিস্টেমে পাওয়া ধরনের সহ ডেটাতে প্যাটার্নগুলি খুঁজে পেতে গণিতের ব্যবহার সম্পর্কে। উদাহরণ স্বরূপ:
- পর্যাপ্ত জলবায়ু ডেটা সহ, চাষীরা সর্বোত্তম সেটপয়েন্ট নির্ধারণ করতে এবং জলবায়ু ভবিষ্যদ্বাণী করতে AI ব্যবহার করতে পারে।
- পর্যাপ্ত ফসল ফলন ডেটা সহ, চাষীরা ফলনের পূর্বাভাস তৈরি করতে AI ব্যবহার করতে পারে।
- পর্যাপ্ত চিত্র ডেটা সহ, চাষীরা কীটপতঙ্গ এবং রোগ সনাক্ত করতে AI ব্যবহার করতে পারে।
কিছু ধরণের AI এমনকি নতুন ডেটা থেকে শিখতে পারে, সময়ের সাথে সাথে ক্রমবর্ধমানভাবে আরও ভাল ফলাফল সরবরাহ করে।
প্রতিদিনের গ্রীনহাউস কার্যক্রমে গভীর অন্তর্দৃষ্টি প্রদান করতে সক্ষম হওয়ার মাধ্যমে, AI বিশেষজ্ঞ সিদ্ধান্ত গ্রহণে সহায়তা করতে এবং অর্থপূর্ণ উপায়ে চাষীদের ক্ষমতায়ন করতে ব্যবহার করা যেতে পারে। সর্বোপরি, মানুষের বুদ্ধিমত্তা এবং কৃত্রিম বুদ্ধিমত্তার সুচিন্তিত সমন্বয় থেকে সেরা ফলাফল আসে।
এআই-এর ডেটা-ভিত্তিক পদ্ধতিকে ক্লাসিক নিয়ম-ভিত্তিক পদ্ধতির সাথেও একত্রিত করা যেতে পারে, যা আগের চেয়ে অনেক বেশি গ্রিনহাউস অটোমেশনের অনুমতি দেয়। সংক্ষেপে, চাষীরা AI ব্যবহার করে অনেকগুলি রোট অপারেশনাল কাজ স্বয়ংক্রিয় করতে পারে, যা শিল্পকে চ্যালেঞ্জ করে এমন দীর্ঘস্থায়ী শ্রম সমস্যাগুলি থেকে মুক্তি দিতে সহায়তা করে।
ডেটা হল AI-এর জ্বালানি৷
AI যতটা গাণিতিক অ্যালগরিদম সম্পর্কে, এটি ডেটা সম্পর্কেও। জনপ্রিয় বিশ্বাসের বিপরীতে, AI-তে ব্যবহৃত কিছু সাধারণ অ্যালগরিদম কয়েক দশক ধরে চলে আসছে। তারা এমনকি ভয়ঙ্কর জটিল নয়। কিন্তু দীর্ঘতম সময়ের জন্য, ডেটার প্রাপ্যতা - ডেটা প্রক্রিয়া করার জন্য প্রয়োজনীয় সাশ্রয়ী মূল্যের গণনা শক্তির সাথে - সীমিত কারণগুলি রয়েছে৷
AI এর সম্ভাব্যতা আনলক করতে কম্পিউটার হার্ডওয়্যারের সাম্প্রতিক বিকাশ ঘটেছে। 2007 সালে অ্যাপল দ্বারা উদ্ভূত স্মার্টফোন বিপ্লব, বিশ্বব্যাপী সম্পূর্ণ নতুন উত্পাদন বাস্তুতন্ত্র এবং সরবরাহ চেইন তৈরি করেছে। এটি কম্পিউটার হার্ডওয়্যারের মৌলিক অর্থনীতিকে বদলে দিয়েছে, আপাতদৃষ্টিতে রাতারাতি। মূল হার্ডওয়্যার উপাদান, যেমন মাইক্রোপ্রসেসর, রেডিও এবং সেন্সর, দ্রুতগতিতে সস্তা, ছোট এবং আরও শক্তিশালী হয়ে উঠেছে। কাঁচা তথ্যের ছলছল বন্যায় পরিণত হয়েছে। তথ্যের নতুন প্রাচুর্য এবং কম্পিউটেশনাল শক্তি AI কে গবেষণার কৌতূহল থেকে কিছু বাণিজ্যিক প্রয়োগের মাধ্যমে প্রযুক্তিগত সমুদ্র পরিবর্তনে রূপান্তরিত করতে সাহায্য করেছে।
IoT প্রচুর পরিমাণে ডেটা নিয়ে আসে
1980 এর দশকের গোড়ার দিকে, পিটসবার্গের কার্নেগি মেলন ইউনিভার্সিটির স্নাতক ছাত্ররা একটি কোকা-কোলা ভেন্ডিং মেশিনের কাছে ট্রেকিং করার সময় এটি খালি খুঁজে পেতে বিরক্ত হয়ে ওঠে। তারা এটিকে সংশোধন করেছে যাতে এটি ইন্টারনেটে এর ইনভেন্টরি রিপোর্ট করতে পারে। এটি করতে গিয়ে, তারা বিশ্বের প্রথম ইন্টারনেট-সংযুক্ত যন্ত্র আবিষ্কার করেছে।
আজ, ভোক্তা ইলেকট্রনিক্স থেকে শিল্প মেশিন পর্যন্ত, কোটি কোটি ডিভাইস, বড় এবং ছোট, ইন্টারনেটের সাথে সংযুক্ত হওয়ার প্রথম সোডা মেশিনে যোগ দিয়েছে, যা ইন্টারনেট অফ থিংস (IoT) নামে পরিচিত। তাৎপর্যপূর্ণ বিষয় হল, আগের প্রজন্মের হার্ডওয়্যারের বিপরীতে — অনেক সাধারণ গ্রিনহাউস অটোমেশন সমাধান সহ — IoT ডিভাইসগুলি একই ধরণের ডেটা ফরম্যাট এবং যোগাযোগ প্রোটোকল ব্যবহার করে যেমন ইন্টারনেটে অন্য কোথাও ব্যবহার করা হয়। গ্লোবাল ইন্টারনেট স্ট্যান্ডার্ডের উপর নির্ভর করে, এক ধরনের সিস্টেম থেকে অন্য সিস্টেমে সংযোগ করার জন্য অতিরিক্ত হার্ডওয়্যারের প্রয়োজন ছাড়াই IoT ডিভাইসগুলির সাথে ডেটা বিনিময় করা সহজ হতে পারে।
একসাথে, AI এবং IoT হল পরিপূরক প্রযুক্তি। IoT হার্ডওয়্যার কৃষকদের গ্রিনহাউস থেকে আরও সহজে কাঁচা ডেটা সংগ্রহ করতে সাহায্য করে। এবং AI সফ্টওয়্যার চাষীদের ফসল উৎপাদনের উন্নতির জন্য সেই ডেটা বুঝতে — এবং তার উপর কাজ করতে সাহায্য করে৷
কেস স্টাডি: স্বায়ত্তশাসিত গ্রিনহাউস চ্যালেঞ্জে কেনেথ ট্রানের সাফল্য
ডাঃ ট্রান: 2018 সালে, আমি সিয়াটেলের কাছে Microsoft গবেষণার একজন AI গবেষক ছিলাম, একটি নতুন ধরনের AI নিয়ে কাজ করছি যা রিইনফোর্সমেন্ট লার্নিং নামে পরিচিত। সেখানে আমি আমাদের গবেষণাকে নিয়ন্ত্রিত পরিবেশ কৃষির ক্ষেত্রে প্রয়োগ করার জন্য একটি নতুন প্রচেষ্টা শুরু করি। তথাকথিত সোনোমা প্রকল্পের সাথে, আমরা কানাডার অন্টারিওতে হ্যারো রিসার্চ সেন্টারের উদ্ভিদ বিজ্ঞানীদের সাথে সহযোগিতা করেছি এবং নেদারল্যান্ডসের ওয়াজেনিনজেন ইউনিভার্সিটি এবং রিসার্চ দ্বারা আয়োজিত প্রথম আন্তর্জাতিক স্বায়ত্তশাসিত গ্রীনহাউস চ্যালেঞ্জে প্রতিযোগিতা শেষ করেছি৷
এই চ্যালেঞ্জে, প্রতিটি দল প্রায় চার মাস ধরে 315 বর্গফুট গ্রিনহাউস বগিতে শসা জন্মায়। এই কম্পার্টমেন্টগুলি স্ট্যান্ডার্ড প্রসেস কম্পিউটার, জলবায়ু সেন্সর এবং অ্যাকুয়েটর দিয়ে সজ্জিত ছিল। IoT ডিজিটাল ইন্টারফেস (REST APIs) ব্যবহার করে, আমাদের AI প্রোগ্রামগুলি ক্রমাগত সেন্সর থেকে ডেটা পড়তে পারে, সর্বোত্তম সেটপয়েন্ট নির্ধারণ করতে পারে এবং সেটপয়েন্টগুলিকে প্রসেস কম্পিউটারগুলিতে ফেরত পাঠাতে পারে — সমস্ত ইন্টারনেট জুড়ে (নীচের চিত্রটি দেখুন)। চ্যালেঞ্জ এবং এর ফলাফল সম্পর্কে আরও বিশদ একটি নিবন্ধে পাওয়া যাবে হেমিং এট আল। (2019).
ক্রমবর্ধমান শসা এবং আমাদের খুব প্রাথমিক পর্যায়ের প্রোটোটাইপ সম্পর্কে আমাদের অভিজ্ঞতার অভাব সত্ত্বেও, আমাদের স্বায়ত্তশাসিত ক্রমবর্ধমান সমাধান প্রতিযোগিতায় জয়ী হতে সক্ষম হয়েছিল। এমনকি আমরা 6% বেশি ফলন সহ, বিশেষজ্ঞ ডাচ চাষীদের সমন্বয়ে গঠিত রেফারেন্স দল, দ্বিতীয় স্থানের দলকেও ছাড়িয়ে গেছি। ফলনের সেই মার্জিন অপারেটিং মুনাফার 17% বৃদ্ধির সমতুল্য।
রেফারেন্স দল কি খারাপ পারফর্ম করেছে? একদমই না. অনেক বিশেষজ্ঞের মতে তারা অসাধারণভাবে পারফর্ম করেছে। তাদের ফলন ছিল প্রায় 50 কেজি/মি2 চার মাসের ব্যবধানে, যা প্রায় 150 kg/m এর সমান2 প্রতি বছরে. এটি গ্রহের যে কোনও জায়গায় গ্রিনহাউসের জন্য উচ্চ ফলন হিসাবে বিবেচিত হয়।
স্বায়ত্তশাসিত গ্রিনহাউস চ্যালেঞ্জের ফলস্বরূপ, আমি 2020 সালে Koidra প্রতিষ্ঠা করি যাতে আমাদের শিক্ষার উপর সরাসরি ভিত্তি করে গড়ে তোলা যায় এবং কৃষি ও অন্যান্য শিল্প নিয়ন্ত্রণ অ্যাপ্লিকেশনের জন্য AI এবং IoT-তে অত্যাধুনিক ধাক্কা দেওয়া যায়।
এআই এবং আইওটি সম্পর্কে সঠিক প্রশ্ন জিজ্ঞাসা করা
আজ, আরও গ্রিনহাউস চাষীরা AI এবং IoT গ্রহণ করতে ইচ্ছুক এবং প্রস্তুত। প্রধান চ্যালেঞ্জ হল বাজারের পণ্যগুলিকে বোঝানো এবং সমস্ত বিপণনের কথা বলার মধ্য দিয়ে যেতে সক্ষম হওয়া। অনেক কোম্পানি সাগ্রহে দাবি করে যে তাদের একটি এআই অ্যালগরিদম বা আইওটি ডিভাইস রয়েছে যা গ্রিনহাউসের জন্য কাজ করবে।
এআই সফ্টওয়্যার এবং আইওটি হার্ডওয়্যার মূল্যায়ন করার সময় এখানে কিছু মূল বিবেচ্য বিষয়গুলি মাথায় রাখতে হবে:
- কর্মক্ষমতা: কৃষকদের কংক্রিট, বাস্তব-বিশ্বের সুবিধা দেখতে সক্ষম হওয়া উচিত। জিজ্ঞাসা করুন: ফলন এবং সম্পদের দক্ষতা উন্নত করতে বাণিজ্যিক উৎপাদনে AI কি প্রমাণিত হয়েছে? কি অবস্থার অধীনে? এআই এবং আইওটি সফ্টওয়্যার তৈরিতে কোম্পানির ট্র্যাক রেকর্ড কী?
- এআই ডিজাইন: সবচেয়ে কার্যকর AI সমাধানগুলি সিদ্ধান্ত নেওয়ার জন্য সর্বোত্তম কৃত্রিম বুদ্ধিমত্তার সাথে মানুষের সেরা বুদ্ধিমত্তাকে একত্রিত করে। জিজ্ঞাসা করুন: এআই মডেল কীভাবে বিদ্যমান জ্ঞানের অংশকে লাভ করে? কিভাবে এটা নিশ্চিত করে যে কর্মক্ষমতা সময়ের সাথে সাথে আরও ডেটা দিয়ে উন্নত হবে?
- সফটওয়্যার ডিজাইন: গ্রিনহাউস অপারেশন নিয়ন্ত্রণে কৃষকদের থাকা উচিত. জিজ্ঞাসা করুন: ফসলের নিরাপত্তা নিশ্চিত করতে কোন সফ্টওয়্যার ডিজাইন নীতিগুলি ব্যবহার করা হয়? আমি কি সব সময়ে ম্যানুয়াল, সুপারিশ এবং অটোপাইলট মোডগুলির মধ্যে সহজেই স্যুইচ করতে পারি?
- ডেটা মালিকানা: কৃষকদের তাদের ডেটার মালিক হওয়া উচিত এবং "বিক্রেতা লক-ইন" এড়ানো উচিত। জিজ্ঞাসা করুন: আমি কি সহজেই অন্যান্য সিস্টেম থেকে ডেটা আমদানি করতে পারি? আমি কি আমার নিজের ডেটা ব্যাক আপ এবং এক্সপোর্ট করতে পারি? এমন API আছে যা লাইভ ডেটা অ্যাক্সেস এবং কাস্টম ইন্টিগ্রেশনের অনুমতি দেয়? আমি কি এখন এবং ভবিষ্যতে বিভিন্ন বিক্রেতার কাছ থেকে সফ্টওয়্যার এবং হার্ডওয়্যার ব্যবহার করতে পারি?
AI এবং IoT চাষীদের ক্ষমতায়ন করতে পারে
এমন একটি বিশ্বে যেখানে সমালোচনামূলক সম্পদ — জল এবং শক্তি, সেইসাথে সময়, অর্থ এবং দক্ষ শ্রম — আরও দুষ্প্রাপ্য হয়ে উঠছে, সেই বোঝা কমানোর জন্য নতুন প্রযুক্তি অন্বেষণ করা বোধগম্য। আমরা যেমন স্বায়ত্তশাসিত গ্রিনহাউস চ্যালেঞ্জ থেকে শিখেছি, প্রকৃতপক্ষে AI সফ্টওয়্যার এবং IoT হার্ডওয়্যার ব্যবহার করে চাষীরা আরও বেশি ফলন এবং উচ্চ সম্পদ ব্যবহারের দক্ষতা অর্জন করতে পারে। আরও কি, এই প্রযুক্তিগুলি দ্রুত গতিতে উন্নত এবং উন্নত হতে থাকে।
পরিশেষে, AI এবং IoT সত্যিকার অর্থে গ্রিনহাউস চাষীদের ক্ষমতায়ন করতে পারে — আরও ভাল সিদ্ধান্ত নিতে, কম দিয়ে আরও কিছু করতে — বিশ্বের খাদ্য আরও টেকসই বৃদ্ধি করতে।