Ma már nincs olyan tudományos terület, ahova ne tette volna be a lábát a mesterséges intelligencia (artificial intelligence, AI). Ezalól a mezőgazdaság sem kivétel, hiszen tőlünk nyugatabbra a hatalmas szántóföldeken már olyan is előfordul, amikor tíz kombájnból csupán egyben ül ember, akinek a munkáját a többi kilenc munkagép követi. Bár a hazai szabályozás hasonlót itthon még nem tesz lehetővé, egyre több mesterségesintelligencia-alapú eszközt használnak már a magyar mezőgazdaságban – írta februári közleményében a HUN-REN Magyar Kutatási Hálózat.

Noha a drónok működését is szigorúan szabályozzák, ma már drónok vizsgálják a magasból az aszálykárokat, vagy éppen ezek segítségével állapítják meg egy-egy földterület tápanyagigényét. „A legnagyobb segítséget a döntéshozatalban nyújtja az AI” – húzta alá Hollós Roland, a HUN-REN Agrártudományi Kutatóközpont Mezőgazdasági Intézetének (HUN-REN ATK MGI) tudományos munkatársa, aki szerint a folyamatok és az adatok elemzése után gyorsan, akár percek alatt képes olyan döntéseket hozni a mesterséges intelligencia, amelyhez korábban hetek kellettek. Ennek köszönhetően a növénybetegségek meghatározása is sokkal gyorsabbá és pontosabbá vált, míg korábban ezt a munkát jóval lassabban, kizárólag emberekkel végezték.

Az időfaktor

A növénynemesítésnél is kiemelte az időfaktort Fodor Nándor, a HUN-REN ATK MGI intézetigazgatója. Egy új növényfajta kinemesítéséhez, mire az a piacra kerül, tíz év szükséges. Az AI segítségével ezt akár hat-hét évre lehet csökkenteni. „Bár a három-négy év nem tűnhet soknak, ha hozzávesszük, hogy közben nagyságrendekkel kevesebb keresztezésre, valamint kevesebb vegyszerre van szükség, így valóban rengeteg költséget takaríthat meg a nemesítés folyamata során a mesterséges intelligencia” – fűzte hozzá az intézetigazgató.

„Az AI a növénynemesítés minden részfolyamatában alkalmazható, mivel ezek a technológiák különösen alkalmasak a genetikai, környezeti és fenotípusos adatokat tartalmazó összetett adathalmazok elemzésére”

– tette hozzá Hollós Roland, a HUN-REN ATK kutatója, aki egyben a HUN-REN AI-nagykövete is.

A gépi tanulási algoritmusok hatalmas mennyiségű genetikai információt tudnak átvizsgálni, hogy mintázatokat azonosítsanak, és nagy pontossággal jelezzék előre a növényi tulajdonságokat. Ez a képesség lehetővé teszi az adott éghajlatra, talajtípusokra és mezőgazdasági gyakorlatokra optimalizált növényfajták jelenleginél lényegesen gyorsabb kinemesítését.

A kisgazdák is jól járhatnak

Jóllehet egyre több cég kínál AI-alapú szolgáltatásokat a kisebb területtel rendelkező gazdáknak is, még mindig nem elég nyitottak az új technológiák iránt egyes hazai gazdálkodók.

„Az AI-nak nehéz legyűrnie az évtizedes berögzüléseket. Sok gazdálkodó megszokásból juttat ki annyi és olyan műtrágyát, amit jónak gondol, anélkül hogy döntését például talajvizsgálati adatokra és megbízható szaktanácsadási rendszerre alapozná. Pedig az AI-jal jelentősen csökkenteni lehet a kijuttatott szerek mennyiségét, ami mindenkinek jó: a földnek, a fogyasztónak és nem mellékesen a gazdának is” – mondta Hollós Roland.

A gyártásban és a marketingben is fontos lesz

A dohányipar jelentős átalakuláson megy keresztül a mesterséges intelligencia integrálásával – írta márciusi cikkében a Tobacco Asia. Míg az ártalomcsökkentett termékek (pl. a hevített dohánytermékek és az e-cigaretták) felé történő elmozdulás látható változást jelentett, az AI ma már döntő szerepet játszik a termelés optimalizálásában, a marketingstratégiák finomításában és a fejlődő szabályozásoknak való megfelelés biztosításában. A vállalatok a hatékonyság és az innováció fokozása érdekében keresik az AI-vezérelt megoldásokat. Az egyik figyelemre méltó fejlesztés a Tobacco Titan, egy AI-alapú nagy nyelvi modell, amelyet arra terveztek, hogy iparágspecifikus betekintést és ajánlásokat nyújtson, bár 2025 februárjáig még nem lépett piacra.

A mesterséges intelligencia forradalmasítani fogja a dohánytermékek gyártását és marketingjét a lap szerint. A gépi tanulás és az adatvezérelt döntéshozatal kihasználásával a vállalatok nagyobb hatékonyságot érhetnek el a termelésben és a célzott marketingstratégiákban. A Gartner cég által készített Hype Cycle for Artificial Intelligence (A mesterséges intelligencia hype-ciklusa) jelentés 2024-ben a kauzális AI-t mint kulcsfontosságú feltörekvő technológiát emelte ki ezen a téren. A hagyományos előrejelző modellekkel ellentétben, amelyek korrelációkra támaszkodnak, az ok-okozati AI képes lehet azonosítani a kiváltó okokat, lehetővé téve a vállalkozások számára, hogy megalapozottabb és proaktívabb döntéseket hozzanak. Ez a megközelítés lehetővé teszi a folyamatok valós idejű kiigazítását és a működési hatékonyság javítását.

Kauzális AI a dohánygyártásban

A Tobacco Asia szerint a Philip Morris International (PMI) élen jár a mesterséges intelligencia bevezetésében a dohánygyártásban. A bolognai telephelyén a termelékenység fokozása érdekében a PMI az Aleph Digital Industry vállalattal együttműködve kifejlesztett egy AI-alapú sebességszabályozót (SMC). Az autók adaptív tempomatjához hasonlóan az SMC dinamikusan állítja be a gépek sebességét a hatékonyság optimalizálása és a leállási idő csökkentése érdekében. E technológia bevezetése a meghibásodások közötti átlagos idő (MTBF) növekedéséhez és a termelés javulásához vezetett. A PMI stratégiája magában foglalta a korai együttműködést az üzemeltetési csapatokkal, hogy bizalmat építsen az AI-vezérelt döntéshozatallal kapcsolatban.

Az AI integrációját a dohánygyártásban tovább támogatja a Tobacco Machine Communication (TMC) szabvány, amely megkönnyíti a különböző gyártók közötti átjárhatóságot. Az Aleph fejlett AI-megoldásokat fejlesztett ki a régebbi berendezések továbbfejlesztésére, javítva az olyan folyamatokat, mint a szálak átmérőjének szabályozása és a krimpelés optimalizálása. Emellett a vállalat kétrétegű adatkezelési rendszert vezetett be, amely biztosítja a hatékony adatgyűjtést és -elemzést. Ez lehetővé teszi, hogy az AI-alapú megoldások még korlátozott adatkörnyezetben is működjenek, így széles körben alkalmazhatóvá válnak a különböző gyártási környezetben.

A mesterséges intelligencia által vezérelt optimalizálás másik példája a Vernaio által a hevített dohánytermékek (HTP) gyártásában alkalmazott kauzális AI. AI-megoldásuk, az Aivis előrejelzi a kulcsfontosságú teljesítménymutatókat (KPI), és proaktívan korrekciós intézkedéseket javasol, javítva ezzel a gyártási folyamat pontosságát. A termelési változók holisztikus optimalizálásával a Vernaio AI-a jelentősen csökkentette az anyagpazarlást és az energiafogyasztást. Folyamatos tanulási képességeinek köszönhetően az AI-rendszer idővel alkalmazkodik, biztosítva a hosszú távú hatékonyságnövekedést.

Nyitóképünk illusztráció (Forrás: Ideogram.ai)