Doc. Ing. Vojtěch Lukas. Ph.D., působí v Ústavu agrosystémů a bioklimatologie Mendelovy univerzity v Brně. Dlouhodobě se věnuje problematice uplatňování postupů precizního zemědělství v ČR, zejména ověřování metod hodnocení nevyrovnanosti půdních vlastností, využití technologií DPZ pro diagnostiku stavu porostů a tvorbě lokálně cílených pěstitelských doporučení v oblasti aplikace hnojiv, přípravků na ochranu rostlin a zakládání porostů.
Postupné zavádění technologií smart farming do zemědělské praxe přináší zvýšené nároky na zpracování a vyhodnocení dat nejrůznějšího charakteru. Pokročilé systémy monitorují pohyb a provozní parametry mechanizace, zaznamenávají povětrnostní podmínky, distančně snímají porosty zemědělských plodin či sledují hospodářská zvířata. Každý den tyto systémy generují velké množství dat, které není v lidských silách analyzovat a účelně interpretovat.
Současný rychlý vývoj nástrojů umělé inteligence a jejich dostupnost pro veřejnost v podobě velkých jazykových modelů (např. ChatGPT či další) může budit zdání, že se tyto metody využívají až v posledních několika letech. Přitom v precizním zemědělství jsou algoritmy strojového učení aplikovány již řadu let. Typickým příkladem je využití digitální analýzy obrazu při rozpoznávání objektů ze snímků pořízených drony či detekce anomálií ve vývoji porostu z družicových dat.
Právě zpracování „velkých dat“ pro podporu rozhodování je v současnosti jednou z nejvýznamnějších oblastí využití AI v zemědělství. Umožňuje pěstitelům sledovat průběh vývoje porostu v jednotlivých částech pozemků, detekovat problematické plochy či poškození rostlin s následným návrhem plošně diferencovaných pěstebních zásahů. Výsledkem může být diagnostika výskytu chorob z mobilních fotografií na konkrétním místě, detekce poškození z dálkového průzkumu a modelování dalšího vývoje podle agrometeorologických senzorů. Nebo predikce výnosů plodin několik týdnů před sklizní kombinací družicových dat, historických výnosových map a záznamů o průběhu počasí. Nesourodost datových vstupů (prostorová data, časová dynamika) je častou komplikací při popisu přírodních procesů a jejich modelování, které AI překonává. Kombinace mnoha informačních zdrojů by mohla pomoci např. při zpřesnění určení příčiny stresu rostlin – ty umí současný dálkový průzkum dobře mapovat, bez pokročilé statistické analýzy doprovodných informací je ale jen obtížně vysvětluje.
Druhou významnou oblastí využití AI jsou automatizované procesy rozhodování a využívání autonomních systémů v zemědělství. Na trh jsou postupně uváděny robotické nosiče nářadí, které mohou vykonávat práci na poli bez přímé obsluhy. Výrobci mechanizace nabízejí postřikovače s kamerovými systémy pro detekci plevelných rostlin při jízdě a okamžitou aplikaci v konkrétním místě. Nástroje AI jsou uplatňovány pro zefektivnění navádění strojů po pozemcích či pokročilé plánování logistiky. Objevují se stroje nahrazující namáhavou ruční práci při sklizni ovoce a zeleniny, které by se neobešly bez průběžné analýzy senzorových systémů algoritmy AI.
Samozřejmě je nutné pamatovat na úroveň zabezpečení datových systémů, spolehlivost provozu automatizovaných zařízení a nezbytné proškolení obsluhy těchto systémů. Pozornost je třeba věnovat také rizikům chybného rozhodování AI a možného oslabení expertního úsudků odborných pracovníků. Jako překážka se zatím jeví nízká kompatibilita systémů od různých výrobců či nedodržování standardizace datových formátů. I přes tato úskalí lze ale implementaci metod AI považovat za významný krok nezbytný pro zavádění nové generace technologií do zemědělství s cílem zefektivnit postupy prvovýroby.*
Ing. Vítězslav Krček, Ph.D., je agronomem v podniku AGRA Řisuty, s. r. o., je také výzkumným pracovníkem, uživatelem a propagátorem precizního zemědělství.
Když se dnes řekne „umělá inteligence“, většině lidí se vybaví sci-fi představy strojů chytřejších než člověk anebo populární chatboty, které s lidmi vedou zdánlivě smysluplné rozhovory. Jen málokdo si ale uvědomí suchý technický fakt: AI není žádná magie, ale matematika. Statistické modely, které na základě obrovského množství dat hledají vzorce, odhadují pravděpodobnosti a činí předpovědi. V podstatě dělají totéž, co zkušený agronom – jen trochu jinak, rychleji a nad nepředstavitelně většími objemy dat.
Přesto nejde o „myšlení“ v lidském slova smyslu. Současná AI je mocný nástroj, ale zároveň nástroj slepý. Udělá jen to, co jsme jí (byť nepřímo) dovolili, a neví nic o zdravém rozumu. AI nerozumí kontextu, necítí odpovědnost, neví, proč má sucho jiný dopad v jižních Čechách a jiný na jižní Moravě. Slabinou je i přenositelnost modelů – co funguje v Německu, Francii nebo USA, nemusí nutně fungovat v Česku. Kvalita výstupů je navíc zcela závislá na kvalitě vstupních dat. A přece má tento nástroj obrovský potenciál a nebylo by vhodné ho ignorovat. Naopak.
V zemědělství už dnes nacházíme první praktická využití: AI pomáhá analyzovat družicové a dronové snímky, odhaduje výnosový potenciál, identifikuje plevele a choroby, doporučuje načasování zásahů, optimalizuje dávky hnojiv i pesticidů. Pomáhá modelovat prostorovou proměnlivost půdy i vývoje porostu. Umožňuje nám lépe porozumět informacím, které máme k dispozici. Zatím sice mluvíme spíš o strojovém učení než o nějaké „inteligenci“, ale přínosy jsou reálné. Dokáže totiž najít vztahy tam, kde už lidské oko nestačí – a upozornit nás na jevy, které bychom jinak přehlédli. Právě kombinace lidského úsudku a strojového zpracování dat přináší nejlepší výsledky.
AI není náhradou agronoma, a ještě dlouho nebude. Je to nástroj. Stejně jako GPS nebo půdní mapa. Rozhodování, co na daném poli udělat, musí stále nést člověk – vybavený rozumem, zkušeností a teď i novými daty a nástroji. Také je nutné chápat, že AI není hotový produkt. Nestačí ji „zapnout“ a čekat zázraky. Vyžaduje dobré vstupní údaje, porozumění principům i ochotu učit se spolu s ní. Ti, kdo doufají, že AI všechno rozhodne za ně, budou zklamáni. Stejně tak ti, kdo doufají, že se jí lze vyhnout. Někteří se AI bojí. Podléhají iluzi, že by nás měla nahradit. Jenže AI neumí přemýšlet. Umí jen počítat.
Implementaci AI technologií do zemědělství proto nepovažuji za hrozbu, ale za nevyhnutelný krok, protože implementace AI do zemědělství není otázkou „jestli“, ale „kdy a jak“. Ne proto, že by to byla módní vlna, ale protože komplexita dnešního hospodaření, rozsah informací, které musíme denně zpracovávat a vyhodnocovat, už dávno přesahuje možnosti člověka rozhodovat čistě na základě dostupných znalostí a intuice. Umělá inteligence není náhrada. Je to partner – a je na nás, jak dobře se s ním naučíme spolupracovat. U nás už jsme s tím začali. Důkazem budiž, že i tento článek byl napsán s pomocí umělé inteligence.
