בינה מלאכותית חקלאית: כי זה עולם רעב בחוץ

ההערכה היא שעד 2050 אוכלוסיית כדור הארץ תגדל ל-10 מיליארד בני אדם או יותר. אמנם ייתכן שניתן להביא אדמה חדשה מוגבלת לעיבוד, אך ברור שחקלאי העולם יצטרכו לייצר הרבה יותר מזון עם גידול מועט בלבד של אדמה ניתנת לעיבוד. בינה מלאכותית (AI) תהיה הכלי של החקלאי בהשגת מטרה זו.  

כפי שתואר במאמר שפרסם אוניברסיטת פלורידה^[1], חקלאים יכולים כעת לאסוף ולנתח כמויות אדירות של נתונים על היבולים שלהם. זה כולל דפוסי מזג אוויר, בריאות הקרקע וצמיחת צמחים. באמצעות שימוש בבינה מלאכותית, חקלאים מודרניים יכולים לשפר את השיטות שלהם, מה שמאפשר לשפר את תפוקת היבול שלהם, להפחית את הפסולת ובסופו של דבר להגדיל את הרווחיות.  

התפקיד המרכזי של AI בחקלאות מודרנית

כאשר אנו מתמודדים עם האתגר המרתיע של הזנת אוכלוסיה עולמית מתפתחת, תפקידה של AI בחקלאות הופך יותר ויותר מרכזי. על פי מומחים מאוניברסיטת פלורידה:

"בעזרת הבינה המלאכותית למיטוב שיטות החקלאות, חקלאים יכולים לשפר את תפוקת היבול שלהם, להפחית פסולת ולהגדיל את הרווחיות. נתונים מדויקים ובזמן יכולים לעשות את ההבדל בין מחזור יבול מוצלח או לא מוצלח, מה שהופך את זה חיוני לחקלאים למנף טֶכנוֹלוֹגִיָה ונתונים לטובתם." 

תובנה זו מדגישה את התפקיד הקריטי של בינה מלאכותית בשיפור הפריון החקלאי וקיימות, החיוניים לעמידה בדרישות המזון של אוכלוסיה הולכת וגדלה עם שטחי עיבוד מוגבלים.

אתגר קריטי העומד בפני החקלאים הוא קיימות. פורבס^[2] מדווח כי "אחד עשר אחוזים מהפליטות העולמיות מגיעות מחקלאות וכי כמעט 40% מהמזון המיוצר בארה"ב בסופו של דבר מבוזבז. אנו גם למדים שרק ביישן משני שליש מהאנטיביוטיקה המשמשת היום משמשות לטיפול בבעלי חיים שבסופו של דבר נועדו להאכיל אנשים ולא לטפל ישירות באנשים ובמחלות שלהם. זהו גורם ישיר לעמידות לאנטיביוטיקה שמתגלה כעת כגורם מרכזי בתחום הבריאות. בינה מלאכותית חקלאית יכולה לעשות דרך ארוכה להקלה על בעיות אלו ועוד.  

בינה מלאכותית חקלאית היא תחום המתפתח במהירות, עם הכרזות חדשות משמעותיות כמעט מדי יום. בואו נסתכל על כמה מהכללות הבינה המלאכותית שחלות גם על בינה מלאכותית חקלאית וגם על חלק ממה שזמין אפילו עכשיו עבור החקלאים של היום.  

למידת מכונה  

למידת מכונה היא חלק חיוני של AI, כולל AI חקלאי. מאמר מאת MIT^[3] מצטט את חלוץ הבינה המלאכותית ארתור סמואל, המגדיר למידת מכונה כ"תחום המחקר שנותן למחשבים את היכולת ללמוד מבלי להיות מתוכנתים במפורש".   

תכנות מחשב מסורתי מצריך יצירת הוראות מלאות עבור המחשב על בסיס תשומות מוגדרות בבירור כדי לבצע משימה. למידת מכונה, לעומת זאת, כוללת מתן אפשרות למחשבים לתכנת את עצמם.  

הצעד הראשון הוא לאסוף כמות עצומה של נתונים רלוונטיים לצורך. באופן כללי, הקלט עשוי להיות סטטיסטיקת תיקון, נתוני חיישנים או דוחות תיקון. השלב הבא הוא לימוד קשרי סיבה ותוצאה שנצפו בין מרכיבי הנתונים במערך מסחרר של שילובים. לאחר מכן למידת מכונה מחברת את החלקים, ובהתבסס על הדפוסים שנצפו, היא יכולה לחזות מערכות יחסים עתידיות ברמה גבוהה של מהימנות.  

אחד הדברים שלמידת מכונה יכולה לעשות הוא להבחין בין עשב זעיר לצמח זעיר.  

השמדת עשבים שוטים עם לייזרים מבוקרים בינה מלאכותית  

השמיים LASERWEEDER סורקת את אדמתו של חקלאי ומעסיקה בינה מלאכותית כדי לקבוע מהי כל ישות שהיא נתקלת בה - צמח יבול בהתהוות או עשב שוטה. המכונה, המתוארת כמרכז נתונים נייד, יכולה לקבוע את ההבדל בין 40 יבולים ל-80 סוגי עשבים שוטים. אם מתגלה עשב, לייזר "רוצח" משמיד את העשב באלפיות שניות.   

כפי שמתואר בסרטון מ רובוטיקה מפחמן ^[4], מכשיר זה מבוסס בינה מלאכותית יכול להוציא את עבודת הפרך מעבודת החווה. NBC מתארת ​​אותו כ"רובוט רוצח עם מוח בינה מלאכותית", אבל הקורבנות שלו אינם לוחמי אויב; במקום זאת, המטרות שלו הן  - עשבים שוטים!    

LASERWEEDER סרטון 2 דקות 3 שניות  

המכשיר, בעלות של 1.2 מיליון דולר, יכול לעבוד 24 שעות ביממה ויכול להחליף 30 עובדי חווה שקשה יותר ויותר למצוא ולהעסיק אותם. במובנים מסוימים, הוא יכול להתעלות על עובדים אנושיים בכך שהוא מוצא "עשבים" לא בוגרים שקטנים מכדי שהעובדים יוכלו להתמודד איתם.  

מכיוון שה-LASERWEEDER משמיד עשבים עם לייזרים ולא עם חומרי הדברה, זוהי אופציה טבעית עבור חקלאים אורגניים. כמו כן, דווח כי הנתונים שייאספו מתהליך הרג העשבים יהיו יקרי ערך לחקלאים, ויספקו להם תובנות מהעולם האמיתי שיאפשרו להם לייצר יותר מזון מבחינה כלכלית.  

פרטים טכניים

ה-LASERWEEDER, פרי יוזמה של Carbon Robotics, מגדיר מחדש את הדברת העשבים בחקלאות. הנה הקסם הטכנולוגי מאחורי זה:

1. חזון ודיוק הייטק: ה- LaserWeeder משתמש ב-42 מצלמות ברזולוציה גבוהה בשילוב מחשוב מתקדם כדי להבחין בין יבולים לעשבים שוטים בזמן אמת. זו לא רק מצלמה מצלמת תמונות; זוהי מערכת בינה מלאכותית מתוחכמת עם מודלים של ראייה ממוחשבת מבוססת למידה עמוקה שיכולה להבחין בין עשב לגידול עם דיוק של תת-מילימטר.

2. כוח לייזר: חמוש בלייזרי CO30 150x 2W, ה- LaserWeeder מוכן לירי כל 50 אלפיות השנייה. תארו לעצמכם את הדיוק והמהירות - זה כמו שיש צלף בשטח, למקד רק את הרעים (עשבים שוטים, כלומר) ולהשאיר את הטובים (יבולים) ללא נגיעה.

3. הטבות סביבתיות: זה לא רק על זריקת עשבים שוטים. השיטה של ​​LaserWeeder היא קפיצת מדרגה לעבר חקלאות בת קיימא. על ידי שימוש בלייזרים במקום כימיקלים, הוא משאיר את המיקרוביולוגיה של הקרקע ללא הפרעה, בניגוד לעיבוד אדמה מסורתי. המשמעות היא אדמה בריאה יותר, יבולים בריאים יותר וסביבה מאושרת יותר. בנוסף, זהו ברכה לחקלאות אורגנית, המציע דרך חסכונית להדברת עשבים ללא קוטלי עשבים.

4. יעילות וחסכוניות: חשבו על החיסכון בעבודה ובעלויות. ה- LaserWeeder יכול להרוג עד 200,000 עשבים שוטים בשעה ולכסות 2 דונם לשעה במהירות של 1 קמ"ש. זה עובד יום או לילה, בכל התנאים, מצמצם משמעותית את העבודה הידנית ואת העלויות המשתנות הקשורות לשיטות הדברת עשבים מסורתיות.

בקיצור, ה-LASERWEEDER הוא יותר מסתם כלי; זוהי מהפכה בפרקטיקות חקלאיות, המתיישרת עם המטרות של הגברת היעילות, הקיימות והאחריות הסביבתית.

התמודדות עם אתגרי עבודה עם AI ואוטומציה

המגזר החקלאי מתמודד עם אתגר עבודה משמעותי, במיוחד עם המחסור הגובר בעובדים נכונים. זה המקום שבו בינה מלאכותית ואוטומציה נכנסות בתור מחליפות משחקים.

• הפחתת התלות בעבודת כפיים: טכנולוגיות מונעות בינה מלאכותית, כמו LASERWEEDER, הן דוגמאות מובילות לאופן שבו אוטומציה יכולה להפחית משמעותית את הצורך בעבודת כפיים בחקלאות. טכנולוגיות אלו מסוגלות לבצע משימות שדרשו באופן מסורתי כוח עבודה גדול, כגון נישוב עשבים, קציר וניטור בריאות היבול.

• שיפור היעילות והפרודוקטיביות: עם AI, משימות לא רק מבוצעות מהר יותר אלא גם עם דיוק רב יותר. לדוגמה, מל"טים המונעים על ידי בינה מלאכותית יכולים לפקח על בריאות היבול על פני שטחים גדולים בתוך שבריר מהזמן שזה ייקח לבני אדם. יעילות זו מתורגמת לפרודוקטיביות גבוהה יותר ובסופו של דבר לתשואות טובות יותר.

• טיפול במחסור בעבודה: באזורים שבהם יש מחסור בעובדים חקלאיים, בינה מלאכותית ואוטומציה נותנים פתרון בר-קיימא. מכונות אוטומטיות ומערכות בינה מלאכותיות יכולות לפעול מסביב לשעון, לפצות על המחסור בעבודה אנושית ולהבטיח שהפעילות החקלאית לא תסבול.

• שינוי דינמיקת כוח העבודה: ככל שה-AI משתלט על משימות עתירות עבודה יותר, תפקידו של כוח העבודה החקלאי מתפתח. יש צורך הולך וגובר בכוח אדם מיומן כדי לנהל, לתחזק ולפקח על מערכות הבינה המלאכותית הללו. השינוי הזה יוצר הזדמנויות עבודה חדשות שמתמקדות יותר בניהול טכנולוגי ולא בעבודת כפיים.

למעשה, בינה מלאכותית ואוטומציה אינן מתמודדות רק עם אתגרי העבודה בחקלאות; הם משנים את עצם העבודה החקלאית. על ידי הפחתת ההסתמכות על עבודת כפיים, טכנולוגיות אלו סוללות את הדרך למגזר חקלאי יעיל, בר קיימא ופרודוקטיבי יותר.

AI גנרטיבי בחקלאות  

כפי שתואר על ידי NVIDIA^[5], "בינה מלאכותית גנרית מאפשרת למשתמשים ליצור במהירות תוכן חדש המבוסס על מגוון תשומות. קלט ופלט למודלים אלה יכולים לכלול טקסט, תמונות, צלילים, אנימציה, מודלים תלת מימדיים או סוגים אחרים של נתונים." זה עובד על ידי זיהוי "דפוסים ומבנים בתוך נתונים קיימים כדי ליצור תוכן חדש ומקורי."  

הדוגמה המפורסמת ביותר ל- Generative AI היא, כמובן, ChatGPT.  

בתור התחלה, חקלאים יכולים להשתמש ב-CHATgpt ישירות כדי לקבל מידע. יש גם פלטפורמות ספציפיות לחקלאות. רשת העסקים של החקלאים^[6] (FBM) מתאר פלטפורמה הנקראת, פשוט, NORM. המודל מתרכז במידע שימושי לחקלאים. כפי שתואר, דוגמאות לשאלות שניתן לשאול הן:  

• היי נורם! מדוע הגבס לא מעלה את ה-pH של הקרקע?   
• האם סוף השבוע הזה יהיה זמן טוב לשתול פולי סויה במחוז קרופורד, IA?   
• היי נורם! האם FBN מוכרת גליפוסט?   

כפי שפורט על ידי אמברוק^[7], NORM "בנויה על מודל GPT-3.5 של OpenAI, ומשתמשת בנתונים ציבוריים כמו דוחות מזג אוויר, נתוני קרקע ותוויות מוצרים כדי לענות על שאלות הקשורות ל-ag. זה גם מנצל את הנתונים האגרונומיים והנכסים הבלעדיים של FBN משירות הסטטיסטיקה החקלאית הלאומי של USDA.  

דוגמה נוספת היא farmer.Chat^[8]. זֶה וידאו ממחיש חקלאי שמעסיק את Farmer.CHAT זה כדי לקבל מידע על אזור בעייתי בתחומו.   

Farmer.CHAT. מאת Gooey AI

שאר הסרטון ממחיש את האינטראקציות בין החקלאי לחקלאי.CHAT, שכן האחרון מציע פתרונות לבעיית החרקים.  

הפוטנציאל של AI גנרטיבי בחקלאות הוא עצום ומגוון. מהתמודדות עם מחלות ועד לאופטימיזציה של התשואות ולמהפכה בגידול יבולים, בינה מלאכותית היא לא רק כלי אלא כוח טרנספורמטיבי במגזר החקלאי. ככל שהטכנולוגיה מתפתחת, אנו יכולים לצפות ליישומים חדשניים עוד יותר שימשיכו לעצב מחדש את עתיד החקלאות.

יישומי בינה מלאכותית בעולם האמיתי בחקלאות בת קיימא

עכשיו, בואו נצלול לאופן שבו בינה מלאכותית היא לא רק מילת באז אלא משנה משחק אמיתית בחווה. האנשים באוניברסיטת פלורידה עלו על משהו גדול כאן. הם מדברים על יישומי בינה מלאכותית שהם לא רק חכמים, אלא גם טובים לכוכב הלכת שלנו:

1. מערכות השקיה חכמות: דמיינו לעצמכם מערכת שיודעת בדיוק מתי היבול שלכם צמא. זה מה שעוסק בהשקיה מונעת בינה מלאכותית. זה כמו שיש לך איש מזג אוויר ומומחה לקרקע בתחום שלך, להבטיח שכל טיפת מים מנוצלת היכן שהיא נחוצה ביותר.

2. חיזוי עתיד מחירי היבול: כאן בינה מלאכותית מגמישה את השרירים הכלכליים שלה. על ידי חידוד מספרים על מגמות אקלים ושינויים בשוק, AI עוזר לחקלאים לקבל החלטות נבונות. פחות בזבוז, יותר רווח - זה סוג המתמטיקה שחקלאים אוהבים.

3. טרקטורים בנהיגה עצמית? כן בבקשה!: למידה עמוקה מביאה את העתיד לחוות עם טרקטורים אוטונומיים. אלה לא הטרקטורים של סבא שלך - הם חיות היי-טק שיודעות את דרכן בשדה, מתחמקות ממכשולים ועושים את העבודה ללא הפסקות קפה.

4. גראס זאפ עם דיוק: הודות ל-AI, אנו רואים מהפכה בהדברת עשבים. מערכות כמו Blue River See & Spray™ של ג'ון דיר הן כמו צלפים, שמוציאות עשבים שוטים בדיוק רב. המשמעות היא פחות קוטל עשבים במזון שלנו ובסביבה שלנו. זה win-win עבור חקלאים ואמא טבע.

5. חיזוי מחלות יבול: אחד היישומים המבטיחים ביותר של AI גנרטיבי הוא בזיהוי מוקדם וחיזוי של מחלות יבול. על ידי ניתוח מערכי נתונים עצומים, כולל תמונות של שדות יבול, דפוסי מזג אוויר והתפרצויות מחלות היסטוריות, מודלים של AI יכולים לחזות התפרצויות מחלות פוטנציאליות לפני שהן נראות לעין. מערכת התרעה מוקדמת זו מאפשרת לחקלאים לנקוט בפעולות מנע, לצמצם את התפשטות המחלות ולמזער את נזקי היבול.

6. אופטימיזציה של תשואה: AI גנרטיבי ממלא גם תפקיד מרכזי באופטימיזציית התשואה. הוא יכול לנתח נתונים ממקורות שונים - איכות הקרקע, תנאי מזג האוויר, בריאות היבול - כדי ליצור המלצות לזמני שתילה, השקיה וקציר מיטביים. זה לא רק ממקסם את התשואה אלא גם מבטיח שימוש יעיל במשאבים.

7. תוכניות גידול יבול מותאמות אישית: אפליקציה מרגשת נוספת היא יצירת תוכניות מותאמות אישית לגידול יבול. בינה מלאכותית גנרטיבית יכולה לעבד נתונים ספציפיים לאדמות של חקלאי, כגון סוג קרקע, מיקרו אקלים ומחזורי יבול קודמים, כדי ליצור אסטרטגיות חקלאות מותאמות. גישה מותאמת אישית זו יכולה להגביר משמעותית את הפרודוקטיביות והקיימות.

8. שיפור שיפור יבול גנטי: בתחום השבחת יבול גנטי, בינה מלאכותית גנרית עומדת ככוח טרנספורמטיבי. יש לו את היכולת לדמות אינספור שילובים גנטיים, מה שמאפשר לו לחזות תכונות המשפרות את עמידות היבול, הערך התזונתי והיבול. גישה מתקדמת זו מאיצה משמעותית את תהליך הרבייה, ומקלה על יצירת זני יבול מעולים ביעילות רבה יותר משיטות קונבנציונליות.

אז הנה לך. בינה מלאכותית בחקלאות היא יותר מסתם מונח מפואר - הוא הופך את החקלאות לחכמה יותר, בת קיימא יותר, ואני אעז לומר, למגניבה יותר. זה לא רק גידול מזון נוסף; מדובר בגידול מזון בדרך הנכונה.

איך אתה תשמור אותם בחווה?  

כפי שתואר במאמר שפרסמה אוניברסיטת ארקנסו ב-The Arkansas Journal of Social Change and Public Service^[9], 73% מאוכלוסיית עובדי חקלאות הגידולים בארצות הברית הם עובדים מהגרים, ולכ-48% מהעובדים השכירים בחוות גידולים אין אישור עבודה.   

היעדר עובדים נכונים, זרים, שלא לדבר על אזרחי ארה"ב, הוא בעיה אדירה העומדת בפני החקלאות האמריקאית. התשובה היא אוטומציה, וחברת ג'ון דיר בת ה-185 קופצת במלוא הקיטור לתוך מהפכת הבינה המלאכותית.  

פישוט האוטומציה החקלאית היא העובדה שכמו רצפת המפעל, חווה היא סביבת עבודה שבה כולם יודעים את עבודתו וגם פועלים ומגיבים בדרכים אסורות. זה לגמרי לא כמו המצע של רחובות ערים סואנים. לכן, בעוד שמכוניות בנהיגה עצמית לא נוסעות במהירות לשום מקום, החווה היא סביבה הרבה יותר מועילה לכלי רכב ללא נהג.    

טרקטור חקלאי 8R האוטונומי של ג'ון דיר.

כפי שתואר בדו"ח שפרסם CNBC^[10], ג'ון דיר לקחה על עצמה את האתגר שמציגה הזדמנות זו בדמות טרקטור החווה 8R שלה, שאינו זקוק לנהג ובמקום זאת מסתמך על AI. דיר אצרה מאות אלפי תמונות ממקומות שונים בחווה ובתנאי מזג אוויר ותאורה שונים, כך שבעזרת למידת מכונה, הטרקטור יכול להבין מה הוא רואה ולהגיב בהתאם.   

אתגרים והזדמנויות  

לא משנה אם אתה גנרל או חקלאי, אתה לא רוצה להפציץ את היריב שלך. אם אתה גנרל, אתה רוצה לחסל את חיילי האויב, לא אזרחים. אם אתה חקלאי, אתה רוצה להרוס עשבים שוטים, לא גידולי מזון.  

AI חקלאי יקל על חיסול יעיל של עשבים שוטים, במקרים מסוימים ללא חומרי הדברה כלל. במקרים אחרים, כאשר לא ניתן להימנע לחלוטין מחומרי הדברה, AI חקלאי יאפשר לפגוע רק בעשבים השוטים ולהימנע מגידולי המזון.  

זה חשוב משתי סיבות ברורות. הראשון הוא שחומרי הדברה עולים כסף. השני הוא שככל שפחות חומרי הדברה משמשים בקרבת גידולי מזון, כך החקלאי יכול לקבל יותר כסף עבור תוצרתו. וכמובן, רובם מסכימים שאוכל נטול חומרי הדברה הוא פשוט בריא יותר.  

ככל שעלות הבינה המלאכותית יורדת, וככל שליותר ויותר חקלאים ברחבי העולם תהיה גישה אליו, העולם ייהנה ממזון טוב יותר, זול יותר ובריא יותר. ובל נשכח שעל ידי הפעלת תהליכי חקלאות אוטומטיים יותר, בינה מלאכותית חקלאית תגרום לכך שפחות עובדי חקלאות יהיו פועלים שפופים, בעוד שיותר ויותר מהם יופיעו כמפעילי מכונות, אנשי תיקונים וטכנאי רשתות.  

עטיפת Up  

אולי את פריצת הדרך המודרנית הגדולה ביותר בחקלאות הביא המדען הגרמני הטרגי פריץ הבר, שהיה חלוץ בתהליך לייצור המוני של אמוניה, שבתורה ניתן להשתמש בה לייצור דשן מלאכותי. לפני התפתחות זו, אוכלוסיית העולם הייתה פחות משני מיליארד, וכעת היא גדולה פי ארבעה, למרות המחיר הנורא של מלחמות המאה ה-20.  

ככל שאנו מדברים על המהפכה התעשייתית החדשה, אנו עשויים להכיר כעת במהפכה חדשה בחקלאות, שנגרמה על ידי בינה מלאכותית, אך בניגוד לתהליך הבר, המשתמש בכמויות אדירות של אנרגיה ואינו ידידותי במיוחד לסביבה, מהפכת הבינה המלאכותית היא בעצם מהפכה נקייה שתאפשר לחקלאים לעשות יותר בפחות.  

זה יקטין את השימוש בחומרי הדברה או יבטל אותו לחלוטין. זה ייעץ לחקלאים באשר לדרכים הטובות ביותר שלהם הן להגדלת הרווחים והן לתשואת המזון. וזה יאפשר לצוות החקלאים שהולך ופוחת בעולם להאכיל עולם רעב באופן בר-קיימא יותר.  

המנות העיקריות  

• AI חקלאי יפחית את השימוש בחומרי הדברה  
• זה יוריד את כמות העבודות הכפופות שיצטרכו לבצע.  
• בינה מלאכותית תוריד את אחוז האוכלוסייה העובדת בעולם שחייבת לעבוד בחווה  
• זה יספק לכל חקלאי גישה לאינטרנט ותשובות מיידיות למשימות כמו מתי, מה ואיך לשתול.  

הפניות  

1. הבנת בינה מלאכותית: מה זה וכיצד משתמשים בה בחקלאות: https://edis.ifas.ufl.edu/publication/AE589  
2. תפקידה של AI ביצירת מערכת מזון בת קיימא יותר: https://www.forbes.com/sites/forbestechcouncil/2023/07/20/the-role-of-ai-in-creating-a-more-sustainable- food-system/?sh=15a2e2a75315  
3. למידת מכונה, הסבר: https://mitsloan.mit.edu/ideas-made-to-matter/machine-learning-explained  
4. בינה מלאכותית פוגשת חקלאות עם מכונות חקלאיות חדשות כדי להרוג עשבים שוטים ולקצור יבולים: https://www.youtube.com/watch?v=eDUu48YCUy4 
5. מה זה AI Generative?: https://www.nvidia.com/en-us/glossary/data-science/generative-ai/#:~:text=Generative%20AI%20models%20can%20take,or%20turn% 20סרטון%20לטקסט  
6. נורמה: https://www.fbn.com/norm  
7. חקלאים מאמצים בהיסוס AI: https://ambrook.com/research/technology/ChatGPT-AI-farming-hallucinations
8. שיפור המהירות והיעילות של הרחבה חקלאית עם AI: https://farmerchat.digitalgreen.org/  
9. התלות של החקלאות האמריקאית בעובד מהגר: https://ualr.edu/socialchange/2021/03/28/american-agricultures-dependence-on-immigrant-workers/  
10. כיצד מתכננת ג'ון דיר לבנות עולם של חקלאות אוטונומית מלאה עד 2030: https://www.cnbc.com/2022/10/02/how-deere-plans-to-build-a-world-of-fully-autonomous -farming-by-2030.html

מילון מונחים  

• בינה מלאכותית (AI):  שיטה המאפשרת למערכות מחשב לחשוב בצורה קרובה לזה של המוח האנושי  
• AI גנרטיבי מאפשר למשתמשים לבצע בירורים על סמך מגוון רחב של תשומות ולספק פלטים, כולל אנימציה, קול או תמונות. דגמי AI גנרטיביים זמינים המיועדים לבעיות חקלאיות.  
• למידת מכונה: הדיסציפלינה המאפשרת למחשבים ללמוד מבלי להיות מתוכנתים במפורש.   
• עבודת כפיים: עבודה חקלאית שחייבת להיעשות עם האדם כפוף או כפוף. רע מאוד לבריאותו של הפועל.