这家创企正建立农作物数据库 帮助印度农民用AI种庄稼

　　10月16日消息，据外媒报道，印度农民图沙尔·坎布尔(Tushar Kamble)发现自己的辣椒植株普遍比较小，叶子也开始卷曲，他知道辣椒植株出了问题。这位30多岁的前学者在他占地42亩的土地交界处，向邻居们请教。坎布尔以为辣椒起了蚜虫或生了病。

　　不过随后，坎布尔尝试了名为Plantix的应用程序，并用它给他的辣椒地拍了张照片。这款应用通过图像识别(一种机器学习方法)对50个不同物种的数据库进行了比对，两分钟后，他得到了不同的答案：他的辣椒没有得到足够的水，并且可以从微量营养素喷雾中获益。

　　不出几个星期，坎布尔的辣椒就长得相当大了。如今，他正在使用这款应用程序帮助改变化学药品的使用方式，这样他就可以生产有机农产品，并将它们出口到欧洲。坎布尔笑着说：“我不依任何人来帮助我。”

　　帮助一个农民提高作物产量似乎显得微不足道，但像坎布尔这样的小农在全球粮食生产中却占据着重要地位。

　　开发Plantix的柏林初创企业Peat联合创始人兼首席执行官西蒙·斯特里(Simone Strey)说，全球约70%的粮食是坎布尔这样的小农生产的，他们在全球约有5亿人。斯特里的公司正在利用坎布尔和其他人提供的照片，对整个印度及其他地区的农作物健康状况进行更全面的描述。

　　2015年，斯特里与丈夫、机器学习专家罗伯特·斯特里(Robert Strey)共同创办了Peat。如今，该公司每月有62万活跃用户，其中80%生活在印度。

　　桑迪普·辛德(Sandip Shinde)是另一位在自家土地上使用Plantix的农民，他种植番茄、花椰菜和甘蔗。尽管有13年的经验，但他认为这些应用的自动建议系统以及与其他农民的聊天网络也帮助提高了产量。

　　对小农有利的事情，也可能对全球最大的农业和化工企业有用。Peat已经在这两个世界之间找到了一种初始商业模式，为化学公司BASF的植物识别软件贴上了白色标签。BASF已经将该软件整合到自己的作物管理软件Maglis中。

　　在印度，使用Maglis的专业农民往往拥有比小农大得多的土地，而且他们使用Peat软件的频率也更高，每月约12000次。这家初创公司对其API每次被“调用”，或在Maglis上被使用时，它都会收取费用。

　　但Peat也可以利用这些大农场的图片来训练它的图像识别算法，这可能比获取收入更有价值。这一切都是为了建立疾病在农作物上传播的预测模型，从小麦到土豆再到石榴等，以及这可能对粮食生产的影响。

　　斯特里的团队中有个数据科学家，她还在招募更多的新员工。斯特里以前是个地理学家和土壤学家，她计划将这些预测洞见卖给政府、保险公司和农业供应商，后两者是“最有希望向其出售数据的利益相关者”。

　　斯特里称：“当我们与种子和植物保护供应商交谈时，他们说：‘我们没有他们需要的数据。’非洲和亚洲的农民也是如此，他们大多在不到两公顷的土地上耕作，相当于一个足球场那么大。这些农民没有数据库可用。”

　　2014年秋天，斯特里和丈夫在巴西进行土壤研究时，第一次想到了Peat的创意。一个村庄的农民提到，每当他试图在谷歌搜索一种在当地被称为“猝死”的植物疾病时，只会出现车祸的画面，与农作物毫无关系。

　　由于使用当地语言是个明显的障碍，这对夫妇认为农民可以更容易为作物拍照，并自动得到一个治疗答案。

　　如今，总部位于柏林的Peat拥有25名员工，已经筹集了近500万美元风险投资资金，最新一轮的A轮融资由伦敦Index Ventures领投，已经于2017年12月份结束。

　　如果斯特里的应用能继续在发展中国家的小农中广泛传播，它将展示出人工智能(或机器学习工具)的日益普及会如何将大量数据转化为有价值的东西。

　　作为人工智能的一种形式，图像识别曾一度是开发人员避开的科幻领域。但如今，由于从谷歌、微软、亚马逊甚至Facebook都可以免费获得现成的机器学习库，“使用AI”的行为正变得商品化，人们开始青睐于像Peat这样独特且难以获取的数据。

　　斯特里指出，Peat使用谷歌的TensorFlow软件库作为其图像识别工具。她谈到自己的工具时说：“每个人都能做到这一点。最终，我们认为最强大的是，我们能对从用户那里获得的数据有更深入的理解。”