Z naraščanjem vpliva človeka na okolje se vse bolj kaže, da potrebujemo nova orodja, da bi zadostili potrebam trajnostnega razvoja in hkrati poskrbeli za ustrezno prehrano hitro rastočega svetovnega prebivalstva. Brez uporabe naprednih tehnologij in inovacij na področju kmetijstva in pridelave hrane ne bo šlo.
Možna pot do rešitve je uporaba sistemov strojnega učenja in pridobivanje znanja iz podatkov, saj vprašanja, s katerimi se srečuje današnje kmetijstvo, postajajo vse bolj kompleksna in segajo na številna druga področja družbe, pravi prof. dr. Marko Debeljak z odseka za tehnologije znanja na Institutu Jožefa Stefana.
Današnje stanje okolja je namreč rezultat netrajnostne družbe. »Biološko, kemično in svetlobno onesnaženje okolja, globalne podnebne spremembe ter skokovito upadanje biotske in habitatne raznovrstnosti ob hkratnem naraščanju števila prebivalstva in višanja standarda oskrbe s hrano postavljajo pred kmetijstvo še nikoli izražene zahteve in omejitve. Vsakršno vztrajanje pri uporabi starih orodij pri reševanju novih problemov te le še poglablja,« je prepričan Marko Debeljak, ki kot odličen primer prehoda k trajnostnemu ravnanju z naravnimi obnovljivimi viri vidi v slovenskem in švicarskem gozdarstvu.
»Prehod je bil izveden v drugi polovici prejšnjega stoletja in to brez sodobnih tehnologij umetne inteligence. Glavno spoznanje, ki je zagotovilo njegovo uspešnost, je, da je sonaravnost osnova za vzpostavitev trajnosti. Sonaravnost zahteva poznavanje osnovnih zakonitosti strukture, rasti in razvoja naravnih, denimo gozdnih in agrarnih, ekosistemov. Ključen pristop k vzpostavitvi sonaravnosti je kognitivnost. Ekosistemi so preveč kompleksni, da bi lahko v podrobnosti opisali njihovo zgradbo. Njihovo delovanje poganjajo preštevilni procesi, ki jih ne bomo mogli nikoli v popolnosti poznati. Hkrati so tudi nepovratni, kar pomeni, da nenehno spreminjajo strukturo in procese rasti in razvoja,« je prepričan sogovornik.
Spoznavati moramo obnašanje, ne sestavo ekosistemov
Kognitivnost, to je odkrivanje sistemskih značilnosti na osnovi obnašanja in ne sestave ekosistemov, je torej tisti ključen pristop, ki omogoča prehod v trajnostno družbo. Kognitivno spoznavanje sonaravnosti pa potrebuje nove vrste podatkov in informacijske infrastrukture ter nova specifična znanja. »Seveda je v primeru gozdarstva to zahtevalo ogromno dela, ki je potekalo relativno počasi. Izredno učinkovit napredek pri sonaravnem zagotavljanju trajnosti je v zadnjih 30 letih ponudilo novo raziskovalno področje zunaj gozdarstva in kmetijstva. To je računalniška znanost o kompleksnih dinamičnih sistemih, ki jo danes poznamo pod imenom umetna inteligenca,« meni Debeljak.
Prehodu v trajnostno kmetijstvo pomaga intenzivna digitalizacija
Pod okriljem umetne inteligence najdemo številna podpodročja, kot je tudi strojno učenje. »Seveda se lahko današnje kmetijstvo odloči za pristope, ki so jih z uspehom uporabili gozdarji pred 60 leti, a to bi bila seveda izredno neracionalna odločitev. Pomembno je poudariti, da kognitivni pristop temelji na neprestanem zbiranju številnih podatkov, ki opisujejo stanje ekosistemov, zato je prehodu v trajnostno kmetijstvo v izredno oporo tudi intenzivna digitalizacija kmetijstva in drugih segmentov družbe,« pojasnjuje Marko Debeljak, ki se zaveda, da zahteve za trajnostno kmetijstvo postavljajo številne izzive, s katerimi se to področje ni nikoli srečalo, hkrati pa kmetijstvo ni še nikoli imelo tako dobre podpore v digitalizaciji in umetni inteligenci.
Vzajemna podpora teh dveh področij omogoča hitro odkrivanje ključnih informacij za sprejemanje pravočasnih in učinkovitih ukrepov v procesu prehoda v trajnostno kmetijstvo. »Kot družba se soočamo z eksistenčno pomembnimi posledicami izkoriščanja naravnih (obnovljivih in neobnovljivih) virov, hkrati pa smo v enkratnem obdobju razvoja, ko si lahko družba pomaga s sinergijami med zahtevami trajnosti, obsegom digitalizacije in učinkovitostjo metod umetne inteligence. Prepričan sem, da integracija teh treh področij omogoča veliko hitrejši razvoj trajnosti kmetijstva, kot pa napreduje degradacija agrarnih ekosistemov. Ključni dejavnik prehoda v trajnostno družbo gotovo niso več tehnologije za soočanje z novimi izzivi in za njihovo obvladovanje, temveč odločitev družbe, da se zanje odloči,« še doda.
Umetna inteligenca še vedno le v pomoč znanosti
Uporaba umetne inteligence in strojnega učenja na področju kmetijstva ali na kateremkoli drugem področju zahteva izrazito transdisciplinarno sodelovanje s številnimi drugimi področji. »Ker moramo za prehod v trajnostno kmetijstvo čim bolje razumeti celostno obnašanje agrarnega ekosistema, potrebujemo znanje in podatke, ki ga opisujejo s številnih zornih kotov. Umetna inteligenca sodi na področje empiričnih znanosti, torej znanosti, ki se razvijajo s pomočjo opisa realnih struktur dinamičnih sistemov. Rezultati umetne inteligence so, vsaj v današnji obliki, še vedno samo v pomoč človeku in ne obratno. To pomeni, da nam te metode omogočajo hitro dopolnjevanje znanja o obravnavanem problemu znotraj kmetijstva (denimo varstvo poljščine, erozija tal, biodiverziteta agroekosistema …). Seveda so tovrstne metode izjemne glede količine in kompleksnosti izvedenih analiz podatkov in napovednega modeliranja, so pa izjemne tudi v pristopu k iskanju novega znanja,« pojasni sogovornik z odseka za tehnologije znanja na Institutu Jožefa Stefana.
Klasičen pristop odkrivanja znanja ne sledi hitrosti pojavljanja novih problemov
Danes še vedno prevladuje raziskovalna metoda, ki temelji na hipotezah, ki jih postavimo na osnovi obstoječega znanja. Hipoteze nato preverjamo s pomočjo vnaprej določenih vrst podatkov, glede na izbrano metodo za njeno preverjanje. Tovrsten pristop omogoča zelo počasno pridobivanje znanja, hkrati pa se srečuje s številnimi nevarnostmi in omejitvami. Vse bolj se potrjuje ugotovitev, da klasično odkrivanje znanja čedalje bolj zaostaja za hitrostjo pojavljanja novih problemov.
»Na drugi stani pa strojno učenje temelji na povsem drugačnem pristopu, saj algoritmi v podatkih iščejo rešitve obravnavnega problema (denimo ali bo uporaba določenega pesticida povzročila onesnaženje vode) in jih nato preverjajo na povsem novih podatkih. Nabor tako testiranih rezultatov kritično preverijo eksperti za obravnavan problem (na primer specialisti za problematiko spiranja pesticidov v vodo). Izkazalo se je, da umetna inteligenca zelo uspešno predlaga številne nove rešitve, na katere domenski eksperti kljub znanju in izkušnjam niso niti pomislili,« pojasni Debeljak.
Tovrstni raziskovalni pristop omogoča veliko hitrejše pridobivanje znanja za obvladovanje problemov ter hkrati ponuja scenarije za učinkovit prehod v trajnostno večfunkcionalno kmetijstvo. Umetna inteligenca torej ni samo tehnika, temveč tudi izredno povezovalni element obstoječega znanja številnih področji kmetijstva. Prav zaradi teh značilnosti se umetna inteligenca izredno učinkovito uporablja tudi v procesih odločanja, kjer je osrednji člen sodobnih sistemov za podporo odločanja v kmetijstvu.
Izjemni dosežki dela v Franciji
Francija je pred več kot desetletjem prepovedala uporabo gensko spremenjenih poljščin tudi zaradi rezultatov dela projektne skupine z odseka za tehnologije znanja pri Institutu Jožefa Stefana. »Zelo pomembna izkušnja sodelovanja s francoskim kmetijstvom, o kateri bi rad govoril s slovenskimi kmetovalci, kmetijskimi svetovalci in kmetijskimi odločevalci, je izredno hitro uvajanje raziskovalnih rezultatov v prakso, proaktivna usmerjenost v razvoj trajnostnega kmetijstva ter aktiven dialog s številnimi deležniki znotraj kmetijstva in širše družbe,« pravi sogovornik, ki s predstavniki francoskega kmetijstva sodeluje skoraj dve desetletji.
Po prepovedi gensko spremenjenih poljščin poudarek na tveganjih pesticidov
»V tem času so bili prav zaradi naštetih značilnosti vodilni pri kritičnem preverjanju številnih kmetijskih praks in uspešni pri njihovih izboljšavah. Zelo sistematično so se lotili preverjanja sprejemljivosti gensko spremenjenih poljščin. Njihove zadržke je podprlo vodstvo države, ki je sprožilo ustavitev uvajanja gensko spremenjenih poljščin na ravni EU. Naša uporaba metod strojnega učenja je bila v teh raziskavah nezanemarljiva. Prav tako so pravilno razumeli okoljski problem fitofarmacevtskih sredstev (FFS), saj so po prepovedi gensko spremenjenih poljščin znova veliko pozornosti namenili obvladovanju tveganja onesnaževanja okolja s pesticidi. Kritično preverjanje navodil proizvajalcev FFS za njihovo do okolja varno uporabo (tako imenovane post market analize) je pokazalo velike pomanjkljivosti,« še doda.
V teh prizadevanjih so metode strojnega učenja uporabili za razvoj sistema za podporo odločanju pri do okolja varni rabi fitofarmacevtskih sredstev. »Naš sistem omogoča podporo kmetovalcem na območju celotne Francije. Njihova odločna implementacija trajnostne kmetijske strategije je sprožila številne zahteve za razvoj učinkovitih metod integriranega varstva rastlin in bioničnega varstva. Prav z uporabo umetne inteligence smo dokazali specifičnost teh pristopov ter izboljšali učinkovitost metod njihovega uvajanja. Večina ukrepov je namreč usmerjena v zagotavljanje ustreznih življenjskih habitatov vrst (predvsem žuželk), ki opravljajo kontrolo nad nezaželenimi organizmi na pridelovalnih površinah. Ti habitati namreč niso na pridelovalnih površinah,« pove Marko Debeljak.
Umetna inteligenca pomembna v sistemih za podporo odločanju
Omenjeni prehod od gensko spremenjenih organizmov (GSO) do bioničnega varstva Francozom uspeva predvsem zaradi izredno tesnega sodelovanja stroke in številnih raziskovalnih področij, med katerimi je izrazito poudarjeno področje umetne inteligence in njena uporaba v sistemih za podporo odločanju. »Primerjave po absolutnih kriterijih med slovenskimi in francoskimi kmetovalci so po moji oceni neobjektivne. Kljub temu se lahko slovensko kmetijstvo na francoskem primeru nauči, kako je za uspešen prehod v trajnostno kmetijstvo potrebno hitro, a kritično uvajanje 'novih orodij za reševaje novih problemov',« še doda sogovornik z Instituta Jožefa Stefana.
Kako zmanjšati uporabo fitofarmacevtskih sredstev in jih nadomestiti z biotičnim varstvom poljščin
Ko so v Franciji prepovedali GSO, so si postavili nov ambiciozen cilj: za polovico zmanjšati uporabo fitofarmacevtskih sredstev in jih v kar največji meri nadomestiti z biotičnim varstvom poljščin. Cilj so dosegli. Biotično varstvo rastlin temelji na vrstah, ki so v naravnem okolju in nadzorujejo obilje vrst, ki na poljščinah povzročajo ekonomsko škodo. Prehod na biotično varstvo preusmeri našo pozornost s pridelovalnih površin na njihovo okolje (gozd, travne površine …). Ukrepi na pridelovalnih in nepridelovalnih površinah ter v gozdu morajo biti zato usklajeni.
»Sem sodi predvsem ravnanje z mejicami, grmišči, nakošenimi obcestnimi površinami ... To so tako imenovane površine v zaraščanju, proti čemur se žal slovensko kmetijstvo še vedno zelo zavzema, celo s finančnimi spodbudami. To so z vidika biotičnega varstva ključni habitati za žuželke, ptice, dvoživke, plazilce in sesalce, ki pomagajo zmanjševati obilje vrst (predvsem žuželk), ki na poljščinah povzročajo ekonomsko škodo. Vzdrževanje teh habitatov in zagotavljanje njihovih zadostnih površin pomeni veliko težavo, saj velikokrat njihovi lastniki niso tudi lastniki pridelovalnih površin in zato nimajo za te dejavnosti nikakršnega ekonomskega interesa,« razloži Marko Debeljak.
»Z metodami strojnega učenja smo ob francoskem primeru precej pripomogli k reševanju teh težav, saj lahko odkrijemo, kakšna je sposobnost določenega območja, da zagotavlja bionično varstvo, ter kje so ključni habitati koristnih organizmov. Ti podatki so odločilnega pomena za učinkovito usklajevanje potrebnih ukrepov. Hkrati pa se lahko naš pristop uporabi tudi za oceno ekosistemskih storitev, ki jih ti habitati opravljajo. S tovrstnimi raziskavami se zbira čedalje več dokazov za argumentirano uvedbo finančnega vrednotenja in poplačila ekosistemskih storitev, s čimer bi lastnike primernih habitatov spodbujali k njihovemu upravljanju,« še doda.
Stročnice vzdržujejo prisotnost koristnih vrst
Sposobnost krajine, da vzdržuje prisotnost koristnih vrst, se močno izboljša tudi z uvajanjem stročnic. Glavni razlog je njihova medonosnost. Povečevanje deleža stročnic pa ima poleg ekološkega tudi velik prispevek k ekonomskemu in socialnemu vidiku trajnosti. »Za njihovo pridelavo ni treba vnašati umetnih dušičnih gnojil, s tem pa so odpravljene tudi vse negativne posledice njihove proizvodnje, ki temelji predvsem na zemeljskem plinu. Seveda so učinki tudi socialni, ker je nadomeščanje ali dopolnjevanje živalskih proteinov s proteini rastlinskega izvora z vidika trajnostni izredno učinkovito,« pojasni Debeljak.
Evropa zato veliko sredstev namenja raziskavam za povečanje raznovrstnosti poljščin, predvsem z uvajanjem številnih vrst stročnic. »Z metodami strojnega učenja smo tako zgradili sistem za vrednotenje vseh treh vidikov trajnosti celotne oskrbovalne verige stročnic. Znova smo potrdili pravilo, da se s povečevanjem kompleksnosti obravnavanega sistema povečuje tudi število sinergijskih učinkov, ki omogočajo uspešno doseganje njegove trajnosti,« doda naš sogovornik.
Ogroženost tal in talnih organizmov ogrozi pridelavo hrane
Ključni element zagotavljanja pridelave hrane so tla in talni organizmi, njihova stopnja ohranjenosti pa zagotovilo, da pridelava hrane v prihodnosti ne bo ogrožena. »Tukaj se znova vračamo k sonaravnosti kot glavnem pogoju trajnosti. Tla in njihova rodovitnost sta v središču pozornosti glede ugotavljanja stopnje sonaravnosti. Tla, ki so zaradi naših neustreznih ukrepov izgubila rodovitnost, so degradirana. Žal jih še vedno imenujemo opuščena tla. To je z vidika družbeno zavezujočih sklepov trajnostnega razvoja nedopustno. Bojazen pred izgubo tal na kraškem območju Slovenije je gozdarjem pred skoraj stoletjem nagnala strah v kosti in na to so se odzvali z razvojem sonaravnega trajnostnega gozdarstva. Tudi strah pred izgubo tal oziroma funkcij tal se z naraščanjem obsega degradiranih območij danes skokovito povečuje,« razloži Marko Debeljak.
Sistem Soil Navigator izboljšuje sonaravnost tal
»Da bi se s to težavo uspešno spoprijeli, smo z našimi pristopi razvili sistem Soil Navigator za oceno petih glavnih funkcij tal (produktivnost, hranila v tleh, voda v tleh, ogljik v tleh, biodiverziteta tal) ter ravnanje z njimi. Sistem kmetovalcu oziroma uporabniku poleg ocene funkcij ponudi nabor ukrepov, s katerimi bo določene funkcije tal lahko izboljšal, pri čemer se kakovost drugih funkcij ne bo poslabšala. Tako izboljšujemo sonaravnost tal ter hkrati povečujemo njihovo trajnost. Sistem omogoča nadgradnjo za vrednotenje ekosistemskih storitev. Upam, da bodo trajnostna prizadevanja odgovornih kmetovalcev kmalu tudi finančno nagrajena prek mehanizma ekosistemskih storitev, ki so jih v osnovi razvili kot finančni mehanizem,« pravi naš sogovornik z odseka za tehnologije znanja pri Institutu Jožefa Stefana.
Opisani primeri pokrivajo skoraj dvajsetletno obdobje dela našega sogovornika in njegovih sodelavcev. »V tem času smo bili priča razvoju tako na področju trajnostnega kmetijstva kot metod umetne inteligence. Vsem omenjenim primerom je skupno, da izvirajo iz praktičnih težav kmetijstva in pridobljene rezultate smo uporabili za njihovo reševanje. Sčasoma se je povečevala kompleksnost obravnavanih težav, hkrati pa je naraščal tudi obseg obravnavanih področij trajnosti,« še doda Debeljak.
Pathfinder, sistem za ocenjevanje trajnosti
Prosili smo ga še za ponazoritev konkretne uporabe sistema Pathfinder (za oceno in upravljanje trajnosti agroživilske verige na primeru stročnic v praksi). »Sistem z vidika okoljskega, ekonomskega in socialnega stebra oceni izpolnjevanje pogojev trajnosti petih členov verige (pridelava, predelava, transport, trgovina, porabnik), ločeno oceni posamezne stebre trajnosti celotne verige ter z njihovo integracijo oceni trajnost za celotno verigo. Sistem poleg ocene stanja na temelju realnih podatkov omogoča preverjanje učinkov različnih scenarijev (denimo zvišanje cene energije, zmanjšanje količine opravljenega fizičnega dela, zmanjšanje izgub hrane) na trajnost celotne verige. Hkrati omogoča tudi iskanje potrebnih sprememb v delovanju in strukturi verige, s katerimi bi želeli izboljšati posamezen steber trajnosti ali trajnost v celoti,« razloži sogovornik.
Sistem, ki uporabniku torej predlaga potrebne spremembe, je v osnovi namenjen odločevalcem s področja oblikovanja ali preverjanja strategij trajnosti pridelave in porabe hrane, finančnim institucijam za odkrivanje delov oskrbovalne verige, ki bi z ustreznimi finančnimi spodbudami izboljšali trajnost celotne verige, načrtovalcem tehničnih izboljšav, predstavnikom izobraževalnih institucij za izboljšanje znanj s specifičnih področij trajnosti znotraj posameznih členov verige in, ne nazadnje, splošni javnosti. Sistem je preizkušen na številnih tujih primerih oskrbovalnih verig, v Sloveniji pa na primeru Zelene točke iz Murske Sobote.
