Durante il CES 2022 di gennaio, John Deere ha presentato un trattore completamente autonomo, alimentato dall’intelligenza artificiale, pronto per la produzione su larga scala.
Secondo un comunicato stampa, il trattore è dotato di sei coppie di telecamere stereo che catturano le immagini e le fanno passare attraverso una rete neurale profonda, che poi classifica ogni pixel in circa 100 millisecondi e determina se la macchina continua a muoversi o si ferma, a seconda se un viene rilevato un ostacolo.
E a marzo, l’azienda con sede in Iowa ha lanciato See & Spray Ultimate , una tecnologia di spruzzatura erbicida mirata con precisione progettata dalla Blue River Technology, una consociata interamente controllata di John Deere. Telecamere e processori utilizzano la visione artificiale e l’apprendimento automatico per rilevare le erbacce dalle piante coltivate. C’è una telecamera montata ogni metro sulla larghezza di un braccio in stile traliccio in fibra di carbonio di 120 piedi, o 36 telecamere che scansionano più di 2.100 piedi quadrati contemporaneamente.
Ma lo status di John Deere come leader nell’innovazione dell’IA non è venuto fuori dal nulla. In effetti, l’azienda di macchine agricole ha piantato e coltivato semi di dati per oltre due decenni. Negli ultimi 10-15 anni, John Deere ha investito molto nello sviluppo di una piattaforma dati e della connettività delle macchine, nonché di una guida basata su GPS, ha affermato Julian Sanchez, direttore della tecnologia emergente di John Deere.
“Questi tre pezzi sono importanti per la conversazione sull’IA, perché l’implementazione di soluzioni di intelligenza artificiale reali è in gran parte un gioco di dati”, ha affermato. “Come raccogli i dati? Come trasferisci i dati? Come alleni i dati? Come distribuisci i dati?”
In questi giorni, l’azienda si sta godendo i frutti del suo lavoro di intelligenza artificiale, con altri raccolti in arrivo.
Il lungo viaggio di John Deere verso l’IA
Gli sforzi di John Deere nello sviluppo di soluzioni di intelligenza artificiale fanno parte di una tendenza più ampia nel panorama agricolo. Secondo Markets&Markets, si prevede che la spesa per la tecnologia e le soluzioni di IA agricola aumenterà da 1 miliardo di dollari nel 2020 a 4 miliardi di dollari nel 2026.
Il viaggio dell’azienda verso l’IA iniziò a metà degli anni Novanta, quando un piccolo gruppo di ingegneri innovativi fu separato dalle linee di prodotti John Deere, come il gruppo mietitrebbia o il gruppo trattore, e gli fu detto di trasferirsi a Des Moines, Iowa, per lavorare su una nuova ondata di tecnologia in arrivo attorno al GPS.
Secondo Sanchez, un sistema di guida basato su GPS, rilasciato nel 1999, ha rappresentato un punto di svolta per la precisione del trattore in John Deere. “L’economia di tale precisione è facile da capire perché si sovrappongono meno”, ha detto. “Ciò che ha venduto gli agricoltori su di esso, tuttavia, è che potevano monitorare altre parti del lavoro piuttosto che rimanere in linea retta: questo era il grande vantaggio. Da allora ci siamo basati su questo”.
Verso le opportunità dell’IA
Il successivo momento “aha”, ha spiegato Sanchez, è stato quando John Deere ha etichettato una posizione geospaziale su ogni sensore dei suoi veicoli. “Ogni tipo di lavoro agronomico, che si tratti di mettere un seme nel terreno o raccogliere una pianta o applicare erbicidi, ha un sensore associato, quindi sappiamo cosa funziona bene sul campo e cosa no”, ha spiegato.
Ciò ha aperto l’intera idea delle mappe geospaziali, che John Deere ha immediatamente iniziato a sviluppare nei primi anni 2000. Ma il trasferimento dei dati è stato goffo, ha detto Sanchez: “Sono registrati sulle macchine, quindi dovevi entrare con una chiavetta USB e raccoglierli tutti e riportarli alla fattoria e caricarli su un PC”.
Di conseguenza, nel 2010, John Deere si è reso conto che ogni grande veicolo agricolo uscito dalla fabbrica doveva essere dotato di una scatola telematica abilitata per cellulari. “Abbiamo iniziato a rimuovere l’attrito di dover spostare i dati dal veicolo a un altro posto per assicurarci che i dati si spostino continuamente dal veicolo”, ha affermato.
Gli anni 2010 hanno portato le rivoluzioni mobile e cloud, che hanno accelerato la capacità di innovare sugli strumenti digitali. Entro il 2016, la legge di Moore (il principio secondo cui la velocità e la capacità dei computer possono raddoppiare ogni due anni) ha portato a una rinascita delle opportunità di ciò che si potrebbe fare con l’IA. All’epoca, John Deere aveva diversi piccoli team che avevano già lavorato su concetti di robotica per almeno 10 anni. “Avevamo lavorato con alcune delle migliori università di robotica del paese”, ha detto Sanchez. “Quindi potremmo essenzialmente versare benzina sulla nostra evoluzione per costruire sull’IA”.
Julian Sanchez, direttore della tecnologia emergente, John Deere
Costruire capacità di intelligenza artificiale
Nel 2017, John Deere ha acquisito la società di apprendimento automatico Blue River Technologies, che è diventata una delle parti chiave degli sforzi di innovazione dell’azienda in materia di intelligenza artificiale e deep learning , esaminando le applicazioni per l’intelligenza artificiale su macchine e altri domini, inclusa l’edilizia. “Ciò ha immediatamente raddoppiato o triplicato il numero di persone che lavorano sull’IA”, ha affermato. “Quello era un punto di svolta”.
Tuttavia, c’è anche un team di data science John Deere, che conta centinaia di persone, che sta esaminando una serie di problemi, ha affermato, tra cui “il modo in cui costruiamo modelli per analizzare i dati che sono usciti dalle macchine e fornire dati più preziosi informazioni ai coltivatori”.
Tutte le iniziative di intelligenza artificiale di John Deere rientrano nell’ambito del chief technology officer, ha affermato Sanchez, inclusa un’organizzazione focalizzata sull’autonomia e sulle soluzioni di automazione. “Quel gruppo ha la più grande concentrazione di talenti dell’IA e include l’organizzazione Blue River”, ha aggiunto. C’è anche un’organizzazione che gestisce tutto lo sviluppo degli strumenti digitali dell’azienda – cloud, applicazioni mobili front-end, soluzioni web point – con un team di data science di dimensioni considerevoli. “Sono loro che curano tutti i dati, assicurandosi che li esaminiamo con l’intento di generare quante più informazioni possibili per i coltivatori”, ha spiegato.
Oggi, John Deere è “abbastanza focalizzato sul laser” da una mezza dozzina a una dozzina di soluzioni che l’organizzazione ritiene siano le più importanti da continuare a sviluppare e infine fornire al mercato, ha affermato Sanchez. Alcuni di loro esistono già, come il nuovo trattore autonomo.
Ma l’obiettivo dell’azienda va oltre una macchina. “Il nostro obiettivo è entro il 2030, vogliamo avere un sistema di produzione completamente autonomo, il che significa che vogliamo una mietitrebbia, un’irroratrice e una seminatrice per trattori autonomi”, ha affermato. Oggi l’azienda offre una soluzione di lavorazione del terreno completamente autonoma, che è una delle quattro fasi del ciclo produttivo che consente agli agricoltori di preparare il terreno prima della semina. Nei prossimi otto anni, Sanchez afferma che John Deere sarà in grado di farlo per la semina, l’irrorazione e la raccolta.
“Questo è un grosso problema data la pressione del lavoro in agricoltura”, ha detto. “Per decenni, ci sono state meno persone che volevano vivere nelle zone rurali, quindi è ciò che l’IA aiuta a sbloccare”. Ha aggiunto che questo impegno per gli investimenti nell’IA proviene direttamente dall’attuale CEO di John Deere, che in precedenza era responsabile della grande area tecnologica dell’azienda. “Ha capito il valore”, ha spiegato.
Alla ricerca della precisione guidata dall’intelligenza artificiale su larga scala
L’industria agricola ha raggiunto un “asintoto di valore che puoi aggiungere andando più grande e più veloce”, ha continuato Sanchez. “L’opportunità di valore si è davvero concentrata sull’essere molto precisi: devi essere in grado di vedere cosa stai facendo, se stai mettendo un seme nel terreno, raccogliendo un chicco di mais o applicando erbicidi”.
Ad esempio, se hai piantato quattro o cinque semi di mais, vorresti capire qualcosa sull’umidità attuale del terreno, perché l’umidità perfetta darebbe loro le migliori possibilità di emergere dal terreno come pianta nel minor tempo possibile . Dovresti anche analizzare la qualità del terreno e mettere i semi in un punto in cui ci sono più sostanze nutritive. E vorresti assicurarti che i semi non siano troppo vicini l’uno all’altro, perché se lo fai, inizieranno a competere per quei nutrienti. Ma se li metti troppo distanti l’uno dall’altro, allora non stai ottimizzando il piccolo pezzo di terra per piantare i semi.
“Ora immagina di farlo su larga scala, quando devi piantare centomila acri nell’arco di due settimane”, ha detto Sanchez. “Ecco perché l’IA ha già avuto un impatto sull’agricoltura. Ecco perché vediamo quella pista di opportunità lì. L’agricoltura ha tutti i tipi di questi esempi perfetti che sono perfetti per l’IA, al contrario di applicazioni più ampie e generalizzate”.
La missione AI “Santo Graal” di John Deere
John Deere continua a cercare di affrontare un paio di grandi idee sul “Santo Graal” sull’IA. Uno di loro torna all’autonomia. “Per immaginare un sistema di produzione completamente autonomo, devi immaginare un intero sistema in cui non solo queste macchine possono svolgere i lavori sul campo, ma possono anche capire in quale campo dovrebbero spostarsi”, ha affermato Sanchez. “E dobbiamo capire come si spostano da un campo all’altro senza un significativo lavoro umano”.
Il secondo riguarda l’enorme opportunità sia per la redditività che per la sostenibilità in agricoltura, in termini di vera comprensione della salute di ogni centimetro di suolo che viene utilizzato per l’agricoltura. “Quindi c’è un gioco più grande qui, ovvero se puoi coltivare in modo tale che ogni anno il tuo terreno diventi più sano, quindi nel tempo ciò ti consente di raggiungere davvero l’obiettivo di fare di più con meno”, ha spiegato.
Ma, ha aggiunto, è davvero difficile misurare cose come azoto, potassio o sodio in tempo reale in modo affidabile. Oggi qualcuno esce sul campo, infila un tubo nel terreno, preleva un campione di carota, lo invia a un laboratorio e sei settimane dopo ottieni un risultato.
“È un po’ come l’avanguardia della ricerca e sviluppo in questo momento: come misuriamo queste qualità dei nutrienti del suolo in tempo reale?” Egli ha detto. “È davvero difficile, nessuno l’ha risolta. E ci sono molte persone che ci stanno lavorando”.
I principali abilitatori dell’IA devono ancora venire
Mentre alcuni hanno criticato gli sforzi dell’IA di John Deere, chiedendosi se i suoi macchinari alimentati dall’intelligenza artificiale siano troppo costosi o troppo complessi da usare, chi possiede i dati raccolti e se i lavoratori verranno sostituiti, Sanchez ha affermato che la realtà è che trovare buoni, affidabili, qualificati il lavoro è una delle maggiori sfide che gli agricoltori devono affrontare oggi. L’occupazione dei lavoratori agricoli, ha aggiunto, dovrebbe crescere solo dell’1% dal 2019 al 2029, più lenta della media per tutte le occupazioni, mentre il lavoro in fattoria può essere molto impegnativo durante i periodi critici dell’anno, richiedendo manodopera fino a 18 ore un giorno.
“Il trattore autonomo Deere e altre tecnologie avanzate offrono agli agricoltori la flessibilità necessaria per gestire le attività di pressatura all’interno delle loro operazioni in quei momenti critici, perché il trattore può gestire parte del lavoro per cui non hanno tempo, o il lavoro da fare, mentre si concentrano su lavori che richiedono ancora la loro attenzione”, ha detto. “Gli agricoltori possiedono i propri dati e controllano con chi li condividono e quando”.
In ogni caso, Sanchez sostiene che John Deere è ancora solo “al secondo o terzo inning” nell’implementazione e commercializzazione di soluzioni basate sull’intelligenza artificiale.
“In questo momento sul mercato abbiamo tre o quattro soluzioni significative che hanno ciò che si potrebbe davvero chiamare alimentato dall’intelligenza artificiale con tutta la tecnologia di rilevamento, offrendo un valore significativo per centinaia e migliaia di clienti”, ha affermato. “Ma penso che ce ne siano dozzine e dozzine in più che sono opportunità”.
Ha aggiunto che ciò a cui è “divertente pensare” è che due dei fattori limitanti per il ridimensionamento dell’IA sono la disponibilità di set di dati di addestramento affidabili e la potenza di calcolo prontamente disponibile. Più fotocamere e più sensori hai perché disponi di soluzioni di intelligenza artificiale, più dati raccogli. “Quindi è una specie di effetto di rete in cui più cresci, più opportunità ci sono con il tuo set di dati”, ha spiegato.
Che si tratti del 5G o del livello successivo di connettività, Sanchez ha aggiunto che i livelli di latenza potrebbero finalmente consentire a John Deere di sfruttare la potenza del cloud computing in un modo davvero in tempo reale, “che per noi è meno di mezzo secondo”, ha ha detto, aggiungendo che porterebbe gli sforzi di intelligenza artificiale dell’azienda a un altro livello.
“Quindi, non solo siamo all’inizio di questo, ma ci sono un paio di importanti fattori abilitanti che penso potrebbero potenzialmente renderlo molto più eccitante”, ha detto.
