コンピューター サイエンスは、農家が代替作物や持続可能な農業方法を探索するのに役立ちます

人間は物理的に再構成された 世界の土地の半分 わずか 8 種類の主要作物を栽培するには:トウモロコシ（トウモロコシ）、大豆、小麦、米、キャッサバ、ソルガム、サツマイモ、ジャガイモ。それらは世界中の人々が消費するカロリーの大部分を占めます。世界の人口が増加するにつれ、次のようなプレッシャーが生じています。 さらに生産を拡大する.

多くの専門家は、合成肥料、化学農薬、高収量種子に大きく依存する現代の工業化農業のさらなる拡大が必要だと主張している。 正しい方法ではありません に 増加する世界人口に食料を供給する. 。彼らの見解では、このアプローチは 環境的にも経済的にも持続可能ではない, 、そして農民も科学者も同様に 閉じ込められていると感じる このシステム内で。

社会はどのようにしてニーズを満たし、より健康的で多様性のある食料システムを開発できるのでしょうか?有機農業などの代替手法を工業的農業と同じくらい広範囲に拡大するのは難しいことがわかっています。

最近の研究では、この問題を次のような観点から検討しました。 コンピュータ科学者 そして 作物学者. 。私たちと私たちの同僚 ブライアン・ランク, アダム・ストリード, ダイアン R.王 そして パトリック M.ユーイング 考え直す方法を提案した 農業システムはどのように設計され、実装されるのか, 、データと概念を要約し、計算的に整理するコンピューター サイエンスの中心的なアイデアである抽象化を使用して、内部の詳細を常に調べることなく分析し、それに基づいて行動できるようにします。

大きな成果、大きな影響

現代の農業は、20 世紀半ばのわずか数十年の間に強化されました。これは人類の歴史の中で瞬く間にすぎません。 技術の向上 の開発を含めて先導しました。 合成肥料 植物育種を改善した統計的手法。

これらの進歩により、農場は環境を犠牲にして、はるかに大量の食料を生産することが可能になりました。大規模農業は、 気候変動の推進に貢献した, 、汚染された湖と湾 栄養素の流出 そして 加速する種の減少 自然の風景を単一栽培の作物畑に変えることによって。

多くの米国農家や農業研究者は、より幅広い作物を栽培し、より持続可能な農法を使用したいと考えています。しかし、特に気候変動の中でどのような新しいシステムがうまく機能するかを理解するのは困難です。影響の少ない農業システムには、多くの場合、地元の深い知識に加えて、植物、気象と気候のモデリング、地質学などについての百科事典的な理解が必要です。

そこで私たちの新しいアプローチが登場します。

国家空間としての農場

コンピューター科学者が複雑な問題について考えるとき、彼らはよく「 状態空間. 。このアプローチは、システムを構成できるすべての可能な方法を数学的に表します。空間を移動するには選択が必要であり、その選択によって良くも悪くもシステムの状態が変化します。

例として、ボードと 2 人のプレイヤーによるチェスのゲームを考えてみましょう。ある時点でのボードの各構成は、ゲームの 1 つの状態です。プレイヤーが行動を起こすと、ゲームは別の状態に移行します。

ゲーム全体は「状態空間」、つまりプレイヤーが行う有効な動きによってゲームが取り得るすべての状態で説明できます。ゲーム中、各プレイヤーは自分にとってより良い状態を探します。

農業システムは、特定の生態系における状態空間として考えることができます。農場とその植物種のレイアウトは、その時点におけるその状態空間内の 1 つの状態を表します。農民はより良い状態を探し、悪い状態を避けようとしています。

人間も自然も農場をある状態から別の状態に移します。農家は、一日に、耕作、植え付け、草取り、収穫、肥料の追加など、その土地でさまざまな作業を行う可能性があります。自然は、植物の成長や雨の降るなどの小規模な状態遷移を引き起こしますが、洪水や山火事などの自然災害時には、より劇的な状態遷移を引き起こします。

相乗効果を見つける

農業システムを国家空間として捉えることで、今日の農業システムが提供する限られた選択肢を超えて農家の選択肢を広げることが可能になります。

個々の農家には、自分の土地で何年も試行錯誤を続ける時間も能力もありません。しかし、コンピューティング システムは、さまざまな環境や学派からの農業知識を利用して、自然と比喩的なチェス ゲームをすることができ、農民が自分たちの土地に最適な選択肢を特定するのに役立ちます。

従来の農業では、農家が選択できる植物種、農法、投入物が限られています。私たちのフレームワークにより、複数の作物を一緒に栽培したり、特定の土地に最適な管理手法を見つけたりするなど、より高いレベルの戦略を検討することが可能になります。ユーザーは状態空間を検索して、どのような方法、種、場所を組み合わせればそれらの目標を達成できるかを検討できます。

たとえば、科学者が、同じ圃場で計画された順序で作物を栽培する 5 つの輪作をテストしたい場合、それぞれ 4 年間続き、7 種類の植物を栽培することになり、これは 721 回の輪作の可能性を表します。私たちのアプローチでは、次の情報を利用できます。 長期にわたる生態学的研究 テストに最適な潜在的なシステムを見つけるのに役立ちます。

私たちが大きな可能性を感じている分野の 1 つは、 間作 – 異なる植物を混合して、または近接して栽培する。特定の植物の多くの組み合わせは、それぞれの植物が何らかの方法で他の植物を助け、一緒によく成長することが長い間知られてきました。

最もよく知られた例は、トウモロコシ、カボチャ、豆の「三姉妹」です。 アメリカ大陸の先住民農民. 。トウモロコシの茎はマメのつるを登るためのトレリスとして機能し、カボチャの葉は地面を日陰にして湿気を保ち、雑草の発芽を防ぎます。マメ科植物の根にいる細菌は、3 つの植物すべてに必須栄養素である窒素を供給します。

人類の歴史を通じて、文化には同様の相乗効果をもたらす独自の好まれる間作システムがありました。 ターメリックとマンゴー または キビ、ササゲ、ジジフス、一般的に赤いナツメヤシとして知られています。. 。そして新作は アグリボルタティクス ソーラーパネルと農業を組み合わせると驚くほどうまくいくことがわかります。パネルはその下で育つ作物を部分的に遮り、農家は土地で再生可能エネルギーを生産することで追加収入を得ることができます。

代替農場戦略のモデル化

私たちは、人々が農業を状態空間としてモデル化するために使用できるフレームワークをソフトウェアに変えることに取り組んでいます。目標は、ユーザーが直観に基づいて代替設計を検討できるようにし、農業で新しいアイデアをテストするために現在必要とされているコストのかかる試行錯誤を最小限に抑えることです。

今日のアプローチは主に、既存の持続不可能な農業システムをモデル化し、その最適化を追求しています。私たちのフレームワークは、新しい農業システムの発見と、それらの新しいシステム内での最適化を可能にします。

また、ユーザーは、チェス盤の状態空間を検索して勝ち手を選択するのと同じように、ファームの状態空間の検索を実行できる人工知能ベースのエージェントに目的を指定することもできます。

現代社会は、1世紀前に比べてより多くの植物種にアクセスでき、さまざまな種や環境がどのように相互作用するかについてより多くの情報にアクセスできるようになりました。私たちの見解では、農業システムはそのすべての知識を活用するのに十分ではありません。それを計算的に組み合わせることで、急速に変化する世界において農業の生産性を高め、健全で持続可能なものにすることができる可能性があります。