컴퓨터 과학은 농부들이 대체 작물과 지속 가능한 농업 방법을 탐색하는 데 도움을 줄 수 있습니다.

인간은 물리적으로 재구성되었습니다. 세계 땅의 절반 단지 8개의 주요 작물을 재배하려면:옥수수(옥수수), 콩, 밀, 쌀, 카사바, 수수, 고구마 및 감자.전 세계 사람들이 소비하는 칼로리의 대부분을 차지합니다.세계 인구가 증가함에 따라 이에 대한 압력이 커지고 있습니다. 생산을 더욱 확대하다.

많은 전문가들은 합성 비료, 화학 살충제, 수확량이 많은 종자에 크게 의존하는 현대 산업화된 농업이 더욱 확대되고 있다고 주장합니다. 올바른 방법이 아니야 에게 늘어나는 세계 인구에 식량을 공급하다.그들의 관점에서는 이러한 접근 방식이 생태학적으로나 경제적으로 지속 가능하지 않습니다, 그리고 농부와 과학자 모두 갇힌 느낌 이 시스템 내에서.

사회는 어떻게 자신의 필요를 충족하면서도 더욱 건강하고 다양한 식품 시스템을 개발할 수 있습니까?유기농업과 같은 대체 방법을 산업 농업만큼 광범위하게 확장하는 것은 어렵다는 것이 입증되었습니다.

최근 연구에서 우리는 이 문제를 우리의 관점에서 고려했습니다. 컴퓨터 과학자 그리고 작물 과학자.우리와 동료들 브라이언 렁크, 아담 스트리트, 다이앤 R.왕 그리고 패트릭 M.유잉 다시 생각해 볼 수 있는 방법을 제안했습니다 농업 시스템이 어떻게 설계되고 구현되는지, 데이터와 개념을 요약하고 계산적으로 구성하는 컴퓨터 과학의 핵심 아이디어인 추상화를 사용하여 내부 세부 사항을 지속적으로 검사할 필요 없이 분석하고 그에 따라 조치를 취할 수 있습니다.

큰 출력, 큰 영향

현대 농업은 20세기 중반 불과 수십 년 동안 인류 역사상 눈 깜짝할 사이에 발전했습니다. 기술 개선 개발 등을 주도해왔습니다. 합성비료 식물 육종을 개선한 통계적 방법.

이러한 발전으로 인해 농장에서는 훨씬 더 많은 양의 식품을 생산할 수 있게 되었지만 환경을 희생하게 되었습니다.대규모 농업은 기후 변화를 주도하는 데 도움이 됨, 오염된 호수와 만 영양분 유출 그리고 가속화된 종 손실 자연 경관을 단일 재배 농경지로 전환함으로써.

많은 미국농부와 농업 연구자들은 더 넓은 범위의 작물을 재배하고 보다 지속 가능한 농업 방법을 사용하기를 원합니다.그러나 특히 변화하는 기후에서 어떤 새로운 시스템이 잘 작동할 수 있는지 파악하는 것은 어렵습니다.영향이 적은 농업 시스템에는 심층적인 지역 지식과 더불어 식물, 날씨 및 기후 모델링, 지질학 등에 대한 백과사전적 이해가 필요한 경우가 많습니다.

이것이 바로 우리의 새로운 접근 방식이 등장하는 지점입니다.

상태 공간으로서의 농장

컴퓨터 과학자들은 복잡한 문제에 대해 생각할 때 종종 'a'라는 개념을 사용합니다. 상태 공간.이 접근 방식은 시스템을 구성할 수 있는 모든 가능한 방법을 수학적으로 나타냅니다.공간을 이동하는 것은 선택을 수반하며, 그러한 선택은 시스템의 상태를 좋게든 나쁘게든 변화시킵니다.

예를 들어 보드와 두 명의 플레이어가 함께 하는 체스 게임을 생각해 보세요.특정 순간에 보드의 각 구성은 게임의 단일 상태입니다.플레이어가 움직이면 게임이 다른 상태로 전환됩니다.

전체 게임은 "상태 공간"으로 설명할 수 있습니다. 즉, 플레이어의 유효한 움직임을 통해 게임이 가질 수 있는 모든 가능한 상태입니다.게임 중에 각 플레이어는 자신에게 더 나은 상태를 검색합니다.

우리는 농업 시스템을 특정 생태계의 상태 공간으로 생각할 수 있습니다.농장과 농장의 식물 종의 레이아웃은 어떤 순간에도 해당 상태 공간에서 하나의 상태를 나타냅니다.농부는 더 나은 주를 찾고 나쁜 주를 피하려고 노력합니다.

인간과 자연 모두 농장을 한 주로 이동합니다.어느 날이든 농부는 경작, 심기, 잡초 제거, 수확, 비료 추가 등 땅에서 수십 가지의 다양한 일을 할 수 있습니다.자연은 식물이 자라거나 비가 내리는 등 사소한 상태 전환을 일으키며, 홍수나 산불과 같은 자연 재해가 발생하면 훨씬 더 극적인 상태 전환을 일으킵니다.

시너지 효과 찾기

농업 시스템을 국가 공간으로 보면 오늘날의 농업 시스템이 제공하는 제한된 옵션을 넘어 농민의 선택 범위를 넓힐 수 있습니다.

개별 농부들은 자신의 땅에서 수년간 시행착오를 겪을 시간이나 능력이 없습니다.그러나 컴퓨팅 시스템은 다양한 환경과 사상 학파의 농업 지식을 활용하여 농부들이 자신의 토지에 가장 적합한 옵션을 식별하는 데 도움이 되는 자연과 함께 은유적인 체스 게임을 할 수 있습니다.

기존 농업에서는 농부들이 몇 가지 식물 종, 농법 및 투입물을 선택할 수 있도록 제한합니다.우리의 프레임워크를 사용하면 여러 작물을 함께 재배하거나 특정 토지에 가장 적합한 관리 기술을 찾는 등 더 높은 수준의 전략을 고려할 수 있습니다.사용자는 상태 공간을 검색하여 해당 목표를 달성할 수 있는 방법, 종 및 지역의 조합을 고려할 수 있습니다.

예를 들어, 과학자가 4년 동안 지속되는 5번의 윤작(같은 밭에서 계획된 작물 재배)을 테스트하고 7개의 식물 종을 재배하려는 경우 이는 721번의 잠재적 윤작을 나타냅니다.우리의 접근 방식은 다음의 정보를 사용할 수 있습니다. 장기적인 생태 연구 테스트할 최고의 잠재적 시스템을 찾는 데 도움이 됩니다.

우리가 큰 잠재력을 갖고 있는 분야 중 하나는 사이 자르기 – 서로 다른 식물을 혼합하여 재배하거나 서로 가깝게 재배합니다.특정 식물의 다양한 조합은 서로 잘 자라는 것으로 오랫동안 알려져 왔으며, 각 식물은 어떤 방식으로든 다른 식물을 돕습니다.

가장 친숙한 예는 옥수수, 호박, 콩 등 '세 자매'입니다. 아메리카 원주민 농부.옥수수 줄기는 콩덩굴을 기어오르기 위한 격자 역할을 하고, 스쿼시 잎은 땅을 그늘지게 하여 습기를 유지하고 잡초가 돋는 것을 방지합니다.콩 식물의 뿌리에 있는 박테리아는 세 식물 모두에 필수 영양소인 질소를 공급합니다.

인류 역사 전반에 걸쳐 문화에는 다음과 같은 유사한 시너지 효과를 지닌 자신만의 간작 시스템이 선호되어 왔습니다. 강황과 망고 또는 일반적으로 붉은 대추로 알려진 기장, 동부 및 ziziphus.그리고 새로운 작업에 농업 발전 태양광 패널과 농업을 결합하면 놀라울 정도로 잘 작동할 수 있음을 보여줍니다.패널은 그 아래에서 자라는 작물에 부분적으로 그늘을 제공하고 농부는 자신의 땅에서 재생 가능 에너지를 생산하여 추가 수입을 얻습니다.

대체 농장 전략 모델링

우리는 사람들이 농업을 국가 공간으로 모델링하는 데 사용할 수 있는 소프트웨어로 프레임워크를 전환하기 위해 노력하고 있습니다.목표는 사용자가 직관에 따라 대체 디자인을 고려할 수 있도록 하여 농업에서 새로운 아이디어를 테스트하는 데 필요한 비용이 많이 드는 시행착오를 최소화하는 것입니다.

오늘날의 접근 방식은 주로 지속 가능하지 않은 기존 농업 시스템의 최적화를 모델링하고 추구합니다.우리의 프레임워크는 새로운 농업 시스템을 발견하고 새로운 시스템 내에서 최적화를 가능하게 합니다.

또한 사용자는 체스판의 상태 공간을 검색하여 승리할 수를 선택하는 것처럼 농장 상태 공간 검색을 수행할 수 있는 인공 지능 기반 에이전트에 자신의 목표를 지정할 수 있습니다.

현대 사회는 100년 전보다 더 많은 식물 종과 다양한 종과 환경이 어떻게 상호 작용하는지에 대해 훨씬 더 많은 정보에 접근할 수 있습니다.우리의 견해로는 농업 시스템은 그 모든 지식을 활용할 만큼 충분하지 않습니다.이를 계산적으로 결합하면 빠르게 변화하는 세계에서 농업을 더욱 생산적이고 건강하며 지속 가능하게 만드는 데 도움이 될 수 있습니다.