Рус Eng Cn Перевести страницу на:  
Please select your language to translate the article


You can just close the window to don't translate
Библиотека
ваш профиль

Вернуться к содержанию

Сельское хозяйство
Правильная ссылка на статью:

Применение искусственного интеллекта в сельском хозяйстве

Свецкий Арсений Владимирович

ORCID: 0000-0002-0678-4841

младший научный сотрудник сектора экологического, земельного и аграрного права Института государства и права Российской академии наук

119019, Россия, г. Москва, ул. Знаменка, 10

Svetskiy Arseniy Vladimirovich

Junior Researcher of the Environmental, Land and Agrarian Law Sector of the Institute of State and Law of the Russian Academy of Sciences

119019, Russia, Moscow, Znamenka str., 10

arseniy1107@gmail.com
Другие публикации этого автора
 

 

DOI:

10.7256/2453-8809.2022.3.39469

EDN:

YVZSAN

Дата направления статьи в редакцию:

16-12-2022


Дата публикации:

23-12-2022


Аннотация: На данный момент отрасль сельского хозяйства – перспективное направление в развитии современных технологий с использованием искусственного интеллекта (далее – ИИ). Для предотвращения голода видится актуальным развитие аграрного сектора. Статистика показывает, что население планеты Земля растет, соответственно, возрастает и количество продукции для обеспечения людей необходимыми товарами питания. На сегодняшний день в сельском хозяйстве выделилось три направления применения современных технологий: компьютерное зрение, машинное обучение и предиктивная аналитика. Сельскохозяйственные роботы создаются для того, чтобы обеспечить эффективное применение ИИ в аграрном секторе. Искусственный интеллект – комплекс программных методов, осуществляющих деятельность, сравнимую с творческой деятельностью человека.   С использованием современных технологий сельскохозяйственные предприятия имеют возможность дистанционно осуществлять прополку, точечно распылять пестициды с использованием БПЛА, следить за поведением скота, выявлять болезни у животных. Автоматизируется процесс опрыскивания растений, проверки почвы без доставки ее в лаборатории, а также процесс сбора и сортировки урожая. Еще одно применение ИИ в сельском хозяйстве – использование систем наблюдения на основе искусственного интеллекта для мониторинга, что позволяет выявить противоправные действия, такие как несанкционированный доступ на территорию сельскохозяйственного предприятия. Применение технологии с использованием искусственного интеллекта в сельском хозяйстве позволяет снизить возможные риски за счет прогнозирования климатических изменений. Применение компьютерного зрения также используется для обнаружения болезней агрокультур и скота.


Ключевые слова:

искусственный интеллект, сельское хозяйство, цифровизация, компьютерное зрение, машинное обучение, дроны, сельскохозяйственные культуры, продовольственная безопасность, автоматизация, правовое регулирование

Abstract: At the moment, the agricultural sector is a promising direction in the development of modern technologies using artificial intelligence (hereinafter – AI). To prevent hunger, the development of the agricultural sector is seen as relevant. Statistics show that the population of the Earth is growing, respectively, the number of products for providing people with the necessary food products is also increasing. To date, there are three areas of application of modern technologies in agriculture: computer vision, machine learning and predictive analytics. Agricultural robots are created in order to ensure the effective use of AI in the agricultural sector. Artificial intelligence is a complex of software methods that carry out activities comparable to the creative activity of a person. With the use of modern technologies, agricultural enterprises have the ability to remotely carry out weeding, spot-spray pesticides using UAVs, monitor the behavior of livestock, detect animals diseases. The process of spraying plants, checking the soil without delivering it to the laboratory, as well as the process of harvesting and sorting crops is automated. Another application of AI in agriculture is the use of surveillance systems based on artificial intelligence for monitoring, which makes it possible to identify illegal actions, such as unauthorized access to the territory of an agricultural enterprise. The use of technology using artificial intelligence in agriculture makes it possible to reduce possible risks by predicting climate change. The use of computer vision is also used to detect diseases of agricultural crops and livestock.


Keywords:

artificial intelligence, agriculture, digitalization, computer vision, machine learning, drones, agricultural crops, food security, automatization, legal regulation

В настоящее время сложно представить какую-либо сферу жизнедеятельности человека без использования современных технологий. Интенсивно идущий во всех областях деятельности человека процесс цифровизации в современном обществе затронул и отрасль сельского хозяйства. На рынке искусственного интеллекта (далее – ИИ) в сельском хозяйстве по состоянию на 2019 год доминировала Северная Америка благодаря увеличению инвестиций в исследования, разработку и широкое внедрение новых технологий. Все чаще начинают применяться автоматизированные системы с применением ИИ.

Сельское хозяйство – важнейшая отрасль экономики любого государства. На ноябрь 2022 года население земли составляет чуть более 8 млрд человек (URL: https://countrymeters.info/ru/World/ (дата обращения: 17.11.2022)). Кроме того, по прогнозам ООН, к 2050 году население Земли должно увеличиться до 9,7 миллиардов. При этом площадь земель, обрабатываемых сельскохозяйственным сектором, к этому моменту может быть увеличена только на 4 %, а чтобы прокормить все население планеты, количество продуктов питания должно увеличиться на 60 % (URL: https://www.un.org/ru/un75/shifting-demographics (дата обращения: 17.11.2022)).Это означает, что фермерам для достижения этой цели придется увеличить производительность и одновременно снизить затраты на производство. Постановка такой цели стала сильным двигателем прогресса в сельскохозяйственном секторе, ведь традиционных методов становится недостаточно.

Интенсификация сельского хозяйства может стать ключом к решению проблемы с недостатком продовольствия в ближайшем будущем.Именно поэтому в настоящее время технологии, связанные с использованием искусственного интеллекта, все более активно внедряются в сельскохозяйственное производство, также возникают и развиваются все новые направления его применения. Этот процесс по праву можно считать частью технологической революции в сельском хозяйстве.

Искусственный интеллект в общем понимании – это созданный человеком программный код, применяющий алгоритмы, которые в независимом порядке способны обучаться и развиваться. Поэтому при упоминании искусственного интеллекта всегда надо помнить, что это процесс обучения машины анализировать и собирать огромное количество данных в кратчайший срок. ИИ используют как в чистом программном виде, то есть в программном обеспечении, так и в виде роботизированных систем, которые применяют различные алгоритмы. В соответствии с прогнозами, в 2025 году затраты государств по всему миру на интеллектуальное сельское хозяйство вырастут в 3 раза (URL: https://www.forbes.com/sites/louiscolumbus/2021/02/17/10-ways-ai-has-the-potential-to-improve-agriculture-in-2021/?sh=67a5d5f87f3b/ (дата обращения: 18.11.2022)).

Технологии, основанные на искусственном интеллекте, повышают эффективность деятельности во всех областях, а также решают проблемы, с которыми сталкиваются различные отрасли, включая и аграрный сектор. Сельскохозяйственные роботы создаются для того, чтобы обеспечить эффективное применение ИИ в указанном секторе. В условиях стремительного роста населения мира сельскохозяйственный сектор сталкивается с кризисом, в разрешении которого использование ИИ может сыграть решающую роль. Применение технологий, основанных на использовании ИИ, позволяет производить больше продукции с меньшими затратами и даже улучшить качество продукции, а также обеспечить более быстрый выход произведенной продукции на рынок. Ожидается, что автоматизированная система только на одном сельскохозяйственном мероприятии к 2050 году будет обрабатывать в среднем 4,1 миллиона дискретных единиц данных каждый день [5, с. 2–3].

В научных исследованиях в области сельского хозяйства разными авторами выделяются различные стадии и этапы процесса производства сельхозпродукции, к примеру, прогнозирование, посев, сбор урожая и т. д. В свою очередь, сельское хозяйство делится на множество различных отраслей, как, например, кормопроизводство, растениеводство, грибоводство, животноводство, рыбоводство и др. Эти отрасли уже, в свою очередь, делятся на подотрасли, что затрудняет процесс унификации оборудования, используемого на различных стадиях производства. К примеру, в растениеводстве ИИ может быть использован в различных процессах: подготовка почвы, посев семян, добавление удобрений, орошение, защита от сорняков, сбор урожая, хранение [1, с. 2–3].

По мнению ученых, глобальный рынок ИИ в сельском хозяйстве на сегодняшний день развивается в трех наиболее перспективных направлениях: компьютерное зрение, машинное обучение и предиктивная аналитика. Ожидается, что, с точки зрения сегментации технологий, категория компьютерного зрения будет занимать наибольшую долю рынка на мировом рынке ИИ в сельском хозяйстве. Технология компьютерного зрения помогает фермеру обнаруживать недостаток питательных веществ в растениях и следить за здоровьем урожая (URL: https://www.globenewswire.com/en/news-release/2021/02/02/2168016/0/en/Market-Size-of-AI-in-Agriculture-is-Projected-to-Reach-USD-2-400-Million-by-2026-According-to-Facts-Factors.html (дата обращения 21.11.2022)).

Предиктивной аналитикой называют класс методов для анализа данных, которые направленны на прогнозирование будущего поведения объектов и субъектов для принятия оптимального решения. Данный класс методов применяется в технологии ИИ.

Одно из наиболее используемых и перспективных направлений внедрения ИИ – мониторинг состояния растений и почвы. Жизнедеятельность растений напрямую зависит от химических элементов, содержащихся в почве: макроэлементов и микроэлементов. Их содержание является критическим фактором для здоровья сельскохозяйственных культур, количества растений на единицу площади и, соответственно, общего качества собираемого урожая. Мониторинг стадий роста растений также важен для оптимизации эффективности производства. Для внесения корректив по улучшению здоровья сельскохозяйственных культур необходимо понимать связь между процессом роста культур и окружающей средой, а именно, характер и степень ее воздействия на данный процесс. Традиционным методом определения здоровья сельскохозяйственных культур, скота и проверки качества почвы является непосредственное наблюдение и оценка человеком. Однако, несмотря на бесспорную необходимость его применения, его точность не лишена доли субъективности. Несмотря на это, многие сельхозпроизводители прибегают к внедрению современных технологий для решения этой задачи. Так, ими активно применяются специализированные беспилотные летательные аппараты (дроны), которые с помощью компьютерного зрения совершают аэрофотосъемку, захватывая при этом огромный массив данных. Эти дроны осуществляют мониторинг состояния посевов и почвы. ИИ визуального зондирования анализирует и интерпретирует полученные таким методом данные. Это позволяет удаленно отслеживать здоровье растений, производить более точное прогнозирование урожайности, а также обнаруживать недостаток удобрений или наличие заболеваний у сельскохозяйственных культур на больших территориях.

В связи с огромными площадями посевов релевантно использовать модели ИИ, которые способны информировать сельхозпроизводителей о конкретных проблемах для скорейшего принятия необходимых мер.

На протяжении периода роста зерновой культуры также возникает необходимость непосредственного осмотра состояния колосьев, что является процессом трудоемким, но крайне необходимым для контроля качества урожая и своевременного обнаружения болезней. Однако данный процесс также может осуществляться при помощи ИИ. Эту задачу смогли решить исследователи, сформировав базу данных, содержащую изображения колосьев пшеницы на разных стадиях роста. Процесс сбора данных проходил в течение 3 лет, снимки были сделаны при различном освещении, чтобы ИИ мог учитывать большее количество факторов.

Данная модель компьютерного зрения превзошла человеческое наблюдение в точном определении стадий роста пшеницы, что дало возможность сэкономить ресурсы, так как отпала необходимость ежедневных выходов в поля для осмотра урожая (URL: https://www.v7labs.com/blog/ai-in-agriculture#h1 (дата обращения: 19.11.2022)).

Существует множество компаний, которые производят различное оборудование, программное обеспечение и другие решения в помощь сельхозпроизводителям. Одной из таких компаний является Trace Genomics, основанная в 2015 году. Она разработала систему искусственного интеллекта, которая позволяет проводить анализ состава почв сельхозугодий. Система представляет собой комплексное решение в виде оборудования с программным обеспечением для анализа проб почвы. Этот тип приложений помогает в мониторинге состояния почвы и сельскохозяйственных культур, что способствует выращиванию более здоровых культур с более высоким уровнем продуктивности [2, с. 8–15].

Классическим методом оценки почвы является выкапывание образцов и последующий анализ их состава в лаборатории, что, в свою очередь, является достаточно длительным по времени и ресурсозатратным процессом. Для оптимизации и автоматизации данной процедуры ученые разработали алгоритм, позволяющий использовать данные, полученные с недорогого портативного микроскопа, для обучения искусственного интеллекта. Затем ИИ анализирует цвет плода в поле и сравнивает по заданным параметрам с цветом свежего рыночного продукта. Этот алгоритм помогает сельскохозяйственному производству дистанционно дать оценку урожайности, а также производить сортировку плодов [3, с. 44–47].

В 2016 году было опубликовано исследование, посвященное созданию модели компьютерного зрения, которое должно определить текстуру почвы и содержащиеся в ней органические вещества (SOM). Система компьютерного зрения смогла делать оценку содержания в образце песка и органических веществ почвы с точностью, сравнимой с дорогостоящей лабораторной обработкой. Внедрение данной технологии в производство должно упростить работу фермера, заменив ручной труд на мониторинг урожая и почвы с использованием современных цифровых технологий [4, с. 41].

Еще одна область применения искусственного интеллекта в сельском хозяйстве – определение зрелости томата при помощи модели компьютерного зрения. Исследователям удалось создать алгоритм, который анализирует цвет пяти разных частей томата, а затем на основе этих данных оценивает его зрелость. Алгоритм достиг уровня успешного обнаружения и классификации 99,31 %. Переоценка и оценка роста плодов и их зрелости – это тяжелая и трудоемкая работа для человека, однако ИИ вновь доказывает, что способен выполнять большую часть этой работы с легкостью и точностью.

Компьютерное зрение ИИ может не только обнаруживать и анализировать зрелость урожая или качество почвы, но и применять технологию распознавания изображений для автоматизированного обнаружения болезней растений и вредителей на них. В данной технологии используются методы классификации, обнаружения и сегментации изображений для создания компьютерных автоматизированных систем, которые могут следить за здоровьем растений. Примером этого на практике является изучение черной гнили на яблоках. Исследователи обучили нейронную сеть, используя изображения черной гнили яблони, которые были аннотированы ботаниками в соответствии с четырьмя основными стадиями серьезности. Альтернатива применению ИИ в данном случае требует много трудоемкого поиска и оценки степени поражения непосредственно человеком. Разработанная модель ИИ в этом исследовании смогла определить и диагностировать тяжесть заболевания с точностью 90,4 % (URL: https://www.frontiersin.org/articles/10.3389/fpls.2020.00898/full (дата обращения: 19.11.2022)).

Чтобы минимизировать человеческий труд в такой отрасли сельского хозяйства, как скотоводство, компания CattleEye начала применять технологию ИИ для наблюдения за состоянием здоровья и поведением крупного рогатого скота. Это дает возможность сотрудникам сельхозпредприятий не находиться в непосредственной близости от животных для оценки их здоровья. При обнаружении проблемы ответственные сотрудники незамедлительно получают уведомление от системы. Данная технология может быть применена не только для оценки состояния крупного рогатого скота. К примеру, алгоритм был адаптирован для птицефабрик для просмотра видеоданных и определения поведения цыплят: как они питаются и двигаются, что позволяет оценить состояние их здоровья (URL: https://www.v7labs.com/blog/ai-in-agriculture#h3 (дата обращения: 20.11.2022)).

Еще одной сферой использования ИИ в сельском хозяйстве является его применение в различных технологиях борьбы с сорными растениями. Распыление пестицидов или распределение удобрения по всей площади поля возможно автоматизировать за счет использования оснащенных искусственным интеллектом дронов. Компьютерное зрение на дронах позволяет распознавать конкретную целевую зону для распыления пестицидов, либо распределения удобрения в режиме реального времени. Это снижает риск загрязнения территории вредными для окружающей среды веществами. Хотя потенциал здесь велик, в настоящее время все еще существуют некоторые проблемы. Например, опрыскивание поля большой площади гораздо эффективнее с использованием нескольких БПЛА, но назначение конкретных последовательностей задач и траекторий полета для отдельных аппаратов может оказаться сложной задачей. Так, довольно сложной задачей является комплексное управление сразу несколькими аппаратами.

Примером использования искусственного интеллекта является применение «умных» систем опрыскивания. Исследователи из Технологического института Вирджинии разработали интеллектуальную систему опрыскивания, основанную на применении опрыскивателей с серводвигателем, которые используют компьютерное зрение для обнаружения сорняков. Камера, установленная на опрыскивателе, при обнаружении сорного растения записывает его геолокацию, анализирует размеры и цвет, чтобы произвести расчет и внести точное количество гербицидов, необходимое для его уничтожения. Таким образом, уничтожение сорных растений осуществляется более эффективно и без причинения ущерба культурным растениям (URL: https://www.researchgate.net/publication/324174493_Computer_vision_A_promising_tool_for_weed_management (дата обращения: 20.11.2022)).

Опрыскиватели с ИИ – это не единственная возможность ликвидации сорняков. На современных сельскохозяйственных предприятиях используют системы ИИ, позволяющие осуществлять прополку, не используя гербициды, что, в свою очередь, делает этот подход более экологичным. Возможность физически удалять сорняки не только экономит сотрудникам сельхозпредприятий немало усилий и времени, но также снижает потребность в гербицидах и, таким образом, делает всю сельскохозяйственную деятельность менее вредной для окружающей среды.

Необходимо отметить, что машинное обучение – это, по сути, класс методов искусственного интеллекта. В основе машинного обучения лежат алгоритмы, использующие предоставленные данные для обучения и прогнозирования. Используется машинное обучение в тех случаях, когда применение точных алгоритмов не даст достаточной гибкости в выполнении задачи. В процессе прополки важное значение имеет возможность обнаружения объектов и умение ИИ идентифицировать сорняки и отличить их от посевов культурных растений. Алгоритмы компьютерного зрения используют вместе с машинным обучением для создания роботов, выполняющих автоматическую прополку.

Стартап Deepfield Robotics компании Bosch, Amazonen Werke совместно с Техническим институтом Оснабрюка смогли сконструировать робота BoniRob. Это автономный полевой робот для экспериментов по обработке отдельных растений, оснащенный самостоятельной системой навигации, а также способный составлять карту проведенных работ, подготавливать документацию, включая создание базы статистических данных.

Робот учится различать сорняки и сельскохозяйственные культуры посредством добавления в его базу данных изображений листьев различных размеров, форм и цвета. Анализируя заложенные в него данные и сравнивая с тем, что он видит в режиме реального времени, BoniRob может перемещаться по полю, уничтожая нежелательные растения. Экспериментальные результаты применения этой системы показывают, что классификация ею растений и скорость прополки имеют высокий результат успеха, который находится на уровне или выше 90 % (URL: https://robotrends.ru/robopedia/bonirob (дата обращения: 20.11.2022)).

ИИ способен использовать изображения не только с дронов, но и со спутников, что, в свою очередь, помогает осуществлять контроль как за посевами в растениеводстве, так и за животными в скотоводстве. За счет осуществления круглосуточного контроля при помощи искусственного интеллекта сельхозпроизводители вовремя получают информацию о малейших отклонениях, не затрачивая время и другие ресурсы для проведения наблюдения. Точность и эффективность при использовании пестицидов обеспечивается аэрофотосъемкой. Это позволяет экономить финансы и сохранять окружающую среду, так как пестициды распыляются точнее.

Функции ИИ не ограничиваются описанными выше. Алгоритмы визуализации, выявляющие дефекты, болезни и вредителей, могут быть применены для качественного оценивания и сортировки собранного урожая. Для этого программа сопоставляет форму, цвет и объем фруктов и овощей с заложенными в нее стандартными показателями. При этом автоматизированный процесс оценки и сортировки является гораздо более точным. Так, ИИ способен полностью заменить ручной труд в сортировке овощей, при этом осуществляя сортировку по заданным критериям (URL: https://elibrary.asabe.org/abstract.asp?aid=47686 (дата обращения: 20.11.2022)).

Еще одно применение ИИ в аграрной отрасли – это использование систем наблюдения на основе искусственного интеллекта и машинного обучения для мониторинга местности путем видеонаблюдения на каждом поле в режиме реального времени. Это выявляет такие нарушения, как неправомерный доступ на территорию сельхозпредприятия. Система незамедлительно отправляет предупреждение, что помогает выявить противоправные действия в режиме онлайн. Учитывая стремительное развитие видеоаналитики, подпитываемое алгоритмами искусственного интеллекта и машинного обучения, каждый, кто занимается сельским хозяйством, может более эффективно защитить свои поля и периметры зданий от незаконного проникновения. Системы видеонаблюдения с искусственным интеллектом и машинным обучением также легко масштабируются как для крупного сельскохозяйственного предприятия, так и для отдельной фермы. Системы наблюдения на основе машинного обучения можно программировать или обучать с течением времени, чтобы отличать объекты (люди, транспортные средства), доступ которых на территорию санкционирован, от несанкционированных. Компания Twenty20 Solutions – одна из лидирующих в области видеонаблюдения, оснащенного ИИ. Компания показывает свою эффективность в обеспечении безопасности удаленных объектов, сдерживании нарушителей за счет использования машинного обучения для идентификации санкционированных и несанкционированных объектов на территории сельскохозяйственного предприятия.

Использование роботизированной техники помогает решить проблему дефицита кадров, а также обеспечивает элемент безопасности по периметру удаленных мест. Программирование самоходной роботизированной техники для распределения удобрений по каждому ряду сельскохозяйственных культур помогает снизить эксплуатационные расходы и еще больше повысить урожайность полей. С каждым годом сельскохозяйственные роботы обучаются выполнению все более сложных задач. Примером этого является управляемый усовершенствованной системой искусственного интеллекта разработанный исследовательским консорциумом Европейского союза робот VineScout. Этот робот использует входной сигнал от машины с трехмерной стереоскопической системой зрения и ультразвуковые датчики, чтобы следить за рядами, не сталкиваясь ни с чем, поворачиваться и перемещаться при переходе от одного ряда к другому. Кроме того, он может работать круглосуточно, собирая при этом до 72 тысяч гроздьев винограда в сутки. Когда VineScout движется, он использует инфракрасный датчик и мультиспектральную камеру, чтобы измерять температуру листьев растений и количество воды, содержащейся в них. Эти данные отображаются в виде карты урожая, которая позволяет производителям узнать, получают ли растения достаточное количество воды одновременно с оценкой текущего уровня зрелости плодов (URL: https://robroy.ru/novyij-i-uluchshennyij-agro-robot-budet-rabotat-v-vinogradnikax.html (дата обращения: 20.11.2022)).

Сельскохозяйственная отрасль сталкивается с различными проблемами, такими как отсутствие эффективных систем орошения, сорняки, проблемы с мониторингом растений из-за высоты урожая и экстремальных погодных условий. Но с помощью применения новых технологий можно повысить производительность и тем самым обеспечить их эффективное решение.

Учитывая возможности применения технологии с использованием искусственного интеллекта в сельском хозяйстве, можно сделать вывод том, что цифровизация позволит: снизить возможные риски за счет прогнозирования климатических изменений и использовать компьютерное зрения для обнаружения болезней агрокультур и скота. Автоматизация процесса прополки, опрыскивания пестицидами, а также сбора урожая – это еще одна возможность увеличить количество и качество производимой продукции, которая открывается с использованием дронов, роботов, датчиков и сканеров, а также других аппаратных и программных решений.

Хотя сельское хозяйство и является наименее подверженной цифровизации отраслью, но уже сегодня на сельскохозяйственных предприятиях начали применять методы точной прополки с использованием ИИ. Этот метод позволяет избежать потери большого количества урожая в процессе прополки. Такие автономные роботы не только повышают эффективность, но и снижают потребность в ненужных пестицидах и гербицидах. Кроме того, сельхозпроизводители могут эффективно распылять пестициды и гербициды на своих предприятиях с помощью дронов, а также производить мониторинг состояния растений и скота.

Машинное обучение постоянно развивается, принимая более сложные решения на основе данных, которые оно обрабатывает. При этом существует явная вероятность непредвиденного или неблагоприятного исхода при отсутствии контроля со стороны человека. Несмотря на свою ценность, технология ИИ может нанести ущерб в случае несанкционированного доступа и изменения данных в БД, сбоя автономных систем и т. д. Для полноценного внедрения и оптимизации использования необходимо внести определенные поправки в текущее законодательство. В силу новизны технологии правовое регулирование ИИ не развито в достаточной степени, многие отношения, возникающие в процессе применения ИИ, не имеют четкой регламентации. Этот вопрос недостаточно урегулирован не только в национальном законодательстве РФ, но и в международном праве и законодательстве зарубежных стран. Проблема связана и с отсутствием сложившегося единого подхода к определению характеристик искусственного интеллекта. В 2019 году вышел Указ Президента РФ от 10 октября 2019 г. № 490 «О развитии искусственного интеллекта в Российской Федерации», в котором дается понятие искусственного интеллекта. В соответствии с этим нормативным правовым актом искусственный интеллект представляет собой комплекс технологических решений, которые позволяют выполнять конкретные задачи и получать результаты, сопоставимые с интеллектуальной деятельностью человека. Данное понятие видится общим и неполным, поскольку ИИ включает в себя различные классы методов, содержащие в себе как пополнения данных для обучения при помощи человека, так и самостоятельный алгоритм, использующий сеть Интернет для расширения своей базы данных.

Осенью 2019 года странами – членами ЮНЕСКО было принято решение по разработке международного документа, содержащего рекомендации по этическим аспектам использования искусственного интеллекта. В ноябре 2021 года 193 государства, состоящих в ООН, подписали соглашение по искусственному интеллекту. Этот документ является первым универсальным стандартом в области применения ИИ. В нем определяются общие ценности и принципы, необходимые для обеспечения безопасного развития и использования ИИ. Кроме данной рекомендации, существует руководство по защите данных при использовании ИИ, принятое Советом Европы 25 января 2019 года. Данный международный акт устанавливает ряд рекомендаций для правительства, разработчика ИИ, производителя и поставщика услуг. Эти рекомендации служат для обеспечения прав и свобод человека, в частности, права на защиту данных [7, с. 69–70].

Одним из ключевых вопросов, связанных с правовой регламентацией использования ИИ, является проблема ответственности за несанкционированные действия роботизированных устройств, наделенных искусственным интеллектом. Вопрос о том, кто должен нести ответственность за действия робота, тем более автономного или разумного, является и насущным, и сложным. Подходы к решению этой проблемы еще не найдены [6, с. 32–35]. Использование технологии ИИ влечет за собой возникновение определенных рисков, связанных с выходом из строя оборудования, ошибок в работе систем, взлома систем управления дронами и т. д. Поэтому необходимо наличие подробной правовой регламентации использования ИИ не только в аграрном секторе, но и во всех областях человеческой жизнедеятельности.

Библиография
1. Чиркин С.О. Применение искусственного интеллекта в сельском хозяйстве / С. О. Чиркин, Н. В. Картечина, В. А. Рубанов // Наука и Образование. 2022. Т. 5. №
2. EDN UMAKVA. 2. Мировые тенденции интеллектуализации сельского хозяйства: Научный аналитический обзор / В. Ф. Федоренко, В. И. Черноиванов, В. Я. Гольтяпин, И. В. Федоренко. Москва : ФГБНУ "Росинформагротех", 2018. – 232 с. ISBN 978-5-7367-1434-6. EDN XZVBVZ.
3. Пэн Ван, Араш Тоудешки, Хе кун Тан, Реза Эхсани. Методология определения зрелости свежих томатов с использованием компьютерного зрения, компьютеров и электроники в сельском хозяйстве. 2018. Том 146. С. 43–50, ISSN 0168-1699.
4. Бхарат Сударсан, Венджун Джи, Асим Бисвас, Вячеслав Адамчук. Компьютерное зрение на основе микроскопа для характеристики текстуры почвы и органического вещества почвы, Инженерия биосистем. 2016. Том 152. С. 41–50, ISSN 1537-5110.
5. Танха Талавия, Дхара Шах, Ниведита Патель, Хитеш Ягник, Манан Шах. Внедрение искусственного интеллекта в сельское хозяйство для оптимизации орошения и применения пестицидов и гербицидов, Искусственный интеллект в сельском хозяйстве. 2020. Том 4. С. 58–73, ISSN 2589-7217
6. Ибрагимов Р., Сурагина Е. Право машин. Как привлечь робота к ответственности // Корпоративный юрист. 2017. N 11; Лаптев В.А. Ответственность «будущего»: правовое существо и вопрос оценки доказательств // Гражданское право. 2017. № 3. С. 32–35.
7. Келепова М.Е. Правовое и институциональное регулирование искусственного интеллекта на международном и национальном уровнях / М. Е. Келепова, А. В. Молодчик, М. С. Нагорная // Управление в современных системах. 2022. № 3(35). С. 68–78. DOI 10.24412/2311-1313-35-68-78. EDN VGCTAP.
References
1. Chirkin S.O. Application of artificial intelligence in agriculture / S. O. Chirkin, N. V. Kartechina, V. A. Rubanov // Science and Education. 2022. Vol. 5. No.
2. EDN UMAKVA. 2. Global trends in the intellectualization of agriculture: Scientific analytical review / V. F. Fedorenko, V. I. Chernoivanov, V. Ya. Goltyapin, I. V. Fedorenko. – Moscow : Rosinformagrotech, 2018. 232 p. ISBN 978-5-7367-1434-6. EDN XZVBVZ
3. Peng Wan, Arash Toudeshki, Hequn Tan, Reza Ehsani. A methodology for fresh tomato maturity detection using computer vision, Computers and Electronics in Agriculture, Volume 146, 2018, Pages 43–50, ISSN 0168-1699.
4. Bharath Sudarsan, Wenjun Ji, Asim Biswas, Viacheslav Adamchuk. Microscope-based computer vision to characterize soil texture and soil organic matter, Biosystems Engineering, Volume 152, 2016, Pages 41–50, ISSN 1537-5110.
5. Tanha Talaviya, Dhara Shah, Nivedita Patel, Hiteshri Yagnik, Manan Shah. Implementation of artificial intelligence in agriculture for optimisation of irrigation and application of pesticides and herbicides, Artificial Intelligence in Agriculture, Volume 4, 2020, Pages 58–73, ISSN 2589-7217.
6. Ibragimov R., Suragina E. Law of machines. How to apply for a transfer robot // Corporate Lawyer. 2017. No. 11; Laptev V.A. Responsibility of the "future": legal existence and the issue of evaluation of evidence // Civil law. 2017. No. 3. Pp. 32–35.
7. Kelepova M.E., Molodchik A.V., Nagornaya M.S. Legal and institutional regulation of artificial intelligence in the detection and detection of a place // Management in modern games. 2022. No. 3(35). Pp. 68–78. DOI 10.24412/2311-1313-35-68-78. EDN VGTSAP.

Результаты процедуры рецензирования статьи

В связи с политикой двойного слепого рецензирования личность рецензента не раскрывается.
Со списком рецензентов издательства можно ознакомиться здесь.

РЕЦЕНЗИЯ на статью на тему «Применение искусственного интеллекта в сельском хозяйстве».
Предмет исследования. Предложенная на рецензирование статья посвящена применению «…искусственного интеллекта в сельском хозяйстве». Автором выбран особый предмет исследования: предложенные вопросы исследуются с точки зрения информационного и международного права, при этом автором отмечено, что «Интенсивно идущий во всех областях деятельности человека процесс цифровизации в современном обществе затронул и отрасль сельского хозяйства». Изучаются НПА России, положения международных документов, имеющие отношение к цели исследования. Также изучается и обобщается определенный объем научной литературы по заявленной проблематике, анализ и дискуссия с данными авторами-оппонентами присутствует. При этом автор отмечает: «На рынке искусственного интеллекта (далее – ИИ) в сельском хозяйстве по состоянию на 2019 год доминировала Северная Америка благодаря увеличению инвестиций в исследования, разработку и широкое внедрение новых технологий. Все чаще начинают применяться автоматизированные системы с применением ИИ».
Методология исследования. Цель исследования определена названием и содержанием работы: «Интенсификация сельского хозяйства может стать ключом к решению проблемы с недостатком продовольствия в ближайшем будущем.Именно поэтому в настоящее время технологии, связанные с использованием искусственного интеллекта, все более активно внедряются в сельскохозяйственное производство, также возникают и развиваются все новые направления его применения. Этот процесс по праву можно считать частью технологической революции в сельском хозяйстве». Они могут быть обозначены в качестве рассмотрения и разрешения отдельных проблемных аспектов, связанных с вышеназванными вопросами и использованием определенного опыта. Исходя из поставленных цели и задач, автором выбрана определенная методологическая основа исследования. Автором используется совокупность общенаучных, специально-юридических методов познания. В частности, методы анализа и синтеза позволили обобщить некоторые подходы к предложенной тематике и отчасти повлияли на выводы автора. Определенную роль сыграли специально-юридические методы. В частности, автором применялся формально-юридический и сравнительно-правовой методы, которые позволили провести анализ и осуществить толкование норм действующих НПА, международных договоров. В частности, делаются такие выводы: «…при упоминании искусственного интеллекта всегда надо помнить, что это процесс обучения машины анализировать и собирать огромное количество данных в кратчайший срок. ИИ используют как в чистом программном виде, то есть в программном обеспечении, так и в виде роботизированных систем, которые применяют различные алгоритмы», «… глобальный рынок ИИ в сельском хозяйстве на сегодняшний день развивается в трех наиболее перспективных направлениях: компьютерное зрение, машинное обучение и предиктивная аналитика» и др. Таким образом, выбранная автором методология в полной мере адекватна цели статьи, позволяет изучить многие аспекты темы.
Актуальность заявленной проблематики не вызывает сомнений. Данная тема является одной из важных в мире и в России, с правовой точки зрения предлагаемая автором работа может считаться актуальной, а именно он отмечает «Сельскохозяйственные роботы создаются для того, чтобы обеспечить эффективное применение ИИ в указанном секторе. В условиях стремительного роста населения мира сельскохозяйственный сектор сталкивается с кризисом, в разрешении которого использование ИИ может сыграть решающую роль». И на самом деле здесь должен следовать анализ работ оппонентов и НПА, и он следует и автор показывает умение владеть материалом. Тем самым, научные изыскания в предложенной области стоит только приветствовать.
Научная новизна. Научная новизна предложенной статьи не вызывает сомнения. Она выражается в конкретных научных выводах автора. Среди них, например, такой: «…цифровизация позволит: снизить возможные риски за счет прогнозирования климатических изменений и использовать компьютерное зрения для обнаружения болезней агрокультур и скота. Автоматизация процесса прополки, опрыскивания пестицидами, а также сбора урожая – это еще одна возможность увеличить количество и качество производимой продукции, которая открывается с использованием дронов, роботов, датчиков и сканеров, а также других аппаратных и программных решений». Как видно, указанный и иные «теоретические» выводы «Одним из ключевых вопросов, связанных с правовой регламентацией использования ИИ, является проблема ответственности за несанкционированные действия роботизированных устройств, наделенных искусственным интеллектом. Вопрос о том, кто должен нести ответственность за действия робота, тем более автономного или разумного, является и насущным, и сложным» могут быть использованы в дальнейших исследованиях. Таким образом, материалы статьи в представленном виде могут иметь интерес для научного сообщества.
Стиль, структура, содержание. Тематика статьи соответствует специализации журнала «Сельское хозяйство», так как посвящена применению «…искусственного интеллекта в сельском хозяйстве». В статье присутствует аналитика по научным работам оппонентов достаточном количестве, поэтому автор отмечает, что уже ставился вопрос, близкий к данной теме и автор использует некоторые их материалы, дискутирует с оппонентами. Содержание статьи соответствует названию, так как автор рассмотрел заявленные проблемы, достиг цели своего исследования. Качество представления исследования и его результатов следует признать доработанным. Из текста статьи прямо следуют предмет, задачи, методология, результаты исследования, научная новизна. Оформление работы соответствует требованиям, предъявляемым к подобного рода работам. Существенные нарушения данных требований не обнаружены, кроме неработающих ссылок в тексте статьи.
Библиография. Следует высоко оценить качество представленной и использованной литературы. Присутствие современной научной литературы показывает обоснованность выводов автора. Труды приведенных авторов соответствуют теме исследования, обладают признаком достаточности, способствуют раскрытию многих аспектов темы.
Апелляция к оппонентам. Автор провел анализ текущего состояния исследуемой проблемы. Автор описывает разные точки зрения оппонентов на проблему, аргументирует более правильную по его мнению позицию, опираясь на работы отдельных оппонентов, предлагает варианты решения отдельных проблем.
Выводы, интерес читательской аудитории. Выводы являются логичными, конкретными «В силу новизны технологии правовое регулирование ИИ не развито в достаточной степени, многие отношения, возникающие в процессе применения ИИ, не имеют четкой регламентации. Этот вопрос недостаточно урегулирован не только в национальном законодательстве РФ, но и в международном праве и законодательстве зарубежных стран. Проблема связана и с отсутствием сложившегося единого подхода к определению характеристик искусственного интеллекта». Статья в данном виде может быть интересна читательской аудитории в плане наличия в ней систематизированных позиций автора применительно к заявленным в статье вопросам. На основании изложенного, суммируя все положительные и отрицательные стороны статьи рекомендую «опубликовать» с учетом замечаний.