Karel Charvát: Hledáme takové orgány státní správy, které budou chtít implementovat řešení pro zítřek, ne pro včerejšek
29.10.2024
Přesná předpověď počasí, predikce stavu porostu, přesné snímky půdy, analýza zemědělských prací. To jsou ve stručnosti výsledky celosvětově unikátních výzkumů, které na odborné prezentaci představila Fakulta informačních technologií ČVUT společně se sdružením Plan4All (23. 10. 2024, ČVUT).
Posledních devět měsíců pracovali experti v rámci dvou projektů, které se vzájemně doplňují, na problematice využití umělé inteligence v zemědělství a ve venkovském rozvoji. První projekt ALIANCE financuje Technologická agentura ČR (program TREND) a cílí na zemědělskou produkci; druhý program PoliRuralPlus je financován z programu Horizont Evropa a cílí na lokální plánování, zemědělství nevyjímaje. Výstupem těchto dvou projektů jsou tři základní produkty – rozuměj prototypy něčeho, co může zemědělství výrazně pomoci a co má pro tento obor velký potenciál.
Co všechno mohou nové technologické možnosti přinést zemědělství a jak mohou tento obor proměnit do budoucna, nám vysvětlil dr. Karel Charvát, projektový manažer z Plan4all.
Pavlína Havlová: S čím vším mohou nové metody založené na IA pomáhat zemědělcům?
Karel Charvát: Naším cílem je podpořit efektivní využití umělé inteligence tak, aby řešení vyhovovalo v lokálním kontextu. V rámci projektu ALIANCE se momentálně vyvíjejí dvě řešení. První produkt se zaměřuje na přesnou předpověď počasí.
Dostupné předpovědi počasí pracují v rámci čtverce cca 5x5 kilometrů, což ovšem nemusí být vyhovující například v případě, že jde o nerovný terén, kterým navíc teče řeka. Tak velký čtverec nevyhovuje zejména z důvodu velkých odchylek, které mohou rozhodování zemědělce ovlivnit.
Představte si například, že se v tomto čtverci vyskytne vršíček, na jehož jedné straně prší a na jeho druhé straně je sucho. Pokud se má zemědělec rozhodovat, jakou má udělat ochranu na tomto prostoru, tak pro něj není důležité, že může pršet v celém čtverci, ale je pro něj důležitější, v kterých částech přesně může pršet.
Nové řešení dokáže předpověď ještě zpřesnit? Jak toho dosáhnete?
Umístíme-li do dané oblasti senzory, jež budou monitorovat současný stav, tak jsme pomocí umělé inteligence a globálních předpovědí schopni naučit je poskytovat nám informace o tom, jaké v daném místě bude počasí. Tímto způsobem – sledováním řady měření a jejich porovnáváním s řadou předpovědí – jsme schopni předpověď počasí výrazně zpřesnit. A to nemluvím pouze o teplotě, ale i o dalších údajích, jako je rosení, vlhkost půdy, svit a další. Výsledkem tak může být velmi komplexní předpověď počasí. Potenciál využití tohoto řešení je velký a už o něj mají zájem ve Slovinsku, Itálii nebo Finsku.
Jaké výhody přinese druhé řešení programu ALIANCE?
Toto řešení souvisí s využitím algoritmů, metod a aplikací, které využívají data snímků z družice Sentinel 2 evropského programu Copernicus, jejichž cílem je poradit farmářům, jak hnojit, a to jak v režimu zásobního hnojení, tak i v přihnojování dusíkem. Problém je, že v době oblačnosti neprochází ze Sentinelu 2 žádné snímání.
Jde tohle řešit?
Sentinel 2 má ještě druhý typ satelitů, Sentinel 1. Ten pracuje v radarovém pásmu, odkud vysílá signál na Zem, a ten se odráží nezávisle na oblačnosti. Problém je, že takto pořízený snímek není čitelný.
Oblačnosti těžko poručit... I tak jste hledali dál?
Pomocí umělé inteligence jsme vyvinuli složitý algoritmus, který vezme řadu několika po sobě následujících snímků Sentinelu 2, dále několik po sobě následujících snímků Sentinelu 1, přidá k nim informaci o počasí nebo o půdních podmínkách a na jejich základě zrekonstruuje snímek z družice tam, kde je obraz zakrytý oblačností. Díky tomu dostane farmář zrekonstruovaná data, podle kterých se může rozhodovat například i ve vegetačních indexech (NDVI, normalizovaný diferenční vegetační index, pozn. red.).
Další možnost je, že použijeme tuto metodu pro predikci toho, jak by měl vypadat porost třeba za týden, a na základě toho se farmář může rozhodnout, jestli půdu například přihnojí, nebo nepřihnojí. Podle toho, pro co se rozhodne, bude za týden vypadat skutečnost/snímek zase jinak. Na základě porovnání předpovídajícího snímku se snímkem skutečného stavu pak může farmář zjistit, nakolik byla jeho aplikace úspěšná. Toto všechno nám otevírá nové možnosti.
Věnuje se podobnému výzkumu i někdo jiný ve světě, nebo je to unikátní počin?
Myslím, že prvky tohoto výzkumu jsou unikátní, a to i v mezinárodním měřítku. Asi se tyto věci zkouší i jinde, ale v publikacích jsme o tom nic moc nenašli. Výsledky našich výzkumů jsme prezentovali teď v říjnu na ČVUT, ale předtím i ve světě. Byli jsme v Číně, v Budapešti, v Krakově a v Bukurešti. Všechny experty naše práce velmi zaujala.
Jak posune precizní zemědělství zmiňovaný třetí produkt?
Ten vznikl v rámci projektu PoliRuralPlus, jehož koordinátorem byla zprvu Česká zemědělská univerzita, poté se jej ujala FIT ČVUT. V rámci tohoto projektu se pracuje v devíti regionech a cílem je navrhnout řešení, která napomohou s přípravou regionálních rozvojových strategií a s jejich implementací.
O co se jedná?
Jde například o Foresight (předpověď), tj. o využití umělé inteligence k tomu, abychom farmářům pomohli na základě analýzy dat navrhnout, co za práce mají udělat.
Řešili jsme, jak umělou inteligenci vůbec implementovat. Šlo nám o to, jak by se dalo využít jazykových modelů z automatizovaného programu chatbot Chat GPT; a zda by bylo možné mít obdobu těchto technologií přímo u nás v České republice. Já se totiž nebojím umělé inteligence, ale bojím se toho, že není u nás. I začali jsme kombinovat analýzy prostorových dat s jazykovými modely.
Všimněte si, že když se zeptáte jazykového modelu například na město Paříž, tak dostanete hutnou odpověď. Když se ale zeptáte na obec Matějov, tak vám maximálně najde, kde obec leží, ale už nic moc dalšího. Pokud ale jazykovému modelu poskytneme informace z prostorových dat, např. jaké je v dané lokalitě počasí nebo využití krajiny, tak vám už vygeneruje odpověď mnohem komplexnější; kromě textu od něj dostanete i tabulky, statistiky nebo třeba mapu.
Zatím jsme předvedli první prototyp, který nazýváme Kavka (anglicky Jackdaw). Naším cílem je nebudovat něco tak velkého jako je Chat GTP, protože v Evropě, na rozdíl od Ameriky, kde si Microsoft staví svou vlastní atomovou elektrárnu, na to nemáme ani výpočetní kapacity, ani energie. Přišli jsme s konceptem, který zaujal většinu odborníků, totiž že uděláme velké množství malých umělých inteligencí, které nebudou tak velké jako Chat GTP, ale zato je naučíme speciální textové problematice a tyto modely napojíme na různé analýzy týkající se regionálního rozvoje nebo analýzy družicových snímků.
Komu a k čemu je to dobré?
Díky této nové koncepci bude farmář schopen dotazovat se normálním jazykem na to, jestli je správný čas na setbu, jak vypadá jeho porost nebo jaké jsou možnosti využití krajiny z ekonomického pohledu například. Cílem je vybudovat síť menších modelů, které spolu budou komunikovat a budou schopny pomáhat na různé úrovni.
Je využívání prostorových dat něco nového, nebo navazujete na předchozí výzkumy?
Už v roce 2003 vznikl metadatový katalog Hub4Everybody, což je systém pro správu prostorových či jiných dat. V roce 2010 byl vytvořen Národní geoportál Inspire, který se stále rozvíjí, rozšiřuje a vylepšuje. Nyní pracujeme na tom, aby tento systém byl datovým úložištěm, z něhož by bylo možné dělat analýzy pro umělou inteligenci, o kterých jsem mluvil výše.
Na prezentaci na ČVUT jsem trochu provokoval výrokem, že hledáme takové orgány státní správy, které budou chtít implementovat řešení pro zítřek, ne pro včerejšek.
***
Karel Charvát vede pracovní skupinu pro zemědělství ve standardizační organizaci OGC (Open Geospatial Consortium), jejímž cílem je zvýšit dostupnost, přístup a využití zemědělských dat. Je také členem programového výboru v mezivládní organizaci GEO (Global Earth Observation).
***
Na projektu ALIANCE spolupracují experti na umělou inteligenci z FIT ČVUT s firmami LESPROJEKT-SLUŽBY, s.r.o. a HELP SERVICE - REMOTE SENSING s.r.o. (rozvoj geoprostorových informací), dále se soukromou výzkumnou organizací WIRELESSINFO a firmou Bakit servis s.r.o. (propagace a obchodní modely). Zemědělský svaz ČR (resp. Česká technologická platforma pro zemědělství) zajišťuje v této věci napojení na uživatelskou sféru.
Projekt PoliRuralPlus je evropský projekt financovaný z programu Horizont Evropa, zaměřený na podporu udržitelného rozvoje venkovských oblastí a posilování jejich odolnosti vůči environmentálním a socioekonomickým výzvám. Projekt je koordinován Fakultou informačních technologií Českého vysokého učení technického (FIT ČVUT) a zahrnuje účast několika českých institucí, včetně Českého centra pro vědu a společnost a organizace Plan4all z.s. Cílem projektu je využití digitálních technologií, inovativních nástrojů a participativních přístupů pro analýzu a optimalizaci politik zaměřených na venkovský rozvoj, což přispěje k efektivní implementaci strategií pro rozvoj venkova v rámci Evropy.
Zemědělský svaz ČR se v projektu ALIANCE zaměřuje na komunikaci se zemědělci, tj. sbírá od nich podněty k dané problematice, definuje jejich potřeby a monitoruje, jaká je od nich uživatelská odezva. Výsledky a výstupy projektu šíří prostřednictvím workshopů/seminářů/webinářů a publikací. Cílem je dostat povědomí o projektu a jeho možnostech využití mezi akademickou a odbornou veřejnost, tak mezi potenciální obchodní partnery a investory.
***
Text vznikl v rámci projektu „Posílení úrovně sociálního dialogu v odvětvích a podpora adaptace odvětví na změny“ spolufinancovaného Evropskou unií.
***
Připravila: Pavlína Havlová