Արհեստական բանականությունը (ԱԲ) ներկայումս դարձել է համաշխարհային գյուղատնտեսության անբաժանելի բաղադրիչ, քանի որ այն առաջարկում է առավել ճշգրիտ և արդյունավետ լուծումներ ոլորտի շարունակաբար խորացող խնդիրների համար։ Դրանց թվում են սննդի աճող պահանջարկը, կլիմայական փոփոխությունները, աշխատուժի սակավությունը և արտադրական ռեսուրսների թանկացումը։ ԱԲ-ի ներդրումը հնարավորություն է տալիս ավանդական՝ խնդիրներին տեղում արձագանքող գյուղատնտեսությունից անցում կատարել կանխատեսող և կանխարգելիչ մոդելի, որը թե՛ ավելի արդյունավետ է, թե՛ ռեսուրսախնայող։ Սա հատկապես կարևոր է այն պայմաններում, երբ կանխատեսվում է, որ մինչև 2050 թ․-ը համաշխարհային սննդի պահանջարկը կաճի մինչև 56%-ով, ինչը պահանջում է նորարարական մոտեցումներ՝ բերքատվությունը առավելագույնի հասցնելու և կորուստները նվազեցնելու համար։
Վիճակագրական տվյալները ցույց են տալիս, որ ԱԲ-ի կիրառումը գյուղատնտեսությունում նպաստում է բերքատվության զգալի աճին՝ միջինում 7-12%-ով, ինչպես նաև ծախսերի նվազեցմանը՝ 8–15%-ով։ Շուկայի դինամիկան ևս արտացոլում է ԱԲ-ի մեծ ներուժը այս ոլորտում։ Կանխատեսվում է, որ գյուղատնտեսությունում ԱԲ-ի համաշխարհային շուկան 2023 թ․-ի 1.7 միլիարդ ԱՄՆ դոլարից կաճի մինչև 4.7 միլիարդ ԱՄՆ դոլար 2028 թ․-ին։
ԱԲ-ի կիրառման ոլորտները գյուղատնտեսությունում բազմազան են։ Նախ, ԱԲ-ն էականորեն նպաստում է թանկարժեք ռեսուրսների ոչ արդյունավետ օգտագործման խնդրի լուծմանը և խնայողությանը։ Վերլուծելով հողի տեղային տվյալները, եղանակային պայմանների պատմական օրինաչափությունները և մշակաբույսերի առողջության ցուցիչները իրական ժամանակում՝ ԱԲ ալգորիթմները հնարավորություն են տալիս առավել ճշգրիտ օգտագործել ջուրը, պարարտանյութերը և թունաքիմիկատները։ Այս մոտեցումը առանձնահատուկ նշանակություն ունի համաշխարհային էկոհամակարգի համար, քանի որ գյուղատնտեսությունը սպառում է աշխարհի քաղցրահամ ջրի մոտ 70%-ը։ Բացի այդ, համակարգչային տեսողության (CV) համակարգերի կիրառումը թույլ է տալիս էապես նվազեցնել թունաքիմիկատների օգտագործումը, մասնավորապես, 90%-ով կրճատել հերբիցիդների կիրառումը։
ԱԲ-ի օգտագործման մյուս կարևոր ուղղությունը գյուղատնտեսության կանխատեսելիության բարձրացումն է, որը թե՛ ՀՀ-ում, թե՛ համաշխարհային մակարդակով ոլորտը ռիսկային դարձնող հիմնական խնդիրներից մեկն է։ Օգտագործելով կանխատեսողական վերլուծություններ՝ ԱԲ-ն հնարավորություն է տալիս կանխատեսել եղանակային պայմանները, մոդելավորել կլիմայական ռիսկերը և վաղ փուլում հայտնաբերել հիվանդությունների կամ վնասատուների տարածումը բույսերի շրջանում։ Սա ֆերմերներին թույլ է տալիս հիմնավորված որոշումներ կայացնել ցանքի, բերքահավաքի և վնասատուների դեմ պայքարի հարցերում՝ զգալիորեն նվազեցնելով հնարավոր ֆինանսական կորուստները։
Այս մոդելների համար անհրաժեշտ լայնածավալ քարտեզագրման և դաշտերի մշտադիտարկման տվյալները հավաքագրվում են դրոնների և արբանյակային պատկերների միջոցով, որոնք ապահովում են մեծ տարածքային ծածկույթ։ Օրինակ՝ նման համակարգչային տեսողության լուծումները իրական ժամանակում սկանավորում են դաշտերը՝ հիվանդություններն ու վնասատուները հայտնաբերելու նպատակով։ Նման մոդելները կարող են ապահովել բարձր ճշգրտություն՝ որոշ դեպքերում անգամ մինչև 95% (օրինակ՝ խնձորի քոսի հայտնաբերման համար)։
Վերջապես, ԱԲ-ն էականորեն կրճատում է ֆիզիկական աշխատանքի պահանջարկը՝ ավտոմատացնելով ձեռքի աշխատանք պահանջող բազմաթիվ գործողություններ։ Աշխարհում ստեղծվել և այժմ լայն կիրառում ունեն մի շարք վերահսկման համակարգեր, որոնք պատկերների թվային ճանաչման միջոցով կարողանում են հաշվարկել կենդանիների և բույսերի քանակը, իրականացնել բերքատվության մշտադիտարկում, ճանաչել մոլախոտերը։ Դրան զուգահեռ, ինքնավար սարքավորումները օգտագործվում են ֆիզիկական աշխատանքների ժամանակ՝ ճշգրիտ ցանքի, ավտոմատացված բերքահավաքի և դաշտերի վերահսկման համար։ Օրինակ՝ ինքնավար տրակտորները նվազեցնում են աշխատուժի պահանջարկը և բարձրացնում արտադրողականությունը՝ միաժամանակ ապահովելով վառելիքի 15–20% խնայողություն։ Ինքնավար ռոբոտները, օգտագործելով համակարգչային տեսողություն և սենսորներ, հայտնաբերում և վերացնում են մոլախոտերը՝ առանց վնասելու մշակաբույսերին։ Բերքահավաքից հետո համակարգչային տեսողության համակարգերը ավտոմատացնում են արտադրանքի տեսակավորումն ու դասակարգումը՝ ապահովելով կայուն որակ և պարզեցնելով լոգիստիկան։ Թեպետ ներկայումս ռոբոտները հաճախ աշխատում են ավելի դանդաղ, սակայն նրանց 24/7 գործելու հնարավորությունը կարող է փոխհատուցել այդ սահմանափակումը։ Արդյունքում՝ այս ինքնավար համակարգերը կարող են բարձրացնել գործառնական արդյունավետությունը մինչև 30%-ով։
ԱԲ-ի օգտագործման բազում օրինակներ կան ինչպես զարգացած, այնպես էլ զարգացող երկրներում։ Օրինակ՝ Նիդերլանդներում գործող AgroWizard ստարտափի համակարգը մեկ ժամում չափում է մինչև 10000 ծառ, ինչը զգալիորեն գերազանցում է ձեռքով իրականացվող աշխատանքների արդյունավետությունը՝ հատկապես ցողունների չափման և ծառերի քարտեզագրման դեպքում։
Մեկ այլ օրինակ է Իսրայելը՝ ջրի առաջադեմ կառավարման համակարգով։ Այստեղ գործող SupPlant ստարտափը կիրառում է բույսերի վրա տեղադրվող ԱԲ-ով զինված սենսորներ, որոնք չափում են բույսի ներսում տեղի ունեցող միկրոնային մակարդակի փոփոխությունները, համադրում այդ տվյալները հողի և կլիմայական տվյալների հետ և որոշելում, թե երբ և ինչքան ջուր է անհրաժեշտ բույսին։ Արդյունքում ապահովվում է բույսերի օպտիմալ խոնավացում և զգալիորեն բարձրանում է ջրի օգտագործման արդյունավետությունը։
Զարգացող երկրների շրջանում առանձնանում է Հնդկաստանը, որը ԱԲ-ի մասշտաբային կիրառման օրինակ է։ Այստեղ՝ Թելանգանա նահանգում իրականացվող Saagu Baagu նախաձեռնությանը մասնակցող ֆերմերները մեկ վեցամսյա բերքաշրջանի ընթացքում գրանցել են մաքուր եկամտի զգալի աճ՝ 2022 թ․-ին հասնելով մինչև 800 ԱՄՆ դոլար մեկ ակրի հաշվով, ինչը փաստացի կրկնապատկել է իրենց միջին եկամուտը։ Այս արդյունքը ձեռք է բերվել թվային խորհրդատվության շնորհիվ, որը նպաստել է չիլիի բերքատվության 21% աճին մեկ ակրի հաշվով։ Դրան զուգահեռ, ծրագիրը նվազեցրել է թունաքիմիկատների օգտագործումը է 9%-ով, իսկ պարարտանյութերինը՝ 5%-ով։
Հաջողված և հետաքրքիր լուծումներ առաջարկող օրինակներից է նաև ենթասահարակական Աֆրիկան, որտեղ ԱԲ-ի լուծումները հաճախ տրամադրվում են ֆերմերներին կարճ տեքստային հաղորդագրությունների (SMS) միջոցով։ Օրինակ՝ Քենիայում Էսթեր Կիմանիի մշակած ԱԲ համակարգը տեսախցիկների միջոցով հայտնաբերում է վնասատուներին և անմիջապես SMS-ի միջոցով ահազանգ ուղարկում ֆերմերներին։ Այս տեխնոլոգիան կիրառող ֆերմերները հայտնել են, որ արդյունքում իրենց բերքատվությունը աճել է ավելի քան 36%-ով։ԿամերունումԱԲ-ի վրա հիմնված բջջային հավելվածը ֆերմերներին հնարավորություն է տալիս լուսանկարների միջոցով նույնականացնել մշակաբույսերի հիվանդությունները՝ տրամադրելով ակնթարթային ախտորոշում և բուժման առաջարկներ նույնիսկ առանց համացանցի առկայության (ինչը ներկայումս ԱԲ-ի լայնածավալ օգտագործման առաջնային խոչընդոտներից մեկն է)։
Ամփոփելով ԱԲ-ի կողմից տրամադրվող մեծ հնարավորությունները գյուղատնտեսության մեջ՝ այնուամենայնիվ պետք է նշել, որ դրա լայն կիրառումը բախվում է մի շարք լուրջ խոչընդոտների։ Դրանցից հիմնականներն են սկզբնական բարձր ներդրումային ծախսերը, ներդրումների վերադարձի (ROI) ոչ հստակ պատկերացումը, տեխնիկական խոչընդոտները, որոնք հիմնականում կապված են գյուղական տարածքներում լայնաշերտ համացանցի սահմանափակ հասանելիության հետ։
Ի վերջո, ԱԲ-ն օգտագործելիս անհրաժեշտ է ուշադրություն դարձնել նաև էթիկական կարևոր նկատառումներին՝ տվյալների սեփականությանը, պատասխանատվության սահմանմանը և աշխատատեղերի հնարավոր կրճատման ռիսկին։ ԱԲ-ի կիրառումը գյուղատնտեսությունում պետք է համահունչ լինի հստակ սահմանված էթիկական սկզբունքների և կանոնակարգված մոտեցումների հետ՝ ապահովելով ինչպես ոլորտի զարգացումը, այնպես էլ ֆերմերների և համայնքների շահերի պաշտպանությունը։
