农学与自然科学有许多共同之处。一个研究农作物如何与生长环境中的自然要素相互作用的农学家，需要精通植物生物学、植物生理学和土壤结构。不仅要学习科学的语言，还要学习土地的语言。

1971yes / iStock

在不太遥远未来，我们可以想象农民和农学家将与农业机器人为伴，获得其协助。这些农业机器人，不仅能理解农业科学的语言，还能理解复杂环境的语言，因为它们被“训练”以协助农业生产。农业机器人将根据收成数据、历史天气统计数据、卫星数据和人类农学家提供的生产数据来评估特定的农田。通过语言的使用，农业机器人将为农民提供多层次的场景，描绘出如果采取某些行动-今天、明天或后天-生产状态可能会是什么样子。

有限的人工智能系统已经进入农业领域。农学家可以使用语音激活设备(如AgVoice)来捕获数据。或者，与智能机器合作，比如Blue River的计算机视觉喷洒机器人，可以识别异常并做出相应的反应。

然而，主要问题是，依靠这些现有的能力是否可以创造出一个农业机器人，能够识别不断变化情况，并完全独立地提出农艺建议？

如果人工智能的基本前提是承担独立决策能力，那么当人工智能不仅被设计成收集和分析高价值数据，而且还根据这些数据采取行动时，农业将会是什么样子呢？根据不断学习的语言做出决定并实施？

这样的产品将结合几个尖端的人工智能挑战，需要自然语言理解、自然语言生成和计算集体智能。在人工智能领域，自然语言理解是自然语言处理的一个子范畴，涉及机器阅读理解。它可创建自然语言处理的任务，用于从容纳知识库的机器系统生成自然语言。

这种想法是以复杂的领域知识为基础，建立一个类似人类沟通的方式，让机器来交流分析。这样的技术才让数据变得有用武之地，因为如果你不能理解如何使用数据，数据就不会对我们有任何帮助。

未来农业机器人的角色需要比语音识别或呼叫响应更复杂，才能有效地与农民沟通。它需要体现农业科学作为一门学科的自然语言，而且它必须了解复杂的环境相互作用。农业机器人的自然语言生成在设计上不仅会模仿人类的智能，而且还要会模仿环境和植物的智能。这就是需要计算集体智能的地方。

正如植物神经生物学家Stefano Mancuso所说：“智力是解决问题的能力，而植物解决问题的能力令人叹为观止。植物做出的每一个选择都是基于这样的计算：能解决问题的最小资源量是多少？”

自从机械化出现以来，无论是农民还是农学家，技术专家和科学家都把人类智慧放到比农作物的生物智能更高的位置。然而，随着农业发现自己面临着越来越复杂的挑战时，人们越来越欣赏自然界的智慧。

进化生物学家Jessica Flake在2017年告诉《量子杂志(Quanta Magazine)》，“集体智慧是关于一个自我调整系统如何解决问题的能力。自我调整系统的组成部分会放眼世界，试图发现其中的规律性。”

定义集体智慧的另一种方式是从多个个体的竞争和协作中涌现出来的智能。对于Jessica Flake和其他像她一样的学者来说，他们的目标是更好地理解“生物学中看似聚合在一起的现象规则，是如何从微观的基本事实中出现的”。换句话说，按照Stefano Mancuso的说法，对于植物和其生物环境是如何解决问题的，需要有更复杂的理解。

在某种程度上，集体智慧的目标是确定复杂系统或事件背后的逻辑网络，因为复杂系统的简化定义是，其整体行为的理解上不一定与导致行为本身的低级机制相关。

在传统的农业科学项目中，你不会发现太多关于集体智慧的工作。但是，如果你看看那些研究生物世界的人的工作，就很容易推断出这种方法在推进人工智能的农业未来方面可能带来的好处。

集体智慧可以协助科学家学习土地的生物语言，更好地理解植物生理、植物生物、土壤结构和其他环境因素(如降水和辐射)之间的相互作用。从理论上讲，这可以构成用于生成农业机器人的自然语言系统的知识库基础。

虽然目前发达国家的农民可以获得一流的农学建议，但发展中国家可以通过使用这种农业机器人在可持续生产力方面看到巨大的收益。他们可以帮助这些农民提高效率，促进最需要帮助的地区的全球粮食安全。