விவசாயம் AI-க்கு தயாராக உள்ளது, ஆனால் அதன் தரவு அடிப்படை ஏன் தயாராக இல்லை?
செயற்கை நுண்ணறிவு (Artificial intelligence) நவீன விவசாயத்திற்கு ஒரு புரட்சிகரமான கருவித் தொகுப்பை வழங்குகிறது; நீர்ப்பாசனம் முதல் இரசாயனப் பயன்பாடு வரை அனைத்தையும் மேம்படுத்த இது உறுதியளிக்கிறது. இருப்பினும், சுத்தமான மற்றும் ஒருங்கிணைந்த தரவு அடிப்படை (data foundation) இல்லாமல், இந்த உயர் தொழில்நுட்ப வாக்குறுதிகள் செயல்பாட்டுச் சொத்துக்களாக மாறுவதற்குப் பதிலாக, விலையுயர்ந்த சுமையகங்களாக மாறும் அபாயம் உள்ளது.
AI-ஆல் இயக்கப்படும் விவசாயத்தின் முக்கியத்துவம் மற்றும் சவால்கள்
விவசாயத் துறையில் AI-க்கான சாத்தியமான முதலீட்டுத் திரும்பப் பெறுதல் (ROI) வியக்கத்தக்கது. AI-ஆல் இயங்கும் முன்கணிப்பு மாதிரிகள் (predictive models) பயிர் விளைச்சலை 26% அதிகரிக்கவும், நீர் நுகர்வைக் 41% குறைக்கவும் மற்றும் இரசாயனப் பயன்பாட்டைக் 33% குறைக்கவும் முடியும் என்று ஆய்வுகள் தெரிவிக்கின்றன. குறைந்த லாப வரம்பு, நிலையற்ற உர விலைகள் மற்றும் கணிக்க முடியாத வானிலை முறைகளைக் கொண்ட ஒரு தொழில்துறைக்கு, இந்தத் திறன்கள் வெறும் ஆடம்பரங்கள் அல்ல—அவை உயிர்வாழ்வதற்கானத் தேவைகள்.
இருப்பினும், AI விற்பனையாளர்களின் சந்தைப்படுத்தல் வாக்குறுதிகளுக்கும், கள செயல்பாடுகளின் யதார்த்தத்திற்கும் இடையே ஒரு குறிப்பிடத்தக்க இடைவெளி உள்ளது. விற்பனையாளர்கள் நிகழ்நேர பயிர் ஆரோக்கியக் கண்காணிப்பு மற்றும் துல்லியமான நீர்ப்பாசனத்தை வாக்குறுதி அளித்தாலும், அவர்கள் பெரும்பாலும் ஒரு முக்கியமான முன்நிபந்தனையைத் தவறவிடுகிறார்கள்: அது உயர்தரமான, ஒருங்கிணைந்த தரவு (integrated data). விவசாயத்தில், ஒரு "AI hallucination" என்பது வெறும் மென்பொருள் பிழை மட்டுமல்ல; அது வளங்கள் வீணாவதற்கும், பயிர்கள் சேதமடைவதற்கும் அல்லது விதிமுறை இணக்கமின்மைக்கும் வழிவகுக்கும் ஒரு நேரடிப் பிழையாகும்.
விவசாயத் தரவு நிலப்பரப்பின் சிக்கல்கள்
தரவுப் பொறியியலுக்கு (data engineering) விவசாயம் ஒரு தனித்துவமான சவாலான சூழலை வழங்குகிறது. பாரம்பரிய நிறுவனத் தரவுகளைப் போலன்றி, விவசாயத் தகவல்கள் மிகவும் மாறுபட்டவை மற்றும் பல்வேறு ஆதாரங்களில் இருந்து வருகின்றன:
- IoT மற்றும் இயந்திரங்கள்: தானியங்கி டிராக்டர்கள், தானியங்கி நீர்ப்பாசன அமைப்புகள் மற்றும் நிகழ்நேர சென்சார் அளவீடுகள்.
- வான்வழி நுண்ணறிவு (Aerial Intelligence): ட்ரோன்கள் மூலம் எடுக்கப்பட்ட உயர் அளவிலான வயல்வெளிப் படங்கள்.
- வெளிப்புறத் தரவுகள்: நிகழ்நேர வானிலை தரவு, அமெரிக்க விவசாயத் துறை (USDA) பதிவுகள் மற்றும் மூன்றாம் தரப்பு சந்தை விலைகள்.
- புவிசார் நுணுக்கங்கள் (Geospatial Nuances): துல்லியமான GPS ஆயத்தொலைவுகள், பண்ணை எல்லைகள் மற்றும் ஒரே வயலுக்குள்ளேயே இருக்கும் மிக நுணுக்கமான மண் மாறுபாடுகள்.
குறிப்பிட்ட மண் மாறுபாடுகள் மற்றும் வயல் பகுதிகளைக் கணக்கில் கொள்ளாமல், ஒரு முழு வயலையும் ஒரே மாதிரியான தொகுதியாகக் கருதும் ஒரு AI அமைப்பு, துல்லியமற்ற பரிந்துரைகளை வழங்கும். தரவு துண்டிக்கப்பட்டிருந்தால், ஒரு துல்லிய நீர்ப்பாசன அமைப்பு நீரைச் சேமிப்பதற்குப் பதிலாக உண்மையில் நீரை வீணடிக்கக்கூடும்.
"Garbage In" என்பதிலிருந்து தரவுத் தயார்நிலை (Data Readiness) நோக்கி நகர்தல்
"Garbage in, garbage out" (தவறான தரவு உள்ளீடு, தவறான முடிவு) என்ற சிக்கலைத் தவிர்க்க, நிறுவனங்கள் உண்மையான தரவுத் தயார்நிலையை நோக்கி மாற வேண்டும். Wilbur-Ellis போன்ற பெரிய அளவிலான விநியோகஸ்தர்களுக்கு, இது வாடிக்கையாளர்கள், வயல் உள்ளீடுகள், விநியோகஸ்தர் உறவுகள் மற்றும் பருவகால லாப வரம்புகள் ஆகியவற்றின் ஒருங்கிணைந்த பார்வையை உருவாக்க, தரவுத் தனித்தன்மைகளை (data silos) உடைப்பதைக் குறிக்கிறது. தனிப்பட்ட விவசாயச் செயல்பாடுகளுக்கு, மண் ஆரோக்கியம், பயன்பாட்டு வரலாறு மற்றும் உபகரணங்களின் செயல்பாடு ஆகியவற்றின் இணைக்கப்பட்ட டிஜிட்டல் படம் தேவைப்படுகிறது.
தரவுத் தயார்நிலைக்கு மூன்று முக்கிய கூறுகள் தேவை:
- ஒருங்கிணைந்த தரவு மாதிரி (A Unified Data Model): வணிகம் உண்மையில் எவ்வாறு செயல்படுகிறது என்பதைப் பிரதிபலிக்கும் ஒற்றை, நிர்வகிக்கப்பட்ட உண்மை ஆதாரம் (source of truth).
- வலுவான தரவுப் குழாய்கள் (Robust Data Pipelines): களத்தில் எடுக்கப்படும் முக்கியமான முடிவுகளைப் பாதிக்க போதுமான வேகத்தில் நுண்ணறிவுகளை வழங்கக்கூடிய அமைப்புகள்.
- தொடர்ச்சியான நிர்வாகம் (Continuous Governance): விலைகள், விநியோகஸ்தர்கள் மற்றும் சுற்றுச்சூழல் நிலைமைகள் மாறும்போது தரவு துல்லியமாக இருப்பதை உறுதி செய்வதற்கான கட்டமைப்புகள்.
Reltio போன்ற நிறுவனங்கள் செய்வது போல, ஒரு "context intelligence layer"-ஐ உருவாக்குவதன் மூலம், நிறுவனங்கள் துண்டிக்கப்பட்ட தரவுகளை ஒருங்கிணைக்க முடியும், இதனால் AI முகவர்கள் (AI agents) வணிகத்தின் முழுமையான மற்றும் நம்பகமான பிம்பத்திலிருந்து செயல்பட முடியும்.
முக்கியக் குறிப்புகள்
- செயல்திறன் சாத்தியக்கூறுகள்: AI, பயிர் விளைச்சலில் 26% அதிகரிப்பு மற்றும் நீர் பயன்பாட்டில் 41% குறைப்பு உட்பட மிகப்பெரிய செயல்திறனைத் தூண்ட முடியும்.
- தரவு இடைவெளி: விவசாயத்தில் AI வெற்றியின் முதன்மைத் தடையானது, IoT சாதனங்கள், புவிசார் அடுக்குகள் மற்றும் வெளிப்புற வானிலை தரவுகளுக்கு இடையே தரவு துண்டிக்கப்பட்டிருப்பதே ஆகும்.
- பிழை ஏற்படும் அபாயம்: நிர்வகிக்கப்பட்ட, ஒருங்கிணைந்த தரவு அடிப்படை இல்லாமல், AI எதிர்மறையான பரிந்துரைகளை வழங்கக்கூடும், இது வளங்கள் வீணாவதற்கோ அல்லது பயிர் சேதத்திற்கோ வழிவகுக்கும்.