Технологии искусственного интеллекта как стратегический ресурс обеспечения глобальной продовольственной безопасности

Дудин М.Н.
Artificial Intelligence Technologies as a Strategic Resource for Global Food Security - View in English

 Скачать PDF | Загрузок: 3

Аннотация:
В статье исследуются направления использования технологий искусственного интеллекта в агропроизводственной сфере в целях обеспечения глобальной продовольственной безопасности.
Цель статьи – выявление ключевых направлений решения проблемы глобальной продовольственной безопасности и определение возможной роли искусственного интеллекта в качестве технологического базиса преодоления проблемы массового голода.
Установлено, что практически единственным реальным способом обеспечения глобальной продовольственной безопасности остается интенсификация аграрного производства за счет внедрения современных цифровых технологий. Искусственный интеллект как базовое ядро для построения перспективных цифровых моделей и систем агропроизводства занимает центральное место в большинстве современных разработок.
Показано, что технологии искусственного интеллекта обеспечивают повышение эффективности агропроизводства за счет наличия комплексного эффекта: обеспечивается как прямое снижение затрат за счет экономии материальных, трудовых и финансовых ресурсов, так и опережающий рост объемов сельскохозяйственной продукции.
В работе делается вывод, что практически все перспективные цифровые технологии аграрного производства предполагают интеграцию субкомпонентов искусственного интеллекта в процессе реализации и дальнейшего применения. Таким образом, искусственный интеллект выступает своеобразной платформой для обеспечения глобальной продовольственной безопасности человечества в будущем.

JEL-классификация:

Цитировать публикацию:
Дудин М.Н. Технологии искусственного интеллекта как стратегический ресурс обеспечения глобальной продовольственной безопасности // Продовольственная политика и безопасность. – 2020. – Том 7. – № 1. – С. 39-57. – doi: 10.18334/ppib.7.1.100592

Dudin, M.N. (2020) Artificial Intelligence Technologies as a Strategic Resource for Global Food Security. Prodovolstvennaya politika i bezopasnost, 7(1), 39-57. doi: 10.18334/ppib.7.1.100592 (in Russian)

Приглашаем к сотрудничеству авторов научных статей

Публикация научных статей по экономике в журналах РИНЦ, ВАК (высокий импакт-фактор). Срок публикации - от 1 месяца.

creativeconomy.ru Москва + 7 495 648 6241




1. Мировая проблема голода и факторы продовольственной безопасности

Проблемы национальной и глобальной продовольственной безопасности, обусловленные глобальными проблемами человечества - хроническим недоеданием и массовым голодом, в настоящее время являются одними из наиболее актуальных в агропродовольственной сфере.

Глобальная продовольственная безопасность основана на стремлении к искоренению голода и обеспечению доступа к полноценной пище всех слоев населения планеты. Население Земли продолжает увеличиваться темпами не менее 70 миллионов человек в год, причем число голодающих радикально не снижается, несмотря на все усилия ООН, принимаемые по решению данной проблемы (табл. 1).

Таблица 1

Динамика численности и удельного веса голодающих в мире

Годы
Страдает от голода,
млн чел.
Население Земли,
млн чел.
% голодающих
2007
923
6 606
14,0
2008
963
6 681
14,4
2009
1023
6 756
15,1
2010
925
6 831
13,5
2011
814
7 050
11,5
2012
812
7 120
11,4
2013
810
7 200
11,3
2014
805
7 280
11,1
2015
785
7 364
10,7
2016
850
7 449
11,4
2017
821
7 531
10,9
2018
822
7 650
10,7
Прирост (снижение)
2018 к 2007
-101
1044
-3,2
Источник: составлено автором по данным ФАО ООН, ВОЗ ООН.

ООН поставила задачу добиться нулевого уровня голода к 2030 году. Как видно из приведенной инфографики, существующими темпами снижения удельного веса голодающих в мире поставленной задачи совершенно точно не удастся добиться (рис. 1).

Рисунок 1. Прогноз численности населения (млрд чел.) и уровня голодающих в мире (%)

Источник: составлено автором по данным ФАО ООН, ВОЗ ООН.

За 11 лет (начиная с 2007 года) число голодающих в мире снизилось всего на 101 млн человек, что сопоставимо с уровнем ежегодной оценочной погрешности. По данным за 2018 год, число голодающих составило 822 млн чел. против 923 млн чел. в 2007 году [1]. При этом население планеты выросло за этот же период на 1044 млн чел. Тем самым снижение на 3,2 % удельного веса голодающих (с 14 % в 2007 году до 10,7 % в 2018 году) вызвано не сколько снижением их количества, сколько увеличением общей численности населения. Максимум, на что можно рассчитывать при сохранении имеющихся тенденций, - это снижение уровня голодающих до 5 %. При этом население планеты возрастет до 8,5–8,6 миллиардов, тем самым число голодающих останется огромным - порядка 400–500 миллионов человек.

Таким образом, несмотря на некоторое снижение удельного веса голодающих в мире, проблема массового голода и, как следствие, глобальной продовольственной безопасности остается одной из важнейших проблем человечества.

Даже при сохранении имеющихся тенденций мировой голод непреодолим в принципе без радикального изменения формата существующих технологий агропроизводства, а также без выработки целенаправленной политики борьбы с бедностью.

Три основных фактора, влияющих на продовольственную безопасность: нищета; неблагоприятные природные явления (засухи, наводнения и, как следствие, неурожай); недостаточный объем производства (нехватка продовольствия). Причем на самом деле последний фактор – наименее значимый в действительности, потому что продовольствия в мире производится с избытком, а до 30 % всех продуктов питания уничтожается после прихода в негодность или по причине невостребованности. Поэтому настоящей причиной голода является не перенаселение, а неравномерное распределение продовольствия на планете и бедность [2]. Если голодающих в мире насчитывается 10–11 %, по мнению ООН, то страдающих ожирением уже намного больше - порядка 13 % [3].

Что касается природно-климатического фактора, то в настоящее время он утратил свою актуальность в глобальном масштабе. В средние века один неурожайный год приходился на каждые 5-10 лет и приводил к массовой гибели населения от голода. С развитием международной торговли влияние неблагоприятных факторов природной среды сведено к минимуму за счет перераспределения продовольственных ресурсов.

Другой аспект связан со структурой производства агропромышленной продукции. На производство 1 кг мяса уходит в несколько раз больше уже произведенной сельхозпродукции на корм скоту [2]. Поэтому преобладание мясного рациона негативно сказывается на самых бедных регионах, где не хватает элементарной пищи. Всем известна притча, что китаец работает за горстку риса в день. В условиях ограниченности ресурсов это на самом деле было самым рациональным решением. Мировое производство продовольствия с лихвой покрывало бы все потребности человечества в калорийной еде, если бы было рационально распределено между всеми жителями Земли [2]. Нерациональное, неравномерное распределение продуктов питания в мире, завышение цен, катастрофическая бедность и недоступность продуктов в силу нищеты - вот главные «благоприятные» факторы для развития голода в мире. Фактически все болезни – от нищеты, и голод – тому самое яркое подтверждение. Поэтому голодающие регионы мира практически полностью совпадают с территориями распространения бедности и нищеты.

Помимо трех названных основных причин, значимым фактором снижения продовольственной безопасности в настоящее время является наступление пустынь (опустынивание), что также можно причислить к природно-климатическим факторам. Еще в 80-х гг. прошлого века приводились расчеты, что на расходы военного бюджета всего двух стран - СССР и США - можно было решить проблему наступления пустынь в Африке путем построения ирригационных систем и стабильного орошения. Всю Сахару, потратив несколько триллионов долларов, за несколько лет можно было превратить в цветущий оазис. В настоящее время внешний государственный долг США превышает данную сумму в 5-10 раз. Причем за прошедшие 40 лет эта пустыня выросла практически вдвое. Раньше на карте Африки она занимала чуть более 1/5 части, а сейчас - почти 1/3.

Сегодня наступление пустынь - повсеместное явление. Сахара разрастается на юг темпами 6–10 км в год. При ширине в 4800 км это дает годовой прирост ее площади в 48 000 кв. км. Такими же или сравнимыми темпами увеличиваются другие известные пустыни - Каракум и Кызылкум в Средней Азии и другие.

Наступление пустынь явным образом влияет на проблему продовольственной безопасности, усиливает проблему голода, так как напрямую сокращает количество пригодных для сельхозугодий земель и, к сожалению, по праву занимает свое место в числе глобальных проблем современности.

Называются также и менее значимые в общемировом масштабе причины голода: военные и межнациональные конфликты, глобальное изменение климата, приводящее к ухудшению условий для ведения сельского хозяйства в ряде регионов, экономический спад, перенаселение [2, 3].

Действительно, бедность и перенаселение - неразлучная пара. Самые бедные регионы планеты, как правило, густонаселенные. Всего от голода в мире, по последним данным, страдают более 820 млн человек [4], еще порядка 1,5 миллиардов хронически недоедают [7] (Kovaleva, Kovalev, Rodionov, 2016), итого в целом на планете проживает до 2,5 миллиардов хронически недоедающих людей, т.е. практически 1/3 от общего населения Земли [7] (Kovaleva, Kovalev, Rodionov, 2016). Самый страшный результат голода - высокая смертность, в особенности среди детей. Каждые 5–7 секунд 1 человек умирает от голода, в год - свыше 5 миллионов, из них 2 миллиона - дети до 5 лет.

Фактически, чтобы преодолеть проблему массового голода, надо победить проблему нищеты. Но эта проблема неразрешима в принципе, так как ни один цивилизационный уклад не нашел подобного решения за все время существования человечества. Исключением могут считаться только отдельные страны, но такого периода, чтобы на всех пяти континентах не испытывалось острой проблемы голода, человеческая цивилизация не знает [7] (Kovaleva, Kovalev, Rodionov, 2016). Поэтому решение глобальной проблемы голода должно свестись к обеспечению всемирной продовольственной безопасности, т.е. к такому состоянию производства, наличия и доступности продовольственных ресурсов, которое позволяет на 100 % обеспечить насущные (минимальные для нормального существования) потребности в еде всего населения планеты.

2. Глобальная продовольственная безопасность: необходимые условия и ресурсы. Пути решения продовольственной проблемы

К 2050 году, по прогнозам ООН, население планеты достигнет 9,6 миллиардов жителей [8] (Trendov, Varas, Tszen, 2019). Это на 25 % больше, чем в 2019 году. Казалось бы, соответствующий прирост производства продовольствия за 30 лет (на одну четверть) гарантирует продовольственную безопасность (с учетом того, что продуктов теоретически уже и так хватает всем). На самом деле так и было бы, если бы весь объем производства продовольственной продукции в мире рационально распределялся. Но так как не все желающие имеют гарантированный доступ к продуктовой корзине в достаточном количестве в силу бедности, а объективных предпосылок для изменения существующей ситуации не предвидится, необходимо дополнительно учитывать 820 млн голодающих и порядка 1,3–1,5 млрд недоедающих в мире. Но и тут не все так просто. Нужно дополнительно учесть число пропадающей продукции. А также, вероятней всего, будет повышаться средняя калорийность пищи еще 1/3 населения, которая не испытывает острого чувства голода, но чей рацион оставляет желать лучшего как по показателям разнообразия, так и по питательности. Для сведения, довольно высок процент таких людей и в нашей стране. Это большая часть пенсионеров и члены малообеспеченных семей. Соответственно, реальный процент прироста будет гораздо выше.

Руководствуясь данными положениями, тщательно взвесив все за и против, специалисты ФАО ООН пришли к выводу, что реальный прирост продовольственной продукции к 2050 году с учетом роста населения и увеличения его продовольственной обеспеченности до минимального нормативного уровня должен составить никак не менее 70 % [9] (Ganenko, 2019).

Условно такая схемограмма представлена на рисунке 2.

Рисунок 2. Прогноз численности населения (млрд чел.) и расчет уровня прироста производства продовольсвия в мире (%)

Источник: составлено автором по данным ФАО ООН, ВОЗ ООН.

Очевидно, что прирост производства агропродовольственной продукции должен иметь опережающий характер по сравнению с ростом населения. Существующий технологический уровень развития агропромышленного производства пока не позволяет этого достичь.

Конечно же, радикальное решение проблемы голода - это полное искоренение бедности. Понятно, что данная цель недостижима в принципе.

Поэтому основными методами решения продовольственной проблемы в мире считаются:

1. Интенсификация аграрного производства, повышение продуктивности и урожайности.

2. Вовлечение в сельскохозяйственный оборот новых земель.

3. Более рациональное распределение ресурсов, пересмотр рациона в пользу растительной пищи.

Увеличение объемов производства агрокультур и продукции животноводства многие связывают с развитием биотехнологий и использованием генно-модифицированных организмов, но в контексте данной темы мы это направление не рассматриваем.

В развитых странах пересмотр рациона питания практически неосуществим - люди не пойдут на смену привычного образа питания и потребительских предпочтений.

Сельскохозяйственные площади в развитых странах использованы практически на 100 %, поэтому экспертами прогнозируется, что основной прирост агропромышленного производства будет обеспечиваться за счет развивающихся стран. Учитывая, что практически повсеместно ресурс пашни и других пригодных для сельского хозяйства земель ограничен, перспективы освоения новых земель видятся туманными. К тому же, это экстенсивный метод ведения сельского хозяйства, присущий ранним стадиям развития агропроизводства. Поэтому до 90 % роста должно достигаться за счет повышения урожайности, т.е. интенсификации аграрного производства.

За счет чего же обеспечить рост производительности, продуктивности и урожайности, если традиционные ресурсы прироста уже исчерпаны? По мнению GoldmanSachs, цифровизация агропродовольственной сферы способна обеспечить рост мирового производства сельхозпродукции на 70 % к 2050 году [14] (Truflyak, Kurchenko, Kreymer, 2019). Аналогичные прогнозы делают и другие аналитики. Таким образом, ученые во всем мире связывают возможные пути решения продовольственной проблемы с применением современных цифровых технологий.

Делаем вывод, что основным направлением обеспечения глобальной продовольственной безопасности является интенсивное развитие аграрного производства, улучшение производительности животноводства и урожайности растениеводства, а основным резервом повышения эффективности сельского хозяйства является инновационный процесс внедрения современных технологий, приоритетными из которых являются цифровые технологии, основанные на сборе, анализе, обработке и использовании больших массивов данных (Big Data). В этом процессе ключевая роль, безусловно, в будущем будет принадлежать использованию искусственного интеллекта (ИИ). Самообучающиеся системы, использующие быстрые цифровые каналы связи для передачи больших объемов данных, мощные процессоры в целях оперативной обработки информации (умная аналитика), компьютерное видение в сочетании с полностью автономной робототехникой (работающей без участия человека 24 часа в сутки) - таким видится научно-технический процесс в области аграрного производства большинству современных ученых.

3. Искусственный интеллект как фактор интенсификации и роста производительности аграрного производства

В настоящее время в аграрном производстве используются следующие основные виды цифровых технологий и автоматизированной агротехники:

1. Интернет вещей (IoT).

2. Беспроводная скоростная передача данных через широкополосный доступ к сети Интернет.

3. Удаленное управление воздушной и наземной агротехникой и робототехникой.

4. Обработка больших данных (Big Data).

5. Спутниковая навигация.

6. Электронная картография, основанная на обработке цифровых аэрофотоснимков из космоса и с беспилотных летательных аппаратов (БЛА).

5. БЛА для мониторинга и обработки земель (внесения удобрений, химикатов для борьбы с сорняками, стимуляторов роста и т.п.).

6. Наземная автоматизированная техника (тракторы, комбайны, сеялки и т.д.).

К вышеперечисленным цифровым технологиям можно добавить элементы системы управления на стадии хранения, сортировки, доставки, реализации готовой продукции:

- блокчейн-технологии (распределенные реестры цифровых данных для отслеживания сырья и готовой продукции на всех этапах производства и распределения);

- RFID-решения (маркировка растений, чипирование животных для отслеживания их перемещений, маркировка готовой продукции и др.);

- традиционные компьютерные системы управления агропроизводством (персональные ЭВМ и сети передачи данных).

Но все вышеперечисленные технологии и решения будут оставаться элементами автоматизации или информатизации, так и не достигнув уровня интеллектуальной робототехники, если не будут интегрированы в общую цифровую платформу под управлением искусственного разума. Концепция современного развития технологий в сельском хозяйстве сводит участие человека в процессе производства агропродукции к минимуму. Именно искусственный интеллект должен уже в самой ближайшей перспективе сменить человека на посту управления сложной агротехникой и аналитическими вычислительными системами [5] (Akulinin, Adamov, 2019).

Первые подобные решения уже активно внедряются в мировую сельскохозяйственную практику. Это:

1. Автоматизированные животноводческие комплексы (умные фермы, доилки, поилки, кормораздатчики, сборщики и сортировщики готовой продукции животноводства и птицеводства и т.п.).

2. Автоматические комплексы в растениеводстве (умные теплицы, парники, вертикальные фермы и т.п.).

3. Автоматические сборщики урожая в садах, полях и виноградниках (роботы под управлением искусственного интеллекта). Подобные системы только недавно начали внедряться в практику агропромышленного производства, но уже доказали свою высокую эффективность.

ИИ выступает тем самым связующим элементом, превращающим простую автоматику в автономные устройства, выводящим ее на принципиально новый уровень развития [11] (Melnikov, Gankin, Esipenko, 2019). Объективная данность, уже подтвержденная на практике, - любой аппарат должен обладать возможностями полностью автономного управления в процессе выполнения сельскохозяйственных работ. Для этого вся или большая часть агротехники должна иметь в своей системе управления элементы компьютерного зрения, умной и предиктивной (прогнозной) аналитики, машинного обучения, т.е. все то, что и причисляют к технологиям ИИ. Это касается как простых сеялок, так и сложных беспилотников, снабженных не только функциями мониторинга, но и возможностью дифференцированного внесения удобрений.

Практически все перспективные цифровые технологии аграрного производства предполагают интеграцию субкомпонентов искусственного интеллекта в процессе реализации и дальнейшего применения [6, 13] (Anishchenko, 2019; Sannikova, Bogomolova, Zhigalova, 2019). Таким образом, ИИ выступает своеобразной платформой для обеспечения глобальной продовольственной безопасности человечества в будущем.

Можно выделить следующие основные субтехнологии ИИ и примеры их применения в агропроизводстве:

1. Машинное управление по электронным картам и спутниковым навигаторам.

2. Системы умной аналитики для машинного ведения техники с использованием компьютерного зрения.

3. Системы предиктивной аналитики для анализа и прогноза ремонтов и обслуживания агротехники.

4. Машинное зрение как самостоятельный раздел ИИ для БЛА и наземной агротехники и робототехники.

5. Машинное обучение всех элементов автоматической агросистемы.

6. Системы дифференцированного внесения удобрений и химикатов на базе умной аналитики для БЛА и наземной агротехники и робототехники.

7. Автоматические системы полива и мелиорации.

8. Автоматические системы обработки почв и растений.

Указанные субтехнологии можно распределить по соответствующим группам цифровых технологий следующим образом (табл. 2):

Таблица 2

Сферы применения ИИ и робототехники в области цифровых информационных технологий сельского хозяйства

Базовая цифровая технология
Технология ИИ
Субтехнология ИИ
Практическое применение
Интернет вещей (IoT)
Умная аналитика
Машинное обучение
Предиктивная аналитика
Анализ данных в режиме текущего времени
Контроль параметров, прогнозирование ремонтов и отказов оборудования и техники
Обработка больших данных
(Big Data)
Умная аналитика
Предиктивная аналитика
Анализ данных в режиме текущего времени
Выявление закономерностей роста растений и животных, определение необходимых параметров ухода
Автономные БЛА и автоматическая наземная агротехника
Робототехника
Компьютерное зрение
Умная
аналитика
Машинное управление по электронным картам и спутниковым навигаторам
Роботы-сборщики, БЛА для мониторинга и обработки посевов
Точное земледелие
Компьютерное зрение
Компьютерное вождение
Робототехника
Умная
аналитика
Анализ спутниковых
снимков
Модели прогнозирования урожайности
Системы учета фенотипических и генетических параметров
Системы дифференцированного внесения удобрений и химикатов
Умная агротехника и роботизированные комплексы
Роботизированные комбайны, тракторы, поливальная техника и т.п.
Источник: составлено автором.

Распределение технологий и субтехнологий, приведенное в таблице 2, достаточно условно, а их список далеко не исчерпывающий, т.к. технологии ИИ тесно переплетены между собой. Поэтому четкой границы применимости различных субтехнологий практически не существует. Например, технологии умного, или точного, земледелия объединяют в себе практически все известные виды современных цифровых технологий и искусственного интеллекта - от электронной картографии, умной аналитики и интернета вещей до компьютерного зрения и машинного вождения [10, 19] (Masych, 2019; Shutkov, Dudin, Anishchenko, 2019).

Технологии ИИ обеспечивают как прямое снижение затрат за счет:

- снижения необходимого количества агротехники путем более эффективного ее использования;

- уменьшения частоты ремонтов техники;

- снижения общих расходов на обслуживание техники;

- снижения непроизводительных потерь из-за простоя техники;

так и уменьшения расходов в виде экономии:

- удобрений;

- пестицидов и других химикатов;

- топлива и ГСМ;

- фонда оплаты труда [8, 12] (Trendov, Varas, Tszen, 2019; Nonka, Borisova, 2019).

Таким образом, в такой базовой отрасли, как производство зерновых культур, по оценкам Минсельхоза России, можно сэкономить до 20–30 %, если внедрить инструменты цифрового земледелия и умного сельского хозяйства [16] (Skvortsov, Nabokov, Nekrasov, Skvortsova, Krotov, 2019).

Технологии ИИ обеспечивают рост аграрного производства как за счет более точного анализа потребностей в воде, освещенности, удобрениях, кормах путем построения систем мониторинга большого числа параметров в процессе роста растений и откорма животных, так и за счет обеспечения более полноценного и дифференцированного ухода за растениями и животными. Кроме того, не исключена возможность осуществления новых технологических прорывов за счет выявления на основе анализа больших данных, неизвестных ранее закономерностей развития животного и растительного мира [18] (Korolev, 2019).

Уже сейчас технологии искусственного интеллекта стремительно завоевывают все новые и новые направления промышленного и аграрного производства. К 2024 году прогнозируется как минимум шестикратный рост мирового рынка в области ИИ - с 21,5 млрд долларов в 2018 году до 137,5 млрд долларов США [16] (Skvortsov, Nabokov, Nekrasov, Skvortsova, Krotov, 2019).

Рост численности населения планеты и усиленное проникновение цифровых технологий во все сферы деятельности человека объективно обуславливают необходимость трансформации традиционных форм ведения сельского хозяйства с уклоном в сторону роботизации и информатизации. Внедрение технологий искусственного интеллекта в комплексные цифровые системы агропромышленного производства – один из основных способов создания высокопродуктивных продовольственных систем, поднимающих эффективность агропроизводства на принципиально новый уровень, недостижимый на более ранних стадиях развития.

Как уже говорилось, специалисты агрорынка практически единодушны во мнении, что задача обеспечения 70-процентного прироста производства продовольствия в мире к 2050 году вполне посильна путем использования цифровых технологий и искусственного интеллекта [8] (Trendov, Varas, Tszen, 2019).

В частности, по данным ФАО ООН, до сих нераскрытый потенциал урожайности зернобобовых сельхозкультур составляет в среднем около 30 %: по рису - 38 %, пшенице - 28 %, кукурузе - 30 %, сое - 25 % [8] (Trendov, Varas, Tszen, 2019). Здесь речь идет об использовании только традиционных агротехнологий.

Минсельхозпрод РФ считает, что резерв роста производительности за счет цифровизации сельхозпроизводства составляет 100 % за 5 лет.

За этот же период денежное выражение увеличения чистой прибыли в агропродовольственной сфере за счет использования ИИ составляет как минимум 3 млрд долл.

В перспективе цифровизация, ИИ и роботизация способны на 200 % увеличить производительность труда и в сопоставимых пределах увеличить урожайность.

Если прогнозы, даваемые аналитиками относительно перспектив применения ИИ в агропроизводстве, начнут сбываться, то можно всерьез рассчитывать на полное устранение продовольственной проблемы к 2050 году, а возможно, и ранее. Повышение эффективности агропроизводства должно позитивно сказаться на снижении себестоимости продукции, ограничении роста цен в розничной сети и обеспечении ее доступности среди всех слоев населения.

Рассмотрим возможный сценарий увеличения производства продовольствия в мире за счет внедрения технологий ИИ в аграрном секторе на примере зерновых и масличных культур.

По самым пессимистичным оценкам, прирост их урожайности за счет внедрения ИИ составляет 20 % на горизонте 5 лет. По самым оптимистичным - 100 % за 5 лет и до 200 % в дальнейшей перспективе к текущему уровню. Поэтому наиболее вероятный прогноз прироста урожайности за счет использования искусственного интеллекта - никак не меньше 30 % за 10 лет и 50 % за 30 лет. Этому есть и логическое подтверждение на основе статистических наблюдений.

В настоящее время резерв урожайности в развитых странах (Европа и Северная Америка), как и возможности расширения пашни, практически исчерпаны. Поэтому прирост мирового производства продукции сельского хозяйства в обозримом будущем возможен в основном за счет повсеместного внедрения цифровых технологий и повышения средней урожайности в развивающихся странах за счет совершенствования традиционных технологий земледелия, и лишь небольшая доля прироста будет обеспечиваться за счет незначительного ввода в сельхозоборот новых земель.

О том, что процесс естественного прироста урожайности в развивающихся странах за счет совершенствования традиционных технологий земледелия неизбежен, свидетельствуют статистические данные. За период 1961–2014 гг. общемировой прирост урожайности зерновых и масличных культур составил 172–177 % [1]. Клюкин Н.Ю., Гутников В.А. на языке цифр убедительно доказывают, что урожайность на территории стран бывшего СССР и многих других регионов планеты до сих пор сильно уступает не только ведущим агродержавам (Северная и Центральная Америка, Азия), но и даже среднемировому уровню - 150–250 ц с гектара против 360 ц/га [1, 17] (Staroverova, Vartanova, 2018) (правда, у автора путем анализа тех же данных получилась другая цифра - 3,27 т/га, т.е 327 ц/га). Не вдаваясь в детали, логично будет предположить, что даже без использования ИИ и цифровых технологий на большинстве территорий достижим среднемировой уровень (3,27 т/га), а потенциал роста составляет как минимум десятки процентов по странам бывшего СССР и некоторым другим регионам планеты.

Далее, как уже установлено, за счет ИИ на горизонте 30 лет обеспечивается еще как минимум 50-процентный прирост (причем во всем мире). Невозможность подобного прироста в отдельных регионах (например, в Африке) компенсируется повышенной урожайностью в Америке и Азии. То же самое касается возможного увеличения общемировой урожайности путем улучшения традиционных технологий земледелия.

Путем несложных вычислений получаем, что минимальный прирост производительности через 30 лет должен составить 75 % (табл. 3).

Таблица 3

Расчет возможного прироста урожайности и сборов зерновых и масличных культур за счет совершенствования традиционных технологий земледелия и внедрения технологий ИИ

Страны и регионы
Площадь пахотных земель, млн га
Урожайность зерновых и масличных культур, т/га
Урожай в 2019 году, млн т
Резерв прироста урожайности, т/га
Возможный урожай, млн т
Урожай с учетом прироста за счет ИИ (50%), млн т
Общий прирост
сборов в
2050 г.
Млн т
%
Африка
234,1
1,5
351,2
1,77
765,1
1147,7
796,6
226,8
Азия
441
3,8
1675,8
0,00
1675,8
2513,7
837,9
50,0
Карибский бассейн
5,3
1,8
9,5
1,47
17,3
26,0
16,4
172,4
Европа
109,9
2,9
318,7
0,37
359,2
538,8
220,1
69,1
Северная Америка
200,6
5,6
1123,4
0,00
1123,4
1685,0
561,7
50,0
Центральная Америка
28,1
5,6
157,4
0,00
157,4
236,0
78,7
50,0
Южная Америка
142,2
2,2
312,8
1,07
464,8
697,2
384,3
122,8
Австралия и Океания
48,1
3,4
163,5
0,00
163,5
245,3
81,8
50,0
Страны бывш. СССР
207,9
2,5
519,8
0,77
679,5
1019,3
499,5
96,1
Всего в мире
1417,2
3,27
4632,1
-
5406,0
8109,0
3477,0
75,1
Источник: составлено автором по данным [1], ФАО ООН.

Данный приблизительный расчет произведен без учета возможного прироста пахотных земель. Соотношение текущего и прогнозируемого роста производства агрокультур по основным агрорегионам представлено на рисунке 3.

Рисунок 3. Текущий и прогнозируемый объем производства зерновых и масличных культур за счет совершенствования традиционных технологий земледелия и внедрения технологий ИИ

Источник: составлено автором по данным [1], ФАО ООН.

Итак, чтобы добиться 70-процентного прироста производства продовольствия, достаточно за 30 лет добиться выполнения всего двух условий:

1. Минимальная базовая продуктивность с 1 га пашни должна составлять не менее 3,27 т.

2. Урожайность за счет применения цифровых технологий и ИИ должна дополнительно повыситься на 50 %.

Представляется, что в условиях стремительного темпа внедрения современных технологий и достигнутого прогресса в применении и распространении традиционных агротехнологий данная задача является вполне посильной для человечества.

Таким образом, решение продовольственной проблемы - вполне выполнимая задача, а ее решение в будущем во многом будет основано на внедрении технологий ИИ в агропродовольственную сферу.

Выводы

Проблема массового голода и, как следствие, глобальной продовольственной безопасности остается одной из важнейших проблем человечества. Даже при сохранении имеющихся тенденций мировой голод непреодолим в принципе без радикального изменения формата существующих технологий агропроизводства, а также без выработки целенаправленной политики борьбы с бедностью.

Так как самое радикальное решение проблемы голода - полное искоренение бедности - невыполнимо на данной стадии развития человечества, единственным реальным способом обеспечения глобальной продовольственной безопасности остается интенсификация аграрного производства за счет внедрения современных технологий.

Основным направлением обеспечения глобальной продовольственной безопасности является интенсивное развитие аграрного производства, улучшение производительности животноводства и урожайности растениеводства, а основным резервом повышения эффективности сельского хозяйства является инновационный процесс внедрения современных технологий, приоритетными из которых являются цифровые технологии, основанные на сборе, анализе, обработке и использовании больших массивов данных. В этом процессе ключевая роль, безусловно, в будущем будет принадлежать использованию искусственного интеллекта.

Технологии искусственного интеллекта обеспечивают повышение эффективности агропроизводства за счет наличия комплексного эффекта. Обеспечивается как прямое снижение затрат за счет экономии сырьевых, материальных, трудовых и финансовых ресурсов, удобрений и химикатов, так и рост аграрного производства за счет более точного анализа потребностей в воде, освещенности, удобрениях, кормах путем построения систем мониторинга большого числа параметров в процессе роста растений и откорма животных; за счет обеспечения более полноценного и дифференцированного ухода за растениями и животными. Кроме того, не исключена возможность осуществления новых технологических прорывов за счет выявления на основе анализа больших данных неизвестных ранее закономерностей развития животного и растительного мира.

Внедрение технологий искусственного интеллекта в комплексные цифровые системы агропромышленного производства – один из основных способов создания высокопродуктивных продовольственных систем, поднимающих эффективность агропроизводства на принципиально новый уровень, недостижимый на более ранних стадиях развития.

Практически все перспективные цифровые технологии аграрного производства предполагают интеграцию субкомпонентов искусственного интеллекта в процессе реализации и дальнейшего применения. Таким образом, искусственный интеллект выступает своеобразной платформой для обеспечения глобальной продовольственной безопасности человечества в будущем.

Решение продовольственной проблемы - вполне выполнимая задача, а ее решение в будущем во многом будет основано на внедрении технологий ИИ в агропродовольственную сферу.



Издание научных монографий от 15 т.р.!

Издайте свою монографию в хорошем качестве всего за 15 т.р.!
В базовую стоимость входит корректура текста, ISBN, DOI, УДК, ББК, обязательные экземпляры, загрузка в РИНЦ, 10 авторских экземпляров с доставкой по России.

creativeconomy.ru Москва + 7 495 648 6241



Источники:
1. Положение дел в области продовольственной безопасности и питания в мире 2019. Меры защиты от замедления роста экономики и экономических спадов. Информационный листок. Фао. [Электронный ресурс]. URL: http://www.fao.org/3/ca5302ru/ca5302ru.pdf.
2. Глобальная проблема голода и недоедания. Ultraprogress.ru. [Электронный ресурс]. URL: http://ultraprogress.ru/problemi-tsivilizatsii/globalnaya-problema-goloda-i-nedoedaniya.html.
3. Глобальный голод продолжает расти, говорится в новом докладе ООН. Всемирная организация здоровья. [Электронный ресурс]. URL: https://www.who.int/ru/news-room/detail/11-09-2018-global-hunger-continues-to-rise---new-un-report-says.
4. Положение дел в области продовольственной безопасности и питания в мире 2019. Меры защиты от замедления роста экономики и экономических спадов. Фао. [Электронный ресурс]. URL: http://www.fao.org/3/ca5162ru/ca5162ru.pdf.
5. Акулинин Ф. В., Адамов Д.В. Россия на пороге сингулярности. Искусственный интеллект, основные аспекты и сложности развития и внедрения в России и в мире // Экономические отношения. – 2019. – № 2. – c. 867-880. – doi: 10.18334/eo.9.2.40633.
6. Анищенко А.Н. «Умное» сельское хозяйство как перспективный вектор роста аграрного сектора экономики России // Продовольственная политика и безопасность. – 2019. – № 2. – c. 97-108. – doi: 10.18334/ppib.6.2.41384.
7. Ковалева Е.А., Ковалев М.О., Родионов Д.А. Проблема голода в условиях глобализации // Век глобализации. – 2016. – № 1-2(17-18). – c. 87-95.
8. Трендов Н.М., Варас С., Цзэн М. Цифровые технологии на службе сельского хозяйства и сельских районов. Продовольственная и сельскохозяйственная организация Объединенных Наций, Рим. [Электронный ресурс]. URL: http://www.fao.org/3/ca4887ru/ca4887ru.pdf.
9. Ганенко И. Инвестиции опять сменили драйверы. Какие проекты анонсировались в АПК в 2019 году. Agroinvestor.ru. [Электронный ресурс]. URL: https://www.agroinvestor.ru/investments/article/32867-investitsii-opyat-smenili-drayvery.
10. Масыч М.А. Технологии использования интеллектуальных ресурсов в контексте необходимости повышения производительности труда в условиях цифровой экономики // Вопросы инновационной экономики. – 2019. – № 4. – c. 1443-1458. – doi: 10.18334/vinec.9.4.41196.
11. Мельников О.Н., Ганькин Н.А., Есипенко Д.А. Изменение экономической роли информационного продукта при удовлетворении потребности в процессе интеллектуализации материального производства // Экономика, предпринимательство и право. – 2019. – № 4. – c. 433-444. – doi: 10.18334/epp.9.4.41515.
12. Нонка А.Ю., Борисова А.А. Кадровое обеспечение: поиск и привлечение персонала на основе технологий искусственного интеллекта // Экономика труда. – 2019. – № 2. – c. 959-970. – doi: 10.18334/et.6.2.40559.
13. Санникова Т.Д., Богомолова А.В., Жигалова В.Н. Зарубежные модели цифровой трансформации и перспективы их использования в российской практике // Экономические отношения. – 2019. – № 2. – c. 481-494. – doi: 10.18334/eo.9.2.40661.
14. Труфляк Е.В., Курченко Н.Ю., Креймер А.С. Мониторинг и прогнозирование в области цифрового сельского хозяйства по итогам 2018 г. - Краснодар: КубГАУ, 2019. – 100 c.
15. Поздняков И.И. Влияние искусственного интеллекта на развитие мировой торговли // Экономические отношения. – 2018. – № 2. – c. 173-180. – doi: 10.18334/eo.8.2.38972.
16. Скворцов Е.А., Набоков В.И., Некрасов К.В., Скворцова Е.Г., Кротов М.И. Применение технологий искусственного интеллекта в сельском хозяйстве // Аграрный вестник Урала. – 2019. – № 8(187). – c. 91-98. – doi: 10.32417/article_5d908ed78f7fc7.89378141 .
17. Староверова И.В., Вартанова М.Л. Почему аграрному производству РФ недоступны плоды научно-технического интеллекта? // Теневая экономика. – 2018. – № 3. – c. 115-124. – doi: 10.18334/tek.2.3.40551.
18. Королев И. Будущее искусственного интеллекта в России: как технологии превратятся в решения. Cnews.ru. [Электронный ресурс]. URL: https://cnews.ru/articles/2019-10-02_budushchee_iskusstvennogo_intellekta.
19. Шутьков А.А., Дудин М.Н., Анищенко А.Н. Развитие инновационной деятельности в АПК: Био-инжиниринг и интеллектуальные машины // Экономика и социум: современные модели развития. – 2019. – № 1. – c. 5-21. – doi: 10.18334/ecsoc.9.1.40534.