AI開発シンポジウム：機械学習を農家に役立てる方法について議論

この記事は、公開アカウント「Reading the Core」（ID: AI_Discovery）から転載したものです。

Courtney Heldreth 博士と Diana Akrong は、Google Research のユーザー エクスペリエンス研究者です。彼らの仕事は、農業従事者のニーズ、慣行、価値観、社会関係、そして日常の農業エコシステムの現実を Google が構築する製品に取り入れることを目指し、AI をどのように活用して発展途上国の農業従事者の生活向上に役立てることができるかを探ることです。

[[349694]]

ダイアナは Google アクラ UX チームの創設メンバーであり、コートニーは発展途上国の人々にとっての AI のリスクと機会を理解するために文化に基づいた研究を行うチームを率いる社会心理学者です。彼らは2020年5月にデイビッド・ワインバーガー氏からインタビューを受けました。

デイビッド：発展途上国の地元の小規模農場はどのような課題に直面しているのでしょうか？

コートニー：2050年までに世界の人口は25億人増えると予想されており、耕作可能な土地はますます減少し、気候変動は食糧生産に壊滅的な影響を及ぼし続けるでしょう。

ダイアナ：これらの問題は先進国よりも発展途上国に影響を及ぼします。

デビッド：将来、地球を脅かし、不平等な分配を引き起こすほど深刻な問題が無数に起こるでしょう。では、機械学習はどのような問題を解決できるのでしょうか？

ダイアナ: 衛星画像は空間分析に役立ち、天候から土壌の水分レベルまで、あらゆることについて農家に個別化された実用的な情報を提供します。しかし、多くの発展途上国では、その解像度では、これらの地域に典型的な小規模農場の詳細を捉えるには不十分です。このため、これらの農場に正確で個別のアドバイスや予測を提供することは困難です。

コートニー：それは本当に重要です。農地の地形と範囲は非常に変化するため、小さな農場で土壌水分を検出しようとすると、100 フィート離れた農場で検出するのとは大きく異なる結果になる可能性があります。さらに、発展途上国の多くの農場では、出発地と到着地を正確に区別することができません。正しいベースラインデータを確立するという大きな問題もあります…

[[349695]]

イラスト：シャノン・メイ（Google）

David: とはいえ、機械学習システムに適用されるベースライン データの精度は重要なので、実際のデータは正確である方がよいでしょう。

コートニー: はい、正確な機械学習モデルを作成するには、正しいベンチマーク データが非常に重要です。しかし、遠隔地では、データの収集には費用がかかり、手間がかかることがよくあります。たとえば、通常は一定期間にわたって農場のさまざまな場所から複数の土壌サンプルを収集する必要があります。これには、何百もの農場を訪問して大量のサンプルを収集し、それらのサンプルを研究所に送る必要があり、非常にコストがかかります。

パンデミックにより、衛星画像に基づく推奨事項を確認するために人々が外出することが困難になっている。また、固定された明確な境界の概念が文化的に重要でない場合は、どのデータがどの地理的な場所に適用されるかを判断することが困難になる可能性があります。

ダイアナ：これは社会技術的背景の重要な部分であり、テクノロジーが採用されるかどうか、またどのように採用されるかに影響を与える相互作用する要因が非常に多くあります。

デイビッド：例えば？

ダイアナ：たとえば、農村地域のネットワーク インフラストラクチャなどです。サハラ以南のアフリカの農村部では、ほとんどのインターネット接続は、カバー範囲が限られた 2G 技術に依存しています。これらの地域でネットワークを拡大することは、運用コストが高く、収益機会が少ないため困難です。これにより、これらの地域ではクラウドベースのソリューションの有用性が制限され、ある程度、データの収集と使用が制限されます。

コートニー：それは素晴らしい指摘ですね。ほとんどの政府は主に意思決定のためにデータを収集しており、個々の農家のニーズに十分応えられていません。こうした小規模農場や村の関係者の中には、テクノロジーやデータ収集への投資で十分な利益が得られないと考えている人もいますが、私たちはこれをチャンスと捉えています。こうした小規模農家がどこにいるのかをどうすれば認識できるでしょうか。小規模農家のニーズや状況をより深く理解し、AI を活用して経済的エンパワーメントを高める方法を見つけるにはどうすればよいでしょうか。

デイビッド：では、伝統的な慣習をまったく新しいものに置き換えることは考えていないのですか？

ダイアナ：全然そんなことないわ。私たちは、テクノロジーを活用することで、農業バリューチェーン全体にわたって人間の能力とやり方を強化できると信じています。

[[349696]]

画像ソース: unsplash

デイビッド：技術者にとっては意味があるが、支援したい農家にとっては役に立たないかもしれない解決策を押し付けないようにするにはどうすればいいのでしょうか？

ダイアナ：地元の農家は自分たちが直面している課題を最もよく理解しています。したがって、私たちは参加型デザイン、つまりコミュニティにとって有用でアクセスしやすいソリューションを生み出すことを強く信じています。これを実現するには、コミュニティをプロセスの一部にする必要があります。

これは、取り組みを改善し、地域社会のニーズと価値観を尊重するのに役立つだけでなく、改善された取り組みの採用を増やすことにも役立ちます。農村地域でテクノロジーが採用される方法は、地元の農家がそれを試し、気に入ったら他の農家に伝えるというものであり、口コミが最良のマーケティング チャネルとなります。

コートニー：農家向けに設計されていても、農家が協力していれば、その技術は採用されないか、普及しないでしょう。

ダイアナ：特定の作物の病気の予防に関する効果的な情報の表現方法が、農家の考え方や表現方法と一致していないケースも見られます。これは、機械学習の開発において農家の声が反映されることを私たちが主張するもう一つの理由です。

David: では、このような複雑な環境において、テクノロジーをどのように統合すれば問題解決に役立つのでしょうか?

コートニー：それは重要な質問ですね。私たちのアプローチは常に、AI の利点と地元農家のニーズとの微妙な交差点は何か、を模索してきました。農業エコシステムは、サプライヤー、農家、商人、顧客、配送システムなど、非常に複雑です。バリュー チェーン全体の専門家になることはできないとわかっているため、すべての問題を解決することはできません。

しかし、この複雑さは避けられません。このグループに有意義な技術的ソリューションを提供するには、農業、食糧安全保障、公衆衛生が密接に関連しているため、バリューチェーン全体を考慮する必要があります。作物では昆虫が増殖し、森林破壊はマラリアや栄養失調の蔓延につながる可能性があります。まだすべての答えは得られていませんが、私たちは複雑で微妙な違いのあるエコシステムを想定して設計しています。

例えば、私たちは農家の生産性向上を支援していますが、これで終わりではありません。供給量が多いと価格が下がり、農家の収入が減少する可能性がある。したがって、私たちは、コミュニティ内の他の農家が何を栽培しているかに関する情報へのアクセスを容易にし、市場へのアクセスを容易にし、有益な情報がバリューチェーン全体に渡って伝達されるようにするためにできる限りのことをする必要があります。

デイビッド：バリュー チェーン、つまりエコシステムが非常に複雑かつ重要であるにもかかわらず、規模が大きすぎて技術者として完全に理解するのは不可能だとしたら、どのように進めればよいでしょうか。

[[349697]]

画像ソース: unsplash

コートニー: 私たちのチームは、この複雑なバリューチェーンで農家が直面している課題を理解するために調査を行いました。この調査を通じて、私たちは 2 つの重要なてこポイント (複雑なシステム内で小さな変化が大きな変化を生み出す可能性がある場所として定義されます) を特定しました。

最初のてこ入れ点は、持続可能な農業慣行、つまり生物多様性を高め、土壌を豊かにし、流域を改善し、生態系サービスを強化する慣行システムを推進することです。 2 番目のてこ入れポイントは、農家にさらなる経済的安定を提供し、それによって農家の回復力を高める方法を見つけることです。

私たちがこれらの分野を調査し始めたとき、主な焦点は農家のニーズと課題を理解することにありました。だからこそ、コミュニティとのパートナーシップがとても重要なのです。本当に役立つ技術を開発するには、農家や政府との信頼関係を築いてきたパートナーを持つことが重要です。

デビッド：信頼関係の構築は、この重要な部分であるはずです。

ダイアナ：その通りです！コミュニティは信頼の上に成り立っているので、コミュニティと協力することは非常に重要です。

デビッド：プロジェクトの現在の状況はどうですか？

コートニー：私たちは非常に基礎的な、農家中心のアプローチをとっています。それは、地に足をつけて農家と話をし、彼らが何を必要とし何を望んでいるのかを理解し、それが経済的な安定、家族の安定、さらには精神的な健康にどのように結びつくのかを理解することを意味します。私たちはインド全土の農家 500 人と話し合い、彼らのニーズを理解し、AI がどのように役立つかを理解しようとしています。

その後、コロナウイルスが流行し、オフラインでの研究交流はすべて延期されました。しかし、安全である限り、私たちはこの作業を継続していきます。同時に、専門家へのインタビューにも力を入れています。

デイビッド：専門家とは誰ですか？

ダイアナ: 研究者、農学者、農業資材販売業者、農業ビジネス管理者、政策立案者、サハラ以南のアフリカ、インド、インドネシアで働く学術・農業普及員。これらの専門家は農家と密接に協力しており、その中には農家自身もいます。

デイビッド：あなたの研究結果は公表されるのでしょうか？

コートニー：できるだけ公表するつもりです。農家中心のAIに関する研究論文を発表し、農家のニーズや社会システムを理解するための枠組みを提案します。また、農家への調査結果も公表し、広く一般に公開したいと考えています。

デイビッド：いつ発売されますか？

ダイアナ：できれば今年の終わりまでにはしたいのですが、今はコロナウイルスの影響でスケジュールが狂っていて、外出が必要な仕事が多くて今はそれができません。私たちは、農家のニーズ、目標、要望を理解しながら関係を構築し、信頼を確立できるよう、農家との直接の対話を優先したいと考えています。

デビッド：成功とはどのようなものですか？

[[349698]]

画像ソース: unsplash

コートニー：それは継続的な学習プロセスです。このプロジェクトにより、より多くの小規模農家が持続可能な農業慣行を採用し、農場の生産性と回復力を高めることができれば、私たちはこのプロジェクトを成功とみなします。これが私たちが達成したいことです。

ダイアナ：個々の農家にとって、限られた資源で生産性を最大化することが重要です。生態系は非常に複雑で予測不可能であるため、適応性は重要です。防除結果の不確実性を予測し、それを軽減することができれば、農家にとってより良いこととなるでしょう。

デイビッド：農家の声によって成功が決まるというのはどういうことでしょうか？

コートニー：これが私たちの仕事の最も重要な側面です。私たちは開発プロセス全体を通じて彼らと一貫してコミュニケーションをとっています。私たちは UX 研究者であり、同じ人間であるため、農家の声が確実に聞き届けられ、失われることがないようにすることに深い配慮を持っています。