Najveća mreža poljoprivrednih institucija na svetu, CGIAR, koja okuplja oko petnaest svetskih centara za istraživanje poljoprivrede, organizovala je u Najrobiju finale takmičenja u digitalnim inovacima, sa ciljem da se pomoću njih konačno reši problem nedostatka hrane koji pogađa „kolevku čovečanstva“.
U žiriju su bili svetski stručnjaci iz oblasti poljoprivrede ali i članovi USAID-a, Ujedinjenih nacija i fondacije Bila i Melinde Gejts kao jednih od finansijera celog izazova. CGIAR fondacija se, štaviše, finansira upravo preko dobrovoljnih priloga, ali i pomoću vlada zapadnih zemalja kao što su SAD, Britanija, Nemačka, Švajcarska.
Za takmičenje se prijavilo 130 timova, dvanaest je prošlo u finale, a pet timova je osvojilo finansijska sredstva u vrednosti od 100.000 dolara da sprovedu svoju ideju u delo. Jedan od tih timova, na čelu sa Oskarom Markom, došao je iz novosadskog Instituta BioSens. Oskar je ponosan na uspeh svog tima, kao i na celokupno iskustvo koje su poneli iz Najrobija.
Šta je bio osnovni zadatak koji je postavljen pred učesnike ovog takmičenja?
CGIAR je organizovao takmičenje koje se tiče primene „big data“ u poljoprivredi. Naziv takmičenja je „Inspire Challenge“, to jest „Inspirišući izazov“, a njegov cilj je da se neke od visokih tehnologija primene u poljoprivredi kako bi se povećali prinosi, smanjili rizici proizvodnje, i kako bi se do 2050. godine ispunili ciljevi koje su Ujedinjene nacije zacrtale – povećanje proizvodnje hrane za čak 70% koliko je potrebno da bi se prehranilo stanovništvo budućnosti.
U Najrobiju je bilo sjajno, iako smo mi kao finalisti izazova poslednjeg dana morali u pet minuta da prezentujemo kompletnu ideju, što je bilo nezgodno, ali je poruka preneta i komisija ju je prepoznala.
Sa kakvom idejom je nastupio BioSens? Kako bi se to Afrika zapravo mogla „nahraniti“?
Naše istraživanje na ovu temu, izbora semena, započeto je pre oko 3-4 godine kada smo se prvi put prijavili na “Syngenta Crop Challenge”, još jedan izazov u primeni mašinskog učenja u poljoprivredi. Tada smo u konkurenciji MIT-a, Stenforda i drugih istaknutih američkih i evropskih univerziteta osvojili prvu nagradu, što nam je dalo podstrek da nastavimo sa istraživanjem.
Za Sindžentin izazov smo razvili algoritam za pametnu selekciju semena soje koji samo na osnovu izbora semena povećava prinose za 5-10%, što je fantastičan rezultat naročito ako uzmete u obzir da dodatna investicija za izbor semena ne postoji! Rešenje smo za CGIAR-ov izazov dopunili raznim drugim modulima, satelitskim snimcima, podacima o zemljištu, informacijama sa različitih meteo stanica, i dizajnirali sveobuhvatan sistem koji je veoma kompleksan a pritom odgovara na jednostavno pitanje – koje seme izabrati.
Da li ste očekivali ovoliki uspeh i koliko ste kao predstavnik naše zemlje išli „u korak“ sa drugim takmičarima?
Iskreno, ja sam optimista i odavno sam stekao samopouzdanje u sve ovo što radimo u BioSensu, tako da sam očekivao dobar rezultat. Imamo sjajnu ideju koja može da se primeni u praksi i pomogne afričkim zemljama da izađu iz krize kada je o hrani reč.
Naše rešenje je bilo potpuno drugačije od ostalih. Nudila su se rešenja kao što je praćenje ribara u Australiji GPS-om ili aplikacija za pijace u Vijetnamu, brojne ideje kojima je zajedničko bilo to što najpre zahtevaju razvoj prototipa. Upotrebna vrednost prototipa se najpre mora potvrditi u praksi na lokalnom nivou, a zatim sledi omasovljavanje i popularizacija njegovog korišćenja u Africi.
Kako i u kom pravcu razmišljaju drugi istraživački centri ovog tipa u svetu? Šta se može naučiti od njih, a šta oni mogu naučiti od nas?
Ima različitih istraživačkih centara, i njihovi fokusi su razni – neko posmatra uticaj nekoliko tipova đubriva na useve, ili klimatskih promena, a naš pristup je na granici između IT-a i poljoprivrede. To nas razlikuje od drugih. Postoje i timovi koji koriste satelitske snimke i mašinsko učenje, ali BioSens je jedinstven po tome što sve te elemente okuplja na jednom mestu.
Vaša ideja pametnog biranja semena zapravo uprošćava ceo poljoprivredni proces, koliko se digitalizacija u poljoprivredi uopšte može oslanjati na slična „uprošćavanja infrastrukture“? Koliku ulogu u svemu tome ima „big data“?
Živimo u vremenu u kojem je precizna poljoprivreda uzela maha, i to podrazumeva donošenje odluka na najsitnijoj mogućoj „rezoluciji“, gde za bukvalno svaki metar njive imamo različite preporuke. Nama je cilj da automatizujemo ceo proces odlučivanja, od sejanja preko đubrenja i primene pesticida sve do žetve, jer tradicionalna metoda podrazumeva odluke zasnovane isključivo na osnovu prethodnog iskustva i agronomskog znanja.
Danas su ipak dostupne zaista velike količine podataka, i bilo koji algoritam mašinskog učenja u toj situaciji može da bude bolji od eksperta, ne zato što inženjeri bolje razumeju posao agronoma – naprotiv, agronomi će uvek znati više i biće nam potrebni da potvrde naše nalaze – već zato što je za bilo kojeg pojedinačnog eksperta tolika količina podataka nedokučiva.
Ima li sluha za ovu i slične ideje kod naših poljoprivrednika, iako klimatski nismo slični Africi?
Kako da ne, naš cilj za sve tehnologije koje razvijamo za Ameriku, Afriku ili Meksiko primenimo i kod nas, jer ipak smo domaći institut koji učestvuje u celom lancu proizvodnje u Srbiji i hoćemo da doprinesemo razvoju srpske poljoprivrede.
Ono što je problem u Srbiji jeste što imamo nedovoljnu količinu podataka. U okviru ovog projekta, recimo, sarađujemo sa meksičkim institutom za kukuruz CIMMYT, koji ima podatke od prethodnih desetak godina za hiljadu poljoprivrednika sa po više njiva, što se sabira u stotine hiljada podataka. Mi to nemamo, ali idemo ka tome, imamo veoma dobru saradnju sa nekoliko poljoprivrednih kompanija koje su nam ustupile svoje podatke kako bismo “istrenirali” algoritme na domaćim podacima, i primenili ih kod nas.
Započeli smo i proces sakupljanja podataka kroz web platformu AgroSens, lansiranu u oktobru. Do sada smo zadobili poverenje preko deset hiljada korisnika, oni su naša najveća šansa za dvosmernu komunikaciju – mi njima pružamo vremensku prognozu, podatke sa satelita, satelitske vegetacione indekse i mogućnost da vode digitalne dnevnike polja, a zauzvrat dobijamo podatke od njih koje koristimo u anonimiziranom obliku kako bismo razvili svoje algoritme.
Dakle, ne koristimo podatke da je Petar Petrović iz Mošorina imao prinos od devet tona na njivi (smeh), nego jednostavno koristimo podatke uspešnosti neke sorte, hibrida, na određenoj GPS lokaciji, na određenom tipu zemljišta i pod određenim padavinama. U momentu kada se nakupi dovoljno takvih podataka, pokrenućemo algoritme i biću veoma srećan kada njima u Srbiji budemo mogli da pomognemo svim našim poljoprivrednicima.
Kakva je budućnost Instituta BioSens i šta očekujete od partnerstva sa CIMMYT-om iz Meksika?
Veoma je interesantno da je CIMMYT sarađivao sa našim institutima još sedamdesetih-osamdesetih godina prošlog veka. Svaki hibrid kukuruza koji razviju oni bi slali istraživačkim institucijama širom sveta, pa i našem Institutu za ratarstvo i povrtarstvo, tako da mi već imamo dugu tradiciju saradnje sa Meksikancima.
Trenutno se saradnja sa domenskog znanja i poljoprivrednih eksperimenata prebacuje i na IT deo, odnosno na primenu IT-a u poljoprivredi i nadam se da je to početak još jednog divnog prijateljstva.
