இனி எல்லாமே ஏ.ஐ - 18: பயிர் வளர்க்கும் தரவுகள்!

மண் வளத்தைக் கணிப்பதில் தொடங்கி, பயிர் செய்வது, அறுவடை செய்வது என விவசாயத்தின் எல்லா செயல்களிலும் செயற்கை நுண்ணறிவு தாக்கம் செலுத்தத் தொடங்கியிருப்பதை அறியும்போது ஒரு பக்கம் வியப்பு ஏற்பட்டாலும், இன்னொரு பக்கம் விவசாயத்தில் செயற்கை நுண்ணறிவின் தாக்கம் தேவையா எனும் கேள்வியும் எழலாம். அதிலும், விவசாயப் பாரம்பரியத்தில் ஊறியவர்களின் மத்தியில் இந்தக் கேள்வி இன்னும் பலமாக எழலாம். மேலும், செயற்கை நுட்பங்களின் பாதிப்பினால் மண் வளமும், பயிர் வளமும் பாதிக்கப்பட்டிருப்பதாகக் கருதுபவர்கள் விவசாயத்தில் செயற்கை நுண்ணறிவுப் பயன்பாட்டை இன்னும் கடுமையாக விமர்சிக்கலாம்.

ஒரு பக்கம் விவசாயம் இயற்கைக்கு நெருக்கமானதாக இருக்க வேண்டும் எனும் கருத்து வலியுறுத்தப்பட்டு வரும்போது, செயற்கை நுண்ணறிவின் பயன்பாடு முரணாக அமைவதோடு, விவசாயத்தைப் பாதிக்கும் என்றும் தோன்றலாம். ஆனால், செயற்கை நுண்ணறிவு விவசாயத்தில் பயன்படுத்தப்படும் விதத்தைப் புரிந்துகொண்டால், இதற்கான அவசியத்தையும் எளிதாகப் புரிந்துகொள்ளலாம்.

தரவுகளின் முக்கியத்துவம்

டிஜிட்டல் யுகத்தில் மற்ற எல்லா துறைகளிலும் செயற்கை நுண்ணறிவு தாக்கத்தை ஏற்படுத்திவருவது போலவே, விவசாயத்திலும் நிகழ்கிறது. இந்தப் போக்கில் இருந்து விவசாயம் விலகி நிற்க முடியாது என்பது நிதர்சனம். அது மட்டும் அல்ல, நவீன கணினியியலின் பயனை விவசாயமும் அறுவடை செய்ய வேண்டும் அல்லவா? அதனால்தான் விவசாயமும், வேகமாகத் தரவுகள் மயமாகிவருகிறது.

‘டேட்டா’ எனக் குறிப்பிடப்படும் தரவுகள், இன்றைய காலத்துக்கும் வரும் நூற்றாண்டுகளுக்குமான முக்கிய வளம் எனக் கருதப்படுகிறது. தரவுகள்தான், ‘புதிய எண்ணெய் வளம்’ (data is the new oil ) என சொல்லப்படுவதிலிருந்து இதைப் புரிந்துகொள்ளலாம். இன்னும் சரியாகப் புரிய வேண்டும் எனில், தரவுகளைப் ‘புதுயுக தங்கம்’ என்றும் வர்ணிக்கலாம். ‘இ-காமர்ஸ்’ தொடங்கி, சரக்குப் போக்குவரத்து வரை எல்லா துறைகளிலும் தரவுகள் முக்கிய அம்சமாக இருக்கின்றன.
அதோடு, மனித வரலாற்றில் முன் எப்போதும் இல்லாத அளவுக்கு, டன் கணக்கில் தரவுகளை உருவாக்க முடிவதும், அவற்றைச் சேகரித்து, சேமிப்பதும் சாத்தியமாகியிருக்கிறது. கணினிகள் மூலம் இவ்வாறு சேகரிக்கப்பட்டு, பகுத்துணரப்படும் தரவுகள், பெருந்தரவு (big data) என குறிப்பிடப்படுகின்றன. பெருந்தரவுகளுக்குள் ஒளிந்திருக்கும் சங்கதிகளைக் கண்டறியக்கூடிய ஆற்றலே, செயற்கை நுண்ணறிவின் மாயங்களில் ஒன்றாக அமைகிறது.

இந்த மாயமே, இயந்திரக் கற்றல் வடிவில் விவசாயத்தில் பெருமளவு பயன்படுகிறது. ‘இதைச் செய்’, ‘இப்படிச் செய்’ என வழிகாட்டாமல், கொடுக்கப்படும் தரவுகள் அடிப்படையில் கணினி சுயமாகவே தேவையான விஷயத்தைப் புரிந்துகொண்டு செயல்படுவதுதான் இயந்திரக் கற்றலின் அடிப்படை. புரோகிராம் செய்யப்படாமல் சுயமாகக் கற்றுக்கொள்ளும் வகையிலான புரோகிராம்கள் என இவை குறிப்பிடப்படுகின்றன.

கணினிகள் சுயமாகக் கற்றுக்கொள்ளும் விதம் தனி விளக்கத்துக்கு உரியது என்றாலும், இயந்திரக் கற்றலின் இந்த அடிப்படையானது பயிர் தேர்விலும், மண் வள ஆய்விலும், இன்னும் பிற வேளாண் செயல்களிலும் எப்படி பயன்படுகிறது என்பதை மட்டும் இங்கு பார்க்கலாம்.

கணினியின் அபார ஆற்றல்

மனிதர்களாகிய நாம் புள்ளிவிவரங்களிலிருந்து தகவல்களைப் புரிந்துகொள்வதில் வல்லவர்கள் என்றாலும், இந்தப் புள்ளிவிவரங்கள் மலையாகக் குவியத்தொடங்கினால் மலைத்துப்போய்விடுவோம். ஆனால், கணினிகள் அப்படி இல்லை. தரவுகள் அளவுக்கு அதிகமானாலும், அவற்றால் அநாயாசமாகப் பரிசீலிக்க முடியும் என்பது மட்டும் அல்ல, மனித கண்ணுக்கு புலப்படாத சங்கதிகளை எல்லாம் தகவல் கடலிலிருந்து அவற்றால் கண்டறிய முடியும்.

இதை, வார்ப்பு அறிதல் (pattern recognition) என்கின்றனர். அதாவது, சிதறிக்கிடக்கும் தரவுகளில் மறைந்திருக்கும் குறிப்பிட்ட போக்கிலான சங்கதியைக் கண்டறிதல். உதாரணத்துக்கு, இருநூறு ஆண்டுகளுக்கான மக்கள்தொகைக் கணக்கெடுப்பு விவரங்களை கணினியிடம் கொடுத்தால் போதும். நாம் கேட்கும் கேள்விகளுக்கு எல்லாம் இந்தத் தரவுகளை வைத்துக்கொண்டு பொருத்தமான பதில்களைத் தேடி அளிக்கும். ஆனால், அதற்கேற்ற அல்கோரிதமை நாம் உருவாக்கித் தர வேண்டும்.
இதே போலவே, விவசாயத்திலும் தரவுகளின் அடிப்படையில் சிறந்த செயல்முறைகளைப் பின்பற்ற செயற்கை நுண்ணறிவு கைகொடுக்கிறது. பயிர்களைத் தாக்கும் நோய்களையே எடுத்துக்கொள்வோம். இலையைப் பார்த்து, அது ஆரோக்கியமான இலையா அல்லது நோய் தாக்கியிருக்கிறதா என்பதைக் கண்டறியலாம். அனுபவம் வாய்ந்த கண்கள் இதை இன்னும் நன்றாகக் கண்டறியும். ஆனால், நோய்க் கண்டறிதலில் செயற்கை நுண்ணறிவு ஆற்றல் கொண்ட மென்பொருளைப் பயன்படுத்தினால் அதன் செயல்பாடு வேறுவிதமாக இருக்கும்.

நோய் பாதித்த இலைகளை எல்லாம் புகைப்படங்களாகக் கணினியிடம் சமர்ப்பித்தால் போதும். அவற்றைக் கொண்டு பயிற்சி பெறும் கணினி, அடுத்த முறை தன்னிடம் காண்பிக்கப்படும் இலையை ஸ்கேன் செய்து, அதன் தன்மையைக் கச்சிதமாகச் சொல்லிவிடும். நோய் பாதிப்பு இருந்தால் கண்டறிந்து சொல்வதோடு, அதை மனித கண்கள் உணர்வதற்கு முன்னதாகவே சொல்லிவிடும்.

படக் கணக்கு

நொடிப்பொழுதில் லட்சக்கணக்காண படங்களைப் பார்த்து, அவற்றின் பொதுத்தன்மை மற்றும் வேறுபாடுகளை அல்கோரிதம் துணை கொண்டு கணக்குப் போட்டுப்பார்த்துப் புதிதாகக் கொடுக்கப்படும் இலையின் தன்மையை அதனால் சரியாக ஆய்வுசெய்து சொல்லிவிட முடியும்.

மண் வளத்திலும் இப்படித்தான் செயற்கை நுண்ணறிவு செயல்படுகிறது. குறிப்பிட்ட வகை நிலத்தில் நூறு ஆண்டு காலப் பயிர் சாகுபடி விவரங்களையும், நிலத்தின் தற்போதைய தன்மையையும் தெரிவித்தால் போதும். அந்த மண்ணில் இந்தப் பருவத்தில் விளைச்சல் எப்படி இருக்கும் எனும் கணிப்பை அளிக்கும்.

இதற்காகத்தான், மண்ணில் சென்ஸார்களைப் பதித்தும், வயல்வெளியை ட்ரோன் மூலம் படம்பிடித்தும், இன்னும் சாத்தியமான வழிகளில் எல்லாம் தரவுகளைச் சேகரிக்கின்றனர். இந்தத் தரவுகளைக் கொண்டு இயந்திரக் கற்றல் மென்பொருட்களும், செயற்கை நுண்ணறிவு நுணுக்கங்களும் பயிர் வளர்க்க வழிகாட்டுகின்றன.

தரவுப் பாதுகாப்பு

மண்ணிலிருந்து சேகரிக்கப்படும் தரவுகள், விவசாயிகளுக்குப் பயிர் ஆலோசனை வழங்க உதவுவதோடு, பயிர்க் கடன் பெறவும் கைகொடுக்கலாம். ஆம், குறிப்பிட்ட நிலப்பகுதியின் பயிர் வரலாறு, தற்போதை மண் வளம், பாசனம், சந்தை நிலவரம் உள்ளிட்ட தரவுகளை அடிப்படையாகக் கொண்டு அலசி ஆராய்ந்தால், அந்த நிலத்தின் விளைச்சலையும், அது பெற்றுத்தரக்கூடிய பலனையும் கணிக்கலாம். வங்கி அல்லது கூட்டுறவு சங்கம் இந்தக் கணிப்பின் அடிப்படையில் விவசாயிக்கும் இன்னும் தைரியமாகக் கடன் வழங்க முன்வரலாம். அந்த வகையில் தரவுகள் என்பது விவசாயிகளுக்கான பாதுகாப்பாகவும் அமையும்!

(தொடரும்)