Google объявила о распространении своих основополагающих моделей искусственного интеллекта для сельского хозяйства на более широкий Азиатско-Тихоокеанский регион, продемонстрировав глобальную масштабируемость инноваций, ориентированных на Индию. API-интерфейсы «Понимание сельскохозяйственного ландшафта» (ALU) и «Сельскохозяйственный мониторинг и обнаружение событий» (AMED), которые расширяют возможности экосистемы стартапов и государственных органов в Индии, теперь доступны доверенным тестировщикам в Малайзии, Индонезии, Вьетнаме и Японии.
Эти свободно доступные API используют дистанционное зондирование и машинное обучение для предоставления гиперлокальной информации, направленной на решение некоторых из наиболее глубоких проблем в сельском хозяйстве. Чтобы понять технологию, ее влияние и концепцию этого расширения, я поговорил с Алоком Талекаром, руководителем отдела исследований в области сельского хозяйства и устойчивого развития в Google DeepMind, и Авнит Сингх, менеджером по продукту в команде Google по инновациям для партнеров.
Проблема: фрагментированная и нехватка данных
Сельское хозяйство, особенно в такой огромной стране, как Индия, не является монолитом. Это сложная, фрагментированная экосистема, в которой решения, работающие в одном состоянии, могут оказаться совершенно неэффективными в другом. Это основная проблема, которую Google намеревается решить.
Когда Алока Талекара спросили о ключевой проблеме, которую определила его команда, он ясно дал понять. «По большому счету, все хотят поступать правильно, но сельское хозяйство в стране очень разнообразно», — пояснил он. «И у них просто нет подходящих инструментов и доступа к информации».
Исторически сельскохозяйственные данные агрегировались на высоком уровне – районном, квартальном или, возможно, деревенском. По словам Авнит Сингх, это недостаточно детализировано. «Правильное вмешательство, правильные рекомендации необходимы на индивидуальном уровне», — отметил Сингх. «Это пробел, который мы надеемся устранить».
Без данных на местах принятие решений становится тупым и неэффективным. Как пояснил Талекар: «Не существует единой серебряной пули. Ответ, который верен, скажем, для Кералы, может быть неверным в Бихаре, может быть неверным во Вьетнаме. Поэтому должны быть разные местные решения, которые необходимо принимать повсюду. Вам нужна базовая база данных, которая поможет вам принимать решения, основанные на данных».
Решение: основополагающий искусственный интеллект для цифрового сбора урожая
Вместо создания одного приложения Google разработала две фундаментальные модели, которые служат базовым слоем для всей экосистемы.
Понимание сельскохозяйственных ландшафтов (ALU): это первый уровень, запущенный в Индии в октябре 2024 года. Как описал Авнит Сингх: «ALU — это наша попытка разделить сельскохозяйственный ландшафт на несколько классов». Используя спутниковые снимки, он определяет и проводит границы отдельных полей, водоемов и растительности, по сути создавая подробную цифровую карту сельскохозяйственного ландшафта.
Сельскохозяйственный мониторинг и обнаружение событий (AMED): основанный на ALU API AMED, выпущенный в июле 2025 года, обеспечивает динамическую аналитику. «Именно здесь мы начинаем смотреть на то, что происходит на отдельном месторождении», — сказал Сингх. AMED может идентифицировать текущую выращиваемую культуру, рассчитать площадь поля и отслеживать ключевые события, такие как даты посева и сбора урожая. Важно отметить, что данные обновляются каждые 15 дней, что позволяет осуществлять мониторинг практически в реальном времени.
Вместе эти модели предоставляют мощный, объективный набор данных, который ранее был недоступен. «Мы открываем поток данных, которые ранее были недоступны», — заявил Талекар. «Это объявление о запуске — не конец пути, а начало пути, на котором, как мы ожидаем, партнеры начнут использовать эти данные».
Как это работает: данные, точность и уникальные преимущества Google
В основе этих моделей лежит огромный кладезь геопространственных данных. «В первую очередь все эти модели зависят от данных наблюдения Земли, в основном полученных из спутниковых изображений, либо общедоступных спутниковых изображений, либо лицензированных спутниковых изображений, которые есть у Google», — пояснил Талекар.
Он объяснил, что десятилетия инвестиций Google в геопространственные технологии, такие как Google Maps, дают уникальное преимущество. Это открывает возможности, которые когда-то были исключительной прерогативой крупных сельскохозяйственных корпораций для мелких фермеров.
Но в случае с ИИ точность и предвзятость всегда являются ключевыми проблемами. Талекар откровенно говорил о проблемах. «Любая модель, которая работает в таких огромных масштабах… не будет везде абсолютно точной. Любой может пойти и найти какое-то поле, в котором мы ошибаемся», — признал он. «Но какая статистическая точность вам нужна в масштабе, который сделает это полезным? Это вопрос, на который необходимо ответить конкретно для каждого варианта использования».
Чтобы гарантировать полезность моделей, Google использует многостороннюю стратегию проверки, включая стандартные проверки машинного обучения, сравнение с совокупными данными государственной переписи населения и независимые выборочные проверки третьими сторонами, такими как стартап TerraStack и правительство Теланганы.
Реальное влияние: от урожайности к доступу к кредитам
Итак, какую пользу эта технология принесет фермеру, у которого мало знаний об API или искусственном интеллекте? Воздействие осуществляется через партнеров по экосистеме, которые используют модели Google.
Авнит Сингх привел практический пример: компания AgriTech, стремящаяся помочь фермерам максимизировать урожайность. «Они могут в масштабе любого района, любого квартала, любого региона определить, на каких полях есть урожай… и они могут обеспечить такое вмешательство», — сказал он. API сообщает им, когда был посеян урожай и его историю, что позволяет давать целевые и эффективные советы.
Возможно, еще более преобразующим является влияние на доступ к финансовым ресурсам. Алок Талекар нарисовал яркую картину нынешнего кредитного ландшафта для многих фермеров. «Как правило, они не могут обратиться в банк напрямую, потому что затраты банка на проверку того, что фермер… выращивает какой-то урожай… слишком обременительны», — пояснил он. «Стоимость отправки кого-либо слишком велика; зачастую она сравнима с размером кредита». Это подталкивает фермеров к вторичным рынкам с грабительскими ставками по кредитам.
Модели Google предлагают решение, предоставляя беспристрастный и недорогой способ проверки сельскохозяйственной деятельности. Это снижает риск и затраты для финансовых учреждений, потенциально открывая справедливый и доступный кредит для миллионов людей. В Индии финтех-компания Sugee.io уже интегрирует знания API для повышения эффективности подачи заявок на кредит и управления им.
Экосистема в цвету
В Индии модели уже используются в различных важных проектах:
Криши ДСС: API-интерфейсы ALU и AMED интегрируются в эту национальную платформу Министерства сельского хозяйства, помогая политикам принимать обоснованные решения.
Правительство Теланганы: Штат использует модели на своей платформе AdEx, открытом обмене данными для сельскохозяйственных решений.
Совет по энергетике, окружающей среде и водным ресурсам (CEEW): Аналитический центр планирует использовать API для разработки нового механизма дифференцированной поддержки доходов, подталкивая фермеров к выращиванию более экологически чистых культур.
Глобальное видение, рожденное в Индии
Успех этого экосистемного подхода в Индии является движущей силой расширения в Малайзию, Индонезию, Вьетнам и Японию.
В официальном заявлении Талекар заявил: «Мы воодушевлены и надеемся, что, расширяя преимущества этих API в Азиатско-Тихоокеанском регионе, мы увидим аналогичное воздействие и потенциальные возможности во всем регионе, что соответствует убеждению, которого мы придерживались на протяжении всего нашего путешествия по искусственному интеллекту в Индии: решения, которые решают самые насущные проблемы Индии, могут также решить и мир».
Когда его спросили о конфиденциальности данных, Сингх ответил решительно. Данные являются чисто геопространственными и не содержат никакой информации, позволяющей установить личность (PII). «В этом нет никакой концепции собственности», — заявил он, гарантируя защиту конфиденциальности фермеров.
