人类已经重新配置了世界一半的土地来种植八种主要作物：玉米、大豆、小麦、水稻、木薯、高粱、甘薯和马铃薯。它们占世界各地人们消耗的绝大多数卡路里。随着全球人口的增长，存在进一步扩大生产的压力。

许多专家认为，进一步扩大现代工业化农业——严重依赖合成肥料、化学农药和高产种子——并不是养活不断增长的世界人口的正确方法。在他们看来，这种方法在生态或经济上都是不可持续的，农民和科学家都感觉自己被困在这个系统中。

社会如何才能开发出满足其需求且更加健康和多样化的食品系统?事实证明，很难像工业化农业那样广泛推广有机农业等替代方法。

在最近的一项研究中，我们从计算机科学家和作物科学家的角度考虑了这个问题。我们和我们的同事BryanRunck、AdamStreed、DianeR.Wang和PatrickM.Ewing提出了一种重新思考农业系统如何设计和实施的方法，使用计算机科学的中心思想——抽象——总结数据和概念并组织它们通过计算，我们可以分析它们并对其采取行动，而不必不断检查它们的内部细节。

产量大、影响大

20世纪中叶，现代农业的集约化只用了短短几十年的时间，这在人类历史上只是一眨眼的功夫。技术进步引领了潮流，包括合成肥料的开发和改善植物育种的统计方法。

这些进步使农场能够生产更多的食物，但是以牺牲环境为代价的。大规模农业推动了气候变化、养分径流污染了湖泊和海湾，并将自然景观转变为单一作物种植田，加速了物种丧失。

许多美国农民和农业研究人员希望种植更广泛的作物并使用更可持续的耕作方法。但他们很难弄清楚哪些新系统可以表现良好，尤其是在气候变化的情况下。影响较低的农业系统通常需要深厚的当地知识，以及对植物、天气和气候模型、地质学等的百科全书式了解。

这就是我们的新方法的用武之地。

玉米向全球商品的演变表明工业化农业如何改变了农业。

作为国家空间的农场

当计算机科学家思考复杂问题时，他们经常使用一个称为状态空间的概念。这种方法在数学上代表了系统配置的所有可能方式。在空间中移动需要做出选择，而这些选择会改变系统的状态，无论好坏。

举个例子，考虑有一个棋盘和两个玩家的国际象棋游戏。棋盘在某一时刻的每个配置都是游戏的一个状态。当玩家采取行动时，会将游戏切换到另一种状态。

整个游戏可以用它的“状态空间”来描述——通过玩家做出的有效动作，游戏可能处于的所有可能状态。在游戏过程中，每个玩家都在寻找对自己更有利的状态。

我们可以将农业系统视为特定生态系统中的状态空间。农场及其在任何时刻的植物物种布局都代表该状态空间中的一个状态。农民正在寻找更好的状态并试图避免坏的状态。

人类和自然都将农场从一种状态转移到另一种状态。在任何一天，农民都可能在土地上做十几种不同的事情，例如耕种、播种、除草、收割或施肥。自然会导致较小的状态转变，例如植物生长和降雨，以及在洪水或野火等自然灾害期间发生更剧烈的状态转变。

寻找协同效应

将农业系统视为国家空间可以使农民的选择范围扩大到当今农业系统提供的有限选择之外。

个体农民没有时间也没有能力在自己的土地上进行多年的反复试验。但计算系统可以利用来自许多不同环境和思想流派的农业知识，与自然下一场隐喻的国际象棋游戏，帮助农民确定适合他们土地的最佳选择。

气候变化正在改变玉米和小麦等主要作物的种植区域，在某些情况下减少产量，在另一些情况下增加产量。

传统农业限制了农民对植物品种、耕作方法和投入的几种选择。我们的框架使考虑更高层次的策略成为可能，例如一起种植多种作物或寻找最适合特定土地的管理技术。用户可以搜索状态空间，考虑哪些方法、物种和地点的组合可以实现这些目标。

例如，如果科学家想要测试五次作物轮作(在同一块土地上种植计划的作物序列)，每轮持续四年，种植七种植物，这代表了721次潜在的轮作。我们的方法可以利用长期生态研究的信息来帮助找到最佳的潜在系统进行测试。

我们看到巨大潜力的一个领域是间作——混合种植或紧密种植不同的植物。人们早就知道许多特定植物的组合可以很好地一起生长，每种植物都以某种方式帮助其他植物。

最熟悉的例子是美洲原住民种植的“三姐妹”玉米、南瓜和豆类。玉米秆充当豆藤攀爬的棚架，而南瓜叶则遮荫地面，保持地面湿润，防止杂草发芽。豆类植物根部的细菌为这三种植物提供必需的营养物质氮。

整个人类历史上的文化都有自己喜欢的具有相似协同作用的间作系统，例如姜黄和芒果或小米、豇豆和枣子(俗称红枣)。农业光伏的新研究表明，将太阳能电池板和农业结合起来可以取得惊人的效果：太阳能电池板部分地遮蔽了生长在其下方的农作物，农民通过在自己的土地上生产可再生能源来赚取额外收入。

替代农场策略建模

我们正在努力将我们的框架转变为人们可以用来将农业建模为状态空间的软件。目标是让用户能够根据自己的直觉考虑替代设计，最大限度地减少现在测试农业新想法所需的昂贵的试验和错误。

当今的方法主要是对现有的、通常不可持续的农业系统进行建模和优化。我们的框架能够发现新的农业系统，然后在这些新系统中进行优化。

用户还能够向基于人工智能的代理指定他们的目标，该代理可以执行农场状态空间的搜索，就像它可能搜索棋盘的状态空间以选择获胜的动作一样。

与一个世纪前相比，现代社会可以获得更多的植物物种以及更多关于不同物种和环境如何相互作用的信息。我们认为，农业系统在利用所有这些知识方面做得还不够。通过计算将其结合起来可以帮助农业在快速变化的世界中变得更加高效、健康和可持续。

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：