嫦娥五号登月期间，登月地点由人工智能自主决定。
AI就像一位经验丰富的“宇航员”，边走边搜索，终于找到了合适的登陆地点。
如今，人工智能技术也被引入到草莓种植中。
在云南昆明的一个玻璃温室里，AI就像一个“老师傅”，可以精确控制水肥灌溉系统，照顾一排排草莓苗。
人工智能草莓种植的背后，中国杰出人工智能科学家正在将科幻小说中的“无人农场”变为现实。
林森是国家农业智能装备技术研究中心的博士生，郑建峰是农业农村部设施农业工程重点实验室的博士生。
他们共同参加了联合国粮食及农业组织指导下中国农业大学与拼多多举办的首届“多多农研科技大赛”。
12月16日，他们组成的Cyber??Farmer·HortiGraph团队经过多轮激烈角逐，最终夺得多多农研技术大赛AI冠军队，成为数字农业领域的后起之秀。
▲Cyber??Farmer·HortiGraph团队荣获冠军多多农业研究技术大赛冠军，林森右二，郑建峰右三。
（龙宇春摄） 初赛阶段，郑建峰和林森带领的团队原本是对手。
由于并列第四名，两队被合并为混合组。
两支球队风格相似，都属于“学院派”。
团队成员来自中国农业大学、比利时根特大学、中国农业科学院、国家农业智能装备工程研究中心。
他们之前的团队名称分别是“Cyber??Farmer”和“HortiGraph”。
前者意为“网络农民”，后者意为“园艺地图”。
这些年轻的学者都想用科技来做更酷的事情。
极客和理性是这两支球队的特点。
比赛中，HortiGraph的技术优势是人工智能，Cyber??Farmer团队的技术优势是草莓管理和草莓模型。
决赛中，合并队伍的名称为“Cyber??Farmer.HortiGraph United”。
除了三支AI队伍外，他们的对手还引进了来自辽宁丹东、江苏镇江、安徽长丰的草莓种植专家。
在这场人工智能与传统农民的较量中，他们用9种算法，将人工智能技术、专家经验、模型系统融为一体，让草莓种植成为年轻人眼中性感的工作。
作为一个在工业奏鸣曲中不断奔跑的科研人员，“你必须坐十年板凳，写出半空文章”。
林森在学生时代的笔记本扉页上写下了这句话。
在他的学术生涯中，林森认为自己并不是一个优秀的尖子生，而只是一个在学术道路上不断坚持的人。
本科毕业后，林森和他的大多数同学一样，进入了一家电子公司，成为了一名工程师。
宿舍和工作区、米的距离、两点一线的生活以及与测试和调试相关的单调工作很快消磨了林森的热情。
“虽然当时的收入已经很好了，但公司内部存在很多隐藏的壁垒，而且因为是外资公司，本地工程师就会被排除在外。
”林森说道。
重拾学术梦想，辞职考研成为他的选择。
2008年，林森顺利考入重庆大学攻读硕士学位。
三年后，他进入中国科学院高能物理研究所。
2006年，林森通过人才引进来到北京农林科学院，专门从事农业智能装备研究。
2016年，林森在沉阳农业大学学习农业信息。
化学技术博士学位。
▲Cyber??Farmer·HortiGraph团队成员林森（左一）、杨浩（左二）、王英丽（左三）正在与赛事技术专家沟通调试环境控制设施。
（木工摄） 一晃11年了，林森还保留着考研时的笔记。
企业经验并非没有缺点。
在林森看来，科学研究必须做好随时离开实验室的准备。
特别是在农业科学研究方面，价值是在广阔的领域中实现的。
在近年的科研生涯中，林森与科研伙伴打造了农业机器人操作系统，包括农业园区巡检机器人、采摘机器人、轨道自主导航运输机器人、无人喷洒机器人、智能管控语音等。
服务机器人、授粉机器人和机器人调度系统。
负责运输、喷洒农药、授粉、检验等。
郑建峰的团队主要来自中国农业大学。
在科研之路上，郑建峰和林森有同样的感受，“科研成果必须经得起推敲和实践”。
▲Cyber??Farmer·HortiGraph团队成员郑建峰（右一）实验正在进行中。
（摄影：木工） 做持续在产业实践中奔跑的研究者，是他们两个科研团队的共同理念。
在本次比赛中，林森和郑建峰团队希望通过与其他团队的讨论，探索出一种可以提高生产效率的数字化草莓种植方案，并形成可复制和推广的模式。
郑建峰表示：“我希望我们在比赛中实践的技术能够形成产品。
这样的技术产品可以帮助小农提高生产效率，给小农带来真金白银，让他们从中受益。
” 《人机共舞》是美国导演克里斯·哥伦布执导的一部科幻电影，片中的机器人管家具有好奇心，在艺术创作上表现出非凡的创造力，具有“人性”。
这个机器进化成人类的故事实际上并不是真正的人工智能。
林森认为，“当前的人工智能是以知识、算法、算力为代表的弱人工智能。
人工智能的更高形态应该是由知识、数据、算法、算力等要素构建的更强大的人工智能。
目前，农业的发展应该是人与机器共同协作的局面，决策系统与专家经验和人工智能相结合，通过有管理的管理和控制方法，最终形成“人与机器”的新模式。
跳舞”。
”林森和他的团队建立了一个新模型。
将专家经验与人工智能相结合的智能决策系统。
▲7月22日，在多多农研技术大赛媒体开放日上，林森介绍了团队研发的智能决策系统（木工供图）。
在这个系统中，他们的团队首先结合种植者经验、环境数据和草莓图像数据进行标准化，建立了标准化的作物种植知识结构，并构建了智能决策的知识图谱。
第二步，知识图谱的决策结果将输出到温室控制模型系统。
第三步，温室内的传感器会反馈环境参数和作物生长状况。
这些数据会反馈到知识图谱，知识图谱会决定是否纠正。
。
简而言之，就是翻译和学习。
翻译的过程就是数据结构化的过程。
首先将草莓种植的所有要素“翻译”成计算机可以理解的数据，然后将过去的人工种植经验传授给AI，让AI进行学习，最后由AI做出决策关于生产。
在这个过程中，玻璃温室里的各种传感器就像人工智能的眼睛。
通过它们，完整地记录了草莓的生长过程。
温度、土壤、水和养分已成为可见的数据。
借助数据，人工智能将草莓种植转变为关于选择和决策的数学游戏。
▲Cyber??Farmer·HortiGraph安装在AI温室的摄像头利用图像识别算法智能检测草莓的生长状况。
（木工摄） 团队成员龙杰华说：“我们主要利用机器视觉、知识图谱和模型相结合的方式，构建标准化的草莓种植知识结构。
”团队成员张宇介绍，数据和专家参与决策。
标准化、知识化是最重要的。
可解释的知识越多，方法和决策就越准确。
“比如AlphaGo，这是一个机器和人结合的决策，我们也是一样。
我们先把种植方式标准化，在这个框架内填写我们的经验，相当于填写一张地图。
填写得越多，就越准确，这是我们的总体思路。
”在构建草莓模型方面，郑建峰介绍说，种植策略采用了与植物对话、计算的智能环境控制技术（SPA技术）。
每小时计算参考作物的能耗，然后调整水肥灌溉。
数量。
“这就像邀请了一位种植草莓的老师傅。
”该系统的缺点是，一旦传感器出现问题，所有人工智能干预都将无效，甚至可能导致秧苗被烧死或死亡。
“Cyber??Farmer·HortiGraph联盟”就遇到了这种情况。
比赛过程中，水质检测处理装置出现偏差，导致水体pH值出现波动，直接导致草莓生长不及预期。
“我们开了一天的电话会议，因为不在现场无法知道哪台设备出现了问题，所以我们一方面联系温室进行检查，另一方面对我们的设备进行了逐一调试。
”，林森说道。
温超武表示：“这次事件发生后，我们会定期对传感器进行调试和检查，同时加强与昆明当地专家的联系，不再单纯依赖AI。
”林森认为，从长远来看，人工智能技术将在生产的各个环节逐步取代人类的工作，需要一个过程。
短时间内，农业种植过程仍然需要大量的人力参与，呈现人机协同作业的局面。
“无人”温室的未来 钱学森曾为农业发展提出建议。
他认为：“在中国小农经济的基础上，不可能自发地走向农业产业化；中国农业现代化的根本动力在于技术创新和工业化进程，以及中国整个现代化进程。
” “林森最喜欢的运动是登山。
在他看来，科学研究就是爬山。
突破技术障碍，就是登上山顶，见新山。
欲攀新山，必先下山。
下一步是技术商业化。
好的人工智能绝对可以帮助田间的农民。
前端技术的一小步，可能会重塑从生产到流通的整个产业链，从而为农产品带来更多附加值，为规模化农业种植户带来更多收入。
为了实现该技术的商业化，林森团队正在开发托管可视化温室智能管控云服务系统。
该系统可实现种植过程中的水肥托管、环境管控托管、机器人托管、设备托管等。
▲在各种算法的支持下，比赛基地的草莓已经实现了无人化种植。
（木工摄）通过本次比赛，他们希望建立一套可推广、可复制的自动化草莓生产方法，进一步构建人工智能作物生产模式。
几年后，“少人”、“无人”温室就可以逐步推广。
在他们的设想中，“无人”温室并不是完全没有人工干预。
它仍然依赖于人工智能和人工经验相结合的决策。
林森表示：“因为人工智能无法解决温室管理过程中的所有问题，所以人工智能与人工智能的结合将会威力大得多。
和AlphaGo一样，它之所以能够战胜人类，是棋谱和算法的结合。
我们这里每一位专家的经验都相当于一张棋谱。
农业人工智能还需要与种植专家的经验相结合。
“在采摘保管过程中，视频监控、采摘机器人、巡检机器人、自动化水肥设备、智能温室设备等将发挥更大的作用，节省大量人力。
本次大赛成果已经在进行商业化”林森表示：“我们将建立一个标准的草莓知识库，标准化草莓的种植过程，标准化草莓的方法，包括草莓因素之间关系的数据标准化。
我们将数据标准化为知识，让计算机理解知识。
这是最有效的方法。
重要的事情已经完成了。
”王少雷负责本次大赛云管控系统的运营。
王少雷说：“我们只需要给草莓种植者一个接口，他们就可以调用草莓相关的服务。
”种植方法，即使农民根本不懂种植。
，也可以按照流程和专家的经验去做，这对普通农民来说会有很大的帮助。
”郑建峰表示：我们开发技术的初衷是让它成本低廉、易于农民接受、真正适用。
在实际生产中，知识较少的农民也能快速使用这项技术，这是我们的最终目标。