Naslov i uvod
Najzanimljiviji pomaci umjetne inteligencije danas se ne događaju samo u chatbotovima, nego tamo gdje je blato, prašina i fizički rad – u tvornicama, skladištima i na oranicama. Novi Large Plant Model (LPM) tvrtke Carbon Robotics upravo je takav primjer: AI-model koji u stvarnom vremenu prepoznaje biljke i omogućuje poljoprivredniku da robota usmjeri što treba uništiti, a što sačuvati. Iza ove vijesti krije se širi trend – temeljni modeli sele se iz podatkovnih centara u strojeve na polju. U nastavku analiziramo što to znači za agrotech, kako se uklapa u europski okvir i gdje je tu hrvatska i regionalna poljoprivreda.
Vijest ukratko
Kako piše TechCrunch, tvrtka Carbon Robotics iz Seattlea predstavila je Large Plant Model (LPM), AI-model koji pogoni njihov sustav Carbon AI unutar robota LaserWeeder – autonomnih strojeva koji uništavaju korov laserima umjesto herbicidima.
LPM je treniran na više od 150 milijuna označenih fotografija i podataka o biljkama, prikupljenih na više od 100 farmi u 15 država gdje roboti već rade. Do sada je, svaki put kada bi se pojavio novi tip korova ili vizualno drugačija varijanta poznatog korova, Carbon morao prikupljati nove oznake i ponovno trenirati modele – proces koji je trajao oko 24 sata. S LPM-om, proizvođač može putem sučelja robota u stvarnom vremenu odabrati novu biljku kao korov, a sustav odmah počinje ciljati upravo tu biljku, bez klasičnog ponovnog učenja.
Novi model stiže do postojećih korisnika putem softverske nadogradnje. Carbon Robotics je osnovan 2018. i dosad je prikupio više od 185 milijuna dolara ulaganja, među ostalim i od Nvidia NVentures.
Zašto je to važno
LPM je signal smjera u kojem ide industrijski AI: specijalizirani, domenski temeljni modeli povezani s konkretnom opremom. Za biljke je to otprilike ono što su veliki jezični modeli za tekst – opći model razumijevanja koji se može brzo prilagoditi novim situacijama bez potpunog ponovnog treniranja.
Izravno profitiraju veće i tehnološki naprednije farme koje već koriste LaserWeeder, osobito u povrćarstvu i visokovrijednim kulturama. Dobivaju veću fleksibilnost (nema čekanja da dobavljač nadogradi model), više efektivnih radnih sati robota i mogućnost brze reakcije na nove invazivne korove ili promjene u tehnologiji uzgoja. U uvjetima nedostatka radne snage i klimatskih ekstrema, ta operativna otpornost postaje strateška prednost.
Za Carbon, LPM predstavlja snažan konkurentski rov. Skup podataka od 150 milijuna biljnih primjera iz stvarnog svijeta, snimljenih u raznim zemljama i uvjetima, nije nešto što regionalni ili novi igrači mogu lako replicirati. Što je više robota na terenu, to je više podataka i bolji model – klasičan mrežni efekt podataka.
Na gubitničkoj strani mogu se naći proizvođači herbicida i pružatelji usluga ručnog plijevljenja ili mehaničke obrade. Kombinacija preciznog računalnog vida i laserskog uništavanja direktno zadire u te tržišne niše, barem kod nekih kultura.
No postoje i rizici. Zatvoreni, vlasnički model koji upravlja strojem sposoban uništiti biljke otvara pitanja sigurnosti, odgovornosti i ovisnosti o jednom dobavljaču. Ako sustav pogrešno prepozna mladu biljku povrća kao korov i uništi je – tko snosi štetu? Kako će osiguravatelji, banke i sami poljoprivrednici procjenjivati rizik takvih »crnih kutija« na polju?
Šira slika
LPM se uklapa u nekoliko globalnih trendova. Prvi je robotizacija poljoprivrede: od autonomnih traktora do robota za berbu voća, proizvođači već godinama traže načine kako automatizirati fizički najteže poslove. Najslabija karika često je bila vizija – algoritmi koji pouzdano rade u laboratoriju, ali se izgube na neravnom, blatnom terenu pod jakim suncem.
Drugi trend je vertikalna specijalizacija AI-ja. Umjesto jednog univerzalnog modela za sve, vidimo specijalizirane modele za medicinske slike, industrijsku inspekciju, pravne dokumente – i sada za bilje. Ti su modeli optimizirani za konkretan domen, efikasniji na rubnim uređajima (edge) i lakše se povezuju s postojećom infrastrukturom.
Treći element je uloga Nvidije koja, kroz NVentures i vlastite platforme, pokušava biti više od proizvođača čipova – želi biti okosnica vertikalnih AI-ekosustava, uključujući robotiku. Poljoprivreda, s velikom potrošnjom računske snage i specifičnim skupovima podataka, ovdje logično pripada.
Na tržištu već postoje slični pokušaji. John Deere (nakon akvizicije Blue River Technology) razvija sustave za selektivno prskanje na temelju kamera, europske i izraelske tvrtke rade robote za vinograde i povrtnjake, a u SEE regiji pojavljuju se manji projekti precizne poljoprivrede. No većina tih rješenja i dalje je usko prilagođena određenim kulturama ili lokalnim uvjetima. Ako LPM doista uspije generalizirati preko različitih vrsta, tala i svjetlosnih uvjeta, postavit će novu letvicu.
Europski i regionalni kut
Za EU, ovakva tehnologija dolazi u trenutku kada se od poljoprivrede traži i veća produktivnost i smanjenje štetnog utjecaja na okoliš. Europski zeleni plan i ciljevi smanjenja uporabe pesticida do 2030. stvaraju pritisak na pronalaženje alternativa kemiji. Robot koji spaljuje korov svjetlom umjesto kemikalijama nudi vrlo konkretno rješenje.
Istodobno, EU uvodi Uredbu o umjetnoj inteligenciji (AI Act), koja mnoge AI-sustave u strojevima klasificira kao visokorizične. Autonomni robot s laserima koji sam donosi odluke na polju izgleda kao školski primjer sustava koji će morati zadovoljiti stroge zahtjeve za transparentnošću, nadzorom i upravljanjem rizicima. Za tvrtke izvan EU to značajno povećava složenost ulaska na tržište.
Za Hrvatsku i Jadransku regiju slika je specifična. S jedne strane, imamo veliki udio malih i srednjih gospodarstava, što otežava izravnu kupnju skupe robotike. S druge strane, sektori poput povrćarstva u Pakoštanima ili dolini Neretve, voćarstva u Slavoniji i Međimurju te vinogradarstva u Istri i Dalmaciji suočeni su s kroničnim nedostatkom sezonskih radnika. To otvara prostor za modele zajedničkog korištenja – kroz zadruge, proizvođačke organizacije ili usluge specijaliziranih tvrtki.
Bit će važno i pitanje podataka: tko je vlasnik snimaka i metapodataka koje robot prikuplja na hrvatskim ili regionalnim poljima, pod kojim uvjetima se mogu koristiti i s kime se dijele? Iako GDPR ovdje nije izravno u igri, digitalna suverenost u poljoprivredi postaje stvarna tema, osobito u kontekstu ZPP-a i nacionalnih digitalnih strategija.
Pogled unaprijed
S tehničke strane, LPM je vjerojatno tek početak. Jednom kada robot pouzdano razlikuje kulture i korov, sljedeći logični koraci su detekcija bolesti, štetnika, nedostatka vode ili hranjiva, procjena prinosa i automatizirano izvještavanje za potrebe potpora i osiguranja. Carbon to zasad ne najavljuje, ali smjer razvoja je prilično očit.
Poslovno, ključno je hoće li Carbon ostati fokusiran isključivo na vlastite robote ili će model (ili njegove derivate) nuditi i drugim proizvođačima strojeva, možda i europskim. Scenarij u kojem LPM postane svojevrsni »operativni sustav« za biljni vid u različitim strojevima nije nerealističan.
Za hrvatske poljoprivrednike i tvrtke valja pratiti nekoliko stvari: kako će EU i nacionalna tijela regulirati AI u poljoprivrednoj mehanizaciji; hoće li se u regiji pojaviti pružatelji usluga robotskog plijevljenja kao servisa; te hoće li domaći i regionalni proizvođači strojeva i softvera pokušati razviti vlastite, možda otvorenije modele.
Vremenski okvir je vjerojatno ovakav: u idućih 3–5 godina vidjet ćemo ograničene pilot-projekte na visokovrijednim kulturama u bogatijim državama članicama. Ako rezultati budu dobri, kombinacija regulatornog pritiska protiv pesticida i pada cijene hardvera mogla bi proširiti primjenu i na širi spektar gospodarstava, uključujući i Jugoistočnu Europu.
Zaključak
Large Plant Model tvrtke Carbon Robotics rani je, ali jasan primjer kako se temeljni AI-modeli sele iz oblaka u fizički rad na polju. Ako isporuči performanse koje tvrtka najavljuje, mogao bi ubrzati prijelaz prema poljoprivredi s manje kemije i više senzora – ali i koncentrirati moć nad podacima i odlukama u rukama nekolicine igrača. Ključno je pitanje hoće li Europa i naša regija biti samo kupci tih zatvorenih sustava ili će aktivno graditi vlastite, transparentnije alternative.
