AIを用いた技術継承その問題点と解決策(前編)

農業でのAIを用いた技術継承

AI /

農業部門の後継者問題と取組み

農業の後継者問題というのは今に始まったことではない。取組みの遅れにより農業の担い手は60代、70代が中心になり、事業継承は待ったなしの課題になっている。TPPなど農産物自由化の流れが進む中、農業経営は厳しい環境にさらされているが、それ以前にそもそも農業の担い手がいなくなってしまうという大問題がある。

しかも、今までの農業は家族経営が一般的で、親から子への世襲継承が原則としてあった。そのため、後継者は親の手伝いをしながら技術や知識、ノウハウを体で学ぶのが当たり前だった。つまり、農業技術は暗黙知や経験則のままマニュアル化されておらず、後継者育成のノウハウも無いままで来てしまっている。したがって、運よく後継者が見つかっても、効率よく農業技術を身につけて、すぐに一人前の農家として独り立ちすることは非常に難しい。

そうした厳しい現状を踏まえて、ICTを用いた国や民間企業によるさまざまな取組みが始まっている。

農水省が進めるAI(アグリ・インフォマティクス)

農水省は2009年に設置した「農業分野における情報科学の活用研究会」(AI農業研究会)での検討を踏まえて、AI(アグリ・インフォマティクス)農業というAI(人工知能)を活用した新しい形の農業を推進している。

具体的には、センサーを用いて作物の生育状況に関する情報や温度、湿度といった環境情報を自動モニタリングするとともに、経験豊富な農家の「気づき」や「判断」といった定性情報も入力する。データベースに蓄積されたこれらの膨大な情報をAIが解析して、農家に行うべき作業をアドバイスするというものだ。この一連のプロセスを繰り返し行うことでデータが蓄積し、AIの判断の精度が自律的に向上していく。

今までの農業は、篤農家の勘や経験といった暗黙知に依存していたわけだが、これをAIによって「見える化」することによって、農業従事者の技術向上、あるいは新規参入者の農業技能習得に活用していこう、という施策である。

ベンチャー企業による就農プラットフォームの取り組み

民間の取組みを一例あげると、農業ベンチャーのSEAKが神奈川県の藤沢市を拠点に就農プラットフォームLEAPとの取組みを行っている。2017年に入って3億円の資金調達を行ったことでも話題になった。

先に述べたように今までの農業は家族経営を基本としていたので、新規就農者に対する支援は遅れており、さまざまなハードルがある。これに対して、技能習得などの就農準備、農地の取得、施設や機材の購入、さらに栽培、販路の開拓という5つのハードルにアプローチしてワンストップで就農支援を行っている。

LEAPでは野菜のストレスに主眼を置いたProbiosisという栽培手法を用いて、農業未経験者でも再現可能なトマトやキュウリのハウス栽培手法を確立。これを新規就農者に展開して「ゆる野菜」というブランド展開を行っている。

この施策でも農地に設置したセンサーで、リアルタイムでデータを取得・収集する栽培管理システムを構築して農作業のバックアップを行っている。

農業分野における技術継承の重要ポイント

農業は後継者不足と言いながら、国をあげて地方創生が取り組まれる中で都会出身の若者の中にも意欲のある新規就農希望者が現れている。そうした若者にスムーズに技術継承を行うことが課題です。

彼らのために行政などが農業学校のようなものを用意しているが、「美味しい野菜をつくる」「収量を増やす」といった農業に付加価値をつけるところまでは教えることができない。こうした部分は農家に受け継がれてきた暗黙知や経験則の中にあって、誰にでも教えることができる形式知の形になっていない。

センシングによるデータ収集の重要性

今まで勘や経験で行われていたことを「見える化」して形式知の形にする。そのことが農業の技術継承の第一歩になる。そのためには、センシングによるデータ収集の役割が非常に重要になる。

これまでも農業のICT化として温度や湿度などをセンサーで取得する取組みはあった。しかし、これからは情報を収集、保存するだけでなく、AIを活用して熟練した農家の技能を解析し、新規就農者への技術移転を行うとともに農作業の省力化のためのロボット作業への適用などを行っていく必要がある。

ある高齢の農家は秋口に関節が痛くなると刈り取りの準備を始めるという話を聞いたことがある。これは、温度や湿度の変化を体で感じる経験知の一種ではないかと思うのだが、おもしろいのは準備を始める日と刈り取りを始める日には数日のギャップがあるということだ。つまり、単純にその日の気温と湿度を指標にしただけでは正しい刈り取りの日は分からないのである。

このように暗黙知の世界は非常に複雑で、単純に形式化することには限界がありそうだ。もしかすると農場の温度・湿度のような直接的なデータではなく、間接的なデータが判断の重要な役割を果たしているかもしれない。

AIの活用を進めていくために

形式化が困難な暗黙知を暗黙知のまま活用することは、AIが得意とするところである。そして、AIに入力する多種多量のデータ取得を支えるのがセンサーの役割だ。

また農作業の合間にデータを手入力するのは困難で、必要なデータ量が増えれば人手で入力することは不可能になる。その意味でもセンサーを用いたデータ収集は大前提になる。

つまり、センサーからデータを取得するだけでなく、そのデータをクラウドに蓄積しAIに学習させるという一連のシステムが重要になってくる。

「匠」の技術をデータ化する重要性

農業分野の技術継承では、今までの家族経営を前提とした農業で暗黙知として継承されてきた技術を「見える化」して汎用的に使えるようにすることが重要である。そのためには、センサーによって取得したデータをAIで分析して活用することで経験の浅い農業者へ「匠の技」を継承していくことが必要になる。さらに、そうして得られた知見をロボットや機械に投入して農作業を省力化していく。今後、そうした流れはどんどん進んでいくと思われる。国をあげて地方創生が叫ばれ、新規就農に関心を持つ若者が増えている今が最後のチャンスではないだろうか。

参考リンク:

Tags: