Starania mające na celu wprowadzenie rozwiązań z zakresu sztucznej inteligencji do amerykańskiego rolnictwa zaczynają przynosić owoce. Zgodnie z przewidywaniami między 2017 a 2025 rokiem rynek rolny w USA ma osiągnąć wartość 2,62 mld dolarów przy skumulowanym rocznym wskaźniku wzrostu (CAGR) wynoszącym 22,5%. Pionierskie prace nad połączeniem sztucznej inteligencji i rolnictwa przyczyniły się do rozwoju nowych, innowacyjnych zastosowań technologicznych, na przykład instalacji na farmach urządzeń podłączonych do Internetu Rzeczy w celu generowania ogromnych ilości danych. Największą rolę w tym obszarze odgrywają dwa podmioty: Cargill oraz grupa CGIAR (Consultative Group on International Agricultural Research).

Cargill to największe prywatne przedsiębiorstwo w Stanach Zjednoczonych. Redukuje ono odpady w hodowli krewetek oraz bydła za pomocą technologii AI, wykorzystując te same techniki uczenia maszynowego, jakie stosowane są w przypadku samojeżdzących samochodów, przetwarzających mowę wirtualnych asystentów czy botów do handlu wysokiej częstotliwości. Technologia Cargill umożliwia hodowcom m.in. skanowanie krowich łbów czy przysłuchiwanie się dźwiękom wydawanym przez krewetki podczas jedzenia. Dzięki temu możliwe jest sprawdzenie, czy dostały one odpowiednią ilość pokarmu. Jeśli hodowcy dali za mało jedzenia, dawka podczas kolejnej rundy karmienia zostanie odpowiednio zwiększona. Jeżeli natomiast dali za dużo, wtedy następnym razem zmniejszą porcję, ograniczając w ten sposób marnotrawstwo. Podobnie sytuacja przedstawia się w przypadków krów mlecznych. Monitorowanie zachowania i sposobu odżywiania tych zwierząt może pozwolić hodowcom na rozpoznanie optymalnego okresu zapłodnienia, co ostatecznie wpływa na usprawnienie i zwiększenie się produkcji mleka.

Wdrażanie innowacyjnych technologii wiąże się z dużym ryzykiem. Hodowcy obawiają się przede wszystkim, że nie zdołają nauczyć się właściwie obsługiwać nowych urządzeń. Wielu z nich zwraca się do Cargill z prośbą o pomoc w wyjaśnieniu funkcjonowania tych technologii oraz znalezienia sposobu na włączenie ich do istniejących już systemów hodowlanych.

Podobne wysiłki podejmuje także grupa CGIAR, która zwiększa wydajność hodowli i eliminuje podstawowe zagrożenia, korzystając z komputerowej analizy oraz dużych ilości danych. CGIAR liczy na to, że zdoła stworzyć ulepszone bazy danych, umożliwiając badaczom dzielenie się i zarządzanie informacjami rolniczymi. Ostatecznym celem grupy jest integracja danych z farm z całego świata z algorytmami przetwarzającymi je na wartościowe wskazówki. Za przykład weźmy algorytmy tworzące modele prawdopodobieństwa dla sezonowych prognoz, dające dużą przewagę małym farom, które produkują około 70% światowych zapasów żywności. Takie modele pozwalają sprawdzić, które rośliny najlepiej zasiać w nadchodzącym sezonie, przewidzieć idealny czas na siew, a także określić najskuteczniejsze metody optymalizacji zarządzania farmą na podstawie pogody.

W przeciwieństwie do Cargill grupa CGIAR skupia się przede wszystkim na pomocy rolnikom z krajów rozwijających się, którzy muszą stawiać czoła podstawowym przeszkodom takim jak brak nawodnienia. Coraz częściej pojawiają się doniesienia o planach współpracy CGIAR z sektorem prywatnym, co z czasem mogłoby przybliżyć ludzkość, do zakończenia głodu na świecie. Naukowcy z CGIAR wykorzystali zgromadzone od tysięcy rolników dane w celu opracowania modeli, które opisują różne systemy produkcji roślin, uwzględniając warunki środowiskowe, zarządzanie uprawami czy nadchodzące zbiory. Dzięki temu są w stanie przeanalizować związki między zmieniającymi się warunkami uprawy a zbiorami.

Jest to niemałe wyzwanie dla naukowców ze względu na ogromną ilość czynników, które muszą wziąć pod uwagę w celu stworzenia kompletnego obrazu wewnętrznego systemu danej farmy. Kilka z owych czynników to: minerały, sposób uprawy, kiełkowanie, nawodnienie, składniki odżywcze w glebie czy szkodniki i choroby nękające rośliny.