先週のEsriの2025ユーザー会議でのAgriculture SIGを見逃した方のために、簡単なまとめをお伝えします：このセッションは、EsriのMark Dann博士、Elvis Takow博士、そして私がリードし、ArcGISを人工知能（AI）プラットフォームとして紹介し、AIをAgriculture Intelligenceに再焦点化する方法についてのプレゼンテーションが行われました。その後、AC Foods、Land O’Lakes、Texas A&Mの代表者を含むパネルディスカッションが行われました。<\/P>
<\/P>
<\/span><\/P> <\/P> <\/P>Dr. TakowによるArcGIS AI Platform<\/U><\/STRONG><\/FONT><\/P> <\/P>
<\/span><\/P>会議の多くのセッションの要約として、Takow博士はArcGISを生産性向上、意思決定支援、イノベーション推進に人工知能を活用する地理空間AIプラットフォームとして紹介しました。その主な3つの構成要素は次の通りです:<\/P>自動データ作成、抽出、分析のためのGeoAI分析、<\/LI>ワークフローを効率化する会話型インターフェースを持つAIアシスタント、<\/LI>両機能を支える基盤となるAIフレームワーク。<\/LI><\/UL>この技術的ビジョンを実現するために、EsriはAssistants、Skills、Agents、および事前学習済みモデルを含むAI機能を更新しています。このプラットフォームは異なる業界やニーズに対応できるよう拡張性とカスタマイズ性を維持する設計です。フレームワークはAI、深層学習、大規模言語モデルの統合も可能にし、開発者がカスタムAIサービスや統合を作成することもサポートします。 <\/P>Agriculture GISコミュニティにとっての課題は、増え続ける人口への食料供給という絶え間ないプレッシャーの中で成功しなければならない産業に、多様な能力を慎重に導入することです。 そのためには次節で議論されるようにAgriculture Intelligenceが必要です。<\/P> <\/P>Nick ShortによるAgriculture Intelligence<\/U><\/STRONG><\/FONT><\/P>
<\/span><\/P>ArcGISがイノベーションのための重要なGeospatial AI Platformであると聞いていますが、それが農業にどのように役立つのでしょうか？ このプレゼンテーションでは、AIへの適切かつ関連性のあるアプローチ方法、今が適切な時期である理由、過去の失敗を回避する方法、およびEsriの経験と長寿命が農業産業にもたらす利点について簡単に説明しました。<\/P>
<\/span><\/P> <\/P>農業分野への人工知能（AI）統合を考える際、「AgricultureにおけるAIとは何か？」という問いかけが重要です。この問いは現在および将来にわたる農業実践におけるAIの役割について継続的な対話への招待状となります。<\/P>この議論で最も重要な概念は常に信頼でなければなりません。<\/P>農業産業にとって信頼は極めて重要であり、とりわけAIなど新興技術の場合にはなおさらです。生産者や関係者は技術革新に懐疑的であり、データプライバシー、安全性、新システムの複雑さや使いやすさについて懸念を示すことが多いです。さらに、この産業特有の経済的圧力が信頼性と保証へのニーズを高めており、それなしには広範な採用は困難です。<\/P>したがって中心的な課題は、農業分野がコミュニティ内で信頼を育み維持しながらAI技術を採用していく方法を見出すことです。<\/P>
<\/span><\/P> <\/P>AIの歴史を振り返ることで、その信頼と採用パターンについて洞察が得られます。<\/SPAN><\/P><\/DIV>残念ながら、AIの発展は成長期と衰退期が交互に訪れる「AI Winters」として知られる時期によって特徴付けられています。期待が裏切られ幻滅期が続きました。<\/P>1980年代には政府機関など大手組織が人工知能へ投資し、人間の知識をエキスパートシステムとして捕捉しようとしました。気候変動研究や精密農業など大規模課題解決への有望なツールとして期待されていました。この時期は楽観的で高い期待感があり、多くの研究や実用化が主要産業で進みました。<\/P>しかし1990年代後半には、多くの組織がAIプログラムから撤退し、産業界はウェブへと軸足を移しました。この期間、「AI」という言葉は以前の未達成な約束から避けられ、「Almost Implemented」とも呼ばれました。この経験から以下の教訓が得られました:<\/P>1. スケーラビリティ制限<\/U><\/STRONG><\/P>当時最大の課題は非常に大規模なデータセット（特に多様性と速度）の管理・保存でした。当時のデータベース管理システムはこれらニーズに十分対応できず、堅牢かつ柔軟なデータ管理基盤の重要性が浮き彫りになりました。これは農業など特定分野で特に関連します。<\/P>2.<\/U>オープンソースツールへの過度依存<\/U><\/STRONG><\/P>商用ソリューション数が限られていたため、自社開発ツールやオープンソースソフトウェアへの依存度が高く、人員変更後の保守やセキュリティ面で問題となりました。<\/P>3. <\/U>高品質トレーニングデータの重要性<\/U><\/STRONG><\/P>効果的な機械学習モデル開発には正確で地域特有情報を含むトレーニングデータセットが不可欠でした。世界中から直接衛星データ収集努力も行われ、その成果としてハリケーン予測精度向上など成功例があります。<\/P>現在では技術進歩によって多くのスケーラビリティやインフラ問題は解決され、多数の確立された企業が信頼できるAIソリューションを提供しています。しかし依然としてトレーニングデータの入手可能性と品質、とりわけ信頼とデータ品質確保が難しい農業分野では課題です。不正確な情報による影響もある環境下で、信頼でき正確かつ関連性あるAIシステム維持は継続的進歩と将来挫折回避に不可欠です。<\/P>
Agriculture に対する長い答えは既存ワークフローへ慎重に AI を挿入していくことに焦点を当てることです。
綿花（Cotton）を例に取りましょう。米国現金収入約71億ドルを生み出し、その3分の1は干ばつ多発地帯テキサス州で生産されており、大部分はOgallala帯水層などから灌漑されています。この帯水層は50年から100年以内に枯渇すると予想されています。2022年には約74％の農家が作物放棄し保険金請求を選択しました。畑ごとの収量は加工工場（gin）の立地決定に影響し輸送コスト削減につながり、それが広範囲なサプライチェーンや販売にも影響します。
Cotton Industry に対して AI は多方面で応用可能です：Spatial Data Science は様々な品種市場分析支援；Knowledge Graphs はサプライチェーン内で梱包追跡設定支援；Digital twins は gin 操作シミュレーション；Large Language Models は綿花プロセス全体および生産状況知識グラフ活用可能です。
しかし特に価値ある投資先は収量予測 AI です。正確な予測はサプライチェーン全体に不可欠だからです。この点についてさらに詳しく見ていきましょう。
こちらをご覧ください 北テキサスでの綿花収量を、成長度日数に基づく温度と植生データを組み合わせて推定する簡単な例（Raster Analyticsのプレゼンテーション参照）。
農業の意思決定に役立つ圃場レベルでの収量予測には、システムが圃場の位置を認識する必要があります。この作業にはディープラーニングを使用し、Esriはワークフローへの統合を簡素化する事前学習済みの地理空間モデルを提供しています。予測的な予報により、農家は低パフォーマンスのエリアを特定し、保全やその他の農場管理手法を検討して成果を向上させることができます。
専門家からの指導はこのアプローチを支えていますが、結果の検証には圃場レベルでの農家からの構造化された地域入力が必要であり、郡レベルのUSDAデータだけでは不十分です。地域の知識は、事前学習済みモデルが提供するものを超えた高度なトレーニングセット構築に不可欠です。
そのため、Land O’ LakesやAC Foods、そしてAg GISコミュニティとの協力が重要です。彼らはこれらのモデルを検証するために必要な信頼関係を持っています。Esriはツールを提供しますが、AIソリューションの拡張はパートナーのデータと専門知識、およびTexas A&M AgriLife Extension Serviceなどの普及サービスとの協力に依存しています。
まとめると、農業はミスが大きな損失につながる慎重な分野です。我々の役割は、信頼できるデータ管理と分析システムでAIを完全に実装し、地域の農業専門知識を取り入れて信頼される知識を維持することです。このアプローチにより、AIは真にAgricultural Intelligenceとなります。
パネルディスカッション
Agricultural Intelligenceの役割について議論するために、Ag SIGには産業界と学界双方から代表者がおり、パネリストは以下（下記写真左から右へ）でした：
- Nick Short、Esri アグリインダストリーソリューションマネージャー
- Sanaz Havaei、AC Foods ビジネスアプリケーションアナリスト
- Kirk Wythers、Land O’ Lakes ビジネスバリューリード
- Mike Buser、Texas A&M AgriLife 綿花工学・ジニング・機械化 教授・寄付講座担当
- Mark Dann、Esri シニアアカウントマネージャー
パネルでは以下の質問について議論しました：
予測収量予報にMLを活用する機会はどのようなもので、それがビジネスにどんな影響を与えると思いますか？
「様々なビジネスや研究開発アプリケーションでAI - Advanced Geospatial Analyticsをどのように活用していますか？」
グループ全体の一般的な合意は、信頼されるAIはデータサイエンス同様、高品質なデータをアルゴリズムに供給する堅固なデータ管理基盤に依存しているというものでした。
