متنبئ غلات بالذكاء الصناعي يعين أفريقيا على التخطيط للأزمات

يقول الباحثون إن أداة الذكاء الاصطناعي سوف تساعد في إنتاج الأغذية الأساسية.. بما في ذلك الذرة والمنيهوت والذرة الرفيعة في 47 دولة بأفريقيا حقوق الصورة:K-State, (CC BY 2.0).

نشجعكم على إعادة نشر هذه المقالة على الإنترنت أو عبر الإعلام المطبوع، فهو متاح لدينا مجانًا تحت رخصة المشاع الإبداعي، ولكن يُرجى اتباع بعض الإرشادات البسيطة:

يرجى الحفاظ على نسبة المادة لكاتبها.
يرجى الحفاظ على نسبة المادة لـشبكة SciDev.Net - وحيثما أمكن إدراج شعارنا مع وصلة الى المقال الأصلي.
يمكنك ببساطة إدراج الأسطر القليلة الأولى من هذه المقالة ثم إضافة: "يمكن قراءة المقال كاملا على SciDev.Net" متضمنة رابطًا للمقال الأصلي.
إذا كنت تريد أيضا أخذ الصور المنشورة في هذه المقالة، ستحتاج إلى التنسيق مع المصدر الأصلي لها إذا كان يمكنك استخدامها.
أسهل طريقة للحصول على هذه المادة على موقع الويب الخاص بك هو تضمين الكود الموجود أدناه.

لمزيد من المعلومات يمكن الاطلاع في موقعنا على محددات وسائل الإعلام وإعادة النشر.

The full article is available here as HTML.

Press Ctrl-C to copy

<div class="article-wrap">
<div id="article-introduction">
<h1>متنبئ غلات بالذكاء الصناعي يعين أفريقيا على التخطيط للأزمات</h1>
<h4>By: فرانسيس كوكوتسي, حازم بدر</h4>
</div>
<br />
<br />

<div id="article-body">
<p style="direction: rtl">[أكرا] طورت منظمة أبحاث أداة ذكاء اصطناعي؛ للتنبؤ بإنتاجية وغلات المحاصيل الزراعية الرئيسة في أفريقيا، مستعينةً بتقنيات التعلم الآلي والاستشعار من البُعد بالأقمار الاصطناعية.</p>
<p style="direction: rtl">الأداة التي طورتها منظمة ’<a href="https://akademiya2063.org/press_releases/Africa_Agriculture_Watch_Brochure.pdf">أكاديميا 2063</a>‘ الأفريقية سوف تساعد في التخفيف من وطأة الأضرار الناجمة عن تغيُّر المناخ والأزمات الأخرى، ولدعم صنع القرار والتدخل الفعال والتخطيط في المجتمعات المحلية.</p>
<p style="direction: rtl"><a href="https://www.aagwa.org/index">أداة مراقبة الزراعة بأفريقيا</a> سوف تساعد في إنتاج الأغذية الأساسية في 47 دولة أفريقية، بما في ذلك تسعة محاصيل هي الفول والكسافا والذرة والدخن والأرز والفول السوداني والذرة الرفيعة والقمح والبطاطا.</p>
<p style="direction: rtl">دُشنت الأداة على منصة بشبكة الإنترنت يوم 27 أبريل الماضي.</p>
<p style="direction: rtl">لمواجهة ”التهديدات العديدة التي يواجهها القطاع الزراعي في أفريقيا“، التي من بينها ”اضطراب سلاسل الإمداد نتيجة الظواهر المناخية المتطرفة والأزمات الصحية“، كما يبين رصين لاي، مدير إدارة البيانات والمنتجات الرقمية والتكنولوجيا بالمنظمة.</p>
<p style="direction: rtl">يقول لاي لشبكة <em>SciDev.Net</em>: ”الاعتماد على تقنيات التحليل التقليدية وحدها لن يؤدي إلى اتخاذ القرارات الفعالة التي نحتاج إليها لمواجهة هذه التحديات“.</p>
<p style="direction: rtl">”في الوقت المناسب“ كما يقول المطورون ”تيسر الأداة لصناع السياسة سبل الحصول على تحليلات تنبئية عالية الجودة، غالبًا ما تفتقر إليها القارة“.</p>
<p style="direction: rtl">وعن المحاصيل التي حددتها المنظمة يوضح لاي أنها اختيرت بسبب إسهاماتها في الأمن الغذائي في أفريقيا، فضلًا عن قيمتها التجارية العالية.</p>
<p style="direction: rtl">”مجتمعاتنا الريفية، على سبيل المثال، ستستهلك المزيد من الدخن والذرة الرفيعة واليام (البطاطا البيضاء)“.</p>
<p style="direction: rtl">ويستطرد لاي: ”في الواقع، لا تُستخدم هذه المحاصيل في التجارة الدولية، ولكنها بالغة الأهمية لسبل عيشنا، ولذلك سنركز عليها؛ لأنها إذا عانت من دمار أو اضطراب فسوف تعاني هذه المجتمعات بدورها لكسب عيشها“.</p>
<p style="direction: rtl">يوضح لاي أن تطوير هذه الأداة استغرق نحو عامين، على يد فريق من الخبراء الأفارقة بالكامل، وتضمَّن مراجعة علمية مكثفة وجمع بيانات من أقمار صناعية.</p>
<p style="direction: rtl">يقول لاي: ”بما أن الباحثين وصناع القرار سيستخدمون هذه البيانات في المقام الأول لاتخاذ القرارات، فقد كان علينا التأكد من صحتها ودقة التنبؤات“.</p>
<p style="direction: rtl">يرى لاي أن العقبة التالية تتمثل في تمكين المزارعين -وهم غالبًا من الأميين- من استعمال المنصة.</p>
<p style="direction: rtl">”في البداية، نعتزم العمل مع الجمعيات التعاونية التي يمكنها جمع المعلومات ثم نشرها… ولكننا في الوقت نفسه نحاول أن نرى كيف يمكننا العمل مع المرشدين الزراعيين لإيصال المعلومات حقًّا إلى المزارعين“.</p>
<p style="direction: rtl">ويضيف لاي: ”لم نصل إلى هذه المرحلة بعد، ولكننا نبذل الجهد في هذا الشأن حاليًّا“.</p>
<p style="direction: rtl">”الذكاء الاصطناعي وبيانات الأقمار الاصطناعية يمكن أن يمدانا بمعلومات وتنبؤات قيّمة حول إنتاجية المحاصيل“ كما يقول لشبكة <em>SciDev.Net</em> المدير التنفيذي لمركز <a href="https://penplusbytes.org/">بن.بلس.بايتس</a> للتكنولوجيا، غير الربحي ومقره غانا، جيري سام.</p>
<p style="direction: rtl">”من خلال الجمع بين مجموعات بيانات متعددة، يمكن لنماذج الذكاء الاصطناعي تكوين فكرة شاملة عن العوامل التي تؤثر على نمو المحاصيل والقدرة الإنتاجية، مثل الطقس والتربة وبيانات الإنتاجية التاريخية“.</p>
<p style="direction: rtl">ويضيف سام: ”يمكن أن يدعم الذكاء الاصطناعي وبيانات الأقمار الصناعية أيضًا الممارسات الزراعية الدقيقة من خلال تقديم توصيات خاصة بكل موقع على حدة لتحسين مدخلات معينة، مثل الري والتسميد ومكافحة الآفات“.</p>
<p style="direction: rtl">ويستطرد: ”اتباع هذا النهج محدد الأهداف يمكن أن يؤدي إلى تحسين الإنتاجية وكفاءة استخدام الموارد“.</p>
<p style="direction: rtl">يعتقد سام أنه يمكن استخدام الذكاء الاصطناعي وبيانات الأقمار الاصطناعية لإحداث ثورة في الزراعة بأفريقيا.</p>
<p style="direction: rtl">”إن اعتماد تقنيات الذكاء الاصطناعي، لا سيما في مجال زراعة الكفاف، لن يؤدي إلى زيادة إنتاجية المحاصيل فحسب، بل سيفيد أيضًا سكان الريف ويوفر الأمن الغذائي للأمة“.</p>
<p style="direction: rtl">أما عبد العزيز بلال، رئيس شعبة التطبيقات الزراعية في ’الهيئة القومية للاستشعار من البُعد وعلوم الفضاء‘ في مصر، فيشرح: الأقمار الصناعية توفر صورًا للمحاصيل في مراحل النمو المختلفة، كما توفر صورًا لأي تغير يطرأ على المحصول، بسبب نقص في المياه مثلًا أو أي حشرة غازية، ويتم تغذية برامج الذكاء الاصطناعي بهذه الصور، ومن خلال استخدام ’التعلم الآلي‘، تكون تلك البرامج قادرةً على اكتشاف أي مشكلة تحدث في أي محصول.</p>
<p style="direction: rtl">الهيئة استخدمت هذه الآلية في متابعة المحاصيل الإستراتيجية الصيفية في الموسم الماضي، بالتعاون مع وزارة الزراعة المصرية، ما مكَّنهم من وضع تصور للمساحات المزروعة بكل محصول، وهو ما ساعد متخذي القرار على اتخاذ قرارات تتعلق بالاحتياجات المحلية لكل محصول، بناءً على معلومات تم توفيرها، وفق بلال.</p>
<p style="direction: rtl">ويرى بلال أن المنصات التي تستخدم صور الأقمار الصناعية والذكاء الاصطناعي هي ”أكثر ملاءمةً للاستخدام بواسطة متخذي القرار، وكبار المستثمرين الزراعيين، لكنها لن تحقق إضافةً ذات مغزى لصغار المزارعين من أصحاب الحيازات الصغيرة“.</p>
<p style="direction: rtl">ويضيف: ”أصحاب الحيازات الصغيرة الذين يجوبون حقولهم الزراعية صغيرة المساحة ذهابًا وإيابًا كل يوم، قادرون على اكتشاف أي مشكلة، وليسوا بحاجة إلى التدريب على استخدام مثل هذه المنصات، لكن هذه المنصات تكون مفيدةً للمستثمرين أصحاب المساحات الكبيرة من الأراضي، ومتخذي القرار على مستوى الدولة، لاتخاذ قرارات بناءً على المعلومات التي يتم توفيرها“.</p>
<p style="direction: rtl">هذا <a href="https://www.scidev.net/sub-saharan-africa/news/new-ai-tool-for-agriculture-prediction-in-africa/">الموضوع</a> أنتج عبر نسخة أفريقيا جنوب الصحراء (الناطقة بالإنجليزية) لموقع  SciDev.Net</p>

</div>
<div class="quick-links-wrapper">
<h3>You might also like</h3>
[related-articles]
</div>
<p>This article was originally published on <a href="https://www.scidev.net" target="_blank">SciDev.Net</a>. Read the <a href="https://www.scidev.net/mena/news/ai-crop-predictor-aids-africas-crisis-planning/" target="_blank">original article</a>.</p>
<script type="text/javascript">
(function(e,t,n,r,i,s,o){e["GoogleAnalyticsObject"]=i;e[i]=e[i]||function(){(e[i].q=e[i].q||[]).push(arguments)},e[i].l=1*new Date;s=t.createElement(n),o=t.getElementsByTagName(n)[0];s.async=1;s.src=r;o.parentNode.insertBefore(s,o)})(window,document,"script","//www.google-analytics.com/ga.js","ga");var _gaq=_gaq||[];var _gaq=_gaq||[];_gaq.push(["_setAccount","UA-3223906-8"],["_trackEvent","article interaction","republished","https://www.scidev.net/mena/news/ai-crop-predictor-aids-africas-crisis-planning/",null,true])
</script>
</div>

كتب: فرانسيس كوكوتسي and حازم بدر

[أكرا] طورت منظمة أبحاث أداة ذكاء اصطناعي؛ للتنبؤ بإنتاجية وغلات المحاصيل الزراعية الرئيسة في أفريقيا، مستعينةً بتقنيات التعلم الآلي والاستشعار من البُعد بالأقمار الاصطناعية.

الأداة التي طورتها منظمة ’أكاديميا 2063‘ الأفريقية سوف تساعد في التخفيف من وطأة الأضرار الناجمة عن تغيُّر المناخ والأزمات الأخرى، ولدعم صنع القرار والتدخل الفعال والتخطيط في المجتمعات المحلية.

أداة مراقبة الزراعة بأفريقيا سوف تساعد في إنتاج الأغذية الأساسية في 47 دولة أفريقية، بما في ذلك تسعة محاصيل هي الفول والكسافا والذرة والدخن والأرز والفول السوداني والذرة الرفيعة والقمح والبطاطا.

دُشنت الأداة على منصة بشبكة الإنترنت يوم 27 أبريل الماضي.

لمواجهة ”التهديدات العديدة التي يواجهها القطاع الزراعي في أفريقيا“، التي من بينها ”اضطراب سلاسل الإمداد نتيجة الظواهر المناخية المتطرفة والأزمات الصحية“، كما يبين رصين لاي، مدير إدارة البيانات والمنتجات الرقمية والتكنولوجيا بالمنظمة.

يقول لاي لشبكة SciDev.Net: ”الاعتماد على تقنيات التحليل التقليدية وحدها لن يؤدي إلى اتخاذ القرارات الفعالة التي نحتاج إليها لمواجهة هذه التحديات“.

”في الوقت المناسب“ كما يقول المطورون ”تيسر الأداة لصناع السياسة سبل الحصول على تحليلات تنبئية عالية الجودة، غالبًا ما تفتقر إليها القارة“.

وعن المحاصيل التي حددتها المنظمة يوضح لاي أنها اختيرت بسبب إسهاماتها في الأمن الغذائي في أفريقيا، فضلًا عن قيمتها التجارية العالية.

”مجتمعاتنا الريفية، على سبيل المثال، ستستهلك المزيد من الدخن والذرة الرفيعة واليام (البطاطا البيضاء)“.

ويستطرد لاي: ”في الواقع، لا تُستخدم هذه المحاصيل في التجارة الدولية، ولكنها بالغة الأهمية لسبل عيشنا، ولذلك سنركز عليها؛ لأنها إذا عانت من دمار أو اضطراب فسوف تعاني هذه المجتمعات بدورها لكسب عيشها“.

يوضح لاي أن تطوير هذه الأداة استغرق نحو عامين، على يد فريق من الخبراء الأفارقة بالكامل، وتضمَّن مراجعة علمية مكثفة وجمع بيانات من أقمار صناعية.

يقول لاي: ”بما أن الباحثين وصناع القرار سيستخدمون هذه البيانات في المقام الأول لاتخاذ القرارات، فقد كان علينا التأكد من صحتها ودقة التنبؤات“.

يرى لاي أن العقبة التالية تتمثل في تمكين المزارعين -وهم غالبًا من الأميين- من استعمال المنصة.

”في البداية، نعتزم العمل مع الجمعيات التعاونية التي يمكنها جمع المعلومات ثم نشرها… ولكننا في الوقت نفسه نحاول أن نرى كيف يمكننا العمل مع المرشدين الزراعيين لإيصال المعلومات حقًّا إلى المزارعين“.

ويضيف لاي: ”لم نصل إلى هذه المرحلة بعد، ولكننا نبذل الجهد في هذا الشأن حاليًّا“.

”الذكاء الاصطناعي وبيانات الأقمار الاصطناعية يمكن أن يمدانا بمعلومات وتنبؤات قيّمة حول إنتاجية المحاصيل“ كما يقول لشبكة SciDev.Net المدير التنفيذي لمركز بن.بلس.بايتس للتكنولوجيا، غير الربحي ومقره غانا، جيري سام.

”من خلال الجمع بين مجموعات بيانات متعددة، يمكن لنماذج الذكاء الاصطناعي تكوين فكرة شاملة عن العوامل التي تؤثر على نمو المحاصيل والقدرة الإنتاجية، مثل الطقس والتربة وبيانات الإنتاجية التاريخية“.

ويضيف سام: ”يمكن أن يدعم الذكاء الاصطناعي وبيانات الأقمار الصناعية أيضًا الممارسات الزراعية الدقيقة من خلال تقديم توصيات خاصة بكل موقع على حدة لتحسين مدخلات معينة، مثل الري والتسميد ومكافحة الآفات“.

ويستطرد: ”اتباع هذا النهج محدد الأهداف يمكن أن يؤدي إلى تحسين الإنتاجية وكفاءة استخدام الموارد“.

يعتقد سام أنه يمكن استخدام الذكاء الاصطناعي وبيانات الأقمار الاصطناعية لإحداث ثورة في الزراعة بأفريقيا.

”إن اعتماد تقنيات الذكاء الاصطناعي، لا سيما في مجال زراعة الكفاف، لن يؤدي إلى زيادة إنتاجية المحاصيل فحسب، بل سيفيد أيضًا سكان الريف ويوفر الأمن الغذائي للأمة“.

أما عبد العزيز بلال، رئيس شعبة التطبيقات الزراعية في ’الهيئة القومية للاستشعار من البُعد وعلوم الفضاء‘ في مصر، فيشرح: الأقمار الصناعية توفر صورًا للمحاصيل في مراحل النمو المختلفة، كما توفر صورًا لأي تغير يطرأ على المحصول، بسبب نقص في المياه مثلًا أو أي حشرة غازية، ويتم تغذية برامج الذكاء الاصطناعي بهذه الصور، ومن خلال استخدام ’التعلم الآلي‘، تكون تلك البرامج قادرةً على اكتشاف أي مشكلة تحدث في أي محصول.

الهيئة استخدمت هذه الآلية في متابعة المحاصيل الإستراتيجية الصيفية في الموسم الماضي، بالتعاون مع وزارة الزراعة المصرية، ما مكَّنهم من وضع تصور للمساحات المزروعة بكل محصول، وهو ما ساعد متخذي القرار على اتخاذ قرارات تتعلق بالاحتياجات المحلية لكل محصول، بناءً على معلومات تم توفيرها، وفق بلال.

ويرى بلال أن المنصات التي تستخدم صور الأقمار الصناعية والذكاء الاصطناعي هي ”أكثر ملاءمةً للاستخدام بواسطة متخذي القرار، وكبار المستثمرين الزراعيين، لكنها لن تحقق إضافةً ذات مغزى لصغار المزارعين من أصحاب الحيازات الصغيرة“.

ويضيف: ”أصحاب الحيازات الصغيرة الذين يجوبون حقولهم الزراعية صغيرة المساحة ذهابًا وإيابًا كل يوم، قادرون على اكتشاف أي مشكلة، وليسوا بحاجة إلى التدريب على استخدام مثل هذه المنصات، لكن هذه المنصات تكون مفيدةً للمستثمرين أصحاب المساحات الكبيرة من الأراضي، ومتخذي القرار على مستوى الدولة، لاتخاذ قرارات بناءً على المعلومات التي يتم توفيرها“.

هذا الموضوع أنتج عبر نسخة أفريقيا جنوب الصحراء (الناطقة بالإنجليزية) لموقع SciDev.Net