本文来自微信公众号：机器之能（ID：almosthuman2017），编译：徐丹，头图来自：x.company
提到谷歌Waymo无人驾驶，业界应该无人不知，它可以说是新一波自动驾驶技术研发热潮的鼻祖。但很少有人注意到Waymo背后的研发团队——神秘的谷歌X实验室。
X实验室成立于2010年，内部称自己为“登月工厂”。
即使是身处X实验室内部的人也很难确切的说出“X”到底是什么，他们并不承担某个具体职责，目标就是追求所谓的“登月计划”——通过发明全新技术来解决人类面临的重大问题。
要想成为实验室的“登月计划”，创意必须符合三个标准：必须解决一个重大的全球性问题、涉及突破性技术、结果至少比目前成果“好10倍”。
Waymo无人驾驶、互联网气球Loon、送货无人机Wing都是X实验室的创意。
X实验室互联网气球业务Loon，已经在为秘鲁和肯尼亚的农村地区提供互联网接入服务
除此之外，它还曾尝试从海水中制造碳中性燃料、用货运飞船取代海运。甚至，还认真讨论过在北极周围铺设一个巨大的铜环，利用地球磁场发电。
虽然很多创意看起来异想天开甚至很荒谬，但尝试过程中产生的“边角料”却都成为谷歌重要的技术。比如深度学习部门Google Brain、谷歌Pixel智能手机中的摄像应用GCam、谷歌地图中的室内导航以及专门为可穿戴设备开发的Android操作系统Wear OS等。
正如X实验室总负责人阿斯特罗·泰勒（Astro Teller）的定义，X实验室是“一种激进的思维方式”“一种通过认真对待疯狂想法来追求技术突破的方法。X实验室的工作不是发明新的谷歌产品，而是创造可能决定谷歌未来的发明”。
近日，X实验室又宣布了一项新的“登月计划”：智能农业项目“Mineral”。
一、危机：“未来的50年要生产更多的粮食”
提到重大的全球性问题，“粮食危机”肯定是绕不开的一个。
气候变化使全球农作物逐渐减产。谷歌X实验室表示，为了养活地球上不断增长的人口，在未来的50年内，全球农业需要生产比过去1万年更多的粮食。
现代农业的应对方法就是种植几种已知的高产农作物——如今稻米、小麦和玉米已经能够提供世界上近一半来自植物的卡路里。此外就是用化肥、农药等化学物质处理杂草、疾病等问题。
虽然的确使农作物产量大大增加，但是一个只为提高生产率和易操作性而优化的农业系统也有潜在风险。
集约化种植作物使之更容易受到病虫害、疾病和天气变化的影响，作物会持续消耗土壤中的养分和矿物质，减少土壤微生物组的多样性并降低土壤碳存储能力。化学物品使用过度也会损害土壤健康，使农田生产力降低，形成一种恶性循环。
对此，谷歌X的想法是，“拥抱而非减少自然的多样性”。
比如，据联合国粮食及农业组织，在已知的30000种可食用植物中，只有不到1%被种植用于人类食品。如果育种者能够释放世界上存在的3万种可食用植物的遗传多样性，他们可能就能够确定在气候变化的压力下具有适应性和生产力的植物种类和变种。
比如，如果种植者能够理解农场中的每棵植物如何生长、如何与环境互动，就可以减少肥料、化学药品和珍贵资源（如水）的使用。并且可以探索复杂的种植技术，如间作和套种以恢复土壤肥力并提高生产力。
二、方法：“植物车”监测作物全周期生长环境
X实验室在2019年公布了智能农业项目，但已经为此准备了近十年的时间。
过去的十年间，该项目负责人埃利奥特·格兰特（Elliott Grant）一直与从美国达科他州到新西兰的种植者和育种者交流，他发现一个紧迫的问题是农业种植者没有办法充分了解作物和田地。
X团队与加利福尼亚的草莓种植者交谈
每个种植季节农民都面临着数百个决策：种植什么？何时种植？施多少肥？他们必须整合天气、土壤质量、市场条件等诸多未知因素做出决定，这直接决定着农场的盈亏。
虽然国内外都有许多公司致力于用传感器、GPS等手段实现农业数字化，但大多数时候，这些数据要么太孤立，要么不符合农业复杂性，沦为鸡肋产品。至今农业仍然是全球数字化程度最低的行业之一。
X实验室认为，目前我们正在进入一个“计算农业”的新时代，更全面更准确的数据和机器学习技术可以满足一些农民的需求。比如减少化肥的使用、就疾病或干旱等问题做出更好的决策。
要做到这一点就需要挖掘每一种植物的生长过程以及如何与环境互动的数据。所以，X实验室智能农业的第一个产品诞生了。
这是一种新型四轮漫游车原型，团队称之为“植物车”，它混合使用摄像机、传感器和其他机载设备来研究作物、土壤和其他环境因素。
成型后的植物车在检查和了解不同类型的作物
该越野车装有太阳能电池板，能实现低排放，具有各种形状和大小以适应多种作物田野。内置GPS软件、精密相机和机器感知工具，可识别田野中的问题并分析植物特征。
“就像显微镜导致疾病的检测和管理方式发生转变一样，我们希望更好的工具能够使农业行业改变粮食的种植方式。”格兰特说。
过去的几年间，这辆车穿越了加利福尼亚的草莓田和伊利诺伊州的大豆田，收集了每种植物的高质量图像，并对浆果和豆计数和分类。迄今为止，研究团队已经收集了瓜、浆果、生菜、油料种子、燕麦和大麦等植物的生长全周期数据。
使用早期原型机收集草莓图像
通过将从田间采集的数据（例如植物高度，叶面积和果实大小）与环境因素（例如土壤健康和天气）相结合，Mineral的软件工具可以帮助育种者了解和预测不同植物品种对环境的反应。
通过对田间植物进行绘图和成像，种植者可以对单个植物（而不是整个田地）进行故障排除和处理，从而降低了成本和环境影响。跟踪植物随时间的生长方式可以帮助种植者预测其作物的大小和单产，从而使他们能够更好地预测单产。
白菜的早期实验
当然，植物车只是第一步。关于智慧农业，X实验室未来还有很多要做的事情。
“如果每一株植物都能被监控并得到它所需要的营养会怎样?如果我们能解开农作物产量的基因和环境驱动因素会怎样?如果我们能测量植物对环境作出反应的微妙方式会怎么样?如果我们可以为最优的可持续性匹配一种作物品种的土地会怎样?”
“我知道我们无法提出并回答每一个问题。”格兰特说，“但我们会与世界各地的育种者和种植者合作进行实验，以找到了解植物世界的新方法。”
参考链接：
[1]https://www.theverge.com/2020/10/12/21513353/alphabet-google-x-lab-moonshot-computational-agriculture-mineral-revealed
[2]https://x.company/projects/mineral/
本文来自微信公众号：机器之能（ID：almosthuman2017），编译：徐丹