美国大陆有大约200万个农场，其所有者的决定影响了整个食品供应链。根据一项研究，如果美国西兰花产量中仅有5%没有收获，那么就会有超过9000万磅的西兰花没有被吃掉。
为了帮助稳定通常充满不可预测性的市场，IBM日前推出了Watson农业决策平台，这是一个包含人工智能(AI)，物联网和云解决方案的新平台，共同产生“基于证据”的见解。它可作为托管服务提供，也是IBM针对客户服务，人力资源，制造和营销用例提供新的预培训工具包的一部分。
Armonk公司在一份新闻稿中写道：“农业一直是一项复杂的工作，需要种植者管理一个季节性和季节性决策的互联网络，同时受到大自然的支配。” “随着来自农场设备，环境传感器和远程输入的数据爆炸，依靠直觉或传统技术来了解驱动产量变化的因素或为种植者提供指导是不切实际的。 [我们]通过将Watson AI应用于数据来填补这一空白，从而产生决策支持，种植者需要做出自信，基于证据的决策。”
利用IBM预测后端的强大功能，Watson农业决策平台突出了可能影响作物产量的任何关键因素，如土壤温度，水分含量，作物压力，害虫和疾病。种植者可以部署无人机，将照片发送到IBM Cloud进行基于AI的趋势分析(例如，发现作物病害的迹象)，或者将植物的近距离照片提供给疾病检测计算机视觉算法。
大型农业经营可以利用该平台预测何时可以收获以及它们将在全球市场上获利多少。通过整理数据，他们不仅可以确定最佳灌溉，种植，施肥和工人安全实践，还可以确定一年中销售特定作物的理想时间。
Watson农业决策平台不是IBM首次涉足农业分析领域。其IBM PARIS Geoscope平台利用机器学习来分析卫星图像，天气数据(部分来自IBM子公司The Weather Company)，人口普查数据，土地利用，商业位置数据和作物预测。在巴西，其研究人员构建了一个原型——AgroPad——它使用AI和移动应用程序来分析土壤和水样。在肯尼亚，IBM与Twiga Foods合作，为农民和食品供应商测试了一个支持区块链的小额贷款平台。
当然，IBM并不是唯一将AI应用于农业的公司。总部位于特拉维夫的初创公司Prospera利用计算机视觉软件，现场摄像头和气候传感器以及强大的云处理平台来确定向特定地点的工厂输送多少水。同时，笛卡尔实验室使用通过卫星数据训练的机器学习模型来估计州和全国范围内的美国玉米产量估算，而Abundant Technologies在其Harvest Croo自动草莓采摘机中采用计算机视觉和传感器融合。
不过，这些创新不可能很快到来。联合国估计，为了满足地球爆炸性人口的需求，到本世纪中叶，粮食产量需要增加50%。运气好的话，人工智能将为行业提供所需的推动力。
日前推出的其他新Watson解决方案和服务，包括Watson Discovery for Salesforce，旨在为客户服务代理提供实时相关的客户请求信息;人力资源工具，分析表现最佳的员工的背景，并标记有前途的申请人; IBM Watson营销助理; IBM IoT Building Insights;和Watson Supply Chain Insights合并了天气数据，交通报告和监管报告，以“全面了解”全球供应问题。
IBM表示，它已与20个行业和80个国家/地区的客户在“数千次合作”中部署了Watson AI解决方案。它包括Deluxe Corporation，BuzzFeed，H&R Block，Ingersoll Rand，Subway，十大汽车公司中的七家，以及其客户中八家来自十大石油和天然气公司。
