Mākslīgais intelekts palīdz reaģēt ātrāk Palīdz strādāt ātrāk

Pagājušās nedēļas beigās izstāžu centrā “Rāmava” notika “Biltim tehnika 2026”, kurā uzmanību šogad fokusēja uz tehnoloģijām, mākslīgo intelektu (MI) un ilgtspējīgiem risinājumiem saimniekošanai.

Seminārā praktiskā pieredzē par MI iekļaušanu savā darbā dalījās akciju sabiedrības “Pampāļi” piena lopkopības vadītājs Toms Martinsons. “Šķiet, ka visi, kas gribēja, izmēģinājuši dažādus mākslīgā intelekta rīkus. Taču tos var izmantot ne tikai stundām ilgām sarunām, bet arī kā asistentu darbā. Jāatceras, ka šis rīks nekādā ziņā saimniecībā nav galvenais, tas ir piramīdas pašā lejā. Svarīgāki, protams, par to ir govis, darbinieki, vide, ēdināšana, tehnoloģijas un saimniekojot iegūti dati.

Mākslīgais intelekts ir tik gudrs, cik viņam iedodam informāciju. Ja domā, ka ar to “čatosim” kā ar labāko čomu un tas mums iedos informāciju — smagi kļūdāmies,” norāda T. Martinsons.

Jāapjauš iespējas

MI pagaidām izmanto diezgan primitīvi, jo tas nedod papildu datu analīzi un salīdzināšanu, taču nākotnē gan rīku varētu izmantot šādam mērķim. Piemēram, MI dotu secinājumus no tam pieejamas vēsturiskas informācijas, simulētu situācijas un prognozētu iespējamus scenārijus, ja atkārtojas iepriekš bijuši apstākļi. “Piemēram, slaucamām govīm vasarā bieži novēro karstuma izraisītu stresu. Ja mākslīgam intelektam ir dati par gaisa mitrumu, temperatūru un barošanu (sausnas uzņemšanu), var iegūt fantastiskus rezultātus. Zinot laika prognozi, rīks laikus informē, ka pērn 30 grādos, govis deva četrus kilogramus piena mazāk — gaidāmi līdzīgi apstākļi, ir jārīkojas — govīm jānodrošina vairāk ātrās enerģijas. Tā laikus var sagatavoties un novērst piena zuduma riskus, par ko visi zina, taču katru reizi aizmirst,” stāsta “Pampāļu” piena lopkopības vadītājs.

Lopkopībā mākslīgā intelekta risinājumi jau strādā. Piemēram, slaukšanas iekārtas aprīkotas ar tehnoloģiju, kura analizē izslaukumu un ziņo par govju veselību. Savukārt gudrās kaklasiksnas mēra grūsnību, bet viedie bolusi (ierīces, ko ievieto lopu spureklī), analizē atgremošanu. Ir gudras kameras, kuras vērtē govs stāju, un ejot caur šķirošanas vārtiem atzīmē, kurš lops klibs. Tā fiksē arī to, cik ilgi dzīvnieks guļ, ēd, dzer un pastaigājas — arī šādas informācijas analīze var uzvedināt uz kādiem secinājumiem.

Tehnoloģiju tirgotāju lielākais izaicinājums, kā visus iespējami iegūstamos datus apvienot vienuviet. “Pagaidām tas šķiet utopiski, bet viena kopīga datubāze visu atskaišu gatavošanai būtu ļoti ērta,” secina T. Martinsons.

Jau tagad MI viņš izmanto kā savu asistentu, piemēram, lai no ganāmpulka atlasītu govis, kuras pēdējās 30 līdz 35 dienās sēklotas. Rīks operatīvi sagatavo failu drukāšanai pat neatverot datoru — tikai čatā jāieraksta balss ziņu ar komandu. Tāpat rīkojas, ja sistēmā jāievada jauni dati, piemēram, govij numur x pārbaudē apstiprināta grūsnība.

Mākslīgā intelekta individuālie risinājumi

Vispirms jāsagatavo precīzi “promti” jeb uzvednes — jāiedot precīzas komandas, ko vēlamies, lai MI izdara. Ja šo rīku nopietni plānots izmantot darbam, T. Martinsons iesaka iegādāties maksas versiju. Jaunākie modeļi spēj apstrādāt ļoti daudz informācijas. “Ja agrāk skaitļi pašam bija jāievada ekselī, tad tagad, ja skaidrs rokraksts, pierakstu lapiņu nofotografē, un MI uztaisa tabulu.

Tas palīdz arī aprēķināt laiku vai izmaksas paša izdomātam mērķim. Piemēram, ja līdz sešiem mēnešiem gribu nobarot jaunlopus, dodot tiem konkrētu barības daudzumu, cik dienās sasniegšu vēlamo rezultātu vai cik man tas izmaksās, ja nobarošu vēlāk,” stāsta “Pampāļu” lopkopības vadītājs.

Viņš atzīst, ka pirms gada vai pusotra bija jāorientējas vairākās ekseļa tabulās, jo katrai datu sistēmai bija sava. Ar MI darbs kļuvis ērtāks, jo lielos vilcienos visi dati vienuviet. Tos viņš savienojis jau apmēram pirms gada — lielās lauksaimniecības agregātu un tehnoloģiju kompānijas šādus pakalpojumus sākušas piedāvāt pavisam nesen.

“Barības tranšejas esmu izveidojis 3D formā, sistēmā reģistrēts arī dzīvnieku skaits, tādēļ ikdienā redzu, kāds ir barības atlikums. Bez grūtībām arī aprēķināms, cik ilgi pietiks zāle, kukurūza vai, piemēram, cukurbiešu graizījumi, ja turpināšu barot dzīvniekus, izmantojot konkrētu receptūru. Agrāk nereti sanāca, ka pēkšķi attopamies: rezerves rūk straujāk nekā paredzējām, tāpēc negaidīti jāmaina barības receptūra. Tagad tā vairs nenotiek.

Esmu lejuplādējis visas barībai domātās receptūras. Atkarībā no izslaukuma mainības, jebkurā brīdī varu izmantot vispiemērotāko. Uzreiz redzu, vai jauna receptūra samazina vai palielina piena izslaukumu. Turklāt šie dati saglabājas un ir izmantojami nākotnē. Tas svarīgi, ja grib strādāt efektīvi līdz sīkākai detaļai. Efektīva barības izmantošana nozīmē arī ietaupītu naudu par izejvielām. MI ir labs plānošanas asistents,” pieredzē dalās T. Martinsons.

Viņš ikdienā rūpīgi seko līdzi ieņēmumiem, kādi paliek, atrēķinot barības izmaksas. Tādēļ būtiski visus datus ievadīt katru dienu — tā pēc ­iespējas agrāk var konstatēt, ja kaut kas iet ne tā, kā plānots. 80 centu dienas zaudējums uz vienu dzīvnieku nešķiet nekas liels, bet, ja ir tūkstoš lopu — summa būtiska. Izvēle, kad reaģēt — uzreiz vai pēc divām nedēļām — katra paša rokās, pārliecināts “Pampāļu” lopkopības vadītājs.

Palīdz strādāt ātrāk

Lauku atbalsta dienesta direktora vietnieks Indulis Āboliņš izstādē “Biltim tehnika 2026” stāstīja par mākslīgā intelekta lietošanu zemnieku kontrolei.

Šī valsts iestāde izmanto vairākus MI rīkus. Piemēram, mājas lapas un Elektroniskās pieteikšanās sistēmas bots “Ieva” sniedz atbildes uz vienkāršiem standarta jautājumiem. Ar MI uzlabo satelītattēlus, lai bilde būtu saprotamāka, kā arī atpazīst kultūraugus un lauka apstrādes paņēmienus. Atlasa un apkopo Eiropas Komisijas atskaitēm nepieciešamus datus, kā arī veido dažādus komunikācijas materiālus sociālajiem tīkliem — infografikas un video. Testa režīmā to izmanto investīciju projektu dokumentu vērtēšanā.

Čatbots “Ieva” — “mācās” no dažādām rokasgrāmatām un Ministru Kabineta noteikumiem. Uz vienkāršu jautājumu, piemēram, līdz kuram datumam jānopļauj zāle, čatbots spēj atbildēt detalizēti. Taču “Ievai” ir grūtības orientēties laikā. Tas nozīmē, ka lietas, kas notikušas pirms desmit gadiem rīkam ir tikpat svarīgas, kā tās, kas notikušas nupat. Var gadīties, ka čatojot, botam sajūk gadi. I. Āboliņš uzskata, ka tas ir laika jautājums, lai izlabotu šo trūkumu.

Satelītattēli pirms apstrādes nav pārāk skaidri, pikselis ir 10x10 metru liels — grūti pateikt, vai uz lauka atstāti siena ruļļi, un ar kādu paņēmienu apstrādāts lauks. Taču ar norvēģu uzņēmuma attēlu apstrādes pakalpojumu bildes uztaisa skaidrākas. Ja rodas jautājumi, sazinās ar lauksaimnieku un precizē, kas uz lauka notiek.

Lai pēc satelīta secinātu, kāds kultūraugs aug konkrētā laukā, salīdzina palaikam uzņemtus attēlus. Katram augam dažādās veģetācijas stadijās ir savs “rokraksts” jeb kā laika gaitā atstarojas tā krāsojums. Par pamatu ņem lauksaimnieka iesniegumu un salīdzina, vai satelītā redzamais “paraksts” atbilst iesniegumā norādītajam. Šajos attēlos pamana arī neiederīgus objektus, piemēram, nesen izraktu dīķi vai ko citu, par ko zemnieks aizmirsis informēt. Garām nepaslīd kūlas dedzināšana.

Taču MI sniegtu atbildi nekad neuztver kā 100 % patiesu, visu vēlreiz pārbauda LAD speciālists. Bieži MI saka taisnību, taču tam gadās arī kļūdīties. Ja rodas jautājumi, iestāde sūta paziņojumus zemniekam, kurš aizdomas apstiprina vai noliedz.

I. Āboliņš stāsta, ka pēdējo gadu netipisko laikapstākļu dēļ augi attīstās citādāk, tādēļ satelītam ir grūtības uztvert citkārt raksturīgos augu “parakstus”. Skaidru skatu traucē notvert mākoņains laiks, reizēm lauku ģeometrija — ķeburaina un sarežģīta.

Izanalizējot attēlu, investīciju projektos MI ātri palīdz saprast, vai iegādāta paredzētā tehnika. Tāpat var pārbaudīt, vai lauksaimnieka plāni ir reāli izpildāmi un citus datus. Informācija gan jālasa pieredzējušam speciālistam, jo galu galā tikai cilvēks, nevis MI apstiprina vai noraida projekta pieteikumu. Pagaidām MI investīciju projektos izmanto maz, taču šim rīkam ir potenciāls nākotnē.

Noslēgumā I. Āboliņš atzīst, ka LAD darba efektivitāte uzlabojas, jo, pateicoties MI rīkiem, informāciju apstrādā ātrāk. Daudz vieglāk atrast likumsakarības, izņēmumus un apstrādāt lielu datu apjomu.