インドアファーミングとは
環境を制御できる施設（インドア）で、土を使わない水耕栽培などで作物を生産する方法です。
光合成の光エネルギーに太陽光を用いる型と、LEDなどで照光を制御する型（閉鎖型）に大別されます。
AI（人工知能）とは
AIは英語Artificial Intelligence（アーティフィシャル・インテリジェンス）のことで、日本語では人工知能と呼ばれています。
Artificialは形容詞で、人工の、人造の、人為的ななど多くの意味に使われます。
Intelligenceは名詞で、１） 理解力、思考力、知能 ２） 報道、情報、諜報、諜報機関の二つの意味があります。
本当に人間の脳のように働くかは議論が残っていますが、 AIとは、簡単にいうと「人工的に作られた知能」のことです。
1956年にアメリカのダートマス大学で「人間の知能を機械によって模倣し、機械が人間のように思考や問題解決を行えるようにする」ための “ダートマス会議” が行われ、この中で「AI」という言葉が生まれました。
2022年アメリカのOpenAI社が開発した大規模言語モデルLLMの対話型AI、Chat GPTを一般公開。 競合他社も同様のサービスを展開し、驚異的なスピードで世界中に普及しています。 近年はテキストだけでなく画像や音声をリアルタイムで処理するマルチモーダル化が進み、さらに「会話」だけでなく「推論」や「AIエージェント」へと進化を続けています。
インドアファーミングとAI
インドアファーミングである水耕栽培、脳のニューロンの数理モデルの提唱は、ともに1940年代に始まりました。
ドイツの自動車会社BMWは、2032年には、完全に自動化され人間の介入なしにロボットだけで稼働する無人工場「Dark Factory」（作業員用の明かりは必ないので暗くて良いが電力と空調は必要）のコンセプトを提唱しています。
「植物工場」の2032年はどうなるのでしょうか？
AIはどのように動いているか
AIは5層のケーキとNVIDIAは説明しています。
AIのモデル
AIのモデルは、予測や判断を出力するための「関数」で、数式の集まりです。
Indoor AI Farmingはどのように動いているか
Indoor AI Farmingは、分散処理の形態で、インドア（エッジ）で動きます。
データを地産地消するIndoor AI Farming
インドアファーミングには、自分の所のデータで学習・推論し、知識・知見が増えるエッジAI分散処理が最適です。
農業とIndoor AI Farming
農業は、作物により工程が異なりますが、一般的には、栽培計画、種を撒く、苗を移植する、灌水や施肥をしながら栽培をし、収穫をして農産物として出荷され、流通経路を経て食卓に上がります。
それぞれの工程には、AIを活用した生育観測、農業用ロボットなどの技術・製品が研究開発されていますが、Indoor AI Farmingは、インドアでの「栽培」の工程にAIを適用しています。
それは、植物の生育に必要な環境要素のデータを把握でき、その結果AIで得られた最適栽培条件で温度・CO2濃度・LED・肥料濃度を外部から制御できるからです。
Indoor AI Farmingでは、この栽培工程に、主に画像診断を行う深層機械学習のAIと因果関係を推論するAI（Causal AI）の二つを用いています。
Wise Finder
Wise Finderは、深層学習で最適モデルを自分で生成し、画像診断をするプラットフォームです。
JetsonのAI半導体の上で動くエッジコンピューティングです。
「学習する方法を学ぶ」メタラーニングを駆使し、少ないデータから新しい認識を行い、最適モデルの生成、パラメータ調整などを自動的に実行します。
対象物の作物に合わせて、最適なAIモデルを自動構築します。
現場では、少量の正常画像（幾つも正常パターンがある時はそれら全て）でモデル生成できます。
現場での学習に応じて、最新のモデルに随時更新され、AIモデルを常に現場に最適化できます。
Causal AI
因果推論（Causal AI）は、「なぜそれが起きたのか」という因果関係をAIモデルを用いて理解・推論・探索する技術です。
データ間の「相関関係」ではなく、なぜその結果が起きたのかという根拠を解釈し、「原因と結果」を推論するAIです。
「Why」を推論するので、 相関関係にとどまらず、因果関係を分析し、真の改善要因を特定できる可能性があります。
なぜCausal AIなのか
従来の機械学習モデルが作物栽培における収穫量そのものの予測精度を重視していたのに対し、Causal AIは投入量の変化が収穫量に与える因果関係（処置効果）を直接推定することができる点が大きな特徴です。
海外の研究では、収穫量の予測精度が高いモデルが必ずしも最適な肥料施用量を導き出すわけではないという指摘があり、スマート農業における因果機械学習の導入が、農家の収益性と資源管理の効率を大幅に向上させる可能性を明らかにしています。
CEA（Control Environment Agriculture）、なかでも閉鎖型水耕システムは観測データが揃い、さらにIndoor AI Farmingは、Agentとして環境機器（HVAC, CO2濃度, 養液EC/ｐH、LEDライティング）を制御できるので因果の介入を評価できる可能性が高いです。
課題は在りますが、挑戦中です。
「人は形にして見せてもらうまで何が欲しいのか分からない。」
スティーブ・ジョブス Apple創業者、元CEO
Reality Check
「水耕とAIはどこでもやっていて目新しくもない！」との声がありますが、まだ未完成で、新しい用途、革新の余地が多くあります。
都市型農業 → 都市のビル、屋上での水耕栽培はスペースの活用や輸送の環境負荷ゼロの食糧生産です。
特定の作物栽培 → 農薬を使用できない作物など、特定の作物に特化した水耕AI栽培が期待されます。
AIはこれから → 作物固有の生育モデルはまだ未確立です。水や栄養素の最適化をリアルタイムで調整する技術などはまだ完成していません。
データもこれから → 作物生育の全てのデータはまだ揃っていません。データの種類と量が課題です。
作物毎の生育モデル
Indoor AI Farmingの目的は、観測データに基づいて作物に最適な生育モデルを確立し、それに基づいて環境を制御し、植物の力を最大化し、人の労力を最小化することです。
Indoor AI Farmingでは、植物の生理、成長の原理に従って「植物の力の方程式」を定義して、この式を前提にして生育モデルを作物毎（Plant Centric Approach）に作ろうとしています。
農業とは「太陽エネルギーを食糧エネルギーに変換すること」です。太陽からのエネルギーは、植物の光合成によって糖に作り替えられます。
実際に成長するためには、光合成に必要要素だけではなく、水や栄養素も必要です。
Indoor AI Farmingでは、観測できるデータと実装できる装置で制御できる変数で式を作っています。この式に基づいて、作物毎のモデルを作成していきます。
