भारतात विकसित केलेल्या 'ALU' आणि 'AMED' या एआय (AI) मॉडेल्सच्या यशानंतर Google DeepMind ने आता ११ देशांमध्ये आपला विस्तार केला आहे. सॅटेलाईट डेटाच्या माध्यमातून शेतीला आधुनिक बनवण्याचा प्रयत्न असला तरी, यावर अवलंबून राहिल्याने काही धाकेही निर्माण झाले आहेत.
Google DeepMind ने भारतात तयार केलेल्या एआय-आधारित कृषी साधनांना आता आशिया-पॅसिफिक आणि आफ्रिकेतील ११ देशांमध्ये उपलब्ध करून दिले आहे. यामध्ये 'Agricultural Landscape Understanding' (ALU) आणि 'Agricultural Monitoring and Event Detection' (AMED) या दोन मुख्य मॉडेल्सचा समावेश आहे. सॅटेलाईट इमेजिंग वापरून ही यंत्रणा शेताच्या सीमा मोजणे, पिकांचे चक्र आणि आरोग्यावर लक्ष ठेवणे अशी महत्त्वाची कामे करते.
भारतातील प्रयोग आणि यश
या तंत्रज्ञानाने भारतात शेतीमध्ये मोठी क्रांती केली आहे. तेलंगणा सरकारने 'ADeX' प्लॅटफॉर्मद्वारे स्थानिक शेतकऱ्यांना पिकांवरील रोगांची माहिती देण्यास सुरुवात केली आहे, तर कर्नाटकच्या जलसंपदा विभागाने सिंचन कार्यक्षमता सुधारण्यासाठी याचा वापर केला आहे. एवढेच नव्हे तर मुंबईतील 'Terrastack' सारख्या स्टार्टअप्सने तब्बल १४० दशलक्ष हेक्टर शेतीचे मॅपिंग या तंत्रज्ञानाद्वारे पूर्ण केले आहे. आता जागतिक स्तरावर 'FAO' आणि 'CarbonFarm' सारख्या संस्था अन्न सुरक्षा आणि कार्बन क्रेडिट्ससाठी या डेटाचा वापर करत आहेत.
एआय शेतीतील वाढते धोके
तंत्रज्ञानाचा वापर वाढत असला तरी, काही तज्ज्ञांनी यावर चिंता व्यक्त केली आहे. प्रमुख धाके खालीलप्रमाणे आहेत:
- डिजिटल अवलंबित्व: शेतकरी आणि सरकारी यंत्रणा एकदा का या प्रायव्हेट इकोसिस्टममध्ये अडकल्या, की त्यांचे नियंत्रण कमी होऊ शकते.
- पारदर्शकतेचा अभाव: एआयचे अल्गोरिदम कसे काम करतात, याची माहिती सामान्य शेतकऱ्याला नसते. चुकीच्या डेटाचा फटका थेट आर्थिक नुकसानीच्या स्वरूपात बसू शकतो.
- खर्च आणि शाश्वतता: मोठ्या प्रमाणात क्लाउड-आधारित एआय सिस्टिम चालवण्यासाठी लागणारी वीज आणि संसाधने पर्यावरणासाठी चिंतेची बाब ठरत आहेत.