سرزمین الگوریتم‌ها

جلد اول

هوش مصنوعی و ساختن آیندهٔ کشاورزی

از مزرعه تا الگوریتم... و بازگشت

این کتاب جلد اول مستقل از اثری گسترده‌تر است. دامنهٔ آن فقط بخش یکم («چرا تحول کشاورزی اهمیت دارد؟») و بخش دوم («مبانی هوش مصنوعی و داده») و در مجموع هفت فصل است. این جلد، مسئلهٔ کشاورزی را پیش از فناوری، معیار شواهد برای داوری دربارهٔ ادعاها، خانواده‌های اصلی روش‌های هوش مصنوعی، و سامانه‌های داده، هوش مکانی و ترویج کشاورزیِ لازم برای اجرای مسئولانه بررسی می‌کند.

ویرایش فارسی بخشی از پروژه‌ای جهانی در ده زبان است که می‌کوشد ژرفای علمی را با روشنی عملی درآمیزد: برای کشاورزان فهم‌پذیر، برای متخصصان سودمند و نسبت به تفاوت‌های محیط‌ها و فرهنگ‌های کشاورزی هوشیار.

نویسنده: Dr Aladdin Ali دکترای علوم کشاورزی — بنیان‌گذار Aladdin International Company

نهاد حامی: PT Aladdin Pertanian Internasional زبان این ویرایش: فارسی ویرایش: جلد اول — ویرایش نخست — ۲۰۲۶ تاریخ: ۱۸ سپتامبر ۲۰۲۶

این کتاب نه بر پایهٔ یک سند واحد و نه بر مجموعه‌ای بسته از پرونده‌ها یا منابع بنا شده است. کتاب از مسیر پژوهش، مستندسازی و بازبینی در چند مرحله شکل گرفت: کار با گردآوری مطالب علمی، فنی و کشاورزی به زبان‌های گوناگون آغاز شد و سپس در جریان نگارش و ویرایش گسترش یافت تا مطالعات و مرورهای علمی، گزارش‌های نهادهای بین‌المللی، اسناد رسمی و مقرراتی، راهنماهای ترویج کشاورزی، مطالب فنی، و سوابق اجرا و آزمون مرتبط با برخی سامانه‌ها و کاربردهای بررسی‌شده در کتاب را دربر گیرد.

در سراسر این مسیر، صرف یافتن یک منبع هرگز برای پذیرفتن آن کافی نبود. هویت، تاریخ، نسخه و زمینهٔ هر منبع بازبینی شد و ادعاها با آنچه شواهد واقعاً اجازه می‌دادند سنجیده شدند. هرجا دسترسی به منشأ اطلاعات ممکن نبود یا شواهد کفایت نمی‌کرد، به‌جای عرضهٔ آن به خواننده همچون واقعیتی تثبیت‌شده، عبارت محدود شد، عدد به حالت تعلیق درآمد یا حدود اطمینان به آن آشکار گردید.

ابزارهای هوش مصنوعی در بخشی از کارهای سازمان‌دهی و مقایسه، کشف تکرار، پیگیری تفاوت میان نسخه‌ها، کمک زبانی و پیشنهاد برخی صورت‌بندی‌های اولیه به کار گرفته شدند. با این حال، این ابزارها منبع علمی تلقی نشدند و اختیار صدور حکم کشاورزی یا تأیید واقعیت یا توصیه‌ای به آن‌ها داده نشد. راستی‌آزمایی منابع، سنجش قدرت شواهد، ویرایش، گزینش عبارت و تأیید نهایی همگی کنش‌هایی انسانی‌اند و مسئولیت کامل آن‌ها بر عهدهٔ نویسنده باقی می‌ماند.

نام شرکت‌ها، محصولات، نهادها و برنامه‌ها در این صفحات برای شناسایی، تحلیل و مقایسه آمده‌اند، نه برای تأیید یا تبلیغ. ذکر یک محصول یا سامانه توصیه‌ای برای خرید یا استفاده از آن نیست، و ذکرنشدنش نیز داوری دربارهٔ کیفیت یا تناسب آن به شمار نمی‌آید. نام‌ها، نشان‌های تجاری و حقوق مرتبط با آن‌ها همچنان متعلق به صاحبانشان است.

این کتاب خواننده را به سوی شواهد راهنمایی می‌کند و به او در فهم و بررسی حدود آن‌ها یاری می‌رساند، اما جای منبع اصلی، برچسب رسمی محصول، نهاد مقرراتی، آزمایشگاه، یا متخصص واجد صلاحیت کشاورزی یا دامپزشکی را نمی‌گیرد.

حقوق نشر © 2026 دکتر علاءالدین علی. همهٔ حقوق محفوظ است.

بدون اجازهٔ کتبی پیشین از صاحب حقوق نشر یا شخصی که او به‌صورت کتبی اختیار داده باشد، بازتولید این کتاب به‌طور کامل یا جزئی، نسخه‌برداری، چاپ، بازنشر، توزیع، ترجمه، ضبط، تهیهٔ نسخه‌ای اقتباسی یا اثری مشتق از آن، تبدیل آن به هر قالب یا رسانه، ذخیره‌سازی در هر نظام بازیابی اطلاعات، یا انتقال آن با هر وسیلهٔ الکترونیکی، مکانیکی یا دیگر، از جمله فتوکپی و ضبط، مجاز نیست.

اقتباس محدود در حدی که قوانین نافذ برای نقد، بررسی، پژوهش یا آموزش اجازه می‌دهند از این ممنوعیت مستثناست، مشروط بر آنکه کتاب به‌درستی مستند شود، زمینهٔ متن نقل‌شده حفظ گردد، معنای آن تحریف نشود و به شیوه‌ای عرضه نگردد که تأیید شخص، نهاد، محصول یا دیدگاهی را از سوی نویسنده یا صاحب حقوق نشر القا کند، در حالی که چنین تأییدی صراحتاً صادر نشده است.

نقل هر عدد، توصیه یا اطلاعات حساس از این کتاب، تکلیف مراجعه به منبع اصلی یا نهاد رسمی صلاحیت‌دار را از میان نمی‌برد؛ همچنین مسئولیت به‌کارگیری اطلاعات بیرون از زمینهٔ خود، پس از سپری‌شدن زمان اعتبار آن، یا پس از تغییر شرایط مقرراتی یا مبنای علمی آن را به نویسنده منتقل نمی‌کند.

چاپ نخست — 2026

PT Aladdin Pertanian Internasional حامی این اثر است. پروژهٔ کامل، در بخش‌های بعدی که در این جلد گنجانده نشده‌اند، مطالعهٔ موردیِ اعلام‌شده‌ای دربارهٔ سکوی کشاورزیِ وابسته به نهاد حامی دارد. چون این رابطه می‌تواند بر برداشت خواننده اثر بگذارد، پیش از بحث دربارهٔ سکو آشکارا اعلام می‌شود.

تعارض منافع بالقوه با نادیده‌گرفتن یا زبان علمیِ پنهان‌کننده حل نمی‌شود. سه مرز زیر بر کل پروژه، از جمله این جلد، حاکم‌اند:

• هیچ قابلیتی فراتر از آنچه مخزن کد یا گزارش مهندسیِ تاریخ‌دار ثابت می‌کند به سکو نسبت داده نمی‌شود.
• وجود کد به معنای اجرای خدمت در محیط عملیاتی نیست؛ فاصلهٔ میان این دو یک پرسش روش‌شناختی باقی می‌ماند.
• سکو به‌عنوان شاهد برتری علمی یا تجاری بر سامانه‌های دیگر استفاده نمی‌شود.

نهاد حامی بر یافته‌های کتاب اختیار ندارد. نبود شواهد را نمی‌توان به شاهد کیفیت تبدیل کرد و محدودیت نامطلوب تجاری را نمی‌توان حذف کرد. در تعارض میان توصیف بازاریابی و منبع دست‌اول یا وضعیت مخزن، مرجع بالاتر و عبارت محافظه‌کارانه‌تر مقدم است.

جلد اولِ حاضر، سکوی نهاد حامی را به‌عنوان مطالعهٔ موردی عرضه نمی‌کند؛ آن بحث در بخش‌های بعدی پروژهٔ کامل قرار دارد.

این کتاب به شما می‌آموزد چگونه دربارهٔ تصمیم کشاورزی بیندیشید؛ تصمیم را برایتان دیکته نمی‌کند.

منطق را توضیح می‌دهد، شواهد را تحلیل می‌کند و در طراحی سامانه‌ها یاری می‌رساند. اما نه سند ثبت رسمی است، نه نسخهٔ کوددهی یا آبیاری برای زمین خاص شما، نه تشخیص دامپزشکی، و نه جایگزین آزمایشگاه، مهندس کشاورزی، دامپزشک یا نهاد مقرراتی.

اطمینانی که در لحن الگوریتم‌ها اوج می‌گیرد، به محض آنکه پا بر خاک مزرعه بگذارد ممکن است به توهمی خطرناک بدل شود. در تصمیم‌گیری کشاورزی خطوط قرمزی وجود دارد که از توان هر مدل زبانی، هر اندازه هم شیوا، فراتر می‌روند: دُز مادهٔ شیمیایی؛ دو فاصلهٔ ایمنی، یعنی فاصلهٔ پیش از برداشت (PHI) و فاصلهٔ ورود مجدد (REI)؛ ثبت قانونی آفت‌کش؛ و قیمت امروز محصول.

برخی واقعیت‌های حساس را سامانهٔ هوش مصنوعی هرگز نباید حدس بزند یا بدون منبعی روشن عرضه کند: دُز مجاز؛ فاصلهٔ میان آخرین کاربرد آفت‌کش و برداشت؛ فاصلهٔ ورود مجدد کارگران به منطقهٔ تیمارشده؛ وضعیت ثبت قانونی محصول برای گیاه زراعی و آفت مورد نظر؛ و قیمت جاری بازار برای آن کالا.

دُز، فاصله‌های پیش از برداشت و ورود مجدد، و وضعیت ثبت باید با برچسب رسمی محصول و دستورهای نهاد مقرراتی صلاحیت‌دار در کشور محل مصرف سنجیده شوند. خطا در هر یک می‌تواند به محصول آسیب بزند، کارگران را به خطر اندازد، یا باقی‌مانده‌ای ناسازگار با مقررات برجا بگذارد که پذیرش محموله در بازار صادراتی را تهدید کند. قیمت نیز باید با منبعی جاری و قابل‌اعتماد سنجیده شود که مکان، تاریخ، واحد پول و درجهٔ کیفی را مشخص می‌کند؛ قیمت قدیمی یا غیربومی ممکن است به تصمیمی نادرست دربارهٔ فروش، خرید یا تولید بینجامد.

هوش مصنوعی می‌تواند مشاهدات را گرد آورد، احتمال‌ها را مرتب کند، شواهد را بازیابی کند و الگویی شایستهٔ بررسی را آشکار سازد. این خود بسیار است. اما آن یک کاری را که شاید برخی وسوسه شوند از آن انتظار داشته باشند انجام نمی‌دهد: انتقال مسئولیت قانونی و حرفه‌ای از انسان به الگوریتم. مسئولیت از مسیر واگذاری فنی کوچ نمی‌کند.

از همین رو هر سامانه‌ای که در کار حساس کشاورزی سزاوار اعتماد باشد، سه چیز را دربارهٔ خود می‌داند: چه هنگام باید از پاسخ خودداری کند، برای پاسخ‌دادن چه چیزی کم دارد، و وقتی پیامد تصمیم از حدودش فراتر می‌رود آن را به چه کسی ارجاع دهد.

سفر من با هوش مصنوعی نه از جایگاه متخصص این حوزه آغاز شد و نه در مقام توسعه‌دهنده‌ای که از پیش می‌دانست مدل‌ها و ابزارهای آن چگونه کار می‌کنند. در میانهٔ سال 2023، همچون کاربری تازه‌کار آغاز کردم که می‌خواست بفهمد این فناوری نو حقیقتاً چه کاری می‌تواند انجام دهد و آیا واقعاً می‌تواند شیوهٔ یادگیری، کار و حل مسئلهٔ ما را دگرگون کند.

در آغاز، کنجکاوی‌ام عملی و بی‌پیرایه بود. ابزارهای موجود را همان‌گونه آزمودم که هر کاربر تازه‌ای ممکن است: پرسش می‌کردم، پاسخ‌ها را مقایسه می‌کردم و سرعت شگفت‌انگیز تولید متن، تصویر و تحلیل را می‌دیدم. آن شگفتی نخستین چندان تنها نماند. دریافتم پاسخی مطمئن می‌تواند همچنان ناقص باشد، شیوایی حقیقت را تضمین نمی‌کند، و ابزارهایی با رابط‌های مشابه ممکن است از حیث منابع، توانایی‌ها و محدودیت‌ها تفاوتی بنیادین داشته باشند.

تا اواخر 2024، استفادهٔ گهگاه دیگر کافی نبود. آزمایش طیف گسترده‌ای از ابزارها، موتورها و سکوهای هوش مصنوعی را آغاز کردم، تفاوت‌هایشان را مطالعه کردم و شیوهٔ کارشان را با هم سنجیدم. پرسش را چگونه می‌فهمیدند؟ دانش را چگونه بازیابی می‌کردند؟ چه هنگام از منبع پاسخ می‌دادند و چه هنگام شکاف را با آموخته‌های پیشین خود پر می‌کردند؟ با زبان‌های گوناگون چگونه روبه‌رو می‌شدند؟ و وقتی از آن‌ها راهنمایی تخصصی در حوزه‌ای پیامددار چون کشاورزی خواسته می‌شد، چه رخ می‌داد؟

کشاورزی هم دشوارترین آزمون بود و هم نزدیک‌ترین آن به من. آن را صرفاً بخشی اقتصادی نمی‌بینم، بلکه علم، حرفه و مسئولیتی می‌دانم که با آب، غذا، خاک، سلامت گیاه و دام، و معیشت میلیون‌ها خانواده پیوند دارد. خطا در اینجا درون متنِ روی صفحه باقی نمی‌ماند؛ ممکن است به دُزی نامناسب، آبیاری در زمان نادرست، تشخیصی گمراه‌کننده، یا هزینه‌ای بدل شود که کشاورز توان پرداختش را ندارد.

در سپتامبر 2025، سفرم از آزمایش و مقایسه به مطالعه و ساختی عمیق‌تر وارد شد. کار بر بزرگ‌ترین پروژه‌ام را آغاز کردم: توسعهٔ سامانه‌ای هوش مصنوعی و تخصصی در کشاورزی که نه فقط برای تولید پاسخ‌های کلی، بلکه برای پیوند دادن پرسش کشاورزی با منبع، زمینه، محصول، مکان، زبان و پیامد تصمیم طراحی شده بود.

آرمان بنیان‌گذارانه به همان اندازه که روشن بود دشوار نیز بود: دانشجویان کشاورزی باید کاملاً رایگان به این دانش و ابزارها دسترسی داشته باشند، و کشاورز باید بتواند با هزینهٔ هدفی که از یک دلار آمریکا در ماه بیشتر نیست به خدمتی هوشمند در کشاورزی دست یابد.

این عدد ابزاری بازاریابانه نبود؛ پرسشی مهندسی و اخلاقی بود که از آغاز پیش روی پروژه قرار گرفت. آیا می‌توان فناوری پیشرفتهٔ کشاورزی ساخت بی‌آنکه در انحصار دانشگاه‌های بزرگ، شرکت‌های ثروتمند و مزارعی بماند که توان پرداخت اشتراک‌های گران را دارند؟ آیا همان دانش می‌تواند به دانشجویی با منابع محدود و خرده‌مالکی برسد که نمی‌تواند سهم قابل‌توجهی از درآمدش را برای ابزاری دیجیتال و هنوز آزموده‌نشده در محیط خود به خطر اندازد؟

این هدف را در اینجا به‌عنوان مقصودی ثبت می‌کنم که طراحی و توسعه را هدایت کرده است، نه ادعایی مبنی بر آنکه همهٔ اجزا از پیش محقق شده‌اند یا قیمت هدف اکنون پیشنهادی تجاری و در دسترس در همهٔ کشورهاست. خود این کتاب بر تمایز میان آنچه آرزوی انجامش را داریم، آنچه ساخته‌ایم، آنچه آزموده‌ایم، و آنچه اثرش در جهان واقعی نشان داده شده است استوار است. آرمان با اذعان به ناتمام‌بودنش ارزش خود را از دست نمی‌دهد؛ صادقانه‌تر و آزمون‌پذیرتر می‌شود.

اندیشهٔ این کتاب از دل همان پروژه بالید.

کار با نیتی در ظاهر ساده آغاز شد: سیاهه‌برداری از کاربردهای هوش مصنوعی کشاورزی در سراسر جهان و مقایسهٔ کاربردها، سطوح بلوغ و ارزش آن‌ها برای کشاورزان، پژوهشگران و تصمیم‌گیران. در ابتدا مجموعه‌ای منظم از کاربردها، مطالعات و فناوری‌ها را تصور می‌کردم. اما با افزایش پرونده‌ها روشن شد که مسئلهٔ واقعی کمبود اطلاعات نیست، بلکه دشواری تمایز نهادن میان انواع آن است.

حقیقتی ویراستاری آشکار شد که اهمیتش از موضوع کتاب کمتر نبود: فراوانی متن به معنای کامل‌بودن دانش نیست.

دیدم که اعداد جذاب از گزارش به مقاله، از مقاله به ارائهٔ فروش، و سپس به زبانی دیگر سفر می‌کنند و در راه، منبع اصلی، محدودیت‌ها و شرایط خود را از دست می‌دهند. دیدم نرخ موفقیت طبقه‌بندی تصویر به‌عنوان شاهد موفقیت ربات در مزرعه عرضه می‌شود؛ پیش‌بینی بازار جهانی جای اقتصاد مزرعه را می‌گیرد؛ نمونه‌ای اولیه چون خدمتی بالغ معرفی می‌شود؛ وجود کد گواه عملیات خوانده می‌شود؛ و فعالیت محلی به‌صورت اثری اثبات‌شده بر زندگی کشاورزان بازنمایی می‌گردد.

همچنین دیدم ترجمه چگونه می‌تواند خطا را دورتر ببرد و اقتدار بیشتری به آن بدهد. عددی ضعیف با نوشته‌شدن در ده زبان قوی‌تر نمی‌شود، و ادعای بی‌پشتوانه چون در ده‌ها صفحه ظاهر شده است حقیقت نمی‌یابد. حتی ممکن است خطرناک‌تر شود، زیرا گسترهٔ زبانی ظاهر کاذبی از اجماع و ثبات به آن می‌بخشد.

دو راه آسان پیش رویم بود و هر دو به زیان می‌انجامیدند.

راه نخست حذف هر آن چیزی بود که تردید برمی‌انگیخت؛ حاصل، متنی کوچک و به‌شدت محتاط بود که درست به نظر می‌رسید اما سودمندی، گستره و حافظهٔ کتاب را قربانی می‌کرد. راه دوم گردآوری همه چیز همان‌گونه بود که یافته بودم؛ با حفظ جزئیات، نام‌ها و اعداد، اما همراه با انتقال خطاهایشان به خواننده در جامه‌ای آراسته‌تر و پرابهت‌تر از صورتی که به من رسیده بودند.

راه سومی را برگزیدم؛ دشوارتر و کندتر: بازیابی جزئیات سودمند، هم‌زمان با جداساختن ایده از ادعا، وجود برنامه از اثربخشی آن، موفقیت مدل در آزمون از موفقیت سامانه در مزرعه، و نتیجهٔ مشاهده‌شده در یک مورد از توان انتقال آن به محصول، کشور یا جامعه‌ای دیگر.

برگزیدم نامی را زمانی نگاه دارم که به ترسیم نقشهٔ حوزه کمک می‌کند، اما عددی را وقتی ردّ بازگشت به منبعش کامل نمی‌شود معلق بگذارم؛ محصول را فقط تا جایی توصیف کنم که شواهدش پشتیبانی می‌کنند، نه تا حدی که بازاریابی‌اش وعده می‌دهد؛ و هرگاه دانش ناقص است، پرسش را برای پژوهش باز بگذارم، نه آنکه با حذف یا موافقت بی‌چون‌وچرا ببندمش.

از همین رو صفحات پیش رو سامانه‌ها، مطالعات، پروژه‌ها و حوزه‌های کاربرد را نام می‌برند و در کنارشان نوع شواهد موجود، سطح بلوغ، آنچه منبع اجازه می‌دهد گفته شود، آنچه نمی‌توان استنباط کرد، و آنچه همچنان نامعلوم یا نیازمند راستی‌آزمایی مستقل است مشخص می‌کنند.

در کتابی دربارهٔ هوش مصنوعی و کشاورزی، اعداد کمتری از آنچه شاید انتظار داشته باشید خواهید یافت. نه از آن رو که کشاورزی دیجیتال اندازه‌گیری اندکی دارد، بلکه چون عددی جداشده از وظیفه، زمینه، محیط و مبنای مقایسه‌اش ممکن است بیش از آنکه توضیح دهد گمراه کند. دقت 95% معنای اندکی دارد تا نپرسیم: دقت در کدام وظیفه، بر روی کدام داده، تحت چه شرایطی و با چه هزینه‌ای برای خطا؟ با انسان مقایسه شده بود یا روشی ساده‌تر؟ آیا بیرون از آزمایشگاه هم موفق شد؟

عددِ بی‌زمینه اطلاعات نیست؛ آرایه است.

همچنین فصل‌هایی دربارهٔ امنیت سایبری، حقوق داده، نیروی کار، قفل‌شدگی به فروشنده، اتصال منقطع، خرابی‌های آبشاری، حفاظت از دانش محلی و توان برون‌بری داده و خروج از خدمت خواهید یافت. این موضوع‌ها شاید از پرسش فوریِ چگونگی افزایش تولید یا بهبود تصمیم با هوش مصنوعی دور به نظر برسند؛ در واقع، در مرکز آن قرار دارند.

همین شرایط تعیین می‌کنند که آیا سامانه هنگام خرابی فناوری، قطع اتصال، تغییر ارائه‌دهنده، تعطیلی شرکت، یا کشف این واقعیت که داده‌های کشاورز در سکویی بی‌راه خروج حبس شده‌اند، می‌تواند همچنان کار کند یا نه. سامانه‌های کشاورزی فقط در روزهای عادی آزموده نمی‌شوند؛ آزمون واقعی هنگامی است که یکی از اجزا از کار می‌افتد اما زمین، گیاهان و دام‌ها همچنان تصمیم می‌طلبند.

از آنجا که دانش صرفاً با موجودبودن دسترس‌پذیر نمی‌شود، انتخاب زبان‌های کتاب جزئی فرعی از انتشار نبود. این اثر در ده زبان آماده شده است؛ زبان‌هایی برگزیده برای دسترسی به جوامعی با تفاوت‌های گسترده در فرهنگ، تجربهٔ کشاورزی، میزان شهرنشینی، و توسعهٔ علمی، دیجیتال و اقتصادی. گویشوران زبان اول و دوم آن‌ها دامنه‌ای زبانی و دلالت‌گر برابر با حدود 60% جمعیت جهان را نمایندگی می‌کنند، با درنظرگرفتن هم‌پوشانی میان افراد چندزبانه.

اما مقصود صرفاً تعقیب بزرگ‌ترین درصد نبود. این ده زبان دانشگاه‌ها، آزمایشگاه‌ها و شهرهای برخوردار از زیرساخت دیجیتال پیشرفته را به روستاها و مناطق کشاورزی با اتصال محدود پیوند می‌دهند؛ اقتصادهای بزرگ صنعتی را در کنار جوامعی قرار می‌دهند که دسترسی به ترویج کشاورزی هنوز چالشی روزانه است. همچنین حامل سنت‌های علمی و فرهنگی، اصطلاحات محلی و دانش موروثی‌اند که نباید در ترجمه‌ای لفظ‌به‌لفظ یا واژگانی یگانه و استاندارد مسطح شوند.

می‌خواستم کتاب با دانشجوی کشاورزی که نخستین بار وارد این حوزه می‌شود سخن بگوید؛ با کشاورزی که به‌جای نمایش فنی پاسخی فهم‌پذیر می‌خواهد؛ با مهندسی که باید حدود سامانه را بشناسد؛ با پژوهشگری که از شواهد می‌پرسد؛ با توسعه‌دهنده‌ای که ابزار را می‌سازد؛ و با تصمیم‌گیری که مسئولیت تأیید یا تنظیم مقررات آن را بر عهده خواهد داشت.

از همین رو چندزبانگی را رونویسی واژه‌های یکسان در ده رابط نمی‌دانم، بلکه آن را آزمونی برای معنا و عدالت می‌بینم. سامانه‌ای که در یک زبان خوب کار می‌کند ممکن است در زبانی دیگر شکست بخورد. ترجمه‌ای از نظر دستوری درست ممکن است از نظر کشاورزی نادرست باشد. نام گیاه، بیماری یا ابزار شاید تمایزی را در دانش محلی حفظ کرده باشد که اصطلاح استاندارد فاقد آن است. اگر فناوری این تفاوت‌ها را محترم نشمارد، دانش را منتشر نمی‌کند؛ نسخه‌ای ناقص از آن را در مقیاسی وسیع‌تر می‌گستراند.

این کتاب نیز ادعا نمی‌کند بحث را خاتمه می‌دهد یا دربارهٔ حوزه‌ای که با چنین سرعتی دگرگون می‌شود داوری نهایی عرضه می‌کند. بنیانی گشوده به نقد، تصحیح و بازنگری می‌نهد و از خواننده یک چیز می‌خواهد: همواره تمایز بگذارد میان آنچه اثبات شده، آنچه در مطالعه‌ای آغازین پدیدار گشته، آنچه نهادی دربارهٔ یک برنامه اعلام کرده، آنچه فروشنده‌ای دربارهٔ محصول گفته، آنچه آزمون نرم‌افزار نشان داده، و آنچه من به‌عنوان طراحی یا مسیری بهتر پیشنهاد می‌کنم.

وجود ایده موفقیتش را اثبات نمی‌کند. وجود برنامه، عملیاتی‌بودنش را ثابت نمی‌کند؛ عملیات ایمنی را ثابت نمی‌کند؛ و ایمنی فنی نیز ثابت نمی‌کند که تصمیمی بهتر شده، آبی ذخیره شده، درآمدی افزایش یافته یا زیانی کاهش پیدا کرده است. هر سطح شواهد خاص خود را می‌طلبد و هر ادعا مرزی دارد که زبان نباید از آن عبور کند.

این کتاب در ژرف‌ترین لایهٔ خود، ثبت سفری است که در میانهٔ 2023 با پرسش یک کاربر تازه‌کار آغاز شد: هوش مصنوعی چه می‌تواند بکند؟ این پرسش از مسیر آزمایش، مطالعه و ساخت به پرسشی دشوارتر و مهم‌تر بدل شد: چه باید بکند، برای چه کسی، با چه هزینه‌ای، زیر نظارت چه کسی، و وقتی خطا می‌کند پیامد را چه کسی بر دوش می‌کشد؟

پروژه‌ای که در سپتامبر 2025 آغاز کردم هنوز مقصود نخستین خود را حفظ کرده است: نزدیک‌کردن دانش هوشمند کشاورزی به کسانی که به آن نیاز دارند، نه فقط کسانی که توان خریدش را دارند؛ فراهم‌کردن دسترسی رایگان دانشجویان کشاورزی به ابزارهای آینده؛ و عرضهٔ خدمتی به کشاورزان که از عهدهٔ هزینه‌اش برآیند، آن را بفهمند و وارسی کنند، و بی‌آنکه کنترل تصمیم یا دادهٔ خود را واگذار کنند به آن اعتماد ورزند.

کسی که بتواند شواهد را از وعده و دانش را از آرایه تمییز دهد، کمتر فریب عنوانی درخشان، عددی بزرگ و بی‌منبع، یا سامانه‌ای را می‌خورد که با اطمینانی بیش از اقتضای دانشش سخن می‌گوید. اگر این توان را در دست دانشجویان و کشاورزان بگذاریم، چیزی فراتر از ابزار فنی به آنان داده‌ایم: حقی عادلانه‌تر برای مشارکت در ساختن آیندهٔ کشاورزی.

مزرعه مجموعه‌ای از اعداد روی صفحه نیست. زمینی است چشم‌به‌راه باران، گیاهی است که با ریشه‌هایش آب می‌جوید، دامی است که خوراک و گرما سلامت آن را دگرگون می‌کند، و خانواده‌ای است که درآمدش شاید به تصمیمی وابسته باشد که در یک ساعت گرفته می‌شود. خاک، هوا، آب، آفات، نیروی کار و پول در آنجا با هم عمل می‌کنند؛ تغییر در یکی به دیگران راه می‌یابد، و تأخیری کوتاه در آبیاری یا خطایی در تشخیص ممکن است به از دست رفتن یک فصل کامل بدل شود.

از همین رو تصمیم کشاورزی صرفاً انتخاب میان دو پاسخ نیست، و تصویر روشن، قرائت دستگاه یا پیش‌بینی رایانه نیز به‌تنهایی آن را درست نمی‌کند. تصمیم خوب زمینی را که قرار است در آن اجرا شود می‌شناسد، اندازه‌گیری را با تجربهٔ کشاورز پیوند می‌دهد، هزینه و پیامد را می‌سنجد، و اگر هوا تغییر کند یا اطلاعات تازه‌ای برسد برای بازنگری گشوده می‌ماند.

گفت‌وگوی ما دربارهٔ هوش مصنوعی از همین واقعیت آغاز می‌شود: ابزارهایی که می‌توانند انبوهی از تصاویر، اندازه‌گیری‌ها و سوابق را بخوانند و در آن‌ها الگوهایی بجویند که به انسان در فهم و پیش‌بینی کمک می‌کنند. با این همه، مزرعه را آن‌گونه نمی‌بینند که زیست‌کنندگانش می‌بینند و پیامد پیشنهاد خود را نیز بر دوش نمی‌کشند. پس ارزششان نه با زیبایی پاسخ روی صفحه، بلکه با آنچه پس از عمل‌کردن به پاسخ رخ می‌دهد سنجیده می‌شود. آیا آب در زمان درست رسید؟ تشخیص درست بود؟ زیان کاهش یافت؟ آیا تصمیم فهم‌پذیر و ایمن ماند و اختیارش در دست انسان باقی ماند؟

تصمیم کشاورزی وقتی به پرسشی کوتاه فروکاسته شود ساده به نظر می‌رسد: چه هنگام آبیاری کنم؟ بیماری چیست؟ کدام محصول را بکارم؟ اکنون بفروشم یا صبر کنم؟ پشت هر پرسش شبکه‌ای از شرایط نهفته است که در واژه‌های آن دیده نمی‌شود. رطوبت خاک را نمی‌توان جدا از بافت، شوری، عمق ریشه و مرحلهٔ رشد خواند. تصویر روشن یک برگ آسیب‌دیده به‌تنهایی علت نشانه یا دامنهٔ گسترش آن در مزرعه را آشکار نمی‌کند. پیش‌بینی باران بدون دانستن ظرفیت نگهداری آب در خاک، دربارهٔ آبیاری تصمیم نمی‌گیرد. پیش‌بینی افزایش قیمت نیز هزینهٔ انبارداری، خطر فساد یا نیاز خانواده به نقدینگی همین هفته را محو نمی‌کند.

خودِ پرسش نیز ممکن است از جامعه‌ای به جامعهٔ دیگر معنای متفاوتی داشته باشد. عبارت «خاک خشک است» شاید در مزرعه‌ای بسیار مکانیزه قرائت دستگاه را توصیف کند، در جایی داوری کشاورز پس از لمس خاک را، و نزد دامداری کوچ‌رو مشاهدهٔ رفتار دام و گیاه را. نام محصول، بیماری یا مرحلهٔ رشد ممکن است میان روستا و شهر، میان زبان رسمی ترویج و زبان مزرعه، و میان اصطلاح علمی و نامی که نسل‌ها حفظ شده تفاوت کند. بنابراین کشاورزی هوشمند نه فقط با گردآوری اعداد، بلکه با فهم زمینه‌ای آغاز می‌شود که به اعداد معنا می‌بخشد.

از همین‌جا سرشت دوگانهٔ هوش مصنوعی در کشاورزی پدیدار می‌شود: به‌غایت سودمند و به‌غایت خطرناک، و هر دو به یک دلیل.

ارزش آن در پیگیری چیزهایی است که انسان نمی‌تواند به‌موقع و دستی گرد آورد و تحلیل کند: توالی تصاویر ماهواره، پهپاد و تلفن؛ قرائت‌های حسگر؛ سوابق فصلی؛ پیش‌بینی‌های هوا؛ تحلیل خاک؛ حرکت قیمت‌ها؛ و دانشی که به زبان‌های بسیار منتشر شده است. می‌تواند الگویی گسترده در هزاران مزرعه را تشخیص دهد، تغییری کوچک در گیاه را به تاریخچه‌ای طولانی از هوا و آبیاری پیوند بزند، و اطلاعات مدفون در گزارش، جدول یا بولتن ترویجی را به کاربر بازگرداند.

خطر نیز از همین توان ترکیب و فشرده‌سازی برمی‌خیزد. الگوریتم می‌تواند سیگنال‌هایی با کیفیت نابرابر را در پاسخی واحد، آراسته و اقناع‌کننده ادغام کند؛ پاسخی که روانی‌اش دادهٔ مفقود، واحدِ ازدست‌رفته، منبع منسوخ، تصویر ناکافی برای تشخیص، یا آزمایشی بر محصولی دیگر در منطقه‌ای دیگر را پنهان می‌سازد. پاسخ ممکن است دقیقاً آنجا مطمئن‌تر به نظر برسد که واقعیت نامطمئن‌تر است، زیرا زبان صیقل‌خورده همیشه شرایط و استثناهای حذف‌شده را آشکار نمی‌کند.

در اینجا تمایزی نهفته است که هر خواننده باید به یاد بسپارد: روانی زبان، دقت کشاورزی نیست و اطمینانی که مدل نمایش می‌دهد لزوماً احتمالی نیست که به‌طور علمی واسنجی شده باشد. جمله ممکن است آراسته و اقناع‌کننده و در محتوا نادرست باشد. پیش‌بینی شاید به‌طور میانگین درست باشد اما برای مزرعهٔ مورد نظر مناسب نباشد. الگوریتم ممکن است نشانه‌ای را در تصویر شناسایی کند و همچنان از تعیین مسیر اقدام ایمن ناتوان بماند. میان نام‌گذاری مسئله و دانستن آنکه چه باید کرد، فضایی است که اندازه‌گیری، تجربه، مقررات و مسئولیت آن را پر می‌کنند.

بنابراین این کتاب از موضعی عملی آغاز می‌کند، نه ایدئولوژیک. نمی‌پرسد موافق هوش مصنوعی هستیم یا مخالفش، و فرض نمی‌کند هر چیز نو بهتر است یا هر امر سنتی واپس‌مانده. پرسش‌های سودمندتر این‌ها هستند: فناوری کجا ارزش قابل‌اندازه‌گیری می‌افزاید؟ به چه داده‌ای نیاز دارد؟ حدود اعتبارش چیست؟ چه کسی آن را بازبینی می‌کند؟ وقتی شرایط تغییر می‌کند، اتصال از کار می‌افتد یا مدل خطا می‌کند، چگونه سودمند، ایمن، منصفانه و پایدار می‌ماند؟

روایت نه بر خیره‌کننده‌ترین اعداد بنا شده است و نه بر نمایش‌هایی که وانمود می‌کنند مزرعه با فشردن دکمه‌ای اداره می‌شود. زنجیرهٔ کامل تصمیم را حلقه‌به‌حلقه دنبال می‌کند. داده‌ها از کجا آمدند؟ مالکشان کیست؟ چگونه اندازه‌گیری و استاندارد شدند؟ در انتقال چه چیزی از دست رفت؟ مدل چه چیزی را و با چه میزان عدم قطعیت پیش‌بینی کرد؟ چه کسی پیش‌بینی را به اقدام بدل کرد؟ با کدام جایگزین مقایسه شد؟ و پس از آن بر سر آب، خاک، عملکرد، بازده مالی، نیروی کار و مخاطره چه آمد؟

کتاب پرسش‌هایی را نیز مطرح می‌کند که در ارائه‌های فنی به‌ندرت سهمی هم‌سنگ می‌یابند. آیا کشاورز توصیه را همان‌گونه فهمید که سامانه قصد کرده بود؟ آیا می‌توانست به آن اعتراض کند و داده‌هایش را تصحیح نماید؟ منبع، تاریخ و دامنهٔ آن آشکار بود؟ اختیار در دست کشاورز ماند یا بی‌صدا به سکویی منتقل شد که امکان وارسی‌اش وجود نداشت؟ اگر کشاورز خروج از خدمت را برمی‌گزید، آیا داده‌ها، سوابق و معنای آن‌ها نیز می‌توانستند خارج شوند، یا در قالبی بسته و قراردادی بی‌راه خروج اسیر می‌ماندند؟

هر جا یکی از حلقه‌های این زنجیره بگسلد، دقت مدل نمی‌تواند کل سامانه را نجات دهد. پیش‌بینی شاید درست اما دیرهنگام برسد؛ به‌موقع برسد اما فهمیده نشود؛ فهمیده شود اما اجرای آن از نظر اقتصادی ناممکن باشد؛ یا اجرا شود بی‌آنکه نتیجه‌اش هرگز اندازه‌گیری گردد. از همین رو کشاورزی هوشمند باید در مرز میان تصمیم و نتیجهٔ آن در جهان واقعی ارزیابی شود، نه فقط در مرز مدل.

این کتاب در ده زبان سنجیده‌برگزیده گسترده شده است: عربی، انگلیسی، چینی، اسپانیایی، فرانسوی، اندونزیایی، مالایی، اردو، فارسی و ترکی. برآورد تجمیعی گویشوران زبان اول و دوم آن‌ها دامنه‌ای بالقوه و زبانی برابر با حدود 60% جمعیت جهان را نشان می‌دهد. این گزاره دربارهٔ وسعت احتمالی حوزهٔ زبانی است، نه شمار خوانندگان تضمین‌شده؛ و باید با احتیاط خوانده شود، زیرا افراد چندزبانه هم‌پوشانی دارند و هنگام برآورد دسترسی واقعی نمی‌توان آنان را بیش از یک بار شمرد.

اهمیت این زبان‌ها فقط در شمار گویشوران نیست. قاره‌ها، اقلیم‌ها و سامانه‌های کشاورزی عمیقاً متفاوت را دربر می‌گیرند. جوامع روستایی و شهری، اقتصادهای پیشرفتهٔ صنعتی و دیجیتال، کشورهای در حال دگرگونی سریع، و مناطقی را به هم پیوند می‌دهند که در آن‌ها دسترسی مستقیم به ترویج کشاورزی و زیرساخت دیجیتال هنوز محدود است. خرده‌مالکان، دامداران کوچ‌رو، کارگران کشاورزی، پژوهشگران، مهندسان، کارآفرینان، دانشجویان، سیاست‌گذاران و شهرنشینانی به این زبان‌ها سخن می‌گویند که امنیت غذایی‌شان به مزارعی وابسته است که شاید هرگز نبینند.

این زبان‌ها حامل سنت‌های دانشی متفاوت نیز هستند: از مؤسسه‌های پژوهشی، آزمایشگاه‌ها و شبکه‌های ماهواره‌ای تا تجربهٔ محلی‌ای که خاک را با رنگ و بو می‌شناسد، فصل را در باد و حرکت دام می‌خواند، و نام گیاهان، بیماری‌ها و مراحل رشد را در واژگانی حفظ می‌کند که شاید فرهنگ لغت استاندارد معادل دقیقی برایشان نداشته باشد. از همین رو ترجمه در این کتاب جایگزینی مجموعه‌ای از واژه‌ها با مجموعه‌ای دیگر نیست، بلکه انتقال مسئولانهٔ معنا میان محیط‌های علمی، فرهنگی و حرفه‌ای متفاوت است.

انتخاب این زبان‌ها مدعی نیست که این ده زبان نمایندهٔ تمام بشریت‌اند یا بر هزاران زبان دیگر برتری معرفتی دارند. این انتخاب اذعان می‌کند هر پروژهٔ چندزبانه تا زمانی که به بیرون از دامنهٔ خود احترام نگذارد ناتمام می‌ماند. هدف ساختن پلی گسترده و گسترش‌پذیر است، نه مرکز زبانی تازه‌ای که از همگان بخواهد به سویش کوچ کنند. چندزبانگی راستین یعنی سامانه فقط یک جمله را به ده زبان تکرار نکند؛ تفاوت زمینه‌ها را بفهمد، اصطلاحات محلی را حفظ کند، فهم را نه فقط ترجمه را بیازماید، و به کاربران امکان دهد معناهایی را که ماشین در دریافتشان ناکام مانده تصحیح کنند.

سکو صرفاً با ترجمه‌شدن رابط کاربری عادلانه نمی‌شود. ممکن است منوها به زبان کاربر باشند، اما منابع دانش، داده‌های آموزشی، آزمون‌های کیفیت و قواعد ایمنی همچنان در یک زبان یا محیط ریشه داشته باشند. تشخیص گفتار شاید در زبانی برخوردار خوب عمل کند و سپس نام آفت‌کش، بیماری یا واحد را در زبانی کم‌برخوردار نادرست بشنود. ترجمه ممکن است از نظر دستوری درست اما از نظر کشاورزی نادرست باشد و اصطلاحی دقیق و محلی را با واژه‌ای کلی عوض کند که تمایزِ مبنای تصمیم را از میان می‌برد.

تفاوت میان جوامع را نیز نمی‌توان به دوگانهٔ «پیشرفته» و «عقب‌مانده» فروکاست. مزرعه‌ای ممکن است از ماهواره و ماشین‌آلات خودهدایت‌شونده استفاده کند اما گرفتار تعامل‌ناپذیری یا قفل‌شدگی به فروشنده باشد. بهره‌برداری دیگری شاید کوچک و با اتصال منقطع باشد اما دانش محلی دقیق و نظام اجتماعی مؤثری برای تبادل هشدار و تجربه داشته باشد. شهری ممکن است آزمایشگاه‌ها و شبکه‌های پیشرفته داشته باشد، اما غذایش را از زنجیره‌ای شکننده دریافت کند که شرایط کارگر یا کشاورز در ابتدای خود را نمی‌بیند. پیشرفت فنی توانمندی مهمی است، اما جای تناسب، عدالت، اعتماد یا نگهداشت‌پذیری را نمی‌گیرد.

سی‌وشش فصل کتاب از بینایی ماشین، سنجش از دور، سامانه‌های داده، پیش‌بینی عملکرد، انتخاب زمین و محصول، آبیاری هوشمند، مدیریت خاک و عناصر غذایی، تشخیص بیماری و آفت، رباتیک، تولید دام و آبزیان، کشت حفاظت‌شده، عملیات برداشت و پس از برداشت، ایمنی غذا، بازارها، زنجیره‌های تأمین و حاکمیت سخن می‌گویند. با این حال فناوری را از جامعه‌ای که به کارش می‌گیرد، مدل را از نهادی که راهبری‌اش می‌کند، یا کارایی را از پرسش‌های اخلاقی و حقوقی همراه آن جدا نمی‌کنند.

کاربردی که در مزرعه‌ای متصل به آزمایشگاه و شبکه‌ای پایدار موفق می‌شود، خودبه‌خود به خرده‌مالکی که اعضایش یک تلفن مشترک دارند و به اتصال منقطع متکی‌اند منتقل نمی‌شود. سامانه‌ای که در یک کشور پیش‌بینی دقیقی دارد، در کشوری دیگر با رقم‌های گیاهی، خاک‌ها، اقلیم، شیوه‌ها و قوانین متفاوت اقتداری خودکار نمی‌یابد. همچنین فناوری‌ای که در آزمایشی کنترل‌شده آب ذخیره می‌کند، لزوماً پایدار نیست اگر هزینه‌ها را بالا ببرد، دانش کارگران را به حاشیه براند، یا سطح زیر آبیاری را چنان گسترش دهد که مصرف کل افزایش یابد.

کتاب از خلال این گسترهٔ علمی و زبانی دو هدف را دنبال می‌کند: ارائهٔ نقشه‌ای روشن از توان فناوری به کشاورزان، مهندسان، پژوهشگران، مروجان و تصمیم‌گیران؛ و ارائهٔ شرحی صریح از آنچه توسعه‌دهندگان، سرمایه‌گذاران و ارائه‌دهندگان خدمات مجاز نیستند ادعا کنند. برای هر مزرعه پاسخی واحد وعده نمی‌دهد، بلکه راهی دقیق‌تر برای صورت‌بندی پرسش، بررسی شواهد، تعیین حدود سامانه و پیوند دادن نوآوری با پیامدهای عملی‌اش عرضه می‌کند.

کشاورزی به چیزی فراتر از وعده‌های کمتر نیاز دارد: مهندسی دقیق‌تر، داده‌های قابل‌اعتمادتر، ترجمه‌ای که معنا را حفظ کند، شواهدی روشن‌تر، نهادهایی توانا برای بازبینی و تصحیح، و مسئولیتی که در مسیر میان گردآورندهٔ داده، سازندهٔ مدل، فروشندهٔ سکو، صادرکنندهٔ توصیه و کسی که در نهایت پیامد تصمیم را بر دوش می‌کشد، پراکنده و محو نشود.

وقتی فناوری بر چنین بنیادی ساخته شود، الگوریتم نمی‌آید تا جای زمین یا مردمی را بگیرد که آن را می‌شناسند، بلکه کمک می‌کند آن را روشن‌تر ببینند. آن‌گاه دانش علمی، تجربهٔ محلی و توان محاسباتی می‌توانند در یک گفت‌وگو شرکت کنند: گفت‌وگویی که در مزرعه آغاز می‌شود، از داده و مدل می‌گذرد، و با فروتنی بیشتر، حسابرسی‌پذیری بالاتر و آگاهی دقیق‌تر از این حقیقت به مزرعه بازمی‌گردد که آیندهٔ کشاورزی را الگوریتم به‌تنهایی نمی‌سازد؛ انسان‌هایی می‌سازندش که می‌دانند چگونه از آن استفاده کنند، چه هنگام به آن اعتماد کنند و چه وقت از آن بخواهند متوقف شود.

پرسش اصلی این کتاب این نیست که هوش مصنوعی در کشاورزی توان انجام چه کارهایی را دارد؛ توانمندی‌های آن گسترده است، پیوسته نو می‌شود و با هر پیشرفت فنی گسترش می‌یابد. پرسش دشوارتر و ارزشمندتر این است: وقتی سامانه وارد مزرعه می‌شود، در عمل چه چیزی تغییر می‌کند؟ میان توانمندی فنی و اثر کشاورزی، فاصله‌ای تعیین‌کننده کشیده شده است که داده‌ها، تصمیم‌ها، نهادها و ملاحظات اقتصادی آن را می‌پیمایند. در هر ایستگاه از این مسیر، ممکن است ارزش فرسوده شود یا پیش از رسیدن به کشاورز به‌کلی از میان برود.

استدلال محوری کتاب دقیقاً از همین فاصله برمی‌خیزد و در قالب شش نتیجهٔ اصلی بیان می‌شود:

نخست: ارزش در تصمیم نهفته است، نه صرفاً در مدل. ممکن است مدلی عملکرد آماری عالی داشته باشد و در عین حال حتی یک تصمیم را در لحظهٔ درست تغییر ندهد. برعکس، مدلی ساده — اگر بر اندازه‌گیری قابل اتکا استوار باشد، به راهنمایی روشن و قابل فهم گره خورده باشد و پشتوانهٔ یک راهکار جایگزین دستی داشته باشد — می‌تواند ارزشمندتر از یک سامانهٔ پیچیده باشد. معیار تعیین‌کننده، میزان پیچیدگی فنی نیست، بلکه توان سامانه در تبدیل دانش به تصمیمی قابل اجرا در لحظه‌ای است که آن تصمیم تفاوتی واقعی ایجاد می‌کند.

دوم: دادهٔ کشاورزی مادهٔ خام بی‌طرفی نیست. پشت هر رکورد، مالکی، بافتی، واحدی، تاریخی و روشی از اندازه‌گیری نهفته است. در نتیجه، از دست رفتن منشأ داده، خلط صفر با مقدار مفقود، یا در نظر گرفتن دو نام محلی برای یک محصول واحد به‌مثابهٔ دو موجودیت جداگانه، می‌تواند به تصمیمی نادرست بینجامد که در ظاهر دقیق به نظر می‌رسد.

کیفیت تصمیم پیش از ساخته‌شدن مدل آغاز می‌شود؛ با فهم خاستگاه داده، معنای آن، حدود آن و بستری که در آن تولید شده است.

سوم: نتایج آزمایشگاهی خودبه‌خود به مزرعه راه نمی‌یابند. عبور از فصل‌ها، مناطق، ارقام، دستگاه‌ها و زبان‌های گوناگون گامی خودکار نیست، بلکه فرایندی است که به اعتبارسنجی بیرونی و پایش پیوستهٔ رانش نیاز دارد. طبقه‌بندی تصویر به‌تنهایی تشخیص کامل نیست، شبیه‌سازی معادل استقرار زنده نیست، و تفسیر مدل اثبات علّی به شمار نمی‌آید.

میان موفقیت آزمایشی و پذیرش میدانی، آزمونی سختگیرانه‌تر قرار دارد: آیا سامانه هنگامی که محیطِ طراحی‌شده برای آن تغییر می‌کند، همچنان قابل اتکا می‌ماند؟

چهارم: توجیه اقتصادی و انصاف، معیارهایی بنیادین برای موفقیت یک فناوری‌اند. موفقیت یک سامانهٔ فنی نه‌تنها با دقت آن یا توانش در تکمیل وظایف سنجیده می‌شود، بلکه با ارزش اقتصادی آن و اثراتش بر کسانی که از آن استفاده می‌کنند نیز اندازه‌گیری می‌شود. بنابراین ارزیابی باید همهٔ هزینه‌های مرتبط را در بر بگیرد، از جمله هزینه‌های مالکیت، نگهداری، اتصال و آموزش، و زمانی که کارگران صرف کار با آن می‌کنند، و نیز حق کشاورز برای توقف استفاده از سکو بدون آنکه گرفتار وابستگی به آن شود.

خودکارسازی ممکن است بهره‌وری را در برخی وظایف افزایش دهد، اما در همان حال ممکن است توزیع نقش‌ها، بار کاری و مخاطرات را میان کارگران دگرگون کند. از این رو تحول فناورانه نباید بر این فرض استوار شود که ماشین‌ها جایگزین انسان‌ها می‌شوند، بلکه باید بر آماده‌سازی و توانمندسازی کارگران برای اقتصاد کشاورزی جدیدی بنا شود که در آن مهارت‌ها تحول می‌یابند، مسئولیت‌ها جابه‌جا می‌شوند و داوری انسانی همچنان عنصری محوری در تصمیم‌گیری باقی می‌ماند.

پنجم: حاکمیت، ضمیمه‌ای فرعی نیست که پس از فناوری بیاید. حاکمیت در این بافت یعنی مجموعهٔ قواعد، اختیارات، مسئولیت‌ها و سازوکارهای کنترلی که استفاده از یک سامانهٔ فنی را در سراسر چرخهٔ عمر عملیاتی آن تنظیم می‌کند. حاکمیت تعیین می‌کند که داده از آنِ کیست، چه کسی حق مشاهده یا استفاده از آن را دارد، چه کسی توصیه‌های سامانه را تأیید می‌کند، چه هنگام باید سامانه متوقف شود یا تصمیم به متخصص انسانی ارجاع یابد، و در صورت بروز خطا چه کسی مسئولیت را بر عهده می‌گیرد.

به این معنا، حاکمیت رویه‌ای اداری نیست که پس از تکمیل فناوری به آن افزوده شود؛ بلکه بخشی ذاتی از طراحی و بهره‌برداری آن است. امنیت سایبری به حفاظت از داده‌ها و دستگاه‌ها در برابر نفوذ محدود نمی‌شود؛ بلکه تضمین تداوم عملیات و درستی تصمیم‌ها و رویه‌هایی را نیز در بر می‌گیرد که کشاورز در مدیریت مزرعه به آن‌ها تکیه می‌کند.

حاکمیت همچنین تا حفاظت از استقلال کشاورز در برابر سکوی فناوری امتداد می‌یابد. کشاورز باید بتواند داده‌ها را برون‌بری کند و به سامانه‌ای دیگر انتقال دهد، یا استفاده از سکو را متوقف کند، بی‌آنکه داده‌ها را از دست بدهد یا به‌طور دائمی به یک تأمین‌کنندهٔ فناوری وابسته شود. بدین ترتیب، قابلیت انتقال داده و آزادی خروج از ویژگی‌های فنیِ صوری به تضمین‌هایی عملی بدل می‌شوند که از حق انتخاب کشاورز حفاظت می‌کنند.

سامانه نیز باید حدود توانایی خود را بشناسد: خودداری از صدور توصیه هنگامی که اطلاعات موجود کافی نیست، ارجاع مورد به مسئول انسانی هنگامی که تخصص یا اختیار بالاتری لازم است، و بازگرداندن هر اقدامی که ناایمن یا نامناسب تشخیص داده شود. این قابلیت‌ها افزوده‌هایی حاشیه‌ای نیستند، بلکه شرط‌هایی ضروری برای قابلیت اطمینان و عملکرد درست سامانه‌اند.

نمونه‌ای روشنگر: سامانهٔ هوشمند مدیریت آبیاری

فرض کنید سامانه‌ای هوشمند بر پایهٔ قرائت‌های رطوبت خاک، دما و داده‌های مرتبط با شرایط مزرعه، زمان و مقدار آبیاری را به کشاورز توصیه می‌کند. اگر قرائت‌های رطوبت خاک مفقود باشند، یا اگر دستگاه‌های اندازه‌گیری نتایج متناقض نشان دهند، سامانه نباید چنان توصیه‌ای قطعی صادر کند که گویی اطلاعات کامل است.

در چنین حالتی، حاکمیت مسیر اقدام را از پیش مشخص می‌کند: سامانه از صدور توصیهٔ قاطع خودداری می‌کند، برای کاربر روشن می‌سازد که داده‌ها ناکافی یا ناسازگارند، و سپس مورد را پیش از انجام آبیاری برای بازبینی به شخص مسئول ارجاع می‌دهد. حاکمیت همچنین تعیین می‌کند که اختیار تأیید یا توقف تصمیم در دست کیست، مداخله چگونه مستند می‌شود، و مسئولیت اقدام نهایی بر عهدهٔ کیست.

در نبود چنین قواعدی، ممکن است سامانه توصیه‌ای بر پایهٔ اطلاعات ناقص صادر کند، بی‌آنکه روشن باشد چه کسی می‌بایست آن را بازبینی می‌کرد، اختیار توقف اجرا در دست کیست، یا مسئولیت پیامدها بر عهدهٔ کیست.

بنابراین نظارت انسانی صرفاً با اعلام اینکه «انسانی در حلقه» حضور دارد محقق نمی‌شود. این امر نیازمند تعیین شخصِ مجاز به مداخله، نقشی که آن شخص ایفا می‌کند، تصمیم‌هایی که اختیار اتخاذ آن‌ها را دارد، و مسئولیتی است که بر عهده می‌گیرد. حاکمیت همان چارچوبی است که فناوری را ایمن، منضبط و پاسخگو می‌سازد و کنترل کشاورز بر داده‌ها و تصمیم‌هایش را حفظ می‌کند.

ششم: مسیر منطقه‌ای واحدی وجود ندارد. ترکیه، اندونزی، آمریکای جنوبی، جهان عرب، خلیج، آفریقا و جنوب آسیا در منابع آب، ساختار مالکیت زمین، الگوهای کشت، زیرساخت نهادی و سطوح اتصال با یکدیگر تفاوت دارند. از این رو نمی‌توان این محیط‌ها را به یک نسخهٔ فنی واحد یا یک مسیر توسعهٔ یکسان فروکاست.

کارکرد یک چارچوب جهانی، محو کردن تفاوت‌های منطقه‌ای نیست، بلکه سامان‌دهی پرسش‌هایی است که این تفاوت‌ها آشکار می‌کنند، و بدل کردن تنوع از مانعی بر سر راه اجرا به بنیانی برای طراحی‌ای واقع‌بینانه‌تر، عادلانه‌تر و اثربخش‌تر.

بدین‌سان، این کتاب موفقیت هوش مصنوعی را نه با آنچه یک مدل می‌تواند درون آزمایشگاه پیش‌بینی کند، بلکه با آنچه یک سامانهٔ یکپارچه می‌تواند در مزرعه تغییر دهد می‌سنجد: تصمیمی بهتر، مخاطراتی کمتر، ارزشی روشن‌تر، و توانی بیشتر برای دوام آوردن، بدون فدا کردن دقت، انصاف یا استقلال کشاورز.

این جلد را می‌توان پیوسته خواند، اما مسیرهای ورودی زیر نیز مفیدند:

• خوانندهٔ تازه‌وارد می‌تواند از فصل‌های یکم و دوم آغاز کند تا مسئلهٔ کشاورزی و تفاوت دیجیتال‌سازی با تحول واقعی را بشناسد.
• خواننده‌ای که قدرت یک ادعا را می‌سنجد می‌تواند از فصل سوم آغاز کند و سپس یادداشت‌های شواهد هر فصل و فهرست منابع پایان جلد را بررسی کند.
• خوانندهٔ علاقه‌مند به روش‌های هوش مصنوعی و سامانه‌های داده می‌تواند به فصل‌های چهارم و پنجم برود.
• متخصص نقشه، سنجش‌ازدور یا تصمیم مکانی می‌تواند فصل ششم را بخواند؛ متخصص بازیابی دانش و ترویج کشاورزی می‌تواند از فصل هفتم آغاز کند.
• کشاورزان و متخصصان باید نخست هشدار ایمنی کشاورزی را بخوانند. این جلد چارچوبی برای اندیشیدن و ارزیابی است، نه جایگزین تشخیص محلی، برچسب رسمی محصول، مقررات یا تصمیم متخصص واجد صلاحیت.

یادداشت‌های شواهد، منابع و مرز نتیجه‌گیری را توضیح می‌دهند. «پشتیبانی‌شده با شواهد» همیشه داوری‌ای محدود به منبع و زمینهٔ استنادشده است، نه حقیقتی همگانی که بتوان آن را به هر محصول، کشور یا سامانهٔ تولید انتقال داد.

دو بخش، هفت فصل

جلد اول از دو بخش پیوسته تشکیل شده است.

بخش یکم — چرا تحول کشاورزی اهمیت دارد؟ کشاورزی را سامانه‌ای زنده و اقتصادی زیر فشارهای هم‌زمان می‌بیند، دیجیتال‌سازی را از تحول واقعی جدا می‌کند و چارچوبی برای سنجش ادعاهای هوش مصنوعی کشاورزی می‌سازد.

بخش دوم — مبانی هوش مصنوعی و داده خانواده‌های روش، چرخهٔ عمر دادهٔ کشاورزی، هوش مکانی، پشتیبانی از تصمیم و بازیابی دانش مسئولانه را بررسی می‌کند.

مسیر استدلال این جلد چنین است:

مسئلهٔ کشاورزی ↓ معیار تحول ↓ قدرت و حدود شواهد ↓ تناسب روش با وظیفه ↓ داده، منشأ و حقوق ↓ مکان، سنجش و راستی‌آزمایی ↓ ترویج کشاورزیِ مستند، محدود و پاسخ‌گو

پرسش اصلی بر توان الگوریتم مقدم است: کدام تصمیم کشاورزی باید بهتر شود، بر پایهٔ چه شواهدی، برای چه کسی و با چه هزینه و ریسکی؟ فصل‌ها این پرسش را از روش به داده، از داده به مکان و از مکان به ترویج مسئولانه می‌برند. قابلیت فنی تا زمانی موفقیت به شمار نمی‌آید که منبع، زمینه، راستی‌آزمایی، اختیار انسانی و نتیجهٔ تصمیم با هم بررسی شوند.