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，如果美国西兰花少了5％的产量，那么相当于超过9000万磅的西兰花消失。

为了帮助稳定通常充满不可预测性的市场，IBM推出了Watson农业决策平台，这是一个包含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，制造和营销用例预先提供的新预装工具集的一部分。

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能收获以及他们将在全球市场上获取多少。通过整理数据，他们不仅可以识别最佳灌溉，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。IBM Pairs Geoscope平台利用机器学习来分析卫星图像，天气数据（部分由IBM子公司Weather Company提供），人口普查数据，土地使用，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，确定向特定地点的工厂输送多少水；笛卡尔实验室使用通过卫星数据培训的机器学习模型来估算全州和全国范围内的美国玉米产量估算；Abundant Technologies在其Harvest Croo自动草莓采摘器中采用计算机视觉和传感器融合。

联合国估计，为了养活地球爆炸性的人口，到本世纪中叶，粮食产量需要增加50％。运气好的话，AI将为行业提供所需的推动力。