不過隨后，坎布爾嘗試了名為 Plantix 的應用程序，并用它給他的辣椒地拍了張照片。這款應用通過圖像識別(一種機器學習方法)對 50 個不同物種的數據庫進行了比對，兩分鐘后，他得到了不同的答案：他的辣椒沒有得到足夠的水，并且可以從微量營養素噴霧中獲益。

　　不出幾個星期，坎布爾的辣椒就長得相當大了。如今，他正在使用這款應用程序幫助改變化學藥品的使用方式，這樣他就可以生產有機農產品，并將它們出口到歐洲。坎布爾笑著說：“我不依任何人來幫助我。”

　　幫助一個農民提高作物產量似乎顯得微不足道，但像坎布爾這樣的小農在全球糧食生產中卻占據著重要地位。

　　印度農民辛德在使用 Plantix 應用檢查作物的病害，他的成功幫助這款應用迅速在整個印度農作物健康領域普及起來

　　開發 Plantix 的柏林初創企業 Peat 聯合創始人兼首席執行官西蒙·斯特里(Simone Strey)說，全球約 70% 的糧食是坎布爾這樣的小農生產的，他們在全球約有 5 億人。斯特里的公司正在利用坎布爾和其他人提供的照片，對整個印度及其他地區的農作物健康狀況進行更全面的描述。

　　2015 年，斯特里與丈夫、機器學習專家羅伯特·斯特里(Robert Strey)共同創辦了 Peat。如今，該公司每月有 62 萬活躍用戶，其中 80% 生活在印度。

　　桑迪普·辛德(Sandip Shinde)是另一位在自家土地上使用 Plantix 的農民，他種植番茄、花椰菜和甘蔗。盡管有 13 年的經驗，但他認為這些應用的自動建議系統以及與其他農民的聊天網絡也幫助提高了產量。

辛德使用 Plantix 應用檢查他的作物

　　對小農有利的事情，也可能對全球最大的農業和化工企業有用。Peat 已經在這兩個世界之間找到了一種初始商業模式，為化學公司 BASF 的植物識別軟件貼上了白色標簽。BASF 已經將該軟件整合到自己的作物管理軟件 Maglis 中。

　　在印度，使用 Maglis 的專業農民往往擁有比小農大得多的土地，而且他們使用 Peat 軟件的頻率也更高，每月約 12000 次。這家初創公司對其 API 每次被“調用”，或在 Maglis 上被使用時，它都會收取費用。

Peat 聯合創始人兼首席執行官斯特里

　　但 Peat 也可以利用這些大農場的圖片來訓練它的圖像識別算法，這可能比獲取收入更有價值。這一切都是為了建立疾病在農作物上傳播的預測模型，從小麥到土豆再到石榴等，以及這可能對糧食生產的影響。

　　斯特里的團隊中有個數據科學家，她還在招募更多的新員工。斯特里以前是個地理學家和土壤學家，她計劃將這些預測洞見賣給政府、保險公司和農業供應商，后兩者是“最有希望向其出售數據的利益相關者”。

　　斯特里稱：“當我們與種子和植物保護供應商交談時，他們說：‘我們沒有他們需要的數據。’非洲和亞洲的農民也是如此，他們大多在不到兩公頃的土地上耕作，相當于一個足球場那么大。這些農民沒有數據庫可用。”

　　2014 年秋天，斯特里和丈夫在巴西進行土壤研究時，第一次想到了 Peat 的創意。一個村莊的農民提到，每當他試圖在谷歌搜索一種在當地被稱為“猝死”的植物疾病時，只會出現車禍的畫面，與農作物毫無關系。

　　由于使用當地語言是個明顯的障礙，這對夫婦認為農民可以更容易為作物拍照，并自動得到一個治療答案。

農民辛德在使用 Plantix 應用查看番茄作物

　　如今，總部位于柏林的 Peat 擁有 25 名員工，已經籌集了近 500 萬美元風險投資資金，最新一輪的A輪融資由倫敦 Index Ventures 領投，已經于 2017 年 12 月份結束。

　　如果斯特里的應用能繼續在發展中國家的小農中廣泛傳播，它將展示出人工智能(或機器學習工具)的日益普及會如何將大量數據轉化為有價值的東西。

　　作為人工智能的一種形式，圖像識別曾一度是開發人員避開的科幻領域。但如今，由于從谷歌、微軟、亞馬遜甚至 Facebook 都可以免費獲得現成的機器學習庫，“使用 AI”的行為正變得商品化，人們開始青睞于像 Peat 這樣獨特且難以獲取的數據。

　　斯特里指出，Peat 使用谷歌的 TensorFlow 軟件庫作為其圖像識別工具。她談到自己的工具時說：“每個人都能做到這一點。最終，我們認為最強大的是，我們能對從用戶那里獲得的數據有更深入的理解。”
　　（邯鄲網絡公司）