На полях беспилотная техника уверенно движется между рядами кукурузы: машины непрерывно сканируют посевы, а алгоритмы параллельно просчитывают данные. В птичниках показатели яйценоскости и веса племенных кур мгновенно загружаются в облако, где генные чипы и математические модели вычисляют особей с наивысшим генетическим потенциалом. В лабораториях селекционеры используют обычную человеческую речь, чтобы ставить задачи, а искусственный интеллект сам запускает нужные модели и выдает готовые решения.
Все эти новые сценарии, разворачивающиеся прямо сейчас в Пекине, указывают на глобальный тренд: селекция стремительно уходит от исключительной опоры на интуицию и опыт. Будущее — за синергией больших данных, человеческого интеллекта и умных машин, пишут Лу Сяочунь, Чжао Тяньхао — специальные корреспонденты мультимедийной редакции газеты Farmers` Daily в своей статье.
С 4 по 5 сентября в столице КНР пройдет 33-я Китайская пекинская конференция по семеноводству. Ее главная тема — «Искусственный интеллект как инструмент умной селекции: цифровизация определяет будущее семеноводства». В этом году форум впервые полностью посвящен интеллектуальному выведению новых видов. Как именно ИИ меняет работу на полях, в птичниках и лабораториях? Какие этапы селекции он уже автоматизировал? Ответы на эти вопросы кроются в механизмах сбора данных, реальной практике отбора семян и технологиях, которые внедряются уже сегодня.
Как машины «видят» кукурузу
На полях Международного научно-технологического парка семенной индустрии «Тунчжоу» (поселок Юцзяу, район Тунчжоу, Пекин) около 70 000 растений кукурузы проходят тотальный цифровой скрининг. Экспериментальный участок площадью 1,3 гектара (20 му) находится под круглосуточным наблюдением целого комплекса техники. Беспилотники с панорамными камерами фиксируют цвет, текстуру и геометрию растений; оптические лидары сканируют их трехмерную структуру, а мультиспектральные датчики и тепловизоры отслеживают темпы роста и малейшие температурные колебания.
Одновременно с этим под густым пологом листьев курсирует компактный колесный робот шириной менее полуметра. Он собирает данные в «слепых зонах», недоступных для дронов, детально регистрируя толщину стеблей, плотность посадки и динамику цветения.
Мониторинг ведется непрерывно на четырех ключевых этапах развития кукурузы: от появления 6-го и 9-го листьев до фаз трубкования (выметывания метелок) и активного цветения. Наблюдение за растениями продолжится вплоть до полного созревания урожая. Процесс полностью автоматизирован: для обслуживания комплекса нужны всего два оператора, а скорость сбора данных достигает 4000 растений в час. Экспресс-анализ небольших партий (до 1000 образцов) занимает от 4 до 6 часов, тогда как полная обработка информации и контроль качества по всему экспериментальному полю завершаются в течение суток. Аналогичные технологии в связке с беспилотниками применяются и на юге Китая — на селекционной базе Наньфань в районе Ячжоу (провинция Хайнань). Там интеллектуальная система контролирует жизненный цикл более чем 360 000 растений кукурузы на тестовых участках площадью 16 гектаров
Теперь селекционеры получают не просто полевые снимки, а детализированные массивы данных: таблицы морфологических признаков, трехмерные модели облаков точек, сравнительные ведомости сортов и индивидуальные фенотипические профили каждого ростка. Промежуточные результаты уже позволяют четко увидеть межсортовые различия в темпах роста, архитектонике (угле наклона) листьев и светопропускающей способности растительного покрова.
Для проверки точности системы команда ученых случайным образом отобрала 100 растений кукурузы и замерила их высоту вручную. Совпадение между ручными измерениями и данными роботизированного комплекса превысило 95%, а погрешность составила менее 5 сантиметров.
«Раньше мы полностью полагались на ручной труд и собственную интуицию. Сегодня благодаря стандартизированному машинному сбору данных и автоматическим алгоритмам обработки мы получаем на порядок больше метрик и параметров с беспрецедентной точностью», — отмечает Го Синьюй, ведущий научный сотрудник Центра исследований информационных технологий Пекинской академии сельскохозяйственных и лесных наук. Он пояснил, что фенотип всегда является результатом взаимодействия генотипа и окружающей среды. Только объединив накопленные фенотипические массивы с геномными данными, ученые смогут до конца понять, как именно различные гены проявляют себя в реальных полевых условиях.
Такая «фабрика фенотипических больших данных» переводит реальный внешний вид и динамику роста культур на цифровой язык, понятный искусственному интеллекту. Это помогает селекционерам безошибочно определять, какие образцы обладают наибольшим потенциалом устойчивости к уплотненным посадкам, полеганию и способны дать максимальную урожайность.
Как алгоритм оценивает племенных кур
Можно ли заранее предсказать, сколько яиц снесет цыпленок, какого размера они будут и насколько прочной окажется скорлупа, еще до того, как птица начнет нестись? В компании Beijing Huadu Yukou Poultry Co., Ltd. всего одна пробирка с кровью помогает генетикам на самых ранних стадиях определить скрытый потенциал будущих племенных несушек.
Специалист компании Ян Июань сравнивает традиционную селекцию с классическим обучением студентов: раньше экспертам приходилось ждать, пока птица повзрослеет, начнет откладывать яйца и покажет свои реальные «результаты экзаменов» — показатели яйценоскости, массы и качества яиц. Теперь же, благодаря генетическим данным и прогностическим моделям, племенную ценность ремонтного молодняка можно рассчитать задолго до того, как куры дадут первую продукцию.
Процесс устроен следующим образом: сразу после вылупления у цыплят берут образцы крови и выделяют ДНК. Затем биоматериал анализируют на специальном ДНК-чипе, который сканирует геном на наличие ключевых генетических маркеров. Система сопоставляет эти данные с огромной исторической базой родительского стада, где хранятся как генотипы, так и фенотипические показатели (яйценоскость, масса тела, вес, цвет и прочность скорлупы). Алгоритм, обученный на этих взаимосвязях, анализирует каждую новую партию цыплят и автоматически генерирует подробный «цифровой паспорт» с прогнозом по всем признакам и итоговым рейтингом особи.
В этой технологической цепочке ДНК-чип отвечает за обнаружение нужных генов, а математическая модель берет на себя колоссальный объем вычислений: сравнительный анализ, прогнозирование генетического потенциала и ранжирование птиц. Это позволяет селекционерам безошибочно выявлять самых перспективных особей на ранних этапах жизни. «Точечный отбор — это главный ключ к ускоренному достижению наших селекционных целей», — резюмирует Ян Июань.
Сегодня коммерческие стада несушек кросса «Цзинфэнь № 6» на миллионных поголовьях стабильно демонстрируют рекордный показатель продуктивности: 500 яиц за 700 дней жизни. За это выдающееся достижение разработчики удостоились Государственной премии Китая за научно-технический прогресс (второй степени) за 2025 год.
Вслед за этой уже зарекомендовавшей себя породой на конференции будут презентованы новые высокопродуктивные кроссы кур яичного и мясного направлений, созданные китайскими учеными. Среди них — «Цзинхун № 2», «Цзинфэнь № 8», «Воде 178», а также «Цзинцуй Люйкэ» (несущие яйца с уникальной зеленой скорлупой). Все эти новинки наглядно демонстрируют успехи непрерывной селекционной работы над отечественной линейкой птицы серии «Цзин».
Как ИИ-платформа объединяет процессы
Если полевые фабрики фенотипирования решают фундаментальный вопрос «откуда берутся данные», а цифровой анализ птичников демонстрирует «как алгоритмы помогают в отборе», то интеллектуальная платформа Shannon Breeding Studio, которая будет впервые презентована на конференции, призвана решить главную проблему — как селекционерам удобно и эффективно работать со всеми разрозненными данными, моделями и софтом.
Раньше исследователям приходилось вручную переключаться между десятками баз данных, электронными таблицами и специфическим программным обеспечением. В сложных ситуациях ученым и вовсе приходилось привлекать ИТ-специалистов для написания кода с нуля.
Теперь всё изменилось: селекционеру достаточно использовать обычный человеческий язык для постановки задачи. Платформа Shannon мгновенно распознает запрос, определяет, какие именно данные, математические модели и программы нужны для его выполнения, а затем автоматически запускает цепочку процессов. Система сама извлекает информацию, подбирает родительские линии, оценивает перспективные селекционные гибриды и проводит комплексный анализ многосредовых (мультилокационных) испытаний. Каждое действие бесшовно связано с предыдущим: результаты одного этапа мгновенно становятся входными данными для следующего, а на выходе ученый получает готовый аналитический отчет с детальным указанием всех первоисточников.
В основе этой экосистемы лежат огромные массивы агрономических знаний, производственных показателей и селекционных моделей, собиравшиеся учеными на протяжении многих лет.
Так, база данных специализированной большой языковой модели «Шэньнун» (Shennong) насчитывает более 10 миллионов узлов в графах профильных знаний и свыше 50 миллионов записей о реальном сельскохозяйственном производстве. Платформа уже доказала свою эффективность на практике: в пекинском районе Хуайроу с её помощью ученые успешно отобрали перспективные сорта салата «Яньци № 1» и «Яньци № 2» среди сотен конкурирующих образцов.
Доцент Китайского сельскохозяйственного университета Ван Яоцзюнь подчеркивает: если раньше на выведение нового сорта овощей уходило порядка пяти-шести лет, то благодаря анализу больших данных этот цикл удалось сократить до двух-трех лет.
Официальный запуск «Селекционной ИИ-студии Шэньнун» состоится 4 сентября. Она призвана автоматически связывать воедино исследовательские процессы, которые раньше были изолированы друг от друга, что дает колоссальный прирост производительности.
Ван Яоцзюнь продемонстрировал это на примере составления программы селекции пшеницы. Раньше на такую задачу уходило около 10 человеко-месяцев (например, работа одного эксперта в течение почти года). Сегодня, как только селекционеры четко формулируют цели и логику эксперимента, ИИ-студия выполняет весь объем работ всего за 0,5 человеко-месяца. Сбор информации, предобработка данных, расчет математических моделей и автоматическое формирование драфта программы теперь выполняются платформой в один непрерывный цикл.
От роботизированных комплексов, собирающих данные на полях, до алгоритмов предиктивного отбора биоматериала и нейросетевых моделей, сшивающих воедино все этапы исследований, — эти три сценария формируют единую сквозную экосистему умного семеноводства. И эта новая цифровая реальность уже диктует жесткие требования к развитию вычислительных мощностей, качеству больших данных, роботизированному оборудованию и государственной поддержке отрасли.
Как сообщил представитель Пекинского муниципального управления сельского хозяйства и сельских дел, на базе ключевой зоны агротехнопарка «Чжунгуаньцунь» будет развернута Пекинская инновационная база интеллектуальной селекции.
В рамках этого масштабного проекта планируется запустить Центр коллективного пользования базовыми селекционными технологиями и Центр коллективного пользования передовым оборудованием. Их цель — сформировать комплексную инфраструктуру, которая обеспечит отрасль специализированными вычислительными мощностями для селекции, системами управления большими данными, научно-исследовательскими базами, площадками для опытно-промышленных испытаний техники, лабораториями генетического тестирования, едиными стандартами и механизмами трансфера технологий.
Стратегический план предусматривает создание четырех типов испытательных ИИ-платформ и сценариев их промышленного внедрения в таких секторах, как растениеводство, животноводство, аквакультура и микробиология. На данный момент уже ведется активное развертывание ключевых инфраструктурных объектов, включая Платформу фенотипической идентификации стрессоустойчивости сельскохозяйственных культур, Инновационную платформу молекулярной селекции растений и Универсальную технологическую платформу интеллектуального животноводства.
Источник: Farmers` Daily. Авторы: Лу Сяочунь, Чжао Тяньхао — специальные корреспонденты мультимедийной редакции газеты Farmers` Daily, КНР.
