Как с помощью искусственного интеллекта выращивают марихуану и лечат рак

Прежде чем мы начнем, я хочу вам порекомендовать еще один подкаст. Он называется «Черный ящик» и его делают наши друзья из VC.ru. Подкаст посвящен разного рода аномалиям и любопытным явлениям из мира бизнеса и технологий. Например, в подкасте рассказывают, почему многие сайты в интернете выглядят похожи друг на друга или на чем зарабатывают инфо-цыгане. А еще у «Черного ящика» есть эпизод про русский Facebook. Я там рассказываю о том, как устроена лента новостей Facebook. Ссылка на подкаст в описании эпизода. Я пытаюсь разобраться, как устроены сложные и интересные штуки. Я зову профессионалов, с которым можно поговорить простым человеческим языком. Через две недели Новый год. 31 декабря четверг, и мы хотим выпустить особенный эпизод, где будем отвечать на ваши вопросы. Мы для этого специально завели бота в Телеграме, он называется Запуск Завтра Бот. Присылайте ему свои вопросы, а еще лучше аудиовопросы. Тогда ваш голос прозвучит в эфире. И пожалуйста, пришлите их до 23 декабря, потому что записать мой эпизод, конечно, хотим заранее, а не в новогоднюю ночь. Вопросы могут быть вообще любые. и какие-то общие вопросы о технологиях, и о нашем подкасте, и о темах, которые мы освещали раньше. Присылайте вопросы, мы на них попытаемся ответить. Сегодня у нас выпуск о помидорчиках. Так мы его с командой в шутку называли, пока готовились. Мы узнали, что есть компания, которая с помощью искусственного интеллекта помогает фермерам выращивать растения. Но все равно, пока мы готовились к подкасту, нам казалось, что это довольно смешно, и придется спрашивать о том, как там правильно поливать и ухаживать за зеленью. На деле оказалось, что, во-первых, это дико интересно, а во-вторых, там под капотом очень сложные технологии, которые можно использовать не только в сельском хозяйстве, но, например, и в лечении рака. А вообще мне просто взрывает мозг то, что люди выращивают овощи уже там десятки тысяч лет. При этом айтишная технология для этого находится в самом зачаточном состоянии. Вещи, которые делает Валерия Коган, наш сегодняшний гость, раньше никто не делал. Вот об этом влиянии айти на сельское хозяйство мы сегодня и поговорим. А еще мне очень повезло, что Валерия живет и работает в Риге, так что зашла ко мне в гости. И мы впервые за полгода пишем эпизод вживую. Это подкаст «Студия Либо-Либо», и мы его делаем вместе с сервисом онлайн-образования «Яндекс Практикум». У «Практикума» есть курсы по разработке, по анализу данных, по веб-дизайну и по английскому языку. Если вы хотите освоить цифровую профессию, переходите на сайт «Яндекс Практикум» и учитесь.

Меня зовут Валерия Коган. Я основатель стартапа Fermata, который занимается искусственным интеллектом в сельском хозяйстве. И еще я сооснователь проекта Smartomica, который занимается в том числе искусственным интеллектом в онкодиагностике.

Что делает Firmata и что делает онкодиагностика?

Я закончила физтех. Моя основная экспертиза, конечно, лежит в зоне биотеха, и всего связанного с анализами биологических и медицинских данных. Но так случайно получилось, что меня занесло в сельское хозяйство, где эти задачи тоже суперактуальны, и пока не так много людей, которые их решают. И фермата занимается тем, что мы мониторируем растения в теплицах, мы ставим камеры, мы ставим датчики и используем искусственный интеллект для того, чтобы следить за тем, что с растением происходит, как они себя чувствуют. И как мы можем помочь им чувствовать себя лучше, и таким образом помочь фермеру принимать правильные решения, экономить ресурсы и максимизировать свои доходы. Там у нас основная фича того, что делает Фермата – это визуальный анализ данных. То есть мы по камерам определяем на растениях каких-то насекомых, инфекции разные, все это детектируем, следим за ростом и можем давать подсказки агрономам о том, что в какой момент делать, на что стоит обратить внимание.

Я типа из деревни парень, и я выращивал дома помидорчики. Типа тяжёлое детство. Мне казалось, что там достаточно подержать температуру и типа поливать, и оно всё само растёт.

Ну это не совсем так, это базовые принципы такие, да. Но естественно, когда у тебя есть большое производство, тебе нужно максимально повышать его эффективность. И поэтому для того, чтобы это всё работало, максимально хорошо. Есть много разных направлений. Естественно, всё, что связано с генетикой растений, селекцией и так далее, также очень важно и то, что происходит внутри теплицы, как с растениями ведётся контроль. Потому что, например, в разных странах до 30-40% урожая теряется из-за того, что растения заболели, и их пришлось все выбросить. И мы как раз делаем решение, которое позволяет вот такие вещи отслеживать и реагировать на них сразу. Потому что сейчас это делают люди, а люди это не всегда достаточно эффективно. Особенно с учетом конструкции современных теплиц. Это могут быть очень огромные джунгли, где невозможно глазами всё смотреть. Зато это могут делать роботы, машины, камеры.

Ты сказала джунгли, как выглядит современная теплица вообще?

Ну смотря какая, например, томатная теплица, это будет там 4-5-6 метров высоты потолок. Собственно растения, растущие там практически 3-4 метра,

это... Я просто видел помидоры, они так высоко не растут, что с ними делать?

Ну вот это такие специальные сорта, но я думаю, что на самом деле даже дачные, наверное, можно натянуть. Есть еще очень популярный тренд – это вертикальные теплица, когда у тебя есть как бы шкаф фактически, да, стеллажи, и на каждом стеллаже что-то растет. И так сейчас, особенно в Азии, активно выращивают зелень. когда ты не тратишь, потому что низкая, тебе эффективно использовать площадь, использовать вертикаль как бы тоже. И когда у тебя есть верхние стеллажи, ну, просто практика работы в вертикальных теплицах, общение с агрономами показывает, что им туда немножко лень иногда залезать, проверять, что там происходит. А когда у тебя есть оборудование, оно может это делать за людей.

Так, слушай, я себе представил теплицу гигантскую, высокую очень. Как ты можешь поставить камеры так, чтобы видеть все растения? Они же друг друга перекрывают.

В принципе, у тебя нет задачи видеть абсолютно каждое. У тебя есть задача снимать температуру по больнице во многом. Поставить несколько десятков камер на гектар уже, как показывает наш опыт, сильно улучшает качество работы внутри теплицы. Мы всё равно можем детектировать за счёт зума, который в камерах есть. Ты всё равно можешь видеть, что происходит с отдельными растениями и присылать какие-то уведомления агрономам.

Ты назвала помидоры. А что-то еще вообще производится? Огурчики, например?

Ну, наш основной сейчас интерес— это, конечно, каннабис.

Ого, травка.

Почему? Потому что это очень маржинальное растение.

Будем честны.

Мы, конечно, работаем только в тех странах, где легалайз и где это можно делать преимущественно медицинская марихуана. Каннабис растёт не таким высоким, за ним достаточно удобно наблюдать, и плюс мы выбираем вот те типы растений, где у производителей есть интерес в инвестиции в технологии, потому что, например, те же томаты, это низко достаточно маржинальное овощ, и производители часто не хотят тратить дополнительные деньги, у них просто нет для того, чтобы поставить себе какую-то технологическую приблуду, эффективность которой ты реально сможешь померить только через год. Когда у тебя пройдет несколько циклов, ты сможешь сравнить, как у тебя было без нее и как с ней. Но есть некоторые растения, где короткий цикл,

И трава тоже короткая цикл, да?

Ну, достаточно короткая, да, и зелень тоже достаточно короткая. Вообще много интересных задач есть с растениями, которые такого ресторанного типа. Например, салат. Есть салат, который ты купишь там в пятерочке, есть салат, который ты купишь в «Азбуке вкуса», и есть совсем другой салат, который ты купишь в ресторане. Потому что если ты придёшь в другой ресторан, у тебя будет пожухлый салат, это будет возмутительно. И ресторанный салат должен быть всегда в идеальной форме.

Тут точно какая-то хрень там с ним происходит, я уверен.

За ним просто очень внимательно следят, на самом деле. И если у тебя что-то начинает где-то подсыхать, тебе нужно моментально на это среагировать, потому что иначе ты ничего не сможешь использовать. Есть такие производства, даже, например, в Москве, которые для московских дорогих ресторанов производят салат.

Ну, это везде есть. Реально просто другой мир. Я вроде даже думать не Обычная могу. зелень, а есть такая элитная зелень.

И вот эта элитная зелень, за ней нужно очень пристально следить. И вот такого рода задачи можно решать. Например, стоимость тех же грибов, она драматически зависит от того, как они выглядят. Если им чуть-чуть не хватает каких-то факторов, то у них шляпки загибаются вверх.

И так делать нельзя, да?

Так нельзя. Они сразу очень сильно падают в цене. А если у тебя красивые ровные шляпки, то это будет дорогой гриб. И за ним нужно следить, чтобы у него, собственно, не загибалась эта шляпка. Ты не должен глумиться над этим.

Просто это совсем... Ну, в смысле, я в такое чувство, что я попал в другой мир. Ты сказала, что раньше это делали люди, они прямо ходят, типа... Они

делают, да, они ходят. Ну, как бы это... Gardeners называется больше, наверное. Это не агрономы, это не люди там со специальным образованием, которые принимают решения, но это люди, которые делают как бы ручную работу. Часть их функционала как раз в мониторинге растений. Они должны понять, что что-то происходит не то, и после этого позвать агронома и попросить его принять решение. Вот часть функционала этих людей можно заменить как раз автоматизацией. Ну и на самом деле разные компании работают над тем, чтобы разные функционалы автоматизировать. Потому что эти люди достаточно дорогие, там, условно, один из наших клиентов в Европе, там, у него один такой сотрудник стоит, условно, 5000 евро.

В месяц?

Да. И возможность заменить это, хотя бы часть его функционала, сделать количество таких людей меньше, конечно, для них суперценны.

В какой момент вообще стало возможно заменять человеческие глаза, которые смотрят на растение компьютерами?

Это достаточно новые технологии. На рынке есть несколько компаний, которые те или иные решения предлагают при помощи искусственного интеллекта, как раз Image Recognition. Их довольно мало. Это не конкурентный рынок, то есть нам кажется, что мы на гребне волны и одни из первых, кто пришел в эту нишу. И мы ведем сейчас переговоры с разными крупными компаниями, с большими производителями теплиц, например, чтобы стать частью их технологической компоненты, потому что это для нас проще и выгоднее, чем вести переговоры с каждым отдельным фермером.

Как производитель труб или разбрызгивателей, да?

которые вот прям строят теплицу, например. Это никогда не просто строительная компания, у них всегда есть уже свои какие-то технологии, которые туда, там, мониторинг, автоматический полив, например, или вот такого рода вещи.

То есть вот это уже делали давно.

Да, это делают, там, не знаю, компании, которые этим занимаются, им десятилетия, и постепенно они автоматизируют разные части своей работы. И вот наша практика общения с этим компанией говорит о том, что к ним до нас никто не приходил. Ну то есть это очень прикольно, потому что даже очень большие игроки, они с большим интересом с нами разговаривают и как бы готовы планировать наши разработки, потому что они понимают в этом потребность, естественно, и не так много, в общем, других компаний на рынке, которые могут предложить такой сервис.

Насколько технология такая сложная, и насколько они ее могут просто повторить? Это крупные игроки.

В принципе, мне кажется, что такого рода корпорации, все-таки IT это не их профиль. И они, в принципе, достаточно открыты к работе со стартапами, потому что пока ты соберешь AI-команду нормальную, все понимают, как это на самом деле тяжело. Но и мы стараемся никого не пускать внутрь технологии, и большую ценность представляют данные, которые у нас уже есть. И мы грамотно выстроили полтора года своей предыдущей работы, когда мы достаточно много делали бесплатно, мы платили агрономам за то, чтобы они помогали нам размечать данные. И в итоге мы скопили очень хорошие датасеты, на котором у нас реально уже хорошее качество. И нет особо смысла, мне кажется, пытаться это повторить и сделать с нуля, когда можно просто это купить.

А можешь сказать, какие именно данные собираются? Вот ты сказала, что есть фотографии и датасет, он размечен. А какие-то еще датчики используются, кроме видео?

Датчики. Изначально мы их использовали как способ легко войти в теплицу. Мы начинали в России. Когда ты приходишь к фермеру и говоришь ему, привет, у нас искусственный интеллект, он говорит, зачем ты вообще ко мне пришел? И очень сложно объяснить, как это работает, очень сложно объяснить, какой это value. Но зато, когда ты приходишь к людям и говоришь, что, ребята, мы сейчас вам поставим датчики температуры в высоком разрешении и влажности, например, и условно оно там 2 дня поработало, 3 дня, они уже видят результат. Они видят, что у них, например, влажность ночью проседает, они раньше не обращали на это внимания. Как правило, в теплице все равно какие-то датчики стоят, но их стоит не так много, ты не видишь, что у тебя условно есть разница между тем, что происходит у стены и тем, что происходит в центре теплицы. И это прям сразу повышает очень доверие клиента к тому, что происходит. Поэтому через датчики очень легко заходить, а потом через условно месяц мы адаптируем свои модели к условиям освещения и нового типа растения, условно, которое у него растет. И можем уже показывать ему AI, он понимает, что мы, в принципе, нормальные ребята и как бы доверяет тому результату, который у нас получился.

А что вообще измеряет, ты сказала, влажность, температура?

Влажность, температура, СО2, можно измерять освещенность, например, можно измерять спектр света, можно измерять давление, можно измерять поток воздуха, например, и убедиться, что у тебя там с вентиляцией всё в порядке. Вот это тоже очень важно иметь распределённое в разных частях теплицы, понимать, как это работает. Почему болеют растения? Растения могут болеть, потому что есть какая-то внешняя инфекция, какой-нибудь грибок, бактерия, вирус, который либо занесли люди, либо занесло какое-то насекомое. Или, опять-таки, насекомое само может растение есть. Либо растение может болеть из-за того, что за ним плохо ухаживают. Ему может быть холодно или тепло, или как-то недостаточно каких-то питательных веществ. И когда мы визуально мониторируем растения, мы можем сделать предположение о том, что именно пошло не так. Если у нас есть климатические данные, мы как бы можем перепроверить сами себя и выдать уже более точную рекомендацию фермеру о том, что делать. И опять-таки, если у нас есть и климатические, и визуальные данные, мы можем их использовать для того, чтобы, например, прогнозировать урожай более качественно. То есть любая интеграция разных источников данных – это всегда плюс и открывает тебе новые возможности как-то полезным образом их использовать.

У вас модели отдельные для картинок и для датчиков, или это одна модель, у которой просто много инпутов?

Это последовательные нейронные сети, которые сначала съедают картинки, а потом уже генерируют фичи, которые вместе с климатическими данными отдаются следующей сетке.

Интересно. Ты вот в самом начале сказала, что вы установили технологию бесплатно и доплачивали агрономам за то, что они размечали ваши данные. Да, всё так. Как вы, например, получили фотографию недополитого помидора? Вы его специально недополивали и фоткали много раз или как это происходило?

Началось всё с того, что мы взяли, например, данные, которые есть в открытом доступе. Есть несколько соревнований на Kaggle, где были датасеты разных больных растений.

Так для мамы, наверное, сказать. Кегл это сайт, где соревнуются дата-сайентисты (data scientists). Там были прямо соревнования про то, чтобы определить, что бороздки не хватает.

Да-да-да, какие-то из компаний делали такого рода компетишн. Это было то, с чего мы вообще начали, и сама идея возникла. Ну, как бы мы ее стали валидировать и вообще возможность сделать на этих данных. Потом мы взяли отдельного человека, который просто серфил интернет и искал картинки.

Серьезно? В интернете много картинок плохих комментариев.

Ну, это и сейчас происходит на самом деле, когда мы переходим к какому-то новому типу растений, мы стараемся агрегировать всю возможную информацию, какая только есть. Если есть, условно, какой-нибудь онлайн-справочник болезней растения, почему бы не взять все картинки оттуда и не подгрузить их в модель? Тем более, если ты можешь знать, что они достаточно качественно размечены, если это какое-нибудь агрономическое сообщество.

Сколько вообще картин нужно для того, чтобы учить модель?

А у нас сейчас устроен так, что нам нужно картинок 200 для того, чтобы перейти на что-то новое.

Но это только потому, что у вас уже есть модель, которая, типа, в принципе, знает про растение.

Да-да-да, уже есть много десятков тысяч изображений.

Откуда такая куча картинок помидоров?

Ну вот часть из интернета, часть ты просто приезжаешь в теплицу, ты ходишь, просто фоткаешь вместе с агрономом, который есть там. Он тебе показывает, вот эта болезнь такая, эта болезнь такая. Ты делаешь миллион фоток. Ты делаешь миллион фоток здоровых растений. Потом ты берёшь ещё одного агронома, который тебе даблчекает ту разметку, которая была у предыдущего, потому что это вечная проблема, что взгляд субъективный. И поэтому нужно сделать такой как бы консилиум агрономов. Sorry, качественный продукт делать сложно. И ты делаешь консилиум агрономов, которые тебе помогают принять решение о том, что вот это это, вот это то, где именно оно на изображении. Да и вот ты делаешь такую разметку, и потом оно начинает работать.

А сколько разных проблем бывает у помидоров?

Много. Во-первых, по регионам немножечко всё отличается. Есть какие-то базовые 3-4 болезни, которые есть везде. Есть какие-нибудь ещё пара штук специфичные для этого региона, достаточно распространённые. И дальше много редких.

Но когда добавляется новое растение, то для него уже не нужно десятки тысяч, достаточно 200 фотографий. И все больные, видимо, да уже?

Нет, здоровые нам, конечно, тоже нужны. И обычно это работает так, что вот мы приходим в теплицу, мы ставим оборудование, примерно через недели-две уже этим можно пользоваться, и где-то через месяц это уже прямо хорошо работающая штука.

А, потому что растения растут, у тебя

датчики стоят прямо там же, они просто фоткают, фоткают, фоткают. Да-да-да.

За каким показателем сложнее всего следить? Там температура, влажность, полив. Что сложнее всего контролировать и для чего остается нужен человек?

Ну смотри, как устроена работа в теплице. Есть ряд показателей климата, которые, естественно, так или иначе измеряют датчики, там человек за градусником не ходит. Есть разные параметры роста растений, которые вот в норме без нас человек измеряет вручную. Там количество листьев, их размер, высоту растений, вес плода.

То есть есть чувак, который ходит и считает, сколько листочков у помидорчика?

Да, сколько там на кисти листиков, конечно.

Так, а это что о чем-то говорит?

Конечно, конечно, это им говорит о том, насколько растение развивается в соответствии с ожиданиями. Если мы говорим, например, про овощи, то у тебя есть какой-то план, что тебе нужно сколько-то килограмм в итоге произвести. У тебя будут они расти несколько месяцев, и тебе нужно все эти месяцы знать, что у тебя в конечном итоге будет то вообще, на что ты заложился.

А если листиков не 5, а 4, то что дальше?

То они делают, у них есть определённые правила. На самом деле, очень похоже на работу врача.

Протоколы лечения.

У тебя есть протокол, да. И если у тебя что-то больше, чем что-то, то ты делаешь что-то. Ну и вот все эти правила, они есть. И они принимают эти решения. Но здесь как раз-таки возникают проблемы, что ты не можешь же измерить листики на каждой кисти. Ты это делаешь на каких-то отдельных. И вот здесь как раз технологии визуального анализа очень помогают, потому что они могут более точно тебе дать понять, что вообще происходит с твоей теплицей в разных её зонах и какие решения, на самом деле, правильные на этом этапе. Хорошо.

Вот визуально, типа, камеры, скорее всего, лучше человека делают, потому что они ничего не пропускают и никогда не ошибаются. А что камеры пока не могут сделать или вообще технологии пока не могут сделать?

Человек нужен в зоне принятия решений, я бы так сказала, сейчас. Есть ещё много задач интересных, где нужен не человек, а где нужна сложная лаборатория. И вопрос то, можем ли мы её обойти. Например, с каннабисом одна из задач, которая у нас сейчас в R&D, и это на самом деле актуально не только для него, просто на этом примере расскажу, что ты же не производишь условно шишечки или листики, ты производишь конечный продукт. Твой конечный продукт – это, например, если мы говорим про производство косметики из каннабиса, да, это будет CBD. А один из каннабиноидов, из которого потом будут делаться маски, крема и так далее. Твоя задача, естественно, сделать так, чтобы у тебя этого CBD было как можно больше в твоем растении.

Это вещество, да?

Это вещество. Как тебе понять, сколько у тебя его ожидается или сколько у тебя в растении его сейчас? Тебе нужно его срезать и сделать специальное лабораторное исследование для того, чтобы понять, как бы, контент твоего растения. И у агрономов, опять-таки, есть правило, как они обращаются с растениями, как они следят, делают выводы, чтобы сделать такое с растениями, чтобы повысить его состав того вещества, которое тебя больше всего интересует. Это также мегаактуально, например, в пшенице. Потому что стоимость пшеницы драматически зависит от состава белка в ней.

Чего?

Покупаешь ли ты макароны?

Да, покупаю.

Обычно дороже стоят макароны из твердых сортов пшеницы. Вот твердый сорт – это как раз значит, что в нем было много белка. И если ты даже посадил сорта, который должен вырасти с высоким составом белка, плохо с ним обращался, то белка может быть меньше. И тебе нужно понимать, что у тебя там происходит, какой у тебя состав белка, как тебе своему растению помочь.

Так, и что вы с этим можете сделать?

Вот обычно они просто срезают отдельные растения, дальше перемалывают их, смотрят в лаборатории, какой у них состав канабиноидов или белка, или ещё чего-нибудь в зависимости от типа растений, и дальше принимают соответствующее решение. А у нас в разработке проект, где мы делаем продукт, когда это можно будет делать на основе анализа визуального, опять-таки в разных спектрах анализируя изображение растений и комбинируя это как раз таки с климатическими данными.

Подожди, в разных спектрах, в смысле, не только визуальные, которые мы видим?

Не только визуальные, да, но есть некоторые... А какие? Ну, инфракрасные, ультрафиолетовые спектры.

То есть тепло и ничего не понятно. Типа листочки по-другому отражают, если в них

разность... Да, да, да.

Ого!

Это как бы научная теория, которую мы сейчас проверяем и пытаемся понять, можем ли мы сделать такой продукт достаточного качества, будет ли в этом value. Если у нас получится, то это будет очень круто, конечно.

Но тут нужно будет отдельной камеры, да, с датчиками такими?

Да.

Охренеть.

Ну, это очень прикольно.

Это прям космос. Вместо того, чтобы срезать, ты просто смотришь на него, там, подсвечивая фиолетом.

Да-да-да. И у тебя же может даже не быть такая высокая точность, как у лабораторий, но зато ты это можешь делать в реал-тайме и постоянно.

И постоянно.

Да-да-да. И как бы обращаться к лаборатории только в момент, когда тебе кажется, что это прям щит-мапа, да.

Наверное, глупый вопрос, какой-то старушечки. Есть разница между помидорчиками, которые под солнцем выросли, и которые под лампочкой выросли?

Все говорят, что да. И дело на самом деле не только в солнце, дело еще в почве. Ведь сейчас помидоры, вот те больших производителей, которые ты покупаешь в магазине, они в гидропонике выросли.

Я слышал про гидропонику. Что это такое?

Это когда у тебя есть какой-то субстрат, условно, там, кокосовое нечто, и в этом субстрате растут растения, к нему подведены трубочки, из которых льётся удобрение, всё-всё-всё, то есть все питательные вещества, которые растению нужны. Некоторые топят за то, что нужно выращивать в почве, делать теплицы с почвы, но, конечно, это гораздо дороже, гораздо сложнее, гораздо менее контролируемая среда, потому что у тебя уже тогда что-то в почве... Жуки какие-то там. Да, всякое может заводиться разное, и сконтролировать это сложнее, поэтому все всё равно так или иначе от этого отходят, но пытаются найти какой-то баланс, чтобы обеспечить вкус. Но ещё, насколько я понимаю, транспортировка сама по себе сильно убивает вкус продукта. Это одна из причин, почему никто особенно в это дело так прям не вкладывается. Потому что если ты будешь неделю все равно это вести, там через всю Европу, уже вкус будет другой. Не такой, как когда ты только сорвал с куста.

Офигеть. Слушай, мы сейчас обсуждали все несладкое. А что насчет фруктов?

Фрукты растут на деревьях. Это проблема. Технологии для сельского хозяйства такого рода делятся на два класса. Это то, что есть для open fields, для улицы фактически, и то, что есть для теплиц. Вот мы находимся в тепличной зоне и держимся там сознательно как раз потому, что там решений довольно мало. Компании, которые что-то пытаются делать для открытого грунта, их много. Это как раз дроны и разные технологии, там, Image Recognition на дронах. Мы не хотим в это идти по нескольким причинам. Потому что там уже есть более активная конкуренция. И потому что это дико сложный бизнес. Потому что с дронами есть большие проблемы. Дроны либо очень дорогие, ну, такие полудрон, полусамолет, который не сносит ветром, которого Ты там заправляешь дизелем, который долго летает. Это военные разработки, конечно, которые потом перешли в сельское хозяйство. Дико дорого. Либо у тебя есть относительно дешевые дроны, которые будут сдувать ветром, у которых будут постоянно садиться батарейки, которые будут теряться. И это очень проблемная такая зона. Здесь, мне кажется, должно быть какое-то хардовое, новое, крутое решение для того, чтобы это выстрелило по-настоящему. Сейчас это, мне кажется, идет достаточно туго, и впрягаться в это нам не захотелось. Мы решили, что мы выделим эту зону тепличную, и в ней будем делать технологии. Поэтому фрукты и деревья это не наши.

Офигенно интересно. Ну, кстати, про хард, у меня было много гостей, которые так или иначе делали что-то с хардом, и они все говорят, что хард— это вообще лечь и умереть, типа, не делайте хард, делайте софт.

Да, мне тоже так кажется.

А сколько разных стран ты рассматриваешь?

Разные страны. Мы сейчас активно в Израиле, в том числе и за Каннабис, ну, потому что мы там изначально были, и построить нетворк.

А там легалайз, да?

Да, там медицинская марихуана разрешена, с рекреационал сейчас там тоже как-то всё, видимо, будет разрешено в ближайшее время. Но Израиль— это, на самом деле, мекка агротехстартапов, поэтому у нас там достаточно большая команда, и поэтому мы с гордостью везде говорим, что мы израильский агротехстартап, потому что это сразу тоже повышает такое базовое доверие. Конечно, это ничего не значит, если у тебя ничего не работает, но... Но дверь тебе легче открывает. Да, дверь открывать легче, конечно, да. Вот. И Европа. И с несколькими каннабисными производителями в Америке мы тоже разговариваем.

Ты сказала, что вы собираете много данных, например, при температуре, и это то, как вы входите в отношения. А как вы их потом презентуете? ну или там агроном. Это какая-то тепловая карта или это какой-то отчет уже готовый?

У агронома есть свой дешборд, в котором он в реал-тайме все видит. В нем отображаются как раз уведомления, что что-то не так или с климатом, или с визуальным анализом. И там можно все смотреть. Можно смотреть, какие зоны нам кажутся подозрительными, по какой причине. И можно сначала посмотреть на картинки, дать какой-то фидбэк, потом уже идти в теплицу. Да, и климат тоже там на таких же трехмерных картах у нас отображается.

Жесть какая. Ты сказала, что есть алерты?

Да.

Но они, видимо, не на телефон, а прямо просто это рабочая панель такая, в

которой... Ну, это кто как хочет. Это, как ты понимаешь, технически очень простой момент. Если они хотят там получать смс-ки или мейлы, это все можно настроить. Ну, это настроено и реализовано. Либо это алерты в самом аппе (app), который им говорит о том, что что-то не так, как они хотят.

А апп на чём? На десктопах или на планшетах?

Есть и то, и то. Сейчас мы активно дорабатываем телефонную версию, потому что это и удобно, и нам кажется, что это хороший маркетинг инструмент, что они могут друг другу показывать и так про нас рассказывать.

А сколько вообще разных производителей теплиц бывает на свете?

Ну, например, больших теплиц для овощей производителей, крупных, не знаю, 3-5. И они все находятся в одном маленьком городе в Голландии. И все сидят там на, не знаю, полутораквадратных метрах. Это такой, типа, Microsoft, Intel.

Ты силиконовая долина, только помидорная долина.

Да-да-да. Ну, Нидерланды это вообще мировая столица сельского хозяйства. Если Израиль это мир агротеха именно, то именно такое промышленное сельское хозяйство это Нидерланды. И там очень много и исследовательских институтов, на самом деле, которые занимаются подготовкой крутых агрономов и исследованиями в этой зоне. Поэтому вот это такой центр вселенной.

Я просто видел, у нас даже в Риге много фруктов из Нидерландов и овощей. Они то есть не только сами производят, но они ещё и экспортируют технологии.

Конечно, я об этом и говорю, что это именно производители технологий. То есть, условно, есть компания, у которой 60% европейского тепличного рынка. Ну, в России тоже, ну, так, насколько я знаю, очень много, по крайней мере, их теплиц. Я не знаю, есть ли большинство или нет, но если ты увидишь большую красивую теплицу, скорее всего, это будет теплица компании Priva. Они делают эти проекты, то есть это всё. Это и полив, это и непосредственно здание, это и свет, и управление этим всем. Это всё под ключ сделает одна компания.

А сколько стоит теплица?

Не могу тебе сказать, мне думают, что это очень зависит от размера проекта. Ну, какие-то миллионы долларов.

А это вообще долгий проект? Сложный? Или это как бы с разводимой конструкцией, которая так чук-чук и готова?

В целом достаточно долго всё-таки. Это прям здание-здание.

Где у вас эти производства пилотные? В России, в Нидерландах или где?

В России у нас были раньше, сейчас мы оттуда ушли, потому что перспектив на российском рынке особо не видим, потому что очень дешевая рабочая сила и невозможно конкурировать технологиями с толпой людей, которым плохо платят. И поэтому, в принципе, Россия, СНГ— это рынок, наверное, не для нас и не для технологий вот такого рода, которые помогают меньше людей привлекать к тяжелому труду.

А сколько вы реально экономите фермеру?

Это достаточно сложно сказать сейчас, и это очень зависит от типа растений и от типа производства. То, на что мы целимся, что мы заявляем, это десятки процентов на экономии рабочей силы и порядка 10% экономии на потере урожая. Вот примерно такие оценки.

То есть гораздо больше на людей и немножечко на том, что меньше теряется.

Да, но при этом в зависимости от стоимости растений, например, в том же каннабисе вот это там 10% условной экономии потери урожая, это очень большие деньги.

А насколько ваши технологии сокращают рабочие места?

Слушай, у меня на этот взгляд такой. Мне кажется, что нет ничего плохого в том, чтобы вот то место, где нужна именно тяжелая физическая сила в работе, что эти вещи вместо людей начинают делать роботы. Заставлять людей разглядывать эти листики, скрюченными ходить много часов подряд, ну, мне не кажется, что здесь есть какой-то этический вопрос.

Это вот как бы ходить и смотреть, это тяжелая работа.

Да, конечно.

Но сейчас пока еще, типа, основное производство выращивания растений, оно не экипировано вашими технологиями.

Нет, пока нет.

Вообще, типа, вот такими технологиями, машинным обучением, вот этим всем.

Нет, это все только начинается. Есть три самые нецифровизованные индустрии. Это сельское хозяйство, медицина и стройка. Так что надо еще в стройку прийти. Там очень сложно идет внедрение технологий.

У нас был, наверное, подкаст про стройку, там, где чувак рассказывал какую-нибудь адскую IT в пике. И сейчас будешь ты про агротех, значит, осталась только медицина.

А, ты будешь медициной тоже?

Я тебе могу про медицину тоже рассказать. Хорошо, давай сейчас закончим про это. А насколько это вообще большой рынок?

Сельское хозяйство? Огромный. Огромный, конечно. Особенно он огромный в Азии, потому что там живет много людей. Но в Азию как раз идти страшно из-за тех вопросов, которые ты задавал.

Всё спиздят и делают копия.

Да, то есть это нужно туда идти в момент, когда ты готов. Когда ты уже большой игрок и с тобой сложно конкурировать. И нет смысла это делать, проще тебя покупать. Но Китай, конечно, это самый большой сельскохозяйственный рынок в мире.

Как ты вообще начала этим заниматься?

Абсолютно случайно. Мой партнер как раз по другому медицинскому проекту познакомил меня со своими друзьями, у которых есть сельскохозяйственное производство в России, и те технологии, которые мы делали для медицины, мы поняли, что это очень похоже. У нас тоже есть сенсоры, у нас тоже есть visual data, нам нужно всё это дело интегрировать. Но просто теперь у нас не пациент, а помидор. Но задачи технологические, конечно же, те же самые.

Чем агротех лучше, чем медицина? Почему ты сказала, что люди подождут, сначала помидорчики?

Ну, во-первых, люди не подождали, это всё происходило параллельно, но у агротеха есть драматическое отличие от медицины с точки зрения регуляции. И то есть всё, что ты придумал, ты тут же можешь начать внедрять, проверять его эффективность, файнтюнить (fine-tune) и так далее, когда с людьми это гораздо тяжелее. Но здесь у нас получилось очень прикольно, потому что то, что мы дорабатываем в агротехе, мы тут же, ну, с точки зрения технологий, Мы можем забирать обратно у людей. У нас пересекающаяся команда, и люди из одного проекта мигрируют в другой, как бы перенося знания туда-сюда.

Ты сказала, вот я занимался медициной, и тут узнала про агротех, а как медицина вообще появилась?

Меня сразу, это еще в школе все как-то привлекало, что биологические задачи можно решать с помощью математики, поэтому я в физтехе выбрала такой факультет. И мне очень сразу хотелось трогать что-то руками, то есть понимать, куда именно эти знания можно приложить, которые я получаю. И я на первом же курсе пошла летом уже работать в лабораторию, где я занималась биоинформатикой. Зона такая научная, на стыке биологии и математики, где я занимаюсь анализом генетических данных. И генетические данные, они огромные, это там гигабайты текста, по факту, которые себе представляют наши ДНК или РНК. И тебе нужны специальные алгоритмы для того, чтобы с этими данными работать. И это вот прям такой хороший стык программирования, математики и биологии. И вот в лаборатории биоинформатики я работала в Москве несколько лет, а после этого, после физтех, уехала в аспирантуру в Израиль как раз заниматься биоинформатикой. И там уже меня увлекла онкологическая вся тема, и, собственно, вот всё было достаточно гармонично в одной области. И тех, как раз-таки, возник достаточно внезапно.

Как это произошло?

Ну смотри, давай я в двух словах расскажу про проект, который я сейчас делаю. У нас есть компания, которая называется Smartomica, здесь в Риге, которая занимается персонализированной медициной. Она про онкологию. У меня есть партнер, его зовут Игорь Коман, он врач-онколог, и мы с ним вдвоем делаем эту компанию. У него есть большой опыт работы, и он очень крутой специалист в области, когда у тебя, например, есть пациент онкологический, которому не помогло стандартное лечение. И что дело дальше? Тебе нужно что-то придумать. И дальше, как бы, Игорь и его команда, они до того, как я присоединилась к проекту в медицинском центре в Израиле, они делали ресерч вот просто для каждого пациента. То есть тебе надо понять, какие научные знания вообще уже есть, и что вообще можно про эту опухоль рассказать, связь опухоли с самим телом, почему она растет, почему вообще возникла, как она вообще на все остальное влияет.

Блин, звучит как то, как должна работать медицина, в принципе.

Да-да-да, просто это очень дорого. Тебе нужно сделать очень много разных исследований опухолей самого пациента. Очень многие лаборатории находятся в отдельных частях света, какие-то маленькие. Туда нужно отправлять образцы. Образцы не должны потеряться, они не должны испортиться. Потом к тебе приезжает куча данных. Ты видишь, что у тебя что-то вне нормы здесь, что-то вне нормы там, и тебе нужно вокруг этого построить историю. И чтобы построить историю, тебе надо много знать и плюс еще очень много прочитать. Это то, чем они занимались много лет, с командой исследователей-врачей. И когда мы стали работать вместе, общаться, я поняла, что в каких-то вещах врачу реально можно помочь.

Просто ручную работу брать, да?

Например, есть 30 миллионов научных статей, которые оцифрованы и лежат в интернете с 80-х годов по биологии и медицине. Понятно, что для нашего каждого конкретного пациента что-то там может быть полезное. Нам надо не пропустить. Как это сделать? Natural language processing. У нас здесь возникает, и как бы мы можем использовать NLP для того, чтобы читать эти статьи, извлекать оттуда какие-то факты,

Те ключевые слова, которые нужны.

Да, но уже не просто ключевые слова, все равно это получится как бы месс, потому что ключевыми словами ты можешь просто погуглить. Тебя интересует какая-то конкретная связь, и вопрос условный, есть ли связь между А и Б. И дальше ты можешь, анализируя статьи, понять, есть ли эта связь или нет. Если есть, то вытащить их, дать врачу и сказать ему, что ты можешь посмотреть, это может тебе помочь.

То есть это бесконечно большой пул людей, которые читают и изучают, только это всё заменяется компьютером и алгоритмом?

Да-да-да. Просто очень много чего о науке известно, и очень глупо эти знания пропустить.

Хорошо. Вы врач-онколог, вы делаете анализ научных статей для выявления связи, который конкретно у этого пациента.

Это одно из технологических решений, которые у нас есть. Например, одна еще компания, которую мы здесь делали в Латвии, которая, наверное, со всем всё свяжет между собой. Компания называется Аймуна. Это наш спин-офф, куда мы тоже сложили наши технологии. Идея там следующая. иммунотерапия. Идея такая, значит, Иммунтерапия вообще твоя иммунная система теоретически может увидеть опухоль. И на самом деле, видимо, она очень часто это делает, и очень многие раки как бы умирают в нас за счёт иммунной системы, потому что она их на раннем этапе попорола. Но вот опухоль, которая уже развилась, она умеет продуцировать такие специальные молекулы, которые закрывают глаза иммунной системе, и она их просто не видит. Идея была такая, что давайте эти молекулы заблокируем, и тогда иммунная система опять увидит у нас опухоль и сможет сама с ней бороться.

Просто с чем-то свяжем, да, эти молекулы?

Да-да-да, заингибируем. И такие препараты были сделаны, и у них обалденная эффективность, но на 20% людей. И никто не знает почему, никто. Это очень большая загадка, с чем это связано. Есть много каких-то гипотез, очень много людей занимаются этими исследованиями. Прямо самый хот тема в лечении онкологии. Разные вот такие вот методы работы с иммунной системой, чтобы научить её видеть опухоль. Ну вот эти молекулы называются чекпоинты, препараты называются чекпоинты-ингибиторы. И вот эти чекпоинты-ингибиторы, вот у них эффективность 20%, они на рынке меньше 10 лет. Началось всё с меланома у них, как самого агрессивного рака. Сейчас вот последние три года на рынке есть препараты против рака лёгких, потому что это тоже очень агрессивный и распространённый рак. Но из-за того, что эффективность 20%, и то её удалось достичь только сейчас, сначала это было ещё меньше, организации, которые за это платят в разных странах, типа страховые компании или Министерство здравоохранения, сказали фармкомпаниям, что, блин, ребята, ну это очень круто, конечно, но почему мы должны за это вообще платить? Давайте мы будем вам платить за каждый successful case.

О, господи.

И это теперь ваша проблема, как определить, кому это будет работать. Потому что лечение очень дорогое. И теперь у фармкомпании, значит, челлендж, что они должны понять, на ком... Предсказать, смогут

ли они быть из чаек или нет. И если нет, то они даже не пытаются.

Да, это они должны сделать.

Тут ведь столько этических проблем, мне кажется.

Ну да, да. Но вот как раз компания Аймуна (AImmuna), она занимается разработкой вот такой технологии.

Этим предсказанием.

Этим предсказанием, да. И мы используем изображение опухоли плюс генетические данные пациента, генетические данные опухоли, разные другие параметры. И это как раз пример того, как имиджи сочетаются. Чтобы предсказать вероятность успешного... Да, на лечение.

А у тебя есть все эти данные для пациентов, которых уже лечили раньше?

Вот это сейчас всё у нас в работе. Это самый сложный момент, потому что таких пациентов в мире мало. И да, сейчас вот мы работаем с этим. Эту компанию поддерживает инновационный инкубатор компании Roche. Одна из самых крупных фармкомпаний в мире. И как раз мы работаем с Roche над доступом к разным источникам данных, чтобы валидировать все эти технологии и это построить.

Вот теперь у меня в голове сложилось. И значит, раз ты сможешь рассмотреть опухоль, то ты можешь рассмотреть помидорчик.

Да. То есть вот у нас есть имиджинг для пациентов, медицинский имиджинг, интеграция имиджей с разными типами данных, и вот это всё мы пытаемся в разные места приткнуть. Обалдеть!

То есть если ты видишь, и у тебя ещё есть датчики, то ты всё это вместе чук-чук-чук, и вот тебе решение. То есть решение типа информация.

Да-да-да. Ну, это все достаточно молодые истории, то есть, условно, Fermat мы сделали в январе прошлого года, ей вот почти два года, но это немного. А Smartomic вот мы зарегистрировали в марте в Риге, оставшись здесь после локдауна.

У нас есть жанр. Мы у всех гостей спрашиваем, что ты читаешь в интернете? Ну, типа, телеграм-каналы, ютуб смотришь, или новости какие-то, новостные сайты.

Про агротех, наверное, и всё такое я читаю на TechCrunch'е, если что-то русское, на Vc, на Rusbase, если что-то появляется, какие-то подборки, обзоры.

А в России вообще есть агротех?

В России есть хорошие компании, которые тоже все, естественно, пытаются уйти с российского рынка ровно по тем же самым причинам. Но, в принципе, компании с русскими корнями, мне кажется, очень много в любой технологической индустрии, они везде будут крутые. Русские норм. Кул.

Лера, спасибо тебе огромное, что пришла.

Спасибо тебе, было очень интересно.

Это подкаст студии Либо-Либо, и мы его сделали вместе с сервисом онлайн-образования Яндекс Практикум. На подкаст мы работали. и Андрей Борзенко. Продюсер— Павел Боровков. Звукорежиссер— Нина Мамотина. За джингл спасибо Алексею Зеленскому.