使われ方はほっといても多様化する
栽培現場からの発信を続けているといろんな問合せを戴きます。その一つ一つに御返事してゆくわけですが、僕らはいつごろからか農外・農内と相手を区別して考えてしまうようになってきました。現場の事情を判ってもらえる共通認識があるか無いかで分けていると思います。農業の暗黙知といわれるものも、きちんと言葉に落とし込んだ表現がなされれば共有できるのじゃないかな。このあたり、各都道府県の普及指導所に眠る先輩方の紙の記録や研究ノートに触れる度にそう思います。
農内・外と区切るここの境界帯がなくなるくらい多様な事象を細かくフォローできる(最適化できる)技術が機械学習だったりディープラーニングだったりとするのかなと考えています。
これまで僕らが取り組んだ研究検証成果の一つは、現場画像を記録して、そこに紐づく議論を丁寧にテーマと属性、キーワードといった要素に分けて統計してゆくことと、環境計測したものと、言葉から生々しく連想できる植物の姿や収穫量を現場の時間軸に重ねて蓄積してゆく手段です。
栽培画像と紐帯議論。ここからつまづきドコロが見えてきます。
２０１８年の研究活動資金獲得に向けて取り組みを整理して見えてきた方向性は；
当事者の技術理解や言葉や課題の多様さを技術が吸収してゆける学び手段の模索あたりが研究でスコープするところ。現場課題を吸収してゆくには、標準化ではなくて多様化をサポートする農業ハードやソフトウェアによる処理のイメージです。
増収と経営体成長ボトルネックの一つが畑で動く人の労作にあるのは間違いありません。とらえどころの無い地面の下や気象や環境をすこしでも多くつかんで、優先順位づけた指導ポイントにわけた教育システムが農家にＩｏＴ機器を使わせるようになり、ひいては栽培ノウハウを早く現場定着させることになるのじゃないかと思うのです。
多様な環境と利用者の状況にやさしく対応して、システム稼働率をあげるには使いやすい仕組みづくりが求められています。
農業現場のＯＫラインは毎日変わっています。栽培現場をひっぱる農家が『使いたい』って思える価値観をシステム技術方は理解しないとサービスは普及しにくいとつくづく思います。
使われ方はほっといても多様化する -了-