បញ្ហា (The Problem)៖ ឯកសារនេះពិនិត្យមើលពីរបៀបដែលការប្រើប្រាស់បញ្ញាសិប្បនិម្មិត (AI) និងមនុស្សយន្ត (Robotics) អាចជួយដោះស្រាយបញ្ហាប្រឈមក្នុងវិស័យកសិកម្ម ដូចជាកំណើនតម្រូវការស្បៀងអាហារពិភពលោក និងការកាត់បន្ថយផលប៉ះពាល់បរិស្ថាន។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះគឺជាអត្ថបទរំលឹកឡើងវិញសង្ខេប (Minireview) ដែលប្រមូលផ្តុំ និងវិភាគទិន្នន័យពីការអនុវត្តជាក់ស្តែងនៃបច្ចេកវិទ្យាទំនើបៗនៅក្នុងកសិកម្មច្បាស់លាស់ (Precision Agriculture)។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Traditional Farming ការធ្វើកសិកម្មបែបប្រពៃណី |
ងាយស្រួលអនុវត្ត និងមិនទាមទារចំណេះដឹងផ្នែកបច្ចេកវិទ្យាខ្ពស់ ឬដើមទុនធំដុំនោះទេ។ | ប្រើប្រាស់ធនធានខ្ជះខ្ជាយ (ទឹក ជី ថ្នាំពុល) មិនមានភាពច្បាស់លាស់ និងអាចបង្កផលប៉ះពាល់ដល់បរិស្ថានខ្ពស់។ | ទិន្នផលមិនសូវមានស្ថិរភាព និងចំណាយប្រតិបត្តិការខ្ពស់ក្នុងរយៈពេលវែង។ |
| AI-powered Drones ការប្រើប្រាស់ដ្រូនបំពាក់បញ្ញាសិប្បនិម្មិត |
អាចតាមដានសុខភាពដំណាំបានរហ័ស លើផ្ទៃដីធំទូលាយ និងស្វែងរកទីតាំងមានជំងឺ ឬខ្វះជាតិទឹកបានយ៉ាងច្បាស់លាស់មុនពេលវារាលដាល។ | ត្រូវការដើមទុនខ្ពស់ក្នុងការទិញឧបករណ៍ និងចំណេះដឹងបច្ចេកទេសក្នុងការបញ្ជា និងវិភាគទិន្នន័យរូបភាព។ | ផ្តល់ទិន្នន័យជាក់ស្តែង (Real-time data) សម្រាប់អន្តរាគមន៍ចំគោលដៅ និងទាន់ពេលវេលា។ |
| Automated Spraying Robots មនុស្សយន្តបាញ់ថ្នាំស្វ័យប្រវត្តិ |
បាញ់ថ្នាំចំគោលដៅដោយស្វ័យប្រវត្តិ កាត់បន្ថយការប្រើប្រាស់សារធាតុគីមី និងការពារសុខភាពកសិករនិងបរិស្ថាន។ | តម្លៃឧបករណ៍ថ្លៃខ្លាំង ហើយអាចជួបការលំបាកក្នុងការចល័តលើទីតាំងដីដែលមិនរាបស្មើ ឬមានរចនាសម្ព័ន្ធស្មុគស្មាញ។ | កាត់បន្ថយការខ្ជះខ្ជាយធនធាន និងធានាសុវត្ថិភាពចំណីអាហារបានប្រសើរជាងមុន។ |
| AI Yield Prediction ការការព្យាករណ៍ទិន្នផលដោយប្រើ AI |
អាចវិភាគទិន្នន័យអាកាសធាតុ ដី និងប្រវត្តិទិន្នផល ដើម្បីជួយកសិកររៀបចំផែនការធនធានបានត្រឹមត្រូវ។ | ទាមទារទិន្នន័យដ៏ធំនិងច្បាស់លាស់ (Big Data) ព្រមទាំងប្រព័ន្ធកុំព្យូទ័រដែលមានសមត្ថភាពខ្ពស់ក្នុងការគណនា។ | ជួយកសិករសម្រេចចិត្តបានត្រឹមត្រូវលើពេលវេលាដាំដុះ និងការប្រើប្រាស់ធនធាន។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការអនុវត្តកសិកម្មច្បាស់លាស់ទាមទារការវិនិយោគទុនខ្ពស់លើបច្ចេកវិទ្យា ហេដ្ឋារចនាសម្ព័ន្ធទិន្នន័យ និងអ្នកជំនាញបច្ចេកទេស។
ឯកសារនេះគឺជាការរំលឹកឡើងវិញ (Review Article) ដែលផ្តោតជាចម្បងលើបច្ចេកវិទ្យាកសិកម្មនៅក្នុងប្រទេសអភិវឌ្ឍន៍ ដោយលើកយកឧទាហរណ៍ម៉ាកធំៗដូចជា John Deere និង IBM ជាដើម។ សម្រាប់ប្រទេសកម្ពុជា ការអនុវត្តអាចជួបប្រទះបញ្ហាប្រឈម ដោយសារកសិករភាគច្រើនជាលក្ខណៈគ្រួសារខ្នាតតូច មានដើមទុនតិច កង្វះចំណេះដឹងឌីជីថល និងបញ្ហាហេដ្ឋារចនាសម្ព័ន្ធអ៊ីនធឺណិតនៅតំបន់ជនបទ។
ទោះបីជាបច្ចេកវិទ្យាទាំងនេះមានតម្លៃថ្លៃក្ដី ប៉ុន្តែវាមានសក្តានុពលខ្ពស់សម្រាប់ការអភិវឌ្ឍវិស័យកសិកម្មកម្ពុជា ប្រសិនបើមានការសម្របសម្រួល និងមានការគាំទ្រពីរដ្ឋាភិបាល។
ការចាប់ផ្តើមពីការប្រើប្រាស់ដ្រូនបាញ់ថ្នាំ និងប្រព័ន្ធ IoT ខ្នាតតូចដែលមានតម្លៃសមរម្យ គឺជាជំហានដំបូងដ៏ល្អបំផុតដើម្បីផ្លាស់ប្តូរកសិកម្មកម្ពុជាទៅរកទម្រង់ឌីជីថល។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Precision agriculture (PA) | គឺជាការគ្រប់គ្រងកសិកម្មដោយប្រើប្រាស់បច្ចេកវិទ្យា (ដូចជា GPS, Sensor, និងទិន្នន័យ) ដើម្បីតាមដាន និងផ្តល់ទឹក ជី ឬថ្នាំពុលក្នុងបរិមាណត្រឹមត្រូវ ទៅតាមតម្រូវការជាក់ស្តែងរបស់ទីតាំងនីមួយៗក្នុងចម្ការ ជំនួសឲ្យការស្រោចស្រព ឬបាញ់ថ្នាំស្មើៗគ្នាពេញមួយចម្ការ។ | ដូចជាការផ្តល់ថ្នាំពេទ្យទៅតាមអាការៈរោគរបស់អ្នកជំងឺម្នាក់ៗ ជាជាងការឲ្យថ្នាំតែមួយប្រភេទទៅមនុស្សគ្រប់គ្នា ទោះឈឺឬមិនឈឺក៏ដោយ។ |
| Internet of things (IoT) | គឺជាបណ្តាញនៃឧបករណ៍រូបវន្ត (ដូចជាប្រព័ន្ធវាស់សំណើមដី ឬកាមេរ៉ា) ដែលមានភ្ជាប់ប្រព័ន្ធអ៊ីនធឺណិត និងសេនស័រ ដើម្បីប្រមូល ទាញយក និងផ្លាស់ប្តូរទិន្នន័យគ្នាទៅវិញទៅមកដោយស្វ័យប្រវត្តិ។ | ដូចជាការបំពាក់ 'ប្រព័ន្ធសរសៃប្រសាទ' ទៅលើចម្ការ ដើម្បីឲ្យដើមឈើនិងដីអាចផ្តលសញ្ញាប្រាប់មកកាន់ទូរស័ព្ទដៃរបស់យើងថាពួកវាស្រេកទឹកឬអត់។ |
| Machine learning (ML) | គឺជាផ្នែកមួយនៃបញ្ញាសិប្បនិម្មិត (AI) ដែលអនុញ្ញាតឲ្យប្រព័ន្ធកុំព្យូទ័ររៀនសូត្រពីទិន្នន័យចាស់ៗ ដើម្បីធ្វើការទស្សន៍ទាយ ឬសម្រេចចិត្តដោយខ្លួនឯង ដោយមិនចាំបាច់មានមនុស្សសរសេរកូដបញ្ជាគ្រប់ជំហាននោះទេ។ | ដូចជាការបង្រៀនក្មេងម្នាក់ឲ្យស្គាល់ផ្លែស្វាយទុំ ដោយបង្ហាញរូបភាពផ្លែស្វាយទុំជាច្រើនសន្លឹក រហូតដល់ក្មេងនោះអាចចំណាំបានដោយខ្លួនឯងនៅពេលក្រោយ។ |
| Variable rate application (VRA) | គឺជាបច្ចេកទេសមួយនៅក្នុងកសិកម្មច្បាស់លាស់ ដែលអនុញ្ញាតឲ្យម៉ាស៊ីន ឬដ្រូន អាចផ្លាស់ប្តូរបរិមាណនៃការបញ្ចេញជី គ្រាប់ពូជ ឬថ្នាំសម្លាប់សត្វល្អិតដោយស្វ័យប្រវត្តិ ទៅតាមតម្រូវការខុសៗគ្នានៃកន្លែងនីមួយៗលើទីតាំងដីតែមួយ។ | ដូចជាការបើកទឹកក្បាលរ៉ូមីណេឲ្យហូរខ្លាំងនៅកន្លែងដែលប្រឡាក់ដីខ្លាំង និងហូរខ្សោយនៅកន្លែងដែលមិនសូវប្រឡាក់ ដើម្បីសន្សំសំចៃទឹក។ |
| Big data | គឺជាបណ្តុំទិន្នន័យដ៏ធំមហិមា និងស្មុគស្មាញ (រួមមានព័ត៌មានអាកាសធាតុ កម្រិតសំណើមដី និងរូបភាពផ្កាយរណប) ដែលតម្រូវឲ្យប្រើប្រាស់ប្រព័ន្ធកុំព្យូទ័រទំនើបដើម្បីធ្វើការវិភាគ និងទាញយកប្រយោជន៍សម្រាប់ការសម្រេចចិត្ត។ | ដូចជាបណ្ណាល័យដ៏ធំមួយដែលមានសៀវភៅរាប់លានក្បាល ដែលយើងត្រូវការម៉ាស៊ីនស្វែងរក (Search Engine) ដ៏ឆ្លាតវៃដើម្បីទាញយកចម្លើយដែលយើងចង់បានយ៉ាងឆាប់រហ័ស។ |
| Multispectral imagery | គឺជារូបភាពដែលថតដោយកាមេរ៉ាពិសេស (ច្រើនតែបំពាក់លើដ្រូន ឬផ្កាយរណប) ដែលអាចចាប់យកពន្លឺលើសពីអ្វីដែលភ្នែកមនុស្សអាចមើលឃើញ (ដូចជាកាំរស្មីអ៊ិនហ្វ្រារ៉េដ) ដើម្បីវាយតម្លៃពីកម្រិតរស្មីសំយោគ និងសុខភាពរបស់ដំណាំកសិកម្មពីលើអាកាស។ | ដូចជាការពាក់វ៉ែនតាអ៊ិចរ៉េ (X-Ray) ដែលអាចមើលធ្លុះដល់ខាងក្នុងស្លឹកឈើ ដើម្បីដឹងថាវាកំពុងឈឺ ឬមានសត្វល្អិតស៊ី មុនពេលដែលស្លឹកនោះប្រែពណ៌លឿងឲ្យយើងឃើញនឹងភ្នែក។ |
| Blockchain technology | គឺជាប្រព័ន្ធផ្ទុកទិន្នន័យបែបវិមជ្ឈការ ដែលកត់ត្រាពីប្រវត្តិទីតាំងដាំដុះ ការប្រើប្រាស់ជី និងការដឹកជញ្ជូនកសិផល ដែលទិន្នន័យទាំងនេះមិនអាចកែបន្លំបាន ដើម្បីជួយធានាដល់តម្លាភាពនៃខ្សែច្រវាក់ផ្គត់ផ្គង់ចំណីអាហារ។ | ដូចជាសៀវភៅកំណត់ហេតុរួមមួយដែលមនុស្សគ្រប់គ្នាអាចអានបាន ប៉ុន្តែគ្មាននរណាម្នាក់អាចលុប ឬកែប្រែអក្សរដែលបានសរសេរចូលហើយនោះទេ ដើម្បីធានាថាទំនិញពិតជាមានប្រភពដើមត្រឹមត្រូវប្រាកដមែន។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
