日本の「酪農・畜産×AI」というテーマについては、酪農学園大学の中田健教授にも話をお伺いすることができた。中田教授は、大阪大学産業科学研究所と共同で、乳牛の歩行パターンからひづめの病気である「蹄病」を発見するAIシステムを研究している。
「蹄病の早期発見は、あくまで酪農現場におけるAIの利活用の実験のひとつに過ぎません。日本の酪農の各現場の実情はそれぞれ差があり複雑ですし、AIをそう簡単に導入できるわけではありません。またIoTという言葉が流行していますが、そもそも、牛のデータを取る機器というのは新しく作らなくてもすでにたくさんあります。例えば、歩数を計ったり、反芻をカウントしたりする用途のものや、デラバルの生乳分析器などもそうですね。問題は、それらのデータが共有されていない、使いこなせていないことだと個人的には考えています」
中田氏によれば、日本の農家がAIを導入しづらい背景として、各家畜のデータが国によって一元管理されておらず、データの収集や利活用が各農家のモチベーションに依存している点を挙げる。また、各メーカーの製品から取得できるデータの様式もバラバラなため、整合的なデータとしてAIに学習させていくのが難しい状況なのだという。
「デンマークなどでは、牛の耳に取り付けられICチップを読み込むと、個体に紐づいた農家の情報まで表示されるよう仕組みが完成しています。データの管理を徹底しているんです。そうなると、牛それぞれの情報はもとより、その農場の問題も見えてくる。輸出をする場合には、それらのデータが自国畜産物のクリーンさをアピールする材料にもなりますし、逆にそういった管理ができていない国の畜産物の輸入をしないというバリアにもなります」
つまり、「牛のマイナンバー」に基づいてデータを徹底管理してこそ、リスクも防げ、また産業競争力も高めることができるというわけだ。さらに、整理されたデータであればAIに学習させるのも容易になる。日本全体の畜産・酪農現場でAIを利活用していくとするならば、まず何よりもデータを集める規則や紐づける手法を確立し、すでにある機器、また新しい端末からデータを共有することが第一歩と言えそうだ。
「農業の方ではすでに、国が主導したデータベース化が進み、数年後には完成していく流れです。一方で、畜産もデータを一か所に集めていく必要があります。全国的に、酪農家の5割ぐらいが加入している乳用牛群検定組合というものがあるのですが、そこでは繁殖・管理・生産経営状況を客観的に評価できるように、農家の協力を得て牛の状況を１か月に１回まとめています。現段階では、そちらが最も広範囲をカバーしているデータとなりますが、そのようなデータ収集の枠組みが広がれば、多くの現場でAIを有効活用できるベースとなっていく可能性があります」
これは酪農・畜産に限らないが、IoT技術や人工知能システムを導入していくにあたり何より重要なのは、「現場を知ること」に尽きるのかもしれない。AIはどこでも万能なわけではなく、各環境や条件にフィットしてこそ真価を発揮することができる。今後、世界の酪農・畜産業の悩みを解決するAIソリューションが登場することを期待したい。
※本記事はファーウェイ・ジャパンのデジタルオウンドメディア「HUAWAVE」掲載の「動物の顔認識からヘルスケアまで畜産・酪農に広がる人工知能（AI）の利活用」を加筆・再編集したものです。