U Sétifu, Tiaretu ili Sidi Bel-Abbèsu, poljoprivrednici promatraju nebo, ispituju tlo, križaju prste. Siju, nadaju se... i ponekad očajavaju. Jer danas, u Alžiru, uzgoj pšenice ili ječma često znači ploviti naslijepo. Između klimatskih promjena i ekonomskih nesigurnosti, proizvodnja žitarica ostaje zarobljena u ciklusima kronične nepravilnosti. Suočeni s tim izazovima, umjetna inteligencija (UI) pojavljuje se kao odgovor. Daleko od prolaznog trenda, ona se sada nameće kao strateški alat za izgradnju moderne, otporne i suverene poljoprivrede. Dok 10. izdanje VivaTech-a, velikog međunarodnog okupljanja inovacija organiziranog u Parizu od 17. do 20. lipnja 2026., ponovno stavlja umjetnu inteligenciju u središte rasprava, alžirska poljoprivreda također bi mogla pronaći dio svojih odgovora u tim tehnologijama.
22-med surađuje s medijima s terena iz različitih zemalja oko Sredozemnog mora i svakog četvrtka objavljuje izbor članaka kako bi rasvijetlio pitanja regije. S južne obale, alžirski medij Twala donosi svoj pogled.
Indeks UI: Knjižnica mediteranskih znanja
UI i žitarice u Alžiru, sijanje podataka, žetva budućnosti
22-med – lipanj 2026
• Suočeni sa sušama i klimatskim nesigurnostima, umjetna inteligencija mogla bi transformirati upravljanje uzgojem žitarica u Alžiru.
• Osim algoritama, pouzdanost poljoprivrednih podataka pojavljuje se kao ključno pitanje prehrambenog suvereniteta.
#alžir #poljoprivreda #žitarice #umjetnainteligencija #prehrambenasigurnost #inovacija #podaci #klima #voda #suverenitet
Autor: Mohamed Mir
Osamdesetih godina prošlog stoljeća, jedan statističar u Sidi Bel-Abbèsu povjerio je da su podaci o žitaricama poslani u Alžir često bili... prilagođeni. Ne iz zlonamjernosti, već iz administrativne nužnosti. Drugim riječima, trebalo je odgovoriti na očekivanja, a ne na stvarnost. Tako je ovo iskustvo, koje je ispričao bivši dužnosnik poljoprivredne statistike, simbolično za trajne devijacije u upravljanju poljoprivrednim statistikama u Alžiru.
U to vrijeme, rigorozna istraživanja temeljena na međunarodnim metodološkim standardima, uključujući uzorkovanje i vaganje klasova nakon vršidbe, matematičke korekcije, te korištenje satelitskih snimaka i geografskih informacijskih sustava (GIS), otkrivala su prosječne prinose od 8 kvintala po hektaru.
Međutim, ti znanstveni podaci bili su odbačeni u korist brojki tri do četiri puta većih, bez ikakve metodološke osnove. Prema internom istraživanju koje je proveo Ministarstvo poljoprivrede i ruralnog razvoja za razdoblje 2017.-2022., a koje je Twala konzultirala, ovo stanje "narušava vjerodostojnost službenih procjena, prikriva stvarne poljoprivredne performanse i iskrivljuje ekonomsku planifikaciju zemlje".
Ovaj « mokri prst » još uvijek ponekad vlada. Posljedice su jasne: pogrešne prognoze, masovni uvoz i nemoćni poljoprivrednici. Primjerice, Alžir svake godine troši nekoliko milijardi dolara na uvoz onoga što bi mogao proizvesti.
Stoga je ključno razumjeti da procjena proizvodnje žitarica nije ni administrativni ritual ni komunikacijska vježba. To je znanstveni, strateški i suvereni čin. Temelji se na provjerenim metodama: anketama na uzorcima, statističkoj obradi, agroklimatskom modeliranju. Posljedično, ti su podaci ključni za usmjeravanje poljoprivrednih politika, upravljanje zalihama, planiranje uvoza, određivanje cijena i definiranje potpore poljoprivrednicima.
Ali odstupanja sustava temeljenog na arbitražnim procjenama vode do pogoršane prehrambene ovisnosti, loše raspodjele resursa, demotivacije profesionalaca i gubitka međunarodne vjerodostojnosti.
Umjetna inteligencija: poluga za preciznu poljoprivredu i upravljanje podacima
Zamislimo algoritam sposoban predvidjeti, s točnošću od tjedan dana, klijanje pšenice u određenoj regiji. Ili satelitsku sliku koja vam kaže je li vaše tlo presuho. Ukratko, to je ono što nudi AI: sposobnost da vidite nevidljivo, predvidite, optimizirate. Štoviše, AI u poljoprivredi više nije opcija, već odlučujući alat za tehničko-ekonomsko upravljanje, koji redefinira zanimanje poljoprivrednika.
Prema izvješću APS-a od 23. rujna 2024., perspektive su obećavajuće za razvoj precizne poljoprivrede uz pomoć AI. Omogućuje simulaciju naprednih robotskih sustava za poboljšanje učinkovitosti i preciznosti poljoprivrednih operacija. Tako AI transformira proizvodnju žitarica optimiziranjem prinosa, smanjenjem utjecaja na okoliš i poboljšanjem kvalitete proizvoda.
Padaline, temperatura, priroda tla, povijest prinosa… Ovi podaci, jednom ukršteni prediktivnim modelima poput neuronskih mreža i slučajnih šuma, omogućuju procjenu žetve, prilagodbu sjetve, uštedu vode.
Neuronske mreže posebno su sposobne identificirati složene i nelinearne obrasce u ovim velikim skupovima podataka, omogućujući tako otkrivanje suptilnih korelacija između okolišnih čimbenika i prinosa usjeva. Isto tako, slučajne šume izvrsne su u upravljanju višestrukim varijablama i smanjenju preučenja, nudeći robusne prognoze čak i s heterogenim podacima.
Preciznije, AI algoritmi i strojno učenje omogućuju donošenje odluka temeljenih na podacima, predviđanje prinosa usjeva, rano otkrivanje bolesti i optimizirano upravljanje resursima. U tom smislu, platforme poput Farmonaut pružaju precizna predviđanja prinosa temeljena na analizi satelitskih podataka i naprednim AI algoritmima. Osim toga, AI može također autonomno regulirati uvjete skladištenja žitarica u silosima.
Potencijal, izazovi i obećavajuće inicijative
Alžir ne počinje od nule. Ima moderne podatkovne centre u Sidi Abdellahu, Oranu, Saïdi. Svake godine obrazuje stotine inženjera na sveučilištima poput onog u Sidi Bel-Abbèsu. Osim toga, studije pokazuju da bi poljoprivreda temeljena na umjetnoj inteligenciji mogla uštedjeti gotovo 30% potrošnje vode u zemlji. Alžir radi na jačanju svoje prehrambene sigurnosti i povećanju prinosa poljoprivredne proizvodnje zahvaljujući postojanju tih infrastruktura i vještina.
Međutim, ostaje jedan veliki izazov: ti su resursi raspršeni. Nedostatak koherentne nacionalne strategije koči utjecaj tih vještina. Centri ne komuniciraju međusobno, podaci ostaju izolirani. Kao rezultat toga, unatoč tome što je proizvodnja žitarica dosegla rekord od 6,1 milijun tona u 2017./2018., pala je na 1,3 milijuna tona tijekom kampanje 2021./2022. Tako ova fluktuacija naglašava hitnu potrebu za boljom koordinacijom i jedinstvenom strategijom za korištenje podataka i tehnologija.
Kao što podsjeća profesor Abderrahmane Yousfat: « Dobar prediktivni model ne izlazi iz šešira. Temelji se na rigoroznoj arhitekturi – višestruka regresija, stabla odluke, duboko učenje. » Drugim riječima, te su metode ključne za analizu statističkih povijesti i otkrivanje trendova, ciklusa i anomalija u poljoprivrednoj proizvodnji.
Posebno, duboko učenje, a posebno konvolucijske neuronske mreže (CNN), postali su standard za izvlačenje relevantnih informacija iz satelitskih slika (na primjer, zdravlje usjeva, gustoća vegetacije, vlažnost tla) identificiranjem vizualnih karakteristika na različitim skalama.
Te se informacije zatim koriste kao ulazi za modele predviđanja prinosa. Ali najvažnije, naglašava jednu točku: « Nema robusnog predviđanja bez čistih i dobro strukturiranih podataka. Učinkovita AI u poljoprivredi, prije svega, je AI hranjena pouzdanim vremenskim serijama. » To implicira da uspjeh bilo kojeg sustava predviđanja ovisi o kvaliteti i pouzdanosti podataka, dobivenih iz istraživanja uzorkovanja klasova, praćenja zasijanih površina putem satelitskih slika i praćenja proizvodnih faktora.
Predstavljen na Sajmu AgroDigital 2024 u Alžiru, projekt Sakai koristi solarne robote za navodnjavanje samo tamo gdje je biljci potrebno. Rezultat: do 40 % uštede vode. Osim toga, ovaj startup analizira slike snimljene dronovima kako bi otkrio biljne bolesti već pri prvim znakovima. Ušteda vremena, povećanje prinosa i bolje zdravlje usjeva. U drugom kontekstu, „AI i digitalne aplikacije, kako ističe El Moudjahid od 22. svibnja 2024., mogu se koristiti za dijagnostiku i prevenciju bolesti u poljoprivrednom sektoru“.
Drugi konkretan primjer je grupa Souakri, poznata po svojim cherry rajčicama, koja testira automatizirane sustave koje planira proširiti na žitarice. Ovo pokazuje da čak i privatni sektor počinje vjerovati u obećanja AI-a.
Realističan pristup ograničenjima
Iako je potencijal umjetne inteligencije za alžirsku poljoprivredu ogroman, njezina potpuna realizacija neizbježno će se suočiti sa značajnim izazovima koje treba realno sagledati. Uravnotežena vizija budućnosti AI-a u ovom sektoru mora uključivati te prepreke kako bi ih bolje predvidjela i prevladala.
Prvo, trošak implementacije predstavlja značajnu početnu investiciju. Nabava sofisticiranih senzora, poljoprivrednih dronova, uspostava infrastrukture za pohranu i obradu masovnih podataka, kao i razvoj ili kupnja specijaliziranog softvera, zahtijevaju značajna sredstva. Iako Alžir ima moderne podatkovne centre, njihova kontinuirana nadogradnja i održavanje predstavljaju stalne financijske troškove. Javno financiranje poljoprivrede u Alžiru već je tema rasprave, a integracija AI-a zahtijevat će inovativne mehanizme financiranja, poput javno-privatnih partnerstava, ciljanih subvencija ili poreznih poticaja za poticanje privatnih ulaganja.
Drugo, infrastruktura i povezivost u ruralnim područjima predstavljaju potencijalno usko grlo. Rješenja za preciznu poljoprivredu temeljena na AI-u uvelike ovise o pouzdanoj i brzoj internetskoj povezivosti za prijenos velikih količina podataka u stvarnom vremenu (satelitske slike, podaci senzora itd.). Međutim, mnoga poljoprivredna područja u Alžiru još uvijek pate od ograničenog ili nepostojećeg pristupa takvoj infrastrukturi. Masivna ulaganja u razvoj robusnih telekomunikacijskih mreža u ruralnim područjima ključna su za osiguranje učinkovitosti ovih sustava.
Treće, obuka, prihvaćanje i otpor prema promjenama ključni su ljudski faktori. AI se ne može u potpunosti iskoristiti bez odgovarajućih vještina. Obuka se ne smije ograničiti samo na inženjere i istraživače, već se mora proširiti i na same poljoprivrednike. Ključno je premostiti digitalni jaz i prevladati mogući otpor prema promjenama od strane poljoprivrednog stanovništva koje je često vezano uz tradicionalne metode. Programi osvješćivanja, konkretne demonstracije prednosti AI-a i praktične obuke prilagođene potrebama i razini digitalne pismenosti poljoprivrednika potrebni su za poticanje široke prihvaćenosti.
Četvrto, kvaliteta i standardizacija podataka ostaju temeljni preduvjeti. Kao što ovaj članak naglašava, bez pouzdanih, čistih i strukturiranih podataka, AI modeli ne mogu proizvesti robusne predikcije. Potrebni su značajni napori za standardizaciju metoda prikupljanja poljoprivrednih podataka, uspostavljanje rigoroznih protokola i interoperabilnost sustava. To je conditio sine qua non kako bi AI doista mogao transformirati donošenje odluka u poljoprivredi.
Na kraju, etička pitanja i pitanja povjerljivosti podataka, kao i rizik od tehnološke ovisnosti, moraju se predvidjeti. Korištenje velikih skupova poljoprivrednih podataka postavlja legitimna pitanja o vlasništvu podataka, njihovoj zaštiti od zloupotrebe i sigurnosti. Jasan regulatorni okvir i osviještenost aktera ključni su za uspostavljanje povjerenja.
Osim toga, ako Alžir ne razvije dovoljno vlastite kapacitete za istraživanje, razvoj i inovacije u poljoprivrednoj AI, mogao bi postati previše ovisan o stranim tehnologijama i dobavljačima, što bi ugrozilo njegovu tehnološku suverenost i, dugoročno, njegovu prehrambenu suverenost. Podrška lokalnim startupovima i sveučilišnom istraživanju stoga je ključna za izgradnju održive tehnološke autonomije.
Ovi izazovi, iako značajni, nisu nepremostivi. Prepoznavanjem i razvojem proaktivnih strategija za njihovo rješavanje, Alžir može ojačati temelje pametne i otporne poljoprivrede, pretvarajući tako prepreke u prilike za rast i inovacije.
Međunarodna iskustva
FAO koristi svoj Yield Forecasting Tool (YFT) za predviđanje žetve u Africi. Ovaj sustav kombinira vremenske podatke, satelitske slike i povijesne podatke o tlu. Stoga se postavlja pitanje: zašto ne i u Alžiru? Statistički sustav predviđanja razvijen od strane FAO-a temelji se na robusnoj, skalabilnoj i integriranoj arhitekturi, provedenoj u okviru SISAAR-a (Informacijski sustav za sigurnost hrane i brzo upozorenje). Uključuje agroekološko zoniranje, rigorozno prikupljanje terenskih podataka, modeliranje i predviđanje, kao i kontinuirano poboljšanje i transparentnost.
U istom duhu, s Climate FieldView, kanadski poljoprivrednici mogu u stvarnom vremenu vizualizirati očekivani prinos za svako polje. Luksuz koji bi mogao postati norma u Alžiru. Tehnologije koje koriste AI testiraju se u Kanadi za procjenu žitarica na terenu. S obzirom na ova međunarodna iskustva, jasno je da su podatkovni centri tu. Istraživači također.
U tom smislu, ono što profesor Yousfat kaže je ključno: „Potrebna je čvrsta politička volja, upravljanje temeljeno na znanosti, a ne na improvizaciji.“ Unatoč tim potencijalima, u Alžiru je validacija podataka s terena nedovoljna, a često nisu ni objavljeni niti uspoređeni s drugim izvorima, što pojačava netransparentnost i neučinkovitost sustava donošenja odluka.
Razvijanje inteligencije za suverenitet
Za uspjeh je potrebna jasna mapa puta, artikulirana oko šest ključnih poluga:
- Stvoriti otvorenu i interoperabilnu nacionalnu bazu podataka o poljoprivredi.
- Financirati primijenjena istraživanja i doktorande u ovom području.
- Podržati agritech startupove putem specijaliziranih inkubatora.
- Obučiti poljoprivrednike za korištenje alata precizne poljoprivrede.
- Pokrenuti pilot projekte u ključnim žitnim regijama.
- Integrirati AI u nacionalnu poljoprivrednu strategiju.
Umjetna inteligencija nikada neće zamijeniti zdrav razum seljaka. Ali može ga osvijetliti. Može biti za alžirsku poljoprivredu ono što je traktor bio za naše djedove: tiha revolucija. Revolucija podataka, predviđanja, suvereniteta. Sada se više ne radi o čekanju da se nebo odluči, već o znanju — s pouzdanošću — kada sijati, gdje navodnjavati i kako žeti.
Na zemljištima Tessale, nekoć plodnog žitnog skladišta, ova revolucija više nije luksuz. To je pitanje opstanka. Suša je tamo urezala duboke ožiljke, iz godine u godinu. Glasovi proizvođača, sirovi i bez uvijanja, zvuče kao upozorenje.
« Već tri uzastopne godine, kiše su rijetke, neredovite, ponekad potpuno odsutne. Bez pouzdanih vremenskih prognoza, radimo naslijepo. Svaka sjetva je unaprijed izgubljena oklada », kaže ozbiljnim tonom Tabet Derraz Mohamed, agronomski inženjer. Zatim stišava glas: « Ideja da bi naša generacija mogla svjedočiti potpunom kolapsu ovog sektora više nije strah. To je postala stvarnost koju vidimo kako se oblikuje pred našim očima. »
Pored njega, Yahiaoui Hamid, poljoprivredni tehničar, nastavlja, s tvrdim pogledom: «Naš posao počiva na ritmu prirode. Ali danas je taj ritam slomljen. Nepredvidljiv. Bez alata za praćenje i klimatskih upozorenja, mi smo bespomoćni. Tri uništene kampanje zaredom... Počinjemo se pitati imamo li još budućnost ovdje.»
Ova svjedočanstva nisu izolirane žalbe. Ona otkrivaju strukturne pukotine. Tehnološku prazninu koju bi umjetna inteligencija mogla popuniti. Ali treba djelovati brzo. Statistička istina je pitanje prehrambenog suvereniteta. Bez rigoroznosti nema napretka. A transparentnost je jamstvo povjerenja.
Budućnost se igra sada. Liniju po liniju. Podatak po podatak. Na temelju činjenica, a ne računovodstvenih iluzija. Ako suša potraje i alati za predviđanje ostanu odsutni, Tessala bi mogla biti samo prvo poglavlje poljoprivrednog kolapsa na nacionalnoj razini.
Twala je neovisni alžirski online medij, objavljen na francuskom i arapskom jeziku. Inspiriran pristupom "sporog novinarstva", daje prednost vremenu za istraživanje, provjeru i kontekstualizaciju. Medij nudi svakodnevni izbor kratkih informacija i dublje formate poput reportaža, istraga, videa i podcasta. Vođen iskusnim novinarima, Twala pridaje veliku važnost terenskom radu i dokumentiranim pričama. Njegovi sadržaji posebno se zanimaju za Alžir, kao i za mediteranske i sahelske dinamike.
Naslovna fotografija: © Twala