У Сетифу, Тиарету или Сиди Бел-Абесу, пољопривредници посматрају небо, испитују земљу, држе палчеве. Сеју, надају се... и понекад губе наду. Јер данас, у Алжиру, узгајање пшенице или јечма често значи пловити слепо. Између климатских непредвидивости и економских неизвесности, производња житарица остаје заробљена у циклусима хроничне неправилности. Суочена са овим изазовима, вештачка интелигенција (ВИ) се појављује као одговор. Далеко од модног ефекта, она се сада намеће као стратешки инструмент за изградњу модерне, отпорне и суверене пољопривреде. Док 10. издање VivaTech-а, великог међународног скупа иновација организованог у Паризу од 17. до 20. јуна 2026. године, поново ставља вештачку интелигенцију у центар дебата, алжирска пољопривреда би такође могла пронаћи у овим технологијама део својих одговора.
22-med сарађује са медијима са терена из различитих земаља око Медитерана и сваког четвртка објављује избор чланака како би осветлио питања региона. Са јужне обале, алжирски медиј Twala доноси свој поглед.
Индекс ВИ: Библиотека медитеранских знања
ВИ и житарице у Алжиру, сејање података, жетва будућности
22-med – јун 2026.
• Суочена са сушама и климатским неизвесностима, вештачка интелигенција би могла трансформисати управљање житарицама у Алжиру.
• Поред алгоритама, поузданост пољопривредних података се појављује као централно питање прехрамбеног суверенитета.
#алжир #пољопривреда #житарице #вештачкаинтелигенција #прехрамбенасигурност #иновација #подаци #клима #вода #суверенитет
Аутор: Мохамед Мир
Осамдесетих година, статистичар у Сиди Бел-Абесу је признао да су подаци о житарицама који су стизали у Алжир често били... прилагођени. Не из злонамерности, већ из административне потребе. Другим речима, требало је одговорити на очекивања, а не на стварност. Тако, ово проживљено искуство, које је испричао бивши службеник пољопривредне статистике, представља пример упорних девијација у управљању пољопривредним статистикама у Алжиру.
У то време, ригорозне анкете засноване на међународним методолошким стандардима, укључујући узорковање и мерење класова након вршидбе, математичке корекције, и коришћење сателитских снимака и географских информационих система (ГИС), откривале су просечне приносе од 8 квинтала по хектару.
Међутим, ови научни подаци су били одбачени у корист бројки три до четири пута већих, без икакве методолошке основе. Према студији коју је спровело Министарство пољопривреде и руралног развоја за период 2017-2022, коју је Twala консултовао, ово стање „подрива кредибилитет званичних процена, прикрива стварне пољопривредне перформансе и искривљује економско планирање земље“.
Ovaj „vlažni prst“ još uvek ponekad vlada. Posledice su jasne: pogrešne prognoze, masovni uvoz i nemoćni poljoprivrednici. Na primer, Alžir svake godine troši nekoliko milijardi dolara na uvoz onoga što bi mogao da proizvede.
Stoga je ključno razumeti da procena proizvodnje žitarica nije ni administrativni ritual, ni komunikaciona vežba. To je naučni, strateški i suvereni čin. Zasniva se na proverenim metodama: istraživanja na uzorcima, statističke obrade, agroklimatsko modeliranje. Shodno tome, ovi podaci su vitalni za usmeravanje poljoprivrednih politika, upravljanje zalihama, planiranje uvoza, određivanje cena i definisanje podrške poljoprivrednicima.
Ali zloupotrebe sistema zasnovanog na arbitražnim procenama vode ka pogoršanoj prehrambenoj zavisnosti, lošoj alokaciji resursa, demotivaciji profesionalaca i gubitku međunarodnog kredibiliteta.
Veštačka inteligencija: poluga za preciznu poljoprivredu i upravljanje podacima
Zamislimo algoritam sposoban da predvidi, u roku od nedelju dana, klijanje pšenice u određenom regionu. Ili satelitsku sliku koja vam kaže da li je vaše tlo previše suvo. Ukratko, to je ono što AI nudi: sposobnost da vidite nevidljivo, predvidite, optimizujete. Štaviše, AI u poljoprivredi više nije opcija, već odlučujući alat za tehničko-ekonomsko upravljanje, koji redefiniše zanimanje poljoprivrednika.
Prema izveštaju APS-a od 23. septembra 2024, perspektive su obećavajuće za razvoj precizne poljoprivrede uz pomoć AI. Omogućava simulaciju naprednih robotskih sistema za poboljšanje efikasnosti i preciznosti poljoprivrednih operacija. Tako AI transformiše proizvodnju žitarica optimizacijom prinosa, smanjenjem ekološkog uticaja i poboljšanjem kvaliteta proizvoda.
Padavine, temperatura, priroda tla, istorija prinosa... Ovi podaci, kada se ukrste prediktivnim modelima poput neuronskih mreža i slučajnih šuma, omogućavaju procenu žetve, prilagođavanje setve, uštedu vode.
Neuronske mreže su posebno sposobne da identifikuju složene i nelinearne obrasce u ovim velikim skupovima podataka, omogućavajući tako zaključivanje suptilnih korelacija između faktora životne sredine i prinosa useva. Slično, slučajne šume su odlične u upravljanju višestrukim varijablama i smanjenju preučenja, nudeći robusne prognoze čak i sa heterogenim podacima.
Tačno, algoritmi veštačke inteligencije i mašinskog učenja omogućavaju donošenje odluka zasnovanih na podacima, predviđanje prinosa useva, rano otkrivanje bolesti i optimizovano upravljanje resursima. U tom smislu, platforme poput Farmonaut nude precizna predviđanja prinosa zasnovana na analizi satelitskih podataka i naprednim algoritmima veštačke inteligencije. Pored toga, veštačka inteligencija može takođe pomoći u autonomnom regulisanju uslova skladištenja žitarica u silosima.
Potencijal, izazovi i obećavajuće inicijative
Alžir ne počinje od nule. Ima moderne data centre u Sidi Abdellahu, Oranu, Saidi. Svake godine obrazuje stotine inženjera na univerzitetima poput onog u Sidi Bel-Abbesu. Pored toga, studije pokazuju da poljoprivreda zasnovana na veštačkoj inteligenciji može uštedeti skoro 30% potrošnje vode u zemlji. Alžir radi na jačanju svoje prehrambene sigurnosti i povećanju prinosa poljoprivredne proizvodnje zahvaljujući postojanju ovih infrastruktura i veština.
Međutim, ostaje jedan veliki problem: ti resursi su raspršeni. Nedostatak koherentne nacionalne strategije koči uticaj tih veština. Centri ne komuniciraju međusobno, podaci ostaju izolovani. Kao rezultat toga, uprkos rekordnoj proizvodnji žitarica od 6,1 miliona tona u 2017/2018, ona je pala na 1,3 miliona tona tokom sezone 2021/2022. Tako ova fluktuacija ističe hitnu potrebu za boljom koordinacijom i jedinstvenom strategijom za iskorišćavanje podataka i tehnologija.
Kao što podseća profesor Abderrahmane Yousfat: « Dobar prediktivni model ne izlazi iz šešira. On se oslanja na rigoroznu arhitekturu – višestruku regresiju, stabla odlučivanja, duboko učenje. » Drugim rečima, ove metode su ključne za analizu statističkih istorija i otkrivanje trendova, ciklusa i anomalija u poljoprivrednoj proizvodnji.
Posebno, duboko učenje, a naročito konvolutivne neuronske mreže (CNN), postale su standard za izdvajanje relevantnih informacija iz satelitskih snimaka (na primer, zdravlje useva, gustina vegetacije, vlažnost tla) identifikovanjem vizuelnih karakteristika na različitim skalama.
Ove informacije se zatim koriste kao ulazi za modele predviđanja prinosa. Ali pre svega, on naglašava jednu stvar: « Nema robusnog predviđanja bez čistih i dobro strukturiranih podataka. Efikasna poljoprivredna veštačka inteligencija je pre svega veštačka inteligencija hranjena pouzdanim vremenskim serijama. » Ovo podrazumeva da uspeh bilo kog sistema predviđanja zavisi od kvaliteta i pouzdanosti podataka, dobijenih iz istraživanja uzorkovanja klasa, praćenja zasejanih površina putem satelitskih snimaka, i praćenja faktora proizvodnje.
Представљен на Сајму АгроНумерике 2024 у Алжиру, пројекат Сакаи користи соларне роботе за заливање само тамо где је биљци потребно. Резултат: до 40% уштеде воде. Поред тога, ова стартап компанија анализира слике снимљене дроновима за откривање биљних болести већ на првим знацима. Уштеда времена, повећање приноса и боље здравље за усеве. У другом контексту, „вештачка интелигенција и дигиталне апликације, како истиче El Moudjahid од 22. маја 2024, могу се користити за дијагностику и превенцију болести у сектору пољопривреде“.
Још један конкретан пример је група Суакри, позната по својим чери парадајзима, која тестира аутоматизоване системе које планира да прошири на житарице. Ово показује да чак и приватни сектор почиње да верује у обећања вештачке интелигенције.
Реалистичан приступ ограничењима
Иако је потенцијал вештачке интелигенције за алжирску пољопривреду огроман, њена потпуна реализација ће се неизбежно суочити са значајним изазовима које треба решавати са реализмом. Уравнотежена визија будућности вештачке интелигенције у овом сектору мора интегрисати ове препреке како би се боље предвиделе и превазишле.
Прво, трошкови имплементације представљају значајну почетну инвестицију. Набавка софистицираних сензора, пољопривредних дронова, успостављање инфраструктуре за складиштење и обраду великих количина података, као и развој или куповина специјализованог софтвера, захтевају значајна средства. Иако Алжир располаже модерним дата центрима, њихово континуирано унапређење и одржавање представљају сталне финансијске трошкове. Јавно финансирање пољопривреде у Алжиру је већ предмет расправе, а интеграција вештачке интелигенције захтеваће иновативне механизме финансирања, као што су јавно-приватна партнерства, циљане субвенције или пореске олакшице за подстицање приватних инвестиција.
Друго, инфраструктура и повезаност у руралним подручјима представљају потенцијално уско грло. Решавања прецизне пољопривреде заснована на вештачкој интелигенцији у великој мери зависе од поуздане и брзе интернет конекције за пренос великих количина података у реалном времену (сателитске слике, подаци сензора, итд.). Међутим, многа алжирска пољопривредна подручја још увек пате од ограниченог или непостојећег приступа таквој инфраструктури. Масовна улагања у развој робусних телекомуникационих мрежа у руралним подручјима су неопходна за осигурање ефикасности ових система.
Треће, обука, прихватање и отпор променама су кључни људски фактори. Вештачка интелигенција не може бити у потпуности искоришћена без адекватних вештина. Обука не треба да се ограничи само на инжењере и истраживаче, већ треба да обухвати и саме пољопривреднике. Неопходно је премостити дигитални јаз и превазићи могући отпор променама од стране пољопривредне популације која је често везана за традиционалне методе. Програми подизања свести, конкретне демонстрације предности вештачке интелигенције и практичне обуке прилагођене потребама и нивоу дигиталне писмености пољопривредника су неопходни за подстицање шире прихваћености.
Четврто, квалитет и стандардизација података остају основни предуслов. Као што овај чланак истиче, без поузданих, чистих и структурираних података, модели вештачке интелигенције не могу да произведу робусне предикције. Потребни су значајни напори за стандардизацију метода прикупљања пољопривредних података, успостављање ригорозних протокола и интероперабилност система. То је услов без којег вештачка интелигенција не може заиста трансформисати доношење одлука у пољопривреди.
Коначно, етичка питања и питања поверљивости података, као и ризик од технолошке зависности, морају се предвидети. Коришћење великих скупова пољопривредних података покреће легитимна питања о власништву података, њиховој заштити од злоупотребе и њиховој сигурности. Јасан регулаторни оквир и подизање свести актера су од суштинског значаја за изградњу поверења.
Штавише, ако Алжир не развије довољно сопствене капацитете за истраживање, развој и иновације у пољопривредној вештачкој интелигенцији, могао би постати претерано зависан од технологија и страних добављача, што би угрозило његов технолошки суверенитет и, по томе, дугорочни суверенитет у храни. Подршка локалним стартаповима и универзитетским истраживањима је стога од виталног значаја за изградњу одрживе технолошке аутономије.
Ови изазови, иако значајни, нису непремостиви. Препознавањем и развијањем проактивних стратегија за њихово решавање, Алжир може учврстити темеље паметне и отпорне пољопривреде, претварајући тако препреке у могућности за раст и иновације.
Међународна искуства
ФАО користи свој Алат за прогнозу приноса (YFT) за предвиђање жетве у Африци. Овај систем комбинује временске податке, сателитске слике и историјске податке о земљишту. Стога се поставља питање: зашто не и у Алжиру? Статистички систем предвиђања који је развио ФАО заснован је на робусној, скалабилној и интегрисаној архитектури, примењеној у оквиру СИСААР-а (Систем информација за безбедност хране и брзо упозорење). Он укључује агроеколошко зонирање, ригорозно прикупљање података са терена, моделирање и предвиђање, као и континуирано унапређење и транспарентност.
У истом духу, са Climate FieldView, канадски пољопривредници могу у реалном времену визуализовати очекивани принос за свако поље. Луксуз који би могао постати норма у Алжиру. Технологије које користе вештачку интелигенцију тестирају се у Канади за процену житарица на терену. На основу ових међународних примера, јасно је да су центри података ту. Истраживачи такође.
У том смислу, оно што професор Јусфат каже је кључно: „Потребна је чврста политичка воља, управљање засновано на науци, а не на импровизацији.“ Упркос овим потенцијалима, у Алжиру, валидација података са терена је недовољна, и често нису ни објављени ни суочени са другим изворима, што појачава непрозирност и неефикасност система доношења одлука.
Развијање интелигенције за суверенитет
За успех је потребан јасан план, артикулисан око шест кључних полуга:
- Креирати националну отворену и интероперабилну базу података о пољопривреди.
- Финансирати примењена истраживања и докторанде у овој области.
- Подржати агротехнолошке стартапе кроз специјализоване инкубаторе.
- Обучити пољопривреднике за алате прецизне пољопривреде.
- Покренути пилот пројекте у кључним регионима за житарице.
- Интегрисати вештачку интелигенцију у националну пољопривредну стратегију.
Вештачка интелигенција никада неће заменити здрав разум пољопривредника. Али може га осветлити. За алжирску пољопривреду, она може бити оно што је трактор био за наше дедове: тиха револуција. Револуција података, предвиђања, суверенитета. Сада се више не ради о чекању да се небо одлучи, већ о знању — са сигурношћу — када сејати, где наводњавати и како жетву обавити.
На земљиштима Тесале, некада плодног складишта, ова револуција више није луксуз. То је питање опстанка. Суша је тамо оставила дубоке ожиљке, из године у годину. Гласови произвођача, груби и без околишања, звуче као упозорење.
„Три године заредом, кише су ретке, неправилне, понекад потпуно одсутне. Без поузданих временских прогноза, радимо наслепо. Свака сетва је унапред изгубљена опклада“, изјављује озбиљним тоном Табет Дерраз Мохамед, пољопривредни инжењер. Затим снижава глас: „Идеја да наша генерација може сведочити потпуном колапсу овог сектора више није страх. То је постала стварност коју видимо како се обликује пред нашим очима.“
Поред њега, Јахиауи Хамид, пољопривредни техничар, наставља, са оштрим погледом: „Наш посао се ослања на ритам природе. Али данас је тај ритам сломљен. Непредвидив. Без алата за праћење и климатских упозорења, ми смо разоружани. Три пропале кампање заредом... Почињемо да се питамо да ли још увек имамо будућност овде.“
Ова сведочења нису изоловане жалбе. Они откривају структурне пукотине. Технолошки вакуум који вештачка интелигенција може попунити. Али морамо деловати брзо. Статистичка истина је питање прехрамбеног суверенитета. Без ригорозности, нема напретка. А транспарентност је залог поверења.
Будућност се одлучује сада. Линија по линија. Подаци по подаци. На основу чињеница, а не рачуноводствених илузија. Ако суша потраје и алати за предвиђање остану одсутни, Тесала би могла бити само прво поглавље у националном пољопривредном колапсу.
Twala je nezavisni alžirski online medij, objavljen na francuskom i arapskom jeziku. Inspirisan pristupom „sporog novinarstva“, daje prednost vremenu za istraživanje, verifikaciju i kontekstualizaciju. Medij nudi svakodnevni izbor kratkih informacija kao i dublje formate poput reportaža, istraživanja, video zapisa i podcasta. Vođen iskusnim novinarima, Twala pridaje veliku važnost terenskom radu i dokumentovanim pričama. Njegovi sadržaji se posebno fokusiraju na Alžir kao i na mediteranske i sahelske dinamike.
Naslovna fotografija: © Twala