अध्याय ४ · खण्ड I · 19 मिनेट
कृषि — उत्पादन, कीरा, र मूल्य
काम गर्ने नेपालीको दुई-तिहाइ अझै खेती गर्छन्। तिनलाई अर्थपूर्ण रूपमा सघाउन सक्ने एआई अनुप्रयोग सबैभन्दा चर्को पिच डेक भएकाहरू होइनन्। साना खेतमा के काम गर्छ र के गर्दैन भन्ने व्यावहारिक भ्रमण।
काम गर्ने नेपालीको करिब दुई-तिहाइ अझै खेती गर्छन् — अधिकांश एक हेक्टरभन्दा कम साना, छरिएका भूखण्डमा, अक्सर एउटै जमीनमा वर्षभरि दुई-तीन बाली रोप्दै। यो देशको सबैभन्दा ठूलो एकल आर्थिक गतिविधि हो, र तर्क गर्दा एआईलाई अझ धेरै दूरी काट्न बाँकी रहेको क्षेत्र पनि। पिच डेकले यथार्थलाई सबैभन्दा बढी छोड्ने ठाउँ पनि यही हो।
एआईसँग राम्ररी मिल्ने तीन समस्या
नेपालमा एआई प्रणालीले समाधान गर्न सक्ने कृषि समस्याको लामो सूचीभित्र, तीन राम्रा फिटका रूपमा देखिन्छन् — डाटा छ, प्रयोगकर्ताको आवश्यकता वास्तविक छ, र प्रविधि पर्याप्त परिपक्व छ।
फोन फोटोबाट कीरा र रोग पहिचान। एक किसानले मकैको पातमा पहेँलो थोप्ला देख्छन्। आज सबैभन्दा राम्रो विकल्प छिमेकीलाई सोध्ने वा अर्को कृषि सेवा केन्द्र भ्रमणको पर्खाइ हो। मकै, धान, आलु, टमाटर, र थोरै अन्य मुख्य बालीका लेबल गरिएका तस्बिरमा तालिम पाएको मोडेलले प्रत्येक बालीका शीर्ष दर्जन समस्यामा औसत कृषि कर्मचारी भन्दा बढी शुद्धतामा सामान्य कीरा र रोग पहिचान गर्न सक्छ। प्लान्टभिलेज र समान खुला डाटासेटले सुरुवात बिन्दु दिन्छ; खाडल नेपाली सन्दर्भका तस्बिरको व्यवस्थापन हो — विशेष गरी स्थानीय जातमा फरक देखिने रोगका लागि।
उपग्रह तस्बिरबाट उत्पादन अनुमान। सेन्टिनेल-२ उपग्रह तस्बिर, निःशुल्क र हरेक पाँच दिनमा अद्यावधिक, ले मोडेललाई वडा स्तरमा धान वा गहुँको उत्पादन सम्मानजनक शुद्धतामा अनुमान गर्न दिन्छ। आइसिमोड र थोरै नेपाली अनुसन्धाताले यसमा प्रकाशन गरेका छन्; खाडल यसलाई वडा कृषि अधिकारीले वास्तवमै प्रयोग गर्ने उपकरणमा परिचालन गर्नु हो। यो खाडल पुरिँदा एक प्रदेशले — अक्टोबरमा — मार्चमा आफ्नो हिउँदे गहुँ कस्तो हुनेछ मोटामोटी थाहा पाउन सक्छ।
खेतीमा मूल्य पूर्वानुमान। कालीमाटीमा गत त्रैमासमा टमाटरको मूल्य दुई पटक दोब्बर र दुई पटक आधा भयो। धादिङका किसानसँग अक्टोबर कटनीका लागि वा जनवरी कटनीका लागि रोप्ने स्पष्ट तरिका छैन। कालीमाटी बजारको ऐतिहासिक मूल्य शृङ्खलालाई मौसम पूर्वानुमान र क्षेत्रफल अनुमानसँग मिलाउने मोडेलले सम्भाव्यतायुक्त पूर्वानुमान दिन सक्छ — मोटो भए पनि, धेरै किसानले गरिरहेका अनुमानभन्दा राम्रो। यो साधारण समय-शृङ्खला एमएल हो; गति सीमित गर्ने भनेको भरपर्दो मूल्य डाटा फिड हो।
पिचले सुझाव दिएजति राम्रो नचल्ने कुरा
बराबरै महत्त्वपूर्ण: तीन पिच जुन तपाईंले सुन्नुहुनेछ तर निरीक्षणमा अहिलेसम्म टिक्दैनन्।
“एआई-संचालित परिशुद्ध सिँचाइ” सुनिन उत्कृष्ट छ र धेरै प्रस्तावको केन्द्रमा छ। इजरायली-शैलीको परिशुद्ध कृषि स्ट्याक — माटो सेन्सर, ड्रिप टाइमर, कम्प्युटर-नियन्त्रित भल्भ — का लागि प्रति हेक्टर पुँजी लगानी चाहिन्छ जुन झन्डै कुनै नेपाली साना किसानले फिर्ता गर्न सक्दैन। प्रविधिले काम गर्छ, तर अर्थशास्त्रले गर्दैन। यो स्ट्याक देशका थोरै सय ठूला व्यावसायिक खेतमा अर्थपूर्ण छ, लाखौं साना किसानमा होइन।
“एआई-शक्तियुक्त खेत व्यवस्थापन एप” बनाउन सजिलो छ र प्रयोग गराइरहन गाह्रो। नेपालमा एग्रिटेक एपको इतिहास ५०,००० डाउनलोड, पहिलो महिनामा ५,००० सक्रिय प्रयोगकर्ता, र तेस्रो महिनासम्म २०० मा झरेका उत्पादनले भरिएको छ। उत्पादन झन्डै सधैं “छिमेकीलाई सोध” बाट हार्छ — किनकि छिमेकी छिटो छन्, निःशुल्क छन्, र एपले सजिलै प्रतिस्थापन गर्न नसक्ने विश्वास सञ्जालमा बसेका छन्।
“एआई-तालिमप्राप्त ड्रोन सर्वेक्षण” मुख्यतया मार्केटिङ हो। ड्रोन विशिष्ट कामका लागि उपयोगी छन् — ठूलो-क्षेत्र नक्साङ्कन, विपद् मूल्याङ्कन, व्यावसायिक स्टेटका लागि बगान सर्वेक्षण — तर ड्रोन बेडाले साना किसानको भूखण्डको लागत-प्रभावकारी अनुगमन गर्न सक्छ भन्ने मान्यता सपना हो। निश्चित भूखण्ड आकारभन्दा सानोमा ड्रोन पासको एकाइ अर्थशास्त्र काम गर्दैन।
राम्रो कृषि एआई उत्पादन कस्तो देखिन्छ
पहिलो सिजनपछि पनि प्रयोगकर्ता टिकाइरहेका थोरै उत्पादनबाट निकालिएका तीन गुण:
१. कम-स्तरीय एन्ड्रोइडमा, अफलाइन, अस्थिर कनेक्टिभिटीमा चल्छ। उत्पादन प्रयोगकर्तासँग पहिले नै भएको उपकरणमा चल्छ र मोडेल वजन एक पटक डाउनलोड गर्छ। प्रयोगको क्षणमा डाटा कनेक्शन चाहिँदैन।
२. एक विशिष्ट समस्यालाई निर्णायक रूपमा समाधान गर्छ। बीस कीरा उच्च शुद्धतामा पहिचान गर्ने कीरा-पहिचान एप, सबै कुरा गर्न खोज्ने र हरेक कुरा खराब गर्ने “खेती सहायक” एप भन्दा राम्रो हो।
३. विश्वासयोग्य मानवसँग बीचमा मिलेर चल्छ। सबैभन्दा सफल नेपाली कृषि एपहरू ती हुन् जुन कृषि कर्मचारी वा गाउँ-स्तरका एनिमेटरले प्रयोग गर्छन्, जसले पछि किसानहरूसँग कुरा गर्छन्। एपले विशेषज्ञलाई विस्तार गर्छ; प्रतिस्थापन गर्दैन। किसानले नभेटेका कम्पनीका एपलाई भन्दा भेटेका मानिसलाई बढी विश्वास गर्छन्।
डाटा कहाँबाट आउनुपर्छ
नेपालले कृषि एआई डाटासेट सुरूबाटै बनाउनुपर्दैन। आइसिमोड, कृषि विभाग (डीओए), नेपाल कृषि अनुसन्धान परिषद् (नार्क), र दाता-कोषयुक्त धेरै अध्ययनले पछिल्ला एक दशकमा उपयोगी डाटा सङ्कलन गरेका छन्। छुटेको भनेको यिनलाई सफा गर्ने, स्किमामा रूपान्तरण गर्ने, र एक मोडेल टोलीले वास्तवमै प्रयोग गर्न सक्ने एकल राष्ट्रिय प्लेटफर्ममा प्रकाशन गर्ने काम हो।
व्यावहारिक एजेन्डा: एउटा सानो नार्क–विश्वविद्यालय साझेदारी जसले शीर्ष दर्जन बालीका लागि लेबल गरिएका तस्बिर सेट, जिल्ला अनुसार मूल्य र क्षेत्रफलको समय-शृङ्खला, उपग्रहबाट प्राप्त वनस्पति सूचक, र मौसम सहितको सार्वजनिक नेपाल कृषि डाटा हब कायम राख्छ। यिनै कुनै पनि प्राविधिक रूपमा गाह्रो छैन। यसलाई एक नेता, बजेट, र केही वर्षको केन्द्रित काम चाहिन्छ।
आफ्नो बुझाइ जाँच्नुहोस्
Quick check
—हालको प्रविधि र किसान अर्थशास्त्रलाई ध्यानमा राख्दा, नेपाली साना खेती कृषिमा एआईको सबैभन्दा राम्रो फिट कुन हो?
Quick check
—“एआई साथमा विश्वासयोग्य मानव” — कृषि कर्मचारी, गाउँ एनिमेटर, वा सहकारी अधिकृत — को ढाँचा नेपालमा सिधा-किसान एआई एप प्रायः असफल भएको ठाउँमा किन सफल हुने प्रवृत्ति छ?
अब के?
कृषि जमीनको एक अनुहार हो। विपद् अर्को हो — मनसुनपछिको बाढी, पहाडी सडकका पहिरो, अर्को भूकम्प जसको समय हामी पूर्वानुमान गर्न नसके पनि प्रतिक्रिया तयार पार्न सक्छौं। अर्को खण्ड प्रारम्भिक चेतावनी, जोखिम नक्साङ्कन, र विपद्-पछिको प्रतिक्रियाका लागि एआईबारे हो।