美國大陸有大約200萬個農場，其所有者的決定影響了整個食品供應鏈。根據一項研究，如果美國西蘭花少了5％的產量，那么相當于超過9000萬磅的西蘭花消失。

為了幫助穩定通常充滿不可預測性的市場，IBM推出了Watson農業決策平臺，這是一個包含AI，物聯網和云解決方案的新平臺，共同產生基于證據的見解。它可作為托管服務提供，也是IBM 針對客戶服務，人力資源，制造和營銷用例預先提供的新預裝工具集的一部分。

Armonk公司在一份新聞稿中寫道：“農業一直是一項復雜的工作，需要種植者管理一個季節性和季節性決策的互聯網絡，同時受到大自然的支配。隨著來自農場設備，環境傳感器和遠程輸入的數據爆炸，依靠直覺或傳統技術來了解驅動產量變化的因素或為種植者提供指導是不切實際的。我們通過將Watson AI應用于數據來填補這一空白，從而產生決策支持，種植者需要做出自信，基于證據的決策。”

利用IBM預測后端的強大功能，Watson農業決策平臺突出了可能影響作物產量的任何關鍵因素，如土壤溫度，水分含量，作物壓力，害蟲和疾病。種植者可以部署無人機，將照片發送到IBM Cloud進行基于AI的趨勢分析（例如，發現作物病害的跡象），或者將植物的近距離照片提供給疾病檢測計算機視覺算法。

大型農業經營可以利用該平臺預測何時可能收獲以及他們將在全球市場上獲取多少。通過整理數據，他們不僅可以識別最佳灌溉，種植，施肥和工人安全實踐，還可以確定一年中銷售特定作物的理想時間。

Watson農業決策平臺不是IBM首次涉足農業分析領域。IBM Pairs Geoscope平臺利用機器學習來分析衛星圖像，天氣數據（部分由IBM子公司Weather Company提供），人口普查數據，土地使用，商業位置數據和作物預測。在巴西，其研究人員構建了一個原型AgroPad，它使用AI和移動應用程序來分析土壤和水樣。在肯尼亞，IBM與Twiga Foods合作，為農民和食品供應商測試了一個支持區塊鏈的小額貸款平臺。

當然，IBM并不是唯一將AI應用于農業的公司。總部位于特拉維夫的初創公司Prospera利用計算機視覺軟件，現場攝像頭和氣候傳感器，以及強大的云處理平臺，確定向特定地點的工廠輸送多少水；笛卡爾實驗室使用通過衛星數據培訓的機器學習模型來估算全州和全國范圍內的美國玉米產量估算；Abundant Technologies在其Harvest Croo自動草莓采摘器中采用計算機視覺和傳感器融合。

聯合國估計，為了養活地球爆炸性的人口，到本世紀中葉，糧食產量需要增加50％。運氣好的話，AI將為行業提供所需的推動力。

不過，這些創新不可能很快到來。聯合國估計，為了滿足地球爆炸性人口的需求，到本世紀中葉，糧食產量需要增加50%。運氣好的話，人工智能將為行業提供所需的推動力。

日前推出的其他新Watson解決方案和服務，包括Watson Discovery for Salesforce，旨在為客戶服務代理提供實時相關的客戶請求信息;人力資源工具，分析表現最佳的員工的背景，并標記有前途的申請人; IBM Watson營銷助理; IBM IoT Building Insights;和Watson Supply Chain Insights合并了天氣數據，交通報告和監管報告，以“全面了解”全球供應問題。

IBM表示，它已與20個行業和80個國家/地區的客戶在“數千次合作”中部署了Watson AI解決方案。它包括Deluxe Corporation，BuzzFeed，H&R Block，Ingersoll Rand，Subway，十大汽車公司中的七家，以及其客戶中八家來自十大石油和天然氣公司。