Electric Plant 如何運用 AI 解讀植物的電訊號

目錄

• 你可能想知道
• 主要內容
• 重點摘要表
• 後續……

你可能想知道

• 植物的電訊號能否在可見症狀出現前，揭示植物的需求？
• 以 AI 為基礎的植物監測，可能如何改變水分與肥料管理？

主要內容

Justin Mast 對植物溝通的興趣，始於一個出乎意料的例子：植物連接到機器。幾年前，他閱讀科學文獻時，看到一項研究描述一盆連接到電動支架上的室內植物。當植物需要更多光線時，電訊號會在其活體組織中傳導。控制板偵測到電流後，便指示支架將植物移向光源。這個概念引起了 Mast 的注意，也讓他開始思考，植物內部的電活動或許能夠被測量與解讀。

這份好奇心最終促使 Mast 與曾在 DARPA 工作的神經科學家 Lee von Kraus 合作。他們共同創立了新創公司 Electric Plant，開發解讀植物內部電訊號的技術。過去三年來，公司持續蒐集資料，用來訓練其模型 Bombadil。這套系統旨在辨識穿過植物莖部的細微電活動模式，並將這些模式轉換成種植者可使用的資訊。

創辦人的長遠目標，是讓人們有朝一日能與植物「交談」，不過目前的重點更偏向聆聽，而非傳達指令。Electric Plant 共同創辦人暨執行長 Mast 曾表示，聆聽是第一步。實際上，這代表運用感測器偵測植物內部正在發生的狀況，讓種植者更清楚了解植物的狀態與需求。

Electric Plant 最近募得1,120 萬美元種子輪融資，將感測器與 Bombadil 推向市場。本輪由 Onto Ventures 和 Climactic 領投，Ponderosa、Endeavor Catalyst、Ludlow、Michigan Rise、The Fund、Schox VC 及 Dug Song 也參與投資。這筆資金將支持新創公司開發並商業化一套系統，相較於許多傳統監測方法，它有望更直接地呈現植物的需求。

即使在受控的溫室環境中，種植者通常仍缺乏植物需求的完整資訊。農民、種植者與林業工作者過去仰賴的工具，往往只能間接或大致反映環境狀況。土壤探針、手持式光譜儀及衛星影像都能派上用場，但未必能即時揭示植物內部正在發生什麼。Mast 表示，現有技術在某些方面或許相當精密，但在測量植物不斷變化的內在狀態方面，能力仍有限。

這項差異很重要，因為植物的需求會隨環境與生長階段而變化。種植者可能需要判斷是否調整澆水、施肥或光照，但植物出現可見的壓力徵兆時，往往無法及早或精確地提供答案。測量外部環境的工具固然有幫助，卻可能無法呈現植物內部的反應。Electric Plant 的方法希望透過測量活體植物組織中的電變化，補足這項內部觀點。

公司並未一開始就取代既有的農業工具，而是利用現有設備提供的資料來協助訓練 Bombadil。目前，該模型據稱能解讀約125 種不同物種的電訊號。Mast 預期，該模型最終在評估植物狀況方面將勝過許多現有工具；不過，新創公司的技術仍在發展中，並非能全面取代既有監測方法的通用方案。

感測器的成本是公司的賣點之一。許多現有的植物監測工具價格高達數千美元，而 Mast 表示，Electric Plant 的感測器只要數十美元。感測器大小約等於一支縱向對折的普通 iPhone。它們以不鏽鋼螺絲固定在植物上，螺絲必須穿入形成層——也就是樹皮正下方的活體組織。接觸這層組織後，感測器便能偵測植物內部發生的微伏特變化。

感測器蒐集到的資料會透過低功耗無線網路傳送至基地台，再由雲端的 Bombadil 處理，並將解讀結果回傳給客戶。種植者可依據這些結果調整澆水時程或施肥方式等。Mast 表示，每英畝只需幾個感測器就能得出準確結果，這種做法有助於在較大的種植區域實際推行監測。

這套系統的潛在價值不僅在於蒐集更多資料，目標還包括讓測量結果具有實際用途：種植者需要能用來判斷何時及如何採取行動的資訊。Mast 聲稱，該系統有望提高產量，同時減少20% 或更多的用水量。這些是對技術潛力的主張，並不保證每種作物或每個種植作業都能達成相同成果。實際成效將取決於植物種類、當地環境、執行方式，以及種植者如何運用資訊等因素。

Electric Plant 尚未公布首批客戶的身分。不過，農業與林業自然是這項技術值得探索的領域。在農業方面，種植者或許能運用更精確的資訊來決定水分與養分管理方式；在林業方面，監測則可能協助人們了解受管理地景中的樹木狀況。這套系統能否在這些情境中帶來實質效益，仍取決於持續測試，以及其讀數能否在各種不同條件下提供可靠指引。

Bombadil 最初蒐集的資料涵蓋一百多種物種，植物形態也相當多元。Mast 提到其中包括蕨類、紅杉、番茄與大麗花。這種多樣性很重要，因為不同物種與生物結構的電訊號模式可能各不相同。以多樣植物資料訓練的模型，或許能為未來應用奠定更廣泛的基礎，但也使謹慎驗證變得格外重要。某種植物適用的系統，不能逕自假設對其他所有物種也同樣有效。

Mast 將 Bombadil 描述為目前以生物電訊號建立、涵蓋最多樣性的模型，並表示動物界尚無類似成果。這項說法反映了創辦人對模型涵蓋範圍及其方法新穎性的看法。更廣泛來說，Electric Plant 正在探索機器學習能否將複雜的生物測量資料，轉化成管理生命系統的人們可運用的資訊。

這個概念也重新界定了種植者看待植物監測的方式。他們不必只依賴可見症狀或環境測量，也能運用植物本身內部的訊號。只要模型的解讀經證實準確且實用，這種轉變就有助於更早採取行動，或做出更符合個別需求的決策。因此，這項技術的重要性不只在於感測器或 AI 模型，更在於它能否持續將電訊號模式與田間的實際需求連結起來。

重點摘要表

後續……

Electric Plant 的研究指向一個未來：植物監測可能會更仰賴從活體組織內測得的訊號。公司接下來的挑戰，是證明 Bombadil 能在多種物種與生長條件下可靠地解讀這些訊號，並且其建議能協助客戶做出有用的決策。如果能證實這些能力，種植者便可能多一種了解植物需求、並更精準管理資源的方法。目前，這項計畫仍是 AI 與生物感測的新興應用，其更廣泛的價值仍有待持續部署，以及真實使用情境中的證據來確定。