AIがセネガル小農作物を84%精度で識別

ケンブリッジ大学が開発したオープンソースAI「Tessera」が、セネカルの小規模農地における作物分布を高精度で特定する技術実証に成功した。同モデルは衛星画像から一年分のデータを抽出し、土地の状態変化を数値ベクトル化するエンベッディング手法を採用。これにより、従来の手法と比較して大幅に少ない教師データと計算資源で作物マッピングを実現し、評価テストでは84％の正確性を記録した。一部シナリオでは既存手法を28％上回る性能を示した。 西アフリカ農業は降雨依存型が主流であり、エルニーニョ現象による気候変動が食料供給を不安定にしている。国連世界食糧計画（WFP）セネガル事務所も、地理空間データとAIの連携による食料安全保障モニタリング体制の強化を検討している。Tesseraは既存の調査データを活用して年間データギャップを補完可能であり、政府や国際機関が低コストで精度の高い作付統計を迅速に生成できる基盤となる。ケンブリッジ大学コンピュータサイエンス・テクノロジー研究所のMadeline Lisaius氏らは、本技術の最大の貢献は完全性ではなくアクセシビリティの高さにあり、グローバルサウスにおける地理空間データの民主化を促進すると強調する。 対象年（2018～2021年）の比較検証では、単年学習データによる他年適用の安定性が確認された。一方、地上調査データの品質差による精度変動や、複合作付畑の計測未検証という課題も報告されている。本研究は9月29日、学術誌「Environmental Research: Food Systems」に論文として掲載された。