從理論上講，AI可以如何改善農業推廣服務；但在實際測試中還是面臨許多的挑戰。近日，「中國生物救護與科學倫理」微信公眾號小編讀到了一篇由國際食物政策研究所(IFPRI) 的博客發表的題為《我們能信任AI生成的農業推廣建議嗎？》的文章，由Jawoo Koo、Medha Devare和Brian King合作完成。這篇文章深入探討人工智慧（AI）在農業推廣領域的應用，尤其聚焦於大型語言模型（LLM）賦能的聊天機器人（chatbots）。筆者覺得這個觀點很有意思，為助力全球環境治理、為我國學者提供信息供決策參考，編譯分享信息如下，供感興趣的讀者們參閱。
農業推廣服務在全球範圍內支持著5.7億小農戶，通過傳播技術建議和最佳實踐，為食品安全和農村發展做出了重要貢獻。然而，這些關鍵服務面臨一系列挑戰，包括機構能力不足、覆蓋面有限以及獲取最新科學知識的困難。為了解決這些問題，文章討論了使用AI技術，特別是大型語言模型驅動的聊天機器人，作為改善農業推廣服務的可能性。
（圖源：綠會融媒）
從數據支持方面來看，這個文章引用了「全球有5.7億小農戶」這樣一個龐大的數字，凸顯了農業推廣服務的普遍性和重要性。在介紹AI在農業推廣中的潛力時，特別提到了ChatGPT作為大型語言模型的代表應用。這一模型被賦予了兩個關鍵任務：簡化科學和個性化建議。文章指出，這一技術可能會對小農戶提供更直觀、可行的建議，但也揭示了在實際測試中所面臨的一些問題。
這篇文章的作者們提到，實際測試的結果引起了關注，尤其是在為木薯農民生成除草建議的情境中。作者發現，由LLM生成的回答，要麼過於通用；要麼，對小農戶來說不切實際、遙不可及。所以，他們表達了對AI在農業推廣中可行性的擔憂。農民對於AI技術的期望被認為可能高於實際生成的建議，那麼，AI技術在實際應用中的局限性是值得我們反思的。
「中國生物救護與科學倫理」微信公眾號小編讀完之後覺得，這篇文章的關鍵亮點在於它對AI在農業推廣中的兩個方面進行深入分析：科學簡化和個性化建議。從科學簡化的角度看，強調了LLM作為信息檢索和分析工具的潛力。這一點，在理論上是可行的，尤其對於那些未受過科學培訓的農民來說，AI可以幫助他們更輕鬆地獲取和理解專業知識。但，實際測試揭示了一個問題，即生成的建議可能過於通用，缺乏特定的實際操作性，這需要進一步的改進。
若是從個性化建議的角度來看，LLM具備使用大規模訓練數據和可擴展計算能力來評估農民特定挑戰的潛力。這為提供更符合個體需求的建議提供了可能性。不過，在實際測試中出現的問題還是表明，在當前階段AI在理解和解決小農戶獨特而複雜的問題上可能仍有不足之處。當然，農業的具體問題還是挺包羅萬象、不可一概而論的。
（攝影：韓建林教授 綠會融媒·綠會全球環境治理團隊）
這篇文章提到了解決這些問題的四個關鍵方面：協作、數據可用性、用戶中心設計和數字素養。其中，協作被認為是解決當前技術局限性和在農業中取得有意義影響的關鍵。通過引入既懂AI技術又懂小農業的人類專家，可以確保LLM輔助建議服務的安全、負責任和有效使用。這一點強調了技術與實際應用之間的協同作用，確保技術推動實際效益。
此外，這個文章還強調了「數字素養」的重要性，特別是在農民和推廣人員中的提高。了解LLM的局限性對於確保用戶理解建議的限制也是很重要的。還強調了要「以用戶為中心」的設計原則，強調了數字農業建議服務需要根據農民的獨特需求和背景進行定製。
END
本文僅供資訊參考。不代表平台觀點。
歡迎轉發（請標註來源）。
整理 | Wendy
審 | 綠茵
排版 | LYJ