从理论上讲，AI可以如何改善农业推广服务；但在实际测试中还是面临许多的挑战。近日，“中国生物救护与科学伦理”微信公众号小编读到了一篇由国际食物政策研究所(IFPRI) 的博客发表的题为《我们能信任AI生成的农业推广建议吗？》的文章，由Jawoo Koo、Medha Devare和Brian King合作完成。这篇文章深入探讨人工智能（AI）在农业推广领域的应用，尤其聚焦于大型语言模型（LLM）赋能的聊天机器人（chatbots）。笔者觉得这个观点很有意思，为助力全球环境治理、为我国学者提供信息供决策参考，编译分享信息如下，供感兴趣的读者们参阅。
农业推广服务在全球范围内支持着5.7亿小农户，通过传播技术建议和最佳实践，为食品安全和农村发展做出了重要贡献。然而，这些关键服务面临一系列挑战，包括机构能力不足、覆盖面有限以及获取最新科学知识的困难。为了解决这些问题，文章讨论了使用AI技术，特别是大型语言模型驱动的聊天机器人，作为改善农业推广服务的可能性。
（图源：绿会融媒）
从数据支持方面来看，这个文章引用了“全球有5.7亿小农户”这样一个庞大的数字，凸显了农业推广服务的普遍性和重要性。在介绍AI在农业推广中的潜力时，特别提到了ChatGPT作为大型语言模型的代表应用。这一模型被赋予了两个关键任务：简化科学和个性化建议。文章指出，这一技术可能会对小农户提供更直观、可行的建议，但也揭示了在实际测试中所面临的一些问题。
这篇文章的作者们提到，实际测试的结果引起了关注，尤其是在为木薯农民生成除草建议的情境中。作者发现，由LLM生成的回答，要么过于通用；要么，对小农户来说不切实际、遥不可及。所以，他们表达了对AI在农业推广中可行性的担忧。农民对于AI技术的期望被认为可能高于实际生成的建议，那么，AI技术在实际应用中的局限性是值得我们反思的。
“中国生物救护与科学伦理”微信公众号小编读完之后觉得，这篇文章的关键亮点在于它对AI在农业推广中的两个方面进行深入分析：科学简化和个性化建议。从科学简化的角度看，强调了LLM作为信息检索和分析工具的潜力。这一点，在理论上是可行的，尤其对于那些未受过科学培训的农民来说，AI可以帮助他们更轻松地获取和理解专业知识。但，实际测试揭示了一个问题，即生成的建议可能过于通用，缺乏特定的实际操作性，这需要进一步的改进。
若是从个性化建议的角度来看，LLM具备使用大规模训练数据和可扩展计算能力来评估农民特定挑战的潜力。这为提供更符合个体需求的建议提供了可能性。不过，在实际测试中出现的问题还是表明，在当前阶段AI在理解和解决小农户独特而复杂的问题上可能仍有不足之处。当然，农业的具体问题还是挺包罗万象、不可一概而论的。
（摄影：韩建林教授 ©绿会融媒·绿会全球环境治理团队）
这篇文章提到了解决这些问题的四个关键方面：协作、数据可用性、用户中心设计和数字素养。其中，协作被认为是解决当前技术局限性和在农业中取得有意义影响的关键。通过引入既懂AI技术又懂小农业的人类专家，可以确保LLM辅助建议服务的安全、负责任和有效使用。这一点强调了技术与实际应用之间的协同作用，确保技术推动实际效益。
此外，这个文章还强调了“数字素养”的重要性，特别是在农民和推广人员中的提高。了解LLM的局限性对于确保用户理解建议的限制也是很重要的。还强调了要“以用户为中心”的设计原则，强调了数字农业建议服务需要根据农民的独特需求和背景进行定制。
END
本文仅供资讯参考。不代表平台观点。
欢迎转发（请标注来源）。
整理 | Wendy
审 | 绿茵
排版 | LYJ
