從理論上講，AI可以如何改善農業(yè)推廣服務；但在實際測試中還是面臨許多的挑戰(zhàn)。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(fā)表的題為《我們能信任AI生成的農業(yè)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能（AI）在農業(yè)推廣領域的應用，尤其聚焦于大型語言模型（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(huán)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(yè)推廣服務在全球范圍內支持著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(fā)展做出了重要貢獻。然而，這些關鍵服務面臨一系列挑戰(zhàn)，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(yè)推廣服務的可能性。

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(yè)推廣服務的普遍性和重要性。在介紹AI在農業(yè)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(fā)現，由LLM生成的回答，要么過于通用；要么，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(yè)推廣中可行性的擔憂。農民對于AI技術的期望被認為可能高于實際生成的建議，那么，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后覺得，這篇文章的關鍵亮點在于它對AI在農業(yè)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，尤其對于那些未受過科學培訓的農民來說，AI可以幫助他們更輕松地獲取和理解專業(yè)知識。但，實際測試揭示了一個問題，即生成的建議可能過于通用，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(guī)模訓練數據和可擴展計算能力來評估農民特定挑戰(zhàn)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復雜的問題上可能仍有不足之處。當然，農業(yè)的具體問題還是挺包羅萬象、不可一概而論的。

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(yǎng)。其中，協作被認為是解決當前技術局限性和在農業(yè)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(yè)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(yǎng)”的重要性，特別是在農民和推廣人員中的提高。了解LLM的局限性對于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(yè)建議服務需要根據農民的獨特需求和背景進行定制。

整理 | Wendy

審 | 綠茵

（本文來源于“中國生物救護與科學倫理”微信公眾號）