OpenAg：民主化农业智能-计算机科学-大语言模型-农业人工智能.pdfVIP

OpenAg：民主化农业智能

SrikanthThudumuandJasonFisher

InstituteofAppliedArtificialIntelligenceandRobotics(IAAIR)

Germantown,TN,USA,38139

srikanth@iaair.ai;jason@iaair.ai

摘要

农业正经历一场由人工智能（AI）、机器学习和知识表示技术驱动的重大变革。然而，当前的农业智能

本系统往往缺乏情境理解、可解释性和适应性——特别是对于资源有限的小农户而言更是如此。虽然通

用大型语言模型（LLMs）功能强大，但通常缺少特定领域的知识和情境推理能力，这对于实际的农场

译决策支持至关重要。它们倾向于产生过于泛化或不切实际的应用建议。为了解决这些问题，我们提出了

中OpenAg，这是一个旨在推进农业人工智能（AGI）的综合框架。OpenAg结合了领域特定的基础模型、

2神经知识图谱、多代理推理、因果可解释性和适应性迁移学习，以提供情境感知、可解释且可操作的见

v解。该系统包括：(i)一个整合科学文献、传感器数据和农民生成的知识的统一农业知识库；(ii)用于

1结构化推理和推断的神经农业知识图谱；(iii)一个自适应多代理推理系统，其中AI代理在不同的农业

7

5领域中专业化并协作；以及(iv)确保AI建议可解释、科学可靠且与现实世界约束相一致的因果透明机

4制。OpenAg旨在弥合科学知识和经验丰富的农民隐性专长之间的差距，支持规模化且符合当地情况的

0

.农业决策。

6

0

5关键词

2

:自适应迁移学习，农业用通用人工智能，农业人工一般智能，因果解释性，情境感知决策支持，领

v

i域特定基础模型，知识图谱，小型语言模型，多主体系统，神经知识图谱，OpenAg，小农耕作，默会

x

r知识整合。

a

1介绍

农业正处于一个关键的转折点，面临着前所未有的挑战，既要养活不断增长的全球人口，又要

应对气候变化、水资源短缺和环境退化[1]的问题。该行业正在经历由人工智能（AI）、数据科学和

知识表示技术驱动的重大转变。现代农业精耕细作从多种来源生成大量数据，包括遥感、物联网设

备、农场机械、气象站和专家知识。然而，农民、研究人员和政策制定者难以应对分散的、非标准

化的且往往不透明的人工智能驱动建议。

当前应用于农业的机器学习（ML）模型通常缺乏三种关键能力：复杂农业系统的上下文理解、

决策理由的可解释性以及跨多样化农业环境的适应性。这些限制严重制约了它们在现实世界的适用

性，特别是在那些历史和隐性知识在成功耕作实践中扮演重要角色的地区。虽然由AI驱动的决策

支持系统可以提供实时见解和个人化的农耕方法及作物管理建议，但要有效实施这样的系统仍然充

满挑战[2]。此外，通用的大语言模型和世界模型缺乏专门的农业知识和上下文推理能力，通常会产

生过于泛化或不切实际的建议，特别是对于资源受限的小农户而言更是如此。这些模型也无法捕捉

隐性知识——通过经验积累的直觉专业知识，这种知识不容易被表达出来，但对于决策至关重要。

1

为此，我们识别了一些阻碍AI在农业中有效应用的关键挑战。首先，缺乏结构化的知识表示。农

业数据本质上是异质、非结构化且往往具有地区特定性的，这使得将其整合到连贯的决策支持系统

中变得困难。开放农业数据联盟（OADA）将这个问题识别为“不兼容数据的围墙花园”，这种问题

使农民感到困扰并限制了基于数据驱动的农