直播課程
研究人員警告，儘管人工智慧 (AI) 具有改善作物管理和農業生產力的潛力，但在部署新的人工智慧技術時存在重大風險因素，而這些風險因素並未被考慮。最近發表在《自然》雜誌上的風險研究的作者也認為，機器學習 (ML) 模型、專家系統和自動機器對農場、農民和糧食安全的影響目前知之甚少，也未得到充分重視，學者們回顧了人工智慧在農業中相互的操作性、安全性、數據的可靠性以及使用機器學習模型優化產量所產生與社會生態有關的風險。
人工智慧可用於農業，透過快速識別植物病害和有效應用農用化學品來改善作物管理和生產力。機器學習可以幫助快速進行植物表型分析、監測農田、評估土壤成分以及預測天氣和產量。然而，劍橋大學生存風險研究中心 (CSER) 研究員 Asaf Tzachor 表示，人工智慧和機器學習設計的部署可能會損害生態系統，並使種植者和農產品供應商遭受事故和網路攻擊。
研究人員指出了一些將人工智慧應用於農業之前必須考慮危害。例如，駭客可以使數據集中毒，並關閉噴霧器、無人機和自動收割機等。農業數據的可靠性和相關性也是一個問題，儘管大多數本土農業系統對當地糧食安全做出了重大貢獻，但在數據中的代表性仍然不足。
在印度安得拉邦，美國微軟公司正與 175 名農民合作，提供農業、土地和肥料諮詢服務，這使 2016 年每公頃的產量增加了 30%，利用認知運算(cognitive computing)技術學習、理解與不同環境之互動並提高生產力。微軟還與印度最大的農用化學品生產商 United Phosphorous (UPL) 合作開發害蟲風險預測應用程式介面(API)，該 API 使用人工智慧提前顯示害蟲侵擾的風險。在第一階段，該應用程式為泰倫迦納邦、馬哈拉施特拉邦和中央邦大約 3,000 名土地不足 5 英畝的農民提供了棉花作物的自動語音呼叫系統，根據天氣條件和播種建議提供了有關害蟲風險的訊息。在印度，人工智慧的最大風險之一是讓農民接觸到錯誤訊息，由於邊緣化、網路普及率低和數位程度落差，小農可能無法使用此類先進技術，這將導致商業化農民與自給農民之間的差距擴大。
為了避免網路攻擊的風險，研究人員建議借助白帽駭客來識別安全漏洞，以保護用戶並建立對環境敏感的農業人工智慧系統和服務，同時考慮到未來的社會和生態影響，通過實施全面的風險評估和建立治理協議以避免風險。
文章來源
<農業科技決策資訊平台>
