ChatGPT-4 y OpenAI en la Agricultura: La IA Transforma la Gestión Agrícola

Aquí tienes la traducción al español, manteniendo los términos técnicos, números, unidades, URLs, formato markdown y nombres de marca, y utilizando términos agrícolas españoles:

Reglas: Conservar términos técnicos, números, unidades, URLs, formato markdown y nombres de marca. Usar términos agrícolas españoles: Agricultura, Agricultura de precisión

Introducción a los Modelos de Lenguaje de IA en la Agricultura

La pregunta que me hago: ¿Cómo se pueden utilizar los modelos de lenguaje de OpenAI y ChatGPT en la agricultura para ayudar y en general? En este artículo, elaboraré sobre:

¿Quieres probar cómo funciona ChatGPT y la agricultura? Después de un tiempo de reflexión, he decidido combinar la agricultura y un modelo de lenguaje grande, resultando en agri1.ai.

La Era de los Generalistas

Esta es una herramienta poderosa para los generalistas, ya que les ayuda a adquirir y comprender rápidamente nueva información, y a desarrollar rápidamente su comprensión de temas complejos. Además, los modelos de lenguaje, como ChatGPT, brindan a los generalistas la capacidad de aprender de manera más rápida y eficiente de la vasta cantidad de conocimiento e información en línea.

Esto es especialmente beneficioso para los agricultores, quienes a menudo necesitan estar bien informados sobre una amplia gama de temas, desde mecánica y finanzas, hasta biología y marketing y ventas. Utilizando modelos de lenguaje, como ChatGPT, los agricultores pueden aprender rápidamente nueva información de una manera más eficiente. Esto les permite adquirir conocimiento y comprensión de los temas que necesitan saber, lo cual es esencial en su trabajo diario. Por ejemplo, pueden usar ChatGPT para comprender rápidamente el funcionamiento complejo de la maquinaria, o para obtener rápidamente una comprensión del lado financiero de la agricultura.

La respuesta más obvia a eso será en unos años, sin duda: Pregúntame cualquier cosa. Los agricultores probablemente serán EL grupo que se beneficiará de la IA y la Robótica, ya que necesitan abordar una variedad de desafíos en diferentes tipos de biología, tecnología y negocios.

Estamos listos para mirar hacia el futuro ahora: OpenAI es una organización líder en investigación en el campo de la inteligencia artificial. Uno de sus logros más notables es el desarrollo de un modelo de lenguaje de vanguardia llamado GPT-3 (Generative Pretrained Transformer 3), que tiene la capacidad de generar texto similar al humano.

En el ámbito de la agricultura, GPT-3, también conocido como ChatGPT, tiene el potencial de revolucionar la industria al proporcionar a los agricultores información y asistencia valiosas. Aquí hay solo algunos ejemplos de cómo ChatGPT puede ser utilizado en la agricultura.

Cómo los modelos de lenguaje pueden ayudar en la agricultura

Aumentar la producción general de agricultores y profesionales de la agroindustria: ChatGPT puede simplificar y acelerar tareas mentales repetitivas, lo que lleva a un aumento de la eficiencia para los agricultores y resulta en un aumento general de la productividad. Con sus avanzadas capacidades de procesamiento de lenguaje, ChatGPT puede automatizar muchas tareas, liberando tiempo y permitiendo a los agricultores centrarse en aspectos más importantes de su trabajo. Ya sea optimizando el mantenimiento de registros, generando informes o asistiendo en la toma de decisiones, ChatGPT puede ayudar a los agricultores a ser más productivos y efectivos en su trabajo. Los profesionales de la agroindustria recibirán agradecidamente ayuda en tareas como la creación de contenido, plantillas de correo electrónico, optimización de correos electrónicos, materiales de capacitación, herramientas de inteligencia de autoservicio y más.

Proporcionar asesoramiento experto: ChatGPT puede ser entrenado con grandes cantidades de datos agrícolas, incluida información sobre las condiciones del suelo, patrones climáticos y control de plagas. Esto le permite proporcionar a los agricultores recomendaciones y consejos personalizados sobre cómo optimizar sus cultivos. ChatGPT puede ser entrenado para reconocer las condiciones específicas de suelo y clima de una granja en particular. Esto le permite ofrecer recomendaciones personalizadas sobre los cultivos más adecuados para esa granja, teniendo en cuenta factores como los niveles de nutrientes del suelo y los patrones climáticos locales.

Mejorar los rendimientos de los cultivos: ChatGPT puede ayudar a los agricultores a identificar los cultivos más adecuados para sus condiciones específicas de suelo y clima. Esto puede aumentar las posibilidades de cosechas exitosas y, en última instancia, mejorar el rendimiento.

Control de plagas: ChatGPT puede proporcionar a los agricultores información valiosa sobre cómo controlar plagas, como identificar los pesticidas más efectivos y ofrecer consejos sobre cómo aplicarlos. Esto puede ayudar a los agricultores a proteger sus cultivos y aumentar su rentabilidad. El control de plagas es un aspecto importante de la agricultura, ya que las plagas pueden causar daños significativos a los cultivos y reducir su rendimiento. Los modelos de lenguaje, como los proporcionados por OpenAI, tienen el potencial de revolucionar el control de plagas en la industria de la agricultura. Una de las formas clave en que los modelos pueden ayudar con el control de plagas es proporcionando a los agricultores información valiosa sobre los pesticidas más efectivos a utilizar. Esto puede incluir información sobre las plagas específicas contra las que los pesticidas son efectivos, así como cómo aplicar los pesticidas de la manera más efectiva. Herramientas como ChatGPT pueden proporcionar actualizaciones en tiempo real sobre la actividad de plagas en un área en particular. Esto puede permitir a los agricultores tomar medidas preventivas y proteger sus cultivos antes de que las plagas tengan la oportunidad de causar daños significativos. Además, ChatGPT puede proporcionar a los agricultores recomendaciones personalizadas sobre las mejores estrategias de control de plagas para sus cultivos y condiciones climáticas específicas. Esto puede ayudar a los agricultores a optimizar sus esfuerzos de control de plagas y, en última instancia, aumentar su productividad. Proporciona información y asistencia valiosas a los agricultores.

Análisis de datos y predicción: El modelo de lenguaje de inteligencia artificial desarrollado por OpenAI tiene el potencial de ayudar enormemente en el análisis de datos y la predicción en la agricultura. La herramienta puede procesar grandes cantidades de datos y hacer predicciones basadas en esa información. Para lograr esto, es esencial proporcionar al modelo conjuntos de datos adecuados y directrices claras sobre cómo interpretar esos datos. Esto permitirá al modelo de lenguaje de IA hacer predicciones precisas y proporcionar información valiosa a los agricultores. Sin embargo, si los datos son inadecuados o las reglas de interpretación no son claras, los resultados producidos por el modelo de lenguaje de IA pueden ser inexactos o poco fiables. Por lo tanto, es crucial asegurarse de que el modelo de lenguaje de IA se entrene con datos de alta calidad y relevantes, y que las reglas de interpretación estén bien definidas para garantizar que sus predicciones sean lo más precisas posible. Si una gran empresa agrícola tiene una API conectada a sus sistemas internos, los modelos de lenguaje podrían entrenarse con sus datos internos para mejorar sus capacidades.

Identificación de enfermedades: Al formar parte del análisis de datos mencionado anteriormente, ChatGPT puede entrenarse para reconocer los síntomas de diversas enfermedades de las plantas. Esto puede permitir a los agricultores identificar y tratar enfermedades antes de que se propaguen, reduciendo las pérdidas de cultivos y aumentando la productividad.

Aquí tienes la traducción al español, conservando los términos técnicos, números, unidades, URLs, formato markdown y nombres de marca, y utilizando términos agrícolas españoles:

(El enfoque potencialmente más interesante sería entrenar modelos de imagen para usar directamente fotografías y otros datos visuales, posiblemente combinándolos. Por ejemplo, he experimentado entrenando LOBE de Microsoft para predecir enfermedades de la vid, y los resultados fueron notables. Sin embargo, este tema merece una discusión separada en otro artículo de blog.)

No obstante, ChatGPT puede ser entrenado para reconocer los síntomas específicos de una enfermedad particular de una planta. Esto podría incluir señales visuales, como cambios en el color o la textura de la planta, así como cambios de comportamiento, como la tasa de crecimiento reducida de la planta o la disminución de la resistencia a las plagas. Una vez que se ha identificado una enfermedad de la planta, el modelo puede proporcionar a los agricultores recomendaciones personalizadas sobre las mejores opciones de tratamiento.

Esto podría incluir información sobre los pesticidas más efectivos u otros métodos para controlar la enfermedad, así como consejos sobre cómo aplicar el tratamiento de la manera más eficaz. Además, un modelo como ChatGPT puede proporcionar actualizaciones en tiempo real sobre la propagación de enfermedades en un área particular. Esto puede permitir a los agricultores tomar medidas preventivas y proteger sus cultivos antes de que la enfermedad tenga la oportunidad de causar daños significativos. En general, la integración de modelos de lenguaje en la identificación y el tratamiento de enfermedades de las plantas tiene el potencial de proporcionar información y asistencia valiosas a los agricultores. Esto puede ayudar a prevenir la propagación de enfermedades y, en última instancia, aumentar la productividad de la Agricultura.

Cualquier pregunta que surja en el contexto de una granja: Como usted sabrá, los agricultores son gerentes multitarea que necesitan saberlo todo y ser generalistas maximalistas.

Optimización de operaciones y reducción de costos: Con todas las opciones disponibles, es muy probable que ocurran reducciones de costos. Sin embargo, aún está por verse qué ejemplos específicos se materializarán y dónde los modelos de lenguaje pueden tener un impacto sustancial. Es por eso que examinaré algunos ejemplos de diciembre de 2022 a febrero de 2023 de los que tengo conocimiento más adelante.

Cómo GPT4 y su descripción de imágenes pueden ser útiles en Agricultura

La última versión de ChatGPT, GPT4, viene con capacidades avanzadas de descripción de imágenes que pueden ser particularmente útiles en el campo de la Agricultura. Con su capacidad para describir imágenes en lenguaje natural, ChatGPT 4.0 puede ser una herramienta poderosa para analizar la salud de los cultivos, identificar plagas y analizar imágenes detalladas de cultivos y campos.

El análisis de la salud de los cultivos es esencial para garantizar cultivos sanos y productivos. Al analizar imágenes de cultivos, ChatGPT 4.0 puede ayudar a los agricultores a identificar cualquier signo de estrés, como decoloración o marchitamiento, que pueda indicar un problema potencial. Esto puede permitir a los agricultores tomar medidas oportunas para abordar el problema y prevenir daños o pérdidas en los cultivos.

Aquí tienes la traducción al español, conservando los términos técnicos, números, unidades, URLs, formato markdown y nombres de marca, y utilizando términos agrícolas españoles:

El análisis de plagas también es crucial para mantener cultivos sanos. Al analizar imágenes de cultivos, GPT4 puede ayudar a identificar cualquier signo de infestación de plagas, como marcas de mordeduras o telarañas. Esto puede permitir a los agricultores tomar las medidas apropiadas para controlar las plagas y prevenir daños a sus cultivos.

Además de la imaginería detallada de los cultivos, GPT4 también puede analizar la imaginería de los campos para proporcionar una visión integral del paisaje agrícola. Al analizar imágenes de campos, ChatGPT 4.0 puede ayudar a identificar problemas potenciales como la erosión del suelo, el anegamiento o las deficiencias de nutrientes. Esto puede ayudar a los agricultores a tomar decisiones informadas sobre la rotación de cultivos, el riego y la fertilización.

En general, la tecnología como las capacidades de descripción de imágenes de GPT4 puede ser un punto de inflexión para la industria agrícola. Al proporcionar a los agricultores información detallada sobre la salud de los cultivos, el análisis de plagas y la imaginería de los campos, el modelo de lenguaje puede ayudarles a tomar decisiones más informadas y a tomar medidas oportunas que pueden mejorar los rendimientos de los cultivos y la rentabilidad.

Cómo autoGPT puede ayudar en la Agricultura y a los agricultores

Así que intenté usar autoGPT como asistente para ayudarme con temas agrícolas, específicamente para ayudar a encontrar subsidios. Un agente GPT autónomo que busca y raspa internet podría ser bastante útil. Así que llamé a este agente de IA "subsidyAI" y le pedí que encontrara algunos programas actuales interesantes. Si bien la IA logró acceder a los sitios web correctos para investigar, falló en la recopilación de la información correcta (y ni siquiera hablemos de la salida). Creo que autoGPT para la agricultura podría ser enorme, especialmente cuando se conecta con la detección de imágenes. autoGPT aquí vamos, démosnos 2-3 meses más y lo intentaré de nuevo. Lea a continuación lo que mi programa intentó hacer aquí.

El programa es un script de Python que utiliza la API de AutoGPT para automatizar ciertas tareas relacionadas con la investigación de subsidios agrícolas en la región de Poitou-Charentes en Francia. El programa comienza buscando y recopilando información sobre indicadores regionales y ambientales relevantes, como datos demográficos, laboratorios o mercados y estadísticas sociales. Luego, utiliza esta información para identificar posibles fuentes de subsidios agrícolas en la región, específicamente relacionadas con cultivos como manzanas, vides AOC cognac y alfalfa.

El programa también planea iniciar un agente GPT para ayudar a generar ideas sobre cómo calificar y utilizar estos subsidios agrícolas. Al agente se le proporciona un prompt claro y detallado para enfocar sus respuestas, y se espera que proporcione al menos cinco ideas diferentes sobre cómo un agricultor podría calificar para subsidios agrícolas en Francia, y cinco ideas diferentes sobre cómo hacer el mejor uso de estos subsidios.

Aquí tienes la traducción al español, manteniendo los términos técnicos, números, unidades, URLs, formato markdown y nombres de marca, y utilizando términos agrícolas españoles:

El programa busca entonces investigar cómo determinar el valor de las subvenciones y cómo los agricultores pueden solicitar las subvenciones para las que son elegibles en Poitou-Charentes. Planea realizar una búsqueda exhaustiva de sitios web relevantes de gobiernos y organizaciones, consultar con agricultores de la región y asesorarse con consejeros agrícolas para obtener información sobre el proceso de solicitud de estas subvenciones.

A lo largo de la ejecución del programa, se tiene en cuenta las posibles limitaciones de la información que recopila, y se tiene cuidado de verificar dos veces cualquier paso o recomendación sugerida por el agente GPT u otras fuentes. Bueno, esto no tuvo éxito.

Pero primero veamos qué es lo que los modelos de lenguaje no pueden hacer (por ahora):

Limitaciones: Incapacidad de ChatGPT para Abstraer y Comprender Relaciones de Causa y Efecto

Las tecnologías de IA y aprendizaje automático han proporcionado a los agricultores datos e información valiosos para, por ejemplo, optimizar los rendimientos de los cultivos. Sin embargo, las limitaciones de los modelos de lenguaje como ChatGPT se han vuelto cada vez más evidentes. Los modelos de lenguaje carecen de la capacidad de abstraer y comprender las relaciones de causa y efecto, lo que los convierte en un reemplazo insuficiente para la comprensión cognitiva de los agricultores experimentados.

Para tener éxito en la Agricultura, los agricultores deben tener una comprensión profunda de su entorno y la capacidad de adaptar sus prácticas basándose en condiciones en constante cambio: pensar de forma abstracta y tomar decisiones informadas basadas en información incompleta o incierta. Si bien la IA puede ayudar en estos procesos de toma de decisiones, no puede reemplazar las habilidades de pensamiento crítico y la experiencia de los agricultores. (Bueno, eso es algo obvio, al menos para mí).

Por lo tanto, es importante que los agricultores continúen confiando en su propio conocimiento cognitivo y experiencia, al mismo tiempo que utilizan las tecnologías de IA como una herramienta para mejorar su toma de decisiones y optimizar los resultados agrícolas. Se trata de encontrar el equilibrio adecuado entre los beneficios de las tecnologías de IA y el valor (por ahora) irremplazable de la comprensión e interacción humanas.

Ejemplos de cómo los agricultores y productores intentan usar chatGPT

• Después de observar, probar y leer sobre chatGPT y la Agricultura, decidí construir mi propia versión de GPT para Agricultura.

Hazme saber lo que piensas en twitter.com/agtecher_com o envía tus comentarios a feedback

Aquí tienes la traducción al español, conservando los términos técnicos, números, unidades, URLs, formato markdown y nombres de marca, y utilizando términos agrícolas españoles:

• Este proyecto paralelo, denominado Farmer GPT, utiliza ChatGPT y Whisper para brindar asistencia valiosa a los agricultores en la India. Les ayuda a mejorar las prácticas agrícolas, el rendimiento y la rentabilidad al proporcionar información meteorológica en tiempo real, recomendaciones personalizadas de cultivos y comunicación entre pares con expertos y otros agricultores. Este tipo de asistente de IA tiene el potencial de reemplazar a los agrónomos, revolucionando las prácticas agrícolas en la India al aprovechar el poder de la IA y la mensajería segura para ayudar a los agricultores a tener éxito en una industria competitiva.

El "Farmer GPT" tiene un inconveniente, ya que actualmente proporciona resultados similares al GPT estándar sin ningún modelo de ajuste fino ni base de datos conectada. Además, los usuarios pueden recibir respuestas fuera de tema, como una respuesta a una pregunta como "cómo hornear una patata", aunque no esté relacionada con la agricultura.

• Estimación de rendimiento y el caso del mango: Vishnu Sankar preguntó el 11 de febrero: Obtuve respuestas variables sobre el potencial de rendimiento genético del mango y la brecha de rendimiento respecto al real. Así que lo consulté con ChatGPT. Mangos #CultivoDeMangos #UHDP #Agricultura #Frutas #Huerto El modelo de lenguaje predice que un árbol de mango puede producir entre 50 y 300 mangos por año por árbol, con árboles de alto rendimiento que pueden producir hasta 1.000 mangos por árbol por año.

• Otro buen ejemplo que encontré es sobre agricultura regenerativa en viñedos: wine thinker aka post.news/robertjoseph @robertjoseph escribe el 5 de febrero de 2023: "¿Cuántos de ustedes conocen el uso de plumas de pollo en viticultura? @SpierWineFarm las utiliza y #ChatGPT explica algunas razones por las que". Le pedí que escribiera un ensayo sobre el papel de las plumas de pollo en la agricultura regenerativa. He preguntado a Spier Wine Farm vía twitter si el ensayo es más o menos preciso, así que veremos qué pasa.

• Educación agrícola: Un ejemplo muy específico de un profesor de agricultura, Cassie Joiner @Cass_Joiner, quien escribió el 1 de febrero de 2023: "La primera tarea que le di a ChatGPT fue escribir un plan de lección para lo que estoy enseñando mañana, 'Genética en la Agricultura', y mi vida como profesor ha cambiado para siempre".

Control de plagas en tomates, tanto en pregunta como en texto y código Python para detección de imágenes: Otra pregunta muy específica en el campo de la Agricultura de precisión para evitar el oídio en tomates: Shailendra singh @srj0408 escribe el 10 de diciembre de 2022: Probé ChatGPT hoy con preguntas sobre #agritech y los resultados fueron asombrosos. #agricultura #chatgpt3 #ChatGPT #OpenAI #OpenAIChatGPT #startup

El usuario estaba probando ChatGPT como soporte de codificación (codificar en Python con ChatGPT funciona de manera impresionante, aunque no fue entrenado para ello) para implementar un modelo de máquina de vectores de soporte SVM en Python para el análisis de imágenes de hojas de plantas.

Para evitar el oídio en plantas de tomate, puede tomar las siguientes medidas:

1. Plante variedades resistentes: Algunas variedades de plantas de tomate son más resistentes al oídio "que otras. Elija una variedad que se sepa que tiene buena resistencia a la enfermedad, como 'Mountain Magic' o 'Legend'".
2. Proporcione buena circulación de aire: El oídio prospera en aire húmedo y estancado. Para prevenir la "enfermedad, asegúrese de que sus plantas de tomate tengan suficiente espacio entre ellas, y proporcione buena circulación de aire alrededor de las plantas podándolas regularmente y evitando el riego excesivo".
3. Evite el riego por aspersión: Regar sus plantas de tomate desde arriba puede hacer que las hojas se humedezcan, lo que crea un ambiente favorable para el crecimiento del oídio. "En su lugar, riegue las plantas en la base del tallo, o utilice un sistema de riego por goteo.
4. Utilice un fungicida a base de azufre: Si sus plantas de tomate desarrollan oídio, puede utilizar un fungicida a base de azufre para tratar la enfermedad. Aplique el fungicida según las instrucciones de la etiqueta, y repita la aplicación a intervalos regulares para evitar que la enfermedad se propague.
5. Practique la rotación de cultivos: El oídio...

Reglas: Conservar términos técnicos, números, unidades, URLs, formato markdown y nombres de marcas. Utilizar términos agrícolas en español: Agricultura, Agricultura de precisión.

• No es un ejemplo específico, pero es interesante que fuera planteado por el especialista en invernaderos y datos John Beauford: Cómo ChatGPT puede impactar la industria de la horticultura: ChatGPT puede ser de gran ayuda para los horticultores al proporcionar un sistema tecnológico avanzado e integrado para sus invernaderos.

Al integrarse con el software ERP del agricultor, sensores, pronósticos meteorológicos y análisis de ventas, este modelo de lenguaje puede ayudar a los agricultores a comprender mejor su operación, crear y ejecutar mejores planes, optimizar las ganancias y mejorar el rendimiento de reposición. Puede automatizar tareas repetitivas y análisis de datos complejos, liberando tiempo para tareas más importantes. Esta tecnología será una parte clave de la próxima ola de automatización empresarial para los agricultores y tiene aplicaciones potenciales para el diagnóstico de cultivos en tiempo real y el análisis de costos. La integración de un modelo de lenguaje con los datos y sistemas específicos de la operación de un agricultor puede proporcionar una interfaz más humana a su negocio de invernadero, facilitando a los agricultores el acceso y análisis de información crítica.

Esta es una pregunta real que tuve en el verano de 2022, y la probé contra el chatGPT de OpenAI:

Pregunta: "Tengo 1,5 hectáreas de viñedo cerca de Burdeos y necesito instalar riego, ¿qué necesito en cuanto a equipo y qué tipo de PSI se necesita para cubrir 1,5 hectáreas?"

Respuesta de OpenAI: "Instalar riego en un viñedo es un paso importante para garantizar la salud y la productividad de las vides. El equipo específico que necesitará dependerá de varios factores, incluido el tamaño de su viñedo, el tipo de sistema de riego que elija y su presupuesto.

En general, un viñedo de 1,5 hectáreas requerirá un sistema de riego bastante grande. Esto probablemente incluirá una línea principal de suministro de agua, así como una red de líneas laterales y aspersores o emisores de goteo para distribuir el agua por todo el viñedo. También puede que necesite instalar una bomba para aumentar la presión del agua y garantizar una cobertura adecuada.

En cuanto a la presión del agua, un viñedo típico requerirá una presión de al menos 40 PSI (libras por pulgada cuadrada) para garantizar una cobertura adecuada. Sin embargo, esto puede variar dependiendo de factores como el tipo de sistema de riego y la distribución del viñedo. Es mejor consultar con un especialista en riego para determinar los requisitos específicos de presión de agua para su viñedo."

En conclusión, la instalación de riego en un viñedo de 1.5 hectáreas requerirá un sistema bastante grande y complejo. Necesitará una línea principal de suministro de agua, una red de líneas laterales y aspersores o emisores de goteo, y posiblemente una bomba para aumentar la presión del agua. El equipo específico que necesite dependerá de factores como la disposición del viñedo y su presupuesto. Es mejor consultar con un especialista en riego para determinar el equipo exacto y los requisitos de presión de agua para su viñedo.

---

---

Reglas: Conservar términos técnicos, números, unidades, URLs, formato markdown y nombres de marcas. Usar términos agrícolas españoles: Agricultura, Agricultura de precisión.

• Modelos de lenguaje de IA en el soporte de decisiones agrícolas (2023) - Investigación sobre la efectividad de los modelos de lenguaje de IA para aplicaciones en la Agricultura.
• AgFunder (2023) - Tendencias de inversión en IA y tecnología agrícola.
• @agtecher_com en Twitter (2023)
• Cassie Joiner en Twitter (2023) - Educación agrícola y planificación de lecciones con ChatGPT.
• Robert Joseph en Twitter (2023) - Agricultura regenerativa en viñedos.
• Shailendra Singh en Twitter (2022) - Control de plagas de tomate y detección de imágenes.
• John Deere (2023) - Aplicaciones comerciales de IA en equipos y sistemas de Agricultura de precisión modernos.
• Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO) (2023) - Perspectiva global sobre IA y herramientas digitales en la Agricultura.
• Greenhousegrower (2023) - Cómo ChatGPT impacta la industria hortícola.
• Microsoft Research (2023) - Plataforma de inteligencia agrícola impulsada por IA que utiliza modelos de lenguaje.
• IBM Watson Decision Platform for Agriculture (2023) - Soluciones de IA y machine learning para la toma de decisiones agrícolas.
• Modelos de Lenguaje Grandes para la Gestión del Conocimiento Agrícola (2023) - Análisis académico de las aplicaciones de LLM en sistemas de conocimiento agrícola.
• OpenAI GPT-4 Technical Report (2023) - Documentación oficial de las capacidades y aplicaciones de GPT-4.