ChatGPT-4 & OpenAI dans l'Agriculture : L'IA Transforme la Gestion Agricole

Introduction aux modèles linguistiques d'IA dans l'Agriculture

La question que je me pose : Comment les modèles linguistiques d'OpenAI et de ChatGPT peuvent-ils être utilisés dans l'Agriculture pour aider en général ? Dans cet article, j'expliquerai :

Voulez-vous tester comment ChatGPT et l'Agriculture fonctionnent ? Après un certain temps de réflexion, j'ai décidé de combiner l'Agriculture et un grand modèle linguistique, ce qui a abouti à agri1.ai.

L'ère des généralistes

C'est un outil puissant pour les généralistes, car il les aide à acquérir et à comprendre rapidement de nouvelles informations, et à développer rapidement leur compréhension de sujets complexes. De plus, les modèles linguistiques, tels que ChatGPT, offrent aux généralistes la capacité d'apprendre plus rapidement et plus efficacement à partir de la vaste quantité de connaissances et d'informations disponibles en ligne.

Ceci est particulièrement bénéfique pour les agriculteurs, qui ont souvent besoin d'être bien informés sur un large éventail de sujets, de la mécanique et des finances, à la biologie et au marketing et aux ventes. En utilisant des modèles linguistiques, tels que ChatGPT, les agriculteurs peuvent rapidement acquérir de nouvelles informations de manière plus efficace. Cela leur permet d'acquérir des connaissances et une compréhension des sujets qu'ils doivent connaître, ce qui est essentiel dans leur travail quotidien. Par exemple, ils peuvent utiliser ChatGPT pour comprendre rapidement le fonctionnement complexe des machines, ou pour acquérir rapidement une compréhension de l'aspect financier de l'Agriculture.

La réponse la plus évidente sera dans quelques années, c'est sûr : Demandez-moi n'importe quoi. Les agriculteurs seront probablement LE groupe qui bénéficiera de l'IA et de la Robotique, car ils doivent relever une variété de défis dans différents types de biologie, de technologie et d'affaires.

Nous sommes prêts à regarder vers l'avenir maintenant : OpenAI est une organisation de recherche de premier plan dans le domaine de l'intelligence artificielle. L'une de leurs réalisations les plus notables est le développement d'un modèle linguistique de pointe appelé GPT-3 (Generative Pretrained Transformer 3), qui a la capacité de générer du texte semblable à celui produit par un humain.

Dans le domaine de l'Agriculture, GPT-3, également connu sous le nom de ChatGPT, a le potentiel de révolutionner l'industrie en fournissant aux agriculteurs des informations et une assistance précieuses. Voici quelques exemples de la manière dont ChatGPT peut être utilisé dans l'Agriculture.

Comment les modèles linguistiques peuvent aider dans l'Agriculture

Augmenter la production générale des agriculteurs et des professionnels de l'agroalimentaire : ChatGPT peut simplifier et accélérer les tâches mentales répétitives, conduisant à une efficacité accrue pour les agriculteurs et résultant en une augmentation globale de la productivité. Grâce à ses capacités avancées de traitement du langage, ChatGPT peut automatiser de nombreuses tâches, libérant ainsi du temps et permettant aux agriculteurs de se concentrer sur les aspects les plus importants de leur travail. Qu'il s'agisse de rationaliser la tenue des registres, de générer des rapports ou d'aider à la prise de décision, ChatGPT peut aider les agriculteurs à être plus productifs et efficaces dans leur travail. Les professionnels de l'agroalimentaire recevront volontiers de l'aide pour des tâches telles que la création de contenu, les modèles d'e-mails, la rationalisation des e-mails, le matériel de formation, les outils d'intelligence en libre-service, et plus encore.

Fournir des conseils d'expert : ChatGPT peut être entraîné sur de vastes quantités de données agricoles, y compris des informations sur les conditions du sol, les modèles météorologiques et la lutte contre les ravageurs. Cela lui permet de fournir aux agriculteurs des recommandations et des conseils personnalisés sur la manière d'optimiser leurs cultures. ChatGPT peut être entraîné pour reconnaître les conditions spécifiques du sol et du climat d'une ferme particulière. Cela lui permet de fournir des recommandations sur mesure sur les cultures les plus adaptées à cette ferme, en tenant compte de facteurs tels que les niveaux de nutriments du sol et les modèles météorologiques locaux.

Améliorer les rendements des cultures : ChatGPT peut aider les agriculteurs à identifier les cultures les plus adaptées à leurs conditions spécifiques de sol et de climat. Cela peut augmenter les chances de récoltes réussies et, à terme, améliorer le rendement.

Lutte contre les ravageurs : ChatGPT peut fournir aux agriculteurs des informations précieuses sur la manière de lutter contre les ravageurs, par exemple en identifiant les pesticides les plus efficaces et en donnant des conseils sur leur application. Cela peut aider les agriculteurs à protéger leurs cultures et à augmenter leur rentabilité. La lutte contre les ravageurs est un aspect important de l'Agriculture, car les ravageurs peuvent causer des dommages importants aux cultures et réduire leur rendement. Les modèles linguistiques, tels que ceux fournis par OpenAI, ont le potentiel de révolutionner la lutte contre les ravageurs dans le secteur de l'Agriculture. L'une des principales façons dont les modèles peuvent aider à la lutte contre les ravageurs est de fournir aux agriculteurs des informations précieuses sur les pesticides les plus efficaces à utiliser.

Cela peut inclure des informations sur les ravageurs spécifiques contre lesquels les pesticides sont efficaces, ainsi que sur la manière de les appliquer de la manière la plus efficace. Des outils comme ChatGPT peuvent fournir des mises à jour en temps réel sur l'activité des ravageurs dans une zone particulière. Cela peut permettre aux agriculteurs de prendre des mesures préventives et de protéger leurs cultures avant que les ravageurs n'aient la possibilité de causer des dommages importants.

De plus, ChatGPT peut fournir aux agriculteurs des recommandations personnalisées sur les meilleures stratégies de lutte contre les ravageurs pour leurs cultures spécifiques et leurs conditions climatiques. Cela peut aider les agriculteurs à optimiser leurs efforts de lutte contre les ravageurs et, à terme, à augmenter leur productivité. fournir des informations et une assistance précieuses aux agriculteurs.

Analyse et prédiction des données : Le modèle linguistique d'intelligence artificielle développé par OpenAI a le potentiel d'aider considérablement à l'analyse et à la prédiction des données dans l'Agriculture. L'outil peut traiter de grandes quantités de données et faire des prédictions basées sur ces informations. Pour ce faire, il est essentiel de fournir au modèle des ensembles de données adéquats et des directives claires sur la manière d'interpréter ces données. Cela permettra au modèle linguistique d'IA de faire des prédictions précises et de fournir des informations précieuses aux agriculteurs. Cependant, si les données sont inadéquates ou si les règles d'interprétation ne sont pas claires, les résultats produits par le modèle linguistique d'IA peuvent être inexacts ou peu fiables. Par conséquent, il est crucial de s'assurer que le modèle linguistique d'IA est entraîné sur des données pertinentes et de haute qualité et que les règles d'interprétation sont bien définies pour garantir que ses prédictions soient aussi précises que possible. Si une grande entreprise agroalimentaire dispose d'une API connectée à ses systèmes internes, les modèles linguistiques pourraient être entraînés sur leurs données internes pour améliorer leurs capacités.

Identification des maladies : En tant que partie de l'analyse de données mentionnée ci-dessus, ChatGPT peut être entraîné à reconnaître les symptômes de diverses maladies des plantes. Cela peut permettre aux agriculteurs d'identifier et de traiter les maladies avant qu'elles ne se propagent, réduisant ainsi les pertes de récoltes et augmentant la productivité.

L'approche potentiellement plus intéressante serait d'entraîner des modèles d'images à utiliser directement des photographies et d'autres données visuelles, éventuellement en les combinant. Par exemple, j'ai expérimenté l'entraînement de LOBE de Microsoft pour prédire les maladies de la vigne, et les résultats ont été remarquables. Cependant, ce sujet mérite une discussion distincte dans un autre article de blog.

Néanmoins, ChatGPT peut être entraîné à reconnaître les symptômes spécifiques d'une maladie végétale particulière. Cela pourrait inclure des indices visuels, tels que des changements de couleur ou de texture de la plante, ainsi que des changements comportementaux, tels que la réduction du taux de croissance de la plante ou une résistance diminuée aux ravageurs. Une fois qu'une maladie végétale a été identifiée, le modèle peut fournir aux agriculteurs des recommandations personnalisées sur les meilleures options de traitement.

Cela pourrait inclure des informations sur les pesticides les plus efficaces ou d'autres méthodes pour contrôler la maladie, ainsi que des conseils sur la manière d'appliquer le traitement de la manière la plus efficace. De plus, un modèle comme ChatGPT peut fournir des mises à jour en temps réel sur la propagation des maladies dans une zone particulière. Cela peut permettre aux agriculteurs de prendre des mesures préventives et de protéger leurs cultures avant que la maladie n'ait la possibilité de causer des dommages importants. Dans l'ensemble, l'intégration des modèles linguistiques dans l'identification et le traitement des maladies végétales a le potentiel de fournir des informations et une assistance précieuses aux agriculteurs. Cela peut aider à prévenir la propagation des maladies et, à terme, à augmenter la productivité de l'Agriculture.

Toute question qui se pose dans le contexte d'une exploitation agricole : Comme vous le savez peut-être, les agriculteurs sont des gestionnaires aux multiples talents qui doivent tout savoir et être des généralistes maximalistes.

Optimisation des opérations et réduction des coûts : Avec toutes les options disponibles, il est très probable que des réductions de coûts se produisent. Cependant, il reste à voir quels exemples spécifiques se concrétiseront et où les modèles linguistiques pourront avoir un impact substantiel. C'est pourquoi j'examinerai plus loin certains exemples de décembre 2022 à février 2023 dont j'ai connaissance.

Comment GPT4 et sa description d'images peuvent être utiles en Agriculture

La dernière version de ChatGPT, GPT4, est dotée de capacités avancées de description d'images qui peuvent être particulièrement utiles dans le domaine de l'Agriculture. Grâce à sa capacité à décrire des images en langage naturel, ChatGPT 4.0 peut être un outil puissant pour analyser la santé des cultures, identifier les ravageurs et analyser des images détaillées des cultures et des champs.

L'analyse de la santé des cultures est essentielle pour garantir des cultures saines et productives. En analysant des images de cultures, ChatGPT 4.0 peut aider les agriculteurs à identifier tout signe de détresse, tel qu'une décoloration ou un flétrissement, qui pourrait indiquer un problème potentiel. Cela peut permettre aux agriculteurs d'agir rapidement pour résoudre le problème et prévenir les dommages ou les pertes de récoltes.

L'analyse des ravageurs est également cruciale pour maintenir des cultures saines. En analysant des images de cultures, GPT4 peut aider à identifier tout signe d'infestation par des ravageurs, tels que des marques de morsure ou des toiles. Cela peut permettre aux agriculteurs de prendre les mesures appropriées pour contrôler les ravageurs et prévenir les dommages à leurs cultures.

En plus de l'imagerie détaillée des cultures, GPT4 peut également analyser l'imagerie des champs pour fournir une vue complète du paysage agricole. En analysant des images de champs, ChatGPT 4.0 peut aider à identifier des problèmes potentiels tels que l'érosion des sols, le ruissellement ou les carences en nutriments. Cela peut aider les agriculteurs à prendre des décisions éclairées concernant la rotation des cultures, l'irrigation et la fertilisation.

Dans l'ensemble, la technologie telle que les capacités de description d'images de GPT4 peut changer la donne pour l'industrie agricole. En fournissant aux agriculteurs des informations détaillées sur la santé des cultures, l'analyse des ravageurs et l'imagerie des champs, le modèle linguistique peut les aider à prendre des décisions plus éclairées et à prendre des mesures opportunes qui peuvent améliorer les rendements des cultures et la rentabilité.

Comment autoGPT peut aider dans l'agriculture et les agriculteurs

J'ai donc essayé d'utiliser autoGPT comme assistant pour m'aider sur des sujets agricoles, notamment pour trouver des subventions. Un agent GPT autonome qui recherche et extrait des informations sur Internet pourrait être très utile. J'ai donc appelé cet agent IA "subsidyAI" et lui ai demandé de trouver des programmes intéressants en cours. Bien que l'IA ait réussi à accéder aux bons sites Web pour la recherche, elle n'a pas réussi à collecter les bonnes informations (et ne parlons même pas de la sortie). Je pense qu'autoGPT pour l'agriculture pourrait devenir énorme, surtout lorsqu'il est connecté à la détection d'images. autoGPT, nous voilà, donnons-nous 2-3 mois de plus et j'essaierai à nouveau. Lisez ci-dessous ce que mon programme a essayé de faire ici.

Le programme est un script Python qui utilise l'API AutoGPT pour automatiser certaines tâches liées à l'enquête sur les subventions agricoles dans la région Poitou-Charentes en France. Le programme commence par rechercher et collecter des informations sur les indicateurs régionaux et environnementaux pertinents, tels que les données démographiques, les laboratoires ou les marchés et les statistiques sociales. Il utilise ensuite ces informations pour identifier les sources potentielles de subventions agricoles dans la région, spécifiquement liées à des cultures telles que les pommes, les vignes AOC cognac et la luzerne.

Le programme prévoit également de lancer un agent GPT pour aider à générer des idées sur la façon de se qualifier et d'utiliser ces subventions agricoles. L'agent reçoit une consigne claire et détaillée pour concentrer ses réponses, et devrait fournir au moins cinq idées différentes sur la façon dont un agriculteur pourrait se qualifier pour des subventions agricoles en France, et cinq idées différentes sur la façon de tirer le meilleur parti de ces subventions.

Le programme vise ensuite à rechercher comment déterminer la valeur des subventions et comment les agriculteurs peuvent demander les subventions auxquelles ils sont éligibles dans le Poitou-Charentes. Il prévoit de mener une recherche approfondie sur les sites web pertinents des gouvernements et des organisations, de consulter les agriculteurs de la région et de s'entretenir avec des conseillers agricoles pour obtenir des informations sur le processus de demande de ces subventions.

Tout au long de l'exécution du programme, il est conscient des limites potentielles des informations qu'il collecte et prend soin de vérifier deux fois toutes les étapes ou recommandations suggérées par l'agent GPT ou d'autres sources. Eh bien, cela n'a pas été un succès.

Mais regardons d'abord ce que les modèles linguistiques ne peuvent pas faire (pour l'instant) :

Limites : Incapacité de ChatGPT à abstraire et à comprendre les relations de cause à effet

Les technologies d'IA et d'apprentissage automatique ont fourni aux agriculteurs des données et des informations précieuses pour, par exemple, optimiser les rendements des cultures. Cependant, les limites des modèles linguistiques tels que ChatGPT sont devenues de plus en plus évidentes. Les modèles linguistiques manquent de la capacité d'abstraire et de comprendre les relations de cause à effet, ce qui en fait un substitut insuffisant à la compréhension cognitive des agriculteurs expérimentés.

Pour réussir en Agriculture, les agriculteurs doivent avoir une compréhension approfondie de leur environnement et la capacité d'adapter leurs pratiques en fonction des conditions en constante évolution : Penser de manière abstraite et prendre des décisions éclairées basées sur des informations incomplètes ou incertaines. Bien que l'IA puisse aider dans ces processus de prise de décision, elle ne peut pas remplacer les compétences de pensée critique et l'expérience des agriculteurs. (Eh bien, c'est assez évident, du moins pour moi.)

Par conséquent, il est important que les agriculteurs continuent de s'appuyer sur leurs propres connaissances cognitives et leur expertise, tout en utilisant les technologies d'IA comme un outil pour améliorer leur prise de décision et optimiser les résultats agricoles. Il s'agit de trouver le bon équilibre entre les avantages des technologies d'IA et la valeur (pour l'instant) irremplaçable de la compréhension et de l'interaction humaines.

Exemples de la manière dont les agriculteurs et les producteurs essaient d'utiliser chatGPT

• Après avoir observé, testé et lu sur chatGPT et l'agriculture, j'ai décidé de construire ma propre version GPT de l'Agriculture.

Faites-moi savoir ce que vous en pensez sur twitter.com/agtecher_com ou envoyez vos commentaires à feedback

Ce projet parallèle, baptisé Farmer GPT, utilise ChatGPT et Whisper pour fournir une assistance précieuse aux agriculteurs en Inde. Il les aide à améliorer leurs pratiques agricoles, leurs rendements et leur rentabilité en fournissant des informations météorologiques en temps réel, des recommandations personnalisées sur les cultures et une communication pair-à-pair avec des experts et d'autres agriculteurs. Ce type d'assistant IA a le potentiel de remplacer les agronomes et de révolutionner les pratiques agricoles en Inde en exploitant la puissance de l'IA et de la messagerie sécurisée pour aider les agriculteurs à réussir dans une industrie compétitive.

Le "Farmer GPT" présente un inconvénient car il fournit actuellement des résultats similaires à ceux du GPT standard, sans aucun modèle de réglage fin ni base de données connectée. De plus, les utilisateurs peuvent recevoir des réponses hors sujet, comme une réponse à une question telle que "comment cuire une pomme de terre", même si cela n'est pas lié à l'agriculture.

• Estimation des rendements et le cas de la mangue : Vishnu Sankar a demandé le 11 février : J'ai obtenu des réponses variables sur le potentiel de rendement génétique de la mangue et l'écart de rendement par rapport à la réalité. J'ai donc vérifié avec ChatGPT. Mangues #Culture de la mangue #UHDP #Agriculture #Fruits #Orchard Le modèle linguistique prédit qu'un manguier peut produire entre 50 et 300 mangues par an et par arbre, avec des arbres à haut rendement pouvant produire jusqu'à 1 000 mangues par arbre et par an.

• Un autre bon exemple que j'ai trouvé concerne l'agriculture régénérative dans les vignobles : wine thinker aka post.news/robertjoseph @robertjoseph écrit le 5 février 2023 : « Combien d'entre vous connaissent l'utilisation de plumes de poulet en viticulture ? @SpierWineFarm les utilise et #ChatGPT explique certaines raisons pour lesquelles. » Je lui ai demandé d'écrire un essai sur le rôle des plumes de poulet dans l'agriculture régénérative. J'ai demandé à Spier Wine Farm via Twitter si l'essai était plus ou moins exact, alors nous verrons bien.

• Éducation agricole : Un exemple très spécifique donné par un professeur d'agriculture, Cassie Joiner @Cass_Joiner, qui a écrit le 1er février 2023 : "La première tâche que j'ai confiée à ChatGPT a été d'écrire un plan de leçon pour ce que j'enseigne demain, 'La génétique en agriculture', et ma vie d'enseignante a changé à jamais."

Contrôle des maladies des tomates, à la fois sous forme de question textuelle et de code Python pour la détection d'images : Une autre question très spécifique dans le domaine de la lutte contre l'oïdium sur les tomates : Shailendra singh @srj0408 écrit le 10 déc. 2022 : J'ai essayé ChatGPT aujourd'hui avec des questions sur le #agritech et les résultats étaient géniaux. #agriculture #chatgpt3 #ChatGPT #OpenAI #OpenAIChatGPT #startup

L'utilisateur testait chatGPT comme support de codage (le codage Python avec chatGPT fonctionne déjà de manière impressionnante, même s'il n'a pas été entraîné pour cela) pour implémenter un modèle de machine à vecteurs de support (SVM) en Python pour l'analyse d'images de feuilles de plantes.

Pour éviter l'oïdium sur les plants de tomates, vous pouvez suivre les étapes suivantes :

1. Planter des variétés résistantes : Certaines variétés de plants de tomates sont plus résistantes à l'oïdium que d'autres. Choisissez une variété connue pour sa bonne résistance à la maladie, comme 'Mountain Magic' ou 'Legend'.
2. Assurer une bonne circulation de l'air : L'oïdium prospère dans l'air humide et stagnant. Pour prévenir la maladie, assurez-vous que vos plants de tomates ont suffisamment d'espace entre eux, et assurez une bonne circulation de l'air autour des plants en les taillant régulièrement et en évitant l'arrosage excessif.
3. Éviter l'arrosage par aspersion : L'arrosage de vos plants de tomates par le dessus peut rendre les feuilles humides, ce qui crée un environnement favorable au développement de l'oïdium. Arrosez plutôt les plants à la base de la tige, ou utilisez un système d'irrigation goutte à goutte.
4. Utiliser un fongicide à base de soufre : Si vos plants de tomates développent de l'oïdium, vous pouvez utiliser un fongicide à base de soufre pour traiter la maladie. Appliquez le fongicide selon les instructions figurant sur l'étiquette, et répétez l'application à intervalles réguliers pour empêcher la propagation de la maladie.
5. Pratiquer la rotation des cultures : L'oïdium...

Pas un exemple spécifique, mais il est intéressant que ce soit soulevé par John Beauford, spécialiste des serres et des données : Comment ChatGPT pourrait impacter l'industrie de l'horticulture : ChatGPT peut être d'une grande aide pour les producteurs en horticulture en fournissant un système technologique avancé et intégré pour leurs serres.

En s'intégrant aux logiciels ERP des producteurs, aux capteurs, aux prévisions météorologiques et aux analyses de ventes, ce modèle linguistique peut aider les producteurs à mieux comprendre leur exploitation, à créer et exécuter de meilleurs plans, à optimiser leurs profits et à améliorer leurs performances de réapprovisionnement. Il peut automatiser les tâches répétitives et l'analyse de données complexes, libérant ainsi du temps pour des tâches plus importantes. Cette technologie sera un élément clé de la prochaine vague d'automatisation des entreprises pour les producteurs et a des applications potentielles pour le diagnostic des cultures en temps réel et l'analyse des coûts. L'intégration d'un modèle linguistique avec les données et les systèmes spécifiques à l'exploitation d'un producteur peut fournir une interface plus humaine à leur entreprise de serre, facilitant ainsi l'accès et l'analyse des informations critiques par les producteurs.

C'est une question que je me suis réellement posée à l'été 2022, et je l'ai testée avec le ChatGPT d'OpenAI :

Question : "J'ai 1,5 hectare de vignoble près de Bordeaux et j'ai besoin d'installer une irrigation, de quel équipement ai-je besoin et quel type de PSI est nécessaire pour couvrir 1,5 hectare ?"

Réponse d'OpenAI : "L'installation d'une irrigation dans un vignoble est une étape importante pour assurer la santé et la productivité des vignes. L'équipement spécifique dont vous aurez besoin dépendra d'un certain nombre de facteurs, notamment la taille de votre vignoble, le type de système d'irrigation que vous choisissez et votre budget.

En général, un vignoble de 1,5 hectare nécessitera un système d'irrigation assez important. Cela comprendra probablement une conduite d'eau principale, ainsi qu'un réseau de conduites latérales et d'asperseurs ou d'émetteurs goutte-à-goutte pour distribuer l'eau dans tout le vignoble. Vous pourriez également avoir besoin d'installer une pompe pour augmenter la pression de l'eau et assurer une couverture adéquate.

Quant à la pression de l'eau, un vignoble typique nécessitera une pression d'au moins 40 PSI (livres par pouce carré) pour assurer une couverture adéquate. Cependant, cela peut varier en fonction de facteurs tels que le type de système d'irrigation et la configuration du vignoble. Il est préférable de consulter un spécialiste de l'irrigation pour déterminer les exigences spécifiques de pression d'eau pour votre vignoble."

En conclusion, l'installation d'un système d'irrigation dans un vignoble de 1,5 hectare nécessitera un système assez important et complexe. Vous aurez besoin d'une conduite d'eau principale, d'un réseau de conduites latérales et d'asperseurs ou de goutteurs, et éventuellement d'une pompe pour augmenter la pression de l'eau. L'équipement spécifique dont vous aurez besoin dépendra de facteurs tels que la configuration du vignoble et votre budget. Il est préférable de consulter un spécialiste de l'irrigation pour déterminer l'équipement exact et les exigences de pression d'eau pour votre vignoble.

---

Foire Aux Questions

---

• Modèles linguistiques d'IA dans le soutien à la décision agricole (2023) - Recherche sur l'efficacité des modèles linguistiques d'IA pour les applications agricoles.
• AgFunder (2023) - Tendances d'investissement dans l'IA et la technologie agricole.
• @agtecher_com sur Twitter (2023)
• Cassie Joiner sur Twitter (2023) - Éducation agricole et planification de leçons avec ChatGPT.
• Robert Joseph sur Twitter (2023) - Agriculture régénérative dans les vignobles.
• Shailendra Singh sur Twitter (2022) - Lutte contre les ravageurs des tomates et détection d'images.
• John Deere (2023) - Applications commerciales d'IA dans les équipements et systèmes d'agriculture de précision modernes.
• Organisation des Nations Unies pour l'alimentation et l'agriculture (2023) - Perspective mondiale sur l'IA et les outils numériques dans l'agriculture.
• Greenhousegrower (2023) - Comment ChatGPT impacte l'industrie horticole.
• Microsoft Research (2023) - Plateforme d'intelligence agricole basée sur l'IA utilisant des modèles linguistiques.
• IBM Watson Decision Platform for Agriculture (2023) - Solutions d'IA et d'apprentissage automatique pour la prise de décision agricole.
• Grands modèles linguistiques pour la gestion des connaissances agricoles (2023) - Analyse académique des applications des LLM dans les systèmes de connaissances agricoles.
• OpenAI GPT-4 Technical Report (2023) - Documentation officielle sur les capacités et applications de GPT-4.