Så vi ser för närvarande ett Hudson-River-moment för AI 2022, främst drivet av applikationer som Midjourney och Dalle-2 inom bildgenerering, och OpenAI:s ChatGPT inom naturlig språkbehandling. Precis som i många andra branscher har språkmodeller som ChatGPT potential att leda till en hel del förändringar inom jordbruksindustrin och öppna upp för nya möjligheter, företag och jobbutsikter.
Frågan jag ställer mig själv: Hur kan OpenAI och ChatGPT språkmodeller användas inom jordbruket för att hjälpa och i allmänhet? I den här artikeln kommer jag att gå närmare in på:
1. Generalisternas tidsålder
2. Hur språkmodeller kan hjälpa till inom jordbruket
3. Hur GPT4 och bildbeskrivning kan bidra till jordbruket
4. Hur autoGPT kommer att hjälpa jordbruket: Kombinera AI-agenter med webben
5. Begränsningar: Oförmåga att abstrahera och förstå samband mellan orsak och verkan
6. Faktiska exempel på hur lantbrukare försöker använda chatGPT
Vill du testa hur chatgpt och jordbruk fungerar? Efter en tids övervägande har jag beslutat att kombinera jordbruk och en stor språkmodell, vilket resulterar i agri1.ai.
Generalisternas tidsålder
Detta är ett kraftfullt verktyg för generalister, eftersom det hjälper dem att snabbt ta till sig och förstå ny information, och att snabbt utveckla sin förståelse av komplexa ämnen. Språkmodeller som chatGPT ger dessutom generalister möjlighet att lära sig snabbare och mer effektivt från den enorma mängden kunskap och information på nätet.
Detta är särskilt fördelaktigt för lantbrukare, som ofta behöver vara välinformerade om en mängd olika ämnen, från mekanik och ekonomi till biologi och marknadsföring och försäljning. Med hjälp av språkmodeller, som chatGPT, kan lantbrukare snabbt lära sig ny information på ett mer effektivt sätt. På så sätt kan de få kunskap om och förståelse för de ämnen de behöver känna till, vilket är avgörande i deras dagliga arbete. De kan till exempel använda chatGPT för att snabbt förstå hur maskiner fungerar, eller för att snabbt få en förståelse för den ekonomiska sidan av lantbruket.
Det mest uppenbara svaret på det är om några år, helt klart: Fråga mig vad som helst. Jordbrukare kommer förmodligen att vara DEN grupp som kommer att dra nytta av AI och robotteknik, eftersom de behöver hantera en mängd olika utmaningar inom olika typer av biologi, teknik och affärsverksamhet.
Vi är redo att se in i framtiden nu: OpenAI är en ledande forskningsorganisation inom artificiell intelligens. En av deras mest anmärkningsvärda prestationer är utvecklingen av en toppmodern språkmodell som kallas GPT-3 (Generative Pretrained Transformer 3), som har förmågan att generera människoliknande text.
Inom jordbruket har GPT-3, även känt som ChatGPT, potential att revolutionera branschen genom att ge jordbrukarna värdefulla insikter och stöd. Här är bara några exempel på hur ChatGPT kan användas inom jordbruket.
Hur språkmodeller kan hjälpa till inom jordbruket
Öka den allmänna produktionen hos jordbrukare och agribusiness-experter: ChatGPT kan förenkla och påskynda repetitiva mentala uppgifter, vilket leder till ökad effektivitet för lantbrukarna och en allmänt ökad produktivitet. Med sin avancerade språkbehandling kan ChatGPT automatisera många uppgifter, frigöra tid och göra det möjligt för jordbrukare att fokusera på viktigare aspekter av sitt arbete. Oavsett om det handlar om att effektivisera bokföringen, generera rapporter eller hjälpa till med beslutsfattandet kan ChatGPT hjälpa lantbrukarna att bli mer produktiva och effektiva i sitt arbete. Agribusiness-proffs kommer tack och lov att få hjälp när det gäller uppgifter som skapande av innehåll, e-postmallar, effektivisering av e-post, utbildningsmaterial, självbetjäningsverktyg för intelligens och mer.
Tillhandahållande expertråd: ChatGPT kan tränas på stora mängder jordbruksdata, inklusive information om markförhållanden, vädermönster och skadedjursbekämpning. Detta gör det möjligt att ge jordbrukare personliga rekommendationer och råd om hur de kan optimera sina grödor.
ChatGPT kan tränas att känna igen de specifika jord- och klimatförhållandena på en viss gård. På så sätt kan den ge skräddarsydda rekommendationer om de lämpligaste grödorna för den aktuella gården, med hänsyn till faktorer som jordens näringsnivåer och de lokala vädermönstren.
Förbättring av skördarna: ChatGPT kan hjälpa jordbrukare att identifiera de mest lämpliga grödorna för deras specifika mark- och klimatförhållanden. Detta kan öka chanserna för lyckade skördar och i slutändan förbättra avkastningen.
Bekämpning av skadedjur: ChatGPT kan ge jordbrukare värdefull information om hur man bekämpar skadedjur, till exempel genom att identifiera de mest effektiva bekämpningsmedlen och ge råd om hur de ska användas. Detta kan hjälpa jordbrukare att skydda sina grödor och öka sin lönsamhet. Bekämpning av skadedjur är en viktig aspekt av jordbruket, eftersom skadedjur kan orsaka betydande skador på grödor och minska deras avkastning.
Språkmodeller som de som OpenAI tillhandahåller har potential att revolutionera bekämpningen av skadedjur inom jordbruksindustrin. Ett av de viktigaste sätten som modeller kan hjälpa till med skadedjursbekämpning är genom att ge jordbrukare värdefull information om vilka bekämpningsmedel som är mest effektiva att använda.
Det kan handla om information om vilka specifika skadedjur som bekämpningsmedlen är effektiva mot och hur de ska appliceras på effektivast möjliga sätt. Verktyg som ChatGPT kan ge realtidsuppdateringar om skadedjursaktiviteten i ett visst område. På så sätt kan jordbrukarna vidta förebyggande åtgärder och skydda sina grödor innan skadedjuren hinner orsaka någon större skada.
Dessutom kan ChatGPT ge jordbrukare personliga rekommendationer om de bästa strategierna för skadedjursbekämpning för deras specifika grödor och klimatförhållanden. Detta kan hjälpa lantbrukarna att optimera sina bekämpningsinsatser och i slutändan öka sin produktivitet. ge värdefulla insikter och stöd till lantbrukare.
Dataanalys och förutsägelser: Den språkmodell för artificiell intelligens som utvecklats av OpenAI har potential att i hög grad bidra till dataanalys och förutsägelser inom jordbruket. Verktyget kan bearbeta stora mängder data och göra förutsägelser baserat på den informationen. För att uppnå detta är det viktigt att förse modellen med adekvata dataset och tydliga riktlinjer för hur dessa data ska tolkas. Detta gör det möjligt för AI-språkmodellen att göra korrekta förutsägelser och ge värdefulla insikter till jordbrukarna. Men om uppgifterna är otillräckliga eller tolkningsreglerna inte är tydliga kan de resultat som AI-språkmodellen producerar vara felaktiga eller opålitliga. Därför är det viktigt att se till att AI-språkmodellen tränas på högkvalitativa, relevanta data och att tolkningsreglerna är väldefinierade för att säkerställa att dess förutsägelser är så korrekta som möjligt. Om ett stort jordbruksföretag har ett API som är anslutet till deras interna system kan språkmodellerna tränas på deras interna data för att förbättra dess förmåga.
Identifiering av sjukdomar: Som en del av den ovan nämnda dataanalysen kan ChatGPT tränas i att känna igen symptomen på olika växtsjukdomar. På så sätt kan jordbrukare identifiera och behandla sjukdomar innan de sprids, vilket minskar skördeförlusterna och ökar produktiviteten.
(Den En potentiellt mer intressant metod skulle vara att träna bildmodeller för att direkt använda fotografier och andra visuella data, eventuellt genom att kombinera dem. Jag har till exempel experimenterat med att träna Microsofts LOBE för att förutsäga sjukdomar hos vinstockar, och resultaten var anmärkningsvärda. Detta ämne förtjänar dock en egen separat diskussion i en annan bloggartikel).
Men ChatGPT kan tränas att känna igen de specifika symptomen på en viss växtsjukdom. Det kan handla om visuella signaler, som förändringar i växtens färg eller struktur, eller beteendeförändringar, som minskad tillväxthastighet eller minskad motståndskraft mot skadedjur. När en växtsjukdom har identifierats kan modellen ge jordbrukarna personliga rekommendationer om de bästa behandlingsalternativen.
Det kan handla om information om de mest effektiva bekämpningsmedlen eller andra metoder för att kontrollera sjukdomen, samt råd om hur man applicerar behandlingen på det mest effektiva sättet. Dessutom kan en modell som ChatGPT tillhandahålla realtidsuppdateringar om spridningen av sjukdomar i ett visst område. Detta kan göra det möjligt för jordbrukare att vidta förebyggande åtgärder och skydda sina grödor innan sjukdomen har en chans att orsaka betydande skador. Sammantaget har integreringen av språkmodeller i identifieringen och behandlingen av växtsjukdomar potential att ge värdefulla insikter och stöd till jordbrukare. Detta kan bidra till att förhindra spridning av sjukdomar och i slutändan öka produktiviteten inom jordbruksindustrin.
Alla frågor som dyker upp i samband med en gård: Som du kanske vet är jordbrukare mångbegåvade chefer som måste kunna allt och vara maximala generalister.
Optimera verksamheten och minska kostnaderna: Med alla tillgängliga alternativ är det mycket troligt att kostnadsminskningar kommer att ske. Det återstår dock att se vilka specifika exempel som kommer att materialiseras och var språkmodeller kan göra en betydande inverkan. Det är därför jag kommer att undersöka några exempel från december 2022 till februari 2023 som jag känner till längre ner.
Hur GPT4 och dess bildbeskrivning kan användas inom jordbruket
Den senaste versionen av ChatGPT, GPT4, har avancerade funktioner för bildbeskrivning som kan vara särskilt användbara inom jordbrukssektorn. Med sin förmåga att beskriva bilder i naturligt språk kan ChatGPT 4.0 vara ett kraftfullt verktyg för att analysera grödors hälsa, identifiera skadedjur och analysera detaljerade bilder av grödor och fält.
Analys av grödors hälsa är avgörande för att säkerställa friska och produktiva grödor. Genom att analysera bilder av grödor kan ChatGPT 4.0 hjälpa jordbrukare att identifiera eventuella tecken på problem, t.ex. missfärgning eller vissnande, som kan tyda på ett potentiellt problem. På så sätt kan jordbrukarna vidta åtgärder i tid för att lösa problemet och förhindra skador eller förluster på grödan.
Skadedjursanalys är också avgörande för att upprätthålla friska grödor. Genom att analysera bilder av grödor kan GPT4 hjälpa till att identifiera eventuella tecken på skadedjursangrepp, t.ex. bitmärken eller nät. På så sätt kan jordbrukare vidta lämpliga åtgärder för att bekämpa skadedjur och förhindra skador på sina grödor.
Förutom detaljerade bilder av grödor kan GPT4 även analysera bilder av fält för att ge en heltäckande bild av jordbrukslandskapet. Genom att analysera bilder av fält kan ChatGPT 4.0 hjälpa till att identifiera potentiella problem som jorderosion, vattenloggning eller näringsbrist. Detta kan hjälpa jordbrukare att fatta välgrundade beslut om växtföljd, bevattning och gödsling.
Överlag kan teknik som GPT4:s bildbeskrivningsförmåga förändra spelplanen för jordbruksindustrin. Genom att ge jordbrukarna detaljerade insikter om grödornas hälsa, skadedjursanalys och fältbilder kan språkmodellen hjälpa dem att fatta mer välgrundade beslut och vidta åtgärder i rätt tid som kan förbättra grödornas avkastning och lönsamhet
Hur autoGPT kan hjälpa till inom jordbruk och jordbrukare
Så jag försökte använda autoGPT som en assistent för att hjälpa mig med jordbruksfrågor, särskilt för att hitta subventioner. En autonom GPT-agent som söker och skrapar på internet kan vara ganska användbar. Så jag kallade AI-agenten "subsidyAI" och bad den hitta några intressanta aktuella program. AI:n lyckades visserligen komma åt rätt webbplatser för att göra efterforskningar, men den lyckades inte samla in rätt information (och låt oss inte ens prata om output). Jag tror att autoGPT för jordbruk kan bli enormt, särskilt när det är kopplat till bilddetektering. autoGPT här kommer vi, låt oss ge oss 2-3 månader till och jag kommer att prova detta igen. Läs nedan vad mitt program försökte göra här.
Programmet är ett Python-skript som använder AutoGPT API för att automatisera vissa uppgifter i samband med undersökningen av jordbrukssubventioner i Poitou-Charentes-regionen i Frankrike. Programmet börjar med att söka efter och samla in information om relevanta regionala och miljömässiga indikatorer, till exempel data om demografi, arbetsmarknad och social statistik. Programmet använder sedan denna information för att identifiera potentiella källor till jordbrukssubventioner i regionen, särskilt relaterade till grödor som äpplen, vinstockar AOC cognac och alfalfa.
Programmet planerar också att starta en GPT-agent som ska hjälpa till att generera idéer om hur man kvalificerar sig för och använder dessa jordbruksstöd. Agenten får en tydlig och detaljerad uppmaning att fokusera sina svar, och förväntas ge minst fem olika idéer om hur en jordbrukare kan kvalificera sig för jordbruksstöd i Frankrike, och fem olika idéer om hur man bäst använder dessa stöd.
Programmet syftar sedan till att undersöka hur man fastställer värdet av subventioner och hur jordbrukare kan ansöka om subventioner som de är berättigade till i Poitou-Charentes. Man planerar att göra en grundlig sökning på relevanta regerings- och organisationswebbplatser, kontrollera med jordbrukare i regionen och rådgöra med jordbruksrådgivare för att få insikter i ansökningsprocessen för dessa subventioner.
Under hela programmets gång är man medveten om de potentiella begränsningarna i den information man samlar in, och man är noga med att dubbelkontrollera alla steg eller rekommendationer som GPT-agenten eller andra källor föreslår. Detta var inte framgångsrikt.
Men låt oss först titta på vad språkmodeller inte kan göra (just nu):
Begränsningar: ChatGPT:s oförmåga att abstrahera och förstå samband mellan orsak och verkan
AI och maskininlärningsteknik har gett jordbrukare värdefulla data och insikter för att t.ex. optimera skördeavkastningen. Begränsningarna hos språkmodeller som ChatGPT har dock blivit alltmer uppenbara. Språkmodeller saknar förmågan att abstrahera och förstå orsakssamband, vilket gör dem till en otillräcklig ersättning för den kognitiva förståelsen hos erfarna jordbrukare.
För att lyckas inom jordbruket måste jordbrukare ha en djup förståelse för sin miljö och förmågan att anpassa sina metoder baserat på ständigt föränderliga förhållanden: Tänka abstrakt och fatta välgrundade beslut baserat på ofullständig eller osäker information. Även om AI kan hjälpa till i dessa beslutsprocesser kan det inte ersätta jordbrukarnas kritiska tänkande och erfarenhet. (Det är väl ganska uppenbart, åtminstone för mig.)
Därför är det viktigt att jordbrukarna fortsätter att förlita sig på sin egen kognitiva kunskap och expertis, samtidigt som de använder AI-teknik som ett verktyg för att stärka sitt beslutsfattande och förbättra jordbruksresultaten. Det handlar om att hitta rätt balans mellan fördelarna med AI-teknik och det (än så länge) oersättliga värdet av mänsklig förståelse och interaktion.
Exempel på hur lantbrukare och odlare försöker använda chatGPT
- Efter att ha observerat, testat och läst om chatGPT och jordbruk bestämde jag mig för att bygga min egen GPT-version för jordbruk.
Jag byggde en AI-assistent för jordbruket: Jag kallar det agri1.ai
Låt mig veta vad du tänker på twitter.com/agtecher_com eller skicka återkoppling
- Detta sidoprojekt, som heter Farmer GPT, använder ChatGPT och Whisper för att ge värdefull hjälp till jordbrukare i Indien. Det hjälper dem att förbättra jordbruksmetoder, avkastning och lönsamhet genom att tillhandahålla väderinformation i realtid, personliga rekommendationer för grödor och peer-to-peer-kommunikation med experter och andra jordbrukare. Den här typen av AI-assistent har potential att ersätta agronomer och revolutionera jordbruksmetoderna i Indien genom att utnyttja kraften i AI och säker meddelandehantering för att hjälpa jordbrukare att lyckas i en konkurrensutsatt bransch.
"Farmer GPT" har en nackdel eftersom den för närvarande ger liknande resultat som standard-GPT utan någon finjusteringsmodell eller ansluten databas. Dessutom kan användare få svar som inte är relaterade till ämnet, t.ex. ett svar på en fråga som "hur man bakar en potatis" även om den inte är relaterad till jordbruk.
- Uppskattning av avkastning & Mango-fallet: Vishnu Sankar frågade den 11 februari: Fick varierande svar för den genetiska avkastningspotentialen för mango och avkastningsgapet från det faktiska. Så jag kollade med ChatGPT. Mango #Mango odling #UHDP #Farming #Agriculture #Fruits #Orchard
Språkmodellen förutspår att ett mangoträd kan producera mellan 50-300 mango per år och träd, med högavkastande träd som kan producera upp till 1 000 mango per träd och år.
- Ett annat bra exempel som jag hittade är på regenerativt jordbruk på vingårdar: vin tänkare aka post.news/robertjoseph @robertjoseph skriver den 5 februari 2023: Hur många av er känner till användningen av kycklingfjädrar i vinodling? @SpierWineFarm använder dem och #Chatgpt förklarar några skäl till varför jag bad den att "Skriv en uppsats om kycklingfjädrars roll i regenerativt jordbruk”
Jag har frågat Spier Wine Farm via twitter om uppsatsen är mer eller mindre korrekt, så låt oss se om det.
- Utbildning inom jordbruk, Ett mycket konkret exempel från en jordbrukslärare: Cassie Joiner @Cass_Joiner skriven den 1 februari 2023: "Den första uppgiften jag gav ChatGPT var att skriva en lektionsplan för det jag ska undervisa om imorgon, "Genetik inom jordbruk", och mitt lärarliv är för alltid förändrat"
- Bekämpning av skadedjur i tomater, både fråga som text och pythonkod för bilddetektering: En annan mycket specifik fråga inom området undvik mjöldagg med tomater: Shailendra singh @srj0408 skriver den 10 dec 2022: Testade ChatGPT idag med frågor kring #agritech och resultaten var fantastiska. #agriculture #chatgpt3 #ChatGPT #OpenAI #OpenAIChatGPT #startup
Användaren testade chatGPT som kodningsstöd (kodning av python med chatGPT fungerar på ett imponerande sätt redan även om det inte tränades för att göra det) för att implementera en supportvektormaskin SVM-modell i python för bildanalys av växtblad.
För att undvika mjöldagg i tomatplantor kan du vidta följande åtgärder: 1. Plantera resistenta sorter: Vissa sorter av tomatplantor är mer motståndskraftiga mot mjöldagg "än andra. Välj en sort som är känd för att ha god motståndskraft mot sjukdomen, till exempel 'Mountain Magic' eller 'Legend'." 2. Sörj för god luftcirkulation: Mjöldagg trivs i fuktig, stillastående luft. För att förhindra" "sjukdomen, se till att dina tomatplantor har gott om utrymme mellan sig och ge god luftcirkulation runt plantorna genom att beskära dem regelbundet och undvika övervattning." 3. Undvik överliggande vattning:Att vattna dina tomatplantor uppifrån kan göra att bladen blir fuktiga, vilket skapar en gynnsam miljö för tillväxt av pulveriserad mögel." "Vattna istället plantorna vid basen av stammen, eller använd ett droppbevattningssystem. 4. Använd en svavelbaserad fungicid: Om dina tomatplantor utvecklar pulveriserad mögel,du kan använda en svavelbaserad fungicid för att behandla sjukdomen. Applicera fungiciden enligt anvisningarna på etiketten och upprepa appliceringen med jämna mellanrum för att förhindra att sjukdomen sprids. 5. Öva växtföljd: Pulveriserad mögel ... "
- Inte ett specifikt exempel, men intressant att det var utarbetad av växthus- och dataspecialisten John Beauford: Hur chatGPT kan påverka trädgårdsodlingsindustrin: ChatGPT kan vara till stor hjälp för trädgårdsodlare genom att tillhandahålla ett avancerat och integrerat tekniskt system för deras växthus.
Genom att integreras med odlarnas ERP-programvara, sensorer, väderprognoser och försäljningsanalys kan denna språkmodell hjälpa odlarna att bättre förstå sin verksamhet, skapa och genomföra bättre planer, optimera vinsten och förbättra påfyllningsprestandan. Den kan automatisera repetitiva uppgifter och komplexa dataanalyser, vilket frigör tid för viktigare uppgifter. Den här tekniken kommer att vara en viktig del av nästa våg av automatisering av verksamheten för odlare och har potentiella tillämpningar för realtidsdiagnostik av grödor och kostnadsanalys. Integrationen av en språkmodell med de data och system som är specifika för en odlares verksamhet kan ge ett mer människoliknande gränssnitt för deras växthusverksamhet, vilket gör det lättare för odlarna att få tillgång till och analysera viktig information.
Ett exempel från verkligheten som var relevant på vår gård
Det här är en faktisk fråga som jag hade sommaren 2022, och jag testade den mot openAI:s chatGPT:
Fråga: "Jag har 1,5 hektar vingård i närheten av Bordeaux och behöver installera bevattning, vad behöver jag för utrustning och vilken typ av PSI behövs för att täcka 1,5 hektar?" Svar från openAI: "Att installera bevattning i en vingård är ett viktigt steg för att säkerställa vinstockarnas hälsa och produktivitet. Vilken utrustning du behöver beror på ett antal faktorer, bland annat storleken på din vingård, vilken typ av bevattningssystem du väljer och din budget. I allmänhet kräver en vingård på 1,5 hektar ett ganska stort bevattningssystem. Detta kommer sannolikt att omfatta en huvudvattenledning samt ett nätverk av sidoledningar och sprinklers eller droppspridare för att fördela vatten över hela vingården. Du kan också behöva installera en pump för att öka vattentrycket och säkerställa tillräcklig täckning. När det gäller vattentrycket kräver en typisk vingård ett tryck på minst 40 PSI (pounds per square inch) för att säkerställa tillräcklig täckning. Detta kan dock variera beroende på faktorer som typ av bevattningssystem och vingårdens utformning. Det är bäst att rådgöra med en bevattningsspecialist för att fastställa de specifika kraven på vattentryck för din vingård. Sammanfattningsvis kräver bevattning av en vingård på 1,5 hektar ett ganska stort och komplext system. Du kommer att behöva en huvudvattenledning, ett nätverk av sidoledningar och sprinklers eller droppspridare, och eventuellt en pump för att öka vattentrycket. Vilken utrustning du behöver beror på faktorer som vingårdens utformning och din budget. Det är bäst att rådgöra med en bevattningsspecialist för att fastställa exakt vilken utrustning och vilket vattentryck som krävs för din vingård."