今年7月,中国滁州发生了一起因通用人工智能建议导致的严重农业事故。一位农民向AI助手咨询田间杂草和害虫的控制方案,模型生成的混合药剂被《Futurism》记者形容为“农药版的长岛冰茶”。该农民将这种混合物喷洒在25英亩的作物上,导致所有芝麻幼苗枯死,造成约15万元人民币(约合1.8万欧元)的经济损失。

事后询问中,人工智能承认存在错误:其推荐的混合药剂适用于大叶杂草,但芝麻虽属宽叶植物,却并非适用对象;此外,AI还建议对整个场地进行喷洒,而非采用针对性施用方式。
这一案例并非孤例。来自美国、英国以及肯尼亚、尼日利亚和哥伦比亚的研究人员近期开展了一项测试,评估人工智能能否取代人类农业顾问。结论显示,目前尚不可能实现这一替代。
根据发表在《自然食品》杂志上的论文,研究团队首先要求聊天机器人提供针对秋季粘虫(一种破坏全球玉米作物的害虫)的治疗建议。OpenAI 的 GPT-3.5 和 GPT-4 模型给出的农药建议高度模棱两可。
随后,研究人员模拟了尼日利亚大麻种植者提出的问题。ChatGPT 推荐了特定的除草剂,但给出了错误的应用时间。鉴于尼日利亚是非洲最重要的麻豆生产国,此类错误建议可能导致农作物死亡,进而威胁数百万人的粮食安全。
普遍存在的风险与依赖
随着劳动力、土地和设备成本的持续上升,许多农民难以负担专业咨询服务。同时,农业推广专业人员严重短缺,特别是在南美和非洲等偏远地区,扩展工作者很少能到达当地农场,而农民也无法长途跋涉参加研讨会以提升知识水平。
相反,农民往往依赖总部设在首都的推广机构,但这些机构缺乏资金和人力来更新过时的指南或追踪新的农业趋势。因此,数字助理成为了一种替代选择。麦肯锡最近的一项调查显示,全球约有 17% 的农民已在日常决策中使用人工智能,这一比例高于机器人和电动机械等其他行业新技术。
需要指出的是,问题不在于人工智能技术本身,而在于许多农民使用的是未经农业专门训练的通用聊天机器人。这些工具虽然掌握作物种类、化学品类别、标准做法和教科书式种植日历,但在提供建议前不会主动索取必要数据。这导致其回答看似专业,实则可能无用甚至有害。
面向农业场景的专业化训练
解决这一问题的路径在于训练专门用于农业的人工智能模型。这需要两个关键步骤:首先,模型需从特定领域的真实数据中学习,包括卫星图像、历史收获记录、当前天气状况和作物生长阶段;其次,模型需接受农业学家指导,学习应对不同情境的策略,并受到约束以避免推荐禁止使用的除草剂等危险操作。
以小麦田除草为例,标准 AI 聊天机器人可能仅依据一般教科书给出建议,但由于无法观测实际田地状况,它不知道小麦正处于脆弱的生长阶段,某种化学物质可能会破坏作物,遵循其建议可能导致收获失败。
相比之下,连接真实数据的 AI 会首先检查卫星照片和天气预报。它能自动识别强风条件,判断小麦对某些化学物质的脆弱性,从而选择安全的替代品。当信息不明确或缺失时,它会主动向用户提问,并最终指示准确的喷洒地点,例如使用坐标或仅针对杂草区域的任务地图。这种方式不仅节省了成本,也保护了未来的收益。
专用工具的市场前景
然而,期望农民自行收集所有复杂信息并输入通用 AI 工具是不现实的,这超出了大多数种植者的时间和技术能力。因此,一个新兴市场正在形成:具备仪表盘和卫星图像分析功能的专用农业 AI 助理。
目前已有部分助理能够重新访问卫星数据层并进行视觉分析,回答诸如“在过去 48 小时内发生了什么变化?”等问题。一些产品还支持农民通过语音信息描述已实施的措施,代理会将这些细节记录在系统相应部分作为上下文,便于现场记录的更新,从而使模型提供更实用的答案。
这些专门设计的工具有助于农民理解现场数据,发现有意义的变化,减少在不同来源间拼凑信息的时间,从而消除农业中代价高昂的错误。





