📰 美国农业中人工智能与机器学习应用的利益相关者感知：一项不断增长的挑战 - 生物通
本研究通过对129名美国农业利益相关者的在线问卷及对其中10名参与者的后续访谈，探索AI/ML在美国农业中的应用、感知与障碍，聚焦早期采用者的使用模式与关注点。结果显示，受访者总体愿意采用创新技术，偏好免费、可信机构提供的公开信息，期望将AI融入决策支持工具，且在水资源、天气、土壤、作物与害虫等管理领域看好其潜在收益。调查同时揭示若干现实挑战：水资源短缺、极端天气、天气不可预测性增加、土地与劳动力成本高等因素影响投资意愿。研究进一步将挑战归纳为四大方面：系统之系统（SoS）整合、次季节到季节（S2S）天气预报的农业应用、精准土壤管理以及政策与经济条件。四类挑战共同指向数据标准化与互操作性、时空分辨率、高分辨率土壤与根区信息获取、传感部署成本以及成本、保险、培训与伦理等因素对采纳的制约。结论强调2021年的基线数据为未来比较提供重要参照，推动在经济、制度与数据隐私等方面建立可负担、可信赖的AI赋能解决方案，从而促进AI/ML在美国农业的广泛而负责任应用。
🏷️ #AI在美再 #ML农业应用 #SoS挑战 #S2S预报 #精准土壤
🔗 原文链接
📰 美国农业中人工智能与机器学习应用的利益相关者感知：一项不断增长的挑战 - 生物通
本研究通过对129名美国农业利益相关者的在线问卷及对其中10名参与者的后续访谈，探索AI/ML在美国农业中的应用、感知与障碍，聚焦早期采用者的使用模式与关注点。结果显示，受访者总体愿意采用创新技术，偏好免费、可信机构提供的公开信息，期望将AI融入决策支持工具，且在水资源、天气、土壤、作物与害虫等管理领域看好其潜在收益。调查同时揭示若干现实挑战：水资源短缺、极端天气、天气不可预测性增加、土地与劳动力成本高等因素影响投资意愿。研究进一步将挑战归纳为四大方面：系统之系统（SoS）整合、次季节到季节（S2S）天气预报的农业应用、精准土壤管理以及政策与经济条件。四类挑战共同指向数据标准化与互操作性、时空分辨率、高分辨率土壤与根区信息获取、传感部署成本以及成本、保险、培训与伦理等因素对采纳的制约。结论强调2021年的基线数据为未来比较提供重要参照，推动在经济、制度与数据隐私等方面建立可负担、可信赖的AI赋能解决方案，从而促进AI/ML在美国农业的广泛而负责任应用。
🏷️ #AI在美再 #ML农业应用 #SoS挑战 #S2S预报 #精准土壤
🔗 原文链接
