霍恩海姆大学和慕尼黑工业大学的一个研究小组开发了一种新的跨学科方法来解决生物多样性和农业生产之间的权衡。

在不降低农业生产力的情况下保护生物多样性：到目前为止，这两个目标尚未协调一致，因为农业的社会生态系统非常复杂，并且人类与环境之间的相互作用很难用传统方法来捕捉。

借助新技术，斯图加特霍恩海姆大学和慕尼黑工业大学的一个研究小组展示了一种同时实现这两个目标的有前途的方法。团队成员专注于结合人类集体判断进一步开发人工智能：混合智能的使用。他们在最新一期的《自然食品》杂志上发表了他们的文章。

“虽然我们拥有越来越多的数据集，但我们还无法利用它们来解决问题。来自遥感、近端感测和统计调查的可用数据是互不相关且高度分散的，”教授、博士说。托马斯·伯杰(ThomasBerger)，霍恩海姆大学农业经济学家，也是该出版物的主要作者。

“另一个挑战是不同的规划范围：农业实践是基于田间和农场层面的短期和中期经济目标，即1公顷到100公顷的规模。长期的生态影响，对另一方面，在10万公顷的景观层面上，这一点也很明显。”

因此，从生态角度来看，有必要从景观层面着眼，更好地理解许多农场在空间和时间上的相互作用。“农业环境措施几乎没有跨农场协调，”慕尼黑工业大学数字农业系主任SentholdAsseng教授表示。

以前的农业和环境政策资助计划并不是为了在农民之间、农民与其他利益相关者之间以及科学领域实现有利于生物多样性的协同作用。

霍恩海姆社会转型和农业系的克劳迪娅·比林教授博士表示，从社会科学的角度来看，这个问题也非常具有挑战性。“这是社会困境的典型情况。当生物多样性保护的共同公共利益免费惠及许多其他利益相关者时，为什么个别利益相关者应该主动放弃生产力呢?”

类似的情况也阻碍了其他经济部门的进展，例如回收和废物管理以及能源和运输领域。

为了捕捉问题的复杂性并开发新的智能解决方案，需要自然科学和社会科学、工程学和计算机科学的联合专业知识，以及科学与实践之间的密切合作。

技术进步使人与机器之间产生新的交互

一支拥有此类专业知识的13人团队联手开发了一种跨学科方法，即利用人工智能在合并和处理大量数据方面提供的新可能性。该出版物的作者将这种组合称为“混合智能”。

伯杰教授说：“通过将人类的直觉能力与现代计算机的计算能力和人工智能的分析能力相结合，我们第一次可以开发出成功解决农业复杂性的人机系统。”

此类系统的组成部分之一是计算机模型，该团队将其称为“多代理技术”，用于各种生态、社会和经济过程。通过用人工智能丰富这些模型，研究团队的目标是创建一个详细的、交互式的现实图像，在其中可以模拟各种生物多样性措施和影响，并在联合决策中支持利益相关者。

集团支付作为混合智能的实际例子

作者通过几个应用示例解释了实际实施，例如向农民群体而不是单个农场支付补偿。

“欧盟为物种保护措施提供各种补贴，例如向农民提供资金来设置花带，”阿森教授说。“到目前为止，花带都是农民自己种植的，没有与邻居协调。总体来说，花带比较分散，效果有限。”

对于使用混合智能在景观层面协调花条的农民来说，团体支付计划更有前景。

第一步，混合智能可以分析有关土壤条件、当地生物多样性和类似因素的复杂数据，从而确定跨农场环境措施特别有效且作物损失尽可能最低的地点。

第二步，人工智能系统可以提供通信平台，促进信息交换和规划联合项目，而无需过多的官僚作风。“另一个目标是在所有参与方之间实现公平平衡，例如通过新的补贴拍卖机制，”伯杰教授说。

经济和生态环境的虚拟图像将为农业、咨询和政治领域的参与者提供在决定是否实施之前尝试这些措施的机会。“这将使评估对生物多样性和作物产量的影响变得更容易，并最大限度地减少每个相关人员的成本，”比林教授补充道。

最重要的是，人工智能可以充当自动主持人，跟踪小组内的讨论，并通过提供信息或替代观点来改进决策。“我们目前可以看到生成式人工智能在语言处理和使用ChatGPT生成新内容方面的能力。这对于确保在小组讨论中考虑所有相关信息并找到创造性解决方案特别有用，”HennerGimpel教授解释道。来自霍恩海姆大学数字管理系。

信任和透明度对于成功仍然至关重要

如果这种方法要成功，就必须是透明的和参与性的。“技术的设计必须让人们可以信任。技术的道德使用也至关重要，”金佩尔教授说。只有满足这些条件，混合智能系统才能充分发挥其潜力并得到广泛接受。

伯杰教授表示，混合智能是解决农业中一些最紧迫问题的关键。“前景非常光明，但仍需要进行基础研究，以便进一步成功开发这项技术并加以实施。为了实现这一目标，我们需要科学、实践和社会所有利益相关者的合作。”

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：