Artificial Intelligence in Agricultural Extension and Advisory Services: A Scoping Review of Applications, Explainability, Trust and Farmer-Centred Adoption
本范围综述综合了人工智能与可解释人工智能在农业推广领域的证据，强调了其多样化的应用场景与决策支持工具，并指出成功的应用不仅取决于技术性能，更取决于对信任、可解释性和情境相关性等以农户为中心因素的应对。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
几代以来，连接科学发现与农田之间的桥梁一直由人类之手搭建。推广人员往往在尘土与酷热中跋涉数里，将有关种子、病虫害和天气模式的最新知识带给最需要的社区。然而，随着人口增长和气候变化，这一人力网络正面临着崩溃的边缘。农民的数量实在太多，而推广人员却太少。为了应对这一挑战，农业领域转向了一种强大的新工具：人工智能。请不要将这项技术视为一个取代人类的机器人，而应将其视为一个不知疲倦的数字助手，能够阅读海量数据，从而就种植什么、何时浇水或如何治疗病害作物提供建议。但为了让这些建议发挥作用，农民必须理解它、信任它，并在使用时感到舒适。如果计算机的推理过程仍然是一个“黑箱”，那么这些建议很可能会被忽视。
一组研究人员致力于绘制这场农业数字化革命的现状图景。他们对近期的研究进行了广泛的综述，以观察人工智能实际上是如何支持农民及其指导人员的。他们的工作聚焦于三个关键问题：这些系统能做什么，它们是否能以人类理解的方式解释其推理过程，以及让农民真正信任并采用这些技术需要具备哪些条件。研究人员收集并分析了 2021 年至 2026 年间发表的 32 项不同研究，涵盖了从回答农业问题的聊天机器人到预测作物产量的复杂系统等各个方面。
综述显示，这项技术正在迅速从简单的信息传递向交互式、个性化的建议转型。在许多地方，农民现在正使用移动应用程序和聊天机器人，它们就像知识渊博的邻居一样，针对天气、病虫害控制和作物选择提供实时指导。一些系统已经变得足够成熟，可以进行对话，能够用当地语言回答特定问题，并根据单个农场的独特情况量身定制建议。例如，一个在四个国家部署的系统已经与超过 1.5 万名农民进行了互动，响应了数十万次查询。另一个在印度的项目则利用自然语言处理技术，以奥里亚语（Odia）和萨姆巴尔普里语（Sambalpuri）提供农业信息，打破了曾经阻碍关键信息传播的语言障碍。
然而，研究人员发现，构建一个智能系统仅仅是成功了一半。另一半在于确保农民相信它。研究中的一个主要主题是“可解释性”的需求。这意味着，当人工智能建议采取某种行动时，它必须能够说明原因。如果一个系统告诉农民要施用特定量的肥料，它应该能够指出导致该结论的土壤数据或天气模式。综述指出，尽管科学家们已经开发出使这些计算机决策更加清晰的方法，但在“解释结果的技术能力”与“农民理解结果的能力”之间仍存在差距。信任不仅仅建立在准确性之上，更是建立在透明度之上。农民需要知道信息的来源，并确信这些建议是安全且公平的。
尽管前景令人兴奋，但前行的道路并非没有重大障碍。综述强调，技术无法解决根植于基础设施和社会层面的问题。在许多农村地区，互联网连接过于微弱，无法支持这些先进工具，且智能手机的成本对于许多小规模农户来说仍然难以承受。此外，研究表明，最成功的系统是那些尊重本土知识并将农民纳入设计过程的系统。一个在实验室里表现完美的系统，如果不能考虑到当地习俗、语言细微差别或特定地区的具体挑战，在农田中可能会失败。研究人员发现，虽然许多项目都侧重于技术的性能表现，但追踪这些工具是否真正带来了农民长期收入或作物健康改善的研究却较少。
作者总结道，农业咨询的未来不在于取代人类推广人员，而在于赋能他们。最令人期待的前景是：人工智能作为一个强大的合作伙伴，负责处理数据分析的繁重工作，而人类推广人员和农民则提供机器无法复制的背景信息、判断力和信任。技术已经证明它可以生成建议，但下一个巨大的挑战是确保这些建议在现实世界中是易于理解、值得信赖且真正有益的。在弥合数字鸿沟并将系统设计得符合农民日常生活现实之前，这种伙伴关系的全部潜力仍将遥不可及。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。