“懂农业、会聊天“的AI助力农业知识智能化传播

（ 于景鑫 国家农业信息化工程技术研究中心）"小娄,你看这茄子叶子怎么卷边发黄啊?是不是缺肥?要不要追施点硝酸钾啊?"
"张师傅,茄子卷叶发黄多是因为栽培管理不当导致的,一般是温度太低,通风不良造成的。建议您检查一下大棚的通风系统,把最低温度控制在15℃以上,另外也要注意大棚密闭度,夜间不要通风降温。白天要适当通风,保持空气流通。这两天天气预报说要降温,您看着把卷帘机调一下,别让棚内积温过低。至于追肥,茄子是喜钾作物,但主要还是前期追施钾肥,现在后期追肥重点在有机肥,您可以沿沟撒点鸡粪什么的。"
这是一位老农户在智能农业助手的帮助下,快速诊断出茄子卷叶发黄的原因,并得到切实管理建议的场景。在这个过程中,农户的种植问题通过自然语言跨越了时空的限制,精准触达了"最懂"设施茄子的专家系统。而让这一切成为可能的,正是自然语言处理(NLP)技术。
近年来,以ChatGPT、文心一言等为代表的大语言模型掀起了人工智能新浪潮,自然语言处理能力大幅跃升。与此同时,设施农业也迎来了数字化、智慧化的转型契机。NLP技术与设施农业的结合,让"智慧农业"从概念走进现实,让农业知识传播插上了科技的翅膀,将为传统农事注入澎湃的数字动能。

图片来源：百度智能云

一、NLP技术驱动农业知识传播变革

自然语言处理技术经历了几代技术范式的迭代,从基于规则的方法到基于统计的方法,再到如今基于深度学习的端到端学习方法,模型的语言理解和生成能力不断提升。尤其是近年来Transformer、BERT、GPT等大语言模型的出现,掀起了NLP领域新一轮的革新浪潮。
以ChatGPT为例,作为当前最领先的对话AI系统,其背后是GPT-3.5模型在大规模对话数据上的持续学习。ChatGPT能够理解和记忆多轮对话的上下文,根据用户的提问进行追问和澄清,综合背景知识给出详尽且切题的回答,展现出接近甚至超越人类的语言交互能力。更难能可贵的是,ChatGPT可以根据少量提示示例快速学习新任务,这使其可以灵活适配不同领域的知识服务需求。

图片来源：Improving Language Understanding by Generative Pre-Training

大语言模型在知识吸纳、知识关联、知识推理等方面的能力,与当前设施农业知识传播面临的"获取难、推送难、个性化难"等痛点高度契合。传统的农技推广体系受限于人力物力,难以全面、及时地将前沿种植技术和灵活管理经验传递给广大农户。互联网时代,海量的农业知识散落在各类APP、网站、公众号中,农户获取知识支离破碎,缺乏系统性和权威性。
大语言模型有望成为农业知识传播的"新引擎",通过知识图谱、智能问答、个性化推荐等方式,让农业知识服务更加智能化、精准化。这不仅能填补农技人员不足的空白,提高科技成果到达田间地头的效率,更能创新农业科普的表现形式,提升农户学习的积极性和获得感。大语言模型+农业知识传播的结合,让"智慧农业"成为可见可感的现实,势必推动农业生产迈向数字化时代。

二、NLP技术在设施农业知识传播中的应用场景

得益于物联网、人工智能等现代信息技术的发展,设施农业近年来实现了跨越式发展,温室大棚、植物工厂等新型设施不断涌现。然而,在知识获取和传播方面,许多设施种植企业和农户依然面临诸多挑战。
以X市某特色蔬菜种植基地为例,该基地大力发展日光温室甜瓜种植,但由于技术水平参差不齐,种植户普遍存在产量低、品质差的问题。通过田间调研发现,很多农户对甜瓜嫁接育苗、花芽分化、坐果管理等关键栽培技术并不了解,盲目沿袭传统黄瓜的种植模式,难以发挥甜瓜的产能潜力。农技人员虽然掌握科学的栽培方案,但受限于人手不足,无法对每一户农民进行系统指导。
NLP技术可以很好地切入这一难题。农业院校的专家可以利用知识图谱技术,将甜瓜种植的各个关键环节串联成网状的知识体系,把显性的操作规范与隐性的实践经验融为一体。基于此,可以搭建一套甜瓜种植问答系统,农户只需用口语化的提问,系统就能快速检索知识图谱,并以通俗直观的方式给出回答。系统中还可嵌入养分调配、土壤改良等数学模型,根据农户输入的参数,给出定量的施肥灌溉建议。
更进一步,可以将知识图谱接入甜瓜生产大数据平台,农户不仅可以查阅标准化的种植知识,还能实时看到自家棚室各项生产数据与标杆户的对比,找出差距所在。系统还能根据棚室物联网监测数据,自动预警苗期徒长、坐果期落蕾等问题,提示农户及时采取应对措施。

除了知识图谱,大语言模型在农户-专家交互中大有可为。传统的线下培训受时空限制,难以满足农户随时随地的提问需求。利用ChatGPT等大模型搭建智能农助系统,农户可以通过文字、语音实现全天候咨询。不同于封闭式的问答系统,大语言模型可以就农户的问题展开多轮对话,提出合理的追问,给出有针对性的解答。通过持续的人机交互,系统可以不断学习农户的表达习惯和知识诉求,变得越来越"懂农业",从而提供更加精准、个性化的知识服务。
此外,前沿的多模态大模型有望进一步拓展农业知识传播的形式。例如,当农户用手机拍下枇杷黄龙病的症状,并配上文字描述上传时,多模态农助系统不仅能识别出具体病症,还能结合种植阶段、天气条件等多源异构信息,给出"对症下药"的防治方案。多模态技术让农业知识的呈现更加丰富立体,让农户获取知识更加便捷高效。
除了服务农户,NLP技术还能为农技专家赋能。利用预训练语言模型,可以快速挖掘海量农业文献、种植日志中的关键信息,自动生成结构化的诊断报告,缓解专家在收集整理资料上的重复性工作。文本生成技术可用于农业政策解读、科普推文撰写等,通过模板化的内容组织,提高专家对外输出的效率。知识推荐算法可以根据专家的研究领域,精准推送国内外前沿农艺信息,帮助专家及时把握学科动向。
总之,大语言模型及知识图谱、多模态等NLP技术,为设施农业知识传播提供了全新的路径。通过构建农业知识智能问答、个性化推荐等应用,NLP技术正在成为农业科技成果转化的"最后一公里"。人机协同、多维互动的农业知识服务新模式,必将推动农业知识管理从"线下培训为主"到"线上线下融合"的跨越,从"千篇一律"到"千人千面"的进化。

三、推动NLP技术在农业知识传播中落地的建议

尽管NLP技术在设施农业知识传播中展现出诱人前景,但要真正实现落地应用,仍需在技术创新、平台建设、人才培养等方面持续发力。
首先,农业NLP技术的突破,呼唤产学研用各方的通力合作。农业院校要加强农业知识图谱、口语对话、多模态融合等方面的理论攻关,为农业大语言模型夯实基础。农科院所要联合互联网企业,加快农业知识库、农业语料库的建设,让NLP模型真正"学会"农业专业知识。种植企业要积极参与农业NLP应用试点,让技术在生产一线接受检验,在应用中不断打磨迭代。
其次,农业NLP应用的普及,离不开上层智慧农业平台的搭建。当前,我国数字农业建设还处于起步阶段,缺乏统一的技术标准和数据规范。建议有关部门牵头制定农业大数据、农业人工智能的顶层设计,推动农业物联网、农产品溯源、农业知识服务等平台的互联互通。通过构建全国性、开放性的智慧农业云平台,将农业NLP模型和应用封装成标准API接口,方便各级农技机构和涉农企业快速集成和调用,推动NLP技术在农业知识传播中的规模化应用。

再次,农业NLP人才的培养,需要高校与涉农企业共同发力。农林高校要开设NLP方向的人工智能专业,培养既懂农业又懂AI的复合型人才。要鼓励计算机专业学生到农学院跨学科学习,开展农业知识工程的研究实践。涉农企业要为农业NLP人才提供广阔的用武之地,吸引更多优秀学子投身农业人工智能事业。传统的农技推广队伍也要与时俱进,学习NLP、知识图谱等前沿技术,用"更懂农民需求"的智能化手段开展农技服务。

最后,农业NLP应用的推广,离不开农户的积极参与和接纳。要加大农业大语言模型、智能问答系统的宣传力度,用通俗易懂的方式向农民讲清其在农事生产中的助益。要开发接地气的人机交互界面,方便农民兄弟在田间地头就能利用NLP技术解疑答惑。系统在给出种植建议时,要充分尊重农民的传统经验,用农户听得懂的话语进行解释说明。通过"众包+增强学习"的机制,鼓励农户参与农业知识库的实时更新完善,激发其传播和应用新技术的主人翁意识。
NLP技术在设施农业知识传播中的应用,绝非一蹴而就,更非一家之力。产学研用各方唯有形成合力,在机理阐释、平台搭建、模式创新、推广应用等环节精准发力,才能让"数据多跑路,农民少跑腿"成为现实,用"智慧"点亮乡村振兴的明天。

结语:
当前,数字化浪潮迭起,新一轮农业科技革命蓄势待发。NLP技术作为人工智能的排头兵,正在为传统农业插上腾飞的翅膀。ChatGPT、文心一言等"AI明星"频频刷屏,让我们真切感受到NLP技术非凡的创新活力。而将NLP与设施农业深度融合,就是要让前沿科技"飞入寻常百姓家",为亿万农民的生产生活带去切实的改变。
大语言模型及知识图谱、对话系统等NLP技术,正在为设施农业知识传播开辟全新赛道。通过构建农业领域知识库,搭建农户与专家的对话之桥,NLP技术有望让每一位农民都能享受私人定制的"智慧农技服务",让每一寸土地都能孕育"金点子"。当ChatGPT遇上温室大棚,数字技术必将让现代农业风光无限。

推动NLP技术在农业知识传播中的创新应用,需要政产学研多方联动,打通基础研究、平台建设、人才培养、推广应用等各个环节。农业大语言模型的突破,呼唤跨界协作;智慧农业平台的搭建,离不开顶层设计;复合型人才的培养,需要学科交叉;农户的广泛参与,更是新技术落地的关键。只有在"农"的土壤中播种"智"的种子,让创新的果实惠及大地,才能真正推动农业知识管理从"人治"走向"智治"。