Berita AI Generatif untuk Pertanian – O'Reilly

AI terlalu sering dilihat sebagai usaha milik, oleh, dan untuk orang kaya. Kita akan melihat beberapa Hijau Digital'S Petani.Obrolanbot AI generatif yang dirancang untuk membantu petani skala kecil di negara berkembang mengakses informasi pertanian penting. Negara berkembang sering kali menerapkan solusi teknis yang tidak akan pernah terpikirkan oleh para insinyur di negara kaya. Mereka memecahkan masalah nyata alih-alih menarik fantasi “ayo mulai Facebook lagi” dari para kapitalis ventura. Farmer.Chat adalah salah satu solusi tersebut.

Farmer.Chat membantu petugas penyuluhan pertanian (EA) dan petani mendapatkan jawaban atas pertanyaan tentang pertanian. Aplikasi ini telah digunakan di India, Ethiopia, Nigeria, dan Kenya. Meskipun awalnya dirancang untuk EA, petani kini semakin banyak menggunakannya secara langsung; mereka sudah terbiasa mengajukan pertanyaan secara daring menggunakan media sosial. Menyediakan akses daring ke informasi pertanian yang lebih baik dan lebih andal dengan cepat dan efisien merupakan tujuan yang jelas.

Aplikasi AI untuk petani dan EA menghadapi banyak kendala. Salah satu kendala terbesar adalah lokasi. Pertanian bersifat sangat lokal. Dua pertanian mungkin berjarak satu mil, tetapi jika yang satu berada di lereng bukit dan yang lainnya di lembah, keduanya akan memiliki tanah, drainase, dan bahkan mungkin kondisi cuaca yang sama sekali berbeda. Iklim mikro, hama, tanaman yang berbeda: apa yang cocok untuk tetangga Anda mungkin tidak cocok untuk Anda.

Data untuk menjawab pertanyaan hiperlokal tentang topik seperti pemupukan dan pengelolaan hama memang ada, tetapi tersebar di banyak basis data dengan banyak pemilik: pemerintah, LSM, dan perusahaan, selain pengetahuan lokal tentang apa yang berhasil. Farmer.Chat menggunakan semua sumber ini untuk menjawab pertanyaan—tetapi dalam melakukannya, ia harus menghormati hak petani dan pemilik basis data. Petani memiliki hak atas privasi; mereka mungkin tidak ingin berbagi informasi tentang pertanian mereka atau memberi tahu orang lain tentang masalah yang mereka alami. Perusahaan mungkin ingin membatasi data apa yang mereka ungkapkan dan bagaimana data tersebut diungkapkan. Digital Green memecahkan masalah ini melalui Tumpukan Pertanianprotokol sumber terbuka yang aman untuk berbagi data dengan persetujuan. Enkripsi menyeluruh digunakan untuk semua koneksi. Semua sumber data, termasuk petani dan lembaga pemerintah, memilih data apa yang ingin mereka bagikan dan bagaimana cara membagikannya. Mereka dapat memutuskan untuk membagikan jenis data tertentu dan tidak yang lain, atau mereka memberlakukan pembatasan pada penggunaan data mereka (misalnya, membatasinya pada wilayah geografis tertentu). Meskipun persetujuan yang terperinci terdengar mengesankan, memperlakukan pemasok data dan penggunanya dengan hormat telah memungkinkan Farmer.Chat membangun ekosistem tepercaya untuk berbagi data. Pada gilirannya, ekosistem itu mengarah pada pertanian yang sukses.

FarmStack juga memungkinkan umpan balik rahasia. Apakah data penyedia data berhasil digunakan? Apakah petani memberikan pengetahuan lokal yang membantu orang lain? Atau apakah ada masalah dengan informasi tersebut? Data selalu merupakan jalan dua arah; penting untuk tidak hanya menggunakan data tetapi juga untuk meningkatkannya.

Penerjemahan adalah masalah tersulit bagi Digital Green dan Farmer.Chat. Farmer.Chat saat ini mendukung enam bahasa (Inggris, Hindi, Telugu, Amharik, Swahili, dan Hausa) dan Digital Green berupaya untuk menambahkan lebih banyak bahasa. Untuk melayani EA dan petani dengan baik, Farmer.Chat juga harus multimoda—suara, teks, dan video—dan harus menjangkau petani dalam bahasa asli mereka. Meskipun informasi yang berguna tersedia dalam banyak bahasa, menemukan informasi tersebut dan menjawab pertanyaan dalam bahasa petani melalui obrolan suara merupakan tantangan yang berat. Farmer.Chat menggunakan Google Translate, Azure, Whisper, dan Bhashini (perusahaan India yang menyediakan layanan text-to-speech dan layanan lainnya untuk bahasa India), tetapi masih ada kesenjangan. Bahkan dalam satu bahasa, kata yang sama dapat memiliki arti yang berbeda bagi orang yang berbeda. Banyak petani mengukur hasil panen mereka dalam karung beras, tetapi apa itu “sekarung beras”? Itu mungkin berarti 10 kilogram bagi satu petani, dan 5 kilogram bagi seseorang yang menjual ke pembeli yang berbeda. Ini adalah satu area di mana menjaga agen penyuluhan tetap terlibat sangatlah penting. Seorang EA akan menyadari berbagai masalah seperti penggunaan lokal, bahasa gaul lokal, dan istilah pertanian teknis, dan dapat menyelesaikan masalah dengan mengajukan pertanyaan dan menafsirkan jawaban dengan tepat. EA juga membantu membangun kepercayaan. Petani secara alami berhati-hati dalam menerima saran AI dalam mengubah praktik yang telah digunakan selama beberapa generasi. Seorang EA yang mengenal petani dan sejarah mereka serta dapat menempatkan jawaban AI dalam konteks lokal jauh lebih dapat dipercaya.

Untuk mengelola masalah halusinasi dan jenis keluaran yang salah lainnya, Digital Green menggunakan retrieval-augmented generation (RAG). Meskipun RAG secara konseptual sederhana—mencari dokumen yang relevan dan membuat perintah yang memberi tahu model untuk membuat responsnya dari dokumen tersebut—dalam praktiknya, RAG lebih rumit. Seperti yang diketahui siapa pun yang pernah melakukan pencarian, hasil pencarian kemungkinan akan memberi Anda beberapa ribu hasil. Menyertakan semua hasil tersebut dalam kueri RAG tidak mungkin dilakukan dengan sebagian besar model bahasa dan tidak praktis dengan beberapa model yang memungkinkan jendela konteks yang besar. Jadi, hasil pencarian perlu dinilai relevansinya; dokumen yang paling relevan perlu dipilih; kemudian dokumen perlu dipangkas sehingga hanya berisi bagian yang relevan. Perlu diingat bahwa, bagi Digital Green, masalah ini bersifat multibahasa dan multimoda: dokumen yang relevan dapat muncul dalam bahasa atau mode apa pun yang digunakannya.

Penting untuk menguji setiap tahap alur kerja ini dengan saksama: perangkat lunak penerjemahan, perangkat lunak text-to-speech, penilaian relevansi, pemangkasan dokumen, dan model bahasa itu sendiri: Dapatkah model lain melakukan pekerjaan yang lebih baik? Pagar pembatas perlu dipasang di setiap langkah untuk melindungi dari hasil yang salah. Hasil harus lulus tinjauan manusia. Digital Green menguji dengan “Golden QAs,” serangkaian pertanyaan dan jawaban yang dinilai tinggi. Ketika ditanya sebuah “pertanyaan emas,” dapatkah aplikasi secara konsisten menghasilkan hasil sebaik “jawaban emas?” Pengujian seperti ini perlu dilakukan terus-menerus. Digital Green juga secara manual meninjau 15% dari log penggunaan mereka, untuk memastikan bahwa hasil mereka secara konsisten berkualitas tinggi. Dalam podcast untuk O'ReillyAndrew Ng baru-baru ini mencatat bahwa tahap evaluasi pengembangan produk sering kali tidak mendapat perhatian yang layak, sebagian karena sangat mudah untuk menulis perangkat lunak AI; siapa yang ingin menghabiskan beberapa bulan untuk menguji aplikasi yang butuh waktu seminggu untuk menulisnya? Namun, itulah yang dibutuhkan untuk meraih kesuksesan.

Farmer.Chat dirancang agar inklusif gender dan cerdas terhadap iklim. Karena 60% petani kecil di dunia adalah perempuan, penting bagi aplikasi ini untuk ramah terhadap perempuan dan tidak berasumsi bahwa semua petani adalah laki-laki. Kata ganti penting. Begitu pula panutan; petani yang menyajikan teknik dan menjawab pertanyaan dalam klip video harus mencakup laki-laki dan perempuan.

Cerdas terhadap iklim berarti membuat rekomendasi yang peka terhadap iklim sedapat mungkin. Perubahan iklim merupakan masalah besar bagi petani, terutama di negara-negara seperti India, di mana peningkatan suhu dan perubahan pola curah hujan dapat merusak. Rekomendasi harus mengantisipasi pola cuaca saat ini dan cara-cara yang mungkin akan berubah. Rekomendasi cerdas terhadap iklim juga cenderung lebih murah. Misalnya, meskipun Farmer.Chat tidak takut merekomendasikan pupuk komersial, mereka menekankan solusi lokal: hampir setiap pertanian dapat memiliki persediaan kompos tanpa batas—yang harganya lebih murah daripada pupuk dan membantu mengelola limbah pertanian.

Bertani bisa sangat terikat dengan tradisi: “Kami melakukan ini karena itulah yang dilakukan kakek-nenek saya, dan orang tua mereka sebelumnya.” Teknik bertani baru yang berasal dari beberapa ilmuwan tak dikenal di kantor perkotaan tidak berarti apa-apa; teknik ini lebih mungkin diadopsi jika Anda mendengar bahwa teknik tersebut telah berhasil digunakan oleh petani yang Anda kenal dan hormati. Untuk membantu petani mengadopsi praktik baru, Digital Green memprioritaskan pekerjaan rekan sejawat jika memungkinkan dengan menggunakan video yang dikumpulkan dari petani lokal. Mereka mencoba untuk menghubungkan petani satu sama lain, merayakan keberhasilan mereka untuk membantu petani mengadopsi ide-ide baru.

Terakhir, Farmer.Chat dan FarmStack keduanya sumber terbukaLisensi perangkat lunak mungkin tidak memengaruhi petani secara langsung, tetapi penting dalam membangun ekosistem yang sehat di sekitar proyek yang bertujuan untuk berbuat baik. Kami melihat terlalu banyak aplikasi yang tujuannya adalah untuk memonopoli perhatian pengguna, menjadikan pengguna sasaran pengawasan yang tidak diinginkan, atau merendahkan diskusi politik. Sebuah proyek sumber terbuka untuk membantu orang: kita membutuhkan lebih banyak hal seperti itu.

Sepanjang sejarahnya, di mana Farmer.Chat hanyalah bab terbaru, Digital Green telah membantu lebih dari 6,3 juta petani, meningkatkan pendapatan mereka hingga 24%, dan meningkatkan hasil panen hingga 17%. Farmer.Chat adalah langkah selanjutnya dalam proses ini. Dan kami bertanya-tanya: masalah yang dihadapi oleh pertanian skala kecil di negara-negara maju tidak berbeda dengan masalah di negara-negara berkembang. Iklim, serangga, dan penyakit tanaman tidak menghormati ekonomi atau politik. Farmer.Chat membantu petani skala kecil untuk berhasil di negara-negara berkembang. Kami membutuhkan layanan yang sama di negara-negara yang disebut “dunia pertama”.