論文の概要: OpenAg: Democratizing Agricultural Intelligence
- arxiv url: http://arxiv.org/abs/2506.04571v1
- Date: Thu, 05 Jun 2025 02:44:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-06 21:53:49.49707
- Title: OpenAg: Democratizing Agricultural Intelligence
- Title（参考訳）: OpenAg: 農業インテリジェンスを民主化
- Authors: Srikanth Thudumu, Jason Fisher,
- Abstract要約: OpenAgは、農業用汎用人工知能(AGI)を進化させるために設計された包括的なフレームワークである
ドメイン固有の基礎モデル、神経知識グラフ、マルチエージェント推論、因果説明可能性、適応的伝達学習を組み合わせる。
科学的知識と経験豊富な農家の暗黙の専門知識のギャップを埋めて、スケーラブルで局所的な農業意思決定を支援することを目的としている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Agriculture is undergoing a major transformation driven by artificial intelligence (AI), machine learning, and knowledge representation technologies. However, current agricultural intelligence systems often lack contextual understanding, explainability, and adaptability, especially for smallholder farmers with limited resources. General-purpose large language models (LLMs), while powerful, typically lack the domain-specific knowledge and contextual reasoning needed for practical decision support in farming. They tend to produce recommendations that are too generic or unrealistic for real-world applications. To address these challenges, we present OpenAg, a comprehensive framework designed to advance agricultural artificial general intelligence (AGI). OpenAg combines domain-specific foundation models, neural knowledge graphs, multi-agent reasoning, causal explainability, and adaptive transfer learning to deliver context-aware, explainable, and actionable insights. The system includes: (i) a unified agricultural knowledge base that integrates scientific literature, sensor data, and farmer-generated knowledge; (ii) a neural agricultural knowledge graph for structured reasoning and inference; (iii) an adaptive multi-agent reasoning system where AI agents specialize and collaborate across agricultural domains; and (iv) a causal transparency mechanism that ensures AI recommendations are interpretable, scientifically grounded, and aligned with real-world constraints. OpenAg aims to bridge the gap between scientific knowledge and the tacit expertise of experienced farmers to support scalable and locally relevant agricultural decision-making.
- Abstract（参考訳）: 農業は、人工知能(AI)、機械学習、知識表現技術による大きな変革を受けている。
しかし、現在の農業インテリジェンスシステムは文脈的理解、説明可能性、適応性を欠いていることが多い。
汎用大規模言語モデル(LLM)は強力だが、農業における実践的な意思決定支援に必要なドメイン固有の知識と文脈推論が欠如している。
現実のアプリケーションには汎用的すぎるレコメンデーションや非現実的なレコメンデーションを生成する傾向があります。
これらの課題に対処するため,農業用汎用人工知能(AGI)の進歩を目的とした包括的フレームワークであるOpenAgを紹介する。
OpenAgはドメイン固有の基礎モデル、神経知識グラフ、マルチエージェント推論、因果説明可能性、適応トランスファー学習を組み合わせて、コンテキスト認識、説明可能、行動可能な洞察を提供する。
システムには以下のものがある。
一 科学文献、センサデータ及び農夫が生み出す知識を統合する統一農業知識基盤
二 構造化推論及び推論のための神経農業知識グラフ
三 農業領域にまたがってAIエージェントが専門的に協力する適応型マルチエージェント推論システム
(iv)AIレコメンデーションが解釈され、科学的に根拠付けられ、現実世界の制約に適合することを保証する因果的透明性メカニズム。
OpenAgは、科学的知識と経験豊富な農家の暗黙の専門知識のギャップを埋めて、スケーラブルで局所的な農業の意思決定を支援することを目指している。
関連論文リスト
- Farm-LightSeek: An Edge-centric Multimodal Agricultural IoT Data Analytics Framework with Lightweight LLMs [8.54781439289805]
我々はエッジ中心のマルチモーダル農業用IoTデータ分析フレームワークであるFarm-LightSeekを提案する。
このフレームワークは、センサを介してリアルタイムの農地のマルチソースデータを収集し、エッジノードでクロスモーダル推論と病気検出を行い、低レイテンシの管理決定を行う。
2つの実世界のデータセットで実施された実験は、Farm-LightSeekがミッションクリティカルなタスクにおける信頼性の高いパフォーマンスを一貫して達成していることを示している。
論文 参考訳（メタデータ） (2025-05-28T14:09:36Z) - Agri-LLaVA: Knowledge-Infused Large Multimodal Assistant on Agricultural Pests and Diseases [49.782064512495495]
農業分野における最初のマルチモーダル・インストラクション・フォロー・データセットを構築した。
このデータセットは、約40万のデータエントリを持つ221種類以上の害虫と病気をカバーしている。
本稿では,農業用マルチモーダル対話システムであるAgri-LLaVAを開発するための知識注入型学習手法を提案する。
論文 参考訳（メタデータ） (2024-12-03T04:34:23Z) - AgriLLM: Harnessing Transformers for Farmer Queries [2.8592691160719554]
本研究は,農業従事者を対象とした問合せ解決の自動化におけるLarge Language Models (LLMs) の変容の可能性を探るものである。
インドで収集された現実世界のファーマークェリの膨大なデータセットのサブセットを用いて、我々の研究はタミル・ナドゥ州の約400万のクェリに焦点を当てた。
論文 参考訳（メタデータ） (2024-06-21T07:37:41Z) - Enabling High-Level Machine Reasoning with Cognitive Neuro-Symbolic
Systems [67.01132165581667]
本稿では,認知アーキテクチャを外部のニューロシンボリックコンポーネントと統合することにより,AIシステムにおける高レベル推論を実現することを提案する。
本稿では,ACT-Rを中心としたハイブリッドフレームワークについて紹介し,最近の応用における生成モデルの役割について論じる。
論文 参考訳（メタデータ） (2023-11-13T21:20:17Z) - Empowering Agrifood System with Artificial Intelligence: A Survey of the Progress, Challenges and Opportunities [86.89427012495457]
我々は、AI技術がアグリフードシステムをどう変え、現代のアグリフード産業に貢献するかをレビューする。
本稿では,農業,畜産,漁業において,アグリフードシステムにおけるAI手法の進歩について概説する。
我々は、AIで現代のアグリフードシステムを変革するための潜在的な課題と有望な研究機会を強調します。
論文 参考訳（メタデータ） (2023-05-03T05:16:54Z) - OAK4XAI: Model towards Out-Of-Box eXplainable Artificial Intelligence
for Digital Agriculture [4.286327408435937]
我々は農業における知識を説明するために農業コンピューティングオントロジー(AgriComO)を構築した。
XAIは、意思決定と訓練されたAIモデルに対して、人間に理解可能な説明を提供しようとしている。
論文 参考訳（メタデータ） (2022-09-29T21:20:25Z) - An Ontological Knowledge Representation for Smart Agriculture [1.5484595752241122]
本稿では,スマートシステムのための農業的枠組みについて述べる。
知識グラフは、時間的農業データの分析と推論を行う格子として表現される。
論文 参考訳（メタデータ） (2021-12-21T14:58:04Z) - Neuro-symbolic Architectures for Context Understanding [59.899606495602406]
本稿では,データ駆動型アプローチと知識駆動型アプローチの強みを組み合わせたフレームワークとして,ハイブリッドAI手法を提案する。
具体的には、知識ベースを用いて深層ニューラルネットワークの学習過程を導く方法として、ニューロシンボリズムの概念を継承する。
論文 参考訳（メタデータ） (2020-03-09T15:04:07Z) - A general framework for scientifically inspired explanations in AI [76.48625630211943]
我々は、AIシステムの説明を実装可能な一般的なフレームワークの理論的基盤として、科学的説明の構造の概念をインスタンス化する。
このフレームワークは、AIシステムの"メンタルモデル"を構築するためのツールを提供することを目的としている。
論文 参考訳（メタデータ） (2020-03-02T10:32:21Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。