論文の概要: Information Farming: From Berry Picking to Berry Growing

• arxiv url: http://arxiv.org/abs/2601.12544v1
• Date: Sun, 18 Jan 2026 19:16:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:22.675798
• Title: Information Farming: From Berry Picking to Berry Growing
• Title（参考訳）: 情報農業:Berry PickingからBerry Growingへ
• Authors: Leif Azzopardi, Adam Roegiest,
• Abstract要約: GenAIの台頭は、人々が情報を作成し、構造し、再利用する方法に根本的な変革をもたらしています。 この変化は新石器時代の革命と似ており、社会が狩猟や採集から耕作へと移行した。 生成技術により、ユーザーは、プロンプトの形で種を植えて、自分のプロットの中に豊かに構造化され、関連する収穫物を収穫することで、"ファーム"情報を置き換えることができる。
• 参考スコア（独自算出の注目度）: 5.175923226942929
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The classic paradigms of Berry Picking and Information Foraging Theory have framed users as gatherers, opportunistically searching across distributed sources to satisfy evolving information needs. However, the rise of GenAI is driving a fundamental transformation in how people produce, structure, and reuse information - one that these paradigms no longer fully capture. This transformation is analogous to the Neolithic Revolution, when societies shifted from hunting and gathering to cultivation. Generative technologies empower users to "farm" information by planting seeds in the form of prompts, cultivating workflows over time, and harvesting richly structured, relevant yields within their own plots, rather than foraging across others people's patches. In this perspectives paper, we introduce the notion of Information Farming as a conceptual framework and argue that it represents a natural evolution in how people engage with information. Drawing on historical analogy and empirical evidence, we examine the benefits and opportunities of information farming, its implications for design and evaluation, and the accompanying risks posed by this transition. We hypothesize that as GenAI technologies proliferate, cultivating information will increasingly supplant transient, patch-based foraging as a dominant mode of engagement, marking a broader shift in human-information interaction and its study.
• Abstract（参考訳）: Berry PickingとInformation Foraging Theoryの古典的なパラダイムは、進化する情報ニーズを満たすために、分散ソースを同時に探索する収集者としてユーザを形作っている。 しかし、GenAIの台頭は、人々が情報を作成し、構造し、再利用する方法に根本的な変革をもたらしています。 この変化は新石器時代の革命と似ており、社会が狩猟や採集から耕作へと移行した。 生成技術により、ユーザーは、他の人のパッチを捕食するのではなく、プロンプトの形で種を植え、時間をかけてワークフローを栽培し、自分のプロット内で豊かに構造化され、関連する収穫物を収穫することで、情報を"ファーム"することができる。 本稿では、情報農業の概念を概念的枠組みとして紹介し、それが人々の情報の関わり方における自然な進化を表していると論じる。 歴史的類推と実証的証拠に基づいて,情報農業のメリットと機会,その設計と評価への影響,およびこの移行に伴うリスクについて検討する。 我々は、GenAI技術が発展するにつれて、情報の育成は、過渡期、パッチベースの捕食を主要なエンゲージメントのモードとして置き換えるようになり、人間と情報の相互作用とその研究のより広範な変化を示す、と仮説を立てている。

関連論文リスト

• Digital Agriculture Sandbox for Collaborative Research [3.1332173046063545]
  デジタル農業は、世界の食料問題に対処するための貴重なデータを生成するが、農家はプライバシー上の懸念からそれを共有することをためらっている。 本稿では,この問題を解決するセキュアなオンラインプラットフォームであるDigital Agriculture Sandboxを提案する。 このプラットフォームにより、農家(限られた技術資源を持つ)と研究者は、プライベート情報を公開することなく、農業データを分析できる。
  論文  参考訳（メタデータ） (2025-11-20T02:41:35Z)
• OpenAg: Democratizing Agricultural Intelligence [0.0]
  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。
  論文  参考訳（メタデータ） (2025-06-05T02:44:38Z)
• 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)
• Epidemiology-informed Network for Robust Rumor Detection [59.89351792706995]
  本稿では, 疫学知識を統合し, 性能を高めるための新しい疫学情報ネットワーク(EIN)を提案する。 疫学理論をうわさ検出に適応させるため,各利用者が情報源情報に対する姿勢を付加することが期待されている。 実験結果から,提案したEINは実世界のデータセット上で最先端の手法より優れるだけでなく,樹木の深度にまたがる堅牢性も向上することが示された。
  論文  参考訳（メタデータ） (2024-11-20T00:43:32Z)
• 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)
• Domain Generalization for Crop Segmentation with Standardized Ensemble Knowledge Distillation [42.39035033967183]
  サービスロボットは、周囲を理解し、野生のターゲットを識別するリアルタイム認識システムが必要です。 しかし、既存の方法はしばしば、新しい作物や環境条件への一般化において不足している。 本稿では,知識蒸留を用いた領域一般化手法を提案する。
  論文  参考訳（メタデータ） (2023-04-03T14:28:29Z)
• High-Throughput Image-Based Plant Stand Count Estimation Using Convolutional Neural Networks [23.67862313758282]
  早期の表現学的段階における画像ベースコーンスタンド数に対するディープラーニングに基づくアプローチであるDeepStandを提案する。 提案手法はトウモロコシの立ち位置を計測し,他の最先端の方法よりも優れる。
  論文  参考訳（メタデータ） (2020-10-23T17:28:29Z)
• Crop Knowledge Discovery Based on Agricultural Big Data Integration [2.597676155371155]
  農業データは、IoT(Internet of Thing)、センサー、衛星、気象観測所、ロボット、農業機器、農業実験所、農家、政府機関、農業機関など、さまざまなソースを通じて生成される。 本稿では,他のデータセットやビッグデータモデルを組み込むのに十分なフレキシブルなコンステレーションスキーマを用いた農業データ統合手法を提案する。
  論文  参考訳（メタデータ） (2020-03-11T00:13:17Z)

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。