أعلنت أبوظبي عن تطوير نظام ذكاء اصطناعي متقدم، يُعرف باسم “أجريل ل م” AgriLLM، مصمم خصيصًا للإجابة على الاستفسارات المتعلقة بالزراعة. يتميز هذا النظام بأنه مجاني ومفتوح المصدر، مما يتيح لأي شخص الاستفادة منه وتطويره، على عكس العديد من أدوات الذكاء الاصطناعي التجارية الأخرى. يهدف هذا الابتكار إلى دعم المزارعين حول العالم، وتقديم حلول للتحديات التي تواجه القطاع الزراعي.
تم تطوير “أجريل ل م” AgriLLM بالشراكة بين شركة ai71 و 15 منظمة عالمية مرموقة، بما في ذلك CGIAR ومؤسسة بيل وميليندا غيتس. تأتي هذه المبادرة استجابةً لحاجة ملحة، حيث تشير تقديرات منظمة الأغذية والزراعة للأمم المتحدة (FAO) إلى أن 75% من المزارعين أصحاب الحيازات الصغيرة حول العالم يفتقرون إلى الحصول على دعم زراعي موثوق به.
أهمية تطوير نظام AgriLLM للذكاء الاصطناعي في القطاع الزراعي
يعتبر القطاع الزراعي من أهم القطاعات الحيوية للاقتصاد العالمي، إلا أنه يواجه تحديات متزايدة مثل تغير المناخ، وندرة الموارد، وارتفاع تكاليف الإنتاج. يأتي تطوير “أجريل ل م” AgriLLM كجزء من الجهود المستمرة لتبني التكنولوجيا المتقدمة في هذا القطاع، بهدف زيادة الإنتاجية وتحسين الاستدامة.
تقليديًا، يعتمد المزارعون على المصادر التقليدية للحصول على المعلومات والمشورة الزراعية، مثل المرشدين الزراعيين والمنشورات المتخصصة. ومع ذلك، غالبًا ما تكون هذه المصادر محدودة الوصول أو غير متوفرة في الوقت المناسب. بالإضافة إلى ذلك، فإن المعلومات الزراعية متفرقة ومتغيرة باستمرار، مما يجعل من الصعب على المزارعين مواكبة أحدث التطورات.
تلبية احتياجات المزارعين أصحاب الحيازات الصغيرة
يركز “أجريل ل م” AgriLLM بشكل خاص على تلبية احتياجات المزارعين أصحاب الحيازات الصغيرة في البلدان النامية. وفقًا للبنك الدولي، تنتج هذه المزارع حوالي 80٪ من الغذاء في العالم، ولكنها غالبًا ما تكون الأقل قدرة على الوصول إلى التكنولوجيا والموارد اللازمة لتحسين إنتاجها.
يوفر النظام إمكانية الوصول إلى مجموعة واسعة من المعلومات الزراعية، بما في ذلك أفضل الممارسات الزراعية، وطرق مكافحة الآفات والأمراض، وتقنيات إدارة المياه والأسمدة. يمكن للمزارعين طرح أسئلتهم باللغة التي يفضلونها، وسيقوم النظام بتقديم إجابات دقيقة وموثوقة بناءً على أحدث الأبحاث والبيانات.
كيف يعمل “أجريل ل م” AgriLLM؟
يعتمد “أجريل ل م” AgriLLM على نماذج لغوية كبيرة (LLMs) تم تدريبها على كم هائل من البيانات الزراعية، بما في ذلك الأوراق البحثية، والتقارير الحكومية، وأدلة المزارعين، ومنتديات المناقشة عبر الإنترنت. تم تصميم هذه النماذج لفهم اللغة الطبيعية والإجابة على الأسئلة المعقدة بطريقة بسيطة وواضحة.
ما يميز هذا النظام عن أدوات الذكاء الاصطناعي الأخرى هو أنه تم تدريبه خصيصًا على البيانات الزراعية. وهذا يجعله أكثر دقة وموثوقية في الإجابة على الأسئلة المتعلقة بالزراعة من الأنظمة العامة التي قد لا تكون لديها المعرفة المتخصصة اللازمة. بالإضافة إلى ذلك، فإن كونه مفتوح المصدر يسمح للمطورين حول العالم بالمساهمة في تحسينه وتطويره.
تعتبر مسألة جودة البيانات وزراعة البيانات (data curation) مفتاح نجاح أي نظام ذكاء اصطناعي، خاصة في مجال معقد مثل الزراعة. التعاون مع منظمات مثل CGIAR ومؤسسة غيتس يضمن الوصول إلى بيانات موثوقة وشاملة، مما يعزز من فعالية النظام. هذا يختلف بشكل كبير عن بعض التطبيقات التجارية التي قد تعتمد على بيانات أقل دقة أو تغطية.
تتجاوز إمكانات تقنية الزراعة الذكية (smart agriculture) مجرد الإجابة على الأسئلة. يمكن لنظام مثل AgriLLM أن يساعد في تحليل اتجاهات السوق، والتنبؤ بالطقس، وتقديم توصيات مخصصة للمزارعين بناءً على ظروفهم الخاصة. هذا يعزز من قدرة المزارعين على اتخاذ قرارات مستنيرة وتحسين أرباحهم.
تُبذل جهود متزايدة في مجال الاستدامة الزراعية (sustainable agriculture) والدليل على ذلك هو استخدام بدائل الأسمدة الكيميائية والتركيز على الممارسات الزراعية العضوية. من المرجح أن يلعب AgriLLM دورًا في نشر هذه الممارسات من خلال توفير معلومات حول تقنيات الزراعة المستدامة وتوصيات مخصصة للمزارعين.
أعلنت شركة ai71 أن النظام متاح حاليًا للباحثين والمطورين للاختبار والتقييم. ويهدف الفريق إلى إطلاق نسخة تجريبية عامة في غضون الأشهر القليلة القادمة، ومن ثم توسيع نطاق التوفر ليشمل المزيد من اللغات والمناطق حول العالم. من المتوقع أن تشمل الخطوات التالية جمع المزيد من البيانات الزراعية، وتحسين دقة النظام، وتطوير واجهة مستخدم سهلة الاستخدام.
من غير الواضح حتى الآن كيف سيتم دمج “أجريل ل م” AgriLLM في البنية التحتية الزراعية الحالية في مختلف البلدان. سيتطلب الأمر تعاونًا وثيقًا بين الحكومات والمنظمات غير الحكومية والقطاع الخاص لضمان وصول النظام إلى أكبر عدد ممكن من المزارعين. سيكون من المهم أيضًا مراقبة أداء النظام وتقييم تأثيره على القطاع الزراعي بشكل عام.
