MENU
日本農研機構(NARO)聯合多方研究團隊開發出一款專門用於農業領域的AI系統，這項技術的特色不僅學習了農研機構中的大量數據，還整合了來自日本農林水產省、全國公營試驗研究機構與農業法人組織的專業知識，建立一個全面且精準的農業知識資料庫。
這款AI系統最初在三重縣的草莓栽培領域進行試運行，主要是為農業推廣指導員提供意見支援。這款系統在應對農戶常見問題的正確率上提升40%，能夠準確提供具體的數值和品種資料，避免一般AI常出現的模糊表述情形。研究團隊採用了創新的技術方案，結合最新的RAG(Retrieval-Augmented Generation)及MoA(Mixture of Agents)等技術，即使在數據量較少時也能確保擁有高精度的學習效果。研究人員將系統在農研機構的超級電腦「紫峰」上進行訓練，顯著降低了「幻覺」現象的發生。考慮到各地的農業樣態不同，研究團隊特別設計了可按縣設置區域特定知識的機制，為未來全國推廣奠定基礎。
根據農林水產省的調查，目前推廣指導員在準備工作時往往需要大量預備時間，占用了總工作時間的37%。藉由這套AI系統，可望顯著提高指導員服務效率，使指導員在現場可為農民提供更充實的說明服務。未來，研究團隊希望可擴大到其他農作物試運行，開發適用於其他地區的版本，此外，還計畫提升超級電腦的運算能力，推動至農業經營、銷售和宣傳等領域的AI技術應用。這些發展符合目前日本政府的政策方向，可為未來的農業政策提供創新科技支持。
在現代農業從業者高齡化、氣候變化影響增加及國際局勢不穩定等挑戰下，這項AI技術的發展應用將可為新型農業從業者和現有農戶提供重要知識獲取和技術更新支援，推動農業往智慧化與高效化的持續成長。【延伸閱讀】-利用AI技術精準測量凝集劑用量，減少資源浪費，促進環境友善
隨著生成式AI與機器學習技術之快速進展，農業領域智慧決策系統將迎來全新契機，本場次特邀兩位具實務與研究專長的學者，從不同角度剖析AI於農業上的應用潛力與挑戰。課程前半場由陽明交通大學陳文亮教授將分享其團隊如何整合大型語言模型（LLM）與農業知識圖譜，建構具備推論能力的病蟲害預警決策系統；後半場則由南臺科技大學黃能富教授將聚焦鑑別式AI技術於農業領域的應用案例，解析模型訓練、辨識流程以及實務導入效益。期有助於學員深入理解AI在農業領域應用邏輯與技術選型，強化跨域思維與實務導向數位轉型能力。
臺灣農業科技實力堅強，自第6次全國農業會議、新農業科技推動方案直到今日的「智慧韌性永續安心－農業政策行動策略」，長期以來一直需要前瞻性的農業科技願景來延續創新動能。而所謂科技前瞻是指透過專家意見調查來預測未來情境，藉由形塑共識建為回應社會大眾對於農業發展之期待，農業部開創於2008-2011年提出2025臺灣農業科技前瞻議題分析，並作為至今農業科技施政之重要藍圖，然因前一期前瞻分析於今年屆期，故規劃進行第二次的農業科技前瞻規劃工作，期望藉由擴大辦理農業科技前瞻論壇，提出放眼至2040年農業科技創新發展策略，接續作為農業部未來科技施政重要依循。本次規劃過程為廣納各利害關係人意見，邀請來自產、學、研之不同領域之專家、學者協作，透過問卷調查分析我國農業背景與現況得出重要農業驅動因子，並組成專家團隊進一步收攏並建立農業未來可能情境。
