Viện Khoa học Nông nghiệp và Thực phẩm, Đại học Florida, đang dẫn đầu một dự án do nhà khoa học trí tuệ nhân tạo Nikolaos Tziolas phụ trách, nhằm nâng cao hiểu biết về nông nghiệp thông qua nền tảng AI đàm thoại. Nghiên cứu này được hỗ trợ bởi khoản tài trợ 297.000 đô la từ Bộ Nông nghiệp Hoa Kỳ (Viện Nông nghiệp và Thực phẩm Quốc gia). Dự án tích hợp hình ảnh vệ tinh với giao diện trò chuyện dễ tiếp cận, giúp người dùng có thể tương tác và thu thập thông tin một cách hiệu quả.
Nền tảng web, dành cho cả điện thoại thông minh và máy tính, cung cấp cho người dùng không chuyên như nông dân và cán bộ khuyến nông quyền truy cập trực quan vào dữ liệu vệ tinh. Nó hỗ trợ xác định các khu vực bị ngập lụt và đánh giá các biến động về sức khỏe cây trồng trước và sau bão. Theo Tziolas, hệ thống này tương tự như ChatGPT dành cho nông nghiệp, cho phép người dùng tương tác với một "trợ lý AI" quen thuộc với các vấn đề quản lý trang trại.
Thông qua giao diện AI này, người dùng có thể đặt câu hỏi như "Trang trại của tôi bị ngập bao nhiêu phần?" hoặc "Cây trồng của tôi phát triển như thế nào so với năm ngoái?" và nhận được phản hồi phù hợp với bản đồ và dữ liệu định lượng. Chức năng này mang lại sự thay đổi đáng kể so với các đánh giá sau bão truyền thống, thường đòi hỏi phải kiểm tra thực tế hoặc sử dụng máy bay không người lái tốn kém.
Các hiện tượng thời tiết cực đoan như bão có ảnh hưởng đáng kể đến hệ thống nông nghiệp. Điển hình là cơn bão Milton năm ngoái ở Florida, đã gây thiệt hại từ 190,4 triệu đến 642,7 triệu đô la. Tziolas lưu ý rằng các phương pháp đánh giá thiệt hại hiện có thường kém hiệu quả, tốn kém và chậm chạp, gây ra thách thức trong các tình huống cấp bách.
Dự án nhằm khắc phục những hạn chế này bằng cách tận dụng AI để đánh giá thiệt hại cây trồng và giám sát phục hồi một cách hiệu quả. Bằng cách cung cấp thông tin tình báo hữu ích, nền tảng này mong muốn hỗ trợ người dùng tối ưu hóa hoạt động, giảm thiểu chi phí và tăng cường khả năng phục hồi trước các thách thức thời tiết trong tương lai. Tziolas nhấn mạnh: "Các phương pháp truyền thống để đánh giá thiệt hại như vậy thường chậm, phức tạp và tốn kém, hạn chế hiệu quả của chúng trong các nỗ lực ứng phó thảm họa cấp bách".
