- EN / 中文
Luis O Tedeschi, Paul L Greenwood, IlanHalachmi
過去20年來，通過物聯(lián)網(wǎng)發(fā)展的遠程監(jiān)控、基于傳感器的現(xiàn)代數(shù)據(jù)收集、數(shù)據(jù)快速傳輸、海量數(shù)據(jù)儲存極大的促進精準畜牧的發(fā)展。精準畜牧涉及到畜牧生產(chǎn)的多個環(huán)節(jié)，包括牧場牧草數(shù)量和質(zhì)量的評估、體重和體組成、體況評估；在放牧和覓食過程中記錄位置、活動、行為的個體設(shè)備；跛行和疾病狀態(tài)的早期診斷；產(chǎn)奶量和乳組成；繁殖性能評估和犢牛疾病；采食量和溫室氣體排放；這僅僅是其中的一小部分。
這僅僅是精準畜牧改善動物生產(chǎn)力的諸多可能，但是為了使其在畜牧現(xiàn)場應用更加方便必須將精準畜牧和電腦建模結(jié)合起來。概念或知識驅(qū)動的（機械的）模型是建立在科學知識之上的，并且它們基于對多個相互關(guān)系的假設(shè)的概念化。從另一個角度來看，人工智能是一種數(shù)據(jù)驅(qū)動的方案，它能夠控制和代表由傳感器和物聯(lián)網(wǎng)積累起來的大數(shù)據(jù)。但是由于它缺乏賦予數(shù)據(jù)以理解和原則的智慧，它仍然不能完全解釋數(shù)據(jù)核心內(nèi)在關(guān)系的基本假設(shè)。人工智能缺乏智慧的原因是其擁有的只有數(shù)字之間的關(guān)系。數(shù)字之間的關(guān)聯(lián)是通過數(shù)學相關(guān)性和協(xié)方差的“自動”學習過程獲得的，而不是通過“人為因果”和生理、生產(chǎn)原理的抽象概念化而獲得的。人工智能（AI）從比較類比開始，以建立概念并為將來的比較提供記憶。然后，學習過程從尋求智慧到系統(tǒng)地運用推理而發(fā)展。在許多科學領(lǐng)域，人工智能是一個相對新穎的概念。加速傳統(tǒng)的最大化產(chǎn)出心態(tài)過渡到更合理的目的是優(yōu)化生產(chǎn)效率，同時減少生產(chǎn)資源的分配，這很可能是“缺失的環(huán)節(jié)”。
通過機械模型和AI模型的并行混合將概念模型和數(shù)據(jù)驅(qū)動模型進行集成，將產(chǎn)生一個混合智能模型，該模型與通過精準畜牧收集的數(shù)據(jù)一起，對于持續(xù)地實現(xiàn)超越牲畜生產(chǎn)的現(xiàn)狀至關(guān)重要。
2021. J. Anim. Sci. 99(2): skab038
DOI：https://doi.org/10.1093/jas/skab038
相關(guān)推薦閱讀：母豬圍產(chǎn)期的最佳飼喂水平（更快分娩，更多初乳）
