Agriculture is undergoing a major transformation driven by artificial intelligence (AI), machine learning, and knowledge representation technologies. However, current agricultural intelligence systems often lack contextual understanding, explainability, and adaptability, especially for smallholder farmers with limited resources. General-purpose large language models (LLMs), while powerful, typically lack the domain-specific knowledge and contextual reasoning needed for practical decision support in farming. They tend to produce recommendations that are too generic or unrealistic for real-world applications. To address these challenges, we present OpenAg, a comprehensive framework designed to advance agricultural artificial general intelligence (AGI). OpenAg combines domain-specific foundation models, neural knowledge graphs, multi-agent reasoning, causal explainability, and adaptive transfer learning to deliver context-aware, explainable, and actionable insights. The system includes: (i) a unified agricultural knowledge base that integrates scientific literature, sensor data, and farmer-generated knowledge; (ii) a neural agricultural knowledge graph for structured reasoning and inference; (iii) an adaptive multi-agent reasoning system where AI agents specialize and collaborate across agricultural domains; and (iv) a causal transparency mechanism that ensures AI recommendations are interpretable, scientifically grounded, and aligned with real-world constraints. OpenAg aims to bridge the gap between scientific knowledge and the tacit expertise of experienced farmers to support scalable and locally relevant agricultural decision-making.

Bản dịch tiếng Việt:

Nông nghiệp đang trải qua một sự chuyển đổi lớn được thúc đẩy bởi trí tuệ nhân tạo (AI), học máy và công nghệ trình bày kiến ​​thức. Tuy nhiên, các hệ thống thông tin nông nghiệp hiện tại thường thiếu hiểu biết về ngữ cảnh, khả năng giải thích và khả năng thích ứng, đặc biệt đối với các hộ nông dân nhỏ có nguồn lực hạn chế. Các mô hình ngôn ngữ lớn (LLM) có mục đích chung tuy mạnh mẽ nhưng thường thiếu kiến ​​thức về miền cụ thể và lý luận theo ngữ cảnh cần thiết để hỗ trợ đưa ra quyết định thực tế trong canh tác. Họ có xu hướng đưa ra các khuyến nghị quá chung chung hoặc không thực tế cho các ứng dụng trong thế giới thực. Để giải quyết những thách thức này, chúng tôi giới thiệu OpenAg, một khuôn khổ toàn diện được thiết kế để thúc đẩy trí tuệ nhân tạo chung (AGI) trong nông nghiệp. OpenAg kết hợp các mô hình nền tảng dành riêng cho từng miền, biểu đồ tri thức thần kinh, lý luận đa tác nhân, khả năng giải thích nguyên nhân và học chuyển giao thích ứng để cung cấp những hiểu biết sâu sắc về bối cảnh, có thể giải thích và có thể hành động. Hệ thống này bao gồm: (i) cơ sở kiến ​​thức nông nghiệp thống nhất tích hợp tài liệu khoa học, dữ liệu cảm biến và kiến ​​thức do nông dân tạo ra; (ii) biểu đồ tri thức nông nghiệp thần kinh để suy luận và suy luận có cấu trúc; (iii) một hệ thống lý luận đa tác nhân thích ứng trong đó các tác nhân AI chuyên môn hóa và cộng tác trên các lĩnh vực nông nghiệp; và (iv) cơ chế minh bạch nhân quả nhằm đảm bảo các khuyến nghị về AI có thể hiểu được, có cơ sở khoa học và phù hợp với các ràng buộc trong thế giới thực. OpenAg nhằm mục đích thu hẹp khoảng cách giữa kiến ​​thức khoa học và kiến ​​thức chuyên môn ngầm của nông dân có kinh nghiệm để hỗ trợ việc ra quyết định nông nghiệp có thể mở rộng và phù hợp với địa phương.

Document Ready

Click below to load the full PDF document natively.