Este artículo reflexiona sobre el ciclo de exageraciones y retrocesos experimentados en la historia de la Inteligencia Artificial, estableciendo paralelismos entre el auge de AI en los años 80 y los desarrollos actuales. Destaca cómo los primeros esfuerzos en AI, particularmente los sistemas expertos, fracasaron debido a una infraestructura inadecuada para la gestión de datos y la fragilidad de la representación del conocimiento. La discusión transita hacia lecciones para la industria agrícola, enfatizando la importancia de una gestión robusta de datos impulsada geoespacialmente como base para futuras aplicaciones de AI. El artículo señala la naturaleza fragmentada de la agricultura y los desafíos para lograr economías de escala, especialmente mientras la industria enfrenta una presión creciente por los precios globales, el cambio climático y las incertidumbres en la cadena de suministro. En última instancia, argumenta que la agricultura debe aprender de los fracasos pasados de AI construyendo sistemas de datos adaptados a sus características únicas para realizar el potencial de las tecnologías inteligentes.<\/P>
El artículo: Agriculture Intelligence (AgI): Lessons from \u201cOld School\u201d Artificial Intelligence (AI)<\/A><\/P>
<\/span><\/P>
