Cet article réfléchit sur le battage médiatique cyclique et les revers rencontrés dans l'histoire de l'Intelligence Artificielle, établissant des parallèles entre le boom de l'AI des années 1980 et les développements actuels. Il souligne comment les premiers efforts en AI, en particulier les systèmes experts, ont échoué en raison d'une infrastructure de gestion des données inadéquate et de la fragilité de la représentation des connaissances. La discussion passe aux leçons pour l'industrie agricole, mettant en avant l'importance d'une gestion robuste des données géospatiales comme fondation pour les futures applications AI. L'article note la nature fragmentée de l'agriculture et les défis pour atteindre des économies d'échelle, surtout alors que l'industrie fait face à une pression croissante des prix mondiaux, du changement climatique et des incertitudes des chaînes d'approvisionnement. En fin de compte, il soutient que l'agriculture doit apprendre des échecs passés de l'AI en construisant des systèmes de données adaptés à ses caractéristiques uniques afin de réaliser le potentiel des technologies intelligentes.<\/P>
L'article : Agriculture Intelligence (AgI) : Leçons de l'Intelligence Artificielle (AI) « Old School »<\/A><\/P>
<\/span><\/P>
