GPT’s inaccuracies in agriculture could lead to crop losses and food crises — Phys.Org

This is a summary of the content that was originally published on 28 May 2024 by Reichman University, for Phys.Org. Image by Pixabay/CC0 Public Domain.

ENGLISH

Researchers led by Dr. Asaf Tzachor studied the reliability of ChatGPT (versions 3.5 and 4.0) for providing agricultural advice to African farmers and found inaccuracies that could cause significant crop losses.
The study, published in Nature Food, warns against the unmediated use of AI in agriculture, advocating for thorough monitoring and testing before deployment.
The research team, comprising experts from various countries, found that farmers in developing regions have started using ChatGPT for agronomy and botany advice, potentially replacing traditional agricultural extension agents.
These extension agents, essential for disseminating agricultural knowledge, face challenges like language barriers, poor infrastructure, and limited resources, making it difficult to reach remote farmers.
The researchers tested ChatGPT with scenarios like pest control and cassava cultivation, finding it provided ambiguous or incorrect advice, highlighting the risks of using AI in sensitive agricultural contexts.
Dr. Tzachor emphasizes the need for oversight, accountability, and a structured development process for AI in agriculture to ensure safe and accurate usage, especially for vulnerable populations.

ESPAÑOL

Investigadores liderados por el Dr. Asaf Tzachor estudiaron la fiabilidad de ChatGPT (versiones 3.5 y 4.0) para proporcionar asesoramiento agrícola a los agricultores africanos y encontraron inexactitudes que podrían causar pérdidas significativas de cultivos.
El estudio, publicado en Nature Food, advierte contra el uso no mediado de la IA en la agricultura, abogando por una supervisión y pruebas exhaustivas antes de su implementación.
El equipo de investigación, compuesto por expertos de varios países, descubrió que los agricultores en regiones en desarrollo han comenzado a usar ChatGPT para obtener asesoramiento en agronomía y botánica, potencialmente reemplazando a los agentes de extensión agrícola tradicionales.
Estos agentes de extensión, esenciales para la difusión del conocimiento agrícola, enfrentan desafíos como barreras lingüísticas, infraestructura deficiente y recursos limitados, lo que dificulta llegar a los agricultores remotos.
Los investigadores probaron ChatGPT con escenarios como el control de plagas y el cultivo de yuca, encontrando que proporcionó consejos ambiguos o incorrectos, destacando los riesgos de usar IA en contextos agrícolas sensibles.
El Dr. Tzachor enfatiza la necesidad de supervisión, responsabilidad y un proceso de desarrollo estructurado para la IA en la agricultura para garantizar un uso seguro y preciso, especialmente para las poblaciones vulnerables.

PORTUGUÊS

Pesquisadores liderados pelo Dr. Asaf Tzachor estudaram a confiabilidade do ChatGPT (versões 3.5 e 4.0) para fornecer aconselhamento agrícola aos agricultores africanos e encontraram imprecisões que poderiam causar perdas significativas de safras.
O estudo, publicado na Nature Food, alerta contra o uso não mediado da IA na agricultura, defendendo uma supervisão e testes minuciosos antes da implementação.
A equipe de pesquisa, composta por especialistas de vários países, descobriu que agricultores em regiões em desenvolvimento começaram a usar o ChatGPT para obter aconselhamento em agronomia e botânica, potencialmente substituindo os agentes de extensão agrícola tradicionais.
Esses agentes de extensão, essenciais para disseminar o conhecimento agrícola, enfrentam desafios como barreiras linguísticas, infraestrutura deficiente e recursos limitados, dificultando o alcance aos agricultores remotos.
Os pesquisadores testaram o ChatGPT com cenários como controle de pragas e cultivo de mandioca, descobrindo que ele forneceu conselhos ambíguos ou incorretos, destacando os riscos do uso de IA em contextos agrícolas sensíveis.
Dr. Tzachor enfatiza a necessidade de supervisão, responsabilidade e um processo de desenvolvimento estruturado para a IA na agricultura para garantir o uso seguro e preciso, especialmente para as populações vulneráveis.