- EN / 中文
Luis O Tedeschi, Paul L Greenwood, IlanHalachmi
过去20年来，通过物联网发展的远程监控、基于传感器的现代数据收集、数据快速传输、海量数据储存极大的促进精准畜牧的发展。精准畜牧涉及到畜牧生产的多个环节，包括牧场牧草数量和质量的评估、体重和体组成、体况评估；在放牧和觅食过程中记录位置、活动、行为的个体设备；跛行和疾病状态的早期诊断；产奶量和乳组成；繁殖性能评估和犊牛疾病；采食量和温室气体排放；这仅仅是其中的一小部分。
这仅仅是精准畜牧改善动物生产力的诸多可能，但是为了使其在畜牧现场应用更加方便必须将精准畜牧和电脑建模结合起来。概念或知识驱动的（机械的）模型是建立在科学知识之上的，并且它们基于对多个相互关系的假设的概念化。从另一个角度来看，人工智能是一种数据驱动的方案，它能够控制和代表由传感器和物联网积累起来的大数据。但是由于它缺乏赋予数据以理解和原则的智慧，它仍然不能完全解释数据核心内在关系的基本假设。人工智能缺乏智慧的原因是其拥有的只有数字之间的关系。数字之间的关联是通过数学相关性和协方差的“自动”学习过程获得的，而不是通过“人为因果”和生理、生产原理的抽象概念化而获得的。人工智能（AI）从比较类比开始，以建立概念并为将来的比较提供记忆。然后，学习过程从寻求智慧到系统地运用推理而发展。在许多科学领域，人工智能是一个相对新颖的概念。加速传统的最大化产出心态过渡到更合理的目的是优化生产效率，同时减少生产资源的分配，这很可能是“缺失的环节”。
通过机械模型和AI模型的并行混合将概念模型和数据驱动模型进行集成，将产生一个混合智能模型，该模型与通过精准畜牧收集的数据一起，对于持续地实现超越牲畜生产的现状至关重要。
2021. J. Anim. Sci. 99(2): skab038
DOI：https://doi.org/10.1093/jas/skab038
相关推荐阅读：母猪围产期的最佳饲喂水平（更快分娩，更多初乳）
