Resumen: La agricultura de precisión, mejorada por la inteligencia artificial (IA), ofrece herramientas prometedoras como teledetección, riego inteligente, gestión de fertilización y simulación de cultivos para mejorar la eficiencia agrícola y la sostenibilidad. El aprendizaje de refuerzo (RL), en particular, ha superado a los métodos tradicionales para optimizar los rendimientos y la gestión de recursos. Sin embargo, la adopción generalizada de IA está limitada por la brechas entre las recomendaciones algorítmicas y la experiencia práctica de los agricultores, el conocimiento local y las prácticas tradicionales. Para abordar esto, nuestro estudio enfatiza la interacción Human-AI (HAII), centrándose en la transparencia, la usabilidad y la confianza en la gestión de la granja basada en RL. Empleamos un marco de confianza bien establecido, que comprende capacidad, benevolencia e integridad, para desarrollar un nuevo modelo matemático que cuantifica la confianza de los agricultores en las estrategias de fertilización basadas en la IA. Las encuestas realizadas con los agricultores para esta investigación revelan desalineaciones críticas, que se integran en nuestro modelo de confianza y se incorporan a un marco RL de objetivos múltiples. A diferencia de los métodos anteriores, nuestro enfoque incorpora la confianza directamente en la optimización de políticas, asegurando que las recomendaciones de IA sean técnicamente robustas, económicamente factibles, conscientes del contexto y socialmente aceptables. Al alinear el desempeño técnico con la confianza centrada en los humanos, esta investigación respalda la adopción más amplia de la IA en la agricultura.
Publicado Originalme en rss.arxiv.org El 18 de mayo de 2025.
Ver Fuente Original
