BEYOND PREDICTION: A RESEARCH AGENDA FOR ADVANCED AI IN AFRICAN SOIL INFORMATION SYSTEMS
Valentine Asong Tellen · Chrow Khurshid · Luca Brocca 等 6 人
提出非洲土壤信息系统应转向高级AI驱动的自适应土壤数字孪生，并给出十条研究路径。
基于NLP、在线学习、生成式AI、物理信息神经网络和联邦学习等构建数字孪生框架。
需建立泛非AI土壤健康联盟，将碎片化土壤观测转化为动态可信的公共基础设施。
可探索联邦学习与物理信息神经网络在土壤数字孪生中的落地，兼顾数据主权与实时决策。
提出以先进AI构建非洲土壤数字孪生的十路径研究议程，方法新颖、战略性强，对农业信息化与智慧农业有参考价值。
数字土壤制图已产生了非洲首个全大陆尺度的土壤属性基线估算，但现有土壤信息系统仍然碎片化、标准化程度低，且在很大程度上局限于静态的离线空间预测。因此，这些系统捕捉近实时土壤状况或提供及时、田块尺度决策支持的能力十分有限。本文认为，下一步不仅仅是应用人工智能来提高制图精度，而是采用高级人工智能作为自适应土壤数字孪生的基础，以持续整合新的观测数据并支持循证管理。本文提出了一个由十条路径组成的研究议程，围绕四个相互关联的支柱构建：(1) 利用自然语言处理（NLP）和计算机视觉解锁历史档案，将非结构化历史记录转化为机器可操作、人工智能就绪的数据；(2) 通过在线学习、生成式人工智能和物理信息神经网络（PINNs）工程化动态系统，以持续同化流式遥测数据；(3) 利用多目标推荐引擎、以人为中心的可解释人工智能（XAI）和人在回路专家验证，提供规范性智能；(4) 通过联邦学习、符合FAIR和CARE原则的自主治理，实施主权治理。为将这一愿景付诸实践，本文呼吁建立泛非土壤健康人工智能联盟，以建立主权计算中心、确保可持续融资，并培养本土人才梯队。该议程提供了一份战略蓝图，旨在将碎片化的土壤观测转化为动态、可信的公共基础设施，以应对土地退化和粮食不安全问题，同时支持整个非洲大陆的气候韧性和可持续农业。关键词：人工智能（AI）、土壤数字孪生、土壤信息系统（SIS）、数据主权、联邦学习、自然语言处理（NLP）、可解释人工智能（XAI）、非洲。