基于数据的建模：迈向新知识的一步

人工智能为从农业数据（尤其是“大数据”或“智能数据”）中提取知识开辟了可能性（Pham et Stack, 2018; Wolfert et al., 2017），但并未特别关注生态农业。那些研究过神经网络在农业生态学中的应用的作者（Jiménez 等人，2008 年；Schultz 等人，2000 年）已经注意到几个关键方面：（i）验证获得的模型的问题和不确定性；(ii) 需要将系统组织成更简单的子系统，神经网络将应用于这些子系统；(iii) 考虑推理的重要性，通常与黑盒相比，作为迈向更具分析性的模型的垫脚石。

4.2 改善生产：使用数字技术帮助农民经营农场

根据 Caquet 等人的说法。(2020)，“数字技术和农业设备专门支持生态农业的能力仍然是一个挑战”。涉及“环境、植物或牲畜的特征以改进管理和分析”的五个“主要部门”之一。还提出了决策支持问题，鉴于有的农场有多个目标。“扩大”到高度变革性的农业生态形式（重新设计系统）将需要新工具，而数字技术可以在以下方面发挥关键作用：（i）改善季节管理（需要精准农业或精准畜牧业） ) 或战略层面（纳入经济数据）；(ii) 改进农业作业，为需要更多工作的更复杂的农业系统设计农业设备。

使精准农业的原则更适应农业生态学：观察并做出决定

精准畜牧业和精准农业的原则可以应用于生态农业，因为它们会导致针对植物和动物需求量身定制的干预措施。它们围绕四个阶段：观察（测量“症状”）、诊断（确定植物或动物的状态）、建议（确定要采取的行动）和行动。通过精准农业，可以绘制作物内部的多样性图，并对地块的不同部分应用不同的措施（Bellon 和 Huyghe，2016 年）：氮肥（使用 2000 年代初期的卫星传感器和现在的拖拉机嵌入式技术；精准灌溉（Molden，2007 年），利用“代理”（叶子表面的温度，生理特征的目测估计）估计缺水；和作物保护，鉴于植物检疫的广泛性质，这是最复杂的方面问题（杂草、昆虫和其他害虫和疾病）。精准畜牧业涉及跟踪环境条件（测量建筑物内的大气或外部条件）和动物。在过去二十年左右的时间里，动物或其环境中的传感器已经使用，特别是在奶牛场：使用 RFID 和 GPS、成像（2D、3D、红外）、加速度计、声音、自动识别和跟踪配套的测量设备（秤、水表、牛奶表、饲料分配器等）（Chastant-Maillard 和 Saint-Dizier，2016 年）。监测各种不同的参数：生长、产奶量、食物摄入、生理状态、行为、繁殖、健康和幸福感（检测跛行、消化问题等）……（Benjamin 和 Yik，2019；Fournel 等，2017 ；Halachmi 等人，2019 年；Knight，2020 年；Neethirajan，2017 年；Rowe 等人，2019 年；Veissier 等人，2019 年；Xin 和 Liu，2017 年）。目前，这些技术主要针对传统的畜牧业，但正在为替代系统开发解决方案。其中包括用于监测动物和牧场的设备（Shalloo 等人，2018 年），以提高粗放放牧系统的效率——否则会因缺乏数据而受到限制——并确保消费者负责任地饲养牲畜（Neethirajan，2017 年）。