評估農業韌性的AI集成模型
研究人員開發了一種AI驅動工具，結合經濟學模型（GTAP）與生物物理模型（APSIM），通過自然語言查詢分析供應鏈衝擊，幫助政策制定者和市場參與者評估跨學科影響。
來源arXiv AI作者: Joshua R. Waite, Dana Golden, Brett Indelicato, Kevin Camp, Mojdeh Saadati, Shannon Regan, Patrick Schnable, Baskar Ganapathysubramanian, Carlos Messina, Suzanne Thornsbury, Soumik Sarkar
農業供應鏈是一個複雜的系統，既受氣候、土壤、病蟲害等生物物理因素影響，也受市場價格、貿易政策、關税等經濟因素驅動。這兩類系統緊密耦合，使得任何單一領域的衝擊都可能迅速傳導至整個供應鏈。例如，一場乾旱不僅會降低作物產量，還會引發價格上漲和貿易流動變化，進而影響全球糧食安全。為應對這一挑戰，來自多所研究機構的科學家們開發了一款AI驅動的新型評估工具。該工具創新性地整合了兩個世界領先的模型：全球貿易分析項目（GTAP）——一個被廣泛用於模擬全球經濟與貿易政策的可計算一般均衡模型，以及農業系統模擬（APSIM）——一個能夠精細模擬作物生長、土壤水分、養分循環的生物物理模型。通過人工智能技術，特別是自然語言處理（NLP）接口，用户無需具備深厚的建模背景即可與系統交互。例如，政策制定者可以詢問“如果東南亞地區氣温上升2攝氏度且大米出口關税提高10%，供應鏈將如何變化？”系統隨即調用GTAP和APSIM進行聯合模擬，並以自然語言返回結果，包括預測的產量變化、價格波動、貿易路線調整等。該工具的開發標誌着農業韌性評估從傳統的單一學科分析向跨學科集成邁出了重要一步。論文作者包括Joshua R. Waite等11人，於2026年7月8日提交至arXiv（編號2607.07759，類別cs.AI）。研究團隊強調，該工具的設計初衷並非取代專業模型，而是作為決策支持系統，幫助非專家用户快速理解複雜情景。未來，研究計劃進一步集成實時數據源，並擴展至畜牧業和漁業供應鏈。此外，該框架有望應用於其他面臨類似耦合風險的領域，如能源-水-糧食紐帶關係。