當AI遇上非洲農田：誰的數據，決定誰的未來

一個AI模型，漏掉了一半以上的樹。

這不是測試環境中的小失誤，而是發生在印度馬哈拉施特拉邦真實農地上的故事。當環保組織「Farmers for Forests」使用一款廣受好評的開源AI分析當地森林數據時，系統因為從未「見過」南亞的樹木而徹底失敗。「這給了我們一個清晰的教訓：你不能把西方AI直接空降到全球南方，然後期待它正常運作，」共同創辦人阿爾蒂·達爾說。

這個失敗案例，正在全球農業AI市場高速擴張的當口引發深刻反思。這個市場去年規模約300億美元，預計到2034年將接近840億美元。然而，市場越大，被排除在外的人可能越多。

數據的地理偏見，如何讓AI在田間失靈

科學家凱薩琳·納卡倫貝在肯亞西部從事作物測繪工作時，衛星圖像數據充足，但沒有任何AI能識別當地的玉米、豆類和木薯。她的解決方案出人意料地「低科技」：招募數十名志願者，在頭盔上安裝GoPro攝影機，兩週內採集超過500萬張圖像，從零開始訓練模型。

身兼馬里蘭大學助理教授與NASA Harvest非洲計畫主任的納卡倫貝直指問題核心：「西方構建的AI系統往往忽略全球南方的現實——高昂的網路費用、有限的頻寬、缺乏標註的訓練數據。如果這些系統得不到適應性改造，它們不僅毫無用處，還可能加深既有的財富與資源不平等。」

農業的超本地化特性使這一問題尤為突出。土壤類型、降雨量、海拔、病蟲害、市場行情，每個村莊都不同。數位綠色（Digital Green）的FarmerChat應用程式，正是因為認識到這一點，才選擇用農民「實際說話的方式」——不用種子或化學品的正式名稱——以16種當地語言訓練模型，並以12萬筆農民真實問答強化系統。目前已服務南亞與非洲超過100萬名農民，累計回答超過800萬個問題。

「農業是超本地化的。模型學習必須緊貼這些現實，」共同創辦人里金·甘地說。

誰在從農民的數據中獲利？

廣告

廣告合作

[email protected]

廣告

技術挑戰之外，更深層的政治經濟問題正在浮現。

Google、Microsoft、Amazon、IBM、阿里巴巴，全球科技巨頭無一缺席這場農業AI盛宴。專家警告，AI可能成為「數位殖民主義」的新形式：從貧困社區免費採集數據，訓練專有模型，再將服務賣回給這些社區。

持續食物系統國際專家小組（IPES-Food）的研究顯示，科技公司已在與大型農業企業合作，影響農民種什麼、怎麼種。當AI優化目標鎖定在玉米、稻米、小麥、大豆、馬鈴薯等高利潤作物時，地方糧食系統可能遭到破壞，多樣性農業文化面臨消亡風險。

甘地的警告值得深思：「如果AI只優化短期產量，忽視水資源耗盡、土壤退化、能源消耗等更大問題，它將侵蝕長期韌性。如果AI預設使用者具備識字能力、網路連線或決策權力，它只會優先服務資源較豐富的農民，進一步擴大不平等。」

反觀那些真正發揮作用的案例，共同點在於「本地共建」。巴西帕拉州將即時海岸數據轉化為WhatsApp語音警報，直送漁民手機；Farmers for Forests基於Meta的Detectron2架構，以手動標註的5.5萬棵本地樹木數據訓練客製化模型，精確計算碳封存量，為農民創造新收入來源。

這對亞洲華人世界意味著什麼？

這場辯論與華人世界的農業科技發展高度相關，卻又呈現出截然不同的面貌。

中國大陸在農業AI領域投入大量資源，阿里巴巴的農業雲端平台、京東的無人機植保服務、華為的智慧農業解決方案，都在國內積累了海量本地化數據。這種「數據本土化」的優勢，在某種程度上恰好是全球南方所缺乏的。然而，當中國農業AI向東南亞、非洲輸出時，是否也會面臨同樣的「水土不服」？越南的稻田、肯亞的玉米地，與中國的農業生態環境同樣存在根本差異。

台灣在精準農業領域有深厚的技術積累，半導體優勢也延伸至農業感測器與邊緣運算。但台灣農業AI的市場規模有限，出海路徑尚不清晰。

東南亞的情況或許最值得關注。越南、泰國、菲律賓、印尼的農業人口龐大，氣候變遷衝擊直接，對農業AI的需求迫切。這既是市場機會，也是一個關鍵問題：進入這些市場的AI，究竟是「為農民設計」，還是「與農民共同設計」？

聯合國2030年可持續發展目標中的「零飢餓」目標眼看將難以實現——目前全球仍有約23億人（佔全球人口28%）面臨中度或嚴重糧食不安全。AI技術能否真正改變這一局面，取決於它是否真的理解那些最需要它的人的現實。