في عصر التقنية الحديثة، يتجه الباحثون إلى دمج الذكاء الاصطناعي في مختلف القطاعات، ومن ضمنها الزراعة. تظهر أحدث الدراسات كيف يمكن استخدام أنظمة الكشف عن الفيضانات للزراعة التي تعتمد على الاستدلال الحدي، لإنشاء سجلات قرارات منظمة يجب أن يتم تفسيرها بشكل مختلف من قبل مجموعة متنوعة من أصحاب المصلحة. وفي هذا السياق، تم اقتراح استخدام نماذج اللغة الكبيرة (LLMs) لتوليد تقارير مخصصة لكل من هؤلاء المزارعين.

إلا أن هذه العملية تثير تناقضًا مهمًا؛ حيث أن الطبقة التوليدية غير حتمية، في حين يجب أن تبقى النتائج قابلة للإعادة والتدقيق. لذا، تم اقتراح نمط معماري قائم على اصول محددة، أولها استهلاك أحادي الاتجاه، حيث تكون الطبقة التوليدية مجرد مستهلك للبيانات الحتمية ولا تعيد الكتابة، وثانيها هو 'الشخصية كتهيئة'، حيث يتم تمثيل التكيف مع أصحاب المصلحة كقطعة فنية من قوالب الاستفسار بدلاً من الارتجال في وقت التشغيل.

تم تنفيذ هذا النمط كتطبيق لواجهة مستخدم مدركة للسياق فوق سجلات القرارات (JSON) لنظام كشف المياه الراكدة المتواجد في الحقول الزراعية. كما تم تحليل كيفية السماح بنقطة تكامل موثوقية توليدية كمستوى تكوين أو كوسيط.

بحسب مراجعة خبراء منظمة، تم تقييم النمط إيجابيًا عبر خمسة أبعاد جودة وفق معيار ISO/IEC 25010، حيث كان هناك توافق قوي حول فصل الاهتمامات.

تتطلع الأبحاث المستقبلية إلى تقييم هذه النماذج من قبل المزارعين، مما سيفتح آفاق جديدة في كيفية استخدام الذكاء الاصطناعي في مجال الزراعة.