Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Developing and Integrating Trust Modeling into Multi-Objective Reinforcement Learning for Intelligent Agricultural Management

Created by
  • Haebom

저자

Zhaoan Wang, Wonseok Jang, Bowen Ruan, Jun Wang, Shaoping Xiao

개요

본 논문은 인공지능(AI), 특히 강화학습(RL) 기반의 정밀농업 기술이 농업 효율성과 지속가능성 향상에 기여할 수 있음을 제시한다. 기존의 RL 기반 농업 관리 시스템은 알고리즘의 추천과 농부들의 실제 경험, 지역 지식, 전통적인 농업 방식 간의 차이로 인해 널리 채택되지 못하고 있다는 점을 지적하며, 인간-AI 상호작용(HAII)에 중점을 두어 투명성, 사용성, 신뢰성을 높이는 연구를 수행했다. 능력, 친절, 성실성을 기반으로 하는 신뢰 프레임워크를 활용하여 AI 기반 비료 관리 전략에 대한 농부들의 신뢰도를 정량화하는 새로운 수학적 모델을 개발하고, 농부 설문조사 결과를 바탕으로 신뢰 모델을 개선하여 다목적 RL 프레임워크에 통합했다. 이를 통해 기술적 성능과 인간 중심적 신뢰를 조화시켜 AI 기반 비료 관리 전략의 기술적 강건성, 경제적 타당성, 상황 인식, 사회적 수용성을 모두 고려하는 정책 최적화를 달성하고, 농업 분야에서 AI의 광범위한 채택을 지원하고자 한다.

시사점, 한계점

시사점:
AI 기반 정밀농업에서 인간-AI 상호작용(HAII)의 중요성을 강조하고, 신뢰를 중심으로 한 새로운 접근법을 제시하였다.
농부의 신뢰도를 정량화하는 수학적 모델을 개발하여 AI 추천의 신뢰도를 높였다.
다목적 RL 프레임워크를 통해 기술적 성능과 사회적 수용성을 동시에 고려하는 AI 기반 농업 관리 시스템을 구축하였다.
AI 기반 정밀농업 기술의 농업 현장 적용 가능성을 높였다.
한계점:
본 연구의 수학적 모델과 RL 프레임워크는 특정 지역 및 작물에 국한될 수 있으며, 다른 지역이나 작물에 적용하기 위해서는 추가적인 연구가 필요하다.
설문조사 대상 농부의 수가 제한적일 수 있으며, 이로 인해 결과의 일반화 가능성에 제한이 있을 수 있다.
장기적인 관점에서 AI 기반 농업 관리 시스템의 효과 및 지속가능성에 대한 추가적인 연구가 필요하다.
모델의 복잡성으로 인해 실제 농업 현장에서의 구현 및 활용에 어려움이 있을 수 있다.
👍