Генеративний штучний інтелект як інструмент стратегічного планування в аграрних компаніях
Анотація
Мета. Дослідити вплив штучного інтелекту на розвиток і прийняття рішень аграрними компаніями. Матеріали та методика досліджень. У процесі виконання роботи були застосовані загальнонаукові методи досліджень: дисперсійний – для визначення вірогідності отриманих результатів досліджень; порівняльно-розрахунковий – для проведення економічної та енергетичної ефективності досліджуваних технологій. Результати досліджень. Штучний інтелект (ШІ) спричинив революцію в усіх галузях по всьому світу, включаючи управління аграрними компаніями. ШІ змінює ланцюжки поставок, допомагаючи організаціям орієнтуватися в швидко змінному світі. Наприклад, інтелектуальні алгоритми дозволяють провести стратегічне планування. В дані статті розглянуто застосування нових інноваційних технологій у сільському господарстві. Зокрема, застосування нейронних мереж штучного інтелекту, а також генеративного штучного інтелекту в цій галузі. Показано, що нейронні мережі штучного інтелекту найкраще підходять для застосування в точному землеробстві, особливо коли необхідно знайти залежність між великою кількістю факторів. Генеративний штучний інтелект може бути використаний як інструмент для допомоги в аналізі даних. В статті наголошується на важливості систематичного та раціонального використання ресурсів. Зазначається, що попередня обробка даних є «найслабшою ланкою» в будь-якому виробничому процесі, а отже, і в сільськогосподарській сфері також. Основна увага приділяється питанням практичної роботи в галузі попередньої обробки даних. Висновок. Хоча досягнуті результати є значними, існує кілька напрямів для подальших досліджень та покращень. Завдяки застосуванню генеративного ШІ аграрні компанії можуть значно підвищити ефективність та точність свого стратегічного планування, використовуючи величезні обсяги даних для масштабної оцінки різних сільськогосподарських факторів. Можливості ШІ в галузі прогнозної аналітики, машинного навчання, обробки природної мови та інших передових технологій відкрили нові можливості для розуміння клієнтів та природніх процесів в сільському господарстві, надавши агрономам інструменти для передбачення потреб споживачів та відповідної адаптації своїх методів.
Посилання
2. Lekkala S. Next-Gen Firewalls: Enhancing Cloud Security with Generative AI. Journal of Artificial Intelligence & Cloud Computing. 2024;3(4):1–9. Scientific Research and Community Ltd. https://doi.org/10.47363/jaicc/2024(3)404
3. Sarisa M., Patra G. K., Kuraku C., Konkimalla S., Boddapati V. N. Stock Market Prediction Through AI: Analyzing Market Trends With Big Data Integration. Migration Letters. 2024;21(4):1846–1859. URL: https://migrationletters.com/index.php/ml/article/view/11245
4. Polineni T. N. S., Maguluri K. K., Yasmeen Z., Edward A. AI-Driven Insights Into End-Of-Life Decision- Making: Ethical, Legal, And Clinical Perspectives On Leveraging Machine Learning To Improve Patient AutonomyA nd Palliative Care Outcomes. Migration Letters. 2022;19(6):1159–1172. URL: https://migrationletters.com/index.php/ml/article/view/11497
5. Lekkala S., Avula R., Gurijala P. Big Data and AI/ML in Threat Detection: A New Era of Cybersecurity. Journal of Artificial Intelligence and Big Data. 2022;2(1):32–48. URL: https://www.scipublications.com/journal/index.php/jaibd/article/view/1125
6. Kuraku C., Rajaram S. K., Gollangi H. K., Boddapati V. N., Patra G. K. Advanced Encryption Techniques in Biometric Payment Systems: A Big Data and AI Perspective. Library Progress International. 2024;44(3):2447–2458.
7. Vankayalapati R. K., Sondinti L. R., Kalisetty S., Valiki S. Unifying Edge and Cloud Computing: A Framework for Distributed AI and Real-Time Processing. Journal for ReAttach Therapy and Developmental Diversities. 2023. Green Publication. https://doi.org/10.53555/jrtdd.v6i9s(2).3348
8. Lekkala S. Ensuring Data Compliance: The role of AI and ML in securing Enterprise Networks. Educational Administration: Theory and Practice. 2021;27(4):1272–1279. https://doi.org/10.53555/kuey.v27i4.8102
9. Ibrahim A. L., Fekete I. What machine learning can tell us about the role of language dominance in the diagnostic accuracy of German litmus non-word and sentence repetition tasks. Frontiers in Psychology. 2019;9:2757. doi:10.3389/fpsyg.2018.02757
10. Aldowah H., Al-Samarraie H., Fauzy W. M. Educational data mining and learning analytics for 21st century higher education: a review and synthesis. Telematics and Informatics. 2019;37:13–49. doi:10.1016/ j.tele.2019.01.007
11. Lyon J. Y., Bogodistov Y., Moormann J. AI-driven Optimization in Healthcare: The Diagnostic Process. European Journal of Management Issues. 2021;29(4):218–231. https://doi.org/10.15421/192121
12. Lekkala S., Gurijala P. Leveraging AI and Machine Learning for Cyber Defense. In: Security and Privacy for Modern Networks. Berkeley, CA: Apress; 2024. https://doi.org/10.1007/979-8-8688-0823-4_16
13. Aravind R. Integrating Controller Area Network (CAN) with Cloud-Based Data Storage Solutions for Improved Vehicle Diagnostics using AI. Educational Administration: Theory and Practice. 2024;30(1):992–1005.
14. Pandugula C., Kalisetty S., Polineni T. N. S. Omni- channel Retail: Leveraging Machine Learning for Personalized Customer Experiences and Transaction Optimization. Utilitas Mathematica. 2024;121:389–401.
15. Lekkala S., Gurijala P. Cloud and Virtualization Security Considerations. In: Security and Privacy for Modern Networks. Berkeley, CA: Apress; 2024.

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.




