過去20年來，通過物聯網發展的遠程監控、基于傳感器的現代數據收集、數據快速傳輸、海量數據儲存極大的促進精準畜牧的發展。精準畜牧涉及到畜牧生產的多個環節，包括牧場牧草數量和質量的評估、體重和體組成、體況評估；在放牧和覓食過程中記錄位置、活動、行為的個體設備；跛行和疾病狀態的早期診斷；產奶量和乳組成；繁殖性能評估和犢牛疾??；采食量和溫室氣體排放；這僅僅是其中的一小部分。

       這僅僅是精準畜牧改善動物生產力的諸多可能，但是為了使其在畜牧現場應用更加方便必須將精準畜牧和電腦建模結合起來。概念或知識驅動的（機械的）模型是建立在科學知識之上的，并且它們基于對多個相互關系的假設的概念化。從另一個角度來看，人工智能是一種數據驅動的方案，它能夠控制和代表由傳感器和物聯網積累起來的大數據。但是由于它缺乏賦予數據以理解和原則的智慧，它仍然不能完全解釋數據核心內在關系的基本假設。人工智能缺乏智慧的原因是其擁有的只有數字之間的關系。數字之間的關聯是通過數學相關性和協方差的“自動”學習過程獲得的，而不是通過“人為因果”和生理、生產原理的抽象概念化而獲得的。人工智能（AI）從比較類比開始，以建立概念并為將來的比較提供記憶。然后，學習過程從尋求智慧到系統地運用推理而發展。在許多科學領域，人工智能是一個相對新穎的概念。加速傳統的最大化產出心態過渡到更合理的目的是優化生產效率，同時減少生產資源的分配，這很可能是“缺失的環節”。

通過機械模型和AI模型的并行混合將概念模型和數據驅動模型進行集成，將產生一個混合智能模型，該模型與通過精準畜牧收集的數據一起，對于持續地實現超越牲畜生產的現狀至關重要。

2021. J. Anim. Sci. 99(2): skab038

DOI：https://doi.org/10.1093/jas/skab038