Печалби:
- Възможност за разпознаване къде AI спестява реално време в работния процес на селскостопанското инженерство и кои решения трябва да останат отговорност на агронома
- Възможност за прилагане на три основни дисциплини, които кръстосано валидират всеки AI резултат с порядък на величина, агрономическа правдоподобност и полеви доказателства
- Разпознайте рисковете от неяснота, халюцинации и поверителност на данните на фермерите и придобийте навика да настройвате сигурни подкани чрез анонимизиране на контекста.
Аграрното инженерство е изкуството да се управлява жива система - почва, растения, климат и хора - едновременно. Едно поле никога не е едно и също два пъти: едно и също семе, един и същ тор, едно и също напояване дава различни добиви през различните години, защото времето, влажността на почвата, натискът от болести и стотици променливи са постоянно в действие. Ето защо селското стопанство е професия, която по своята същност работи с несигурност. Изкуственият интелект (AI; софтуерни системи, които се учат от модели на големи данни и произвеждат текст, изображения или числа) е мощен инструмент за управление на тази несигурност, но също така е и инструмент, който може да скрие същата несигурност на опасно ярък език. Този модул полага двете основи, върху които ще бъде изграден целият модул: къде в селскостопанския работен процес изкуственият интелект произвежда реална стойност и как валидираме всеки резултат.
Нека бъдем ясни от самото начало: никоя от техниките, които ще научите в този модул, няма да замени подписа, полевото наблюдение и инженерната преценка на квалифициран земеделски инженер (агроном). Изкуственият интелект е помощник; Чете бързо, пише бързо, улавя модели. Но ако грешна рецепта за торове замърси коритото на потока, ако грешна доза пестицид остави остатъци върху реколтата и влоши безопасността на храните, ако грешен план за напояване превърне почвата в безплодна, отговорността не е на софтуера, а на инженера, който го е подписал. Ще видите това изречение отново в различни форми във всяка част от модула, защото това е единствената истина в една професия, където околната среда и безопасността на храните са заложени на карта.
Къде изкуственият интелект създава стойност в работния процес на селското стопанство?
Седмицата на агронома е грубо разделена на три вида работа: подготовка на данни (четене на доклади от анализ на почвата, редактиране на полеви бележки, изчистване на сензорни таблици), интерпретация и анализ (оценка на здравето на растенията, диагностика на заболяването, планиране на торове и напояване, оценка на добива) и комуникация (доклад на фермера, предписание, протокол за сертифициране, официална кореспонденция). AI засяга и трите области, но неговият принос и риск са различни във всяка.
Подготовката на данни е най-сигурната и печеливша област на изкуствения интелект. Превръщане на разпръснати теренни наблюдения в стандартна електронна таблица, внасяне на различни формати на доклади от различни лаборатории в един шаблон, маркиране на отклонения в хиляди редове от записи на сензори за влага – това са задачи, които се повтарят, базират се на правила и са лесни за проверка. Дори тук да има грешка, ще отнеме минути, за да се върнете към източника (сурови данни) и да го проверите.
Сферата на интерпретацията и анализа носи най-висока стойност и най-висок риск. AI може да предложи възможна зона на воден стрес от карта на NDVI; Това може да разкрие модел, който дори опитно око може да пропусне в голямо поле. Но същият модел може уверено да опише болест, която не съществува в този регион, като „широко разпространена заплаха“. Когато моделът произвежда информация, която не съществува в реалността, сякаш е реална, това се нарича халюцинация. В тази област AI е генератор на хипотези, а не вземащ решения.
В сферата на комуникациите изкуственият интелект е ускорител на чернови. Той изготвя доклад с информация за фермера, резюме на литературата или текст на заявление за сертифициране за минути. Рискът тук е, че изфабрикуваните източници и неправилните дози могат да намерят своя път до фермера или одитирания незабелязано в течащ текст.
Съвет: Преди да възложите работа на AI, запитайте се: „Как ще разбера дали този резултат е грешен и колко време ще отнеме да го поправя?“ Ако отговорът е минути (почистване на данни), използвайте го удобно; Ако отговорът е „Няма да разбера, докато продуктът не бъде повреден“ (решение за дозиране), не забравяйте да проверите независимо.
Дисциплина за валидиране: Правилото на трите котви
Сърцето на този модул е един-единствен навик: да не се включва никакъв резултат от ИИ в агрономическо решение, без да се валидира. Базираме валидирането на три независими котви.
Първа котва - порядък на величината. Резултатът приблизително в границите на очакваната степен от 10 ли е? Потребността от чист азот на декар при пшеницата обикновено е от порядъка на 10-18 kg; Ако моделът губи 60 кг на декар, има единица или редакционна грешка и може да се разбере без да се навлиза в подробности. Дебитът на системата за капково напояване е от порядъка на литри на час; Ако моделът дава кубици е глупост. Тази проверка отнема секунди и улавя повечето грешки.
Втора котва - Агрономическа разумност. Резултатът съответства ли на биологията на културата и климата на региона? Ако моделът препоръчва засаждане на зимна пшеница в средата на лятото; или ако счита тропически вредител, който никога не е бил разглеждан в региона като основна заплаха, има или конструктивна грешка, или моделът е глупост. Фенологията (етапи на развитие) на културата, типът на почвата и местният климат са филтърът за правдоподобност, който всяко предложение трябва да премине.
Трета котва - Доказателство на полето. Това е най-здравата котва. Взета проба със свредло за почва, анализ на листа, визуално преброяване на полето, отчитане на сензора за влажност. Сигналът за стрес от сателита се тества, като отидете в същата зона и разгледате растението. Предварителната диагноза на дадено заболяване се потвърждава чрез вземане на проба и в лабораторията. Основната истина винаги побеждава.
Три мини калъфа: с числата
Случай 1 – Спестено време при тълкуване на почвен доклад. Земеделски инженер ръчно обобщаваше докладите от анализа на почвата на 38 различни парцела (всеки в различен лабораторен формат); средно 20 минути на доклад, приблизително 13 часа общо. С работен процес за диаграми, задвижван от AI, той намали първата чернова до 4 минути на отчет, като оставащото време беше посветено на ръчно валидиране на праговете. Общото време спадна до около 5 часа; Критичното беше, че спечеленото време беше изразходвано за контрол.
Случай 2 - Уловена халюцинация. Когато един стажант накара изкуствения интелект да обобщи историята на заболяването на лозе, текстът включваше изречението „Преобладаващото налягане на цитрусови плодове Huanglongbing (HLB) в региона“. В парцела обаче имаше лозя (грозде), а не цитруси; Моделът беше объркал информацията на друг продукт. Филтърът за агрономическа правдоподобност (моделът на посевите не съответства на HLB) е уловил грешката преди докладът да бъде подписан.
Случай 3 - Грешка в единицата. При едно изчисление на тора моделът обърка препоръката за декар с препоръката за хектар, увеличавайки дозата азот с коефициент 10 (тъй като 1 хектар = 10 декара). Проверката по големина - "този колет не може да съдържа 15 кг, а 150 кг чист азот" - веднага разкри грешката. Ако беше приложен, щяха да има както икономически щети, така и замърсяване с нитрати.
Слаба подкана / Силна подкана
Подканата е писмена инструкция, която давате на AI; Неговото качество пряко определя качеството на продукцията.
Слаба подкана:
Оценете състоянието на това поле и ми кажете какво трябва да направя.[data]
Мощна подкана:
Вашата роля: Старши селскостопански инженер (агроном). Тълкувайте следните полеви данни САМО въз основа на предоставената информация. - Не добавяйте никакви продукти, болести, торове или стойности, които не са в данните. - Покажете реда с данни, на който се основавате, със скоби до всеки коментар. - Напишете „недостатъчни данни“, където не сте сигурни, не правете предположения. - Не давайте препоръки за дозировка и лекарства; Вместо това направете отделен списък от 3 предположения, които трябва да бъдат проверени. Данни: [поле данни]
Силната подкана налага три неща на модела: придържайте се към източника, допускайте несигурност и оставете критичното решение (дозировка) на инженера. Това не прекратява напълно халюцинацията, но я прави видима.
Четири копируеми шаблона
1) Създаване на анонимизиран контекст:
Бих искал помощ за задача по селскостопанско инженерство. Името на фермера, координатите на полето, идентификационният номер на парцела и информацията за разходите са ПОВЕРИТЕЛНИ; Ще ги дам с представителни изрази като "Фермер-А", "Парцел-1", "X координата". Задача: [задача]. Не добавяйте външни предположения, базирани само на техническите данни, които давам.
2) Три заявки за проверка на котва:
Направете три проверки за следния изход: 1) Ред на величина: дали всяко число е в очаквания диапазон за културата/региона? 2) Агрономическа правдоподобност: има ли противоречиво твърдение с биологията/климата на културата? 3) Списък за проверка: елементи, които трябва да бъдат потвърдени в полето/лабораторията. Резултат: [текст]
3) Налагане на неяснота:
Дайте вашето тълкуване на три нива на увереност: - Висока увереност (пряко подкрепена от данни) - Средна увереност (разумно агрономическо заключение) - Ниска увереност (спекулации; изисква се потвърждение на място) Напишете всеки елемент, като посочите нивото му.
4) Проверка на червен флаг преди решение:
Избройте 3-те най-сериозни риска (околна среда, безопасност на храните, икономически), които биха могли да възникнат, ако следвам това предложение и ранните предупредителни знаци за всеки от тях.
Таблица с основни понятия
срок
Значение
Защо е важно?
агроном
Агроинженер, специалист по земеделско производство
Крайна отговорност за критични решения
халюцинация
AI произвежда несъществуваща информация с увереност
Най-големият риск от доверие без проверка
фенология
Етапи на развитие на растението (поникване, цъфтеж...)
Основа за решения за планиране
Основна истина
Директно наблюдение/измерване на терен
Котва за удостоверяване на всички отдалечени данни
NDVI
Индекс на жизненост на растителността
Основен инструмент за дистанционно наблюдение на здравето
Често срещани грешки
- Грешка за плавност с точност. Красивият, уверен турски език на AI не означава, че резултатът е правилен; Най-опасните халюцинации са най-течните.
- Мисля, че проверката е загуба на време. Ако не отделите спестеното време за проверка, AI ще ускори грешката от ваше име.
- Споделяне на чувствителни данни такива, каквито са. Координацията на фермера, добивът и разходите са въпроси на собственост и поверителност; Не споделяйте без анонимизиране.
- Оставяйки критичното решение за дозиране на AI. Дозите на торове, пестициди и напояване изискват полево калибриране и законодателство; AI създава само чернови.
- Задоволяване с една котва. Разглеждането само на порядъка на величината и пропускането на правдоподобността и полеви доказателства заобикаля фините грешки.
Внимание: Когато изкуственият интелект ви каже „в тази област има болест X“, това е хипотеза, а не диагноза. диагностика; Пробата се поставя с одобрението на лабораторията и оторизирания инженер.
В обобщение
Изкуственият интелект е най-безопасният инструмент за подготовка на данни, ускорител в комуникацията и едновременно най-ценният и рисков инструмент за интерпретация и анализ в селскостопанското инженерство. Гръбнакът на този модул са три основни дисциплини: тестване на всеки резултат спрямо порядъка на величината, агрономическа правдоподобност и полеви доказателства. Халюцинациите са реални, плавността не е точност и отговорността за критичните решения винаги е на подписващия агроном. В следващите модули ще приложим тази дисциплина към прецизно земеделие, NDVI, почва, напояване, болести, климат, добив, Python и проследимост един по един.
Задача за приложение
За поле, което имате (или представително), задайте на AI първо слаба подкана („Какво трябва да направя в това поле?“), след това същия въпрос със силния шаблон за подкана в този модул. Поставете двата изхода един до друг и маркирайте: (1) кои изречения съдържат информация, която не е в данните (халюцинация на кандидат), (2) кои числа не отговарят на проверката по големина, (3) 3 елемента, които трябва да проверите в полето. В един параграф напишете кои грешки прави видими мощната подкана.
контролен списък
- [ ] Класифицирах задачата като подготовка на данни / интерпретация / комуникация и определих нивото на риск.
- [ ] Анонимизирах самоличността, координатите и информацията за разходите на фермера.
- [ ] Тествах резултата за размер, агрономическа правдоподобност и полеви доказателства.
- [ ] Маркирах кандидат-изреченията за халюцинации и ги върнах към източника.
- [ ] Оставих критичното решение за дозиране/лекарство/напояване на одобрението на оторизирания инженер.