Dobici:
- Sposobnost prepoznavanja i upravljanja etičkim rizicima kao što su vlasništvo nad podacima poljoprivrednika, privatnost i algoritamska pristranost
- Sposobnost kombinovanja svih veza modula u jednom sezonskom toku rada od kraja do kraja
- Uspostavljanje u sistemu kvaliteta da AI izlaz ne zamjenjuje odobrenje kompetentnog agronoma u poljoprivrednim odlukama koje su kritične za sigurnost
Modul Exam
1. Koja su sidra validacije 'tri sidra' primijenjena prije uključivanja AI izlaza u odluku u poljoprivrednom inženjerstvu?
- A) Raspon veličina, agronomska vjerodostojnost i terenski dokazi ✔
- B) Popularnost modela, dužina odgovora i poznavanje jezika
- C) Cijena, brzina i korisnički interfejs
- D) Kredibilitet brenda, internet veza i format datoteke
Opis: Tri sidra; reda veličine, koji provjerava da li je rezultat u okviru očekivane snage 10, agronomska razumnost, koja gleda na konzistentnost prinosa sa usjevom i klimom, i terenski dokaz, koji daje potvrdu na terenu, a ne u jezgru/uzorku. Marka izvora, popularnost modela ili tečnost teksta nisu kriterijumi za verifikaciju.
2. Šta u osnovi mjeri NDVI (Normalized Difference Vegetation Index)?
- A) Odredite tačan procenat vlage tla u centimetrima
- B) Gustina i snaga zelene, živahne vegetacije ✔
- C) Koji uzročnik bolesti je prisutan na nivou vrste?
- D) Konačna cijena proizvoda nakon žetve
Opis: NDVI mjeri gustinu i snagu zelene, fotosintetske žive vegetacije normalizacijom razlike između bliske infracrvene (NIR) i refleksije crvene trake. Pošto zdrave biljke snažno reflektuju NIR i intenzivno apsorbuju crvenu, NDVI se povećava; Vrijednost se smanjuje u stresnom ili rijetkom pokrivanju. Ne mjeri direktno prinos, vlažnost tla ili vrstu bolesti; za njih su potrebni dodatni podaci.
3. Satelitska slika prikazuje područje s niskom NDVI vrijednošću. Koji od sljedećih koraka je najbolji korak prije nego što ovu anomaliju pretvorite u inženjersku odluku?
- A) Odmah nanesite fungicid na to područje
- B) Udvostručenje doze đubriva na površinu
- C) Potvrdite uzrok pomoću terenske kontrole, meteorologije i fenologije ✔
- D) Zanemarite anomaliju i primijenite prosjek na cijelo polje
Objašnjenje: Nizak NDVI može biti uzrokovan vodenim stresom, bolešću, nedostatkom hranjivih tvari, rijetkim nicanjem, hladom oblaka ili svježe preoranim tlom. Ovu neizvjesnost možemo razlikovati samo kroz kontrolu terena, meteorologiju i fenologiju; Sama karta ne govori zašto. Primjena pesticida ili gnojiva direktno nosi rizik ometanja pogrešnog uzroka.
4. Koji je najprecizniji pristup prilikom unosa koordinata polja poljoprivrednika, podataka o prinosu i troškovima u javno dostupan AI alat?
- A) Zalijepite sve podatke kako jesu sa njihovim ID-om i koordinatama
- B) Anonimizirajte identifikacijske informacije i dijelite samo neophodne tehničke podatke ✔
- C) Učitavanje podataka u javnu tabelu bez provjere
- D) Doniranje podataka za obuku modela bez dozvole farmera
Otkrivanje: Podaci o poljoprivrednicima su komercijalno i lično osjetljivi; Informacije o koordinaciji, identitetu i troškovima su pitanje imovine i povjerljivosti. Ispravan pristup je da se anonimiziraju identifikacijske informacije reprezentativnim oznakama (plot-A, X koordinata) i da se dijele samo tehnički podaci potrebni za analizu. Dijeljenje podataka kakvi jesu ili njihovo otvaranje za obrazovanje bez dozvole predstavlja etičke i pravne rizike.
5. Izvještaj o analizi tla glasi pH kao 4,8. Šta ova vrijednost znači agronomski?
- A) Neutralno i idealno tlo za većinu useva
- B) Jako kiselo; Stanje koje može ograničiti unos hrane i zahtijevati korekciju ✔
- C) Jaka alkalija; stanje koje zahtijeva vapnenje
- D) To znači da je salinitet u tlu izuzetno visok.
Opis: pH 4,8 ukazuje na jako kiselo tlo; Pod ovim uslovima, unos fosfora i molibdena je smanjen, rizik od toksičnosti aluminijuma/mangana se povećava, a razvoj korena je potisnut kod mnogih useva. Za većinu ratarskih useva, 6,0-7,0 je odgovarajući raspon. Stoga se razmatra korekcija kao što je kamenovanje; Kiselo tlo nije 'idealno' i samo po sebi ne garantuje visoke prinose.
6. AI je preporučio 60 kg čistog azota po dekaru za polje pšenice; Regionalni praktični i ciljni prinos ukazuje na približno 12-16 kg čistog azota po dekaru. Koje je najbolje ponašanje?
- A) Implementacija preporuke kakva jeste, jer je AI izračunao
- B) Još više povećati dozu kako bi bili sigurni
- C) Gledajte na to kao upozorenje reda veličine i provjerite ulaze i lokalnu kalibraciju ✔
- D) Podjela prijedloga na pola bez uzimanja u obzir analize tla
Opis: Preporuka je otprilike četiri puta veća od očekivanog raspona; Ovo je upozorenje reda veličine. Prekomjerna količina dušika znači i ekonomsku štetu i rizik od depresije, bolesti i zagađenja nitratima. Ispravno ponašanje je odbaciti preporuku i provjeriti ulazne podatke (jedinica, prinos, ciljni prinos, tlo N) i lokalnu kalibraciju. Slijepa primjena uzrokuje štetu po okoliš i poljoprivredu.
7. Šta znači 'potrošnja vode biljaka' (evapotranspiracija, ET) koja se koristi u odlukama o navodnjavanju?
- A) Količina vode koja ulazi u tlo samo putem padavina
- B) Ukupni gubitak vode isparavanjem iz tla i transpiracijom iz biljke ✔
- C) Električna provodljivost tla
- D) Vrijednost pritiska u cijevi za navodnjavanje
Objašnjenje: Evapotranspiracija je ukupni gubitak vode iz tla u atmosferu isparavanjem i transpiracijom iz biljke. Množenjem referentnog ET sa koeficijentom usjeva (Kc), procjenjuje se stvarna potreba proizvoda za vodom (ETc) i planira se navodnjavanje prema ovom vodnom bilansu. ET nije kiša ili salinitet tla; Predstavlja izlaznu stranu vodnog budžeta.
8. Inženjer koji je vidio simptome na listu dao je opis fotografije AI i dobio preliminarnu dijagnozu. Što je obavezno prije prevođenja ove dijagnoze u odluku o kontroli štetočina?
- A) Potvrđivanje agenta na terenu/laboratoriji i odabir licenciranog i označenog lijeka ✔
- B) Uzimanje nekoliko različitih lijekova zajedno, samo da bi bili sigurni
- C) Odmah nanesite aktivni sastojak šta god AI kaže.
- D) Odaberite najjeftiniji pesticid i nanesite ga na cijelo polje
Objašnjenje: Preliminarna dijagnoza samo sa slike nije dovoljna zbog različitih faktora (gljivične, bakterijske, virusne, nedostatak nutrijenata, abiotički stres) koji uzrokuju slične simptome. Sredstvo treba potvrditi terenskim uzorkom i, ako je potrebno, laboratorijskom dijagnozom, a zatim odabrati samo lijek koji je licenciran za to sredstvo i taj proizvod i prikladan za njegovu oznaku. Primjena pesticida širokog spektra bez provjere stvara rizik od rezistencije i rezidua.
9. Koja je svrha koncepta GDD (Growth Degree Day), koji se često koristi u podršci odlučivanju u poljoprivredi?
- A) Praćenje pH vrednosti zemljišta
- B) Predviđanje faza razvoja biljaka i pojave štetočina akumulacijom toplote ✔
- C) Mjerenje protoka cijevi za navodnjavanje
- D) Izračunavanje tržišne cijene proizvoda
Opis: GDD je ukupna toplina akumulirana oduzimanjem bazne temperature od dnevne prosječne temperature i koristi se za procjenu razvojnih (fenoloških) faza biljke i vremena nicanja nekih štetočina. Dakle, prozori za prskanje, gnojenje i žetvu mogu se planirati prema akumulaciji topline, a ne prema kalendaru. GDD nije pH tla ili direktna količina padavina.
10. Koja je od sljedećeg najtačnija izjava za model predviđanja prinosa uspostavljen mašinskim učenjem?
- A) Predviđa budućnost precizno i bez greške
- B) Zasnovan je na prošlim obrascima; Mora se dati s rasponom nesigurnosti i provjereno ✔
- C) Uvek radi sa istom tačnošću u uslovima koji nisu podaci o treningu.
- D) On je jedini donosilac konačne odluke bez agronomskih informacija
Opis: Model mašinskog učenja zasnovan je na obrascima koje vidi u istorijskim podacima; Samopouzdanje se smanjuje kada ulazni uslovi ispadnu izvan podataka o treningu (nova sorta, neobična klima). Stoga, izlaz treba dati s rasponom nesigurnosti, a ne poen, i treba ga verificirati historijskim prinosom i referentnim vrijednostima. Model ne poznaje budućnost sa sigurnošću i ne radi sa istom tačnošću u svim uslovima.
11. Koja je najbolja praksa prije pokretanja AI generiranog Python/pandas koda za analizu?
- A) Primjena koda direktno na cijeli skup podataka bez čitanja
- B) Testiranje sa malim uzorkom podataka sa poznatim rezultatima i provjera formula i jedinica ✔
- C) S obzirom da je dovoljno raditi bez grešaka.
- D) Stavljanje rezultata u izvještaj bez provjere
Opis: Iako AI generiran kod može izgledati ispravan, može sadržavati jedinicu, ime kolone, indeksnu formulu ili logičke greške filtera. Dobra praksa je da ručno pokrenete rezultat prema malom uzorku podataka koje poznajete, uporedite ga sa očekivanim izlazom i provjerite formule kao što je NDVI u odnosu na izvor. Primjena koda na velike podatke, a da ga ne vidite, premješta tihe greške u proizvodnju.
12. Zašto je bilježnica administracije lijekova kritična u evidenciji sljedivosti?
- A) Samo da dobijem poreski odbitak
- B) Pruža provjerljiv zapis za MRL usklađenost, certifikaciju i praćenje serije ✔
- C) Samo za poređenje sa susjednim poljima
- D) Priprema reklamnih brošura
Opis: Knjiga administracije lijekova; Dokumentira koji proizvod, koji aktivni sastojak, u kojoj dozi i datumu je korišten, te period čekanja između posljednje primjene i berbe. Ovaj zapis je obavezan za usklađenost sa maksimalnom granicom rezidua (MRL), dobru agronomsku/organsku sertifikaciju i praćenje serije ako se pojavi problem. Ne čuva se samo za praćenje troškova ili oglašavanje.
13. Alat umjetne inteligencije pouzdano je prijavio štetočina koja nije pronađena u tom području kao 'uobičajenu prijetnju'. Koji koncept najbolje može objasniti ovu situaciju?
- A) Greška kalibracije senzora
- B) Halucinacije: proizvodnja informacija koje ne postoje na sigurnom jeziku ✔
- C) Prekid mrežne veze
- D) Nedostatak podataka o padavinama
Objašnjenje: Halucinacija se naziva kada model proizvodi informacije koje zapravo ne postoje ili ne odgovaraju kontekstu, kao da su stvarne, tečne i pouzdane. Filter agronomske vjerodostojnosti (da li je klima u regiji i obrazac usjeva pogodni za tu štetočinu?) i terenski dokazi otkrivaju takve greške prije potpisivanja. Ovo nije kvar senzora ili greška jedinice.
14. Kako treba definirati ulogu umjetne inteligencije u poljoprivrednim odlukama koje su ključne za sigurnost i kvalitet (npr. doza pesticida, recept za gnojivo, plan navodnjavanja)?
- A) Nadležni organ koji jedini donosi konačnu odluku
- B) Automatski sistem koji zamjenjuje odobrenje nadležnog agronoma
- C) Asistent koji izrađuje nacrte i sugestije i prepušta odluku stručnjaku ✔
- D) Tačan izvor informacija koji ne zahtijeva provjeru
Opis: Umjetna inteligencija; To je pomoćnik koji stvara nacrte, sumira podatke i predlaže hipoteze. Konačna reč u kritičnim odlukama pripada nadležnom poljoprivrednom inženjeru koji je upoznat sa posmatranjem terena, lokalnom kalibracijom i zakonodavstvom; AI izlaz ne zamjenjuje ovo odobrenje. Kada je u pitanju sigurnost proizvoda, okoliša i hrane, odgovornost je na stručnjaku za potpisivanje.