Nyereség:
- Képes felismerni, hogy a mesterséges intelligencia hol takarít meg valós időt a mezőgazdasági mérnöki munkafolyamat során, és mely döntések maradjanak az agronómus felelőssége
- Képesség három horgony tudományág alkalmazására, amelyek keresztellenőrzik az egyes AI-kimeneteket nagyságrenddel, agronómiai elfogadhatósággal és helyszíni bizonyítékokkal
- Ismerje fel a kétértelműség, a hallucinációk és a gazdálkodói adatok titkosságának kockázatát, és szokja meg, hogy a kontextus anonimizálásával biztonságos értesítéseket állítson be.
Az agrármérnökség egy élő rendszer - talaj, növények, éghajlat és emberek - egyidejű kezelésének művészete. Egy tábla soha nem ugyanaz kétszer: ugyanaz a vetőmag, ugyanaz a műtrágya, ugyanaz az öntözés különböző években más-más termést ad, mert az időjárás, a talajnedvesség, a betegségek nyomása és több száz változó folyamatosan játszik szerepet. Ezért a mezőgazdaság olyan szakma, amely eleve bizonytalansággal működik. A mesterséges intelligencia (AI; olyan szoftverrendszerek, amelyek nagy adatmintázatokból tanulnak, és szöveget, képeket vagy számokat állítanak elő) hatékony eszköz ennek a bizonytalanságnak a kezelésére, de egyben olyan eszköz is, amely veszélyesen világos nyelven is elrejti ugyanezt a bizonytalanságot. Ez az egység fekteti le azt a két alapot, amelyre a teljes modul felépül: hol termel a mesterséges intelligencia valós értéket a mezőgazdasági munkafolyamatban, és hogyan validáljuk az egyes outputokat.
Tisztázzuk már az elején: az ebben a modulban elsajátított technikák egyike sem helyettesíti a képzett mezőgazdasági mérnök (agronómus) aláírását, terepi megfigyelését és mérnöki megítélését. A mesterséges intelligencia asszisztens; Gyorsan olvas, gyorsan ír, mintákat fog fel. De ha egy rossz műtrágyafelírás szennyezi a patak medret, ha a nem megfelelő adag növényvédőszer maradványokat hagy a terményen, és rontja az élelmiszerbiztonságot, ha egy hibás öntözési terv kopárná teszi a talajt, a felelősség nem a szoftvert, hanem az azt aláíró mérnököt terheli. Ezt a mondatot a modul minden egységében más-más formában újra látni fogod, mert ez az egyetlen igazság egy olyan szakmában, ahol a környezet- és élelmiszerbiztonság a tét.
Hol teremt értéket a mesterséges intelligencia a mezőgazdasági munkafolyamatban?
Egy agronómus hete nagyjából háromféle munkára oszlik: adat-előkészítés (talajelemzési jelentések olvasása, terepfeljegyzések szerkesztése, szenzortáblázatok kitisztítása), értelmezés és elemzés (növény-egészségügyi felmérés, betegségdiagnózis, műtrágya- és öntözéstervezés, termésbecslés) és kommunikáció (gazdálkodói jelentés, vény, bizonyítvány, hivatalos levelezés). Az AI mindhárom területet érinti, de hozzájárulása és kockázata mindegyikben eltérő.
Az adat-előkészítés a mesterséges intelligencia legbiztonságosabb és legjövedelmezőbb területe. A szétszórt terepi megfigyelések szabványos táblázattá alakítása, a különböző laboratóriumokból származó jelentések különböző formátumainak egyetlen sablonba foglalása, a kiugró értékek megjelölése több ezer sornyi nedvességérzékelő rekordban – ezek a feladatok ismétlődőek, szabályalapúak és könnyen ellenőrizhetők. Még ha itt is van hiba, percekbe telne visszamenni a forráshoz (nyers adatok) és ellenőrizni.
Az értelmezés és elemzés területe a legmagasabb értéket és a legnagyobb kockázatot hordozza. A mesterséges intelligencia egy lehetséges vízterhelési zónát javasolhat az NDVI térkép alapján; Ez olyan mintát tárhat fel, amelyet még egy tapasztalt szemnek is hiányolhat egy nagy területen. De ugyanez a modell magabiztosan leírhat egy olyan betegséget, amely nem létezik az adott régióban, mint "széles körben elterjedt fenyegetést". Ha a modell a valóságban nem létező információt állít elő, mintha valódi lenne, azt hallucinációnak nevezzük. Ezen a területen az AI hipotézisgenerátor, nem döntéshozó.
A kommunikáció területén a mesterséges intelligencia egy huzatgyorsító. Percek alatt elkészíti a gazdálkodói tájékoztató jelentést, a szakirodalmi összefoglalót vagy a tanúsítási kérelem szövegét. A kockázat itt az, hogy a koholt források és a hibás adagok egy folyó szövegben észrevétlenül eljuthatnak a gazdához vagy az ellenőrzötthez.
Tipp: Mielőtt munkát adna az MI-nek, tedd fel magadnak a kérdést: „Honnan tudhatom meg, hogy ez a kimenet hibás, és mennyi ideig tart a javítása?” Ha a válasz perc (adattisztítás), használja kényelmesen; Ha a válasz "Nem értem, amíg a termék meg nem sérül" (adagolási döntés), feltétlenül ellenőrizze önállóan.
Érvényesítési fegyelem: A három horgony szabálya
Ennek a modulnak a lényege egyetlen szokás: az AI-kimenetet ne építsék bele egy agronómiai döntésbe anélkül, hogy azt validálnák. Az érvényesítést három független horgonyra alapozzuk.
Első horgony – nagyságrend. Az eredmény nagyjából a 10-es tartományon belül van? A búza egy dekányi tiszta nitrogénszükséglete jellemzően 10-18 kg; Ha a modell dekáronként 60 kg-ot veszít, akkor egység- vagy szerkesztési hiba van, és ez a részletezés nélkül is érthető. A csepegtető öntözőrendszer áramlási sebessége liter/óra nagyságrendű; Ha köbmétert ad a modell, az hülyeség. Ez az ellenőrzés másodpercekig tart, és a legtöbb hibát észleli.
Második horgony – Agronómiai ésszerűség. A kibocsátás összhangban van a termés biológiájával és a régió éghajlatával? Ha a modell őszi búza telepítését javasolja a nyár közepén; vagy ha a régióban soha nem látott trópusi kártevőt tekint a fő veszélynek, akkor vagy építési hiba van, vagy hülyeség a modell. A termés fenológiája (fejlődési szakaszai), a talaj típusa és a helyi éghajlat a hitelesség szűrője, amelyen minden javaslatnak át kell mennie.
Harmadik horgony – Mezőpróba. Ez a legerősebb horgony. Talajfúróval vett minta, levélelemzés, terepen vizuális számlálás, páraérzékelő leolvasása. A műholdról érkező stresszjelet úgy tesztelik, hogy ugyanarra a területre megyünk, és megnézzük az üzemet. A betegség előzetes diagnózisát mintavétellel és laboratóriumban igazolják. Az alap igazság mindig győz.
Három mini tok: a számok szerint
1. eset - Időmegtakarítás a talajjelentés értelmezésében. Egy agrármérnök manuálisan összegezte 38 különböző parcella talajelemzési jelentését (mindegyik eltérő laboratóriumi formátumban); jelentésenként átlagosan 20 perc, összesen körülbelül 13 óra. A mesterséges intelligencia alapú diagramkészítési munkafolyamattal az első vázlatot jelentésenként 4 percre csökkentette, a fennmaradó időt pedig a küszöbértékek kézi ellenőrzésére fordította. A teljes idő körülbelül 5 órára csökkent; A kritikus az volt, hogy a megszerzett időt az ellenőrzésre fordították.
2. eset – Elfogott hallucináció. Amikor egy gyakornok az MI-vel összefoglalta egy szőlőültetvény betegségtörténetét, a szövegben a következő mondat szerepelt: „A régióban uralkodó citrusfélék okozta Huanglongbing (HLB) nyomása”. A parcellában azonban szőlőültetvények (szőlő) voltak, nem citrusfélék; A modell összekeverte egy másik termék információit. Az agronómiai elfogadhatósági szűrő (a termésminta nem felelt meg a HLB-nek) a jelentés aláírása előtt észlelte a hibát.
3. eset – Egységhiba. Az egyik műtrágyaszámításnál a modell összekeverte a dekáronkénti ajánlást a hektáronkénti ajánlással, 10-szeresére növelve a nitrogéndózist (mivel 1 hektár = 10 dekária). A nagyságrendi ellenőrzés - "ez a csomag nem 15 kg, hanem 150 kg tiszta nitrogént tartalmazhat" - azonnal feltárta a hibát. Ha megvalósult volna, akkor gazdasági károk és nitrátszennyezés egyaránt bekövetkezett volna.
Gyenge felszólítás / Erős felszólítás
A prompt egy írásos utasítás, amelyet az MI-nek adsz; Minősége közvetlenül meghatározza a kimenet minőségét.
Gyenge felszólítás:
Értékelje a mező állapotát, és mondja meg, mit tegyek.[data]
Erőteljes felszólítás:
Feladata: vezető mezőgazdasági mérnök (agronómus). Az alábbi mezőadatokat CSAK a megadott információk alapján értelmezze. - Ne adjon hozzá olyan terméket, betegséget, műtrágyát vagy értéket, amely nem szerepel az adatokban. - Minden megjegyzés mellett zárójelben jelenítse meg az Ön által használt adatsort. - Ha nem biztos benne, írja be az "adat elégtelen", ne találgasson. - Ne adjon adagolási és gyógyszeres ajánlásokat; Ehelyett készítsen egy külön listát 3 olyan feltételezésből, amelyeket ellenőrizni kell. Adatok: [mezőadatok]
Az erős felszólítás három dolgot kényszerít a modellre: ragaszkodjon a forráshoz, ismerje el a bizonytalanságot, és bízza a kritikus döntést (adagolást) a mérnökre. Ezzel nem szűnik meg teljesen a hallucináció, de láthatóvá teszi.
Négy másolható sablon
1) Anonim kontextus létrehozása:
Segítséget szeretnék kérni egy agrármérnöki feladatban. A gazdálkodó neve, a tábla koordinátái, a parcellaazonosító és a költséginformációk BIZALMAS; Olyan reprezentatív kifejezésekkel fogom megadni őket, mint "Farmer-A", "Plot-1", "X koordináta". Feladat: [feladat]. Ne adjon hozzá külső feltevéseket kizárólag az általam megadott műszaki adatok alapján.
2) Három horgonyellenőrzési kérelem:
Háromszor ellenőrizze a következő kimenetet: 1) Nagyságrend: minden szám a termény/régió várt tartományán belül van?2) Agronómiai elfogadhatóság: van-e ellentmondó állítás a növénybiológiával/klímával?3) Ellenőrző lista: tételek, amelyeket meg kell erősíteni a táblán/laborban.Kimenet: [szöveg]
3) A kétértelműség érvényesítése:
Adja meg értelmezését három megbízhatósági szinten: - Magas megbízhatóság (közvetlenül adatokkal alátámasztva) - Közepes megbízhatóság (ésszerű agronómiai következtetés) - Alacsony megbízhatóság (spekuláció; helyszíni megerősítés szükséges) Írjon minden elemet, jelezve annak szintjét.
4) Vörös zászlós szűrés a döntés előtt:
Sorolja fel a 3 legsúlyosabb kockázatot (környezeti, élelmiszer-biztonsági, gazdasági), amely felmerülhet, ha követem ezt a javaslatot, és mindegyiknél a korai figyelmeztető jeleket!
Alapfogalmak táblázata
kifejezést
Jelentése
Miért fontos?
agronómus
Agrármérnök, mezőgazdasági termelési szakember
A kritikus döntések végső felelőssége
hallucináció
Az AI magabiztosan állít elő nem létező információkat
Az ellenőrzés nélküli bizalom legnagyobb kockázata
fenológia
A növény fejlődési szakaszai (kelés, virágzás...)
Az ütemezési döntések alapja
Alapos igazság
Közvetlen megfigyelés/mérés a terepen
Az összes távoli adat hitelesítési horgonyja
NDVI
Vegetációs vitalitás index
Nélkülözhetetlen eszköz az egészség távfelügyeletéhez
Gyakori hibák
- A folyékonyságot összetéveszti a pontossággal. Az AI gyönyörű, magabiztos török nyelve nem jelzi, hogy a kimenet helyes; A legveszélyesebb hallucinációk a legfolyékonyabbak.
- Azt gondolni, hogy az ellenőrzés időpocsékolás. Ha nem tölti a megspórolt időt az ellenőrzéssel, az AI felgyorsítja a hibát az Ön nevében.
- Érzékeny adatok megosztása, ahogy vannak. A gazdálkodói koordináció, a hozam és a költségek tulajdonjogi és titoktartási kérdések; Ne ossza meg névtelenítés nélkül.
- A kritikus adagolási döntést az AI-ra hagyjuk. A műtrágya-, peszticid- és öntözési dózisok szántóföldi kalibrálást és jogszabályokat igényelnek; Az AI csak piszkozatokat készít.
- Megelégedni egy horgonnyal. Ha csak a nagyságrendet nézzük, és figyelmen kívül hagyjuk a plauzibilitást és a helyszíni bizonyítékokat, megkerüljük a finom hibákat.
Figyelem: Amikor az MI azt mondja, hogy "X betegség van ezen a területen", ez egy hipotézis, nem pedig diagnózis. Diagnózis; A minta elhelyezése a laboratórium és az arra jogosult mérnök jóváhagyásával történik.
Összefoglalva
A mesterséges intelligencia a legbiztonságosabb eszköz az adat-előkészítésben, gyorsító a kommunikációban, és egyben a legértékesebb és legkockázatosabb eszköz az agrármérnöki értelmezésben és elemzésben. Ennek a modulnak a gerincét három alapszakasz alkotja: az egyes kimenetek tesztelése nagyságrenddel, agronómiai elfogadhatósággal és helyszíni bizonyítékokkal. A hallucinációk valódiak, a folyékonyság nem a pontosság, és a kritikus döntések felelőssége mindig az aláíró agronómusé. A következő egységekben ezt a tudományágat a precíziós mezőgazdaságra, az NDVI-re, a talajra, az öntözésre, a betegségekre, az éghajlatra, a hozamra, a Pythonra és a nyomon követhetőségre egyenként alkalmazzuk.
Pályázati feladat
Az Ön által birtokolt mező (vagy egy reprezentatív) esetében először kérdezzen meg az AI-tól egy gyenge promptot ("Mit tegyek ebben a mezőben?"), majd ugyanezt a kérdést az egység erős prompt sablonjával. Helyezze egymás mellé a két kimenetet, és jelölje be: (1) mely mondatok tartalmaznak olyan információkat, amelyek nem szerepelnek az adatokban (jelölt hallucináció), (2) mely számok nem felelnek meg a nagyságrendi ellenőrzésnek, (3) 3 elemet, amelyet ellenőriznie kell a mezőben. Egy bekezdésben írja le, hogy az erőteljes prompt mely hibákat teszi láthatóvá.
ellenőrző lista
- [ ] A feladatot adatelőkészítés / értelmezés / közlés kategóriába soroltam és meghatároztam a kockázati szintet.
- [ ] A gazdálkodó személyazonosságát, koordinátáit és költséginformációit anonimizáltam.
- [ ] Teszteltem a kimenet méretét, agronómiai elfogadhatóságát és a szántóföldi bizonyítékokat.
- [ ] Megjelöltem a hallucinációjelölt mondatokat, és visszavittem a forráshoz.
- [ ] A kritikus adagolás/gyógyszer/öntözés döntését a felhatalmazott mérnök jóváhagyására bíztam.