利益:
- 農家のデータ所有権、プライバシー、アルゴリズムのバイアスなどの倫理的リスクを認識し、管理する能力
- 単一の季節限定のエンドツーエンドのワークフローでモジュールのすべてのリンクを結合する機能
- 安全性が重要な農業上の意思決定において、AI の成果が有能な農学者の承認に代わるものではないことを品質システムで確立する
モジュール試験
1. AI の出力を農業工学の意思決定に組み込む前に適用される「3 つのアンカー」検証のアンカーは何ですか?
- A) サイズ範囲、農学的妥当性、および現場での証拠 ✔
- B) モデルの人気、回答の長さ、言語の流暢さ
- C) 価格、速度、ユーザーインターフェイス
- D) ブランドの信頼性、インターネット接続およびファイル形式
説明: 3 つのアンカー。結果が予想される 10 乗の範囲内であるかどうかをチェックする大きさのオーダー、作物および気候との生産量の一貫性を調べる農学的合理性、およびコア/サンプルではなく現場での確認を提供するフィールド証拠。ソースのブランド、モデルの人気、テキストの流暢さは検証基準ではありません。
2. NDVI (正規化植生指数) は基本的に何を測定しますか?
- A) 土壌の正確な水分率をセンチメートル単位で決定します。
- B) 緑の活気に満ちた植生の密度と強さ ✔
- C) 種レベルで存在する病原体はどれですか?
- D) 収穫後の最終製品価格
説明: NDVI は、近赤外線 (NIR) と赤色帯域の反射率の差を正規化することにより、緑色の光合成を行う生きた植物の密度と強度を測定します。健康な植物は近赤外線を強く反射し、赤色を強く吸収するため、NDVI が増加します。ストレスの多いカバーやまばらなカバーでは値が減少します。収量、土壌水分、病気の種類を直接測定するものではありません。これらには追加のデータが必要です。
3. 衛星画像には、NDVI 値が低い領域が示されています。この異常を技術的な決定に変える前に取るべき最善のステップは次のうちどれですか?
- A) すぐにそのエリアに殺菌剤を塗布します
- B) 地域への肥料投与量を2倍にする
- C) 現場管理、気象学、生物季節学によって原因を確認する ✔
- D) 異常を無視し、フィールド全体に平均を適用します。
説明: 低い NDVI は、水ストレス、病気、栄養欠乏、羽化の頻度の低さ、雲の陰、または新しく耕した土壌によって引き起こされる可能性があります。この不確実性を区別できるのは、現場管理、気象学、季節学を通じてのみです。地図だけではその理由はわかりません。農薬や肥料を直接使用すると、間違った原因に干渉する危険性があります。
4. 農家の圃場の座標、収量、コストのデータを公的に利用可能な AI ツールに入力する場合、最も正確なアプローチは何ですか?
- A) すべてのデータをIDと座標をそのまま貼り付ける
- B) 識別情報を匿名化し、必要な技術データのみを共有する ✔
- C) データをまったくチェックせずにパブリックテーブルにロードする
- D) 農家の許可なくモデルトレーニングにデータを提供すること
開示: 農家のデータは商業的にも個人的にも機密です。座標、身元およびコスト情報は財産および機密事項です。正しいアプローチは、代表的なラベル (プロット A、X 座標) で識別情報を匿名化し、分析に必要な技術データのみを共有することです。データをそのまま共有したり、許可なく教育に公開したりすると、倫理的および法的なリスクが生じます。
5. 土壌分析レポートでは、pH 4.8 と示されています。この値は農学的に何を意味するのでしょうか?
- A) ほとんどの作物にとって中性で理想的な土壌
- B) 強酸性。食物摂取を制限し、矯正が必要となる可能性がある状態 ✔
- C) 強アルカリ。石灰処理が必要な状態
- D) 土壌中の塩分濃度が非常に高いことを意味します。
説明: pH 4.8 は強酸性の土壌を示します。この条件下では、リンとモリブデンの摂取が減少し、アルミニウム/マンガン毒性のリスクが増加し、多くの作物で根の発育が抑制されます。ほとんどの畑作物では、6.0 ～ 7.0 が適切な範囲です。したがって、石灰処理などの修正が検討されます。酸性土壌は「理想的」ではなく、それ自体で高い収量が保証されるわけでもありません。
6. AI は小麦畑に 1 デカールあたり 60 kg の純窒素を推奨しました。地域の実際の収量と目標収量は、1 デケアあたり約 12 ～ 16 kg の純粋な窒素を示します。最善の行動とは何でしょうか?
- A) AIが計算したため、推奨事項をそのまま実装します。
- B) 安全のためにさらに用量を増やす
- C) これを桁違いの警告として捉え、入力とローカルキャリブレーションを確認してください ✔
- D) 土壌分析を考慮せずに提案を半分に分割する
説明: 推奨値は予想範囲の約 4 倍です。これは桁違いの警告です。過剰な窒素は、経済的損害だけでなく、うつ病、病気、硝酸塩汚染のリスクの両方を意味します。正しい動作は、推奨を拒否し、入力 (単位、収量、目標収量、土壌 N) とローカル キャリブレーションをチェックすることです。やみくもに使用すると、環境や農業に悪影響を及ぼします。
7. 灌漑の決定に使用される「植物の水消費量」（蒸発散量、ET）は何を意味しますか?
- A) 降水によってのみ土壌に入る水の量
- B) 土壌からの蒸発と植物からの蒸散による総水分損失 ✔
- C) 土壌の電気伝導率
- D) 灌漑管内の圧力値
説明: 蒸発散量は、植物からの蒸発と蒸散によって土壌から大気中に失われる水分の総量です。参照 ET に作物係数 (Kc) を乗算することにより、製品の実際の必要水量 (ETc) が推定され、この水バランスに従って灌漑が計画されます。 ET は降雨量や土壌塩分ではありません。水収支の流出側を表します。
8. 葉の症状を見た技術者が写真の説明をAIに伝え、予備診断を受けました。この診断を害虫駆除の決定に移す前に必須なのはどれですか?
- A) 現場/研究室の薬剤を確認し、認可されラベルが貼られた薬剤を選択する ✔
- B) 安全のため、いくつかの異なる薬を一緒に服用する
- C) AI が何と言おうと、すぐに有効成分を塗布します。
- D) 最も安価な殺虫剤を選択し、畑全体に散布する
説明：同様の症状を引き起こすさまざまな要因（真菌、細菌、ウイルス、栄養欠乏、非生物的ストレス）のため、画像だけからの事前診断は十分ではありません。薬剤は現場サンプルで確認され、必要に応じて検査室診断が行われ、その薬剤およびその製品に対して認可され、そのラベルに適した薬剤のみが選択されるべきです。検証なしに広範囲に農薬を散布すると、耐性や残留のリスクが生じます。
9. 農業意思決定支援でよく使われる GDD (Growth Degree Day) の概念の目的は何ですか?
- A) 土壌のpH値に従う
- B) 蓄熱による植物の発育段階と害虫の発生を予測 ✔
- C) 灌漑管流量の計測
- D) 製品の市場価格の計算
説明: GDD は、毎日の平均気温から基準温度を差し引いて蓄積される総熱量であり、植物の発育 (季節学) 段階と一部の害虫の発生時期を推定するために使用されます。したがって、噴霧、施肥、および収穫の期間は、カレンダーではなく熱の蓄積に基づいて計画できます。 GDD は土壌の pH や直接降雨量ではありません。
10. 機械学習で確立された収量予測モデルについて最も正確な記述は次のうちどれですか?
- A) 未来を正確に、間違いなく予測します。
- B) 過去のパターンに基づいている。不確実性の範囲を指定して検証する必要があります ✔
- C) 学習データ以外の条件でも常に同じ精度で動作します。
- D) 彼は農業に関する情報を持たない唯一の最終意思決定者である
説明: 機械学習モデルは、履歴データに見られるパターンに基づいています。入力条件がトレーニング データの範囲外である場合 (新しい品種、異常な気候)、信頼度は低下します。したがって、出力は点ではなく不確実性の範囲で指定する必要があり、過去の利回りとベンチマークで検証する必要があります。モデルは将来を確実に知ることはできず、すべての条件下で同じ精度で機能するわけではありません。
11. AI で生成された Python/pandas 分析コードを実行する前のベスト プラクティスは何ですか?
- A) コードを読み取らずにデータセット全体に直接適用する
- B) 結果がわかっている小さなサンプルデータを使用してテストし、式と単位を確認する ✔
- C) エラーなく動作するだけで十分であると考える。
- D) 出力をまったくチェックせずにレポートに組み込む
説明: AI によって生成されたコードは正しいように見えますが、単位、列名、インデックス式、またはフィルター ロジック エラーが含まれている可能性があります。既知のデータの小さなサンプルに対して結果を手動で実行し、予想される出力と比較し、ソースに対して NDVI などの数式をチェックすることをお勧めします。ビッグデータを確認せずにコードを適用すると、サイレントバグが本番環境に移動します。
12. トレーサビリティ記録において薬剤管理ノートが重要なのはなぜですか?
- A) 税額控除を受けるためだけ
- B) MRL 準拠、認証、バッチ トレースバックの検証可能な記録を提供します ✔
- C) 隣接するフィールドとの比較のみ
- D) 広告パンフレットを作成するため
説明: 薬管理書。どの製品、どの有効成分、どの用量で使用されたか、使用された日付、最後の散布から収穫までの待機期間が記録されます。この記録は、最大残留制限 (MRL) への準拠、優れた農学/有機認証、および問題が発生した場合のバッチ追跡のために必須です。コスト追跡や広告のみを目的として保存されるものではありません。
13. AI ツールは、その地域では見つからない害虫を「共通の脅威」として自信を持って報告しました。この状況を最もよく説明できる概念はどれですか?
- A) センサー校正エラー
- B) 幻覚: 安全な言語では存在しない情報の生成 ✔
- C) ネットワーク接続の中断
- D) 降雨量データの欠如
説明: モデルが実際には存在しない情報、または文脈と一致しない情報を、あたかも現実で流暢で自信に満ちているかのように生成する場合、それは幻覚と呼ばれます。農業学的妥当性 (その地域の気候と作物のパターンがその害虫に適しているか) のフィルターと現場の証拠により、署名前にそのようなエラーが検出されます。センサーの故障や本体の故障ではありません。
14. 安全性と品質にとって重要な農業上の意思決定（農薬の投与量、肥料の処方、灌漑計画など）において、人工知能の役割はどのように定義されるべきですか?
- A) 管轄当局のみが最終決定を下す
- B) 有能な農学者の承認に代わる自動化システム
- C) 草案と提案を作成し、専門家に決定を任せるアシスタント ✔
- D) 検証を必要としない正確な情報源
説明: 人工知能。概要を作成し、データを要約し、仮説を提案するアシスタントです。重要な決定における最終的な発言権は、現場観察、現地の校正、法律に精通した有能な農業技術者に属します。 AI の出力はこの承認に代わるものではありません。製品、環境、食品の安全性に関しては、署名する専門家が責任を負います。