Qligħ:
- Kapaċità li tispjega s-sorsi tad-dejta użati fit-tbassir tar-rendiment u d-differenza bejn it-tagħlim tal-magni u l-mudelli mekkanistiċi
- Kapaċità li tikkonfigura s-setup tat-tbassir tar-rendiment, il-karatteristiċi u l-firxa ta 'inċertezza bl-AI
- Kapaċità li tivverifika l-output tal-mudell b'rendiment storiku, benchmark u kejl tal-qasam u tevita kunfidenza żejda
"Kemm prodott se nieħu minn dan il-qasam?" Din hija l-eqdem u l-aktar mistoqsija siewja fl-agrikoltura. Li tkun taf it-tweġiba t-tajba; Ifisser l-ippjanar tal-ħaddiem tal-ħsad, il-maħżen, it-trasport, il-kuntratt tal-bejgħ u l-finanzjament. Li tkun taf ħażin ifisser li taħli r-riżorsi jew li ma tkunx tista’ tlaħħaq. L-intelliġenza artifiċjali u t-tagħlim tal-magni (ML, metodu li jitgħallem mudelli fid-dejta u jbassar sitwazzjonijiet ġodda) jistgħu jipproduċu tweġibiet qawwija iżda perikolużi konvinċenti għal din il-mistoqsija. Din l-unità tgħallem is-sorsi tad-dejta tat-tbassir tar-rendiment, id-differenza bejn iż-żewġ approċċi bażiċi, it-tagħlim tal-magni u l-mudelli mekkanistiċi, il-firxa ta 'inċertezza fit-tbassir, u - l-aktar importanti - kif tevita kunfidenza żejda.
X'Tiddependi l-Effiċjenza? inputs
Ir-rendiment ma jiddependix minn ħaġa waħda biss; huwa l-prodott ta 'ħafna fatturi. Sorsi ta' input prinċipali:
- Status tal-pjanti: serje ta 'żmien NDVI/NDRE (żvilupp tal-bijomassa) matul l-istaġun, densità tal-pjanti, saħħa.
- Ħamrija: pH, OM, KDK, żamma tal-ilma, żona ta 'ġestjoni.
- Temp/klima: akkumulazzjoni GDD, preċipitazzjoni tal-perjodu kritiku u temperatura, ġlata/avvenimenti tas-silġ.
- Ġestjoni: Varjetà, data tat-tħawwil, ammont ta 'fertilizzant u tisqija, bexx.
- Storja: Ir-rendimenti tas-sena ta 'qabel tal-istess qasam (wieħed mill-indikaturi uniċi l-aktar b'saħħithom).
L-AI tgħaqqad dawn l-inputs (karatteristiċi) u tipproduċi tbassir. Imma dak li m'għandux jintesa: il-mudell jaf biss id-dejta li jiġi mitmugħ u x-xejriet li jara f'dik id-dejta. Jekk ma tipprovdix id-data ta' Ottubru, din tinjora dak il-fattur.
Żewġ Approċċi: Tagħlim tal-Magni vs Mudell Mekkanistiku
Il-mudell tat-tagħlim tal-magni jitgħallem mudelli statistiċi mill-eżempji tas-snin li għaddew "dan huwa r-rendiment f'dawn il-kundizzjonijiet". Is-saħħa tiegħu: jaqbad ħafna varjabbli u relazzjonijiet kumplessi. Dgħjufija: il-kunfidenza tiġġarraf meta tinqabeż id-dejta tat-taħriġ (varjetà ġdida, nixfa bla preċedent, reġjun differenti); jitħabat biex jispjega għaliex (“kaxxa sewda”).
Il-mudell mekkanistiku (ibbażat fuq il-proċess) jimita l-fiżjoloġija tat-tkabbir tal-pjanti b'ekwazzjonijiet (fotosintesi, bilanċ ilma-nutrijent). Qawwiet: aktar affidabbli, spjegabbli f'kundizzjonijiet ġodda. Dgħjufija: teħtieġ ħafna input u kalibrazzjoni, diffiċli biex titwaqqaf.
Fil-prattika, it-tnejn huma kkombinati u t-tnejn huma vverifikati permezz ta' kejl fuq il-post. L-intelliġenza artifiċjali tħaffef is-setup, il-karatteristiċi u r-rappurtar taż-żewġ approċċi.
Daqs
tagħlim bil-magni
Mudell mekkanistiku
Bażiku
Mudell tad-dejta storika
Ekwazzjonijiet tal-fiżjoloġija
kundizzjoni ġdida
Dgħajjef (riskju ta' estrapolazzjoni)
aktar b'saħħitha
Spjegabbiltà
Baxxa (kaxxa sewda)
għolja
Ħtieġa tad-dejta
eżempju passat twil
Multi-parametru/kalibrazzjoni
Ir-rwol tal-AI
Feature+mudell finzjoni
Preparazzjoni tad-dħul, kumment
Tip: Qabel ma tafda tbassir tar-rendiment, staqsi: "Il-kundizzjonijiet ta' din is-sena huma simili għall-passat li l-mudell tgħallem minnhom?" Nixfa mhux tas-soltu, varjetà ġdida, jew reġjun differenti jagħmlu l-istima ML mhux affidabbli. F'każijiet bħal dawn, jespandi l-firxa ta 'inċertezza.
Firxa ta 'inċertezza: Għaliex Intervall u Mhux Punt?
Stima tajba tar-rendiment ma tgħidx "620 kg għal kull decare"; Jgħid "560-680 kg għal kull decare, l-aktar probabbli huwa 620, il-kunfidenza hija medja." Għax il-futur huwa inċert u numru fard joħloq ċertezza falza. Diċembru; Jippermetti t-twaqqif ta’ xenarji (ħżiena/medju/tajjeb) u l-ġestjoni tar-riskju fl-ippjanar. Dejjem staqsi għal firxa u livell ta 'kunfidenza meta tagħmel AI tbassar; Kun xettiku dwar mudell li jagħti numru fard.
Tliet Każijiet Mini: bin-Numri
Każ 1 - Ippjanar tal-intervall. Produttur tal-qamħ kien irranġa x-xogħol tal-ħsad u t-trasport ibbażat fuq stima ta' punt wieħed (500 kg għal kull decare). Meta l-mudell appoġġjat mill-AI ta klassifikazzjoni ta '430-560 kg u "sensittiv għal xita ta' perjodu kritiku", il-manifattur għamel pjan ta 'ħaddiem flessibbli. Il-piż attwali kien 445 kg; Filwaqt li l-ippjanar riġidu kien joħloq ħafna spiża, l-ispazjar iffranka flessibilità.
Każ 2 - Nassa ta' estrapolazzjoni. Mudell wieħed mbassar rendimenti għoljin ibbażati fuq data storika matul sena ta 'nixfa ta' severità mingħajr preċedent. L-inġinier induna li l-kundizzjonijiet kienu barra mid-dejta tat-taħriġ u ċaħad it-tbassir u rritorna għall-kejl tal-post (densità tal-pjanti, għadd tal-widnejn). Kien ikun żball serju ta’ ppjanar li kieku l-mudell kien jinstema’ waħdu.
Każ 3 - Karatteristika nieqsa. Stima waħda kienet ogħla milli mistenni; Meta eżaminat, deher li avveniment tas-silġ ma ddaħħalx fil-mudell. Ladarba l-input tlesta, il-previżjoni waqgħet b'mod realistiku. Lezzjoni: il-mudell jaf biss kemm tagħtih; Li tinsa avveniment kritiku tgħolli l-istima.
Prompt Dgħajjef / Prompt Qawwija
Pront dgħajjef:
Kemm se nikseb rendiment minn din il-għalqa? Agħtini numru.
Pront qawwi:
Ir-rwol tiegħek: Analista tad-dejta agrikola. DISINN approċċ għall-previżjoni tar-rendiment (mhux bini ta 'mudelli, iżda finzjoni u interpretazzjoni). Għandi l-inputs: [serje NDVI, ħamrija, GDD, data tat-tħawwil, rendiment storiku...]. Kompitu:- Spjega liema karatteristiċi għandi nuża, liema huma l-aktar deċiżivi, - Itlob l-istima bħala INTERVAL u livell ta’ kunfidenza, mhux bħala PUNT.- Il-kundizzjonijiet ta’ din is-sena huma simili għall-passat; Evalwa jekk hemmx riskju ta' estrapolazzjoni. - Staqsi dwar inputs kritiċi li jistgħu jkunu neqsin (silġ, ġlata, mard). - Ikteb kif tivverifika l-kejl tal-għalqa stmat (għadd tal-widna/frott).
Pront b'saħħtu jinforza l-ispazjar, il-kontroll tal-estrapolazzjoni, l-iskoperta tal-input nieqes u l-verifika fuq il-post.
Erba' Mudelli Kopjabbli
1) Prijoritizzazzjoni tal-karatteristiċi:
Elenka, f'ordni ta' determinazzjoni, il-karatteristiċi li jistgħu jintużaw biex jiġi stmat ir-rendiment għall-prodott li ġej; Spjega fil-qosor għaliex kull wieħed huwa importanti. Immarka separatament id-dejta li m'għandix imma se tkun ta' valur.
2) Firxa ta' inċertezza:
Agħti din l-istima mhux bħala punt, iżda bħala medda t'isfel-ogħla u livell ta 'kunfidenza (għoli/medju/baxx). Ikteb il-fatturi li jnaqqsu u jwessgħu l-firxa.
3) Kontroll tal-estrapolazzjoni:
Qabbel il-kundizzjonijiet ta' din is-sena (temp, varjetà, ġestjoni) mas-snin li għaddew tipiċi. Il-mudell jitbiegħed mid-dejta tat-taħriġ? Jekk iva, kemm għandi nafda t-tbassir?
4) Pjan ta' verifika fuq il-post:
Kif nieħu liema kejl (numru ta' widnejn/frott għal kull għalqa, piż tal-qamħ) biex nivverifika din l-istima tar-rendiment fl-għalqa qabel il-ħsad? Issuġġerixxi pjan ta' teħid ta' kampjuni.
Żbalji komuni
- Fidu numru wieħed. Stima punt hija preċiżjoni falza; Staqsi għal firxa u livell ta 'kunfidenza.
- Injora l-estrapolazzjoni. L-istima tal-ML f'sena mhux tas-soltu mhijiex affidabbli; Qabbel il-kundizzjoni mal-passat.
- Jinsa l-input kritiku. Jekk ma tiddaħħalx avvenimenti bħal silġ, ġlata u mard, it-tbassir ikun minfuħ.
- L-għeluq tal-mudell għall-qasam. Kejl dirett bħall-għadd ta 'spike/frott huwa l-ankra finali; Taqbeżha.
- Blindly tafda l-kaxxa s-sewda. Tbassir li r-raġuni tagħha ma tistax tiġi spjegata m'għandhiex issir deċiżjoni mingħajr ma tiġi mistoqsija.
Attenzjoni: It-tbassir tar-rendiment iqanqal deċiżjonijiet finanzjarji u operattivi (kuntratt, self, impjegat). Impenn ibbażat fuq tbassir ottimista żżejjed jikkawża ħsara serja jekk ma jseħħx. Ippreżenta l-istima bħala firxa ta 'possibbiltajiet u agħmel impenji kritiċi bbażati fuq ix-xenarju kawt.
Fil-qosor
It-tbassir tar-rendiment huwa taħlita ta' ħafna inputs (pjanti, ħamrija, temp, ġestjoni, storja). It-tagħlim bil-magni jaqbad mudelli kumplessi, iżda l-kunfidenza tiegħu tiġġarraf meta tmur lil hinn mid-dejta tat-taħriġ; Il-mudell mekkanistiku huwa aktar affidabbli fil-kundizzjoni l-ġdida iżda huwa diffiċli li jiġi stabbilit. L-intelliġenza artifiċjali tħaffef il-kostruzzjoni taż-żewġ approċċi. Stima tajba hija intervall, mhux punt, ippreżentat b'livell ta' kunfidenza, iċċekkjat għar-riskju ta' estrapolazzjoni, u vverifikat permezz ta' kejl fuq il-post. Il-kunfidenza żejda hija l-iżball l-aktar għali; Tbassir huwa possibbiltà, mhux impenn.
Kompitu ta' applikazzjoni
Elenka l-inputs (rappreżentattivi) li għandek għal uċuħ tar-raba': bosta snin ta' rendiment storiku, xejra NDVI, data tat-tħawwil, xita fil-perjodu kritiku. Ikseb l-AI biex tbassar ir-rendiment bil-mudelli ta '"prijoritizzazzjoni tal-karatteristiċi" u "distakk fl-inċertezza" f'din l-unità. Imbagħad neħħi deliberatament input kritiku (per eżempju, avveniment tas-silġ) u erġa' staqsi u osserva kif tinbidel it-tbassir. Ikteb f'paragrafu wieħed kif se tivverifika t-tbassir fl-għalqa qabel il-ħsad.
lista ta' kontroll
- [ ] Ridt il-punt stmat, mhux il-firxa u l-livell ta 'kunfidenza.
- [ ] Qabbilt il-kundizzjonijiet ta' din is-sena mal-passat u kkontrollajt ir-riskju ta' estrapolazzjoni.
- [ ] Iċċekkjt li inputs kritiċi (silġ, ġlata, mard) mhumiex neqsin.
- [ ] Qabbilt ir-rendiment storiku stmat u l-parametru referenzjarju.
- [ ] Jien waqqaft pjan ta' verifika b'kejl fil-għalqa (għadd tal-widna/frott).