Gevinster:
- Evne til å gjenkjenne og håndtere etiske risikoer som eierskap av bondedata, personvern og algoritmisk skjevhet
- Evne til å kombinere alle lenker i modulen i en enkelt sesongbasert ende-til-ende arbeidsflyt
- Å etablere i et kvalitetssystem at AI-utgang ikke erstatter kompetent agronomgodkjenning i sikkerhetskritiske landbruksbeslutninger
Moduleksamen
1. Hva er ankrene til "tre ankre"-valideringen brukt før inkorporering av AI-utdata i en beslutning innen landbruksteknikk?
- A) Størrelsesområde, agronomisk plausibilitet og feltbevis ✔
- B) Modellens popularitet, svarlengde og språkflyt
- C) Pris, hastighet og brukergrensesnitt
- D) Merkevaretroverdighet, internettforbindelse og filformat
Beskrivelse: Tre ankere; størrelsesorden, som sjekker om resultatet er innenfor den forventede potensen 10, agronomisk rimelighet, som ser på konsistensen av produksjonen med avling og klima, og feltbevis, som gir bekreftelse i felt fremfor kjerne/prøve. Kildens merke, modellens popularitet eller tekstens flyt er ikke bekreftelseskriterier.
2. Hva måler NDVI (Normalized Difference Vegetation Index) i utgangspunktet?
- A) Bestem den nøyaktige fuktighetsprosenten til jorda i centimeter
- B) Tetthet og styrke av grønn, levende vegetasjon ✔
- C) Hvilket sykdomsmiddel finnes på artsnivå?
- D) Sluttproduktpris etter høsting
Beskrivelse: NDVI måler tettheten og styrken til grønn, fotosyntetisk levende vegetasjon ved å normalisere forskjellen mellom nær-infrarøde (NIR) og røde båndreflektanser. Siden friske planter reflekterer NIR sterkt og absorberer rødt intenst, øker NDVI; Verdien synker i belastende eller sparsom dekning. Den måler ikke direkte utbytte, jordfuktighet eller sykdomstype; disse krever tilleggsdata.
3. Et satellittbilde viser et område med lav NDVI-verdi. Hvilket av følgende er det beste trinnet å ta før du gjør denne uregelmessigheten til en ingeniørbeslutning?
- A) Påfør soppdrepende middel på området umiddelbart
- B) Dobling av gjødseldosen til området
- C) Bekreft årsaken ved feltkontroll, meteorologi og fenologi ✔
- D) Ignorer anomalien og bruk et gjennomsnitt for hele feltet
Forklaring: Lav NDVI kan være forårsaket av vannstress, sykdom, næringsmangel, sjelden fremvekst, skyskygge eller nypløyd jord. Vi kan bare skille denne usikkerheten gjennom feltkontroll, meteorologi og fenologi; Kartet alene forteller ikke hvorfor. Påføring av sprøytemidler eller gjødsel medfører direkte risiko for å forstyrre feil årsak.
4. Hva er den mest nøyaktige tilnærmingen når man legger inn bondefeltkoordinater, utbytte- og kostnadsdata i et offentlig tilgjengelig AI-verktøy?
- A) Lim inn alle data som de er med ID og koordinater
- B) Anonymiser identifiserende informasjon og del kun nødvendige tekniske data ✔
- C) Laste data inn i en offentlig tabell uten å sjekke det i det hele tatt
- D) Donere data til modelltrening uten tillatelse fra bonden
Offentliggjøring: Bondedata er kommersielt og personlig sensitive; Koordinat-, identitets- og kostnadsinformasjon er et spørsmål om eiendom og konfidensialitet. Den riktige tilnærmingen er å anonymisere identifiserende informasjon med representative etiketter (Plot-A, X-koordinat) og dele kun de tekniske dataene som kreves for analyse. Å dele dataene slik de er eller åpne dem for utdanning uten tillatelse utgjør etiske og juridiske risikoer.
5. Jordanalyserapporten viser pH som 4,8. Hva betyr denne verdien agronomisk?
- A) Nøytral og ideell jord for de fleste avlinger
- B) Sterkt surt; En tilstand som kan begrense matinntaket og kreve korrigering ✔
- C) Sterk alkali; en tilstand som krever kalking
- D) Det betyr at saltholdigheten i jorda er ekstremt høy.
Beskrivelse: pH 4,8 indikerer en sterkt sur jord; Under denne tilstanden reduseres fosfor- og molybdenopptaket, risikoen for aluminium/mangan-toksisitet øker, og rotutviklingen undertrykkes i mange vekster. For de fleste åkervekster er 6,0-7,0 det passende området. Derfor vurderes en korreksjon som kalking; Sur jord er ikke "ideelt" og garanterer ikke i seg selv høye avlinger.
6. AI anbefalte 60 kg rent nitrogen per dekar for en hveteåker; Regional praktisk og målavling tilsier cirka 12-16 kg rent nitrogen per dekar. Hva er den beste oppførselen?
- A) Implementere anbefalingen som den er, fordi AI beregnet
- B) Øk dosen enda mer for å være sikker
- C) Se det som en størrelsesorden advarsel og sjekk innganger og lokal kalibrering ✔
- D) Å dele forslaget i to uten å ta hensyn til jordanalysen
Beskrivelse: Anbefalingen er omtrent fire ganger det forventede området; Dette er en advarsel i størrelsesorden. For mye nitrogen betyr både økonomisk skade og risiko for depresjon, sykdom og nitratforurensning. Riktig oppførsel er å avvise anbefalingen og kontrollere inngangene (enhet, avling, målavling, jord N) og lokal kalibrering. Blind påføring forårsaker miljømessige og agronomiske skader.
7. Hva betyr "plantevannforbruk" (evapotranspirasjon, ET) brukt i vanningsbeslutninger?
- A) Mengden vann som kommer inn i jorda kun gjennom nedbør
- B) Totalt vanntap gjennom fordampning fra jorda og transpirasjon fra planten ✔
- C) Jordens elektriske ledningsevne
- D) Trykkverdi i vanningsrøret
Forklaring: Evapotranspirasjon er det totale vanntapet fra jorda til atmosfæren gjennom fordampning og transpirasjon fra planten. Ved å multiplisere referanse-ET med avlingskoeffisienten (Kc), estimeres det faktiske vannbehovet til produktet (ETc), og vanning planlegges i henhold til denne vannbalansen. ET er ikke nedbør eller jordsaltholdighet; Det representerer utløpssiden av vannbudsjettet.
8. En ingeniør som så symptomer på bladet ga bildebeskrivelsen til AI og fikk en foreløpig diagnose. Hva er obligatorisk før man oversetter denne diagnosen til en skadedyrbekjempelse?
- A) Bekrefte agenten i felten/laboratoriet og velge et lisensiert og merket medikament ✔
- B) Tar flere forskjellige medisiner sammen, bare for sikkerhets skyld
- C) Påfør den aktive ingrediensen umiddelbart uansett hva AI sier.
- D) Velg det billigste plantevernmiddelet og påfør det på hele feltet
Forklaring: Foreløpig diagnose fra bildet alene er ikke tilstrekkelig på grunn av ulike faktorer (sopp, bakteriell, viral, næringsmangel, abiotisk stress) som forårsaker lignende symptomer. Agenten bør bekreftes med en feltprøve og, om nødvendig, laboratoriediagnose, og deretter bør kun et medikament som er lisensiert for det midlet og det produktet og egnet for etiketten velges. Bredspektret sprøytemiddelpåføring uten verifisering skaper risiko for resistens og rester.
9. Hva er hensikten med GDD-konseptet (Growth Degree Day), som ofte brukes i landbrukets beslutningsstøtte?
- A) Følger jordas pH-verdi
- B) Forutsi planteutviklingsstadier og fremvekst av skadedyr ved varmeakkumulering ✔
- C) Måling av vanningsrørets strømningshastighet
- D) Beregning av markedsprisen på produktet
Beskrivelse: GDD er den totale varmen som akkumuleres ved å trekke en basistemperatur fra den daglige gjennomsnittstemperaturen og brukes til å estimere utviklingsstadiene (fenologi) av planten og fremveksttiden for noen skadedyr. Dermed kan sprøyting-, gjødslings- og høstingsvinduer planlegges etter varmeakkumulering fremfor kalender. GDD er ikke jords pH eller direkte nedbørsmengde.
10. Hvilken av følgende er den mest nøyaktige påstanden for en avkastningsprediksjonsmodell etablert med maskinlæring?
- A) Forutsier fremtiden nøyaktig og uten feil
- B) Det er basert på tidligere mønstre; Må gis med usikkerhetsområde og verifiseres ✔
- C) Den fungerer alltid med samme nøyaktighet under andre forhold enn treningsdata.
- D) Han er den eneste endelige beslutningstakeren uten agronomisk informasjon
Beskrivelse: En maskinlæringsmodell er basert på mønstre den ser i historiske data; Tilliten avtar når inngangsforholdene faller utenfor treningsdataene (ny variasjon, uvanlig klima). Derfor bør produksjonen gis med et usikkerhetsområde, ikke et poeng, og bør verifiseres med historisk avkastning og benchmarks. Modellen kjenner ikke fremtiden med sikkerhet og fungerer ikke med samme nøyaktighet under alle forhold.
11. Hva er den beste praksisen før du kjører en AI-generert Python/pandas-analysekode?
- A) Bruk av koden direkte på hele datasettet uten å lese det
- B) Testing med et lite utvalg data med kjente resultater og kontroll av formler og enheter ✔
- C) Tatt i betraktning at bare å jobbe uten feil er tilstrekkelig.
- D) Sette resultatet inn i rapporten uten å sjekke det i det hele tatt
Beskrivelse: Selv om den AI-genererte koden kan virke korrekt, kan den inneholde enhet, kolonnenavn, indeksformel eller filterlogikkfeil. God praksis er å kjøre resultatet manuelt mot et lite utvalg av data du kjenner, sammenligne det med forventet utdata og sjekke formler som NDVI mot kilden. Ved å bruke kode på store data uten å se det, flyttes tause feil til produksjon.
12. Hvorfor er notatboken for legemiddeladministrasjon kritisk i sporbarhetsregistrene?
- A) Bare for å få skattefradrag
- B) Gir verifiserbar registrering for MRL-samsvar, sertifisering og batch-sporing ✔
- C) Kun for sammenligning med nabofelt
- D) Å utarbeide reklamebrosjyrer
Beskrivelse: Medisinadministrasjonsbok; Den dokumenterer hvilket produkt, hvilket virkestoff, i hvilken dose og dato det ble brukt, og ventetiden mellom siste påføring og innhøsting. Denne registreringen er obligatorisk for overholdelse av maksimumsgrenseverdier (MRL), god agronomi/økologisk sertifisering og batchsporing hvis det oppstår et problem. Den holdes ikke kun for kostnadssporing eller annonsering.
13. Et AI-verktøy rapporterte trygt at et skadedyr ikke ble funnet i området som en "vanlig trussel". Hvilket konsept kan best forklare denne situasjonen?
- A) Sensorkalibreringsfeil
- B) Hallusinasjon: produksjon av informasjon som ikke finnes på et trygt språk ✔
- C) Nettverksforbindelse avbrudd
- D) Mangel på nedbørsdata
Forklaring: Det kalles hallusinasjon når modellen produserer informasjon som faktisk ikke eksisterer eller ikke samsvarer med konteksten, som om den var ekte, flytende og selvsikker. Filteret for agronomisk plausibilitet (er regionens klima og avlingsmønster egnet for det skadedyret?) og feltbevis fanger opp slike feil før underskrift. Dette er ikke en sensorfeil eller enhetsfeil.
14. Hvordan bør rollen til kunstig intelligens defineres i landbruksbeslutninger som er kritiske for sikkerhet og kvalitet (f.eks. sprøytemiddeldosering, gjødselresept, vanningsplan)?
- A) Den kompetente myndigheten som alene tar den endelige avgjørelsen
- B) Automatisert system som erstatter kompetent agronomgodkjenning
- C) En assistent som produserer utkast og forslag og overlater avgjørelsen til eksperten ✔
- D) Nøyaktig informasjonskilde som ikke krever verifisering
Beskrivelse: Kunstig intelligens; Det er en assistent som produserer skisser, oppsummerer data og foreslår hypoteser. Siste ord i kritiske avgjørelser tilhører den kompetente landbruksingeniøren som er kjent med feltobservasjon, lokal kalibrering og lovverk; AI-utgang erstatter ikke denne godkjenningen. Når det gjelder produkt-, miljø- og mattrygghet ligger ansvaret hos signeringseksperten.