Zyski:
- Umiejętność rozpoznawania i zarządzania ryzykami etycznymi, takimi jak własność danych rolników, prywatność i stronniczość algorytmów
- Możliwość połączenia wszystkich łączy modułu w jeden sezonowy, kompleksowy przepływ pracy
- Ustalenie w systemie jakości, że wyniki sztucznej inteligencji nie zastępują zatwierdzenia przez kompetentnego agronoma w przypadku decyzji rolniczych o krytycznym znaczeniu dla bezpieczeństwa
Egzamin modułowy
1. Jakie są podstawy walidacji „trzech kotwic” stosowanej przed włączeniem wyników sztucznej inteligencji do decyzji w inżynierii rolniczej?
- A) Zakres wielkości, wiarygodność agronomiczna i dowody terenowe ✔
- B) Popularność modelu, długość odpowiedzi i płynność językowa
- C) Cena, szybkość i interfejs użytkownika
- D) Wiarygodność marki, połączenie internetowe i format pliku
Opis: Trzy kotwice; rząd wielkości, który sprawdza, czy wynik mieści się w oczekiwanej potędze 10, zasadność agronomiczna, która uwzględnia zgodność wyników z uprawą i klimatem oraz dowody terenowe, które zapewniają potwierdzenie na polu, a nie rdzeń/próbkę. Marka źródła, popularność modelu czy płynność tekstu nie są kryteriami weryfikacji.
2. Co zasadniczo mierzy NDVI (Normalized Difference Vegetation Index)?
- A) Określ dokładny procent wilgotności gleby w centymetrach
- B) Gęstość i siła zielonej, żywej roślinności ✔
- C) Który czynnik chorobotwórczy występuje na poziomie gatunku?
- D) Ostateczna cena produktu po zbiorach
Opis: NDVI mierzy gęstość i siłę zielonej, fotosyntetycznej żywej roślinności, normalizując różnicę między współczynnikiem odbicia bliskiej podczerwieni (NIR) i czerwonym pasmem. Ponieważ zdrowe rośliny silnie odbijają NIR i intensywnie absorbują czerwień, NDVI wzrasta; Wartość maleje w przypadku stresującego lub rzadkiego pokrycia. Nie mierzy bezpośrednio plonów, wilgotności gleby ani rodzaju choroby; wymagają one dodatkowych danych.
3. Zdjęcie satelitarne pokazuje obszar o niskiej wartości NDVI. Które z poniższych działań najlepiej podjąć przed przekształceniem tej anomalii w decyzję inżynierską?
- A) Natychmiast zastosuj środek grzybobójczy na tym obszarze
- B) Podwojenie dawki nawozu na powierzchnię
- C) Potwierdzić przyczynę za pomocą kontroli terenowej, meteorologii i fenologii ✔
- D) Zignoruj anomalię i zastosuj średnią dla całego pola
Wyjaśnienie: Niski NDVI może być spowodowany niedoborem wody, chorobami, niedoborem składników odżywczych, rzadkimi wschodami, cieniem chmur lub świeżo zaoraną glebą. Tę niepewność możemy rozróżnić jedynie poprzez kontrolę pola, meteorologię i fenologię; Sama mapa nie mówi dlaczego. Bezpośrednie stosowanie pestycydów lub nawozów niesie ze sobą ryzyko zakłócenia niewłaściwej przyczyny.
4. Jakie jest najdokładniejsze podejście do wprowadzania współrzędnych pól rolników, danych dotyczących plonów i kosztów do publicznie dostępnego narzędzia AI?
- A) Wklejanie wszystkich danych w niezmienionej postaci z ich identyfikatorem i współrzędnymi
- B) Anonimizuj dane identyfikacyjne i udostępniaj tylko niezbędne dane techniczne ✔
- C) Ładowanie danych do tabeli publicznej bez ich sprawdzania
- D) Przekazanie danych do treningu modelarskiego bez zgody rolnika
Ujawnianie: dane rolników są wrażliwe pod względem handlowym i osobistym; Informacje o koordynatach, tożsamości i kosztach są kwestią własności i poufności. Prawidłowym podejściem jest anonimizacja informacji identyfikujących za pomocą reprezentatywnych etykiet (wykres A, współrzędna X) i udostępnianie wyłącznie danych technicznych wymaganych do analizy. Udostępnianie danych w ich obecnym stanie lub udostępnianie ich do celów edukacyjnych bez pozwolenia stwarza ryzyko etyczne i prawne.
5. Z raportu analizy gleby wynika, że pH wynosi 4,8. Co ta wartość oznacza z agronomicznego punktu widzenia?
- A) Neutralna i idealna gleba dla większości upraw
- B) Silnie kwaśny; Stan, który może ograniczać przyjmowanie pokarmu i wymagać korekty ✔
- C) Silne zasady; stan wymagający wapnowania
- D) Oznacza to, że zasolenie gleby jest wyjątkowo wysokie.
Opis: pH 4,8 wskazuje na glebę silnie kwaśną; W tych warunkach wchłanianie fosforu i molibdenu jest zmniejszone, wzrasta ryzyko toksyczności glinu/manganu, a rozwój korzeni jest zahamowany w wielu uprawach. W przypadku większości upraw polowych właściwym zakresem jest 6,0–7,0. Dlatego rozważa się korektę w postaci wapnowania; Kwaśna gleba nie jest „idealna” i sama w sobie nie gwarantuje wysokich plonów.
6. AI zaleciła 60 kg czystego azotu na dekar na pole pszenicy; Praktyczna i docelowa regionalna wydajność wskazuje na około 12–16 kg czystego azotu na dekar. Jakie jest najlepsze zachowanie?
- A) Wdrażanie zalecenia w obecnej postaci, ponieważ sztuczna inteligencja obliczyła
- B) Jeszcze większe zwiększenie dawki dla bezpieczeństwa
- C) Potraktuj to jako ostrzeżenie o rząd wielkości i sprawdź dane wejściowe oraz lokalną kalibrację ✔
- D) Podział propozycji na pół bez uwzględnienia analizy gruntu
Opis: zalecenie jest w przybliżeniu czterokrotnie większe od oczekiwanego zakresu; Jest to ostrzeżenie rzędu wielkości. Nadmiar azotu oznacza zarówno szkody gospodarcze, jak i ryzyko depresji, chorób i zanieczyszczenia azotanami. Prawidłowym zachowaniem jest odrzucenie zalecenia i sprawdzenie danych wejściowych (jednostka, plon, plon docelowy, N w glebie) i lokalna kalibracja. Ślepe stosowanie powoduje szkody dla środowiska i rolnictwa.
7. Co oznacza „zużycie wody przez rośliny” (ewapotranspiracja, ET) stosowane przy podejmowaniu decyzji dotyczących nawadniania?
- A) Ilość wody dostającej się do gleby wyłącznie poprzez opady atmosferyczne
- B) Całkowita utrata wody w wyniku parowania z gleby i transpiracji z rośliny ✔
- C) Przewodność elektryczna gleby
- D) Wartość ciśnienia w rurze nawadniającej
Wyjaśnienie: Ewapotranspiracja to całkowita utrata wody z gleby do atmosfery w wyniku parowania i transpiracji z rośliny. Mnożąc referencyjną ET przez współczynnik uprawy (Kc), szacuje się rzeczywiste zapotrzebowanie produktu na wodę (ETc) i planuje się nawadnianie zgodnie z tym bilansem wodnym. ET nie oznacza opadów ani zasolenia gleby; Reprezentuje stronę odpływową budżetu wodnego.
8. Inżynier, który zauważył objawy na liściu, przekazał AI fotoopis i otrzymał wstępną diagnozę. Co jest obowiązkowe przed przełożeniem tej diagnozy na decyzję dotyczącą zwalczania szkodników?
- A) Potwierdzenie agenta w terenie/laboratorium oraz wybór licencjonowanego i oznakowanego leku ✔
- B) Łączne przyjmowanie kilku różnych leków, tak dla bezpieczeństwa
- C) Natychmiast zastosuj składnik aktywny, cokolwiek powie AI.
- D) Wybierz najtańszy pestycyd i zastosuj go na całym polu
Wyjaśnienie: Wstępna diagnoza na podstawie samego obrazu nie jest wystarczająca, ponieważ różne czynniki (grzybicze, bakteryjne, wirusowe, niedobór składników odżywczych, stres abiotyczny) powodują podobne objawy. Środek należy potwierdzić próbką terenową i w razie potrzeby diagnostyką laboratoryjną, a następnie wybrać jedynie lek dopuszczony dla tego środka i tego produktu oraz zgodny z jego etykietą. Stosowanie pestycydów o szerokim spektrum działania bez weryfikacji stwarza ryzyko wystąpienia oporności i pozostałości.
9. Jaki jest cel koncepcji GDD (Dnia Stopnia Wzrostu), która jest często stosowana we wspomaganiu decyzji w rolnictwie?
- A) Śledzenie wartości pH gleby
- B) Przewidywanie etapów rozwoju roślin i pojawienia się szkodników poprzez akumulację ciepła ✔
- C) Pomiar natężenia przepływu w rurze nawadniającej
- D) Obliczenie ceny rynkowej produktu
Opis: GDD to całkowite ciepło zakumulowane poprzez odjęcie temperatury bazowej od średniej dziennej temperatury i służy do oszacowania etapów rozwoju (fenologii) rośliny i czasu pojawienia się niektórych szkodników. W ten sposób można zaplanować opryski, nawożenie i zbiory w oparciu o akumulację ciepła, a nie kalendarz. GDD nie jest pH gleby ani bezpośrednią ilością opadów.
10. Które z poniższych stwierdzeń jest najdokładniejsze w przypadku modelu przewidywania plonów ustalonego za pomocą uczenia maszynowego?
- A) Przewiduje przyszłość precyzyjnie i bezbłędnie
- B) Opiera się na wzorcach z przeszłości; Należy podać zakres niepewności i zweryfikować ✔
- C) Zawsze działa z tą samą dokładnością w warunkach innych niż dane treningowe.
- D) Jest on jedynym decydentem ostatecznym nieposiadającym informacji agronomicznych
Opis: model uczenia maszynowego opiera się na wzorcach obserwowanych w danych historycznych; Zaufanie maleje, gdy warunki wejściowe wykraczają poza dane treningowe (nowa odmiana, nietypowy klimat). Dlatego wynik powinien być podawany z zakresem niepewności, a nie punktem, i powinien być weryfikowany za pomocą historycznej wydajności i punktów odniesienia. Model nie zna przyszłości z całą pewnością i nie działa z taką samą dokładnością w każdych warunkach.
11. Jaka jest najlepsza praktyka przed uruchomieniem kodu analitycznego Python/panda wygenerowanego przez sztuczną inteligencję?
- A) Zastosowanie kodu bezpośrednio do całego zbioru danych bez jego czytania
- B) Testowanie na małej próbce danych ze znanymi wynikami oraz sprawdzanie wzorów i jednostek ✔
- C) Biorąc pod uwagę, że wystarczy pracować bez błędów.
- D) Umieszczenie wyników w raporcie bez ich sprawdzania
Opis: chociaż kod wygenerowany przez sztuczną inteligencję może wydawać się poprawny, może zawierać błędy jednostki, nazwy kolumny, formuły indeksu lub logiki filtra. Dobrą praktyką jest ręczne sprawdzenie wyniku na małej próbce znanych danych, porównanie go z oczekiwanymi wynikami i sprawdzenie formuł takich jak NDVI w porównaniu ze źródłem. Stosowanie kodu do dużych zbiorów danych bez ich oglądania przenosi ciche błędy do środowiska produkcyjnego.
12. Dlaczego notatnik podawania leków ma kluczowe znaczenie w identyfikowalności zapisów?
- A) Tylko po to, aby uzyskać ulgę podatkową
- B) Zapewnia weryfikowalny zapis zgodności z MRL, certyfikację i śledzenie partii ✔
- C) Tylko dla porównania z sąsiednimi polami
- D) Przygotowywanie broszur reklamowych
Opis: Książka podawania leków; Dokumentuje, jaki produkt, jaki składnik aktywny, w jakiej dawce i dacie został zastosowany, a także okres oczekiwania pomiędzy ostatnim zastosowaniem a zbiorem. Rejestracja ta jest obowiązkowa w celu zapewnienia zgodności z maksymalnym limitem pozostałości (MRL), dobrej certyfikacji agronomicznej/organicznej oraz śledzenia partii w przypadku wystąpienia problemu. Nie są one przechowywane wyłącznie w celu śledzenia kosztów lub reklamy.
13. Narzędzie sztucznej inteligencji z całą pewnością zgłosiło agrofaga niewystępującego na danym obszarze jako „powszechne zagrożenie”. Które pojęcie najlepiej wyjaśni tę sytuację?
- A) Błąd kalibracji czujnika
- B) Halucynacje: wytwarzanie informacji, które nie istnieją, w bezpiecznym języku ✔
- C) Przerwa w połączeniu sieciowym
- D) Brak danych o opadach
Wyjaśnienie: Nazywa się to halucynacją, gdy model wytwarza informację, która w rzeczywistości nie istnieje lub nie pasuje do kontekstu, tak jakby była prawdziwa, płynna i pewna. Filtr wiarygodności agronomicznej (czy klimat i struktura upraw w regionie jest odpowiedni dla tego szkodnika?) i dowody terenowe wyłapują takie błędy przed podpisaniem. Nie jest to awaria czujnika ani błąd urządzenia.
14. Jak należy zdefiniować rolę sztucznej inteligencji w decyzjach rolniczych kluczowych dla bezpieczeństwa i jakości (np. dawkowanie pestycydów, przepisywanie nawozów, plan nawadniania)?
- A) Właściwy organ, który samodzielnie podejmuje ostateczną decyzję
- B) Zautomatyzowany system, który zastępuje zgodę kompetentnego agronoma
- C) Asystent, który przygotowuje projekty i sugestie, a decyzję pozostawia ekspertowi ✔
- D) Rzetelne źródło informacji nie wymagające weryfikacji
Opis: Sztuczna inteligencja; Jest to asystent, który tworzy konspekty, podsumowuje dane i proponuje hipotezy. Ostatnie słowo w kluczowych decyzjach należy do kompetentnego inżyniera rolnictwa, który zna obserwacje terenowe, lokalną kalibrację i ustawodawstwo; Wyniki AI nie zastępują tej zgody. Jeśli chodzi o bezpieczeństwo produktu, środowiska i żywności, odpowiedzialność spoczywa na ekspertze podpisującym.