Прибыль:
- Способность распознавать и управлять этическими рисками, такими как владение данными фермеров, конфиденциальность и алгоритмическая предвзятость.
- Возможность объединить все звенья модуля в единый сезонный сквозной рабочий процесс.
- Установление в системе качества того, что результаты искусственного интеллекта не заменяют одобрение компетентного агронома при принятии важных с точки зрения безопасности сельскохозяйственных решений.
Модульный экзамен
1. Какие якоря проверки «трех якорей» применяются перед включением результатов ИИ в решения в области сельскохозяйственного машиностроения?
- A) Диапазон размеров, агрономическая достоверность и полевые данные ✔
- Б) Популярность модели, длина ответа и свободное владение языком.
- В) Цена, скорость и пользовательский интерфейс
- D) Надежность бренда, подключение к Интернету и формат файла.
Описание: Три якоря; порядок величины, который проверяет, находится ли результат в пределах ожидаемой степени 10, агрономическая обоснованность, которая учитывает соответствие результатов культуре и климату, и полевые данные, которые обеспечивают подтверждение в поле, а не в керне/образце. Бренд источника, популярность модели или беглость текста не являются критериями проверки.
2. Что в основном измеряет NDVI (нормализованный индекс различий растительности)?
- А) Определить точный процент влажности почвы в сантиметрах
- Б) Плотность и сила зеленой, яркой растительности ✔
- В) Возбудитель какого заболевания присутствует на видовом уровне?
- D) Конечная цена продукта после сбора урожая.
Описание: NDVI измеряет плотность и силу зеленой фотосинтетической живой растительности путем нормализации разницы между отражательной способностью ближнего инфракрасного (NIR) и красного диапазона. Поскольку здоровые растения сильно отражают NIR и интенсивно поглощают красный цвет, NDVI увеличивается; Значение снижается при стрессовом или разреженном покрове. Он не позволяет напрямую измерять урожайность, влажность почвы или тип заболевания; для этого требуются дополнительные данные.
3. На спутниковом снимке видна область с низким значением NDVI. Какой из следующих шагов лучше всего предпринять, прежде чем превращать эту аномалию в инженерное решение?
- А) Немедленно обработайте эту область фунгицидом.
- Б) Удвоение дозы удобрений на участок
- В) Подтвердите причину с помощью полевого контроля, метеорологии и фенологии ✔
- D) Игнорировать аномалию и применить среднее значение ко всему полю.
Пояснение: Низкий NDVI может быть вызван нехваткой воды, болезнями, дефицитом питательных веществ, нечастым всходами, облачной тенью или свежевспаханной почвой. Мы можем отличить эту неопределенность только посредством контроля поля, метеорологии и фенологии; Одна только карта не говорит почему. Применение пестицидов или удобрений напрямую сопряжено с риском воздействия на неправильную причину.
4. Какой подход является наиболее точным при вводе координат фермерских полей, данных об урожайности и затратах в общедоступный инструмент искусственного интеллекта?
- А) Вставка всех данных как есть с их идентификатором и координатами
- Б) Анонимизируйте идентифицирующую информацию и делитесь только необходимыми техническими данными ✔
- В) Загрузка данных в публичную таблицу вообще без их проверки
- D) Передача данных для обучения модели без разрешения фермера.
Раскрытие информации: данные фермеров являются конфиденциальными с коммерческой и личной точки зрения; Информация о координатах, личности и стоимости является вопросом собственности и конфиденциальности. Правильный подход — анонимизировать идентифицирующую информацию с помощью репрезентативных меток (график-A, координата X) и делиться только техническими данными, необходимыми для анализа. Распространение данных в том виде, в каком они есть, или их раскрытие для образования без разрешения сопряжено с этическими и юридическими рисками.
5. В отчете об анализе почвы указано, что pH составляет 4,8. Что означает эта величина с агрономической точки зрения?
- А) Нейтральная и идеальная почва для большинства сельскохозяйственных культур
- Б) Сильнокислая; Состояние, которое может ограничивать потребление пищи и требует коррекции ✔
- В) Сильная щелочь; состояние, требующее известкования
- Г) Это означает, что засоленность почвы чрезвычайно высока.
Описание: pH 4,8 указывает на сильнокислую почву; В этих условиях снижается поглощение фосфора и молибдена, увеличивается риск токсичности алюминия и марганца, а у многих культур подавляется развитие корней. Для большинства полевых культур подходящим диапазоном является 6,0–7,0. Поэтому рассматривается такая коррекция, как известкование; Кислая почва не является «идеальной» и сама по себе не гарантирует высоких урожаев.
6. МА рекомендовала использовать 60 кг чистого азота на декар пшеничного поля; Региональная практическая и целевая урожайность составляет примерно 12-16 кг чистого азота на декар. Какое поведение лучше всего?
- А) Выполнение рекомендации как есть, поскольку ИИ рассчитал
- Б) Еще большее увеличение дозы в целях безопасности
- C) Рассматривайте это как предупреждение порядка величины и проверьте входы и локальную калибровку ✔
- Г) Разделение предложения пополам без учета анализа почвы
Описание: Рекомендация примерно в четыре раза превышает ожидаемый диапазон; Это предупреждение на порядок. Избыток азота означает как экономический ущерб, так и риск депрессии, болезней и загрязнения нитратами. Правильное поведение — отклонить рекомендацию и проверить входные данные (единица измерения, урожайность, целевая урожайность, азот почвы) и локальную калибровку. Слепое применение наносит экологический и агрономический вред.
7. Что означает «потребление растительной воды» (эвапотранспирация, ET), используемое при принятии решений по ирригации?
- А) Количество воды, поступающей в почву только с осадками
- Б) Общая потеря воды за счет испарения из почвы и транспирации растения ✔
- В) Электропроводность почвы
- D) Значение давления в оросительной трубе
Пояснение: Эвапотранспирация – это общая потеря воды из почвы в атмосферу за счет испарения и транспирации растениями. Путем умножения эталонного ET на коэффициент урожая (Kc) оценивается фактическая потребность продукта в воде (ETc) и в соответствии с этим водным балансом планируется орошение. ET – это не количество осадков или засоление почвы; Он представляет собой отток водного бюджета.
8. Инженер, увидевший симптомы на листе, передал фотоописание ИИ и получил предварительный диагноз. Что является обязательным перед переводом этого диагноза в решение по борьбе с вредителями?
- А) Подтверждение агента в полевых условиях/лаборатории и выбор лицензированного и маркированного препарата ✔
- Б) Совместный прием нескольких разных лекарств на всякий случай.
- В) Немедленно примените активный ингредиент, независимо от того, что скажет AI.
- Г) Выберите самый дешевый пестицид и обработайте им все поле.
Пояснение: Предварительного диагноза только по изображению недостаточно из-за различных факторов (грибковых, бактериальных, вирусных, дефицита питательных веществ, абиотического стресса), которые вызывают схожие симптомы. Агент должен быть подтвержден полевым образцом и, при необходимости, лабораторной диагностикой, а затем должен быть выбран только препарат, лицензированный для этого агента и этого продукта и соответствующий его этикетке. Применение пестицидов широкого спектра действия без проверки создает риск резистентности и образования остатков.
9. Какова цель концепции GDD (День степени роста), которая часто используется в поддержке принятия решений в области сельского хозяйства?
- А) Следование значению pH почвы
- Б) Прогнозирование стадий развития растений и появления вредителей по накоплению тепла ✔
- C) Измерение скорости потока в ирригационной трубе
- Г) Расчет рыночной цены товара.
Описание: GDD представляет собой общее количество тепла, накопленное путем вычитания базовой температуры из среднесуточной температуры, и используется для оценки стадий развития (фенологии) растения и времени появления некоторых вредителей. Таким образом, окна опрыскивания, внесения удобрений и сбора урожая можно планировать в соответствии с накоплением тепла, а не по календарю. GDD – это не pH почвы или количество прямых осадков.
10. Что из следующего является наиболее точным утверждением для модели прогнозирования урожайности, созданной с помощью машинного обучения?
- А) Точно и без ошибок предсказывает будущее
- Б) Оно основано на прошлых моделях; Должно быть указано с указанием диапазона неопределенности и проверено ✔
- В) Он всегда работает с одинаковой точностью в условиях, отличных от обучающих данных.
- D) Он является единственным лицом, принимающим окончательные решения, не имея агрономической информации.
Описание. Модель машинного обучения основана на закономерностях, которые она видит в исторических данных; Уверенность снижается, когда входные условия выходят за рамки данных обучения (новый сорт, необычный климат). Таким образом, выходные данные должны быть представлены с диапазоном неопределенности, а не с точкой, и должны быть проверены с помощью исторических данных и контрольных показателей. Модель не знает будущего с уверенностью и не работает с одинаковой точностью при любых условиях.
11. Каков наилучший подход перед запуском кода анализа Python/Pandas, созданного искусственным интеллектом?
- А) Применение кода непосредственно ко всему набору данных без его чтения
- Б) Тестирование на небольшой выборке данных с известными результатами и проверка формул и единиц измерения ✔
- В) Учитывая, что просто работать без ошибок достаточно.
- D) Помещаем выходные данные в отчет, вообще не проверяя их.
Описание. Хотя код, сгенерированный искусственным интеллектом, может выглядеть корректным, он может содержать ошибки единиц измерения, имени столбца, формулы индекса или логики фильтра. Хорошая практика — вручную сравнивать результат с небольшой выборкой известных вам данных, сравнивать его с ожидаемым результатом и сверять формулы, такие как NDVI, с источником. Применение кода к большим данным, не видя их, приводит к появлению скрытых ошибок в рабочей среде.
12. Почему журнал приема лекарств имеет решающее значение для отслеживания результатов?
- А) Просто чтобы получить налоговый вычет
- Б) Обеспечивает проверяемую запись о соответствии MRL, сертификации и обратном отслеживании партии ✔
- В) Только для сравнения с соседними полями
- Г) Подготовить рекламные буклеты.
Описание: Книга по применению лекарств; В нем документируется, какой продукт, какой активный ингредиент, в какой дозе и дате он был использован, а также период ожидания между последним применением и сбором урожая. Эта запись обязательна для соблюдения максимального предельного уровня остатков (MRL), хорошей агрономической/органической сертификации и отслеживания партии в случае возникновения проблемы. Они не сохраняются исключительно для отслеживания затрат или рекламы.
13. Инструмент искусственного интеллекта уверенно сообщил о вредном организме, не обнаруженном в данном районе, как об «общей угрозе». Какая концепция может лучше всего объяснить эту ситуацию?
- А) Ошибка калибровки датчика
- Б) Галлюцинация: производство информации, которой нет на безопасном языке ✔
- В) Прерывание сетевого соединения
- D) Отсутствие данных об осадках
Пояснение: Это называется галлюцинацией, когда модель выдает информацию, которая на самом деле не существует или не соответствует контексту, как если бы она была реальной, беглой и достоверной. Фильтр агрономического правдоподобия (подходит ли климат и структура урожая в регионе для этого вредителя?) и полевые данные выявляют такие ошибки еще до того, как они будут подписаны. Это не неисправность датчика или ошибка устройства.
14. Как следует определить роль искусственного интеллекта в сельскохозяйственных решениях, имеющих решающее значение для безопасности и качества (например, дозировка пестицидов, назначение удобрений, план орошения)?
- А) Компетентный орган, который единолично принимает окончательное решение.
- Б) Автоматизированная система, заменяющая одобрение компетентного агронома.
- В) Помощник, который готовит проекты и предложения и оставляет решение эксперту ✔
- Г) Точный источник информации, не требующий проверки.
Описание: Искусственный интеллект; Это помощник, который составляет наброски, обобщает данные и выдвигает гипотезы. Последнее слово при принятии важных решений принадлежит компетентному агроинженеру, знакомому с полевыми наблюдениями, местной калибровкой и законодательством; Выход AI не заменяет данное одобрение. Когда речь идет о безопасности продукции, окружающей среды и пищевых продуктов, ответственность лежит на подписывающем эксперте.