Dobički:
- Sposobnost razločevanja, kje AI prihrani realni čas v poteku dela kmetijskega inženiringa in katere odločitve bi morale ostati odgovornost agronoma
- Sposobnost uporabe treh sidrnih disciplin, ki navzkrižno validirajo vsak rezultat umetne inteligence z vrstnim redom velikosti, agronomsko verodostojnostjo in terenskimi dokazi
- Prepoznajte tveganja dvoumnosti, halucinacij in zasebnosti podatkov kmetov ter se navadite nastavljati varne pozive z anonimiziranjem konteksta.
Kmetijsko inženirstvo je umetnost hkratnega upravljanja živega sistema – tal, rastlin, podnebja in ljudi. Njiva ni nikoli dvakrat enaka: isto seme, isto gnojilo, enako namakanje prinaša različne pridelke v različnih letih, ker so vreme, vlaga v tleh, pritisk bolezni in na stotine spremenljivk nenehno v igri. Zato je kmetijstvo poklic, ki že sam po sebi deluje negotovo. Umetna inteligenca (AI; sistemi programske opreme, ki se učijo iz vzorcev velikih podatkov in ustvarjajo besedilo, slike ali številke) je močno orodje za obvladovanje te negotovosti, vendar je tudi orodje, ki lahko skrije isto negotovost v nevarno svetlem jeziku. Ta enota postavlja dva temelja, na katerih bo zgrajen celoten modul: kje v kmetijskem delovnem toku umetna inteligenca ustvari resnično vrednost in kako potrdimo vsak rezultat.
Naj bo jasno že na začetku: nobena od tehnik, ki se jih boste naučili v tem modulu, ne bo nadomestila podpisa, terenskega opazovanja in inženirske presoje kvalificiranega kmetijskega inženirja (agronoma). Umetna inteligenca je pomočnik; Hitro bere, hitro piše, lovi vzorce. Toda če napačen recept za gnojilo onesnaži strugo potoka, če napačen odmerek pesticida pusti ostanke na pridelku in zmanjša varnost hrane, če napačen načrt namakanja spremeni zemljo v pusto, ni odgovorna programska oprema, temveč inženir, ki ga je podpisal. Ta stavek boste znova videli v različnih oblikah v vsaki enoti modula, saj je to edina resnica v poklicu, kjer gre za okolje in varnost hrane.
Kje umetna inteligenca ustvarja vrednost v poteku dela v kmetijstvu?
Teden agronoma je v grobem razdeljen na tri vrste dela: priprava podatkov (branje poročil o analizi tal, urejanje terenskih zapiskov, čiščenje tabel s senzorji), interpretacija in analiza (ocena zdravstvenega stanja rastlin, diagnoza bolezni, načrtovanje gnojil in namakanja, ocena pridelka) in komunikacija (poročilo kmeta, recept, zapisnik potrdil, uradna korespondenca). Umetna inteligenca se dotika vseh treh področij, vendar sta njen prispevek in tveganje v vsakem drugačna.
Priprava podatkov je najvarnejše in najbolj donosno področje umetne inteligence. Spreminjanje razpršenih terenskih opazovanj v standardno preglednico, združevanje različnih formatov poročil iz različnih laboratorijev v eno samo predlogo, označevanje izstopajočih vrednosti v tisočih vrsticah zapisov senzorja vlage – to so naloge, ki se ponavljajo, temeljijo na pravilih in jih je enostavno preveriti. Tudi če je tukaj napaka, bi trajalo nekaj minut, da se vrnete na vir (surovi podatki) in ga preverite.
Področje interpretacije in analize nosi največjo vrednost in največje tveganje. AI lahko na podlagi zemljevida NDVI predlaga možno območje vodnega stresa; To lahko razkrije vzorec, ki bi ga lahko celo izkušeno oko zgrešilo na velikem polju. Toda isti model lahko samozavestno opiše bolezen, ki v tej regiji ne obstaja, kot "široko razširjeno grožnjo". Ko model proizvede informacije, ki v resnici ne obstajajo, kot da bi bile resnične, se imenuje halucinacija. Na tem področju je umetna inteligenca generator hipotez in ne odločevalec.
Na področju komunikacij je umetna inteligenca pospeševalnik osnutkov. V nekaj minutah pripravi osnutek poročila o informacijah o kmetu, povzetek literature ali besedilo vloge za certifikacijo. Tveganje tukaj je, da lahko izmišljeni viri in nepravilni odmerki neopazno najdejo pot do kmeta ali presojevanca v tekočem besedilu.
Namig: preden daste nalogo AI, se vprašajte: "Kako bom vedel, ali je ta rezultat napačen in koliko časa bo trajalo, da ga popravim?" Če je odgovor minute (čiščenje podatkov), ga uporabite udobno; Če je odgovor "Ne bom razumel, dokler izdelek ne bo poškodovan" (odločitev o odmerjanju), se prepričajte, da neodvisno preverite.
Disciplina validacije: pravilo treh sider
Srce tega modula je ena sama navada: ne vključiti nobenih rezultatov umetne inteligence v agronomsko odločitev brez potrditve. Validacijo temeljimo na treh neodvisnih sidriščih.
Prvo sidro – red velikosti. Ali je rezultat približno v območju pričakovane moči 10? Potreba po čistem dušiku na hektar pri pšenici je običajno reda 10-18 kg; Če model izgubi 60 kg na hektar, je prišlo do enote ali napake pri urejanju in jo je mogoče razumeti brez spuščanja v podrobnosti. Pretok kapljičnega namakalnega sistema je reda litrov na uro; Če model daje kubične metre, je to nesmisel. To preverjanje traja nekaj sekund in odkrije večino napak.
Drugo sidro - Agronomska smiselnost. Ali je proizvodnja skladna z biologijo pridelka in podnebjem regije? Če model priporoča sajenje ozimne pšenice sredi poletja; ali če meni, da je tropski škodljivec, ki v regiji nikoli ni bil viden, glavna grožnja, gre bodisi za konstrukcijsko napako ali pa je model nesmisel. Fenologija (razvojne stopnje) pridelka, vrsta tal in lokalno podnebje so filter verodostojnosti, ki ga mora prestati vsak predlog.
Tretje sidro - dokaz na terenu. To je najmočnejše sidro. Vzorec odvzet s svedrom za zemljo, analiza listov, vizualno štetje na polju, odčitavanje senzorja vlažnosti. Signal stresa iz satelita se testira tako, da greste na isto območje in pogledate rastlino. Preliminarno diagnozo bolezni potrdimo z odvzemom vzorca in v laboratoriju. Prizemna resnica vedno zmaga.
Trije mini kovčki: po številkah
Primer 1 – Prihranjen čas pri interpretaciji poročila o tleh. Inženir kmetijstva je ročno povzemal poročila o analizi tal za 38 različnih parcel (vsaka v drugačni laboratorijski obliki); povprečno 20 minut na poročilo, skupaj približno 13 ur. S potekom dela grafikonov, ki ga poganja umetna inteligenca, je skrajšal prvi osnutek na 4 minute na poročilo, preostali čas pa je namenil ročnemu potrjevanju pragov. Skupni čas se je zmanjšal na približno 5 ur; Ključno je bilo, da je bil pridobljeni čas porabljen za nadzor.
Primer 2 - Ujeta halucinacija. Ko je pripravnik dal AI povzeti zgodovino bolezni vinograda, je besedilo vključevalo stavek "Prevladujoči pritisk citrusov Huanglongbing (HLB) v regiji." Vendar so bili na parceli vinogradi (grozdje), ne agrumi; Model je zamešal podatke drugega izdelka. Filter agronomske verjetnosti (vzorec pridelka ni bil v skladu s HLB) je napako ujel, preden je bilo poročilo podpisano.
Primer 3 – napaka enote. V enem izračunu gnojila je model zamenjal priporočilo na hektar s priporočilom na hektar, pri čemer je odmerek dušika povečal za faktor 10 (ker je 1 hektar = 10 hektarjev). Preverjanje reda velikosti - "ta paket ne sme vsebovati 15 kg, ampak 150 kg čistega dušika" - je takoj razkrilo napako. Če bi bila izvedena, bi nastala tako gospodarska škoda kot onesnaženje z nitrati.
Šibek poziv / močan poziv
Poziv je pisno navodilo, ki ga daste AI; Njegova kakovost neposredno določa kakovost izhoda.
Šibek poziv:
Ocenite stanje tega polja in mi povejte, kaj naj naredim.[podatki]
Močan poziv:
Vaša vloga: Višji inženir kmetijstva (agronom). Razlagajte naslednje podatke polja SAMO na podlagi danih informacij. - Ne dodajajte nobenega izdelka, bolezni, gnojila ali vrednosti, ki ni v podatkih. - Prikažite podatkovno vrstico, na kateri temeljite, z oklepaji poleg vsakega komentarja. - Napišite "podatki so nezadostni", kjer niste prepričani, ne ugibajte. - Ne dajajte odmerkov in priporočil za zdravila; Namesto tega naredite ločen seznam treh predpostavk, ki jih je treba preveriti. Podatki: [podatki polja]
Močan poziv nalaga modelu tri stvari: vztrajati pri viru, priznati negotovost in prepustiti kritično odločitev (odmerjanje) inženirju. S tem se halucinacija ne konča popolnoma, vendar jo naredi vidno.
Štiri kopirane predloge
1) Vzpostavitev anonimiziranega konteksta:
Prosil bi za pomoč pri nalogi kmetijskega inženirstva. Ime kmeta, koordinate polja, ID parcele in podatki o stroških so ZAUPNI; Podal jih bom z reprezentativnimi izrazi, kot so "Kmet-A", "Parcela-1", "koordinata X". Naloga: [naloga]. Ne dodajajte tujih predpostavk, ki temeljijo samo na tehničnih podatkih, ki jih navedem.
2) Tri zahteve za preverjanje sidra:
Trikrat preverite naslednje rezultate:1) Vrstni red velikosti: ali je vsako število v pričakovanem razponu za pridelek/regijo?2) Agronomska verodostojnost: ali obstaja nasprotujoča si trditev z biologijo/podnebjem pridelka?3) Seznam preverjanja: elementi, ki jih je treba potrditi na polju/laboratoriju. Rezultat: [besedilo]
3) Uveljavljanje dvoumnosti:
Podajte svojo razlago na treh stopnjah zaupanja: - Visoko zaupanje (neposredno podprto s podatki) - Srednje zaupanje (razumno agronomsko sklepanje) - Nizko zaupanje (špekulacije; potrebna je potrditev na terenu) Za vsako postavko navedite njeno stopnjo.
4) Preverjanje rdeče zastave pred odločitvijo:
Naštej 3 najresnejša tveganja (okoljsko, varnost hrane, gospodarsko), ki bi se lahko pojavila, če upoštevam ta predlog, in zgodnje opozorilne znake za vsako.
Tabela osnovnih pojmov
termin
Pomen
Zakaj je pomembno?
agronom
Inženir kmetijstva, specialist kmetijske proizvodnje
Končna odgovornost za kritične odločitve
halucinacije
AI proizvaja neobstoječe informacije z zaupanjem
Največje tveganje pri zaupanju brez preverjanja
fenologija
Razvojne faze rastline (vznik, cvetenje...)
Podlaga za odločitve o razporedu
Osnovna resnica
Neposredno opazovanje/merjenje na terenu
Sidro za avtentikacijo vseh oddaljenih podatkov
NDVI
Indeks vitalnosti vegetacije
Osnovno orodje za daljinsko spremljanje zdravja
Pogoste napake
- Tekočnost zamenjuje za natančnost. Lepa, samozavestna turščina umetne inteligence ne pomeni, da je rezultat pravilen; Najnevarnejše halucinacije so najbolj tekoče.
- Mišljenje, da je preverjanje izguba časa. Če prihranjenega časa ne porabite za preverjanje, bo umetna inteligenca pospešila napako v vašem imenu.
- Deljenje občutljivih podatkov, kakršni so. Koordinacija kmetov, donos in stroški so stvar lastništva in zaupnosti; Ne delite brez anonimizacije.
- Prepuščanje kritične odločitve o odmerjanju AI. Odmerki gnojil, pesticidov in namakanja zahtevajo umerjanje na terenu in zakonodajo; AI ustvarja samo osnutke.
- Biti zadovoljen z enim sidrom. Če pogledamo samo velikostni red in izpustimo verodostojnost ter terenske dokaze, zaobidemo subtilne napake.
Pozor: Ko vam umetna inteligenca pove, da je "na tem območju bolezen X", je to hipoteza in ne diagnoza. diagnoza; Vzorec se odda z odobritvijo laboratorija in pooblaščenega inženirja.
Če povzamem
Umetna inteligenca je najvarnejše orodje pri pripravi podatkov, pospeševalnik pri komunikaciji ter hkrati najbolj dragoceno in tvegano orodje pri interpretaciji in analizi v kmetijskem strojništvu. Hrbtenica tega modula so tri glavne discipline: testiranje vsakega rezultata glede na velikostni red, agronomsko verodostojnost in terenske dokaze. Halucinacija je resnična, tekočnost ni natančnost in odgovornost za kritične odločitve vedno nosi podpisni agronom. V naslednjih enotah bomo to disciplino eno za drugo uporabili za precizno poljedelstvo, NDVI, tla, namakanje, bolezni, podnebje, donos, Python in sledljivost.
Aplikacijska naloga
Za polje, ki ga imate (ali reprezentativno), vprašajte AI najprej šibek poziv ("Kaj naj naredim v tem polju?"), nato pa isto vprašanje z močno predlogo za poziv v tej enoti. Postavite oba izhoda drug poleg drugega in označite: (1) kateri stavki vsebujejo informacije, ki niso v podatkih (halucinacija kandidata), (2) katera števila ne prestanejo preverjanja velikosti, (3) 3 elemente, ki jih morate preveriti v polju. V enem odstavku napišite, katere napake prikaže močan poziv.
kontrolni seznam
- [ ] Nalogo sem uvrstil v pripravo/interpretacijo/komunikacijo podatkov in določil stopnjo tveganja.
- [ ] Anonimiziral sem kmetovo identiteto, koordinate in podatke o stroških.
- [ ] Rezultat sem preizkusil glede velikosti, agronomske verodostojnosti in terenskih dokazov.
- [ ] Označil sem stavke kandidata za halucinacije in jih vrnil k viru.
- [ ] Odločitev o kritičnem odmerku/zdravilu/namakanju sem prepustil odobritvi pooblaščenega inženirja.