Dobički:
- Sposobnost prepoznavanja in upravljanja etičnih tveganj, kot so lastništvo podatkov kmetov, zasebnost in algoritemska pristranskost
- Možnost združevanja vseh povezav modula v en sam sezonski potek dela od konca do konca
- Vzpostavitev v sistemu kakovosti, da rezultati umetne inteligence ne nadomestijo odobritve kompetentnega agronoma pri varnostno pomembnih kmetijskih odločitvah
Modulni izpit
1. Kakšna so sidra validacije „treh sider“, ki se uporabijo pred vključitvijo rezultatov umetne inteligence v odločitev v kmetijskem inženirstvu?
- A) Razpon velikosti, agronomska verodostojnost in terenski dokazi ✔
- B) Priljubljenost modela, dolžina odgovora in tekočnost jezika
- C) Cena, hitrost in uporabniški vmesnik
- D) Verodostojnost blagovne znamke, internetna povezava in oblika datoteke
Opis: Tri sidra; velikostni red, ki preverja, ali je rezultat znotraj pričakovane moči 10, agronomska razumnost, ki obravnava skladnost proizvodnje s pridelkom in podnebjem, ter terenski dokazi, ki zagotavljajo potrditev na terenu in ne v jedru/vzorcu. Blagovna znamka vira, priljubljenost modela ali tekočnost besedila niso merila za preverjanje.
2. Kaj v bistvu meri NDVI (Normalized Difference Vegetation Index)?
- A) Določite natančen odstotek vlage v tleh v centimetrih
- B) Gostota in moč zelene, živahne vegetacije ✔
- C) Kateri povzročitelj bolezni je prisoten na ravni vrste?
- D) Končna cena proizvoda po žetvi
Opis: NDVI meri gostoto in moč zelene, fotosintetične žive vegetacije z normalizacijo razlike med odbojnostjo bližnjega infrardečega (NIR) in rdečega pasu. Ker zdrave rastline močno odbijajo NIR in intenzivno absorbirajo rdeče, se NDVI poveča; Vrednost se zmanjša v stresnem ali redkem pokrovu. Ne meri neposredno pridelka, vlage v tleh ali vrste bolezni; ti zahtevajo dodatne podatke.
3. Satelitska slika prikazuje območje z nizko vrednostjo NDVI. Kaj od naslednjega je najboljši korak, preden to anomalijo spremenite v inženirsko odločitev?
- A) To območje takoj nanesite s fungicidom
- B) Podvojitev odmerka gnojila na površino
- C) Potrdite vzrok s terensko kontrolo, meteorologijo in fenologijo ✔
- D) Ignorirajte anomalijo in uporabite povprečje za celotno polje
Pojasnilo: Nizek NDVI je lahko posledica pomanjkanja vode, bolezni, pomanjkanja hranil, redkega vznika, sence oblakov ali sveže preorane zemlje. To negotovost lahko ločimo le s terensko kontrolo, meteorologijo in fenologijo; Samo zemljevid ne pove, zakaj. Neposredno nanašanje pesticidov ali gnojil pomeni tveganje poseganja v napačen vzrok.
4. Kateri je najnatančnejši pristop pri vnosu koordinat njiv kmetov, podatkov o donosu in stroških v javno dostopno orodje AI?
- A) Prilepite vse podatke, kot so, z ID-jem in koordinatami
- B) Anonimizirajte identifikacijske podatke in delite samo potrebne tehnične podatke ✔
- C) Nalaganje podatkov v javno tabelo, ne da bi jih sploh preverili
- D) Doniranje podatkov za usposabljanje modelov brez dovoljenja kmeta
Razkritje: podatki o kmetih so komercialno in osebno občutljivi; Informacije o koordinatah, identiteti in stroških so stvar lastnine in zaupnosti. Pravilen pristop je anonimizacija identifikacijskih informacij z reprezentativnimi oznakami (plot-A, koordinata X) in delitev samo tehničnih podatkov, potrebnih za analizo. Deljenje podatkov takšnih, kot so, ali njihovo odpiranje izobraževanju brez dovoljenja predstavlja etična in pravna tveganja.
5. V poročilu o analizi tal je pH 4,8. Kaj ta vrednost pomeni agronomsko?
- A) Nevtralna in idealna tla za večino poljščin
- B) Močno kislo; Stanje, ki lahko omejuje vnos hrane in zahteva popravek ✔
- C) Močna alkalija; stanje, ki zahteva apnenje
- D) To pomeni, da je slanost v tleh izjemno visoka.
Opis: pH 4,8 pomeni močno kislo prst; Pod tem pogojem je absorpcija fosforja in molibdena zmanjšana, tveganje za toksičnost aluminija/mangana se poveča, razvoj korenin pa je pri mnogih pridelkih zavrt. Za večino poljskih pridelkov je ustrezen razpon 6,0-7,0. Zato pride v poštev popravek, kot je apnenje; Kisla tla niso "idealna" in sama po sebi ne zagotavljajo visokih donosov.
6. AI priporoča 60 kg čistega dušika na hektar za polje pšenice; Regionalni praktični in ciljni pridelek kaže približno 12-16 kg čistega dušika na hektar. Kakšno je najboljše vedenje?
- A) Izvajanje priporočila, kot je, ker je AI izračunal
- B) Še večje povečanje odmerka zaradi varnosti
- C) Glejte na to kot na opozorilo velikosti in preverite vnose ter lokalno kalibracijo ✔
- D) Delitev predloge na pol brez upoštevanja analize tal
Opis: Priporočilo je približno štirikratnik pričakovanega obsega; To je opozorilo velikosti. Presežek dušika pomeni tako gospodarsko škodo kot tveganje za depresijo, bolezni in onesnaženje z nitrati. Pravilno vedenje je, da zavrnete priporočilo in preverite vnose (enoto, donos, ciljni donos, N v tleh) in lokalno kalibracijo. Slepa uporaba povzroča okoljsko in agronomsko škodo.
7. Kaj pomeni „poraba vode za rastline“ (evapotranspiracija, ET), ki se uporablja pri odločitvah o namakanju?
- A) Količina vode, ki pride v tla samo s padavinami
- B) Skupna izguba vode zaradi izhlapevanja iz tal in transpiracije iz rastline ✔
- C) Električna prevodnost tal
- D) Vrednost tlaka v namakalni cevi
Pojasnilo: Evapotranspiracija je skupna izguba vode iz tal v ozračje zaradi izhlapevanja in transpiracije iz rastline. Z množenjem referenčnega ET s koeficientom pridelka (Kc) se oceni dejanska potreba proizvoda po vodi (ETc) in načrtuje namakanje v skladu s to vodno bilanco. ET ni padavine ali slanost tal; Predstavlja odtočno stran vodnega proračuna.
8. Inženir, ki je videl simptome na listu, je dal opis fotografije AI in prejel predhodno diagnozo. Kaj je obvezno pred prenosom te diagnoze v odločitev o zatiranju škodljivcev?
- A) Potrditev povzročitelja na terenu/laboratoriju in izbira licenčnega in označenega zdravila ✔
- B) Jemanje več različnih zdravil skupaj, samo zaradi varnosti
- C) Aktivno sestavino nanesite takoj, ne glede na AI pravi.
- D) Izberite najcenejši pesticid in ga nanesite na celotno polje
Pojasnilo: Samo preliminarna diagnoza na podlagi slike ne zadostuje zaradi različnih dejavnikov (glivični, bakterijski, virusni, pomanjkanje hranil, abiotski stres), ki povzročajo podobne simptome. Povzročitelja je treba potrditi s terenskim vzorcem in po potrebi z laboratorijsko diagnostiko, nato pa izbrati samo zdravilo, ki ima licenco za to povzročitelje in ta izdelek ter ustreza njegovi etiketi. Uporaba pesticidov širokega spektra brez preverjanja ustvarja tveganje odpornosti in ostankov.
9. Kakšen je namen koncepta GDD (Growth Degree Day), ki se pogosto uporablja pri podpori odločanju v kmetijstvu?
- A) Po pH vrednosti tal
- B) Napovedovanje razvojnih faz rastlin in pojava škodljivcev z akumulacijo toplote ✔
- C) Merjenje pretoka v namakalni cevi
- D) Izračun tržne cene izdelka
Opis: GDD je skupna toplota, ki se akumulira z odštevanjem osnovne temperature od dnevne povprečne temperature in se uporablja za oceno razvojnih (fenoloških) stopenj rastline in časa pojava nekaterih škodljivcev. Tako je mogoče okna škropljenja, gnojenja in žetve načrtovati glede na akumulacijo toplote in ne glede na koledar. GDD ni pH tal ali količina neposrednih padavin.
10. Katera od naslednjih je najbolj natančna izjava za model napovedi donosa, vzpostavljen s strojnim učenjem?
- A) Napoveduje prihodnost natančno in brez napak
- B) Temelji na preteklih vzorcih; Podano mora biti z območjem negotovosti in preverjeno ✔
- C) Vedno deluje z enako natančnostjo v pogojih, ki niso podatki o usposabljanju.
- D) On je edini, ki sprejema končne odločitve brez agronomskih informacij
Opis: model strojnega učenja temelji na vzorcih, ki jih vidi v zgodovinskih podatkih; Zaupanje se zmanjša, ko so vhodni pogoji izven podatkov o usposabljanju (nova sorta, neobičajno podnebje). Zato je treba rezultat podati z razponom negotovosti, ne s točko, in ga je treba preveriti s preteklim donosom in merili uspešnosti. Model ne pozna z gotovostjo prihodnosti in ne deluje z enako natančnostjo v vseh pogojih.
11. Kakšna je najboljša praksa pred izvajanjem kode za analizo Python/pandas, ustvarjene z umetno inteligenco?
- A) Uporaba kode neposredno na celotnem naboru podatkov, ne da bi ga prebrali
- B) Testiranje z majhnimi vzorčnimi podatki z znanimi rezultati in preverjanje formul in enot ✔
- C) Ob upoštevanju, da je dovolj samo delo brez napak.
- D) Vnašanje izhoda v poročilo, ne da bi ga sploh preverili
Opis: Čeprav je koda, ki jo ustvari umetna inteligenca, morda videti pravilna, lahko vsebuje enoto, ime stolpca, formulo indeksa ali logične napake filtra. Dobra praksa je, da ročno izvedete rezultat glede na majhen vzorec podatkov, ki jih poznate, ga primerjate s pričakovanim rezultatom in formule, kot je NDVI, preverite glede na vir. Uporaba kode za velike podatke, ne da bi jih opazili, premakne tihe hrošče v proizvodnjo.
12. Zakaj je beležnica za administracijo zdravil kritična v evidencah sledljivosti?
- A) Samo zato, da dobim davčno olajšavo
- B) Zagotavlja preverljiv zapis za skladnost z MRL, certificiranje in povratno sledljivost serije ✔
- C) Samo za primerjavo s sosednjimi polji
- D) Pripraviti reklamne brošure
Opis: Knjiga o uporabi zdravil; Dokumentira, kateri proizvod, katero učinkovino, v katerem odmerku in datumu je bilo uporabljeno ter karenco med zadnjim nanosom in žetvijo. To beleženje je obvezno za skladnost z najvišjo mejno vrednostjo ostankov (MRL), dobro agronomsko/ekološko certificiranje in sledenje serije, če pride do težave. Ne hrani se samo za sledenje stroškov ali oglaševanje.
13. Orodje umetne inteligence je zanesljivo poročalo o škodljivcu, ki ga na tem območju ni bilo, kot o "skupni grožnji". Kateri koncept lahko najbolje pojasni to situacijo?
- A) Napaka pri kalibraciji senzorja
- B) Halucinacije: proizvodnja informacij, ki ne obstajajo v varnem jeziku ✔
- C) Prekinitev omrežne povezave
- D) Pomanjkanje podatkov o padavinah
Pojasnilo: Imenuje se halucinacija, ko model proizvede informacije, ki dejansko ne obstajajo ali se ne ujemajo s kontekstom, kot da bi bile resnične, tekoče in samozavestne. Filter agronomske verodostojnosti (ali sta podnebje in vzorec pridelka v regiji primerna za ta škodljivec?) in terenski dokazi ujamejo takšne napake pred podpisom. To ni okvara senzorja ali napaka enote.
14. Kako bi bilo treba opredeliti vlogo umetne inteligence pri kmetijskih odločitvah, ki so ključne za varnost in kakovost (npr. odmerjanje pesticidov, predpisovanje gnojil, namakalni načrt)?
- A) Pristojni organ, ki edini sprejme končno odločitev
- B) Avtomatiziran sistem, ki nadomešča odobritev pristojnega agronoma
- C) Asistent, ki pripravi osnutke in predloge ter prepusti odločitev strokovnjaku ✔
- D) Točen vir informacij, ki ne zahteva preverjanja
Opis: Umetna inteligenca; Je pomočnik, ki izdeluje orise, povzema podatke in predlaga hipoteze. Končno besedo pri kritičnih odločitvah ima pristojni inženir kmetijstva, ki pozna terensko opazovanje, lokalno kalibracijo in zakonodajo; Izhod AI ne nadomesti te odobritve. Ko gre za varnost izdelkov, okolja in hrane, je odgovoren strokovnjak za podpisovanje.