Fitimet:
- Aftësia për të dalluar se ku AI kursen kohë reale në rrjedhën e punës së inxhinierisë bujqësore dhe cilat vendime duhet të mbeten përgjegjësi e agronomit
- Aftësia për të aplikuar tre disiplina ankoruese që verifikojnë çdo rezultat të AI me rendin e madhësisë, besueshmërinë agronomike dhe provat në terren
- Njihni rreziqet e paqartësisë, halucinacioneve dhe privatësisë së të dhënave të fermerëve dhe merrni zakonin e vendosjes së kërkesave të sigurta duke anonimizuar kontekstin.
Inxhinieria bujqësore është arti i menaxhimit të një sistemi të gjallë - tokë, bimë, klimë dhe njerëz - në të njëjtën kohë. Një fushë nuk është kurrë e njëjtë dy herë: e njëjta farë, i njëjti pleh, i njëjti ujitje jep rendimente të ndryshme në vite të ndryshme, sepse moti, lagështia e tokës, presioni i sëmundjes dhe qindra variabla janë vazhdimisht në lojë. Kjo është arsyeja pse bujqësia është një profesion që në thelb funksionon me pasiguri. Inteligjenca artificiale (AI; sisteme softuerike që mësojnë nga modelet e të dhënave të mëdha dhe prodhojnë tekst, imazhe ose numra) është një mjet i fuqishëm në menaxhimin e kësaj pasigurie, por është gjithashtu një mjet që mund të fshehë të njëjtën pasiguri në një gjuhë të ndritshme të rrezikshme. Kjo njësi vendos dy bazat mbi të cilat do të ndërtohet i gjithë moduli: ku në rrjedhën e punës bujqësore inteligjenca artificiale prodhon vlerë reale dhe si e vërtetojmë secilin rezultat.
Le të jemi të qartë që në fillim: asnjë nga teknikat që do të mësoni gjatë këtij moduli nuk do të zëvendësojë nënshkrimin, vëzhgimin në terren dhe gjykimin inxhinierik të një inxhinieri bujqësor të kualifikuar (agronom). Inteligjenca artificiale është një asistent; Lexon shpejt, shkruan shpejt, kap modele. Por nëse një recetë e gabuar e plehrave ndot shtratin e përroit, nëse një dozë e gabuar pesticidi lë mbetje në kulture dhe dëmton sigurinë ushqimore, nëse një plan i gabuar i ujitjes e bën tokën djerrë, përgjegjësia nuk bie mbi softuerin, por mbi inxhinierin që e ka nënshkruar atë. Këtë fjali do ta shihni sërish në forma të ndryshme në çdo njësi të modulit, sepse kjo është e vetmja e vërtetë në një profesion ku rrezikohet siguria mjedisore dhe ushqimore.
Ku krijon vlerë inteligjenca artificiale në rrjedhën e punës në bujqësi?
Java e një agronomi ndahet përafërsisht në tre lloje pune: përgatitja e të dhënave (leximi i raporteve të analizës së tokës, redaktimi i shënimeve në terren, pastrimi i tabelave të sensorëve), interpretimi dhe analiza (vlerësimi i shëndetit të bimëve, diagnoza e sëmundjeve, planifikimi i plehrave dhe ujitjes, vlerësimi i rendimentit) dhe komunikimi (raporti i fermerit, receta, regjistrimi i certifikimit, korrespondenca zyrtare). AI prek të tre fushat, por kontributi dhe rreziku i saj janë të ndryshëm në secilën.
Përgatitja e të dhënave është fusha më e sigurt dhe më fitimprurëse e inteligjencës artificiale. Shndërrimi i vëzhgimeve të shpërndara në terren në një fletëllogaritëse standarde, sjellja e formateve të ndryshme të raporteve nga laboratorë të ndryshëm në një shabllon të vetëm, shënjimi i shenjave të jashtme në mijëra rreshta të regjistrimeve të sensorëve të lagështisë - këto janë detyra që janë të përsëritura, të bazuara në rregulla dhe të lehta për t'u verifikuar. Edhe nëse ka një gabim këtu, do të duheshin minuta për t'u kthyer te burimi (të dhënat e papërpunuara) dhe për ta kontrolluar atë.
Fusha e interpretimit dhe analizës mbart vlerën më të lartë dhe rrezikun më të lartë. AI mund të sugjerojë një zonë të mundshme të stresit të ujit nga një hartë NDVI; Kjo mund të zbulojë një model që edhe një sy me përvojë mund të humbasë në një fushë të madhe. Por i njëjti model mund të përshkruajë me besim një sëmundje që nuk ekziston në atë rajon si një "kërcënim i përhapur". Kur modeli prodhon informacion që nuk ekziston në realitet sikur të ishte real, quhet halucinacion. Në këtë fushë, AI është një gjenerues hipotezash, jo një vendimmarrës.
Në fushën e komunikimit, inteligjenca artificiale është një përshpejtues i projektit. Ai harton një raport informacioni për fermerin, një përmbledhje të literaturës ose një tekst aplikimi për certifikim në minuta. Rreziku këtu është se burimet e fabrikuara dhe dozat e pasakta mund të gjejnë rrugën e tyre te fermeri ose subjekti i audituar pa u vënë re në një tekst të rrjedhshëm.
Këshillë: Përpara se t'i jepni një punë AI, pyesni veten: "Si do ta di nëse ky rezultat është i gabuar dhe sa kohë do të duhet për ta rregulluar atë?" Nëse përgjigja është minuta (pastrimi i të dhënave), përdorni atë me lehtësi; Nëse përgjigja është "Nuk do ta kuptoj derisa produkti të dëmtohet" (vendimi i dozës), sigurohuni që ta verifikoni në mënyrë të pavarur.
Disiplina e vlefshmërisë: Rregulli i tre ankorimit
Zemra e këtij moduli është një zakon i vetëm: të mos përfshihet asnjë rezultat i AI në një vendim agronomik pa e vërtetuar atë. Ne e bazojmë vërtetimin në tre ankorë të pavarur.
Spiranca e parë - Rendi i madhësisë. A është rezultati afërsisht brenda kufirit të pritshëm prej 10? Kërkesa për azot të pastër për dekar në grurë është zakonisht rreth 10-18 kg; Nëse modeli humbet 60 kg për dekar, ka një gabim njësie ose redaktimi dhe mund të kuptohet pa hyrë në detaje. Shpejtësia e rrjedhës së një sistemi të ujitjes me pika është në rendin e litrave në orë; Nëse modeli jep metër kub, është e pakuptimtë. Ky kontroll zgjat sekonda dhe kap shumicën e gabimeve.
Spiranca e dytë - Arsyeshmëria agronomike. A është produkti në përputhje me biologjinë e të korrave dhe klimën e rajonit? Nëse modeli rekomandon mbjelljen e grurit dimëror në mes të verës; ose nëse konsideron një dëmtues tropikal që nuk është parë kurrë në rajon si kërcënim kryesor, ose ka një gabim ndërtimi ose modeli është i pakuptimtë. Fenologjia (fazat e zhvillimit) të kulturës, lloji i tokës dhe klima lokale janë filtri i besueshmërisë që duhet të kalojë çdo propozim.
Spiranca e tretë - Prova në terren. Kjo është spiranca më e fortë. Mostra e marrë me një trapë dheu, analiza e gjetheve, numërimi vizual në terren, leximi i sensorit të lagështisë. Një sinjal stresi nga sateliti testohet duke shkuar në të njëjtën zonë dhe duke parë centralin. Një diagnozë paraprake e një sëmundjeje konfirmohet duke marrë një mostër dhe në laborator. E vërteta e tokës fiton gjithmonë.
Tre Mini Rastet: Nga Numrat
Rasti 1 - Koha e kursyer në interpretimin e raportit të tokës. Një inxhinier bujqësor po përmbledhte manualisht raportet e analizës së dheut të 38 parcelave të ndryshme (secila në një format të ndryshëm laboratorik); mesatarisht 20 minuta për raport, afërsisht 13 orë në total. Me një fluks pune të hartimit të fuqizuar nga AI, ai reduktoi draftin e parë në 4 minuta për raport, me kohën e mbetur kushtuar verifikimit manual të pragjeve. Koha totale ra në rreth 5 orë; Ajo që ishte kritike ishte se koha e fituar shpenzohej për kontroll.
Rasti 2 - Halucinacione të kapura. Kur një praktikant bëri që AI të përmbledhë historinë e sëmundjes së një vreshti, teksti përfshinte fjalinë "Presioni mbizotërues i agrumeve Huanglongbing (HLB) në rajon". Megjithatë, në parcelë kishte vreshta (rrush), jo agrume; Modelja kishte ngatërruar informacionin e një produkti tjetër. Filtri i besueshmërisë agronomike (modeli i prerjes nuk përputhej me HLB) e kapi gabimin përpara se të nënshkruhet raporti.
Rasti 3 - Gabim i njësisë. Në një llogaritje të plehrave, modeli ngatërroi rekomandimin për decar me rekomandimin për hektar, duke e fryrë dozën e azotit me një faktor 10 (pasi 1 hektar = 10 dekar). Kontrolli i rendit të madhësisë - "kjo parcelë nuk mund të përmbajë 15 kg por 150 kg azot të pastër" - zbuloi menjëherë gabimin. Nëse do të ishte zbatuar, do të kishte ndodhur edhe dëmi ekonomik, edhe ndotja me nitrate.
Prompt i dobët / Prompt i fortë
Një kërkesë është një udhëzim me shkrim që i jepni AI; Cilësia e tij përcakton drejtpërdrejt cilësinë e prodhimit.
Njoftim i dobët:
Vlerësoni gjendjen e kësaj fushe dhe më tregoni se çfarë duhet të bëj.[të dhënat]
Njoftim i fuqishëm:
Roli juaj: Inxhinier i lartë bujqësor (agronom). Interpretoni të dhënat e mëposhtme të fushës VETËM bazuar në informacionin e dhënë. - Mos shtoni asnjë produkt, sëmundje, pleh ose vlerë që nuk është në të dhëna. - Trego linjën e të dhënave ku bazoheni me kllapa pranë çdo komenti. - Shkruani "të dhënat e pamjaftueshme" aty ku nuk jeni të sigurt, mos bëni hamendje. - Mos jepni rekomandime për dozën dhe barnat; Në vend të kësaj, bëni një listë të veçantë me 3 supozime që duhet të verifikohen. Të dhënat: [të dhënat në terren]
Njoftimi i fortë i imponon modelit tre gjëra: qëndroni te burimi, pranoni pasigurinë dhe lërini vendimin kritik (dozën) inxhinierit. Kjo nuk i jep fund plotësisht halucinacionit, por e bën atë të dukshëm.
Katër modele të kopjueshme
1) Krijimi i kontekstit anonim:
Do të doja ndihmë me një detyrë inxhinierike bujqësore. Emri i fermerit, koordinatat e terrenit, ID e parcelës dhe informacioni i kostos janë KONFIDENCIALE; Do t'i jap me shprehje përfaqësuese si "Farmer-A", "Plot-1", "X koordinata". Detyrë: [detyrë]. Mos shtoni supozime të jashtme bazuar vetëm në të dhënat teknike që unë jap.
2) Tre kërkesa për verifikim të ankorimit:
Bëni tre kontrolle për rezultatin e mëposhtëm:1) Rendi i madhësisë: a është secili numër brenda intervalit të pritshëm për kulturën/rajonin? 2) Besueshmëria agronomike: a ka ndonjë pretendim kontradiktor me biologjinë/klimën e të korrave? 3) Lista e verifikimit: artikujt që duhet të konfirmohen në terren/laborator. Rezultati: [tekst]
3) Zbatimi i paqartësisë:
Jepni interpretimin tuaj në tre nivele besimi: - Besim i lartë (i mbështetur drejtpërdrejt nga të dhënat) - Besueshmëri mesatare (konkluzion i arsyeshëm agronomik) - Besim i ulët (kërkohet spekulim; kërkohet konfirmim në terren) Shkruani çdo artikull duke treguar nivelin e tij.
4) Shfaqja e flamurit të kuq përpara vendimit:
Rendisni 3 rreziqet më serioze (mjedisore, siguri ushqimore, ekonomike) që mund të lindin nëse ndjek këtë sugjerim dhe shenjat e hershme paralajmëruese për secilin.
Tabela e koncepteve bazë
afati
Kuptimi
Pse është e rëndësishme?
agronom
Inxhinier bujqësor, specialist i prodhimit bujqësor
Përgjegjësia përfundimtare për vendimet kritike
halucinacione
AI prodhon informacion joekzistent me besim
Rreziku më i madh i besimit pa verifikim
fenologji
Fazat e zhvillimit të bimës (shfaqja, lulëzimi...)
Baza për planifikimin e vendimeve
E vërteta bazë
Vëzhgim/Matje e drejtpërdrejtë në terren
Ankorimi i vërtetimit të të gjitha të dhënave në distancë
NDVI
Indeksi i vitalitetit të vegjetacionit
Mjet thelbësor për monitorimin e shëndetit në distancë
Gabimet e zakonshme
- Gabimi i rrjedhshmërisë për saktësinë. Turqishtja e bukur dhe e sigurt e AI-së nuk tregon se dalja është e saktë; Halucinacionet më të rrezikshme janë më të lëngshmet.
- Të mendosh se verifikimi është humbje kohe. Nëse nuk e kaloni kohën e kursyer duke kontrolluar, AI do të përshpejtojë gabimin në emrin tuaj.
- Ndarja e të dhënave të ndjeshme siç janë. Koordinata e fermerit, rendimenti dhe kostoja janë çështje të pronësisë dhe konfidencialitetit; Mos e shpërndani pa anonimizuar.
- Duke ia lënë AI vendimin kritik të dozës. Dozat e plehrave, pesticideve dhe ujitjes kërkojnë kalibrim dhe legjislacion në terren; AI prodhon vetëm drafte.
- Të jesh i kënaqur me një spirancë. Duke parë vetëm rendin e madhësisë dhe duke lënë mënjanë besueshmërinë dhe dëshmitë në terren, anashkalojnë gabimet delikate.
Kujdes: Kur AI ju thotë "ka sëmundje X në këtë zonë", kjo është një hipotezë, jo një diagnozë. Diagnoza; Mostra vendoset me miratimin e laboratorit dhe inxhinierit të autorizuar.
Në përmbledhje
Inteligjenca artificiale është mjeti më i sigurt në përgatitjen e të dhënave, përshpejtuesi në komunikim dhe mjeti më i vlefshëm dhe më i rrezikshëm në interpretim dhe analizë në inxhinierinë bujqësore. Thelbi i këtij moduli janë tre disiplina ankoruese: testimi i secilit rezultat kundrejt rendit të madhësisë, besueshmërisë agronomike dhe dëshmive në terren. Halucinacioni është real, rrjedhshmëria nuk është saktësi dhe përgjegjësia për vendimet kritike i takon gjithmonë agronomit nënshkrues. Në njësitë vijuese, ne do ta zbatojmë këtë disiplinë për bujqësinë e saktë, NDVI, tokën, ujitjen, sëmundjet, klimën, rendimentin, Python dhe gjurmueshmërinë një nga një.
Detyra e aplikimit
Për një fushë që keni (ose një përfaqësuese), kërkoni në AI fillimisht një kërkesë të dobët ("Çfarë duhet të bëj në këtë fushë?"), pastaj të njëjtën pyetje me shabllonin e fortë të kërkesës në këtë njësi. Vendosni dy daljet krah për krah dhe shënoni: (1) cilat fjali përmbajnë informacione që nuk janë në të dhëna (halucinacion kandidat), (2) cilët numra dështojnë në kontrollin e rendit të madhësisë, (3) 3 artikuj që duhet të verifikoni në terren. Në një paragraf, shkruani cilat gabime i bën të dukshme kërkesa e fuqishme.
listë kontrolli
- [ ] Unë e klasifikova detyrën si përgatitje / interpretim / komunikim të të dhënave dhe përcaktova nivelin e rrezikut.
- [ ] I anonimizova identitetin, koordinatat dhe informacionin e kostos së fermerit.
- [ ] Kam testuar rezultatin për madhësinë, besueshmërinë agronomike dhe provat në terren.
- [ ] Shënova fjalitë e kandidatit për halucinacione dhe i ktheva te burimi.
- [ ] Unë e lashë vendimin kritik të dozës/barit/ujitjes në miratimin e inxhinierit të autorizuar.