Faida:
- Uwezo wa kutambua wapi AI inaokoa wakati halisi katika mtiririko wa uhandisi wa kilimo na ni maamuzi gani yanapaswa kubaki jukumu la mtaalamu wa kilimo.
- Uwezo wa kutumia taaluma tatu za nanga ambazo huthibitisha kila pato la AI kwa mpangilio wa ukubwa, uwezekano wa kilimo na ushahidi wa shamba.
- Tambua hatari za utata, udanganyifu, na faragha ya data ya mkulima na uwe na mazoea ya kuweka vidokezo salama kwa kutokutambulisha muktadha.
Uhandisi wa kilimo ni sanaa ya kusimamia mfumo wa maisha - udongo, mimea, hali ya hewa na watu - wakati huo huo. Shamba kamwe halifanani mara mbili: mbegu moja, mbolea sawa, umwagiliaji sawa hutoa mavuno tofauti kwa miaka tofauti kwa sababu hali ya hewa, unyevu wa udongo, shinikizo la magonjwa na mamia ya vigezo vinacheza mara kwa mara. Ndio maana kilimo ni taaluma ambayo asili yake inafanya kazi bila uhakika. Akili Bandia (AI; mifumo ya programu inayojifunza kutokana na mifumo mikubwa ya data na kutoa maandishi, picha au nambari) ni zana yenye nguvu katika kudhibiti hali hii ya kutokuwa na uhakika, lakini pia ni zana inayoweza kuficha kutokuwa na uhakika sawa katika lugha angavu hatari. Kitengo hiki kinaweka misingi miwili ambayo moduli nzima itajengwa: ambapo katika utiririshaji wa kazi ya kilimo akili ya bandia hutoa thamani halisi na jinsi gani tunathibitisha kila pato.
Hebu tuwe wazi tangu mwanzo: hakuna mbinu yoyote utakayojifunza katika moduli hii yote itachukua nafasi ya saini, uchunguzi wa shambani na hukumu ya kihandisi ya mhandisi wa kilimo aliyehitimu (mtaalamu wa kilimo). Akili ya bandia ni msaidizi; Anasoma kwa haraka, anaandika haraka, anashika ruwaza. Lakini ikiwa agizo lisilo sahihi la mbolea litachafua kitanda cha mkondo, ikiwa kipimo kibaya cha dawa ya wadudu kinaacha mabaki kwenye mazao na kuharibu usalama wa chakula, ikiwa mpango mbovu wa umwagiliaji utageuza udongo kuwa tasa, jukumu si la programu bali ni la mhandisi aliyetia sahihi. Utaona sentensi hii tena katika miundo tofauti katika kila kitengo cha moduli, kwa sababu huu ndio ukweli pekee katika taaluma ambapo usalama wa mazingira na chakula uko hatarini.
Akili Bandia Hutengeneza Wapi Thamani katika Mtiririko wa Kazi ya Kilimo?
Wiki ya mtaalamu wa kilimo imegawanywa katika aina tatu za kazi: utayarishaji wa data (kusoma ripoti za uchambuzi wa udongo, kuhariri vidokezo vya shamba, meza za sensorer za kusafisha), tafsiri na uchambuzi (tathmini ya afya ya mimea, utambuzi wa magonjwa, mipango ya mbolea na umwagiliaji, makadirio ya mavuno), na mawasiliano (ripoti ya mkulima, maagizo, rekodi ya vyeti, mawasiliano rasmi). AI inagusa maeneo yote matatu, lakini mchango wake na hatari ni tofauti katika kila moja.
Utayarishaji wa data ndio uwanja salama na wenye faida zaidi wa akili ya bandia. Kugeuza uchunguzi wa sehemu zilizotawanyika kuwa lahajedwali ya kawaida, kuleta miundo tofauti ya ripoti kutoka kwa maabara tofauti hadi kiolezo kimoja, kuripoti wauzaji nje katika maelfu ya mistari ya rekodi za kihisi unyevu—haya ni majukumu yanayojirudiarudia, kulingana na sheria, na ni rahisi kuthibitisha. Hata kama kuna hitilafu hapa, inaweza kuchukua dakika kurudi kwenye chanzo (data ghafi) na kukiangalia.
Uga wa tafsiri na uchanganuzi hubeba thamani kubwa zaidi na hatari kubwa zaidi. AI inaweza kupendekeza eneo linalowezekana la mkazo wa maji kutoka kwa ramani ya NDVI; Hii inaweza kufunua muundo ambao hata jicho la uzoefu linaweza kukosa kwenye uwanja mkubwa. Lakini mtindo huo huo unaweza kuelezea kwa ujasiri ugonjwa ambao haupo katika eneo hilo kama "tishio lililoenea". Wakati mtindo hutoa habari ambayo haipo katika hali halisi kana kwamba ni ya kweli, inaitwa hallucination. Katika uwanja huu, AI ni jenereta ya nadharia, sio mtoa maamuzi.
Katika uwanja wa mawasiliano, akili ya bandia ni rasimu ya kuongeza kasi. Inatayarisha ripoti ya habari ya mkulima, muhtasari wa fasihi, au maandishi ya maombi ya uthibitisho kwa dakika. Hatari hapa ni kwamba vyanzo vilivyobuniwa na dozi zisizo sahihi zinaweza kupata njia ya kwenda kwa mkulima au mkaguliwa bila kutambuliwa katika maandishi yanayotiririka.
Kidokezo: Kabla ya kutoa kazi kwa AI, jiulize: "Nitajuaje ikiwa pato hili si sahihi na itachukua muda gani kulirekebisha?" Ikiwa jibu ni dakika (kusafisha data), itumie kwa raha; Ikiwa jibu ni "Sitaelewa hadi bidhaa iharibiwe" (uamuzi wa kipimo), hakikisha kuwa umethibitisha kwa kujitegemea.
Nidhamu ya Uthibitishaji: Kanuni ya Nanga Tatu
Kiini cha moduli hii ni tabia moja: kutojumuisha matokeo yoyote ya AI katika uamuzi wa kilimo bila kuidhinisha. Tunaweka uthibitisho kwenye nanga tatu za kujitegemea.
Anchor ya kwanza - Utaratibu wa ukubwa. Je! matokeo ni takriban ndani ya nguvu inayotarajiwa ya safu 10? Mahitaji ya nitrojeni safi kwa kutunza ngano ni kawaida kwa mpangilio wa kilo 10-18; Ikiwa mtindo unapoteza kilo 60 kwa decare, kuna kitengo au hitilafu ya uhariri na inaweza kueleweka bila kuingia kwa undani. Kiwango cha mtiririko wa mfumo wa umwagiliaji wa matone ni kwa utaratibu wa lita kwa saa; Ikiwa mfano unatoa mita za ujazo, ni upuuzi. Ukaguzi huu huchukua sekunde na hupata hitilafu nyingi.
Anchora ya pili - busara ya kilimo. Je, pato linalingana na biolojia ya zao hilo na hali ya hewa ya eneo hilo? Ikiwa mfano unapendekeza kupanda ngano ya baridi katikati ya majira ya joto; au ikiwa inazingatia wadudu wa kitropiki ambao hawajawahi kuonekana katika eneo hilo kuwa tishio kuu, kuna hitilafu ya ujenzi au mfano ni upuuzi. Phenolojia (hatua za maendeleo) za mazao, aina ya udongo na hali ya hewa ya ndani ni chujio la uhalali ambalo kila pendekezo lazima lipitishwe.
Nanga ya tatu - Ushahidi wa shamba. Hii ndiyo nanga yenye nguvu zaidi. Sampuli iliyochukuliwa na kiboreshaji cha udongo, uchanganuzi wa majani, hesabu ya kuona shambani, usomaji wa kitambuzi cha unyevu. Ishara ya mkazo kutoka kwa satelaiti inajaribiwa kwa kwenda kwenye eneo moja na kuangalia mtambo. Uchunguzi wa awali wa ugonjwa unathibitishwa kwa kuchukua sampuli na katika maabara. Ukweli wa msingi siku zote hushinda.
Kesi Tatu Ndogo: Kwa Nambari
Kesi 1 - Muda uliohifadhiwa katika tafsiri ya ripoti ya udongo. Mhandisi wa kilimo alikuwa akifanya muhtasari wa ripoti za uchanganuzi wa udongo wa vifurushi 38 tofauti (kila moja katika muundo tofauti wa maabara); wastani wa dakika 20 kwa kila ripoti, takriban jumla ya saa 13. Kwa mtiririko wa kazi wa chati unaoendeshwa na AI, alipunguza rasimu ya kwanza hadi dakika 4 kwa kila ripoti, na wakati uliobaki ukiwa umetolewa kwa uthibitisho wa vizingiti kwa mikono. Jumla ya muda imeshuka hadi saa 5; Kilichokuwa muhimu ni kwamba wakati uliopatikana ulitumika kudhibiti.
Kesi ya 2 - Maoni yaliyonaswa. Wakati mwanafunzi wa ndani alipofanya AI kufupisha historia ya ugonjwa wa shamba la mizabibu, maandishi hayo yalijumuisha sentensi "Shinikizo kuu la machungwa Huanglongbing (HLB) katika eneo hilo." Hata hivyo, kulikuwa na mizabibu (zabibu) katika sehemu hiyo, si machungwa; Mtindo alikuwa amechanganya habari ya bidhaa nyingine. Kichujio cha uwezekano wa kilimo (muundo wa mazao haukutii HLB) kilipata hitilafu kabla ya ripoti kutiwa saini.
Kesi ya 3 - Hitilafu ya kitengo. Katika hesabu moja ya mbolea, modeli ilichanganya pendekezo la kuharibika kwa kila hekta na pendekezo la hekta, na kuongeza kiwango cha nitrojeni kwa sababu ya 10 (tangu hekta 1 = 10 decares). Agizo la kuangalia ukubwa - "kifurushi hiki hakiwezi kuwa na kilo 15 lakini kilo 150 za nitrojeni safi" - mara moja ilifichua kosa. Ikiwa ingetekelezwa, uharibifu wa kiuchumi na uchafuzi wa nitrati ungetokea.
Uhamasishaji dhaifu / Uhamasishaji Wenye Nguvu
Mwongozo ni maagizo yaliyoandikwa unayotoa kwa AI; Ubora wake huamua moja kwa moja ubora wa pato.
Agizo dhaifu:
Tathmini hali ya uwanja huu na uniambie ninachopaswa kufanya.[data]
Agizo lenye nguvu:
Jukumu lako: Mhandisi mkuu wa kilimo (agronomist). Tafsiri data ya uga ifuatayo TU kulingana na taarifa uliyopewa. - Usiongeze bidhaa yoyote, ugonjwa, mbolea au thamani ambayo haipo kwenye data. - Onyesha laini ya data unayotegemea na mabano karibu na kila maoni. - Andika "data haitoshi" ambapo huna uhakika, usifanye nadhani. - Usipe mapendekezo ya kipimo na madawa ya kulevya; Badala yake, tengeneza orodha tofauti ya mawazo 3 ambayo yanahitaji kuthibitishwa. Data: [data ya shamba]
Kidokezo chenye nguvu kinaweka mambo matatu kwa modeli: shikamana na chanzo, kubali kutokuwa na uhakika, na umwachie mhandisi uamuzi muhimu (kipimo). Hii haina mwisho wa hallucination kabisa, lakini inafanya kuonekana.
Violezo Vinne Vinakiliwa
1) Kuanzisha muktadha usiojulikana:
Ningependa usaidizi wa kazi ya uhandisi wa kilimo. Jina la mkulima, viwianishi vya shamba, kitambulisho cha kifurushi na maelezo ya gharama ni SIRI; Nitawapa kwa misemo wakilishi kama vile "Mkulima-A", "Plot-1", "X coordinate". Kazi: [kazi]. Usiongeze mawazo ya nje kulingana na data ya kiufundi ninayotoa.
2) Maombi matatu ya uthibitishaji wa nanga:
Fanya ukaguzi tatu kwa matokeo yafuatayo:1) Mpangilio wa ukubwa: je, kila nambari iko ndani ya masafa yanayotarajiwa kwa mazao/eneo?2) Usahihi wa kilimo: je, kuna madai yanayokinzana na baiolojia ya mazao/hali ya hewa?3) Orodha ya uthibitishaji: vitu vinavyohitaji kuthibitishwa shambani/maabara.Tokeo: [maandishi]
3) Utekelezaji wa utata:
Toa tafsiri yako katika viwango vitatu vya kujiamini: - Kujiamini kwa hali ya juu (inaungwa mkono moja kwa moja na data) - Ujasiri wa wastani (maelekezo yanayokubalika ya kilimo) - Uaminifu mdogo (ukisiaji; uthibitisho wa sehemu unahitajika) Andika kila kipengele ukionyesha kiwango chake.
4) Uchunguzi wa bendera nyekundu kabla ya uamuzi:
Orodhesha hatari 3 mbaya zaidi (mazingira, usalama wa chakula, kiuchumi) ambazo zinaweza kutokea ikiwa nitafuata pendekezo hili na ishara za mapema za kila moja.
Jedwali la Dhana za Msingi
muda
Maana
Kwa nini ni muhimu?
mtaalamu wa kilimo
Mhandisi wa kilimo, mtaalamu wa uzalishaji wa kilimo
Wajibu wa mwisho kwa maamuzi muhimu
kuona macho
AI hutoa habari ambayo haipo kwa ujasiri
Hatari kubwa ya kuamini bila uthibitishaji
phenolojia
Hatua za ukuaji wa mmea (kuibuka, maua ...)
Msingi wa kupanga maamuzi
Ukweli wa msingi
Uchunguzi/kipimo cha moja kwa moja kwenye uwanja
Kiunga cha uthibitishaji cha data yote ya mbali
NDVI
Kielezo cha uhai wa mimea
Chombo muhimu kwa ufuatiliaji wa afya wa mbali
Makosa ya kawaida
- Kukosea ufasaha kwa usahihi. Kituruki kizuri cha AI, kinachojiamini haionyeshi kwamba pato ni sahihi; Maoni hatari zaidi ni majimaji zaidi.
- Kufikiri kwamba uthibitishaji ni kupoteza muda. Ikiwa hautatumia wakati uliohifadhiwa kuangalia, AI itaharakisha kosa kwa niaba yako.
- Kushiriki data nyeti kama ilivyo. Uratibu wa mkulima, mavuno na gharama ni masuala ya umiliki na usiri; Usishiriki bila kuficha utambulisho.
- Kuacha uamuzi muhimu wa kipimo kwa AI. Mbolea, dawa na vipimo vya umwagiliaji vinahitaji urekebishaji wa shamba na sheria; AI hutoa rasimu tu.
- Kutosheka na nanga moja. Kuangalia tu mpangilio wa ukubwa na kuacha uwezekano na ushahidi wa shambani hupitia makosa madogo.
Tahadhari: Wakati AI inakuambia "kuna ugonjwa X katika eneo hili", hii ni dhana, sio utambuzi. Utambuzi; Sampuli huwekwa kwa idhini ya maabara na mhandisi aliyeidhinishwa.
Kwa muhtasari
Akili Bandia ndicho chombo salama zaidi katika utayarishaji wa data, kichapuzi katika mawasiliano, na chombo chenye thamani na hatari zaidi katika ukalimani na uchanganuzi katika uhandisi wa kilimo. Uti wa mgongo wa moduli hii ni taaluma tatu: kupima kila pato dhidi ya mpangilio wa ukubwa, usadikisho wa kilimo na ushahidi wa shambani. Hallucination ni kweli, ufasaha sio usahihi, na jukumu la maamuzi muhimu daima liko kwa mtaalamu wa kilimo anayesaini. Katika vitengo vifuatavyo, tutatumia nidhamu hii kwa kilimo cha usahihi, NDVI, udongo, umwagiliaji, magonjwa, hali ya hewa, mavuno, Chatu na ufuatiliaji mmoja baada ya mwingine.
Jukumu la maombi
Kwa sehemu uliyo nayo (au mwakilishi), uliza AI kwanza dodoso dhaifu ("Nifanye nini katika sehemu hii?"), kisha swali sawa na kiolezo chenye nguvu katika kitengo hiki. Weka matokeo mawili kando kando na uweke alama: (1) sentensi zipi zina habari isiyo katika data (maoni ya mtahiniwa), (2) ni nambari gani zinazoshindwa kufuata mpangilio wa kuangalia ukubwa, (3) vitu 3 unavyohitaji kuthibitisha kwenye uwanja. Katika aya moja, andika ni makosa gani ambayo haraka yanaonekana.
orodha ya ukaguzi
- [ ] Niliainisha kazi kama utayarishaji wa data / tafsiri / mawasiliano na kuamua kiwango cha hatari.
- [ ] Nilificha utambulisho wa mkulima, viwianishi na maelezo ya gharama.
- [ ] Nilijaribu matokeo ya saizi, uhalali wa kilimo na ushahidi wa eneo.
- [ ] Nilitia alama sentensi za mgombeaji wa ndoto na kuzirudisha kwenye chanzo.
- [ ] Niliacha uamuzi muhimu wa kipimo/dawa/umwagiliaji kwa idhini ya mhandisi aliyeidhinishwa.