లాభాలు:
- వ్యవసాయ ఇంజినీరింగ్ వర్క్ఫ్లో AI నిజ సమయాన్ని ఎక్కడ ఆదా చేస్తుందో మరియు ఏ నిర్ణయాలు వ్యవసాయ శాస్త్రవేత్త యొక్క బాధ్యతగా ఉండాలో గుర్తించే సామర్థ్యం
- ప్రతి AI అవుట్పుట్ను మాగ్నిట్యూడ్, అగ్రోనమిక్ ప్లాసిబిలిటీ మరియు ఫీల్డ్ ఎవిడెన్స్తో క్రాస్-వాాలిడేట్ చేసే మూడు యాంకర్ విభాగాలను వర్తింపజేయగల సామర్థ్యం
- అస్పష్టత, భ్రాంతి మరియు రైతు డేటా గోప్యత యొక్క ప్రమాదాలను గుర్తించండి మరియు సందర్భాన్ని అజ్ఞాతం చేయడం ద్వారా సురక్షిత ప్రాంప్ట్లను సెటప్ చేయడం అలవాటు చేసుకోండి.
వ్యవసాయ ఇంజనీరింగ్ అనేది ఒక జీవన వ్యవస్థను - నేల, మొక్కలు, వాతావరణం మరియు ప్రజలను - ఏకకాలంలో నిర్వహించే కళ. ఒక క్షేత్రం ఎప్పుడూ రెండుసార్లు ఒకేలా ఉండదు: ఒకే విత్తనం, ఒకే ఎరువులు, ఒకే నీటిపారుదల వివిధ సంవత్సరాల్లో వేర్వేరు దిగుబడులను ఇస్తుంది ఎందుకంటే వాతావరణం, నేల తేమ, వ్యాధి ఒత్తిడి మరియు వందలాది వేరియబుల్స్ నిరంతరం ఆటలో ఉంటాయి. అందుకే వ్యవసాయం అనేది అంతర్లీనంగా అనిశ్చితితో పనిచేసే వృత్తి. ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI; పెద్ద డేటా నమూనాల నుండి నేర్చుకునే మరియు టెక్స్ట్, ఇమేజ్లు లేదా నంబర్లను ఉత్పత్తి చేసే సాఫ్ట్వేర్ సిస్టమ్లు) ఈ అనిశ్చితిని నిర్వహించడంలో ఒక శక్తివంతమైన సాధనం, అయితే ఇది ప్రమాదకరమైన ప్రకాశవంతమైన భాషలో అదే అనిశ్చితిని దాచగల సాధనం. ఈ యూనిట్ మొత్తం మాడ్యూల్ నిర్మించబడే రెండు పునాదులను వేస్తుంది: వ్యవసాయ వర్క్ఫ్లోలో కృత్రిమ మేధస్సు నిజమైన విలువను ఎక్కడ ఉత్పత్తి చేస్తుంది మరియు మేము ప్రతి అవుట్పుట్ను ఎలా ధృవీకరిస్తాము.
మొదటి నుండి స్పష్టంగా తెలియజేయండి: మీరు ఈ మాడ్యూల్ అంతటా నేర్చుకునే సాంకేతికతలు ఏవీ అర్హత కలిగిన వ్యవసాయ ఇంజనీర్ (అగ్రోనామిస్ట్) యొక్క సంతకం, క్షేత్ర పరిశీలన మరియు ఇంజనీరింగ్ తీర్పును భర్తీ చేయవు. కృత్రిమ మేధస్సు సహాయకుడు; వేగంగా చదువుతుంది, వేగంగా వ్రాస్తుంది, నమూనాలను పట్టుకుంటుంది. కానీ తప్పు ఎరువుల ప్రిస్క్రిప్షన్ స్ట్రీమ్ బెడ్ను కలుషితం చేస్తే, తప్పు మోతాదులో పురుగుమందులు పంటపై అవశేషాలను వదిలి ఆహార భద్రతను దెబ్బతీస్తే, తప్పు నీటిపారుదల పథకం మట్టిని బంజరుగా మార్చినట్లయితే, బాధ్యత సాఫ్ట్వేర్పై కాదు, సంతకం చేసిన ఇంజనీర్పై ఉంటుంది. మాడ్యూల్లోని ప్రతి యూనిట్లో మీరు ఈ వాక్యాన్ని మళ్లీ వివిధ రూపాల్లో చూస్తారు, ఎందుకంటే పర్యావరణం మరియు ఆహార భద్రత ప్రమాదంలో ఉన్న వృత్తిలో ఇది మాత్రమే నిజం.
వ్యవసాయ వర్క్ఫ్లో ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ విలువను ఎక్కడ సృష్టిస్తుంది?
వ్యవసాయ శాస్త్రవేత్త వారాన్ని సుమారుగా మూడు రకాల పనిగా విభజించారు: డేటా తయారీ (మట్టి విశ్లేషణ నివేదికలు చదవడం, ఫీల్డ్ నోట్లను సవరించడం, సెన్సార్ పట్టికలను క్లియర్ చేయడం), వివరణ మరియు విశ్లేషణ (మొక్కల ఆరోగ్య అంచనా, వ్యాధి నిర్ధారణ, ఎరువులు మరియు నీటిపారుదల ప్రణాళిక, దిగుబడి అంచనా) మరియు కమ్యూనికేషన్ (రైతు నివేదిక, ప్రిస్క్రిప్షన్, ధృవీకరణ రికార్డు, అధికారిక కరస్పాండెన్స్). AI మూడు ప్రాంతాలను తాకింది, అయితే దాని సహకారం మరియు ప్రమాదం ప్రతిదానిలో భిన్నంగా ఉంటాయి.
డేటా తయారీ అనేది కృత్రిమ మేధస్సు యొక్క సురక్షితమైన మరియు అత్యంత లాభదాయకమైన రంగం. చెల్లాచెదురుగా ఉన్న క్షేత్ర పరిశీలనలను ప్రామాణిక స్ప్రెడ్షీట్గా మార్చడం, వివిధ ల్యాబొరేటరీల నుండి వివిధ ఫార్మాట్ల నివేదికలను ఒకే టెంప్లేట్లోకి తీసుకురావడం, తేమ సెన్సార్ రికార్డ్ల యొక్క వేల పంక్తులలో అవుట్లయర్లను ఫ్లాగ్ చేయడం-ఇవి పునరావృతమయ్యే, నియమ-ఆధారిత మరియు ధృవీకరించడానికి సులభమైన పనులు. ఇక్కడ లోపం ఉన్నప్పటికీ, మూలానికి (రా డేటా) తిరిగి వెళ్లి దాన్ని తనిఖీ చేయడానికి నిమిషాల సమయం పడుతుంది.
వ్యాఖ్యానం మరియు విశ్లేషణ రంగం అత్యధిక విలువను మరియు అత్యధిక ప్రమాదాన్ని కలిగి ఉంటుంది. AI NDVI మ్యాప్ నుండి సాధ్యమైన నీటి ఒత్తిడి జోన్ను సూచించగలదు; ఇది పెద్ద ఫీల్డ్లో అనుభవజ్ఞుడైన కన్ను కూడా కోల్పోయే నమూనాను వెల్లడిస్తుంది. కానీ అదే మోడల్ ఆ ప్రాంతంలో లేని వ్యాధిని "విస్తృతమైన ముప్పు"గా నమ్మకంగా వర్ణించగలదు. మోడల్ వాస్తవంలో లేని సమాచారాన్ని వాస్తవమైనదిగా ఉత్పత్తి చేసినప్పుడు, దానిని భ్రాంతి అంటారు. ఈ రంగంలో, AI అనేది పరికల్పన జనరేటర్, నిర్ణయాధికారం కాదు.
కమ్యూనికేషన్స్ రంగంలో, కృత్రిమ మేధస్సు ఒక డ్రాఫ్ట్ యాక్సిలరేటర్. ఇది నిమిషాల్లో రైతు సమాచార నివేదిక, సాహిత్య సారాంశం లేదా ధృవీకరణ దరఖాస్తు వచనాన్ని రూపొందించింది. ఇక్కడ ఉన్న ప్రమాదం ఏమిటంటే, కల్పిత మూలాలు మరియు సరికాని మోతాదులు రైతుకు లేదా ఆడిటీకి ప్రవహించే టెక్స్ట్లో కనిపించకుండా పోయే అవకాశం ఉంది.
చిట్కా: AIకి ఉద్యోగం ఇవ్వడానికి ముందు, మిమ్మల్ని మీరు ఇలా ప్రశ్నించుకోండి: “ఈ అవుట్పుట్ తప్పు అని నాకు ఎలా తెలుస్తుంది మరియు దాన్ని పరిష్కరించడానికి ఎంత సమయం పడుతుంది?” సమాధానం నిమిషాలు (డేటా క్లీనింగ్) అయితే, దానిని సౌకర్యవంతంగా ఉపయోగించండి; "ఉత్పత్తి పాడయ్యే వరకు నేను అర్థం చేసుకోలేను" అని సమాధానం ఉంటే (మోతాదు నిర్ణయం), స్వతంత్రంగా ధృవీకరించండి.
ధ్రువీకరణ క్రమశిక్షణ: ముగ్గురు యాంకర్ నియమం
ఈ మాడ్యూల్ యొక్క హృదయం ఒకే అలవాటు: ఏదైనా AI అవుట్పుట్ను ధృవీకరించకుండా వ్యవసాయ నిర్ణయంలో చేర్చకూడదు. మేము మూడు స్వతంత్ర యాంకర్లపై ధృవీకరణను ఆధారం చేస్తాము.
మొదటి యాంకర్ - ఆర్డర్ ఆఫ్ మాగ్నిట్యూడ్. ఫలితం దాదాపు 10 పరిధి యొక్క ఊహించిన శక్తిలో ఉందా? గోధుమలలో ఒక డికేర్కు స్వచ్ఛమైన నైట్రోజన్ అవసరం సాధారణంగా 10-18 కిలోల క్రమంలో ఉంటుంది; మోడల్ డికేర్కు 60 కిలోల బరువు తగ్గినట్లయితే, యూనిట్ లేదా ఎడిటింగ్ లోపం ఉంది మరియు దానిని వివరంగా చెప్పకుండానే అర్థం చేసుకోవచ్చు. బిందు సేద్య వ్యవస్థ యొక్క ప్రవాహం రేటు గంటకు లీటర్ల క్రమంలో ఉంటుంది; మోడల్ క్యూబిక్ మీటర్లు ఇస్తే, అది అర్ధంలేనిది. ఈ చెక్ సెకన్లు పడుతుంది మరియు చాలా ఎర్రర్లను క్యాచ్ చేస్తుంది.
రెండవ యాంకర్ - వ్యవసాయ సహేతుకత. పంట యొక్క జీవశాస్త్రం మరియు ప్రాంతం యొక్క వాతావరణంతో అవుట్పుట్ స్థిరంగా ఉందా? మోడల్ వేసవి మధ్యలో శీతాకాలపు గోధుమలను నాటాలని సిఫార్సు చేస్తే; లేదా ఈ ప్రాంతంలో ఎన్నడూ లేని ఉష్ణమండల తెగులును ప్రధాన ముప్పుగా పరిగణిస్తే, నిర్మాణ లోపం లేదా నమూనా అర్ధంలేనిది. పంట, నేల రకం మరియు స్థానిక వాతావరణం యొక్క ఫినాలజీ (అభివృద్ధి దశలు) ప్రతి ప్రతిపాదన తప్పనిసరిగా ఆమోదించవలసిన ఆమోదయోగ్యత యొక్క వడపోత.
మూడవ యాంకర్ - ఫీల్డ్ ప్రూఫ్. ఇది బలమైన యాంకర్. మట్టి ఆగర్, ఆకు విశ్లేషణ, ఫీల్డ్లోని దృశ్య గణన, తేమ సెన్సార్ను చదవడం వంటి వాటితో తీసిన నమూనా. అదే ప్రాంతానికి వెళ్లి మొక్కను చూడటం ద్వారా ఉపగ్రహం నుండి ఒత్తిడి సిగ్నల్ పరీక్షించబడుతుంది. ఒక వ్యాధి యొక్క ప్రాథమిక రోగనిర్ధారణ నమూనాను తీసుకోవడం ద్వారా మరియు ప్రయోగశాలలో నిర్ధారించబడుతుంది. మూల సత్యం ఎప్పుడూ గెలుస్తుంది.
మూడు చిన్న కేసులు: సంఖ్యల వారీగా
కేస్ 1 - మట్టి నివేదిక వివరణలో సమయం ఆదా అవుతుంది. ఒక వ్యవసాయ ఇంజనీర్ 38 వేర్వేరు పొట్లాల (ఒక్కొక్కటి వేర్వేరు ప్రయోగశాల ఆకృతిలో) మట్టి విశ్లేషణ నివేదికలను మానవీయంగా సంగ్రహిస్తున్నాడు; ప్రతి నివేదికకు సగటున 20 నిమిషాలు, మొత్తం సుమారు 13 గంటలు. AI-ఆధారిత చార్టింగ్ వర్క్ఫ్లోతో, అతను మొదటి డ్రాఫ్ట్ను ప్రతి నివేదికకు 4 నిమిషాలకు తగ్గించాడు, మిగిలిన సమయాన్ని థ్రెషోల్డ్లను మాన్యువల్గా ధృవీకరించడానికి కేటాయించాడు. మొత్తం సమయం సుమారు 5 గంటలకు పడిపోయింది; క్లిష్టమైనది ఏమిటంటే, సంపాదించిన సమయాన్ని నియంత్రణలో గడిపారు.
కేస్ 2 - క్యాప్చర్డ్ హాలూసినేషన్. ఒక ఇంటర్న్ AI ఒక ద్రాక్షతోట వ్యాధి చరిత్రను సంగ్రహించినప్పుడు, టెక్స్ట్లో “ఈ ప్రాంతంలోని ప్రధానమైన సిట్రస్ హువాంగ్లాంగ్బింగ్ (HLB) ఒత్తిడి” అనే వాక్యం ఉంది. అయితే, పార్శిల్లో ద్రాక్షతోటలు (ద్రాక్ష) ఉన్నాయి, సిట్రస్ కాదు; మోడల్ మరొక ఉత్పత్తి యొక్క సమాచారాన్ని గందరగోళానికి గురి చేసింది. నివేదికపై సంతకం చేయడానికి ముందు వ్యవసాయ సంబంధిత ఆమోదయోగ్యత ఫిల్టర్ (పంట నమూనా HLBకి అనుగుణంగా లేదు) లోపాన్ని గుర్తించింది.
కేసు 3 - యూనిట్ లోపం. ఒక ఎరువుల గణనలో, మోడల్ ప్రతి హెక్టారు సిఫార్సుతో పర్ డికేర్ సిఫార్సును గందరగోళపరిచింది, నైట్రోజన్ మోతాదును 10 కారకం ద్వారా పెంచింది (1 హెక్టార్ = 10 డికేర్స్ కాబట్టి). మాగ్నిట్యూడ్ చెక్ ఆర్డర్ - "ఈ పార్శిల్లో 15 కిలోలు కానీ 150 కిలోల స్వచ్ఛమైన నైట్రోజన్ ఉండకూడదు" - వెంటనే లోపాన్ని వెల్లడించింది. ఇది అమలు చేయబడితే, ఆర్థిక నష్టం మరియు నైట్రేట్ కాలుష్యం రెండూ సంభవించేవి.
బలహీనమైన ప్రాంప్ట్ / బలమైన ప్రాంప్ట్
ప్రాంప్ట్ అనేది మీరు AIకి ఇచ్చే వ్రాతపూర్వక సూచన; దాని నాణ్యత నేరుగా అవుట్పుట్ నాణ్యతను నిర్ణయిస్తుంది.
బలహీనమైన ప్రాంప్ట్:
ఈ ఫీల్డ్ పరిస్థితిని అంచనా వేయండి మరియు నేను ఏమి చేయాలో నాకు చెప్పండి.[data]
శక్తివంతమైన ప్రాంప్ట్:
మీ పాత్ర: సీనియర్ వ్యవసాయ ఇంజనీర్ (వ్యవసాయ శాస్త్రవేత్త). ఇచ్చిన సమాచారం ఆధారంగా మాత్రమే కింది ఫీల్డ్ డేటాను అర్థం చేసుకోండి. - డేటాలో లేని ఏ ఉత్పత్తి, వ్యాధి, ఎరువులు లేదా విలువను జోడించవద్దు. - ప్రతి వ్యాఖ్య పక్కన ఉన్న కుండలీకరణాలతో మీరు ఆధారపడిన డేటా లైన్ను చూపండి. - మీకు ఖచ్చితంగా తెలియని చోట "డేటా సరిపోదు" అని వ్రాయండి, ఊహించవద్దు. - మోతాదు మరియు ఔషధ సిఫార్సులను ఇవ్వవద్దు; బదులుగా, ధృవీకరించాల్సిన 3 అంచనాల ప్రత్యేక జాబితాను రూపొందించండి. డేటా: [ఫీల్డ్ డేటా]
బలమైన ప్రాంప్ట్ మోడల్పై మూడు అంశాలను విధిస్తుంది: మూలానికి కట్టుబడి ఉండండి, అనిశ్చితిని అంగీకరించండి మరియు క్లిష్టమైన నిర్ణయాన్ని (మోతాదు) ఇంజనీర్కు వదిలివేయండి. ఇది భ్రాంతిని పూర్తిగా ముగించదు, కానీ అది కనిపించేలా చేస్తుంది.
నాలుగు కాపీ చేయగల టెంప్లేట్లు
1) అనామక సందర్భాన్ని ఏర్పాటు చేయడం:
నేను వ్యవసాయ ఇంజనీరింగ్ అసైన్మెంట్లో సహాయం చేయాలనుకుంటున్నాను. రైతు పేరు, ఫీల్డ్ కోఆర్డినేట్లు, పార్శిల్ ID మరియు ఖర్చు సమాచారం గోప్యంగా ఉంటాయి; నేను వాటిని "Farmer-A", "Plot-1", "X coordinate" వంటి ప్రాతినిధ్య వ్యక్తీకరణలతో ఇస్తాను. పని: [పని]. నేను ఇచ్చే సాంకేతిక డేటా ఆధారంగా మాత్రమే అదనపు ఊహలను జోడించవద్దు.
2) మూడు యాంకర్ ధృవీకరణ అభ్యర్థనలు:
కింది అవుట్పుట్ కోసం మూడు తనిఖీలు చేయండి: 1) పరిమాణం యొక్క క్రమం: ప్రతి సంఖ్య పంట/ప్రాంతం కోసం ఆశించిన పరిధిలో ఉందా?2) వ్యవసాయ సంబంధిత ఆమోదయోగ్యత: పంట జీవశాస్త్రం/వాతావరణానికి విరుద్ధమైన దావా ఉందా?3) ధృవీకరణ జాబితా: ఫీల్డ్/ల్యాబ్లో నిర్ధారించాల్సిన అంశాలు. అవుట్పుట్: [టెక్స్ట్]
3) అస్పష్టతను అమలు చేయడం:
విశ్వాసం యొక్క మూడు స్థాయిలలో మీ వివరణను ఇవ్వండి: - అధిక విశ్వాసం (డేటా ద్వారా నేరుగా మద్దతు ఇవ్వబడుతుంది) - మధ్యస్థ విశ్వాసం (సహేతుకమైన వ్యవసాయ అనుమితి) - తక్కువ విశ్వాసం (ఊహాగానాలు; ఫీల్డ్ నిర్ధారణ అవసరం) ప్రతి అంశాన్ని దాని స్థాయిని సూచిస్తూ వ్రాయండి.
4) నిర్ణయానికి ముందు రెడ్ ఫ్లాగ్ స్క్రీనింగ్:
నేను ఈ సూచనను మరియు ప్రతిదానికి ముందస్తు హెచ్చరిక సంకేతాలను అనుసరిస్తే ఉత్పన్నమయ్యే 3 అత్యంత తీవ్రమైన ప్రమాదాలను (పర్యావరణ, ఆహార భద్రత, ఆర్థిక) జాబితా చేయండి.
ప్రాథమిక భావనల పట్టిక
పదం
అర్థం
ఇది ఎందుకు ముఖ్యమైనది?
వ్యవసాయ శాస్త్రవేత్త
వ్యవసాయ ఇంజనీర్, వ్యవసాయ ఉత్పత్తి నిపుణుడు
క్లిష్టమైన నిర్ణయాలకు తుది బాధ్యత
భ్రాంతి
AI ఉనికిలో లేని సమాచారాన్ని విశ్వాసంతో ఉత్పత్తి చేస్తుంది
ధృవీకరణ లేకుండా విశ్వసించడం అతిపెద్ద ప్రమాదం
ఫినాలజీ
మొక్క యొక్క అభివృద్ధి దశలు (ఆవిర్భావం, పుష్పించే...)
నిర్ణయాలను షెడ్యూల్ చేయడానికి ఆధారం
గ్రౌండ్ ట్రూత్
ఫీల్డ్లో ప్రత్యక్ష పరిశీలన/కొలత
మొత్తం రిమోట్ డేటా యొక్క ప్రామాణీకరణ యాంకర్
NDVI
వృక్ష శక్తి సూచిక
రిమోట్ ఆరోగ్య పర్యవేక్షణ కోసం ముఖ్యమైన సాధనం
సాధారణ తప్పులు
- ఖచ్చితత్వం కోసం పొరపాటు పటిమ. AI యొక్క అందమైన, నమ్మకమైన టర్కిష్ అవుట్పుట్ సరైనదని సూచించదు; అత్యంత ప్రమాదకరమైన భ్రాంతులు అత్యంత ద్రవంగా ఉంటాయి.
- ధృవీకరణ సమయం వృధా అని ఆలోచిస్తూ. మీరు ఆదా చేసిన సమయాన్ని తనిఖీ చేయడానికి వెచ్చించకపోతే, AI మీ తరపున లోపాన్ని వేగవంతం చేస్తుంది.
- సెన్సిటివ్ డేటాని యథాతథంగా షేర్ చేస్తోంది. రైతు సమన్వయం, దిగుబడి మరియు ఖర్చు యాజమాన్యం మరియు గోప్యతకు సంబంధించిన విషయాలు; అజ్ఞాతం లేకుండా షేర్ చేయవద్దు.
- క్లిష్టమైన మోతాదు నిర్ణయాన్ని AIకి వదిలివేయడం. ఎరువులు, పురుగుమందులు మరియు నీటిపారుదల మోతాదులకు క్షేత్ర క్రమాంకనం మరియు చట్టం అవసరం; AI చిత్తుప్రతులను మాత్రమే ఉత్పత్తి చేస్తుంది.
- ఒక యాంకర్తో సంతృప్తి చెందడం. పరిమాణం యొక్క క్రమాన్ని మాత్రమే చూడటం మరియు ఆమోదయోగ్యత మరియు ఫీల్డ్ సాక్ష్యాలను మినహాయించడం సూక్ష్మ లోపాలను దాటవేస్తుంది.
హెచ్చరిక: AI మీకు "ఈ ప్రాంతంలో X వ్యాధి ఉంది" అని చెప్పినప్పుడు, ఇది ఒక పరికల్పన, నిర్ధారణ కాదు. వ్యాధి నిర్ధారణ; నమూనా ప్రయోగశాల మరియు అధీకృత ఇంజనీర్ ఆమోదంతో ఉంచబడుతుంది.
సారాంశంలో
ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ అనేది డేటా తయారీలో సురక్షితమైన సాధనం, కమ్యూనికేషన్లో యాక్సిలరేటర్ మరియు వ్యవసాయ ఇంజనీరింగ్లో వివరణ మరియు విశ్లేషణలో అత్యంత విలువైన మరియు ప్రమాదకర సాధనం. ఈ మాడ్యూల్ యొక్క వెన్నెముక మూడు యాంకర్ విభాగాలు: ప్రతి అవుట్పుట్ను పరిమాణం, వ్యవసాయ ఆమోదయోగ్యత మరియు క్షేత్ర సాక్ష్యం యొక్క క్రమంలో పరీక్షించడం. భ్రాంతి నిజమైనది, పటిమ అనేది ఖచ్చితత్వం కాదు మరియు క్లిష్టమైన నిర్ణయాల బాధ్యత ఎల్లప్పుడూ సంతకం చేసే వ్యవసాయ శాస్త్రవేత్తపై ఉంటుంది. తదుపరి యూనిట్లలో, మేము ఈ క్రమశిక్షణను ఖచ్చితమైన వ్యవసాయం, NDVI, నేల, నీటిపారుదల, వ్యాధి, వాతావరణం, దిగుబడి, పైథాన్ మరియు ట్రేస్బిలిటీకి ఒక్కొక్కటిగా వర్తింపజేస్తాము.
అప్లికేషన్ టాస్క్
మీరు కలిగి ఉన్న ఫీల్డ్ కోసం (లేదా ప్రతినిధి), ముందుగా AIని బలహీనమైన ప్రాంప్ట్ ("ఈ ఫీల్డ్లో నేను ఏమి చేయాలి?") అడగండి, ఆపై ఈ యూనిట్లోని బలమైన ప్రాంప్ట్ టెంప్లేట్తో అదే ప్రశ్న. రెండు అవుట్పుట్లను పక్కపక్కనే ఉంచి, గుర్తు పెట్టండి: (1) డేటాలో లేని సమాచారాన్ని కలిగి ఉన్న వాక్యాలు (అభ్యర్థి భ్రాంతి), (2) ఏ సంఖ్యలు మాగ్నిట్యూడ్ చెక్ క్రమంలో విఫలమవుతాయి, (3) ఫీల్డ్లో మీరు ధృవీకరించాల్సిన 3 అంశాలు. ఒక పేరాలో, శక్తివంతమైన ప్రాంప్ట్ ఏ ఎర్రర్లను కనిపించేలా చేస్తుందో వ్రాయండి.
చెక్లిస్ట్
- [ ] నేను టాస్క్ని డేటా ప్రిపరేషన్ / ఇంటర్ప్రెటేషన్ / కమ్యూనికేషన్గా వర్గీకరించాను మరియు ప్రమాద స్థాయిని నిర్ణయించాను.
- [ ] నేను రైతు గుర్తింపు, కోఆర్డినేట్లు మరియు ఖర్చు సమాచారాన్ని అజ్ఞాతం చేసాను.
- [ ] నేను పరిమాణం, ఆగ్రోనమిక్ ప్లాసిబిలిటీ మరియు ఫీల్డ్ సాక్ష్యం కోసం అవుట్పుట్ని పరీక్షించాను.
- [ ] నేను భ్రాంతి అభ్యర్థి వాక్యాలను గుర్తించాను మరియు వాటిని తిరిగి మూలానికి తీసుకెళ్లాను.
- [ ] నేను క్లిష్టమైన మోతాదు/మందు/నీటిపారుదల నిర్ణయాన్ని అధీకృత ఇంజనీర్ ఆమోదానికి వదిలిపెట్టాను.