จริยธรรม ความเป็นส่วนตัว ขอบเขต และการบูรณาการแบบครบวงจร

กำไร:

• ความสามารถในการรับรู้และจัดการความเสี่ยงด้านจริยธรรม เช่น ความเป็นเจ้าของข้อมูลของเกษตรกร ความเป็นส่วนตัว และอคติของอัลกอริทึม
• ความสามารถในการรวมลิงก์ทั้งหมดของโมดูลไว้ในเวิร์กโฟลว์แบบ end-to-end ตามฤดูกาลเดียว
• การสร้างระบบคุณภาพที่เอาต์พุตของ AI ไม่ได้แทนที่การอนุมัติของนักปฐพีวิทยาที่มีความสามารถในการตัดสินใจทางการเกษตรที่มีความสำคัญต่อความปลอดภัย

การสอบโมดูล

1. อะไรคือจุดยึดของการตรวจสอบ 'จุดยึดสามจุด' ที่นำไปใช้ก่อนที่จะรวมเอาต์พุต AI เข้ากับการตัดสินใจในด้านวิศวกรรมเกษตร

• A) ช่วงขนาด ความน่าเชื่อถือทางการเกษตร และหลักฐานภาคสนาม ✔
• B) ความนิยมของแบบจำลอง ความยาวคำตอบ และความคล่องแคล่วทางภาษา
• C) ราคา ความเร็ว และอินเทอร์เฟซผู้ใช้
• D) ความน่าเชื่อถือของแบรนด์ การเชื่อมต่ออินเทอร์เน็ต และรูปแบบไฟล์

คำอธิบาย: สามจุดยึด; ลำดับความสำคัญ ซึ่งตรวจสอบว่าผลลัพธ์อยู่ภายในกำลังที่คาดหวังที่ 10 หรือไม่ ความสมเหตุสมผลทางการเกษตร ซึ่งดูความสอดคล้องของผลผลิตกับพืชผลและสภาพภูมิอากาศ และหลักฐานภาคสนาม ซึ่งให้การยืนยันในภาคสนามมากกว่าแกนกลาง/ตัวอย่าง แบรนด์ของแหล่งที่มา ความนิยมของโมเดล หรือความคล่องแคล่วของข้อความ ไม่ใช่เกณฑ์ในการตรวจสอบ

2. NDVI (Normalized Difference Vegetation Index) โดยทั่วไปใช้วัดอะไร

• ก) กำหนดเปอร์เซ็นต์ความชื้นที่แน่นอนของดินเป็นเซนติเมตร
• B) ความหนาแน่นและความแข็งแกร่งของพืชพรรณสีเขียวสดใส ✔
• C) โรคใดที่มีอยู่ในระดับสายพันธุ์?
• D) ราคาผลิตภัณฑ์สุดท้ายหลังการเก็บเกี่ยว

คำอธิบาย: NDVI วัดความหนาแน่นและความแข็งแกร่งของพืชพรรณที่มีชีวิตสังเคราะห์ด้วยแสงสีเขียวโดยการปรับความแตกต่างระหว่างการสะท้อนของรังสีอินฟราเรดใกล้ (NIR) และแถบสีแดงให้เป็นปกติ เนื่องจากพืชที่มีสุขภาพดีจะสะท้อน NIR อย่างแรงและดูดซับสีแดงอย่างเข้มข้น NDVI จะเพิ่มขึ้น ค่าจะลดลงในส่วนปกที่เครียดหรือเบาบาง ไม่ได้วัดผลผลิต ความชื้นในดิน หรือชนิดของโรคโดยตรง สิ่งเหล่านี้ต้องการข้อมูลเพิ่มเติม

3. ภาพถ่ายดาวเทียมแสดงพื้นที่ที่มีค่า NDVI ต่ำ ข้อใดต่อไปนี้เป็นขั้นตอนที่ดีที่สุดในการดำเนินการก่อนที่จะเปลี่ยนความผิดปกตินี้ให้เป็นการตัดสินใจทางวิศวกรรม

• A) ทายาฆ่าเชื้อราในบริเวณนั้นทันที
• B) เพิ่มปริมาณปุ๋ยเป็นสองเท่าในพื้นที่
• C) ยืนยันสาเหตุโดยการควบคุมภาคสนาม อุตุนิยมวิทยา และปรากฏการณ์วิทยา ✔
• D) ละเว้นความผิดปกติและใช้ค่าเฉลี่ยกับทั้งฟิลด์

คำอธิบาย: NDVI ที่ต่ำอาจเกิดจากความเครียดจากน้ำ โรค การขาดสารอาหาร การเกิดขึ้นไม่บ่อยนัก ร่มเงาของเมฆ หรือดินที่เพิ่งไถใหม่ เราสามารถแยกแยะความไม่แน่นอนนี้ได้ผ่านการควบคุมภาคสนาม อุตุนิยมวิทยา และปรากฏการณ์วิทยาเท่านั้น แผนที่เพียงอย่างเดียวไม่ได้บอกสาเหตุ การใช้สารกำจัดศัตรูพืชหรือปุ๋ยโดยตรงมีความเสี่ยงที่จะรบกวนสาเหตุที่ไม่ถูกต้อง

4. วิธีใดที่แม่นยำที่สุดในการป้อนข้อมูลพิกัดภาคสนามของเกษตรกร ผลผลิต และราคาลงในเครื่องมือ AI ที่เปิดเผยต่อสาธารณะ

• A) การวางข้อมูลทั้งหมดตามที่มี ID และพิกัด
• B) ไม่ระบุชื่อข้อมูลที่ระบุตัวตน และแบ่งปันเฉพาะข้อมูลทางเทคนิคที่จำเป็นเท่านั้น ✔
• C) การโหลดข้อมูลลงในตารางสาธารณะโดยไม่ต้องตรวจสอบเลย
• ง) การบริจาคข้อมูลเพื่อสร้างแบบจำลองการฝึกอบรมโดยไม่ได้รับอนุญาตจากเกษตรกร

การเปิดเผยข้อมูล: ข้อมูลของเกษตรกรมีความละเอียดอ่อนในเชิงพาณิชย์และส่วนบุคคล ข้อมูลประสานงาน ข้อมูลประจำตัว และค่าใช้จ่ายถือเป็นเรื่องของทรัพย์สินและการรักษาความลับ แนวทางที่ถูกต้องคือการไม่ระบุชื่อข้อมูลการระบุตัวตนด้วยป้ายกำกับตัวแทน (พิกัด Plot-A, X) และแบ่งปันเฉพาะข้อมูลทางเทคนิคที่จำเป็นสำหรับการวิเคราะห์ การแบ่งปันข้อมูลตามที่เป็นอยู่หรือการเปิดให้การศึกษาโดยไม่ได้รับอนุญาตก่อให้เกิดความเสี่ยงด้านจริยธรรมและกฎหมาย

5. รายงานการวิเคราะห์ดินอ่านค่า pH เป็น 4.8 ค่านี้หมายถึงอะไรทางการเกษตร?

• ก) ดินที่เป็นกลางและเหมาะสำหรับพืชผลส่วนใหญ่
• B) มีสภาพเป็นกรดอย่างแรง ภาวะที่อาจจำกัดการบริโภคอาหารและต้องได้รับการแก้ไข ✔
• C) ด่างแก่; สภาวะที่ต้องใช้ปูนขาว
• D) หมายความว่าความเค็มในดินสูงมาก

คำอธิบาย: pH 4.8 บ่งชี้ถึงดินที่มีความเป็นกรดสูง ภายใต้สภาวะนี้ การดูดซึมฟอสฟอรัสและโมลิบดีนัมจะลดลง ความเสี่ยงต่อความเป็นพิษของอะลูมิเนียม/แมงกานีสจะเพิ่มขึ้น และการพัฒนารากจะถูกระงับในพืชหลายชนิด สำหรับพืชไร่ส่วนใหญ่ 6.0-7.0 เป็นช่วงที่เหมาะสม ดังนั้นจึงควรพิจารณาการแก้ไขเช่นการปูน ดินที่เป็นกรดไม่ใช่ 'อุดมคติ' และไม่ได้รับประกันว่าจะให้ผลผลิตสูงด้วยตัวมันเอง

6. AI แนะนำไนโตรเจนบริสุทธิ์ 60 กิโลกรัมต่อหนึ่งไร่สำหรับทุ่งข้าวสาลี ผลผลิตในทางปฏิบัติและเป้าหมายในระดับภูมิภาคบ่งชี้ว่ามีไนโตรเจนบริสุทธิ์ประมาณ 12-16 กิโลกรัมต่อหนึ่งเดคแคร์ พฤติกรรมที่ดีที่สุดคืออะไร?

• A) การดำเนินการตามคำแนะนำตามที่เป็นอยู่ เนื่องจาก AI คำนวณ
• B) เพิ่มขนาดยาให้มากขึ้นเพื่อความปลอดภัย
• C) ถือเป็นลำดับของการเตือนขนาด และตรวจสอบอินพุตและการสอบเทียบในพื้นที่ ✔
• D) แบ่งข้อเสนอครึ่งหนึ่งโดยไม่คำนึงถึงการวิเคราะห์ดิน

คำอธิบาย: คำแนะนำคือประมาณสี่เท่าของช่วงที่คาดไว้ นี่เป็นการเตือนลำดับความสำคัญ ไนโตรเจนที่มากเกินไปหมายถึงความเสียหายทางเศรษฐกิจและความเสี่ยงต่อภาวะซึมเศร้า โรค และมลพิษไนเตรต พฤติกรรมที่ถูกต้องคือการปฏิเสธคำแนะนำและตรวจสอบอินพุต (หน่วย ผลผลิต ผลผลิตเป้าหมาย ดิน N) และการสอบเทียบในท้องถิ่น การใช้งานแบบตาบอดทำให้เกิดอันตรายต่อสิ่งแวดล้อมและพืชไร่

7. 'การใช้น้ำของพืช' (การคายระเหย, ET) ที่ใช้ในการตัดสินใจเรื่องการชลประทานหมายความว่าอย่างไร

• ก) ปริมาณน้ำที่เข้าสู่ดินโดยการตกตะกอนเท่านั้น
• B) การสูญเสียน้ำทั้งหมดจากการระเหยของดินและการคายน้ำจากพืช ✔
• C) การนำไฟฟ้าของดิน
• D) ค่าความดันในท่อชลประทาน

คำอธิบาย: การคายระเหยคือการสูญเสียน้ำทั้งหมดจากดินสู่ชั้นบรรยากาศผ่านการระเหยและการคายน้ำจากพืช ด้วยการคูณค่า ET อ้างอิงกับค่าสัมประสิทธิ์พืชผล (Kc) ความต้องการน้ำที่แท้จริงของผลิตภัณฑ์ (ETc) จะถูกประมาณไว้ และการวางแผนการชลประทานตามความสมดุลของน้ำนี้ ET ไม่ใช่ปริมาณน้ำฝนหรือความเค็มของดิน แสดงถึงด้านไหลออกของงบประมาณน้ำ

8. วิศวกรที่เห็นอาการบนใบได้ให้คำอธิบายภาพแก่ AI และรับการวินิจฉัยเบื้องต้น ข้อใดเป็นข้อบังคับก่อนที่จะแปลการวินิจฉัยนี้ให้เป็นการตัดสินใจในการควบคุมสัตว์รบกวน

• A) การยืนยันตัวแทนในภาคสนาม/ห้องปฏิบัติการ และเลือกยาที่มีใบอนุญาตและติดฉลาก ✔
• B) รับประทานยาหลายชนิดร่วมกันเพื่อความปลอดภัย
• C) ใช้สารออกฤทธิ์ทันทีตามที่ AI พูด
• D) เลือกยาฆ่าแมลงที่ถูกที่สุดและนำไปใช้กับพื้นที่ทั้งหมด

คำอธิบาย: การวินิจฉัยเบื้องต้นจากภาพเพียงอย่างเดียวไม่เพียงพอ เนื่องจากปัจจัยต่างๆ (เชื้อรา แบคทีเรีย ไวรัส การขาดสารอาหาร ความเครียดจากสิ่งมีชีวิต) ที่ทำให้เกิดอาการคล้ายกัน สารควรได้รับการยืนยันด้วยตัวอย่างภาคสนามและหากจำเป็น ต้องมีการวินิจฉัยทางห้องปฏิบัติการ จากนั้นจึงควรเลือกเฉพาะยาที่ได้รับอนุญาตสำหรับสารนั้นและผลิตภัณฑ์นั้นและเหมาะสมกับฉลากเท่านั้น การใช้สารกำจัดศัตรูพืชในวงกว้างโดยไม่มีการตรวจสอบจะทำให้เกิดความเสี่ยงต่อการต้านทานและสารตกค้าง

9. วัตถุประสงค์ของแนวคิด GDD (Growth Degree Day) ซึ่งมักใช้ในการสนับสนุนการตัดสินใจทางการเกษตรคืออะไร?

• A) ตามค่า pH ของดิน
• B) การทำนายระยะการพัฒนาของพืชและการเกิดขึ้นของศัตรูพืชโดยการสะสมความร้อน ✔
• C) การวัดอัตราการไหลของท่อชลประทาน
• D) การคำนวณราคาตลาดของผลิตภัณฑ์

คำอธิบาย: GDD คือความร้อนทั้งหมดที่สะสมโดยการลบอุณหภูมิฐานออกจากอุณหภูมิเฉลี่ยรายวัน และใช้ในการประมาณระยะการพัฒนา (ปรากฏการณ์วิทยา) ของพืชและเวลาที่ศัตรูพืชบางชนิดปรากฏขึ้น ดังนั้นจึงสามารถวางแผนการฉีดพ่น การปฏิสนธิ และช่วงเวลาการเก็บเกี่ยวตามการสะสมความร้อนมากกว่าปฏิทิน GDD ไม่ใช่ค่า pH ของดินหรือปริมาณน้ำฝนโดยตรง

10. ข้อใดต่อไปนี้เป็นข้อความที่ถูกต้องที่สุดสำหรับแบบจำลองการทำนายผลตอบแทนที่สร้างด้วยการเรียนรู้ของเครื่อง

• ก) ทำนายอนาคตได้อย่างแม่นยำและไม่มีข้อผิดพลาด
• B) ขึ้นอยู่กับรูปแบบในอดีต ต้องระบุช่วงความไม่แน่นอนและตรวจสอบแล้ว ✔
• C) ทำงานด้วยความแม่นยำเท่ากันเสมอในสภาวะอื่นนอกเหนือจากข้อมูลการฝึก
• D) เขาเป็นผู้ตัดสินใจขั้นสุดท้ายแต่เพียงผู้เดียวโดยไม่มีข้อมูลทางการเกษตร

คำอธิบาย: โมเดลการเรียนรู้ของเครื่องขึ้นอยู่กับรูปแบบที่เห็นในข้อมูลประวัติ ความมั่นใจจะลดลงเมื่อเงื่อนไขอินพุตอยู่นอกข้อมูลการฝึกอบรม (พันธุ์ใหม่ สภาพอากาศที่ไม่ปกติ) ดังนั้น ควรให้ผลลัพธ์ที่มีช่วงความไม่แน่นอน ไม่ใช่จุด และควรตรวจสอบด้วยผลตอบแทนและเกณฑ์มาตรฐานในอดีต แบบจำลองไม่ทราบอนาคตอย่างแน่ชัดและไม่ทำงานด้วยความแม่นยำเท่ากันในทุกสภาวะ

11. แนวทางปฏิบัติที่ดีที่สุดก่อนที่จะรันโค้ดวิเคราะห์ Python/pandas ที่สร้างโดย AI คืออะไร

• A) การใช้โค้ดโดยตรงกับชุดข้อมูลทั้งหมดโดยไม่ต้องอ่าน
• B) การทดสอบด้วยข้อมูลตัวอย่างขนาดเล็กพร้อมผลลัพธ์ที่ทราบและตรวจสอบสูตรและหน่วย ✔
• C) พิจารณาว่าการทำงานโดยไม่มีข้อผิดพลาดก็เพียงพอแล้ว
• D) การใส่ผลลัพธ์ลงในรายงานโดยไม่ตรวจสอบเลย

คำอธิบาย: แม้ว่าโค้ดที่สร้างโดย AI อาจดูเหมือนถูกต้อง แต่อาจมีข้อผิดพลาดของหน่วย ชื่อคอลัมน์ สูตรดัชนี หรือลอจิกตัวกรอง แนวทางปฏิบัติที่ดีคือการเรียกใช้ผลลัพธ์ด้วยตนเองกับตัวอย่างข้อมูลเล็กๆ น้อยๆ ที่คุณรู้จัก เปรียบเทียบกับผลลัพธ์ที่คาดหวัง และตรวจสอบสูตร เช่น NDVI กับแหล่งที่มา การใช้โค้ดกับข้อมูลขนาดใหญ่โดยไม่เห็นว่าจะย้ายจุดบกพร่องแบบเงียบๆ ไปสู่การใช้งานจริง

12. เหตุใดสมุดบันทึกการบริหารยาจึงมีความสำคัญในบันทึกการตรวจสอบย้อนกลับ

• ก) เพียงเพื่อได้รับการลดหย่อนภาษี
• B) จัดทำบันทึกที่สามารถตรวจสอบได้สำหรับการปฏิบัติตามข้อกำหนด MRL การรับรอง และการติดตามย้อนกลับเป็นชุด ✔
• C) เพื่อเปรียบเทียบกับสาขาใกล้เคียงเท่านั้น
• D) จัดทำโบรชัวร์โฆษณา

คำอธิบาย : หนังสือการบริหารยา; โดยจะบันทึกว่าผลิตภัณฑ์ใด สารออกฤทธิ์ชนิดใด ปริมาณและวันที่ที่ใช้ และระยะเวลารอระหว่างการใช้ครั้งสุดท้ายและการเก็บเกี่ยว การบันทึกนี้จำเป็นสำหรับการปฏิบัติตามขีดจำกัดปริมาณสารตกค้างสูงสุด (MRL) การรับรองทางพืชไร่/อินทรีย์ที่ดี และการติดตามย้อนกลับเป็นชุดหากเกิดปัญหา ไม่ได้เก็บไว้เพื่อการติดตามต้นทุนหรือการโฆษณาเท่านั้น

13. เครื่องมือ AI รายงานศัตรูพืชที่ไม่พบในพื้นที่นั้นอย่างมั่นใจว่าเป็น 'ภัยคุกคามทั่วไป' แนวคิดใดที่สามารถอธิบายสถานการณ์นี้ได้ดีที่สุด

• A) ข้อผิดพลาดในการสอบเทียบเซ็นเซอร์
• B) อาการประสาทหลอน: การแสดงข้อมูลที่ไม่มีในภาษาที่ปลอดภัย ✔
• C) การหยุดชะงักของการเชื่อมต่อเครือข่าย
• D) ขาดข้อมูลปริมาณน้ำฝน

คำอธิบาย: เรียกว่าอาการประสาทหลอนเมื่อแบบจำลองสร้างข้อมูลที่ไม่มีอยู่จริงหรือไม่ตรงกับบริบท ราวกับว่าเป็นเรื่องจริง คล่องแคล่ว และมั่นใจ ตัวกรองความน่าเชื่อถือทางการเกษตร (สภาพภูมิอากาศและรูปแบบการปลูกพืชของภูมิภาคเหมาะสำหรับศัตรูพืชนั้นหรือไม่) และหลักฐานภาคสนามตรวจพบข้อผิดพลาดดังกล่าวก่อนลงนาม นี่ไม่ใช่ความผิดปกติของเซ็นเซอร์หรือข้อผิดพลาดของอุปกรณ์

14. ควรกำหนดบทบาทของปัญญาประดิษฐ์ในการตัดสินใจทางการเกษตรที่สำคัญต่อความปลอดภัยและคุณภาพอย่างไร (เช่น ปริมาณยาฆ่าแมลง การจ่ายปุ๋ย แผนการชลประทาน)

• A) หน่วยงานผู้มีอำนาจซึ่งเพียงผู้เดียวเท่านั้นที่เป็นผู้ตัดสินใจขั้นสุดท้าย
• B) ระบบอัตโนมัติที่มาแทนที่การอนุมัติจากนักปฐพีวิทยาที่มีความสามารถ
• C) ผู้ช่วยที่สร้างร่างและข้อเสนอแนะและปล่อยให้ผู้เชี่ยวชาญเป็นผู้ตัดสินใจ ✔
• D) แหล่งข้อมูลที่ถูกต้องซึ่งไม่จำเป็นต้องมีการตรวจสอบ

คำอธิบาย: ปัญญาประดิษฐ์; เป็นตัวช่วยจัดทำโครงร่าง สรุปข้อมูล และเสนอสมมติฐาน การตัดสินใจขั้นสุดท้ายในการตัดสินใจที่สำคัญเป็นของวิศวกรเกษตรที่มีความสามารถซึ่งคุ้นเคยกับการสังเกตภาคสนาม การสอบเทียบในท้องถิ่น และกฎหมาย เอาต์พุต AI ไม่ได้แทนที่การอนุมัตินี้ เมื่อพูดถึงผลิตภัณฑ์ สิ่งแวดล้อม และอาหาร ความรับผิดชอบอยู่ที่ผู้เชี่ยวชาญด้านการลงนาม