Mga nadagdag:
- Kakayahang kilalanin at pamahalaan ang mga etikal na panganib tulad ng pagmamay-ari ng data ng magsasaka, privacy at algorithmic bias
- Kakayahang pagsamahin ang lahat ng mga link ng module sa isang solong seasonal end-to-end workflow
- Ang pagtatatag sa isang sistema ng kalidad na ang output ng AI ay hindi pinapalitan ang karampatang pag-apruba ng agronomist sa mga desisyong kritikal sa kaligtasan sa agrikultura
Pagsusulit sa Module
1. Ano ang mga anchor ng 'tatlong anchor' validation na inilapat bago isama ang AI output sa isang desisyon sa agricultural engineering?
- A) Saklaw ng laki, agronomic plausibility at field evidence ✔
- B) Popularidad ng modelo, haba ng sagot at katatasan ng wika
- C) Presyo, bilis at user interface
- D) Kredibilidad ng brand, koneksyon sa internet at format ng file
Paglalarawan: Tatlong angkla; order of magnitude, na nagsusuri kung ang resulta ay nasa loob ng inaasahang kapangyarihan na 10, agronomic reasonableness, na tumitingin sa consistency ng output sa crop at klima, at field evidence, na nagbibigay ng kumpirmasyon sa field kaysa sa core/sample. Ang tatak ng pinagmulan, ang katanyagan ng modelo, o ang katatasan ng teksto ay hindi pamantayan sa pag-verify.
2. Ano ang karaniwang sinusukat ng NDVI (Normalized Difference Vegetation Index)?
- A) Tukuyin ang eksaktong porsyento ng kahalumigmigan ng lupa sa sentimetro
- B) Densidad at lakas ng berde, makulay na mga halaman ✔
- C) Aling ahente ng sakit ang naroroon sa antas ng species?
- D) Panghuling presyo ng produkto pagkatapos ng pag-aani
Paglalarawan: Sinusukat ng NDVI ang densidad at lakas ng berde, photosynthetic na buhay na mga halaman sa pamamagitan ng pag-normalize ng pagkakaiba sa pagitan ng near-infrared (NIR) at red band reflectances. Dahil ang mga malulusog na halaman ay sumasalamin sa NIR nang malakas at sumisipsip ng pula nang husto, ang NDVI ay tumataas; Bumababa ang halaga sa mabigat o kalat na takip. Hindi nito direktang sinusukat ang ani, kahalumigmigan ng lupa o uri ng sakit; ang mga ito ay nangangailangan ng karagdagang data.
3. Ang isang satellite image ay nagpapakita ng isang lugar na may mababang halaga ng NDVI. Alin sa mga sumusunod ang pinakamagandang hakbang na dapat gawin bago gawing desisyon sa engineering ang anomalyang ito?
- A) Maglagay kaagad ng fungicide sa lugar na iyon
- B) Doblehin ang dosis ng pataba sa lugar
- C) Kumpirmahin ang sanhi sa pamamagitan ng field control, meteorology at phenology ✔
- D) Huwag pansinin ang anomalya at maglapat ng average sa buong field
Paliwanag: Ang mababang NDVI ay maaaring sanhi ng stress ng tubig, sakit, kakulangan sa sustansya, madalang na paglitaw, lilim ng ulap o bagong araro na lupa. Makikilala lamang natin ang kawalan ng katiyakan sa pamamagitan ng field control, meteorology at phenology; Ang mapa lamang ay hindi nagsasabi kung bakit. Ang paglalagay ng mga pestisidyo o pataba ay direktang nagdadala ng panganib na makagambala sa maling dahilan.
4. Ano ang pinakatumpak na diskarte kapag naglalagay ng mga farmer field coordinate, yield at cost data sa isang pampublikong magagamit na tool ng AI?
- A) Pag-paste ng lahat ng data ayon sa ID at mga coordinate nito
- B) I-anonymize ang pagtukoy ng impormasyon at ibahagi lamang ang kinakailangang teknikal na data ✔
- C) Naglo-load ng data sa isang pampublikong talahanayan nang hindi ito sinusuri
- D) Pag-donate ng data upang magmodelo ng pagsasanay nang walang pahintulot mula sa magsasaka
Pagbubunyag: Ang data ng magsasaka ay komersyal at personal na sensitibo; Ang impormasyon ng coordinate, pagkakakilanlan at gastos ay isang bagay ng pag-aari at pagiging kumpidensyal. Ang tamang diskarte ay ang pag-anonymize ng impormasyon sa pagkakakilanlan gamit ang mga label na kinatawan (Plot-A, X coordinate) at ibahagi lamang ang teknikal na data na kinakailangan para sa pagsusuri. Ang pagbabahagi ng data bilang ito ay o pagbubukas nito sa edukasyon nang walang pahintulot ay nagdudulot ng etikal at legal na mga panganib.
5. Ang ulat ng pagsusuri sa lupa ay nagbabasa ng pH bilang 4.8. Ano ang ibig sabihin ng halagang ito sa agronomiya?
- A) Neutral at mainam na lupa para sa karamihan ng mga pananim
- B) Malakas na acidic; Isang kondisyon na maaaring maghigpit sa paggamit ng pagkain at nangangailangan ng pagwawasto ✔
- C) Malakas na alkali; isang kondisyon na nangangailangan ng liming
- D) Nangangahulugan ito na ang kaasinan sa lupa ay napakataas.
Paglalarawan: Ang pH 4.8 ay nagpapahiwatig ng isang malakas na acidic na lupa; Sa ilalim ng kondisyong ito, ang phosphorus at molybdenum uptake ay nabawasan, ang panganib ng aluminum/manganese toxicity ay tumataas, at ang root development ay pinipigilan sa maraming pananim. Para sa karamihan ng mga pananim sa bukid, 6.0-7.0 ang naaangkop na hanay. Samakatuwid, ang isang pagwawasto tulad ng liming ay isinasaalang-alang; Ang acidic na lupa ay hindi 'ideal' at hindi sa sarili nitong ginagarantiyahan ang mataas na ani.
6. Inirerekomenda ng AI ang 60 kg ng purong nitrogen bawat decare para sa isang bukid ng trigo; Ang praktikal at target na ani ng rehiyon ay nagpapahiwatig ng humigit-kumulang 12-16 kg ng purong nitrogen bawat decare. Ano ang pinakamahusay na pag-uugali?
- A) Pagpapatupad ng rekomendasyon sa kasalukuyan, dahil kinakalkula ng AI
- B) Dagdagan pa ang dosis para maging ligtas
- C) Tingnan ito bilang isang order ng magnitude na babala at suriin ang mga input at lokal na pagkakalibrate ✔
- D) Hatiin ang panukala sa kalahati nang hindi isinasaalang-alang ang pagsusuri sa lupa
Paglalarawan: Ang rekomendasyon ay humigit-kumulang apat na beses sa inaasahang hanay; Ito ay isang order ng magnitude na babala. Ang labis na nitrogen ay nangangahulugan ng parehong pinsala sa ekonomiya at ang panganib ng depresyon, sakit at polusyon ng nitrate. Ang tamang gawi ay tanggihan ang rekomendasyon at suriin ang mga input (unit, ani, target na ani, lupa N) at lokal na pagkakalibrate. Ang bulag na aplikasyon ay nagdudulot ng pinsala sa kapaligiran at agronomic.
7. Ano ang ibig sabihin ng 'pagkonsumo ng tubig ng halaman' (evapotranspiration, ET) na ginagamit sa mga desisyon sa patubig?
- A) Ang dami ng tubig na pumapasok sa lupa sa pamamagitan lamang ng pag-ulan
- B) Kabuuang pagkawala ng tubig sa pamamagitan ng evaporation mula sa lupa at transpiration mula sa halaman ✔
- C) Electrical conductivity ng lupa
- D) Halaga ng presyon sa tubo ng irigasyon
Paliwanag: Ang Evapotranspiration ay ang kabuuang pagkawala ng tubig mula sa lupa patungo sa atmospera sa pamamagitan ng evaporation at transpiration mula sa halaman. Sa pamamagitan ng pagpaparami ng reference na ET sa crop coefficient (Kc), ang aktwal na pangangailangan ng tubig ng produkto (ETc) ay tinatantya at ang irigasyon ay binalak ayon sa balanse ng tubig na ito. Ang ET ay hindi ulan o kaasinan ng lupa; Kinakatawan nito ang bahagi ng pag-agos ng badyet ng tubig.
8. Isang inhinyero na nakakita ng mga sintomas sa dahon ang nagbigay ng paglalarawan ng larawan sa AI at nakatanggap ng paunang pagsusuri. Alin ang sapilitan bago isalin ang diagnosis na ito sa isang desisyon sa pagkontrol ng peste?
- A) Pagkumpirma ng ahente sa field/laboratoryo at pagpili ng lisensyado at may label na gamot ✔
- B) Pag-inom ng iba't ibang gamot nang magkasama, para lamang maging ligtas
- C) Ilapat agad ang aktibong sahog anuman ang sinasabi ng AI.
- D) Piliin ang pinakamurang pestisidyo at ilapat ito sa buong bukid
Paliwanag: Ang paunang pagsusuri mula sa larawan lamang ay hindi sapat dahil sa iba't ibang mga kadahilanan (fungal, bacterial, viral, kakulangan sa nutrient, abiotic stress) na nagdudulot ng mga katulad na sintomas. Ang ahente ay dapat kumpirmahin gamit ang isang sample ng field at, kung kinakailangan, pagsusuri sa laboratoryo, at pagkatapos ay isang gamot lamang na lisensyado para sa ahente na iyon at ang produktong iyon at angkop para sa label nito ang dapat piliin. Ang paggamit ng malawak na spectrum ng pestisidyo nang walang pag-verify ay lumilikha ng panganib ng paglaban at nalalabi.
9. Ano ang layunin ng konsepto ng GDD (Growth Degree Day), na kadalasang ginagamit sa suporta sa pagpapasya sa agrikultura?
- A) Pagsunod sa halaga ng pH ng lupa
- B) Paghula sa mga yugto ng pag-unlad ng halaman at paglitaw ng peste sa pamamagitan ng pag-iipon ng init ✔
- C) Pagsukat ng rate ng daloy ng tubo ng patubig
- D) Pagkalkula ng presyo sa pamilihan ng produkto
Paglalarawan: Ang GDD ay ang kabuuang init na naipon sa pamamagitan ng pagbabawas ng batayang temperatura mula sa pang-araw-araw na average na temperatura at ginagamit upang tantyahin ang mga yugto ng pag-unlad (phenology) ng halaman at ang oras ng paglitaw ng ilang mga peste. Kaya, ang pag-spray, pagpapabunga at mga bintana ng pag-aani ay maaaring planuhin ayon sa akumulasyon ng init kaysa sa kalendaryo. Ang GDD ay hindi pH ng lupa o direktang dami ng ulan.
10. Alin sa mga sumusunod ang pinakatumpak na pahayag para sa isang modelo ng hula sa yield na itinatag gamit ang machine learning?
- A) Hulaan ang hinaharap nang tumpak at walang pagkakamali
- B) Ito ay batay sa mga nakaraang pattern; Dapat ibigay nang may kawalan ng katiyakan at na-verify ✔
- C) Ito ay palaging gumagana nang may parehong katumpakan sa mga kundisyon maliban sa data ng pagsasanay.
- D) Siya ang nag-iisang panghuling gumagawa ng desisyon na walang agronomic na impormasyon
Paglalarawan: Ang isang modelo ng machine learning ay batay sa mga pattern na nakikita nito sa makasaysayang data; Bumababa ang kumpiyansa kapag ang mga kundisyon ng pag-input ay nasa labas ng data ng pagsasanay (bagong pagkakaiba-iba, hindi pangkaraniwang klima). Samakatuwid, ang output ay dapat ibigay na may isang hanay ng kawalan ng katiyakan, hindi isang punto, at dapat na ma-verify gamit ang makasaysayang ani at mga benchmark. Hindi alam ng modelo ang hinaharap nang may katiyakan at hindi gumagana nang may parehong katumpakan sa ilalim ng lahat ng kundisyon.
11. Ano ang pinakamahusay na kasanayan bago magpatakbo ng isang code ng pagtatasa ng Python/pandas na binuo ng AI?
- A) Direktang paglalapat ng code sa buong set ng data nang hindi ito binabasa
- B) Pagsubok gamit ang maliit na sample na data na may alam na mga resulta at pagsuri ng mga formula at unit ✔
- C) Isinasaalang-alang na ang pagtatrabaho lamang nang walang mga pagkakamali ay sapat na.
- D) Ang paglalagay ng output sa ulat nang hindi ito sinusuri
Paglalarawan: Bagama't maaaring mukhang tama ang code na binuo ng AI, maaaring naglalaman ito ng mga error sa unit, column name, index formula, o filter logic error. Ang mabuting kasanayan ay ang manual na patakbuhin ang resulta laban sa isang maliit na sample ng data na alam mo, ihambing ito sa inaasahang output, at suriin ang mga formula tulad ng NDVI laban sa pinagmulan. Ang paglalapat ng code sa malaking data nang hindi nakikita ay naglilipat ng mga tahimik na bug sa produksyon.
12. Bakit kritikal ang notebook ng pangangasiwa ng droga sa mga talaan ng pagsubaybay?
- A) Para lang makakuha ng tax deduction
- B) Nagbibigay ng nabe-verify na tala para sa pagsunod sa MRL, sertipikasyon at batch traceback ✔
- C) Para lamang sa paghahambing sa mga kalapit na larangan
- D) Upang maghanda ng mga brochure sa advertising
Paglalarawan: Aklat sa pangangasiwa ng gamot; Itinatala nito kung aling produkto, aling aktibong sangkap, kung saan dosis at petsa ito ginamit, at ang panahon ng paghihintay sa pagitan ng huling aplikasyon at pag-aani. Ang recording na ito ay mandatory para sa maximum residue limit (MRL) compliance, good agronomy/organic certification, at batch trace back kung may nangyaring problema. Hindi ito pinananatili para lamang sa pagsubaybay sa gastos o advertising.
13. Isang AI tool ang may kumpiyansa na nag-ulat ng isang peste na hindi nakita sa lugar bilang isang 'karaniwang banta'. Aling konsepto ang pinakamahusay na makapagpaliwanag sa sitwasyong ito?
- A) Error sa pagkakalibrate ng sensor
- B) Hallucination: paggawa ng impormasyon na wala sa isang ligtas na wika ✔
- C) Pagkagambala sa koneksyon sa network
- D) Kakulangan ng data ng pag-ulan
Paliwanag: Ito ay tinatawag na hallucination kapag ang modelo ay gumagawa ng impormasyon na hindi aktwal na umiiral o hindi tumutugma sa konteksto, na parang ito ay totoo, matatas at may tiwala. Ang filter ng agronomic plausibility (ang klima ba ng rehiyon at pattern ng pananim ay angkop para sa peste na iyon?) at ang field evidence ay nakakakuha ng mga ganitong error bago ang lagda. Hindi ito malfunction ng sensor o error sa unit.
14. Paano dapat tukuyin ang papel ng artificial intelligence sa mga desisyong pang-agrikultura na mahalaga sa kaligtasan at kalidad (hal. dosis ng pestisidyo, reseta ng pataba, plano ng irigasyon)?
- A) Ang karampatang awtoridad na nag-iisa ang gumagawa ng pinal na desisyon
- B) Automated system na pumapalit sa karampatang pag-apruba ng agronomist
- C) Isang katulong na gumagawa ng mga draft at mungkahi at ipinaubaya ang desisyon sa eksperto ✔
- D) Tumpak na mapagkukunan ng impormasyon na hindi nangangailangan ng pagpapatunay
Paglalarawan: Artipisyal na katalinuhan; Ito ay isang katulong na gumagawa ng mga balangkas, nagbubuod ng data, at nagmumungkahi ng mga hypotheses. Ang huling say sa mga kritikal na desisyon ay kabilang sa karampatang agricultural engineer na pamilyar sa field observation, lokal na pagkakalibrate at batas; Hindi pinapalitan ng AI output ang pag-apruba na ito. Pagdating sa produkto, kaligtasan sa kapaligiran at pagkain, ang responsibilidad ay nakasalalay sa eksperto sa pagpirma.