الوسم: مساعد الذكاء الاصطناعي

بقلم ديمتري يابلونسكي، مدير التكنولوجيا التنفيذي في شركة GeoPard الزراعية

سألني أحدهم الأسبوع الماضي عن النموذج الذي يعتمد عليه نظام الذكاء الاصطناعي الخاص بنا. إنه السؤال التقني الأكثر شيوعاً الذي نتلقاه، وعادةً ما يكون السؤال الخاطئ الذي نبدأ به.

إليكم الإجابة الصادقة، ثم الإجابة الأكثر فائدة.

الإجابة الصادقة: عدة

نوجه كل مهمة إلى النموذج الأنسب لها. عملياً، هذا يعني مسارات منفصلة لما يلي:

• الاستدلال الجغرافي المكاني. قراءة إحصائيات المنطقة، ومقارنة الطبقات، وشرح سبب اختلاف سلوك جزء من الحقل عن جزء آخر.
• معدل الرياضيات. معاملات الإزالة، والعتبات الحرجة، واتفاقيات التراكم، وتحويلات الوحدات.
• محادثة. فهم ما قصده مهندس زراعي فعلياً بطلبٍ موجز.
• تصنيف المهام. تحديد مسار العمل الذي ينتمي إليه الطلب قبل حدوث أي شيء آخر.
• حواجز الأمان. فحص المخرجات قبل أن تصبح قطعًا أثرية.

لا يوجد نموذج واحد هو الأفضل في جميع الجوانب الخمسة. فالنماذج التي تُحسن التفكير في سياق مكاني معقد ليست بالضرورة هي التي تتمتع بمهارات حسابية دقيقة. والنماذج التي تتسم بالحوار السلس ليست بالضرورة هي التي تُصنف بدقة.

لا ننشر جدول التوجيه، وليس ذلك من باب التكتم. فهو يتغير. تُصدر تحديثات النماذج كل بضعة أشهر، وكل تحديث يُغير التوازن في مسار أو مسارين من تلك المسارات. تثبيت الإجابة في منشور مدونة سيجعلها خاطئة بحلول الخريف.

الإجابة الأكثر فائدة: الطبقات

لو استبدلت نماذجنا بمجموعة نماذج أخرى غدًا، سيظل المنتج يعمل، وسيظل منتجنا معروفًا. هذا هو هدف التصميم، ومن الجدير شرح السبب.

التوصية الزراعية ليست مجرد إجابة نصية، بل هي رقم يُدخل إلى جهاز ويُطبق على الحقل. يكمن جوهر الهندسة في المسافة بين هذين الأمرين.

لنأخذ مثالاً محدداً على الفشل. يمكن لنموذج ما أن ينتج وصفة فسفور منطقية تماماً بوحدة رطل من الفسفور.₂O₅ لكل فدان. معامل إزالة صحيح، وعتبة صحيحة، ومنطق تراكم صحيح. ثم يتم ربط المعدل بمنتج يحتوي على 4% من الفوسفور.₂O₅, ويحصل الموزع على ذلك كمعدل منتج. كانت الخطة صحيحة. لكن التطبيق خاطئ بأكثر من عشرة أضعاف.

لا يمكن لأي قدر من جودة النموذج أن يمنع ذلك. طبقة التحويل هي التي تمنع ذلك.

وينطبق الأمر نفسه على أنظمة الوحدات، والحدود القصوى لمعدلات التسميد، وقيم اختبارات التربة التي يكون عندها المعدل الصحيح زراعياً صفراً، والفرق بين ما يُبلغه المختبر وما تتوقعه المعادلة. هذه ليست مشاكل استدلالية، بل هي مشاكل نظامية، وهي التي تحدد ما إذا كان من الآمن العمل بتوصية ما.

لذا فإن الطبقات المحيطة بالنموذج تقوم بالعمل المهم.

التأريض. يقرأ المساعد بيانات العميل نفسه. نتائج اختبارات التربة، ومحاصيله بعد التنظيف، وتضاريس الأرض، وسجل استخدام المبيدات. إنها ليست صورة عامة عن الزراعة، بل بياناته الخاصة.

المعلمات الصريحة. تُعرض جميع المعاملات والحدود والاتفاقيات المستخدمة في حساب المعدل، ويمكن تعديلها قبل إنشائها. إذا اختلف المهندس الزراعي مع أحد الافتراضات، فإنه يُعدّله. الرقم الذي لا يستطيع المستخدم فحصه هو رقم لا يمكنه امتلاكه.

الرياضيات الحتمية. يتم حساب المعدل برمجياً، وليس كتابياً. يحدد النموذج ما يجب حسابه ولماذا. لا يقوم النموذج بالعمليات الحسابية.

التحقق قبل الإنشاء. يتم التحقق من الخطط تجريبياً وفقاً للقواعد الزراعية للمنطقة، بالإضافة إلى أي قواعد أضافها العميل إلى قاعدة معارفه الخاصة، قبل وجود خريطة واحدة.

موافقة البشر. لا يصل أي شيء إلى الجهاز إلا بعد موافقة المستخدم. هذا ليس تنازلاً عن تجربة المستخدم، بل هو الطبقة الأخيرة والأهم.

ما نقوم بتقييمه

بسبب كل ما سبق، فإن تقييم النموذج بمعزل عن غيره لا يخبرنا إلا بالقليل جداً.

إنّ الحصول على درجة عالية في اختبار الاختيار من متعدد في علم الزراعة يدلّ على أنّ النموذج قد قرأ الكتب الدراسية. لكنّه لا يُبيّن ما إذا كان النظام سيحوّل معدل العناصر الغذائية إلى معدل المنتج بشكل صحيح، أو سيرفض التوصية باستخدام الفوسفور في حقلٍ أظهرت نتائج الاختبارات ارتفاعًا فيه، أو سيلاحظ أنّ تقرير التربة قد صدر بطريقة استخلاص مختلفة عن تلك التي تفترضها المعادلة.

لذا، نقوم بتقييم النظام من البداية إلى النهاية. هل يسترجع الطبقات الصحيحة من حساب العميل؟ هل يستخدم معايير منطقية؟ هل يوضح منطق عمله؟ هل يكتشف أخطاءه قبل انتشارها؟ يصعب اختزال ذلك إلى رقم واحد، ولهذا السبب تحديدًا نعتقد أنه المعيار الأمثل للقياس.

أحضر نموذجك الخاص

من خلال منصة MCP، يمكنك توجيه نموذجك الخاص إلى بيانات GeoPard الخاصة بك والاستفسار منه مباشرةً عن حقولك. بعض مستخدمينا الأكثر خبرةً تقنياً يفعلون ذلك بالفعل، ونعتقد أن هذا أمر جيد. وثائق مساعد الذكاء الاصطناعي يشرح كيفية عمله.

لكن من الجدير بالذكر بوضوح: عندما تفعل ذلك، فإنك ترث الطبقات. الأساس، وشفافية المعلمات، وانضباط الوحدة، والتحقق، وخطوة الموافقة. هذه ليست موجودة في النموذج. إنها الجزء الذي يجب على شخص ما بناؤه.

لماذا يُعتبر هذا رهانًا وليس تحوطًا؟

تتطور إمكانيات النماذج بسرعة لتصبح سلعة أساسية. كل بضعة أشهر، تتغير الحدود، ويحصل الجميع على الحد الأدنى الجديد مجانًا. الرهان على نموذج محدد هو رهان على ميزة مؤقتة.

تتراكم هذه الطبقات. فهي تُراكم القواعد الزراعية، والأعراف الإقليمية، ومعرفة العملاء، وكل خلل اكتشفناه وقمنا بإصلاحه. ويتحسن ذلك مع الاستخدام، ولا يُعاد ضبطه عند طرح نموذج جديد.

وبعبارة أخرى، اسأل النظام ماذا يفعل بالإجابة الخاطئة. فهذا يُخبرك أكثر من معرفة النموذج الذي أنتجها.

إليكم المساعد وهو يقوم بذلك بالضبط، من السؤال إلى تصدير الوصفة الطبية، في غضون دقيقتين:

للاطلاع على النسخة التفاعلية، التي تعرض جميع خطوات الاستدلال، انظر إلى صفحة مساعد الذكاء الاصطناعي لـ GeoPard.