カテゴリー: AI

GeoPard Agriculture、CTO、Dzmitry Yablonski 著

先週、ある人から、当社のAI農学者がどのモデルに基づいて動作しているのかと尋ねられました。これは私たちが受ける技術的な質問の中で最も多いものですが、たいていの場合、最初に尋ねるべき質問ではありません。.

正直な答えと、より実用的な答えをそれぞれご紹介します。.

正直な答え：いくつか

各タスクは、それぞれに最適なモデルに振り分けられます。実際には、以下のタスクは別々のパスに振り分けられます。

• 地理空間推論。. ゾーン統計の読み取り、層の比較、圃場のある部分が別の部分と異なる挙動を示す理由の説明。.
• 数学を評価してください。. 除去係数、臨界閾値、蓄積規則、単位変換。.
• 会話。. 農学者が半文程度の依頼で実際に何を意味していたのかを理解する。.
• タスクの分類。. 他の処理が行われる前に、リクエストがどのワークフローに属するかを決定する。.
• ガードレール。. 成果物が完成する前に、出力内容をチェックする。.

5つの特性すべてにおいて最適なモデルは存在しない。複雑な空間コンテキストをうまく処理できるモデルが、必ずしも算術的な規律を備えているとは限らない。自然な会話ができるモデルが、必ずしも信頼性の高い分類能力を備えているとは限らない。.

ルーティングテーブルは公開していません。秘密にするつもりはありませんが、変更されるからです。モデルは数か月ごとにリリースされ、その都度、1つか2つの経路のバランスが変わります。ブログ記事で回答を固定してしまうと、秋には間違った情報になってしまうでしょう。.

より有用な答え：層

もし明日、当社のモデルを別のフロンティアセットのものと交換したとしても、製品は問題なく機能し、当社の製品だとすぐにわかるでしょう。それが設計目標であり、その理由を説明する価値があるのです。.

農業に関する推奨事項は、単なるテキストによる回答ではありません。それは最終的に機械の端末に入力され、圃場に適用される数値です。この2つの間の距離こそが、真のエンジニアリングが存在する場所なのです。.

具体的な失敗例を例に挙げてみましょう。モデルは、リンの必要量をポンド単位で完全に論理的に算出することができます。₂O₅ 1エーカーあたり。正しい除去係数、正しい閾値、正しい蓄積ロジック。その後、そのレートは4パーセントPの製品に付加されます。₂O₅, そして、散布機はそれを製品量として受け取る。計画は正しかった。しかし、散布量は桁違いにずれている。.

どんなにモデルの品質が高くても、それは防げない。変換レイヤーがあれば防げる。.

単位系、規制上の施肥量の上限、農学的に適切な施肥量がゼロとなる土壌検査値、検査機関の報告値と計算式による予測値の差などについても同様です。これらは推論の問題ではなく、システムの問題であり、推奨事項を実行に移すことが安全かどうかを判断する上で重要な要素となります。.

つまり、モデルを取り巻くレイヤーが重要な役割を果たすのです。.

接地。. アシスタントは顧客自身のデータを読み取る。土壌検査結果、収穫後の処理状況、地形、施肥履歴など。一般的な農業情報ではなく、顧客自身のデータだ。.

明示的なパラメータ。. レート算出に使用されるすべての係数、閾値、および規則は、生成前に表示され、編集可能です。農学者が前提条件に同意しない場合は、それを変更できます。ユーザーが確認できない数値は、ユーザーが所有できない数値です。.

決定論的数学。. レート計算はコードで行われ、文章では行われません。モデルは計算対象とその理由を決定しますが、計算自体は行いません。.

生成前の検証。. 地図が作成される前に、計画は当該地域の農法規則に加え、顧客が独自の知識ベースに追加した規則にも照らし合わせて、事前に検証されます。.

人間の承認。. 人が承認するまで、何も機械に渡らない。これはユーザーエクスペリエンス上の妥協ではない。これは最後にして最も重要な層なのだ。.

私たちが評価するもの

上記すべてを考慮すると、モデルを単独で評価してもほとんど何も分からない。.

農学の多肢選択式問題で高得点を取ったとしても、そのモデルが教科書をきちんと読んでいるかどうかは分かりません。しかし、システムが栄養素の施用量を製品施用量に正しく変換できるかどうか、すでにリン含有量が高い圃場にリンを推奨しないかどうか、あるいは土壌分析結果が計算式で想定されている抽出方法とは異なる方法で得られたことに気づけるかどうかは分かりません。.

そこで私たちは、システムをエンドツーエンドで評価します。顧客アカウントから適切なレイヤーを取得しているか。妥当な係数を使用しているか。その推論過程を示しているか。システムからエラーが流出する前に、自らエラーを検出しているか。これらは単一の数値に還元するのが難しい項目ですが、だからこそ、私たちはこれを測定することが適切だと考えています。.

自分のモデルを持参してください

MCP を通じて、独自のモデルを GeoPard データに向け、フィールドについて直接質問することができます。技術に詳しいユーザーの中には既にそうしている方もおり、それは良いことだと考えています。 AIアシスタントのドキュメント 仕組みについて説明します。.

ただし、はっきり言っておくべきことは、そうすると、レイヤーが継承されるということです。グラウンディング、パラメータの透明性、単位規律、検証、承認ステップ。これらはモデルには含まれていません。誰かが構築しなければならない部分です。.

これはヘッジではなく賭けである理由

モデルの性能は急速にコモディティ化している。数ヶ月ごとに最先端技術は進化し、誰もが無料で最新の性能を手に入れることができる。特定のモデルに賭けることは、一時的な優位性に賭けることに過ぎない。.

層が積み重なっていく。そこには、農業に関する規則、地域ごとの慣習、顧客の知識、そしてこれまで発見し解決してきたあらゆる故障モードが蓄積されていく。それは使い込むほどに向上し、新モデルが出荷されてもリセットされることはない。.

つまり、言い換えれば、システムが誤った答えを出した場合にどう処理するかを尋ねてみてください。どのモデルがその答えを出したかを知るよりも、その方がはるかに多くのことが分かります。.

アシスタントがまさにその作業、つまり質問から処方箋のエクスポートまでをわずか2分で完了させる様子がこちらです。

対話型バージョンでは、すべての推論ステップが表示されます。 GeoPard AIアシスタントページ.