Позначка: Магістр права (LLM)

Дмитро Яблонський, технічний директор, GeoPard Agriculture

Минулого тижня хтось запитав мене, на якій моделі працює наш агроном зі штучним інтелектом. Це найпоширеніше технічне запитання, яке ми отримуємо, і зазвичай воно неправильне для початку.

Ось чесна відповідь, а потім ще корисніша.

Чесна відповідь: кілька

Ми спрямовуємо кожне завдання до моделі, яка найкраще для нього підходить. На практиці це означає окремі шляхи для:

• Геопросторове мислення. Читання статистики зон, порівняння шарів, пояснення того, чому одна частина поля поводиться інакше, ніж інша.
• Оцініть математику. Коефіцієнти видалення, критичні пороги, правила нарощування, перетворення одиниць вимірювання.
• Розмова. Розуміння того, що насправді мав на увазі агроном під запитом, складеним з півречення.
• Класифікація завдань. Визначення того, до якого робочого процесу належить запит, перш ніж відбуватимуться інші дії.
• Огородження. Перевірка виходів, перш ніж вони стануть артефактами.

Жодна окрема модель не є найкращою за всіма п'ятьма критеріями. Ті, що добре міркують над складним просторовим контекстом, не завжди дотримуються арифметичної дисципліни. Ті, що природно розмовляють, не завжди надійно класифікують.

Ми не публікуємо таблицю маршрутизації, і це не для того, щоб бути скромними. Вона змінюється. Релізи моделей виходять кожні кілька місяців, і кожен з них зміщує баланс на одному або двох із цих шляхів. Замороження відповіді в блозі зробить її неправильною до осені.

Більш корисна відповідь: шари

Якби ви завтра обміняли наші моделі на інший набір Frontier, продукт все одно працював би, і він все ще був би впізнавано нашим. Це мета дизайну, і варто пояснити, чому.

Агрономічна рекомендація — це не текстова відповідь. Це число, яке потрапляє в термінал машини та застосовується до поля. Відстань між цими двома речами і є місцем, де насправді знаходиться інженерія.

Візьмемо конкретний клас невдач. Модель може створити цілком обґрунтоване призначення фосфору у фунтах P₂O₅ за акр. Правильний коефіцієнт видалення, правильний поріг, правильна логіка нарощування. Потім ставка прив'язується до продукту, який становить 4 відсотки P₂O₅, а розкидач отримує його як норму продукту. План був правильним. Внесення відрізняється більш ніж на порядок.

Жодна якість моделі не заважає цьому. Конверсійний шар може.

Те саме стосується систем одиниць вимірювання, нормативних граничних значень норм, значень ґрунтових аналізів, вище яких агрономічно правильна норма дорівнює нулю, різниці між тим, що повідомляє лабораторія, і тим, що очікує рівняння. Це не проблеми міркування. Це системні проблеми, і саме вони вирішують, чи безпечно діяти згідно з рекомендацією.

Отже, шари навколо моделі виконують важливу роботу.

Заземлення. Помічник читає власні дані клієнта. Їхні аналізи ґрунту, їхній зібраний врожай, їхню топографію, історію застосування. Не загальну картину агрономії, їхню власну.

Явні параметри. Кожен коефіцієнт, поріг та умова, що використовуються для побудови показника, виводяться на поверхню та можуть бути відредаговані перед генерацією. Якщо агроном не погоджується з припущенням, він його змінює. Число, яке користувач не може перевірити, є числом, яким він не може володіти.

Детермінована математика. Розрахунок тарифу виконується в коді, а не в письмовій формі. Модель вирішує, що обчислювати і чому. Вона не виконує арифметичні дії.

Перевірка перед генерацією. Плани ретельно перевіряються на відповідність агрономічним правилам регіону, а також тим правилам, які клієнт додав до власної бази знань, перш ніж існуватиме єдина карта.

Людське схвалення. Ніщо не потрапляє до машини, поки людина не підпишеться. Це не поступка UX. Це останній і найважливіший рівень.

Що ми оцінюємо

Через усе вищезазначене, оцінка моделі окремо мало що нам говорить.

Високий бал за тест з множинним вибором з агрономії свідчить про те, що модель прочитала підручники. Він не говорить вам, чи правильно система конвертує норму поживних речовин у норму продукту, чи відмовиться рекомендувати фосфор на полі, яке вже має високий рівень тестів, чи помітить, що звіт про ґрунт отримано за методом екстракції, відмінним від того, що передбачає рівняння.

Отже, ми оцінюємо систему від початку до кінця. Чи отримує вона правильні шари з облікового запису клієнта? Чи використовує вона виправдані коефіцієнти? Чи демонструє вона свою логіку? Чи виявляє вона власні помилки, перш ніж вони залишать будівлю? Це важче звести до одного числа, саме тому ми вважаємо, що це правильний показник для вимірювання.

Принесіть свою власну модель

За допомогою MCP ви можете направити власну модель на дані GeoPard та безпосередньо запитати її про свої поля. Деякі з наших більш технічно підкованих користувачів вже це роблять, і ми вважаємо, що це добре. Документація помічника штучного інтелекту охоплює, як це працює.

Варто сказати прямо: коли ви це робите, ви успадковуєте шари. Заземлення, прозорість параметрів, дисципліну одиниць, перевірку, крок затвердження. Цього немає в моделі. Це та частина, яку хтось має створити.

Чому це ставка, а не страховка

Можливості моделі швидко стають комерціалізованими. Кожні кілька місяців межа зміщується, і кожен отримує новий рівень безкоштовно. Ставка на одну конкретну модель – це ставка на тимчасову перевагу.

Шари накопичуються. Вони накопичують агрономічні правила, регіональні домовленості, знання клієнтів та кожен виявлений та усунений нами режим несправності. Це покращується з використанням і не скидається з випуском нової моделі.

Що, власне, й не зовсім так: запитайте, що система робить із неправильною відповіддю. Це говорить вам більше, ніж знання того, яка модель її створила.

Ось асистент робить саме це, від питання до експортованого рецепту, за дві хвилини:

Інтерактивну версію, де видно кожен крок міркування, див. Сторінка помічника GeoPard AI.