كيف نصادق على كل تشخيص يقترحه الذكاء الاصطناعي

نستقبل صورة. ونعيد اسم آفة، ومنتجًا معتمدًا، وجرعة. وبين الاثنين سلسلة نمتنع عمدًا عن أتمتتها بالكامل.

الذكاء الاصطناعي يقترح فرضية، لا حكمًا

يتلقّى النموذج الصورة ونوع المحصول المصرَّح به. ويعيد التعريفات الثلاثة الأرجح، مع درجة ثقة لكل منها. ولا يعيد أبدًا جوابًا واحدًا: فورقة مصفرّة تتوافق مع نقص عنصر، ومع اختناق جذري، ومع ثلاثة أمراض.

وحين تنزل الفرضية الأولى تحت عتبة الثقة، أو حين تتقارب الفرضيتان الأوليان أكثر من اللازم، تُوسَم التذكرة بالأولوية في قائمة المهندس.

المهندس يقرّر، ويمكنه أن يعيد السؤال

يرى المهندس الصورة، وفرضيات النموذج، والمحصول، والبلدية، وأحوال الطقس في الأيام السبعة الأخيرة. وهذا الأخير مهمّ: فبقعة بنية بعد ثلاث ليال رطبة لا تُقرأ مثل البقعة نفسها بعد عشرة أيام من الرياح الجافة.

فيؤكّد، أو يصحّح، أو يطلب صورة ثانية — غالبًا للوجه السفلي للورقة، وهو وحده يحسم نصف الحالات الملتبسة.

الوصفة مُصفّاة، لا مولَّدة

بمجرد تأكيد الآفة، لا تخرج المعالجة من النموذج. بل تأتي من كتالوج المنتجات المعتمدة، مُصفّاة على ثلاثة معايير صارمة: الترخيص على المحصول المعني، والنجاعة ضد الآفة المحدَّدة، ومهلة ما قبل الحصاد المتوافقة مع مرحلة القطعة.

وإذا لم يجتَز أي منتج المرشّحات الثلاثة، لا يقترح التطبيق شيئًا ويحرّر المهندس ردًّا يدويًا. نفضّل جوابًا بطيئًا على توصية غير قانونية.

ما الذي نقيسه

يُسجَّل كل تصحيح من مهندس بوصفه فارقًا بين فرضية النموذج والتشخيص المعتمد. وتغذّي هذه الفوارق إعادة التدريب، والأهم أنها تُقرأ: فآفة يخطئ النموذج في تحديدها باستمرار تشير إلى ثغرة في مجموعة البيانات، لا إلى يوم سيّئ للنموذج.

والقاعدة التي تمسك هذا كله لم تتغيّر منذ اليوم الأول: لا تخرج نصيحة دون أن يوقّع عليها مهندس زراعي.