Эксперимент начался довольно просто, подкрепленный сочетанием искреннего любопытства и здоровой долей скептицизма. Было решено обратиться к ИИ за помощью в выборе растений для посадки, исходя из типа почвы. Автор статьи открыл чат и ввел алгоритму свои исходные данные: тяжелая глинистая почва, слабокислый pH, сад находится в зоне 7 с полуденной тенью на западной стороне… Затем был запрошен список растений.
Через несколько секунд на экране появился список из двух десятков рекомендаций, аккуратно рассортированных с примечаниями по уходу и рекомендациями по расстоянию между растениями. Ответ был быстрым, уверенным и хорошо отформатированным. Однако, в нескольких тонких, но жизненно важных аспектах он оказался в корне неверным. Не катастрофически неверным, но ошибочным именно так, как можно ожидать от того, кто прочитал все о садоводстве, но на практике ничего не делал.
Несколько обескураживает использование ИИ для такого тактильного занятия, как садоводство. Садоводство с использованием технологий в этом смысле подобно обращению за советом по отдыху к турагенту, который никогда не покидал своего подвала. Они могут показать брошюры, но не смогут рассказать о реальной влажности или выбоинах на дорогах. Автор статьи подходил к этому эксперименту с некоторой осторожностью (даже защитой) к годам, потраченным на обучение. Тем не менее, следует признать, что есть некий азарт в получении списка за считанные секунды, который потребовал бы часа листания потрепанных справочников.
(Источник изображения: Sanddebeautheil / Shutterstock)
Наступает эра, когда технологии могут стать полезным помощником — при условии, что им не позволят полностью взять управление в свои руки. Инструменты ИИ могут быстро генерировать идеи, объяснять концепции и давать садоводу отправную точку. Но они не знают почву в вашем саду. Они не знают вашего микроклимата, особенностей дренажа, как дерево соседа влияет на освещение в июле, или того факта, что уже шесть лет выращивается растение на три зоны дальше от указанного диапазона. Этот разрыв между знаниями ИИ и знаниями, полученными на опыте, делает ситуацию интересной. Вот что было обнаружено, и почему так важно проводить проверку реальностью при использовании ИИ для помощи в саду.
Что ИИ сделал правильно
Справедливости ради, большая часть списка была агрономически обоснованной. Для глинистой почвы и полуденной тени ИИ предложил хосты и астильбы (надежные растения, которые хорошо переносят тяжелую влажную глину), а также эхинацею для более солнечных участков. Предложения по добавлению органических веществ для улучшения дренажа глинистой почвы перед посадкой были точными и разумными.
ИИ правильно отметил, что глина хорошо удерживает влагу в течение зимы, но предостерег от растений, склонных к корневой гнили во влажных условиях, что является фундаментальным советом, применимым в большинстве садов зоны 7 Министерства сельского хозяйства США. Если бы человек оказался посреди нового и пустого участка без понятия, с чего начать, этот список спас бы от некоторых наиболее дорогостоящих ошибок. В общих чертах ИИ работает хорошо.
Инструмент также продемонстрировал свою силу как генератор альтернативных сценариев. Когда ИИ попросили сравнить глинистую почву с хорошо дренированным песчаным суглинком, он мгновенно изменил подход. Были предложены средиземноморские травы, такие как лаванда и розмарин, для песчаной почвы – растения, которые испытывали бы трудности на текущих глинистых грядках. Эта способность мгновенно предоставить сценарий «что, если» — это то, в чем ИИ может преуспеть. Это может помочь визуализировать ограничения почвы, четко показывая, что нельзя выращивать, а что можно.
(Источник изображения: Manfred Ruckszio / Shutterstock)
Однако качество запроса имеет значительное значение, и расплывчатый вопрос дает расплывчатый список. При поиске растений для разных типов почвы запрос вроде «что растет в глине?» возвращает стандартный список из учебника. Но когда был добавлен контекст, уточняющий наклон западной грядки, тот факт, что почва была улучшена, но все еще уплотнена на 15 сантиметров в глубину, результаты заметно улучшились.
ИИ работает эффективнее, когда ему предоставляют больше данных для обработки. Запрос с реальным контекстом начинает давать действительно полезные результаты. В этом случае список сузился, и ИИ начал предлагать виды с более глубокой корневой системой для разрушения твердого слоя почвы. Таким образом, он склонен работать усерднее, когда ему дают больше информации для анализа. Тем не менее, ему все еще не хватает интуиции садовника, который чувствовал сопротивление почвы лопате.
В чем ИИ оказался неэффективным
Вот где стало интересно — и где закон средних величин настиг технологию. ИИ функционирует по закону больших чисел, и в этом случае он рассматривал то, что в целом верно для зоны 7. Но сады не являются средним показателем. Например, инструмент ИИ уверенно рекомендовал несколько растений, которые, как известно, с трудом прижились бы на конкретном участке — не потому, что информация о зоне была неверной, а потому, что микроклимат не соответствовал предположению, заложенному в рекомендацию.
Например, растения мирабели находятся за пределами своей технически указанной зоны. Они хорошо растут в течение многих лет благодаря защищенной стене, обращенной на юг, которая обеспечивает более высокие ночные температуры, чем на окружающем участке, создавая крошечный «банановый пояс», который противоречит местной карте. ИИ не знает о существовании этой стены. При рассмотрении типов почвы для растений и региональных температур, он оперирует номером зоны, а не тепловой средой конкретного угла участка.
(Источник изображения: Summer 1810 / Shutterstock)
Карты зонирования и классификации типов почв — это усредненные данные. Реальные сады полны микроклиматов — низкие места, где рано наступают заморозки, грядки у кирпичных стен, которые долго остаются теплыми, склоны, которые быстро дренируются, в то время как плоские участки остаются влажными. Рекомендации ИИ основаны на обобщениях, которые полезны, пока не сталкиваются с конкретным садом, а большинство садов обладают достаточной спецификой, чтобы нарушить хотя бы некоторые из этих обобщений. Если следовать советам ИИ вслепую, то вы занимаетесь садоводством для участка, который существует на бумаге, а не для того, что за вашей дверью. Этим советам не хватает мышления практика, который наблюдал, как движутся тени по траве осенью и весной.
Более того, ИИ может утверждать ложное с уверенностью ученого. В одном случае он предложил прекрасно звучащее почвопокровное растение, которое, как известно, является инвазивным в данном регионе. Инструмент ИИ не предложил предупреждения, он просто представил растение как идеальное решение. Для новичка такая уверенность может быть опасной. Эта невозмутимая уверенность — особенность того, как эти инструменты общаются, а не показатель точности, и об этом стоит помнить каждый раз, когда список появляется в чате, выглядя авторитетно.
Для устранения потенциальных пробелов, связанных с температурой и типом почвы, всегда рекомендуется тестировать почву. Держите под рукой физический измеритель влажности почвы или набор для определения pH (например, Luster Leaf 4-in-1 Rapitest). Эти инструменты предоставляют фактические данные, которые никакой алгоритм не может угадать.
Что ИИ не может заменить
(Источник изображения: Sanddebeautheil / Shutterstock)
Анализы почвы не становятся излишними из-за того, что ИИ может оценить ее поведение по описанию типов садовой почвы. Публикации сельскохозяйственных служб для конкретного региона не устаревают из-за того, что чат-бот может аппроксимировать их содержание. Разговор с садовником в том же округе, который успешно выращивает различные виды пионов на протяжении 30 лет, дает нечто жизненно важное, что нельзя получить из тысячи строк сгенерированного кода. ИИ опирается на огромный объем общих садоводческих знаний, и это имеет ценность. Но он не опирается на конкретные знания о том, что процветает на данном участке земли, в данном регионе, при данной комбинации переменных. Эти знания по-прежнему принадлежат садоводу.
ИИ также не может уловить душу подготовки почвы. Он может сказать, что нужно добавить органические вещества, но не может передать удовлетворение от наблюдения за изменением текстуры почвы в течение пяти лет целенаправленного мульчирования. Он совершает ошибки, не моргнув глазом. Когда ИИ предложил растение, которое, несомненно, сгнило бы в зимней сырости, он сделал это тем же тоном, которым предлагал хосты. Эта уверенность — особенность технологии, но это не означает, что уверенность всегда равна точности, что является гораздо более тонким и сложным утверждением.
Как на самом деле использовать ИИ
(Источник изображения: Molly Shannon / Shutterstock)
При правильном использовании ИИ является инструментом для мозгового штурма на ранних этапах планирования сада. Он быстр, охватывает большую площадь и может предложить растения или комбинации, которые могли бы не быть рассмотрены. Используйте его как отправной список для перекрестной проверки с региональным руководством по посадке, результатами анализа почвы и знанием о том, какие конкретные условия на данной грядке подходят. Относитесь ко всему, что он предлагает для необычной ситуации, как к гипотезе, а не к рекомендации, и предпримите шаги для проверки любой гипотезы перед посадкой: «Инструмент ИИ считает, что японская лесная трава может здесь подойти — хорошо, давайте сначала проверим дренаж».
Качество запроса действительно изменит качество результата. Поэтому для получения наилучших результатов будьте максимально детализированы. Описывайте грядку, а не только зону. Укажите освещенность, поведение дренажа после дождя, что в настоящее время растет поблизости, что не прижилось там раньше. Упомяните, что на этом месте ничего не росло с тех пор, как строительная бригада припарковала там свои грузовики три года назад. Чем больше контекста вы предоставите и чем более «человечным» будет этот контекст, тем реже ИИ будет опираться на общие зональные обобщения.
Он по-прежнему не будет знать о счастливой теплой стене, которая сохраняет тепло для растений мирабели, или о шести годах наблюдений, стоящих за этим решением о посадке. Но он приблизится к чему-то стоящему рассмотрения, и это разумное ожидание от инструмента, который никогда не был в саду.
Подготовка почвы к весне
(Источник изображения: Denis Shitikoff / Shutterstock)
Прежде чем вводить данные в инструмент ИИ, необходимо знать, с чем вы работаете. С приближением весны наиболее эффективное, что можно сделать, — это провести ленточный тест. Сожмите горсть влажной почвы. Если она остается плотной лентой, у вас глина. Если сразу рассыпается, это песок. Как только станет известно, какой тип почвы у вас есть, можно предпринять шаги по внесению изменений, чтобы вырастить растения, которые действительно хочется.
- Глина и суглинок: Эти тяжелые типы почвы нуждаются в аэрации. Не добавляйте просто песок (который может превратить глину в нечто, напоминающее бетон); вместо этого, включите широкий спектр органических веществ. Если почва чрезмерно кислая, легкое внесение садовой извести, такой как Down To Earth Dolomite Lime, может помочь ее «подсластить», делая питательные вещества более доступными для весенних посадок.
- Песчаные и торфяные почвы: Эти типы находятся на противоположных концах спектра влажности. Песок слишком быстро теряет воду; торф может быть слишком кислым. Для обоих решение часто заключается в увеличении объема. Добавление высококачественного компоста или перепревшего навоза создает губчатый эффект, которого не хватает песчаной почве.
- Для меловой почвы: Этот тип почвы часто имеет высокую щелочность, что может привести к пожелтению листьев (хлорозу). Если есть желание выращивать кислотолюбивые растения, такие как черника или азалии, потребуется использовать добавку элементарной серы для снижения pH, например, Earth Science Sulfur Granules, или просто выбрать растения, которые предпочитают известь.
На самом фундаментальном уровне, можно получить выгоду от ИИ, если готовы расширить круг своих запросов, задавать конкретные вопросы, использовать подробные подсказки и сохранять непредвзятость. Не стоит выносить суждение о том, что предлагает ИИ, пока его выводы не будут подтверждены. И не бойтесь углубляться в поиске правильных комбинаций растений для почвы (и вносить поправки в почву, если это помогает воплотить мечты в реальность). Используйте любые доступные инструменты (будь то высокотехнологичный ИИ или низкотехнологичные лопаты), но оставайтесь любознательными и помните, что каждая ошибка — это новые данные для цветения в следующем году.