PesquisaPesquisa Heinstell
Por que treinamos modelos pequenos para grandes lavouras
Nossa equipe de pesquisa explica por que um modelo especializado na fazenda supera um modelo genérico na nuvem na maioria das decisões agronômicas.
Os modelos de IA de uso geral são impressionantes, mas a maioria das decisões na fazenda é bem específica. Isto é uma planta daninha ou a cultura? Esta vaca está andando de um jeito diferente da semana passada? Perguntas específicas combinam com modelos pequenos e especializados, e modelos pequenos podem rodar onde as perguntas surgem.
Três coisas que aprendemos
- Dados locais valem mais do que mais dados. Um modelo calibrado com uma única safra de imagens da própria fazenda muitas vezes supera outro treinado com muito mais dados genéricos.
- A latência é uma variável agronômica. Uma decisão que chega depois que o pulverizador já passou não vale nada.
- A confiança acompanha o controle. Os produtores dão mais retorno, e corrigem mais erros, quando sabem que os dados ficam com eles.
O melhor modelo para um talhão é aquele que já conheceu esse talhão.
Ainda este ano, publicaremos o método de avaliação por trás desses resultados, incluindo as fazendas e as condições em que foi testado.