Nature Scientific Reports: KRISHI.AI: платформа интерпретируемого машинного обучения для рекомендаций по выбору сельскохозяйственных культур на основе данных.
Точный выбор сельскохозяйственных культур — ключевой фактор, определяющий продуктивность фермерского хозяйства с учётом различных характеристик почвы и климатических условий. Большинство современных рекомендательных систем на базе искусственного интеллекта ограничиваются прогнозами или общими советами, не обеспечивая достаточной прозрачности в отношении обоснования конкретных рекомендаций по выбору культур. В данной статье представлена система KRISHI.AI (название образовано от слова «krishi», означающего на хинди «сельское хозяйство», и аббревиатуры AI — «искусственный интеллект») — платформа на базе объяснимого искусственного интеллекта, предназначенная для рекомендаций по выбору сельскохозяйственных культур на основе анализа данных. Система подбирает подходящие культуры, используя семь агрономических и экологических параметров: содержание азота (N), фосфора (P) и калия (K), уровень pH почвы, температуру, влажность и количество осадков. Решение объединяет модель многоклассового прогнозирования на базе алгоритма LightGBM с методами интерпретации признаков (SHAP) и контрфактическим анализом («что, если») с учётом агрономических ограничений; это позволяет объяснить причины выбора конкретной культуры и показать, как возможные изменения входных условий могут повлиять на рекомендацию. Система использует ансамбль деревьев решений с градиентным бустингом (LightGBM) для формирования высокоточных рекомендаций по 22 классам культур, достигая точности на тестовой выборке 99,39% и макро-усреднённого показателя F1, равного 0,9900. Прогнозы дополняются визуализацией вклада признаков (на основе метода SHAP) и контрфактическим анализом, разъясняющим влияние входных факторов на рекомендации и то, как изменение условий на поле сказывается на пригодности культур. Количественная оценка модуля контрфактического анализа, проведённая на 100 тестовых примерах, показала уровень валидности 94,60%, среднее расстояние изменений признаков по метрике L1, равное 0,18, и среднее число изменённых признаков (2,10) на сценарий, что подтверждает практическую достоверность и лаконичность (разреженность) генерируемых объяснений. Функциональные возможности системы реализованы через интерактивную веб-панель на базе Streamlit, обеспечивающую интуитивно понятную обратную связь в реальном времени и позволяющую фермерам и специалистам сельского хозяйства анализировать различные сценарии принятия решений без необходимости обладать техническими знаниями. Объединяя высокую точность прогнозирования с ориентированной на пользователя интерпретируемостью в рамках единого легковесного решения (модель объемом 4,3 МБ, время отклика 187 мс), KRISHI.AI способствует внедрению доступных и надёжных систем поддержки принятия решений в высокотехнологичном сельском хозяйстве, что особенно актуально для мелких фермерских хозяйств Индии. Показатель 189,3 мс соответствует конфигурации, использованной для профилирования методом абляции, тогда как 187 мс отражает типичную сквозную задержку развёрнутого конвейера обработки данных, зафиксированную в ходе основного эксперимента по вычислительному профилированию. Указанную точность следует рассматривать как эталонный показатель эффективности, а не как свидетельство готовности прогностической модели к непосредственному применению в полевых условиях. поскольку равномерно сбалансированный набор данных не учитывает такие факторы, как шум измерений, пропущенные значения, пространственная неоднородность и сезонная изменчивость, характерные для реальных условий сельского хозяйства. Тем не менее, конвейер интерпретируемости и архитектурные решения создают воспроизводимую основу для прозрачных систем искусственного интеллекта в сельском хозяйстве.