下一章 上一章 目录 设置
12、不知道不算答案 省农业专项 ...
-
省农业专项进入现场考察后，禾象实验室召开“可信AI攻坚会”。
会议的第一项攻坚任务，是删除模型里最可信的功能。
詹炜认为“不确定”输出在直播中制造了舆情风险。虽然宣传部成功把叶穗的现场质疑剪成严谨故事，但评论区仍有人追问：既然模型经常不知道，所谓十秒识病是不是名不副实。
“公众不理解概率。”詹炜说，“我们必须降低沟通门槛。”
林照野说：“降低门槛不等于删除风险提示。”
“不是删除，是后台保留。前端给出最可能结果，同时用小字提醒仅供参考。”
“用户只会看大字。”
“那是用户习惯问题。”
“系统设计要考虑用户习惯。”
“所以我们才把结果做得明确。”
可信AI在这里被解释成，让用户更容易相信AI。
柏颂展示新页面。原来灰色框的位置换成绿色框，每个样本至少给出一个病名。若最高置信度低于阈值，页面会在右下角显示一个圆形问号，鼠标悬停后出现“建议结合实际情况判断”。
现场考察用的是触摸大屏，没有鼠标。
林照野问问号怎么悬停。
柏颂说后续适配触摸交互。
“现场考察在后天。”
“所以先保证主流程。”
叶穗把新页面装到平板，拿塑料水稻测试。系统给出“叶枯病，88.2%”。
“假的也有病？”她问。
柏颂说模型没见过仿真作物，属于分布外样本。
“没有不确定以后，分布外也必须生一种病。”
“页面建议结合实际判断。”
“判断它是塑料？”
詹炜把讨论拉回项目考察。他强调专家会随机抽样，连续出现“不知道”会让人怀疑团队数据基础。三年项目要看发展潜力，现场系统应展示最佳能力，而不是最坏边界。
“边界不是最坏情况。”林照野说，“边界是能力的一部分。一个系统不知道自己不会什么，才是最坏。”
“你这套理论适合论文，不适合展示。”
“项目最终要落地。”
“落地前会完善。”
“不确定模块已经有了，为什么反而删？”
“因为当前阶段需要平衡。”
“平衡什么？”
“科学严谨和发展机会。”
“这两者为什么相反？”
詹炜没有立即回答。他把手中笔放下，语气从讨论转为结论。
“照野，项目负责人要对整体负责。你对一个模块负责，当然希望它完整保留；我还要考虑学校竞争、团队经费、学生发展和学科未来。不能把技术正确当成唯一正确。”
这句话让会议结束得很顺利。任何“唯一正确”都显得傲慢，而整体负责的人自然拥有更多正确。
任务下达：柏颂负责展示版，删除显式不确定；林照野保留研究版，不得影响现场；叶穗准备一百片考察样本，要求类别均衡、图像清晰；罗竞川负责无人机，但不得临场评论。
“不得评论”被写进任务表备注。
罗竞川看完：“我现在是静音飞手。”
当天晚上，林照野收到代码合并请求。柏颂删除了七十三行不确定性判断，把所有低置信样本强制归入最高类别。提交备注写：
【优化交互，增强用户体验。】
林照野拒绝合并。
五分钟后，平台管理员绕过评审直接合并。仓库记录显示操作账号为CHENG_YANTAI。
林照野在问题追踪系统新建一条高优先级风险：
【展示版在分布外样本上强制输出类别，可能误导用户；建议恢复拒识机制。】
柏颂把优先级从“高”改成“建议”，状态从“待解决”改成“已知限制”。
“已知”是一种奇妙的状态。它听起来比“不知道”高级，又不要求任何人解决。
夜里，叶穗仍在挑选一百片考察样本。柏颂要求从现有测试集选择“代表性强”的图片。她按独立田块划分后，能稳定识别的只剩四十三片；若从增强测试集挑，九十多片都能正确。
“随机抽样为什么由我们挑？”她问。
柏颂说：“我们先建样本池，专家在池内随机。”
“池是谁定的？”
“团队。”
“那不是随机，是先决定哪些可以被随机。”
“任何抽样都有总体范围。”
“真实总体应该是田间所有可能的叶子。”
“你让专家去田里摘，时间不可控。”
“他们可能真去。”
“所以准备两套预案。”
第一套在室内，用精选样本；第二套去田里，由工作人员提前在可控区域布置样本卡。现场若专家坚持随机摘叶，宣传部负责引导路线，技术组远程调整类别。
叶穗看完预案，问：“这叫现场考察？”
柏颂说：“考察的是平台建设能力，不是给系统设置陷阱。”
第二天，吴兰因来实验室送病叶鉴定表。她看到新页面，随手把一片缺氮黄化叶放到相机下。系统显示“稻瘟病，73.6%”。
“错。”她说。
又放一片虫咬叶。
“纹枯病，61.2%。”
“也错。”
再放一片被太阳灼伤的叶。
“白叶枯病，58.4%。”
“还是错。”
三次错误都有明确答案，没有一个灰框。
吴兰因问：“你们为什么不让它说认不出来？”
叶穗指了指会议纪要：“不知道不算答案。”
吴兰因把三片叶拍照，要求作为现场考察备查样本。柏颂说样本尚未进入模型覆盖范围，不宜代表系统能力。
“它们都是真田里来的。”
“项目现阶段聚焦典型病害。”
“你页面写的是作物健康智能诊断。”
“标题是整体方向。”
“病名是具体答案。”
“所以需要农学专家复核。”
“专家复核以前，为什么给农民看具体病名？”
柏颂没有再解释。他提出页面可以加一句“请咨询专业农技人员”。吴兰因说那不如只显示农技站电话，准确率会更高。
现场考察前夜，实验室全员加班。大屏循环播放绿色识别框，每一片叶子都有病名，像一场秩序井然的门诊。塑料水稻被暂时搬进储物间，避免它再次患病。
林照野把研究版单独打包，文件名写成“with_rejection”。他在说明文档中记录阈值、风险和三片田间反例，并把哈希发给叶穗和自己。
詹炜巡查时，看见他仍保留灰框版本。
“研究可以继续，现场不要节外生枝。”
“如果专家拿陌生样本呢？”
“展示版会给答案。”
“错答案呢？”
“现场由你解释。”
“解释模型为什么不肯承认不会？”
詹炜沉默片刻。
“你要学会先回答，再解释。”
“如果不知道？”
“不知道也要给出当前最优判断。领导、专家、用户找你，不是为了听一句不知道。”
他说完走向大屏。绿色框在他身后的叶片上不断跳动，迅速、明确、毫不迟疑。
那一晚，禾象模型学会了一个组织里最重要的能力：
无论有没有根据，都必须像掌握答案。
