Dünya tarım teknolojilerinde veri seti büyüklüğü sıkça başarı göstergesi sayılıyor. Oysa domates ile çileğin aynı Botrytis enfeksiyonunda farklı zaman ve RNA kesim örüntüleri göstermesi, bağlamı eksik milyonlarca kaydın küçük ama iyi tanımlanmış bir veri setinden daha az taşınabilir olabileceğini gösteriyor. Benim tezim, bitki hastalığı verisinin ürün, çeşit, patojen izolatı, örnek zamanı ve çevre koşulu makinece okunabilir olmadan ölçeklenemeyeceğidir.
Görüntü veya dizi tek başına örnek değildir
Bir yaprak fotoğrafı yalnız piksel; RNA dizisi yalnız baz dizisidir. Karar değeri, hangi bitkiden, hangi belirti evresinde, hangi sıcaklık ve nem geçmişi altında toplandığıyla oluşur. Konukçu türünü bilip çeşidi bilmemek de yeterli olmayabilir; dayanıklılık ve fenoloji veri dağılımını değiştirebilir.
Zaman damgası yalnız dosyanın oluşturulduğu an olmamalıdır. Enfeksiyondan sonra geçen süre, örnekleme saati, uygulama geçmişi ve varsa görüntü ile moleküler örneğin eşleştirme kimliği saklanmalıdır. Böylece farklı araştırmalar aynı olayı gerçekten karşılaştırabilir.
Ortak sözlük ve veri soyu
Ürün, organ, belirti, hastalık şiddeti ve çevre değişkenleri için kontrollü terimler kullanılmalıdır. Serbest metinle yazılan 'erken dönem' veya 'yüksek nem' ifadeleri ülkeler ve ekipler arasında aynı anlama gelmeyebilir. Birim, ölçüm yöntemi ve sensör kalibrasyonu metadata içinde yer almalıdır.
FAIR ilkeleri verinin bulunabilir, erişilebilir, birlikte çalışabilir ve yeniden kullanılabilir olmasını hedefler. Bunun pratik karşılığı yalnız dosyayı açmak değildir; ham veriden temizlenmiş tabloya ve model girdisine kadar dönüşüm adımlarını, sürümü ve lisansı izleyebilmektir.
Aktarım testi ülke ve işletme sınırını görmeli
Bir ülkede toplanan Botrytis verisi başka ülkeye taşındığında çeşit, iklim, yetiştirme sistemi ve görüntüleme cihazı değişir. Model performansı yeni bölgede ürün bazında raporlanmalı; ortalama doğruluk küçük ama önemli alt gruplardaki hatayı saklamamalıdır.
Karşı görüş, ayrıntılı metadata toplamanın saha hızını düşürdüğüdür. Bu nedenle zorunlu çekirdek alanlar kısa tutulup ek alanlar risk bazlı seçilebilir. Ancak konukçu ve zaman bilgisini atmak hız kazancı değil, daha sonra giderilemeyen veri kaybıdır. Küresel ölçek, çok veriden önce ortak anlam ister.
Temel görüş
Bağlamı eksik hastalık verisi farklı ürün ve ülkelere taşındığında model hatasının kaynağı izlenemez.
Türkiye için ne ifade ediyor?
Türkiye'deki üniversite, sera ve teknoloji pilotları ortak çekirdek metadata olarak ürün, çeşit, izolat, organ, zaman, çevre ve örnek-soy kimliğini korumalıdır.
Başvuru kaynakları
Yazıdaki olgusal çerçeve aşağıdaki kaynaklarla desteklendi; yorumlar köşe yazarına aittir.
