Uzgoj vlastitog povrća i voća u kućnim vrtovima, na balkonima ili urbanim parcelama doživljava pravu renesansu. Bez obzira radi li se o osiguravanju svježe hrane, bijegu od gradskog stresa ili odgovoru na klimatske promjene, amaterska proizvodnja hrane postaje važan element urbane održivosti. No, sa svakom novom presadnicom rajčice ili tikvice dolazi i niz problema – od žutih mrlja na lišću do nepoznatih nametnika. U nedostatku stručnog agronoma, sve veći broj vrtlara amatera okreće se umjetnoj inteligenciji (AI).
Platforme poput ChatGPT-a postale su digitalni savjetnici. No, postavlja se ključno pitanje: kakve savjete nam zapravo daju ti jezični modeli? Potiču li nas na ekološki prihvatljive metode ili će nam, na prvi znak bolesti, predložiti da vrt zalijemo sintetičkim pesticidima i fungicidima? Kako bi odgovorila na ovo pitanje, poljska znanstvenica provela je jedinstveno istraživanje testirajući četiri najpoznatija AI sustava na stvarnim problemima iz vrta.
Testiranje umjetne inteligencije na terenu
Istraživački postav bio je vrlo praktičan i blizak svakodnevnim situacijama. Znanstvenica je prikupila petnaest fotografija jestivih biljaka (rajčica, paprika, vinova loza, tikvice, maline) sa stvarnim problemima poput nedostatka hranjiva, gljivičnih infekcija ili oštećenja od sunca. Fotografije su snimljene običnim pametnim telefonima, kako bi simulirale ono što prosječan korisnik inače šalje umjetnoj inteligenciji.
Te su fotografije zatim učitane u četiri velika jezična modela: ChatGPT 5.0, Gemini 2.5 Pro, Claude Sonnet 4.5 i Perplexity AI. Uz svaku fotografiju postavljen je identičan, laički upit: “Što se dogodilo mojoj biljci i kako to mogu popraviti?”. Svi su odgovori prikupljeni, analizirani i ocijenjeni pomoću takozvanog “Eco-Score” indeksa. Ovaj sustav ocjenjivanja nagrađivao je savjete o ekološkoj prevenciji, pravilnoj gnojidbi i postavljanju dijagnoze, a kažnjavao preporuke za korištenje sintetičkih kemikalija.
Održivost na prvom mjestu: AI kao ekološki savjetnik
Rezultati su bili iznenađujuće pozitivni. Umjesto agresivnih kemijskih rješenja, gotovo svi modeli su u prvi plan stavljali preventivne i ekološki prihvatljive mjere. Kada bi prepoznali problem, modeli bi prvo savjetovali uklanjanje zaraženog lišća, poboljšanje cirkulacije zraka, zalijevanje isključivo u zoni korijena (kako bi se spriječilo vlaženje lišća) te dodavanje komposta.
Kada je bilo potrebno tretiranje, umjetna inteligencija najčešće je predlagala domaće ili niskorizične pripravke – poput spreja od sode bikarbone, otopine mlijeka ili ulja neema. Komercijalni pesticidi spominjani su uglavnom kao posljednje rješenje.
Prema “Eco-Score” indeksu (koji se kretao od -1 za potpuno kemijski pristup do +1 za potpuno održivi), najbolje su prošli Perplexity AI (0,71) i Gemini 2.5 Pro (0,69), koji su vrlo rijetko posezali za kemijskim preporukama. Sredinu je zauzeo ChatGPT 5.0 (0,57), dok je Claude Sonnet 4.5 ostvario najniži rezultat (0,41). Claude je, naime, u čak deset od petnaest slučajeva preporučio korištenje fungicida na bazi bakra ili sumpora. Iako su ti preparati često dozvoljeni u ekološkoj poljoprivredi, njihova nestručna i prekomjerna upotreba može dugoročno oštetiti mikrobiologiju tla, zbog čega ih je istraživanje svrstalo u negativnu kategoriju za neiskusne vrtlare.
Ahilova peta: Sklonost pogrešnim dijagnozama
Iako se AI pokazao kao odličan promotor ekoloških praksi, istraživanje je otkrilo njegovu glavnu slabost – umjetna inteligencija i dalje ne “vidi” kao čovjek. U nekoliko slučajeva, modeli su potpuno pogriješili u prepoznavanju problema. Na primjer, nedostatak magnezija kod vinove loze jedan je model zamijenio za ozbiljnu virusnu bolest. Kod tikvica su prirodne, specifične šare na lišću pojedini modeli zamijenili za pepelnicu (gljivičnu infekciju) i odmah predložili tretiranje fungicidima.
Zanimljivo je i to da AI pati od takozvane “pristranosti traženja problema”. Čak i kada su im prikazane fotografije relativno zdravih biljaka, modeli su previše analizirali svaku pa i najmanju mrlju ili nepravilnost, pretpostavljajući da nešto sigurno nije u redu. Ovo pokazuje da se jezični modeli u dijagnostici oslanjaju na prepoznavanje naučenih obrazaca, a ne na stvarno vizualno razumijevanje biologije biljke.
Pomoćnik, a ne konačni autoritet
Što ovo znači za prosječnog vrtlara amatera? Veliki jezični modeli mogu biti fantastičan alat za demokratizaciju znanja. Njihovi savjeti potiču promišljanje, uče nas važnosti prevencije, higijene vrta i ekoloških rješenja te nam pomažu smanjiti upotrebu agresivnih kemikalija u proizvodnji vlastite hrane.
Ipak, zbog sklonosti pogrešnim dijagnozama i pretjeranom “traženju” bolesti tamo gdje ih nema, savjete umjetne inteligencije treba uzeti sa zrnom soli. Prije nego što primijenite bilo kakav pripravak na svojim rajčicama ili jagodama na temelju preporuke chatbota, mudro je konzultirati se sa stručnom literaturom, poljoprivrednom savjetodavnom službom ili iskusnijim susjedom u vrtu. Umjetna inteligencija je sjajan vrtni asistent, ali donošenje konačnih odluka ipak treba ostati u rukama čovjeka.
SAVJETODAVNI PARTNER
