技術要約：SAGE (Scalable Agentic Grounded Evaluation) による農作物病害診断

問題提起

正確な植物病害診断は世界の食料安全保障において極めて重要であるが、汎用性の高いモデルの開発は、主に以下の2つのギャップによって阻まれている。

1. データの不足と断片化： 既存のデータセット（例：PlantVillage、PlantDoc）は、作物の多様性が限定的であり、多くの場合、葉のみに特化しており、構造化され検証可能な症状メタデータが欠如している。そのため、現実の農業で見られる広範な作物や病原体のスペクトラム全体にわたる診断をサポートできていない。
2. 説明可能性とグラウンディング（根拠付け）の欠如： 深層学習や視覚言語モデル（VLM）は、制御されたベンチマークにおいて高い精度を達成しているが、多くの場合「ブラックボックス」として機能する。これらは、追跡可能なドメイン固有の知識源に基づいた、透明でステップ・バイ・ステップの診断的推論を生み出す能力を欠いている。さらに、既存のエージェント的または思考の連鎖（Chain-of-Thought）アプローチの多くは、ファインチューニングを必要とするか、あるいは限定的な作物セット内で動作する。

手法

本論文では、大規模に精選されたデータセットと、トレーニングを必要としないエージェント的診断パイプラインからなるフレームワーク、SAGEを紹介する。

1. SAGE データセット

著者らは、植物病害の画像と症状に関する現時点で最大のデータセットを精選した。これは、335の作物と1,251の病害クラスをカバーする約839,000枚の画像を集約したものである。

• マルチ器官カバレッジ： 葉に焦点を当てた従来のデータセットとは異なり、SAGEには茎、根、種子、耳（穂）、および頭部（穂先）の画像が含まれている。
• ソースに基づいた症状レジストリ： 主要な革新は、自動化された「病害レジストリ・パイプライン」である。モデルが生成した記述に頼るのではなく、このパイプラインは以下の手順を踏む：
  • 権威ある情報源（大学の普及機関、CABI、APSコンペンディアなど）を用い、各病害についてターゲットを絞ったウェブ検索を実行する。
  • 構造化されたフィールド（病原体、影響を受ける器官、症状）を、ソーステキストからの逐語的な引用とともに抽出する。
  • 名称のバリエات（変種）を調整し、ソース間のデータを統合する。
  • フィールドレベルの正確性を検証するために、専門家による監査を受ける。
• 解剖学的インデックス： 画像には可視的な植物器官（葉、茎など）のタグが付与されており、これによりエージェントはテスト画像に存在する器官に基づいて候補となる病害を絞り込むことができる。

2. エージェント的診断パイプライン

コアとなる診断システムは、自律的な推論エージェントであり、タスク固有のトレーニングなし（training-free）で動作する。これは、テスト画像を診断するためにマルチターン・ループを利用する：

1. 観察： エージェントは、テスト画像の解剖学的コンテキスト（器官）と目に見える症状を特定する。
2. 候補の絞り込み： 解剖学的インデックスを使用し、観察された器官に影響を与える病害のみに候補リストをフィルタリングする。さらに、症状レジストリ（利用可能な場合）を使用して候補の優先順位を決定する。
3. 逐次比較： エージェントは、参照予算（$k$）の下で動作する。候補クラスから参照画像を逐次的に選択し、それらをテスト画像と比較して、視覚的な一致と不一致について推論を行う。
4. トレース生成： エージェントは、どの参照画像が閲覧され、比較分析が行われ、最終的な予測に至ったかを記録した、完全に説明可能な推論トレースを作成する。これにより、意思決定プロセスが監査可能になる。

主な貢献

1. SAGE データセット： 確立されたベンチマーク、専門家のコレクション、およびコミュニティのソースから組み立てられた、約83万枚の画像と1,251の病害クラスを持つマルチ作物・マルチ器官データセット。
2. ソース優先の病害レジストリ： 各フィールドのプロバナンス（ソースURLと逐語的な引用）を伴う構造化された症状知識を生成するパイプラインであり、LLMが生成する事実に関連するハルシネーション（幻覚）のリスクを排除する。
3. トレーニング不要のエージェント的パイプライン： モデルのファインチューニングを必要とせず、レジストリと参照画像を活用して、説明可能でステップ・バイ・ステップの推論を実行する診断システム。
4. 体系的な評価： 難易度の異なる4つの作物（ダイズ、トウモロコシ、トマト、マンゴー）にわたる包括的な評価を行い、異なる参照予算（$k$）およびモデルティアをテストした。

結果

評価の結果、構造化された症状知識と参照画像を組み込むことで、診断精度が大幅に向上することが示された：

• 性能向上： 症状知識ベース（KB）を組み込むことで、フル参照予算（$k=8$）において、4つの作物全体で平均16.2パーセントポイント精度が向上した。
  • ダイズ： KB単独（$k=0$時）で14.1 pp向上。
  • トウモロコシ： KB単独で9.1 pp向上。
  • トマト： フルパイプライン（KB + $k=8$）は76.1%の精度に達し、KBなしのベースラインと比較して23.9 ppの改善となった。
• 参照予算： 精度は一般に参照予算（$k$）とともに上昇し、特に病害クラス数が多い作物（ダイズ、トウモロコシ）において顕著な利得が見られた。
• エラーの削減： 混同行列の分析により、フルパイプラインは、KBの症状と参照比較を活用することで、視覚的に類似した病害（例：ダイズの「突然死症候群」と他のダイズ病害の区別）の過剰予測を減少させることが示された。
• モデルへの依存性： 本フレームワークは、モデルの再学習を必要とせず、基盤モデルの向上（例：HaikuからOpusへのアップグレード）から直接恩恵を受ける。これは、エージェントがモデル固有の推論能力に依存しているためである。

重要性と主張

本論文は、SAGEが、植物病害診断における大規模かつ構造化され、検証可能な症状知識の欠如という決定的なボトルネックに対処することを主張している。その重要性は以下の点にある：

• スケーラビリティ： 参照画像と症状知識が利用可能であれば、再学習なしで新しい作物へと拡張できる。
• 説明可能性： シングルパスの分類とは異なり、エージェント的アプローチは透明な推論トレースを提供し、ユーザーが「なぜ」その診断が下されたのか、どの証拠が考慮されたのかを監査することを可能にする。
• 根拠に基づいた信頼性： 症状の記述を逐語的なソース引用に固定することで、システムはハルシネーションを軽減し、診断の主張が権威あるドメイン知識に追跡可能であることを保証する。
• 将来への適応性： システムは、基盤モデルの能力の進歩を自動的に活用するように設計されており、スケーラブルな農業診断のための耐久性のあるソリューションとなる。

著者らは、本研究を、不透明な深層学習モデルを超えて、正確かつ検証可能な人間が読めるドメイン知識に裏付けられた診断システムへと移行するための一歩として位置づけている。