ትርፍ፡
- በጨርቃ ጨርቅ ውስጥ የ AI አጠቃቀምን ሥነ-ምግባራዊ ፣ የውሂብ ግላዊነት ፣ የቅጂ መብት እና የስራ ኃይል ገጽታዎችን ሙሉ በሙሉ የመገምገም ችሎታ
- መላውን ሞጁል ከጫፍ እስከ ጫፍ ባለው የስራ ሂደት ውስጥ የሚያጣምረው በተሰየሙ የሰዎች ማፅደቂያ ነጥቦች ስርዓትን የመንደፍ ችሎታ
- በድርጅቱ ውስጥ ኃላፊነት ላለው AI አጠቃቀም አስተዳደር ፣ ማረጋገጫ እና ቀጣይነት ያለው ማሻሻያ ማዕቀፍ የማቋቋም ችሎታ
የሞዱል ፈተና
1. በጨርቃጨርቅ ምህንድስና ውስጥ የ AI ውፅዓት አደጋን የሚወስነው መሰረታዊ መርህ የትኛው ነው?
- ሀ) የውጤት አደጋ ውጤቱ የተሳሳተ ከሆነ ከሚያደርሰው ጉዳት ጋር እኩል ነው። የማረጋገጫ ሚዛኖች በዚሁ መሰረት ✔
- ለ) አቀላጥፎ እና በራስ መተማመን የተጻፈ በመሆኑ የ AI ውፅዓት በአጠቃላይ ደህንነቱ የተጠበቀ ነው።
- ሐ) በጣም የአሁኑ ሞዴል ጥቅም ላይ ሲውል ማረጋገጥ አስፈላጊ አይደለም
- መ) ውጤቱ መደበኛውን የሚያመለክት ከሆነ ተጨማሪ ቁጥጥር አያስፈልግም
ማብራርያ፡ የውጤቱ አደጋ ይህ ውፅዓት የተሳሳተ ከሆነ ከሚያደርሰው ጉዳት ጋር እኩል ነው። በሙድቦርድ ሀሳብ ውስጥ ያለ ስህተት ምንም ጉዳት የሌለው ቢሆንም፣ በማቅለሚያው የምግብ አሰራር ወይም በጨርቃጨርቅ ጥንካሬ ስሌት ውስጥ ያለ ስህተት ወደ ባች ብክነት እና የስራ ደህንነት/ኮንትራት ስጋቶች ያስከትላል። ስለዚህ የማረጋገጫ ጥንካሬ ሚዛኖች ሊኖሩ ከሚችሉ ጉዳቶች ጋር።
2. አንድ መሐንዲስ ለክር ጥንካሬ '85 cN/tex for cotton yarn' ያለውን AI ዋጋ ይጠራጠራል። ይህንን ጥርጣሬ ለማረጋገጥ ፈጣኑ ፍተሻ ምንድን ነው?
- ሀ) እሴቱን በሪፖርቱ ላይ በቀጥታ ያስቀምጡ እና በኋላ ላቦራቶሪ ይጠይቁ
- ለ) ከተለመደው የጥጥ ክር ክልል (በግምት 12-22 cN/tex) ጋር የክብደት ንጽጽር ያቅርቡ ✔
- ሐ) ከአምሳያው ተመሳሳይ ጥያቄ እንደገና መጠየቅ እና ሁለተኛውን መልስ ማመን
- መ) እሴቱ የአንድን ምንጭ ማጣቀሻ የያዘ ከሆነ ተቀበል
መግለጫ፡- የቁጥጥር ትእዛዝ ነው። በቀለበት የጥጥ ክር ውስጥ ያለው ጥንካሬ በተለምዶ ከ12-22 cN / ቴክስ ቅደም ተከተል ነው; 85 cN/tex ከፍተኛ አፈጻጸም ያለው ሰው ሰራሽ/አራሚድ ደረጃ ሲሆን በአካል ለጥጥ ምክንያታዊ ያልሆነ ነው። ይህ ቼክ ሴኮንዶችን ይወስዳል እና አብዛኛዎቹን የአሃድ/አይነት ስህተቶችን ይይዛል።
3. ከክር ቆጠራ ስርዓቶች መካከል ለ'ኔ' (የብሪቲሽ የጥጥ ቆጠራ) እውነት የሆነው የትኛው ነው?
- ሀ) ክርው በትልቅ መጠን, ወፍራም ይሆናል.
- ለ) ቀጥተኛ ስርዓት ምንድን ነው, ልክ እንደ ቴክስት በተመሳሳይ አቅጣጫ ይሰራል
- ሐ) ምን ዓይነት ቀጥተኛ ያልሆነ ሥርዓት ነው; በትልቁ ቁጥር ክሩ ✔ ቀጭን ይሆናል።
- መ) ለተዋሃዱ ክሮች ብቻ የሚገለፀው
ማብራሪያ፡- ምን ዓይነት ቀጥተኛ ያልሆነ የቁጥር ሥርዓት ነው፡ ቁጥሩ በበዛ ቁጥር ክሩ ቀጭን ይሆናል። ቴክስ እና ዲኒየር ቀጥተኛ ስርዓቶች ናቸው; በትልቁ ቁጥር ክሩ ወፍራም ይሆናል. ይህንን ልዩነት አለማወቅ በ AI ውፅዓት ውስጥ በቁጥር ትርጓሜዎች ላይ ወደ ከባድ ስህተቶች ይመራል።
4. የጨርቅ ጉድለቶችን በሚያውቅ የምስል ማቀናበሪያ ሞዴል ውስጥ ከፍተኛ 'ሐሰት አሉታዊ' መጠን መኖር ምን ማለት ነው እና ለምን ወሳኝ ነው?
- ሀ) ጉድለት ያለበት ጨርቅ ፍጹም እንደሆነ ተደርጎ ይቆጠራል እና ለደንበኛው ይሰጣል; ✔ በጥራት ውስጥ በጣም አደገኛው የስህተት አይነት
- ለ) ፍጹም የሆነ ጨርቅ እንደ ጉድለት ምልክት ማድረግ አስፈላጊ አይደለም; ቅልጥፍናን ብቻ ይቀንሳል
- ሐ) ሞዴሉ ምንም ጥፋት አያገኝም; ሁልጊዜ ጥሩ ምልክት
- መ) የካሜራው ዝቅተኛ ጥራት
ማብራሪያ፡- የውሸት አሉታዊ ማለት እውነተኛ ጉድለት ‘ፍጹም’ ተብሎ ሲመደብ ነው። ይህ ማለት የተሳሳተው ጨርቅ ወደ ደንበኛው ሄዶ የመመለሻ / መልካም ስም ወጪዎችን ያስከትላል. በጥራት-ወሳኝ አፕሊኬሽኖች ውስጥ፣ ገደቡ በአጠቃላይ የውሸት አሉታዊ ነገሮችን ዝቅ ለማድረግ ተቀናብሯል፣ እና የተጨመሩ የውሸት አወንታዊ መረጃዎች በሰው ፍተሻ ይወገዳሉ።
5. በቀለም አስተዳደር ውስጥ 'Delta E' (ΔE) እሴት ምን ማለት ነው?
- ሀ) በኪሎግራም ቀለም ዋጋ
- ለ) በሁለት ቀለሞች መካከል ያለውን አጠቃላይ የአመለካከት ልዩነት የሚለካው መስፈርት ✔
- ሐ) የጨርቁ ብርሃን ማስተላለፊያ
- መ) በዲግሪዎች ውስጥ የማቅለም ሙቀት ዋጋ
መግለጫ፡ ዴልታ ኢ በCIELAB የቀለም ቦታ ውስጥ በሁለት ቀለሞች መካከል ያለውን አጠቃላይ የአመለካከት ልዩነት የሚለካው መስፈርት ነው። ትናንሽ የ ΔE ዋጋዎች ቀለማቱ ቅርብ መሆናቸውን ያመለክታሉ; በጨርቃጨርቅ ውስጥ፣ ከቡድን ወደ ባች መቀበል መቻቻል ብዙውን ጊዜ በ ΔE ውስጥ በውል ይገለጻል። ስለዚህ, 'የተያዘው ቀለም' የሚለው ጥያቄ መለካት ያስፈልገዋል.
6. ሁለት ናሙናዎች በአንድ የብርሃን ምንጭ ስር አንድ አይነት ሲመስሉ እና በሌላ የብርሃን ምንጭ ስር ሲለያዩ ምን ይባላል እና በቀለም አስተዳደር ውስጥ አስፈላጊ የሆነው ለምንድነው?
- ሀ) ሜታሜሪዝም; የቀለም ማረጋገጫ በበርካታ መደበኛ የብርሃን ምንጮች ✔ ስር መደረግ አለበት
- B) ፍሎረሰንት; ቀለም በሁሉም ሁኔታዎች ተመሳሳይ ይመስላል
- ሐ) ግልጽነት; የቀለም ልዩነት እንደ ውፍረት ብቻ ይወሰናል
- መ) መለኪያ; ማያ ገጹን ብቻ ይመለከታል
መግለጫ፡- ይህ ክስተት ሜታሜሪዝም ይባላል። የተለያዩ የእይታ ነጸብራቅ ያላቸው ሁለት ቀለሞች በተወሰነ ብርሃን ስር ሊመሳሰሉ እና በሌላ ብርሃን ሊለያዩ ይችላሉ። ስለዚህ, የቀለም ማረጋገጫ በአንድ የብርሃን ምንጭ ላይ መከናወን የለበትም, ነገር ግን በበርካታ ምንጮች (ለምሳሌ D65, TL84, A) በመደበኛ የብርሃን ዳስ ውስጥ.
7. ከጄነሬቲቭ AI ጋር የተሰራውን የጨርቃጨርቅ ንድፍ ለንግድ ከመጠቀም በፊት በጣም አስፈላጊው የህግ ፍተሻ ምንድን ነው?
- ሀ) የስርዓተ-ጥለት ቀለሞችን ቁጥር መቀነስ
- ለ) የስርዓተ-ጥለት የፋይል መጠን መቀነስ
- ሐ) ተመሳሳይነት / ጥሰት እና የቅጂ መብቶችን ከነባር የተጠበቁ ንድፎች ማረጋገጥ ✔
- መ) ንድፉን በከፍተኛ ጥራት ብቻ ያስቀምጡ
ማብራሪያ፡- የተመረተው ስርዓተ-ጥለት ከነባር የተጠበቁ ዲዛይኖች፣ የንግድ ምልክቶች ወይም የቅጂ መብት ከተጠበቁ ስራዎች ጋር ተመሳሳይነት/መጣስ መኖሩን ማረጋገጥ እና የአምሳያው የስልጠና መረጃ እና የውጤት መብቶችን በተመለከተ እርግጠኛ ያልሆኑትን መገምገም ያስፈልጋል። ኦሪጅናልነቱን እና ጥሰትን ሳያረጋግጡ መነገድ የቅጂ መብት ሙግት አደጋን ይፈጥራል።
8. በ SKU ፍላጎት ትንበያ የ AI ውፅዓት ለማረጋገጥ በጣም ጠንካራው አቀራረብ ምንድነው?
- ሀ) በአምሳያው የተሰጠውን ነጠላ ነጥብ ትንበያ ወደ የትዕዛዝ ብዛት መለወጥ
- ለ) ካለፉት ሽያጮች ጋር መፈተሽ እና የስህተትን ህዳግ በንግድ ፍርድ ማጣሪያ ✔ መገምገም
- ሐ) ከፍተኛውን ግምት መምረጥ እና ከመጠን በላይ ክምችት ማስቀመጥ
- መ) አዝማሚያው በጣም ታዋቂ ከሆነ ትንበያውን በእጥፍ
ማብራሪያ፡ ትንበያው ካለፈው የሽያጭ ግንዛቤ ጋር በመፈተሽ በንግድ ስራ ዳኝነት እንደ ክምችት፣ ዘመቻዎች፣ ወቅታዊነት፣ ወዘተ.
9. በምርት መርሐግብር ውስጥ የቀለም ስብስብ ቅደም ተከተል ከ 'ከብርሃን ቀለም ወደ ጥቁር ቀለም' ዋናው ምክንያት ምንድን ነው?
- ሀ) ጥቁር ቀለሞች ርካሽ ናቸው
- ለ) የቀለም ብክለትን እና የማሽን ማጽጃ ጊዜን መቀነስ ✔
- ሐ) የብርሃን ቀለሞች ረዘም ላለ ጊዜ ይቆያሉ
- መ) የውበት ምርጫ ብቻ ነው።
ማብራሪያ: በተመሳሳይ ማሽን ውስጥ ከጨለማው ቀለም በኋላ ቀለል ያለ ቀለም ከተቀባ, የማጽዳት / የመበከል አደጋ እና ተጨማሪ የመታጠብ ጊዜ ይጨምራል. ከብርሃን ወደ ጨለማ መደርደር የቀለም ስሚር እና የማሽን ማጽጃ ጊዜን በመቀነስ ቅልጥፍናን ይጨምራል። የ AI ምክሮች ይህንን የሂደት ገደብ ማካተት አለባቸው.
10. የጨርቁን የአካባቢ አሻራ በሚዘግቡበት ጊዜ፣ በአይአይ በተመረተው እንደ 'እንደገና ጥቅም ላይ የዋለ ፖሊስተር የውሃ አጠቃቀምን በ90% ይቀንሳል' ለሚለው ጥያቄ ትክክለኛው አመለካከት ምንድን ነው?
- ሀ) የይገባኛል ጥያቄውን በማርኬቲንግ ኮፒ ውስጥ እንዳለ ማስቀመጥ
- ለ) የይገባኛል ጥያቄውን ያለ ማረጋገጫ ከስርዓት ወሰን ፣ ከመረጃ ምንጭ እና የምስክር ወረቀት ✔ ጋር አለመጠቀም
- ሐ) ቁጥሩ ከፍ ያለ ከሆነ የይገባኛል ጥያቄው ጠንካራ እንደሆነ መገመት
- መ) ቁጥሩን ያዙሩት እና ያትሙት
ማብራሪያ፡- እንዲህ ዓይነቱ የይገባኛል ጥያቄ የሥርዓት ወሰን (ክራድል-ወደ-በር ወይም በር-ወደ-በር)፣ የውሂብ ምንጭ እና ወሰን ሳይገለጽ ትርጉም የለሽ ነው። ሊረጋገጥ በሚችል የኤልሲኤ መረጃ እና የምስክር ወረቀት ላይ የተመሰረተ መሆን አለበት። አለበለዚያ አረንጓዴ ማጠብ እና ህጋዊ አደጋ ሊፈጠር ይችላል. የ AI ቁጥሮች ምክንያታዊ ቢመስሉም, እነሱ በተናጥል የተገኙ ናቸው.
11. ፓንዳዎችን ከፓይዘን ጋር በመጠቀም የምርት መረጃን ሲተነተን በ AI የተጻፈውን ኮድ ለማረጋገጥ የመጀመሪያው እርምጃ ምን መሆን አለበት?
- ሀ) ኮዱ ያለስህተቶች ከሰራ ውጤቱን በትክክል ይቀበሉ
- ለ) ውጤቱን በእጅ ያሰሉ እና አሃዱን እና አመክንዮውን በትንሽ ዳታ ናሙና ✔ ያረጋግጡ
- ሐ) ኮዱን በቀጥታ ወደ ምርት ዘገባ ማከል
- መ) ግራፉ ጥሩ ሆኖ ከተገኘ, የተጠናቀቀውን ትንታኔ ግምት ውስጥ ያስገቡ.
ማሳሰቢያ: ኮዱ ቢሰራም, አመክንዮው ትክክል ስለመሆኑ ዋስትና አይሰጥም; በእጅ የሚሰራ የሂሳብ ቼክ በክፍል, በአምድ ማዛመጃ እና በበርካታ ረድፎች ላይ መደረግ አለበት. ለምሳሌ፣ ሰዋሰው አማካኝ ሲሆኑ፣ የተሳሳተ መቧደን ወይም ክፍል ግራ መጋባት በጸጥታ የተሳሳተ ውጤት ሊያስገኝ ይችላል። በትንሽ ናሙና, በእጅ ማረጋገጥ በጣም ፈጣኑ ማረጋገጫ ነው.
12. የጨርቃጨርቅ ማምረቻ መረጃን ወደ AI መሳሪያ ሲላክ ከመረጃ ግላዊነት አንፃር የተሻለው አሰራር ምንድነው?
- ሀ) ሁሉንም ትክክለኛ የደንበኛ እና የመድሀኒት ማዘዣ መረጃን እንደዚሁ ይላኩ።
- ለ) ሚስጥራዊነት ያለው መረጃ እንዳይታወቅ እና በተወካይ መለያዎች እና በድርጅት ፖሊሲ ✔ ይላኩት
- ሐ) ብዙ ውሂብ ስላለ ግላዊነት አስፈላጊ አይደለም ብሎ ማሰብ።
- መ) የፋይሉን ስም ብቻ ይለውጡ እና ይዘቱን እንደነበሩ ይላኩ
ማብራሪያ፡ እንደ የደንበኛ ስም፣ የምግብ አዘገጃጀት ሚስጥር፣ የዋጋ እና የአቅራቢ መረጃ ያሉ ሚስጥራዊነት ያላቸው መረጃዎች ማንነታቸው መደበቅ ወይም በተወካይ መለያዎች መሰጠት አለባቸው (ደንበኛ-A፣ Recipe-1)። የንግድ ሚስጥሮች እና የግል መረጃዎች የድርጅት ፖሊሲዎችን እና ስምምነቶችን በመጣስ ወደ ሶስተኛ ወገን ሞዴል መተላለፍ የለባቸውም።
13. የምስል ማቀናበሪያ ሞዴል በአምራች መስመር ላይ 98% ትክክለኛነትን ያሳያል ነገር ግን በመስክ ላይ ብዙ ጉድለቶችን አምልጧል። ለዚህ በጣም ሊከሰት የሚችል ምክንያት ምንድን ነው?
- ሀ) ሚዛናዊ ባልሆነ መረጃ ምክንያት ትክክለኛነት አሳሳች ነው; የጉድለት ክፍል ስሜታዊነት (ማስታወስ) ዝቅተኛ ✔ ነው።
- ለ) ሞዴሉ በጣም በዝግታ ይሠራል
- ሐ) ካሜራው ቀለም ስለሆነ
- መ) 98% ቀድሞውኑ ፍጹም ነው, ችግሩ ከኦፕሬተር ጋር ነው
ማብራሪያ፡- ጉድለት ያለባቸው ናሙናዎች በመረጃ ስብስብ ውስጥ በጣም ጥቂት ሲሆኑ (የተመጣጠነ መረጃ) ሞዴሉ ሁሉንም ነገር 'ፍፁም' ብሎ በመጥራት ከፍተኛ ትክክለኛነትን ሊያመጣ ይችላል ነገርግን ትክክለኛ ጉድለቶችን መያዝ አይችልም። ስለዚህ ትክክለኛነት ብቻውን አሳሳች ነው; ለጉዳቱ ክፍል ትብነት (ማስታወስ) እና ትክክለኛነት መከታተል አለባቸው።
14. በሞጁሉ ውስጥ አጽንዖት በተሰጠው ቁልፍ መርህ መሰረት, AI በደህንነት እና በውል-ወሳኝ የጨርቃጨርቅ ውሳኔዎች ውስጥ ያለው ሚና ምንድን ነው?
- ሀ) AI ፈጣን ስለሆነ በራሱ ወሳኝ ውሳኔዎችን ሊያደርግ ይችላል
- B) AI ረዳት ነው; ወሳኝ ውሳኔዎች የሚረጋገጠው ብቃት ባለው መሐንዲስ ይሁንታ እና የአካል ምርመራ ✔ ነው።
- ሐ) AI ውፅዓት የተፈረመውን ሪፖርት ይተካል።
- መ) በጣም የአሁኑ ሞዴል ጥቅም ላይ ሲውል የሰው ልጅ ማረጋገጫ አስፈላጊ አይደለም
መግለጫ: AI ረዳት እና አፋጣኝ ነው; መላምቶችን ያመነጫል, ረቂቆችን ያዘጋጃል, ንድፎችን ይይዛል. ነገር ግን፣ እንደ የምግብ አዘገጃጀት ቀለም መቀባት፣ የጥራት መቀበል፣ የጥንካሬ/የደህንነት ግምገማን የመሳሰሉ ወሳኝ ውሳኔዎች ብቃት ያለው መሐንዲስ ይሁንታ እና የአካል ምርመራ ያስፈልጋቸዋል። የ AI ውፅዓት የባለሙያ ማፅደቅን የሚተካ አይደለም።