المكاسب:
- القدرة على تقليل سؤال التصميم إلى المعايير واللوائح ذات الصلة واستخدام الذكاء الاصطناعي كخريطة بحث
- القدرة على التحقق من أرقام العناصر والمعاملات والقيم التي استشهد بها الذكاء الاصطناعي من النص الرسمي والحالي
- القدرة على التعرف على خطورة هلوسة العنصر والقيمة للنموذج اللغوي وتأكيد كل مخرجات قائمة على المعايير من مصدرها
تعتمد الهندسة المدنية على المعايير واللوائح: TS 500 (الخرسانة المسلحة)، TS EN 1993 (الصلب)، سلسلة Eurocode، TBDY (اللائحة التركية لزلازل البناء)، TS 498 (الأحمال)، أسعار الوحدات التابعة لوزارة البيئة والتحضر ومئات أخرى. يقضي المهندس جزءًا كبيرًا من اليوم في البحث عن إجابات للأسئلة "ما هي المادة، ما المعامل، ما هي القيمة المحددة؟" يمكن أن يكون الذكاء الاصطناعي مسرعًا قويًا في هذا البحث: التذكير بالمعيار الذي يتم تناول الموضوع فيه، وشرح المفهوم، وتلخيص العلاقة بين العناصر. لكن هناك خطرًا كبيرًا هنا: النماذج اللغوية تخطئ في تذكر أو تختلق (تهلوس) أرقام العناصر والمعاملات والقيم. سنرى في هذه الوحدة كيفية استخدام الذكاء الاصطناعي باعتباره "خريطة استقصائية" والتحقق من كل قيمة من النص الرسمي.
استخدام الذكاء الاصطناعي كخريطة بحثية
إن القيمة الحقيقية للذكاء الاصطناعي في الأبحاث القياسية لا تتمثل في إعطائك الإجابة، بل في إظهار المكان الذي يجب أن تبحث فيه. تعمل حالة الاستخدام الجيد على النحو التالي: تسأل الذكاء الاصطناعي عن الموضوع، ويخبرك بالمعيار ذي الصلة والبنود والمفاهيم المحتملة؛ تذهب وتقرأ تلك المقالات من النص الرسمي وتؤكدها. فكر في الذكاء الاصطناعي كأمين مكتبة: فهو يشير إلى الرف الأيمن، لكنك تقرأ الكتاب وتتحقق من الاقتباس.
الأسئلة الأكثر إنتاجية هي:
- "ما هو المعيار/اللائحة التي تنظم هذه المشكلة؟" (إيجاد الطريق)
- "ماذا يعني هذا المفهوم وما هي المعلمات التي يعتمد عليها؟" (التعلم)
- "ما الفرق بين هذين النهجين؟" (مقارنة)
- "هل يمكنك شرح هذا العنصر بلغة واضحة؟" (التفسير)
الأسئلة الأكثر خطورة هي تلك التي تطلب الأرقام وأرقام العناصر بشكل مباشر؛ لا تستخدم هذه الإجابات أبدًا دون تأكيد.
الاستخدام القوي الآخر هو إعطاء نص حقيقي للذكاء الاصطناعي وجعله يفسره. على سبيل المثال، إذا قمت بنسخ النص الرسمي لبند المعايير وقلت "اشرح ذلك بلغة واضحة، ولكن لا تغير أيًا من القيم الموجودة فيه"، فسوف يفسر الذكاء الاصطناعي النص الصحيح أمامك بدلاً من إنتاج الهلوسة. في هذا النهج، بما أن المصدر يأتي منك، فإن خطر الخطأ يقل كثيرًا؛ الذكاء الاصطناعي يعمل فقط على الفهم والتلخيص. نفس المنطق؛ وينطبق أيضًا على جدولة قسم من التنظيم، أو مقارنة فقرتين، أو تقسيم جملة معقدة إلى خطوات. باختصار، بدلاً من "جعل الذكاء الاصطناعي يسأل عن القيمة"، فإن الإستراتيجية الأكثر أمانًا هي "جعل الذكاء الاصطناعي يفسر القيمة الصحيحة".
تنبيه: قد يكون رقم العنصر المقدم من منظمة العفو الدولية (مثل "وفقًا للمادة 7.3.2 من TBDY...") حقيقيًا أو مختلقًا أو خاطئًا. وحقيقة أن رقم العنصر يبدو صحيحًا لا يعني أن محتواه صحيح. يجب قراءة كل بند وقيمة حرفيا من نص اللائحة الرسمية والحالية.
التعرف على الهلوسة وكسرها
الهلوسة (الذكاء الاصطناعي الذي ينتج معلومات غير موجودة على أنها حقيقية) هي الخطر الأول لأبحاث المعايير. الأعراض النموذجية:
- أرقام عناصر محددة للغاية ولكنها غير مؤكدة.
- معلومات الإصدار "الحالي" (قد تكون بيانات تدريب الذكاء الاصطناعي قديمة؛ وربما تم تحديث اللوائح).
- القيم دون تردد، واثق ولكن دون موارد.
- معاملات مشوشة بين المعايير (مثل إسناد قيمة TS 500 إلى الكود الأوروبي).
إن طريقة كسر الهلوسة هي عدم تحميل الذكاء الاصطناعي مسؤولية الموارد. خذ "أين يجب أن أنظر" منه، وخذ "القيمة الدقيقة" من النص الرسمي.
موجه ضعيف / موجه قوي
ضعيف: "ما هو معامل أهمية المبنى وفقًا لـ TBDY؟" (يمكن للذكاء الاصطناعي تكوين رقم واحد؛ لا يوجد سياق وتأكيد.) قوي: "ما هو الموضوع الذي يعتمد عليه معامل أهمية البناء ضمن نطاق TBDY (اللائحة التنظيمية لزلازل البناء التركية) وفي أي قسم يتم تنظيمه؟ - اشرح المفهوم بلغة واضحة - اشرح بشكل عام فئات البناء التي يتغير وفقًا لها - أخبر اسم الجدول/القسم ذي الصلة حتى أتمكن من قراءته وتأكيده بنفسي من النص الرسمي. لا تشكل القيم الرقمية الدقيقة؛ اعرض لي أين أبحث. لاحظ أيضًا أن بيانات التدريب الخاصة بك قد لا تكون محدثة."
تحافظ هذه المطالبة على الذكاء الاصطناعي في وضع إرشادي وتقلل من خطر الهلوسة.
سير عمل التحقق
بالنسبة لكل مخرجات الذكاء الاصطناعي المستندة إلى المعايير، اتبع سير العمل التالي:
خطوة
يجب القيام به
الغرض
1
احصل على الاسم القياسي والجزء ذي الصلة من الذكاء الاصطناعي
اكتشاف الطريق
2
احصل على النص الرسمي/الحالي (المعيار المنشور)
الوصول إلى المصدر
3
اقرأ البند وقيمته حرفياً من النص
تأكيد
4
تحقق مما إذا كان الإصدار/التاريخ محدثًا
الحالية
5
قم بتطبيق القيمة على الحساب وتحقق من الطلب
الاتساق
6
إذا كان الأمر حرجًا، قم بالتأكيد مع المهندس الثاني
موافقة
يعمل هذا التدفق على تعزيز سرعة الذكاء الاصطناعي مع ربط خطر الخطأ بالتخصص الهندسي.
نصيحة: تأكد من الانتباه إلى الإصدار الحالي من المعيار. تتغير اللوائح (على سبيل المثال، تم تحديث لوائح الزلازل بشكل جذري على مر السنين). قد يكون الإصدار الذي "يعرفه" الذكاء الاصطناعي قديمًا. يعد التحقق من النسخة الرسمية الحالية أمرًا إلزاميًا للموافقة على مشروعك.
ثلاث حالات صغيرة
الحالة 1 – المادة المصنعة . يطلب المهندس من الذكاء الاصطناعي الحد الأدنى من التعزيز. تقول منظمة العفو الدولية: "وفقًا للمادة TS 500 11.4.7، يبلغ المعدل 0.3%". يفتح المهندس المواصفة: رقم المادة ذو الصلة مختلف وتختلف القيمة حسب حالة القسم. أعطى الذكاء الاصطناعي كلا من الرقم والقيمة الثابتة بشكل غير صحيح. تأكيد النص الرسمي يتجنب الخطأ.
الحالة 2 - الإصدار القديم. يطلب أحد المهندسين طريقة من الذكاء الاصطناعي لحساب أحمال الزلازل. يشرح الذكاء الاصطناعي منطق اللائحة القديمة التي تم إلغاؤها. يدرك المهندس أن النهج قد تغير وفقًا للائحة الحالية المعمول بها ويحسبها وفقًا للنص الحالي. يؤدي التحقق من الحداثة إلى حفظ المشروع الذي كان على وشك الرفض.
الحالة 3 - الاستخدام الصحيح. لا يعرف المهندس أين يبحث عن متطلبات مقاومة الحريق. يخبرك الذكاء الاصطناعي بالعنوان الذي تندرج فيه المشكلة في المعايير واللوائح ذات الصلة. يذهب المهندس مباشرة إلى هذا القسم ويقرأ القيمة من النص الرسمي. الذكاء الاصطناعي يوفر الوقت، ويتم اتخاذ القرار من المصدر.
الحالة 4 - الارتباك القياسي. مهندس يسأل الذكاء الاصطناعي عن معامل المواد في حساب الخرسانة المسلحة. يمزج الذكاء الاصطناعي معامل Eurocode 2 مع تمثيل TS 500 ويعطيه. ونظرًا لاختلاف فلسفة الأمان وتعريفات المعامل للمعيارين، فإن هذا الخليط يؤدي إلى حدوث أخطاء. يحدد المهندس منذ البداية المواصفة التي يعمل وفقها ويتأكد من قيمتها من نص تلك المواصفة القياسية. الدرس المستفاد: اختر معيارًا واحدًا وقم بتشغيل الحساب بأكمله بشكل متسق ضمن هذا المعيار؛ التدقيق بشكل خاص عندما يتجاوز الذكاء الاصطناعي المعايير.
قوالب سريعة قابلة للنسخ
موجه البحث القياسي: "ما هو المعيار واللوائح التي تنظم الموضوع التالي في تركيا/دوليًا: [الموضوع]. - قم بإدراج الأسماء القياسية ذات الصلة وعناوين الأقسام العامة - اشرح المفاهيم/المعلمات التي يرتبط بها الموضوع - لا تذكر رقم المقالة ورقمها بالضبط؛ أرني أين أبحث - ذكرني أن بيانات التدريب قد لا تكون محدثة."
مطالبة تبسيط المفهوم: "اشرح الشرط المعياري/التنظيمي التالي بلغة واضحة، لكن لا تغير أي قيمة عددية أو حد فيه؛ فقط اشرح معناه. ضع علامة على المكان غير الواضح، لا تختلقه. النص: [الصق البند]"
تحديث / مطالبة المقارنة: "حدد التاريخ الذي قد يتم فيه تأريخ الإصدار الذي تعرفه من [المعيار/التنظيم] وقد يكون الإصدار الحالي الساري مختلفًا. أخبرني ما الذي قد تغير على المستوى العام بين النهج القديم والجديد؛ وسأؤكد القيم الدقيقة بنفسي من النص الرسمي الحالي."
الأخطاء الشائعة
- استخدام رقم المادة والقيمة المقدمة من الذكاء الاصطناعي دون التأكد من ذلك من النص الرسمي.
- عدم التحقق من الإصدار الحالي للمعيار؛ احسب وفقا للائحة القديمة.
- استبدال لغة الذكاء الاصطناعي الواثقة بالموارد.
- عدم ملاحظة المعاملات التي تتداخل بين المعايير (TS/EN/EC).
- السؤال المباشر عن "الرقم الدقيق" وتمهيد الطريق للهلوسة.
- استناد القيمة الحرجة إلى مصدر واحد (AI) وعدم إجراء تأكيد ثانٍ.
باختصار
- استخدم الذكاء الاصطناعي باعتباره "خريطة بحثية" في الأبحاث القياسية، وليس "آلة إجابة".
- الذكاء الاصطناعي قوي في التنقل والتعلم والمقارنة؛ محفوفة بالمخاطر بالنسبة للعنصر والقيمة المحددة.
- الهلوسة هي الخطر الأكبر. تحقق من كل عنصر وقيمته حرفيًا من النص الرسمي الحالي.
- تأكد من التحقق من الإصدار الحالي للمعيار.
- اتبع سير عمل التحقق (الاسم القياسي ← النص الرسمي ← التأكيد ← الحداثة ← الرتبة ← الموافقة).
- لا تعتمد القيم الحرجة على مصدر واحد؛ قم بالتأكيد مع المهندس الثاني إذا لزم الأمر.
مهمة التطبيق
اختر سؤالاً معياريًا/تنظيميًا من عملك الخاص (الحد الأدنى، المعامل، قيمة التحميل). اسأل الذكاء الاصطناعي عن ذلك بتنسيق "خريطة البحث": أي معيار وأي قسم يطلب شرح المفهوم؛ أخبره بعدم تحديد الرقم الدقيق. ثم: (1) ابحث عن الجزء الذي يشير إليه الذكاء الاصطناعي من النص الرسمي، (2) تأكد من القيمة حرفيًا، (3) تحقق من أن الإصدار محدث، (4) قارن ما إذا كان الذكاء الاصطناعي يطابق ما يعطيه النص الرسمي. إذا وجدت تناقضا، فاحفظه.
قائمة مرجعية
- [ ] لقد استخدمت الذكاء الاصطناعي للتنقل/التعلم، وليس للرقم الدقيق.
- [ ] لقد حددت اسم وقسم المعيار ذي الصلة.
- [ ] لقد قمت بتأكيد العنصر والقيمة حرفيًا من النص الرسمي الحالي.
- [ ] لقد راجعت الإصدار الحالي من المعيار.
- [ ] لقد قارنت مخرجات الذكاء الاصطناعي بالنص الرسمي.
- [ ] لقد تأكدت من عدم وجود أي لبس بين المعايير.
- [ ] لقد قمت بتأكيد القيمة الحرجة مع مصدر/مهندس ثانٍ إذا لزم الأمر.