مقدمة للذكاء الاصطناعي في علم المعادن: الحدود والتحقق والمسؤولية والأخلاق

المكاسب:

• القدرة على التمييز بين المجالات التي يوفر فيها الذكاء الاصطناعي الوقت الفعلي في سير عمل المعادن والمواد وأين يجب أن تظل المسؤولية الحرجة للسلامة على عاتق المهندس، بناءً على مستوى المخاطر.
• القدرة على تنفيذ نظام التحقق من ثلاث طبقات الذي يختبر كل مخرجات الذكاء الاصطناعي مقابل الحسابات القياسية والمستقلة والتجارب المعملية
• القدرة على إخفاء هوية السياق واختيار الأداة الآمنة لحماية وصفة السبائك السرية ومعلمات العملية وبيانات العميل

بينما تدور الشفرة التوربينية لمحرك الطائرة مئات المرات في الثانية عند درجة حرارة 1400 درجة مئوية، فأنت الشخص الذي يقرر ما هي السبائك الفائقة (سبيكة خاصة تحافظ على قوتها في درجات الحرارة المرتفعة) التي ستصنع منها تلك الشفرة، وما هي المعالجة الحرارية التي ستخضع لها وعدد آلاف الساعات التي ستستمر فيها: مهندس المعادن أو مهندس المواد. كل قرار تتخذه في هذه المهنة يحدد إما بقاء الهيكل أو تلفه. ويمكن للذكاء الاصطناعي (اختصارًا الذكاء الاصطناعي: الأنظمة البرمجية التي تعالج النصوص والأرقام والصور وتنتج اقتراحات) أن يسرع من هذه القرارات؛ لكنه لا يستطيع تحمل المسؤولية عنك أبدًا. تعلمك هذه الوحدة مكان استخدام الذكاء الاصطناعي بأمان في أعمال المعادن والمواد، وأين يكون ذلك خطيرًا، ولماذا يتعين عليك التحقق من صحة كل مخرجات الذكاء الاصطناعي باستخدام المختبر والمعايير والتجربة.

المبدأ الأساسي الذي ستستخدمه خلال هذه الوحدة هو: الذكاء الاصطناعي هو مساعد، وليس صانع قرار. لا تصبح خاصية المادة أو القيمة الحدية أو العنصر القياسي أو وصفة المعالجة الحرارية صحيحة لمجرد أن "الذكاء الاصطناعي قال ذلك"؛ وهي مجرد فرضية حتى يتم التحقق منها بالقياس والمرجعية والحكم الهندسي. ستشاهد هذه الجملة مرة أخرى في كل وحدة من الوحدة، لأنه في علم المعادن، غالبًا ما يعني الرقم الخاطئ جزءًا مكسورًا.

ما هو LLM، ماذا يفعل في علم المعادن؟

LLM (نموذج اللغة الكبيرة) هو برنامج يتعلم الأنماط من أجزاء كبيرة جدًا من النص ويتنبأ بـ "الكلمة التالية" بناءً على الاحتمالية. هذا هو محرك أدوات مثل ChatGPT وClaude وGemini. النقطة المهمة هي أن LLM هي "مُقدِّر لغة"، وليست "قاعدة معرفية". يتحدث المصطلحات المعدنية بطلاقة، لكنه لا يقيس عددًا؛ ينتج الرقم الذي يبدو على الأرجح. لذلك، قد يعطي إجابات واثقة ولكن غير صحيحة حول قوة الخضوع، أو درجة حرارة الانصهار، أو رقم البند الخاص بالمعيار. وهذا ما يسمى الهلوسة (التلفيق). الهلوسة ليست خللاً، بل هي سمة متأصلة في هذه التكنولوجيا؛ ولذلك، فإن التحقق ليس "خطوة إضافية" ولكنه جزء لا يتجزأ من الوظيفة.

المهام التي يكون فيها الذكاء الاصطناعي قوياً في علم المعادن:

• شرح المفهوم والتدريس: ما هو تحول مارتنزيت، ولماذا هو صعب وهش؛ ما هو الفرق بين سهل الانصهار و eutectoid؟
• إنشاء قائمة فرضيات: إنشاء قائمة منهجية لسبب حدوث المسامية (الغاز أو الفراغات الناجمة عن الانكماش) ​​في عملية الصب.
• إنتاج النص: مسودة تقرير تحليل الأضرار، مسودة WPS (مواصفات إجراء اللحام)، العرض التقديمي، البريد الإلكتروني.
• الترميز: تنظيف البيانات والرسومات والنصوص الحسابية البسيطة (بايثون).
• تلخيص البيانات وتنظيم الجدول: تحويل نتائج الاختبار الفوضوية إلى جدول منظم.
• العصف الذهني: العناصر المرشحة، أفكار المصفوفة التجريبية لتصميم السبائك.

حيث يكون الذكاء الاصطناعي ضعيفًا ومحفوفًا بالمخاطر:

• إعطاء قيمة عددية دقيقة (الخاصية، القيمة الحدية، التركيب الكيميائي).
• البند القياسي الحالي/المحدد ومعلومات الإصدار.
• التشخيص بدون بيانات القياس الفعلية لمنشأتك.
• القرار الحاسم للسلامة: صلاحية الطيران/قابلية الخدمة للجزء.

التصنيف على أساس المخاطر: التصفية قبل استخدام الذكاء الاصطناعي

ليست كل مهمة على نفس مستوى المخاطرة. قم بتصنيف المهمة حسب مستوى المخاطرة قبل استخدام الذكاء الاصطناعي. يوفر الجدول أدناه إطار عمل القرار الذي ستستخدمه خلال هذه الوحدة.

مستوى المخاطر

مهمة عينة

دور الذكاء الاصطناعي

التحقق الإلزامي

منخفض

شرح المفهوم، مسودة النص، الهيكل العظمي للكود

الاستخدام المجاني

المراجعة كافية

متوسطة

إعداد الحساب، قائمة الفرضيات، ملخص الأدبيات

مسودة/مؤلف مشارك

التحكم اليدوي + تأكيد المصدر

عالية

اختيار المواد، وصفة المعالجة الحرارية، وقيمة الحد

مولد الفكرة

معيار + اختبار معملي

حرجة

إمكانية الخدمة/صلاحية الطيران، السبب الجذري للضرر، الشهادة

مسودة فقط

اختبارات معتمدة + موافقة المهندس المعتمد

نصيحة: إذا قمت بوضع علامة على مهمة على أنها "حرجة"، فإن مخرجات الذكاء الاصطناعي لن تكون المستند النهائي أبدًا. على الأكثر، يمكن أن تكون مسودة أولية أو قائمة مرجعية؛ ويتولى المهندس المعتمد التوقيع والمسؤولية.

التدفق الشامل: دمج الذكاء الاصطناعي في سير عملك

تسير دورة حل المشكلات النموذجية في أعمال المعادن على النحو التالي، حيث يدخل الذكاء الاصطناعي في كل خطوة ولكن لا يغلق أيًا منها بمفرده:

1. حدد المشكلة: ما الذي حدث، وما هي الميزة المستهدفة، وما هو القيد الموجود؟ (الذكاء الاصطناعي: يساعد في توضيح السؤال.)
2. جمع البيانات: تحليل التركيب، والاختبارات الميكانيكية، والبنية المجهرية، والبيانات الميدانية. (AI: يسرد الاختبار المطلوب.)
3. توليد الفرضيات: الأسباب/الحلول المحتملة. (الذكاء الاصطناعي: قوي - ينتج قوائم منهجية.)
4. التحليل: الحساب، النموذج، معالجة الصور. (الذكاء الاصطناعي: يُنشئ التعليمات البرمجية والحسابات الخيالية.)
5. التحقق من الصحة: ​​المعيار، المختبر، إعادة الاختبار. (الذكاء الاصطناعي: على الهامش هنا؛ يقرر الإنسان والجهاز.)
6. تقرير وقرار: المهندس يتحمل المسؤولية. (منظمة العفو الدولية: كاتب المسودة.)

ضع هذه الخطوات الست في الاعتبار؛ يوضح لك باقي الوحدة كيفية استخدام الذكاء الاصطناعي في مهام محددة في كل خطوة من هذه الخطوات.

ثلاث حالات صغيرة

الحالة 1 - قوة الخضوع المجهزة. يسأل أحد المتدربين الذكاء الاصطناعي عن قوة إنتاج الفولاذ AISI 4140 المروي والمخفف عند 200 درجة مئوية؛ يقول الذكاء الاصطناعي "حوالي 1500 ميجا باسكال". يضع المتدرب هذا مباشرة في حساب تصميم المغزل. ومع ذلك، تتراوح القيمة الفعلية تقريبًا بين 900-1600 ميجا باسكال، اعتمادًا على معاملات المعالجة الحرارية وسمك القسم؛ إن القيمة المأخوذة في عينة رفيعة لا تنطبق على المقطع السميك. النتيجة: تبين أن عامل الأمان أقل من المتوقع. الموقف الصحيح هو أخذ القيمة من ورقة بيانات المادة (شهادة المطحنة)، وإذا لزم الأمر، من اختبار الشد وفقًا للمواصفة ISO 6892.

الحالة 2 - شرط قياسي غير موجود. مهندس يسأل الذكاء الاصطناعي عن حد إدراج الفولاذ المقاوم للصدأ. تقول منظمة العفو الدولية "الحد الأقصى 2.5 وفقًا لقسم ASTM E45 7.3". ويقوم المهندس بكتابة التقرير وفقاً لذلك. أثناء فحص العميل، تم الكشف عن أن رقم المنتج مزيف وأن المعيار لا يحتوي على مثل هذا الشرط. الموقف الصحيح هو فتح الإصدار الحالي للمعيار من المصدر الرسمي وتأكيد المقالة. قد يهلوس الذكاء الاصطناعي برقم العنصر حتى لو كان يعرف الاسم القياسي بشكل صحيح.

الحالة 3 - الاستخدام الصحيح. يقوم فريق تحليل الأضرار بفحص صورة للسطح المكسور لمسمار M20 المكسور. يسألون الذكاء الاصطناعي، "أدرج الاختلافات النموذجية في سطح الكسر لشق التعب والكسر الهش، وأخبرني ما الذي يجب أن أبحث عنه في المجهر الإلكتروني الماسح (SEM) لكل منهما". يشرح الذكاء الاصطناعي بشكل منهجي علامات الشاطئ والسطور (خطوط التعب) والتمييز بين الدمل والانقسام. يبحث الفريق عن هذه الآثار باستخدام SEM، ويعثر على السطور ويقوم بالتشخيص باستخدام صورة الجهاز. هنا تم استخدام الذكاء الاصطناعي بشكل صحيح: نظمت المعلومات، واتخذ المختبر القرار.

قوالب سريعة قابلة للنسخ

يمكنك استخدام النماذج أدناه عن طريق تكييفها مع عملك الخاص. في كل منها، هناك تعليمات واعية "لإعطاء رقم دقيق، والإشارة إلى المصدر، وشرح عدم اليقين".

نموذج الدور والحدود "الدور: أنت مساعد مهندس تعدين ذي خبرة. المهمة: [اكتب الموضوع]. القواعد: عند إعطاء القيمة العددية الدقيقة، اذكر المصدر؛ إذا لم تكن متأكدًا، قل "يجب التحقق منه". إذا أعطيت العنصر القياسي، فامنحه مع الإصدار، ولكن ذكّر أنه يجب تأكيده من المصدر الرسمي. في نهاية الإجابة، اكتب عنصرًا تلو الآخر "ما يجب التحقق منه عن طريق التجربة"."

نموذج إنشاء الفرضية "أنتج قائمة منهجية للأسباب الجذرية المحتملة للمشكلة التالية: [صف المشكلة؛ المادة، العملية، الملاحظة]. لكل فرضية: (1) ما الأدلة التي تدعمها، (2) ما الاختبار الذي يجب إجراؤه لتأكيدها أو دحضها. لا تقم بإجراء تشخيص نهائي؛ فقط قم بإنتاج خريطة طريق بحثية."

نموذج قائمة التحقق "أدرج كل قيمة رقمية وكل مرجع قياسي في مسودة المخرج/التقرير أدناه. لكل منها، حدد المصدر (شهادة المطحنة، النص القياسي، تقرير الاختبار) الذي يجب التحقق منه. اجمع تلك القيمة ذات الأصل غير المؤكد تحت عنوان منفصل "غير متوفر حتى يتم التحقق منه". النص: [لصق]."

قالب الفحص المسبق لإخفاء الهوية "قبل إعطاء النص التالي لأداة الذكاء الاصطناعي، قم بوضع علامة على الأجزاء التي تحتوي على أسرار تجارية أو بيانات شخصية: نسب وصفة السبائك، واسم العميل، والمعلمات السرية لدرجة حرارة/وقت العملية، وأسماء الموظفين. اقترح كيف يمكنني إخفاء هوية هذه الأجزاء. النص:[لصق]."

موجه ضعيف / موجه قوي

إن طرح نفس السؤال بطريقتين سيؤدي إلى نتائج مختلفة تمامًا.

مطالبة ضعيفة: "أخبرني عن خصائص الفولاذ 4140."

مطالبة قوية: "الدور: أنت مهندس معالجة حرارية مساعد. اشرح ما الذي يؤثر على قوة الخضوع عند إجراء التبريد والتلطيف للفولاذ AISI 4140 (درجة حرارة التقسية، وسمك/قابلية التصلب، ودرجة حرارة الأوستنيت). لا تعط رقمًا محددًا واحدًا؛ وبدلاً من ذلك، في أي نطاق يمكن أن تختلف القيمة وأي اختبار يجب أن أقوم به وفقًا لأي معيار (على سبيل المثال، اختبار الشد ISO 6892) للحصول على القيمة الصحيحة برجاء الإشارة بوضوح حيث أنت غير متأكد."

عادةً ما تُرجع المطالبة الضعيفة قائمة سطحية عديمة الفائدة وربما أرقامًا مختلقة. موجه قوي؛ فهو يعين دورًا، ويضع حدودًا ("يعطي رقمًا دقيقًا")، ويتطلب وسيلة للتحقق، ويكشف عدم اليقين. خلال هذه الوحدة، ستشاهد نمط "المطالبة القوية" مطبقًا على كل وحدة.

الأخلاق والخصوصية والمسؤولية

غالبًا ما تكون البيانات المعدنية سرية: وصفات سبائك العملاء، ومعلمات العملية الحاصلة على براءة اختراع، ونتائج تحليل الأضرار، ومواصفات صناعة الدفاع. وقد يكون لصقها في خدمة عامة للذكاء الاصطناعي سرًا تجاريًا وخرقًا للعقد؛ هناك أيضًا خطر أن تتداخل البيانات مع تدريب النموذج.

• عدم إدخال مؤلفات ووصفات ورسومات الشركة/العميل إلى الخدمة الخارجية دون موافقة.
• إخفاء هوية السجلات التي تحتوي على بيانات شخصية (أسماء المشغلين، أرقام التسجيل).
• الامتثال لسياسة الشركة وأي أداة للذكاء الاصطناعي داخل المؤسسة أو متعاقد عليها.
• اذكر في التقرير بشفافية أنك تستخدم الذكاء الاصطناعي؛ وضح أن القرار النهائي يعتمد على حكمك الهندسي.
• يبقى التوقيع والمسؤولية دائمًا على عاتق المهندس المعتمد؛ إخراج الذكاء الاصطناعي ليس مبررًا.

تحذير: "هذا ما قاله الذكاء الاصطناعي" ليس مبررًا هندسيًا. في تقرير الضرر أو اختيار المواد أو قرار المطابقة، يجب أن يكون أساسك هو المعايير والاختبار والحساب؛ الذكاء الاصطناعي هو الأداة التي تنظم هذه الأمور على الأكثر. بالنسبة للأعمال الحيوية المتعلقة بالسلامة، لا تعد مخرجات الذكاء الاصطناعي بديلاً عن موافقة المهندس المؤهل.

الأخطاء الشائعة

• استخدام القيمة العددية (الميزة، الحد، التركيب) المقدمة من الذكاء الاصطناعي دون التجريب والمرجع.
• كتابة أرقام العناصر القياسية في التقرير دون التأكد منها.
• إدخال بيانات العملاء/الشركة السرية في الذكاء الاصطناعي العام.
• سؤال الذكاء الاصطناعي "ما هو العطل" دون إعطاء بيانات المنشأة والخطأ في الإجابة العامة للتشخيص.
• استخدام مخرجات الذكاء الاصطناعي كوثيقة نهائية في القرارات الحاسمة، وتجاوز موافقة المهندس.
• تجاهل عدم اليقين: الخلط بين نغمة الذكاء الاصطناعي الواثقة من حيث الدقة.

باختصار

يعد الذكاء الاصطناعي مسرعًا قويًا في هندسة المعادن وهندسة المواد: فهو يشرح المفاهيم ويولد الفرضيات ويضع المسودات ويكتب التعليمات البرمجية. لكن القيمة العددية تحمل خطر الهلوسة في الأمور القياسية والقرارات الحاسمة المتعلقة بالسلامة. قم بتصنيف المهام حسب مستوى المخاطر، وتحقق من كل مخرجات في مثلث حساب المختبر القياسي، وحافظ على السرية وتحمل المسؤولية دائمًا مع المهندس المعتمد. تطبق بقية الوحدة هذا المبدأ على كل مهمة محددة.

مهمة التطبيق

حدد خمس مهام نموذجية من عملك الخاص (أو نموذج مشروع): على سبيل المثال، "اختيار المواد"، "كتابة تقرير الأضرار"، "الاستعلام عن المعايير"، "تفسير البنية الدقيقة"، "البرنامج النصي للحساب". صنف كل منها على أنها منخفضة/متوسطة/عالية/حرجة وفقًا لجدول المخاطر أعلاه واكتب في جملة واحدة كيف ستتحقق من مخرجات الذكاء الاصطناعي لكل منها (أي معيار، أي اختبار، ومن يوافق). ثم حاول تكييف قالب "الدور والحدود" مع إحدى هذه المهام.

قائمة مرجعية

• [ ] لقد قمت بتصنيف المهمة حسب مستوى الخطورة (منخفض/متوسط/مرتفع/حرج).
• [ ] أعطيت الذكاء الاصطناعي الدور والقيد وتعليمات "إعطاء الرقم الدقيق/تحديد المصدر".
• [ ] لقد قمت بالتحقق من كل قيمة رقمية وعنصر قياسي من مصادر مستقلة.
• [ ] لم أقم بإدخال بيانات سرية/شخصية في خدمة خارجية أو إخفاء هويتها.
• [ ] لقد استندت في قراري النهائي إلى القياس والمعايير، ولم أستخدم الذكاء الاصطناعي كمبرر.
• [ ] تركت المسؤولية والتوقيع للمهندس المعتمد.