Qazanclar:
- AI-nin sürətləndiyi və ətraf mühit mühəndisliyində riskli olduğu yerlərin risk əsaslı təsnifatı
- Ətraf mühitin limit dəyərləri, standartları və resursları ilə bağlı LLM-lərin halüsinasiya riskini tanımaq bacarığı
- Laboratoriyada, sahədə və tənzimləmədə AI çıxışını təsdiqləmək və etik/məxfilik prinsiplərini tətbiq etmək bacarığı
Təsəvvür edin ki, mütəşəkkil sənaye zonasının ümumi tullantı sularının təmizləyici qurğusunda ətraf mühit mühəndisi işləyir. Çıxış suyunda KOİ-də qəfil artım var, biznes meneceri telefonda "Mən mümkün qədər tez səbəb və həllini istəyirəm" deyir. Masanızda keçən həftənin laboratoriya nəticələri, SCADA qeydləri və yeni açdığınız söhbət pəncərəsi var. Siz AI-dən soruşursunuz ki, "çıxış COD niyə artdı, boşalma limitini də yazın?" Model saniyələr ərzində düzgün türkcə maddə-maddə, mümkün səbəbləri və həmçinin "Suyun Çirklənməsinə Nəzarət Qaydasına əsasən, COD atqı limiti 120 mq/L-dir" cümləsini yazır. Problem ondadır ki, bu kəsmə nöqtəsi model quraşdırılmış ola bilər; Sənayenizdən, qəbuledici mühitdən və obyekt növündən asılı olaraq, faktiki limit tamamilə fərqli ola bilər. Bu bölmə sizə elə həmin anı idarə etməyi öyrədir - mühəndislik məsuliyyətinizin AI-nin sürətli, lakin yoxlanılmamış məhsulu ilə kəsişdiyi anı.
AI ətraf mühit mühəndisliyində nə edir və nə etmir
Böyük dil modelləri (LLM) nəhəng mətn verilənləri üzərində “növbəti sözün proqnozlaşdırılması” prinsipi ilə öyrədilmiş sistemlərdir. Bu, onları dil işində çox güclü edir, lakin faktların yoxlanılmasında əsaslı olaraq zəifdir. Model kəsilmə nöqtəsini "xatırlamır", o, statistik cəhətdən ağlabatan görünən bir sıra istehsal edir.
Jobs AI ətraf mühit mühəndisliyində yaxşıdır:
- Uzun qanunvericilik aktlarının, ƏMTQ hesabatlarının və ya ədəbiyyat mətnlərinin ümumiləşdirilməsi və hazırlanması
- Hesablamanın strukturunun, formulunun və məntiqinin qurulması (kütləvi balans, emissiya yükü, səmərəlilik)
- Problemlərin aradan qaldırılması üçün mümkün səbəblərin və ssenarilərin siyahısının yaradılması
- Hesabat layihələrinin, cədvəllərin, təqdimatların və yazışmaların hazırlanması
- Mürəkkəb bir mövzunun (məsələn, nitrifikasiya kimyası) addım-addım izah edilməsi
AI-nin edə bilmədiyi/etibarsız olduğu vəzifələr:
- Ən son və kontekst üçün xüsusi limit dəyərinin, standart nömrənin və ya tənzimləmə məqaləsinin təmin edilməsi
- Obyektinizin faktiki ölçmə məlumatlarına giriş (siz təmin etməsəniz)
- Laboratoriya analizi və ya sahə ölçmə üçün əvəz
- Hüquqi/inzibati məsuliyyəti öz üzərinə götür - imza sənindir
İpucu: AI-ni “böyük təcrübəçi” kimi düşünün. Tez, yaxşı oxuyan, yaxşı qaralama yazıçısı; Ancaq hər çapı özünüz yoxlamadan heç yerə göndərmirsiniz. Onun istehsal etdiyi hər bir rəqəm və qanunvericiliyə istinad, mənbədən yoxlayana qədər sadəcə bir fərziyyədir.
Halüsinasiya: uydurma limit dəyəri və tənzimləmə məqaləsi
Halüsinasiya modelin tam əminliklə qeyri-real məlumat çıxarmasıdır. Ətraf mühit mühəndisliyində üç ən təhlükəli hallüsinasiya növü bunlardır:
- Uydurma limit dəyəri: "PM10 üçün 24 saat limiti 50 µg/m³" kimi düzgün görünən, lakin səhv ola bilən rəqəmlər.
- Uydurma qanunvericilik arayışı: “Əsasnamənin 12/3-cü maddəsinə əsasən...” — əsasnamənin maddə nömrəsi və adı real görünür, lakin məzmunu düzəldir.
- Uydurma mənbə: Mövcud olmayan məqalə, standart nömrə (məsələn, "TS EN 12457") və ya institusional bələdçi.
Aşağıdakı cədvəldə modelin eyni suala verə biləcəyi təhlükəsiz və riskli cavab nümunələri göstərilir:
Model çıxışı
Risk
nə etməli
“Boşaltma həddi tam olaraq 120 mq/l-dir.”
Yüksək - dəqiq rəqəm, mənbəsiz
Rəsmi qanunvericiliyə əsasən yoxlayın
"Boşaltma limitləri sektora və qəbuledici mühitə görə dəyişir; müvafiq tənzimləmə cədvəlinə müraciət edilməlidir."
Aşağı - marşrutlaşdırıcı
Yenə də yoxlayın, lakin etibarlıdır
"Mən bu dəyəri təsdiqləyə bilmirəm, rəsmi mənbəyə baxın."
aşağı
ideal davranış
Diqqət: Nömrə nə qədər konkret və inamlı yazılsa, mənbəsiz olarsa, bir o qədər təhlükəlidir. "120 mg/L" kimi aydın bir dəyər sizi rahatlaşdıracaq, lakin yalançı güvən verəcək. Qərarınızı qeyd olunmayan heç bir limit dəyərinə əsaslandırmayın.
Risk əsaslı əmək bölgüsü
Qərarın nəticəsinin çəkisi süni intellektdən harada sərbəst istifadə olunacağını və ondan yalnız layihə hazırlamaq üçün harada istifadə olunacağını müəyyən edən şeydir. Aşağıdakı təsnifat praktik kompasdır:
Quest
Risk səviyyəsi
AI-nin rolu
Məcburi yoxlama
Ədəbiyyat/qanunvericilik xülasəsi, anlayışın izahı
aşağı
istehsalçı, sürətləndirici
Əsas iddiaları çarpaz yoxlayın
Hesabat/yazışma layihəsi, cədvəlin tərtibatı
aşağı
qaralama yazıçısı
Redaksiya rəyi
Məlumatların təhlilinin qurulması, hesablama düsturu
orta
inşaatçı
Daxiletmə məlumatları + hesablamaya əl ilə nəzarət
Proses problemlərinin aradan qaldırılması ssenarisi
orta
fikir generatoru
Laboratoriya + sahə məlumatları
Atqı/emissiya limitinin müəyyən edilməsi
yüksək
Yalnız qaralama
Rəsmi qanunvericilik + akkreditə olunmuş laboratoriya
ƏMTQ nəticəsi, "təsir cüzi" mühakimə
yüksək
Yalnız qaralama
Ekspert + sahə ölçmə
İnsan/ətraf mühitin sağlamlığı ilə bağlı qərarlar
tənqidi
Dəstək, heç vaxt qərar vermə
Tam qanunvericilik + ekspert təsdiqi
Qayda sadədir: nəticə nə qədər geri dönməz olarsa və onun təsir etdiyi həyat/pul/qanunlar nə qədər çox olarsa, AI çıxışı bir o qədər ciddi şəkildə yoxlanılır. Siz aşağı risklə sürət qazanırsınız; yüksək risk altında AI yalnız ilk layihəni hazırlayır, məlumat və qanunvericilik qərarı verir.
Zəif məlumat / Güclü göstəriş
Eyni ehtiyac üçün iki fərqli sorğu tamamilə fərqli risk profillərinə səbəb olur:
ZƏFS İSTİFADƏ: "Tullantı suyunun axıdılması COD həddi nədir? Qısaca yazın."Problem: Modeli tək ədədə uyğunlaşdırmağa məcbur edir. Sektor, qəbuledici mühit, obyekt növü göstərilməyib. Çıxış mənbəsiz gəlir. GÜÇLÜ İSTİFADƏ: "Türkiyədə tekstil sənayesi tullantı suları üçün COD atqı limitinin hansı amillərdən (sektor, qəbuledici mühit, axın sürəti) asılı olduğunu izah edin. Dəqiq rəqəm TALİM ETMƏYİN; bunun əvəzinə hansı rəsmi tənzimləmə cədvəlindən və hansı parametrlərə görə oxunmalı olduğunu addım-addım izah edin. Əmin deyilsinizsə, "yoxlanılmalıdır" deyin." Fərq: Güclü göstəriş modeli nömrəyə uyğunlaşdırmır; Ondan BƏLƏBƏR kimi istifadə edir və son sözü qanunvericiliyə qoyur.
Etika və məlumat məxfiliyi
Ətraf mühit mühəndisi olaraq sizdə olan məlumatlar çox vaxt həssas olur: şirkətin davamlı monitorinq (CPMS) qeydləri, pozuntu tarixçəsi, istehsal gücü ticarət sirridir. İctimai AI alətinə yapışdırdığınız hər hansı məlumat sizin nəzarətinizdən kənarda ola bilər.
Əsas prinsiplər:
- Anonimləşdirin: Şirkət adını, obyekt koordinatlarını, şəxsi məlumatları, müqavilə təfərrüatlarını sorğudan silin. "X şirkəti" əvəzinə "toxuculuq fabriki" yazın.
- Ticarət sirrini qoruyun: pozuntu məlumatları, tutum, qiymət kimi məlumatları paylaşmazdan əvvəl korporativ məlumat siyasətinizi yoxlayın.
- Şəffaflıq: Əgər siz AI ilə hesabat hazırlamısınızsa, bunu iş prosesinizdə müvafiq şəkildə göstərin; Unutmayın ki, məsuliyyət sizindir.
# Həssas_sahələrə məlumat daxil etməzdən əvvəl sadə bir anonimləşdirmə yoxlanışı = ["şirkətin_adı", "koordinat", "tc_no", "tutum", "xərc"]def prompt_safe_is(mətn, həssas): tapıldı = [a üçün a həssasdırsa, mətndə.lower()] qayıdış (=(adı) =(misal: BCpanound) Tekstil, COD: 850 mg/L, tutum: 5000 m3/gün"təhlükəsiz, riskli = prompt_safe_mi(nümunə, həssas_arazlar)print("Göndərilə bilərmi:", təhlükəsiz) # Falseprint("Əvvəlcə təmizlənməlidir:", riskli) # ['şirkətin_adı',' 'capac
mini korpus
Ətraf mühitə dair konsaltinq firmasının gənc mühəndisi süni intellektdən təcili təklif üçün “tullantı yağının tullantı kodu və atılma üsulu nədir” deyə soruşur. Model inamla 6 rəqəmli tullantı kodunu və “yandırma yolu ilə utilizasiya” cavabını qaytarır. Mühəndis bunu birbaşa sitata daxil edir. Təhvil verildikdən sonra baş mühəndis yoxlayır: təqdim edilən kod tullantıların faktiki mənbəyinə və tərkibinə uyğun gəlmir; Düzgün təsnifat yalnız analiz hesabatı və rəsmi tullantı siyahısı ilə edilə bilər. Yanlış kod səhv utilizasiya marşrutu və inzibati cəza riski deməkdir. Dərs: AI-nin verdiyi kod bir fərziyyə idi; Təhlil və qanunvericiliklə təsdiq olunmadığından qərarın verilməsi üçün əsas ola bilməz.
Ümumi səhvlər
- Süni intellekt tərəfindən verilən limit dəyərinin mənbəyini soruşmadan hesabata daxil etmək.
- “Reqlament X Maddəsi”nə istinadı faktiki mətnlə müqayisə etmədən etibarlı hesab edərək.
- Şirkətin adı, izləmə məlumatları və s. kimi məxfi məlumatların ictimai alətə yapışdırılması.
- AI çıxışı üzrə yüksək riskli qərara (boşaltma limiti, ƏMTQ nəticəsi) əsaslanaraq.
- Dəqiqlik sübutu üçün modelin inamlı tonunu səhv salmaq.
- “AI dedi” deyərək məsuliyyəti maşının üzərinə atmağa çalışmaq; İmza və məsuliyyət mühəndisin üzərinə düşür.
Xülasə
- Süni intellekt ətraf mühit mühəndisliyində sürətləndiricidir: qısa, qaralama, hesabın redaktəsi və ssenari yaratmaqda güclü; Dəqiq limit dəyərlərə və qanunvericiliyə istinad edərkən etibarsızdır.
- LLM-lər kəsiklər, standartlar və mənbələr haqqında halüsinasiyalar yaradır; dəqiq və mənbəsiz rəqəmlər ən yüksək riskdir.
- Əmək bölgüsü riskə əsaslanır: nəticə nə qədər dönməz olarsa, yoxlama bir o qədər sıx olar.
- Hər bir AI çıxışı laboratoriya, sahə ölçmə və hökumət qanunvericiliyi ilə təsdiqlənənə qədər sadəcə bir təklif/eskizdir.
- Məxfi və şəxsi məlumatları anonimləşdirmədən heç bir ictimai vasitəyə təqdim etməyin.
- Süni intellekt “böyük stajçı”dır: o, işləyir, lakin mühəndis imza və məsuliyyət daşıyır.
Tətbiq tapşırığı
Tədqiqat sahənizdən beş tapşırıq seçin (tullantı suları, hava, tullantılar və ya ƏMTQ) və hər birini yuxarıdakı riskə əsaslanan cədvəldə yerləşdirin: tapşırığı yazın, risk səviyyəsini (aşağı/orta/yüksək/kritik) müəyyənləşdirin, AI-nin rolunu və məcburi yoxlama addımını müəyyənləşdirin. Sonra bu tapşırıqlardan birini seçin və əvvəlcə qəsdən "zəif göstəriş" yazın, modeldən aldığınız cavabda limit dəyərlərə və ya qanunvericiliyə ən azı bir mənbəsiz istinad olub-olmadığını qeyd edin; Sonra, eyni ehtiyac üçün, rəqəmlər yaratmağı qadağan edən və sizi mənbəyə yönəldən "güclü göstəriş" yazın və iki çıxışı yan-yana müqayisə edin. Nəhayət, bu tapşırığı yoxlamaq üçün hansı hökumət qanunvericiliyindən və hansı laboratoriya/sahə məlumatlarından istifadə edəcəyinizi bir paraqrafda təsvir edin.