লাভ:
- ঝুঁকির স্তরের উপর ভিত্তি করে কোথায় AI ধাতুবিদ্যা এবং উপকরণ কর্মপ্রবাহে প্রকৃত সময় বাঁচায় এবং কোথায় নিরাপত্তা-গুরুত্বপূর্ণ দায়িত্ব প্রকৌশলীর কাছে থাকা উচিত তা পার্থক্য করার ক্ষমতা
- একটি তিন-স্তর বৈধতা শৃঙ্খলা বাস্তবায়ন করার ক্ষমতা যা প্রতিটি এআই আউটপুটকে স্ট্যান্ডার্ড, স্বাধীন গণনা এবং পরীক্ষাগার পরীক্ষার বিরুদ্ধে পরীক্ষা করে
- গোপনীয় খাদ রেসিপি, প্রক্রিয়া পরামিতি এবং গ্রাহকের ডেটা রক্ষা করার জন্য প্রসঙ্গ বেনামী এবং নিরাপদ টুল নির্বাচন করার ক্ষমতা
যখন একটি বিমানের ইঞ্জিনের টারবাইন ব্লেড প্রতি সেকেন্ডে 1400 ডিগ্রি সেলসিয়াসে শত শত বার ঘোরে, তখন আপনি সেই ব্যক্তি যিনি সিদ্ধান্ত নেন কোন সুপারঅ্যালয় (একটি বিশেষ খাদ যা উচ্চ তাপমাত্রায় এর শক্তি বজায় রাখে) সেই ব্লেডটি তৈরি করা হবে, এটি কী তাপ চিকিত্সার মধ্য দিয়ে যাবে এবং এটি কত হাজার ঘন্টা স্থায়ী হবে: ধাতুবিদ্যা বা উপকরণ প্রকৌশলী। এই পেশায় আপনি যে সিদ্ধান্ত নেন তা হয় একটি কাঠামোর বেঁচে থাকা বা এর ক্ষতি নির্ধারণ করে। কৃত্রিম বুদ্ধিমত্তা (সংক্ষেপে AI: সফ্টওয়্যার সিস্টেম যা পাঠ্য, সংখ্যা এবং চিত্রগুলি প্রক্রিয়া করে এবং পরামর্শ তৈরি করে) এই সিদ্ধান্তগুলিকে দ্রুত করতে পারে; কিন্তু সে কখনই তোমার দায়িত্ব নিতে পারবে না। এই ইউনিটটি আপনাকে ধাতুবিদ্যা এবং উপকরণের কাজে নিরাপদে AI কোথায় ব্যবহার করতে হবে, কোথায় এটি বিপজ্জনক এবং কেন আপনাকে পরীক্ষাগার, স্ট্যান্ডার্ড এবং পরীক্ষার সাথে প্রতিটি AI আউটপুট যাচাই করতে হবে তা শেখায়।
এই মডিউল জুড়ে আপনি যে কেন্দ্রীয় নীতিটি ব্যবহার করবেন তা হল: AI একজন সহকারী, সিদ্ধান্ত গ্রহণকারী নয়। একটি বস্তুগত সম্পত্তি, একটি সীমা মান, একটি মানক আইটেম বা একটি তাপ চিকিত্সার রেসিপি শুধুমাত্র "এআই বলেছে" বলে সত্য হয়ে ওঠে না; পরিমাপ, রেফারেন্স এবং ইঞ্জিনিয়ারিং রায় দ্বারা যাচাই না হওয়া পর্যন্ত এটি নিছক একটি অনুমান। আপনি মডিউলের প্রতিটি ইউনিটে এই বাক্যটি আবার দেখতে পাবেন, কারণ ধাতুবিদ্যায়, একটি ভুল সংখ্যা প্রায়শই একটি ভাঙা অংশ বোঝায়।
এলএলএম কী, ধাতুবিদ্যায় এটি কী করে?
এলএলএম (লার্জ ল্যাঙ্গুয়েজ মডেল) হল একটি সফ্টওয়্যার যা পাঠ্যের অনেক বড় অংশ থেকে প্যাটার্ন শিখে এবং সম্ভাব্যতার উপর ভিত্তি করে "পরবর্তী শব্দ" ভবিষ্যদ্বাণী করে। এটি ChatGPT, Claude, Gemini এর মতো টুলের ইঞ্জিন। মূল বিষয় হল: এলএলএম একটি "ভাষা অনুমানকারী", "জ্ঞানের ভিত্তি" নয়। ধাতববিদ্যার পরিভাষা সাবলীলভাবে বলে, কিন্তু কোনো সংখ্যা পরিমাপ করে না; সবচেয়ে সম্ভাবনাময় দেখায় এমন সংখ্যা তৈরি করে। অতএব, তিনি ফলন শক্তি, গলে যাওয়া তাপমাত্রা বা একটি স্ট্যান্ডার্ডের আইটেম নম্বর সম্পর্কে আত্মবিশ্বাসী কিন্তু ভুল উত্তর দিতে পারেন। একে হ্যালুসিনেশন (বানোয়াট) বলা হয়। হ্যালুসিনেশন কোনও ত্রুটি নয়, তবে এই প্রযুক্তির একটি অন্তর্নিহিত বৈশিষ্ট্য; অতএব, যাচাইকরণ একটি "অতিরিক্ত পদক্ষেপ" নয় কিন্তু কাজের একটি অবিচ্ছেদ্য অংশ।
কাজ যেখানে AI ধাতুবিদ্যায় শক্তিশালী:
- ধারণার ব্যাখ্যা এবং শিক্ষা: মার্টেনসাইট রূপান্তর কী, কেন এটি কঠিন এবং ভঙ্গুর; ইউটেকটিক এবং ইউটেক্টয়েডের মধ্যে পার্থক্য কী?
- একটি হাইপোথিসিস তালিকা তৈরি করা: একটি ঢালাইয়ে কেন পোরোসিটি (গ্যাস বা সংকোচন-প্ররোচিত শূন্যতা) হতে পারে তার একটি পদ্ধতিগত তালিকা তৈরি করা।
- টেক্সট উত্পাদন: ক্ষতি বিশ্লেষণ রিপোর্ট খসড়া, WPS (ওয়েল্ডিং পদ্ধতি স্পেসিফিকেশন) খসড়া, উপস্থাপনা, ইমেল।
- কোডিং: ডেটা পরিষ্কার, গ্রাফিক্স, সাধারণ গণনা স্ক্রিপ্ট (পাইথন)।
- ডেটা সংক্ষিপ্তকরণ এবং টেবিল সংগঠন: অগোছালো পরীক্ষার ফলাফলকে একটি সংগঠিত টেবিলে পরিণত করা।
- বুদ্ধিমত্তা: প্রার্থী উপাদান, খাদ ডিজাইনের জন্য পরীক্ষামূলক ম্যাট্রিক্স ধারণা।
যেখানে AI দুর্বল এবং ঝুঁকিপূর্ণ:
- সঠিক সংখ্যাসূচক মান দেওয়া (সম্পত্তি, সীমা মান, রাসায়নিক গঠন)।
- বর্তমান/নির্দিষ্ট স্ট্যান্ডার্ড ক্লজ এবং সংস্করণ তথ্য।
- আপনার সুবিধার প্রকৃত পরিমাপ ডেটা ছাড়াই ডায়াগনস্টিক।
- নিরাপত্তা-গুরুত্বপূর্ণ সিদ্ধান্ত: একটি অংশের বায়ুযোগ্যতা/পরিষেবাযোগ্যতা।
ঝুঁকি-ভিত্তিক শ্রেণীবিভাগ: এআই ব্যবহার করার আগে ফিল্টার
প্রতিটি কাজ একই পর্যায়ে ঝুঁকিপূর্ণ নয়। AI ব্যবহার করার আগে ঝুঁকি স্তর দ্বারা টাস্ক শ্রেণীবদ্ধ করুন। নীচের টেবিলটি একটি সিদ্ধান্ত কাঠামো প্রদান করে যা আপনি এই মডিউল জুড়ে ব্যবহার করবেন।
ঝুঁকির স্তর
নমুনা টাস্ক
এআই ভূমিকা
বাধ্যতামূলক যাচাইকরণ
কম
ধারণার ব্যাখ্যা, খসড়া পাঠ্য, কোড কঙ্কাল
বিনামূল্যে ব্যবহার
পর্যালোচনাই যথেষ্ট
মাঝারি
গণনা সেটআপ, অনুমানের তালিকা, সাহিত্যের সারাংশ
খসড়া/সহ-লেখক
ম্যানুয়াল নিয়ন্ত্রণ + উত্স নিশ্চিতকরণ
উচ্চ
উপাদান নির্বাচন, তাপ চিকিত্সা রেসিপি, সীমা মান
ধারণা জেনারেটর
স্ট্যান্ডার্ড + ল্যাবরেটরি পরীক্ষা
সমালোচনামূলক
সেবাযোগ্যতা/বায়ুযোগ্যতা, ক্ষতির মূল কারণ, সার্টিফিকেশন
শুধুমাত্র খসড়া
স্বীকৃত পরীক্ষা + অনুমোদিত প্রকৌশলী অনুমোদন
টিপ: আপনি যদি একটি কাজকে "গুরুত্বপূর্ণ" হিসাবে চিহ্নিত করে থাকেন, তাহলে AI এর আউটপুট কখনই চূড়ান্ত নথি নয়৷ সর্বাধিক এটি একটি প্রাথমিক খসড়া বা চেকলিস্ট হতে পারে; অনুমোদিত প্রকৌশলী স্বাক্ষর এবং দায়িত্ব গ্রহণ করেন।
এন্ড-টু-এন্ড ফ্লো: আপনার ওয়ার্কফ্লোতে AI এম্বেড করা
একটি ধাতব ব্যবসায় একটি সাধারণ সমস্যা-সমাধান চক্র এইরকম কিছু যায়, AI প্রতিটি ধাপে প্রবেশ করে কিন্তু একা তাদের একটিও বন্ধ করে না:
- সমস্যাটি সংজ্ঞায়িত করুন: কী ভেঙেছে, কী বৈশিষ্ট্য লক্ষ্য করা হয়েছে, কী সীমাবদ্ধতা রয়েছে? (এআই: প্রশ্নটি স্পষ্ট করতে সহায়তা করে।)
- তথ্য সংগ্রহ করুন: রচনা বিশ্লেষণ, যান্ত্রিক পরীক্ষা, মাইক্রোস্ট্রাকচার, ফিল্ড ডেটা। (এআই: কোন পরীক্ষা প্রয়োজন তা তালিকা করে।)
- অনুমান তৈরি করুন: সম্ভাব্য কারণ/সমাধান। (এআই: শক্তিশালী - পদ্ধতিগত তালিকা তৈরি করে।)
- বিশ্লেষণ করুন: গণনা, মডেল, চিত্র প্রক্রিয়াকরণ। (AI: কোড এবং গণনার কথাসাহিত্য তৈরি করে।)
- যাচাই করুন: স্ট্যান্ডার্ড, পরীক্ষাগার, পুনরায় পরীক্ষা। (এআই: এখানে সাইডলাইনে; মানুষ এবং ডিভাইস সিদ্ধান্ত নেয়।)
- রিপোর্ট করুন এবং সিদ্ধান্ত নিন: প্রকৌশলী দায়িত্ব নেয়। (এআই: খসড়া লেখক।)
এই ছয়টি ধাপ মাথায় রাখুন; বাকি মডিউল আপনাকে দেখায় কিভাবে এই প্রতিটি ধাপে কংক্রিট কাজ সহ AI ব্যবহার করতে হয়।
তিনটি মিনি কেস
কেস 1 — লাগানো ফলন শক্তি। একজন ইন্টার্ন এআইকে AISI 4140 স্টিলের 200 ডিগ্রি সেলসিয়াসে নিভে যাওয়া এবং টেম্পারডের ফলন শক্তি সম্পর্কে জিজ্ঞাসা করে; AI বলছে "প্রায় 1500 MPa"। ইন্টার্ন এটি সরাসরি একটি টাকু নকশা গণনার মধ্যে রাখে। যাইহোক, প্রকৃত মান মোটামুটিভাবে 900-1600 MPa এর মধ্যে পরিবর্তিত হয়, তাপ চিকিত্সার পরামিতি এবং বিভাগের বেধের উপর নির্ভর করে; একটি পাতলা নমুনায় নেওয়া মানটি একটি পুরু বিভাগে সত্য হয় না। ফলাফল: নিরাপত্তা ফ্যাক্টর প্রত্যাশিত তুলনায় কম হতে সক্রিয়. সঠিক মনোভাব হল উপাদান ডেটা শীট (মিল সার্টিফিকেট) থেকে এবং প্রয়োজনে, ISO 6892 অনুযায়ী প্রসার্য পরীক্ষা থেকে মান নেওয়া।
কেস 2 — অস্তিত্বহীন স্ট্যান্ডার্ড ক্লজ। একজন প্রকৌশলী AI কে স্টেইনলেস স্টিলের অন্তর্ভুক্তি সীমা সম্পর্কে জিজ্ঞাসা করেন। AI বলছে "ASTM E45 সেকশন 7.3 অনুযায়ী সর্বোচ্চ 2.5"। প্রকৌশলী সেই অনুযায়ী রিপোর্ট লেখেন। গ্রাহক পরিদর্শনের সময়, এটি প্রকাশিত হয় যে নিবন্ধ নম্বরটি জাল এবং স্ট্যান্ডার্ডে এমন একটি ধারা নেই। সঠিক মনোভাব হল অফিসিয়াল সোর্স থেকে স্ট্যান্ডার্ডের বর্তমান সংস্করণটি খুলুন এবং নিবন্ধটি নিশ্চিত করুন। AI আইটেম নম্বরটিকে হ্যালুসিনেট করতে পারে এমনকি যদি এটি আদর্শ নামটি সঠিকভাবে জানে।
কেস 3 - সঠিক ব্যবহার। একটি ক্ষতি বিশ্লেষণ দল একটি ভাঙা M20 বোল্টের ভাঙা পৃষ্ঠের একটি ফটোগ্রাফ পরীক্ষা করে। তারা AI কে জিজ্ঞাসা করে, "একটি ক্লান্তি ফাটল এবং একটি ভঙ্গুর ফ্র্যাকচারের ফ্র্যাকচার পৃষ্ঠের সাধারণ পার্থক্যগুলি তালিকাভুক্ত করুন এবং আমাকে বলুন যে প্রতিটির জন্য একটি স্ক্যানিং ইলেক্ট্রন মাইক্রোস্কোপে (SEM) আমার কী সন্ধান করা উচিত।" AI পদ্ধতিগতভাবে সমুদ্র সৈকতের চিহ্ন, স্ট্রাই (ক্লান্তি লাইন) এবং ডিম্পল/ক্লিভেজের পার্থক্য ব্যাখ্যা করে। দলটি এসইএম-এর সাহায্যে এই চিহ্নগুলি অনুসন্ধান করে, স্ট্রিয়া খুঁজে পায় এবং ডিভাইসের চিত্রের সাথে নির্ণয় করে। এখানে AI সঠিকভাবে ব্যবহার করা হয়েছে: তথ্য সংগঠিত, পরীক্ষাগার সিদ্ধান্ত নিয়েছে।
অনুলিপিযোগ্য প্রম্পট টেমপ্লেট
আপনি নীচের টেমপ্লেটগুলিকে আপনার নিজের ব্যবসার সাথে খাপ খাইয়ে ব্যবহার করতে পারেন৷ তাদের প্রতিটিতে, "একটি সঠিক সংখ্যা দিন, উত্স নির্দেশ করুন, অনিশ্চয়তা ব্যাখ্যা করুন" একটি সচেতন নির্দেশ রয়েছে।
ভূমিকা এবং সীমানা টেমপ্লেট "ভুমিকা: আপনি একজন অভিজ্ঞ ধাতব প্রকৌশলী সহকারী। কাজ: [বিষয়টি লিখুন]। নিয়ম: সঠিক সংখ্যাসূচক মান দেওয়ার সময়, উত্সটি বলুন; আপনি যদি নিশ্চিত না হন তবে বলুন 'অবশ্যই যাচাই করা উচিত'। আপনি যদি মানক আইটেমটি দেন, তবে এটির সংস্করণটি দিয়ে দিন, তবে এটির উত্তরটি আনুষ্ঠানিক উত্স থেকে নিশ্চিত করা উচিত, তবে এটির শেষে পুনঃনির্মাণ করা উচিত। আইটেম দ্বারা আইটেম লিখুন 'পরীক্ষা দ্বারা যাচাই করা প্রয়োজন'।"
হাইপোথিসিস জেনারেশন টেমপ্লেট "নিম্নলিখিত সমস্যার সম্ভাব্য মূল কারণগুলির একটি পদ্ধতিগত তালিকা তৈরি করুন: [সমস্যা বর্ণনা করুন; উপাদান, প্রক্রিয়া, পর্যবেক্ষণ]। প্রতিটি অনুমানের জন্য: (1) কোন প্রমাণ এটি সমর্থন করে, (2) এটি নিশ্চিত/অপ্রমাণ করার জন্য কোন পরীক্ষা করা উচিত। একটি নির্দিষ্ট গবেষণার নির্ণয় করা উচিত নয়।
যাচাইকরণ চেকলিস্ট টেমপ্লেট "নীচের আউটপুট/প্রতিবেদনের খসড়াতে প্রতিটি সাংখ্যিক মান এবং প্রতিটি স্ট্যান্ডার্ড রেফারেন্স তালিকাভুক্ত করুন। প্রতিটির জন্য, কোন উৎস থেকে এটি যাচাই করা উচিত তা নির্দেশ করুন (মিল সার্টিফিকেট, স্ট্যান্ডার্ড টেক্সট, টেস্ট রিপোর্ট)। একটি পৃথক 'যাচাই করা পর্যন্ত উপলব্ধ নয়' শিরোনামের অধীনে অনিশ্চিত উত্স সংগ্রহ করুন। [টেক্সট:]।"
বেনামীকরণ প্রাক-চেক টেমপ্লেট "একটি AI টুলে নিম্নলিখিত পাঠ্য দেওয়ার আগে, ট্রেড সিক্রেট বা ব্যক্তিগত ডেটা রয়েছে এমন অংশগুলিকে পতাকাঙ্কিত করুন: অ্যালয় রেসিপি অনুপাত, গ্রাহকের নাম, প্রক্রিয়া তাপমাত্রা/সময়ের গোপনীয় পরামিতি, কর্মীদের নাম। আমি কীভাবে এগুলি বেনামী করতে পারি তা সাজেস্ট করুন। পাঠ্য:[পেস্ট]।"
দুর্বল প্রম্পট / শক্তিশালী প্রম্পট
একই প্রশ্ন দুটি উপায়ে জিজ্ঞাসা করলে খুব ভিন্ন ফলাফল পাওয়া যাবে।
দুর্বল প্রম্পট: "আমাকে 4140 স্টিলের বৈশিষ্ট্যগুলি বলুন।"
স্ট্রং প্রম্পট: "ভুমিকা: আপনি একজন সহকারী তাপ চিকিত্সা প্রকৌশলী। ব্যাখ্যা করুন যে AISI 4140 স্টিলের জন্য quenching + tempering করা হয় তখন ফলনের শক্তিকে কী প্রভাবিত করে (টেম্পারিং তাপমাত্রা, অংশের পুরুত্ব/কঠোরতা, austenitizing তাপমাত্রা)। একটি একক সঠিক নম্বর দেবেন না; পরিবর্তে, কোন মানের ISO এবং কোন সীমা অনুযায়ী মান পরীক্ষা করা উচিত। 6892 টেনসিল টেস্ট) সঠিক মান পেতে দয়া করে স্পষ্টভাবে বলুন যেখানে আপনি নিশ্চিত নন।"
দরিদ্র প্রম্পট সাধারণত একটি অকেজো, সুপারফিশিয়াল তালিকা এবং সম্ভবত তৈরি করা নম্বর ফেরত দেয়। শক্তিশালী প্রম্পট; এটি একটি ভূমিকা নির্ধারণ করে, সীমা নির্ধারণ করে ("একটি সঠিক নম্বর দেওয়া"), যাচাইয়ের একটি উপায় প্রয়োজন এবং অনিশ্চয়তা প্রকাশ করে৷ এই মডিউল জুড়ে, আপনি প্রতিটি ইউনিটে প্রয়োগ করা "শক্তিশালী প্রম্পট" প্যাটার্ন দেখতে পাবেন।
নৈতিকতা, গোপনীয়তা এবং দায়িত্ব
ধাতুবিদ্যা সংক্রান্ত তথ্য প্রায়ই গোপনীয়: গ্রাহকের খাদ রেসিপি, পেটেন্ট প্রক্রিয়া পরামিতি, ক্ষতি বিশ্লেষণের ফলাফল, প্রতিরক্ষা শিল্পের স্পেসিফিকেশন। এগুলিকে একটি পাবলিক এআই পরিষেবাতে পেস্ট করা একটি বাণিজ্য গোপনীয়তা এবং চুক্তি লঙ্ঘন হতে পারে; এছাড়াও একটি ঝুঁকি আছে যে ডেটা মডেল প্রশিক্ষণে হস্তক্ষেপ করবে।
- অনুমোদন ছাড়া বহিরাগত পরিষেবাতে কোম্পানি/গ্রাহকের রচনা, রেসিপি এবং অঙ্কন প্রবেশ করবেন না।
- ব্যক্তিগত ডেটা (অপারেটরের নাম, নিবন্ধন নম্বর) ধারণকারী রেকর্ডগুলি বেনামী করুন।
- কর্পোরেট নীতি এবং যেকোনো অন-প্রিমিস বা চুক্তিবদ্ধ এন্টারপ্রাইজ এআই টুল মেনে চলুন।
- রিপোর্টে স্বচ্ছভাবে বলুন যে আপনি AI ব্যবহার করছেন; এটা স্পষ্ট করুন যে চূড়ান্ত সিদ্ধান্ত আপনার ইঞ্জিনিয়ারিং রায়ের উপর ভিত্তি করে।
- স্বাক্ষর এবং দায়িত্ব সর্বদা অনুমোদিত প্রকৌশলীর কাছে থাকে; এআই আউটপুট ন্যায্যতা নয়।
সতর্কতা: "এটাই বলেছে AI" কোন ইঞ্জিনিয়ারিং ন্যায্যতা নয়। ক্ষতির প্রতিবেদনে, উপাদান নির্বাচন বা একটি সামঞ্জস্যপূর্ণ সিদ্ধান্তে, আপনার ভিত্তি হওয়া উচিত মান, পরীক্ষা এবং গণনা; AI হল সেই টুল যা এইগুলিকে সর্বাধিক সংগঠিত করে। নিরাপত্তা-সমালোচনামূলক কাজের জন্য, AI আউটপুট যোগ্য প্রকৌশলীর অনুমোদনের বিকল্প নয়।
সাধারণ ভুল
- পরীক্ষা এবং রেফারেন্স ছাড়া AI দ্বারা প্রদত্ত সংখ্যাসূচক মান (বৈশিষ্ট্য, সীমা, রচনা) ব্যবহার করা।
- রিপোর্টে স্ট্যান্ডার্ড আইটেম নম্বরগুলি নিশ্চিত না করেই লেখা।
- পাবলিক AI-তে গোপনীয় গ্রাহক/ফার্ম ডেটা প্রবেশ করানো।
- সুবিধার ডেটা না দিয়ে AI কে জিজ্ঞাসা করা "খারাপ কি" এবং একটি নির্ণয়ের জন্য সাধারণ উত্তর ভুল করে।
- প্রকৌশলীর অনুমোদনকে বাইপাস করে জটিল সিদ্ধান্তে চূড়ান্ত নথি হিসাবে AI আউটপুট ব্যবহার করা।
- অনিশ্চয়তা উপেক্ষা করা: নির্ভুলতার জন্য AI এর আত্মবিশ্বাসী টোনকে ভুল করা।
সংক্ষেপে
AI হল ধাতুবিদ্যা এবং উপকরণ প্রকৌশলে একটি শক্তিশালী ত্বরণকারী: এটি ধারণা ব্যাখ্যা করে, অনুমান তৈরি করে, খসড়া তৈরি করে এবং কোড লেখে। কিন্তু সংখ্যাসূচক মান মানক পদার্থ এবং নিরাপত্তা-সমালোচনামূলক সিদ্ধান্তে হ্যালুসিনেশনের ঝুঁকি বহন করে। ঝুঁকির স্তর অনুসারে কাজগুলিকে শ্রেণিবদ্ধ করুন, স্ট্যান্ডার্ড-ল্যাব-অ্যাকাউন্ট ত্রিভুজে প্রতিটি আউটপুট যাচাই করুন, গোপনীয়তা বজায় রাখুন এবং সর্বদা অনুমোদিত প্রকৌশলীর সাথে দায়িত্ব পালন করুন। বাকি মডিউল প্রতিটি কংক্রিট টাস্কে এই নীতিটি প্রয়োগ করে।
আবেদন টাস্ক
আপনার নিজের কাজ (বা একটি নমুনা প্রকল্প) থেকে পাঁচটি সাধারণ কাজ নির্বাচন করুন: উদাহরণস্বরূপ, "উপাদান নির্বাচন", "ক্ষতি রিপোর্ট লেখা", "মানক প্রশ্ন", "মাইক্রোস্ট্রাকচার ব্যাখ্যা", "গণনার স্ক্রিপ্ট"। উপরের ঝুঁকি সারণী অনুসারে প্রতিটিকে নিম্ন/মাঝারি/উচ্চ/সমালোচনা হিসাবে শ্রেণীবদ্ধ করুন এবং এক বাক্যে লিখুন কিভাবে আপনি প্রতিটির জন্য AI আউটপুট যাচাই করবেন (কোন মান, কোন পরীক্ষা, কার অনুমোদন)। তারপর এই কাজগুলির একটিতে "ভুমিকা এবং সীমানা" টেমপ্লেটটি মানিয়ে নেওয়ার চেষ্টা করুন৷
চেকলিস্ট
- আমি ঝুঁকি স্তর (নিম্ন/মাঝারি/উচ্চ/সমালোচনামূলক) দ্বারা মিশনকে শ্রেণীবদ্ধ করেছি।
- [ ] আমি AI কে ভূমিকা, সীমাবদ্ধতা এবং "সঠিক সংখ্যা/উৎস নির্দিষ্ট করুন" নির্দেশনা দিয়েছি।
- [ ] আমি স্বাধীন উৎস থেকে প্রতিটি সংখ্যাসূচক মান এবং মানক আইটেম যাচাই করেছি।
- [] আমি একটি বহিরাগত পরিষেবাতে গোপনীয়/ব্যক্তিগত ডেটা প্রবেশ করিনি বা বেনামী করিনি।
- [ ] আমি পরিমাপ এবং স্ট্যান্ডার্ডের উপর চূড়ান্ত সিদ্ধান্ত নিয়েছি, ন্যায্যতা হিসাবে AI ব্যবহার না করে।
- আমি দায়িত্ব এবং স্বাক্ষর অনুমোদিত প্রকৌশলীর উপর ছেড়ে দিয়েছি।