লাভ:
- ঝুঁকির স্তরের উপর নির্ভর করে কোথায় AI খনির প্রকৌশল কর্মপ্রবাহে প্রকৃত সময় বাঁচায় এবং যেখানে নিরাপত্তা-সমালোচনামূলক দায়িত্ব যোগ্য প্রকৌশলীর কাছে থাকা উচিত তা আলাদা করার ক্ষমতা
- একটি বহু-স্তরযুক্ত বৈধতা শৃঙ্খলা বাস্তবায়ন করার ক্ষমতা যা প্রতিটি এআই আউটপুটকে স্ট্যান্ডার্ড, স্বাধীন গণনা এবং ক্ষেত্র পরিমাপের বিরুদ্ধে পরীক্ষা করে
- প্রসঙ্গ বেনামী করার ক্ষমতা এবং রিজার্ভ ডেটা, লাইসেন্সের তথ্য এবং কর্মীদের/উৎপাদন ডেটা রক্ষা করার জন্য নিরাপদ যানবাহন বেছে নেওয়ার অভ্যাস অর্জন
একজন খনি প্রকৌশলীর কাজ হল মাটির নিচের অনিশ্চয়তাকে মাটির ওপরের সিদ্ধান্তের মাধ্যমে দূর করা। ড্রিলিং ডেটা থেকে আকরিক দেহের অনুমান করা, রিজার্ভ গণনা করা, গর্তের পরিকল্পনা করা, সরঞ্জামের বহরের পরিচালনা, ঢালের আচরণ পর্যবেক্ষণ করা, পেশাগত নিরাপত্তা নিশ্চিত করা, পরিবেশগত প্রভাব পরিমাপ করা এবং এই সমস্ত আইন অনুসারে রিপোর্ট করা। এই কাজগুলির সাধারণ বৈশিষ্ট্য হল যে তারা প্রচুর পরিমাপ এবং ডেটা নিয়ে কাজ করে, তবে প্রতিটি সিদ্ধান্তের ফলে মানুষের জীবন, লক্ষ লক্ষ লিরা বিনিয়োগ এবং ক্ষেত্রে অপরিবর্তনীয় পরিবেশগত পরিণতি হয়। কৃত্রিম বুদ্ধিমত্তা (সংক্ষেপে AI; সফ্টওয়্যার সিস্টেম যা বড় ডেটা এবং ভাষার মডেলের সাথে পাঠ্য, সংখ্যা এবং চিত্রগুলিতে কাজ করে) এই ডেটা-নিবিড় কিন্তু সিদ্ধান্ত-সমালোচনার ক্ষেত্রে একটি শক্তিশালী সহায়তা। এই ইউনিটটি আপনাকে শেখায় কোথায় নিরাপদে AI ব্যবহার করতে হবে খনির ক্ষেত্রে, কোথায় এটি বিপজ্জনক এবং কেন আপনাকে প্রতিটি AI আউটপুট মান, ক্ষেত্র পরিমাপ এবং ইঞ্জিনিয়ারিং রায়ের বিরুদ্ধে যাচাই করতে হবে।
এই মডিউল জুড়ে আপনি যে কেন্দ্রীয় নীতিটি ব্যবহার করবেন তা হল: AI একজন সহকারী, সিদ্ধান্ত গ্রহণকারী নয়। একটি গ্রেড (আকরে ধাতু অনুপাত) মান, একটি ঢাল কোণ, একটি রিজার্ভ চিত্র, একটি নিরাপত্তা সীমা বা একটি আইন প্রবন্ধ সত্য হয়ে ওঠে না শুধুমাত্র কারণ "AI তাই বলেছে"; পরিমাপ, রেফারেন্স, এবং দক্ষ প্রকৌশলী রায় দ্বারা যাচাই না হওয়া পর্যন্ত এটি নিছক একটি অনুমান। আপনি মডিউলের প্রতিটি ইউনিটে এই বাক্যটি আবার দেখতে পাবেন, কারণ খনির ক্ষেত্রে, একটি ভুল সংখ্যা প্রায়শই একটি বিনিয়োগের পতন, ঢালের পতন বা একজন ব্যক্তির আঘাতকে বোঝায়।
এলএলএম কী এবং খনির ক্ষেত্রে 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। খনির পরিভাষা সাবলীলভাবে বলে, কিন্তু একটি গ্রেড পরিমাপ করে না; সবচেয়ে সম্ভাবনাময় দেখায় এমন সংখ্যা তৈরি করে। অতএব, তিনি গড় গ্রেড, স্ট্রিপিং রেট, একটি নিয়ন্ত্রক ধারা, বা একটি বিস্ফোরক সীমা 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 খনির ক্ষেত্রে শক্তিশালী:
- ধারণার ব্যাখ্যা এবং শিক্ষা: ভ্যারিওগ্রাম কী, লিভারেজ নিয়ম কীভাবে কাজ করে, কীভাবে অ্যাসিড খনি নিষ্কাশন ঘটে।
- ডেটা পরিষ্কার এবং সংগঠন: বিক্ষিপ্ত বোরহোল লগগুলিকে একটি সুসংগত টেবিলে পরিণত করা, ইউনিটের অমিল ক্যাপচার করা।
- অনুমানের একটি তালিকা তৈরি করা: উৎপাদন হ্রাসের সম্ভাব্য কারণগুলিকে পদ্ধতিগতভাবে তালিকাভুক্ত করা।
- কোডিং: পাইথনের সাথে ডেটা ক্লিনিং, গ্রাফিং, জিওস্ট্যাটিস্টিকস এবং অ্যানোমালি অ্যানালাইসিস স্ক্রিপ্ট।
- খসড়া পাঠ্য: JSA (চাকরির নিরাপত্তা বিশ্লেষণ), পরিবেশ পর্যবেক্ষণ প্রতিবেদন, খসড়া টেন্ডার/প্রযুক্তিগত স্পেসিফিকেশন।
- ব্রেনস্টর্ম: দৃশ্যকল্প তুলনা, পরীক্ষা/পরিমাপ পরিকল্পনা ধারণা।
যেখানে AI দুর্বল এবং ঝুঁকিপূর্ণ:
- সঠিক সংখ্যাসূচক মান দেওয়া (গ্রেড, রিজার্ভ, ঢাল কোণ, সীমা মান)।
- বর্তমান এবং নির্দিষ্ট আইন/মানক নিবন্ধ এবং সংস্করণ তথ্য।
- আপনার সাইটের প্রকৃত পরিমাপ ডেটা ছাড়াই নির্ণয়।
- নিরাপত্তা-সমালোচনামূলক সিদ্ধান্ত: বিস্ফোরণ নকশা অনুমোদন, সরিয়ে নেওয়ার সিদ্ধান্ত, সেবাযোগ্যতা।
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
ডেটা পরিষ্কার, অনুমান তালিকা, গণনা সেটআপ
খসড়া/সহ-লেখক
ম্যানুয়াল নিয়ন্ত্রণ + উত্স নিশ্চিতকরণ
উচ্চ
রিজার্ভ অনুমান, পিট সীমা, ব্লাস্টিং প্যারামিটার
ধারণা জেনারেটর
স্ট্যান্ডার্ড + ফিল্ড পরিমাপ + সফ্টওয়্যার
সমালোচনামূলক
সরানোর সিদ্ধান্ত, ঢাল নিরাপত্তা, সেবাযোগ্যতা/উপযুক্ততার সিদ্ধান্ত
শুধুমাত্র খসড়া/স্ক্যান
দক্ষ প্রকৌশলী অনুমোদন + স্বীকৃত পরীক্ষা
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; দক্ষ প্রকৌশলী স্বাক্ষর এবং দায়িত্ব গ্রহণ করেন।
এন্ড-টু-এন্ড ফ্লো: আপনার ওয়ার্কফ্লোতে AI এম্বেড করা
খনির একটি সাধারণ সমস্যা-সমাধান চক্র এভাবে চলে, AI প্রতিটি ধাপে নিযুক্ত থাকে কিন্তু একা তাদের কোনোটি বন্ধ করে না:
- সমস্যা সংজ্ঞায়িত করুন: কি ভবিষ্যদ্বাণী করতে হবে, কি সিদ্ধান্ত নিতে হবে, কোন বাধা আছে? (এআই: প্রশ্নটি স্পষ্ট করে।)
- ডেটা সংগ্রহ এবং পরিষ্কার করুন: ড্রিলিং, উত্পাদন, পর্যবেক্ষণ, পরীক্ষাগার ডেটা। (এআই: পরিষ্কার এবং অসঙ্গতি পরীক্ষায় শক্তিশালী।)
- অনুমান/পরিস্থিতি তৈরি করুন: সম্ভাব্য কারণ, বিকল্প পরিকল্পনা। (এআই: পদ্ধতিগত তালিকা তৈরি করে।)
- বিশ্লেষণ করুন: গণনা, ভূ-পরিসংখ্যান, মডেল, চিত্র প্রক্রিয়াকরণ। (AI: কোড এবং গণনার কথাসাহিত্য তৈরি করে।)
- যাচাই করুন: স্ট্যান্ডার্ড, ক্ষেত্র, স্বতন্ত্র অ্যাকাউন্ট, সফ্টওয়্যার। (এআই সাইডলাইনে রয়েছে; মানুষ এবং পরিমাপ সিদ্ধান্ত নেয়।)
- রিপোর্ট করুন এবং সিদ্ধান্ত নিন: উপযুক্ত প্রকৌশলী দায়িত্ব নেন। (এআই: খসড়া লেখক।)
এই ছয়টি ধাপ মাথায় রাখুন; বাকী মডিউল আপনাকে দেখায় কিভাবে কংক্রিট খনির কাজের সাথে ধাপে ধাপে AI ব্যবহার করতে হয়।
তিনটি মিনি কেস
কেস 1 — তৈরি গড় গ্রেড। একজন ইন্টার্ন এআই চ্যাট টুলকে তামা প্রকল্পের গড় গ্রেড সম্পর্কে জিজ্ঞাসা করে; AI বলছে "প্রায় 0.65% Cu।" ইন্টার্ন এটি বিনিয়োগের উপস্থাপনায় রাখে। যাইহোক, AI এই প্রকল্পের একটি একক ড্রিলিং ডেটা দেখেনি; "তামা প্রকল্প" এর জন্য একটি সাধারণ সংখ্যা তৈরি করেছে। প্রকৃত মান শুধুমাত্র প্রকল্পের নিজস্ব সংমিশ্রিত ড্রিলিং ডেটা এবং জিওস্ট্যাটিস্টিক্যাল অনুমান থেকে আসে; এই প্রকল্পের প্রকৃত মূল্য হল 0.38%। পার্থক্য হল বিনিয়োগকে লাভজনক দেখানো এবং ক্ষতি করার মধ্যে পার্থক্য। সঠিক মনোভাব হল AI এর জন্য গ্রেড "জিজ্ঞাসা" না করা, তবে এটি আপনার নিজস্ব ডাটাবেস থেকে গণনা করা।
কেস 2 — অস্তিত্বহীন প্রবিধান ধারা। একজন প্রকৌশলী এআইকে ব্লাস্টিং-এ অনুমোদিত সর্বোচ্চ স্থল কম্পন (পিপিভি: পিক পার্টিকেল বেগ, মিমি/সে) জিজ্ঞাসা করেন। এআই বলে "নিয়ম অনুযায়ী 10 মিমি/সেকেন্ড" এবং একটি আইটেম নম্বর তৈরি করে। প্রকৌশলী সেই অনুযায়ী রিপোর্ট লেখেন। পরিদর্শনের সময়, এটি প্রকাশ করা হয় যে আইটেম নম্বরটি আসল নয় এবং সীমা মান দূরত্ব এবং বিল্ডিংয়ের ধরণের উপর নির্ভর করে পরিবর্তিত হয়। সঠিক মনোভাব হল অফিসিয়াল উৎস থেকে বর্তমান প্রবিধান খুলুন এবং মান এবং পদার্থ নিশ্চিত করুন। এমনকি AI যদি প্রবিধানটির নাম সঠিকভাবে জানে, তবে এটি নিবন্ধ নম্বরটিকে হ্যালুসিনেট করতে পারে।
কেস 3 - সঠিক ব্যবহার। একজন ভূতাত্ত্বিক 40টি বোরহোলের একটি ডেটা সেটের গ্রেড কলামে একটি অসঙ্গতি সন্দেহ করেন৷ এটি AI কে বলে "এই টেবিলের সারিগুলি তালিকাভুক্ত করতে যাতে ইউনিটের অসঙ্গতি, নেতিবাচক মান, দৃশ্যমান আউটলার এবং খালি ঘর থাকতে পারে এবং প্রতিটির জন্য আপনি যা সন্দেহ করেন তা লিখুন; ঠিক করবেন না, শুধু চিহ্নিত করুন।" পিপিএম, দুটি নেতিবাচক গ্রেড এবং একটি 999 কোড মান % এর সাথে মিশ্রিত কয়েকটি লাইনকে AI পতাকা দেয়। ভূতাত্ত্বিক কাঁচা লগগুলি থেকে একের পর এক এইগুলি পরীক্ষা করে এবং সংশোধন করে৷ এখানে AI সঠিকভাবে ব্যবহার করা হয়েছে: মনোযোগ আকর্ষণ করেছে, মানুষ সিদ্ধান্ত নিয়েছে এবং সংশোধন করেছে।
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 খনির প্রকৌশলী সহকারী। কাজ: [বিষয়টি লিখুন]। নিয়ম: সঠিক সংখ্যাসূচক মান (গ্রেড, রিজার্ভ, সীমা) দেওয়ার সময়, উত্সটি উল্লেখ করুন; আপনি যদি নিশ্চিত না হন, তাহলে বলুন 'যাচাই করা আবশ্যক'। আপনি যদি এটির একটি সংস্করণ দেন, তবে এটির নিবন্ধটি অবশ্যই/নিয়ন্ত্রিত সংস্করণ দিয়ে দিতে হবে। অফিসিয়াল সোর্স থেকে নিশ্চিত করা হয়েছে উত্তরের শেষে, আইটেম অনুসারে 'ক্ষেত্রের পরিমাপ/গণনা দ্বারা কী যাচাই করা দরকার' লিখুন।"
হাইপোথিসিস জেনারেশন টেমপ্লেট "নিম্নলিখিত পরিস্থিতির সম্ভাব্য কারণগুলির একটি নিয়মতান্ত্রিক তালিকা তৈরি করুন: [পরিস্থিতি বর্ণনা করুন; কী পর্যবেক্ষণ করা হয়েছে, কী ডেটা উপলব্ধ]। প্রতিটি অনুমানের জন্য: (1) কোন প্রমাণ এটিকে সমর্থন করে, (2) এটি নিশ্চিত/অপ্রমাণ করার জন্য কী পরিমাপ বা গণনা করা উচিত। একটি নির্দিষ্ট নির্ণয়ের রাস্তা তৈরি করুন।"
যাচাইকরণ চেকলিস্ট টেমপ্লেট "নিচের প্রতিবেদনের খসড়াটিতে প্রতিটি সংখ্যাসূচক মান এবং প্রতিটি নিয়ম/মানক রেফারেন্স তালিকাভুক্ত করুন। প্রতিটির জন্য, কোন উৎস থেকে নির্দেশ করুন (সেলফ-ড্রিলিং ডেটা, রেগুলেটরি টেক্সট, ল্যাবরেটরি রিপোর্ট, ফিল্ড জরিপ) এটি যাচাই করা উচিত। অনিশ্চিত মূলের সেগুলি সংগ্রহ করুন 'Te-x' ছাড়া ব্যবহার করা যাবে না।
বেনামীকরণ প্রাক-চেক টেমপ্লেট "নিম্নলিখিত টেক্সটটি একটি AI টুলে দেওয়ার আগে, ফ্ল্যাগ ট্রেড সিক্রেট বা ব্যক্তিগত/নিয়ন্ত্রক সংবেদনশীল অংশগুলি: রিজার্ভ নম্বর, লাইসেন্স নম্বর, প্রকৃত স্থানাঙ্ক, গ্রাহক/কর্মীদের নাম, গোপনীয় খরচের ডেটা। 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: "এই খনির রিজার্ভ কত?"
দৃঢ় প্রম্পট: "ভুমিকা: আপনি সহকারী সম্পদ ভূতত্ত্ববিদ। ব্যাখ্যা করুন যে একটি রিজার্ভ/রিসোর্স অনুমান কোন ধাপের মধ্য দিয়ে যেতে হবে (কম্পোজিটিং, ভ্যারিওগ্রাম, ক্রিজিং, শ্রেণীবিভাগ, অর্থনৈতিক সীমা) এবং কোন ডেটা এবং প্রতিটি ধাপে কোন উপযুক্ত ব্যক্তির অনুমোদন প্রয়োজন। একটি সঠিক তথ্য দেবেন না যেটি শুধুমাত্র এই প্রকল্পের সংরক্ষিত সংখ্যার মালিক হতে পারে এবং শুধুমাত্র এই ডেটা গণনা করতে পারে। JORC/UMREK এর মতো কোডের কাঠামোর মধ্যে রিপোর্ট করা উচিত।"
দুর্বল প্রম্পট AI কে আপ করার জন্য আমন্ত্রণ জানায়; শক্তিশালী প্রম্পট এটিকে সঠিক কাজে (প্রক্রিয়ার বিবরণ) রাখে এবং ডিজিটাল হ্যালুসিনেশনকে প্রথম স্থানে ঘটতে বাধা দেয়।
সাধারণ ভুল
- কোর্স-নির্দিষ্ট নম্বর যেমন গ্রেড, রিজার্ভ ইত্যাদির জন্য AI কে "জিজ্ঞাসা করা"৷ AI আপনার ডেটা জানে না; এই সংখ্যাগুলি শুধুমাত্র আপনার নিজস্ব ডাটাবেস থেকে গণনা করা হয়।
- এটি নিশ্চিত না করেই আইন/মানক ধারা ব্যবহার করা। আইটেম নম্বর এবং মান প্রায়ই হ্যালুসিনেশন হয়.
- AI আউটপুটের উপর ভিত্তি করে নিরাপত্তা-গুরুত্বপূর্ণ সিদ্ধান্ত। ইভাকুয়েশন, ব্লাস্টিং অ্যাপ্রুভাল এবং সার্ভিসেবিলিটির সিদ্ধান্ত দক্ষ ইঞ্জিনিয়ার দ্বারা নেওয়া হয়।
- বেনামী না করে ক্লাউড টুলে সংবেদনশীল ডেটা আটকানো। রিজার্ভ, সমন্বয় এবং খরচ তথ্য বাণিজ্য গোপন.
- একটা প্রশ্ন আর একটা উত্তরের অপেক্ষায়। পুনরাবৃত্তিমূলকভাবে AI ব্যবহার করুন: খসড়া তৈরি করুন, সমালোচনা করুন, যাচাই করুন, সঠিক করুন।
সতর্কতা: AI আউটপুটে একটি সংখ্যা যত বেশি সুনির্দিষ্ট এবং আত্মবিশ্বাসী হবে, যাচাইকরণের প্রয়োজন তত বেশি হবে। নির্ভুলতা নির্ভুলতার গ্যারান্টি নয়।
সংক্ষেপে
এই ইউনিটে আপনি দেখেছেন যে AI খনির একজন সহকারী, সিদ্ধান্ত গ্রহণকারী নয়। এলএলএম হল ভাষা ভবিষ্যদ্বাণীকারী; এটি ধারণার ব্যাখ্যা, ডেটা পরিষ্কার, হাইপোথিসিস এবং কোড তৈরিতে শক্তিশালী, তবে সুনির্দিষ্ট সংখ্যা এবং আইন তৈরিতে (হ্যালুসিনেশন) ঝুঁকিপূর্ণ। কাজগুলিকে নিম্ন/মাঝারি/উচ্চ/গুরুত্বপূর্ণ হিসাবে শ্রেণীবদ্ধ করুন এবং সেই অনুযায়ী যাচাইকরণের গভীরতা সামঞ্জস্য করুন। আপনার নিজস্ব ডেটা বা ফিল্ড পরিমাপ থেকে প্রতিটি সংখ্যাসূচক মান যাচাই করুন, অফিসিয়াল উত্স থেকে প্রতিটি নিয়ন্ত্রক রেফারেন্স। নিরাপত্তা-সমালোচনামূলক সিদ্ধান্তগুলি সর্বদা দক্ষ ইঞ্জিনিয়ারের কাছে থাকে এবং ব্যবহারের আগে সংবেদনশীল ডেটা বেনামী করে।
আবেদন টাস্ক
আপনার নিজের ব্যবসা (বা একটি কাল্পনিক খনির প্রকল্প) থেকে পাঁচটি কাজ চয়ন করুন: একটি ধারণার বিবরণ, একটি ডেটা পরিষ্কার করা, অনুমানের একটি তালিকা, একটি রিজার্ভ/সংখ্যাসূচক মান এবং একটি নিয়ন্ত্রক প্রশ্ন৷ উপরের ঝুঁকি সারণীতে প্রতিটি রাখুন। তারপরে "ভুমিকা এবং সীমানা" টেমপ্লেট সহ AI-তে দুটি নিম্ন/মাঝারি ঝুঁকিপূর্ণ কাজ আউটসোর্স করুন এবং আউটপুটের প্রতিটি সংখ্যাসূচক/নিয়ন্ত্রক উপাদানকে "যাচাই চেকলিস্ট" টেমপ্লেট দিয়ে চিহ্নিত করুন। যাচাই ছাড়া কোন উপাদান ব্যবহার করা যাবে না তা লিখুন।
চেকলিস্ট
- [ ] আমি এটি ব্যবহার করার আগে মিশনটিকে ঝুঁকির স্তরে (নিম্ন/মাঝারি/উচ্চ/সমালোচনামূলক) রেখেছি।
- [ ] আমি AI কে জিজ্ঞাসা করার পরিবর্তে আমার নিজের ফলন থেকে ক্ষেত্র-নির্দিষ্ট সংখ্যা যেমন গ্রেড, রিজার্ভ ইত্যাদি গণনা করেছি।
- [] আমি অফিসিয়াল উত্স থেকে প্রতিটি আইন/মানক রেফারেন্স যাচাই করেছি।
- [ ] আমি সংবেদনশীল তথ্য (রিজার্ভ, স্থানাঙ্ক, নাম, খরচ) বেনামী করেছি।
- [ ] আমি AI আউটপুটের উপর ভিত্তি করে নয়, যোগ্য প্রকৌশলীর অনুমোদনের উপর নিরাপত্তা-সমালোচনামূলক সিদ্ধান্ত ছেড়ে দিয়েছি।
- "যাচাই ছাড়া ব্যবহার করা যাবে না" এর জন্য আমি AI আউটপুটের প্রতিটি সংখ্যাসূচক মান স্ক্যান করেছি।