ভূতাত্ত্বিক প্রকৌশলে কৃত্রিম বুদ্ধিমত্তা এবং যাচাইকরণ শৃঙ্খলার ভূমিকা

লাভ:

• ভূতাত্ত্বিক প্রকৌশল কর্মপ্রবাহে AI কোথায় রিয়েল টাইম বাঁচায় এবং কোন সিদ্ধান্তগুলি প্রকৌশলীর দায়িত্বে থাকা উচিত তা বোঝার ক্ষমতা
• একটি শৃঙ্খলা প্রয়োগ করার ক্ষমতা যা প্রতিটি AI আউটপুটকে মাত্রার ক্রম, ভূতাত্ত্বিক প্রশংসনীয়তা এবং ক্ষেত্রের প্রমাণের সাথে ক্রস-ভ্যালিডেট করে
• অস্পষ্টতা, হ্যালুসিনেশন এবং ডেটা গোপনীয়তার ঝুঁকিগুলিকে চিনুন এবং প্রসঙ্গ বেনামী করে সুরক্ষিত প্রম্পট সেট আপ করার অভ্যাস গড়ে তুলুন।

ভূতাত্ত্বিক প্রকৌশল এমন একটি পেশা যেখানে আমরা কখনই মাটির নীচে সত্যকে পুরোপুরি দেখতে পারি না। একটি বোরহোল অনেক কিলোমিটার জমির মাত্র একটি সেন্টিমিটার স্লাইস নমুনা দেয়; একটি ভূতাত্ত্বিক বিভাগ একটি পরোক্ষ ছায়া; একটি মানচিত্র হল পর্যবেক্ষণের মধ্যে ফাঁকগুলির একটি ব্যাখ্যা। এই কারণেই ভূতত্ত্ব এমন একটি শৃঙ্খলা যা সহজাতভাবে অনিশ্চয়তার সাথে কাজ করে। কৃত্রিম বুদ্ধিমত্তা (AI; ​​সফ্টওয়্যার সিস্টেম যা বড় ডেটা প্যাটার্ন থেকে শেখে এবং টেক্সট/ছবি/সংখ্যা তৈরি করে) এই অনিশ্চয়তা পরিচালনার জন্য একটি শক্তিশালী হাতিয়ার, কিন্তু এটি এমন একটি টুল যা বিপজ্জনকভাবে একই অনিশ্চয়তাকে আড়াল করতে পারে। এই ইউনিটটি দুটি ভিত্তি স্থাপন করে যার উপর পুরো মডিউলটি তৈরি করা হবে: কোথায় ভূতত্ত্ব কর্মপ্রবাহে AI প্রকৃত মান তৈরি করে এবং কীভাবে আমরা প্রতিটি আউটপুটকে যাচাই করব।

আসুন শুরু থেকেই পরিষ্কার করা যাক: এই মডিউলের সময় আপনি যে কোনও কৌশল শিখবেন না তা একজন দক্ষ ভূতাত্ত্বিক প্রকৌশলীর স্বাক্ষর, ক্ষেত্র পর্যবেক্ষণ এবং প্রকৌশল বিচারকে প্রতিস্থাপন করবে। কৃত্রিম বুদ্ধিমত্তা একটি সহকারী; দ্রুত পড়ে, দ্রুত লেখে, প্যাটার্ন ধরে। কিন্তু যদি একটি ঢাল ব্যর্থ হয়, একটি বাঁধ ভিত্তি ধসে যায়, বা একটি খনিজ রিজার্ভ এটির চেয়ে বড় বলে রিপোর্ট করা হয়, দায়বদ্ধতা সফ্টওয়্যারের সাথে নয়, কিন্তু যে প্রকৌশলী এটি স্বাক্ষর করেছেন তার। আপনি মডিউলের প্রতিটি ইউনিটে এই বাক্যটি আবার বিভিন্ন আকারে দেখতে পাবেন, কারণ নিরাপত্তা-সমালোচনা প্রকৌশলে এটিই একমাত্র সত্য।

কৃত্রিম বুদ্ধিমত্তা কোথায় ভূতত্ত্ব কর্মপ্রবাহে মূল্য তৈরি করে?

একজন ভূতাত্ত্বিক প্রকৌশলীর সপ্তাহকে মোটামুটিভাবে তিন ধরনের কাজের মধ্যে ভাগ করা হয়: ডেটা প্রস্তুতি (লগ ডিজিটাইজেশন, ফিল্ড নোট এডিটিং, টেবিল ক্লিনআপ), ব্যাখ্যা এবং বিশ্লেষণ (লিথোলজি শ্রেণীবিভাগ, পারস্পরিক সম্পর্ক, সম্পদ অনুমান, বিপদ মূল্যায়ন), এবং যোগাযোগ (প্রতিবেদন, মানচিত্র, উপস্থাপনা, চিঠিপত্র)। AI তিনটি ক্ষেত্রেই স্পর্শ করে, কিন্তু এর অবদান এবং ঝুঁকি প্রতিটিতে আলাদা।

ডেটা প্রস্তুতি কৃত্রিম বুদ্ধিমত্তার সবচেয়ে নিরাপদ এবং সবচেয়ে লাভজনক ক্ষেত্র। ফ্রী-টেক্সট মূল বিবরণকে একটি কাঠামোগত টেবিলে অনুবাদ করা, অসামঞ্জস্যপূর্ণ একককে প্রমিত করা, ল্যাব আউটপুটের হাজার হাজার লাইনে আউটলিয়ার ফ্ল্যাগ করা—এগুলি পুনরাবৃত্তিমূলক, নিয়ম-ভিত্তিক, সহজে যাচাই করা কাজ। এখানে কোনো ত্রুটি থাকলেও, উৎসে (কাঁচা লগ) ফিরে যেতে এবং এটি পরীক্ষা করতে কয়েক মিনিট সময় লাগবে।

ব্যাখ্যা এবং বিশ্লেষণের ক্ষেত্রটি সর্বোচ্চ মান এবং সর্বোচ্চ ঝুঁকি বহন করে। AI একটি ড্রিল বিভাগ থেকে সম্ভাব্য ত্রুটি জ্যামিতির পরামর্শ দিতে পারে; এটি এমন একটি প্যাটার্ন প্রকাশ করতে পারে যা এমনকি একজন অভিজ্ঞ চোখ মিস করতে পারে। কিন্তু একই মডেল আত্মবিশ্বাসের সাথে একটি অস্তিত্বহীন স্ট্র্যাটিগ্রাফিক ইউনিটের সাথে ফিট করতে পারে (এই ঘটনাটিকে হ্যালুসিনেশন বলা হয়: মডেলটি এমন তথ্য তৈরি করে যা আসলে বিদ্যমান নেই, যেন এটি বাস্তব)। এই ক্ষেত্রে, এআই একটি হাইপোথিসিস জেনারেটর, সিদ্ধান্ত গ্রহণকারী নয়।

যোগাযোগের ক্ষেত্রে, কৃত্রিম বুদ্ধিমত্তা একটি খসড়া ত্বরণকারী। একটি ভূ-প্রযুক্তিগত প্রতিবেদন, একটি সাহিত্য সারাংশ, বা মিনিটের মধ্যে একটি ই-মেইলের পদ্ধতি বিভাগের খসড়া তৈরি করে। এখানে ঝুঁকি হল যে বানোয়াট উত্স এবং ভুল সংখ্যাগুলি একটি প্রবাহিত পাঠ্যের অলক্ষিত স্বাক্ষরে স্লিপ করতে পারে।

বৈধতা শৃঙ্খলা: তিনটি অ্যাঙ্কর নিয়ম

এই মডিউলটির কেন্দ্রবিন্দু হল একটি একক অভ্যাস: কোনো AI আউটপুটকে যাচাই না করেই কোনো ইঞ্জিনিয়ারিং সিদ্ধান্তে অন্তর্ভুক্ত না করা। আমরা তিনটি স্বাধীন নোঙ্গর উপর ভিত্তি করে বৈধতা.

প্রথম নোঙ্গর - মাত্রার অর্ডার। ফলাফল কি মোটামুটি 10 ​​সীমার প্রত্যাশিত শক্তির মধ্যে? একটি বালি জলবাহী জলবাহী পরিবাহিতা সাধারণত প্রতিদিন মিটারের ক্রম অনুসারে হয়; যদি মডেলটি কিলোমিটার/দিন দেয় তবে একটি ইউনিট বা সম্পাদনা ত্রুটি রয়েছে এবং এটি বিশদে না গিয়ে বোঝা যাবে। চুনাপাথরের অক্ষীয় কম্প্রেসিভ শক্তি 30-200 MPa এর মধ্যে থাকে; 3000 এমপিএ হাস্যকর। এই চেকটি সেকেন্ড সময় নেয় এবং বেশিরভাগ ত্রুটি ধরা দেয়।

দ্বিতীয় নোঙ্গর — ভূতাত্ত্বিক প্রশংসনীয়তা। আউটপুট কি ক্ষেত্রের ভূতাত্ত্বিক গল্পের সাথে সামঞ্জস্যপূর্ণ? যদি মডেলটি একটি সামুদ্রিক চুনাপাথরের নীচে একটি অল্প বয়স্ক পলল স্থাপন করে থাকে, হয় একটি বিপরীত ত্রুটি রয়েছে (এবং এটি আলাদাভাবে প্রমাণ করা প্রয়োজন) বা মডেলটি বাজে। স্ট্র্যাটিগ্রাফিক সিকোয়েন্স, টেকটোনিক ফ্রেমওয়ার্ক এবং ডিপোজিশনাল এনভায়রনমেন্ট হল প্রশংসনীয়তার ফিল্টার যার মধ্য দিয়ে প্রতিটি ব্যাখ্যা অবশ্যই পাস করতে হবে।

তৃতীয় নোঙ্গর - ক্ষেত্রের প্রমাণ। এটি সবচেয়ে শক্তিশালী অ্যাঙ্কর। মূল নমুনা, আউটক্রপ পর্যবেক্ষণ, মাঠ যাচাই। একটি লগ-ভিত্তিক লিথোলজি ব্যাখ্যাকে একই গভীরতা থেকে নেওয়া কোরের সাথে তুলনা করা হয়। রিমোট সেন্সিং দ্বারা ম্যাপ করা একটি পরিবর্তন অঞ্চলটি ক্ষেত্রের বিভিন্ন পয়েন্টে নমুনা সহ পরীক্ষা করা হয়। স্থল সত্যের সর্বদা জয় হয়।

তিনটি মিনি কেস: সংখ্যা দ্বারা

কেস 1 — লগ ডিজিটাইজেশনে সময় সাশ্রয়। একজন প্রকৌশলী 1980 এর দশক থেকে ম্যানুয়ালি 42টি স্ক্যান করা (কাগজ) বোরহোল লগ ডিজিটাইজ করছিলেন; লগ প্রতি গড় 35 মিনিট, মোট প্রায় 24 ঘন্টা। একটি এআই-চালিত চার্টিং ওয়ার্কফ্লো সহ, তিনি প্রথম খসড়াটি 6 মিনিটে কমিয়েছেন, বাকি সময়টি ভিজ্যুয়াল যাচাইকরণে নিয়োজিত করেছেন। মোট সময় প্রায় 8 ঘন্টা নেমে গেছে; যা গুরুত্বপূর্ণ ছিল তা হল যে অর্জিত সময় নিয়ন্ত্রণে ব্যয় করা হয়েছিল।

কেস 2 - ক্যাপচার হ্যালুসিনেশন। যখন একজন ইন্টার্নের কাছে AI একটি ক্ষেত্রের স্ট্র্যাটিগ্রাফির সংক্ষিপ্তসার ছিল, পাঠ্যটিতে বাক্যটি অন্তর্ভুক্ত ছিল "Tuzla Formation evaporites common in the region." সাইটে কোন evaporite ছিল; মডেল অন্য বেসিন থেকে বিভ্রান্ত তথ্য ছিল. ভূতাত্ত্বিক সম্ভাব্যতা ফিল্টার (এ অঞ্চলের টেকটোনিক কাঠামো বাষ্পীভবনের জন্য উপযুক্ত ছিল না) প্রতিবেদনটি স্বাক্ষর করার আগে ত্রুটিটি ধরা পড়ে।

কেস 3 - ইউনিট ত্রুটি। একটি উৎস গণনাতে, মডেলটি 2.7 g/cm³ এর পরিবর্তে 2.7 t/m³ এর সাথে ঘনত্বকে বিভ্রান্ত করে 1000 এর একটি ফ্যাক্টর দ্বারা টনেজ আউটপুট স্ফীত করেছে (আসলে দুটি সমান, কিন্তু মডেলের মধ্যবর্তী ধাপটি ভুল ছিল এবং ফলাফলটি 1000 এর একটি ফ্যাক্টর দ্বারা স্ফীত হয়েছে)। ম্যাগনিটিউড চেকের আদেশ - "এই ব্লকটি 5 মিলিয়ন টন হতে পারে না তবে 5 বিলিয়ন টন" - অবিলম্বে ত্রুটিটি ছেড়ে দেয়।

দুর্বল প্রম্পট / শক্তিশালী প্রম্পট

দুর্বল প্রম্পট:

এই ক্ষেত্রের ভূতত্ত্ব সংক্ষিপ্ত করুন এবং এর খনিজ সম্ভাবনার মূল্যায়ন করুন।[ডেটা]

শক্তিশালী প্রম্পট:

আপনার ভূমিকা: একজন সিনিয়র অনুসন্ধান ভূতত্ত্ববিদ। শুধুমাত্র প্রদত্ত ডেটার উপর ভিত্তি করে নীচের ড্রিলিং সারাংশটি ব্যাখ্যা করুন। - ডেটাতে নেই এমন কোনও গঠন, খনিজ বা বয়স যুক্ত করবেন না। - প্রতিটি মন্তব্যের পাশে বন্ধনী দিয়ে আপনি যে ডেটা লাইনের উপর ভিত্তি করে আছেন তা দেখান। - "ডেটা অপর্যাপ্ত" লিখুন যেখানে আপনি নিশ্চিত নন, অনুমান করবেন না। - অবশেষে: 3টি অনুমানের একটি পৃথক তালিকা তৈরি করুন যা যাচাই করা দরকার। ডেটা: [ড্রিলিং সারাংশ]

শক্তিশালী প্রম্পট মডেলটিতে তিনটি জিনিস আরোপ করে: উৎসের সাথে লেগে থাকা, অনিশ্চয়তা স্বীকার করা এবং যাচাই করার জন্য জিনিসগুলি চিহ্নিত করা। এটি হ্যালুসিনেশন সম্পূর্ণভাবে শেষ করে না, তবে এটি দৃশ্যমান করে তোলে।

চারটি অনুলিপিযোগ্য টেমপ্লেট

1) বেনামী প্রসঙ্গ স্থাপন:

আমার একটি জিওলজিক্যাল ইঞ্জিনিয়ারিং অ্যাসাইনমেন্টে সাহায্য দরকার। ক্ষেত্রের নাম, স্থানাঙ্ক এবং কোম্পানির তথ্য গোপনীয়; আমি তাদের "ফিল্ড-এ", "এক্স কোঅর্ডিনেট" এর মতো প্রতিনিধিত্বমূলক অভিব্যক্তি দিয়ে দেব। অনুসন্ধান: [অন্বেষণ]। শুধু আমার দেওয়া প্রযুক্তিগত তথ্যের উপর নির্ভর করুন।

2) তিনটি অ্যাঙ্কর যাচাইকরণের অনুরোধ:

নিম্নলিখিত আউটপুটের জন্য তিনটি চেক করুন: 1) মাত্রার ক্রম: প্রতিটি সংখ্যা কি প্রত্যাশিত সীমার মধ্যে রয়েছে? যদি না হয়, মার্ক. 2) ভূতাত্ত্বিক যুক্তিযুক্ততা: একটি স্ট্র্যাটিগ্রাফিক/টেকটোনিকভাবে অসঙ্গত দাবি আছে? 3) যাচাইকরণ তালিকা: আইটেম যা ক্ষেত্র/ল্যাবরেটরিতে নিশ্চিত করা প্রয়োজন। আউটপুট: [পাঠ্য]

3) অস্পষ্টতা বলবৎকরণ:

আত্মবিশ্বাসের তিনটি স্তরে আপনার ব্যাখ্যা দিন: - উচ্চ আত্মবিশ্বাস (সরাসরি ডেটা দ্বারা সমর্থিত)- মাঝারি আত্মবিশ্বাস (যুক্তিসঙ্গত অনুমান)- অনুমানমূলক (অতিরিক্ত ডেটা প্রয়োজন) টাস্ক: [টাস্ক]। ডেটা: [ডেটা]

4) সিদ্ধান্ত/সমর্থনের পার্থক্য:

নিম্নলিখিত কাজটিকে দুটি ভাগে ভাগ করুন: A) ডেটা/ড্রাফ্ট কাজ যা AI আত্মবিশ্বাসের সাথে করতে পারেB) সিদ্ধান্তের পয়েন্ট যার জন্য অনুমোদিত প্রকৌশলীর অনুমোদন প্রয়োজন হয় টাস্ক বিবরণ: [সংজ্ঞা]

AI এর ভূমিকা: মিশন টাইপ দ্বারা ঝুঁকি

টাস্ক টাইপ

এআই অবদান

ঝুঁকির স্তর

যাচাইকরণ ঘনত্ব

লগ/টেবিল ডিজিটাইজেশন

উচ্চ

কম

স্পট চেক

লিথোলজি প্রাথমিক শ্রেণীবিভাগ

উচ্চ

মাঝারি

মূল + যুক্তিসঙ্গততা

রিসোর্স/টনেজ গণনা

মাঝারি

উচ্চ

হ্যান্ড অ্যাকাউন্ট + স্বাধীন

ঢাল/বেস নিরাপত্তা সিদ্ধান্ত

সীমিত

খুব উচ্চ

সম্পূর্ণ প্রকৌশলী অনুমোদন

রিপোর্ট/সাহিত্যের খসড়া

উচ্চ

মাঝারি

উৎস নিশ্চিতকরণ

বিপদ/দুর্যোগ মূল্যায়ন

সীমিত

খুব উচ্চ

ক্ষেত্র + মান + অনুমোদন

টিপ: একটি কাজের ঝুঁকির স্তর নির্ধারণ করতে, একটি প্রশ্ন জিজ্ঞাসা করুন: "এই আউটপুটটি ভুল হলে সবচেয়ে খারাপ কী হতে পারে?" যদি উত্তর হয় 'আমি কয়েক মিনিট হারাবো', হালকাভাবে যাচাই করুন; যদি 'কেউ আঘাত পেতে পারে', আউটপুটটিকে একটি হাইপোথিসিস হিসাবে বিবেচনা করুন এবং এটি সম্পূর্ণ ইঞ্জিনিয়ারিং প্রক্রিয়ার মধ্য দিয়ে রাখুন।

মনোযোগ: কৃত্রিম বুদ্ধিমত্তার সবচেয়ে বিপজ্জনক বৈশিষ্ট্যটি এটি ভুল করে না, তবে এটি আত্মবিশ্বাসের সাথে ভুল করে। একটি সাবলীল, প্রযুক্তিগত এবং ঝরঝরে পাঠ্যের অর্থ এই নয় যে এটি সঠিক। স্টাইল নয়, প্রমাণ বিশ্বাস করুন।

সাধারণ ভুল

• নির্ভুলতার জন্য সাবলীলতা ভুল। টেক্সট যতই পেশাদার হোক না কেন, বাস্তবসম্মত দাবি (বয়স, গঠন, সংখ্যা, উৎস) স্বাধীনভাবে যাচাই করা উচিত।
• টাস্কের ধরন অনুসারে ঝুঁকি স্কেল না করা। একটি ইমেল খসড়া হিসাবে একই ভাবে একটি তরল পর্যালোচনা দেখছেন. সম্ভাব্য ক্ষতি সহ বৈধতা স্কেল।
• চিন্তা না করে গোপনীয় ক্ষেত্রের ডেটা প্রবেশ করানো। সমন্বয়, গ্রেড এবং রিজার্ভ তথ্য বাণিজ্যিকভাবে এবং আইনগতভাবে সংবেদনশীল; অনিয়ন্ত্রিত গাড়িতে ঢোকার আগে পরিচয় গোপন করুন।
• অনিশ্চয়তা উপেক্ষা করে। মডেলটি "আত্মবিশ্বাসী" দেখায় তার মানে এই নয় যে অনিশ্চয়তা অদৃশ্য হয়ে যায়; একক পয়েন্ট অনুমানের চেয়ে পরিসীমা এবং আত্মবিশ্বাসের স্তরের জন্য জিজ্ঞাসা করুন।
• সিদ্ধান্ত নেওয়ার জন্য এআইকে ভুল করা। মডেল অনুমান তৈরি করে; দায়িত্বপ্রাপ্ত প্রকৌশলী সিদ্ধান্ত নেন।

সংক্ষেপে

• ভূতত্ত্ব স্বাভাবিকভাবেই অনিশ্চয়তার সাথে কাজ করে; AI এই অনিশ্চয়তাকে পরিচালনা করতে পারে এবং বিপজ্জনকভাবে লুকিয়ে রাখতে পারে।
• কৃত্রিম বুদ্ধিমত্তা তথ্য প্রস্তুতিতে সবচেয়ে নিরাপদ এবং সবচেয়ে লাভজনক, ব্যাখ্যা/বিশ্লেষণে সবচেয়ে মূল্যবান কিন্তু ঝুঁকিপূর্ণ এবং যোগাযোগের ক্ষেত্রে ত্বরণকারী।
• প্রতিটি আউটপুট তিনটি অ্যাঙ্করের বিরুদ্ধে যাচাই করা হয়: মাত্রার ক্রম, ভূতাত্ত্বিক প্রশংসনীয়তা, ক্ষেত্রের প্রমাণ।
• ভুল হলে ফলাফলের ঝুঁকি তার ক্ষতির সমান; সেই অনুযায়ী বৈধতা স্কেল।
• নিরাপত্তা-সমালোচনা প্রকৌশলে, AI আউটপুট কখনই অনুমোদিত প্রকৌশলীর অনুমোদনের বিকল্প নয়।

আবেদন টাস্ক

আপনার নিজের কাজ থেকে আপনি এক সপ্তাহে পাঁচটি ভূতত্ত্ব কাজ তালিকাভুক্ত করুন (যেমন লগ এডিটিং, পারস্পরিক সম্পর্ক, রিপোর্ট বিভাগ, গ্রেড চেক, হ্যাজার্ড নোটেশন)। এই ইউনিটের সারণী অনুসারে প্রতিটিকে ঝুঁকির স্তরে রাখুন এবং জিজ্ঞাসা করুন "যদি এটি ভুল হয় তবে সবচেয়ে খারাপ কী হবে?" এক বাক্যে প্রশ্নের উত্তর দাও। তারপরে সবচেয়ে কম ঝুঁকিপূর্ণ কাজের জন্য একটি শক্তিশালী বেনামী প্রম্পট লিখুন এবং এটি চেষ্টা করুন; তিনটি অ্যাঙ্কর দিয়ে আউটপুট পরীক্ষা করুন এবং নোট করুন কোন অ্যাঙ্করে সমস্যা হয়েছে।

চেকলিস্ট

• [ ] আমি পার্থক্য করতে পারি যে কোথায় কৃত্রিম বুদ্ধিমত্তা নিরাপদ এবং কোথায় ভূতত্ত্ব কর্মপ্রবাহে ঝুঁকিপূর্ণ মূল্য তৈরি করে।
• [ ] আমি প্রতিটি আউটপুট মাত্রার ক্রম, ভূতাত্ত্বিক সম্ভাব্যতা এবং ক্ষেত্রের প্রমাণের সাথে যাচাই করার জন্য প্রতিফলন অর্জন করেছি।
• একটি কাজের ঝুঁকির স্তর "যদি ভুল হয়ে যায় তাহলে সবচেয়ে খারাপ কি হতে পারে?" জিজ্ঞাসা করে আমি প্রশ্ন দিয়ে নির্ধারণ করতে পারেন.
• [ ] আমি জানি হ্যালুসিনেশন এবং অনিশ্চয়তা কি এবং কিভাবে তাদের দৃশ্যমান করা যায়।
• [ ] আমি গোপনীয় ফিল্ড ডেটা বেনামী করে একটি সুরক্ষিত প্রম্পট সেট আপ করার অভ্যাস গ্রহণ করেছি৷