Dobici:
- Sposobnost automatizacije zadataka čišćenja i analize podataka o okolišu pomoću Python koda koji pokreće AI
- Mogućnost provjere koda generiranog umjetnom inteligencijom pomoću provjere jedinica, testiranja i rubnih slučajeva
- Sposobnost primjene principa zaštite povjerljivih/ličnih podataka o okolišu i odgovornog korištenja umjetne inteligencije
Modul Exam
1. Pitali ste AI o granici ispuštanja postrojenja za prečišćavanje otpadnih voda i model je odgovorio '120 mg/L za COD, prema tabeli 19 Uredbe o kontroli zagađenja vode'. Koje je najispravnije ponašanje?
- A) Provjera vrijednosti i referentne tabele iz zvaničnog teksta važeće uredbe ✔
- B) Budući da je AI trenutni model, vrijednost zapisuje direktno u dozvolu za pražnjenje
- C) Samo pretvorite jedinicu iz mg/L u g/L i koristite
- D) Pitajte AI 'jeste li sigurni?' i budi zadovoljan odgovorom 'da'
Objašnjenje: LLM može proizvesti prijelomne točke i brojeve tablica/stavki koji su statistički uvjerljivi, ali nisu stvarni (halucinacija). Granica pražnjenja varira u zavisnosti od sektora, prijemnog okruženja i trenutne regulative; Korištenje vrijednosti i referentne tabele bez verifikacije iz zvaničnog teksta propisa (Službene novine) će dovesti do neusklađenosti i kazne.
2. Šta bi se obično očekivalo ako je omjer F/M (nutrijent/mikroorganizam) prenizak u sistemu aktivnog mulja?
- A) Situacija u kojoj je organsko opterećenje vrlo veliko i mulj ostaje mlad
- B) Ekstremno ostarjeli mulj i radno stanje kojim dominira unutrašnje disanje ✔
- C) Situacija u kojoj ventilacija postaje potpuno nepotrebna
- D) Dokaz da se granice ispuštanja automatski održavaju
Objašnjenje: F/M odnos izražava organsko opterećenje po masi mikroorganizama. Veoma nizak F/M je radno stanje u kojem mikroorganizmi gladuju i prelaze na unutrašnje disanje, mulj postaje pretjerano star, a općenito se mogu uočiti i formiranje iglica/raspršeni mulj i problemi sedimentacije. Ako AI tumači F/M vrijednost, potrebno je provjeriti starost mulja, SVI i laboratorijske podatke.
3. Koristili ste AI za procjenu godišnjeg opterećenja NOx koristeći faktor emisije u proračunu emisija dimnih plinova. Šta trebate učiniti prije nego što bezbedno prijavite rezultat?
- A) Zaokružite rezultat i unesite ga direktno u inventar emisija
- B) Samo ispravite boje grafikona i objavite izvještaj
- C) Korištenje rezultata čak i ako je greškom izračunat CO2 umjesto NOx
- D) Ispišite korišteni faktor emisije, izvor, jedinicu i podatke o aktivnostima i provjerite proračun ✔
Objašnjenje: Radi s logikom emisije = faktor × veličina aktivnosti. AI može koristiti pogrešan faktor emisije (pogrešno gorivo, pogrešna jedinica, zastarjeli izvor). Potrebno je reprodukovati proračun tako što ćete jasno ispisati korišteni faktor, njegov izvor, jedinicu i podatke o aktivnostima i upoređivati ga sa zvaničnim izvorom faktora emisije (npr. EMEP/EEA ili nacionalnim smjernicama).
4. Koji od sljedećih je redoslijed prioriteta prema principu 'hijerarhije otpada' u upravljanju otpadom?
- A) Odlaganje > oporaba > recikliranje > ponovna upotreba > prevencija
- B) Recikliranje > odlaganje > prevencija > ponovna upotreba > oporaba
- C) Prevencija > ponovna upotreba > reciklaža > oporaba > odlaganje ✔
- D) Ponovna upotreba > odlaganje > prevencija > reciklaža > oporaba
Objašnjenje: Hijerarhija otpada, od najviše do najmanje, je: prevencija (smanjenje) > ponovna upotreba > reciklaža > (energetska) obnova > odlaganje (deponija). Čak i ako AI izradi nacrt plana upravljanja otpadom, mora se provjeriti da li su ovaj redoslijed i predložena metoda odlaganja u skladu sa zakonodavstvom i karakterizacijom otpada.
5. AI je u nacrtu izveštaja o proceni uticaja na životnu sredinu napisao da je 'uticaj projekta na životnu sredinu zanemarljiv'. Koji je najbolji inženjerski stav za ovaj rezultat?
- A) Ne pisati procenu uticaja u izveštaju bez verifikacije sa terenskim podacima, modeliranjem i stručnom procenom ✔
- B) Budući da je AI neutralan, stavite izjavu onako kako jeste u zaključku
- C) Samo prepišite rečenicu formalnijim jezikom
- D) Potpuno preskakanje procjene uticaja i direktno podnošenje zahtjeva za dozvolu
Opis: Procjena uticaja u EIA; na osnovu podataka sa terena, osetljivosti prijemnog okruženja, kumulativnih efekata i regulatornih pragova. AI može proizvesti prosudbu kao što je 'zanemarljivo', a da se ne zasniva na podacima. Ovo treba uzeti kao hipotezu/skicu; Veličina efekta ne bi trebalo da se piše kao konačan sud u izvještaju bez provjere mjerenjem, modeliranjem i stručnom ocjenom.
6. U vremenskoj seriji PM10 sa stanice za kontinuirano praćenje, AI je označio iznenadno 'prekoračivanje' (iznad granične vrijednosti). Koji korak verifikacije je najkritičniji?
- A) Slanje znaka direktno službeniku kao službeno obavještenje o prekoračenju
- B) Provjera neobrađenih podataka, senzorskih QA/QC zastavica, kalibracije i podataka susjednih stanica ✔
- C) Izglađivanje grafikona i skrivanje prekoračenja
- D) Podizanje praga i osiguranje da prekoračenje nije vidljivo
Objašnjenje: Iznenadni skokovi u podacima senzora mogu biti stvarni događaj kontaminacije, ali također mogu biti kvar senzora, odstupanje kalibracije, period održavanja ili greška u prijenosu podataka. Prije nego što prihvatite prekoračenje kao stvarno, potrebno ga je provjeriti uvidom u neobrađene podatke, zastavice QA/QC senzora, dnevnik kalibracije i susjedne stanice/meteorološke podatke; u suprotnom će doći do lažnog alarma ili propuštenog događaja.
7. Šta emisije 'Scope 2' znače u korporativnim proračunima ugljičnog otiska?
- A) Sve indirektne emisije koje proizlaze iz lanca nabavke i upotrebe proizvoda
- B) Direktne emisije iz sagorevanja goriva u objektu
- C) Indirektne emisije kupljene električne energije, pare i grijanja/hlađenja ✔
- D) Samo emisije iz odlaganja otpada
Opis: Obim 1 pokriva direktne emisije (sagorevanje goriva u sopstvenom objektu, voznom parku), Obim 2 pokriva indirektne emisije kupljene energije (električna energija, para, grejanje/hlađenje), Obim 3 pokriva druge indirektne emisije u lancu vrednosti (nabavka, transport, upotreba proizvoda). Iako AI proizvodi nacrt inventara, faktori emisije i klasifikacija opsega koju koristi moraju biti potvrđeni.
8. Kada daljinska detekcija daje visoku vrijednost NDVI (Normalized Difference Vegetation Index), na šta to obično ukazuje?
- A) Duboko i čisto vodeno tijelo
- B) Goli kamen i tlo
- C) Visoka koncentracija zagađenja vazduha
- D) Gusta i zdrava zelena vegetacija ✔
Opis: NDVI se izračunava kao omjer razlike bliskog infracrvenog i crvenog opsega u odnosu na njihov zbir i obično je između -1 i +1. Visoke pozitivne vrijednosti ukazuju na gustu, zdravu zelenu vegetaciju; voda i golo tlo daju niske ili negativne vrijednosti. Čak i ako AI napravi NDVI interpretaciju, efekti kalibracije oblaka, sjene, sezone i senzora moraju se provjeriti s prizemnom istinom.
9. Postavili ste AI pitanje o ekološkom zakonodavstvu i model je dao jasnu graničnu vrijednost u odnosu na određeni član regulative. Šta je obavezno prije korištenja ovih informacija u službenoj aplikaciji?
- A) Potvrđivanje broja supstance, granične vrijednosti i statusa valjanosti iz trenutnog zvaničnog izvora ✔
- B) Napišite broj artikla koji je dala AI na peticiji za prijavu onakav kakav jeste.
- C) Samo prepišite rečenicu u formalnom stilu
- D) Uzimanje prosjeka jer AI daje više od jednog odgovora
Objašnjenje: LLM mogu proizvesti nepostojeće brojeve artikala, ukinute propise ili netačne granične tačke i dostaviti ih bez informacija o trenutnom datumu. Zakonodavna referentna i granična vrijednost ne mogu se koristiti u službenim transakcijama bez potvrde sa datumom stupanja na snagu iz trenutnog zvaničnog izvora (Službeni glasnik, portal zakonodavstva).
10. Šta je tačno prije korištenja Python skripte generirane umjetnom inteligencijom za čišćenje i praćenje podataka stanice za praćenje?
- A) Stavljanje rezultata trenda direktno u izvještaj jer kod radi bez grešaka
- B) Skratite imena varijabli i izbrišite redove komentara
- C) Učitavanje skripte sa svim sirovim podacima praćenja na javni servis
- D) Potvrdite testovima s poznatim rezultatima, provjerom jedinica i rubnim slučajevima i zaštitite povjerljivost podataka ✔
Opis: AI kod može sadržavati pogrešnu konverziju jedinica, netačno popunjavanje podataka koji nedostaju, netačno raščlanjivanje datuma ili u rubnim slučajevima tihe greške. Code; potvrđeno malim testnim podacima sa poznatim rezultatima, provjerom volumena/veličine i rubnim slučajevima (vrijednost koja nedostaje, negativno čitanje, dvostruki zapis); Osim toga, lični/povjerljivi podaci se ne smiju slati vanjskim servisima bez dozvole. Rezultat je potvrđen inženjerskom prosudbom.