zisky:
- Schopnost automatizovat úkoly čištění a analýzy environmentálních dat pomocí kódu Pythonu s umělou inteligencí
- Schopnost ověřit kód vygenerovaný AI pomocí kontroly jednotek, testování a hraničních případů
- Schopnost aplikovat principy ochrany důvěrných/osobních environmentálních dat a odpovědného používání AI
Modulová zkouška
1. Ptali jste se AI na limit vypouštění z čistírny odpadních vod a model odpověděl „120 mg/l pro CHSK, podle tabulky 19 nařízení o kontrole znečištění vody“. Jaké je nejsprávnější chování?
- A) Ověření hodnoty a referenční tabulky z oficiálního textu aktuálního předpisu ✔
- B) Protože AI je aktuální model, zapište hodnotu přímo do povolení k vypouštění
- C) Stačí převést jednotku z mg/l na g/l a použít
- D) Zeptejte se AI "jste si jistý?" a spokojte se s odpovědí 'ano'
Vysvětlení: LLM může vytvářet body přerušení a čísla tabulek/položek, které jsou statisticky věrohodné, ale ne skutečné (halucinace). Limit vypouštění se liší v závislosti na sektoru, přijímajícím prostředí a aktuální regulaci; Použití hodnoty a odkazované tabulky bez ověření z oficiálního textu předpisu (Úřední věstník) povede k nedodržení a penalizaci.
2. Co by se typicky očekávalo, pokud je poměr F/M (živina/mikroorganismus) v systému s aktivovaným kalem příliš nízký?
- A) Situace, kdy je organické zatížení velmi vysoké a kal zůstává mladý
- B) Extrémně starý kal a provozní stav, kterému dominuje vnitřní dýchání ✔
- C) Situace, kdy se větrání stává zcela zbytečným
- D) Důkaz, že limity vypouštění jsou automaticky udržovány
Vysvětlení: Poměr F/M vyjadřuje organickou zátěž na hmotnost mikroorganismů. Velmi nízká F/M je provozní stav, kdy mikroorganismy hladoví a přecházejí na vnitřní dýchání, kal nadměrně stárne a obecně lze pozorovat problémy s tvorbou jehličí/dispergovaným kalem a sedimentací. Pokud AI interpretuje hodnotu F/M, je nutné ji ověřit stářím kalu, SVI a laboratorními daty.
3. Pomocí AI jste odhadli roční zatížení NOx pomocí emisního faktoru ve výpočtu emisí spalin. Co byste měli udělat, než budete moci bezpečně nahlásit výsledek?
- A) Výsledek zaokrouhlete nahoru a zadejte jej přímo do inventury emisí
- B) Stačí opravit barvy grafu a publikovat zprávu
- C) Použití výsledku, i když byl CO2 vypočten omylem místo NOx
- D) Vytiskněte použitý emisní faktor, zdroj, jednotku a údaje o činnosti a ověřte výpočet ✔
Vysvětlení: Pracuje s logikou emise = faktor × velikost aktivity. AI může použít špatný emisní faktor (špatné palivo, špatná jednotka, zastaralý zdroj). Výpočet je nutné reprodukovat jasným vytištěním použitého faktoru, jeho zdroje, jednotky a údajů o činnosti a jeho porovnáním s oficiálním zdrojem emisního faktoru (např. EMEP/EEA nebo národní směrnice).
4. Které z následujících je pořadí priorit podle zásady „hierarchie odpadů“ v nakládání s odpady?
- A) Likvidace > využití > recyklace > opětovné použití > prevence
- B) Recyklace > likvidace > prevence > opětovné použití > využití
- C) Prevence > opětovné použití > recyklace > využití > likvidace ✔
- D) Opětovné použití > likvidace > prevence > recyklace > využití
Vysvětlení: Hierarchie nakládání s odpady, od většiny po nejmenší, je: prevence (snížení) > opětovné použití > recyklace > (energetické) využití > odstranění (skládka). I když AI vypracuje návrh plánu nakládání s odpady, musí být ověřeno, že toto pořadí a navrhovaný způsob odstraňování jsou v souladu s legislativou a charakterizací odpadů.
5. AI v návrhu zprávy EIA napsala, že „dopad projektu na životní prostředí je zanedbatelný“. Jaký je nejlepší technický přístup pro tento výstup?
- A) Nezapsání posouzení dopadu do zprávy bez jeho ověření pomocí terénních dat, modelování a odborného hodnocení ✔
- B) Vzhledem k tomu, že AI je neutrální, uveďte v závěru tvrzení tak, jak je
- C) Přepište větu formálnějším jazykem
- D) Úplné vynechání posouzení dopadů a přímé podání žádosti o povolení
Popis: Hodnocení dopadů v EIA; založené na terénních datech, citlivosti přijímacího prostředí, kumulativních účincích a regulačních prahových hodnotách. Umělá inteligence může vytvořit úsudek jako „zanedbatelný“, aniž by se opíral o data. To je třeba brát jako hypotézu/náčrt; Velikost účinku by neměla být zapsána jako konečný úsudek ve zprávě bez ověření měřením, modelováním a odborným hodnocením.
6. V časové řadě PM10 z kontinuální monitorovací stanice AI označila náhlé „překročení“ (nad prahovou hodnotu). Který ověřovací krok je nejkritičtější?
- A) Zaslání značky přímo úředníkovi jako oficiální oznámení o překročení
- B) Kontrola nezpracovaných dat, příznaků QA/QC senzoru, kalibrace a dat sousední stanice ✔
- C) Vyhlazení grafu a skrytí překmitu
- D) Zvýšení prahu a zajištění toho, aby překročení nebylo viditelné
Vysvětlení: Náhlé skoky v datech senzoru mohou být skutečnou kontaminací, ale také může jít o poruchu senzoru, odchylku kalibrace, okno údržby nebo chybu přenosu dat. Před přijetím překmitu jako skutečného je nutné jej ověřit pohledem na nezpracovaná data, příznaky QA/QC senzoru, kalibrační protokol a data sousední stanice/meteorologie; jinak dojde k falešnému poplachu nebo zmeškané události.
7. Co znamenají emise „rozsah 2“ ve výpočtech podnikové uhlíkové stopy?
- A) Všechny nepřímé emise pocházející z dodavatelského řetězce a používání produktu
- B) Přímé emise ze spalování paliva v zařízení
- C) Nepřímé emise nakupované elektřiny, páry a vytápění/chlazení ✔
- D) Pouze emise z likvidace odpadu
Popis: Rozsah 1 zahrnuje přímé emise (spalování paliva ve vlastním zařízení, vozovém parku), rozsah 2 zahrnuje nepřímé emise nakupované energie (elektřina, pára, vytápění/chlazení), rozsah 3 zahrnuje ostatní nepřímé emise v hodnotovém řetězci (zásobování, doprava, použití produktu). Ačkoli AI vytváří návrh inventáře, musí být ověřeny emisní faktory a klasifikace rozsahu, které používá.
8. Když dálkový průzkum poskytuje vysokou hodnotu NDVI (Normalized Difference Vegetation Index), co to obvykle znamená?
- A) Hluboký a čistý vodní útvar
- B) Holá skála a půda
- C) Vysoká imisní koncentrace
- D) Hustá a zdravá zelená vegetace ✔
Popis: NDVI se vypočítá jako poměr rozdílu blízkého infračerveného a červeného pásma k jejich součtu a obvykle se pohybuje mezi -1 a +1. Vysoké kladné hodnoty indikují hustou, zdravou zelenou vegetaci; voda a holá půda dávají nízké nebo záporné hodnoty. I když umělá inteligence provede interpretaci NDVI, efekty kalibrace mraků, stínů, ročních období a senzorů musí být ověřeny se základní pravdou.
9. Položili jste AI otázku týkající se právních předpisů v oblasti životního prostředí a model uvedl jasnou limitní hodnotu s odkazem na konkrétní článek nařízení. Co je povinné před použitím těchto informací v oficiální aplikaci?
- A) Potvrzení čísla látky, limitní hodnoty a stavu platnosti z aktuálního oficiálního zdroje ✔
- B) Napište číslo článku uvedené AI na žádost tak, jak je.
- C) Stačí přepsat větu formálním stylem
- D) Vezměte průměr, protože AI dává více než jednu odpověď
Vysvětlení: LLM mohou vytvářet neexistující čísla článků, zrušené předpisy nebo nesprávné body přerušení a předkládat je bez informací o aktuálním datu. Legislativní referenční a limitní hodnotu nelze použít v oficiálních transakcích bez potvrzení s datem účinnosti z aktuálního oficiálního zdroje (Úřední věstník, legislativní portál).
10. Co platí před použitím skriptu Pythonu generovaného AI k čištění a trendování dat monitorovací stanice?
- A) Vložení výsledku trendu přímo do zprávy, protože kód funguje bez chyb
- B) Zkraťte názvy proměnných a odstraňte řádky komentářů
- C) Nahrání skriptu se všemi nezpracovanými sledovacími daty do veřejné služby
- D) Ověřte pomocí testů se známými výsledky, kontroly jednotek a případů hran a chraňte důvěrnost dat ✔
Popis: AI kód může obsahovat nesprávnou konverzi jednotek, nesprávné vyplnění chybějících dat, nesprávnou analýzu data nebo v krajních případech tiché chyby. Kód; validováno s malými testovacími daty se známými výsledky, kontrolou objemu/velikosti a případy okrajů (chybějící hodnota, negativní čtení, dvojitý záznam); Osobní/důvěrné údaje by navíc neměly být bez povolení odesílány externím službám. Výsledek je potvrzen technickým úsudkem.