Gevinster:
- Evne til at klassificere på opgavebasis, hvor den kunstige intelligens-output er en hypotese, og hvor den er en pålidelig assistent
- Flerlagsverifikation af et AI-understøttet design med hensyn til produktion, sikkerhed, ergonomi og ægthed
- Evne til at tilegne sig vanen med at bruge kunstig intelligens på en ansvarlig, gennemsigtig og privatlivsrespekterende måde i det stadigt skiftende køretøjsøkosystem
Modul eksamen
1. En designer præsenterer en attraktiv konceptgengivelse produceret af et visuelt værktøj til kunstig intelligens for kunden som det 'endelige produkt, der skal produceres' uden ændringer. Hvad er den grundlæggende fejl i denne tilgang?
- A) AI-gengivelse garanterer ikke fremstillingsevne; Materiale, vægtykkelse og montage kan ikke præsenteres som slutprodukt uden verifikation af DFM-analyse og ingeniørgodkendelse ✔
- B) Renders opløsning er ikke høj nok til klientpræsentation
- C) Kun baggrundsfarven blev ikke valgt i henhold til mærket
- D) Det var nødvendigt at køre den samme prompt tre gange og præsentere det gennemsnitlige billede
Beskrivelse: Selvom AI-gengivelsen er visuelt overbevisende, giver den ingen garantier med hensyn til vægtykkelse, samling, tolerance, materialeadfærd og fremstillingsevne; Den indeholder ofte detaljer, der ikke fysisk kan gengives. Outputtet er en ubekræftet hypotese; Produktionsbeslutningen skal gennemgå DFM-analyse og ingeniørgodkendelse.
2. Hvad muliggør 'risikobaseret klassificering' ved brug af kunstig intelligens i industrielt design?
- A) For at reducere abonnementsgebyret for værktøjet til kunstig intelligens
- B) Bestem rollen for kunstig intelligens og den obligatoriske verifikationsdybde i henhold til opgavens risikoniveau ✔
- C) Spørgsmål skal skrives kortere
- D) Overfør automatisk alle designbeslutninger til kunstig intelligens
Forklaring: Ikke alle designopgaver er på samme risikoniveau. At klassificere opgaven som lav/middel/høj/kritisk afgør, hvilket output der frit kan anvendes, og hvilket kræver materiale-produktionsverifikation og kompetent ekspertgodkendelse.
3. Hvilken af følgende er det stærkeste bidrag fra kunstig intelligens i konceptproduktion?
- A) Angivelse af de nøjagtige dimensioner af det endelige produkt, der skal produceres
- B) At producere en bred og mangfoldig pulje af ideer/skitser på kort tid og udvide udforskningsfeltet ✔
- C) Bestemmelse præcist, hvilket koncept der er patenterbart
- D) Beregning af materialestyrke
Forklaring: Hovedværdien af kunstig intelligens på konceptstadiet er, at den udvider designerens udforskningsfelt ved at levere et stort antal og variation af ideer (divergerende produktion) på kort tid. Valget af idé, funktion og fremstillingsevnen tilhører designeren.
4. Hvad er brugen af at fikse "seed"-værdien i en billedprompt?
- A) Overfører automatisk ophavsretten til billedet til designeren
- B) Giver et reproducerbart, konsistent udgangspunkt med samme prompt ✔
- C) Fordobler opløsningen af output
- D) Det garanterer fremstillingsevne
Forklaring: I diffusionsmodeller er frø tilfældighedspunktet, hvor produktionen begynder. Den samme prompt og det samme frø producerer normalt en lignende/samme sammensætning; Dette giver ensartethed til at gengive et billede eller teste små ændringer på en kontrolleret måde.
5. I ergonomiske beslutninger bliver kunstig intelligens spurgt 'Hvad er den gennemsnitlige håndbredde i mm?' Hvorfor er det risikabelt at spørge og skrive et enkelt tal direkte til håndtagets størrelse?
- A) Ergonomi arbejder med percentilfordeling og befolkning; enkelt 'gennemsnitligt' tal er utilstrækkeligt, og værdien bør bekræftes af pålidelige antropometriske data, mockup/test ✔
- B) Det skulle være blevet bedt om at kunstig intelligens i tommer
- C) Tallet er korrekt, der er kun en afrundingsfejl
- D) Håndbredde bruges aldrig i designet
Forklaring: Ergonomi fungerer med en percentilfordeling af målbrugerpopulationen (f.eks. 5.–95. percentil), ikke et enkelt 'gennemsnit' og varierer efter region/population. AI kan hallucinere et generelt tal; størrelse skal verificeres ud fra pålidelige antropometriske datatabel og mockup/brugertest.
6. Hvad er den mest korrekte holdning, når kunstig intelligens uddrager et tema fra en interviewtekst i brugerforskningssyntese?
- A) Sætte de nye temaer direkte ind i rapporten
- B) Bekræft hvert tema og hvert citat ved at linke det tilbage til de rå interviewdata, kontrollere for opdigtede citater ✔
- C) Tag kun det tema, som kunstig intelligens siger er det stærkeste
- D) Sletning af rådata og behold kun oversigten over kunstig intelligens
Forklaring: AI kan udtrække temaer hurtigt, men kan skabe skævhed ved at lave ikke-eksisterende citater eller overdrive/slette minoritetsudtalelser. Hvert tema og hvert citat bør valideres ved at linke tilbage til rå interviewdata.
7. Hvorfor er 'trækvinklen' nødvendig i en plastdel, der skal fremstilles ved sprøjtestøbning, og hvad skal man gøre, når kunstig intelligens tyder på det?
- A) Det er nødvendigt for delen at komme ud af formen uden nogen skade; Vinklen foreslået af kunstig intelligens skal verificeres af materiale, tekstur og formgivers mening ✔
- B) Kun nødvendigt for at bestemme farven på delen
- C) Vinklen givet af kunstig intelligens er universelt korrekt for ethvert materiale
- D) Tegningsvinkel bruges kun på metaldele
Forklaring: Tegningsvinklen er den lille hældning, der gives til væggene, så delen kan komme ud af formen uden besvær; Ellers vil delen sætte sig fast i formen, og overfladen vil blive beskadiget. AI kan foreslå et typisk vinkelområde, men den faktiske værdi verificeres af materiale, overfladetekstur og formgivers mening.
8. Hvad er den mest kritiske kontrol før import af output fra et AI-værktøj, der genererer en 3D-model fra tekst/billede ind i CAD-workflowet?
- A) Kontroller, at modellens filnavn er korrekt
- B) Valider modellen i CAD med hensyn til størrelse, skala, maskekvalitet og fremstillingsevne, og ombygning om nødvendigt ✔
- C) Bare se på farven og tilføj den til arbejdsgangen
- D) Sender modellen direkte til produktion uden overhovedet at kontrollere den
Beskrivelse: Selvom kunstig intelligens-genererede 3D-modeller ser godt ud visuelt, er de ofte ude af skala, har en tyk/snavset mesh-struktur, har huller eller har uproducerbar geometri. Faktisk størrelse, skala, vægtykkelse og fremstillingsevne skal kontrolleres og ombygges i CAD.
9. Hvad er obligatorisk med hensyn til ærlighed, når man præsenterer en fotorealistisk produktgengivelse produceret med kunstig intelligens for kunden?
- A) Tydeligt at angive, at gengivelsen er en konceptvisualisering, og at produktet, der skal produceres, måske ikke er helt det samme ✔
- B) Præsentation af gengivelsen som et rigtigt foto
- C) Skjul størrelse og materialeforskelle fra kunden
- D) Sig aldrig, at det visuelle er produceret af kunstig intelligens
Beskrivelse: Gengivelse af kunstig intelligens kan vise forskellige faktiske produktstørrelser, materialetekstur og detaljer. Det er et krav om ærlig repræsentation klart at angive, at det visuelle er en konceptvisualisering, og at produktet, der skal produceres, måske ikke er helt det samme som gengivelsen.
10. Hvad er den bedste måde at sikre konsistens, når man producerer produktfamiliebilleder med kunstig intelligens til et brand?
- A) Vedligeholdelse af definerede mærkeelementer såsom formularsignatur, forhold og CMF i hver variation med reference og faste instruktioner og styring af output med brandguiden ✔
- B) Fremstilling af fuldstændig tilfældige, ikke-relaterede billeder for hvert produkt
- C) Ignorerer brandguiden overhovedet
- D) Kopiering af en anden kunstners stil hver gang
Beskrivelse: Konsistens af brand/produktsprog; Det opnås ved at bevare definerede elementer som formsignatur, forhold, CMF (farve-materiale-overflade) i hver variation. Referencebillede, fast stilinstruktion og sammenligning med mærkeguiden gør dette muligt; Designeren tjekker hvert output i forhold til guiden.
11. Hvorfor er det risikabelt at få kunstig intelligens til at producere et produktbillede 'i stil med en berømt designer/brand' og bruge det i et kommercielt projekt?
- A) Registreret design kan forårsage juridiske risici og etiske problemer med hensyn til ophavsret og unfair konkurrence; Det er nødvendigt at udvikle en original retning og søge juridisk rådgivning, når det er nødvendigt ✔
- B) Kun opløsningen af billedet forbliver lav
- C) Der er ingen risiko, kunstig intelligens output er altid unikt
- D) Kun gengivelsestiden øges
Forklaring: Efterligning af et eksisterende varemærke, et registreret design eller signaturstilen fra en kendt kunstner/designer kan skabe juridiske risici i form af designregistrering, ophavsret og unfair konkurrence; Det er også problematisk i forhold til originalitet og faglig etik. Det er nødvendigt at udvikle original retning og søge juridisk rådgivning, når det er nødvendigt.
12. Hvad er den bedste fremgangsmåde med hensyn til fortrolighed, når man overdrager en designbrief, kundenavn og fortrolige produktdetaljer til et cloud-baseret AI-værktøj?
- A) Indsættelse af hele briefet som det er med rigtigt navn og fortrolige detaljer
- B) Anonymiser kontekst og tydeligt kundenavn og fortrolige produktdetaljer, brug virksomhedsværktøj, der overholder privatlivets fred/NDA ✔
- C) At antage et rigtigt kundenavn er afgørende for resultatkvaliteten
- D) Overhovedet ignorering af fortrolighedsaftalen
Offentliggørelse: Kort, kundeidentitet, ikke offentliggjort produktkoncept og pris/strategioplysninger er forretningshemmeligheder og kontraktfølsomme (NDA). Det er nødvendigt at anonymisere konteksten, rydde det rigtige navn og fortrolige detaljer, vælge det værktøj, der garanterer virksomhedens/privatlivets fred, og overholde virksomhedens/kundens politik.
13. Hvad er den største fordel ved at skrive 'stærk prompt' i stedet for 'svag prompt' i visuel kunstig intelligens?
- A) Bringer output tættere på designhensigten, reducerer kliché og øger reproducerbarheden ✔
- B) Ophavsret beskytter automatisk produktionen af kunstig intelligens
- C) Garanterer fremstillingsevne
- D) Halverer altid gengivelsestiden
Beskrivelse: En vag, kort prompt skubber AI til et tilfældigt og klichéagtigt output. En struktureret prompt, der tydeliggør emne, materiale, vinkel, lys, stil og negative elementer bringer output tættere på designhensigten og øger reproducerbarheden.
14. Hvilken rolle bør AI-output spille i et sikkerhedskritisk produkt (f.eks. et børnelegetøj eller arbejdssikkerhedsudstyr) i industrielt design?
- A) Producerer kun koncepter og udkast; Sikkerhedsoverholdelse, styrke og risikobeslutninger træffes af kompetente eksperter og reelle tests ✔
- B) Uddelegering af sikkerhedsgodkendelse fuldstændigt til kunstig intelligens
- C) Spring over standardtests og stole på kunstig intelligens
- D) Brug af gengivelse af kunstig intelligens som et certificeringsdokument
Beskrivelse: Der er risici som skader, kvælning og manglende styrke i sikkerhedskritiske produkter. Kunstig intelligens kan producere koncepter og tegninger, men overholdelse af sikkerhedsstandarder, styrke- og risikoanalyser udføres af kompetente ingeniører/eksperter og reelle tests; AI-output erstatter ikke denne godkendelse.