Κέρδη:
- Δυνατότητα διαίρεσης ενός έργου σε στάδια από την ιδέα έως την παράδοση και προσδιορισμού του ρόλου της τεχνητής νοημοσύνης, της επαλήθευσης που θα ενεργοποιηθεί και του υπεύθυνου εμπειρογνώμονα σε κάθε στάδιο.
- Θέτοντας την ερώτηση του κάδου κινδύνου στο τέλος κάθε σταδίου και να είστε σε θέση να επιβεβαιώσετε την τοπική εγκατάσταση, τη νομοθεσία και το κόστος στο δικό της στάδιο.
- Δυνατότητα ενσωμάτωσης προϊόντων τεχνητής νοημοσύνης, ο άνθρωπος αποφασίζει, κάθε κρίσιμο αποτέλεσμα επαληθεύεται, η υπογραφή βασίζεται στις αρχές των ειδικών σε μια ροή εργασίας από άκρο σε άκρο
Στις προηγούμενες έντεκα ενότητες, μάθαμε ένα προς ένα τα μέρη: έννοια, οπτική, ανάλυση τοποθεσίας, φυτό, νερό, βιωσιμότητα, τεχνική, παρουσίαση, κόστος, νομοθεσία. Σε αυτή την ενότητα τα συνδυάζουμε όλα σε ένα πραγματικό έργο. Ο στόχος είναι να δημιουργηθεί μια ροή εργασίας που θα μπορεί να χρησιμοποιεί την τεχνητή νοημοσύνη (AI) με ευχέρεια και ασφάλεια από την αρχή του έργου έως την παράδοσή του. Η ροή εργασίας είναι το σύνολο των διαδοχικών βημάτων που ακολουθεί μια εργασία από την αρχή μέχρι το τέλος. Αυτή η ενότητα δεν είναι μια περίληψη, αλλά μια πρόβα ολοκλήρωσης: σε κάθε στάδιο, όπου η τεχνητή νοημοσύνη επιταχύνεται, πού σταματά, ποια επικύρωση μπαίνει στο παιχνίδι.
Δείγμα έργου: αστικό πάρκο 4 εκταρίων δίπλα στο ρέμα
Ας εξετάσουμε το έργο που αναφέραμε σε όλη την ενότητα από την αρχή μέχρι το τέλος. Ο δήμος θέλει να μετατρέψει μια αδρανή όχθη ρεμάτων που κινδυνεύει από πλημμύρα σε πάρκο της πόλης που συγκρατεί το νερό και φέρνει χρηστικότητα στη γειτονιά. Ο προϋπολογισμός είναι περιορισμένος, η διάρκεια είναι τρεις μήνες, το κλίμα είναι ήπιο-βροχερό.
Φάση 1 — Πλαίσιο και έννοια (Μονάδες 1-2). Το πλαίσιο έργου και 6 θέματα παράγονται με AI. Η ομάδα επιλέγει το θέμα «η γραμμή νερού που επιστρέφει το ρέμα που η πόλη έχει ξεχάσει» και το μεταφράζει σε αρχές. Η τεχνητή νοημοσύνη διαφοροποιεί και επιλέγει ομάδες.
Στάδιο 2 — Ανάλυση πεδίου (Ενότητα 4). Η κλίση, ο προσανατολισμός, η ροή του νερού λαμβάνονται από το GIS. Γίνεται εκδρομή. Το AI συνθέτει μετρημένα δεδομένα + παρατήρηση και παράγει μια λίστα περιορισμών ευκαιριών. Μετρήσεις από το εργαλείο, επαληθεύτηκε η σύνθεση.
Στάδιο 3 — Στρατηγική για το νερό και το κλίμα (Ενότητα 6). Η YZ προτείνει έναν συνδυασμό βροχής κήπου + βιοσβεστίου + διαπερατού εδάφους. καθιερώνεται η λογική διακανονισμού. Η διαστασιολόγηση ανατίθεται στον υδραυλικό μηχανικό.
Στάδιο 4 — Φυτική παλέτα (Μονάδα 5). Το AI δημιουργεί προφίλ χαρακτηριστικών και λίστα υποψηφίων. Η ομάδα επαληθεύει κάθε είδος για την τοπική κλιματική ζώνη, τον επεμβατικό κατάλογο, την τοξικότητα και τη διαθεσιμότητα δενδρυλλίων. Οι μη επαληθευμένοι τύποι δεν περιλαμβάνονται.
Στάδιο 5 — Έλεγχος βιωσιμότητας (Ενότητα 7). Ο σχεδιασμός περνά μέσα από την κάρτα βαθμολογίας υδροπερατότητα-τοπικός ρυθμός-σκιά-βιοποικιλότητα. οι αδύναμοι τίτλοι βελτιώνονται.
Στάδιο 6 — Οπτικό και τεχνικό (Μονάδες 3, 8). Η τεχνητή νοημοσύνη παράγει ατμοσφαιρικές εικόνες και λογική λεπτομέρειας/ σύγκριση υλικού. Τα φύλλα κλίμακας σχεδιάζονται σε CAD, οι στατικές λεπτομέρειες σχεδιάζονται από τον μηχανικό.
Στάδιο 7 — Κόστος και χρονοδιάγραμμα (Μονάδα 10). Το AI οργανώνει τη λίστα αντικειμένων και τον πίνακα. Εισάγονται οι πραγματικές ποσότητες και οι τρέχουσες τιμές και το πρόγραμμα εργασίας διαμορφώνεται ανάλογα με την περίοδο φύτευσης.
Στάδιο 8 — Νομοθεσία και ανάπτυξη (Μονάδες 9, 11). Ο κατάλογος ελέγχου αδειών και οι ερωτήσεις του ιδρύματος προετοιμάζονται, τα στοιχεία επιβεβαιώνονται με τον υπάλληλο. Η παρουσίαση έχει σχεδιαστεί σε διαφορετικές γλώσσες για τρία κοινά (δήμος, κάτοικοι της γειτονιάς, κριτική επιτροπή).
Συμβουλή: Στο τέλος κάθε φάσης, κάντε μια ερώτηση: "Είναι αυτό το παραδοτέο χαμηλό, μεσαίο ή υψηλό κίνδυνο; ποιος θα το επαληθεύσει;" Αυτή η μεμονωμένη ερώτηση διατηρεί ασφαλή ολόκληρη τη ροή εργασίας.
Χρυσός κανόνας ανάμεσα στα στάδια
Στη ροή από άκρο σε άκρο, τρεις αρχές επαναλαμβάνονται σε κάθε στάδιο: (1) Η τεχνητή νοημοσύνη ποικιλίες και επιταχύνεται, οι άνθρωποι επιλέγουν και κατέχουν. (2) κάθε αριθμητική/τοπική/κρίσιμη για την ασφάλεια έξοδος επαληθεύεται. (3) η απόφαση και η υπογραφή είναι στον αρμόδιο πραγματογνώμονα. Αυτές οι τρεις αρχές δεν αλλάζουν. Αλλάζει μόνο το θέμα στο οποίο εφαρμόζονται.
τρεις μίνι θήκες
Περίπτωση 1 — Ταχύτητα από άκρο σε άκρο. Ένα γραφείο διέθετε ένα παρόμοιο πάρκο ροής με ροή εργασίας με τεχνητή νοημοσύνη: η ιδέα και η ανάλυση έγιναν από 3 εβδομάδες σε 10 ημέρες. Ο χρόνος που εξοικονομήθηκε αφιερώθηκε στη λεπτομέρεια και την επαλήθευση. Η ποιότητα παράδοσης βελτιώθηκε επειδή η ομάδα κέρδισε χρόνο για να «αποφασίσει» και όχι να «παράγει».
Περίπτωση 2 — Επαλήθευση αλυσίδας. Στο ίδιο έργο, τέσσερα ξεχωριστά σφάλματα τεχνητής νοημοσύνης εντοπίστηκαν σε διαφορετικά στάδια: ένα επεμβατικό εργοστάσιο (επαλήθευση μονάδας 5), μια κατασκευασμένη κανονιστική ρήτρα (επαλήθευση μονάδας 11), μια υπερβολική εικόνα (έλεγχος ενότητας 3), ένα στοιχείο κόστους που λείπει (κατάλογος ενότητας 10). Καμία δεν έφτασε στην υποβολή. η πειθαρχία λειτούργησε.
Περίπτωση 3 — Μεταμόρφωση ομάδας. Μια ομάδα έκανε πολλά λάθη στην αρχή, νομίζοντας ότι η τεχνητή νοημοσύνη ήταν «μαγεία που κάνει τα πάντα». Μόλις υιοθέτησαν την πειθαρχία του κάδου κινδύνου (Ενότητα 1), άρχισαν να χρησιμοποιούν την τεχνητή νοημοσύνη στο σωστό επίπεδο: δωρεάν σε χαμηλό κίνδυνο, επικύρωση με μεσαίο κίνδυνο, χρήσιμη μόνο σε υψηλό κίνδυνο. Η αποτελεσματικότητα και η αυτοπεποίθηση αυξήθηκαν μαζί.
Τέσσερα πρότυπα με δυνατότητα αντιγραφής
1) Χάρτης πορείας έργου:
Ο ρόλος σας: συντονιστής έργου τοπίου. Έργο: [περιγραφή, διάρκεια, προϋπολογισμός, κλίμα]. Δώστε μου έναν οδικό χάρτη ροής εργασιών από άκρο σε άκρο: ιδέα, ανάλυση, στρατηγική για το νερό, εργοστάσιο, βιωσιμότητα, οπτική, τεχνική, κόστος, νομοθεσία, παρουσίαση. Προσδιορίστε τον ρόλο της τεχνητής νοημοσύνης σε κάθε στάδιο και ποιος επαλήθευση/ειδικός θα εμπλέκεται.
2) Έλεγχος κινδύνου λήξης φάσης:
Ελέγξτε την έξοδο της ακόλουθης φάσης [στάδιο και έξοδος] για κίνδυνο: ξεχωριστά τμήματα χαμηλού/μεσαίου/υψηλού κινδύνου, ποιος και πώς να επαληθεύσετε για κάθε μεσαίο/υψηλό, καταγράψτε τα κενά που πρέπει να κλείσουν πριν από την παράδοση.
3) Ολιστικός έλεγχος πριν από την παράδοση:
Ελέγξτε αυτό το έργο ολιστικά πριν από την παράδοση: συνοχή ιδέας-σχεδιασμού, εάν έχει γίνει επαλήθευση τοπικής εγκατάστασης, εάν έχει εγκριθεί η στρατηγική μηχανικής, εάν το κόστος είναι ρεαλιστικό, εάν η νομοθεσία έχει επιβεβαιωθεί, εάν τα γραφικά είναι αντιπροσωπευτικά. Οι επαληθεύσεις που λείπουν εμφανίζονται σε μια λίστα.
4) Δίδαγμα που αντλήθηκε:
Όταν ολοκληρωθεί αυτό το έργο, αντλήστε τα διδάγματα από τη χρήση της τεχνητής νοημοσύνης: σε ποιο στάδιο η τεχνητή νοημοσύνη λειτούργησε πολύ καλά, σε ποιο στάδιο ήταν υψηλός ο κίνδυνος σφάλματος, πώς πρέπει να βελτιώσω τη ροή εργασίας στο επόμενο έργο; Γράψτε σε συγκεκριμένα και πρακτικά αντικείμενα.
Αδύναμη προτροπή / Ισχυρή προτροπή
Αδύναμη προτροπή:
Κάντε αυτό το έργο για μένα από την αρχή μέχρι το τέλος.
Αυτή η επιθυμία που τα θέλει όλα ταυτόχρονα. Παράγει έναν μη επαληθευμένο, επιφανειακό και επικίνδυνο σωρό.
Ισχυρή προτροπή:
Ο ρόλος σας: συντονιστής έργου. Έργο: Πάρκο 4 εκταρίων δίπλα στο ρέμα, 3 μήνες, περιορισμένος προϋπολογισμός, ήπιο βροχερό κλίμα, προτεραιότητα αντιπλημμυρικής προστασίας και χρήση γειτονιάς. Μια ροή εργασίας βήμα προς βήμα προκύπτει για μένα. Σε κάθε στάδιο, (1) η συγκεκριμένη συμβολή της τεχνητής νοημοσύνης, (2) η επαλήθευση που θα τεθεί σε εφαρμογή και (3) ο υπεύθυνος εμπειρογνώμονας/αρχή θα πρέπει να προσδιορίζεται. Σημειώστε ξεχωριστά τα στάδια υψηλού κινδύνου. Μην πείτε "Το AI ολοκληρώνει οποιοδήποτε στάδιο από μόνο του".
Η προοδευτική προτροπή με επαλήθευση και ανάθεση ευθύνης μετατρέπει την τεχνητή νοημοσύνη σε πραγματικό εργαλείο συντονισμού.
Συνοπτικός πίνακας ρόλων από άκρο σε άκρο
Σκηνή
συνεισφορά AI
επαλήθευση
Υπεύθυνος
έννοια
παραλλαγή
Φίλτρο προϋπολογισμού/κλίματος
σχεδιαστής
Ανάλυση
σύνθεση
Πεδίο + GIS
αναλυτής πεδίου
νερό/κλίμα
Στρατηγική
υδραυλική αριθμομηχανή
μηχανικός
φυτό
λίστα υποψηφίων
Τοπική επαλήθευση
αρχιτέκτονας τοπίου
τεχνική
Λογική/κείμενο
CAD + στατικό
Αρχιτέκτονας/μηχανικός
Κόστος
Πίνακας
Πραγματική ποσότητα/τιμή
επιθεωρητής ποσότητας
νομοθεσία
Περίληψη/λίστα
Εξουσιοδοτημένη επιβεβαίωση
αρμόδια αρχή
παρουσίαση
Αφήγηση
Έλεγχος ακεραιότητας
σχεδιαστής
Συνήθη λάθη
- Θέλοντας τα πάντα με ένα αίτημα. Η ροή από άκρο σε άκρο είναι σταδιακή. Κάθε στάδιο επαληθεύεται χωριστά.
- Παράλειψη του ελέγχου κινδύνου στο τέλος του σταδίου. Τα σφάλματα εντοπίζονται κατά τις μεταβάσεις φάσης.
- Συσσωρεύοντας επιβεβαιώσεις και αφήνοντάς τες μέχρι το τέλος. Τοπικό εργοστάσιο, η νομοθεσία και η επιβεβαίωση κόστους θα πρέπει να γίνουν στο δικό τους στάδιο.
- Ενσωμάτωση ανθρώπινης απόφασης στη ροή AI. Η επιλογή, η ιδιοκτησία και η υπογραφή στηρίζονται στους ανθρώπους σε κάθε στάδιο.
- Μη καταγραφή του μαθήματος. Κάθε έργο είναι μια ευκαιρία για τη βελτίωση της επόμενης ροής εργασίας.
Συνοπτικά
Η ροή εργασιών από άκρο σε άκρο είναι όπου όλες οι προηγούμενες μονάδες συγκεντρώνονται σε ένα μόνο έργο. Η τεχνητή νοημοσύνη διαφοροποιεί και επιταχύνει σε κάθε στάδιο. αλλά σε κάθε στάδιο οι άνθρωποι επιλέγουν, επαληθεύουν και κατέχουν. Τρεις αμετάβλητες αρχές διατηρούν τη ροή ασφαλή: η τεχνητή νοημοσύνη παράγει, ο άνθρωπος αποφασίζει, κάθε κρίσιμο αποτέλεσμα επαληθεύεται, η υπογραφή είναι με τον αρμόδιο ειδικό. Χωρίστε το έργο σε φάσεις, κάντε την ερώτηση του κάδου κινδύνου στο τέλος κάθε φάσης, πραγματοποιήστε επαληθεύσεις στη δική του φάση και μάθετε από κάθε έργο. Έτσι, η τεχνητή νοημοσύνη γίνεται ένας συνεργάτης που ενισχύει το επάγγελμά σας, όχι το αποδυναμώνει.
Εργασία εφαρμογής
Δημιουργήστε μια ροή εργασιών από άκρο σε άκρο με το πρότυπο "Project roadmap" για ένα πραγματικό έργο της επιλογής σας. Επαληθεύστε και αναθέστε την ευθύνη για κάθε στάδιο. Στη συνέχεια, επιλέξτε δύο φάσεις και ελέγξτε τις με το πρότυπο "Έλεγχος κινδύνου τέλους φάσης". Τέλος, καταχωρίστε τις επαληθεύσεις που λείπουν με το πρότυπο "Ολιστικός έλεγχος πριν από την παράδοση".
λίστα ελέγχου
- [ ] Χώρισα το έργο σε στάδια. Έλεγξα και ανέθεσα την ευθύνη για κάθε στάδιο.
- [ ] Έκανα την ερώτηση του κάδου κινδύνου στο τέλος κάθε σταδίου.
- [ ] Έκανα την τοπική εγκατάσταση, τη νομοθεσία και την επιβεβαίωση κόστους στο δικό της στάδιο.
- [ ] Συνέδεσα τα στάδια υψηλού κινδύνου με την έγκριση ειδικού.
- [ ] Σημείωσα τα διδάγματα που αντλήθηκαν από το έργο για την επόμενη ροή εργασίας.
Εξέταση Ενοτήτων
1. Ποιο από τα παρακάτω είναι η πιο ακριβής τοποθέτηση για την τεχνητή νοημοσύνη στην αρχιτεκτονική τοπίου;
- Α) Το AI είναι ένας επιταχυντής και μια γεννήτρια σχεδιαγράμματος. Η ευθύνη για την τοποθεσία, την οικολογία, την ασφάλεια και τις ρυθμιστικές αποφάσεις ανήκει στους ανθρώπους ✔
- Β) Η τεχνητή νοημοσύνη μπορεί να ολοκληρώσει και να υπογράψει το σχέδιο από μόνη της
- Γ) Η τεχνητή νοημοσύνη λειτουργεί μόνο στην παραγωγή οπτικών, δεν έχει καμία σχέση με άλλα στάδια σχεδιασμού
- Δ) Δεδομένου ότι η τεχνητή νοημοσύνη είναι πιο αντικειμενική από τους ανθρώπους, οι νομοθετικές αποφάσεις θα πρέπει να αφεθούν σε αυτήν.
Περιγραφή: Η τεχνητή νοημοσύνη είναι ένας πολλαπλασιαστής ιδεών και η δημιουργία σχεδίων που επιταχύνει την ιδέα, την οπτική, την ανάλυση και την επικοινωνία. Η πραγματικότητα του πεδίου, η τοπική οικολογία, η ασφάλεια και η νομική ευθύνη παραμένουν στον αρμόδιο εμπειρογνώμονα. Σε αποφάσεις μηχανικής και κρίσιμες για την ασφάλεια, η τεχνητή νοημοσύνη δεν υποκαθιστά την έγκριση των ειδικών.
2. Όταν αναλύετε τις αποφάσεις για ένα έργο εξωραϊσμού ανά επίπεδο κινδύνου, ποιο από τα παρακάτω θα εμπίπτει στον κάδο «υψηλού κινδύνου (απαιτείται έγκριση ειδικού)»;
- Α) Σύνταξη εννοιολογικού κειμένου
- Β) Δημιουργία μιας ιδέας moodboard
- Γ) Στατικές τοίχοι αντιστήριξης και ασφάλεια παιδικής χαράς ✔
- Δ) Λήψη πρότασης τίτλου παρουσίασης
Περιγραφή: Ζητήματα μηχανικής και κρίσιμα για την ασφάλεια, όπως η στατική των τοίχων αντιστήριξης, η σύγκρουση ρίζας-υποδομής δέντρων, τοξικά/επεμβατικά φυτά και η ασφάλεια των παιδικών χαρών είναι υψηλού κινδύνου. Εδώ η τεχνητή νοημοσύνη είναι μόνο βοηθός, η τελική απόφαση ανήκει στον ειδικό. Το εννοιολογικό κείμενο και ο πίνακας διάθεσης είναι χαμηλού κινδύνου.
3. Ποιος είναι ο πιο αποτελεσματικός τρόπος χρήσης τεχνητής νοημοσύνης κατά τη φάση ανάπτυξης της ιδέας;
- Α) Δημιουργία πολλών διαφορετικών θεμάτων και επιλογή και εμβάθυνσή τους περνώντας τα από ένα φίλτρο περιβάλλοντος ✔
- Β) Ζητώντας μια ενιαία «καλύτερη ιδέα» και άμεση εφαρμογή της
- Γ) Ζητώντας μια γενική έννοια χωρίς να δίνεται πλαίσιο
- Δ) Παράδοση της ιδέας χωρίς καμία κριτική
Εξήγηση: Το ανθρώπινο μυαλό τείνει να προσηλώνει τις πρώτες 2-3 ιδέες. Η πραγματική δύναμη της τεχνητής νοημοσύνης είναι ότι παράγει και συγκρίνει πολλά διαφορετικά θέματα. Η επιλογή, η εμβάθυνση και η ιδιοκτησία ανήκουν στον άνθρωπο. Το να ζητάς μια μόνο «καλύτερη» σύσταση σπαταλά αυτή τη δύναμη.
4. Ποια αρχή είναι ουσιαστική κατά την παρουσίαση ενός render (εικόνας) που έχει παραχθεί με τεχνητή νοημοσύνη στον πελάτη;
- Α) Η οπτική παρουσιάζεται ως οριστική και ακριβής άποψη προς εφαρμογή.
- Β) Θεωρείται τεχνικό έγγραφο οπτικής κλίμακας
- Γ) Η οπτική αναπαράσταση είναι η ατμόσφαιρα. ελέγχεται για γνησιότητα και παρέχεται με τεχνικά δελτία ✔
- Δ) Η εικόνα μεταφέρεται απευθείας στην εφαρμογή χωρίς επαλήθευση
Περιγραφή: Τα οπτικά στοιχεία τεχνητής νοημοσύνης είναι ένα μέσο επικοινωνίας και ατμόσφαιρας. Δεν είναι σε κλίμακα και μπορεί να περιέχει στοιχεία που δεν μπορούν να εγκατασταθούν στην πραγματικότητα (υπερβολική πυκνότητα, φυτά που δεν είναι εξοικειωμένα με το κλίμα). Ως εκ τούτου, θα πρέπει να δηλωθεί ότι πρόκειται για «αντιπροσωπευτική ατμόσφαιρα» και θα πρέπει να παρουσιάζονται με τεχνικά δελτία.
5. Γιατί είναι λάθος να ρωτάμε την τεχνητή νοημοσύνη για τη μέση κλίση ενός οικοπέδου στην ανάλυση περιοχής;
- Α) Η τεχνητή νοημοσύνη δεν μπορεί να κάνει μετρήσεις θέσης και μπορεί να κάνει τον αριθμό. μέτρηση από GIS/μέτρηση πεδίου ✔
- Β) Η τεχνητή νοημοσύνη υπολογίζει σωστά την κλίση αλλά είναι αργή
- Γ) Η κλίση είναι ένα ασήμαντο στοιχείο, δεν χρειάζεται να ρωτήσετε
- Δ) Η τεχνητή νοημοσύνη μπορεί να υπολογίσει μόνο τετραγωνικά μέτρα, όχι κλίση, αλλά να υπολογίσει την απόσταση
Περιγραφή: Η τεχνητή νοημοσύνη δεν βλέπει την πλοκή και δεν μπορεί να κάνει χωρικές μετρήσεις. μια τέτοια ερώτηση μπορεί να παράγει έναν σίγουρο αλλά αβάσιμο αριθμό. Μετρήσεις όπως η κλίση, το εμβαδόν και η απόσταση λαμβάνονται από GIS ή επιτόπια έρευνα. Η τεχνητή νοημοσύνη χρησιμοποιείται μόνο για την ερμηνεία των δεδομένων μέτρησης που δίνονται.
6. Ποιος είναι ο πιο κρίσιμος κανόνας χρήσης τεχνητής νοημοσύνης στην επιλογή φυτών;
- Α) Χρησιμοποιήστε τεχνητή νοημοσύνη στη λίστα υποψηφίων και επικυρώστε κάθε είδος με τοπικό κλίμα, επεμβατική λίστα, τοξικότητα και αγορά ✔
- Β) Τοποθέτηση της λίστας που προτείνει η AI απευθείας στο έργο, επειδή βασίζεται σε παγκόσμια δεδομένα
- Γ) Επιλέγοντας μόνο είδη που φαίνονται ελκυστικά οπτικά
- Δ) Προτίμηση ειδών που είναι πρακτικά γιατί αναπτύσσονται γρήγορα, χωρίς να τα επαληθεύουμε.
Εξήγηση: Επειδή η τεχνητή νοημοσύνη μαθαίνει από τον παγκόσμιο μέσο όρο, μπορεί να είναι λάθος σχετικά με την κλιματική ζώνη, την κατάσταση εισβολής, την τοξικότητα και την αγορά. Επομένως, χρησιμοποιείται μόνο ως δημιουργία λίστας υποψηφίων. κάθε είδος επαληθεύεται για την τοπική κλιματική ζώνη, τον κατάλογο χωροκατακτητικών ειδών, την τοξικότητα και τη διαθεσιμότητα δενδρυλλίων. Ο μη επαληθευμένος τύπος δεν εισέρχεται στο έργο.
7. Πώς διαφέρει ο ρόλος της τεχνητής νοημοσύνης και ο ρόλος του μηχανικού στη διαχείριση των όμβριων υδάτων;
- Α) Η τεχνητή νοημοσύνη κάνει τους υπολογισμούς στρατηγικής και χωρητικότητας με ασφάλεια
- Β) Η τεχνητή νοημοσύνη δημιουργεί ιδέες στρατηγικής και τοποθέτησης. Οι διαστάσεις και η χωρητικότητα είναι υπολογισμός και έγκριση μηχανικού ✔
- Γ) Ο μηχανικός καθορίζει μόνο τη στρατηγική, η τεχνητή νοημοσύνη κάνει τους υπολογισμούς
- Δ) Το μέγεθος δεν έχει σημασία. Η κατεύθυνση προς την οποία ρέει το νερό είναι επαρκής
Περιγραφή: Η ιδέα και η τοποθέτηση λύσεων, όπως οι κήποι βροχής και οι βιοκαλλιέργειες είναι σχεδιαστικές αποφάσεις και η τεχνητή νοημοσύνη βοηθά εδώ. Ωστόσο, το μέγεθος, η χωρητικότητα και η ασφάλεια από τις πλημμύρες απαιτούν υδραυλικούς υπολογισμούς και έγκριση μηχανικού. Η τεχνητή νοημοσύνη δεν μπορεί να υπολογίσει το ρυθμό ροής/χωρητικότητα, επειδή το λανθασμένο μέγεθος σημαίνει πλημμύρα ή κατάρρευση.
8. Ποια είναι η πιο ακριβής προσέγγιση κατά την αξιολόγηση της βιωσιμότητας ενός σχεδίου;
- Α) Όσο πιο πράσινο φαίνεται το σχέδιο, τόσο πιο βιώσιμο είναι
- Β) Αξιολόγηση της βιωσιμότητας σε μετρήσιμα θέματα όπως το νερό, η διαπερατότητα, ο τοπικός ρυθμός, η σκιά, η συντήρηση και η βιοποικιλότητα ✔
- Γ) Αρκεί μόνο η αύξηση του αριθμού των φυτών
- Δ) Εντατική φύτευση χωρίς να λαμβάνεται υπόψη το κόστος συντήρησης
Εξήγηση: «Το να δείχνεις πράσινο» δεν είναι βιωσιμότητα. Ένας χώρος πρασίνου ενός είδους που καταναλώνει πολύ νερό μπορεί να είναι οικολογικά φτωχός και δαπανηρός. Η σωστή προσέγγιση είναι να βαθμολογηθεί η αειφορία σε μετρήσιμα θέματα όπως το νερό, η διαπερατότητα, ο ρυθμός ιθαγενών ειδών, η σκιά, η συντήρηση και η βιοποικιλότητα και να βελτιωθούν τα αδύναμα σημεία.
9. Τι πρέπει να γίνει για τις τιμές μέτρησης και ενίσχυσης στο «τμήμα δείγματος» τοίχου αντιστήριξης που δίνεται από την τεχνητή νοημοσύνη στο στάδιο της τεχνικής σχεδίασης;
- Α) Οι τιμές μπορούν να αντιγραφούν απευθείας στο έργο επειδή η τεχνητή νοημοσύνη γνωρίζει τα πρότυπα
- Β) Οι τιμές είναι αντιπροσωπευτικές. Η στατική λεπτομέρεια καθορίζεται από έρευνα εδάφους και υπολογισμό μηχανικού, δεν περιλαμβάνεται στο σχέδιο χωρίς επαλήθευση ✔
- Γ) Οι αξίες είναι μόνο για αισθητικούς λόγους, δεν έχουν καμία σχέση με τη στατική
- Δ) Η αξία εξοπλισμού που παρέχει η τεχνητή νοημοσύνη παραμένει πάντα στην ασφαλή πλευρά
Εξήγηση: Η τεχνητή νοημοσύνη δεν παράγει κλιμακούμενα/στατικά σχέδια και οι μετρήσεις, τα υψόμετρα και οι τιμές ενίσχυσης που παρέχει είναι αντιπροσωπευτικές. Στατική λεπτομέρεια. Καθορίζεται από επιτόπια έρευνα και υπολογισμούς μηχανικών. Αυτές οι τιμές δεν μπορούν να μεταφερθούν στο σχέδιο χωρίς επαλήθευση, αυτό είναι ιδιαίτερα σημαντικό για κρίσιμες για την ασφάλεια λεπτομέρειες.
10. Ποια είναι η πιο αποτελεσματική προσέγγιση όταν παρουσιάζεται το ίδιο έργο εξωραϊσμού σε διαφορετικά κοινά;
- Α) Παρουσίαση του ίδιου τεχνικού κειμένου σε όλους
- Β) Υπερβολικοί αριθμοί αποταμιεύσεων και παροχών για αύξηση του αντίκτυπου
- Γ) Προσαρμογή της σχεδιαστικής ουσίας για να πει σε κάθε κοινό τι του ενδιαφέρει στη δική του γλώσσα ✔
- Δ) Αρκεί η προετοιμασία μιας παρουσίασης μόνο για την τεχνική κριτική επιτροπή.
Περιγραφή: Ο επενδυτής ενδιαφέρεται για το κόστος και την αξία, η γειτονιά νοιάζεται για τα καθημερινά οφέλη και την ασφάλεια, η κριτική επιτροπή νοιάζεται για την ιδέα και την τεχνική. Εξήγηση μιας ενιαίας σχεδιαστικής ουσίας σε κάθε κοινό τι τους ενδιαφέρει, σε μια γλώσσα που μπορεί να κατανοήσει. Η αξιοποίηση της δύναμης της τεχνητής νοημοσύνης στη μετάφραση καρέ είναι ο πιο αποτελεσματικός τρόπος. Είναι συνηθισμένο λάθος να το εξηγείς σε όλους στην ίδια γλώσσα.
11. Γιατί είναι λάθος η τεχνητή νοημοσύνη να υπολογίζει απευθείας το συνολικό κόστος ενός πάρκου;
- Α) Η τεχνητή νοημοσύνη γνωρίζει πάντα τις τρέχουσες τιμές της αγοράς
- Β) Η τεχνητή νοημοσύνη υπολογίζει το κόστος αλλά είναι λάθος μόνο σε μεγάλα έργα
- Γ) Η τεχνητή νοημοσύνη δεν γνωρίζει την πραγματική διάρκεια του έργου και τις τρέχουσες τιμές. Το ποσό που δίνεται είναι αντιπροσωπευτικό, όχι προσφορά ✔
- Δ) Το κόστος δεν έχει σημασία, αυτό που έχει σημασία είναι η ομορφιά του σχεδίου
Εξήγηση: Η τεχνητή νοημοσύνη δεν γνωρίζει ούτε την πραγματική διάρκεια του έργου σας ούτε τις τρέχουσες τοπικές τιμές μονάδας. Το ποσό που δίνεται είναι καθαρά αντιπροσωπευτικό και όχι προσφορά. Ο σωστός τρόπος είναι να λάβετε την πραγματική ποσότητα από τα δεδομένα του έργου και τις τιμές μονάδας από την αγορά και να αφήσετε την τεχνητή νοημοσύνη να επεξεργαστεί μόνο τον πίνακα.
12. Ποιος είναι ο πιο επικίνδυνος κίνδυνος και η σωστή προφύλαξη κατά τη χρήση της τεχνητής νοημοσύνης όσον αφορά τη νομοθεσία;
- Α) Δεδομένου ότι η τεχνητή νοημοσύνη γνωρίζει τη νομοθεσία από έξω, τα άρθρα της είναι αξιόπιστα
- Β) Η νομοθεσία είναι καθολική, δεν χρειάζεται τοπική επιβεβαίωση
- Γ) Ο αριθμός του στοιχείου που δίνει η τεχνητή νοημοσύνη είναι πάντα ενημερωμένος.
- Δ) Η τεχνητή νοημοσύνη μπορεί να δημιουργήσει ανύπαρκτο υλικό. Κάθε διάταξη πρέπει να επιβεβαιώνεται από την επίσημη ενημερωμένη πηγή και αρχή ✔
Περιγραφή: Η νομοθεσία είναι τοπική, τρέχουσα και ανοιχτή σε ερμηνεία. Η τεχνητή νοημοσύνη μπορεί να συνθέτει έναν ανύπαρκτο αριθμό αντικειμένου ή κανόνα (ψευδαίσθηση). Η σωστή προφύλαξη είναι να μην χρησιμοποιήσετε καμία διάταξη χωρίς να την επαληθεύσετε. Είναι να χρησιμοποιήσετε την τεχνητή νοημοσύνη μόνο για να συνοψίσετε το επίσημο κείμενο που παρέχετε, να δημιουργήσετε μια λίστα ελέγχου και ερωτήσεις προς τον υπάλληλο και να επιβεβαιώσετε τα στοιχεία από την επίσημη τρέχουσα πηγή.
13. Ποια αρχή ισχύει για τη χρήση της τεχνητής νοημοσύνης με δεδομένα όπως το συμβόλαιο πελατών και οι πληροφορίες δεμάτων;
- Α) Όλα τα έγγραφα μπορούν να μεταφορτωθούν ως έχουν, επειδή η ταχύτητα είναι σημαντική
- Β) Τα δεδομένα της σύμβασης δεν είναι σημαντικά για την τεχνητή νοημοσύνη, αγνοούνται
- Γ) Οι πληροφορίες του δέματος μπορούν να κοινοποιηθούν ελεύθερα καθώς δεν θεωρούνται προσωπικά δεδομένα.
- Δ) Εμπιστευτικά και προσωπικά δεδομένα δεν κοινοποιούνται χωρίς έλεγχο. Χρησιμοποιείται ανώνυμα εάν είναι απαραίτητο ✔
Επεξήγηση: Η ταυτότητα πελάτη, οι πληροφορίες δεμάτων, η σύμβαση και τα προσωπικά δεδομένα δεν πρέπει να ανεβαίνουν σε εργαλεία τεχνητής νοημοσύνης με ανεξέλεγκτο τρόπο. Εάν είναι απαραίτητο, τα δεδομένα μοιράζονται με ανωνυμοποίηση. Η εμπιστευτικότητα είναι μία από τις βασικές ηθικές αρχές που τονίζονται σε όλη την ενότητα.
14. Ποιες είναι οι τρεις σταθερές αρχές κατά την εκτέλεση ενός έργου από άκρο σε άκρο με τεχνητή νοημοσύνη;
- Α) Ζητήστε τα πάντα σε ένα αίτημα, επαληθεύστε το αποτέλεσμα, παραδώστε
- Β) Η τεχνητή νοημοσύνη αποφασίζει, οι άνθρωποι μόνο εφαρμόζουν
- Γ) Συγκεντρώστε επαληθεύσεις και κάντε τις όλες ταυτόχρονα στο τέλος του έργου
- Δ) Η τεχνητή νοημοσύνη παράγει, οι άνθρωποι επιλέγουν και κατέχουν. κάθε κρίσιμη έξοδος επαληθεύεται. Η απόφαση και η υπογραφή ανήκουν στον πραγματογνώμονα ✔
Περιγραφή: Σε μια ροή εργασίας από άκρο σε άκρο, τρεις αρχές επαναλαμβάνονται σε κάθε στάδιο: τύποι και επιτάχυνση της τεχνητής νοημοσύνης, οι άνθρωποι επιλέγουν και κατέχουν. κάθε αριθμητική, τοπική και κρίσιμη για την ασφάλεια έξοδος επαληθεύεται. Η απόφαση και η υπογραφή ανήκουν στον αρμόδιο πραγματογνώμονα. Αυτές οι αρχές παραμένουν σταθερές ακόμα κι αν αλλάξει μόνο το θέμα στο οποίο εφαρμόζονται.