Κέρδη:
- Δυνατότητα διάκρισης σε ένα φάσμα κινδύνου πού η τεχνητή νοημοσύνη είναι ασφαλής επιταχυντής και πού είναι κίνδυνος ασφάλειας στις ροές εργασιών κατασκευής
- Ικανότητα εξήγησης γιατί η έγκριση ικανού μηχανικού είναι νομικά και επαγγελματικά υποχρεωτική σε υπολογισμούς και αποφάσεις που επηρεάζουν την ασφάλεια του κτιρίου.
- Δυνατότητα τοποθέτησης της εξόδου τεχνητής νοημοσύνης ως εισόδου σχεδιαγράμματος που θα υποβληθεί σε έλεγχο τριών επιπέδων, αντί ως αντικατάσταση της κρίσης μηχανικής
Ο πολιτικός μηχανικός είναι ένα επάγγελμα που είναι υπεύθυνο να διατηρεί όρθιους τις δομές στις οποίες ζουν, εργάζονται και περνούν με ασφάλεια οι άνθρωποι. Λανθασμένος υπολογισμός της ροπής μιας δοκού, της φέρουσας ικανότητας μιας κολόνας ή της ασφάλειας ανατροπής ενός τοίχου αντιστήριξης. Φαίνεται σαν ένα μικρό αριθμό σφάλματος στα χαρτιά, αλλά στο γήπεδο μπορεί να οδηγήσει σε απώλεια ζωών, κατάρρευση και καταστροφή. Όταν η τεχνητή νοημοσύνη (τεχνητή νοημοσύνη εν συντομία: λογισμικό που μαθαίνει μοτίβα από δεδομένα και παράγει κείμενο, κώδικα ή υπολογισμούς) εισέρχεται σε αυτόν τον τομέα υψηλού κινδύνου, δεν θα πρέπει να θεωρείται ως μια «μαγική λύση» αλλά ως ένας ισχυρός αλλά απαραίτητος βοηθός. Σε αυτή την ενότητα, θα συζητήσουμε πού επιταχύνει η τεχνητή νοημοσύνη και πού είναι επικίνδυνη στις κατασκευαστικές εργασίες. Θα δούμε γιατί η ευθύνη παραμένει πάντα στον μηχανικό και πώς να διατηρηθούν τα όρια ηθικής-εμπιστευτικότητας.
Ένα μοντέλο μεγάλης γλώσσας (LLM: ένας τύπος τεχνητής νοημοσύνης που εκπαιδεύεται σε πολύ μεγάλα κομμάτια κειμένου που παράγει απαντήσεις προβλέποντας την επόμενη λέξη) δεν "καταλαβαίνει" έναν κώδικα από οπλισμένο σκυρόδεμα. Ολοκληρώνει το μοτίβο που βλέπει σε παρόμοια κείμενα. Έτσι, μπορεί να δημιουργήσει έναν πολύ ευχάριστο, πολύ πειστικό αλλά ανακριβή απολογισμό. Η δουλειά του μηχανικού είναι να δοκιμάσει το αποτέλεσμα έναντι ανεξάρτητων στοιχείων χωρίς να ξεγελαστεί από αυτή την ευχέρεια.
Πού επιταχύνει το AI, πού είναι επικίνδυνο;
Είναι χρήσιμο να σκεφτόμαστε τις κατασκευαστικές εργασίες σε ένα «φάσμα κινδύνου». Στο ένα άκρο βρίσκονται εργασίες χαμηλού κινδύνου, με δυνατότητα ανάκτησης: σύνταξη τεχνικής εργασίας, σύνοψη κειμένου, σύνταξη φόρμουλας Excel, επεξεργασία σημείωσης σύσκεψης. Στο άλλο άκρο βρίσκονται εργασίες υψηλού κινδύνου, μη αναστρέψιμες: προσδιορισμός της διατομής ενός φέροντος μέλους, επιβεβαίωση βάθους θεμελίωσης, υπογραφή υπολογισμού σκαλωσιάς.
Η τεχνητή νοημοσύνη είναι ένας πραγματικός επιταχυντής στο άκρο του φάσματος χαμηλού κινδύνου: μειώνει τα λεπτά σε δευτερόλεπτα και ακόμη και αν υπάρχουν σφάλματα, διορθώνονται εύκολα. Στο άκρο υψηλού κινδύνου, η τεχνητή νοημοσύνη είναι απλώς μια γεννήτρια ρεύματος. Η παραγωγή του δεν έχει αξία χωρίς επαλήθευση με ανεξάρτητο υπολογισμό και υπογραφή αρμόδιου μηχανικού.
τύπο επιχείρησης
Επίπεδο κινδύνου
Ο ρόλος του AI
Υποχρεωτικός έλεγχος
Σχέδιο έκθεσης/προδιαγραφών
χαμηλά
επιταχυντής ορθογραφίας
Έλεγχος περιεχομένου και παραπομπών
Προκαταρκτικός υπολογισμός της ποσότητας
μεσαίο
γεννήτρια ρεύματος
Έλεγχος μονάδων και κατάταξης
Τυπικό/Εύρεση αντικειμένου
μεσαίο
χάρτης έρευνας
Επιβεβαίωση από επίσημο κείμενο
Υπολογισμός στατικού/οπλισμένου σκυροδέματος
ψηλά
Εισήχθη το προσχέδιο
Λογαριασμός χειρός + λογισμικό + υπογραφή
Αξιολόγηση κινδύνου OHS
ψηλά
πρώτο σχέδιο
Έγκριση ειδικού/OHS
Προσοχή: Μια πρόταση "AI υπολογίστηκε με αυτόν τον τρόπο" δεν αφαιρεί καμία νομική ή επαγγελματική ευθύνη. Η ευθύνη παραμένει στον μηχανικό που υπέγραψε. Σκεφτείτε την τεχνητή νοημοσύνη σαν έναν ασκούμενο που εντείνει τη δουλειά: παίρνετε το προσχέδιο, αλλά επιβλέπετε και υπογράφετε κάθε γραμμή.
Νοοτροπία ελέγχου τριών επιπέδων
Ποτέ μην αποδεχτείτε μια έξοδο AI κρίσιμης σημασίας για την ασφάλεια με μία κίνηση. Καθιερώστε μια συνήθεια ελέγχου τριών επιπέδων:
- Έλεγχος παραγγελίας και μονάδας: Είναι το αποτέλεσμα λογικά εύλογο; Αντέχουν οι μονάδες; Εάν η χωρητικότητα είναι 12.000 kN για στήλη 30x30 cm, υπάρχει κάπου σφάλμα.
- Ανεξάρτητη διασταυρούμενη επικύρωση: Αναπαράγετε το ίδιο αποτέλεσμα με έναν κλειστό τύπο, υπολογισμό με το χέρι ή διαφορετικό λογισμικό (π.χ. στατικό πρόγραμμα, Python). Εάν τα δύο μονοπάτια αλληλεπικαλύπτονται, η εμπιστοσύνη αυξάνεται.
- Πρότυπο και επιβεβαίωση κρίσης: Έχουν επαληθευτεί αυτολεξεί οι συντελεστές, οι τύποι και οι οριακές τιμές που χρησιμοποιούνται από το σχετικό πρότυπο (TS 500, Eurocode, TBDY); Η τελική απόφαση ανήκει στον αρμόδιο μηχανικό.
Αυτά τα τρία επίπεδα είναι η κοινή ραχοκοκαλιά όλων των επόμενων μονάδων.
Αδύναμη προτροπή / Ισχυρή προτροπή
Το πώς ζητάτε από την τεχνητή νοημοσύνη να κάνει την ίδια εργασία καθορίζει τη δυνατότητα ελέγχου της εξόδου.
ΑΔΥΝΑΜΟΣ: "Είναι ασφαλής αυτή η δοκός;" (Το άνοιγμα, το φορτίο, η τομή, το υλικό, το στήριγμα είναι αβέβαια. Η τεχνητή νοημοσύνη παράγει μια εκτίμηση, δεν μπορεί να ελεγχθεί.) ΙΣΧΥΡΟ: "Για δοκό οπλισμένου σκυροδέματος με απλή στήριξη με άνοιγμα 6 m: - Ομοιόμορφα κατανεμημένο φορτίο g+q = 25 kN/m (φορτίο σχεδιασμού) - Τμήμα 30x60C για οπλισμό σκυροδέματος, C25 «Υπολογίστε τη σχεδιαστική στιγμή με έναν κλειστό τύπο, δείξτε τον τύπο και τις μονάδες ΞΕΧΩΡΙΣΤΑ. Γράψτε τα ενδιάμεσα βήματα για να μπορώ να επαληθεύσω το αποτέλεσμα με υπολογισμό με το χέρι. Εάν έχετε επιλέξει τον συντελεστή ρύθμισης, καθορίστε σε ποιο στοιχείο βασίζεται (θα επιβεβαιώσω).»
Ισχυρή προτροπή. Απαιτεί εισαγωγή, περιορισμούς και επαληθεύσιμα ενδιάμεσα βήματα. Έτσι, μπορείτε να δοκιμάσετε γραμμή προς γραμμή την έξοδο του AI.
Επαγγελματική Δεοντολογία και Εμπιστευτικότητα
Η χρήση της τεχνητής νοημοσύνης δεν είναι απλώς ένα τεχνικό ζήτημα, είναι ένα ηθικό ζήτημα. Τρεις αρχές είναι κρίσιμες:
Μυστικότητα. Τα σχέδια έργων, τα αρχεία κόστους, οι συμβάσεις και τα προσωπικά δεδομένα ενδέχεται να περιέχουν εμπορικά μυστικά και προσωπικά δεδομένα (εντός του πεδίου εφαρμογής του KVKK). Η μεταφόρτωση του έργου ενός πελάτη σε μια δημόσια υπηρεσία τεχνητής νοημοσύνης χωρίς εταιρική έγκριση και σωστή πολιτική διαχείρισης δεδομένων αποτελεί σοβαρή παραβίαση. Ανωνυμοποιήστε δεδομένα όταν είναι απαραίτητο (όνομα έργου, τοποθεσία, αφαίρεση ονομάτων), μοιραστείτε μόνο τα αριθμητικά δεδομένα που απαιτούνται για τη λειτουργία του λογαριασμού.
Διαφάνεια. Μην κρύβετε ότι αξιοποιείτε την τεχνητή νοημοσύνη. Αλλά μην ρίχνετε την ευθύνη στο AI. Είναι εντάξει για μια αναφορά να ξεκινά με ένα περίγραμμα τεχνητής νοημοσύνης, είναι εντάξει να παρουσιάζετε μη ελεγμένα αποτελέσματα τεχνητής νοημοσύνης ως τη δική σας κρίση μηχανικής.
Όριο ικανότητας. Το AI μπορεί να σας δώσει μια αίσθηση εμπιστοσύνης σε έναν τομέα στον οποίο δεν είστε ειδικός. Η παραγωγή ενός γεωτεχνικού υπολογισμού σε ένα ρέον κείμενο δεν σας καθιστά ικανούς σε αυτόν τον τομέα. Για εργασίες που απαιτούν εξειδίκευση, συμβουλευτείτε τον σχετικό ειδικό.
Συμβουλή: Οι λύσεις τεχνητής νοημοσύνης χωρίς δεδομένα για συγκεκριμένες επιχειρήσεις (είτε φιλοξενούνται εσωτερικά είτε με συμβατική εγγύηση εμπιστευτικότητας δεδομένων) είναι πολύ πιο ασφαλείς σε εμπιστευτικά έργα από ό,τι στις δημόσιες υπηρεσίες. Μάθετε την πολιτική δεδομένων της εταιρείας σας πριν τη χρησιμοποιήσετε.
Τρεις Μίνι Θήκες
Περίπτωση 1 – Επιταχυνόμενη χρήση. Ο μηχανικός έργου Elif συντάσσει μια τεχνική προδιαγραφή 40 σελίδων με AI σε 2 ώρες. Κανονικά χρειάζονταν 2 μέρες. Στη συνέχεια, ελέγχει κάθε στοιχείο σύμφωνα με το πρότυπο και το τελειώνει σε 6 ώρες. Συνολική απόδοση: περίπου 1,5 εργάσιμες ημέρες. Ο κίνδυνος είναι χαμηλός επειδή η παραγωγή είναι πλήρως ελεγχόμενη.
Περίπτωση 2 – Λάθος εντοπισμού. Ο διαχειριστής τοποθεσίας Murat ζητά έναν υπολογισμό ασφαλείας ανατροπής από την τεχνητή νοημοσύνη για έναν τοίχο αντιστήριξης. Το AI δίνει τον αριθμό ασφαλείας 2.4. Ο Μουράτ κάνει τον υπολογισμό: Η τεχνητή νοημοσύνη πήρε λάθος τον συντελεστή ώθησης στο έδαφος, ο πραγματικός αριθμός ασφαλείας είναι 1,1. Άρα το τείχος είναι στα σύνορα. Ο έλεγχος τριών στρωμάτων αποτρέπει τον κίνδυνο κατάρρευσης.
Περίπτωση 3 – Παραβίαση του απορρήτου. Ένας υπάλληλος τεχνικού γραφείου ανεβάζει το αρχείο κόστους του έργου για το οποίο θα υποβάλει προσφορά σε μια δημόσια τεχνητή νοημοσύνη. Υπάρχουν τιμές μονάδας στο αρχείο που δεν πρέπει να κοινοποιηθούν στην αντίπαλη εταιρεία. Αυτό είναι ενάντια τόσο στη σύμβαση όσο και στην KVKK. Η λύση ήταν να μοιραστείτε μόνο τα απαιτούμενα αριθμητικά πεδία ανώνυμα ή να χρησιμοποιήσετε ένα εσωτερικό εργαλείο.
Αντιγράψιμα πρότυπα προτροπών
Μπορείτε να χρησιμοποιήσετε τα τρία παρακάτω πρότυπα προσαρμόζοντάς τα στη δική σας επιχείρηση.
ΠΡΟΤΑΣΗ ΤΑΞΙΝΟΜΗΣΗΣ ΚΙΝΔΥΝΟΥ: "Τοποθετήστε την ακόλουθη εργασία σε ένα φάσμα κινδύνου για οικοδομικές εργασίες: [γράψτε την εργασία]. - Πείτε χαμηλό / μεσαίο / υψηλό κίνδυνο, με αιτιολόγηση - Αξιολογήστε εάν είναι αναστρέψιμη, συνεπάγεται ασφάλεια ζωής / ιδιοκτησίας - Προτείνετε τον κατάλληλο ρόλο της τεχνητής νοημοσύνης σε αυτήν την εργασία (επιταχυντής / σχεδιάγραμμα που είναι απαραίτητες σε αυτήν την εργασία μόνο"
ΑΠΟΡΡΗΤΟ / ΑΝΩΝΥΜΟΠΟΙΗΣΗ ΕΝΔΕΙΞΗ ΕΛΕΓΧΟΥ: "Σημειώστε εάν υπάρχουν εμπιστευτικά/προσωπικά δεδομένα (όνομα έργου, τοποθεσία, όνομα, τιμή μονάδας, TR/επαφή) στο παρακάτω κείμενο που πρέπει να αφαιρέσω πριν το ανεβάσω στο AI και προτείνω μια ανώνυμη έκδοση: [επικόλληση κειμένου] Αφήστε μόνο τα αριθμητικά δεδομένα του λογαριασμού που απαιτούνται για την εργασία."
ΑΙΤΗΣΗ ΑΙΤΗΣΗΣ ΕΠΙΚΥΡΩΣΗΣ ΤΡΙΩΝ ΕΠΙΠΕΔΩΝ: "Θα δημιουργήσετε ένα αποτέλεσμα υπολογισμού. Για να το ελέγξω αυτό σε τρία επίπεδα: 1) Γράψτε τον τύπο που χρησιμοποιείτε και κάθε ενδιάμεσο βήμα με μονάδες. 2) Δηλώστε εάν το αποτέλεσμα είναι λογικό ως προς τη σειρά/μέγεθος. 3) Πείτε μου από ποιο πρότυπο / πηγή πρέπει να το δώσω ως απόλυτο προσχέδιο.
Συνήθη λάθη
- Παρεξηγώντας την άπταιστη και σίγουρη γλώσσα του AI ως προς την ακρίβεια.
- Αποδοχή λογαριασμού κρίσιμης σημασίας για την ασφάλεια σε ένα βήμα, χωρίς επαλήθευση.
- Προσπαθώντας να ρίξουμε την ευθύνη στην τεχνητή νοημοσύνη λέγοντας "Το AI το υπολόγισε".
- Μεταφόρτωση εμπιστευτικών δεδομένων έργου σε εξωτερική υπηρεσία χωρίς έγκριση ή ανωνυμοποίηση.
- Αντικατάσταση της τεχνητής νοημοσύνης με τη μηχανική κρίση σε έναν τομέα στον οποίο δεν είστε ειδικός.
- Ρύθμιση της προτροπής επ' αόριστον και λήψη μη ελεγχόμενης εξόδου χωρίς ενδιάμεσα βήματα.
Συνοπτικά
- Η τεχνητή νοημοσύνη είναι ένας ισχυρός επιταχυντής σε επιχειρήσεις χαμηλού κινδύνου. Σε εργασίες υψηλού κινδύνου, κρίσιμες για την ασφάλεια, είναι απλώς ένα σχέδιο που πρέπει να επιθεωρηθεί.
- Την ευθύνη την έχει πάντα ο αρμόδιος μηχανικός που υπογράφει? Το AI δεν μπορεί να το αναλάβει αυτό.
- Περάστε κάθε έξοδο κρίσιμης σημασίας για την ασφάλεια μέσα από τρία επίπεδα: κατάταξη/μονάδα, ανεξάρτητη διασταυρούμενη επικύρωση, τυπική και επικύρωση δικαιοδοσίας.
- Ρυθμίστε την προτροπή με εισαγωγή, περιορισμό και επαληθεύσιμα ενδιάμεσα βήματα.
- Η εμπιστευτικότητα, η διαφάνεια και το όριο ικανότητας είναι οι τρεις ακρογωνιαίοι λίθοι της ηθικής χρήσης.
- Ανωνυμοποιήστε τα εμπιστευτικά δεδομένα του έργου ή χρησιμοποιήστε ασφαλή εσωτερικά εργαλεία.
Εργασία εφαρμογής
Επιλέξτε μια πραγματική εργασία από τη δική σας επιχείρηση (μια ενότητα αναφοράς, έναν λογαριασμό ποσοτήτων, μια αναζήτηση τυποποιημένων αντικειμένων). Τοποθετήστε πρώτα αυτήν την εργασία στο φάσμα κινδύνου (χαμηλό/μέσο/υψηλό). Στη συνέχεια, ρωτήστε το AI σε μια μορφή "ισχυρής προτροπής" και υποβάλετε την έξοδο σε τρία επίπεδα ελέγχου: (1) κατάταξη/μονάδα, (2) υπολογισμός με το χέρι ή ανεξάρτητη πηγή, (3) τυπική επιβεβαίωση. Καταγράψτε κάθε λάθος και διόρθωση που βρίσκετε σε μία πρόταση. Τέλος, εξετάστε εάν υπάρχει κίνδυνος απορρήτου στα δεδομένα που χρησιμοποιείτε.
λίστα ελέγχου
- [ ] Τοποθέτησα σωστά την εργασία στο φάσμα κινδύνου.
- [ ] Ρύθμισα την προτροπή με εισαγωγή, περιορισμό και επαληθεύσιμα ενδιάμεσα βήματα.
- [ ] Έλεγξα την κατάταξη και τις μονάδες του αποτελέσματος.
- [ ] Επιβεβαίωσα το αποτέλεσμα με ανεξάρτητο τρόπο (υπολογισμός με το χέρι/λογισμικό/πηγή).
- [ ] Επιβεβαίωσα τους χρησιμοποιημένους συντελεστές και τιμές από το σχετικό πρότυπο.
- [ ] Υπέβαλα την τελική απόφαση στην έγκριση του αρμόδιου μηχανικού.
- [ ] Αξιολόγησα τον κίνδυνο απορρήτου/KVKK στα δεδομένα που χρησιμοποίησα και έλαβα προφυλάξεις.