Μονάδες
1. Εισαγωγή στην Τεχνητή Νοημοσύνη και Πειθαρχία Επαλήθευσης στη Ναυτική και Ναυτική Μηχανική 2. Τεχνητή Νοημοσύνη στο Σχεδιασμό Μορφής Κυψέλης και Υδροδυναμική Ανάλυση 3. AI στη Δομική Ανάλυση, Πεπερασμένα Στοιχεία και Επιλογή Υλικών 4. Τεχνητή Νοημοσύνη στα Προωστικά Συστήματα, τους Κύριους Κινητήρες και την Ενεργειακή Απόδοση 5. Προβλεπτική Συντήρηση και Παρακολούθηση Κατάστασης Μηχανοστασίου 6. Βελτιστοποίηση ταξιδιού, δρομολόγηση αέρα και περικοπή 7. Απόδοση καυσίμου, εκπομπές και περιβαλλοντική συμμόρφωση (EEXI, CII, MARPOL) 8. Αυτόνομα Πλοία, Ασφάλεια Πλοήγησης και Πρόληψη Σύγκρουσης 9. AI σε Ναυπηγεία, Παραγωγή, Διαχείριση Πόρων και Έργων 10. Κανόνες τάξης, Έρευνα, Νομοθεσία και Τεχνική Τεκμηρίωση 11. Τεχνητή Νοημοσύνη στη Διαχείριση Στόλου, την Logistics και τις Λιμενικές Επιχειρήσεις 12. Όρια της τεχνητής νοημοσύνης στη Ναυτιλία: Ασφάλεια, Κίνδυνος στον κυβερνοχώρο, Ηθική και Υπευθυνότητα
Μονάδα 1 / 12

Εισαγωγή στην Τεχνητή Νοημοσύνη και Πειθαρχία Επαλήθευσης στη Ναυτική και Ναυτική Μηχανική

Κέρδη:

  • Να είστε σε θέση να διακρίνετε πού η τεχνητή νοημοσύνη εξοικονομεί πραγματικό χρόνο στη ροή εργασιών της μηχανικής πλοίων και πλοίων και πού η ευθύνη για την ασφάλεια ζωής/περιουσίας και την κατηγορία πρέπει να παραμένει στον μηχανικό.
  • Δυνατότητα εφαρμογής μιας πειθαρχίας τριών επιπέδων που επαληθεύει κάθε αποτέλεσμα μηχανικής κατά τάξη μεγέθους, ανεξάρτητο επανυπολογισμό και έλεγχο κανόνα/πηγή τάξης
  • Δυνατότητα απόκτησης της συνήθειας ανωνυμοποίησης του πλαισίου και δημιουργίας προτροπών για να επωφεληθείτε από την τεχνητή νοημοσύνη χωρίς να μοιράζεστε εμπορικά και τεχνικά εμπιστευτικά δεδομένα του πλοίου, του ναυπηγείου και του πλοιοκτήτη.

Κοιτάξτε την ημέρα ενός ναυτικού μηχανικού: επαναλήψεις μορφής κύτους, υπολογισμοί αντίστασης και πρόωσης, έλεγχοι σταθερότητας και αντοχής, σαρώσεις κανόνων τάξης, αρχεία αισθητήρων μηχανοστασίου, αναφορές ερευνών, αλληλογραφία ναυπηγείου και ατελείωτα email με τον πλοιοκτήτη. Ο χρόνος που αφιερώνεται στην πραγματική κρίση μηχανικής, δηλαδή, οι ερωτήσεις "είναι αυτό το σκάφος ασφαλές, ανταποκρίνεται αυτή η κατασκευή στον κωδικό κατηγορίας, μειώνει πραγματικά αυτό το σχέδιο ταξιδιού την κατανάλωση καυσίμου", συνθλίβεται κάτω από την επαναλαμβανόμενη εργασία υπολογισμού και εγγράφων. Εδώ παίζει ρόλο η τεχνητή νοημοσύνη (AI για συντομία· λογισμικό που λειτουργεί σε κείμενο, κώδικα και αριθμούς με μεγάλο μοντέλο γλώσσας και μηχανική εκμάθηση). Το AI δεν παίρνει την απόφαση για εσάς. Σας προετοιμάζει για την απόφαση, δημιουργεί ένα προσχέδιο, επιταχύνει τον υπολογισμό και θέτει τις επεξεργασμένες πληροφορίες μπροστά σας.

Ωστόσο, η ναυτική μηχανική είναι ένας τομέας όπου τα λάθη δεν μετρώνται με κείμενο αλλά με ζωές, το περιβάλλον και εκατομμύρια δολάρια. Μια ρήτρα κανόνα τάξης που αποτελείται από ένα γλωσσικό μοντέλο, μια λανθασμένη μετατροπή μονάδας ή ένα αποτέλεσμα σταθερότητας "λογικά όψης", αλλά φυσικά αδύνατο να είναι μια μικρή διόρθωση σε άλλους τομείς, αλλά εδώ μπορεί να μετατραπεί σε ανατροπή, δομική κατάρρευση ή πετρελαιοκηλίδα. Έτσι, σε όλη αυτή την ενότητα θα τοποθετήσουμε την τεχνητή νοημοσύνη όχι ως «αυτόματο μηχανικό» αλλά ως πειθαρχημένο βοηθό κρίσιμο για την ασφάλεια του οποίου η απόδοση επαληθεύεται κάθε φορά.

Σε αυτήν την πρώτη ενότητα, διευκρινίζουμε τρία πράγματα: Σε ποια στάδια της ροής εργασιών της μηχανικής του πλοίου και της θαλάσσιας μηχανικής προσθέτει πραγματική αξία η τεχνητή νοημοσύνη. ποιες αποφάσεις θα πρέπει να παραμείνουν αυστηρά στο ειδικευμένο άτομο (μηχανικός, επιθεωρητής τάξης, πλοίαρχος)· και ποια είναι η πειθαρχία επαλήθευσης, εμπιστευτικότητας και ευθύνης που πρέπει να τηρείτε όταν το κάνετε. Χωρίς τη σωστή εγκατάσταση αυτής της οροφής, οι τεχνικές στις επόμενες μονάδες μπορεί να γίνουν επικίνδυνες.

Έννοιες: Παραισθήσεις: Η πειστική κατασκευή από την τεχνητή νοημοσύνη ενός αριθμού, συντελεστή, ρήτρα κανόνα τάξης ή πηγής που στην πραγματικότητα δεν υπάρχει. Πλαίσιο: Η εισαγωγή που δίνετε στο AI (στοιχεία σκάφους, υποθέσεις, ερώτηση). Επαλήθευση: Έλεγχος της εξόδου με ανεξάρτητο τρόπο (υπολογισμός με το χέρι, δεύτερο λογισμικό, κείμενο κανόνα, πείραμα μοντέλου). Νηογνώμονας: Ο οργανισμός που επιθεωρεί και πιστοποιεί το σχεδιασμό και την κατασκευή του πλοίου σύμφωνα με το σύνολο κανόνων (π.χ. ABS, DNV, Lloyd's Register, Bureau Veritas, TL/Türk Loydu). Αυτές οι έννοιες αποτελούν τη ραχοκοκαλιά ολόκληρης της ενότητας.

Σε ποιες επιχειρήσεις είναι το AI Accelerator, σε ποιες επιχειρήσεις είναι επικίνδυνο;

Τα καθήκοντα ναυτικής μηχανικής εμπίπτουν σε ένα φάσμα δύο πλευρών όσον αφορά τα αποτελέσματά τους. Στο ένα άκρο υπάρχουν προπαρασκευαστικές εργασίες χαμηλού κινδύνου που μπορούν να ανακτηθούν (περίληψη βιβλιογραφίας, σκελετός κώδικα, περίγραμμα παρουσίασης). Στο άλλο άκρο, υπάρχουν μη αναστρέψιμες αποφάσεις (συντελεστής ασφάλειας, κριτήριο ευστάθειας, κατασκευαστική έγκριση) που καθορίζουν άμεσα τη θαλάσσια ασφάλεια, την ασφάλεια ζωής/περιουσίας και το περιβάλλον. Η τιμή του AI ποικίλλει ανάλογα με το πού βρίσκεστε σε αυτό το φάσμα.

τύπο επιχείρησης

συνεισφορά AI

Ο ρόλος του μηχανικού

Κανόνας/πρότυπο περίληψη

Εξαγωγή ουσίας από το μακρύ βιβλίο κανόνων

Σύγκριση της ρήτρας με το αρχικό κείμενο της τάξης

Υπολογισμός με το χέρι / προ-μεγέθους

Ρύθμιση φόρμουλας, πρώτος αριθμός

Έλεγχος μονάδας, κατάταξης και παραδοχών

Κώδικας ανάλυσης / σενάριο Python

Δημιουργία σκελετού και λογικής

Επικύρωση με είσοδο δοκιμής, δοκιμή ακμών

Προσχέδιο έκθεσης/έρευνας

Πρόταση δομής και αφήγησης

Συνδέστε κάθε τιμή με τη μέτρηση και την πηγή

Ανάλυση δεδομένων αισθητήρα/IoT

Υποψήφια εξαγωγή προτύπου και ανωμαλίας

Επιβεβαιώνεται από ακατέργαστα δεδομένα και φυσική αληθοφάνεια

Έγκριση σταθερότητας/αντοχής

Προετοιμασία υλικού ανάλυσης

Τελική αξιολόγηση, έγκριση τάξης, υπογραφή

Ο κανόνας είναι απλός: ο κίνδυνος μιας εξόδου AI ισούται με τη ζημιά που θα υποστεί εάν αυτή η έξοδος κάνει λάθος. Η ορθογραφία του τίτλου μιας διαφάνειας είναι αβλαβής. Σε μια κατάσταση φόρτωσης, είναι καταστροφικό να υπολογίσετε εσφαλμένα την τιμή GM (μετακεντρικό ύψος, ένα μέτρο της ικανότητας ανόρθωσης του πλοίου) και να προσδιορίσετε εσφαλμένα το όριο ανατροπής του πλοίου. Επομένως, η πρώτη ερώτηση που πρέπει να κάνετε πριν χρησιμοποιήσετε την έξοδο είναι: "Τι συμβαίνει εάν αυτό είναι λάθος, ποιος τραυματίζεται και ποιος το προσέχει;"

Προσοχή: Η τεχνητή νοημοσύνη παράγει κείμενο με ευχέρεια και αυτοπεποίθηση. Η ευχέρεια δεν αποτελεί εγγύηση για την ακρίβεια. Ένα γλωσσικό μοντέλο καλύπτει το κενό με στατιστικά «πιθανότατα» λέξεις, ακόμα κι αν δεν έχει ακριβή δεδομένα. Στη ναυτιλία, αυτή η πλήρωση κενού μπορεί να εμφανίζεται ως ισχύς διαρροής κατασκευασμένου υλικού ή ως ανύπαρκτη ρήτρα SOLAS.

Πειθαρχία Ασφάλειας-Κρίσιμης Επαλήθευσης: Τρία Επίπεδα

Η θαλάσσια κουλτούρα βασίζεται ήδη στην αρχή της «εμπιστοσύνης αλλά επαλήθευσης». Η έρευνα, ο διπλός έλεγχος και η ανεξάρτητη πιστοποίηση τάξης αποτελούν μέρος αυτής της κουλτούρας. Η τεχνητή νοημοσύνη θα πρέπει να χρησιμοποιηθεί για την ενίσχυση αυτής της αρχής και όχι για την αποδυνάμωση της. Περάστε κάθε έξοδο AI ​​μέσα από ένα φίλτρο τριών επιπέδων.

Πρώτο στρώμα: έλεγχος τάξης μεγέθους. Δείτε αν το αποτέλεσμα είναι περίπου εντός της αναμενόμενης ισχύος των 10. Το εκτόπισμα (βάρος του βυθισμένου όγκου) ενός πλοίου μεταφοράς χύδην Panamax είναι της τάξης των δεκάδων χιλιάδων τόνων. Εάν το AI σας λέει 800 τόνους, ξέρετε ότι υπάρχει ένα λάθος χωρίς να υπεισέλθετε σε λεπτομέρειες. Η ταχύτητα πλεύσης ενός πλοίου μεταφοράς εμπορευματοκιβωτίων κυμαίνεται μεταξύ 18-24 κόμβων. 90 κόμβοι είναι φυσικά αδύνατο.

Δεύτερο στρώμα: συνοχή μονάδας και μεγέθους. Στη ναυτιλία, η σύγχυση μονάδων είναι μια κλασική πηγή σφαλμάτων: κόμβοι έναντι m/s, τόνος έναντι kip, kW έναντι ιπποδύναμης (BHP), μετρητής έναντι ποδιών, ράβδος έναντι kPa. Η μονάδα κάθε αριθμού στην έξοδο AI ​​θα πρέπει να δηλώνεται με σαφήνεια και θα πρέπει να γίνεται ανάλυση διαστάσεων. Δίνεται μια τιμή αντίστασης σε kN ή kgf; Αυτό αλλάζει άμεσα την ισχύ πρόωσης και συνεπώς τον προϋπολογισμό καυσίμου.

Τρίτο στρώμα: ανεξάρτητη αναπαραγωγή. Αναπαράγετε ένα κρίσιμο αποτέλεσμα με μια δεύτερη μέθοδο (έναν διαφορετικό χειροκίνητο λογαριασμό, ξεχωριστό λογισμικό, εγκεκριμένο υπολογιστή φόρτωσης ή έναν δεύτερο μηχανικό). Η αυτοπεποίθηση αυξάνεται εάν δύο ανεξάρτητα μονοπάτια δίνουν την ίδια απάντηση. Αν όχι, σταματήστε μέχρι να καταλάβετε γιατί είναι διαφορετικό.

Συμβουλή: Όταν ζητάτε από το AI ένα αποτέλεσμα, κάντε επίσης την ίδια ερώτηση αντίστροφα. Αφού πείτε "Υπολογίστε την ισχύ πρόωσης που απαιτείται για αυτό το σκάφος", πείτε "Υπολογίστε ξανά την ταχύτητα πλεύσης με την ισχύ που παρείχατε και πείτε μου αν είναι λογικό για ένα τυπικό πλοίο". Ζητώντας από το μοντέλο να διασταυρώσει τη δική του έξοδο κάνει ορατά τα σιωπηλά σφάλματα.

Εμπιστευτικότητα και εμπορικό μυστικό: Maritime's Private Frontier

Η μορφή του κύτους, οι καμπύλες υδροδυναμικής απόδοσης, τα δεδομένα συμβάσεων πλοιοκτήτη-ναυπηγείου και η λειτουργική τηλεμετρία του πλοίου είναι εξαιρετικά ευαίσθητα όσον αφορά το εμπορικό απόρρητο και την πνευματική ιδιοκτησία. Η εισαγωγή της καμπύλης πραγματικής αντίστασης ενός σκάφους ή των δεδομένων πραγματικής κατανάλωσης καυσίμου ενός πλοιοκτήτη σε μια ανεξέλεγκτη εξωτερική υπηρεσία τεχνητής νοημοσύνης μπορεί να είναι τόσο παραβίαση της σύμβασης, απώλεια πνευματικής ιδιοκτησίας όσο και ανταγωνιστικό μειονέκτημα. Επιπλέον, οι πληροφορίες σχετικά με την αρχιτεκτονική OT (λειτουργική τεχνολογία, λογισμικό ελέγχου που διαχειρίζεται μηχανήματα και συστήματα πλοήγησης) των σύγχρονων πλοίων δεν θα πρέπει να κοινοποιούνται για λόγους ασφάλειας στον κυβερνοχώρο.

Εμπειρικός κανόνας: μην εισάγετε ποτέ πραγματικά, εμπιστευτικά ή συμβατικά προστατευμένα δεδομένα σε μη εγκεκριμένο εξωτερικό εργαλείο. Αντίθετα, ανωνυμοποιήστε το περιβάλλον και αντικαταστήστε τους πραγματικούς αριθμούς με αντιπροσωπευτικές τιμές. Για παράδειγμα, αντί να μοιράζεστε τα δεδομένα φόρμας ενός πραγματικού πλοίου, ρωτήστε "εξηγήστε την προσέγγιση αντίστασης με ένα παράδειγμα σχετικά με τη σειρά των κύριων διαστάσεων ενός τυπικού φορτηγού χύδην φορτίου Handysize".

Αδύναμη προτροπή / Ισχυρή προτροπή

Αδύναμη προτροπή:

Πραγματικά στοιχεία μορφής Εφοπλιστή

Ισχυρή προτροπή:

Ρόλος: Είστε έμπειρος σύμβουλος σε θέματα υδροδυναμικής πλοίων. Πλαίσιο: Κάνω μια γενική προκαταρκτική ανάλυση για ένα φορτηγό χύδην φορτίου (οι τιμές είναι αντιπροσωπευτικές, όχι τα πραγματικά δεδομένα έργου): Lpp ~180 m, δοκός ~32 m, βύθισμα ~ 12,5 m, συντελεστής μπλοκ ~0,84, ταχύτητα πλεύσης ~14 κόμβοι. Εργασία: Εξηγήστε με ποια βήματα γίνεται η προκαταρκτική εκτίμηση της πρόωσης (εξαρτήματα αντίστασης, απόδοση πρόωσης, θαλάσσιο όριο) και ποια δεδομένα χρειάζομαι για να μετρήσω/επαληθεύσω τη λίστα. Περιορισμός: Γράψτε κάθε τύπο και υπόθεση ρητά. Εάν δώσετε αριθμητικό παράδειγμα, καθορίστε τη μονάδα (kN, kW, κόμβους) και προσθέστε τον τρόπο επαλήθευσης.

Η ισχυρή προτροπή προστατεύει τα πραγματικά δεδομένα του έργου, διευκρινίζει τον ρόλο και τον περιορισμό και ζητά μια διαδρομή επαλήθευσης.

Πρότυπα επικύρωσης γενικού σκοπού

Θα χρησιμοποιήσετε επανειλημμένα τα ακόλουθα πρότυπα σε όλη την ενότητα.

Γενικό πρότυπο για την προσθήκη αιτήματος επαλήθευσης:

Απαντήστε στην ερώτηση μηχανικής παρακάτω. Στην απάντησή σας:1) Δηλώστε τη μονάδα κάθε αριθμού.2) Συγκρίνετε την τάξη μεγέθους του αποτελέσματος με ένα τυπικό πλοίο.3) Γράψτε την πηγή (όνομα μεθόδου) για κάθε συντελεστή/τύπο που χρησιμοποιείτε. Εάν δεν υπάρχει πηγή, σημειώστε την ως "ασαφής". 4) Προτείνετε έναν δεύτερο τρόπο υπολογισμού για να μπορώ να ελέγξω το αποτέλεσμα ανεξάρτητα. Ερώτηση: [ερώτηση εδώ]

Πρότυπο κυνηγιού ψευδαισθήσεων:

Δημιουργήστε έναν πίνακα με όλες τις αριθμητικές τιμές, τους συντελεστές και τις αναφορές κανόνων/προτύπων στην απάντησή σας παρακάτω. Για κάθε σειρά:- Τιμή, μονάδα- Βάση (υπολογισμός / γνωστός συντελεστής / υπόθεση / αβέβαιη)- Πώς μπορώ να το επαληθεύσω ανεξάρτηταΕπίσης, επισημάνετε κάθε σειρά της οποίας η βάση είναι "αβέβαιη".

Μίνι Θήκες

Περίπτωση 1 — Κατασκευασμένη ρήτρα κλάσης. «Ποια ρήτρα κωδικού κατηγορίας απαιτεί αυτό το ελάχιστο πάχος φύλλου» για να υποστηρίξει ένα δομικό μερίδιο, ρωτά ένας κατώτερος μηχανικός στην τεχνητή νοημοσύνη. Η AI αναφέρει μια ρήτρα "Κεφάλαιο 6, Ενότητα 3.4.7" που στην πραγματικότητα δεν υπάρχει. Όταν ο μηχανικός το συγκρίνει με το τρέχον PDF του κανόνα κλάσης, βλέπει ότι η ρήτρα είναι ψεύτικη και βρίσκει τη σωστή ρήτρα. Μάθημα: Κάθε αναφορά κανόνα που εκδίδεται από AI επαληθεύεται από το αρχικό, τρέχον κείμενο ταξινόμησης.

Περίπτωση 2 — Μονάδα παγίδα. Μια ομάδα λαμβάνει βοήθεια από την τεχνητή νοημοσύνη σε έναν υπολογισμό ισχύος αποστολής. Το AI δίνει την ισχύ ως "8500", αλλά η μονάδα του παραμένει ασαφές εάν είναι "kW ή BHP". Υπάρχει μια διαφορά περίπου 1,34 φορές μεταξύ 8500 kW και 8500 BHP. Αυτή η διαφορά αλλάζει εντελώς την επιλογή ενός οικοδεσπότη και τον ετήσιο προϋπολογισμό καυσίμων. Εάν η μονάδα του πληρώματος προχωρήσει χωρίς να ρωτήσει ρητά, θα κατευθυνθεί προς τη λάθος κατηγορία μηχανών. Μάθημα: οποιοσδήποτε αριθμός χωρίς μονάδα δεν γίνεται δεκτός.

Περίπτωση 3 — Ο έλεγχος κατάταξης σώζει ζωές. Μια ομάδα μαθητών έβαλε το AI να υπολογίσει την αντίσταση πλεύσης ενός πλοίου 15.000 DWT και βρήκε ότι η συνολική αντίσταση ήταν 12 kN. Για ένα πλοίο αυτού του μεγέθους, η αντίσταση ναυσιπλοΐας είναι της τάξης των εκατοντάδων kN και η ισχύς πρόωσης είναι της τάξης πολλών χιλιάδων kW. Μια διαφορά περίπου 100 φορές προδίδει αμέσως ένα σφάλμα επεξεργασίας. Οι μαθητές βρίσκουν ένα σφάλμα εκθέτη στον τύπο του συντελεστή τριβής. Μάθημα: συγκρίνετε πάντα το αποτέλεσμα με ένα γνωστό εύρος αναφοράς.

Συνήθη λάθη

  • Λάθος της ευχέρειας για την ακρίβεια. Μια καλογραμμένη εξήγηση μπορεί να είναι αριθμητικά λανθασμένη. Η ποιότητα του κειμένου και η ακρίβεια του αποτελέσματος είναι δύο διαφορετικά πράγματα.
  • Αποδοχή αριθμού χωρίς μονάδα. Στη ναυτιλία, οι σύγχυση κόμπων/m·s, ton/kip, kW/BHP, m/ft είναι λάθη που τελειώνουν την καριέρα.
  • Εισαγωγή εμπιστευτικών/συμβατικών δεδομένων στο εξωτερικό εργαλείο. Εμπορικό μυστικό και παραβίαση πνευματικής ιδιοκτησίας. Μετά τη διαρροή, τα δεδομένα φόρμας και απόδοσης δεν μπορούν να ανακτηθούν.
  • Εμπιστεύεστε μια μόνο πηγή. Η χρήση ενός κρίσιμου αποτελέσματος χωρίς την παραγωγή του με δεύτερο τρόπο παραβιάζει τον πιο θεμελιώδη κανόνα της κρίσιμης για την ασφάλεια πειθαρχίας.
  • Αποτυχία επαλήθευσης της απόδοσης κανόνα. Οι αριθμοί ειδών κλάσης/SOLAS που παρέχονται από την AI μπορεί να είναι εικονικοί. Κάθε αναφορά επαληθεύεται από το αρχικό, τρέχον κείμενο.

Συνοπτικά

Η τεχνητή νοημοσύνη επιταχύνει δραματικά την επαναλαμβανόμενη εργασία υπολογισμών, κωδικών, εγγράφων και δεδομένων στη θαλάσσια και ναυτική μηχανική. Ωστόσο, οι αποφάσεις που καθορίζουν την ασφάλεια στη θάλασσα, τη συμμόρφωση με την τάξη και την περιβαλλοντική ασφάλεια παραμένουν στα καταρτισμένα άτομα. Κάθε έξοδος πρέπει να φιλτράρεται με τάξη μεγέθους, συνοχή μονάδας και ανεξάρτητη αναπαραγωγή. Για λόγους εμπορικής εμπιστευτικότητας και ασφάλειας στον κυβερνοχώρο, τα πραγματικά δεδομένα σκάφους/απόδοσης θα πρέπει να είναι ανώνυμα και να χρησιμοποιούνται μόνο εγκεκριμένα εργαλεία. Αυτή η πειθαρχία είναι απαραίτητη προϋπόθεση για όλες τις επόμενες ενότητες.

Εργασία εφαρμογής

Επιλέξτε μια ερώτηση μηχανικής από τον τομέα σας (φόρμα, ευστάθεια, πρόωση, συντήρηση, πλοήγηση). Πρώτα πληκτρολογήστε ένα "αδύναμο μήνυμα" και ρωτήστε το AI. Στη συνέχεια, γράψτε ένα "power prompt" που περιλαμβάνει το ρόλο, το ανώνυμο πλαίσιο, τον περιορισμό και το αίτημα επαλήθευσης και κάντε ξανά την ίδια ερώτηση. Συγκρίνετε τις δύο απαντήσεις ως προς την τάξη μεγέθους και τη συνοχή της μονάδας, εφαρμόστε το "πρότυπο κυνηγιού ψευδαισθήσεων" και επιβεβαιώστε τουλάχιστον ένα αποτέλεσμα με έναν ανεξάρτητο υπολογισμό με το χέρι. Συνοψίστε τα ευρήματά σας σε μισή σελίδα.

λίστα ελέγχου

  • [ ] Αξιολόγησα τον κίνδυνο της παραγωγής με την ερώτηση "ποιος τραυματίζεται αν είναι λάθος;"
  • [ ] Σύγκρισα το αποτέλεσμα με ένα γνωστό πλοίο ως προς το μέγεθος.
  • [ ] Έχω σαφώς επιβεβαιώσει τη μονάδα όλων των αριθμών (κόμβος, kW, τόνος, m).
  • [ ] Αναπαρήγαγα το κρίσιμο αποτέλεσμα με μια δεύτερη ανεξάρτητη μέθοδο.
  • [ ] Χρησιμοποίησα ανώνυμη τιμή διακομιστή μεσολάβησης αντί για πραγματικά/κρυφά δεδομένα σκάφους.
  • [ ] Έχω επαληθεύσει κάθε αναφορά κλάσης/SOLAS που δίνεται από την AI από το αρχικό, τρέχον κείμενο.