QGIS Αυτοματισμός, Δεοντολογία, Απόρρητο και Έργο End-to-End

Κέρδη:

• Δυνατότητα ρύθμισης και εκτέλεσης αυτοματισμού ροής εργασιών με υποστήριξη AI με PyQGIS και σχεδιαστή μοντέλων
• Δυνατότητα διαχείρισης του απορρήτου των προσωπικών δεδομένων, των πνευματικών δικαιωμάτων, της άδειας και των ορίων ευθύνης μηχανικού σε ένα έργο από άκρο σε άκρο
• Δυνατότητα σχεδίασης ενός έργου γεωματικής σε μια ροή με δυνατότητα AI αλλά με επίκεντρο την επαλήθευση από τη συλλογή δεδομένων έως την παράδοση

Εξέταση Ενοτήτων

1. Ποιο από τα παρακάτω είναι η βασική αρχή που καθορίζει τον κίνδυνο μιας παραγωγής τεχνητής νοημοσύνης στη μηχανική έρευνας;

• Α) Ο κίνδυνος μιας παραγωγής είναι ίσος με τη ζημιά που θα προκαλούσε εάν αυτή η παραγωγή ήταν ελαττωματική. κλίμακες επικύρωσης αναλόγως ✔
• Β) Η έξοδος AI είναι γενικά ασφαλής καθώς είναι γραμμένη με ευχέρεια και σιγουριά
• Γ) Η επικύρωση δεν είναι απαραίτητη όταν χρησιμοποιείται το πιο πρόσφατο μοντέλο
• Δ) Εάν η έξοδος αναφέρεται σε ένα πρότυπο, δεν απαιτείται πρόσθετος έλεγχος

Εξήγηση: Ο κίνδυνος μιας παραγωγής είναι ίσος με τη ζημιά που θα προκαλέσει εάν αυτή η έξοδος είναι ελαττωματική. Ενώ ένα μικρό σφάλμα σε μια περίληψη της βιβλιογραφίας είναι σε μεγάλο βαθμό ακίνδυνο, ένα σφάλμα σε ένα κτηματολογικό όριο ή υψομετρική τιμή μπορεί να οδηγήσει σε παραβίαση ιδιοκτησίας, ακατάλληλη εφαρμογή κατασκευής και υλικές ζημιές. έτσι η ένταση της επαλήθευσης κλιμακώνεται με πιθανή βλάβη.

2. Ποια εργασία ανατίθεται πιο ασφαλώς και καταλλήλως στην τεχνητή νοημοσύνη στον ποιοτικό έλεγχο ενός σετ μετρήσεων GNSS;

• Α) Να αποδεχτεί τελικά την ακρίβεια των συντεταγμένων σημείων και να τα δηλώσει έτοιμα για εγγραφή
• Β) Επεξεργασία ακατέργαστων πινάκων παρατήρησης και επισήμανση πιθανών ακραίων σημείων/ασυνεπειών ✔
• Γ) Επιβεβαίωση των τιμών εφαρμογής απευθείας χωρίς να εξετάζονται οι αρχές μέτρησης
• Δ) Θεωρώντας το αποτέλεσμα έγκυρο χωρίς να υπολογιστούν τυχόν σφάλματα κλεισίματος

Εξήγηση: Η ασφαλέστερη συνεισφορά του AI είναι βοηθητικές εργασίες που μπορεί να ελέγξει ο μηχανικός, όπως η οργάνωση διάσπαρτων ακατέργαστων δεδομένων και σχολιασμών, η επισήμανση ασυνεπειών και ακραίων στοιχείων. Η τελική αποδοχή της ακρίβειας της συντεταγμένης σημείου παραμένει με την έγκριση του μηχανικού, συμπεριλαμβανομένων των σφαλμάτων κλεισίματος και των αρχών μέτρησης. Η τεχνητή νοημοσύνη που λέει «το θέμα είναι απολύτως σωστό» δεν αποτελεί απόδειξη.

3. Ποιες πληροφορίες πρέπει να αναφέρονται με σαφήνεια στο AI στο αίτημα μετασχηματισμού συντεταγμένων;

• Α) Μόνο ονόματα σημείων
• Β) Μόνο το όνομα της προβολής στόχου, το δεδομένο δεν έχει σημασία
• Γ) Σύστημα συντεταγμένων πηγής και στόχου (στοιχείο + προβολή/EPSG) και παράμετροι μετασχηματισμού ✔
• Δ) Όνομα του ατόμου που κάνει τη μέτρηση

Επεξήγηση: Ο μετασχηματισμός συντεταγμένων έχει νόημα μόνο εάν έχουν καθοριστεί το σύστημα πηγής, το σύστημα προορισμού (στοιχείο + προβολή, π.χ. κωδικός EPSG) και οι απαιτούμενες παράμετροι μετασχηματισμού. Απλώς λέγοντας "μετατρέψτε αυτό σε UTM" δεν είναι ξεκάθαρο ποιο σημείο αναφοράς μετακινείται από ποιο σημείο αναφοράς και μπορεί να προκαλέσει μετατόπιση δεδομένων μετρητών.

4. Ποιος από τους παρακάτω είναι ο πιο πρακτικός τρόπος για να επαληθεύσετε την έξοδο ενός μετασχηματισμού;

• Α) Εξετάζοντας τον αριθμό των δεκαδικών ψηφίων στην έξοδο
• Β) Κοιτάζοντας πόσο γρήγορα το μοντέλο δίνει την απάντηση
• Γ) Μεταφορά του αποτελέσματος σε CAD χωρίς καθόλου έλεγχο
• Δ) Βάζοντας το σημείο ελέγχου του οποίου οι συντεταγμένες είναι γνωστές μέσω του ίδιου μετασχηματισμού και συγκρίνοντάς το με την αναμενόμενη τιμή ✔

Επεξήγηση: Η διέλευση ενός ή περισσότερων σημείων ελέγχου των οποίων οι συντεταγμένες είναι γνωστές μέσω του ίδιου μετασχηματισμού και η σύγκρισή τους με την αναμενόμενη τιμή αποκαλύπτει γρήγορα σφάλματα τόσο παραμέτρων όσο και σφαλμάτων αναφοράς. Η συστηματική διαφορά δεκάδων μέτρων είναι συνήθως το λάθος σημείο αναφοράς/παράμετρος. Το γεγονός ότι η έξοδος φαίνεται ομαλή δεν αποτελεί απόδειξη ορθότητας.

5. Ποια είναι η πιο κρίσιμη προϋπόθεση για σωστούς υπολογισμούς buffer και εμβαδού στο GIS;

• Α) Το στρώμα βρίσκεται στο κατάλληλο μετρικό (προβολή) σύστημα συντεταγμένων ✔
• Β) Χρώμα της στρώσης
• Γ) Σειρά στηλών στον πίνακα χαρακτηριστικών
• Δ) Το όνομα αρχείου του επιπέδου πρέπει να είναι σύντομο

Εξήγηση: Οι υπολογισμοί απόστασης και περιοχής έχουν νόημα μόνο σε ένα μετρικό (προβαλλόμενο) σύστημα συντεταγμένων. Η άμεση προσωρινή αποθήκευση σε γεωγραφικές συντεταγμένες (γεωγραφικό πλάτος/μήκος σε μοίρες) δίνει ανακριβή αποτελέσματα λόγω σύγχυσης βαθμών-μέτρων. Επομένως, το στρώμα πρέπει να τοποθετηθεί στην κατάλληλη προβολή πριν από την ανάλυση.

6. Ποιος είναι ο τυπικός τρόπος μέτρησης της ακρίβειας ενός χάρτη κάλυψης γης στην ταξινόμηση δορυφορικών εικόνων;

• Α) Κοιτάζοντας πόσο ζωντανά είναι τα χρώματα του χάρτη
• Β) Δημιουργία πίνακα σφαλμάτων με ανεξάρτητα δείγματα αληθείας εδάφους και υπολογισμός συνολικής ακρίβειας/Κάπα ✔
• Γ) Βασιζόμενος στον μεγάλο αριθμό τάξεων
• Δ) Κοιτάζοντας την ανάλυση της εικόνας και υποθέτοντας την ακρίβεια

Περιγραφή: Η ακρίβεια της ταξινόμησης αξιολογείται με τη δημιουργία ενός πίνακα σύγχυσης με ανεξάρτητα δείγματα βασικής αλήθειας και την αναφορά του με μετρήσεις όπως η συνολική ακρίβεια και η Κάπα. Η «καλή εμφάνιση» του χάρτη ή η ζωηρότητα των χρωμάτων της κατηγορίας δεν είναι απόδειξη ακρίβειας.

7. Ποιο είναι το βασικό στοιχείο που διασφαλίζει την ακρίβεια θέσης στη φωτογραμμετρική παραγωγή ορθοφωτογραφίας και DSM;

• Α) Απλώς τραβήξτε πολλές φωτογραφίες
• Β) Το UAV είναι ακριβό μοντέλο
• Γ) Έλεγχος ακρίβειας με επακριβώς μετρημένα σημεία ελέγχου εδάφους και ανεξάρτητα σημεία ελέγχου ✔
• Δ) Η πτήση να γίνεται σε συννεφιασμένη μέρα

Περιγραφή: Τα σημεία ελέγχου εδάφους (GCP) συνδέουν το φωτογραμμετρικό μοντέλο με το πραγματικό σύστημα συντεταγμένων και καθορίζουν την ακρίβεια κλίμακας/τοποθέτησης. Επιπλέον, η ακρίβεια ελέγχεται με τον υπολογισμό του RMSE με ανεξάρτητα σημεία ελέγχου που δεν εισέρχονται στο μοντέλο. Η απλή αύξηση του αριθμού των εικόνων ή το ακριβό του UAV δεν εγγυάται την ακρίβεια.

8. Ποιο βήμα είναι υποχρεωτικό για τη δημιουργία ψηφιακού μοντέλου εδάφους (DTM) από το νέφος σημείων LiDAR;

• Α) Μετατροπή όλων των σημείων σε επιφάνεια όπως είναι
• Β) Χρησιμοποιώντας μόνο τα υψηλότερα σημεία
• Γ) Διαγραφή τιμών πυκνότητας
• Δ) Διαχωρισμός μη εδαφών (κτίριο, δέντρο) σημείων με φιλτράρισμα εδάφους ✔

Περιγραφή: Το DTM αντιπροσωπεύει την επιφάνεια του γυμνού εδάφους. Επομένως, τα μη εδαφικά σημεία όπως κτίρια, δέντρα, οχήματα πρέπει να διαχωριστούν (φιλτράρισμα εδάφους/ταξινόμηση). Εάν παραλειφθεί αυτό το βήμα, λαμβάνεται η επάνω επιφάνεια (DSM) και όχι το DTM. Το AI μπορεί να επιταχύνει την ταξινόμηση, αλλά το αποτέλεσμα πρέπει να επικυρωθεί με διατομές προφίλ.

9. Ποιο είναι ένα από τα πιο συνηθισμένα και πιο επικίνδυνα λάθη στην αυτόματη δημιουργία χαρτών με AI;

• Α) Παράβλεψη υποχρεωτικών στοιχείων όπως κλίμακα, υπόμνημα, σύστημα συντεταγμένων και βαθμολογία ακρίβειας ✔
• Β) Χρήση πάρα πολλών σημείων ελέγχου
• Γ) Ομαδοποίηση στρωμάτων
• Δ) Προσθήκη τίτλου στο φύλλο

Επεξήγηση: Ο αυτόματος συμβολισμός και η επισήμανση είναι γρήγορος, αλλά εάν λείπουν βασικά χαρτογραφικά στοιχεία όπως η κλίμακα, το υπόμνημα, το βέλος του βορρά, το σύστημα συντεταγμένων και η σημείωση ακρίβειας, ο χάρτης γίνεται παραπλανητικός και επίσημα άχρηστος. Η οπτική έλξη δεν υποκαθιστά αυτά τα βασικά στοιχεία.

10. Ποια θα πρέπει να είναι η κατάσταση της παραγωγής τεχνητής νοημοσύνης κατά την εργασία με δεδομένα κτηματογράφησης και κτηματολογίου;

• Α) Θεωρούνται ως οριστικά στοιχεία που μπορούν να καταχωρηθούν απευθείας στον τίτλο ιδιοκτησίας.
• Β) Λαμβάνεται ως προκαταρκτικός έλεγχος/προσχέδιο. Η τελική εγκυρότητα εξαρτάται από τη μέτρηση, τη νομοθεσία και την έγκριση της αρχής ✔
• Γ) Επίλυση περιουσιακών διαφορών μόνος
• Δ) Γίνεται επίσημο έγγραφο χωρίς να χρειάζεται κανένας έλεγχος.

Εξήγηση: Οι πληροφορίες κτηματολογικών συνόρων, περιοχής και ιδιοκτησίας έχουν νομικές συνέπειες. Η τεχνητή νοημοσύνη παράγει τις περισσότερες προπτήσεις, σαρώσεις ασυνέπειας και προσχέδια. Η τελική εγκυρότητα εξαρτάται από τη μέτρηση, τη νομοθεσία και την έγκριση εξουσιοδοτημένου μηχανικού/φορέα. Η δήλωση της παραγωγής AI ως «τελικού» δημιουργεί νομικό και επαγγελματικό κίνδυνο.

11. Ποιος είναι ο πιο σημαντικός έλεγχος που πρέπει να κάνετε πριν χρησιμοποιήσετε ένα σενάριο GeoPandas/PyProj που δημιουργήθηκε από AI;

• Α) Υποθέτοντας ότι είναι σωστό επειδή ο κωδικός είναι μεγάλος
• Β) Θεωρώντας ότι αρκεί να λειτουργεί χωρίς λάθη
• Γ) Εκτελέστε το με μικρά, γνωστά δεδομένα δοκιμής και επαληθεύστε το CRS και την κατάταξη ✔
• Δ) Έγκριση ονομάτων μεταβλητών ως ωραία

Επεξήγηση: Ο παραγόμενος κώδικας θα πρέπει να εκτελείται με μικρά δεδομένα δοκιμής των οποίων το αποτέλεσμα είναι γνωστό και η αναμενόμενη έξοδος και η κατάταξη πρέπει να ελεγχθούν. Ειδικότερα, εάν ο ορισμός του CRS (σύστημα συντεταγμένων) έχει εκχωρηθεί σωστά αποτελεί κρίσιμο σφάλμα. Το false CRS παράγει σιωπηλά μέτρα ολίσθησης. Ακριβώς επειδή ο κωδικός «δουλεύει» δεν σημαίνει ότι είναι σωστός.

12. Ποια είναι η σωστή προσέγγιση όταν δίνεται ένα σύνολο δεδομένων κτηματογράφησης/διεύθυνσης που περιέχει δεδομένα τοποθεσίας και προσωπικές πληροφορίες στην τεχνητή νοημοσύνη;

• Α) Στείλτε όλα τα στοιχεία πραγματικού ιδιοκτήτη και ταυτότητας ως έχουν
• Β) Αγνοώντας την ιδιωτικότητα γιατί θα ήταν ωφέλιμο
• Γ) Επικόλληση δεδομένων σε δημόσιο φόρουμ
• Δ) Ανωνυμοποίηση προσωπικών δεδομένων ή εργασία με αντιπροσωπευτικές αξίες/εγκεκριμένο περιβάλλον ✔

Επεξήγηση: Τα δεδομένα που περιέχουν προσωπικά δεδομένα (όνομα κατόχου, αναγνωριστικό TR, ευαίσθητη τοποθεσία) δεν πρέπει να αποστέλλονται σε εξωτερικό μοντέλο κατά παράβαση της εταιρικής πολιτικής και νομοθεσίας. Τα δεδομένα πρέπει να είναι ανώνυμα, να χρησιμοποιούνται δείγματα/αντιπροσωπευτικές τιμές ή να χρησιμοποιείται εγκεκριμένο/εσωτερικό περιβάλλον. Η αιτιολόγηση «χρήσιμο ούτως ή άλλως» δεν καταργεί την υποχρέωση εμπιστευτικότητας.

13. Ποιος είναι ο κύριος σκοπός της χρήσης του δείκτη NDVI σε μια ταξινόμηση κάλυψης γης;

• Α) Μέτρηση βιωσιμότητας/πυκνότητας βλάστησης από εγγύς υπέρυθρες και κόκκινες ζώνες ✔
• Β) Μέτρηση του ύψους του εδάφους σε μέτρα
• Γ) Καθορισμός ιδιοκτήτη αγροτεμαχίου
• Δ) Μετασχηματισμός του συστήματος συντεταγμένων

Περιγραφή: Το NDVI (Normalized Difference Vegetation Index) μετρά το σφρίγος/πυκνότητα της πράσινης βλάστησης χρησιμοποιώντας τη διαφορά υπέρυθρων και κόκκινων ζωνών. Η βλάστηση είναι ένας ισχυρός δείκτης στη διάκριση μεταξύ νερού και γυμνού εδάφους. Το ύψος από μόνο του δεν μετρά ούτε καθορίζει την ιδιοκτησία.

14. Ποια δήλωση είναι πιο ακριβής για το ρόλο της παραγωγής τεχνητής νοημοσύνης σε μια κρίσιμη για την ασφάλεια εφαρμογή ή εργασία κτηματογράφησης;

• Α) Εάν η έξοδος AI είναι αρκετά ευχάριστη, δεν υπάρχει ανάγκη για έγκριση μηχανικού
• Β) Το AI είναι επιταχυντής. Δεν αντικαθιστά την έγκριση και την ευθύνη αρμόδιου μηχανικού ✔
• Γ) Η ευθύνη περνά στην εταιρεία που παράγει το μοντέλο
• Δ) Δεν απαιτείται έγκριση όταν χρησιμοποιείτε το πιο ακριβό μοντέλο

Δήλωση: Στη μηχανική και την παραγωγή χαρτών, η παραγωγή τεχνητής νοημοσύνης δεν αντικαθιστά τον έλεγχο και την έγκριση ενός αρμόδιου εμπειρογνώμονα σε εργασίες που έχουν ασφάλεια και νομικές συνέπειες. Είναι απλώς ένας επιταχυντής και ένα εργαλείο παραγωγής ρεύματος. Η τελική ευθύνη και η υπογραφή παραμένουν στον εξουσιοδοτημένο μηχανικό.