سود:
- توانایی ارزیابی محدودیتها و الزامات تأیید هوش مصنوعی در کارهای مهندسی امنیتی حیاتی
- توانایی مدیریت حریم خصوصی، سیاست داده ها و خطرات مالکیت معنوی در طراحی محرمانه/اشتراک گذاری داده ها
- امکان استدلال عملی مبنی بر اینکه خروجی هوش مصنوعی نمی تواند جایگزین تایید مهندس و مسئولیت امضا شود
در مهندسی مکانیک، برخی از خروجی ها یک انتخاب زیبایی شناختی نیست، بلکه موضوع ایمنی جان و مال انسان است: ترمز آسانسور، مخزن تحت فشار، یک قطعه تجهیزات بالابر، یک قطعه تعلیق خودرو. در این مشاغل حیاتی برای ایمنی، خطاها می توانند منجر به جراحت یا مرگ شوند. هوش مصنوعی (AI) در این زمینه ها نیز شتاب دهنده است. اما مرزهای آن به وضوح در اینجا ظاهر می شود. این واحد ستون فقرات اخلاقی و پاسخگویی ماژول است و بر یک اصل واحد متمرکز است: خروجی هوش مصنوعی جایگزین تأیید، تأیید و امضای یک مهندس صالح در هیچ کار مهم ایمنی نیست. هوش مصنوعی می تواند یک طرح اولیه، یک ورودی، یک چشم دوم باشد. اما او نمی تواند مسئولیتی را بر عهده بگیرد، زیرا مسئولیت قانونی و اخلاقی متعلق به مهندس امضاکننده است. علاوه بر این، دو خطر عمده دیگر نیز باید مدیریت شود: محرمانگی (طرح های شرکت، داده های مشتری، ایده های ثبت نشده) و دقت (توهم). در این بخش، محدودیتهای هوش مصنوعی در کارهای مهم امنیتی، حریم خصوصی و خطرات مالکیت معنوی و اینکه چرا مسئولیت غیرقابل واگذاری است را خواهید آموخت.
امنیت بسیار مهم اینجا مکان و حد هوش مصنوعی است
اینکه یک شغل "امنیت حیاتی" است یا نه، با شدت نتیجه در صورت خطا تعیین می شود. در این مقیاس، نقش هوش مصنوعی محدود می شود: ایجاد ایده، پیش نویس، تهیه چک لیست، بله. اما تأیید حساب نهایی، حکم "ایمن" یا مجوز تولید، خیر است. تمایز زیر این را ملموس می کند:
نوع کسب و کار
نقش مناسب هوش مصنوعی
نقش مسلم مهندس
روتین، کم خطر
پیش نویس، اتوماسیون، حساب اول
بررسی کنید
ریسک متوسط
جایگزین، چک لیست، تجزیه و تحلیل اولیه
تایید و تصمیم گیری
امنیت حیاتی است
فقط پیش نویس/چشم دوم
تجزیه و تحلیل، آزمایش، تایید، امضا، مسئولیت
اصل مهم: خروجی هوش مصنوعی هر چقدر هم که قانع کننده باشد، یک فرضیه و یک طرح اولیه است. یک محاسبه حیاتی ایمنی به طور مستقل تکثیر می شود، مطابق استاندارد بازرسی می شود، در صورت لزوم آزمایش می شود و توسط مهندس ذیصلاح امضا می شود. امضا به معنای «این را تأیید کردهام و مسئولیت آن را بر عهده میگیرم»؛ یک مدل زبان نمی تواند این جمله را بیان کند.
نکته: با هر خروجی هوش مصنوعی این سوال را از خود بپرسید: "اگر این اشتباه است، چه کسی آسیب می بیند و چه کسی مسئول است؟" اگر پاسخ این است که "مردم آسیب می بینند، من مسئول هستم"، این خروجی بدون گذراندن بالاترین استاندارد تأیید به جایی نمی رسد.
توهم و تله اعتماد به نفس بیش از حد
خطرناک ترین ویژگی هوش مصنوعی این است که اطلاعات نادرست را با همان اطمینان اطلاعات صحیح ارائه می دهد. او می تواند یک آیتم استاندارد بسازد، ارزش مادی نادرستی بدهد، یک فرمول را اشتباه اعمال کند، و همه را به زبانی روان و حرفه ای بنویسد. وقتی سوگیری بیش از حد اعتماد به نفس (سوگیری اتوماسیون؛ تمایل انسان به اعتماد بیش از حد به خروجی یک سیستم خودکار) به این اضافه شود، خطر افزایش می یابد: مهندس ممکن است خروجی را که روی صفحه نمایش خوب به نظر می رسد بدون بررسی آن بپذیرد. حالت تدافعی یک عادت فرهنگی است: نگاه کردن به خروجی هوش مصنوعی «مشکوک تا زمانی که خلاف آن ثابت شود» نه «احتمالاً درست».
احتیاط: "هوش مصنوعی مطمئن به نظر می رسید" یک دفاع نیست. "این چیزی است که هوش مصنوعی گفت" هیچ بهانه ای در تحقیقات تصادف، ممیزی یا دعوی قضایی نیست. مسئولیت بر عهده مهندس تایید کننده است. هوش مصنوعی را مانند کارآموزی در نظر بگیرید که هیچگاه مسئولیت را به عهده نمیگیرد، اما گاهی اوقات بسیار اشتباه میکند: شما نظر او را میپذیرید، هرگز کار او را بدون بررسی امضا نمیکنید.
حریم خصوصی، مالکیت معنوی و سیاست داده
دومین خطر بزرگ حریم خصوصی است. آپلود طرح بدون اختراع یک شرکت، دادههای مشتری، یا یک راهحل حساس رقابتی در ابزار هوش مصنوعی عمومی که خطمشی داده آن ناشناخته است. ممکن است منجر به از دست دادن مالکیت معنوی، نقض محرمانه بودن و نقض قرارداد شود. برخی از ابزارها می توانند از ورودی ها برای آموزش مدل استفاده کنند. هندسه مخفی که آپلود می کنید ممکن است در معرض دید شخص دیگری قرار گیرد. رویکرد صحیح: پیروی از خطمشی دادههای شرکت، ناشناسسازی دادههای حساس (حذف اطلاعات شناسایی و قرار دادن آن در قالب عمومی)، یا استفاده از یک ابزار سازمانی/ایزوله که در آن دادهها خارج نمیشوند.
گام به گام: استفاده از هوش مصنوعی ایمن و اخلاقی
- ریسک را طبقه بندی کنید. آیا امنیت این شغل حیاتی است، در صورت خطا چه عواقبی دارد؟
- حریم خصوصی را در نظر بگیرید. آیا این داده ها می توانند بیرون بیایند. سیاست چه می گوید؟
- ناشناس کنید یا از ابزارهای جدا شده استفاده کنید. اطلاعات حساس را حذف کنید
- از هوش مصنوعی به عنوان پیش نویس/چشم دوم استفاده کنید. این تایید نیست، ورودی است.
- به طور مستقل تأیید کنید. تولید مثل، استاندارد، آزمایش.
- مهندس ذیصلاح تایید می کند و امضا می کند. مسئولیت قابل تفویض نیست. سابقه ردیابی نگهداری می شود.
ارزیابی ریسک و حریم خصوصی
نقش: مشاور اخلاق مهندسی و مدیریت ریسک.وظیفه: شغل زیر را از نظر امنیت- بحرانی بودن و محرمانه بودن ارزیابی کنید. شغل: [شرح شغل; نتیجه احتمالی در صورت خطا؛ نوع داده ای که باید به اشتراک گذاشته شود. خروجی: - کلاس ریسک (روتین / متوسط / امنیتی حیاتی) و توجیه - چه کاری می توانم از هوش مصنوعی در این کار انجام دهم، چه کاری نمی توانم انجام دهم - آیا خطر حفظ حریم خصوصی وجود دارد؟ باید داده ها ناشناس باشند. آیا وسیله نقلیه ایزوله مورد نیاز است؟ قانون: تاکید کنید که تایید نهایی و مسئولیت بر عهده مهندس ذیصلاح است.
درخواست ناشناس سازی
من می خواهم از هوش مصنوعی یک مشکل طراحی بپرسم، اما نمی خواهم اطلاعات شرکت را به اشتراک بگذارم. متن زیر را ناشناس کنید: نام شرکت، نام محصول، مشتری و معیارهای توصیفی را حذف کنید. مشکل را به صورت کلی مهندسی بازنویسی کنید تا اطلاعات حساس لو نرود اما هسته فنی حفظ شود. Context: [text]
اعلان انضباط تأیید
این حساب امنیتی مهم را به عنوان یک بازبین مستقل بررسی کنید، هرگز به من نپیوندید. فرمول سوال، واحد، فرض و انطباق استاندارد. نتیجه را با یک روش مستقل تکرار کنید و تفاوت را نشان دهید. برای هر یافته، بنویسید "چگونه این را ثابت/آزمایش کنم؟" قانون: شما نمی توانید تایید کنید. فقط نقاطی را که باید بررسی شوند حذف کنید.[حساب]
درخواست ثبت مسئولیت
یک پیش نویس سابقه ردیابی/تصمیم گیری برای این تصمیم طراحی بنویسید. زمینه ها: تصمیم، مبنای (محاسبه/استاندارد/آزمون)، سهم هوش مصنوعی (پیش نویس؟)، روش تایید مستقل، مهندس تایید کننده، تاریخ، فیلد امضا. قانون: سهم هوش مصنوعی را به وضوح به عنوان "پیش نویس/کمک" برچسب گذاری کنید. قسمت تایید را خالی بگذارید.
اعلان ضعیف / اعلان قوی
اعلان ضعیف:
آیا این طراحی ترمز آسانسور ایمن است، تأیید کنید.
هوش مصنوعی نمی تواند و نباید مجوز امنیتی ارائه دهد. اگر بگوید "ایمن" گمراه کننده و خطرناک است زیرا نمی تواند مسئولیتی را بر عهده بگیرد.
اعلان قدرتمند:
این محاسبه ترمز را به عنوان یک بازبین مستقل بررسی کنید. مشارکت، ضعف ها و مفروضاتی که نیاز به تایید دارند. نتیجه را به طور مستقل تکرار کنید و تفاوت را نشان دهید. بدانید که من تأیید و مسئولیت دارم. شما فقط پست های بازرسی را لیست کنید
دستور دوم هوش مصنوعی را به عنوان ابزاری برای کنترل حیاتی معرفی می کند، نه یک مرجع تایید. مسئولیت را بر عهده مهندس می گذارد.
سه مورد کوچک (بر اساس اعداد)
مورد 1 - مسئولیت امضاء کننده. یک مهندس از محاسبه قلاب بالابر استفاده می کند که هوش مصنوعی در 2 ساعت آماده کرده است. قلاب 2 تن را بلند می کند. پارگی کشنده خواهد بود مهندس محاسبه را به طور مستقل دوباره انجام می دهد، ضریب ایمنی را به جای 1.8 که توسط AI ارائه شده است، ≥ 4 مورد نیاز استاندارد است، و هندسه را بزرگ می کند. عدد هوش مصنوعی "معقول به نظر می رسید" اما آستانه حیاتی ایمنی را برآورده نمی کرد. او فقط پس از تأیید امضا می کند. درس: تایید و تصمیم ضریب ایمنی قابل انتقال نیست.
مورد 2 - طرح لو رفته. یک کارآموز یک مکانیسم جدید و بدون ثبت اختراع را از شرکت در ابزار هوش مصنوعی در دسترس عموم بارگذاری می کند و می گوید "بهینه سازی". خط مشی داده این ابزار ورودی ها را ذخیره می کند و می تواند در آموزش استفاده شود. وقتی شرکت متوجه این موضوع شد، تیم حقوقی وارد عمل می شود. استراتژی ثبت اختراع به دلیل خطر مالکیت معنوی آسیب می بیند. راه درست این بود که مکانیسم را ناشناس کنید یا از انزوای شرکت استفاده کنید. درس: سیاست طراحی مخفی وارد وسیله نقلیه ناشناخته نشوید.
مورد 3 - ناشناس کردن ذخیره می کند. یک مهندس می خواهد با هوش مصنوعی در مورد مشکل کاهش دهنده خاص مشتری صحبت کند، اما مشتری و محصول محرمانه هستند. زمینه را ناشناس می کند: نام شرکت/محصول، ابعاد توصیفی را حذف می کند و مشکل را به عنوان "یک کاهش دهنده کلی برای یک نسبت دنده و گشتاور معین" بازنویسی می کند. از هوش مصنوعی بدون درز اطلاعات حساس استفاده می کند و ماهیت فنی را حفظ می کند. درس: ناشناس کردن مسیر امن بین حریم خصوصی و کارایی است.
اشتباهات رایج
- دادن مجوز تأیید به هوش مصنوعی: گفتن «ایمن است، تأیید» و تلاش برای تفویض مسئولیت.
- اعتماد بیش از حد (سوگیری اتوماسیون): پذیرش خروجی متقاعدکننده بدون بررسی آن.
- بارگذاری داده های محرمانه در ابزار عمومی: به اشتراک گذاری داده های طراحی/مشتری بدون اطلاع از خط مشی.
- دور زدن ناشناس: پرسیدن مشکل حساس بدون حذف اطلاعات شناسایی.
- عدم نگهداری سوابق ردیابی: عدم مستندسازی مشارکت و اعتبار AI.
- دست کم گرفتن ضریب ایمنی: عبور از آستانه بحرانی ایمنی با مقدار کم داده شده توسط هوش مصنوعی.
به طور خلاصه
- در کارهای حیاتی امنیتی، هوش مصنوعی می تواند یک طرح اولیه و چشم دوم باشد. تایید، امضا و مسئولیت متعلق به مهندس ذیصلاح می باشد.
- هوش مصنوعی اشتباه را به همان اندازه قانع کننده نشان می دهد که درست است. نگرش "مظنون تا زمانی که خلاف آن ثابت شود" در برابر سوگیری بیش از حد اعتماد به نفس ضروری است.
- "هوش مصنوعی مطمئن به نظر می رسید" یک دفاع قانونی یا اخلاقی نیست. مسئولیت بر عهده تایید کننده است.
- طراحی محرمانه، داده های مشتری و ایده های ثبت نشده در وسایل نقلیه ناشناخته آپلود نمی شوند. ناشناس کنید یا از ابزارهای جدا شده استفاده کنید.
- حساب امنیتی مهم به طور مستقل تکثیر می شود، طبق استاندارد بازرسی می شود و با امضای مسئولیت پذیرفته می شود.
وظیفه کاربردی
شغلی را انتخاب کنید که می تواند از نظر ایمنی حیاتی باشد (عنصر بالابر، قطعه فشار، ترمز یا سازه نگهدارنده). ابتدا کار را از نظر ریسک و حریم خصوصی طبقه بندی کنید: در صورت خطا، چه پیامدی دارد، کدام داده حساس است؟ آیا هوش مصنوعی این شغل را ارزیابی کرده و فهرستی از "چه کاری می توانم انجام دهم و چه کاری را نمی توانم انجام دهم" تهیه کند. زمینه ای را که به اشتراک می گذارید ناشناس کنید (اطلاعات شرکت/محصول/مشتری را حذف کنید). سپس یک حساب کاربری را حسابرسی کنید و از هوش مصنوعی فقط به عنوان ابزار بررسی حیاتی استفاده کنید، اما نتیجه را خودتان با روشی مستقل بازتولید کنید و فاکتور ایمنی را با استاندارد مربوطه مقایسه کنید. در نهایت، پیش نویس سابقه ردیابی/تصمیم گیری. سهم هوش مصنوعی را به عنوان "پیش نویس/ کمک کننده" برچسب گذاری کنید و زمینه تایید را به مهندس واجد شرایط بسپارید.
چک لیست
- [ ] کار بر اساس کلاس ریسک (روتین/متوسط/ایمنی حیاتی) ارزیابی شد.
- [ ] محرمانه بودن ارزیابی شد. داده های حساس به صورت ناشناس و یا ابزار ایزوله استفاده می شود.
- [ ] هوش مصنوعی به عنوان پیش نویس/چشم دوم استفاده شد، نه مرجع تایید.
- [ ] محاسبات مهم امنیتی که به طور مستقل در برابر استاندارد بازتولید و ممیزی شده است.
- [ ] ضریب ایمنی با آستانه استاندارد مربوطه مقایسه شد.
- [ ] سوابق ردیابی/تصمیم گیری نگهداری می شود. تایید، امضا و مسئولیت به عهده مهندس ذیصلاح گذاشته شد.
امتحان ماژول
1. کدام یک از موارد زیر واقعی ترین و ایمن ترین نقش هوش مصنوعی در CAD و گردش کار طراحی است؟
- الف) نقشهای حمایتی مانند پیشنهاد جایگزینهای طراحی و تولید اسکریپتها/ماکروهای پارامتریک ✔
- ب) تأیید استاتیک و استحکام خودکار
- ج) ارسال مستقیم طرح به تولید بدون تایید مهندس
- د) اخذ اختیار امضا و تایید از مهندس
توضیحات: هوش مصنوعی در کارهای جانبی مانند پیشنهاد جایگزینهای طراحی، تولید اسکریپتها/ماکروهای پارامتریک، تهیه پیشنویس مواد و ابرداده (تفکر واگرا) قوی است. هندسه نهایی، تلرانس، تایید استحکام و تصمیم برای ارسال به تولید (تصمیم همگرا) نزد مهندس باقی می ماند.
2. هوش مصنوعی مقدار «استحکام تسلیم 250 مگاپاسکال» را برای یک ماده به دست داد. قبل از استفاده از این مقدار به عنوان مبنای طراحی چه کاری باید انجام دهید؟
- الف) قرار دادن مقدار به طور مستقیم به حساب به دلیل به روز بودن AI
- ب) مقدار را از برگه اطلاعات سازنده یا استاندارد مواد بررسی کنید ✔
- ج) گرد کردن مقدار به بالا و با فرض اینکه در سمت امن است
- د) یک ضریب ایمنی تصادفی اضافه کنید و پاس کنید
توضیحات: هوش مصنوعی می تواند خواص مواد را تقریبی، تقریبی یا کاملا جعلی (توهم) کند. مقدار آن بسته به شرایط دمایی/حرارتی همان ماده متفاوت است. ارزش نباید بدون تأیید برگه اطلاعات سازنده یا استاندارد مواد مربوطه در طرح گنجانده شود.
3. نمودارهای Ashby (انتخاب مواد) عمدتاً برای چه مواردی استفاده می شود؟
- الف) محاسبه دقیق هزینه تولید قطعه
- ب) ایجاد لیست قیمت تامین کننده
- ج) برای مقایسه خواص مواد (مانند استحکام-چگالی) و انتخاب نامزدها ✔
- د) برای تعیین تلرانس قطعات
توضیحات: نمودارهای Ashby مواد را با قرار دادن دو ویژگی ماده (به عنوان مثال استحکام - چگالی، مدول الاستیسیته) بر روی محورها مقایسه میکنند و مناسبترین مجموعه نامزدها را بر اساس شاخص عملکرد تجسم میکنند. هدف آن تعیین دقیق هزینه، تحمل یا قیمت عرضه نیست.
4. هوش مصنوعی یک محاسبه استرس ارائه کرد اما شما از ثبات واحد مطمئن نیستید. تجزیه و تحلیل ابعادی (واحد) در درجه اول چه چیزی را در بر می گیرد؟
- الف) اشتباهات املایی در متن
- ب) خطاهای رنگی در گرافیک
- ج) اندازه فایل خروجی
- د) ناسازگاری واحد و خطاهای تبدیل دو طرف معادله ✔
توضیحات: تجزیه و تحلیل بعدی (واحد) بررسی می کند که واحدهای هر دو طرف معادله سازگار هستند. به عنوان مثال، برای تنش، نتیجه باید N/m² = Pa باشد. اگر واحدها مطابقت نداشته باشند، در فرمول یا تبدیل خطایی وجود دارد. این در مورد نوع، رنگ یا اندازه فایل نیست.
5. در یک محاسبه حرارتی، هوش مصنوعی گفت که یک بخاری 5 کیلوواتی، 1 لیتر آب را در 2 ثانیه 20 درجه سانتیگراد گرم می کند. بهترین پاسخ اول چیست؟
- الف) بررسی و رد نتیجه با بقای انرژی و ترتیب بزرگی ✔
- ب) نوشتن نتیجه با اعشار بیشتر و پذیرش آن
- ج) از هوش مصنوعی بپرسید که مطمئن هستید؟ و با پاسخ "بله" قانع شوید
- د) سوال را حذف کنید، از ابتدا بپرسید و پاسخ اول را بگیرید
توضیحات: تأیید سریع با بررسی سلامت عقل و صرفه جویی در انرژی انجام می شود: تقریباً 84 کیلوژول طول می کشد تا 1 کیلوگرم آب تا 20 درجه سانتی گراد گرم شود. با 5 کیلووات این 17 ثانیه طول می کشد، نه 2 ثانیه. نتیجه غیر فیزیکی است و بدون تأیید قابل قبول نیست.
6. مهم ترین بررسی قبل از اعتماد به نتیجه استرس تفسیر شده هوش مصنوعی در تجزیه و تحلیل FEA چیست؟
- الف) نقشه استرس رنگی از نظر بصری "خوب" به نظر می رسد
- ب) تایید با استقلال مش، شرایط مرزی و مقایسه تحلیلی ✔
- ج) تکمیل راه حل در زمان کوتاه
- د) هوش مصنوعی می گوید "نتیجه امن است"
توضیحات: نتیجه FEA به چگالی مش، شرایط مرزی و تعریف مواد بستگی دارد. نتیجه گیری؛ استقلال مش (نتیجه هنگام سفت شدن مش تغییر نمی کند) باید با مقایسه آن با دقت شرایط مرزی و در صورت امکان با رویکرد تحلیلی تأیید شود.
7. در FEA، با متراکم شدن مش در گوشه داخلی تیز، مقدار تنش دائما افزایش می یابد. این وضعیت بیشتر نشان دهنده چیست؟
- الف) مواد قطعاً معیوب است
- ب) خطای اندازه گیری سنسور وجود دارد
- ج) تمرکز تنش مصنوعی (منفرد) در گوشه تیز. شعاع گوشه باید مدل شود✔
- د) راه حل همیشه در سمت امن است
توضیح: گوشه داخلی تیز ایده آل (شعاع صفر) یک نقطه منفرد در نظریه الاستیک است. همانطور که توری متراکم تر می شود، کشش به سمت بی نهایت می رود. این یک نتیجه مصنوعی است. در بخش واقعی، شعاع گوشه باید با ضریب شکاف/ ارزیابی محلی مدلسازی یا تفسیر شود.
8. هوش مصنوعی "شکست احتمالی حلقه داخلی" را در داده های ارتعاشی یک یاتاقان تشخیص داد. صحیح ترین رویکرد کدام است؟
- الف) بدون درخواست دستگاه را به طور کامل از بین ببرید
- ب) نظر را نادیده بگیرید و به کار خود ادامه دهید
- ج) غیرفعال کردن کامل سنسور
- د) بررسی تفسیر با فرکانس خطا مشخصه، کالیبراسیون و بازرسی میدانی ✔
توضیح: تعبیر هوش مصنوعی از ناهنجاری/شکست یک فرضیه است. فرکانس های خطای مشخصه در طیف ارتعاش (به عنوان مثال فرکانس انتقال حلقه داخلی BPFI)، کالیبراسیون سنسور و خطاهای احتمالی داده باید بررسی شوند. نظر نباید بدون تأیید توسط بازرسی میدانی و مکانیسم خرابی فیزیکی به تصمیم تعمیر و نگهداری تبدیل شود.
9. هنگام ارزیابی قابلیت ساخت (DFM) یک قطعه با هوش مصنوعی، چه جنبه ای از خروجی بیشترین توجه را می طلبد؟
- الف) انطباق توصیه ها با محدودیت های واقعی ماشین، ابزار و فرآیند ✔
- ب) فقط ظاهر زیباشناختی قطعه
- ج) اندازه فایل مدل CAD
- د) گزینه های رنگ و پوشش
توضیحات: هوش مصنوعی; می تواند محدودیت های ماشین، ابزار، قالب و فرآیند را بدون محدودیت های واقعی کارگاه فرض کند. به عنوان مثال، ممکن است شعاع گوشه داخلی دست نیافتنی یا تحمل غیرممکن را نشان دهد. توصیههای DFM باید در برابر تجهیزات موجود و محدودیتهای فرآیند واقعی تأیید شوند.
10. قبل از ارسال یادداشت تحمل طراحی/GD&T تولید شده توسط هوش مصنوعی به تولید چه باید کرد؟
- الف) پردازش یادداشت ها به طور مستقیم در طراحی به عنوان AI تولید می کند
- ب) بررسی و تایید نمرات مطابق با نیاز استاندارد و عملکردی ✔
- ج) محدود کردن تلورانس ها به صورت تصادفی و بی خطر بودن آن
- د) تغییر نمادها برای به یاد ماندنی کردن آنها
توضیحات: هوش مصنوعی; ممکن است مقادیر تلورانس نادرست یا غیر استاندارد، نمادهای GD&T (ابعاد هندسی و تحمل) یا تعیین سطح را ایجاد کند. یادداشت ها باید بر اساس استاندارد مربوطه (مانند ISO/ASME GD&T) و الزامات عملکردی حسابرسی شوند. سازگاری تلورانس ها از نظر مونتاژ و عملکرد باید توسط مهندس تایید شود.
11. هوش مصنوعی بیان کرد که یک طرح "با بند 7.4.2 EN 13445 مطابقت دارد". صحیح ترین رفتار کدام است؟
- الف) مستقیماً در گزارش بنویسید زیرا هوش مصنوعی تخصیص می دهد
- ب) تکیه بر نظر در یک انجمن اینترنتی
- ج) تأیید شماره و محتوای ماده از متن استاندارد رسمی / فعلی ✔
- د) تغییر شماره مورد به گونه ای که به خاطر سپرده شود
توضیحات: هوش مصنوعی ممکن است شماره و نقاط شکست استاندارد اقلام نادرست یا توهم ایجاد کند. ماده و ارزش ارجاع شده نباید به عنوان مبنای طراحی یا گزارش بدون تأیید از متن استاندارد رسمی و فعلی در نظر گرفته شود.
12. کدام یک قبل از استفاده از اسکریپت محاسبات مهندسی پایتون تولید شده توسط هوش مصنوعی اجباری است؟
- الف) به طور مستقیم به کد اعتماد کنید زیرا بدون خطا کار می کند
- ب) نام متغیرها را کوتاه کنید و خطوط نظر را حذف کنید
- ج) اسکریپت را طولانی تر بنویسید و آن را ایمن فرض کنید
- د) اعتبارسنجی با آزمایشهایی با نتایج شناخته شده، بررسی واحد و موارد لبه ✔
نظر: کد هوش مصنوعی ممکن است حاوی تبدیل واحد نادرست، فرمول نادرست یا در موارد لبه نتیجه نادرست باشد و حتی اگر بدون خطا کار کند ممکن است اشتباه محاسبه شود. کد؛ ورودی های تست با نتایج شناخته شده باید با بررسی واحد (اندازه) و موارد لبه تایید شوند.
13. کدامیک از نظر مسئولیت در انجام محاسبات حیاتی ایمنی با هوش مصنوعی در مهندسی مکانیک صحیح است؟
- الف) مسئولیت بر عهده مهندس ذیصلاحی است که تأیید می کند. هوش مصنوعی جایگزین تایید نیست ✔
- ب) مهندس در صورت تایید AI از مسئولیت معاف است
- ج) خروجی هوش مصنوعی جایگزین امضای مهندس می شود
- د) تأیید انسانی در یک حساب امنیتی حیاتی غیر ضروری است
توضیحات: مهندس ذیصلاح مسئول صحت و تایید/امضای خروجی مهندسی است. هوش مصنوعی نمی تواند این مسئولیت را بر عهده بگیرد. برای محاسبات و طراحی های حیاتی ایمنی، هوش مصنوعی یک پیش نویس/ورودی است و جایگزینی برای تأیید و تأیید مهندس نیست.
14. هنگام تلاش برای تجزیه و تحلیل طراحی محرمانه محصول یک شرکت با ابزار هوش مصنوعی عمومی، بهترین اقدام چیست؟
- الف) نصب طرح مخفی کاری روی وسیله نقلیه عمومی برای سرعت
- ب) پیروی از خط مشی داده، ناشناس سازی داده های حساس یا استفاده از ابزارهای شرکتی/ایزوله ✔
- ج) به اشتراک گذاری داده های مشتری همیشه برای سرعت لازم است
- د) موضوع حریم خصوصی به استفاده از هوش مصنوعی بی ربط است
افشا: طراحی محرمانه، دادههای مشتری یا ایدههای ثبت نشده نباید به این ترتیب در ابزارهای عمومی که خطمشی دادههای آنها ناشناخته است آپلود شود. این خطر مالکیت معنوی و نقض حریم خصوصی را به همراه دارد. خطمشی دادههای شرکت باید رعایت شود، دادههای حساس باید ناشناس باشند یا باید از ابزار شرکتی/ایزوله استفاده شود.