گردش کار، احراز هویت، حریم خصوصی و اخلاقیات انتها به انتها

سود:

• امکان استقرار هوش مصنوعی در یک گردش کار سرتاسر و کنترل شده در پروژه ساخت و ساز از طراحی تا پرداخت پیشرفت
• امکان ایجاد یک پروتکل استفاده از هوش مصنوعی که شامل تأیید، تأیید منبع، بررسی حریم خصوصی و مسئولیت در هر مرحله است.
• توانایی تبدیل اخلاق حرفه‌ای، محرمانه بودن داده‌ها و تایید مهندس صالح به بخشی جدایی ناپذیر از گردش کار هوش مصنوعی

در طول این ماژول، هوش مصنوعی را در هر مرحله از مهندسی عمران، از تحلیل سازه گرفته تا محاسبات بتن مسلح و فولاد، از تحقیقات استاندارد تا BIM، از بررسی کمیت تا برنامه کاری، از مشخصات تا OHS و پرداخت پیشرفت، مورد بحث قرار دادیم. در این بخش نهایی، قطعات را کنار هم قرار می‌دهیم: نحوه استفاده از هوش مصنوعی را در یک جریان کاری کاملاً کنترل‌شده و اخلاقی در یک پروژه ساخت‌وساز، از طراحی تا شایستگی، پروتکل‌بندی می‌کنیم. هدف این است که از افزایش سرعت هوش مصنوعی با حفظ احراز هویت، تأیید منبع، محرمانه بودن و کنترل‌های مسئولیت در هر مرحله استفاده کنید و تأییدیه مهندس واجد شرایط را به بخشی جدایی ناپذیر از گردش کار تبدیل کنید.

نقشه گردش کار انتها به انتها

نقش و کنترل اجباری هوش مصنوعی در چرخه عمر پروژه معمولی را می توان به صورت زیر خلاصه کرد:

مرحله

نقش هوش مصنوعی

چک اجباری

طراحی/تحلیل اولیه

طرح کلی نیروی درونی، ایده

فرمول ضمنی + سفارش

محاسبه بتن آرمه/فولاد

پیش نویس بخش/تقویت

حساب دستی + نرم افزار + استاندارد

تحقیق استاندارد

نقشه تحقیق

تایید از متن رسمی

BIM / اتوماسیون

اسکریپت، کوئری داده

پشتیبان گیری + تست + خواندن کد

بررسی کمیت / شناسایی

پیش نویس مقدار/هزینه

واحد + رتبه + تایید قیمت

برنامه کاری

طرح کلی فعالیت/مدت

وابستگی + منطق میدان

مشخصات/گزارش

پیش نویس متن

قابلیت اندازه گیری + تایید انتساب

OHS

پیش نویس تحلیل ریسک

تایید کارشناس + فیلد

پرداخت پیشرفت

پیش نویس حساب/جدول

حسابی + تجمعی + قرارداد

این نقشه در هر مرحله همان اصل را تکرار می کند: هوش مصنوعی پیش نویس را تولید می کند، مهندس تأیید می کند و تأیید می کند. هیچ خروجی حیاتی امنیتی بدون تأیید انجام نمی شود.

موذی ترین خطر این گردش کار این است که خطاها بین مراحل منتقل می شوند. پروژه ساخت و ساز یک زنجیره است: تجزیه و تحلیل صورتحساب مقادیر، صورتحساب مقادیر و برنامه کاری را تغذیه می کند، و برنامه کاری، پرداخت پیشرفت را تغذیه می کند. یک خطای کوچک که در یک مرحله نادیده گرفته شده است (یک واحد اشتباه، یک بار از دست رفته، یک ضریب نادرست) به مراحل بعدی منتقل می شود و در هر مرحله رشد می کند. بنابراین، تأیید یک بررسی واحد در پایان پروژه نیست، بلکه یک دروازه است که در هر انتقال فاز تکرار می شود. حتماً یک خروجی را قبل از دادن آن به عنوان "ورودی" به مرحله بعدی بررسی کنید. زیرا از آن لحظه به بعد، گرفتن خطا هم سخت تر و هم گران تر می شود. این رشته با تسریع گردش کار هوش مصنوعی اهمیت بیشتری پیدا می‌کند: سرعت نباید بهانه‌ای برای رد شدن از تأیید، بلکه توجیهی برای سیستماتیک کردن تأیید باشد.

پروتکل احراز هویت لایه ای

کنترل هایی را که در سراسر ماژول می بینیم در یک پروتکل جمع آوری کنید. هر خروجی هوش مصنوعی باید از لایه های مناسب عبور کند:

1. بررسی واحد و سفارش: آیا نتیجه از نظر فیزیکی منطقی است، آیا واحدها سازگار هستند؟
2. اعتبار متقابل مستقل: آیا نتیجه با فرمول بسته، محاسبه دستی، نرم افزارهای مختلف یا روش دوم مطابقت دارد؟
3. تایید استاندارد/منبع: آیا ضریب، آیتم، قیمت واحد از منبع رسمی و فعلی تایید شده است؟
4. بررسی سازگاری: آیا تناقض، شمارش مضاعف یا حذف در سند/حساب وجود دارد؟
5. بررسی حریم خصوصی: آیا داده های مورد استفاده حاوی اسرار تجاری/داده های شخصی هستند، آیا ابزار مناسب استفاده شده است؟
6. تایید مهندس: مسئولیت نهایی بر عهده مهندس ذیصلاح است. امضا شده است؟

پروتکل استفاده از هوش مصنوعی شخصی (برای هر کار) 1) INPUT: آیا وظیفه را به وضوح با ورودی-محدودیت-استاندارد تعریف کرده ام؟2) حریم خصوصی: آیا داده ها حساس هستند؟ آیا ابزار ناشناس/مناسبی را ناشناس کرده ام؟ 3) خروجی: آیا از هوش مصنوعی مراحل و منابع میانی خواسته ام؟ 4) رتبه: آیا نتیجه از نظر فیزیکی/منطقی قابل قبول است؟5) متقاطع: آیا به روشی مستقل تأیید کرده ام؟ "نه" خروجی استفاده نمی شود.

نکته: این پروتکل را به عنوان یک چک لیست روی دسکتاپ خود نگه دارید. با گذشت زمان، مراحل تبدیل به رفلکس می شوند. اما وقتی وسوسه می‌شوید که از مرحله‌ای در یک کار مهم امنیتی بگذرید، وجود فهرست مانع شما می‌شود. گران‌ترین اشتباهات زمانی اتفاق می‌افتد که عجله می‌کنید و می‌گویید "این بار آن را رد می‌کنم".

اعلان ضعیف / اعلان قوی

ضعیف: «این پروژه را از ابتدا تا انتها با هوش مصنوعی انجام دهید.» (در یک مرحله، بدون نظارت، بدون حریم خصوصی و تأیید.) قوی: «گام به گام از این کار پشتیبانی کنید. در هر مرحله: - فرمول/منبع/فرضه ای را که استفاده کردید به وضوح بنویسید- مراحل میانی را نشان دهید تا بتوانم نتیجه را تأیید کنم- جایی را که مطمئن نیستید یا نیاز به تأیید دارید علامت گذاری کنید (اگر مقدار استاندارد را اعلام کنید/منبع را تأیید کنید، منبع را بررسی کنید، مقدار استاندارد را بررسی کنید. خروجی با رتبه، تایید متقاطع و تاییدیه، من تصمیم نهایی را خواهم گرفت و کار را با نمونه ناشناس به اشتراک نمی گذارم.

اصول پایدار اخلاق و حریم خصوصی

در یک گردش کار سرتاسر، اخلاق و حریم خصوصی یک بررسی یکباره نیست، بلکه یک موضع مداوم است:

• حریم خصوصی: داده های پروژه، هزینه ها، داده های شخصی (KVKK) محافظت می شوند. داده های حساس در یک سرویس خارجی تایید نشده آپلود نمی شوند و در صورت لزوم یا استفاده از یک ابزار داخلی ناشناس می شوند.
• شفافیت: استفاده از هوش مصنوعی پنهان نیست، اما مسئولیتی بر عهده هوش مصنوعی گذاشته نمی شود.
• شایستگی: اگرچه هوش مصنوعی در زمینه ای که در آن متخصص نیستید به شما حس اطمینان می دهد، اما جایگزین قضاوت شما نمی شود. در صورت لزوم با یک متخصص مشورت کنید.
• مسئولیت: هر تصمیمی که بر ایمنی ساختمان تأثیر می گذارد با نظارت و امضای یک مهندس صالح و مسئول معتبر است. این یک تعهد حرفه ای و همچنین قانونی است.

احتیاط: با سریع‌تر شدن هوش مصنوعی، فشار برای دور زدن تأیید افزایش می‌یابد. با این حال، مهم نیست که هوش مصنوعی چقدر خوب باشد، خروجی ای که از جان و مال در مهندسی عمران محافظت می کند، هرگز بدون تایید مهندس قابل استفاده نیست. زمانی که سرعت بر ایمنی غلبه کند، هوش مصنوعی به جای یک ابزار تبدیل به یک خطر می شود.

سه کیف کوچک

مورد 1 - استفاده از سرتاسر صحیح. برای یک ساخت و ساز کوچک، یک دفتر فنی از هوش مصنوعی به عنوان پشتیبانی در هر مرحله استفاده می کند: پیش نویس تجزیه و تحلیل، بررسی کمیت، برنامه کاری، مشخصات. آنها هر خروجی را با پروتکل تأیید می کنند. نتیجه: زمان پروژه تقریباً 30٪ کوتاه می شود، میزان خطا کاهش می یابد زیرا هر مرحله بازرسی می شود. هوش مصنوعی سرعت را فراهم می کند، مهندسان امنیت را فراهم می کنند.

مورد 2 - خطای زنجیره ای. دفتر دیگری خروجی بررسی کمیت هوش مصنوعی را از تأیید به برنامه کاری و از آنجا به پرداخت پیشرفت حمل می کند. خطای واحد اولیه (m³ به جای m²) کل زنجیره را آلوده می کند و منجر به پرداخت اضافی می شود. درس: تأیید باید در هر مرحله انجام شود. یک خطا در یک مرحله به مرحله بعدی منتقل می شود.

مورد 3 - نظم و انضباط رازداری. یک مهندس می‌خواهد داده‌های هزینه را از مرحله مناقصه با هوش مصنوعی تجزیه و تحلیل کند، اما ابتدا داده‌ها را ناشناس می‌کند، شناسه پروژه را استخراج می‌کند و از یک ابزار امن تأیید شده توسط موسسه استفاده می‌کند. بنابراین، بدون به خطر انداختن حریم خصوصی، به افزایش سرعت دست می یابد.

الگوهای درخواستی قابل کپی

اخطار بررسی گذر مرحله: "قبل از حرکت به مرحله بعد، به من کمک کنید خروجی مرحله قبل را بررسی کنم:- آیا این خروجی از نظر واحد و ترتیب معقول است؟- چگونه می توانم به طور مستقل اعتبار متقاطع کنم، روش را پیشنهاد کنم- کدام استاندارد/منبع/بند قرارداد را باید تایید کنم؟ بدون تایید این مرحله به مرحله بعدی نمی روم."

اخطار قبل از صفحه نمایش حریم خصوصی: "بررسی کنید که آیا اسرار تجاری یا داده های شخصی (هزینه، قیمت واحد، نام، مکان، شناسه پروژه) در داده هایی که در این کار به هوش مصنوعی می دهم وجود دارد یا خیر. اگر چنین است، یک نسخه ناشناس/نمونه پیشنهاد دهید تا حساب همچنان کار کند اما داده های حساس منتشر نشوند.

اشتباهات رایج

• انتقال خروجی تایید نشده از یک مرحله به مرحله بعد و انتشار خطا در زنجیره.
• دور زدن لایه‌های تأیید با گفتن «AI خوب کار می‌کند».
• حریم خصوصی را به عنوان یک کنترل یکباره نمی بینیم، بلکه به عنوان یک کنترل دائمی.
• پیشبرد یک تصمیم حیاتی ایمنی بدون تایید مهندس.
• دور زدن تأیید منبع/استاندارد به دلیل فشار برای سرعت.
• تلاش برای مقصر دانستن هوش مصنوعی یا نرم افزار.

به طور خلاصه

• هوش مصنوعی را به عنوان تولید کننده پیش نویس و مهندس را به عنوان تأیید کننده و تأیید کننده در هر مرحله از طراحی تا صدور صورت حساب قرار دهید.
• پروتکل تأیید لایه ای (واحد/رتبه، اعتبار متقابل، تأیید منبع، سازگاری، محرمانه بودن، تأیید) را برای هر خروجی اعمال کنید.
• خطا در یک مرحله به مرحله بعدی منتقل می شود. تأیید را در هر مرحله انجام دهید.
• رازداری، شفافیت، شایستگی و مسئولیت از اصول اخلاقی پایدار هستند.
• با افزایش سرعت، فشار برای دور زدن تأیید افزایش می یابد. در برابر آن مقاومت کنید
• هر تصمیمی که بر ایمنی ساختمان تأثیر می گذارد با امضای یک مهندس صالح معتبر است. هوش مصنوعی نمی تواند این کار را انجام دهد.

وظیفه کاربردی

یک زنجیره کار در مقیاس کوچک انتخاب کنید (به عنوان مثال، تجزیه و تحلیل عناصر ساده → بررسی کمیت → برنامه کاری کوتاه). از هوش مصنوعی به عنوان پشتیبان در هر مرحله استفاده کنید و پروتکل تأیید لایه‌ای را اعمال کنید: هر خروجی را قبل از انتقال به مرحله بعدی به واحد/رتبه، اعتبار متقابل و تأیید منبع بپردازید. خطر حفظ حریم خصوصی را در داده هایی که استفاده می کنید ارزیابی کنید. در پایان در یک پاراگراف بنویسید که کدام مرحله از پروتکل شما را از اشتباه نجات داده و در کجا بیشترین صرفه جویی در زمان را داشته اید.

چک لیست

• [ ] من هوش مصنوعی را به عنوان تولید کننده پیش نویس و خود را به عنوان تأیید کننده در هر مرحله قرار دادم.
• [ ] من پروتکل احراز هویت لایه ای را برای هر خروجی اعمال کردم.
• [ ] من خروجی یک مرحله را بدون اعتبارسنجی به مرحله بعدی منتقل نکردم.
• [ ] من یک بررسی حریم خصوصی/KVKK روی داده هایی که استفاده کردم انجام دادم.
• [ ] من استاندارد، قیمت و ارزش اقلام را از منبع رسمی تأیید کردم.
• [ ] با وجود فشار برای سرعت، من از مراحل تأیید رد نشدم.
• [ ] من تصمیمات حیاتی ایمنی را تحت تایید مهندس صالح قرار داده ام.

امتحان ماژول

1. دقیق ترین اصل اساسی در مورد استفاده از هوش مصنوعی در مهندسی عمران چیست؟

• الف) هوش مصنوعی نمی تواند جایگزین تاییدیه مهندس در محاسبات حیاتی ایمنی شود. این فقط یک پیش نویس است که باید بررسی شود ✔
• ب) هوش مصنوعی به اندازه ای پیشرفته است که استفاده از حساب های ثابت بدون امضا مشکلی ایجاد نمی کند
• ج) تأیید اضافی مورد نیاز نیست زیرا خروجی هوش مصنوعی دارای گواهی ISO است
• د) مهندس فقط باید در مواردی مشارکت داشته باشد که هوش مصنوعی قادر به ارائه آنها نیست

توضیح: محاسبات و تصمیمات مؤثر بر ایمنی ساختمان، ایمنی جان و مال را به همراه دارد. خروجی هوش مصنوعی می تواند یک پیش نویس سریع تولید کند، اما جایگزینی برای بازرسی و تایید یک مهندس صالح و مسئول نیست. مسئولیت همیشه بر عهده مهندس است.

2. مطمئن ترین گام اول هنگام تأیید ممان دهانه میانی پرتو محاسبه شده با هوش مصنوعی چیست؟

• الف) پذیرش مستقیم نتیجه زیرا هوش مصنوعی بسیار دقیق به نظر می رسد
• ب) بررسی ترتیب و اندازه با استفاده از فرمول بسته یا محاسبه دستی ✔
• ج) گرد کردن نتیجه به ارقام بیشتری بعد از نقطه اعشار
• د) فقط اندازه پرتو را افزایش دهید و ادامه دهید

توضیحات: فرمول‌های بسته برای کنترل برد در بازه‌های بارگذاری ساده (مانند wL²/8 با بار توزیع یکنواخت) ایده‌آل هستند. مقایسه عدد هوش مصنوعی با یک فرمول بسته مستقل یا محاسبه دستی به سرعت خطاهای ورودی و حسابی را آشکار می کند.

3. هوش مصنوعی منطقه آرماتور مورد نیاز را در یک تیر بتن مسلح محاسبه کرد. قبل از استفاده از این مقدار، کدام بررسی باید انجام شود؟

• الف) بزرگ کردن تصادفی قطر آرماتور
• ب) فقط بالا بردن کلاس بتن
• ج) بررسی حداقل و حداکثر حدود آرماتور و قوانین فاصله/پوشش طبق استاندارد ✔
• د) تقویت را دو برابر کنید

توضیح: مساحت آرماتور محاسبه شده به تنهایی کافی نیست. TS 500 / Eurocode 2 باید حداقل و حداکثر محدودیت نسبت تقویت، فاصله و قوانین پوشش را ارائه دهد. تقویت انتخاب شده بدون رعایت این محدودیت ها نامعتبر است.

4. هوش مصنوعی هنگام محاسبه مقاومت کمانش یک ستون فولادی می‌گوید: «طول کمانش را برابر با طول ستون در نظر گرفتم». پاسخ مهندسی صحیح چیست؟

• الف) کنترل شرایط نوک و ضریب طول موثر K. طول پیچ خوردگی بسته به شرایط متفاوت است ✔
• ب) قبولی به همان صورت که هست برای هر ستون معتبر است
• ج) طول کولون را اندازه بگیرید و دو برابر کنید
• د) فقط افزایش کلاس فولاد کافی است

توضیح: طول کمانش با ضریب طول موثر (K) بسته به شرایط پشتیبانی و انتهایی تعیین می شود. رنگ فیزیکی همیشه برابر نیست. باید بررسی شود که شرایط فوق العاده صحیح فرض شده و ضریب K به طور مناسب انتخاب شود.

5. هوش مصنوعی با مراجعه به مقاله مقررات زلزله (TBDY) ضریب می دهد. صحیح ترین رفتار کدام است؟

• الف) استفاده از مقدار به طور مستقیم زیرا هوش مصنوعی به نظر مطمئن است
• ب) تایید شماره مقاله و ضریب از متن آیین نامه رسمی، جاری✔
• ج) بالا بردن ضریب به صورت تصادفی برای ماندن در سمت امن
• د) افزودن شماره مورد به گزارش بدون بررسی آن

توضیح: مدل های زبان ممکن است اعداد و ضرایب آیتم ها را به اشتباه به خاطر بسپارند یا (توهم) کنند. هر مقدار مبتنی بر مقررات باید کلمه به کلمه از متن مقررات رسمی و فعلی تأیید شود. هوش مصنوعی فقط به شما نشان می دهد که کجا را نگاه کنید.

6. بهترین رویکرد قبل از اعمال اسکریپت Dynamo/pyRevit که با هوش مصنوعی تولید کرده اید در مدل BIM چیست؟

• الف) با گرفتن نسخه پشتیبان از مدل و آزمایش اسکریپت روی یک نمونه کوچک، نتیجه را تأیید کنید
• ب) اعمال اسکریپت به طور مستقیم بر روی تمام عناصر مدل واقعی
• ج) اگر اسکریپت درست بوده نیازی به تایید نیست.
• د) اجرای اسکریپت بدون خواندن آن

توضیحات: اسکریپت‌های اتوماسیون می‌توانند بازگرداندن تغییرات مدل را حجیم و دشوار کنند. اسکریپت ابتدا باید در مقیاس کوچک روی مدل پشتیبان/کپی آزمایش شود، نتیجه را تأیید کنید و تنها سپس آن را روی مدل اصلی اعمال کنید.

7. در حین انجام بررسی کمیت روی هوش مصنوعی، خروجی «من مساحت دیوار را 45 متر مکعب محاسبه کردم» را مشاهده می کنید. اولین واکنش شما چه باید باشد؟

• الف) نوشتن مقدار به طور مستقیم به کشف
• ب) به اختلاف واحد توجه کنید (m³ برای مساحت) و به دنبال فرمول و خطای واحد بگردید ✔
• ج) دستی واحد را به m² تغییر دهید و ادامه دهید
• د) نوشتن نتیجه با فونت بزرگتر

توضیح: مساحت بر حسب متر مربع و حجم بر حسب متر مربع بیان می شود. واحد m³ برای مساحت دیوار یک خطای واحد/فرمول را نشان می دهد. بررسی سازگاری واحد فوراً رایج‌ترین و پرهزینه‌ترین خطاها را در بررسی کمیت پیدا می‌کند.

8. مسیر بحرانی در یک برنامه کاری ایجاد شده توسط هوش مصنوعی ارائه شده است. مهم ترین بررسی هنگام تأیید این موضوع چیست؟

• الف) ویرایش رنگ های برنامه
• ب) فقط به کل زمان نگاه کنید و تایید کنید
• ج) بررسی منطق و واقع گرایی وابستگی های فعالیت، مدت زمان و توالی میدان ✔
• د) کوتاه کردن برنامه با کاهش تعداد فعالیت ها

توضیحات: مسیر بحرانی بر اساس روابط اولویت (وابستگی) و مدت زمان فعالیت ها است. هوش مصنوعی ممکن است روابط منطقی را اشتباه ایجاد کند. بررسی واقع‌گرایی وابستگی‌های فعالیت، مدت زمان و توالی فیلد، حیاتی‌ترین مرحله است.

9. شما پیش نویس مشخصات فنی را با هوش مصنوعی تهیه کرده اید. این جمله در متن وجود دارد: "عایق با ضخامت مناسب ارائه خواهد شد". چگونه رفتار می کنید؟

• الف) شفاف سازی بیانیه با ارزش مشخص و تحمل بر اساس استاندارد ✔
• ب) ترک عبارت مبهم، نظرات عملی
• ج) عبارت را به طور کامل حذف کنید و عایق را از مشخصات حذف کنید
• د) طولانی شدن جمله برای رسمی تر جلوه دادن آن

توضیح: مشخصات باید قابل اندازه گیری و ممیزی باشد. عبارات مبهم مانند "ضخامت مناسب" باعث ایجاد اختلاف و خطاهای کاربردی می شود. بیانیه باید با ارزش بتن و تحمل (به عنوان مثال ضخامت، طبقه مواد) بر اساس استاندارد روشن شود.

10. بهترین رویکرد برای تهیه ارزیابی ریسک سایت ساخت و ساز توسط هوش مصنوعی چیست؟

• الف) پرینت هوش مصنوعی را امضا کرده و مستقیماً روی تخته آویزان کنید
• ب) صرفاً رایج ترین خطرات را کنار گذاشته و بقیه را حذف کنید
• ج) تغییر تمامی امتیازات ریسک به پایین
• د) بررسی و تکمیل پیش نویس هوش مصنوعی با شرایط سایت، قانون و روش ساخت واقعی ✔

توضیح: ارزیابی ریسک سندی است که مسئولیت قانونی دارد. هوش مصنوعی می تواند یک پیش نویس خوب تولید کند، اما خطرات باید توسط کارشناس/مهندس OHS بر اساس شرایط سایت، قانون و روش ساخت واقعی بررسی و تکمیل شوند.

11. مطمئن ترین راه برای تأیید کل مبلغ هنگام محاسبه پیشرفت پرداخت با هوش مصنوعی چیست؟

• الف) اگر مجموع آن تقریباً باشد قبول کنید
• ب) نگاه کردن به کل کل فقط در ردیف آخر
• ج) به طور مستقل مقدار مورد به مورد × قیمت واحد، کسر و مقادیر تجمعی را تأیید کنید ✔
• د) برابر کردن مبلغ با پرداخت پیشرفت قبلی

توضیح: پیش پرداخت بر اساس مجموع اقلام تولیدی (مقدار × قیمت واحد) و جبران تجمعی کسورات و پرداخت های پیشرفت قبلی است. بررسی مستقل محاسبات، مفاد قیمت واحد و مبالغ انباشته بر اساس یک آیتم الزامی است.

12. شما ظرفیت بار محوری یک ستون را با استفاده از پایتون با هوش مصنوعی محاسبه کردید، نتیجه 12000 کیلونیوتن بود. در حالی که ستون 30x30 سانتی متر است. اولین واکنش شما چه باید باشد؟

• الف) نوشتن نتیجه مستقیم در گزارش
• ب) بزرگ کردن سطح مقطع به تناسب نتیجه
• ج) نادیده گرفتن بخش کولون
• د) مشاهده اینکه سفارش از نظر فیزیکی منطقی نیست و به دنبال خطاهای واحد و فرمول ✔

توضیح: برای یک ستون با مقطع کوچک، 12000 کیلونیوتن از نظر فیزیکی به طور غیرمنتظره ای زیاد است. بررسی سلامت بلافاصله خطاهای واحد (kN/N، cm/m) یا فرمول را نشان می دهد. ورودی ها و فرمول ها باید تا زمانی که در محدوده معقولی قرار گیرند بررسی شوند.

13. بهترین رفتار از نظر حفظ حریم خصوصی هنگام آپلود داده های پروژه مشتری در هوش مصنوعی چیست؟

• الف) آپلود سریع داده ها بدون ناشناس سازی و اخذ تاییدیه
• ب) با فرض عدم نیاز به حفظ حریم خصوصی زیرا داده ها قبلاً در هوش مصنوعی هستند
• ج) رعایت خط‌مشی داده‌های شرکت و عدم بارگذاری اطلاعات محرمانه/شخصی بدون تأیید، در صورت لزوم ناشناس‌سازی ✔
• د) به اشتراک گذاری تمام داده ها و سپردن مسئولیت به ارائه دهنده هوش مصنوعی

افشا: داده های پروژه (طرح ها، هزینه ها، داده های شخصی) ممکن است حاوی اسرار تجاری و داده های شخصی باشد. آپلود نکردن داده‌های محرمانه در یک سرویس خارجی بدون تأیید سازمان، ناشناس کردن آن‌ها در صورت لزوم و رعایت سیاست‌های پردازش داده الزامی است.

14. هوش مصنوعی هنگام اعمال یک فرمول استاندارد، ضریب ایمنی بار (یعنی ضریب بار) را 1.0 در نظر گرفت. ارزیابی صحیح چیست؟

• الف) با رها کردن ضریب همانطور که هست، هوش مصنوعی انتخاب کرد
• ب) ضریب بار/مواد صحیح را طبق استاندارد مربوطه بررسی و تصحیح کنید ✔
• ج) برای ساده کردن محاسبه با تنظیم همه ضرایب بر روی 1.0
• د) بزرگ کردن خودسرانه سطح مقطع به جای ضریب

توضیح: در طراحی ظرفیت حمل، ضرایب ایمنی بار و مواد (به عنوان مثال افزایش بار 1.4/1.5، کاهش مقاومت مواد) پارامترهای مهمی هستند که نتیجه را تعیین می کنند. باید بررسی شود که آیا ضریب طبق استاندارد مربوطه به درستی گرفته شده است یا خیر. 1.0 در بیشتر موارد در سمت ناامن قرار دارد.

15. دقیق ترین رویکرد تأیید در گردش کار AI سرتاسر چیست؟

• الف) تکیه صرف بر خودکنترلی هوش مصنوعی
• ب) فقط به آخرین خروجی نگاه کنید و تأیید کنید
• ج) تأیید صحت را فقط در صورت بروز خطا انجام دهید
• د) اجرای واحد/رتبه، اعتبارسنجی متقاطع، تایید استاندارد و تایید مهندس به صورت لایه ای ✔

توضیحات: در یک گردش کار قابل اعتماد، هر خروجی هوش مصنوعی. از طریق لایه‌های کنترل واحد و رتبه، اعتبارسنجی متقابل با فرمول/نرم‌افزار بسته، تأیید استاندارد و تأیید مهندس صالح می‌گذرد. کاهش تأیید به یک مرحله، خطر را پنهان می کند.