سود:
- توانایی تشخیص اینکه هوش مصنوعی میتواند ضرایب ساختگی، قوانین و ارزشهای فنی تولید کند و تأیید را در زمینه ایمنی جان/اموال اعمال کند.
- توانایی مدیریت امنیت سایبری، حریم خصوصی داده ها و محدودیت های نظارتی در سیستم های کشتی و OT (فناوری عملیاتی)
- درک اینکه مسئولیت نهایی تایید کلاس، ایمنی ناوبری و اخلاقیات بر عهده مهندس و کاپیتان است.
در سراسر این ماژول، ما از هوش مصنوعی (AI) به عنوان یک شتاب دهنده در هر مرحله از مهندسی کشتی و دریایی استفاده کردیم: از طراحی فرم گرفته تا تجزیه و تحلیل ساختاری، تعمیر و نگهداری پیش بینی شده تا بهینه سازی سفر، انطباق با انتشار گازهای گلخانه ای تا تولید کارخانه کشتی سازی. در این بخش پایانی ما به عقب برمیگردیم و به کل تصویر نگاه میکنیم: محدودیتهای کلیدی هوش مصنوعی در دریا چیست، چه خطراتی (توهم، امنیت سایبری، حریم خصوصی دادهها، سوگیری) در حالت هشدار دائمی هستند و چه کسی مسئولیت آن را بر عهده دارد؟ زیرا لازمه استفاده ایمن از وسیله نقلیه این است که بدانید کجا ممکن است اشتباه کند.
پایان نامه ثابت ماژول در اینجا اعمال می شود و بر همه موارد دیگر حاکم است: در کارهای دریایی حیاتی از نظر ایمنی، خروجی هوش مصنوعی جایگزینی برای تایید مهندس، استاد یا نقشه بردار کلاس نمی شود. هوش مصنوعی پیشنهاد می کند، پیش نویس می کند، محاسبه می کند و یادآوری می کند. اما صاحب تصمیمی که ایمنی جان، مال و محیط زیست را تعیین می کند، شخصی است که آن تصمیم را امضا می کند و قانوناً مسئول است.
مفاهیم: توهم: هوش مصنوعی یک مقدار، قانون یا منبعی را که وجود ندارد، ساخته است. امنیت OT: حفاظت سایبری از فناوری عملیاتی (سیستم های کنترل ماشین و کروز). مسمومیت داده ها: تخریب عمدی داده های آموزشی/ورودی برای گمراه کردن یک مدل. سوگیری مدل: سوگیری سیستماتیک و غیرمنصفانه مدل که از داده هایی که بر اساس آن آموزش داده شده به دست می آید. زنجیره مسئولیت: مالکیت قانونی و فنی یک تصمیم به وضوح مشهود است.
محدودیت های دائمی هوش مصنوعی
هوش مصنوعی دارای چهار مرز دائمی در حمل و نقل است که حتی با پیشرفت فناوری از بین نخواهند رفت. اول، توهم: مدل زمانی که داده های قطعی ندارد، شکاف را با عبارات «به احتمال زیاد» پر می کند. معلوم می شود که این یک بند کلاس ساخته شده، یک مقدار پایداری غیرممکن، یا یک ضریب غیرموجود است. دوم، رفتار خارج از استقرار: مدل خارج از موقعیت هایی که برای آن آموزش دیده و آزمایش شده است، غیرقابل اعتماد می شود (نوع کشتی غیرمعمول، نقص غیرمعمول، ترافیک غیرقابل مشاهده). سوم، عدم درک فیزیک: هوش مصنوعی الگوهای کلمات را پردازش می کند، حفظ انرژی یا قوانین نیوتن را "درک" نمی کند. می تواند خروجی ای تولید کند که معقول به نظر می رسد اما از نظر فیزیکی غیرممکن است. چهارم، بهنگام بودن: قوانین، قیمت و تغییر تکنولوژی. اطلاعات مدل در یک تاریخ منجمد شده است.
این محدودیتها توضیح میدهند که چرا رشته راستیآزمایی که ما در سراسر ماژول یاد گرفتیم ضروری است: کنترل مرتبهای، ثبات واحد، تولید مثل مستقل، و تأیید منبع. به خصوص زمانی که محاسبات توسط هوش مصنوعی (به عنوان مثال یک اسکریپت پایتون/اکسل تولید شده برای یک لحظه بالاست/پایداری یا یک محاسبه توان) انجام میشود، حتی اگر کد سیال و در حال کار به نظر برسد، منطق، ورودیها و موارد لبه آن بدون آزمایش مستقل به یک تصمیم ایمنی تبدیل نمیشوند. فقط به این دلیل که یک کد حساب "کار می کند" به این معنی نیست که "درست" است.
احتیاط: یک کد حسابداری ایجاد شده توسط هوش مصنوعی ممکن است بدون خطا کار کند، اما ممکن است حاوی فرمول اشتباه، واحد اشتباه یا یک حاشیه نادیده گرفته شود. قبل از پذیرش کد، آن را با ورودی شناخته شده آزمایش کنید (نمونه ای که پاسخ آن را از نزدیک می دانید)، موارد لبه را آزمایش کنید و نتیجه را به روشی مستقل تأیید کنید. در محاسبات حیاتی ایمنی مانند پایداری، یک کامپیوتر بارگیری تایید شده و تایید مهندس ضروری است.
امنیت سایبری و حریم خصوصی داده ها
کشتی مدرن یک شبکه کامپیوتری شناور است: سیستم های ناوبری، کنترل ماشین آلات، مدیریت بار و اتصال ماهواره ای به هم متصل هستند. این به معنای سطح حمله سایبری است. سیستم های هوش مصنوعی دو خطر جدید به این تصویر اضافه می کنند. اول، ایمنی OT (فناوری عملیاتی): یک مؤلفه هوش مصنوعی مرتبط با ناوبری و کنترل ماشین، در صورت حمله خطر مستقیم ایمنی را به همراه دارد. بنابراین سیستمهای OT حیاتی ایزوله هستند، خروجی هوش مصنوعی هرگز نباید به تنهایی یک اقدام کنترلی را آغاز کند، تأیید انسانی و رفتار پیشفرض ایمن باید حفظ شود. دوم، حریم خصوصی دادهها: شکل بدنه، منحنیهای عملکرد، قراردادهای مالک کشتی و تله متری عملیاتی اسرار تجاری و مالکیت معنوی هستند. وارد کردن این دادهها در سرویسهای هوش مصنوعی خارجی تایید نشده ضرری غیرقابل برگشت است.
علاوه بر این، خطرات دستکاری مانند مسمومیت داده ها (گمراه کردن مدل با ورودی مخرب) و جعل داده هایی مانند AIS مستلزم عدم اعتماد کورکورانه به ورودی های هوش مصنوعی است. قانون: دادههای حیاتی ناشناس هستند یا اصلاً به اشتراک گذاشته نمیشوند، فقط از ابزارهای تأیید شده و تضمین شده از محرمانگی استفاده میشود، ورودیهای حیاتی برای صحت تأیید متقابل میشوند.
ریسک
چگونه رخ می دهد؟
احتیاط
توهم
قانون/ارزش/منبع ساخته شده
تایید از منبع، کنترل رتبه
حمله سایبری OT
نفوذ سیستم کنترل
انزوا، تایید انسانی، پیش فرض ایمن
نشت داده ها
وارد کردن اطلاعات محرمانه در ابزار خارجی
ناشناس سازی، ابزار تایید شده
مسمومیت داده ها / جعل
ورودی عمدا خراب شده است
اعتبار سنجی ورودی، بررسی متقاطع
تعصب مدل
داده های آموزشی نامتعادل
بررسی نتیجه با قضاوت انسانی
اخلاق و زنجیره مسئولیت
مالکیت قانونی و فنی تصمیم در دریانوردی باید روشن باشد: کاپیتان مسئول ایمنی ناوبری، مهندس ارشد مسئول ماشین آلات، مهندس مسئول مسئول طراحی و محاسبه، و نقشه بردار کلاس مسئول رعایت قوانین است. هوش مصنوعی نباید "شکاف مسئولیت" را در این زنجیره ایجاد کند. "هوش مصنوعی این را پیشنهاد کرد" بهانه ای نیست. انسانی که از هوش مصنوعی استفاده می کند و خروجی آن را می پذیرد مسئول است. بنابراین، استفاده از هوش مصنوعی باید شفاف باشد (باید ثبت شود که از چه تصمیمی پشتیبانی می کند، چه تأییدیه ای انجام داده است) و تصمیم نهایی باید به دست یک انسان امضا شده باشد.
بعد اخلاقی همچنین شامل ایمنی خدمه و محیط می شود: اگر پیشنهاد صرفه جویی در مصرف سوخت خدمه را در معرض خطر قرار می دهد، اگر راه حل اتوماسیون حاشیه ایمنی را محدود می کند، اگر سود کوتاه مدت ریسک بلندمدت را پنهان می کند، اخلاق مهندسی مستلزم "نه" گفتن است. هوش مصنوعی ابزاری قدرتمند برای بهره وری است. اما کارایی هرگز نمی تواند مقدم بر زندگی، محیط زیست و قضاوت صادقانه مهندسی باشد.
موارد کوچک
مورد 1 - بهانه "هوش مصنوعی گفته است". در یک گزارش، یک مقدار حدی که توسط هوش مصنوعی ارائه شده است، بدون تأیید استفاده میشود، و معلوم میشود که مقدار نادرست است. فرد مسئول سعی می کند با گفتن "AI این را پیشنهاد کرد" از خود دفاع کند. نه قانون طبقاتی و نه قانون مسئولیت این را به رسمیت نمی شناسد: مهندسی که خروجی را می پذیرد مسئول است. درس: هوش مصنوعی بهانه نیست. مسئولیت بر عهده شخصی است که از آن استفاده می کند.
مورد 2 - نشت داده های محرمانه. یک تیم عملکرد واقعی مالک کشتی و دادههای سوخت را در یک ابزار هوش مصنوعی در دسترس عموم قرار میدهد و درخواست تجزیه و تحلیل میکند. این داده ها اکنون از کنترل خارج شده است. اسرار تجاری و نقض قرارداد بوجود می آیند. در صورت کار با مقادیر نماینده ناشناس یا ابزار تایید شده هیچ خطری وجود نخواهد داشت. درس: داده های واقعی/محرمانه هرگز در ابزار خارجی تایید نشده وارد نمی شوند.
مورد 3 - کد کار می کند اما اشتباه است. هوش مصنوعی یک اسکریپت پایتون را برای یک لحظه ثبات تولید می کند. کد بدون خطا اجرا می شود و عدد معقولی را برمی گرداند. هنگامی که مهندس آن را با یک مورد بارگیری شناخته شده (که پاسخ آن با دست مشخص است) آزمایش می کند، متوجه می شود که کد یک عبارت طول بازو با علامت اشتباه می گیرد. فیلمنامه "کار می کرد" اما نتیجه اشتباه بود. درس: عملکرد کد حساب تضمینی برای صحت نیست. آزمایش با ورودی شناخته شده و تأیید مستقل ضروری است.
الگوهای اعلان قابل کپی
الگو 1 - خودارزیابی محدود و ریسک:
نقش: شما بازبینی کننده ای هستید که خروجی هوش مصنوعی را که من استفاده می کنم ممیزی می کنید. زمینه: [وظیفه/خروجی]. وظیفه:1) خطر توهم در این خروجی در کجا زیاد است؟2) آیا از نظر قابل قبول بودن فیزیکی چیزی مشکوک وجود دارد؟ نکته مشکوک و نحوه تایید آن
الگو 2 - برنامه تأیید کد حساب:
قبل از استفاده از کد حسابداری تولید شده توسط هوش مصنوعی زیر (Python/Excel) یک طرح راستیآزمایی ارائه کنید:[جایگذاری کد/منطق] 1) یک ورودی آزمایشی پیشنهاد کنید که پاسخ آن را به درستی بدانم. 2) موارد لبهای را که باید آزمایش شوند (صفر، منفی، شدید) فهرست کنید. 3) چگونه سازگاری واحد را بررسی کنم؟ مورد نیاز در حساب ایمنی حیاتی است.
الگو 3 - فیلتر حریم خصوصی داده ها:
بررسی حریم خصوصی زمینه زیر را که برای یک ابزار هوش مصنوعی ارائه میدهم: [متن برای اشتراکگذاری] 1) آیا دادههای اسرار تجاری / محرمانه / قرارداد در آن وجود دارد؟ 2) چه مقادیری باید ناشناس یا استخراج شوند؟ 3) آیا این کار به ابزار داخلی تأیید شده نیاز دارد؟ محدودیت: دادههای واقعی کشتی/عملکرد/قرارداد به ابزار خارجی نمیرود.
الگوی 4 - یادداشت پاسخگویی و شفافیت:
یک یادداشت شفافسازی برای مستندسازی تصمیم مبتنی بر هوش مصنوعی زیر تهیه کنید: [تصمیم]. محتوا: (1) هوش مصنوعی در چه مرحلهای استفاده شده است، (2) چه تأییدهایی را انجام داده است، (3) کدام انسانی آن را تأیید کرده است، (4) چه منابعی تأیید شده است. محدودیت: مشخص کنید که مسئولیت نهایی با امضای انسان است.
اعلان ضعیف / اعلان قوی
اعلان ضعیف:
من این تجزیه و تحلیل هوش مصنوعی را در گزارش قرار می دهم، خوب است؟
اعلان قدرتمند:
نقش: شما بازبین مستقلی هستید که خروجی هوش مصنوعی را بررسی می کنید. زمینه: [تجزیه و تحلیل/خروجی و محل استفاده]. وظیفه: 1) خطر توهم، معقول بودن فیزیکی و به موقع بودن را علامت گذاری کنید. 2) آیا داده هایی وجود دارد که برای محرمانه بودن نباید به اشتراک گذاشته شوند؟ تصمیم؛ مراحل تأیید را بیان کنید و اینکه مسئولیت آن بر عهده مهندس امضاء کننده است.
اعلان ضعیف درخواست تأیید می کند. اعلان قوی خطرات، حریم خصوصی و زنجیره تأیید انسانی را نشان می دهد.
اشتباهات رایج
- این به معنای "هوش مصنوعی گفته است." مسئولیت بر عهده شخصی است که خروجی را می پذیرد. هوش مصنوعی بهانه ای نیست
- وارد کردن اطلاعات محرمانه در ابزار خارجی اسرار تجاری و نقض قرارداد؛ هنگامی که داده های لو رفته قابل بازیابی نیستند.
- فکر می کنم که کد کار درست است. اسکریپتی که بدون خطا کار می کند ممکن است حاوی فرمول/واحد اشتباه باشد. آزمایش و تایید مستقل ضروری است.
- واگذاری سیستم OT به هوش مصنوعی. عمل کنترل هرگز تنها توسط هوش مصنوعی آغاز نمی شود. تایید انسانی و پیش فرض ایمن حفظ می شود.
- کارایی را مقدم بر ایمنی قرار دهید. زندگی، محیط زیست و قضاوت صادقانه مهندسی فدای هیچ پس انداز نمی شود.
به طور خلاصه
محدودیتهای پایدار (توهم، رفتار خارج از توزیع، عدم درک فیزیک، قدیمی بودن) و خطرات (امنیت سایبری/OT، حریم خصوصی دادهها، مسمومیت، سوگیری) هوش مصنوعی در دریانوردی نشان میدهد که چرا انضباط راستیآزمایی آموختهشده در سراسر ماژول ضروری است. در تصمیمات حیاتی ایمنی، خروجی هوش مصنوعی جایگزین تاییدیه انسانی شایسته نیست. زنجیره مسئولیت روشن است و "هوش مصنوعی چنین گفت" بهانه ای نیست. هوش مصنوعی یک شتاب دهنده قدرتمند است. اما زندگی، محیط زیست و قضاوت مهندسی صادقانه همیشه حرف اول را می زند.
وظیفه کاربردی
یک خروجی هوش مصنوعی (یک حساب، یک پیش نویس گزارش یا یک کد) که در این ماژول تولید کرده اید را انتخاب کنید. خطرات توهم، قابل قبول بودن فیزیکی و واقعی بودن را با الگوی «خودارزیابی حد و خطر» علامت گذاری کنید. اگر یک کد حساب است، آن را با یک ورودی شناخته شده با استفاده از الگوی «طرح تأیید کد حساب» آزمایش کنید و به طور مستقل تأیید کنید. یک "فیلتر حریم خصوصی داده" اعمال کنید و داده هایی را که نباید به اشتراک گذاشته شوند فیلتر کنید. در نهایت، یک یادداشت شفافیت بنویسید که تصمیم را مستند کند و مشخص کند چه کسی مسئولیت نهایی را بر عهده دارد.
چک لیست
- [ ] من خطرات توهم، فیزیک و واقعی بودن خروجی هوش مصنوعی را بررسی کردم.
- [ ] من کد حساب را با ورودی شناخته شده آزمایش کرده و به طور مستقل تأیید کرده ام.
- [ ] من داده های محرمانه/قراردادی را در ابزار خارجی وارد نکردم. من آن را ناشناس کردم.
- [ ] من تایید انسانی و پیش فرض ایمن را در سیستم های OT/کنترل حفظ کردم.
- [ ] من به طور شفاف استفاده از هوش مصنوعی را مستند کردم و روشن کردم که چه کسی مسئول است.
- [ ] من هرگز کارایی را مقدم بر زندگی، محیط زیست و اخلاق مهندسی قرار نداده ام.
امتحان ماژول
1. هنگام کار با یک ابزار هوش مصنوعی به عنوان یک مهندس دریایی، مسئولیت نهایی کدام یک از موارد زیر باید همیشه با انسان (مهندس/کلاس) باقی بماند؟
- الف) تایید و امضای انطباق یک عنصر سازه با قاعده کلاس ✔
- ب) تهیه اولین پیش نویس گزارش مقاومت
- ج) ویرایش برچسب های محور یک نمودار
- د) تهیه واژه نامه اصطلاحات برای گزارش فنی
توضیحات: هوش مصنوعی; می تواند کارهایی مانند پیش محاسبه مقاومت، تهیه گزارش و خلاصه داده ها را سرعت بخشد. با این حال، تایید انطباق یک عنصر سازه ای با قاعده کلاس و انعکاس آن به عنوان یک امضا در پرونده فنی، تصمیمی است که ایمنی جان و مال را ایجاد می کند. بدون تأیید مستقل و تأیید مجاز نمی تواند به هوش مصنوعی منتقل شود.
2. شما از هوش مصنوعی داشتید که مقاومت یک قایق را محاسبه کند و با یک "ضریب تصحیح تجربی" که در آزمایش مدل وجود نداشت، نتیجه را 20٪ کاهش داد. اولین اقدام صحیح چیست؟
- الف) پذیرفتن نتیجه همانگونه که هست زیرا هوش مصنوعی به نظر مطمئن است
- ب) منبع ضریب را زیر سوال ببرید، تصحیح بی اساس را رد کنید و با روش شناخته شده مجددا محاسبه کنید.
- ج) افزایش بیشتر ضریب و ماندن در سمت امن
- د) تغییر به انتخاب پروانه بدون تغییر نتیجه
توضیح: مدل های زبانی می توانند به طور قانع کننده ای ضرایب و اعداد بی اساس را بسازند (توهم). در محاسباتی که مستقیماً بر قدرت پیشرانه و سوخت تأثیر می گذارد، مانند مقاومت، باید منبع هر ضریب مورد استفاده (روش، آزمون مدل، استاندارد) را زیر سؤال برد و ضریب پشتیبانی نشده را رد کرد.
3. هوش مصنوعی به جای استفاده از مقدار محموله به عنوان مخرج در محاسبه CII کشتی (شاخص شدت کربن)، فقط از مسافت استفاده کرد. مشکل اصلی این خروجی چیست؟
- الف) CII فقط برای تانکرها محاسبه می شود، این در کشتی غیر ضروری است
- ب) نتیجه CII همیشه به صورت درصد می آید، اعشاری اشتباه است
- ج) مخرج CII نه تنها باید مسافت باشد، بلکه باید ظرفیت حمل (وزن مرده) در فاصله ضرب شود ✔
- د) داده های سرعت برای محاسبه CII اجباری است، وجود ندارد
توضیحات: CII انتشار کربن را به ازای هر کار انجام شده اندازه گیری می کند و بر اساس بار پیشنهادی ضرب در مسافت است (به عنوان مثال وزن مرده x مسافت). حذف عبارت بار/ظرفیت نشانگر را کاملاً اشتباه محاسبه می کند. گام اول و اجباری این است که هر عبارت در شاخص های بهره وری به طور کامل با تعریف IMO مطابقت داشته باشد.
4. با ارزش ترین خروجی یک سیستم تعمیر و نگهداری پیشگویانه مجهز به هوش مصنوعی در موتورخانه چیست؟
- الف) میانگین هزینه نگهداری گذشته را در یک خط خلاصه کنید
- ب) تبدیل تمام داده های حسگر به یک نمودار رنگارنگ تر
- ج) رنگ و فهرست روند ارتعاش/دما
- د) از قبل علامت گذاری پنجره زمانی که احتمال خرابی یاتاقان یا توربوشارژر وجود دارد ✔
توضیحات: هدف از تعمیر و نگهداری پیش بینی، تشخیص تمایل به خراب شدن تجهیزات قبل از خراب شدن و برنامه ریزی تعمیر و نگهداری به موقع است. بنابراین، خطر خرابی ها و توقف های غیرمنتظره کاهش می یابد. نه تنها خلاصه کردن گذشته بلکه ایجاد هشدارهای اولیه در مورد آینده ارزشمند است.
5. هوش مصنوعی نتیجه تنش را در مدل FEA (تحلیل اجزای محدود) با تنش مجاز در کد کلاس مقایسه کرد و «مناسب» اعلام کرد. صحیح ترین رویکرد کدام است؟
- الف) تأیید تنظیمات مدل (مش، شرایط مرزی، بار) و تأیید تنش مجاز از متن قانون کلاس ✔
- ب) تأیید مستقیم نتیجه زیرا هوش مصنوعی گفت "مناسب"
- ج) کاهش تصادفی استرس مجاز برای ماندن در سمت امن
- د) تغییر تنها مقیاس رنگ بدون سفت کردن شبکه
توضیحات: نتیجه FEA. کاملاً به کیفیت مش، شرایط مرزی، تعریف بار و خواص مواد بستگی دارد. علاوه بر این، مقدار تنش مجاز استفاده شده توسط هوش مصنوعی ممکن است نادرست باشد. قبل از پذیرش نتیجه، لازم است تنظیمات مدل را تأیید کنید و مقدار قانون کلاس را از متن تأیید کنید.
6. شما مسیری ایجاد کردید که با انجام مسیریابی آب و هوا با هوش مصنوعی، سوخت را به حداقل می رساند. کدام ملاحظات برای قابل استفاده بودن نتیجه بسیار مهم است؟
- الف) مسیر باید از نظر ایمنی ناوبری (موج، آب و هوا، محدودیت کشتی) ایمن بوده و به تایید کاپیتان برسد ✔
- ب) کوتاه ترین ظاهر مسیر بر روی نقشه
- ج) مسیر شامل بیشترین تماس های بندری است
- د) مسیر بدون توجه به قرارداد ETA را به حداقل می رساند
توضیح: مهم نیست که مسیر پیشنهادی چقدر از نظر سوخت بهینه باشد، ایمنی ناوبری و اقتدار کاپیتان در اولویت است. اگر طوفان، ارتفاع موج و محدودیت کشتی از حد ایمنی فراتر رود، افزایش سوخت بی معنی است. تصمیم نهایی مسیر باید از طریق محدودیت های ایمنی فیلتر شده و توسط کاپیتان تایید شود.
7. شما از هوش مصنوعی یک نیاز SOLAS را درخواست کردید و آن مقدار دقیقی را با اشاره به یک «شماره فصل/قاعده» خاص ارائه کرد. رفتار مهندسی صحیح چیست؟
- الف) اعمال مقدار به طور مستقیم زیرا هوش مصنوعی به روز است
- ب) افزایش مقدار به طور تصادفی برای ماندن در سمت امن
- ج) شماره و مقدار مورد را از منبع رسمی و بهروز SOLAS/کلاس تأیید کنید ✔
- د) افزودن به فایل بدون بررسی شماره مورد
توضیحات: مدلهای زبان ممکن است اعداد و مقادیر قرارداد/قوانین را اشتباه به خاطر بسپارند یا بسازند. در فیلدهای الزام آور مانند SOLAS، MARPOL و قوانین کلاس، هر مورد و مقدار باید کلمه به کلمه از منبع رسمی و فعلی تأیید شود (متن IMO، قانون کلاس، بخشنامه مدیریت). خروجی هوش مصنوعی فقط نشان می دهد که کجا باید نگاه کرد.
8. در یک سیستم ناوبری خودمختار یا با کمک تصمیم، هوش مصنوعی مانوری را بر اساس داده های رادار و AIS پیشنهاد کرد. ارزیابی صحیح از نظر COLREG (اجتناب از تعارض) کدام است؟
- الف) همزمان با دسترسی هوش مصنوعی به داده های فعلی، مانور را به صورت خودکار اجرا کنید
- ب) پیشنهاد را از طریق VHF به کشتی دیگر منتقل کنید و منتظر تایید آن باشید
- ج) خاموش كردن رادار و تنها با اتكا به AIS
- د) پیشنهاد را به عنوان پشتیبان تصمیم در نظر بگیرید و تصمیم گیری COLREG و مانور نهایی را به افسر نگهبان/کاپیتان بسپارید.
توضیح: طبق قوانین COLREG و رویه خوب دریایی، مسئولیت اجتناب از برخورد و تصمیم نهایی مانور بر عهده مقامات پل (کاپیتان/افسر دیدهبان) است. توصیه هوش مصنوعی یک پشتیبانی تصمیم است. نقاط کور، خطای حسگر و تفسیر قوانین نیاز به نظارت انسان دارد.
9. شما یک توصیه مصرف سوخت از منحنی SFOC موتور اصلی (مصرف سوخت خاص) با هوش مصنوعی ایجاد کرده اید. مناسب ترین روش برای آزمایش منطقی بودن چیست؟
- الف) توصیه را به داده های سفر گذشته اعمال کنید و با مصرف واقعی سوخت مقایسه کنید
- ب) پیشنهاد را همانطور که هست بپذیرید و به عنوان پس انداز در بودجه بنویسید.
- ج) در نظر گرفتن خوشبینانه ترین درصد پس انداز به عنوان تنها ارزش واقعی
- د) فقط نمودار منحنی SFOC را زیبا کنید
توضیح: ادعای صرفه جویی تولید شده توسط هوش مصنوعی باید با مقایسه آن با داده های واقعی سفر کشتی (مصرف سوخت ثبت شده، بار، سرعت، آب و هوا) آزمایش شود. اعمال آن به صورت گذشته نگر بر داده های سفر گذشته و مقایسه آن با مصرف واقعی نشان می دهد که چقدر این توصیه واقع بینانه است.
10. پیش نویس گزارش نظرسنجی/فنی تهیه شده توسط هوش مصنوعی حاوی مقادیر فنی است که سیال هستند اما منشا نامشخصی دارند. رفتار صحیح چیست؟
- الف) ارائه گزارش آنگونه که هست به دلیل روان بودن متن
- ب) هر مقدار را با اندازهگیری/منبع اصلی مطابقت دهید و ✔ تایید نشده را حذف کنید
- ج) گرد کردن و براق کردن مقادیر
- د) فقط خلاصه اجرایی را بخوانید و از بقیه بگذرید
توضیحات: هر مقدار فنی در گزارش باید تا منبع اصلی خود (اندازه گیری، رکورد دستگاه کالیبره شده، قانون کلاس، داده های سازنده) قابل ردیابی باشد. هیچ شماره ای نباید بدون تأیید منبع آن به کلاس یا مدیریت ارسال شود، حتی اگر یک مقدار در یک جمله روان باشد. در غیر این صورت، یک مقدار ساختگی وارد پایگاه تصمیم گیری می شود.
11. بهترین مرحله قبل از استفاده از محاسبات Excel/Python تولید شده توسط هوش مصنوعی (به عنوان مثال شرایط بالاست و لحظه پایداری) چیست؟
- الف) اعمال محاسبات به طور مستقیم در طرح بارگذاری واقعی
- ب) فقط به طول و طرح کد نگاه کنید
- ج) امتحان موارد لبه با مقایسه محاسبه با یک سناریوی تست شناخته شده و یک ابزار بارگذاری تایید شده ✔
- د) حذف بخشی از کد برای کوتاه کردن آن
توضیح: محاسبات پایداری و بار ممکن است درست به نظر برسند اما نتایج نادرستی ارائه دهند. اجرای محاسبات روی یک سناریوی آزمایشی کوچک که در آن نتیجه را میدانید، چه به صورت دستی یا با یک رایانه بارگیری تأیید شده، مقایسه آن با خروجی مورد انتظار، و امتحان موارد بارگذاری حد/لبه، قبل از اینکه به تصمیم بارگیری واقعی منتقل شود، خطا را برطرف میکند.
12. شما می خواهید داده های طراحی و عملکرد مشترک کشتی خود را در یک ابزار هوش مصنوعی عمومی و تجزیه و تحلیل درخواست بچسبانید. صحیح ترین رویکرد کدام است؟
- الف) چسباندن داده ها همانطور که برای سرعت است
- ب) فقط کافی است نام کشتی را حذف کنید و تمام داده های باقی مانده را به اشتراک بگذارید
- ج) به اشتراک گذاری داده ها و سپس درخواست از هوش مصنوعی برای حذف آن
- د) بررسی خطمشی سازمانی و ناشناسسازی دادهها یا استفاده از ابزار امن/سازمانی ✔
افشا: شکل بدنه، منحنیهای عملکرد و دادههای قرارداد مالک کشتی/ یارد به اسرار تجاری و مالکیت معنوی حساس هستند. علاوه بر این، زیرساخت های حیاتی و اطلاعات سیستم OT خطر سایبری را به همراه دارند. قبل از به اشتراک گذاری داده ها، لازم است خط مشی شرکت را بررسی کنید، آن را ناشناس کنید یا از ابزار شرکتی استفاده کنید که داده ها را به اشتراک نمی گذارد.
13. کنترل کیفیت مبتنی بر هوش مصنوعی در مونتاژ بلوک کارخانه کشتی سازی یک درز جوش را به عنوان "قابل قبول" علامت گذاری کرد. رفتار مهندسی صحیح چیست؟
- الف) ارزیابی هوش مصنوعی را به عنوان پذیرش نهایی در نظر بگیرید و دوخت را تایید کنید
- ب) در نظر گرفتن ارزیابی اولیه هوش مصنوعی به عنوان ابزار غربالگری و پیوند پذیرش نهایی به نتیجه NDT و تایید کلاس ✔
- ج) حرکت به بلوک بعدی بدون بررسی اصلاً درز
- د) فقط کافی است ظاهر درز را به صورت بصری بررسی کنید
توضیحات: کیفیت جوش یک منطقه از نظر ایمنی حیاتی است که به نتایج تست غیر مخرب (NDT) و تایید کلاس نیاز دارد. ارزیابی اولیه هوش مصنوعی از طریق تصاویر یا داده ها راهنمایی می کند، اما پذیرش نهایی با بازرسی واجد شرایط و تأیید توسط نقشه بردار کلاس انجام می شود.
14. در مدیریت ناوگان، هوش مصنوعی یک توصیه قطعی برای یک اکسپدیشن ارائه کرد که میگفت «این بندر پناهگاه و این سرعت قطعاً سودآورترین هستند». ارزیابی صحیح کدام است؟
- الف) اجرای مستقیم توصیه ها در زمانی که هوش مصنوعی به داده های به روز دسترسی پیدا می کند
- ب) پیشنهاد را به عنوان تعهد قطعی به مالک کشتی برساند
- ج) قفل کردن کل برنامه اعزامی بر اساس این خروجی واحد
- د) غیر قابل اعتماد تلقی کردن پیشنهاد قطعی و تلقی آن به عنوان سناریویی قابل تایید با قیمت فعلی، شرایط چارتر و ایمنی ✔
توضیح: قیمت پناهگاه، شرایط اجاره، آب و هوا و تاخیر بندر به سرعت در حال تغییر و متغیرهای نامشخص هستند. هوش مصنوعی نمی تواند سودآوری مطلق را تضمین کند. این پیشنهاد باید به عنوان یک خروجی سناریویی در نظر گرفته شود که باید با قیمت فعلی، شرایط چارتر و محدودیتهای ایمنی تأیید شود.