مقدمه ای بر هوش مصنوعی و رشته راستی آزمایی در مهندسی نقشه برداری

سود:

• توانایی تشخیص اینکه کدام مراحل از گردش کار ژئوماتیک باعث صرفه جویی در زمان واقعی می شود و کدام تصمیم باید با تایید مهندس ذیصلاح باقی بماند.
• توانایی پیاده‌سازی رشته‌ای که هر خروجی هوش مصنوعی را با ترتیب بزرگی، منطقی بودن زمین‌شناسی و شواهد زمین/منابع تأیید می‌کند.
• با تشخیص خطرات سردرگمی مختصات/داده، توهم و حفظ حریم خصوصی داده های شخصی و ناشناس کردن زمینه، عادت تنظیم پیام های ایمن را به دست آورید.

مهندسی ژئوماتیک شاخه ای از مهندسی است که موقعیت زمین و اجرام روی آن را اندازه گیری، پردازش، تجزیه و تحلیل و نقشه برداری می کند. این حرفه با مختصات، دقت میلی متر به سانتی متر، مرزهای دارایی و اسناد رسمی کار می کند. بنابراین اشتباهات گران هستند. در این واحد، ما مشخص می‌کنیم که هوش مصنوعی (به طور خلاصه: سیستم‌های نرم‌افزاری که می‌توانند متن، تصاویر و داده‌ها را پردازش کنند و پاسخ‌هایی شبیه به انسان تولید کنند) در زمان واقعی در جریان کار ژئوماتیک صرفه‌جویی می‌کند، کجا خطرناک است و چگونه هر خروجی را تأیید کنیم. بیایید از ابتدا بگوییم: هوش مصنوعی یک دستیار است، اگرچه مختصات را تولید می کند، مهندس صالح تصمیم می گیرد و امضا می کند.

ابتدا بیایید روشن کنیم که کجای حرفه و هوش مصنوعی تلاقی می کنند. یک پروژه ژئوماتیک معمولاً مراحل زیر را طی می‌کند: جمع‌آوری داده‌ها (بررسی زمین با GNSS، ایستگاه کل، پهپاد، LiDAR)، پردازش داده‌ها (تبدیل مشاهده خام به مختصات، تعادل)، تجزیه و تحلیل (پرس‌وجوهای فضایی با GIS/GIS)، تولید (نقشه، عکس، مدل)، تحویل (گزارش، برگه، ثبت). هوش مصنوعی در هر حلقه از این زنجیره در سطوح مختلفی کار می کند: در برخی جاها کار اصلی را انجام می دهد (مثلاً طبقه بندی هزاران تصویر)، در برخی جاها فقط پیش نویس (متن گزارش) تولید می کند و در برخی جاها دستیار است که اصلاً نباید به آن اعتماد کرد (ارزش دقیق یک مرز کاداستر).

اصلی که تعیین می کند چه چیزی به هوش مصنوعی داده شود

شما می توانید ریسک هر کار هوش مصنوعی را در یک جمله اندازه گیری کنید: خطر یک خروجی برابر است با آسیبی که در صورت معیوب بودن آن خروجی ایجاد می کند. یک خطای جزئی در خلاصه ادبیات تقریباً بی ضرر است. اما خطای 20 سانتی متری در مختصات یک درخواست (علامت گذاری نقاط پروژه در زمین) به معنای ریختن فونداسیون در محل نامناسب، سرریز شدن ساختمان بر روی زمین همسایه و اختلاف در دادگاه است. بنابراین ما شدت تأیید را بر اساس آسیب احتمالی مقیاس می کنیم.

برای ساختن این بتن، اجازه دهید چیزها را به سه سطل تقسیم کنیم:

نوع کسب و کار

نقش هوش مصنوعی

تراکم تأیید

مثال

کم خطر/مفید

سازنده اصلی

سبک وزن (بررسی)

تبدیل یادداشت های اندازه گیری به جداول، پیش نویس گزارش

ریسک / پیش نویس متوسط

شتاب دهنده

متوسط (کنترل نمونه + منطق)

طبقه بندی اولیه پوشش زمین، تولید کد

ریسک بالا/ بحرانی

این فقط یک ایده می دهد

سنگین (تأیید کاملا مستقل)

مرز کاداستر، کاربرد، ارزش ارتفاعی، تبدیل داده

این جدول باید انعکاسی باشد: وقتی یک خروجی هوش مصنوعی دریافت می‌کنید، ابتدا می‌پرسید "این در کدام سطل است؟" '، سپس انرژی تأیید خود را بر این اساس خرج کنید.

رشته تأیید: سه فیلتر

در Geomatics، هر خروجی هوش مصنوعی را از سه فیلتر عبور دهید.

1. کنترل بزرگی آیا عدد در محدوده معقولی است؟ مقدار شرقی ED50/UTM یک نقطه در ترکیه تقریباً 6 رقمی متر است. محدوده طول جغرافیایی از -180 تا +180. مساحت یک بسته به متر مربع می باشد. اگر AI یک نتیجه 3 رقمی را برای مقدار مورد انتظار 6 رقمی برگرداند، بدون خواندن محتوای پاسخ متوجه خواهید شد که خطایی وجود دارد. این ارزان ترین و قوی ترین صافی است.
2. منطقی بودن زمین شناسی/فضایی آیا نتیجه با فیزیک و هندسه سازگار است؟ فاصله بین دو نقطه همسایه نمی تواند منفی باشد. مجموع زوایای داخلی یک چندضلعی بسته باید به مقدار معینی همگرا شود. نتیجه عملیات بافر باید بزرگتر از هندسه ورودی باشد. اگر هوش مصنوعی چیزی گفته باشد که از نظر منطقی غیرممکن است، حذف می شود.
3. شواهد مستقل خروجی را با منبعی که هوش مصنوعی ندیده است مقایسه کنید: یک نقطه کنترل شناخته شده، حقیقت زمین، یک سند رسمی، یک محاسبه روش دوم. نمونه ای از این آزمایش یک نتیجه تبدیل با مرجعی است که مختصات آن از قبل شناخته شده است.

نکته: سه فیلتر را به ترتیب اعمال کنید، اما هرگز دو فیلتر اول را نادیده نگیرید. زیرا بررسی ترتیب و معقولیت چند ثانیه طول می کشد و بیشتر خطاها را حتی قبل از اینکه به شواهد مستقل برسند، مشخص می شود.

مختصات، داده ها و حریم خصوصی: دام های خاص ژئوماتیک

علاوه بر خطرات کلی هوش مصنوعی، این حرفه دارای دو دام بزرگ منحصر به فرد است. اولین مورد، سردرگمی مختصات/داده است. مبدأ یک سطح مرجع ریاضی است که سطح زمین را نشان می دهد (به عنوان مثال WGS84، ED50، ITRF). یک نقطه فیزیکی یکسان با اعداد مختلف در داده های مختلف بیان می شود و تفاوت آنها در برخی نقاط کشور ما می تواند متر باشد. اگر مشخص نکنید در مورد کدام داده صحبت می‌کنید، هوش مصنوعی یک فرضیه می‌کند و بی‌صدا آن را به سیستم اشتباهی تبدیل می‌کند. دوم، داده های شخصی و حریم خصوصی اموال: سوابق کاداستر شامل نام مالک، شماره شناسایی، مکان دقیق است. فرستادن آنها بدون کنترل به یک مدل خارجی هم خلاف قانون و هم با اخلاق حرفه ای است.

احتیاط: قبل از چسباندن نام مالک واقعی، شماره شناسه TR یا مختصات دقیق یک مرکز حساس در یک اعلان توقف کنید. ناشناس کنید (نام "Malik-1"، بسته ها را "جزیره/Plot-A" بگذارید) یا از یک محیط داخلی/تأیید شده استفاده کنید.

سه مورد کوچک: با اعداد

مورد 1 - فیلتر رتبه زندگی را نجات می دهد. یک کارآموز پروژه هوش مصنوعی را از یک مختصات جغرافیایی یک نقطه داشت و نتیجه 4281 متری را به سمت راست گرفت. در ترکیه، مقادیر صحیح UTM در باند 100000-900000 متر است. نتیجه 4 رقمی غیرممکن بود. فقط با بررسی سفارش، خطا بلافاصله مشخص شد، زیرا مدل فرض می‌کرد خروجی رادیان به جای درجه است. مختصات قبل از انتقال به CAD تصحیح شد.

مورد 2 - رانش مبحث. یک تیم 12 نقطه کنترل را از یک نقشه قدیمی (ED50) برداشت و آن را به عنوان "تبدیل به UTM" به هوش مصنوعی داد، بدون اینکه مبدأ را مشخص کند. مدل فرضی WGS84; نتایج به طور سیستماتیک تقریباً 3-4 متر از اندازه‌گیری‌های GPS در میدان تغییر کردند. وقتی با یک مرجع شناخته شده مقایسه شد، تفاوت سیستماتیک بلافاصله آشکار شد و کار با پارامترهای تبدیل صحیح تکرار شد. کنترل مستقل یک نقطه ای کل کمپین را نجات داد.

مورد 3 - جلوگیری از نقض حریم خصوصی. یک دفتر یک پایگاه داده کاداستری از 850 قطعه را در یک مدل خارجی برای "پیدا کردن ناسازگاری ها" بارگذاری می کند. جدول حاوی نام مالک و شماره شناسایی بود. با تشکر از چک لیست، آنها ابتدا آن را ناشناس کردند: ستون های شخصی حذف شدند، فقط اطلاعات هندسه و منطقه ارسال شد. مزیت تجزیه و تحلیل یکسان باقی ماند، داده های شخصی هرگز منتشر نشد.

اعلان ضعیف / اعلان قوی

اعلان ضعیف:

این مختصات را به UTM تبدیل کنید و یک گزارش بنویسید.[مختصات]

اعلان قدرتمند:

نقش شما: دستیار داده ژئوماتیک. وظیفه: نقاط زیر را از سیستم SOURCE به سیستم TARGET تبدیل کنید.- منبع CRS: EPSG:4326 (مقدار جغرافیایی WGS84، درجه)- CRS هدف: EPSG:5256 (TUREF / TM33)- اگر اطلاعات نامشخص یا گم شده ای وجود دارد، تبدیل نکنید. که خروجی باید اعتبارسنجی شود، در مقایسه با یک نقطه کنترل شناخته شده. داده ها (ناشناس): [جدول نقطه]

اعلان قدرتمند به وضوح منبع و هدف را بیان می کند، دستور توقف در اطلاعات ناقص را صادر می کند و انتظارات رتبه و تعهد تأیید را بازنویسی می کند. بنابراین، خروجی هم دقیق تر و هم قابل بازرسی است.

چهار قالب قابل کپی

1) فیلتر طبقه بندی مشاغل:

کار زیر را در یکی از سه سطل قرار دهید: (الف) کم خطر/مفید، (ب) ریسک متوسط/پیش‌نویس، (ج) ریسک بالا/ بحرانی. منطق و مراحل تأیید پیشنهادی خود را بنویسید. وظیفه: [شرح شغل]

2) درخواست کنترل رتبه:

قبل از تولید نتیجه زیر، ترتیب قدر مورد انتظار (واحد و محدوده معمولی) را بنویسید. اگر نتیجه خارج از این محدوده است، یک "RANGE WARNING" صادر کنید و محاسبه را بررسی کنید. ورودی: [داده]

3) اسکن قبل از ناشناس سازی:

آیا متن زیر حاوی اطلاعات شخصی (نام، شماره شناسایی، اطلاعات مالک سند مالکیت، مکان حساس) یا اطلاعات محرمانه است؟ اگر چنین است، آنها را فهرست کنید و معادل های ناشناس پیشنهاد کنید. متن را تغییر ندهید، فقط آن را گزارش کنید. متن: [متن]

4) مولد طرح تأیید:

یک طرح تأیید برای خروجی هوش مصنوعی زیر بنویسید: (1) بررسی رتبه، (2) منطقی بودن ژئودزیکی/مکانی، (3) منبع مستقل شواهد. آنچه را که در هر مرحله در نظر گرفته می شود به وضوح بنویسید. خروجی: [خروجی هوش مصنوعی]

اشتباهات رایج

• مختصات عملیاتی بدون تعیین Datum/CRS. رایج ترین و گران ترین اشتباه؛ باعث لغزش بی صدا برای متر می شود.
• اشتباه گرفتن تسلط با دقت هوش مصنوعی با اطمینان و منظم می نویسد. این به معنای دقیق بودن محتوا نیست.
• دور زدن چک رتبه آوردن خطاهایی که با یک نگاه چند ثانیه ای به CAD می رسد.
• ارسال اطلاعات شخصی/مالی بدون کنترل. توجیه "به هر حال مفید" الزام محرمانه بودن را حذف نمی کند.
• مبنای کار حیاتی بر روی یک خروجی هوش مصنوعی. انجام کارهایی مانند کاربرد، مرز کاداستر و ارتفاع بدون تایید مستقل.
• فکر می کنید که مسئولیت را به مدل منتقل می کنید. امضا و مسئولیت همیشه با مهندس ذیصلاح باقی می ماند.

به طور خلاصه

هوش مصنوعی با وزن های مختلف در هر مرحله از گردش کار ژئوماتیک کار می کند. نکته مهم این است که خطر هر ماموریت را در نظر بگیرید: "اگر خطایی وجود داشته باشد چه چیزی را از دست می دهم؟" بررسی کنید و تأیید را بر اساس آن مقیاس کنید. سه فیلتر (درجه، قابل قبول بودن، شواهد مستقل) بیشتر خطاها را ارزان می گیرند. دو مشکل عمده مخصوص این حرفه عبارتند از: سردرگمی مختصات/داده و محرمانه بودن داده های شخصی/مالی. هر دو با ایجاد یک اعلان منضبط از ابتدا مدیریت می شوند. تصمیم و امضای نهایی نزد مهندس ذیصلاح باقی می ماند.

وظیفه کاربردی

سه کار ژئوماتیک را از کسب و کار خود (یا فرضی) انتخاب کنید: یکی کم خطر، یکی با ریسک متوسط، یکی با ریسک بالا. برای هر کدام، (1) در کدام سطل قرار می گیرد، (2) نقش هوش مصنوعی، (3) سه مرحله فیلتری که اعمال خواهید کرد، بنویسید. برای کار پرخطر، مشخص کنید که خروجی را با چه شواهد مستقلی (ایست بازرسی، سند، روش دوم) آزمایش خواهید کرد.

چک لیست

• [ ] من خطر ماموریت را با "خسارتی که در صورت وجود خطا رخ می دهد" اندازه گیری کردم.
• [ ] من کار را در سطل خطر کم/متوسط/بالا قرار دادم.
• [ ] من به صراحت منبع و سیستم مختصات هدف (datum/EPSG) را در اعلان مشخص کرده ام.
• [ ] من نتیجه را از طریق بررسی رتبه منتقل کردم.
• [ ] من قابلیت ژئودتیک/فضایی را آزمایش کردم.
• [ ] من آن را با حداقل یک مدرک مستقل تأیید کرده ام.
• [ ] من داده های شخصی/اختصاصی را ناشناس کرده ام یا در یک محیط تایید شده کار کرده ام.
• [ ] من تصمیم نهایی را گرفتم و مسئولیت مهندس را امضا کردم.