એન્ડ-ટુ-એન્ડ વર્કફ્લો, શિપ-કંપની ગવર્નન્સ, સાયબર સુરક્ષા અને જવાબદાર ઉપયોગ

નફો:

• ઝુંબેશના દરેક તબક્કે, શરૂઆતથી અંત સુધી, માનવીય ચકાસણી દરવાજા અને નિર્ણય રેકોર્ડ સાથે સતત AI ને જમાવવાની ક્ષમતા
• શિપ-કંપની ગવર્નન્સ ફ્રેમવર્ક સ્થાપિત કરવાની ક્ષમતા જેમાં માન્ય વાહન સૂચિ, ડેટા વર્ગીકરણ, ISM એકીકરણ, સાયબર સુરક્ષા (ક્રિટીકલ સિસ્ટમ આઇસોલેશન, ડેટા ગોપનીયતા, રીડન્ડન્સી)
• વર્કફ્લોમાં માનવ જવાબદારી, પારદર્શિતા, અતિશય દાવાઓને ટાળવા, સલામતી-પર્યાવરણની પ્રાથમિકતા અને ગોપનીયતાના સિદ્ધાંતોને એમ્બેડ કરવાની ક્ષમતા

અગાઉના એકમો રૂટ, ઇંધણ, હવામાન, દસ્તાવેજીકરણ, કાર્ગો, મશીનરી મોનિટરિંગ, ડાયગ્નોસ્ટિક્સ, કાયદો અને પુલ નિર્ણય સપોર્ટમાં વ્યક્તિગત રીતે AI પર પ્રક્રિયા કરતા હતા. આ એકમ તે બધાને સંયોજિત કરે છે: અભિયાનની શરૂઆતથી અંત સુધી સતત, નિયંત્રિત અને સુરક્ષિત રીતે AI ને કેવી રીતે સ્થાન આપવું. જહાજ અને કંપની આનું સંચાલન કેવી રીતે કરે છે? અને આ ટૂલ્સ પોતે (ડેટા, કનેક્ટિવિટી, સાયબર સિક્યુરિટી) કેવી રીતે સુરક્ષિત છે? તેનો ઉદ્દેશ્ય એક માળખું સ્થાપિત કરવાનો છે જે દરિયાઇમાં AIના મૂલ્યને કેપ્ચર કરે છે જ્યારે તેની સલામતી-નિર્ણાયક પ્રકૃતિને ક્યારેય ભૂલી ન જાય.

એન્ડ-ટુ-એન્ડ વર્કફ્લો: માનવ ચકાસણી દરવાજા

એક અભિયાનને સાંકળ તરીકે વિચારો; દરેક રીંગ પર માનવ ચકાસણી ગેટ (એક બિંદુ કે જ્યાંથી માનવ પુષ્ટિ કરે છે કે પસાર થતા પહેલા શરત પૂરી થઈ છે) મૂકો:

1. વોયેજ પ્લાનિંગ: AI રૂટ/ઈંધણનો વિકલ્પ જનરેટ કરે છે → ગેટ: કેપ્ટન પુષ્ટિ કરે છે અને UKC/નો-ગો અને ECDIS માં પ્રતિબંધોની પુષ્ટિ કરે છે.
2. હવામાન નિરીક્ષણ: AI આગાહી સારાંશ → ગેટ: બહુ-સ્રોત + સત્તાવાર ચેતવણી પુષ્ટિ, આશ્રય લેવાનો નિર્ણય કેપ્ટન પર છે.
3. કાર્ગો: YZ સ્ટોરેજ ભલામણ → ડોર: સ્થિરતા/શક્તિની મંજૂરી, મુખ્ય અધિકારીની મંજૂરી સાથે લોડિંગ કમ્પ્યુટર.
4. મશીન: AI વિસંગતતા ચિહ્ન → ડોર: ભૌતિક ચકાસણી, નિદાન અને જાળવણીનો નિર્ણય મુખ્ય ઈજનેર પર છે.
5. દસ્તાવેજીકરણ: AI બ્લુપ્રિન્ટ્સ → ગેટ: વાસ્તવિક ડેટા વેરિફિકેશન અને માનવમાં હસ્તાક્ષર.
6. કાયદો: AI નિર્દેશન → ગેટ: જોગવાઈ સત્તાવાર સ્ત્રોતમાંથી ચકાસવામાં આવે છે.
7. બ્રિજ: AI પ્રાથમિકતા આપે છે → ગેટ: COLREG દાવપેચ અને નેવિગેશનનો નિર્ણય અધિકારીના હાથમાં છે.

નિયમ: એક દરવાજો પસાર કર્યા વિના, તમે બીજા દરવાજા પર જઈ શકતા નથી. આ સ્તરીય માળખું એકલ AI બગને અભિયાન અથવા રિપોર્ટમાં લીક થવાથી અટકાવે છે. દરેક દરવાજો એક રેકોર્ડ છોડે છે: શું પ્રસ્તાવિત કરવામાં આવ્યું હતું, કોણે તેની પુષ્ટિ કરી, શું નક્કી કરવામાં આવ્યું હતું.

ટીપ: દરેક AI ઉપયોગ માટે ટૂંકો "નિર્ણય લોગ" રાખો: કયું સાધન, શું ઇનપુટ, AI એ શું કહ્યું, તે કેવી રીતે ચકાસવામાં આવ્યું, કોણે તેને મંજૂરી આપી. અકસ્માતની તપાસ અથવા ઓડિટમાં, આ રેકોર્ડ તમારું રક્ષણ કરે છે અને સતત સુધારણાને સક્ષમ કરે છે.

શિપ-કંપની શાસન

AI ટૂલ્સનો ઉપયોગ રેન્ડમ રીતે થવો જોઈએ નહીં, પરંતુ ફ્રેમવર્કની અંદર:

• મંજૂર ટૂલ લિસ્ટ: કયા AI ટૂલ્સ કઈ નોકરીઓ માટે મંજૂર છે? સંવેદનશીલ ડેટા રેન્ડમ સાધનો અને જાહેર સેવાઓ પર અપલોડ કરવામાં આવતો નથી.
• ડેટા વર્ગીકરણ: ફ્રેટ મેનિફેસ્ટ, રૂટ, કોમર્શિયલ કોન્ટ્રાક્ટ્સ, ક્રૂ વ્યક્તિગત ડેટા સંવેદનશીલ છે; તે વ્યાખ્યાયિત થયેલ છે કે કયો ડેટા ક્યાં જાય છે.
• ભૂમિકા અને સત્તા: AI નો ઉપયોગ કોણ કરી શકે છે તે નિર્ણયમાં કોણ તેને મંજૂરી આપે છે? કેપ્ટન અને ચીફ એન્જીનિયરનું સ્પષ્ટ અંતિમ કહેવું છે.
• તાલીમ: ક્રૂએ AI (આભાસ, અસ્પષ્ટતા, ચકાસણી) ની મર્યાદાઓ જાણવી જોઈએ; સાધનોને બદલે શિસ્ત શીખવવામાં આવે છે.
• ISM એકીકરણ: AI નો ઉપયોગ પ્રક્રિયાગત રીતે જહાજની સુરક્ષા વ્યવસ્થાપન સિસ્ટમ (ISM) માં ઉમેરવામાં આવે છે; ઓડિટેબલ બને છે.
• સતત ચકાસણી: વાહનોની કામગીરીનું નિરીક્ષણ કરવામાં આવે છે; ખોટા સૂચનો રેકોર્ડ કરવામાં આવે છે અને સાધન અથવા ઉપયોગને સુધારેલ છે.

સાયબર સિક્યુરિટી: ટિથર્ડ જહાજ એ લક્ષ્ય છે

આધુનિક જહાજ એક જોડાયેલ સિસ્ટમ છે: ECDIS અપડેટ્સ, સેટેલાઇટ કોમ્યુનિકેશન્સ, રિમોટ મોનિટરિંગ, AI સેવાઓ. આ જોડાણ એટેક સપાટી છે. મેરીટાઇમ સાયબર સિક્યુરિટી (IMOના શિપ સાયબર રિસ્ક મેનેજમેન્ટ માર્ગદર્શિકા અને ISM સાથે પણ સંકળાયેલ છે) ને અવગણી શકાય નહીં:

• ક્રિટિકલ નેવિગેશન/મશીનરી સિસ્ટમ્સને અલગ કરો: ECDIS, મશીનરી કંટ્રોલ જેવી સિસ્ટમ્સને ઇન્ટરનેટ અને AI ટૂલ્સથી અલગ રાખવામાં આવે છે.
• ડેટા ગોપનીયતા: અસુરક્ષિત AI સેવાઓ માટે રૂટ, કાર્ગો અને કોમર્શિયલ ડેટા લીક ન થવો જોઈએ; જો જરૂરી હોય તો માસ્ક.
• મેનીપ્યુલેશનનું જોખમ: GPS/AIS સિગ્નલ સ્પુફિંગ હોઈ શકે છે; આ દૂષિત ડેટા સાથે, AI ખોટા સૂચનો ઉત્પન્ન કરે છે. ઇનપુટ સુરક્ષા એ આઉટપુટ સુરક્ષા માટે પૂર્વશરત છે.
• નિરર્થકતા: જો સિસ્ટમ ક્રેશ થાય અથવા સાયબર ઘટના બને, તો પરંપરાગત નેવિગેશન (કાગળનો નકશો, મૂળભૂત પ્રક્રિયા) ક્ષમતા સચવાય છે.

સાવધાન: તમે AI ટૂલમાં લોડ કરો છો તે કોઈપણ ડેટા તમારા નિયંત્રણની બહાર હોઈ શકે છે. શિપ સ્થાન, કાર્ગો વિગતો, ક્રૂ માહિતી અને વેપાર રહસ્યો; મંજૂર, સલામત અને, જો જરૂરી હોય તો, માસ્ક્ડ રીતે પ્રક્રિયા કરવામાં આવે છે. "સુવિધા માટે" જાહેર સેવામાં સંવેદનશીલ ડેટા પેસ્ટ કરવો એ સુરક્ષા અને ગોપનીયતાનો ગંભીર ભંગ છે.

નૈતિક અને જવાબદાર ઉપયોગ

• માનવ જવાબદારી: દરેક સલામતી-નિર્ણાયક નિર્ણય સક્ષમ માનવ દ્વારા લેવામાં આવે છે; AI નું આઉટપુટ તેની મંજૂરીનો વિકલ્પ નથી.
• પારદર્શિતા: જ્યારે AI નો ઉપયોગ કરવામાં આવે છે (ખાસ કરીને રિપોર્ટિંગ અને વિશ્લેષણમાં) તે પ્રમાણિકપણે જણાવવામાં આવે છે.
• વધુ પડતો દાવો કરવાનું ટાળવું: અસ્પષ્ટ અંદાજ નિશ્ચિતતા તરીકે રજૂ કરવામાં આવતો નથી; વિશ્વાસનું સ્તર પ્રામાણિકપણે વ્યક્ત કરવામાં આવે છે.
• પર્યાવરણ અને સલામતીની અગ્રતા: દરિયાઈ સલામતી અને પર્યાવરણીય સંરક્ષણ પહેલાં વાણિજ્યિક લાભ ક્યારેય આવતો નથી.
• ગોપનીયતા: ક્રૂ અને વ્યાપારી ડેટા સુરક્ષિત છે.

ત્રણ નાના કેસો

કેસ 1 - ડોર સિસ્ટમ ભૂલ અટકાવે છે. જહાજ પર, AI આકર્ષક ઇંધણ બચાવવા માટે માર્ગ સૂચવે છે; પરંતુ "સફર આયોજન ગેટ" પર કેપ્ટન ECDIS પુષ્ટિમાં ખામી શોધે છે અને દરખાસ્તને નકારી કાઢે છે. બાંધેલો દરવાજો બગને દરિયામાં જતા અટકાવે છે. નિર્ણય રેકોર્ડ દસ્તાવેજો કે પ્રક્રિયા યોગ્ય રીતે કામ કરી રહી છે.

કેસ 2 - ડેટા લીકેજ અટકાવવામાં આવે છે. એક અધિકારી સાર્વજનિક AI સેવામાં કાર્ગો મેનિફેસ્ટ પેસ્ટ કરવાના છે; કંપની નીતિ (મંજૂર સાધન + માસ્કિંગ) આને અટકાવે છે. વ્યવસાય ડેટા સુરક્ષિત છે. પાઠ: ગવર્નન્સ ફ્રેમવર્ક સારા હેતુવાળા પરંતુ જોખમી વર્તનને અટકાવે છે.

કેસ 3 — નકલી GPS સિગ્નલ. જીપીએસ સ્પુફિંગ એક વિસ્તારમાં થાય છે; AI દૂષિત સ્થાન ડેટા સાથે અયોગ્ય કોર્સ કરેક્શનની ભલામણ કરે છે. ટીમ સ્વતંત્ર પદ્ધતિઓ (રડાર, આંખ, ક્રોસ બેરિંગ) દ્વારા સ્થાનની પુષ્ટિ કરે છે, વિચલનની નોંધ લે છે અને AI પ્રસ્તાવને નકારી કાઢે છે. પાઠ: જો ઇનપુટ દૂષિત છે, તો આઉટપુટ પણ દૂષિત છે; સ્વતંત્ર ચકાસણી અને રીડન્ડન્સી જીવન બચાવે છે.

ચાર નકલ કરી શકાય તેવા નમૂનાઓ

1) ઝુંબેશ AI વપરાશ ઓડિટનો અંત:

આ વખતે મેં આ માટે AI નો ઉપયોગ કર્યો: [સૂચિ]. દરેક માટે નિર્ણય રેકોર્ડ ટેબલ ડ્રાફ્ટ કરો: કાર્ય, વપરાયેલ સાધન, ઇનપુટ, AI આઉટપુટ, કેવી રીતે ચકાસાયેલ, કોણે મંજૂરી આપી, પરિણામ. ગુમ/અચકાસાયેલ કોઈપણને ચિહ્નિત કરો.

2) AI ઉપયોગ નીતિ ડ્રાફ્ટ:

અમારા જહાજ માટે "AI નો જવાબદાર ઉપયોગ" પ્રક્રિયાનો ડ્રાફ્ટ લખો: માન્ય ટૂલ્સ, ડેટા વર્ગીકરણ, જે નિર્ણયને મંજૂરી આપે છે, ચકાસણીની જવાબદારી, સાયબર સુરક્ષા અને ગોપનીયતા નિયમો. નોંધ: આ ડ્રાફ્ટ કંપની DPA/ISM ટીમ દ્વારા મંજૂર કરવામાં આવશે.

3) ડેટા માસ્કિંગ નિયંત્રણ:

AI ટૂલમાં નીચેના ટેક્સ્ટને દાખલ કરતા પહેલા સંવેદનશીલ ડેટા માટે તપાસો: [ટેક્સ્ટ]. જહાજનું સ્થાન, કાર્ગો વિગતો, વ્યક્તિગત ડેટા, વેપાર રહસ્ય અને હું તેને કેવી રીતે માસ્ક કરી શકું તે સૂચવો. જો તમને ખાતરી ન હોય, તો "દાખલ કરશો નહીં, પહેલા તપાસો" કહો.

4) સાયબર/રિડન્ડન્સી કસરતનું દૃશ્ય:

બ્રિજ/મશીન સિસ્ટમ્સ પર સાયબર ઘટના અથવા સિસ્ટમ ક્રેશનું દૃશ્ય બનાવો; 5-પગલાની કવાયતની રૂપરેખા અને ચર્ચાના પ્રશ્નો લખો જે ક્રૂને પરંપરાગત નેવિગેશન/એન્જિન મેનેજમેન્ટમાં તેમના સંક્રમણની પ્રેક્ટિસ કરવામાં મદદ કરશે.

નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ

નબળા પ્રોમ્પ્ટ:

હું જહાજ પર AI નો ઉપયોગ કેવી રીતે કરી શકું?

ખૂબ સામાન્ય; ત્યાં કોઈ સુરક્ષા, ડેટા, શાસન અને ચકાસણી પરિમાણ નથી.

શક્તિશાળી પ્રોમ્પ્ટ:

તમારી ભૂમિકા: શિપ ડિજિટલાઇઝેશન કન્સલ્ટન્ટ. શિપ પ્રકાર [x], ફ્લીટ મેનેજમેન્ટ સાથે જોડાયેલી કંપની. કાર્ય: રૂટ, ઇંધણ, મશીનરી ટ્રેકિંગ અને દસ્તાવેજીકરણમાં AI ના ઉપયોગ માટે એન્ડ-ટુ-એન્ડ ફ્રેમવર્કનો મુસદ્દો: દરેક તબક્કે માનવ ચકાસણી દ્વાર, માન્ય વાહન અને ડેટા નિયમો, સાયબર સુરક્ષા પગલાં, નિર્ણય રેકોર્ડિંગ. ભારપૂર્વક જણાવો કે સલામતી-નિર્ણાયક નિર્ણયો માનવીય રહે છે અને AI એ મંજૂરીનો વિકલ્પ નથી. એવા વિસ્તારોને ચિહ્નિત કરો કે જે અસ્પષ્ટ છે/કંપનીની મંજૂરીની જરૂર છે.

ગેટ, ગવર્નન્સ અને સાયબર સિક્યુરિટીની આવશ્યકતા આઉટપુટ એન્ટરપ્રાઇઝ-ઉપયોગી બનાવે છે.

એન્ડ-ટુ-એન્ડ ફ્રેમ ટેબલ

સ્ટેજ

AI યોગદાન

માનવ ચકાસણી દ્વાર

અભિયાન આયોજન

રૂટ/ઇંધણ વૈકલ્પિક

કેપ્ટન ECDIS મંજૂરી

હવામાન નિરીક્ષણ

આગાહી સારાંશ

મલ્ટી-રિસોર્સ + કેપ્ટન

કાર્ગો

સ્ટેક ભલામણ

કમ્પ્યુટર + પ્રથમ અધિકારી લોડ કરી રહ્યું છે

મશીન

વિસંગતતાની નિશાની

ભૌતિક પુષ્ટિ + મુખ્ય ઇજનેર

દસ્તાવેજીકરણ

ડ્રાફ્ટ

વાસ્તવિક ડેટા + સહી

કાયદો

રીડાયરેક્ટ

સત્તાવાર સ્ત્રોત પુષ્ટિ

પુલ

અગ્રતા

કોલરેગ નિર્ણય, અધિકારી

સામાન્ય ભૂલો

• ચકાસણી દરવાજાઓને બાયપાસ કરીને. ઝડપ માટે મધ્યવર્તી પુષ્ટિકરણોને દૂર કરવાથી એકલ ભૂલને અભિયાનમાં લીક કરવાની મંજૂરી મળશે.
• નિર્ણયોનો રેકોર્ડ ન રાખવો. જો રેકોર્ડ ન હોય તો, ઓડિટ અને તપાસમાં બચાવ અને સુધારણા મુશ્કેલ બની જાય છે.
• અસુરક્ષિત સાધનને સંવેદનશીલ ડેટા આપવો. રૂટ, લોડ, વ્યક્તિગત ડેટાની મંજૂરી અને માસ્કિંગ સાથે પ્રક્રિયા કરવામાં આવે છે.
• નિર્ણાયક સિસ્ટમોને અલગ પાડતા નથી. ECDIS/મશીન નિયંત્રણને ઇન્ટરનેટ અને AI ટૂલ્સથી અલગ રાખવામાં આવે છે.
• નિરર્થકતાની ઉપેક્ષા. સિસ્ટમ/સાયબર ઘટનામાં પરંપરાગત નેવિગેશનલ ક્ષમતા જાળવવી આવશ્યક છે.
• સલામતી પહેલાં વ્યવસાયિક નફો મૂકવો. સલામતી અને પર્યાવરણ હંમેશા પ્રાથમિકતા છે.

સારાંશમાં

મેરીટાઇમમાં AI એન્ડ-ટુ-એન્ડનો ઉપયોગ કરવાની ચાવી એ એક સ્તરીય માળખું છે જે દરેક તબક્કે માનવ ચકાસણી ગેટ અને નિર્ણય રેકોર્ડ મૂકે છે. આ ફ્રેમવર્ક શિપ-કંપની ગવર્નન્સ (મંજૂર સાધન, ડેટા વર્ગીકરણ, ભૂમિકા, તાલીમ, ISM એકીકરણ), સાયબર સુરક્ષા (જટિલ સિસ્ટમ્સ અલગતા, ડેટા ગોપનીયતા, ઇનપુટ સુરક્ષા, નિરર્થકતા) અને જવાબદાર ઉપયોગના સિદ્ધાંતો (માનવ જવાબદારી, પારદર્શિતા, અતિશય દાવાને ટાળવા, સલામતી) દ્વારા પૂરક છે. AI શિપિંગમાં વાસ્તવિક મૂલ્ય બનાવે છે; પરંતુ સલામતી-નિર્ણાયક નિર્ણયો હંમેશા સક્ષમ વ્યક્તિની માલિકીના હોય છે, અને AI આઉટપુટ તે મંજૂરીને બદલતું નથી.

એપ્લિકેશન કાર્ય

તમારા પોતાના જહાજ માટે સ્ટાર્ટ-ટુ-ફિનિશ અભિયાનનો વિચાર કરો. દરેક તબક્કા માટે (આયોજન, હવા, કાર્ગો, મશીનરી, દસ્તાવેજીકરણ, નિયમનકારી, પુલ), એક-લાઈન ભરો "AI શું કરે છે / માનવ દરવાજો શું છે / હું કેવી રીતે ચકાસી શકું / કોણ મંજૂર કરે છે" ટેબલ. પછી "ડેટા માસ્કીંગ" અને "સાયબર/રિડન્ડન્સી" માપ ઉમેરો. છેલ્લે, તમે આ વખતે રાખશો તે નિર્ણય રેકોર્ડનો નમૂનો બનાવો.

ચેકલિસ્ટ

• [ ] મેં દરેક તબક્કે માનવ ચકાસણી ગેટ મૂક્યો છે.
• [ ] મેં દરેક AI ઉપયોગ માટેના નિર્ણયોનો રેકોર્ડ રાખ્યો છે.
• [ ] મેં માન્ય સાધન અને ડેટા વર્ગીકરણ નિયમોનું પાલન કર્યું છે; મેં સંવેદનશીલ ડેટાને સુરક્ષિત/માસ્ક કર્યો છે.
• [ ] મેં નિર્ણાયક નેવિગેશન/મશીનરી સિસ્ટમ્સને અલગ કરી અને રીડન્ડન્સી ક્ષમતા જાળવી રાખી.
• [ ] મેં ખાતરી કરી છે કે સુરક્ષા-નિર્ણાયક નિર્ણયો સક્ષમ વ્યક્તિ દ્વારા લેવામાં આવે છે અને તે AI મંજૂરીનો વિકલ્પ નથી.

મોડ્યુલ પરીક્ષા

1. દરિયાઈ વિસ્તારમાં કૃત્રિમ બુદ્ધિ માટે નીચેનામાંથી કયું સ્થાન સૌથી સચોટ છે?

• A) કૃત્રિમ બુદ્ધિ એ નિર્ણયને સમર્થન આપવાનું સાધન છે; રૂટ કન્ફર્મેશન, દાવપેચ અને મશીનરીના નિર્ણયો જેવા સલામતી-જટિલ નિર્ણયો માટેની જવાબદારી કેપ્ટન અને ચીફ એન્જિનિયરની રહે છે ✔
• બી) કૃત્રિમ બુદ્ધિ સમુદ્રમાં માણસો કરતાં વધુ વિશ્વસનીય હોવાથી, માર્ગ અને દાવપેચના નિર્ણયો તેના પર છોડી દેવા જોઈએ.
• C) આર્ટિફિશિયલ ઇન્ટેલિજન્સ માત્ર ટેક્સ્ટના સારાંશમાં કામ કરે છે, તેને નેવિગેશન અને મશીન વર્ક સાથે કોઈ લેવાદેવા નથી
• ડી) આર્ટિફિશિયલ ઇન્ટેલિજન્સ ECDIS માં રૂટમાં પ્રવેશ કરી શકે છે અને માનવ મંજૂરી વિના તેને એક્ઝિક્યુટ કરી શકે છે

વર્ણન: મેરીટાઇમ એ સુરક્ષા-નિર્ણાયક વિસ્તાર છે; આર્ટિફિશિયલ ઇન્ટેલિજન્સ એ નિર્ણય સહાયક સાધન છે જે રૂટ, ઇંધણ, હવામાન, દસ્તાવેજીકરણ, મશીન મોનિટરિંગ અને કાયદામાં સમય બચાવે છે. જો કે, તે કેપ્ટન અને મુખ્ય ઈજનેર છે જે દરિયાઈ સલામતી, પર્યાવરણ અને મિલકતની સુરક્ષા માટે કાયદેસર રીતે જવાબદાર છે; દાવપેચ, મશીન બંધ કરવું અને કટોકટીના નિર્ણયો માનવીય છે, અને કૃત્રિમ બુદ્ધિ આઉટપુટ સક્ષમ નિષ્ણાતની મંજૂરીનો વિકલ્પ નથી.

2. આર્ટિફિશિયલ ઇન્ટેલિજન્સ દ્વારા સૂચવવામાં આવેલ રૂટ વિકલ્પને અમલમાં મૂકતા પહેલા સૌથી મહત્વપૂર્ણ પગલું શું છે?

• A) ECDIS અને UKC માં નો-ગો એરિયા સામેનો માર્ગ તપાસો અને કેપ્ટન દ્વારા તેને મંજૂર કરો ✔
• બી) કૃત્રિમ બુદ્ધિમત્તા તેની ગણતરી કરે છે તેમ, વધારાની તપાસ ન કરતા, સીધા જ અમલમાં મૂકવું
• C) ખાતરી કરો કે તમે માત્ર સૌથી નાનું અંતર પસંદ કરો છો
• ડી) રૂટને બિલકુલ તપાસ્યા વિના સૌથી વધુ ઇંધણની બચત કરનાર પર સ્વિચ કરવું

વર્ણન: આર્ટિફિશિયલ ઇન્ટેલિજન્સ દ્વારા જનરેટ કરવામાં આવેલ રૂટ ડ્રાફ્ટ છે અને સત્તાવાર નકશા પર તેની ચકાસણી કરવામાં આવી નથી. ભરતી વખતે નો-ગો એરિયા અને સબ-કીલ ક્લિયરન્સ (UKC) માટે ECDIS ની તપાસ કર્યા વિના કોઈ રૂટ ચલાવવામાં આવતો નથી. સમય/ઈંધણની બચત આ સુરક્ષા પુષ્ટિ કરતાં ક્યારેય વધી શકે નહીં.

3. જ્યારે આર્ટિફિશિયલ ઇન્ટેલિજન્સ હોય ત્યારે ઇંધણ ઑપ્ટિમાઇઝેશન માટે વપરાશની આગાહી કરે છે ત્યારે સૌથી સચોટ અભિગમ શું છે?

• A) સામાન્ય જહાજનું મોડેલ ધારણ કરવું અને અવરોધ આપ્યા વિના સૌથી ઓછા ઇંધણ વપરાશ માટે પૂછવું
• બી) વહાણના વાસ્તવિક પ્રદર્શન વળાંક પર અંદાજને આધારે અને વ્યાપારી-કાનૂની અવરોધો આપવી ✔
• C) આર્ટિફિશિયલ ઇન્ટેલિજન્સ દ્વારા આપવામાં આવેલ પ્રથમ નંબરની ખરાઈ કર્યા વિના તેને લાગુ કરવો
• ડી) માત્ર ઝડપ ઘટાડવાનું પૂરતું છે; ચાર્ટર અને પોર્ટ વિન્ડો અપ્રસ્તુત છે

સમજૂતી: સામાન્ય 'જહાજ મોડેલ' ધારીને ઉત્પાદિત આગાહી તમારા જહાજ પર ગંભીર રીતે નારાજ થઈ શકે છે. અંદાજ જહાજના વાસ્તવિક પ્રદર્શન વળાંક (સમુદ્ર અજમાયશ અને સેવા ડેટા) પર આધારિત હોવો જોઈએ; વધુમાં, ચાર્ટર ન્યૂનતમ ઝડપ અને પોર્ટ વિન્ડો જેવા વ્યાપારી-કાનૂની પ્રતિબંધો આપવા જોઈએ. સ્થિરતા અને મશીન સ્વાસ્થ્યની મર્યાદા પર માનવ મંજૂરી સાથે ટ્રિમ/સ્પીડ ફેરફારો પણ લાગુ કરવામાં આવે છે.

4. કૃત્રિમ બુદ્ધિ દ્વારા ગણતરી કરાયેલ CII (કાર્બન તીવ્રતા સૂચક) મૂલ્ય વિશે શું કહી શકાય?

• A) સીધું સત્તાવાર CII રિપોર્ટ તરીકે જાહેર કરી શકાય છે
• બી) તે માત્ર એક આગાહી છે; અધિકૃત અહેવાલ મંજૂર પદ્ધતિ દ્વારા બનાવવામાં આવે છે અને અપ-ટૂ-ડેટ સ્ત્રોત સાથે પુષ્ટિ કરવી આવશ્યક છે ✔
• સી) તે હંમેશા સાચું છે કારણ કે કૃત્રિમ બુદ્ધિની ગણતરી માનવ કરતાં વધુ સારી છે
• ડી) ઉત્સર્જન થ્રેશોલ્ડ ક્યારેય બદલાયા ન હોવાથી પુષ્ટિની જરૂર નથી

સમજૂતી: CII જેવા ઉત્સર્જનના આંકડા માન્ય પદ્ધતિઓ અને ચકાસાયેલ ડેટા દ્વારા ઉત્પાદિત સત્તાવાર આઉટપુટ છે. આર્ટિફિશિયલ ઇન્ટેલિજન્સ દ્વારા આપવામાં આવેલ મૂલ્ય માત્ર એક આગાહી છે; જૂના ગુણાંકનો ઉપયોગ કરી શકે છે અથવા આભાસ પેદા કરી શકે છે. તેનો અધિકૃત અહેવાલ તરીકે ઉપયોગ કરી શકાતો નથી અને અપ-ટુ-ડેટ સત્તાવાર સ્ત્રોત સાથે તેની પુષ્ટિ થવી જોઈએ.

5. હવામાન અને દરિયાઈ સ્થિતિના મૂલ્યાંકનમાં કૃત્રિમ બુદ્ધિને સૌથી મૂલ્યવાન શું બનાવે છે?

• A) એક જ મોડેલ પર આધારિત અને ચોક્કસ તરંગ ઊંચાઈ આપવી
• બી) અનિશ્ચિતતા છુપાવવી અને દરેક આગાહીને નિશ્ચિતતા તરીકે રજૂ કરવી
• સી) વિવિધ મોડેલોની તુલના કરવી અને અલગતા અને અનિશ્ચિતતાને દૃશ્યમાન બનાવવી ✔
• ડી) તે સત્તાવાર દરિયાઈ ચેતવણીઓને બદલે છે અને તેમને બિનજરૂરી બનાવે છે.

સમજૂતી: હવામાનની આગાહી સંભવિત છે અને સૌથી મહત્વપૂર્ણ તીવ્રતા અનિશ્ચિતતા છે. AI સૌથી મૂલ્યવાન છે જ્યારે તે વિવિધ મોડેલોની તુલના કરે છે અને વિચલન (અને તેથી અનિશ્ચિતતા) દૃશ્યમાન બનાવે છે; આ સલામત બાજુ પર આયોજનની ખાતરી કરે છે. અનિશ્ચિતતાને છુપાવવી અને કેન્દ્રીય આગાહીને નિશ્ચિતતા તરીકે રજૂ કરવી જોખમી છે.

6. ક્રુઝ લોગ અથવા સત્તાવાર ઘટના અહેવાલ માટે કૃત્રિમ બુદ્ધિ સાથે સામગ્રી તૈયાર કરતી વખતે સતત સિદ્ધાંત શું છે?

• A) વાજબી રીતે અધૂરી રીતે યાદ રહેલ વિગતોને કૃત્રિમ બુદ્ધિમત્તા ધરાવવી
• બી) માત્ર વાસ્તવિક અવલોકન રેકોર્ડ કરવામાં આવે છે; કૃત્રિમ બુદ્ધિ ડેટા અથવા વિગતો બનાવી શકતી નથી, ખૂટતી જગ્યાઓ ચિહ્નિત છે ✔
• C) જો ટેક્સ્ટ અસ્ખલિત છે, તો કૃત્રિમ બુદ્ધિમત્તા દ્વારા ઉમેરવામાં આવેલી સંખ્યાઓ અને ઘટનાઓ ચકાસણી વિના સ્વીકારવામાં આવે છે.
• ડી) આર્ટિફિશિયલ ઇન્ટેલિજન્સ સમય અને સ્થાનની માહિતીનો અંદાજ લગાવી શકે છે, અવલોકનની જરૂર નથી

સમજૂતી: અધિકૃત રેકોર્ડ્સ કાનૂની પુરાવા છે અને તેમની સામગ્રી સત્યને બરાબર અનુરૂપ હોવી જોઈએ. આર્ટિફિશિયલ ઇન્ટેલિજન્સ સમય, સ્થાન, ઝડપ અને ઘટનાની માહિતીનું નિર્માણ કરી શકતું નથી; તમે જે વાસ્તવિક અવલોકન આપો છો તેનું તે યોગ્ય વાક્યમાં ભાષાંતર કરે છે. ખૂટતી જગ્યા 'વાજબી સાહિત્ય'થી ભરેલી નથી, તે ચિહ્નિત છે; ચોકસાઈ અને હસ્તાક્ષરની જવાબદારી માણસની છે. નહિંતર, દસ્તાવેજોની બનાવટી થવાનું જોખમ રહેલું છે.

7. લોડિંગ પ્લાનમાં જહાજની સ્થિરતા (GM) અને રેખાંશ શક્તિ કેવી રીતે નક્કી કરવી જોઈએ?

• A) આર્ટિફિશિયલ ઇન્ટેલિજન્સ દ્વારા આપવામાં આવેલ રફ GM અને ટ્રિમ વેલ્યુ પર આધાર રાખવો
• બી) મંજૂર લોડિંગ કમ્પ્યુટર પર ગણતરી અને મુખ્ય અધિકારી/કેપ્ટન દ્વારા મંજૂર ✔
• સી) અનુભવ દ્વારા અનુમાનિત, કોઈપણ સાધનોનો ઉપયોગ કર્યા વિના
• ડી) વજનના વિતરણને ધ્યાનમાં લીધા વિના માત્ર કુલ વજન જોવું

વર્ણન: સ્થિરતા અને શક્તિ સલામતી માટે મહત્વપૂર્ણ છે; એક ભૂલ વહાણને તોડી શકે છે અથવા હલને નુકસાન પહોંચાડી શકે છે. આ ગણતરીઓ માત્ર માન્ય લોડિંગ કોમ્પ્યુટરમાંથી આવે છે અને મુખ્ય અધિકારી/કેપ્ટન દ્વારા મંજૂર કરવામાં આવે છે. AI દ્વારા આપવામાં આવેલ રફ જીએમ મૂલ્ય એ સત્તાવાર ગણતરી નથી; ઉદાહરણ તરીકે, તે મુક્ત પ્રવાહીની અસર ચૂકી શકે છે અને ખોટી રીતે જહાજને 'સુરક્ષિત' દેખાડે છે.

8. જોખમી કાર્ગો (IMDG) ના વિભાજન અને સ્ટેકીંગ નિયમોમાં કૃત્રિમ બુદ્ધિની ભૂમિકા શું હોવી જોઈએ?

• A) આર્ટિફિશિયલ ઇન્ટેલિજન્સ ચોક્કસ અલગ થવાનો નિયમ આપે છે અને સ્ટેકીંગ પ્લાન સીધો લાગુ થાય છે
• બી) ભેદભાવના નિયમો કૃત્રિમ બુદ્ધિના સામાન્ય જ્ઞાન દ્વારા નક્કી કરવામાં આવે છે, કોઈ ઔપચારિક કોડની જરૂર નથી
• સી) આર્ટિફિશિયલ ઇન્ટેલિજન્સ માર્ગદર્શિકાઓ કયા વિભાગને જોવી; ચોક્કસ વિભાજન/સ્ટેકીંગ નિયમ સત્તાવાર IMDG કોડમાંથી પુષ્ટિ થયેલ છે ✔
• ડી) ખતરનાક લોડ માટે કોઈ અલગતા નિયમની જરૂર નથી, તે બધા એકસાથે સ્ટેક કરી શકાય છે

સમજૂતી: જો કેટલાક જોખમી પદાર્થો બાજુમાં મૂકવામાં આવે છે, તો તેઓ પ્રતિક્રિયા આપી શકે છે અને આગ અથવા વિસ્ફોટનું કારણ બની શકે છે. AI તમને યાદ કરાવી શકે છે કે કયો UN નંબર અને IMDG વિભાગ જોવો; જો કે, ચોક્કસ વિભાજન/સ્ટેકીંગ નિયમ સત્તાવાર IMDG કોડમાંથી પુષ્ટિ થયેલ હોવો જોઈએ. AI જૂનો અથવા ખોટો નિયમ આપી શકે છે, તેથી સત્તાવાર કોડ અંતિમ નિર્ણય નક્કી કરે છે.

9. જ્યારે AI મશીન સેન્સર ડેટામાં વિસંગતતા દર્શાવે છે (ઉદાહરણ તરીકે, સિલિન્ડરના એક્ઝોસ્ટ તાપમાનમાં વિચલન) ત્યારે કેવી રીતે કાર્ય કરવું જોઈએ?

• એ) સિગ્નલને ચોક્કસ ખામી ગણવામાં આવે છે અને સાધન તરત જ બંધ કરવામાં આવે છે.
• બી) સિગ્નલ એક પૂર્વધારણા છે; તે સંદર્ભમાં મૂલ્યાંકન કરવામાં આવે છે, ભૌતિક રીતે ચકાસવામાં આવે છે અને નિદાન-જાળવણીનો નિર્ણય મુખ્ય ઇજનેર પાસે રહે છે ✔
• C) વધારાની ચકાસણીની જરૂર નથી કારણ કે આર્ટિફિશિયલ ઇન્ટેલિજન્સ તે કહે છે
• ડી) જો આર્ટિફિશિયલ ઈન્ટેલિજન્સ કંઈ ન કહે, તો એવું માનવામાં આવે છે કે સાધન એકદમ સ્વસ્થ છે.

સમજૂતી: આર્ટિફિશિયલ ઇન્ટેલિજન્સ કહે છે કે 'એક વિસંગતતા/માલફંક્શન છે' એ એક પૂર્વધારણા છે, નિદાન નથી. વિચલનનું પ્રથમ સંદર્ભમાં મૂલ્યાંકન કરવામાં આવે છે (શું તે લોડ, હવા, ગતિમાં ફેરફાર હોઈ શકે છે), પછી તે ભૌતિક રીતે ચકાસવામાં આવે છે (ગેજ રીડિંગ, સાધનોની તપાસ) અને નિદાન-જાળવણીનો નિર્ણય મુખ્ય ઈજનેર પાસે રહે છે. વધુમાં, આર્ટિફિશિયલ ઇન્ટેલિજન્સનું મૌન 'કોઈ સમસ્યા નહીં'ની ગેરંટી નથી.

10. જ્યારે એન્જિન રૂમમાં એક જ સમયે અનેક એલાર્મ (એલાર્મ ફ્લડ) વાગે ત્યારે આર્ટિફિશિયલ ઈન્ટેલિજન્સનો ઉપયોગ કેવી રીતે કરવો અને તેની મર્યાદા શું છે?

• A) કૃત્રિમ બુદ્ધિ મૂળ કારણ નક્કી કરે છે અને મશીનને બંધ કરવાનો નિર્ણય આપમેળે લે છે
• બી) કૃત્રિમ બુદ્ધિ મૂળ કારણ પૂર્વધારણા પેદા કરે છે; પૂર્વધારણા ભૌતિક રીતે ચકાસાયેલ છે અને રોકવા/દખલ કરવાનો નિર્ણય એન્જિનિયર પાસે રહે છે ✔
• સી) જો એક અલાર્મ શાંત થઈ જાય, તો અન્ય પણ પસાર થઈ જશે, ચકાસણીની કોઈ જરૂર નથી.
• D) ટાઇમસ્ટેમ્પ ખોટા હોવા છતાં પણ AI નું મૂળ કારણ રેન્કિંગ સચોટ છે

વર્ણન: ખામી ઘણીવાર ગૌણ એલાર્મ્સની સાંકળને ટ્રિગર કરે છે; મૂળ કારણ એકલ છે. AI ટાઇમસ્ટેમ્પ્ડ એલાર્મ લોગ દ્વારા સૉર્ટ કરી શકે છે અને મૂળ કારણની પૂર્વધારણા જનરેટ કરી શકે છે. જો કે, આ પૂર્વધારણા ભૌતિક સૂચકાંકો દ્વારા ચકાસવી આવશ્યક છે, અને મશીનને રોકવા અથવા સલામતી સફરને અક્ષમ કરવા જેવા નિર્ણયો માનવ ઇજનેરનો છે; સ્વયંસંચાલિત થઈ શકતું નથી.

11. જ્યારે SOLAS જેવા કાયદામાં ચોક્કસ લેખ નંબર અથવા સંખ્યાત્મક થ્રેશોલ્ડ જરૂરી હોય ત્યારે AI નો ઉપયોગ કેવી રીતે કરવો જોઈએ?

• A) આર્ટિફિશિયલ ઇન્ટેલિજન્સ દ્વારા આપવામાં આવેલ આઇટમ નંબર અને થ્રેશોલ્ડ સીધા રિપોર્ટમાં લખવામાં આવે છે.
• બી) કૃત્રિમ બુદ્ધિ માર્ગદર્શિકાઓ; ચોક્કસ પદાર્થ અને થ્રેશોલ્ડ વર્તમાન સત્તાવાર સ્ત્રોતમાંથી વાંચવામાં અને પુષ્ટિ કરવામાં આવે છે ✔
• સી) નિયમો બદલાતા ન હોવાથી, આર્ટિફિશિયલ ઇન્ટેલિજન્સનું જ્ઞાન હંમેશા અદ્યતન રહે છે.
• ડી) 'કૃત્રિમ બુદ્ધિમત્તાએ આવું કહ્યું' કહેવું એ ઓડિટીંગમાં માન્ય આધાર છે

વર્ણન: આર્ટિફિશિયલ ઇન્ટેલિજન્સ ખાતરીપૂર્વક આઇટમ નંબર, તારીખ અથવા થ્રેશોલ્ડ મૂલ્ય બનાવી શકે છે જે વાસ્તવમાં અસ્તિત્વમાં નથી (ભ્રામક), અને નિયમો સતત અપડેટ કરવામાં આવે છે. તેથી, AI નો ઉપયોગ માત્ર એક માર્ગદર્શિકા તરીકે થાય છે કે કયા કરાર/કોડ અને વિષયને જોવો; ચુકાદો હંમેશા વર્તમાન સત્તાવાર સ્ત્રોતમાંથી વાંચવામાં આવે છે. ઓડિટમાં, 'કૃત્રિમ બુદ્ધિમત્તાએ આવું કહ્યું'ની કોઈ માન્યતા નથી.

12. બ્રિજ અથડામણ ટાળવા (COLREG) દાવપેચના નિર્ણયમાં કૃત્રિમ બુદ્ધિ/ઓટોમેશનની ભૂમિકા શું છે?

• A) સિસ્ટમ દાવપેચનો આદેશ આપે છે અને અધિકારી તેનો અમલ કરે છે
• બી) સિસ્ટમ લક્ષ્યોને પ્રાધાન્ય આપે છે અને ધ્યાન દોરે છે; દાવપેચનો નિર્ણય COLREG ના માળખામાં અધિકારી અને કેપ્ટનનો છે ✔
• સી) એઆઈએસ પર આધાર રાખવા માટે તે પૂરતું છે; રડાર અને વિઝ્યુઅલ કન્ફર્મેશન જરૂરી નથી
• ડી) અધિકારી નિયંત્રણ છોડી શકે છે કારણ કે ઓટોમેશન વિશ્વસનીય રીતે કામ કરે છે

વર્ણન: આધુનિક સિસ્ટમો CPA/TCPAની ગણતરી કરી શકે છે અને લક્ષ્યોને પ્રાથમિકતા આપી શકે છે; અધિકારીનું ધ્યાન દોરવામાં આ મૂલ્યવાન છે. જો કે, દાવપેચ કરવાનો નિર્ણય - કેટલી ડિગ્રી, ક્યારે, કઈ દિશામાં - કોલરેગ અને સારી દરિયાઈ પ્રેક્ટિસના માળખામાં ઘડિયાળના અધિકારી અને કેપ્ટનનો છે. તંત્ર ભલે 'સુરક્ષિત રીતે પસાર થાઓ' કહે તો પણ અથડામણની જવાબદારી તે અધિકારીની છે જેણે દાવપેચ કર્યો કે ન કર્યો.

13. શા માટે બ્રિજ પર 'ઓટોમેશન સંતુષ્ટિ' (ઓટોમેશન પર વધુ પડતી નિર્ભરતા) ખતરનાક છે?

• એ) તે ખતરનાક નથી; જો સિસ્ટમ વિશ્વસનીય છે, તો દૃષ્ટિની જોવાની જરૂર નથી.
• બી) તે માનવ ધ્યાન ઘટાડે છે અને એક સ્ત્રોત પર નિર્ભરતા બનાવે છે; ખોવાયેલો ડેટા જેમ કે AIS વગરની બોટ ચૂકી જશે ✔
• C) તે માત્ર એટલા માટે સમસ્યા છે કારણ કે તે બળતણનો વપરાશ વધારે છે.
• ડી) ફક્ત જૂના જહાજો પર જ જોવા મળે છે, આધુનિક પુલ પર કોઈ જોખમ નથી

સમજૂતી: સિસ્ટમો ભરોસાપાત્ર રીતે કામ કરતી હોવાથી, માનવ ધ્યાન ઘટી શકે છે અને નિયંત્રણ છોડી શકાય છે. જ્યારે AIS વગરની નાની હોડી માત્ર રડાર અને આંખોને જ દેખાય છે; સિસ્ટમ અપૂર્ણ ડેટા સાથે કામ કરે છે. તેથી, રડાર, AIS, ECDIS અને આંખે એકબીજાને ક્રોસ-કન્ફર્મ કરવું જોઈએ અને જ્યારે સ્ત્રોતોને અલગ કરવામાં આવે ત્યારે સૌથી ખતરનાક અર્થઘટનને આધાર તરીકે લેવું જોઈએ.

14. એઆઈ ટૂલમાં જહાજનું સ્થાન, કાર્ગો મેનિફેસ્ટ અથવા ક્રૂની માહિતી દાખલ કરતા પહેલા કયો સિદ્ધાંત લાગુ પડે છે?

• A) ઝડપ માટે સંવેદનશીલ ડેટા સીધા જ જાહેર સેવામાં પેસ્ટ કરી શકાય છે
• બી) ડેટા વર્ગીકરણ બિનજરૂરી છે; કોઈપણ ડેટા કોઈપણ વાહનમાં દાખલ કરી શકાય છે
• સી) સંવેદનશીલ ડેટાની પ્રક્રિયા ફક્ત માન્ય, સુરક્ષિત સાધનોમાં જ કરવામાં આવે છે અને જ્યારે જરૂરી હોય ત્યારે માસ્ક કરવામાં આવે છે; જટિલ સિસ્ટમો અલગ છે ✔
• ડી) ક્રૂ અને કોમર્શિયલ ડેટા સંવેદનશીલ નથી અને તેને સુરક્ષિત રાખવાની જરૂર નથી

સમજૂતી: AI ટૂલ પર અપલોડ કરવામાં આવેલ ડેટા નિયંત્રણમાંથી બહાર નીકળી શકે છે. રૂટ, કાર્ગો વિગતો, વ્યાપારી કરારો અને ક્રૂ વ્યક્તિગત ડેટા સંવેદનશીલ છે; તે ફક્ત માન્ય, સલામત વાહનોમાં જ પ્રક્રિયા થવી જોઈએ અને જ્યાં જરૂરી હોય ત્યાં માસ્ક પહેરવો જોઈએ. 'સુવિધા માટે' જાહેર સેવામાં સંવેદનશીલ ડેટા પેસ્ટ કરવો એ સુરક્ષા અને ગોપનીયતાનો ગંભીર ઉલ્લંઘન છે. વધુમાં, નિર્ણાયક નેવિગેશન/મશીનરી સિસ્ટમ્સને અલગ કરવામાં આવે છે.

15. અભિયાનની શરૂઆતથી અંત સુધી સતત અને સુરક્ષિત રીતે AI નો ઉપયોગ કરવાની સૌથી અસરકારક રીત કઈ છે?

• A) એક સ્તરીય ફ્રેમવર્ક સ્થાપિત કરો જે દરેક તબક્કે માનવ ચકાસણી ગેટ અને નિર્ણય રેકોર્ડ મૂકે ✔
• બી) અભિયાનના તમામ નિર્ણયો એક જ AI ટૂલને સોંપવા અને અંત પર એક નજર નાખવી
• C) ઝડપ માટે મધ્યવર્તી ચકાસણીઓ દૂર કરો અને માત્ર આગમન પર જ તપાસો
• ડી) દરેક અધિકારી નિર્ણયોનો રેકોર્ડ રાખ્યા વિના પોતાના વાહનનો મુક્તપણે ઉપયોગ કરી શકે છે.

વર્ણન: સફરને એક સાંકળ તરીકે માનવામાં આવે છે, જેમાં માનવ ચકાસણી દરવાજો અને સંક્રમણની સ્થિતિ દરેક તબક્કે મૂકવામાં આવે છે (આયોજન, હવા, કાર્ગો, મશીનરી, દસ્તાવેજીકરણ, કાયદો, પુલ); તમે બીજા દરવાજામાંથી પસાર થયા વિના એક દરવાજામાંથી પસાર થઈ શકતા નથી. દરેક દરવાજો નિર્ણયનો રેકોર્ડ છોડી દે છે. આ સ્તરીય માળખું એકલ AI ભૂલને અભિયાન અથવા અહેવાલમાં લીક થવાથી અટકાવે છે અને ઓડિટમાં સંરક્ષણ પ્રદાન કરે છે.