સિવિલ એન્જિનિયરિંગ, જવાબદારી અને નીતિશાસ્ત્રમાં AI નો પરિચય

નફો:

• જોખમ સ્પેક્ટ્રમ પર તફાવત કરવાની ક્ષમતા જ્યાં AI સલામત પ્રવેગક છે અને જ્યાં તે બાંધકામના કાર્યપ્રવાહમાં સલામતીનું જોખમ છે
• બિલ્ડિંગ સલામતીને અસર કરતી ગણતરીઓ અને નિર્ણયોમાં સક્ષમ એન્જિનિયરની મંજૂરી શા માટે કાનૂની અને વ્યવસાયિક રીતે ફરજિયાત છે તે સમજાવવાની ક્ષમતા.
• AI આઉટપુટને એક બ્લુપ્રિન્ટ ઇનપુટ તરીકે સ્થાન આપવાની ક્ષમતા, જે એન્જિનિયરિંગ જજમેન્ટના રિપ્લેસમેન્ટને બદલે થ્રી-લેયર કંટ્રોલને આધીન છે.

સિવિલ એન્જીનીયરીંગ એ એક વ્યવસાય છે જે તે માળખાને જાળવવા માટે જવાબદાર છે જેમાં લોકો રહે છે, કામ કરે છે અને સુરક્ષિત રીતે પસાર થાય છે. બીમની ક્ષણ, સ્તંભની બેરિંગ ક્ષમતા અથવા જાળવી રાખવાની દિવાલની ઉથલાવી દેવાની સલામતીની ખોટી ગણતરી કરવી; તે કાગળ પર નાની સંખ્યામાં ભૂલ જેવું લાગે છે, પરંતુ મેદાન પર તે જીવનનું નુકસાન, પતન અને વિનાશ તરફ દોરી શકે છે. જ્યારે આર્ટિફિશિયલ ઇન્ટેલિજન્સ (ટૂંકમાં AI: સૉફ્ટવેર કે જે ડેટામાંથી પેટર્ન શીખે છે અને ટેક્સ્ટ, કોડ અથવા ગણતરીઓનું ઉત્પાદન કરે છે) આ ઉચ્ચ જોખમવાળા ક્ષેત્રમાં પ્રવેશ કરે છે, ત્યારે તેને "જાદુઈ ઉકેલ" તરીકે નહીં પરંતુ એક શક્તિશાળી પરંતુ અનિવાર્ય નિયંત્રણ સહાયક તરીકે જોવું જોઈએ. આ એકમમાં, અમે ચર્ચા કરીશું કે એઆઈ ક્યાં વેગ આપી રહ્યું છે અને બાંધકામના કામોમાં તે ક્યાં જોખમી છે; અમે જોઈશું કે શા માટે જવાબદારી હંમેશા એન્જિનિયરની રહે છે અને કેવી રીતે નૈતિક-ગોપનીયતાની સીમાઓ જાળવવી.

એક વિશાળ ભાષા મોડેલ (એલએલએમ: એક પ્રકારનો AI જે ટેક્સ્ટના ખૂબ મોટા હિસ્સા પર પ્રશિક્ષિત છે જે આગળના શબ્દની આગાહી કરીને પ્રતિભાવ પેદા કરે છે) પ્રબલિત કોંક્રિટ કોડને "સમજતું" નથી; તે સમાન ગ્રંથોમાં જે પેટર્ન જુએ છે તે પૂર્ણ કરે છે. તેથી તે ખૂબ જ અસ્ખલિત, ખૂબ જ વિશ્વાસપાત્ર પરંતુ અચોક્કસ એકાઉન્ટ પેદા કરી શકે છે. ઇજનેરનું કામ આ પ્રવાહથી મૂર્ખ બન્યા વિના સ્વતંત્ર પુરાવા સામે આઉટપુટનું પરીક્ષણ કરવાનું છે.

એઆઈ ક્યાં વેગ આપે છે, તે ક્યાં જોખમી છે?

"જોખમ સ્પેક્ટ્રમ" પર બાંધકામની નોકરીઓ વિશે વિચારવું ઉપયોગી છે. એક છેડે ઓછા જોખમવાળા, પુનઃપ્રાપ્ત કરી શકાય તેવા કાર્યો છે: તકનીકી પેપરનો મુસદ્દો તૈયાર કરવો, ટેક્સ્ટનો સારાંશ આપવો, એક્સેલ ફોર્મ્યુલા લખવું, મીટિંગ મેમોમાં ફેરફાર કરવો. અન્ય આત્યંતિક પર ઉચ્ચ જોખમ, બદલી ન શકાય તેવા કાર્યો છે: લોડ-બેરિંગ સભ્યના ક્રોસ-સેક્શનને નિર્ધારિત કરવું, પાયાની ઊંડાઈની પુષ્ટિ કરવી, સ્કેફોલ્ડિંગ ગણતરી પર સહી કરવી.

એઆઈ એ સ્પેક્ટ્રમના ઓછા-જોખમના અંતે એક વાસ્તવિક પ્રવેગક છે: તે મિનિટથી સેકન્ડ લેતી વસ્તુને ઘટાડે છે અને જો તેમાં ભૂલો હોય તો પણ તે સરળતાથી સુધારી શકાય છે. ઉચ્ચ જોખમના અંતે, AI માત્ર એક ડ્રાફ્ટ જનરેટર છે; સક્ષમ એન્જિનિયરની સ્વતંત્ર ગણતરી અને હસ્તાક્ષર દ્વારા ચકાસણી વિના તેના આઉટપુટનું કોઈ મૂલ્ય નથી.

વ્યવસાય પ્રકાર

જોખમ સ્તર

AI ની ભૂમિકા

ફરજિયાત તપાસ

ડ્રાફ્ટ રિપોર્ટ/સ્પેસિફિકેશન

નીચું

જોડણી પ્રવેગક

સામગ્રી અને અવતરણ નિયંત્રણ

જથ્થાની પ્રારંભિક ગણતરી

મધ્યમ

ડ્રાફ્ટ જનરેટર

એકમ અને રેન્ક નિયંત્રણ

માનક/વસ્તુ શોધ

મધ્યમ

સંશોધન નકશો

સત્તાવાર ટેક્સ્ટમાંથી પુષ્ટિ

સ્થિર/પ્રબલિત કોંક્રિટ ગણતરી

ઉચ્ચ

ડ્રાફ્ટ દાખલ કર્યો

હેન્ડ એકાઉન્ટ + સોફ્ટવેર + સહી

OHS જોખમ આકારણી

ઉચ્ચ

પ્રથમ ડ્રાફ્ટ

નિષ્ણાત/OHS મંજૂરી

ધ્યાન આપો: "AI આ રીતે ગણતરી કરેલ" વાક્ય કોઈપણ કાનૂની અથવા વ્યાવસાયિક જવાબદારીને છીનવી લેતું નથી. સહી કરનાર એન્જિનિયરની જવાબદારી રહે છે. AI ને એક ઇન્ટર્ન રેમ્પિંગ અપ વર્કની જેમ વિચારો: તમને ડ્રાફ્ટ મળે છે, પરંતુ તમે દરેક લાઇનની દેખરેખ અને સહી કરો છો.

ત્રણ-સ્તરવાળી નિયંત્રણ માનસિકતા

એક જ વારમાં સુરક્ષા-નિર્ણાયક AI આઉટપુટ ક્યારેય સ્વીકારશો નહીં. ત્રણ-સ્તર નિયંત્રણ આદત સ્થાપિત કરો:

1. ઓર્ડર અને એકમ તપાસ: શું પરિણામ શારીરિક રીતે બુદ્ધિગમ્ય છે? શું એકમો ધરાવે છે? જો 30x30 cm કૉલમ માટે ક્ષમતા 12,000 kN છે, તો ક્યાંક ભૂલ છે.
2. સ્વતંત્ર ક્રોસ-વેલિડેશન: બંધ ફોર્મ્યુલા, હેન્ડ કેલ્ક્યુલેશન અથવા અલગ સોફ્ટવેર (દા.ત. સ્ટેટિક પ્રોગ્રામ, પાયથોન) વડે સમાન પરિણામનું પુનઃઉત્પાદન કરો. જો બે પાથ ઓવરલેપ થાય, તો વિશ્વાસ વધે છે.
3. માનક અને ચુકાદાની પુષ્ટિ: શું વપરાયેલ ગુણાંક, સૂત્રો અને મર્યાદા મૂલ્યો સંબંધિત માનક (TS 500, Eurocode, TBDY) થી શબ્દશઃ ચકાસવામાં આવ્યા છે? આખરી નિર્ણય સક્ષમ એન્જિનિયરનો છે.

આ ત્રણ સ્તરો પછીના તમામ એકમોની સામાન્ય કરોડરજ્જુ છે.

નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ

તમે કેવી રીતે AI ને સમાન કાર્ય કરવા માટે કહો છો તે આઉટપુટની ઓડિટેબિલિટી નક્કી કરે છે.

નબળા: "શું આ બીમ સલામત છે?" (સ્પેન, લોડ, વિભાગ, સામગ્રી, આધાર અનિશ્ચિત છે; AI અંદાજ ઉત્પન્ન કરે છે, તે નિયંત્રિત કરી શકાતું નથી.) મજબૂત: "6 મીટરના ગાળા સાથે સરળ રીતે સપોર્ટેડ રિઇનફોર્સ્ડ કોંક્રિટ બીમ માટે: - સમાનરૂપે વિતરિત લોડ g+q = 25 kN/m (ડિઝાઇન લોડ) - વિભાગ 30x60 C/50C, B350, 300 સેક્શન રિનફોર્સ્ડ લોડ મિડ-સ્પેન "બંધ સૂત્ર સાથે ડિઝાઇનની ક્ષણની ગણતરી કરો, સૂત્ર અને એકમોને અલગથી બતાવો. મધ્યવર્તી પગલાંઓ લખો જેથી હું હાથની ગણતરી દ્વારા પરિણામ ચકાસી શકું. જો તમે નિયમન ગુણાંક પસંદ કર્યો હોય, તો તે કઈ આઇટમ પર આધારિત છે તેનો ઉલ્લેખ કરો (હું પુષ્ટિ કરીશ)."

શક્તિશાળી પ્રોમ્પ્ટ; તેને ઇનપુટ, અવરોધો અને ચકાસી શકાય તેવા મધ્યવર્તી પગલાંની જરૂર છે. તેથી તમે AI ની આઉટપુટ લાઇનને લાઇન દ્વારા ચકાસી શકો છો.

વ્યવસાયિક નીતિશાસ્ત્ર અને ગોપનીયતા

AI નો ઉપયોગ માત્ર એક તકનીકી મુદ્દો નથી, તે એક નૈતિક મુદ્દો છે. ત્રણ સિદ્ધાંતો મહત્વપૂર્ણ છે:

ગોપનીયતા. પ્રોજેક્ટ યોજનાઓ, ખર્ચ ફાઇલો, કરારો અને વ્યક્તિગત ડેટામાં વેપારના રહસ્યો અને વ્યક્તિગત ડેટા (KVKK ના કાર્યક્ષેત્રમાં) હોઈ શકે છે. કોર્પોરેટ મંજૂરી અને યોગ્ય ડેટા હેન્ડલિંગ પોલિસી વિના ક્લાયન્ટના પ્રોજેક્ટને સાર્વજનિક AI સેવા પર અપલોડ કરવો એ ગંભીર ઉલ્લંઘન છે. જ્યારે જરૂરી હોય ત્યારે ડેટાને અનામી બનાવો (પ્રોજેક્ટનું નામ, સ્થાન, નામો દૂર કરો), એકાઉન્ટને કાર્ય કરવા માટે જરૂરી સંખ્યાત્મક ડેટા જ શેર કરો.

પારદર્શિતા. છુપાવો નહીં કે તમે AI નો લાભ લઈ રહ્યા છો; પરંતુ AI પર જવાબદારી ન નાખો. રિપોર્ટ માટે AI રૂપરેખા સાથે પ્રારંભ થાય તે ઠીક છે, તમારા પોતાના એન્જિનિયરિંગ ચુકાદા તરીકે અનઓડિટેડ AI આઉટપુટ રજૂ કરવું ઠીક છે.

યોગ્યતા મર્યાદા. AI તમને એવા ક્ષેત્રમાં આત્મવિશ્વાસની ભાવના આપી શકે છે જેમાં તમે નિષ્ણાત નથી. અસ્ખલિત લખાણમાં જીઓટેક્નિકલ ગણતરી ઉત્પન્ન કરવાથી તમે તે ક્ષેત્રમાં સક્ષમ બનશો નહીં. નિપુણતાની જરૂર હોય તેવા કાર્ય માટે, સંબંધિત નિષ્ણાતની સલાહ લો.

ટિપ: એન્ટરપ્રાઇઝ-વિશિષ્ટ, ડેટા-ફ્રી AI સોલ્યુશન્સ (ક્યાં તો હોસ્ટ ઇન-હાઉસ અથવા કોન્ટ્રાક્ટ મુજબ બાંયધરીકૃત ડેટા ગોપનીયતા) જાહેર સેવાઓ કરતાં ગોપનીય પ્રોજેક્ટ્સ પર વધુ સુરક્ષિત છે. તેનો ઉપયોગ કરતા પહેલા તમારી કંપનીની ડેટા પોલિસી જાણો.

ત્રણ મિની કેસ

કેસ 1 - ઝડપી ઉપયોગ. પ્રોજેક્ટ એન્જિનિયર એલિફ 2 કલાકમાં AI સાથે 40-પૃષ્ઠ તકનીકી સ્પષ્ટીકરણનો મુસદ્દો તૈયાર કરે છે; સામાન્ય રીતે તે 2 દિવસ લે છે. તે પછી, તે દરેક આઇટમને સ્ટાન્ડર્ડ પ્રમાણે તપાસે છે અને તેને 6 કલાકમાં પૂરી કરે છે. કુલ ઉપજ: આશરે 1.5 કામકાજી દિવસો. જોખમ ઓછું છે કારણ કે આઉટપુટ સંપૂર્ણપણે નિયંત્રિત છે.

કેસ 2 - ભૂલ પકડાઈ. સાઈટ મેનેજર મુરાતે AI પાસેથી રિટેઈનિંગ વોલ માટે રોલઓવર સેફ્ટી ગણતરીની વિનંતી કરી છે. AI સુરક્ષા નંબર 2.4 આપે છે. મુરત ગણતરી કરે છે: AI ને ગ્રાઉન્ડ થ્રસ્ટ ગુણાંક ખોટો મળ્યો, વાસ્તવિક સલામતી નંબર 1.1 છે. તેથી દિવાલ સરહદ પર છે. થ્રી-લેયર કંટ્રોલ પતનના જોખમને અટકાવે છે.

કેસ 3 - ગોપનીયતાનો ભંગ. ટેકનિકલ ઓફિસ કર્મચારી પ્રોજેક્ટની કિંમત ફાઇલ અપલોડ કરે છે જેના પર તેઓ જાહેર AI પર બિડ કરશે. ફાઇલમાં એકમ કિંમતો છે જે હરીફ કંપની સાથે શેર કરવી જોઈએ નહીં. આ કરાર અને KVKK બંને વિરુદ્ધ છે. ઉકેલ માત્ર જરૂરી આંકડાકીય ક્ષેત્રોને અજ્ઞાત રૂપે શેર કરવાનો હતો અથવા ઇન-હાઉસ ટૂલનો ઉપયોગ કરવાનો હતો.

નકલ કરી શકાય તેવા પ્રોમ્પ્ટ નમૂનાઓ

તમે નીચે આપેલા ત્રણ નમૂનાઓને તમારા પોતાના વ્યવસાયમાં અનુકૂળ બનાવીને તેનો ઉપયોગ કરી શકો છો.

જોખમ વર્ગીકરણ પ્રોમ્પ્ટ:"નિમ્નલિખિત કાર્યને બાંધકામના કાર્ય માટે જોખમના સ્પેક્ટ્રમ પર મૂકો: [કાર્ય લખો]. - વાજબીતા સાથે ઓછું / મધ્યમ / ઉચ્ચ જોખમ કહો - જો તે ઉલટાવી શકાય તેવું હોય તો તેનું મૂલ્યાંકન કરો, શું તેમાં જીવન / મિલકતની સલામતી શામેલ છે - આ કાર્યમાં AI ની યોગ્ય ભૂમિકા સૂચવો (પ્રવેગક / આ બ્લુપ્રિફિકેશનમાં ફક્ત આવશ્યક કાર્ય નિર્ભર છે) "

ગોપનીયતા/અનામીકરણ ચેક પ્રોમ્પ્ટ: "જો નીચે આપેલા ટેક્સ્ટમાં કોઈ ગોપનીય/વ્યક્તિગત ડેટા (પ્રોજેક્ટનું નામ, સ્થાન, નામ, એકમની કિંમત, TR/સંપર્ક) હોય તો તેને ટિક કરો કે જેને મારે તેને AI પર અપલોડ કરતા પહેલા દૂર કરવાની જરૂર છે અને એક અનામી સંસ્કરણ સૂચવો: [ટેક્સ્ટ પેસ્ટ કરો]ખાતાના જરૂરી આંકડાકીય ડેટાને કામ કરવા માટે માત્ર છોડો."

થ્રી-લેયર માન્યતા વિનંતી પ્રોમ્પ્ટ: "તમે ગણતરીનું પરિણામ લાવશો. મારા માટે આને ત્રણ સ્તરોમાં તપાસવા માટે: 1) તમે ઉપયોગ કરો છો તે ફોર્મ્યુલા અને દરેક મધ્યવર્તી પગલું એકમો સાથે લખો. 2) ઓર્ડર / કદની દ્રષ્ટિએ પરિણામ વાજબી છે કે કેમ તે જણાવો. 3) મને કહો કે કયા ધોરણમાંથી / તે સત્ય તરીકે રજૂ કરે છે. સ્ત્રોત તરીકે હું સત્યની પુષ્ટિ આપતો નથી. ડ્રાફ્ટ તપાસવામાં આવશે."

સામાન્ય ભૂલો

• ચોકસાઈ માટે AI ની અસ્ખલિત અને આત્મવિશ્વાસપૂર્ણ ભાષાને ભૂલવી.
• ચકાસણી વિના, એક પગલામાં સુરક્ષા-નિર્ણાયક એકાઉન્ટ સ્વીકૃતિ.
• "AIએ તેની ગણતરી કરી" કહીને AI પર દોષનો ટોપલો ઢોળવાનો પ્રયાસ કર્યો.
• મંજૂરી અથવા અનામીકરણ વિના બાહ્ય સેવા પર ગોપનીય પ્રોજેક્ટ ડેટા અપલોડ કરવો.
• તમે નિષ્ણાત ન હોવ તેવા ક્ષેત્રમાં એન્જીનિયરિંગ ચુકાદા માટે AI ને બદલીને.
• પ્રોમ્પ્ટને અનિશ્ચિત સમય માટે સેટ કરવું અને કોઈપણ મધ્યવર્તી પગલાં વિના અનિયંત્રિત આઉટપુટ મેળવવું.

સારાંશમાં

• AI એ ઓછા જોખમવાળા વ્યવસાયોમાં એક શક્તિશાળી પ્રવેગક છે; ઉચ્ચ-જોખમ, સલામતી-નિર્ણાયક કાર્યમાં, તે માત્ર નિરીક્ષણ કરવા માટેની બ્લુપ્રિન્ટ છે.
• જવાબદારી હંમેશા સક્ષમ એન્જિનિયરની છે જે સહી કરે છે; AI આને લઈ શકતું નથી.
• દરેક સુરક્ષા-નિર્ણાયક આઉટપુટને ત્રણ સ્તરોમાંથી પસાર કરો: રેન્ક/યુનિટ, સ્વતંત્ર ક્રોસ-વેલિડેશન, સ્ટાન્ડર્ડ અને અધિકારક્ષેત્રની માન્યતા.
• ઇનપુટ, અવરોધ અને ચકાસી શકાય તેવા મધ્યવર્તી પગલાં સાથે પ્રોમ્પ્ટ સેટ કરો.
• ગોપનીયતા, પારદર્શિતા અને યોગ્યતાની સીમા એ નૈતિક ઉપયોગના ત્રણ પાયાના પથ્થરો છે.
• ગોપનીય પ્રોજેક્ટ ડેટાને અનામી બનાવો અથવા સુરક્ષિત ઇન-હાઉસ ટૂલ્સનો ઉપયોગ કરો.

એપ્લિકેશન કાર્ય

તમારા પોતાના વ્યવસાયમાંથી વાસ્તવિક કાર્ય પસંદ કરો (એક અહેવાલ વિભાગ, જથ્થાનું બિલ, એક માનક આઇટમ શોધ). જોખમ સ્પેક્ટ્રમ (નીચા/મધ્યમ/ઉચ્ચ) પર આ કાર્યને પ્રથમ સ્થાન આપો. પછી AI ને "મજબૂત પ્રોમ્પ્ટ" ફોર્મેટમાં પૂછો અને આઉટપુટને ત્રણ સ્તરોની ચકાસણીને આધીન કરો: (1) રેન્ક/યુનિટ, (2) હાથની ગણતરી અથવા સ્વતંત્ર સ્ત્રોત, (3) પ્રમાણભૂત પુષ્ટિ. તમને મળેલી દરેક ભૂલ અને સુધારણાને એક વાક્યમાં લખો. છેલ્લે, તમે ઉપયોગ કરો છો તે ડેટામાં ગોપનીયતાનું જોખમ છે કે કેમ તે ધ્યાનમાં લો.

ચેકલિસ્ટ

• [ ] મેં જોખમ સ્પેક્ટ્રમ પર કાર્યને યોગ્ય રીતે મૂક્યું છે.
• [ ] મેં ઇનપુટ, અવરોધ અને ચકાસી શકાય તેવા મધ્યવર્તી પગલાં સાથે પ્રોમ્પ્ટ સેટ કર્યો છે.
• [ ] મેં પરિણામની રેન્ક અને એકમો તપાસ્યા.
• [ ] મેં પરિણામને સ્વતંત્ર રીતે (હાથની ગણતરી/સોફ્ટવેર/સ્રોત)માં ક્રોસ-વેરિફાઇ કર્યું.
• [ ] મેં સંબંધિત ધોરણમાંથી વપરાયેલ ગુણાંક અને મૂલ્યોની પુષ્ટિ કરી છે.
• [ ] મેં અંતિમ નિર્ણય સક્ષમ એન્જિનિયરની મંજૂરીને આધીન કર્યો.
• [ ] મેં ઉપયોગમાં લીધેલા ડેટામાં ગોપનીયતા/KVKK જોખમનું મૂલ્યાંકન કર્યું અને સાવચેતી લીધી.