નફો:
- જીઓમેટિક્સ વર્કફ્લોના કયા પગલાઓ વાસ્તવિક સમય બચાવે છે અને કયા નિર્ણયો સક્ષમ એન્જિનિયરની મંજૂરી સાથે રહેવા જોઈએ તે પારખવામાં સક્ષમ હોવાને કારણે
- એક શિસ્ત અમલમાં મૂકવાની ક્ષમતા કે જે દરેક AI આઉટપુટને તીવ્રતાના ક્રમ, જીઓડેસિક પ્રશંસનીયતા અને ભૂપ્રદેશ/સંસાધન પુરાવા સાથે ક્રોસ-વેલિડેટ કરે છે
- સંકલન/ડેટમ મૂંઝવણ, આભાસ અને વ્યક્તિગત ડેટાની ગોપનીયતાના જોખમોને ઓળખીને અને સંદર્ભને અનામી કરીને સુરક્ષિત પ્રોમ્પ્ટ સેટ કરવાની આદત મેળવો.
જીઓમેટિક્સ એન્જિનિયરિંગ એ એન્જિનિયરિંગની શાખા છે જે પૃથ્વી અને તેના પરની વસ્તુઓની સ્થિતિને માપે છે, પ્રક્રિયા કરે છે, વિશ્લેષણ કરે છે અને નકશા બનાવે છે. આ વ્યવસાય કોઓર્ડિનેટ્સ, મિલિમીટરથી સેન્ટિમીટરની ચોકસાઈ, મિલકતની સીમાઓ અને સત્તાવાર દસ્તાવેજો સાથે કામ કરે છે; તેથી ભૂલો ખર્ચાળ છે. આ એકમમાં, અમે સ્થાપિત કરીએ છીએ કે આર્ટિફિશિયલ ઇન્ટેલિજન્સ (ટૂંકમાં AI: સૉફ્ટવેર સિસ્ટમ્સ કે જે ટેક્સ્ટ, છબીઓ અને ડેટા પર પ્રક્રિયા કરી શકે છે અને માનવ જેવા જવાબો ઉત્પન્ન કરી શકે છે) જીઓમેટિક્સ વર્કફ્લોમાં વાસ્તવિક સમય બચાવે છે, જ્યાં તે જોખમી છે અને દરેક આઉટપુટને કેવી રીતે ચકાસવું. ચાલો તેને શરૂઆતથી કહીએ: કૃત્રિમ બુદ્ધિ એ સહાયક છે, જો કે તે કોઓર્ડિનેટ્સ ઉત્પન્ન કરે છે, સક્ષમ એન્જિનિયર નિર્ણય અને સહી કરે છે.
પ્રથમ, ચાલો સ્પષ્ટ કરીએ કે વ્યવસાય અને AI ક્યાં છેદે છે. જીઓમેટિક્સ પ્રોજેક્ટ સામાન્ય રીતે નીચેના પગલાંઓમાંથી પસાર થાય છે: ડેટા સંગ્રહ (GNSS, કુલ સ્ટેશન, UAV, LiDAR સાથે જમીનનું સર્વેક્ષણ), ડેટા પ્રોસેસિંગ (કાચા અવલોકનને કોઓર્ડિનેટમાં રૂપાંતરિત કરવું, સંતુલન કરવું), વિશ્લેષણ (GIS/GIS સાથે અવકાશી પ્રશ્નો), ઉત્પાદન (નકશો, ઓર્થોફોટો, મોડેલ), વિતરણ (રિપોર્ટ, શીટ). આ સાંકળની દરેક કડીમાં આર્ટિફિશિયલ ઇન્ટેલિજન્સ વિવિધ સ્તરે કામ કરે છે: કેટલીક જગ્યાએ તે મુખ્ય કાર્ય કરે છે (ઉદાહરણ તરીકે, હજારો છબીઓનું વર્ગીકરણ કરવું), કેટલીક જગ્યાએ તે માત્ર ડ્રાફ્ટ્સ (રિપોર્ટ ટેક્સ્ટ) બનાવે છે, અને કેટલીક જગ્યાએ તે એક સહાયક છે જેના પર બિલકુલ વિશ્વાસ ન કરવો જોઈએ (કેડસ્ટ્રલ બોર્ડરનું ચોક્કસ મૂલ્ય).
સિદ્ધાંત જે એઆઈને શું આપવું તે નક્કી કરે છે
તમે દરેક AI કાર્યના જોખમને એક વાક્યમાં માપી શકો છો: આઉટપુટનું જોખમ એ નુકસાન જેટલું જ છે જો તે આઉટપુટ ખામીયુક્ત હોય. સાહિત્યના સારાંશમાં નાની ભૂલ લગભગ હાનિકારક છે; જો કે, અરજીના કોઓર્ડિનેટ્સમાં 20 સેમીની ભૂલનો અર્થ થાય છે (જમીન પરના પ્રોજેક્ટમાં પોઈન્ટને ચિહ્નિત કરવું) એટલે ખોટી જગ્યાએ પાયો નાખ્યો, પડોશી પાર્સલ પર ભરાઈ ગયેલી ઇમારત અને કોર્ટમાં વિવાદ. તેથી અમે સંભવિત નુકસાન અનુસાર ચકાસણીની તીવ્રતાને માપીએ છીએ.
આ કોંક્રિટ બનાવવા માટે, ચાલો વસ્તુઓને ત્રણ ડોલમાં તોડીએ:
વ્યવસાય પ્રકાર
AI ની ભૂમિકા
ચકાસણી ઘનતા
ઉદાહરણ
ઓછું જોખમ/સહાયક
મૂળ ઉત્પાદક
હલકો (સમીક્ષા)
માપની નોંધોને કોષ્ટકોમાં રૂપાંતરિત કરવી, રિપોર્ટ ડ્રાફ્ટ
મધ્યમ જોખમ/ડ્રાફ્ટ
પ્રવેગક
માધ્યમ (નમૂનો નિયંત્રણ + તર્ક)
જમીન કવરનું પ્રાથમિક વર્ગીકરણ, કોડ જનરેશન
ઉચ્ચ જોખમ/જટિલ
તે માત્ર એક વિચાર આપે છે
ભારે (સંપૂર્ણ સ્વતંત્ર ચકાસણી)
કેડસ્ટ્રલ બોર્ડર, એપ્લિકેશન, એલિવેશન વેલ્યુ, ડેટમ કન્વર્ઝન
આ ટેબલ રીફ્લેક્સ હોવું જોઈએ: જ્યારે તમે AI આઉટપુટ મેળવો છો, ત્યારે તમે પહેલા પૂછો છો કે "આ કઈ બકેટમાં છે?" ', પછી તે મુજબ તમારી ચકાસણી ઊર્જા ખર્ચ કરો.
ચકાસણી શિસ્ત: ત્રણ ફિલ્ટર્સ
જીઓમેટિક્સમાં, દરેક AI આઉટપુટને ત્રણ ફિલ્ટર દ્વારા પસાર કરો.
- તીવ્રતા નિયંત્રણ. શું સંખ્યા વાજબી શ્રેણીમાં છે? Türkiye માં બિંદુનું ED50/UTM પૂર્વીય મૂલ્ય આશરે 6 અંક મીટર છે; રેખાંશની શ્રેણી -180 થી +180 સુધી; પાર્સલનો વિસ્તાર ચોરસ મીટરમાં છે. જો AI એ અપેક્ષિત 6-અંકના યોગ્ય મૂલ્ય માટે 3-અંકનું પરિણામ પરત કર્યું, તો તમે જાણશો કે જવાબની સામગ્રી વાંચ્યા વિના ભૂલ હતી. આ સૌથી સસ્તું અને સૌથી શક્તિશાળી સ્ટ્રેનર છે.
- જીઓડેટિક/અવકાશી બુદ્ધિગમ્યતા. શું પરિણામ ભૌતિકશાસ્ત્ર અને ભૂમિતિ સાથે સુસંગત છે? બે પડોશી બિંદુઓ વચ્ચેનું અંતર નકારાત્મક હોઈ શકતું નથી; બંધ બહુકોણના આંતરિક ખૂણાઓનો સરવાળો ચોક્કસ મૂલ્યમાં કન્વર્જ થવો જોઈએ; બફર ઓપરેશનનું પરિણામ ઇનપુટ ભૂમિતિ કરતાં મોટું હોવું આવશ્યક છે. જો એઆઈએ એવું કંઈક કહ્યું જે તાર્કિક રીતે અશક્ય છે, તો તેને દૂર કરવામાં આવે છે.
- સ્વતંત્ર પુરાવા. AI એ ન જોઈ હોય તેવા સ્ત્રોત સાથે આઉટપુટની તુલના કરો: જાણીતું નિયંત્રણ બિંદુ, ગ્રાઉન્ડ ટ્રુથ, સત્તાવાર દસ્તાવેજ, બીજી પદ્ધતિની ગણતરી. આનું ઉદાહરણ એક સંદર્ભ સાથે પરિવર્તન પરિણામનું પરીક્ષણ છે જેના કોઓર્ડિનેટ્સ પહેલેથી જ જાણીતા છે.
ટીપ: ત્રણ ફિલ્ટર્સને ક્રમમાં લાગુ કરો, પરંતુ પહેલા બેને ક્યારેય છોડશો નહીં; કારણ કે ઓર્ડર અને બુદ્ધિગમ્યતા તપાસમાં સેકન્ડ લાગે છે અને મોટાભાગની ભૂલો તેઓ સ્વતંત્ર પુરાવા પર જાય તે પહેલાં પકડી લે છે.
કોઓર્ડિનેટ, ડેટમ અને ગોપનીયતા: ભૂસ્તરશાસ્ત્ર માટે વિશિષ્ટ મુશ્કેલીઓ
સામાન્ય AI જોખમો ઉપરાંત, આ વ્યવસાયમાં તેના માટે અનન્ય બે મુખ્ય મુશ્કેલીઓ છે. પ્રથમ સંકલન/ડેટમ મૂંઝવણ છે. ડેટમ એ પૃથ્વીની સપાટીનું પ્રતિનિધિત્વ કરતી ગાણિતિક સંદર્ભ સપાટી છે (દા.ત. WGS84, ED50, ITRF); સમાન ભૌતિક બિંદુ વિવિધ ડેટામ્સમાં વિવિધ સંખ્યાઓ સાથે વ્યક્ત કરવામાં આવે છે, અને આપણા દેશમાં કેટલાક સ્થળોએ તેમની વચ્ચેનો તફાવત મીટર હોઈ શકે છે. જો તમે સ્પષ્ટ ન કરો કે તમે કયા ડેટમ વિશે વાત કરી રહ્યાં છો, તો AI એક ધારણા બનાવે છે અને ચૂપચાપ તેને ખોટી સિસ્ટમમાં ફેરવે છે. બીજું, વ્યક્તિગત ડેટા અને મિલકતની ગોપનીયતા: કેડસ્ટ્રલ રેકોર્ડ્સમાં માલિકનું નામ, ઓળખ નંબર, ચોક્કસ સ્થાન હોય છે; તેમને અનિયંત્રિત રીતે બાહ્ય મોડેલ પર મોકલવું એ કાયદા અને વ્યાવસાયિક નીતિશાસ્ત્ર બંનેની વિરુદ્ધ છે.
સાવધાન: વાસ્તવિક માલિકનું નામ, TR ID નંબર અથવા સંવેદનશીલ સુવિધાના ચોક્કસ કોઓર્ડિનેટ્સ પ્રોમ્પ્ટમાં પેસ્ટ કરતા પહેલા રોકો. અનામી બનાવો (નામ "મલિક-1", પાર્સલ "ટાપુ/પ્લોટ-એ" બનાવો) અથવા ઇન-હાઉસ/મંજૂર વાતાવરણનો ઉપયોગ કરો.
ત્રણ મિની કેસ: સંખ્યાઓ દ્વારા
કેસ 1 - રેન્ક ફિલ્ટર જીવન બચાવે છે. An intern had the AI project a point from a geographic coordinate and got a result of 4,281 m to the right. Türkiye માં, UTM અધિકાર મૂલ્યો 100,000-900,000 મીટર બેન્ડમાં છે; 4-અંકનું પરિણામ અશક્ય હતું. માત્ર ઓર્ડર તપાસ સાથે, ભૂલ તરત જ પકડાઈ ગઈ હતી કારણ કે મોડેલે ધાર્યું હતું કે આઉટપુટ ડિગ્રીને બદલે રેડિયન છે; સંકલનને CAD માં સ્થાનાંતરિત કરતા પહેલા સુધારેલ હતું.
કેસ 2 — ડેટમ ડ્રિફ્ટ. એક ટીમે જૂના નકશા (ED50)માંથી 12 કંટ્રોલ પોઈન્ટ લીધા અને ડેટમનો ઉલ્લેખ કર્યા વિના તેને "UTM માં કન્વર્ટ" તરીકે AI ને આપ્યા. ધારેલું મોડેલ WGS84; પરિણામો વ્યવસ્થિત રીતે ક્ષેત્રમાં GPS માપનથી આશરે 3-4 મીટર ખસેડવામાં આવ્યા. જ્યારે એક જાણીતા સંદર્ભ સાથે સરખામણી કરવામાં આવે છે, ત્યારે વ્યવસ્થિત તફાવત તરત જ સ્પષ્ટ થઈ ગયો હતો અને યોગ્ય પરિવર્તન પરિમાણો સાથે જોબનું પુનરાવર્તન કરવામાં આવ્યું હતું. એક-બિંદુના સ્વતંત્ર નિયંત્રણે સમગ્ર અભિયાનને સાચવ્યું.
કેસ 3 - ગોપનીયતા ભંગ અટકાવવા. એક ઓફિસ "અસંગતતાઓ શોધવા" માટે 850 પાર્સલના કેડસ્ટ્રલ ડેટાબેઝને બાહ્ય મોડેલમાં લોડ કરશે; કોષ્ટકમાં માલિકના નામ અને ઓળખ નંબરો હતા. ચેકલિસ્ટ માટે આભાર, તેઓએ પહેલા તેને અનામી કરી: વ્યક્તિગત કૉલમ દૂર કરવામાં આવ્યા હતા, માત્ર ભૂમિતિ અને વિસ્તારની માહિતી મોકલવામાં આવી હતી. વિશ્લેષણનો ફાયદો એ જ રહ્યો, વ્યક્તિગત ડેટા ક્યારેય બહાર આવ્યો નહીં.
નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ
નબળા પ્રોમ્પ્ટ:
આ કોઓર્ડિનેટ્સને UTMમાં કન્વર્ટ કરો અને રિપોર્ટ લખો.[કોઓર્ડિનેટ્સ]
શક્તિશાળી પ્રોમ્પ્ટ:
તમારી ભૂમિકા: જીઓમેટિક્સ ડેટા સહાયક. કાર્ય: SOURCE સિસ્ટમમાંથી નીચેના મુદ્દાઓને TARGET સિસ્ટમમાં રૂપાંતરિત કરો.- સ્ત્રોત CRS: EPSG:4326 (WGS84 geo, ડિગ્રી)- લક્ષ્ય CRS: EPSG:5256 (TUREF / TM33)- જો ત્યાં અસ્પષ્ટ અથવા ખૂટતી માહિતી હોય, તો કન્વર્ટ કરશો નહીં, અપેક્ષિત પોઈન્ટ માટે પહેલા પૂછો.- Sp6 અંક માટે જમણી ક્રમાંકિત કરો. નોંધ કરો કે જાણીતા નિયંત્રણ બિંદુની સરખામણીમાં આઉટપુટ માન્ય હોવું જોઈએ. ડેટા (અનામી): [ડોટ ટેબલ]
શક્તિશાળી પ્રોમ્પ્ટ સ્પષ્ટપણે સ્ત્રોત અને લક્ષ્યને જણાવે છે, અધૂરી માહિતી પર રોકવા માટે આદેશ આપે છે અને રેન્કની અપેક્ષા અને ચકાસણીની જવાબદારી ફરીથી લખે છે. આમ, આઉટપુટ વધુ સચોટ અને ઓડિટેબલ બંને છે.
ચાર નકલ કરી શકાય તેવા નમૂનાઓ
1) જોબ વર્ગીકરણ ફિલ્ટર:
નીચેના કાર્યને ત્રણમાંથી એક બકેટમાં મૂકો: (a) ઓછું જોખમ/સહાયક, (b) મધ્યમ જોખમ/ડ્રાફ્ટી, (c) ઉચ્ચ જોખમ/જટિલ. તમારું તર્ક અને સૂચવેલ ચકાસણી પગલાં લખો. કાર્ય: [નોકરીનું વર્ણન]
2) ક્રમ નિયંત્રણ વિનંતી:
નીચે પરિણામ ઉત્પન્ન કરતા પહેલા તીવ્રતાનો અપેક્ષિત ક્રમ (એકમ અને લાક્ષણિક શ્રેણી) લખો. જો પરિણામ આ શ્રેણીની બહાર છે, તો "રેન્જ ચેતવણી" જારી કરો અને ગણતરીની સમીક્ષા કરો. ઇનપુટ: [ડેટા]
3) પૂર્વ-અનામી સ્કેનિંગ:
શું નીચેના ટેક્સ્ટમાં વ્યક્તિગત ડેટા (નામ, ID નંબર, ટાઇટલ ડીડ માલિકની માહિતી, સંવેદનશીલ સ્થાન) અથવા ગોપનીય માહિતી શામેલ છે? જો એમ હોય તો, તેમને સૂચિબદ્ધ કરો અને અનામી સમકક્ષ સૂચવો. ટેક્સ્ટ બદલશો નહીં, ફક્ત તેની જાણ કરો. ટેક્સ્ટ: [ટેક્સ્ટ]
4) ચકાસણી યોજના જનરેટર:
નીચેના AI આઉટપુટ માટે વેરિફિકેશન સ્કીમ લખો: (1) રેન્ક ચેક, (2) જીઓડેસિક/અવકાશી બુદ્ધિગમ્યતા, (3) પુરાવાનો સ્વતંત્ર સ્ત્રોત. દરેક પગલા પર શું ધ્યાનમાં લેવામાં આવશે તે સ્પષ્ટ રીતે લખો. આઉટપુટ: [AI આઉટપુટ]
સામાન્ય ભૂલો
- ડેટામ/સીઆરએસનો ઉલ્લેખ કર્યા વિના કોઓર્ડિનેટ્સનું સંચાલન કરવું. સૌથી સામાન્ય અને સૌથી ખર્ચાળ ભૂલ; તે મીટર માટે શાંત સ્લિપેજનું કારણ બને છે.
- ચોકસાઈ માટે ભૂલથી પ્રવાહિતા. AI વિશ્વાસપૂર્વક અને સરસ રીતે લખે છે; આ સૂચવે નથી કે સામગ્રી સચોટ છે.
- રેન્ક ચેક બાયપાસ. વિભાજિત-સેકન્ડ નજર CAD માં પકડે તેવી ભૂલો લાવવી.
- નિયંત્રણ વિના વ્યક્તિગત/સંપત્તિ ડેટા મોકલવો. વાજબીપણું "કોઈપણ રીતે ઉપયોગી" ગોપનીયતાની જવાબદારીને દૂર કરતું નથી.
- એકલ AI આઉટપુટ પર નિર્ણાયક કાર્યનો આધાર. સ્વતંત્ર ચકાસણી વિના એપ્લિકેશન, કેડસ્ટ્રલ બોર્ડર અને એલિવેશન જેવા કામો સાથે આગળ વધવું.
- એવું વિચારીને કે તમે મોડેલને જવાબદારી ટ્રાન્સફર કરી રહ્યા છો. સહી અને જવાબદારી હંમેશા સક્ષમ ઈજનેર પાસે રહે છે.
સારાંશમાં
Artificial intelligence works with different weights at each step of the geomatics workflow; નિર્ણાયક બાબત એ છે કે દરેક મિશનના જોખમને ધ્યાનમાં લેવું: "જો કોઈ ભૂલ હોય તો હું શું ગુમાવું?" પ્રશ્ન કરો અને તે મુજબ ચકાસણીને માપો. ત્રણ ફિલ્ટર્સ (ડિગ્રી, બુદ્ધિગમ્યતા, સ્વતંત્ર પુરાવા) મોટાભાગની ભૂલોને સસ્તામાં પકડે છે. આ વ્યવસાય માટે વિશિષ્ટ બે મુખ્ય મુશ્કેલીઓ છે સંકલન/ડેટમ મૂંઝવણ અને વ્યક્તિગત/સંપત્તિ ડેટાની ગુપ્તતા; બંને શરૂઆતથી જ શિસ્તબદ્ધ પ્રોમ્પ્ટ સ્થાપિત કરીને સંચાલિત થાય છે. અંતિમ નિર્ણય અને સહી સક્ષમ ઈજનેર પાસે રહે છે.
એપ્લિકેશન કાર્ય
તમારા પોતાના વ્યવસાય (અથવા કાલ્પનિક)માંથી ત્રણ ભૌગોલિક કાર્યો પસંદ કરો: એક ઓછું જોખમ, એક મધ્યમ જોખમ, એક ઉચ્ચ જોખમ. દરેક માટે, લખો (1) તે કઈ બકેટમાં આવે છે, (2) AI ની ભૂમિકા, (3) ત્રણ ફિલ્ટર પગલાં તમે લાગુ કરશો. ઉચ્ચ જોખમવાળા કાર્ય માટે, તમે કયા સ્વતંત્ર પુરાવા (ચેકપોઇન્ટ, દસ્તાવેજ, બીજી પદ્ધતિ) સામે આઉટપુટનું પરીક્ષણ કરશો તે સ્પષ્ટપણે સ્પષ્ટ કરો.
ચેકલિસ્ટ
- [ ] મેં મિશનનું જોખમ "જો કોઈ ભૂલ હશે તો થશે તે નુકસાન" દ્વારા માપ્યું.
- [] મેં કાર્યને ઓછા/મધ્યમ/ઉચ્ચ જોખમવાળી બકેટમાં મૂક્યું છે.
- [ ] મેં પ્રોમ્પ્ટમાં સ્રોત અને લક્ષ્ય સંકલન સિસ્ટમ (ડેટમ/ઇપીએસજી) નો સ્પષ્ટ ઉલ્લેખ કર્યો છે.
- [ ] મેં રેન્ક ચેક દ્વારા પરિણામ પાસ કર્યું.
- [] મેં જીઓડેટિક/અવકાશી બુદ્ધિગમ્યતાનું પરીક્ષણ કર્યું.
- [ ] મેં ઓછામાં ઓછા એક સ્વતંત્ર પુરાવા સાથે તેની ચકાસણી કરી છે.
- [ ] મેં વ્યક્તિગત/માલિકીનો ડેટા અનામી રાખ્યો છે અથવા માન્ય વાતાવરણમાં કામ કર્યું છે.
- [ ] મેં અંતિમ નિર્ણય લીધો અને એન્જિનિયરની જવાબદારી પર હસ્તાક્ષર કર્યા.