רווחים:
- יכולת לאכוף כללי פרטיות כדי להגן על זכויות מינרלים, נתונים ספציפיים לאתר ורגישויות קהילתיות
- יכולת להפוך הזיות, אי ודאות וגבולות אחריות לבקרה תפעולית
- יכולת לקיים את השימוש ב-AI בהנדסה גיאולוגית עם דיסציפלינת אימות וממשל מקצה לקצה
היחידה הסופית של מודול זה מביאה את כל היחידות הקודמות תחת קורת גג אחת: הממשל של שימוש בבינה מלאכותית בהנדסה גיאולוגית באופן בר קיימא, בטוח ואתי. מיומנות טכנית בלבד אינה מספיקה; מהנדס גיאולוגי גם מגן על נתונים רגישים מבחינה מסחרית, מתחשב ברגישויות קהילתיות וסביבתיות, מתרגם הזיות ואי ודאות לבקרה תפעולית, ונוטל על עצמו את האחריות הסופית. יחידה זו הופכת חוקים מבולגנים לדיסציפלינה ישימה: מה אנחנו לא חולקים, באיזה תפוקה אנחנו סומכים ואיך, מה אנחנו עושים כשקורות טעויות, ואיך להפוך את כל זה להרגל קבוע.
גיאולוגיה היא מקצוע שהחלטותיו נוגעות לקילומטרים מתחת לאדמה, להשקעות של מיליוני דולרים ולעיתים לבטיחותן של קהילות שלמות. לכן האתיקה כאן אינה אידיאל מופשט, אלא כללים קונקרטיים המוטבעים בזרימת העבודה היומיומית. כשתסיים יחידה זו, תוכל להתאים כל טכניקה שלמדת לאורך המודול למסגרת ממשל ולהשתמש בבינה מלאכותית כמכפיל כוח מבוקר, לא מקור לסיכון.
פרטיות נתונים ורגישות לזכויות מינרלים
נתונים גיאולוגיים הם לרוב רגישים ביותר. קואורדינטות קידוח, ערכי ציונים, נתוני רזרבה ויעדי חיפוש הם סודות מסחריים ובדרך כלל שייכים לבעל זכויות המינרלים (חברה בעלת רישיון או מדינה). הזנת נתונים אלה לשירות AI חיצוני בלתי מבוקר מהווה שלושה סיכונים רציניים: סיכון תחרותי (מתחרה יכול לאתר גילוי), סיכון משפטי (הפרה של פרטיות ובעלות על נתונים), וסיכון קהילתי (דליפה מוקדמת של תגלית עלולה להוליד ספקולציות וסכסוכים).
הגישה הנכונה היא מרובדת. ראשית, אנונימיזציה של נתונים רגישים: החלפת קואורדינטות בפועל בערכים מייצגים, שם השדה בפועל ב-"שדה-A", ציונים בפועל בערכים מדורגים/ייצוגיים. שנית, במידת האפשר, השתמש בכלים מבוקרים מאושרים על ידי המוסד (סביבות פנימיות או מוגנות חוזית שבהן הנתונים אינם דולפים). שלישית, העיקרון של מינימום נתונים: שיתוף בכמות הנתונים הקטנה ביותר המספיקה למשימה, לא את כל מסד הנתונים. המהירות של פלט לעולם לא באה לפני סודיות הנתונים.
שימו לב: הערת "נתונים אלו חסויים" אינה מגינה על הנתונים. כתיבה שהיא חסויה ושיתוף כפי שהיא טומנת בחובה אותו סיכון כמו אי כתיבה כלל. הפרטיות מושגת על ידי אנונימיזציה של נתונים ושימוש באמצעים מבוקרים; לא בהצהרת כוונות.
הפיכת הזיות ואי ודאות לבקרה תפעולית
לאורך המודול ראינו הזיות (המודל מייצר מידע לא קיים כאילו הוא אמיתי) ואי ודאות שוב ושוב. ביחידה זו, אנו הופכים אותם מאזהרות מופשטות לבקרות קונקרטיות. שלושה בקרות תפעוליות נכנסות לפעולה עבור כל פלט AI:
אילוץ משאבים. הטלת כלל "על סמך הנתונים שאני נותן לך, אל תמציא" על המודל וסימון המקור לכל טענה. זה לא מסיים את ההזיה, אלא הופך אותה לגלויה.
כפיית אי ודאות. מבקש רמת ביטחון או טווח ולא אומדן נקודה בודדת. ההבחנה "ביטחון גבוה / בינוני / ספקולטיבי" מונעת מהמודל להתנהג כאילו הוא מדויק.
אימות עצמאי. שלושת העוגנים שאנו מבססים לאורך המודול - סדר גודל, סבירות גיאולוגית, עדויות בשטח - חלים על כל פלט. חישוב סטנדרטי ואישור מהנדס מתווספים גם לתפוקות קריטיות לבטיחות.
שלושת הפקדים הללו אינם מבטלים הזיות ואי ודאות; הופך אותם לניתנים לניהול, גלויים וניתנים לביקורת. זה ההבדל: סיכון בלתי מבוקר הוא מסוכן, גלוי וסיכון מנוהל הוא הרגיל של הנדסה.
מגבלות אחריות והסכמה אנושית
העיקרון הבלתי ניתן לשינוי של מודול זה הוא: בינה מלאכותית תומכת ומאיצה; האחריות על ההחלטה, הדיווח והתכנון נותרה בידי המהנדס הגיאולוגי המורשה. זו לא סיסמה, זו עובדה חוקית ואתית. דוח חתום, הערכת סיכונים ניתנה, תכנון מאושר - כל אלה הם באחריות מקצועית של אדם. "זה מה שה-AI אמר" אינו תירוץ הנדסי; בדיוק כמו שזה לא יכול להיות "זה מה שהמחשבון אמר".
משמעות הדבר היא כי אחריות אינה ניתנת להאצלה. גם אם המודל מייצר את הפלט, המהנדס שהופך את הפלט הזה להחלטה וחותם עליו אחראי לדיוק הפלט. לכן, כל פלט קריטי לאבטחה חייב להיות ניתן לביקורת (ניתן לעקוב, מקור ידוע), ניתן לאימות (נבדק על ידי חישוב בלתי תלוי) ומאושר על ידי אדם. השלישייה הזו היא שכבת הביטחון הסופית על כל טכניקה שאנו לומדים במהלך המודול.
טיפ: לפני החתימה על תדפיס, שאלו את עצמכם: "אם התדפיס הזה יתברר כשגוי, האם אוכל להגן על מה ביססתי את ההחלטה וכיצד הצדקתי אותה?" אם התשובה שלך היא "נוצר בינה מלאכותית", האימות עדיין לא הושלם.
שלושה מיני מארזים: לפי המספרים
מקרה 1 - מניעת דליפה. גיאולוג בחברת חיפושים עמד להעלות 1,200 שורות של טבלאות בדרגת קידוח אמיתיים לשירות חיצוני לא מבוקר לצורך ניתוח מהיר. המדיניות המוסדית נכנסה לפעולה וביקשה ממנו קודם כל להפוך את הנתונים לאנונימיים (להתאים את הקואורדינטות ולהסתיר את שם השדה). מאוחר יותר התברר שהערך המסחרי של אותה תגלית היה מיליוני דולרים; העמסה בלתי מבוקרת הייתה יכולה להיות דליפה רצינית מנקודת מבט תחרותית ומשפטית. האנונימיזציה ארכה כמה דקות, הערך ששמר עליה היה עצום.
מקרה 2 - אי ודאות הופכת לגלויה. בדו"ח מקור אחד, הצוות ביקש את תפוקת המודל ברמות ביטחון ולא בספרות בודדות. התברר שאזור שסומן "ספקולטיבי" התבסס למעשה על קידוח בודד; אזור זה לא נכלל בהערכה הכלכלית. אם לא היה לחץ אי-ודאות, הנחה אחת נשמעת הייתה נכנסת להחלטה של מיליון דולר כנתונים מוצקים.
מקרה 3 - אמון עם עקיבות. כשנשאל על המקור של כל נושא של דוח גיאוטכני בביקורת, הצוות הצליח להתחקות אחר כל ערך לנתוני הקלט, השיטה ושלב האישור הודות לרשומות עקיבות. אי התאמה קלה נמצאה בבעיה אחת, אך הסיבה וההשפעה השורשית זוהו ותוקנו תוך דקות. משמעת הממשל פתרה את השגיאה לפני שהפכה למשבר.
הנחיה חלשה / הנחיה חזקה
הנחיה חלשה:
נתח את כל נתוני הקידוח והציונים של החברה שלנו בתחום זה וספר לנו את יעד הכרייה הטוב ביותר. [קואורדינטות וציונים בפועל]
הנחיה עוצמתית:
אשמח לעזרה בניתוח חיפוש. כללי פרטיות:- קואורדינטות ושם האתר מייצגים ("אתר-A", ערכים מותאמים); אני לא חולק ערכים אמיתיים. - פשוט הסתמכו על הנתונים הטכניים שאני נותן; התאמת היווצרות/מינרל/גיל.- תנו הערות ברמת ביטחון (גבוה/בינונית/ספקולטיבית).- פרט את ההנחות שצריך לאמת בסופו של דבר ואת הנקודות שצריכות אישור בשטח. ההחלטה והאחריות הסופית היא שלי; אתה מייצר טיוטות ואפשרויות.
ארבע תבניות הניתנות להעתקה
1) בדיקת פרטיות מראש:
שקול את סיכון הפרטיות לפני מתן הנתונים הבאים לכלי AI: אילו שדות (קואורדינטה, ציון, שם אתר, חברה) הם רגישים וכיצד יש להפוך אותם לאנונימיים? מה אסור לחלוק לפי עיקרון הפחות נתונים? תן לי רשימת בדיקה.
2) הדמיית הזיות:
רשום כל טענה עובדתית (גיל, מבנה, מספר, מקור) בפלט זה בנפרד ולכל אחד: האם היא נתמכת בנתונים הנתונים, האם היא מסקנת או שאינה נתמכת? סמן בבירור את אלה שאינם מבוססים או שאינם ניתנים לאימות.
3) רשימת בדיקה לניהול אימות:
בדוק שלוש שכבות עבור פלט קריטי לאבטחה זה: (1) עקיבות - האם מקור, שיטה, גרסת דגם מתועדים? (2) אימות - האם זה נבדק מול חשבונות/סטנדרטים עצמאיים? (3) אישור אנושי - האם יש שלב אישור מהנדס מוסמך? סמן את החסרים.
4) הפרדת גבולות אחריות:
חלק את המשימה הזו לשניים: (א) עבודת נתונים/טיוטה שה-AI יכול לעשות בבטחה, (ב) נקודות שחייבות להיות החלטה וחתימה של מהנדס מורשה. ציין איזה אימות נדרש עבור כל פריט ב'.
ממד ממשל, סיכון ובקרה
גודל
סיכון עיקרי
בקרה תפעולית
פרטיות נתונים
תחרות/הדלפה משפטית
אנונימיזציה + רכב מבוקר + נתונים מינימליים
הזיה
מידע מפוברק נכנס לחתימה
אילוץ משאבים + בקרת קביעה
אי ודאות
ודאות כוזבת
אתגר רמת ביטחון/טווח
עקיבות
לא ניתן למצוא את סיבת השורש
רשומת מקור/שיטה/גרסה
אחריות
הבסיס להחלטה אינו נסבל
ניתן לביקורת + לאימות + הסמכה אנושית
קהילה/סביבה
דליפה מוקדמת, אובדן אמון
מעקב מדויק + שקיפות
טיפ: ראה את הממשל כמאיץ, לא כמכשול. כללי פרטיות, אימות ומעקב מבוססים הופכים משברים של שעות לתיקונים דקות כאשר מתעוררות בעיות; מגביר את האמינות והשימוש החוזר.
טעויות נפוצות
- ניסיון להבטיח חיסיון באמצעות הצהרת כוונות. כתיבת הערה "סודית" ושיתוף הנתונים כפי שהם אינם מגנים עליהם; אנונימיזציה ורכב מבוקר חיוניים.
- צמצום אי הוודאות לחד ספרתי. אם רמת האמון אינה נדרשת, הנחה חד-משמעית נכנסת להחלטה כאילו מדובר בנתונים מוצקים.
- עקיפת יכולת המעקב. ללא רשומת מקור ושיטה, לא ניתן לקבוע את הסיבה וההשפעה של שגיאה.
- העברת אחריות לרכב. "AI אמר כך" אינו תירוץ; החתימה וההחלטה שייכות למהנדס.
- התעלמות מרגישות קהילתית וסביבתית. הדלפות מוקדמות וחוסר שקיפות הורסים את האמון והרישיון החברתי.
לסיכום
- נתונים גיאולוגיים רגישים מבחינה מסחרית ומשפטית; הפרטיות מובטחת על ידי אנונימיזציה, אמצעים מבוקרים ועיקרון המינימום נתונים, לא על ידי הצהרת כוונות.
- הזיה ואי ודאות מתורגמים לשלושה בקרות תפעוליות: אילוץ משאבים, אכיפת אי ודאות, אימות עצמאי (שלושה עוגנים).
- לא ניתן להאציל אחריות; כל פלט קריטי לאבטחה חייב להיות בר ביקורת, בר אימות ומאושר על ידי אדם.
- ממשל תקין אינו מכשול אלא מאיץ; זה הופך משברים לתיקונים קטנים ומגביר את הביטחון.
- בינה מלאכותית היא מכפיל כוח מבוקר בהנדסה גיאולוגית; הבעלים של ההחלטה והחתימה הוא תמיד המהנדס המורשה.
משימת יישום
שקול מערך נתונים אמיתי אך מדויק (המכיל קואורדינטות וציון) מהעסק שלך. רשום רשימת בדיקה של אילו שדות תעשה אנונימי וכיצד עם תבנית "בדיקת הפרטיות מראש". לאחר מכן, במודול זה, בחר סוג פלט שאתה מחשיב כמסוכן ביותר (למשל שיפוע FS, נזילות, נפח משאבים), בדוק את שלוש השכבות (עקיבות, אימות, אישור אנושי) עם התבנית "רשימת בדיקה של ממשל אימות" וכתוב במשפט אחד כיצד תכסה נקודה שחסרה לך.
רשימת בדיקה
- [ ] אני מגן על נתונים גיאולוגיים רגישים באמצעות אנונימיזציה, אמצעים מבוקרים ועיקרון המינימום נתונים.
- [ ] אני מנהל הזיות ואי ודאות עם אילוץ משאבים, רמת אמון ושלושה אימותי עוגן.
- [ ] אני הופך כל פלט קריטי לאבטחה לביקורת, לאימות ומאושר על ידי אדם.
- [ ] אימצתי שהאחריות אינה ניתנת להעברה והחתימה נשארת אצל המהנדס.
- [ ] אני מיישם ממשל כמאפשר מהירות ואמון, שכבת הביטחון על גבי כל טכניקות המודול.
מבחן מודול
1. איזה מהבאים הוא העיקרון הבסיסי הקובע את הסיכון של פלט AI בהנדסה גיאולוגית?
- א) הסיכון של פלט שווה לנזק שהוא היה גורם לו פלט זה היה פגום; סולמות אימות בהתאם ✔
- ב) פלט AI הוא בדרך כלל בטוח מכיוון שהוא כתוב בצורה שוטפת ובטוחה
- ג) אימות מיותר כאשר נעשה שימוש במודל העדכני ביותר
- ד) אם הפלט מתייחס לתקן, אין צורך בשליטה נוספת
הסבר: הסיכון של פלט שווה לנזק שהוא יגרום אם פלט זה פגום. בעוד ששגיאה קלה בסיכום ספרות עלולה להיות לא מזיקה, טעות בגורם שיפוע של הערכת בטיחות או נזילות עלולה לגרום לאובדן חיים ולנזק לרכוש; כך שעוצמת האימות משתלמת עם נזק אפשרי.
2. מה הבעיה של 'אי-ייחוד' בהיפוך גיאופיזי מחייבת שימוש ב-AI?
- א) קבלה ישירה של הפרשנות הראשונה שהופקה על ידי המודל
- ב) צמצום הפרשנות על ידי חיבורה לנתוני באר, קידוחים ואילוצים גיאולוגיים ✔
- ג) בחר רק את הגרפיקה ברזולוציה הגבוהה ביותר.
- ד) נטישה מוחלטת של נתונים גיאופיזיים
הסבר: אותה מדידה גיאופיזית (למשל נתוני כבידה או התנגדות) יכולה להיות מתוארת על ידי יותר ממודל תת-קרקעי אחד שונה. אז פרשנות שהופקה על ידי AI אינה הנכונה היחידה; יש לצמצם אותו על ידי חיבור אילוצים עצמאיים כמו יומן הבאר, הקידוח וההקשר הגיאולוגי.
3. מהם השימושים ב-variogram ו-kriging בהערכת משאבים?
- א) צובע תמונות ליבה באופן אוטומטי
- ב) מתאים את מהירות מכונת הקידוח
- ג) הוא מגדיר את ההמשכיות המרחבית בין הדגימות ומעריך את הציון בלוקים ללא דגימה עם אי ודאות ✔
- ד) זה מעשיר פיזית את העפרה
תיאור: וריוגרמה היא מדד של המשכיות מרחבית המתארת כיצד דמיון הציונים פוחת ככל שהמרחק בין נקודות המדגם גדל. Kriging היא שיטה גיאוסטטיסטית המשתמשת במבנה זה כדי להעריך את הציון בבלוקים ללא דגימה יחד עם אי הוודאות של האומדן; מודל הבלוק בנוי על זה.
4. איזה שלב חיוני לפני ששוקלים מפת שינוי שהופקה על ידי חישה מרחוק אמינה?
- א) פלטת הצבעים של המפה צריכה להיות אסתטית.
- ב) התמונה הורדה ברזולוציה הגבוהה ביותר
- ג) בקרת שדה ודגימה בנקודות נבחרות עם אמת קרקע ✔
- ד) האנומליה מסומנת על ידי בינה מלאכותית
תיאור: אנליזה ספקטרלית נותנת חריגות המעידות על שינוי במינרלים, אך אלה עלולים להטעות עקב השפעות צמחייה, צל או אטמוספירה. המפה אינה נחשבת סופית ללא אמת קרקע ושליטה בשדה ובדגימות בנקודות נבחרות.
5. מדוע 'גורם הבטיחות' (FS) הוא עוגן אימות לתפוקת הבינה המלאכותית בניתוח יציבות שיפוע?
- א) כי זה רק מראה את עלות החפירה
- ב) רק בגלל שהוא מתאר את צבע השיפוע
- ג) מכיוון שהוא בודק פיזית את הסיכון לכשל על ידי מתן היחס בין הכוחות שמתנגדים ומחליקים את המגלשה ✔
- ד) כי יש לזה משמעות רק במסגרת מעבדה
הסבר: גורם הבטיחות הוא היחס בין הכוחות המתנגדים לגלישה לכוחות המחליקים; ערך FS קרוב או מתחת ל-1 מציין את הסיכון לכשל. גיאומטריית שיפוע או קבוצה של פרמטרים המוצעים על ידי ה-AI נבדקת פיזית על ידי יצירת FS על ידי חישוב שיווי משקל הגבול והשוואתו עם ספים סטנדרטיים.
6. מהי המטרה העיקרית בעת עיבוד תיאור ליבה בטקסט חופשי ('חום, בליה, אבן גיר שבורה, ורידי קלציט דלילים') עם AI?
- א) שכתוב אקראי של התצפית
- ב) הגדל אוטומטית את עומק הקידוח
- ג) מספור מחדש פיזית של הליבה
- ד) הפוך נתונים לשאילתות על ידי תרגום טקסט חופשי לא עקבי למינוחים סטנדרטיים ושדות מובנים ✔
תיאור: בינה מלאכותית ממירה תצפיות לא עקביות בשדה טקסט חופשי למינוחים סטנדרטיים ולשדות מובנים (ליתולוגיה, דרגת בליה, אי-רציפות, מינרל משני), מה שהופך את הנתונים לניתנים לשאילתה וניתנים להשוואה. עם זאת, הפרשנות הגיאולוגית מאושרת שוב על ידי המהנדס.
7. מדוע 'שלילי כוזב' קריטי במיוחד בפלט AI הכולל בטיחות חיים, כגון מיפוי רגישות למפולות?
- א) מכיוון שהוא מסווג את האזור המסוכן כבטוח וגורם לא לנקוט באמצעי זהירות וסיכונים לחיים/רכוש ✔
- ב) כי זה רק מגדיל את גודל קובץ המפה
- ג) רק בגלל שזה מגדיל את מספר העמודים של הדוח
- ד) כי תשלילים כוזבים אינם מזיקים תמיד
הסבר: שלילית כוזבת היא סיווג בטוח של אזור שהוא למעשה מסוכן; במקרה זה לא ננקטים אמצעי זהירות וקיים סיכון לאובדן חיים/רכוש. חיובי כוזב מביא לעלויות מיותרות. באזורי בטיחות חיים, הסף נבחר בקפידה כדי למזער שליליות כוזבות ונתמך באישור בשטח.
8. איזה עיקרון פיזיקלי הוא עוגן האימות המרכזי בעת הערכת תפוקת מודל זרימת מי התהום?
- א) הדגם מייצר פלט צבע
- ב) עמידה בשימור המוני (מאזן מים) וברמות באר תצפית ✔
- ג) סיים את הסימולציה בהקדם האפשרי
- ד) קובץ הדגם חייב להיות בפורמט החדש ביותר
תיאור: מודלים של מי תהום מבוססים על עקרון שימור המסה (מאזן המים): כמויות המים הנכנסות, היוצאות ואוגרות מהמערכת צריכות להיות עקביות. גם אם כיול המופעל על ידי בינה מלאכותית נראה טוב, אם מאזן המים לא נסגר או לא תואם את רמות באר התצפית, התפוקה לא אמינה.
9. איזו מגבלה יש לזכור במיוחד בעת הערכת חדירות עם למידת מכונה מיומן באר?
- א) המודל תקף אוטומטית בכל תחום ובכל ליתולוגיה
- ב) אין לדווח כלל על אי ודאות בתחזית.
- ג) מדידה ישירה וללא שגיאות של חדירות מבולי עץ
- ד) הקשר הנלמד הוא ספציפי לתנאי החינוך; ✔ אקסטרפולציה לאתרים שונים טומנת בחובה סיכונים וחייבת להיות מקושרת לבדיקות ליבה/באר ✔
הסבר: החדירות אינה נמדדת ישירות מבולי עץ; הקשר שנלמד על ידי המודל הוא ספציפי לתנאי הלחץ של נתוני האימון. יישום עיוור (אקסטרפולציה) לאתר אחר או ליתולוגיה לא מוכרת עלול לגרום לשגיאה גדולה; התפוקה צריכה להיות מקושרת למדידת ליבה ולבדיקת באר.
10. מדוע העקיבות חיונית בטיוטה של דוח גיאולוגיה שנוצר בינה מלאכותית?
- א) העקיבה מיותרת מכיוון שהיא רק מגדילה את גודל הקובץ
- ב) אין צורך לשמור תיעוד כי AI אף פעם לא עושה טעויות
- ג) לא ניתן לאבטח את הסיבה והאחריות אלא אם נרשמו הנתונים, השיטה ומקור המודל של כל בעיה ותביעה ✔
- ד) יש להימנע מעקיבות מכיוון שהיא מאטה את הדיווח
תיאור: הדוח מהווה בסיס להחלטה הנדסית; יש לשים לב מאילו נתונים, איזו שיטה ואיזו גרסת דגם מגיעה כל סוגיה, מפה וטענה. אחרת, כאשר מתרחשת שגיאה, לא ניתן לקבוע את שורש הסיבה וההחלטות המושפעות ולא ניתן להבטיח אחריות הנדסית.
11. מהי הגישה הנכונה בהזנת נתוני קידוח וציון ספציפיים לאתר לכלי AI כללי?
- א) הזנת הקואורדינטות והציונים בפועל בדיוק וקבלת התגובה המהירה ביותר
- ב) אנונימיזציה של קואורדינטות וערכים, עבודה עם ערכים מייצגים ושימוש רק בכלים מאושרים/מבוקרים ✔
- ג) טעינת כל מסד הנתונים של הפרויקט ואפשרות למודל ללמוד
- ד) שימו לב שהנתונים חסויים ושתפו אותם כפי שהם.
תיאור: קואורדינטות קידוח, ערכי ציונים ומידע רזרבה הם נתונים רגישים מסחרית ולעתים קרובות סודיים השייכים לבעל זכויות המינרלים. כניסה לשירות חוץ בלתי מבוקר יוצרת תחרות וסיכונים משפטיים. הגישה הנכונה היא לבצע אנונימיזציה של קואורדינטות/ערכים בפועל או עבודה עם ערכים מייצגים ולהשתמש רק בכלים מאושרים, הנשלטים על ידי מוסד.
12. מה המשמעות של 'בקרת סדר גודל' בחישוב הנדסי עם AI?
- א) הגדלת מספר המקומות העשרוניים של התוצאה
- ב) מדוד את הרזולוציה הגרפית של התוצאה
- ג) סטנדרטיזציה של צבע התוצאה
- ד) בדיקה בחישוב ידני מהיר אם התוצאה היא בערך בחזקת החזקה הצפוי של 10 ✔
תיאור: בדיקת סדר גודל היא בדיקה בחישוב ידני מהיר אם התוצאה נמצאת בערך בטווח הצפוי של 10. לדוגמה, כאשר צפויה מוליכות הידראולית של אקוויפר עבור חול, התוצאה היא קילומטר/יום במקום מטר/יום, מה שמעיד על יחידה או טעות עריכה מבלי להיכנס לפרטים.
13. מהי העדות המוצקה ביותר בעת אימות הפלט של מודל המסווג ליתולוגיה מיומני קידוח?
- א) בדיקת דגימת הליבה שנלקחה מאותו עומק ✔
- ב) הדגם בעל ציון ביטחון גבוה
- ג) הפלט מופק במהירות
- ד) תרשים היומן הוא רב צבעים
הסבר: יומנים הם מדידות עקיפות; העדות הישירה והמוצקה ביותר היא הבדיקה החזותית והמעבדתית של דגימת הליבה שנלקחה מאותו עומק. קידוח ליבה מספק את ההזדמנות להשוות את הפרשנות המבוססת על יומן של המודל עם אמת הקרקע.
14. איזו משפט הכי מדויק לגבי האחריות הסופית לשימוש ב-AI בהנדסה גיאולוגית?
- א) מכיוון ש-AI מייצר את הפלט, האחריות עוברת לחברת התוכנה
- ב) בינה מלאכותית מספקת תמיכה והאצה; האחריות להחלטה ולדיווח נותרת בידי מהנדס מורשה, הפלט חייב להיות בר אימות ואישור אנושי ✔
- ג) אישור מהנדס מיותר מכיוון שפלט הבינה המלאכותית תקף אוטומטית
- ד) האחריות מוטלת רק על צוות השטח, היא אינה נוגעת למהנדס המשרד
תיאור: AI הוא כלי רב עוצמה בעבודות תמיכה כגון עיבוד נתונים, יצירת שרטוטים והאצת גילוי; עם זאת, האחריות על הדוח החתום, הערכת הסיכונים והחלטת התכנון נותרה בידי המהנדס הגיאולוגי המורשה. התפוקות חייבות להיות ניתנות לביקורת, ניתנות לאימות ומאושרות על ידי אדם.