लाभ:
- किसी परियोजना को अवधारणा से वितरण तक के चरणों में विभाजित करने और कृत्रिम बुद्धिमत्ता की भूमिका निर्धारित करने, सत्यापन को सक्रिय करने और प्रत्येक चरण में जिम्मेदार विशेषज्ञ की भूमिका निर्धारित करने की क्षमता।
- प्रत्येक चरण के अंत में जोखिम बकेट प्रश्न पूछना और अपने स्तर पर स्थानीय संयंत्र, कानून और लागत की पुष्टि करने में सक्षम होना।
- एआई को एकीकृत करने की क्षमता उत्पन्न होती है, मानव निर्णय लेता है, प्रत्येक महत्वपूर्ण आउटपुट सत्यापित होता है, एंड-टू-एंड वर्कफ़्लो में विशेषज्ञ सिद्धांतों के साथ हस्ताक्षर होते हैं
पिछली ग्यारह इकाइयों में, हमने एक-एक करके भागों को सीखा: अवधारणा, दृश्य, साइट विश्लेषण, संयंत्र, पानी, स्थिरता, तकनीक, प्रस्तुति, लागत, कानून। इस इकाई में हम उन सभी को एक वास्तविक परियोजना में जोड़ते हैं। इसका उद्देश्य एक ऐसा वर्कफ़्लो स्थापित करना है जो परियोजना की शुरुआत से लेकर उसके वितरण तक कृत्रिम बुद्धिमत्ता (एआई) का धाराप्रवाह और सुरक्षित रूप से उपयोग कर सके। वर्कफ़्लो अनुक्रमिक चरणों का समूह है जिसका अनुसरण कोई कार्य प्रारंभ से अंत तक करता है। यह इकाई एक सारांश नहीं है, बल्कि एक एकीकरण रिहर्सल है: प्रत्येक चरण में, जहां एआई तेज होता है, जहां यह रुकता है, कौन सा सत्यापन खेल में आता है।
नमूना परियोजना: जलधारा के किनारे 4 हेक्टेयर का सिटी पार्क
आइए उस प्रोजेक्ट पर विचार करें जिसका हमने पूरे मॉड्यूल में शुरू से अंत तक उल्लेख किया है। नगर पालिका बाढ़ के जोखिम वाले एक निष्क्रिय जलधारा तट को एक शहर के पार्क में बदलना चाहती है जो पानी को संरक्षित करता है और पड़ोस में उपयोगिता लाता है। बजट सीमित है, अवधि तीन महीने है, जलवायु हल्की-बरसात वाली है।
चरण 1 - रूपरेखा और अवधारणा (इकाइयाँ 1-2)। एआई के साथ परियोजना रूपरेखा और 6 थीम तैयार की जाती हैं; टीम ने "जल रेखा जो उस धारा को लौटाती है जिसे शहर भूल गया है" का विषय चुनता है और इसे सिद्धांतों में परिवर्तित करता है। AI टीमों में विविधता लाता है और उनका चयन करता है।
चरण 2 - क्षेत्र विश्लेषण (इकाई 4)। जीआईएस से ढलान, अभिविन्यास, जल प्रवाह प्राप्त किया जाता है; पदयात्रा का योग बनता है. एआई मापा डेटा + अवलोकन को संश्लेषित करता है और एक अवसर-बाधा सूची तैयार करता है। उपकरण से माप, संश्लेषण सत्यापित।
चरण 3 - जल और जलवायु रणनीति (इकाई 6)। YZ वर्षा उद्यान + बायोसवाल + पारगम्य मिट्टी के संयोजन का प्रस्ताव करता है; निपटान तर्क स्थापित किया गया है। आयाम निर्धारण का कार्य हाइड्रोलिक इंजीनियर को सौंपा गया है।
चरण 4 - प्लांट पैलेट (यूनिट 5)। एआई फीचर प्रोफ़ाइल और उम्मीदवार सूची तैयार करता है; टीम स्थानीय जलवायु क्षेत्र, आक्रामक सूची, विषाक्तता और पौधे की उपलब्धता के लिए प्रत्येक प्रजाति का सत्यापन करती है। असत्यापित प्रकार शामिल नहीं हैं.
चरण 5 - स्थिरता जांच (इकाई 7)। डिज़ाइन को जल-पारगम्यता-स्थानीय दर-छाया-जैव विविधता स्कोरकार्ड के माध्यम से पारित किया जाता है; कमजोर शीर्षकों में सुधार किया जाता है।
चरण 6 - दृश्य और तकनीकी (इकाइयाँ 3, 8)। एआई वायुमंडलीय छवियां और विस्तृत तर्क/सामग्री तुलना उत्पन्न करता है; स्केल शीट सीएडी में तैयार की जाती हैं, स्थिर विवरण इंजीनियर द्वारा तैयार किया जाता है।
चरण 7 - लागत और अनुसूची (इकाई 10)। एआई आइटम सूची और तालिका व्यवस्थित करता है; वास्तविक मात्रा और वर्तमान कीमतें दर्ज की जाती हैं, और रोपण के मौसम के अनुसार कार्य अनुसूची निर्धारित की जाती है।
चरण 8 - विधान और कार्यान्वयन (इकाइयाँ 9, 11)। अनुमति जांच सूची और संस्था के प्रश्न तैयार किए जाते हैं, अधिकारियों से वस्तुओं की पुष्टि की जाती है; प्रस्तुति तीन दर्शकों (नगर पालिका, पड़ोस के निवासियों, जूरी) के लिए अलग-अलग भाषाओं में डिज़ाइन की गई है।
युक्ति: प्रत्येक चरण के अंत में, एक प्रश्न पूछें: "क्या यह वितरण योग्य निम्न, मध्यम या उच्च जोखिम है; इसे कौन सत्यापित करेगा?" यह एकल प्रश्न संपूर्ण वर्कफ़्लो को सुरक्षित रखता है.
चरणों के बीच सुनहरा नियम
अंत-से-अंत प्रवाह में, हर चरण में तीन सिद्धांत दोहराए जाते हैं: (1) एआई विविधताएं और तेजी लाता है, मनुष्य चयन करता है और अपनाता है; (2) प्रत्येक संख्यात्मक/स्थानीय/सुरक्षा-महत्वपूर्ण आउटपुट सत्यापित है; (3) निर्णय और हस्ताक्षर सक्षम विशेषज्ञ के पास हैं। ये तीन सिद्धांत नहीं बदलते; केवल वह विषय बदलता है जिस पर उन्हें लागू किया जाता है।
तीन मिनी मामले
केस 1 - अंत-से-अंत गति। एक कार्यालय ने एआई-संचालित वर्कफ़्लो के साथ एक समान स्ट्रीम पार्क चलाया: अवधारणा और विश्लेषण 3 सप्ताह से 10 दिनों तक चला; जो समय बचाया गया वह विवरण और सत्यापन पर खर्च किया गया। डिलीवरी की गुणवत्ता में सुधार हुआ क्योंकि टीम को "उत्पादन" के बजाय "निर्णय" करने का समय मिला।
केस 2 - श्रृंखला सत्यापन। एक ही प्रोजेक्ट में, चार अलग-अलग एआई बग अलग-अलग चरणों में पकड़े गए: एक आक्रामक संयंत्र (यूनिट 5 सत्यापन), एक मनगढ़ंत नियामक खंड (यूनिट 11 सत्यापन), एक अतिरंजित छवि (यूनिट 3 चेक), एक लापता लागत आइटम (यूनिट 10 सूची)। कोई भी समर्पण तक नहीं पहुंचा; अनुशासन काम आया.
केस 3 - टीम परिवर्तन। एक टीम ने शुरू में बहुत सारी गलतियाँ कीं, यह सोचकर कि एआई "जादू है जो सब कुछ करता है।" एक बार जब उन्होंने जोखिम बकेट अनुशासन (यूनिट 1) को अपना लिया, तो उन्होंने सही स्तर पर एआई का उपयोग करना शुरू कर दिया: कम जोखिम पर मुफ़्त, मध्यम जोखिम पर मान्य, केवल उच्च जोखिम पर सहायक। कार्यकुशलता और आत्मविश्वास एक साथ बढ़े।
चार प्रतिलिपि योग्य टेम्पलेट
1) परियोजना रोडमैप:
आपकी भूमिका: परिदृश्य परियोजना समन्वयक। परियोजना: [विवरण, अवधि, बजट, जलवायु]। मुझे संपूर्ण वर्कफ़्लो रोडमैप दें: अवधारणा, विश्लेषण, जल रणनीति, संयंत्र, स्थिरता, दृश्य, तकनीकी, लागत, कानून, प्रस्तुति। प्रत्येक चरण में एआई की भूमिका निर्दिष्ट करें और कौन सा सत्यापन/विशेषज्ञ शामिल होगा।
2) चरण जोखिम लेखापरीक्षा का अंत:
जोखिम के लिए निम्नलिखित चरण [चरण और आउटपुट] के आउटपुट की जांच करें: निम्न/मध्यम/उच्च जोखिम वाले हिस्सों को अलग करें, प्रत्येक मध्यम/उच्च के लिए कौन और कैसे सत्यापित करें, उन अंतरालों की सूची बनाएं जिन्हें डिलीवरी से पहले बंद करने की आवश्यकता है।
3) डिलीवरी से पहले समग्र नियंत्रण:
डिलीवरी से पहले इस परियोजना की समग्र रूप से जांच करें: अवधारणा-डिज़ाइन स्थिरता, क्या स्थानीय संयंत्र सत्यापन किया गया है, क्या इंजीनियरिंग रणनीति को मंजूरी दी गई है, क्या लागत यथार्थवादी है, क्या कानून की पुष्टि की गई है, क्या दृश्य प्रतिनिधि हैं। अनुपलब्ध सत्यापन एक सूची में दिखाई देते हैं।
4) सबक सीखा:
जब यह परियोजना समाप्त हो जाए, तो एआई के उपयोग से सीखे गए सबक बताएं: किस चरण में एआई ने बहुत अच्छा काम किया, किस चरण में त्रुटि का जोखिम अधिक था, मुझे अगले प्रोजेक्ट में वर्कफ़्लो को कैसे सुधारना चाहिए? ठोस एवं क्रियाशील मदों में लिखें।
कमजोर संकेत/मजबूत संकेत
कमजोर संकेत:
मेरे लिए यह प्रोजेक्ट शुरू से अंत तक करो।
ये चाहत जो सब कुछ एक साथ चाहती है; यह एक असत्यापित, सतही और जोखिम भरा ढेर पैदा करता है।
शक्तिशाली संकेत:
आपकी भूमिका: परियोजना समन्वयक. परियोजना: धारा के किनारे 4 हेक्टेयर पार्क, 3 महीने, सीमित बजट, हल्की-बरसात वाली जलवायु, प्राथमिकता बाढ़ बफरिंग और पड़ोस का उपयोग। मेरे लिए चरण दर चरण वर्कफ़्लो उभरता है; प्रत्येक चरण में, (1) एआई का ठोस योगदान, (2) सत्यापन जो काम आएगा, और (3) जिम्मेदार विशेषज्ञ/प्राधिकरण को निर्दिष्ट किया जाना चाहिए। उच्च जोखिम वाले चरणों को अलग से चिह्नित करें। यह मत कहो कि "एआई किसी भी चरण को अपने आप पूरा करता है"।
सत्यापन और जिम्मेदारी असाइनमेंट के साथ प्रगतिशील संकेत एआई को एक सच्चे समन्वय उपकरण में बदल देता है।
शुरू से अंत तक भूमिका सारांश तालिका
मंच
एआई योगदान
सत्यापन
जिम्मेदार
संकल्पना
भिन्नता
बजट/जलवायु फ़िल्टर
डिज़ाइनर
विश्लेषण
संश्लेषण
फ़ील्ड + जीआईएस
क्षेत्र विश्लेषक
पानी/जलवायु
रणनीति
हाइड्रोलिक कैलकुलेटर
इंजीनियर
पौधा
उम्मीदवार सूची
स्थानीय सत्यापन
भूदृश्य वास्तुकार
तकनीकी
तर्क/पाठ
सीएडी + स्थिर
वास्तुकार/इंजीनियर
लागत
टेबल
वास्तविक मात्रा/कीमत
मात्रा सर्वेक्षक
विधान
सारांश/सूची
अधिकृत पुष्टि
सक्षम प्राधिकारी
प्रस्तुति
आख्यान
सत्यनिष्ठा जांच
डिज़ाइनर
सामान्य गलतियाँ
- एक ही अनुरोध में सब कुछ चाहना. अंत-से-अंत प्रवाह क्रमिक है; प्रत्येक चरण को अलग से सत्यापित किया जाता है।
- अंतिम चरण के जोखिम ऑडिट को छोड़ना। चरण परिवर्तन के दौरान त्रुटियाँ पकड़ी जाती हैं।
- प्रतिज्ञान एकत्रित करना और उन्हें अंतिम समय तक छोड़ना। स्थानीय संयंत्र, विधान एवं लागत की पुष्टि अपने स्तर पर की जानी चाहिए।
- एआई प्रवाह में मानवीय निर्णय को शामिल करना। चयन, स्वामित्व और हस्ताक्षर हर स्तर पर लोगों पर निर्भर है।
- सीखे गए पाठ को रिकार्ड नहीं करना। प्रत्येक प्रोजेक्ट अगले वर्कफ़्लो को बेहतर बनाने का एक अवसर है।
संक्षेप में
एंड-टू-एंड वर्कफ़्लो वह है जहां सभी पिछली इकाइयाँ एक ही प्रोजेक्ट में एक साथ आती हैं। एआई हर चरण में विविधता लाता है और तेजी लाता है; लेकिन हर स्तर पर लोग चुनते हैं, सत्यापित करते हैं और स्वामित्व रखते हैं। तीन अपरिवर्तनीय सिद्धांत प्रवाह को सुरक्षित रखते हैं: एआई उत्पादन करता है, मानव निर्णय लेता है, प्रत्येक महत्वपूर्ण आउटपुट सत्यापित होता है, हस्ताक्षर सक्षम विशेषज्ञ के पास होता है। परियोजना को चरणों में विभाजित करें, प्रत्येक चरण के अंत में जोखिम बकेट प्रश्न पूछें, अपने चरण में सत्यापन करें और प्रत्येक परियोजना से सीखें। इस प्रकार, एआई एक ऐसा भागीदार बन जाता है जो आपके पेशे को मजबूत करता है, कमजोर नहीं।
आवेदन कार्य
अपनी पसंद के वास्तविक प्रोजेक्ट के लिए "प्रोजेक्ट रोडमैप" टेम्पलेट के साथ एक एंड-टू-एंड वर्कफ़्लो बनाएं; प्रत्येक चरण के लिए सत्यापन करें और जिम्मेदारी सौंपें। फिर दो चरणों का चयन करें और उन्हें "चरण जोखिम ऑडिट का अंत" टेम्पलेट के साथ ऑडिट करें। अंत में, "समग्र प्री-डिलीवरी चेक" टेम्पलेट के साथ अपने लापता सत्यापनों को सूचीबद्ध करें।
चेकलिस्ट
- [ ] मैंने परियोजना को चरणों में विभाजित किया; मैंने प्रत्येक चरण के लिए सत्यापन किया और जिम्मेदारी सौंपी।
- [ ] मैंने प्रत्येक चरण के अंत में जोखिम बकेट प्रश्न पूछा।
- [ ] मैंने स्थानीय संयंत्र, कानून और लागत की पुष्टि अपने स्तर पर की।
- [ ] मैंने उच्च जोखिम वाले चरणों को विशेषज्ञ अनुमोदन से जोड़ा।
- [ ] मैंने अगले वर्कफ़्लो के लिए प्रोजेक्ट से सीखे गए पाठों को नोट किया।
मॉड्यूल परीक्षा
1. परिदृश्य वास्तुकला में कृत्रिम बुद्धिमत्ता के लिए निम्नलिखित में से कौन सी स्थिति सबसे सटीक है?
- ए) एआई एक त्वरक और ब्लूप्रिंट जनरेटर है; साइट, पारिस्थितिकी, सुरक्षा और नियामक निर्णयों की जिम्मेदारी मनुष्यों पर है ✔
- बी) आर्टिफिशियल इंटेलिजेंस अपने आप डिजाइन को पूरा और हस्ताक्षरित कर सकता है
- सी) आर्टिफिशियल इंटेलिजेंस केवल दृश्य निर्माण में काम करता है, इसका डिज़ाइन के अन्य चरणों से कोई लेना-देना नहीं है
- डी) चूंकि कृत्रिम बुद्धिमत्ता मनुष्यों की तुलना में अधिक उद्देश्यपूर्ण है, इसलिए विधायी निर्णय उस पर छोड़ दिए जाने चाहिए।
विवरण: आर्टिफिशियल इंटेलिजेंस एक विचार गुणक और ड्राफ्ट जनरेटर है जो अवधारणा, दृश्य, विश्लेषण और संचार को गति देता है; क्षेत्र की वास्तविकता, स्थानीय पारिस्थितिकी, सुरक्षा और कानूनी जिम्मेदारी सक्षम विशेषज्ञ के पास रहती है। इंजीनियरिंग और सुरक्षा-महत्वपूर्ण निर्णयों में, एआई विशेषज्ञ अनुमोदन का विकल्प नहीं है।
2. जब आप भूनिर्माण परियोजना पर निर्णयों को जोखिम स्तर के आधार पर विभाजित करते हैं, तो निम्नलिखित में से कौन सा 'उच्च जोखिम (विशेषज्ञ अनुमोदन आवश्यक)' श्रेणी में आएगा?
- ए) एक अवधारणा पाठ लिखना
- बी) एक मूडबोर्ड विचार बनाना
- सी) दीवार की स्थिति और बच्चों के खेल के मैदान की सुरक्षा बनाए रखना ✔
- डी) प्रेजेंटेशन शीर्षक सुझाव प्राप्त करना
विवरण: इंजीनियरिंग और सुरक्षा-महत्वपूर्ण मुद्दे जैसे कि दीवार की स्थिति को बनाए रखना, पेड़ की जड़-उपसंरचना संघर्ष, जहरीले/आक्रामक पौधे, और बच्चों के खेल के मैदान की सुरक्षा उच्च जोखिम वाले हैं; यहां कृत्रिम बुद्धिमत्ता केवल सहायक है, अंतिम निर्णय विशेषज्ञ का है। कॉन्सेप्ट टेक्स्ट और मूडबोर्ड कम जोखिम वाले हैं।
3. अवधारणा विकास चरण के दौरान कृत्रिम बुद्धिमत्ता का उपयोग करने का सबसे प्रभावी तरीका क्या है?
- ए) कई अलग-अलग थीम बनाना और उन्हें एक संदर्भ फ़िल्टर के माध्यम से पारित करके चुनना और गहरा करना
- बी) एक 'सर्वोत्तम अवधारणा' के लिए पूछना और इसे सीधे लागू करना
- सी) संदर्भ दिए बिना एक सामान्य अवधारणा के बारे में पूछना
- डी) बिना किसी आलोचना के अवधारणा को प्रस्तुत करना
स्पष्टीकरण: मानव मस्तिष्क पहले 2-3 विचारों पर केंद्रित रहता है। कृत्रिम बुद्धिमत्ता की वास्तविक शक्ति यह है कि यह कई अलग-अलग विषयों का निर्माण और तुलना करती है; चयन, गहनता और स्वामित्व मनुष्य का है। एक भी 'सर्वोत्तम' सिफ़ारिश मांगना उस शक्ति को बर्बाद करता है।
4. कृत्रिम बुद्धिमत्ता से निर्मित रेंडर (छवि) को ग्राहक के समक्ष प्रस्तुत करते समय कौन सा सिद्धांत आवश्यक है?
- ए) दृश्य को लागू किए जाने वाले एक निश्चित और सटीक दृश्य के रूप में प्रस्तुत किया जाता है।
- बी) एक दृश्य पैमाने के तकनीकी दस्तावेज़ पर विचार किया गया
- सी) दृश्य प्रतिनिधित्व वातावरण है; प्रामाणिकता के लिए निरीक्षण किया गया और तकनीकी शीट के साथ आपूर्ति की गई ✔
- डी) छवि बिना सत्यापन के सीधे एप्लिकेशन में स्थानांतरित कर दी जाती है
विवरण: कृत्रिम बुद्धिमत्ता दृश्य संचार और वातावरण का एक साधन हैं; यह पैमाने पर नहीं है और इसमें ऐसे तत्व शामिल हो सकते हैं जिन्हें वास्तविकता में स्थापित नहीं किया जा सकता है (अतिरंजित घनत्व, जलवायु से अपरिचित पौधे)। इसलिए, यह कहा जाना चाहिए कि यह एक 'प्रतिनिधि माहौल' है और इसे तकनीकी शीट के साथ प्रस्तुत किया जाना चाहिए।
5. क्षेत्र विश्लेषण में किसी भूखंड की औसत ढलान के बारे में कृत्रिम बुद्धिमत्ता से पूछना गलत क्यों है?
- ए) कृत्रिम बुद्धिमत्ता स्थितिगत माप नहीं कर सकती और संख्या बना सकती है; जीआईएस/फ़ील्ड माप से लिया गया माप ✔
- बी) कृत्रिम बुद्धिमत्ता ढलान की सही गणना करती है लेकिन धीमी है
- सी) ढलान एक महत्वहीन डेटा है, पूछने की कोई आवश्यकता नहीं है
- डी) आर्टिफिशियल इंटेलिजेंस केवल वर्ग मीटर की गणना कर सकता है, ढलान की नहीं, बल्कि दूरी की गणना कर सकता है
विवरण: कृत्रिम बुद्धिमत्ता कथानक को नहीं देखती है और स्थानिक माप नहीं कर सकती है; ऐसा प्रश्न एक विश्वसनीय लेकिन निराधार संख्या उत्पन्न कर सकता है। ढलान, क्षेत्र और दूरी जैसे माप जीआईएस या क्षेत्र सर्वेक्षण से लिए जाते हैं; आर्टिफिशियल इंटेलिजेंस का उपयोग केवल दिए गए मापे गए डेटा की व्याख्या करने के लिए किया जाता है।
6. पौधों के चयन में कृत्रिम बुद्धिमत्ता का उपयोग करने का सबसे महत्वपूर्ण नियम क्या है?
- ए) उम्मीदवार सूची में एआई का उपयोग करें और प्रत्येक प्रजाति को स्थानीय जलवायु, आक्रामक सूची, विषाक्तता और बाजार के साथ मान्य करें ✔
- बी) एआई द्वारा सुझाई गई सूची को सीधे प्रोजेक्ट में डालना, क्योंकि यह वैश्विक डेटा पर आधारित है
- ग) केवल उन प्रजातियों का चयन करना जो देखने में आकर्षक लगती हों
- डी) ऐसी प्रजातियों को प्राथमिकता देना जो व्यावहारिक हों क्योंकि वे बिना सत्यापन के तेजी से बढ़ती हैं।
स्पष्टीकरण: क्योंकि एआई वैश्विक औसत से सीखता है, यह जलवायु क्षेत्र, आक्रामक स्थिति, विषाक्तता और बाजार के बारे में गलत हो सकता है। इसलिए इसका उपयोग केवल उम्मीदवार सूची जनरेटर के रूप में किया जाता है; प्रत्येक प्रजाति को स्थानीय जलवायु क्षेत्र, आक्रामक प्रजातियों की सूची, विषाक्तता और पौधे की उपलब्धता के लिए सत्यापित किया जाता है। असत्यापित प्रकार प्रोजेक्ट में प्रवेश नहीं करता है.
7. तूफानी जल प्रबंधन में कृत्रिम बुद्धिमत्ता की भूमिका और इंजीनियर की भूमिका किस प्रकार भिन्न है?
- ए) आर्टिफिशियल इंटेलिजेंस रणनीति और क्षमता गणना दोनों को सुरक्षित रूप से करता है
- बी) कृत्रिम बुद्धिमत्ता रणनीति और प्लेसमेंट विचार उत्पन्न करती है; आयाम और क्षमता इंजीनियर गणना और अनुमोदन हैं ✔
- सी) इंजीनियर केवल रणनीति निर्धारित करता है, कृत्रिम बुद्धिमत्ता गणना करती है
- डी) आकार देना महत्वहीन है; जिस दिशा में पानी बहता है वह पर्याप्त है
विवरण: रेन गार्डन और बायोसवेल्स जैसे समाधानों का विचार और प्लेसमेंट डिज़ाइन निर्णय हैं, और कृत्रिम बुद्धिमत्ता यहां मदद करती है। हालाँकि, आकार, क्षमता और बाढ़ सुरक्षा के लिए हाइड्रोलिक गणना और इंजीनियर अनुमोदन की आवश्यकता होती है; कृत्रिम बुद्धिमत्ता प्रवाह दर/क्षमता की गणना नहीं कर सकती क्योंकि गलत आकार का मतलब बाढ़ या पतन है।
8. किसी डिज़ाइन की स्थिरता का मूल्यांकन करते समय सबसे सटीक दृष्टिकोण क्या है?
- ए) डिज़ाइन जितना हरा-भरा दिखता है, उतना ही टिकाऊ होता है
- बी) पानी, पारगम्यता, स्थानीय दर, छाया, रखरखाव और जैव विविधता जैसे मापने योग्य विषयों में स्थिरता का मूल्यांकन करना ✔
- ग) पौधों की संख्या बढ़ाना ही काफी है
- डी) रखरखाव लागत को ध्यान में रखे बिना गहन रोपण
स्पष्टीकरण: 'हरा दिखना' स्थिरता नहीं है; एक एकल-प्रजाति वाला हरा-भरा स्थान जो बहुत अधिक पानी की खपत करता है, पारिस्थितिक रूप से खराब और महंगा हो सकता है। सही दृष्टिकोण पानी, पारगम्यता, देशी प्रजातियों की दर, छाया, रखरखाव और जैव विविधता जैसे मापने योग्य विषयों पर स्थिरता स्कोर करना और कमजोर बिंदुओं में सुधार करना है।
9. तकनीकी ड्राइंग चरण में कृत्रिम बुद्धिमत्ता द्वारा दी गई रिटेनिंग दीवार के 'नमूना अनुभाग' में माप और सुदृढीकरण मूल्यों के लिए क्या किया जाना चाहिए?
- ए) मानों को सीधे प्रोजेक्ट में कॉपी किया जा सकता है क्योंकि एआई मानकों को जानता है
- बी) मूल्य प्रतिनिधि हैं; स्थैतिक विवरण जमीनी सर्वेक्षण और इंजीनियर गणना द्वारा निर्धारित किया जाता है, इसे सत्यापन के बिना ड्राइंग में शामिल नहीं किया जाता है
- सी) मूल्य केवल सौंदर्य प्रयोजनों के लिए हैं, उनका स्थैतिकता से कोई लेना-देना नहीं है
- डी) कृत्रिम बुद्धिमत्ता द्वारा प्रदान किया गया उपकरण मूल्य हमेशा सुरक्षित रहता है
स्पष्टीकरण: आर्टिफिशियल इंटेलिजेंस स्केल्ड/स्टैटिक चित्र तैयार नहीं करता है और इसके द्वारा प्रदान किए गए माप, उन्नयन और सुदृढीकरण मूल्य प्रतिनिधि हैं। स्थैतिक विवरण; यह जमीनी सर्वेक्षण और इंजीनियर गणना द्वारा निर्धारित किया जाता है। इन मानों को सत्यापन के बिना ड्राइंग में स्थानांतरित नहीं किया जा सकता है, यह सुरक्षा-महत्वपूर्ण विवरणों के लिए विशेष रूप से महत्वपूर्ण है।
10. एक ही भूदृश्य परियोजना को विभिन्न दर्शकों के सामने प्रस्तुत करते समय सबसे प्रभावी तरीका क्या है?
- ए) सभी के लिए एक ही तकनीकी पाठ प्रस्तुत करना
- बी) प्रभाव बढ़ाने के लिए बचत और लाभ के आंकड़ों को बढ़ा-चढ़ाकर बताना
- सी) प्रत्येक श्रोता को उनकी अपनी भाषा में यह बताने के लिए डिज़ाइन सार को अपनाना कि वे किस चीज़ की परवाह करते हैं ✔
- डी) केवल तकनीकी जूरी के लिए प्रेजेंटेशन तैयार करना पर्याप्त है।
विवरण: निवेशक को लागत और मूल्य की परवाह है, पड़ोस को दैनिक लाभ और सुरक्षा की परवाह है, जूरी को अवधारणा और तकनीक की परवाह है। प्रत्येक श्रोता को एक एकल डिज़ाइन सार समझाना जिसकी वे परवाह करते हैं, उस भाषा में जिसे वे समझ सकें; कृत्रिम बुद्धिमत्ता की फ़्रेम-अनुवाद शक्ति का लाभ उठाना सबसे प्रभावी तरीका है। सभी को एक ही भाषा में समझाना एक सामान्य गलती है।
11. कृत्रिम बुद्धिमत्ता द्वारा किसी पार्क की कुल लागत की सीधे गणना करना गलत क्यों है?
- ए) आर्टिफिशियल इंटेलिजेंस हमेशा मौजूदा बाजार कीमतों को जानता है
- बी) आर्टिफिशियल इंटेलिजेंस लागत की गणना करता है लेकिन केवल बड़ी परियोजनाओं पर गलत है
- सी) आर्टिफिशियल इंटेलिजेंस को परियोजना की वास्तविक लंबाई और मौजूदा कीमतों का पता नहीं है; दी गई राशि प्रतिनिधि है, प्रस्ताव नहीं ✔
- डी) लागत महत्वहीन है, डिजाइन की सुंदरता मायने रखती है
स्पष्टीकरण: आर्टिफिशियल इंटेलिजेंस न तो आपके प्रोजेक्ट की वास्तविक लंबाई जानता है और न ही वर्तमान स्थानीय इकाई की कीमतें; दी गई राशि पूर्णतः प्रतिनिधि है, कोई प्रस्ताव नहीं। सही तरीका यह है कि परियोजना डेटा से वास्तविक मात्रा और बाजार से इकाई मूल्य लिया जाए और कृत्रिम बुद्धिमत्ता से केवल तालिका को संपादित किया जाए।
12. कानून के संबंध में कृत्रिम बुद्धिमत्ता का उपयोग करते समय सबसे खतरनाक जोखिम और सही सावधानी क्या है?
- ए) चूंकि आर्टिफिशियल इंटेलिजेंस कानून को दिल से जानता है, इसलिए इसके लेखों पर भरोसा किया जा सकता है
- बी) विधान सार्वभौमिक है, स्थानीय पुष्टि की कोई आवश्यकता नहीं है
- C) आर्टिफिशियल इंटेलिजेंस द्वारा दिया गया आइटम नंबर हमेशा अपडेट रहता है।
- डी) कृत्रिम बुद्धिमत्ता अस्तित्वहीन पदार्थ का निर्माण कर सकती है; प्रत्येक प्रावधान की आधिकारिक अद्यतन स्रोत और प्राधिकारी से पुष्टि की जानी चाहिए ✔
विवरण: विधान स्थानीय, वर्तमान और व्याख्या के लिए खुला है; एआई एक गैर-मौजूद आइटम नंबर या नियम (मतिभ्रम) बना सकता है। सही सावधानी यह है कि किसी भी प्रावधान का सत्यापन किए बिना उसका उपयोग न किया जाए; यह कृत्रिम बुद्धिमत्ता का उपयोग केवल आपके द्वारा प्रदान किए गए आधिकारिक पाठ को सारांशित करने, अधिकारी के लिए एक चेकलिस्ट और प्रश्न तैयार करने और आधिकारिक वर्तमान स्रोत से वस्तुओं की पुष्टि करने के लिए करना है।
13. ग्राहक अनुबंध और पार्सल जानकारी जैसे डेटा के साथ कृत्रिम बुद्धिमत्ता के उपयोग पर कौन सा सिद्धांत लागू होता है?
- ए) सभी दस्तावेज़ वैसे ही अपलोड किए जा सकते हैं, क्योंकि गति महत्वपूर्ण है
- बी) अनुबंध डेटा एआई के लिए महत्वहीन है, इसे नजरअंदाज कर दिया जाता है
- सी) पार्सल जानकारी स्वतंत्र रूप से साझा की जा सकती है क्योंकि इसे व्यक्तिगत डेटा नहीं माना जाता है।
- डी) गोपनीय और व्यक्तिगत डेटा नियंत्रण के बिना साझा नहीं किया जाता है; यदि आवश्यक हो तो अज्ञात रूप से उपयोग किया जाता है ✔
स्पष्टीकरण: ग्राहक की पहचान, पार्सल जानकारी, अनुबंध और व्यक्तिगत डेटा को अनियंत्रित तरीके से कृत्रिम बुद्धिमत्ता उपकरणों पर अपलोड नहीं किया जाना चाहिए। यदि आवश्यक हो, तो डेटा को गुमनाम करके साझा किया जाता है। गोपनीयता उन प्रमुख नैतिक सिद्धांतों में से एक है जिस पर पूरे मॉड्यूल में जोर दिया गया है।
14. कृत्रिम बुद्धिमत्ता के साथ किसी परियोजना को शुरू से अंत तक चलाते समय तीन स्थिर सिद्धांत क्या हैं?
- ए) एक अनुरोध में सब कुछ अनुरोध करें, परिणाम सत्यापित करें, वितरित करें
- बी) आर्टिफिशियल इंटेलिजेंस निर्णय लेता है, मनुष्य केवल कार्यान्वयन करता है
- सी) सत्यापन जमा करें और परियोजना के अंत में उन सभी को एक साथ करें
- डी) कृत्रिम बुद्धिमत्ता पैदा करती है, मनुष्य चयन करता है और अपनाता है; प्रत्येक महत्वपूर्ण आउटपुट सत्यापित है; निर्णय और हस्ताक्षर विशेषज्ञ ✔ के हैं
विवरण: एंड-टू-एंड वर्कफ़्लो में, तीन सिद्धांत हर चरण में दोहराए जाते हैं: एआई प्रकार और गति बढ़ाता है, मनुष्य चुनते हैं और अपनाते हैं; प्रत्येक संख्यात्मक, स्थानीय और सुरक्षा-महत्वपूर्ण आउटपुट सत्यापित है; निर्णय और हस्ताक्षर सक्षम विशेषज्ञ के हैं। ये सिद्धांत स्थिर रहते हैं भले ही केवल जिस विषय पर इन्हें लागू किया जाता है वह बदल जाए।