Dobici:
- Sposobnost postavljanja i pokretanja automatizacije tijeka rada uz podršku AI s PyQGIS-om i dizajnerom modela
- Sposobnost upravljanja privatnošću osobnih podataka, autorskim pravima, licencama i ograničenjima odgovornosti inženjera u projektu od početka do kraja
- Sposobnost dizajniranja geomatičkog projekta u tijeku s omogućenom umjetnom inteligencijom, ali usmjerenom na verifikaciju, od prikupljanja podataka do isporuke
Modul ispit
1. Što je od sljedećeg osnovno načelo koje određuje rizik izlaza umjetne inteligencije u geodetskom inženjerstvu?
- A) Rizik izlaza jednak je šteti koju bi prouzročio da je taj izlaz neispravan; ljestvice validacije prema tome ✔
- B) AI izlaz općenito je siguran jer je napisan tečno i pouzdano
- C) Validacija je nepotrebna kada se koristi najnoviji model
- D) Ako se izlaz odnosi na standard, nije potrebna dodatna kontrola
Objašnjenje: Rizik izlaza jednak je šteti koju će uzrokovati ako je taj izlaz neispravan. Dok je manja pogreška u sažetku literature uglavnom bezopasna, pogreška u katastarskoj granici ili visinskoj vrijednosti može dovesti do kršenja vlasništva, nepravilne građevinske primjene i oštećenja imovine; pa intenzitet provjere skalira s potencijalnom štetnošću.
2. Koji je zadatak najsigurnije i najprikladnije dodijeljen umjetnoj inteligenciji u kontroli kvalitete GNSS mjernog skupa?
- A) Konačno prihvatiti točnost koordinata točke i proglasiti ih spremnima za registraciju
- B) Uređivanje neobrađenih tablica promatranja i označavanje mogućih odstupanja/nedosljednosti ✔
- C) Potvrđivanje vrijednosti aplikacije izravno bez gledanja na načela mjerenja
- D) Smatrajući rezultat važećim bez izračunavanja pogrešaka pri zatvaranju
Objašnjenje: najsigurniji doprinos umjetne inteligencije su pomoćni zadaci koje inženjer može kontrolirati, kao što je organiziranje raspršenih neobrađenih podataka i komentara, označavanje nedosljednosti i odstupanja. Konačno prihvaćanje točnosti koordinate točke ostaje uz odobrenje inženjera, uključujući pogreške zatvaranja i načela mjerenja; AI kaže da je 'stvar apsolutno točna' nije dokaz.
3. Koje informacije moraju biti jasno navedene AI-u u zahtjevu za transformaciju koordinata?
- A) Samo nazivi točaka
- B) Samo ime ciljne projekcije, podatak je nevažan
- C) Izvorni i ciljni koordinatni sustav (datum + projekcija/EPSG) i parametri transformacije ✔
- D) Ime osobe koja vrši mjerenje
Objašnjenje: Transformacija koordinata ima smisla samo ako su navedeni izvorni sustav, ciljni sustav (datum + projekcija, npr. EPSG kod) i potrebni parametri transformacije. Samo reći 'pretvori ovo u UTM' ostavlja nejasno koji se datum pomiče s kojeg datuma i može uzrokovati pomak datuma za metar.
4. Što je od sljedećeg najpraktičniji način za provjeru izlaza transformacije?
- A) Gledajući broj decimalnih mjesta u izlazu
- B) Gledajući koliko brzo model daje odgovor
- C) Prijenos rezultata u CAD bez ikakve provjere
- D) Stavljanje kontrolne točke čije su koordinate poznate kroz istu transformaciju i usporedba s očekivanom vrijednošću ✔
Objašnjenje: Prolazak jedne ili više kontrolnih točaka čije su koordinate poznate kroz istu transformaciju i njihova usporedba s očekivanom vrijednošću brzo otkriva greške parametra i podataka. Sustavna razlika od desetaka metara obično je pogrešan znak podatka/parametra. Činjenica da se izlaz čini glatkim nije dokaz ispravnosti.
5. Koji je najkritičniji preduvjet za točne proračune međuspremnika i područja u GIS-u?
- A) Sloj je u odgovarajućem metričkom (projekcijskom) koordinatnom sustavu ✔
- B) Boja sloja
- C) Redoslijed stupaca u tablici atributa
- D) Naziv datoteke sloja treba biti kratak
Objašnjenje: Izračuni udaljenosti i površine imaju smisla samo u metričkom (projiciranom) koordinatnom sustavu. Izravno spremanje u međuspremnik u geografskim koordinatama (geografska širina/dužina u stupnjevima) daje netočne rezultate zbog zabune u stupnjevima. Stoga se prije analize sloj mora postaviti u odgovarajuću projekciju.
6. Koji je standardni način mjerenja točnosti karte zemljišnog pokrova u klasifikaciji satelitske slike?
- A) Gledajući koliko su žive boje na karti
- B) Uspostavljanje matrice pogrešaka s neovisnim uzorcima istine na zemlji i izračunavanje ukupne točnosti/Kappa ✔
- C) Oslanjanje na veliki broj razreda
- D) Gledajući razlučivost slike i pretpostavljajući točnost
Opis: točnost klasifikacije procjenjuje se uspostavljanjem matrice zabune s neovisnim uzorcima istine na zemlji i izvješćivanjem o tome s metrikama kao što su ukupna točnost i Kappa. 'Dobar izgled' karte ili živost boja razreda nisu dokaz točnosti.
7. Koji je osnovni element koji osigurava položajnu točnost u izradi fotogrametrijskog ortofota i DSM-a?
- A) Samo snimite puno fotografija
- B) UAV je skup model
- C) Kontrola točnosti s točno izmjerenim kontrolnim točkama na tlu i neovisnim kontrolnim točkama ✔
- D) Let treba obaviti po oblačnom danu
Opis: kontrolne točke na tlu (GCP) povezuju fotogrametrijski model sa stvarnim koordinatnim sustavom i određuju točnost mjerila/lokacije. Dodatno, točnost se testira izračunavanjem RMSE s neovisnim kontrolnim točkama koje ne ulaze u model. Jednostavno povećanje broja slika ili poskupljivanje UAV-a ne jamči točnost.
8. Koji je korak obavezan za generiranje digitalnog modela terena (DTM) iz LiDAR oblaka točaka?
- A) Pretvaranje svih točaka u površinu kakva jest
- B) Korištenje samo najviših bodova
- C) Brisanje vrijednosti gustoće
- D) Odvajanje točaka koje nisu na tlu (zgrade, stabla) s filtriranjem na tlu ✔
Opis: DTM predstavlja golu površinu terena; Stoga, točke koje nisu na tlu kao što su zgrade, drveće, vozila moraju biti odvojene (filtriranje/klasifikacija na tlu). Ako se ovaj korak preskoči, dobiva se gornja površina (DSM), a ne DTM. Umjetna inteligencija može ubrzati klasifikaciju, ali rezultat mora biti potvrđen profilnim presjecima.
9. Koja je jedna od najčešćih i najrizičnijih pogrešaka u automatskom generiranju karata pomoću umjetne inteligencije?
- A) Preskakanje obveznih elemenata kao što su mjerilo, legenda, koordinatni sustav i ocjena točnosti ✔
- B) Korištenje previše kontrolnih točaka
- C) Grupiranje slojeva
- D) Dodavanje naslova listu
Objašnjenje: Automatska simbolizacija i označavanje je brzo, ali ako nedostaju bitni kartografski elementi kao što su mjerilo, legenda, strelica za sjever, koordinatni sustav i napomena o točnosti, karta postaje pogrešna i službeno neupotrebljiva. Vizualna privlačnost nije zamjena za ove bitne elemente.
10. Kakav bi trebao biti status AI izlaza pri radu s katastarskim i zemljišnoknjižnim podacima?
- A) Smatra se definitivnim podatkom koji se može izravno upisati u posjedovni list.
- B) Uzeta kao preliminarna provjera/nacrt; Konačna valjanost ovisi o mjerenju, zakonodavstvu i odobrenju nadležnih tijela ✔
- C) Imovinske sporove rješavajte sami
- D) Postaje službeni dokument bez potrebe za bilo kakvom kontrolom.
Obrazloženje: Podaci o katastarskoj granici, površini i vlasništvu imaju pravne posljedice; AI proizvodi najviše pregleda, skeniranja nedosljednosti i nacrta. Konačna valjanost ovisi o mjerenju, zakonodavstvu i odobrenju ovlaštenog inženjera/institucije. Proglašavanje rezultata umjetne inteligencije "konačnim" stvara pravni i profesionalni rizik.
11. Koju je najvažniju provjeru napraviti prije korištenja GeoPandas/PyProj skripte generirane umjetnom inteligencijom?
- A) Pod pretpostavkom da je točan jer je kod dug
- B) Smatrajući da je dovoljno da radi bez greške
- C) Pokrenite ga s malim, poznatim testnim podacima i provjerite CRS i rang ✔
- D) Odobravanje naziva varijabli kao lijepih
Objašnjenje: Proizvedeni kod treba pokrenuti s malim testnim podacima čiji je rezultat poznat i treba provjeriti očekivani izlaz i rang. Konkretno, je li definicija CRS (koordinatnog sustava) ispravno dodijeljena kritična je pogreška; lažni CRS tiho proizvodi metre pomaka. Samo zato što kod 'radi' ne znači da je točan.
12. Koji je ispravan pristup prilikom davanja katastarskih/adresnih podataka koji sadrže podatke o lokaciji i osobne informacije AI-ju?
- A) Pošaljite sve informacije o pravom vlasniku i identitetu takve kakve jesu
- B) Ignoriranje privatnosti jer bi to bilo korisno
- C) Lijepljenje podataka u javni forum
- D) Anonimizacija osobnih podataka ili rad s reprezentativnim vrijednostima/odobrenim okruženjem ✔
Objašnjenje: Podaci koji sadrže osobne podatke (ime vlasnika, TR ID, osjetljiva lokacija) ne smiju se slati vanjskom modelu u suprotnosti s korporativnom politikom i zakonodavstvom. Podatke treba anonimizirati, treba koristiti uzorke/reprezentativne vrijednosti ili koristiti odobreno/interno okruženje. Opravdanje 'svejedno korisno' ne ukida obvezu povjerljivosti.
13. Koja je glavna svrha korištenja NDVI indeksa u klasifikaciji zemljišnog pokrova?
- A) Mjerenje održivosti/gustoće vegetacije iz bliskih infracrvenih i crvenih traka ✔
- B) Mjerenje visine zemljišta u metrima
- C) Utvrđivanje vlasnika parcele
- D) Transformacija koordinatnog sustava
Opis: NDVI (normalizirani vegetacijski indeks razlike) mjeri bujnost/gustoću zelene vegetacije koristeći razliku infracrvenih i crvenih traka. Vegetacija je moćan marker u razlikovanju vode od golog tla. Sama visina ne mjeri niti određuje vlasništvo.
14. Koja je izjava najtočnija za ulogu izlaza umjetne inteligencije u sigurnosno kritičnoj aplikaciji ili katastarskom poslu?
- A) Ako je AI izlaz dovoljno tečan, nema potrebe za odobrenjem inženjera
- B) AI je akcelerator; Ne zamjenjuje odobrenje i odgovornost nadležnog inženjera ✔
- C) Odgovornost prelazi na tvrtku koja proizvodi model
- D) Za korištenje najskupljeg modela nije potrebno odobrenje
Izjava: U inženjeringu i izradi karata, izlaz umjetne inteligencije ne zamjenjuje kontrolu i odobrenje kompetentnog stručnjaka u radu koji ima sigurnosne i pravne posljedice; To je samo akcelerator i alat za generiranje nacrta. Konačna odgovornost i potpis ostaju na ovlaštenom inženjeru.