Dobici:
- Sposobnost holističke procjene etičkih aspekata, aspekata privatnosti podataka, autorskih prava i radne snage upotrebe umjetne inteligencije u tekstilu
- Sposobnost dizajniranja sustava s određenim ljudskim točkama odobrenja koji kombinira cijeli modul u tijek rada od kraja do kraja
- Sposobnost uspostavljanja okvira za upravljanje, provjeru valjanosti i kontinuirano poboljšanje za odgovornu upotrebu umjetne inteligencije u organizaciji
Modul ispit
1. Što je od sljedećeg osnovno načelo koje određuje rizik izlaza umjetne inteligencije u tekstilnom 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 pogreška u ideji moodboarda bezopasna, pogreška u receptu za bojanje ili izračunu čvrstoće tkanine može dovesti do šaržnog otpada i rizika vezanih za sigurnost na radu/ugovor; pa intenzitet provjere skalira s potencijalnom štetnošću.
2. Inženjer je skeptičan prema vrijednosti AI od '85 cN/tex za pamučnu pređu' za čvrstoću pređe. Koja je najbrža provjera za potvrdu ove sumnje?
- A) Stavite vrijednost izravno na izvješće i pitajte laboratorij kasnije
- B) Napravite usporedbu reda veličine s tipičnim rasponom pamučne pređe (približno 12-22 cN/tex) ✔
- C) Ponovno postavljanje istog pitanja modela i vjerovanje drugom odgovoru
- D) Prihvati ako vrijednost sadrži referencu na izvor
Opis: To je kontrola reda veličine. Čvrstoća prstenaste pamučne pređe obično je reda veličine 12-22 cN/tex; 85 cN/tex je visokoučinkovita sintetička/aramidna razina i fizički je nerazumna za pamuk. Ova provjera traje nekoliko sekundi i hvata većinu grešaka jedinice/vrste.
3. Što od sljedećeg vrijedi za 'Ne' (britansko brojanje pamuka) među sustavima brojanja pređe?
- A) Što nit postaje veća, to postaje deblja.
- B) Što je izravni sustav, radi u istom smjeru kao i tex
- C) Kakav je to neizravni sustav; Što je broj veći, konac je tanji ✔
- D) Što je definirano samo za sintetičke pređe
Objašnjenje: Kakav neizravni sustav numeriranja: što je veći broj, to je konac tanji. Tex i denier su izravni sustavi; Što je veći broj, to je konac deblji. Nepoznavanje ove razlike dovodi do ozbiljnih pogrešaka u tumačenju brojeva u AI izlazu.
4. Što znači imati visoku 'lažno negativnu' stopu u modelu obrade slike koji otkriva nedostatke tkanine i zašto je to kritično?
- A) Neispravna tkanina smatra se savršenom i isporučuje se kupcu; ✔ Najopasnija vrsta pogreške u kvaliteti
- B) Nepotrebno označavanje savršene tkanine kao neispravne; samo smanjuje učinkovitost
- C) Model ne pronalazi greške; uvijek dobar znak
- D) Niska rezolucija kamere
Objašnjenje: Lažno negativan je kada je pravi nedostatak klasificiran kao 'savršen'. To znači da neispravna tkanina ide kupcu i snosi troškove povrata/ugleda. U aplikacijama kritičnim za kvalitetu, prag je općenito postavljen tako da lažno negativni rezultati budu niski, a povećan broj lažno pozitivnih rezultata eliminira se ljudskom inspekcijom.
5. Što vrijednost 'Delta E' (ΔE) znači u upravljanju bojama?
- A) Cijena po kilogramu boje
- B) Kriterij koji kvantificira ukupnu perceptivnu razliku između dviju boja ✔
- C) Svjetlopropusnost tkanine
- D) Vrijednost temperature bojenja u stupnjevima
Opis: Delta E je kriterij koji kvantificira ukupnu perceptivnu razliku između dvije boje u CIELAB prostoru boja. Male vrijednosti ΔE pokazuju da su boje blizu jedna drugoj; U tekstilu se tolerancija prihvaćanja od serije do serije obično definira ugovorom u smislu ΔE. Stoga tvrdnja da je 'boja zadržana' zahtijeva mjerenje.
6. Kako se zove kada dva uzorka izgledaju isto pod jednim izvorom svjetla, a različito pod drugim izvorom svjetla, i zašto je to važno u upravljanju bojama?
- A) Metamerija; Potvrda boje mora se izvršiti pod više standardnih izvora svjetlosti ✔
- B) Fluorescencija; boja izgleda isto u svim uvjetima
- C) neprozirnost; razlika u boji ovisi samo o debljini
- D) Kalibracija; tiče se samo ekrana
Opis: Ova pojava se naziva metamerizam. Dvije boje s različitom spektralnom refleksijom mogu se podudarati pod određenim osvjetljenjem i razilaziti pri drugom osvjetljenju. Stoga se potvrda boja ne bi trebala provoditi na jednom izvoru svjetla, već pod više izvora (npr. D65, TL84, A) u standardnoj rasvjetnoj kabini.
7. Koja je najkritičnija pravna provjera koju treba napraviti prije komercijalne upotrebe tekstilnog uzorka proizvedenog generativnom umjetnom inteligencijom?
- A) Smanjenje broja boja uzorka
- B) Smanjenje veličine datoteke uzorka
- C) Provjera sličnosti/povrede i autorskih prava s postojećim zaštićenim dizajnom ✔
- D) Spremite uzorak samo u visokoj rezoluciji
Objašnjenje: Potrebno je provjeriti ima li proizvedeni uzorak sličnosti/povrede s postojećim zaštićenim dizajnom, zaštitnim znakovima ili djelima zaštićenim autorskim pravom te procijeniti nesigurnosti u vezi s podacima o obuci modela i pravima na izlaz. Komercijalizacija bez provjere izvornosti i kršenja autorskih prava stvara rizik od sudskog spora zbog autorskih prava.
8. Koji je najsnažniji pristup validaciji rezultata umjetne inteligencije u predviđanju potražnje prema SKU-u?
- A) Pretvaranje predviđanja jedne točke koje daje model u količinu narudžbe kakva jest
- B) Testiranje unatrag s prošlom prodajom i procjena margine pogreške kroz filtar poslovne prosudbe ✔
- C) Odabir najveće procjene i zadržavanje viška zaliha
- D) Udvostručite predviđanje ako je trend najpopularniji
Objašnjenje: prognozu treba testirati unatrag prema prošloj realizaciji prodaje i filtrirati kroz poslovnu prosudbu s kontekstom kao što su zalihe, kampanje, sezona itd. Umjesto da se slijepo vjeruje predviđanju modela u jednoj točki, procjenjuju se margina pogreške i scenariji.
9. Koji je glavni razlog za redoslijed serije boje od 'svijetle do tamne' u planiranju proizvodnje?
- A) Tamne boje su jeftinije
- B) Smanjenje rizika od kontaminacije boje i vremena čišćenja stroja ✔
- C) Svijetle boje traju duže
- D) To je samo estetska preferencija
Objašnjenje: Ako se svijetla boja boji nakon tamne boje u istom stroju, povećava se rizik od čišćenja/kontaminacije i dodatnog vremena pranja. Razvrstavanje od svijetlog do tamnog povećava učinkovitost smanjujući rizik od razmazivanja boje i vrijeme strojnog čišćenja. Preporuke umjetne inteligencije trebale bi uključivati ovo ograničenje procesa.
10. Kada izvještavate o ekološkom otisku tkanine, koji je ispravan stav prema tvrdnji kao što je 'reciklirani poliester smanjuje potrošnju vode za 90%' koju je proizvela umjetna inteligencija?
- A) Stavljanje tvrdnje kakva jest u marketinšku kopiju
- B) Ne koristite zahtjev bez provjere s granicom sustava, izvorom podataka i certifikatom ✔
- C) Pretpostavka da je tvrdnja jaka ako je broj visok
- D) Zaokružite broj i objavite ga
Objašnjenje: Takva tvrdnja je besmislena bez navođenja granice sustava (od kolijevke do vrata ili od vrata do vrata), izvora podataka i opsega; Mora se temeljiti na provjerljivim LCA podacima i certifikaciji. U protivnom može doći do zelenašenja i pravnog rizika. Iako se brojke AI-a čine razumnima, potječu iz neovisnih izvora.
11. Što bi trebao biti prvi korak za provjeru koda koji je napisao AI pri analizi proizvodnih podataka pomoću pandi s Pythonom?
- A) Ako je kôd radio bez grešaka, prihvatite rezultat kao točan
- B) Ručno izračunajte izlaz i provjerite jedinicu i logiku na malom uzorku podataka ✔
- C) Dodavanje koda izravno u izvješće o proizvodnji
- D) Ako se grafikon pokaže dobrim, smatrajte da je analiza završena.
Napomena: Čak i ako kod radi, nije zajamčeno da je logika ispravna; Ručna računovodstvena provjera mora se obaviti na jedinici, podudaranju stupaca i nekoliko redaka. Na primjer, kada se izračunava prosjek gramature, netočno grupiranje ili zabuna jedinica mogu tiho proizvesti netočne rezultate. U malom uzorku, ručna provjera je najbrže osiguranje.
12. Koja je najbolja praksa u smislu privatnosti podataka kada se podaci o proizvodnji tekstila šalju alatu umjetne inteligencije?
- A) Pošaljite sve stvarne informacije o kupcima i receptu takve kakve jesu
- B) Anonimizirajte osjetljive podatke i pošaljite ih s reprezentativnim oznakama i u skladu s korporativnom politikom ✔
- C) Pretpostavka da je privatnost nevažna jer ima toliko podataka.
- D) Samo promijenite naziv datoteke i pošaljite sadržaj kakav jest
Objašnjenje: Osjetljivi podaci kao što su ime kupca, tajni recept, cijena i podaci o dobavljaču trebaju biti anonimizirani ili dati s reprezentativnim oznakama (Kupac-A, Recept-1). Poslovne tajne i osobni podaci ne smiju se prenositi na model treće strane čime se krše pravila i ugovori tvrtke.
13. Model za obradu slike izvještava o 98% točnosti na proizvodnoj liniji, ali propušta mnoge nedostatke na terenu. Koji je najvjerojatniji uzrok tome?
- A) Točnost dovodi u zabludu zbog neuravnoteženih podataka; Osjetljivost (poziv) klase grešaka je niska ✔
- B) Model radi vrlo sporo
- C) Zato što je kamera u boji
- D) 98% je već savršeno, problem je u operateru
Objašnjenje: Kada je uzoraka s nedostacima vrlo malo u skupu podataka (neuravnoteženi podaci), model može postići visoku točnost nazivajući sve 'savršenim', ali ne može uhvatiti stvarne nedostatke. Stoga sama točnost dovodi u zabludu; Treba nadzirati osjetljivost (poziv) i preciznost za klasu greške.
14. Prema ključnom načelu naglašenom kroz cijeli modul, koja je uloga umjetne inteligencije u sigurnosnim i ugovornim odlukama o tekstilu?
- A) AI može sama donositi ključne odluke jer je brza
- B) AI je pomoćnik; kritične odluke su potvrđene odobrenjem nadležnog inženjera i fizičkim testiranjem ✔
- C) AI izlaz zamjenjuje potpisano izvješće
- D) Ljudska potvrda je nepotrebna kada se koristi najnoviji model
Opis: AI je pomoćnik i akcelerator; generira hipoteze, priprema nacrte, hvata uzorke. Međutim, kritične odluke kao što su odobrenje recepture za bojanje, prihvaćanje kvalitete, ocjena čvrstoće/sigurnosti zahtijevaju odobrenje kompetentnog inženjera i fizičko ispitivanje. Rezultati umjetne inteligencije nisu zamjena za odobrenje stručnjaka.