Satuan
1. Pengantar Kecerdasan Buatan dan Disiplin Verifikasi di Bidang Teknik Angkatan Laut dan Kelautan 2. AI dalam Desain Bentuk Lambung dan Analisis Hidrodinamik 3. AI dalam Analisis Struktural, Elemen Hingga, dan Pemilihan Material 4. AI dalam Sistem Propulsi, Mesin Utama, dan Efisiensi Energi 5. Pemeliharaan Prediktif dan Pemantauan Kondisi Ruang Mesin 6. Optimasi Perjalanan, Perutean Udara, dan Trim 7. Efisiensi Bahan Bakar, Emisi dan Kepatuhan Lingkungan (EEXI, CII, MARPOL) 8. Kapal Otonom, Keselamatan Navigasi dan Pencegahan Tabrakan 9. AI dalam Galangan Kapal, Produksi, Sumber Daya dan Manajemen Proyek 10. Peraturan Kelas, Survei, Perundang-undangan dan Dokumentasi Teknis 11. AI dalam Manajemen Armada, Logistik dan Operasi Pelabuhan 12. Batasan AI dalam Maritim: Keamanan, Risiko Siber, Etika, dan Akuntabilitas
Satuan 12 / 12

Batasan AI dalam Maritim: Keamanan, Risiko Siber, Etika, dan Akuntabilitas

Keuntungan:

  • Kemampuan untuk mengenali bahwa AI dapat menghasilkan koefisien fiktif, klausul aturan, dan nilai teknis serta menerapkan verifikasi dalam konteks keselamatan jiwa/properti
  • Kemampuan untuk mengelola keamanan siber, privasi data, dan batasan peraturan dalam sistem kapal dan OT (teknologi operasional).
  • Memahami bahwa tanggung jawab utama untuk persetujuan kelas, keselamatan navigasi dan etika terletak pada insinyur dan kapten.

Sepanjang modul ini, kami menggunakan kecerdasan buatan (AI) sebagai akselerator di setiap tahap rekayasa kapal dan kelautan: mulai dari desain bentuk hingga analisis struktural, pemeliharaan prediktif hingga optimalisasi pelayaran, kepatuhan emisi hingga produksi galangan kapal. Pada unit terakhir ini, kita melihat kembali gambaran keseluruhannya: apa saja batasan utama AI di bidang maritim, risiko apa saja (halusinasi, keamanan siber, privasi data, bias) yang selalu diwaspadai, dan siapa yang bertanggung jawab? Karena prasyarat untuk menggunakan kendaraan dengan aman adalah mengetahui di mana letak kesalahannya.

Tesis modul ini berlaku di sini dan mengatur semua hal lainnya: dalam pekerjaan maritim yang kritis terhadap keselamatan, keluaran AI tidak dapat menggantikan persetujuan dari insinyur, master, atau surveyor kelas yang kompeten. AI menyarankan, menyusun, menghitung, dan mengingatkan; Namun pemilik keputusan yang menentukan keselamatan jiwa, harta benda, dan lingkungan hidup adalah orang yang menandatangani keputusan itu dan bertanggung jawab secara hukum.

Konsep: Halusinasi: AI mengarang nilai, aturan, atau sumber daya yang tidak ada. Keamanan OT: Perlindungan siber terhadap teknologi operasional (mesin dan sistem kendali jelajah). Keracunan data: Korupsi data pelatihan/input yang disengaja untuk menyesatkan model. Bias model: Bias model yang sistematis dan tidak adil yang berasal dari data tempat model tersebut dilatih. Rantai tanggung jawab: Kepemilikan hukum dan teknis atas suatu keputusan terlihat jelas.

Batasan Permanen AI

AI memiliki empat batasan permanen dalam pengiriman barang, dan hal ini tidak akan hilang seiring dengan kemajuan teknologi. Pertama, halusinasi: model mengisi kesenjangan dengan pernyataan “yang paling mungkin” ketika model tersebut tidak memiliki data yang pasti; Ini ternyata merupakan klausa kelas yang dibuat-buat, nilai stabilitas yang mustahil, atau koefisien yang tidak ada. Kedua, perilaku out-of-deployment: model menjadi tidak dapat diandalkan di luar situasi dimana model tersebut dilatih dan diuji (jenis kapal yang tidak biasa, kerusakan yang tidak biasa, lalu lintas yang tidak terlihat). Ketiga, kurangnya pemahaman fisika: AI memproses pola kata, tidak “memahami” konservasi energi atau hukum Newton; Hal ini dapat menghasilkan keluaran yang tampaknya masuk akal namun secara fisik tidak mungkin. Keempat, ketepatan waktu: perubahan peraturan perundang-undangan, harga dan teknologi; Informasi model dibekukan pada suatu tanggal.

Batasan ini menjelaskan mengapa disiplin verifikasi yang kita pelajari sepanjang modul sangat diperlukan: kontrol urutan besarnya, konsistensi unit, reproduksi independen, dan verifikasi sumber. Terutama ketika AI melakukan penghitungan (misalnya skrip Python/Excel yang dihasilkan untuk momen pemberat/stabilitas atau penghitungan daya), meskipun kode tersebut tampak lancar dan berfungsi, logika, masukan, dan kasus tepinya tidak diterjemahkan ke dalam keputusan keselamatan tanpa pengujian independen. Hanya karena kode akun "berfungsi" bukan berarti kode tersebut "benar".

Perhatian: Kode akuntansi yang dihasilkan AI mungkin berfungsi tanpa kesalahan, namun mungkin berisi rumus yang salah, unit yang salah, atau kasus tepi yang diabaikan. Sebelum menerima kode, ujilah dengan input yang diketahui (contohnya Anda sudah mengetahui jawabannya secara langsung), uji kasus edge, dan verifikasi hasilnya secara independen. Dalam perhitungan yang kritis terhadap keselamatan seperti stabilitas, komputer pemuatan yang disetujui dan konfirmasi teknisi sangat penting.

Keamanan Cyber ​​dan Privasi Data

Kapal modern adalah jaringan komputer terapung: sistem navigasi, kontrol mesin, manajemen kargo dan konektivitas satelit saling berhubungan. Ini berarti serangan dunia maya akan muncul. Sistem AI menambahkan dua risiko baru pada gambaran ini. Pertama, keselamatan OT (teknologi operasional): komponen AI yang terkait dengan navigasi dan kontrol mesin menimbulkan risiko keselamatan langsung jika diserang; sehingga sistem OT yang penting diisolasi, keluaran AI tidak boleh memicu tindakan pengendalian dengan sendirinya, persetujuan manusia dan perilaku default yang aman harus dipertahankan. Kedua, privasi data: bentuk lambung kapal, kurva kinerja, kontrak galangan pemilik kapal, dan telemetri operasional adalah rahasia dagang dan kekayaan intelektual; Memasukkan data ini ke layanan AI eksternal yang tidak disetujui merupakan kerugian yang tidak dapat diubah.

Selain itu, risiko manipulasi seperti keracunan data (menyesatkan model dengan masukan berbahaya) dan spoofing data seperti AIS mengharuskan kita untuk tidak begitu saja mempercayai masukan AI. Aturan: data penting dianonimkan atau tidak dibagikan sama sekali, hanya alat yang disetujui dan terjamin kerahasiaannya yang digunakan, masukan penting diverifikasi silang untuk keasliannya.

Resiko

Bagaimana hal itu terjadi?

tindakan pencegahan

halusinasi

Aturan/nilai/sumber yang dibuat-buat

Konfirmasi dari sumber, kontrol peringkat

Serangan dunia maya PL

Infiltrasi sistem kontrol

Isolasi, persetujuan manusia, default aman

kebocoran data

Memasukkan data rahasia ke alat eksternal

Anonimisasi, alat yang disetujui

Keracunan data/spoofing

Masukan yang sengaja rusak

Validasi masukan, pemeriksaan silang

Bias model

Data pelatihan tidak seimbang

Meninjau hasilnya dengan penilaian manusia

Etika dan Rantai Tanggung Jawab

Kepemilikan hukum dan teknis atas suatu keputusan di bidang maritim harus jelas: kapten kapal bertanggung jawab atas keselamatan navigasi, kepala teknisi bertanggung jawab atas permesinan, insinyur yang bertanggung jawab bertanggung jawab atas desain dan perhitungan, dan surveyor kelas bertanggung jawab atas kepatuhan aturan. AI tidak boleh menimbulkan “kesenjangan tanggung jawab” dalam rantai ini. “AI menyarankan ini” bukanlah sebuah alasan; Manusia yang menggunakan AI dan menerima keluarannya bertanggung jawab. Oleh karena itu, penggunaan AI harus transparan (harus dicatat keputusan mana yang didukungnya, verifikasi apa yang telah dilakukan) dan keputusan akhir harus ada di tangan manusia yang menandatanganinya.

Dimensi etika juga mencakup keselamatan kru dan lingkungan: jika proposal penghematan bahan bakar menempatkan kru dalam risiko, jika solusi otomasi mempersempit margin keselamatan, jika keuntungan jangka pendek menutupi risiko jangka panjang, maka etika teknik mengharuskan untuk mengatakan "tidak". AI adalah alat yang ampuh untuk produktivitas; Namun efisiensi tidak akan pernah bisa didahulukan sebelum kehidupan, lingkungan, dan penilaian teknik yang jujur.

Kasus Mini

Kasus 1 - Alasan “AI bilang begitu”. Dalam laporan, digunakan nilai batas seperti yang diberikan oleh AI, tanpa verifikasi, dan ternyata nilainya salah. Orang yang bertanggung jawab mencoba membela diri dengan mengatakan "AI menyarankan hal ini." Baik undang-undang kelas maupun pertanggungjawaban tidak mengakui hal ini: insinyur yang menerima hasilnya bertanggung jawab. Pelajaran: AI bukanlah sebuah alasan; Tanggung jawab ada pada orang yang menggunakannya.

Kasus 2 — Kebocoran data rahasia. Sebuah tim menempelkan data kinerja dan bahan bakar aktual pemilik kapal ke dalam alat AI yang tersedia untuk umum dan meminta analisis. Data ini kini berada di luar kendali; rahasia dagang dan pelanggaran kontrak timbul. Tidak akan ada risiko jika bekerja dengan nilai perwakilan yang dianonimkan atau alat yang disetujui. Pelajaran: data nyata/rahasia tidak pernah dimasukkan ke alat eksternal yang tidak disetujui.

Kasus 3 — Berfungsi tetapi kodenya salah. AI menghasilkan skrip Python untuk momen stabilitas; kode berjalan tanpa kesalahan dan mengembalikan angka yang wajar. Ketika insinyur mengujinya dengan kasus pemuatan yang diketahui (jawabannya diketahui dengan tangan), ia menemukan bahwa kode tersebut mengambil jangka waktu yang wajar dengan tanda yang salah. Scriptnya "berfungsi" tetapi hasilnya salah. Pelajaran: pengoperasian kode akun bukan jaminan kebenaran; Pengujian dengan masukan yang diketahui dan verifikasi independen sangatlah penting.

Templat Prompt yang Dapat Disalin

Templat 1 — Penilaian mandiri batas dan risiko:

Peran: Anda adalah peninjau yang mengaudit keluaran AI yang saya gunakan.Konteks: [tugas/keluaran].Tugas:1) Di mana risiko halusinasi tinggi dalam keluaran ini?2) Apakah ada sesuatu yang dipertanyakan dalam hal masuk akal secara fisik?3) Nilai-nilai apa yang memerlukan ketepatan waktu (undang-undang/harga) yang harus diverifikasi?4) Kemungkinan keluaran ini merupakan kasus di luar distribusi (tidak terlihat)?Cantumkan setiap poin yang dipertanyakan dan bagaimana cara memverifikasinya.

Templat 2 — Jadwal verifikasi kode akun:

Buatlah rencana verifikasi sebelum menggunakan kode akuntansi yang dihasilkan AI berikut (Python/Excel):[tempelkan kode/logika]1) Sarankan masukan pengujian yang jawabannya langsung saya ketahui.2) Buat daftar kasus tepi yang perlu diuji (nol, negatif, ekstrem).3) Bagaimana cara memeriksa konsistensi unit?4) Dengan cara independen apa saya dapat mengonfirmasi hasilnya?Kendala: Verifikasi alat/insinyur yang disetujui diperlukan pada akun yang penting bagi keselamatan.

Templat 3 — Filter privasi data:

Periksa privasi konteks berikut yang akan saya berikan pada alat AI:[teks untuk dibagikan]1) Apakah ada rahasia dagang/rahasia/data kontrak di dalamnya?2) Nilai apa yang harus dianonimkan atau diekstraksi?3) Apakah tugas ini memerlukan alat internal yang disetujui?Kendala: Data pengiriman/kinerja/kontrak sebenarnya tidak masuk ke alat eksternal.

Templat 4 — Catatan akuntabilitas dan transparansi:

Draf memo transparansi untuk mendokumentasikan keputusan yang didukung AI berikut:[keputusan].Isi: (1) pada tahap apa AI digunakan, (2) verifikasi apa yang telah dilakukan, (3) manusia mana yang menyetujuinya, (4) sumber apa yang diverifikasi.Kendala: Perjelas bahwa tanggung jawab akhir terletak pada penandatanganan manusia.

Perintah lemah / Perintah kuat

Perintah yang lemah:

Saya akan memasukkan analisis AI ini ke dalam laporan, oke?

Perintah yang kuat:

Peran: Anda adalah peninjau independen yang mengaudit keluaran AI.Konteks: [analisis/keluaran dan di mana menggunakannya].Tugas:1) Menandai risiko halusinasi, masuk akal secara fisik, dan ketepatan waktu.2) Apakah ada data yang tidak boleh dibagikan demi kerahasiaan?3) Langkah apa yang diperlukan manusia untuk memverifikasi keluaran ini?Kendala: Anda tidak membuat keputusan yang "pantas/tidak pantas"; Nyatakan langkah-langkah verifikasi dan bahwa tanggung jawab ada pada insinyur penandatanganan.

Prompt yang lemah meminta konfirmasi; Permintaan yang kuat mengungkap risiko, privasi, dan rantai verifikasi manusia.

Kesalahan umum

  • Artinya "AI bilang begitu." Tanggung jawab ada pada orang yang menerima hasilnya; AI bukanlah alasan.
  • Memasukkan data rahasia ke alat eksternal. Rahasia dagang dan pelanggaran kontrak; Setelah data bocor tidak dapat diambil kembali.
  • Berpikir bahwa kode kerja sudah benar. Skrip yang berfungsi tanpa kesalahan mungkin berisi rumus/satuan yang salah; Pengujian dan konfirmasi independen sangat penting.
  • Menyerahkan sistem PL ke AI. Tindakan pengendalian tidak pernah dipicu oleh AI saja; Persetujuan manusia dan default yang aman dipertahankan.
  • Mengutamakan efisiensi di atas keselamatan. Kehidupan, lingkungan, dan penilaian teknik yang jujur ​​tidak dikorbankan demi penghematan apa pun.

Singkatnya

Batasan yang bertahan lama (halusinasi, perilaku di luar distribusi, kurangnya pemahaman fisika, ketinggalan zaman) dan risiko (keamanan siber/OT, privasi data, keracunan, bias) AI di maritim menggambarkan mengapa disiplin verifikasi yang dipelajari di seluruh modul sangat diperlukan. Dalam pengambilan keputusan yang kritis terhadap keselamatan, keluaran AI bukanlah pengganti persetujuan manusia yang kompeten; Rantai tanggung jawabnya jelas dan “AI mengatakan demikian” bukanlah sebuah alasan. AI adalah akselerator yang kuat; Namun penilaian terhadap kehidupan, lingkungan, dan teknik yang jujur ​​selalu diutamakan.

Tugas aplikasi

Pilih keluaran AI (akun, draf laporan, atau kode) yang Anda hasilkan dalam modul ini. Tandai risiko halusinasi, kemungkinan fisik, dan kenyataan dengan templat “penilaian mandiri batas dan risiko”. Jika itu adalah kode akun, ujilah dengan masukan yang diketahui menggunakan templat "rencana verifikasi kode akun" dan verifikasi secara mandiri. Terapkan “filter privasi data” dan filter data yang tidak boleh dibagikan. Terakhir, tulislah memo transparansi yang mendokumentasikan keputusan tersebut dan memperjelas siapa yang mempunyai tanggung jawab utama.

daftar periksa

  • [] Saya memeriksa risiko halusinasi, fisika, dan aktualitas dari keluaran AI.
  • [ ] Saya telah menguji dan memverifikasi secara independen kode akun dengan masukan yang diketahui.
  • [ ] Saya tidak memasukkan data rahasia/kontrak ke alat eksternal; Saya menganonimkannya.
  • [ ] Saya mempertahankan persetujuan manusia dan mengamankan default dalam sistem OT/kontrol.
  • [ ] Saya secara transparan mendokumentasikan penggunaan AI dan mengklarifikasi siapa yang bertanggung jawab.
  • [ ] Saya tidak pernah mengutamakan efisiensi di atas etika kehidupan, lingkungan, dan teknik.

Ujian Modul

1. Saat bekerja dengan alat AI sebagai insinyur kelautan, tanggung jawab utama manakah yang harus selalu berada di tangan manusia (insinyur/kelas)?

  • A) Persetujuan dan penandatanganan kesesuaian unsur struktur terhadap peraturan kelas ✔
  • B) Menghasilkan draf pertama laporan perlawanan
  • C) Mengedit label sumbu bagan
  • D) Menyiapkan daftar istilah untuk laporan teknis

Deskripsi: AI; Ini dapat mempercepat tugas-tugas seperti praperhitungan resistensi, penyusunan laporan, dan ringkasan data. Namun, menyetujui kepatuhan elemen struktural dengan aturan kelas dan mencerminkannya sebagai tanda tangan pada file teknis adalah keputusan yang menciptakan keselamatan jiwa dan properti; tidak dapat ditransfer ke AI tanpa verifikasi independen dan persetujuan resmi.

2. Anda meminta AI menghitung hambatan perahu dan mengurangi hasilnya sebesar 20% dengan 'faktor koreksi empiris' yang tidak ada dalam eksperimen model. Apa tindakan pertama yang benar yang harus dilakukan?

  • A) Menerima hasil apa adanya karena AI terlihat percaya diri
  • B) Mempertanyakan sumber koefisien, menolak koreksi tidak berdasar dan menghitung ulang dengan metode yang diketahui ✔
  • C) Meningkatkan koefisien lebih banyak lagi dan tetap berada di sisi aman
  • D) Beralih ke pemilihan baling-baling tanpa mengubah hasilnya

Penjelasan: Model bahasa dapat secara meyakinkan mengarang koefisien dan angka yang tidak berdasar (halusinasi). Dalam perhitungan yang secara langsung mempengaruhi daya penggerak dan bahan bakar, seperti hambatan, maka perlu mempertanyakan sumber dari setiap koefisien yang digunakan (metode, uji model, standar) dan menolak koefisien yang tidak didukung.

3. Alih-alih menggunakan jumlah muatan yang diangkut sebagai penyebut dalam menghitung CII (Carbon Intensity Indicator) kapal, AI hanya menggunakan jarak. Apa masalah utama dari keluaran ini?

  • A) CII dihitung hanya untuk kapal tanker, ini tidak diperlukan di kapal
  • B) Hasil CII selalu berupa persentase, desimal salah
  • C) Penyebut CII tidak hanya jarak, tetapi daya dukung (bobot mati) dikalikan jarak ✔
  • D) Data kecepatan wajib untuk penghitungan CII, namun tidak ada

Deskripsi: CII mengukur emisi karbon per pekerjaan yang dilakukan dan didasarkan pada muatan yang ditawarkan dikalikan dengan jarak (misalnya bobot mati x jarak). Mengabaikan istilah beban/kapasitas berarti salah menghitung indikator. Langkah pertama dan wajib adalah agar setiap istilah dalam indikator produktivitas sepenuhnya mematuhi definisi IMO.

4. Apa hasil paling berharga dari sistem pemeliharaan prediktif bertenaga AI di ruang mesin?

  • A) Ringkaslah biaya rata-rata pemeliharaan masa lalu dalam satu baris
  • B) Mengubah semua data sensor menjadi grafik yang lebih berwarna
  • C) Warna dan daftar tren getaran/suhu
  • D) Menandai terlebih dahulu jendela waktu ketika bantalan atau turbocharger kemungkinan besar rusak ✔

Deskripsi: Tujuan pemeliharaan prediktif adalah untuk mendeteksi kecenderungan kerusakan peralatan sebelum rusak dan merencanakan pemeliharaan secara tepat waktu. Dengan demikian, risiko terjadinya malfungsi dan penghentian yang tidak terduga dapat dikurangi. Penting untuk tidak hanya merangkum masa lalu namun juga menghasilkan peringatan dini mengenai masa depan.

5. AI membandingkan hasil tegangan pada model FEA (finite element analysis) dengan tegangan ijin pada kode kelas dan dinyatakan 'sesuai'. Pendekatan manakah yang paling benar?

  • A) Memverifikasi pengaturan model (mesh, kondisi batas, beban) dan mengonfirmasi tegangan izin dari teks aturan kelas ✔
  • B) Langsung mengkonfirmasi hasilnya karena AI mengatakan 'cocok'
  • C) Menurunkan tegangan ijin secara acak agar tetap berada pada sisi yang aman
  • D) Hanya mengubah skala warna tanpa memperketat jaringan

Deskripsi: Hasil FEA; Hal ini sepenuhnya tergantung pada kualitas mesh, kondisi batas, definisi beban dan sifat material. Selain itu, nilai tegangan izin yang digunakan oleh AI mungkin salah. Sebelum menerima hasilnya, perlu untuk memverifikasi pengaturan model dan mengkonfirmasi nilai aturan kelas dari teks.

6. Anda membuat rute yang meminimalkan bahan bakar dengan melakukan perutean cuaca dengan AI. Pertimbangan mana yang paling penting untuk kegunaan hasil?

  • A) Rute harus aman dari segi keselamatan navigasi (gelombang, cuaca, batasan kapal) dan harus disetujui oleh nakhoda ✔
  • B) Tampilan rute terpendek di peta
  • C) Rute tersebut mencakup panggilan pelabuhan terbanyak
  • D) Rute meminimalkan ETA terlepas dari kontraknya

Penjelasan: Betapapun optimalnya bahan bakar yang diusulkan pada rute tersebut, keselamatan navigasi dan wewenang nakhoda menjadi prioritas. Jika badai, tinggi gelombang, dan pembatasan kapal melebihi batas keselamatan, perolehan bahan bakar tidak ada artinya. Keputusan rute akhir harus disaring melalui batasan keselamatan dan disetujui oleh kapten.

7. Anda meminta AI untuk persyaratan SOLAS dan AI memberikan nilai yang tepat dengan mengacu pada 'Nomor Bab/Aturan' tertentu. Apa perilaku rekayasa yang benar?

  • A) Menerapkan nilai secara langsung karena AI sudah mutakhir
  • B) Menaikkan nilai secara acak agar tetap aman
  • C) Verifikasi nomor dan nilai item dari sumber SOLAS/kelas resmi dan terkini ✔
  • D) Menambah file tanpa memeriksa nomor item

Deskripsi: Model bahasa mungkin salah mengingat atau membuat nomor dan nilai klausul kontrak/aturan. Dalam bidang yang mengikat seperti SOLAS, MARPOL dan aturan kelas, setiap item dan nilai harus diverifikasi kata demi kata dari sumber resmi dan terkini (teks IMO, aturan kelas, surat edaran manajemen); Keluaran AI hanya menunjukkan di mana mencarinya.

8. Dalam sistem navigasi otonom atau berbantuan keputusan, AI menyarankan manuver berdasarkan radar dan data AIS. Penilaian manakah yang benar dalam hal COLREG (penghindaran konflik)?

  • A) Secara otomatis menjalankan manuver saat AI mengakses data saat ini
  • B) Kirimkan saran tersebut ke kapal lain melalui VHF dan tunggu persetujuannya
  • C) Mematikan radar dan hanya mengandalkan AIS
  • D) Pertimbangkan saran tersebut sebagai pendukung keputusan dan serahkan COLREG dan keputusan manuver akhir kepada petugas jaga/kapten.

Penjelasan: Sesuai dengan peraturan COLREG dan praktik maritim yang baik, tanggung jawab untuk menghindari tabrakan dan keputusan akhir manuver berada pada otoritas di anjungan (kapten/perwira jaga). Rekomendasi AI merupakan pendukung keputusan; titik buta, kesalahan sensor, dan interpretasi aturan memerlukan pengawasan manusia.

9. Anda telah membuat rekomendasi penghematan bahan bakar dari kurva SFOC (konsumsi bahan bakar spesifik) mesin utama dengan AI. Metode apa yang paling tepat untuk menguji kewajaran?

  • A) Terapkan rekomendasi pada data perjalanan sebelumnya dan bandingkan dengan konsumsi bahan bakar sebenarnya ✔
  • B) Menerima saran apa adanya dan menuliskannya ke dalam anggaran sebagai tabungan.
  • C) Mengambil persentase tabungan paling optimis sebagai satu-satunya nilai riil
  • D) Percantik saja grafik kurva SFOC

Penjelasan: Klaim penghematan yang dihasilkan oleh AI harus diuji dengan membandingkannya dengan data pelayaran kapal yang sebenarnya (catatan konsumsi bahan bakar, muatan, kecepatan, cuaca). Menerapkannya secara retrospektif pada data pelayaran sebelumnya dan membandingkannya dengan konsumsi aktual menunjukkan betapa realistisnya rekomendasi tersebut.

10. Rancangan survei/laporan teknis yang disiapkan oleh AI memuat nilai-nilai teknis yang bersifat cair namun asal usulnya tidak pasti. Apa perilaku yang benar?

  • A) Menyajikan laporan apa adanya karena teksnya lancar
  • B) Cocokkan setiap nilai dengan pengukuran/sumber asli dan hapus ✔ yang belum dikonfirmasi
  • C) Membulatkan dan menghilangkan nilai
  • D) Baca saja ringkasan eksekutif dan lewati sisanya

Deskripsi: Setiap nilai teknis dalam laporan harus dapat ditelusuri ke sumber aslinya (pengukuran, catatan perangkat yang dikalibrasi, aturan kelas, data pabrikan). Tidak ada nomor yang boleh diserahkan ke kelas atau manajemen tanpa verifikasi sumbernya, meskipun itu adalah nilai dalam kalimat lancar; Jika tidak, nilai fiktif akan masuk ke dalam basis keputusan.

11. Apa langkah terbaik sebelum menggunakan perhitungan Excel/Python yang dihasilkan AI (misalnya kondisi pemberat dan momen stabilitas)?

  • A) Menerapkan perhitungan langsung ke rencana pembebanan sebenarnya
  • B) Hanya melihat panjang dan tata letak kodenya
  • C) Mencoba kasus tepi dengan membandingkan penghitungan dengan skenario pengujian yang diketahui dan alat pemuatan yang disetujui ✔
  • D) Menghapus sebagian kode untuk mempersingkatnya

Penjelasan: Perhitungan stabilitas dan beban mungkin tampak benar tetapi memberikan hasil yang salah. Menjalankan penghitungan pada skenario pengujian kecil di mana Anda mengetahui hasilnya, baik secara manual atau dengan komputer pemuatan bersertifikat, membandingkannya dengan keluaran yang diharapkan, dan mencoba kasus beban batas/tepi akan menangkap kesalahan sebelum kesalahan tersebut dibawa ke keputusan pemuatan sebenarnya.

12. Anda ingin menempelkan data desain dan kinerja kapal Anda yang belum dibagikan ke alat AI publik dan analisis permintaan. Pendekatan manakah yang paling benar?

  • A) Menempelkan data apa adanya untuk kecepatan
  • B) Cukup dengan menghapus nama kapal dan membagikan semua data yang tersisa
  • C) Membagikan data dan kemudian meminta AI untuk menghapusnya
  • D) Memeriksa kebijakan kelembagaan dan menganonimkan data atau menggunakan alat yang aman/kelembagaan ✔

Pengungkapan: Bentuk lambung kapal, kurva kinerja, dan data kontrak pemilik kapal/galangan kapal merupakan rahasia dagang dan sensitif terhadap kekayaan intelektual; Selain itu, infrastruktur penting dan informasi sistem OT membawa risiko dunia maya. Sebelum berbagi data, penting untuk memeriksa kebijakan perusahaan, menganonimkannya, atau menggunakan alat perusahaan yang tidak membagikan data.

13. Kontrol kualitas bertenaga AI pada perakitan blok galangan kapal menandai lapisan las sebagai 'dapat diterima'. Apa perilaku rekayasa yang benar?

  • A) Pertimbangkan evaluasi AI sebagai penerimaan akhir dan setujui penjahitan
  • B) Mempertimbangkan evaluasi awal AI sebagai alat penyaringan dan menghubungkan penerimaan akhir dengan hasil NDT dan persetujuan kelas ✔
  • C) Pindah ke blok berikutnya tanpa memeriksa jahitannya sama sekali
  • D) Cukup dengan memeriksa tampilan jahitan secara visual

Deskripsi: Kualitas pengelasan adalah area kritis keselamatan yang memerlukan hasil pengujian non-destruktif (NDT) dan persetujuan kelas. Penilaian awal AI melalui gambar atau data memberikan panduan, namun penerimaan akhir diberikan melalui inspeksi yang memenuhi syarat dan persetujuan oleh surveyor kelas.

14. Dalam manajemen armada, AI menghasilkan rekomendasi pasti untuk ekspedisi yang mengatakan 'pelabuhan bunker dan kecepatan ini jelas merupakan yang paling menguntungkan'. Penilaian manakah yang benar?

  • A) Menerapkan rekomendasi secara langsung saat AI mengakses data terkini
  • B) Menyampaikan usulan tersebut kepada pemilik kapal sebagai komitmen yang pasti
  • C) Mengunci seluruh rencana ekspedisi berdasarkan keluaran tunggal ini
  • D) Menganggap penawaran definitif tidak dapat diandalkan dan memperlakukannya sebagai skenario yang dapat diverifikasi dengan harga saat ini, kondisi sewa, dan keamanan ✔

Penjelasan: Harga bunker, kondisi sewa, cuaca dan penundaan pelabuhan merupakan variabel yang berubah dengan cepat dan tidak pasti; AI tidak dapat menjamin profitabilitas absolut. Proposal tersebut harus diperlakukan sebagai keluaran skenario yang harus diverifikasi dengan harga saat ini, ketentuan charter party, dan batasan keselamatan.

Sebelumnya Selesaikan modulnya