Guadagni:
- Capacità di discernere dove l'intelligenza artificiale fa risparmiare tempo reale nel flusso di lavoro dell'ingegneria geologica e quali decisioni dovrebbero rimanere di responsabilità dell'ingegnere
- Capacità di applicare una disciplina che convalidi in modo incrociato ogni output dell'IA con ordine di grandezza, plausibilità geologica e prove sul campo
- Riconoscere i rischi di ambiguità, allucinazioni e privacy dei dati e sviluppare l'abitudine di impostare istruzioni sicure rendendo anonimo il contesto.
L’ingegneria geologica è una professione in cui non potremo mai vedere completamente la verità sottoterra. Un pozzo campiona solo una fetta di un centimetro di molti chilometri di terreno; una sezione geofisica è un'ombra indiretta; Una mappa è un'interpretazione degli spazi tra le osservazioni. Ecco perché la geologia è una disciplina che funziona intrinsecamente con l'incertezza. L’intelligenza artificiale (AI; sistemi software che apprendono dai modelli di big data e producono testi/immagini/numeri) è uno strumento potente per gestire questa incertezza, ma è anche uno strumento che può nascondere pericolosamente la stessa incertezza. Questa unità pone le due basi su cui sarà costruito l'intero modulo: dove nel flusso di lavoro della geologia l'intelligenza artificiale produce valore reale e come convalidiamo ciascun risultato.
Cerchiamo di essere chiari fin dall'inizio: nessuna tecnica che imparerai durante questo modulo sostituirà la firma, l'osservazione sul campo e il giudizio ingegneristico di un ingegnere geologico competente. L'intelligenza artificiale è un assistente; Legge velocemente, scrive velocemente, coglie schemi. Ma se un pendio cede, le fondamenta di una diga crollano o si ritiene che una riserva mineraria sia più grande di quello che è, la responsabilità non è del software, ma dell’ingegnere che lo ha firmato. Vedrete questa frase di nuovo in forme diverse in ciascuna unità del modulo, perché questa è l'unica verità nell'ingegneria critica per la sicurezza.
Dove l’intelligenza artificiale crea valore nel flusso di lavoro della geologia?
La settimana di un ingegnere geologico è approssimativamente divisa in tre tipi di lavoro: preparazione dei dati (digitalizzazione dei registri, modifica delle note sul campo, pulizia delle tabelle), interpretazione e analisi (classificazione litologica, correlazione, stima delle risorse, valutazione dei pericoli) e comunicazione (rapporto, mappa, presentazione, corrispondenza). L’intelligenza artificiale tocca tutte e tre le aree, ma il suo contributo e il suo rischio sono diversi in ciascuna.
La preparazione dei dati è il campo più sicuro e redditizio dell’intelligenza artificiale. Tradurre le descrizioni principali di testo libero in una tabella strutturata, standardizzare le unità incoerenti, contrassegnare i valori anomali in migliaia di righe di output di laboratorio: sono attività ripetitive, basate su regole e facili da verificare. Anche se qui si verifica un errore, sarebbero necessari alcuni minuti per tornare alla fonte (registro grezzo) e controllarlo.
Il campo dell'interpretazione e dell'analisi comporta il valore più alto e il rischio più alto. L'intelligenza artificiale può suggerire una possibile geometria della faglia da una sezione di perforazione; Ciò può rivelare uno schema che anche un occhio esperto potrebbe non cogliere. Ma lo stesso modello può adattarsi con sicurezza ad un'unità stratigrafica inesistente (questo fenomeno si chiama allucinazione: il modello produce informazioni che in realtà non esistono, come se fossero reali). In questo campo, l’intelligenza artificiale è un generatore di ipotesi, non un decisore.
Nel campo delle comunicazioni, l’intelligenza artificiale è un acceleratore. Redige la sezione metodologica di un rapporto geotecnico, un riepilogo della letteratura o un'e-mail in pochi minuti. Il rischio qui è che fonti fittizie e numeri errati possano scivolare inosservati nella firma di un testo scorrevole.
Disciplina di convalida: la regola delle tre ancore
Il cuore di questo modulo è un'unica abitudine: non incorporare alcun output dell'intelligenza artificiale in una decisione ingegneristica senza convalidarla. Basiamo la validazione su tre ancore indipendenti.
Prima ancora: ordine di grandezza. Il risultato rientra all'incirca nell'intervallo di potenza previsto di 10? La conducibilità idraulica di una falda acquifera sabbiosa è tipicamente dell'ordine dei metri al giorno; Se il modello fornisce chilometri/giorno, c'è un errore di unità o di modifica e lo si può capire senza entrare nei dettagli. La resistenza alla compressione unassiale di un calcare è compresa tra 30 e 200 MPa; 3000 MPa sono ridicoli. Questo controllo richiede pochi secondi e rileva la maggior parte degli errori.
Seconda ancora: plausibilità geologica. Il risultato è coerente con la storia geologica del campo? Se il modello ha posizionato un alluvione giovane sotto un calcare marino, o c'è una faglia inversa (e questo deve essere dimostrato separatamente) oppure il modello è una stronzata. Sequenza stratigrafica, quadro tettonico e ambiente deposizionale sono il filtro di verosimiglianza attraverso il quale deve passare ogni interpretazione.
Terzo ancoraggio: prove sul campo. Questa è l'ancora più forte. Carotaggio, osservazione dell'affioramento, verifica sul campo. Un'interpretazione litologica basata sul log viene confrontata con una carota prelevata alla stessa profondità. Una zona di alterazione mappata mediante telerilevamento viene testata con campioni in diversi punti sul campo. La verità fondamentale vince sempre.
Tre mini custodie: i numeri
Caso 1 — Risparmio di tempo nella digitalizzazione dei registri. Un ingegnere stava digitalizzando manualmente 42 registri scansionati (cartacei) di pozzi trivellati degli anni '80; In media 35 minuti per registro, circa 24 ore in totale. Con un flusso di lavoro basato sull'intelligenza artificiale, ha ridotto la prima bozza a 6 minuti, dedicando il tempo rimanente alla verifica visiva. Il tempo totale è sceso a circa 8 ore; Ciò che è stato fondamentale è che il tempo guadagnato è stato dedicato al controllo.
Caso 2 – Allucinazione catturata. Quando uno stagista chiese all'intelligenza artificiale di riassumere la stratigrafia di un campo, il testo includeva la frase "Evaporiti della formazione di Tuzla comuni nella regione". Non c'era evaporazione nel sito; il modello aveva informazioni confuse provenienti da un altro bacino. Il filtro di plausibilità geologica (la struttura tettonica della regione non era adatta alla deposizione evaporitica) ha individuato l'errore prima della firma del rapporto.
Caso 3 — Errore dell'unità. In un calcolo di una fonte, il modello ha gonfiato la produzione di tonnellaggio di un fattore 1000 confondendo la densità con 2,7 t/m³ invece di 2,7 g/cm³ (in effetti i due sono uguali, ma il passaggio intermedio del modello era errato e ha gonfiato il risultato di un fattore 1000). Il controllo dell’ordine di grandezza – “questo blocco non può essere di 5 milioni di tonnellate ma 5 miliardi di tonnellate” – ha immediatamente rivelato l’errore.
Prompt debole / Prompt forte
Suggerimento debole:
Riassumere la geologia di questo giacimento e valutarne il potenziale minerario.[dati]
Suggerimento potente:
Il tuo ruolo: un geologo esplorativo senior. Interpretare il riepilogo della perforazione di seguito basandosi SOLO sui dati forniti. - Non aggiungere formazioni, minerali o età che non sono presenti nei dati. - Mostra la riga dati su cui ti basi con parentesi accanto a ciascun commento. - Scrivi "dati insufficienti" dove non sei sicuro, non tirare a indovinare. - Infine: fare un elenco separato di 3 ipotesi che devono essere verificate. Dati: [riepilogo della perforazione]
Il forte suggerimento impone tre cose al modello: attenersi alla fonte, ammettere l’incertezza e contrassegnare le cose da verificare. Ciò non pone fine completamente all'allucinazione, ma la rende visibile.
Quattro modelli copiabili
1) Stabilire un contesto anonimo:
Ho bisogno di aiuto con un compito di ingegneria geologica. Il nome del campo, le coordinate e le informazioni aziendali sono RISERVATE; Li fornirò con espressioni rappresentative come "Campo A", "Coordinata X". Missione: [ricerca]. Basta fare affidamento sui dati tecnici che fornisco.
2) Tre richieste di verifica dell'ancora:
Effettua tre controlli per il seguente output: 1) Ordine di grandezza: ciascun numero rientra nell'intervallo previsto? In caso negativo, votare.2) Plausibilità geologica: esiste un'affermazione stratigraficamente/tettonicamente incoerente?3) Elenco di verifica: elementi che devono essere confermati sul campo/laboratorio.Risultato: [testo]
3) Rafforzare l’ambiguità:
Fornisci la tua interpretazione a tre livelli di confidenza:- Confidenza alta (supportata direttamente dai dati)- Confidenza media (inferenza ragionevole)- Speculativo (dati aggiuntivi richiesti)Compito: [compito]. Dati: [dati]
4) Distinzione decisione/supporto:
Dividere il seguente compito in due: A) Lavoro su dati/bozze che l'IA può svolgere con sicurezza B) Punti decisionali per i quali è RICHIESTA l'approvazione di un ingegnere autorizzato Descrizione del compito: [definizione]
Ruolo dell'intelligenza artificiale: rischio per tipo di missione
Tipo di attività
Contributo dell'IA
Livello di rischio
Densità di verifica
Digitalizzazione log/tabelle
alto
basso
controllo a campione
Classificazione preliminare della litologia
alto
medio
Fondamento + ragionevolezza
Calcolo risorse/tonnellaggio
medio
alto
Conto manuale + indipendente
Decisione sulla sicurezza del pendio/base
limitato
molto alto
Approvazione completa dell'ingegnere
Bozza di rapporto/letteratura
alto
medio
conferma della fonte
Valutazione del rischio/disastro
limitato
molto alto
Campo + norma + approvazione
Suggerimento: per determinare il livello di rischio di un'attività, porre una domanda: "Qual è la cosa peggiore che potrebbe accadere se questo risultato è sbagliato?" Se la risposta è 'perderò qualche minuto', verifica con leggerezza; Se "qualcuno potrebbe farsi male", tratta l'output come un'ipotesi e sottoponilo all'intero processo di progettazione.
Attenzione: la caratteristica più pericolosa dell'intelligenza artificiale non è che commette errori, ma che lo fa con sicurezza. Un testo scorrevole, tecnico e pulito non significa che sia corretto. Fidati delle prove, non dello stile.
Errori comuni
- Confondere la fluidità con la precisione. Non importa quanto professionale appaia il testo, le affermazioni fattuali (età, formazione, numero, fonte) dovrebbero essere verificate in modo indipendente.
- Non dimensionare il rischio in base al tipo di attività. Osservare una revisione della liquefazione allo stesso modo di una bozza di posta elettronica. La convalida si adatta al potenziale danno.
- Inserimento di dati riservati sul campo senza pensare. Le informazioni di coordinamento, classificazione e riserva sono commercialmente e legalmente sensibili; anonimizzare prima di entrare nel veicolo non controllato.
- Ignorando l’incertezza. Solo perché il modello appare “fiducioso” non significa che l’incertezza scompaia; Richiedi l'intervallo e il livello di confidenza piuttosto che una stima puntuale.
- Confondere l’intelligenza artificiale con il processo decisionale. Il modello genera ipotesi; La decisione è presa dall'ingegnere responsabile.
In sintesi
- La geologia opera intrinsecamente con incertezza; L’intelligenza artificiale può sia gestire che nascondere pericolosamente questa incertezza.
- L’intelligenza artificiale è la più sicura e redditizia nella preparazione dei dati, la più preziosa ma più rischiosa nell’interpretazione/analisi e l’acceleratore nella comunicazione.
- Ogni risultato è convalidato rispetto a tre ancoraggi: ordine di grandezza, plausibilità geologica, prove sul campo.
- Il rischio di un risultato è pari al danno che causerà se fosse sbagliato; la convalida si ridimensiona di conseguenza.
- Nell'ingegneria critica per la sicurezza, l'output dell'intelligenza artificiale non sostituisce mai l'approvazione di un tecnico autorizzato.
Compito dell'applicazione
Elenca cinque attività geologiche che svolgi in una settimana dal tuo lavoro (ad esempio modifica dei registri, correlazione, sezione del rapporto, controllo del grado, annotazione del pericolo). Metti ciascuno a livello di rischio secondo la tabella di questa unità e chiedi “qual è la cosa peggiore che accadrebbe se fosse sbagliato?” Rispondi alla domanda in una frase. Quindi scrivi un forte messaggio anonimo per l'attività a rischio più basso e provalo; Controlla l'output con tre ancoraggi e nota quale ancora ha riscontrato un problema.
lista di controllo
- [ ] Posso distinguere dove l'intelligenza artificiale produce valore sicuro e dove rischioso nel flusso di lavoro della geologia.
- [ ] Ho acquisito la reflex per verificare ogni output con ordine di grandezza, plausibilità geologica e prove sul campo.
- [ ] Il livello di rischio di un'attività chiedendo "qual è la cosa peggiore che potrebbe accadere se tutto va storto?" Posso determinarlo con la domanda.
- [ ] So cosa sono l'allucinazione e l'incertezza e come renderle visibili.
- [ ] Ho adottato l'abitudine di impostare un prompt sicuro rendendo anonimi i dati riservati sul campo.