Үздіксіз интеграция, MLOps және инженердің жауапкершілігі

Табыстар:

• AI қолдайтын автомобиль жобасын тұжырымдамадан өндіріске дейін жобалау және оны бақылау циклімен қамтамасыз ету мүмкіндігі
• Модель нұсқасын басқаруды, деректер дрейфін және қайта даярлау қажеттіліктерін бағалау мүмкіндігі
• Жоба бойынша есептілікті, бақылауды және құжаттаманы сақтай отырып, AI-ны қауіпсіз масштабтау мүмкіндігі

Бұл модульдің соңғы бөлімінде біз барлық бөліктерді біріктіреміз. Біз жасанды интеллект дизайннан өндіріске, сынақтан жеткізу тізбегіне дейін жеке бөлімшелерде қалай қолданылатынын көрдік. Бірақ нақты жобада бұл оқшауланған қадамдар емес, өмірлік цикл: деректер жиналады, модель құрастырылады, өндіріске енгізіледі, ол бақыланады және ескірген кезде ол жаңартылады. Бұл циклды сақтау пәні MLOps (Machine Learning Operations) деп аталады. Бұл бөлім AI-мен жұмыс істейтін автомобиль жобасының басынан аяғына дейін баптауды, техникалық қызмет көрсетуді және есеп беруді қамтиды.

AI жобасының өмірлік циклі

Автокөлік контекстіндегі әдеттегі ұшты-ұшты ағын:

1. Мәселе және құндылық анықтамасы: Біз қандай бизнес мәселесін шешіп жатырмыз? Табыс қалай өлшенеді? Бұл қауіпсіздік үшін маңызды функция ма?
2. Деректерді жинау және таңбалау: Дереккөздер (CAN, тестілеу, өндіріс, телематика), сапа, құпиялылық.
3. Модельді әзірлеу: Атрибут, модель, тексеру (ағып кетуді бақылау, бірлік консистенциясы).
4. Тексеру және қауіпсіздікті бағалау: ISO 26262/SOTIF қажет болса, тәуелсіз тестілеу.
5. Орналастыру: үлгіні құрылғыға, желіде немесе бұлтта қолдану.
6. Бақылау: өнімділік, деректер дрейфі, дабыл дәлдігі.
7. Қайта даярлау: Модель ескірген кезде оны жаңарту.
8. Құжаттама және қадағалау: әрбір қадамның жазбасы; кім, қашан, неге.

Бұл цикл біржола аяқталмайды; үздіксіз айналады. Автокөлікте модельді «орнату және ұмыту» қауіпті.

Кеңес: Жобаны бастаған кезде, "бұл үлгі өрісте болғаннан кейін кім бақылайды, қандай метрикамен және қаншалықты жиі?" Сұраққа жауап бере алмасаңыз, модель әлі өндіріске дайын емес.

Модель нұсқасын басқару және қадағалау

Автокөліктегі бақылау - бұл сән-салтанат емес, көбінесе заңды міндеттеме. Мәселе туындаған кезде «қандай үлгі нұсқасы, ол қандай деректермен оқытылды, оны кім бекітті?» деген сұрақтарға жауап бере алуыңыз керек. Жақсы тәжірибелер:

• Модель нұсқасы: Әрбір үлгінің нөмірі, жаттығу деректері және күні жазылады.
• Деректер нұсқасын жасау: ол оқытылған деректер бекітілді.
• Шешім қабылдау журналы: бекітуді кім және қандай дәлелмен берді.
• Қайтару жоспары: Егер жаңа үлгі нашар болып шықса, ескісіне оралуға болады.

элемент

Неге керек

Жоқ болған жағдайда тәуекел

Үлгі нұсқасы

Далада қай нұсқа бар?

Мәселені қадағалау мүмкін емес

Деректер нұсқасы

Ол немен жаттықты?

қайталанбайды

Бекіту жазбасы

Кім жауапты?

жауапкершілікке тартылуы мүмкін емес

болдырмау

Нашар нұсқадан оралу

Егістікте ұзақ тұрып қалу

Деректер дрейфі және модельдің ыдырауы

Модель - ол оқытылатын әлемнің суреті. Бірақ әлем өзгереді: жаңа бөлшектер жеткізушісі басқа сенсорлық төзімділікті әкеледі, көліктің жаңа моделі шығады, маусымдар өзгереді, көлік жүргізу әдеттері өзгереді. Модельдің өнімділігі кіріс деректерінің таралуы жаттығу уақытынан алыстаған сайын үнсіз төмендейді. Бұл деректер дрейфі және нәтижесінде өнімділіктің төмендеуі үлгінің ыдырауы деп аталады.

Қауіпті - бұл құлдырау үнсіз: модель құлап кетпейді, қателеспейді, ол барған сайын қателеседі. Сондықтан:

• Кірістің таралуын бақылау (дрейфті анықтау).
• Нақты нәтижелермен өнімділік көрсеткіштерін бақылаңыз (дабылдар дәл болды ма?).
• Шектен асқан кезде қайта даярлауды іске қосыңыз.

Ескерту: «Модель үйренгеннен кейін ол мәңгілікке бірдей өнімділікті береді» деген болжам автомобильде қате және қауіпті. Дрейфті бақылаусыз өндіріске енгізілген модель білместен сенімсіз болуы мүмкін.

Сценарийдің соңына дейін мысал: болжамды техникалық қызмет көрсету паркі

Оны нақты етейік. Сіз жүк флоты үшін турбо ақауын ерте ескерту жүйесін орнатып жатырсыз:

1. Құндылығы: тоқтау және сүйрету шығындарын азайту; табысты = нақты қате/жалған дабыл теңгерімін түсірді.
2. Деректер: 40 көліктің CAN сигналдары, ақаулардың тарихи жазбалары; VIN анонимді.
3. Үлгі: Аномалия + RUL; уақыт қатарының ағып кетуіне жол бермеу; Белгісіздік диапазоны ұсынылған.
4. Тексеру: өткен ақаулар бойынша кері тестілеу; Жалған дабылдың құны өлшенді.
5. Өндіріс: бұлттағы күнделікті балл; панельді техникке жіберіңіз.
6. Бақылау: көлік құралының жаңа үлгісі қосылғанда дрейфті басқару; дабыл дәлдігі апта сайын.
7. Қайта оқыту: Тоқсан сайын жаңа көлік түрімен және ақаулардың жаңа мысалдарымен жаңарту.
8. Құжаттама: Үлгі нұсқасы, деректер нұсқасы, куәландырушы инженер тіркелген.

Бұл ағынның ешбір қадамында «AI шешті, орындалды» деп жазылмайды; Әр кезеңге адам жауапты.

Шағын жағдайлық есептер

1-жағдай - Үнсіз ыдырау. Сапаны бақылау үлгісі бір жыл бойы жақсы жұмыс істейді, содан кейін ағып кету жылдамдығы баяу өседі. Негізгі себеп: Жеткізуші өзгерген кезде, бөліктің беткі құрылымы сәл басқаша болды (дрейф) және модель бұл «қалыпты» деп ойлай бастады. Дрейф мониторингі орнатылып, модель қайта оқытылады. Нәтиже: Бақылаусыз осалдық бірнеше ай бойы байқалмай қалатын еді.

2-жағдай - Бақылау мүмкіндігі сақталды. Алаңнан жалған дабыл туралы шағым түсіп жатыр. Шешім қабылдау журналынан топ қай модель нұсқасы қай деректермен жұмыс істейтінін анықтайды; Ол мәселенің белгілі бір нұсқадағы шектік параметрінен туындайтынын анықтайды және сол нұсқаны кері қайтарады. Нәтиже: Нұсқа және шешім жазбасы болмаса, мәселені бақылау мүмкін болмады.

3-жағдай – Қайта даярлау пәні. Жаңа электрлік модель флотқа қосылғанда, қолданыстағы болжамды техникалық қызмет көрсету моделі осы көлікте көптеген жалған дабылдарды тудырады (ол ешқашан көрмеген қуат блогы). Жаңа модельді іске қоспас бұрын команда дрейф туралы ескертуді түсіреді және модельді жаңа көлік деректерімен кеңейтеді. Нәтиже: Дрейфті бақылау жаңа өніммен бірге келген деградацияны ерте анықтады.

шақыру үлгілері

Үлгі 1 - Жоба жоспарының жобасы:

Рөлі: AI жобасының жетекшісі (автомобиль). 40 көліктен тұратын парк; VIN анонимді болып табылады. Шектеу: Құнды анықтау, деректер, үлгі, тексеру, өндіру, бақылау, қайта даярлау және құжаттаманың қадамдарын бөлек қарастырыңыз; әрбір қадамға кім жауапты екенін көрсетіңіз.Шығару: Қадам | шығару | жауапты | тәуекелдер кестесі.

Үлгі 2 - Мониторинг жоспары:

Рөл: Сіз MLOps инженерісіз. Тапсырма: Өрістегі үлгіге мониторинг жоспарын ұсыныңыз. Мәтінмән: кірісті бөлу уақыт өте келе өзгеруі мүмкін (жаңа жеткізуші, жаңа құрал); өнімділікті нақты нәтижелермен өлшеуге болады. Шығару: бақылау үшін метрика | табалдырық | іске қосылатын әрекет.

Үлгі 3 - Drift рейтингі:

Рөлі: Деректер ғалымы. Тапсырма: Деректердің дрейфін қалай анықтау керектігін және қайта оқыту қажет болған кезде түсіндіріңіз. Мәтінмән: Өндіріс желісін визуалды тексеру үлгісі; Жеткізушіде өзгеріс болуы мүмкін. Шығыс: Сигнал | өлшеу | қайта даярлау триггері.

Үлгі 4 - Бақылау мүмкіндігін тексеру тізімі:

Рөл: Сіз сапа/сәйкестік аудиторысыз. Тапсырма: Үлгі үшін бақылау мүмкіндігін тексеру тізімін жасаңыз. Мәтінмән: Автокөлік; Ақаулық туындаған кезде «қай нұсқа, қандай деректер, оны кім бекітті» деген сұраққа жауап беру керек. Шығару: Элемент | не үшін қажет | диаграмманы қалай сақтауға болады.

Әлсіз шақыру / Күшті шақыру

Әлсіз шақыру:

Модельді өндіріске енгізіңіз.

Бақылау, нұсқалау, есеп беру және кері қайтару жоқ; Үнсіз ыдырау және шешілмейтін мәселелер сөзсіз.

Күшті шақыру:

Рөл: Сіз MLOps және автомобиль сапасы бойынша кеңесшісіз. Тапсырма: Үлгіні өндіріске жауапкершілікпен енгізуім керек бақылау парағын жасаңыз. Мәтінмән: Болжалды техникалық қызмет көрсету паркі; Уақыт өте келе жаңа көлік түрлері қосылады; VIN анонимді. Шектеу: бақылауды, дрейфті анықтауды, нұсқаны/деректерді тіркеуді, растауды және кері қайтару жоспарын қамтиды; Әрбір тармаққа жауапты мемлекет; 'оны орнату және ұмыту' ұсынысы. Шығару: кезең | қажеттілік | жауапты | тәуекелдер кестесі.

Жалпы қателер

• «Оны орнат және ұмыт» тәсілі. Бақылаусыз модель тыныш ыдырайды.
• Нұсқа/деректер жазбаларын сақтамау. Проблеманы іздеу немесе қайта шығару мүмкін емес.
• Қайтару жоспары жоқ. Нашар шығарылымнан қалпына келтіру ұзақ уақытқа созылса, далада ұзақ сәтсіздік болады.
• Drift күтпейді. Жаңа жеткізуші/құрал/маусым үлгіні бұзады; бақылау маңызды болып табылады.
• Жауапкершілікті түсініксіз қалдыру. «Кім жауапты» деген сұраққа жауап әр қадамда анық болуы керек.

Қысқаша айтқанда

• Жасанды интеллектпен жұмыс істейтін автомобиль жобасы бір реттік емес, жылжымалы өмірлік цикл (MLOps).
• Үлгі және деректер нұсқасын жасау, шешімдерді тіркеу және кері қайтаруды жоспарлау қадағалау үшін өте маңызды.
• Деректер дрейфі модельді үнсіз жоққа шығарады; енгізу мен өнімділікті бақылау және қажет болған жағдайда қайта даярлау қажет.
• Үздік мысалда әрбір қадамда адам жауапты болады; «АИ шешті, бітті» деген жоқ.
• «Оны орнат және ұмыт» автомобильде қауіпті; мониторинг, құжаттама және есеп беру жобаның барлық кезеңінде сақталады.

Қолданбалы тапсырма

Осы модульде білгендеріңізді бір жобаға біріктіріңіз (мысалы, өндірістік желіні визуалды тексеру немесе болжамды техникалық қызмет көрсету). (1) 1-үлгімен бірге жоба жоспарының жобасын жасау; Әр қадамға жауапты адамды жазыңыз. (2) 2-үлгі арқылы бақылау жоспарын және дрейф триггерлерін анықтаңыз. (3) 4-үлгі арқылы бақылау мүмкіндігін тексеру тізімін дайындаңыз. (4) Модульдің басынан бастап осы жобаға үш тірек пәнін қалай қолданғаныңызды абзацта қорытындылаңыз.

бақылау парағы

• [ ] Мен жобаны соңына дейін өмірлік цикл ретінде жоспарладым.
• [ ] Мен шешім жазбасын үлгі және деректер нұсқасымен анықтадым.
• [ ] Мен бақылау жоспарын және дрейф триггерлерін орнаттым.
• [ ] Мен кері қайтару жоспарын дайындадым.
• [ ] Әр қадамға кім жауапты екенін түсіндірдім.
• [ ] Мен якорьді тексерудің үш пәнін және адам қауіпсіздігіне қатысты сыни тексеруді қолдадым.

Модуль емтиханы

1. Автокөлік қауіпсіздігі бойынша маңызды шешім қабылдауда (мысалы, тежегіш бағдарламалық құралды тексеру) AI шығысының рөлі қандай?

• A) Талдауды жылдамдатады, бірақ соңғы мақұлдау мен жауапкершілік сауатты инженерде қалады✔
• B) Деректер жеткілікті болса, оны инженердің рұқсатынсыз өндіріске енгізуге болады
• C) AI тежегіштер сияқты маңызды жүйелерде кез келген кезеңде қолданыла алмайды
• D) Модельдің дәлдігі 99%-дан асса, адамның тексеруі қажет емес

Сипаттама: Жасанды интеллект талдауды жылдамдатады, кандидаттық шешімдер мен қорытындыларды жасайды; Дегенмен, қауіпсіздік тұрғысынан маңызды шешім және түпкілікті бекіту құзыретті инженердің жауапкершілігі болып табылады. AI инженерлік тексеруді алмастырмайды.

2. Зәкірді валидациялаудың үш пәнінде АИ нәтижесін тексеру үшін қолданылатын үш тәуелсіз тексеру қандай?

• A) Сұрау ұзақтығы, тілі және форматы
• B) Шаманың реттілігінің дәлелі, инженерлік негізділік және тәуелсіз сынақ/өлшеу ✔
• C) Үлгінің өлшемі, оқу уақыты және графикалық процессорлар саны
• D) Жеткізушінің бренді, бағасы және жеткізу уақыты

Сипаттама: Үш якорь; шама реті (реттік тексеру), инженерлік орындылық (физика/тәжірибе) және тәуелсіз сынақ/өлшеу дәлелдерімен кросс-валификация. Бұл үшеуі AI-ға емес, дәлелдерге сенім береді.

3. CFD немесе FEA модельдеуін жылдамдататын «суррогат үлгінің» шығысы үшін ең маңызды тексеру қандай?

• A) Суррогат моделі әрқашан нақты шешушіге қарағанда дәлірек
• B) Рендерді эстетикалық тартымды ету жеткілікті
• C) Эталондық шешіммен салыстыру және жаттығу кеңістігінен тыс қозғалғанда сенімсіздікті қабылдау ✔
• D) Бір іске қосылатын болса, желі тәуелсіздігін қараудың қажеті жоқ

Сипаттама: Суррогат моделі нақты шешушінің орнына жылдам болжамдар жасайды; бірақ ол дайындалған дизайн кеңістігінен тыс сенімсіз. Шығару экстраполяция аймағын анықтамалық жоғары дәлдіктегі модельдеу және физикалық шекаралық шарттармен белгілеу арқылы тексерілуі керек.

4. SAE автоматтандыру деңгейлеріндегі 2-деңгей (жартылай автоматтандыру) үшін дұрыс өрнек қандай?

• A) Көлік барлық жағдайда жүргізушісіз жүре алады
• B) Жүйе ешқандай көлік жүргізу міндетін қабылдамайды, тек ескертулер береді
• C) Жүргізуші орнында отырмаса жарайды
• D) Жүйе рульді басқару мен жылдамдықты қолдайды, бірақ жүргізуші тұрақты бақылау мен жауапкершілікті сақтайды ✔

Сипаттама: 2-деңгейде жүйе рульді басқару мен жылдамдықты/қашықтықты бір уақытта қолдайды, бірақ жүргізуші тұрақты бақылауды сақтайды және кез келген уақытта басқаруға дайын; Жауапкершілік жүргізушіге жүктеледі. 3 және одан жоғары деңгейде жүйе белгілі бір жағдайларда жүргізу міндеттерін қабылдайды.

5. Неліктен «шығу жылдамдығы» өндірістік желідегі көрнекі ақауларды анықтаудағы маңызды көрсеткіш болып табылады?

• A) Ақаулы бөлікті мақұлдау және оны далаға жіберу қауіпсіздік пен кері қайтарып алу қаупін тудырады ✔
• B) Ол желі жылдамдығын бәсеңдететіндіктен ғана маңызды
• C) Ағып кету жылдамдығы тек бояу ақаулары үшін жарамды
• D) Ағып кету жылдамдығы модельдің жаттығу уақытын өлшейді

Сипаттама: Заңсыз; Ақаулы бөлік мінсіз болып саналады және сызықтан өтеді (жалған теріс). Автокөліктің қауіпсіздік бөлігі үшін ағып кету жалған бас тартуға қарағанда әлдеқайда қымбатқа түседі, себебі ол істен шығуға немесе далада кері шақыруға әкелуі мүмкін; Шекті сәйкесінше реттеледі.

6. Болжамды қызмет көрсетуде «қалған пайдалы қызмет мерзімі» (RUL) бағалауының ең дәл қолданылуы қандай?

• A) RUL тек қозғалтқыш майы үшін есептеледі
• B) Ол белгісіздік ауқымымен ұсынылуы және техникалық қызмет көрсету терезесі мен қауіпсіздік шегіне сәйкес түсіндірілуі керек ✔
• C) Ол бір күндік нақты мән ретінде қабылдануы керек және сол күнге дейін ешқандай тексеру жүргізілмеуі керек.
• D) RUL жоғары болса, сенсорларды өшіруге болады

Сипаттама: RUL – істен шыққанға дейін құрамдас бөліктің болжалды қалған жұмыс уақыты; Ол белгісіздік ауқымымен ұсынылуы және техникалық қызмет көрсету жоспары мен қауіпсіздік шегіне сәйкес түсіндірілуі керек. Бір нүктелік бағалауға соқыр сенім артудың орнына, сенімділік интервалы мен жалған дабыл құны ескеріледі.

7. Сынақ деректерін талдау кезінде AI жол сынағы жазбасында аномалияны белгілегенде инженер не істеуі керек?

• A) Аномалияны көргенде, сынақ автоматты түрде сәтсіз деп есептелуі керек.
• B) AI деректерді белгілемеген болса, мүлдем қарамауы керек
• C) Аномалияны бастапқы деректермен, өлшеудің белгісіздігімен және қайталанушылығымен тексеріңіз ✔
• D) Аномалияларды жою және есепті жою

Түсініктеме: AI жалаулары қорытынды емес, анықтама болып табылатын аномалия. Инженер өлшеудің белгісіздігін, сенсордың істен шығу мүмкіндігін және қайталану мүмкіндігін тексеріп, аномалияны бастапқы деректермен және қабылдау критерийлерімен тексеруі керек. Автоматты қабылдау немесе бас тарту дұрыс емес.

8. Жеңілдетілген зерттеуде АИ ұсынған материалды өзгерту үшін қандай тексеру міндетті болып табылады?

• A) Ол жеңілірек болуы керек
• B) Материалдық базадағы бір жолды дәлел ретінде алуға болады
• C) Жеңіл материалдарда апаттық әрекет маңызды емес
• D) Механикалық, шаршау, апат, өндіру және шығындар талаптарын бірге сынау керек ✔

Ескертпе: Материалдық ұсыныс тек тығыздық/беріктік қатынасы негізінде қабылданбайды; механикалық қасиеттер, шаршау, апатқа ұшырау тәртібі, дайындалу қабілеті, коррозия, құны және қауіпсіздік талаптары бірге тексеріліп, физикалық сынау арқылы расталуы керек.

9. Неліктен автокөлік жеткізу тізбегіндегі «бір көзден тәуекел» AI ұсыныстарында ерекше назар аударуды қажет етеді?

• A) Бір жеткізушінің жұмысындағы үзіліс барлық өндірісті тоқтатуы мүмкін; Екінші көзді және буферді бағалау керек ✔
• B) Бір көзден алу әрқашан ең қауіпсіз нұсқа болып табылады
• C) AI ұсынылса, тәуекелді талдау қажет емес
• D) Бір көзден алу тәуекелі тек шинаға қатысты

Түсініктеме: Бөлшек бір жеткізушіден келсе, сол жеткізушіде ақаулық туындаған кезде өндіріс тоқтайды. AI шығындарды оңтайландырудың жалғыз көзін ұсына алады; Инженер/жоспарлаушы мұны қосымша ресурспен, қор буферімен және сценарий талдауымен теңестіруі керек. Құны жалғыз критерий емес.

10. Python көмегімен телеметриялық талдауды орындау кезінде «деректердің ағып кетуі» нені білдіреді және ол неге қауіпті?

• A) Деректер дискіден ағып, жойылады
• B) Модель оқытуда болжау кезінде белгілі болмайтын ақпаратты көреді; Ұпайды көбейтеді, алаңға құлады ✔
• C) Графикалық түстердің араласуы
• D) Тек кескін деректерінде болады

Сипаттама: Деректер ағып кету; Бұл модель оқытуда болжау кезінде нақты белгілі болмайтын ақпаратты көретін кезде болады (мысалы, болашақ мән немесе мақсатқа қатысты төлсипат). Бұл сынақ ұпайын жасанды түрде көтереді, бірақ өріс өнімділігін бұзады. Уақыттық қатарда өткен/болашақ арасындағы айырмашылық мұқият сақталуы керек.

11. ASIL классификациясы ISO 26262 функционалдық қауіпсіздік контекстінде нені анықтайды?

• A) Көліктің максималды жылдамдығы
• B) Модельдің оқу деректер жинағының өлшемі
• C) ✔ Қауіптің ауырлығына, әсер етуіне және бақылау мүмкіндігіне сәйкес қауіпсіздіктің қажетті деңгейі.
• D) Жеткізушінің несиелік рейтингі

Сипаттама: ASIL (Автокөлік қауіпсіздігінің тұтастығы деңгейі) қауіптілік дәрежесін, әсер етуді және бақылау мүмкіндігін бағалау негізінде қауіп талап ететін қауіпсіздік шараларының деңгейін (А-дан D-ге дейін, D ең жоғары) анықтайды. Жоғары ASIL неғұрлым қатаң әзірлеуді, тексеруді және құжаттаманы қажет етеді.

12. ISO 21448 (SOTIF) классикалық функционалдық қауіпсіздіктен (ISO 26262) қандай айырмашылығы бар?

• A) Тек аппараттық ақауларды өңдейді
• B) Тек бағдарламалық қамтамасыз етуді лицензиялауды реттейді
• C) SOTIF – ISO 26262 стандартының ескі атауы
• D) Сәтсіз функционалдылық пен танылмаған сценарийлерден туындайтын тәуекелдерді, тіпті сәтсіздік болмаған жағдайда да қарастырады ✔

Сипаттама: ISO 26262 ақаулар/аппараттық-бағдарламалық құрал қателерінен туындайтын тәуекелдерді қарастырғанымен, SOTIF (Негізделген функционалдылықтың қауіпсіздігі) жүйе мүлде дұрыс жұмыс істемесе де, жеткіліксіз анықтаудан, танылмаған сценарийлерден және функционалдық шектеулерден туындайтын тәуекелдерді қарастырады; AI негізіндегі анықтауда әсіресе маңызды.

13. Жүргізуші және көлік құралының телеметриялық деректерімен жұмыс істеу кезінде құпиялылық тұрғысынан ең жақсы тәсіл қандай?

• A) анонимдеу, деректерді азайту және мақсатты шектеумен KVKK/GDPR сәйкестігі ✔
• B) Барлық бастапқы деректерді VIN кодымен бірге жалпыға ортақ модельге жіберу
• C) Құпиялылық тек маркетингтік деректерге қатысты
• D) Орналасу деректері ешқашан жеке деректер болып саналмайды

Сипаттама: Орналасқан жері, жүргізу тәртібі және шасси нөмірі (VIN) сияқты деректер адамды анықтай алады. Ең дұрыс тәсіл; деректерді анонимдеу/псевдонимизациялау, тек қажет нәрсені жинау (деректерді азайту), мақсатты шектеу және KVKK/GDPR сәйкестігі. Үшінші тарап құралдарына өңделмеген VIN немесе орынды жіберу қауіпті.

14. Өндіріске енгізілген AI моделіндегі «деректер дрейфін» бақылау неліктен қажет?

• A) Модельді жаттықтырғаннан кейін ол бірдей өнімділікті шексіз береді.
• B) Уақыт бойынша кірісті бөлу өзгерген сайын өнімділік үнсіз төмендейді; қайта даярлауды бастау керек ✔
• C) Дрейф - бұл аппараттық құралдың физикалық дірілі
• D) Мониторинг қажет емес, себебі модель өзін автоматты түрде жаңартады

Түсініктеме: Шынайы әлем өзгереді (жаңа бөлшектер жеткізушісі, маусым, көліктің жаңа үлгісі); Енгізуді тарату жаттығу уақытынан алыстаған сайын үлгі өнімділігі үнсіз төмендейді. Қайта оқыту дрейфті бақылау және өнімділік көрсеткіштері арқылы іске қосылады. «Оны орнат және ұмыт» тәсілі автомобильде қауіпті.