ಮ್ಯಾಪಿಂಗ್ ಇಂಜಿನಿಯರಿಂಗ್‌ನಲ್ಲಿ ಆರ್ಟಿಫಿಶಿಯಲ್ ಇಂಟೆಲಿಜೆನ್ಸ್ ಮತ್ತು ವೆರಿಫಿಕೇಶನ್ ಡಿಸಿಪ್ಲಿನ್ ಪರಿಚಯ

ಲಾಭಗಳು:

• ಜಿಯೋಮ್ಯಾಟಿಕ್ಸ್ ವರ್ಕ್‌ಫ್ಲೋನ ಯಾವ ಹಂತಗಳು ನೈಜ ಸಮಯವನ್ನು ಉಳಿಸುತ್ತದೆ ಮತ್ತು ಸಮರ್ಥ ಎಂಜಿನಿಯರ್‌ನ ಅನುಮೋದನೆಯೊಂದಿಗೆ ಯಾವ ನಿರ್ಧಾರಗಳು ಉಳಿಯಬೇಕು ಎಂಬುದನ್ನು ಪ್ರತ್ಯೇಕಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ
• ಪ್ರತಿ AI ಔಟ್‌ಪುಟ್ ಅನ್ನು ಪ್ರಮಾಣ, ಜಿಯೋಡೆಸಿಕ್ ಪ್ಲಾಸಿಬಿಲಿಟಿ ಮತ್ತು ಭೂಪ್ರದೇಶ/ಸಂಪನ್ಮೂಲ ಪುರಾವೆಗಳೊಂದಿಗೆ ಕ್ರಾಸ್-ಮೌಲ್ಯೀಕರಿಸುವ ಶಿಸ್ತನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವ ಸಾಮರ್ಥ್ಯ
• ನಿರ್ದೇಶಾಂಕ/ಡೇಟಮ್ ಗೊಂದಲ, ಭ್ರಮೆ ಮತ್ತು ವೈಯಕ್ತಿಕ ಡೇಟಾ ಗೌಪ್ಯತೆಯ ಅಪಾಯಗಳನ್ನು ಗುರುತಿಸುವ ಮೂಲಕ ಮತ್ತು ಸಂದರ್ಭವನ್ನು ಅನಾಮಧೇಯಗೊಳಿಸುವ ಮೂಲಕ ಸುರಕ್ಷಿತ ಪ್ರಾಂಪ್ಟ್‌ಗಳನ್ನು ಹೊಂದಿಸುವ ಅಭ್ಯಾಸವನ್ನು ಪಡೆದುಕೊಳ್ಳಿ.

ಜಿಯೋಮ್ಯಾಟಿಕ್ಸ್ ಎಂಜಿನಿಯರಿಂಗ್ ಎನ್ನುವುದು ಎಂಜಿನಿಯರಿಂಗ್‌ನ ಶಾಖೆಯಾಗಿದ್ದು ಅದು ಭೂಮಿಯ ಮತ್ತು ಅದರ ಮೇಲಿನ ವಸ್ತುಗಳ ಸ್ಥಾನವನ್ನು ಅಳೆಯುತ್ತದೆ, ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುತ್ತದೆ, ವಿಶ್ಲೇಷಿಸುತ್ತದೆ ಮತ್ತು ನಕ್ಷೆ ಮಾಡುತ್ತದೆ. ಈ ವೃತ್ತಿಯು ನಿರ್ದೇಶಾಂಕಗಳು, ಮಿಲಿಮೀಟರ್‌ನಿಂದ ಸೆಂಟಿಮೀಟರ್ ನಿಖರತೆ, ಆಸ್ತಿ ಗಡಿಗಳು ಮತ್ತು ಅಧಿಕೃತ ದಾಖಲೆಗಳೊಂದಿಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ; ಆದ್ದರಿಂದ ತಪ್ಪುಗಳು ದುಬಾರಿ. ಈ ಘಟಕದಲ್ಲಿ, ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ (ಸಂಕ್ಷಿಪ್ತವಾಗಿ AI: ಪಠ್ಯ, ಚಿತ್ರಗಳು ಮತ್ತು ಡೇಟಾವನ್ನು ಸಂಸ್ಕರಿಸುವ ಮತ್ತು ಮಾನವ-ರೀತಿಯ ಉತ್ತರಗಳನ್ನು ಉತ್ಪಾದಿಸುವ ಸಾಫ್ಟ್‌ವೇರ್ ವ್ಯವಸ್ಥೆಗಳು) ಜಿಯೋಮ್ಯಾಟಿಕ್ಸ್ ವರ್ಕ್‌ಫ್ಲೋನಲ್ಲಿ ನೈಜ ಸಮಯವನ್ನು ಉಳಿಸುತ್ತದೆ, ಅಲ್ಲಿ ಅದು ಅಪಾಯಕಾರಿ ಮತ್ತು ಪ್ರತಿ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಹೇಗೆ ಪರಿಶೀಲಿಸುವುದು ಎಂಬುದನ್ನು ನಾವು ಸ್ಥಾಪಿಸುತ್ತೇವೆ. ಮೊದಲಿನಿಂದಲೂ ಹೇಳೋಣ: ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಸಹಾಯಕವಾಗಿದೆ, ಇದು ನಿರ್ದೇಶಾಂಕಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆಯಾದರೂ, ಸಮರ್ಥ ಎಂಜಿನಿಯರ್ ನಿರ್ಧಾರ ಮತ್ತು ಸಹಿಯನ್ನು ಮಾಡುತ್ತಾರೆ.

ಮೊದಲಿಗೆ, ವೃತ್ತಿ ಮತ್ತು AI ಎಲ್ಲಿ ಛೇದಿಸುತ್ತವೆ ಎಂಬುದನ್ನು ಸ್ಪಷ್ಟಪಡಿಸೋಣ. ಜಿಯೋಮ್ಯಾಟಿಕ್ಸ್ ಯೋಜನೆಯು ಸಾಮಾನ್ಯವಾಗಿ ಈ ಕೆಳಗಿನ ಹಂತಗಳ ಮೂಲಕ ಹೋಗುತ್ತದೆ: ಡೇಟಾ ಸಂಗ್ರಹಣೆ (GNSS, ಒಟ್ಟು ನಿಲ್ದಾಣ, UAV, LiDAR ನೊಂದಿಗೆ ಭೂ ಸಮೀಕ್ಷೆ), ಡೇಟಾ ಸಂಸ್ಕರಣೆ (ಕಚ್ಚಾ ವೀಕ್ಷಣೆಯನ್ನು ನಿರ್ದೇಶಾಂಕಗಳಿಗೆ ಪರಿವರ್ತಿಸುವುದು, ಸಮತೋಲನ), ವಿಶ್ಲೇಷಣೆ (GIS/GIS ನೊಂದಿಗೆ ಪ್ರಾದೇಶಿಕ ಪ್ರಶ್ನೆಗಳು), ಉತ್ಪಾದನೆ (ನಕ್ಷೆ, ಆರ್ಥೋಫೋಟೋ, ಮಾದರಿ), ವಿತರಣೆ (ವರದಿ, ಹಾಳೆ, ನೋಂದಣಿ). ಈ ಸರಪಳಿಯ ಪ್ರತಿಯೊಂದು ಲಿಂಕ್‌ನಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ವಿವಿಧ ಹಂತಗಳಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ: ಕೆಲವು ಸ್ಥಳಗಳಲ್ಲಿ ಇದು ಮುಖ್ಯ ಕೆಲಸವನ್ನು ಮಾಡುತ್ತದೆ (ಉದಾಹರಣೆಗೆ, ಸಾವಿರಾರು ಚಿತ್ರಗಳನ್ನು ವರ್ಗೀಕರಿಸುವುದು), ಕೆಲವು ಸ್ಥಳಗಳಲ್ಲಿ ಇದು ಡ್ರಾಫ್ಟ್‌ಗಳನ್ನು ಮಾತ್ರ ಉತ್ಪಾದಿಸುತ್ತದೆ (ವರದಿ ಪಠ್ಯ), ಮತ್ತು ಕೆಲವು ಸ್ಥಳಗಳಲ್ಲಿ ಇದು ಸಹಾಯಕವಾಗಿದೆ, ಅದನ್ನು ನಂಬಬಾರದು (ಕ್ಯಾಡಾಸ್ಟ್ರಲ್ ಗಡಿಯ ನಿಖರವಾದ ಮೌಲ್ಯ).

AI ಗೆ ಏನು ನೀಡಬೇಕೆಂದು ನಿರ್ಧರಿಸುವ ತತ್ವ

ಪ್ರತಿ AI ಕಾರ್ಯದ ಅಪಾಯವನ್ನು ನೀವು ಒಂದು ವಾಕ್ಯದಲ್ಲಿ ಅಳೆಯಬಹುದು: ಔಟ್‌ಪುಟ್‌ನ ಅಪಾಯವು ಆ ಔಟ್‌ಪುಟ್ ದೋಷಪೂರಿತವಾಗಿದ್ದರೆ ಅದು ಉಂಟುಮಾಡುವ ಹಾನಿಗೆ ಸಮಾನವಾಗಿರುತ್ತದೆ. ಸಾಹಿತ್ಯದ ಸಾರಾಂಶದಲ್ಲಿನ ಸಣ್ಣ ದೋಷವು ಬಹುತೇಕ ನಿರುಪದ್ರವವಾಗಿದೆ; ಆದಾಗ್ಯೂ, ಅಪ್ಲಿಕೇಶನ್‌ನ ನಿರ್ದೇಶಾಂಕಗಳಲ್ಲಿ 20 ಸೆಂ.ಮೀ ದೋಷ (ಭೂಮಿಯ ಮೇಲಿನ ಯೋಜನೆಯಲ್ಲಿ ಅಂಕಗಳನ್ನು ಗುರುತಿಸುವುದು) ಎಂದರೆ ತಪ್ಪಾದ ಸ್ಥಳದಲ್ಲಿ ಸುರಿದ ಅಡಿಪಾಯ, ನೆರೆಹೊರೆಯ ಪಾರ್ಸೆಲ್‌ಗೆ ಉಕ್ಕಿ ಹರಿಯುವ ಕಟ್ಟಡ ಮತ್ತು ನ್ಯಾಯಾಲಯದಲ್ಲಿ ವಿವಾದ. ಆದ್ದರಿಂದ ಸಂಭವನೀಯ ಹಾನಿಗೆ ಅನುಗುಣವಾಗಿ ನಾವು ಪರಿಶೀಲನೆಯ ತೀವ್ರತೆಯನ್ನು ಅಳೆಯುತ್ತೇವೆ.

ಈ ಕಾಂಕ್ರೀಟ್ ಮಾಡಲು, ವಿಷಯಗಳನ್ನು ಮೂರು ಬಕೆಟ್ಗಳಾಗಿ ವಿಭಜಿಸೋಣ:

ವ್ಯಾಪಾರ ಪ್ರಕಾರ

AI ನ ಪಾತ್ರ

ಪರಿಶೀಲನೆ ಸಾಂದ್ರತೆ

ಉದಾಹರಣೆ

ಕಡಿಮೆ ಅಪಾಯ/ಸಹಾಯಕ

ಮೂಲ ತಯಾರಕ

ಹಗುರವಾದ (ವಿಮರ್ಶೆ)

ಮಾಪನ ಟಿಪ್ಪಣಿಗಳನ್ನು ಕೋಷ್ಟಕಗಳಾಗಿ ಪರಿವರ್ತಿಸುವುದು, ಕರಡು ವರದಿ

ಮಧ್ಯಮ ಅಪಾಯ/ಡ್ರಾಫ್ಟ್

ವೇಗವರ್ಧಕ

ಮಧ್ಯಮ (ಮಾದರಿ ನಿಯಂತ್ರಣ + ತರ್ಕ)

ಭೂ ಕವರ್ ಪ್ರಾಥಮಿಕ ವರ್ಗೀಕರಣ, ಕೋಡ್ ಉತ್ಪಾದನೆ

ಹೆಚ್ಚಿನ ಅಪಾಯ/ನಿರ್ಣಾಯಕ

ಇದು ಕೇವಲ ಒಂದು ಕಲ್ಪನೆಯನ್ನು ನೀಡುತ್ತದೆ

ಭಾರೀ (ಸಂಪೂರ್ಣ ಸ್ವತಂತ್ರ ಪರಿಶೀಲನೆ)

ಕ್ಯಾಡಾಸ್ಟ್ರಲ್ ಗಡಿ, ಅಪ್ಲಿಕೇಶನ್, ಎತ್ತರದ ಮೌಲ್ಯ, ಡೇಟಾ ಪರಿವರ್ತನೆ

ಈ ಟೇಬಲ್ ರಿಫ್ಲೆಕ್ಸ್ ಆಗಿರಬೇಕು: ನೀವು AI ಔಟ್‌ಪುಟ್ ಅನ್ನು ಸ್ವೀಕರಿಸಿದಾಗ, ನೀವು ಮೊದಲು "ಇದು ಯಾವ ಬಕೆಟ್‌ನಲ್ಲಿದೆ?" ', ನಂತರ ನಿಮ್ಮ ಪರಿಶೀಲನಾ ಶಕ್ತಿಯನ್ನು ಅದಕ್ಕೆ ತಕ್ಕಂತೆ ಖರ್ಚು ಮಾಡಿ.

ಪರಿಶೀಲನೆ ಶಿಸ್ತು: ಮೂರು ಶೋಧಕಗಳು

ಜಿಯೋಮ್ಯಾಟಿಕ್ಸ್‌ನಲ್ಲಿ, ಪ್ರತಿ AI ಔಟ್‌ಪುಟ್ ಅನ್ನು ಮೂರು ಫಿಲ್ಟರ್‌ಗಳ ಮೂಲಕ ರವಾನಿಸಿ.

1. ಮ್ಯಾಗ್ನಿಟ್ಯೂಡ್ ನಿಯಂತ್ರಣ. ಸಂಖ್ಯೆಯು ಸಮಂಜಸವಾದ ವ್ಯಾಪ್ತಿಯಲ್ಲಿದೆಯೇ? Türkiye ನಲ್ಲಿ ಒಂದು ಬಿಂದುವಿನ ED50/UTM ಪೂರ್ವ ಮೌಲ್ಯವು ಸರಿಸುಮಾರು 6 ಅಂಕೆಗಳ ಮೀಟರ್ ಆಗಿದೆ; ರೇಖಾಂಶದ ಡಿಗ್ರಿ -180 ರಿಂದ +180 ವರೆಗೆ; ಪಾರ್ಸೆಲ್ನ ವಿಸ್ತೀರ್ಣ ಚದರ ಮೀಟರ್ಗಳಲ್ಲಿದೆ. ನಿರೀಕ್ಷಿತ 6-ಅಂಕಿಯ ಬಲ ಮೌಲ್ಯಕ್ಕೆ AI 3-ಅಂಕಿಯ ಫಲಿತಾಂಶವನ್ನು ಹಿಂತಿರುಗಿಸಿದರೆ, ಉತ್ತರದ ವಿಷಯವನ್ನು ಓದದೆ ದೋಷವಿದೆ ಎಂದು ನಿಮಗೆ ತಿಳಿಯುತ್ತದೆ. ಇದು ಅಗ್ಗದ ಮತ್ತು ಶಕ್ತಿಯುತವಾದ ಸ್ಟ್ರೈನರ್ ಆಗಿದೆ.
2. ಜಿಯೋಡೆಟಿಕ್/ಸ್ಪೇಶಿಯಲ್ ಪ್ಲಾಸಿಬಿಲಿಟಿ. ಫಲಿತಾಂಶವು ಭೌತಶಾಸ್ತ್ರ ಮತ್ತು ಜ್ಯಾಮಿತಿಯೊಂದಿಗೆ ಹೊಂದಿಕೆಯಾಗುತ್ತದೆಯೇ? ಎರಡು ನೆರೆಯ ಬಿಂದುಗಳ ನಡುವಿನ ಅಂತರವು ಋಣಾತ್ಮಕವಾಗಿರಬಾರದು; ಮುಚ್ಚಿದ ಬಹುಭುಜಾಕೃತಿಯ ಆಂತರಿಕ ಕೋನಗಳ ಮೊತ್ತವು ಒಂದು ನಿರ್ದಿಷ್ಟ ಮೌಲ್ಯಕ್ಕೆ ಒಮ್ಮುಖವಾಗಬೇಕು; ಬಫರ್ ಕಾರ್ಯಾಚರಣೆಯ ಫಲಿತಾಂಶವು ಇನ್‌ಪುಟ್ ಜ್ಯಾಮಿತಿಗಿಂತ ದೊಡ್ಡದಾಗಿರಬೇಕು. AI ತಾರ್ಕಿಕವಾಗಿ ಅಸಾಧ್ಯವಾದದ್ದನ್ನು ಹೇಳಿದರೆ, ಅದನ್ನು ತೆಗೆದುಹಾಕಲಾಗುತ್ತದೆ.
3. ಸ್ವತಂತ್ರ ಪುರಾವೆ. AI ನೋಡದ ಮೂಲದೊಂದಿಗೆ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಹೋಲಿಕೆ ಮಾಡಿ: ತಿಳಿದಿರುವ ನಿಯಂತ್ರಣ ಬಿಂದು, ನೆಲದ ಸತ್ಯ, ಅಧಿಕೃತ ದಾಖಲೆ, ಎರಡನೇ ವಿಧಾನದ ಲೆಕ್ಕಾಚಾರ. ಇದರ ಒಂದು ಉದಾಹರಣೆಯೆಂದರೆ, ಅದರ ನಿರ್ದೇಶಾಂಕಗಳು ಈಗಾಗಲೇ ತಿಳಿದಿರುವ ಉಲ್ಲೇಖದೊಂದಿಗೆ ರೂಪಾಂತರ ಫಲಿತಾಂಶವನ್ನು ಪರೀಕ್ಷಿಸುವುದು.

ಸಲಹೆ: ಮೂರು ಫಿಲ್ಟರ್‌ಗಳನ್ನು ಕ್ರಮವಾಗಿ ಅನ್ವಯಿಸಿ, ಆದರೆ ಮೊದಲ ಎರಡನ್ನು ಎಂದಿಗೂ ಬಿಟ್ಟುಬಿಡಬೇಡಿ; ಏಕೆಂದರೆ ಆದೇಶ ಮತ್ತು ತೋರಿಕೆಯ ಪರಿಶೀಲನೆಯು ಸೆಕೆಂಡುಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ ಮತ್ತು ಸ್ವತಂತ್ರ ಸಾಕ್ಷ್ಯಕ್ಕೆ ಹೋಗುವ ಮೊದಲು ಹೆಚ್ಚಿನ ದೋಷಗಳನ್ನು ಹಿಡಿಯುತ್ತದೆ.

ಸಮನ್ವಯ, ಡೇಟಾ ಮತ್ತು ಗೌಪ್ಯತೆ: ಜಿಯೋಮ್ಯಾಟಿಕ್ಸ್‌ಗೆ ನಿರ್ದಿಷ್ಟವಾದ ಮೋಸಗಳು

ಸಾಮಾನ್ಯ AI ಅಪಾಯಗಳ ಜೊತೆಗೆ, ಈ ವೃತ್ತಿಯು ಎರಡು ಪ್ರಮುಖ ಅಪಾಯಗಳನ್ನು ಹೊಂದಿದೆ. ಮೊದಲನೆಯದು ನಿರ್ದೇಶಾಂಕ/ಡೇಟಂ ಗೊಂದಲ. ಡೇಟಮ್ ಭೂಮಿಯ ಮೇಲ್ಮೈಯನ್ನು ಪ್ರತಿನಿಧಿಸುವ ಗಣಿತದ ಉಲ್ಲೇಖ ಮೇಲ್ಮೈಯಾಗಿದೆ (ಉದಾ. WGS84, ED50, ITRF); ಒಂದೇ ಭೌತಿಕ ಬಿಂದುವನ್ನು ವಿಭಿನ್ನ ಡೇಟಾಗಳಲ್ಲಿ ವಿಭಿನ್ನ ಸಂಖ್ಯೆಗಳೊಂದಿಗೆ ವ್ಯಕ್ತಪಡಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಅವುಗಳ ನಡುವಿನ ವ್ಯತ್ಯಾಸವು ನಮ್ಮ ದೇಶದಲ್ಲಿ ಕೆಲವು ಸ್ಥಳಗಳಲ್ಲಿ ಮೀಟರ್ ಆಗಿರಬಹುದು. ನೀವು ಯಾವ ದತ್ತಾಂಶದ ಕುರಿತು ಮಾತನಾಡುತ್ತಿದ್ದೀರಿ ಎಂಬುದನ್ನು ನೀವು ನಿರ್ದಿಷ್ಟಪಡಿಸದಿದ್ದರೆ, AI ಒಂದು ಊಹೆಯನ್ನು ಮಾಡುತ್ತದೆ ಮತ್ತು ಅದನ್ನು ಮೌನವಾಗಿ ತಪ್ಪು ವ್ಯವಸ್ಥೆಗೆ ಪರಿವರ್ತಿಸುತ್ತದೆ. ಎರಡನೆಯದಾಗಿ, ವೈಯಕ್ತಿಕ ಡೇಟಾ ಮತ್ತು ಆಸ್ತಿ ಗೌಪ್ಯತೆ: ಕ್ಯಾಡಾಸ್ಟ್ರಲ್ ದಾಖಲೆಗಳು ಮಾಲೀಕರ ಹೆಸರು, ಗುರುತಿನ ಸಂಖ್ಯೆ, ನಿಖರವಾದ ಸ್ಥಳವನ್ನು ಒಳಗೊಂಡಿರುತ್ತವೆ; ಅವುಗಳನ್ನು ಅನಿಯಂತ್ರಿತವಾಗಿ ಬಾಹ್ಯ ಮಾದರಿಗೆ ಕಳುಹಿಸುವುದು ಶಾಸನ ಮತ್ತು ವೃತ್ತಿಪರ ನೀತಿಗಳೆರಡಕ್ಕೂ ವಿರುದ್ಧವಾಗಿದೆ.

ಎಚ್ಚರಿಕೆ: ನಿಜವಾದ ಮಾಲೀಕರ ಹೆಸರು, TR ID ಸಂಖ್ಯೆ ಅಥವಾ ಸೂಕ್ಷ್ಮ ಸೌಲಭ್ಯದ ನಿಖರವಾದ ನಿರ್ದೇಶಾಂಕಗಳನ್ನು ಪ್ರಾಂಪ್ಟ್‌ನಲ್ಲಿ ಅಂಟಿಸುವ ಮೊದಲು ನಿಲ್ಲಿಸಿ. ಅನಾಮಧೇಯಗೊಳಿಸಿ (ಹೆಸರುಗಳನ್ನು “ಮಲಿಕ್-1” ಮಾಡಿ, ಪಾರ್ಸೆಲ್‌ಗಳು “ಐಲ್ಯಾಂಡ್/ಪ್ಲಾಟ್-ಎ”) ಅಥವಾ ಆಂತರಿಕ/ಅನುಮೋದಿತ ಪರಿಸರವನ್ನು ಬಳಸಿ.

ಮೂರು ಮಿನಿ ಪ್ರಕರಣಗಳು: ಸಂಖ್ಯೆಗಳ ಮೂಲಕ

ಪ್ರಕರಣ 1 - ಶ್ರೇಣಿಯ ಫಿಲ್ಟರ್ ಜೀವಗಳನ್ನು ಉಳಿಸುತ್ತದೆ. ಒಬ್ಬ ಇಂಟರ್ನ್ ಭೌಗೋಳಿಕ ನಿರ್ದೇಶಾಂಕದಿಂದ AI ಯೋಜನೆಯನ್ನು ಹೊಂದಿದ್ದನು ಮತ್ತು ಬಲಕ್ಕೆ 4,281 ಮೀ ಫಲಿತಾಂಶವನ್ನು ಪಡೆದನು. Türkiye ನಲ್ಲಿ, UTM ಬಲ ಮೌಲ್ಯಗಳು 100,000-900,000 m ಬ್ಯಾಂಡ್‌ನಲ್ಲಿವೆ; 4-ಅಂಕಿಯ ಫಲಿತಾಂಶವು ಅಸಾಧ್ಯವಾಗಿತ್ತು. ಕೇವಲ ಆರ್ಡರ್ ಚೆಕ್‌ನೊಂದಿಗೆ, ದೋಷವು ತಕ್ಷಣವೇ ಸಿಕ್ಕಿಬಿದ್ದಿತು ಏಕೆಂದರೆ ಮಾದರಿಯು ಔಟ್‌ಪುಟ್ ಅನ್ನು ಡಿಗ್ರಿಗಳಿಗಿಂತ ರೇಡಿಯನ್‌ಗಳು ಎಂದು ಊಹಿಸಿದೆ; CAD ಗೆ ವರ್ಗಾಯಿಸುವ ಮೊದಲು ನಿರ್ದೇಶಾಂಕವನ್ನು ಸರಿಪಡಿಸಲಾಗಿದೆ.

ಪ್ರಕರಣ 2 - ಡೇಟಮ್ ಡ್ರಿಫ್ಟ್. ಒಂದು ತಂಡವು ಹಳೆಯ ನಕ್ಷೆಯಿಂದ (ED50) 12 ನಿಯಂತ್ರಣ ಬಿಂದುಗಳನ್ನು ತೆಗೆದುಕೊಂಡಿತು ಮತ್ತು ಡೇಟಮ್ ಅನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸದೆಯೇ ಅದನ್ನು "UTM ಗೆ ಪರಿವರ್ತಿಸಿ" ಎಂದು AI ಗೆ ನೀಡಿತು. ಊಹಿಸಿದ ಮಾದರಿ WGS84; ಫಲಿತಾಂಶಗಳು ವ್ಯವಸ್ಥಿತವಾಗಿ ಕ್ಷೇತ್ರದಲ್ಲಿ GPS ಮಾಪನಗಳಿಂದ ಸರಿಸುಮಾರು 3-4 ಮೀ. ತಿಳಿದಿರುವ ಏಕೈಕ ಉಲ್ಲೇಖದೊಂದಿಗೆ ಹೋಲಿಸಿದಾಗ, ವ್ಯವಸ್ಥಿತ ವ್ಯತ್ಯಾಸವು ತಕ್ಷಣವೇ ಸ್ಪಷ್ಟವಾಗಿ ಗೋಚರಿಸುತ್ತದೆ ಮತ್ತು ಸರಿಯಾದ ರೂಪಾಂತರದ ನಿಯತಾಂಕಗಳೊಂದಿಗೆ ಕೆಲಸವನ್ನು ಪುನರಾವರ್ತಿಸಲಾಗುತ್ತದೆ. ಒಂದು-ಪಾಯಿಂಟ್ ಸ್ವತಂತ್ರ ನಿಯಂತ್ರಣವು ಸಂಪೂರ್ಣ ಪ್ರಚಾರವನ್ನು ಉಳಿಸಿತು.

ಪ್ರಕರಣ 3 - ಗೌಪ್ಯತೆಯ ಉಲ್ಲಂಘನೆಯನ್ನು ತಡೆಗಟ್ಟುವುದು. ಒಂದು ಕಛೇರಿಯು 850 ಪಾರ್ಸೆಲ್‌ಗಳ ಕ್ಯಾಡಾಸ್ಟ್ರಲ್ ಡೇಟಾಬೇಸ್ ಅನ್ನು "ಅಸಮಂಜಸತೆಗಳನ್ನು ಹುಡುಕಲು" ಬಾಹ್ಯ ಮಾದರಿಗೆ ಲೋಡ್ ಮಾಡುತ್ತದೆ; ಟೇಬಲ್ ಮಾಲೀಕರ ಹೆಸರುಗಳು ಮತ್ತು ಗುರುತಿನ ಸಂಖ್ಯೆಗಳನ್ನು ಒಳಗೊಂಡಿದೆ. ಪರಿಶೀಲನಾಪಟ್ಟಿಗೆ ಧನ್ಯವಾದಗಳು, ಅವರು ಅದನ್ನು ಮೊದಲು ಅನಾಮಧೇಯಗೊಳಿಸಿದರು: ವೈಯಕ್ತಿಕ ಕಾಲಮ್ಗಳನ್ನು ತೆಗೆದುಹಾಕಲಾಗಿದೆ, ಜ್ಯಾಮಿತಿ ಮತ್ತು ಪ್ರದೇಶದ ಮಾಹಿತಿಯನ್ನು ಮಾತ್ರ ಕಳುಹಿಸಲಾಗಿದೆ. ವಿಶ್ಲೇಷಣೆಯ ಪ್ರಯೋಜನವು ಒಂದೇ ಆಗಿರುತ್ತದೆ, ವೈಯಕ್ತಿಕ ಡೇಟಾ ಎಂದಿಗೂ ಹೊರಬರಲಿಲ್ಲ.

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್:

ಈ ನಿರ್ದೇಶಾಂಕಗಳನ್ನು UTM ಗೆ ಪರಿವರ್ತಿಸಿ ಮತ್ತು ವರದಿಯನ್ನು ಬರೆಯಿರಿ.[ ನಿರ್ದೇಶಾಂಕಗಳು]

ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್:

ನಿಮ್ಮ ಪಾತ್ರ: ಜಿಯೋಮ್ಯಾಟಿಕ್ಸ್ ಡೇಟಾ ಸಹಾಯಕ. ಕಾರ್ಯ: ಈ ಕೆಳಗಿನ ಅಂಕಗಳನ್ನು ಮೂಲ ವ್ಯವಸ್ಥೆಯಿಂದ TARGET ವ್ಯವಸ್ಥೆಗೆ ಪರಿವರ್ತಿಸಿ.- ಮೂಲ CRS: EPSG: 4326 (WGS84 ಜಿಯೋ, ಪದವಿ)- ಗುರಿ CRS: EPSG: 5256 (TUREF / TM33)- ಅಸ್ಪಷ್ಟ ಅಥವಾ ಕಾಣೆಯಾದ ಮಾಹಿತಿಯಿದ್ದರೆ, ನಿರೀಕ್ಷಿತ ಮಾಹಿತಿಯಿದ್ದರೆ, ನಿರೀಕ್ಷಿತ ಮೌಲ್ಯವನ್ನು ಕೇಳಬೇಡಿ (CONVERT 6 ಮೌಲ್ಯವನ್ನು ಕೇಳಬೇಡಿ) ಪ್ರತಿ ಪಾಯಿಂಟ್.- ತಿಳಿದಿರುವ ನಿಯಂತ್ರಣ ಬಿಂದುದೊಂದಿಗೆ ಹೋಲಿಸಿದರೆ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಮೌಲ್ಯೀಕರಿಸಬೇಕು ಎಂಬುದನ್ನು ಗಮನಿಸಿ. ಡೇಟಾ (ಅನಾಮಧೇಯ): [ಡಾಟ್ ಟೇಬಲ್]

ಪ್ರಬಲವಾದ ಪ್ರಾಂಪ್ಟ್ ಮೂಲ ಮತ್ತು ಗುರಿಯನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ಹೇಳುತ್ತದೆ, ಅಪೂರ್ಣ ಮಾಹಿತಿಯಲ್ಲಿ ನಿಲ್ಲಿಸಲು ಆಜ್ಞೆಗಳನ್ನು ನೀಡುತ್ತದೆ ಮತ್ತು ಶ್ರೇಣಿಯ ನಿರೀಕ್ಷೆ ಮತ್ತು ಪರಿಶೀಲನಾ ಬಾಧ್ಯತೆಯನ್ನು ಪುನಃ ಬರೆಯುತ್ತದೆ. ಹೀಗಾಗಿ, ಔಟ್ಪುಟ್ ಹೆಚ್ಚು ನಿಖರ ಮತ್ತು ಆಡಿಟ್ ಮಾಡಬಹುದಾಗಿದೆ.

ನಾಲ್ಕು ನಕಲು ಮಾಡಬಹುದಾದ ಟೆಂಪ್ಲೇಟ್‌ಗಳು

1) ಉದ್ಯೋಗ ವರ್ಗೀಕರಣ ಫಿಲ್ಟರ್:

ಕೆಳಗಿನ ಕಾರ್ಯವನ್ನು ಮೂರು ಬಕೆಟ್‌ಗಳಲ್ಲಿ ಒಂದರಲ್ಲಿ ಇರಿಸಿ: (ಎ) ಕಡಿಮೆ ಅಪಾಯ/ಸಹಾಯಕ, (ಬಿ) ಮಧ್ಯಮ ಅಪಾಯ/ಡ್ರಾಫ್ಟಿ, (ಸಿ) ಹೆಚ್ಚಿನ ಅಪಾಯ/ನಿರ್ಣಾಯಕ. ನಿಮ್ಮ ತಾರ್ಕಿಕ ಮತ್ತು ಸೂಚಿಸಿದ ಪರಿಶೀಲನೆ ಹಂತಗಳನ್ನು ಬರೆಯಿರಿ. ಕಾರ್ಯ: [ಉದ್ಯೋಗ ವಿವರಣೆ]

2) ಶ್ರೇಣಿ ನಿಯಂತ್ರಣ ವಿನಂತಿ:

ಕೆಳಗಿನ ಫಲಿತಾಂಶವನ್ನು ಉತ್ಪಾದಿಸುವ ಮೊದಲು ಪರಿಮಾಣದ ನಿರೀಕ್ಷಿತ ಕ್ರಮವನ್ನು (ಘಟಕ ಮತ್ತು ವಿಶಿಷ್ಟ ಶ್ರೇಣಿ) ಬರೆಯಿರಿ. ಫಲಿತಾಂಶವು ಈ ವ್ಯಾಪ್ತಿಯಿಂದ ಹೊರಗಿದ್ದರೆ, "ರೇಂಜ್ ಎಚ್ಚರಿಕೆ" ನೀಡಿ ಮತ್ತು ಲೆಕ್ಕಾಚಾರವನ್ನು ಪರಿಶೀಲಿಸಿ. ಇನ್ಪುಟ್: [ಡೇಟಾ]

3) ಅನಾಮಧೇಯತೆಯ ಪೂರ್ವ ಸ್ಕ್ಯಾನಿಂಗ್:

ಕೆಳಗಿನ ಪಠ್ಯವು ವೈಯಕ್ತಿಕ ಡೇಟಾ (ಹೆಸರು, ID ಸಂಖ್ಯೆ, ಶೀರ್ಷಿಕೆ ಪತ್ರ ಮಾಲೀಕರ ಮಾಹಿತಿ, ಸೂಕ್ಷ್ಮ ಸ್ಥಳ) ಅಥವಾ ಗೌಪ್ಯ ಮಾಹಿತಿಯನ್ನು ಹೊಂದಿದೆಯೇ? ಹಾಗಿದ್ದಲ್ಲಿ, ಅವುಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿ ಮತ್ತು ಅನಾಮಧೇಯ ಸಮಾನರನ್ನು ಸೂಚಿಸಿ. ಪಠ್ಯವನ್ನು ಬದಲಾಯಿಸಬೇಡಿ, ಅದನ್ನು ವರದಿ ಮಾಡಿ. ಪಠ್ಯ: [ಪಠ್ಯ]

4) ಪರಿಶೀಲನಾ ಯೋಜನೆ ಜನರೇಟರ್:

ಕೆಳಗಿನ AI ಔಟ್‌ಪುಟ್‌ಗಾಗಿ ಪರಿಶೀಲನಾ ಯೋಜನೆಯನ್ನು ಬರೆಯಿರಿ: (1) ಶ್ರೇಣಿಯ ಪರಿಶೀಲನೆ, (2) ಜಿಯೋಡೆಸಿಕ್/ಸ್ಪೇಶಿಯಲ್ ಪ್ಲಾಸಿಬಿಲಿಟಿ, (3) ಸಾಕ್ಷಿಯ ಸ್ವತಂತ್ರ ಮೂಲ. ಪ್ರತಿ ಹಂತದಲ್ಲೂ ಏನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳಲಾಗುತ್ತದೆ ಎಂಬುದನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ಬರೆಯಿರಿ. ಔಟ್ಪುಟ್: [AI ಔಟ್ಪುಟ್]

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

• ಡೇಟಮ್/ಸಿಆರ್ಎಸ್ ಅನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸದೆ ನಿರ್ದೇಶಾಂಕಗಳನ್ನು ನಿರ್ವಹಿಸುವುದು. ಅತ್ಯಂತ ಸಾಮಾನ್ಯ ಮತ್ತು ಅತ್ಯಂತ ದುಬಾರಿ ತಪ್ಪು; ಇದು ಮೀಟರ್‌ಗಳಿಗೆ ಮೂಕ ಜಾರುವಿಕೆಗೆ ಕಾರಣವಾಗುತ್ತದೆ.
• ನಿಖರತೆಗಾಗಿ ನಿರರ್ಗಳತೆಯನ್ನು ತಪ್ಪಾಗಿ ಗ್ರಹಿಸುವುದು. AI ಆತ್ಮವಿಶ್ವಾಸದಿಂದ ಮತ್ತು ಅಂದವಾಗಿ ಬರೆಯುತ್ತದೆ; ವಿಷಯವು ನಿಖರವಾಗಿದೆ ಎಂದು ಇದು ಸೂಚಿಸುವುದಿಲ್ಲ.
• ಶ್ರೇಣಿಯ ಪರಿಶೀಲನೆಯನ್ನು ಬೈಪಾಸ್ ಮಾಡುವುದು. ಸ್ಪ್ಲಿಟ್-ಸೆಕೆಂಡ್ ಗ್ಲಾನ್ಸ್ CAD ಗೆ ಹಿಡಿಯುವ ದೋಷಗಳನ್ನು ತರುವುದು.
• ನಿಯಂತ್ರಣವಿಲ್ಲದೆ ವೈಯಕ್ತಿಕ/ಆಸ್ತಿ ಡೇಟಾವನ್ನು ಕಳುಹಿಸಲಾಗುತ್ತಿದೆ. "ಹೇಗಾದರೂ ಉಪಯುಕ್ತ" ಎಂಬ ಸಮರ್ಥನೆಯು ಗೌಪ್ಯತೆಯ ಬಾಧ್ಯತೆಯನ್ನು ತೆಗೆದುಹಾಕುವುದಿಲ್ಲ.
• ಒಂದೇ AI ಔಟ್‌ಪುಟ್‌ನಲ್ಲಿ ನಿರ್ಣಾಯಕ ಕೆಲಸವನ್ನು ಆಧರಿಸಿದೆ. ಸ್ವತಂತ್ರ ಪರಿಶೀಲನೆಯಿಲ್ಲದೆ ಅಪ್ಲಿಕೇಶನ್, ಕ್ಯಾಡಾಸ್ಟ್ರಲ್ ಗಡಿ ಮತ್ತು ಎತ್ತರದಂತಹ ಕೆಲಸಗಳೊಂದಿಗೆ ಮುಂದುವರೆಯುವುದು.
• ನೀವು ಮಾದರಿಗೆ ಜವಾಬ್ದಾರಿಯನ್ನು ವರ್ಗಾಯಿಸುತ್ತಿದ್ದೀರಿ ಎಂದು ಯೋಚಿಸುವುದು. ಸಹಿ ಮತ್ತು ಜವಾಬ್ದಾರಿ ಯಾವಾಗಲೂ ಸಮರ್ಥ ಎಂಜಿನಿಯರ್ ಬಳಿ ಇರುತ್ತದೆ.

ಸಾರಾಂಶದಲ್ಲಿ

ಜಿಯೋಮ್ಯಾಟಿಕ್ಸ್ ವರ್ಕ್‌ಫ್ಲೋನ ಪ್ರತಿಯೊಂದು ಹಂತದಲ್ಲೂ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ವಿಭಿನ್ನ ತೂಕದೊಂದಿಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ; ಪ್ರತಿ ಕಾರ್ಯಾಚರಣೆಯ ಅಪಾಯವನ್ನು ಪರಿಗಣಿಸುವುದು ನಿರ್ಣಾಯಕ ವಿಷಯವಾಗಿದೆ: "ದೋಷವಿದ್ದರೆ ನಾನು ಏನು ಕಳೆದುಕೊಳ್ಳುತ್ತೇನೆ?" ಅದಕ್ಕೆ ಅನುಗುಣವಾಗಿ ಪರಿಶೀಲನೆಯನ್ನು ಪ್ರಶ್ನಿಸಿ ಮತ್ತು ಅಳೆಯಿರಿ. ಮೂರು ಫಿಲ್ಟರ್‌ಗಳು (ಪದವಿ, ಸಮರ್ಥನೀಯತೆ, ಸ್ವತಂತ್ರ ಪುರಾವೆಗಳು) ಹೆಚ್ಚಿನ ದೋಷಗಳನ್ನು ಅಗ್ಗವಾಗಿ ಹಿಡಿಯುತ್ತವೆ. ಈ ವೃತ್ತಿಗೆ ನಿರ್ದಿಷ್ಟವಾದ ಎರಡು ಪ್ರಮುಖ ಅಪಾಯಗಳೆಂದರೆ ಸಮನ್ವಯ/ಡೇಟಂ ಗೊಂದಲ ಮತ್ತು ವೈಯಕ್ತಿಕ/ಆಸ್ತಿ ಡೇಟಾ ಗೌಪ್ಯತೆ; ಎರಡನ್ನೂ ಮೊದಲಿನಿಂದಲೂ ಶಿಸ್ತುಬದ್ಧ ಪ್ರಾಂಪ್ಟ್ ಸ್ಥಾಪಿಸುವ ಮೂಲಕ ನಿರ್ವಹಿಸಲಾಗುತ್ತದೆ. ಅಂತಿಮ ನಿರ್ಧಾರ ಮತ್ತು ಸಹಿ ಸಮರ್ಥ ಎಂಜಿನಿಯರ್ ಬಳಿ ಇರುತ್ತದೆ.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

ನಿಮ್ಮ ಸ್ವಂತ ವ್ಯವಹಾರದಿಂದ ಮೂರು ಜಿಯೋಮ್ಯಾಟಿಕ್ಸ್ ಕಾರ್ಯಗಳನ್ನು ಆಯ್ಕೆಮಾಡಿ (ಅಥವಾ ಕಾಲ್ಪನಿಕ): ಒಂದು ಕಡಿಮೆ ಅಪಾಯ, ಒಂದು ಮಧ್ಯಮ ಅಪಾಯ, ಒಂದು ಹೆಚ್ಚಿನ ಅಪಾಯ. ಪ್ರತಿಯೊಂದಕ್ಕೂ, (1) ಅದು ಯಾವ ಬಕೆಟ್‌ಗೆ ಬೀಳುತ್ತದೆ, (2) AI ನ ಪಾತ್ರ, (3) ನೀವು ಅನ್ವಯಿಸುವ ಮೂರು ಫಿಲ್ಟರ್ ಹಂತಗಳನ್ನು ಬರೆಯಿರಿ. ಹೆಚ್ಚಿನ ಅಪಾಯದ ಕಾರ್ಯಕ್ಕಾಗಿ, ನೀವು ಯಾವ ಸ್ವತಂತ್ರ ಸಾಕ್ಷ್ಯವನ್ನು (ಚೆಕ್‌ಪಾಯಿಂಟ್, ಡಾಕ್ಯುಮೆಂಟ್, ಎರಡನೇ ವಿಧಾನ) ವಿರುದ್ಧವಾಗಿ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಪರೀಕ್ಷಿಸುತ್ತೀರಿ ಎಂಬುದನ್ನು ನಿರ್ದಿಷ್ಟವಾಗಿ ನಿರ್ದಿಷ್ಟಪಡಿಸಿ.

ಪರಿಶೀಲನಾಪಟ್ಟಿ

• [ ] ನಾನು ಮಿಷನ್‌ನ ಅಪಾಯವನ್ನು "ದೋಷವಿದ್ದರೆ ಸಂಭವಿಸುವ ಹಾನಿ" ಮೂಲಕ ಅಳತೆ ಮಾಡಿದ್ದೇನೆ.
• [ ] ನಾನು ಕೆಲಸವನ್ನು ಕಡಿಮೆ/ಮಧ್ಯಮ/ಹೆಚ್ಚಿನ ಅಪಾಯದ ಬಕೆಟ್‌ನಲ್ಲಿ ಇರಿಸಿದೆ.
• [ ] ನಾನು ಪ್ರಾಂಪ್ಟ್‌ನಲ್ಲಿ ಮೂಲ ಮತ್ತು ಗುರಿ ನಿರ್ದೇಶಾಂಕ ವ್ಯವಸ್ಥೆಯನ್ನು (ಡೇಟಂ/ಇಪಿಎಸ್‌ಜಿ) ಸ್ಪಷ್ಟವಾಗಿ ನಿರ್ದಿಷ್ಟಪಡಿಸಿದ್ದೇನೆ.
• [ ] ನಾನು ರ್ಯಾಂಕ್ ಚೆಕ್ ಮೂಲಕ ಫಲಿತಾಂಶವನ್ನು ರವಾನಿಸಿದ್ದೇನೆ.
• [ ] ನಾನು ಜಿಯೋಡೆಟಿಕ್/ಪ್ರಾದೇಶಿಕ ತೋರಿಕೆಯನ್ನು ಪರೀಕ್ಷಿಸಿದೆ.
• [ ] ನಾನು ಕನಿಷ್ಟ ಒಂದು ಸ್ವತಂತ್ರ ಸಾಕ್ಷ್ಯದೊಂದಿಗೆ ಅದನ್ನು ಪರಿಶೀಲಿಸಿದ್ದೇನೆ.
• [ ] ನಾನು ವೈಯಕ್ತಿಕ/ಸ್ವಾಮ್ಯದ ಡೇಟಾವನ್ನು ಅನಾಮಧೇಯಗೊಳಿಸಿದ್ದೇನೆ ಅಥವಾ ಅನುಮೋದಿತ ಪರಿಸರದಲ್ಲಿ ಕೆಲಸ ಮಾಡಿದ್ದೇನೆ.
• [ ] ನಾನು ಅಂತಿಮ ನಿರ್ಧಾರವನ್ನು ಮಾಡಿದ್ದೇನೆ ಮತ್ತು ಇಂಜಿನಿಯರ್ ಜವಾಬ್ದಾರಿಯನ್ನು ಸಹಿ ಮಾಡಿದ್ದೇನೆ.