Pelnas:
- Rizika pagrįsta klasifikacija, kur AI spartėja, o kur rizikinga aplinkos inžinerijoje
- Gebėjimas atpažinti LLM haliucinacijų riziką dėl aplinkos ribinių verčių, standartų ir išteklių
- Gebėjimas patvirtinti dirbtinio intelekto produkciją laboratorijoje, lauke ir teisės aktuose bei taikyti etikos/privatumo principus
Įsivaizduokite, kad dirbate aplinkos inžinieriumi bendrame organizuotos pramoninės zonos nuotekų valymo įrenginyje. Išleidžiamame vandenyje staigiai padidėja COD, verslo vadovas telefonu sako: „Noriu kuo greičiau priežasties ir sprendimo“. Ant jūsų stalo yra praėjusios savaitės laboratorijos rezultatai, SCADA įrašai ir ką tik atidarytas pokalbio langas. Jūs klausiate AI "kodėl išėjimo COD padidėjo, taip pat užsirašykite išleidimo ribą?" Per kelias sekundes modelis tinkama turkų kalba po punkto užrašo galimas priežastis ir sakinį „Pagal Vandens taršos kontrolės reglamentą ChDS išmetimo riba yra 120 mg/L“. Problema ta, kad šis lūžio taškas galėjo būti pritaikytas modeliui; Priklausomai nuo pramonės šakos, priimančios aplinkos ir įrenginio tipo, faktinė riba gali būti visiškai kitokia. Šis įrenginys moko jus valdyti tą akimirką – tą akimirką, kai jūsų inžinerinė atsakomybė susikerta su greita, bet nepatikrinta AI produkcija.
Ką AI daro ir ko nedaro aplinkos inžinerijoje
Didelės kalbos modeliai (LLM) yra sistemos, parengtos remiantis principu „numatyti kitą žodį“ esant dideliems teksto duomenims. Dėl to jie labai stiprūs kalbant, bet iš esmės silpni tikrinant faktus. Modelis „neprisimena“ lūžio taško, jis sukuria skaičių, kuris atrodo statistiškai pagrįstas.
Jobs AI gerai išmano aplinkos inžineriją:
- Ilgų teisės aktų, PAV ataskaitų ar literatūros tekstų apibendrinimas ir rengimas
- Skaičiavimo struktūros, formulės ir logikos nustatymas (masės balansas, emisijos apkrova, efektyvumas)
- Galimų trikčių šalinimo priežasčių ir scenarijų sąrašo sudarymas
- Ataskaitų projektų, lentelių, prezentacijų ir korespondencijos ruošimas
- Žingsnis po žingsnio paaiškinkite sudėtingą temą (pvz., nitrifikacijos chemiją).
Užduotys, kurių dirbtinis intelektas negali atlikti / yra nepatikimos:
- Pateikiama naujausia ir atsižvelgiant į kontekstą ribinė vertė, standartinis numeris arba reglamento straipsnis
- Prieiga prie faktinių jūsų įrenginio matavimo duomenų (nebent jūs juos pateikiate)
- Pakeitimas laboratorinei analizei arba lauko matavimams
- Prisiimkite teisinę / administracinę atsakomybę – parašas yra jūsų
Patarimas: galvokite apie AI kaip apie „vyresnįjį stažuotoją“. Greitas, gerai skaitomas, geras juodraščio rašytojas; Bet kiekvieno spaudinio niekur neišsiunčiate pats to nepasitikrinęs. Kiekvienas skaičius ir kiekviena nuoroda į teisės aktus, kuriuos jis pateikia, yra tik hipotezė, kol nepatvirtinate jos iš šaltinio.
Haliucinacijos: pagaminta ribinė vertė ir reguliavimo straipsnis
Haliucinacija yra tada, kai modelis su visišku pasitikėjimu pateikia netikrą informaciją. Trys pavojingiausios haliucinacijų rūšys aplinkos inžinerijoje yra:
- Sugalvota ribinė vertė: skaičiai, kurie atrodo teisingi, bet gali būti klaidingi, pvz., „24 valandų PM10 riba yra 50 µg/m³“.
- Sugalvota teisės akto nuoroda: „Pagal reglamento 12/3 straipsnį...“ – straipsnio numeris ir reglamento pavadinimas atrodo realūs, tačiau turinys yra sugalvotas.
- Išgalvotas šaltinis: neegzistuojantis straipsnis, standartinis numeris (pvz., „TS EN 12457“) arba institucijos vadovas.
Toliau pateiktoje lentelėje pateikiami saugūs ir rizikingi atsakymų modeliai, kuriuos modelis gali pateikti į tą patį klausimą:
Modelio išvestis
Rizika
ką daryti
„Išmetimo riba yra lygiai 120 mg/l.
Didelis – tikslus skaičius, be šaltinio
Patikrinkite pagal oficialius įstatymus
"Išmetimo ribos skiriasi priklausomai nuo sektoriaus ir priimančios aplinkos; reikia peržiūrėti atitinkamą reguliavimo lentelę."
Žemas - maršrutizatorius
Vis tiek patikrinkite, bet patikimi
"Negaliu patikrinti šios vertės, žr. oficialų šaltinį."
žemas
idealus elgesys
Atsargiai: kuo konkretesnis ir patikimesnis skaičius parašytas, tuo pavojingesnis jis yra be šaltinio. Aiški reikšmė, pvz., „120 mg/L“, padės jums atsipalaiduoti, bet suteiks klaidingą pasitikėjimą. Negrįskite savo sprendimo jokia ribine verte, kuri nenurodyta.
Rizika pagrįstas darbo pasidalijimas
Sprendimo rezultato svarba lemia, kur dirbtinį intelektą naudoti laisvai, o kur – tik rengimo tikslais. Ši klasifikacija yra praktinis kompasas:
Quest
Rizikos lygis
AI vaidmuo
Privalomas patikrinimas
Literatūros / teisės aktų santrauka, sąvokos paaiškinimas
žemas
gamintojas, akseleratorius
Kryžminė pagrindinių teiginių patikra
Ataskaitos/korespondencijos juodraštis, lentelės maketas
žemas
juodraščio rašytojas
Redakcinė apžvalga
Duomenų analizės sąranka, skaičiavimo formulė
vidutinis
statybininkas
Įvesties duomenys + rankinis skaičiavimo valdymas
Proceso trikčių šalinimo scenarijus
vidutinis
idėjų generatorius
Laboratorijos + lauko duomenys
Išmetimo/išmetimo ribos nustatymas
aukštas
Tik juodraštis
Oficialūs teisės aktai + akredituota laboratorija
PAV rezultatas, „poveikis nereikšmingas“ sprendimas
aukštas
Tik juodraštis
Ekspertas + lauko matavimas
Žmonių/aplinkos sveikatos sprendimai
kritiškas
Palaikykite, niekada neapsispręskite
Pilnas teisės aktas + eksperto patvirtinimas
Taisyklė paprasta: kuo negrįžtamesnis rezultatas ir kuo daugiau gyvybių/pinigų/įstatymų tai paveiks, tuo griežčiau tikrinama AI produkcija. Įgyjate greitį su maža rizika; esant didelei rizikai AI parengia tik pirmąjį projektą, o sprendimą priima duomenys ir teisės aktai.
Silpnas raginimas / Stiprus raginimas
Du skirtingi prašymai dėl to paties poreikio sukelia visiškai skirtingus rizikos profilius:
SILPNAS RAGINIMAS: "Kokia yra nuotekų išleidimo COD riba? Trumpai parašykite."Problema: verčia modelį pritaikyti vienam kietam skaičiui. Sektorius, priimančioji aplinka, įrenginio tipas nenurodytas. Išvestis gaunama be šaltinio. STIPRUS RAŠYMAS: "Paaiškinkite, nuo kokių veiksnių (sektoriaus, priimančios aplinkos, srauto greičio) priklauso tekstilės pramonės nuotekų išmetimo KSD riba Turkijoje. NESUdarykite tikslaus skaičiaus; verčiau paaiškinkite žingsnis po žingsnio, iš kurios oficialios taisyklės lentelės ir pagal kokius parametrus ją reikia perskaityti. Jei nesate tikri, nurodykite "būtina patikrinti". Skirtumas: dėl stipraus raginimo modelis neatitinka skaičiaus; Jis naudojamas kaip VADOVAS ir palieka galutinį žodį teisės aktams.
Etika ir duomenų privatumas
Jūsų, kaip aplinkos inžinieriaus, duomenys dažnai yra jautrūs: įmonės nuolatinio stebėjimo (CPMS) įrašai, pažeidimų istorija, gamybos pajėgumai yra komercinė paslaptis. Bet kokių duomenų, kuriuos įklijuojate į viešąjį AI įrankį, galite nekontroliuoti.
Pagrindiniai principai:
- Anonimizuoti: iš raginimo pašalinkite įmonės pavadinimą, objekto koordinates, asmens duomenis, sutarties informaciją. Vietoj „įmonės X“ parašykite „tekstilės gamykla“.
- Apsaugokite komercinę paslaptį: prieš dalindamiesi informacija, pvz., pažeidimo duomenimis, pajėgumais, kaina, patikrinkite savo įmonės duomenų politiką.
- Skaidrumas: jei parengėte ataskaitą naudodami AI, tai tinkamai nurodykite savo darbo eigoje; Atminkite, kad atsakomybė yra jūsų.
# Paprasta anonimiškumo patikra prieš įvedant duomenis į raginimą sense_fields = ["įmonės_pavadinimas", "koordinatė", "tc_no", "pajėgumas", "kaina"]def prompt_safe_is(tekstas, jautrus): found = [a in jautrus if a in text.lower()] return (len(found) == 0, Textile 0 mg/L, talpa: 5000 m3/d
mini dėklas
Jaunas inžinierius aplinkosaugos konsultacinėje įmonėje klausia AI „koks yra naudotų alyvų atliekų kodas ir šalinimo būdas“ skubiai pasiūlyti. Modelis užtikrintai grąžina 6 skaitmenų atliekų kodą ir atsakymą „šalinimas deginant“. Inžinierius tai įtraukia tiesiai į citatą. Po pristatymo vyresnysis inžinierius patikrina: pateiktas kodas neatitinka tikrojo atliekų šaltinio ir turinio; Teisingai klasifikuoti galima tik remiantis analizės ataskaita ir oficialiu atliekų sąrašu. Neteisingas kodas reiškia netinkamą šalinimo būdą ir administracinių sankcijų riziką. Pamoka: AI pateiktas kodas buvo hipotezė; Kadangi tai nebuvo patikrinta analize ir teisės aktais, tai negalėjo būti sprendimo pagrindas.
Dažnos klaidos
- AI pateiktos ribinės vertės įtraukimas į ataskaitą neklausiant jos šaltinio.
- Mano, kad nuoroda į „reglamento X straipsnį“ yra patikima, nelyginant jos su tikruoju tekstu.
- Konfidencialios informacijos, tokios kaip įmonės pavadinimas, stebėjimo duomenys ir kt., įklijavimas į viešąjį įrankį.
- Didelės rizikos sprendimas (iškrovos riba, PAV rezultatas) grindžiamas AI išvestimi.
- Patikimas modelio tonas klaidinamas siekiant įrodyti tikslumą.
- Bandymas perkelti atsakomybę mašinai, sakydamas „AI pasakė“; Parašas ir atsakomybė tenka inžinieriui.
Apibendrinant
- AI yra aplinkos inžinerijos spartintuvas: galingas trumpas aprašymas, juodraštis, paskyros redagavimas ir scenarijų generavimas; Tai nepatikima, kai remiamasi tiksliomis ribinėmis vertėmis ir teisės aktais.
- LLM sukelia haliucinacijas apie ribas, standartus ir šaltinius; tikslūs ir šaltiniai skaičiai yra didžiausia rizika.
- Darbo pasidalijimas pagrįstas rizika: kuo negrįžtamesnis rezultatas, tuo griežtesnė patikra.
- Kiekviena dirbtinio intelekto išvestis yra tik pasiūlymas / eskizas, kol nepatvirtinama laboratorijos, lauko matavimų ir vyriausybės teisės aktų.
- Neteikite konfidencialių ir asmeninių duomenų jokiomis viešosiomis priemonėmis jų anonimiškai nenurodžius.
- AI yra „vyresnysis praktikantas“: jis veikia, bet inžinierius neša parašą ir atsakomybę.
Taikymo užduotis
Pasirinkite penkias užduotis iš savo studijų srities (nuotekos, oras, atliekos arba PAV) ir padėkite kiekvieną į aukščiau pateiktą riziką pagrįstą lentelę: parašykite užduotį, nustatykite rizikos lygį (žema/vidutinė/didelė/kritinė), apibrėžkite AI vaidmenį ir privalomą patikros žingsnį. Tada pasirinkite vieną iš šių užduočių ir pirmiausia sąmoningai parašykite „silpną raginimą“, pažymėdami, ar atsakyme, kurį gaunate iš modelio, yra bent viena šaltinio nuoroda į ribines vertes arba teisės aktus; Tada tam pačiam poreikiui parašykite „stiprų raginimą“, kuris draudžia sudaryti skaičius ir nukreipia jus į šaltinį, ir palyginkite abu išėjimus. Galiausiai vienoje pastraipoje aprašykite, kuriuos vyriausybės teisės aktus ir kokius laboratorijos / lauko duomenis naudosite šiai užduočiai patikrinti.