Pelnas:
- Gebėjimas efektyviai naudoti dirbtinį intelektą apdorojant, kontroliuojant ir teikiant laboratorinių rezultatų ataskaitas
- Galimybė paspartinti geologinių / geotechninių ataskaitų rengimą, literatūros apžvalgą ir duomenų santrauką naudojant AI
- Galimybė apsaugoti automatiškai generuojamą turinį su atsekamumu, šaltinio patvirtinimu ir inžinieriaus patvirtinimu
Nematoma, bet didelė geologijos inžinieriaus darbo dalis vyksta biure: laboratorinių rezultatų apdorojimas, kokybės kontrolė, duomenų sudarymas lentelėmis, ataskaitų rašymas, literatūros skenavimas, žemėlapių ir paveikslų ruošimas. Šie darbai yra pasikartojantys, daug laiko ir dėmesio reikalaujantys; Būtent šioje srityje dirbtinis intelektas sutaupo daugiausiai laiko. Tačiau čia taip pat yra spąstai: ataskaita yra oficialus inžinerinio sprendimo pagrindas. Sugalvotas šaltinis, klaidingai nukopijuotas skaičius ar neatsekamas teiginys gali nepastebimai įslysti į sklandų tekstą, o pasekmės gali būti rimtos. Šio padalinio tikslas – sukurti discipliną, kuri niekada nesumažėtų atsekamumo, šaltinio patvirtinimo ir inžinieriaus patvirtinimo, naudojant dirbtinį intelektą siekiant efektyvaus biuro.
Šiame padalinyje apimsime tris biuro frontus: laboratorinių rezultatų apdorojimą ir QA/QC (analizinių duomenų valymas ir užtikrinimas), ataskaitų ir literatūros kūrimą (braižybos, abstrahavimo ir atrankos pagreitinimą) bei darbo eigos automatizavimą (pasikartojančių užduočių reguliavimą). Kiekviename žingsnyje AI yra rengėjas ir organizatorius; Turinio tikslumas, šaltinis ir galutinis patvirtinimas priklauso inžinieriui.
Laboratorinių rezultatų apdorojimas ir QA/QC
Laboratoriniai rezultatai (klasių analizės, dirvožemio indekso tyrimai, vandens chemija) dažnai pateikiami skirtingais formatais, skirtingais vienetais ir kartais klaidingai. AI sujungia šiuos duomenis į vieną schemą, užfiksuoja vieneto nenuoseklumą, žymi žemiau aptikimo ribos ir tikrina QA/QC mėginius (tuščią mėginį, standartinę pamatinę medžiagą, pakartotinę analizę). QA/QC (kokybės užtikrinimas/kokybės kontrolė) – tai patikrinimas, įrodantis laboratorijos patikimumą: jei tuščiajame mėginyje yra užterštumas, nukrypimas nuo standarto, neatitikimas pakartotiniame mėginyje, duomenys kelia abejonių.
Kritinis taškas: AI niekada tyliai neištrina ar nepataiso reikšmės. Jo darbas yra pažymėti problemines linijas ir leisti inžinieriui priimti sprendimą. Išskirtinis rodiklis gali būti tikras didelis rūdos lygis arba laboratorinė klaida; Inžinierius tai skiria nuo konteksto. Dirbtinis intelektas tikrina duomenis, jų neišvalo.
Patarimas: apdorodami laboratorijos duomenis, kiekviename raginime pakartokite taisyklę „tik pažymėti, nekeisti“. Pati klastingiausia AI klaida yra tada, kai jis sugadina neapdorotus duomenis, „pataisydamas“ vertę gerais ketinimais ir to nesuvokdamas.
Pranešimų ir literatūros kūrimas
AI yra galingas ataskaitų rengėjas: parengia metodo skyrių, įvadinį kontekstą, išvadų santrauką minutėmis; apibendrina ilgą literatūros rinkinį; Konvertuoja sudėtingą lentelę į paprastą tekstą. Tačiau akivaizdūs du pavojai. Pirmasis yra išgalvotas šaltinis: modelis gali užtikrintai generuoti neegzistuojantį straipsnį, klaidingą autorių arba neegzistuojantį kanoninį straipsnį. Antra, skaičių tvarkymo klaida: įvedant į tekstą gali būti neteisingai perkeltas laipsnis, saugos koeficientas ar gylis.
Taigi auksinė taisyklė: AI gamina juodraštį, inžinierius patikrina ir jam priklauso. Kiekvienas šaltinis yra patvirtintas iš originalo (apokrifinės nuorodos yra labiausiai paplitusi haliucinacijų rūšis); kiekvienas skaičius lyginamas su neapdorotais duomenimis; Kiekvienas techninis reikalavimas yra patikrintas su inžinerinėmis žiniomis. Pasirašius ataskaitą, atsakomybė už kiekvieną joje esantį sakinį tenka pasirašančiam asmeniui – „AI parašė tai“ nėra pasiteisinimas.
Dėmesio: niekada nepriimkite dirbtinio intelekto sukurtos bibliografijos tokios, kokia ji yra. Sugalvotos, bet tikroviškai atrodančios nuorodos (iš pažiūros tikslus autorius, žurnalas, metai) yra dažniausios ir pavojingiausios haliucinacijos. Patikrinkite kiekvieną nuorodą pagal nepriklausomą duomenų bazę.
Darbo eigos automatizavimas ir atsekamumas
Pasikartojančių užduočių automatizavimas (mėnesinių vandens stebėjimo duomenų apdorojimas, standartinio ataskaitos šablono pildymas, gręžimo lentelių derinimas) su dirbtiniu intelektu užtikrina didelį efektyvumą. Tačiau automatizavimas taip pat gali automatizuoti klaidas: nustatyta neteisinga taisyklė tyliai kartojama kiekvieno paleidimo metu. Štai kodėl automatizuotos darbo eigos turi būti atsekamos: įrašoma, iš kurios įvesties, kokio žingsnio, iš kokios modelio versijos gaunama kiekviena išvestis; Kai randama klaida, pagrindinė priežastis ir visi paveikti išėjimai turi būti atsekami.
Atsekamumas praktikoje reiškia: įrašomas įvesties duomenų šaltinis ir data, pritaikytos transformacijos, naudota raginimo/modelio versija ir žmogaus patvirtinimo veiksmas. Tai užtikrina ir derinimą, ir inžinerinę atsakomybę. Nevaldoma automatizacija, kad ir kokia greita būtų, yra nepriimtina saugumui svarbiame versle.
Trys mini dėklai: pagal numerius
1 atvejis – QA/QC poslinkio fiksavimas. Vienoje laboratorijos siuntoje buvo 320 klasės mėginių. AI QA/QC atranka pažymėjo, kad standartinė etaloninė medžiaga per pastaruosius 40 mėginių buvo sistemingai nuskaityta 8 % – prietaiso kalibravimo poslinkis. Ši sisteminė klaida buvo problema, kurią buvo labai sunku aptikti rankiniu būdu, tačiau ji paveikė visą partiją; Siunta buvo iš naujo išanalizuota. Jis nenusprendė modelio, jis padarė modelį matomą.
2 atvejis – pagamintas šaltinis. AI parengė geotechninės ataskaitos literatūros skyrių ir šešias nuorodas. Patikrinimo metu buvo nustatyta, kad dviejų iš jų niekada nebuvo, o vienas buvo priskirtas netinkamam žurnalui. Jei nuorodos nebūtų patikrintos po vieną pagal nepriklausomą duomenų bazę, sukurti šaltiniai būtų įvedę pasirašytą inžinerinę ataskaitą. Skersvėjis paspartėjo; Patvirtinimas išsaugotas.
3 atvejis – pagrindinė priežastis su atsekamumu. Mėnesinėje vandens stebėjimo automatikoje tris mėnesius buvo pranešta ne to įrenginio stebėjimo šulinio vertės. Dėl atsekamumo įrašo per kelias minutes buvo rasta, kuriame konversijos etape prasidėjo klaida, ir buvo sukurtas visas trijų paveiktų ataskaitų sąrašas. Jei nebūtų vedami įrašai, liktų neaišku, kurie spaudiniai buvo sugadinti ir visas archyvas būtų įtariamas.
Silpnas raginimas / stiprus raginimas
Silpnas raginimas:
Parašykite šio projekto geotechninę ataskaitą, įtraukite literatūrą. [duomenys]
Galingas raginimas:
Jūsų vaidmuo: ataskaitos rengėjas. PAGRINDIMAS ataskaita su šiais duomenimis, bet: 1) Remiantis TIK mano pateiktais duomenimis; NENAUDOKITE skaičiaus, šaltinio ar radinio. 2) Skliausteliuose parodykite, iš kurios įvesties eilutės gaunamas kiekvienas skaičius. 3) Užuot sukūrę tikrąjį literatūros šaltinį, įdėkite vietos rezervą „čia bus pridėtas patikrintas šaltinis apie [temą]“. 4) Pažymėkite bet kurioje vietoje, kur nesate tikri, kaip „REIKALINGAS INŽINERIJO PATVIRTINIMO“. Galutinį turinį ir visus šaltinius patvirtinsiu aš. Duomenys anonimiški.
Keturi kopijuojami šablonai
1) Laboratorinis QA/QC patikrinimas:
Patikrinkite laboratorinių rezultatų lentelę: vienetų neatitikimas, ženklai žemiau aptikimo ribos, užterštumas tuščiajame mėginyje, sistemingas standartinio etaloninio mėginio poslinkis, pakartotinio mėginio neatitikimas. Tik problemines eilutes pažymėkite su example_id; Neištrinkite ir netaisykite jokių verčių. Sprendimas yra mano.
2) Vykdykite šaltinio patvirtinimą:
Ištraukite visus šio teksto teiginius ir šaltinio citatas ir sudarykite kontrolinį sąrašą: įvestis, kuria grindžiamas kiekvienas skaičius, kiekvieno šaltinio citata, kurią reikia patvirtinti. Šaltinio gamyba; Pažymėkite „būtina patikrinti“, kur negalite patvirtinti.
3) Atsekamumo įrašų sistema:
Pasiūlykite šios automatinės darbo eigos atsekamumo įrašo šabloną: įvesties šaltinis ir data, pritaikytos transformacijos, naudojama raginimo / modelio versija, žmogaus patvirtinimo veiksmas. Parodykite, kaip rasti pagrindinę priežastį ir paveiktus išėjimus, kai randama klaida.
4) Ataskaitos nuoseklumo patikrinimas:
Nuskaitykite ataskaitos juodraštį, kad būtų užtikrintas vidinis nuoseklumas: ar suvestinėje esantys skaičiai atitinka turinį, ar lentelės ir tekstas nesutampa, ar vienetai yra vienodi, ar yra neapibrėžtų santrumpų? Išvardykite problemas; Turinio sprendimas yra mano.
Biuro pareigos, pajamos ir kontrolė
Quest
AI pelnas
Pagrindinė rizika
Privalomas patikrinimas
Laboratorinis duomenų apdorojimas
aukštas
Tyli korekcija
„Pažymėti, ištrinti“ + neapdoroti duomenys
QA/QC patikrinimas
aukštas
Nepraleiskite skaidrės
Aklas/standartinis/pakartotinis patvirtinimas
Ataskaitos juodraštis
aukštas
Išgalvota problema / šaltinis
Numerio ir šaltinio patvirtinimas
Literatūros apžvalga
aukštas
Sugalvota nuoroda
Nepriklausomas duomenų bazės patikrinimas
darbo eigos automatizavimas
labai aukštas
Klaidos pakartojimas
Atsekamumo įrašas
Patarimas: prieš nustatydami automatizavimą paklauskite „kaip sužinoti, ar ši darbo eiga veikia netinkamai? Atsakykite į klausimą. Jei atsakymas neaiškus, pirmiausia pridėkite atsekamumo ir kontrolės taškus; Greitis ateina po valdymo.
Dažnos klaidos
- Tyliai ištaisoma vertė. AI „tobulinti“ neapdorotus duomenis yra pati klastingiausia klaida; taisyklė visada turėtų būti „žymėk, nekeisk“.
- Nepatikrinama bibliografija. Sugalvotos nuorodos yra dažniausia haliucinacija; Kiekvienas įspaudas turi būti patikrintas nepriklausomai.
- Netikrina numerio pernešimo. Sklandžiame tekste slepiamas tenoras arba saugos koeficientas, kuris pablogėja pereinant į tekstą.
- Neatsekamos automatikos sukūrimas. Darbo eigoje, kurioje nėra įrašų, negalima nustatyti pagrindinės klaidos priežasties ir poveikio.
- Ieškodamas prieglobsčio pasiteisinimu, kad „AI tai parašė“. Atsakomybė už kiekvieną pasirašytą sakinį tenka jį pasirašiusiam asmeniui; pritarimo negalima sušvelninti.
Apibendrinant
- Darbas biure – ta sritis, kurioje dirbtinis intelektas sutaupo daugiausiai laiko; Tačiau ataskaita yra oficialus sprendimo pagrindas, o klaidos yra brangios.
- Laboratoriniuose duomenyse AI audituoja, o ne valo; taisyklė yra „pažymėti, ištrinti/taisyti“, sprendimą priima inžinierius.
- Šaltinių ir skaičių klastojimas ataskaitose ir literatūroje yra labiausiai paplitusi rizika; Kiekvienas šaltinis ir numeris yra patikrinti.
- Automatika gali padidinti klaidų skaičių ir greitį; Atsekamumo įrašas užtikrina pagrindinę priežastį ir paveiktus rezultatus.
- Inžinierius atsako už pasirašytą turinį; „AI parašė tai“ nėra pasiteisinimas.
Taikymo užduotis
Gaukite anoniminę laboratorijos rezultatų lentelę (arba reprezentatyvius duomenis). Turėkite modelio vėliavėlės problemos eilutes su šablonu „Laboratorijos kokybės užtikrinimo / kokybės kontrolės auditas“; sąmoningai sistemingai perkelkite standartinę atskaitos vertę ir patikrinkite, ar modelis ją pagauna ir bando ištrinti reikšmę. Tada sukurkite trumpą ataskaitos skiltį ir kiekvieną joje esančią problemą bei šaltinį įtraukite į kontrolinį sąrašą naudodami „šaltinio patvirtinimo iššūkio“ šabloną.
kontrolinis sąrašas
- [ ] Laboratorijos duomenims dirbtiniam intelektui visada taikau taisyklę „žymėti, ištrinti / taisyti“.
- [ ] Laboratorinį patikimumą tikrinu su QA/QC mėginiais (tuščiasis, standartinis, kartotinis).
- [ ] Aš savarankiškai tikrinu kiekvieną šaltinį ir numerį ataskaitoje ir literatūroje.
- [ ] Nustatau automatizavimo darbo eigas su atsekamumu.
- [ ] Sutinku, kad prisiimu visą atsakomybę už turinį, kurį pasirašau.