Ieguvumi:
- Spēja automatizēt vides datu tīrīšanas un analīzes uzdevumus ar AI darbinātu Python kodu
- Spēja pārbaudīt mākslīgā intelekta ģenerētu kodu ar vienību pārbaudi, testēšanu un malu gadījumiem
- Spēja pielietot konfidenciālu/personisku vides datu aizsardzības un atbildīgas AI izmantošanas principus
Moduļa eksāmens
1. Jūs jautājat AI par notekūdeņu attīrīšanas iekārtas izplūdes robežu, un modelis atbildēja “120 mg/L ĶSP saskaņā ar Ūdens piesārņojuma kontroles noteikumu 19. tabulu”. Kura ir vispareizākā uzvedība?
- A) Vērtības un atsauces tabulas pārbaude no spēkā esošo noteikumu oficiālā teksta ✔
- B) Tā kā AI ir pašreizējais modelis, vērtības ierakstīšana tieši izplūdes atļaujā
- C) Vienkārši pārveidojiet mērvienību no mg/l uz g/l un izmantojiet
- D) Pajautājiet AI "vai esat pārliecināts?" un esi apmierināts ar atbildi "jā"
Paskaidrojums: LLM var radīt pārtraukuma punktus un tabulu/vienību numurus, kas ir statistiski ticami, bet nav īsti (halucinācijas). Izplūdes robeža mainās atkarībā no nozares, uztverošās vides un pašreizējā regulējuma; Vērtības un atsauces tabulas izmantošana, nepārbaudot to no oficiālā noteikumu teksta (Oficiālais Vēstnesis), novedīs pie neatbilstības un soda.
2. Kas parasti būtu sagaidāms, ja F/M (uzturvielu/mikroorganismu) attiecība aktīvo dūņu sistēmā ir pārāk zema?
- A) Situācija, kad organiskā slodze ir ļoti liela un dūņas paliek jaunas
- B) Īpaši novecojušas dūņas un darbības apstākļi, kuros dominē iekšēja elpošana ✔
- C) Situācija, kad ventilācija kļūst pilnīgi nevajadzīga
- D) Pierādījums, ka izplūdes ierobežojumi tiek automātiski saglabāti
Paskaidrojums: F/M attiecība izsaka organisko slodzi uz mikroorganismu masu. Ļoti zems F/M ir darbības stāvoklis, kurā mikroorganismi mirst un pāriet uz iekšējo elpošanu, dūņas kļūst pārmērīgi novecojušas, un parasti var novērot adatu veidošanos/izkliedētu dūņu un sedimentācijas problēmas. Ja AI interpretē F/M vērtību, tas ir jāpārbauda ar dūņu vecumu, SVI un laboratorijas datiem.
3. Jūs izmantojāt AI, lai novērtētu ikgadējo NOx slodzi, izmantojot emisijas koeficientu dūmgāzu emisiju aprēķinā. Kas jums jādara, lai varētu droši ziņot par rezultātu?
- A) Noapaļojiet rezultātu uz augšu un ievadiet to tieši emisiju uzskaitē
- B) Vienkārši izlabojiet diagrammas krāsas un publicējiet pārskatu
- C) Izmantojot rezultātu, pat ja CO2 tika aprēķināts kļūdaini NOx vietā
- D) Izdrukājiet izmantoto emisijas koeficientu, avotu, vienību un aktivitātes datus un pārbaudiet aprēķinu ✔
Paskaidrojums: tas darbojas ar emisijas = faktora × aktivitātes lieluma loģiku. AI var izmantot nepareizu emisijas koeficientu (nepareiza degviela, nepareiza vienība, novecojis avots). Ir nepieciešams reproducēt aprēķinu, skaidri izdrukājot izmantoto faktoru, tā avotu, vienības un darbības datus un salīdzinot to ar oficiālu emisijas faktoru avotu (piemēram, EMEP/EEA vai valsts norādījumiem).
4. Kura no tālāk norādītajām ir prioritāšu secība saskaņā ar “atkritumu hierarhijas” principu atkritumu apsaimniekošanā?
- A) Likvidēšana > reģenerācija > otrreizēja pārstrāde > atkārtota izmantošana > novēršana
- B) Pārstrāde > utilizācija > profilakse > atkārtota izmantošana > reģenerācija
- C) Profilakse > atkārtota izmantošana > pārstrāde > reģenerācija > likvidēšana ✔
- D) Atkārtota izmantošana > likvidēšana > profilakse > otrreizēja pārstrāde > reģenerācija
Paskaidrojums: Atkritumu hierarhija no lielākās līdz mazākajai ir šāda: novēršana (samazināšana) > atkārtota izmantošana > otrreizēja pārstrāde > (enerģijas) reģenerācija > apglabāšana (apglabāšana poligonā). Pat ja mākslīgais intelekts izstrādā atkritumu apsaimniekošanas plāna projektu, ir jāpārbauda, vai šī secība un piedāvātā apglabāšanas metode atbilst tiesību aktiem un atkritumu raksturojumam.
5. AI IVN ziņojuma projektā rakstīja, ka “projekta ietekme uz vidi ir niecīga”. Kāda ir labākā inženierijas attieksme pret šo rezultātu?
- A) Ietekmes sprieduma neierakstīšana ziņojumā, nepārbaudot to ar lauka datiem, modelēšanu un ekspertu vērtējumu ✔
- B) Tā kā AI ir neitrāls, formulējiet apgalvojumu tā, kā tas ir secinājumā
- C) Vienkārši pārrakstiet teikumu formālākā valodā
- D) Ietekmes novērtējuma pilnīga izlaišana un tieša pieteikšanās atļaujas saņemšanai
Apraksts: Ietekmes novērtējums IVN; pamatojoties uz lauka datiem, uztverošās vides jutīgumu, kumulatīvo ietekmi un normatīvajiem sliekšņiem. AI var radīt tādu spriedumu kā “nenozīmīgs”, nepamatojot to datos. Tas jāuztver kā hipotēze/skice; Efekta lielumu ziņojumā nevajadzētu ierakstīt kā galīgo spriedumu, ja tas nav pārbaudīts ar mērījumiem, modelēšanu un ekspertu novērtējumu.
6. PM10 laikrindā no nepārtrauktās uzraudzības stacijas AI atzīmēja pēkšņu “pārsniegumu” (virs sliekšņa vērtības). Kurš verifikācijas posms ir vissvarīgākais?
- A) Zīmes nosūtīšana tieši amatpersonai kā oficiāls paziņojums par pārsniegumu
- B) Neapstrādātu datu, sensoru QA/QC karogu, kalibrēšanas un kaimiņu stacijas datu pārbaude ✔
- C) Grafika izlīdzināšana un pārsnieguma slēpšana
- D) Paaugstināt slieksni un nodrošināt, ka pārsniegums nav redzams
Paskaidrojums: Pēkšņi sensoru datu lēcieni var būt īsts piesārņojuma notikums, bet var būt arī sensora darbības traucējumi, kalibrēšanas novirze, apkopes logs vai datu pārraides kļūda. Pirms pārsnieguma pieņemšanas par reālu, tas ir jāpārbauda, apskatot neapstrādātos datus, sensora kvalitātes nodrošināšanas/kvalitātes kontroles karogus, kalibrēšanas žurnālu un blakus stacijas/meteoroloģijas datus; pretējā gadījumā radīsies viltus trauksme vai nokavēts notikums.
7. Ko uzņēmuma oglekļa pēdas nospieduma aprēķinos nozīmē 2. jomas emisijas?
- A) Visas netiešās emisijas, kas rodas piegādes ķēdes un produktu lietošanas rezultātā
- B) Tiešās emisijas no degvielas sadegšanas objektā
- C) Iegādātās elektroenerģijas, tvaika un apkures/dzesēšanas netiešās emisijas ✔
- D) Tikai emisijas no atkritumu apglabāšanas
Apraksts: 1. joma attiecas uz tiešajām emisijām (degvielas sadedzināšana jūsu uzņēmumā, transportlīdzekļu parks), 2. joma attiecas uz pirktās enerģijas (elektrības, tvaika, apkures/dzesēšanas) netiešajām emisijām, 3. joma attiecas uz citām netiešajām emisijām vērtību ķēdē (piegāde, transportēšana, produktu izmantošana). Lai gan mākslīgais intelekts sagatavo inventāra projektu, tā izmantotie emisijas faktori un jomas klasifikācija ir jāapstiprina.
8. Ja attālā izpēte dod augstu NDVI (Normalized Difference Vegetation Index) vērtību, ko tas parasti norāda?
- A) Dziļa un tīra ūdenstilpne
- B) kailie akmeņi un augsne
- C) Augsta gaisa piesārņojuma koncentrācija
- D) Blīvs un veselīgs zaļš augājs ✔
Apraksts: NDVI aprēķina kā tuvās infrasarkanās un sarkanās joslas starpības attiecību pret to summu, un parasti tā ir no -1 līdz +1. Augstas pozitīvas vērtības norāda uz blīvu, veselīgu zaļu veģetāciju; ūdens un kaila augsne dod zemas vai negatīvas vērtības. Pat ja AI veic NDVI interpretāciju, mākoņa, ēnas, gadalaika un sensora kalibrēšanas efekti ir jāpārbauda, pamatojoties uz patiesību.
9. Jūs uzdevāt AI jautājumu par vides tiesību aktiem, un modelis sniedza skaidru robežvērtību, atsaucoties uz konkrētu noteikumu pantu. Kas ir obligāts pirms šīs informācijas izmantošanas oficiālā pieteikumā?
- A) Vielas numura, robežvērtības un derīguma statusa apstiprināšana no pašreizējā oficiālā avota ✔
- B) Pierakstiet pieteikuma lūgumrakstā AI norādīto raksta numuru, kāds tas ir.
- C) Vienkārši pārrakstiet teikumu formālā stilā
- D) ņemot vidējo, jo AI sniedz vairāk nekā vienu atbildi
Paskaidrojums: LLM var uzrādīt neesošus rakstu numurus, atceltus noteikumus vai nepareizus pārtraukuma punktus un iesniegt tos bez pašreizējā datuma informācijas. Tiesību aktu atsauces un robežvērtības nevar izmantot oficiālos darījumos, ja tās nav apstiprinātas ar spēkā stāšanās datumu no pašreizējā oficiālā avota (Oficiālais Vēstnesis, tiesību aktu portāls).
10. Kura ir patiesība pirms AI ģenerēta Python skripta izmantošanas monitoringa stacijas datu tīrīšanai un tendencēm?
- A) Tendences rezultāta ievietošana tieši pārskatā, jo kods darbojas bez kļūdām
- B) Saīsiniet mainīgo nosaukumus un izdzēsiet komentāru rindas
- C) skripta augšupielāde ar visiem neapstrādātajiem izsekošanas datiem publiskajā pakalpojumā
- D) Pārbaudiet, izmantojot testus ar zināmiem rezultātiem, vienību pārbaudi un malas gadījumiem, un aizsargājiet datu konfidencialitāti ✔
Apraksts: AI kodā var būt nepareiza vienību konvertēšana, nepareiza trūkstošo datu aizpildīšana, nepareiza datuma parsēšana vai malas gadījumos klusas kļūdas. Kods; apstiprināts ar nelieliem testa datiem ar zināmiem rezultātiem, apjoma/izmēra pārbaudi un malu gadījumiem (trūkst vērtības, negatīvs nolasījums, dubults ieraksts); Turklāt personas/konfidenciālus datus nedrīkst nosūtīt ārējiem pakalpojumiem bez atļaujas. Rezultātu apstiprina inženiertehniskais spriedums.