Добивки:
- Класификација заснована на ризик за тоа каде вештачката интелигенција забрзува и каде е ризична во инженерството за животна средина
- Способност да се препознае ризикот од халуцинации кај LLM во однос на граничните вредности на животната средина, стандардите и ресурсите
- Способност да се потврди излезот на вештачката интелигенција во лабораторија, теренски и регулаторни и да се применат етички/принципи за приватност
Замислете да работите како инженер за животна средина во заедничка станица за третман на отпадни води во организирана индустриска зона. Има нагло зголемување на COD во излезната вода, деловниот менаџер вели на телефон, „Сакам причината и решението што е можно поскоро“. На вашата маса има лабораториски резултати од минатата недела, записи од SCADA и прозорец за разговор што штотуку го отворивте. Прашувате вештачка интелигенција "зошто се зголеми излезниот COD, запишете го и лимитот за празнење?" Во рок од неколку секунди, моделот ги запишува на соодветен турски јазик, точка по ставка, можните причини и исто така реченицата „Согласно Регулативата за контрола на загадувањето на водата, границата за испуштање COD е 120 mg/L“. Проблемот е што оваа точка на прекин може да била поставена на модел; Во зависност од вашата индустрија, околината за примање и типот на објектот, вистинската граница може да биде сосема поинаква. Оваа единица ве учи да управувате токму со тој момент - моментот кога вашата инженерска одговорност се вкрстува со брзиот, но непроверен излез на вештачката интелигенција.
Што прави и што не прави вештачката интелигенција во инженерството за животна средина
Моделите на големи јазици (LLM) се системи обучени на принципот на „предвидување на следниот збор“ на огромни текстуални податоци. Ова ги прави многу силни во јазичната работа, но суштински слаби во проверката на фактите. Моделот не „памти“ точка на прекин, тој произведува број кој изгледа статистички разумен.
Jobs AI е добар во инженерството за животна средина:
- Сумирање и изготвување на долги закони, извештаи за ОВЖС или литературни текстови
- Воспоставување на структурата, формулата и логиката на пресметка (рамнотежа на масата, емисионо оптоварување, ефикасност)
- Создавање листа на можни причини и сценарија за отстранување проблеми
- Подготовка на нацрт извештаи, табели, презентации и кореспонденција
- Објаснување сложена тема (на пр. хемија на нитрификација) чекор по чекор
Задачи што вештачката интелигенција не може да ги направи/не е веродостојна:
- Обезбедување ажурирана и специфична гранична вредност, стандарден број или прописна статија
- Пристап до вистинските мерни податоци на вашиот објект (освен ако не го обезбедите)
- Замена за лабораториска анализа или теренско мерење
- Преземете правна/административна одговорност - потписот е ваш
Совет: Помислете на вештачката интелигенција како „постар практикант“. Брз, добро начитан, добар пишувач на нацрти; Но, не го испраќате секое отпечатување никаде без самите да го проверите. Секоја бројка и секое повикување на законодавството што го произведува е само хипотеза додека не ја потврдите од изворот.
Халуцинација: фабрикувана гранична вредност и регулатива
Халуцинација е кога моделот произведува нереални информации со целосна доверба. Трите најопасни типови на халуцинации во инженерството на животната средина се:
- Измислена гранична вредност: Броеви што изгледаат точни, но може да се погрешни, како што е „24-часовната граница за PM10 е 50 µg/m³“.
- Составена законска референца: „Согласно член 12/3 од Регулативата...“ — бројот на членот и името на регулативата изгледаат реални, но содржината е измислена.
- Фиктивен извор: непостоечка статија, стандарден број (на пр. „TS EN 12457“) или институционален водич.
Табелата подолу покажува безбедни и ризични модели на одговори што моделот може да ги даде на истото прашање:
Излез на моделот
Ризик
што да правам
„Границата на испуштање е точно 120 mg/L“.
Висок - точен број, без извор
Потврдете од официјалното законодавство
„Границите на испуштање варираат во зависност од секторот и околината на примачот; треба да се консултира соодветната регулациона табела“.
Низок - рутер
Сепак проверете, но доверлив
„Не можам да ја потврдам оваа вредност, видете го официјалниот извор.
низок
идеално однесување
Внимание: Колку е поконкретен и посигурен напишан број, толку е поопасен ако е без извор. Јасна вредност како „120 mg/L“ ќе ве смири, но ќе ви даде лажна доверба. Не ја засновајте вашата одлука на која било гранична вредност што не е цитирана.
Поделба на трудот заснована на ризик
Тежината на исходот на одлуката е она што одредува каде слободно да се користи вештачката интелигенција и каде да се користи само за изготвување цели. Следната класификација е практичен компас:
Потрага
Ниво на ризик
Улогата на вештачката интелигенција
Задолжителна верификација
Резиме на литература/законодавство, објаснување на концептот
низок
продуцент, акцелератор
Вкрстено проверете ги клучните приговори
Нацрт извештај/преписка, распоред на табела
низок
нацрт-писател
Уреднички преглед
Поставување анализа на податоци, формула за пресметка
средно
градител
Влезни податоци + рачна контрола на пресметката
Сценарио за решавање проблеми на процесот
средно
генератор на идеи
Лабораториски + теренски податоци
Определување на граница на испуштање/емисии
високо
Само нацрт
Официјално законодавство + акредитирана лабораторија
Резултат на ОВЖС, пресуда за „незначително влијание“.
високо
Само нацрт
Експерт + теренско мерење
Одлуки за здравјето на луѓето / животната средина
критички
Поддржете, никогаш не одлучувајте
Целосно законодавство + стручно одобрение
Правилото е едноставно: колку е понеповратен исходот и колку повеќе животи/пари/закони влијае, толку построго се проверува излезот на вештачката интелигенција. Добивате брзина со низок ризик; со висок ризик ВИ го произведува само првиот нацрт, податоците и законодавството донесуваат одлука.
Слаб промпт / Силен промпт
Две различни барања за иста потреба доведуваат до сосема различни профили на ризик:
СЛАБ ПРЕТСТАВ: „Која е границата на COD за испуштање отпадна вода? Напишете накратко.“ Проблем: Го принудува моделот да собере еден тврд број. Сектор, околина за прием, тип на објект не е одреден. Излезот доаѓа без извор. СИЛЕН ПРЕТСТАВ: „Објаснете од кои фактори (сектор, средина на примање, брзина на проток) зависи границата на испуштање COD за отпадните води од текстилната индустрија во Турција. НЕ правете точна бројка; наместо тоа, објаснете чекор по чекор од која официјална прописна табела и според кои параметри треба да се чита. Ако не сте сигурни, наведете „мора да се провери“. Разлика: Силниот промпт не прави моделот да одговара на број; Го користи како ВОДИЧ и го остава последниот збор на законодавството.
Етика и приватност на податоците
Како инженер за животна средина, податоците што ги имате често се чувствителни: евиденцијата на континуирано следење (CPMS) на компанијата, историјата на прекршоци, производствениот капацитет се деловни тајни. Сите податоци што ќе ги залепите во јавна алатка за вештачка интелигенција може да бидат надвор од ваша контрола.
Основни принципи:
- Анонимизирај: Отстранете го името на компанијата, координатите на објектот, личните податоци, деталите за договорот од пораката. Наместо „компанија Х“ напишете „текстилна фабрика“.
- Заштитете ја трговската тајна: проверете ја вашата политика за корпоративни податоци пред да споделите информации како што се податоци за прекршување, капацитет, цена.
- Транспарентност: Ако сте подготвиле извештај со вештачка интелигенција, соодветно наведете го тоа во вашиот работен тек; Запомнете дека одговорноста е ваша.
# Едноставна проверка на анонимизација пред да се стават податоци во промптните сензитивни_полиња = ["име_компанија", "координација", "tc_no", "капацитет", "цена"]def prompt_safe_is(текст, чувствителен): found = [a за a во чувствителна ако a во текст.lower = Пример: ABC, најдено) Текстил, COD: 850 mg/L, капацитет: 5000 m3/ден"безбедно, ризично = prompt_safe_mi(пример, чувствителни_области)print("Дали може да се испрати:", безбедно) # Falseprint("Прво да се исчисти:", ризично) # ['име_компанија', 'капацитет']
мини футрола
Еден млад инженер во консултантска фирма за животна средина ја прашува вештачката интелигенција „која е шифрата за отпад и начинот на отстранување на отпадното масло“ за итна понуда. Моделот самоуверено враќа 6-цифрена шифра за отпад и одговорот „отстранување со согорување“. Инженерот го става ова директно во цитатот. По испораката, високиот инженер проверува: дадената шифра не одговара на вистинскиот извор и содржина на отпадот; Правилната класификација може да се направи само со извештајот за анализа и официјалната листа на отпад. Погрешен код значи погрешна рута за отстранување и ризик од административни санкции. Лекција: Кодот што го дал вештачката интелигенција беше хипотеза; Бидејќи тоа не беше проверено со анализа и законска регулатива, не можеше да биде основа за одлуката.
Вообичаени грешки
- Внесување на граничната вредност дадена од ВИ во извештајот без да се праша неговиот извор.
- Сметајќи дека упатувањето на „Регулатива член X“ е веродостојно без да се споредува со вистинскиот текст.
- Вметнување доверливи информации како име на компанија, податоци за следење итн. во јавната алатка.
- Засновајќи ја одлуката за висок ризик (граница за празнење, резултат на ОВЖС) на излезот од вештачка интелигенција.
- Погрешувајќи го самоуверениот тон на моделот со доказ за точноста.
- Обидувајќи се да ја префрлите одговорноста на машината со велејќи „ВИ рече“; Потписот и одговорноста се на инженерот.
Сумирано
- Вештачката интелигенција е акцелератор во инженерството за животна средина: моќен накратко, нацрт, уредување сметки и генерирање сценарија; Тоа е несигурно кога се повикуваат на точни гранични вредности и законодавство.
- LLM произведуваат халуцинации за прекини, стандарди и извори; прецизни и неизворни бројки се најголем ризик.
- Поделбата на трудот се заснова на ризик: колку е понеповратен исходот, толку е построга верификацијата.
- Секој излез на вештачката интелигенција е само предлог/скица додека не се потврди со лабораториски, теренски мерења и владино законодавство.
- Не давајте доверливи и лични податоци на какви било јавни средства без да ги анонимизирате.
- ВИ е „постар приправник“: работи, но инженерот го носи потписот и одговорноста.
Задача за апликација
Изберете пет задачи од вашето поле на студирање (отпадна вода, воздух, отпад или ОВЖС) и ставете ја секоја во табелата заснована на ризик погоре: напишете ја задачата, одредете го нивото на ризик (ниско/средно/високо/критично), дефинирајте ја улогата на вештачката интелигенција и задолжителниот чекор за верификација. Потоа изберете една од овие задачи и прво намерно напишете „слаб промпт“, штиклирајте дали има барем една неизворна референца за граничните вредности или законодавството во одговорот што го добивате од моделот; Потоа, за истата потреба, напишете „силен промпт“ кој забранува составување броеви и ве упатува до изворот и споредете ги двата излеза еден до друг. Конечно, опишете во еден параграф кое владино законодавство и кои лабораториски/теренски податоци ќе ги користите за да ја потврдите оваа задача.