Етика, приватност, граници и интеграција од крај до крај — Вештачка интелигенција во текстилно инженерство

Добивки:

Способност за холистичка проценка на етичките, приватноста на податоците, авторските права и аспектите на работната сила на употребата на вештачката интелигенција во текстилот
Способност да се дизајнира систем со назначени точки за одобрување од луѓе што го комбинира целиот модул во работен тек од крај до крај
Способност да се воспостави рамка за управување, валидација и континуирано подобрување за одговорна употреба на ВИ во организација

Модул испит

1. Кој од наведеното е основниот принцип што го одредува ризикот од излезна вештачка интелигенција во текстилното инженерство?

А) Ризикот од аутпут е еднаков на штетата што би ја предизвикал доколку тој излез е неисправен; валидација скали соодветно ✔
Б) Излезот на вештачката интелигенција е генерално безбеден бидејќи е напишан течно и самоуверено
В) Потврдувањето е непотребно кога се користи најактуелниот модел
Г) Ако излезот се однесува на стандард, не е потребна дополнителна контрола

Објаснување: Ризикот од излез е еднаков на штетата што ќе ја предизвика ако тој излез е неисправен. Иако грешката во идејата за табла за расположение е безопасна, грешката во рецептот за боење или пресметката на јачината на ткаенината може да доведе до сериски отпад и ризици за безбедност/договор при работа; па интензитетот на верификација се скали со потенцијална штета.

2. Еден инженер е скептичен за вредноста на AI од '85 cN/tex за памучно предиво' за јачината на предивото. Која е најбрзата проверка за да се потврди ова сомневање?

А) Ставете ја вредноста директно на извештајот и прашајте ја лабораторијата подоцна
Б) Направете споредба на големината со типичниот опсег на памучно предиво (приближно 12-22 cN/tex) ✔
В) Повторно поставување на истото прашање од моделот и доверба на вториот одговор
Г) Прифатете ако вредноста содржи повикување на извор

Опис: Тоа е контрола на редот на големина. Јачината на прстенестото памучно предиво е типично од редот на 12-22 cN/tex; 85 cN/tex е синтетичко/арамидно ниво со високи перформанси и е физички неразумно за памук. Оваа проверка трае неколку секунди и ги фаќа повеќето грешки во единицата/типот.

3. Што од следново е точно за „Не“ (британско броење на памук) меѓу системите за броење предиво?

А) Колку е поголема конецот, толку станува подебел.
Б) Што е директен систем, тој работи во иста насока како и текс
В) Каков индиректен систем е тоа; Колку е поголем бројот, толку е потенок конецот ✔
Г) Што е дефинирано само за синтетички предива

Објаснување: Каков индиректен систем за нумерирање: колку е поголем бројот, толку е потенок конецот. Tex и denier се директни системи; Колку е поголем бројот, толку е подебел конецот. Непознавањето на оваа разлика доведува до сериозни грешки во толкувањата на броевите во излезот на вештачката интелигенција.

4. Што значи да се има висока стапка на „лажно негативно“ во модел за обработка на слика кој открива дефекти на ткаенината и зошто е тоа критично?

А) Неисправната ткаенина се смета за совршена и се доставува до клиентот; ✔ Најопасниот вид на грешка во квалитетот
Б) Непотребно означување на совршената ткаенина како неисправна; само ја намалува ефикасноста
В) Моделот не наоѓа грешки; секогаш добар знак
Г) Ниска резолуција на камерата

Објаснување: Лажно негативно е кога вистинскиот дефект е класифициран како „совршен“. Ова значи дека неисправната ткаенина оди кај купувачот и носи трошоци за враќање/репутација. Во апликациите кои се критични за квалитетот, прагот е генерално поставен да ги одржува ниските лажни негативни, а зголемените лажни позитиви се елиминираат со човечка инспекција.

5. Што значи вредноста „Делта Е“ (ΔE) во управувањето со боите?

А) Цена по килограм боја
Б) Критериумот што ја квантифицира вкупната перцептивна разлика помеѓу две бои ✔
В) Пропустливост на светлината на ткаенината
Г) Вредност на температурата на боење во степени

Опис: Делта Е е критериумот што ја квантификува вкупната перцептивна разлика помеѓу две бои во просторот за бои CIELAB. Малите ΔE вредности покажуваат дека боите се блиску една до друга; Во текстилот, толеранцијата за прифаќање од серија до серија обично се дефинира договорно во однос на ΔE. Затоа, тврдењето дека „бојата се држи“ бара мерење.

6. Како се нарекува кога два примероци изгледаат исто под еден извор на светлина, а различно под друг извор на светлина, и зошто е тоа важно во управувањето со боите?

А) Метамеризам; Потврдата на бојата мора да се направи под повеќе стандардни извори на светлина ✔
Б) Флуоресценција; color looks the same in all conditions
В) Непроѕирност; разликата во боја зависи само од дебелината
Г) Калибрација; се однесува само на екранот

Опис: Овој феномен се нарекува метамеризам. Две бои со различна спектрална рефлексија може да се совпаѓаат при одредено осветлување и да се разликуваат при друго осветлување. Затоа, потврдата на бојата не треба да се врши на еден извор на светлина, туку под повеќе извори (на пр. D65, TL84, A) во стандардна светлосна кабина.

7. Која е најкритичната правна проверка што треба да се изврши пред комерцијална употреба на текстилен модел произведен со генеративна вештачка интелигенција?

А) Намалување на бројот на бои на шаблонот
Б) Намалување на големината на датотеката на шаблонот
В) Проверка за сличност/повреда и авторски права со постоечки заштитени дизајни ✔
Г) Зачувајте ја шемата само во висока резолуција

Објаснување: Неопходно е да се провери дали произведената шема има некаква сличност/прекршување со постоечки заштитени дизајни, заштитни знаци или дела заштитени со авторски права и да се проценат несигурностите во однос на податоците за обука на моделот и излезните права. Комерцијализацијата без проверка на оригиналноста и прекршувањето создава ризик од судски спор за авторски права.

8. Кој е најсилниот пристап за потврдување на излезот на вештачката интелигенција во предвидувањето на побарувачката од страна на SKU?

А) Конвертирање на предвидувањето за една точка дадено од моделот во редовна количина каква што е
Б) Повторно тестирање со минатите продажби и проценка на маргината на грешка преку филтер за деловно расудување ✔
В) Избор на највисока проценка и задржување на вишокот залихи
Г) Двојно предвидување ако трендот е најпопуларен

Објаснување: прогнозата треба да се тестира назад во однос на реализацијата на продажбите во минатото и да се филтрира преку деловното расудување со контекст како што се залихите, кампањите, сезонската состојба, итн. Наместо слепо да се верува на една единствена точка предвидување на моделот, се оценуваат маргината на грешка и сценаријата.

9. Која е главната причина за нарачката на сериите на боја од „светла до темна боја“ во распоредот на производството?

А) Темните бои се поевтини
Б) Намалување на ризикот од контаминација на бојата и времето на чистење на машината ✔
В) Светлите бои траат подолго
Г) Тоа е само естетска предност

Објаснување: Ако светла боја се обои по темна боја во истата машина, се зголемува ризикот од чистење/загадување и дополнително време на перење. Сортирањето од светло во темно ја зголемува ефикасноста со намалување на ризикот од размачкување на бојата и времето на чистење на машината. Препораките за вештачка интелигенција треба да го вклучуваат ова ограничување на процесот.

10. Кога се известува за еколошкиот отпечаток на ткаенината, каков е правилниот став кон тврдењето како што е „рециклираниот полиестер ја намалува употребата на вода за 90%“ произведен од ВИ?

А) Ставање на тврдењето како што е во маркетиншката копија
Б) Некористење на барањето без верификација со системска граница, извор на податоци и сертификат ✔
В) Под претпоставка дека тврдењето е силно ако бројот е голем
Г) Заокружете го бројот и објавете го

Објаснување: Таквото тврдење е бесмислено без да се специфицира границата на системот (лулка до порта или порта до порта), изворот на податоци и опсегот; Мора да се заснова на проверливи податоци за LCA и сертификација. Во спротивно, може да се појави „зелено перење“ и правен ризик. Иако бројките за вештачка интелигенција изгледаат разумни, тие се добиени независно.

11. Кој треба да биде првиот чекор за да се потврди кодот напишан од вештачката интелигенција кога се анализираат податоците за производството со помош на панди со Python?

А) Ако кодот работел без грешки, прифатете го резултатот како точен
Б) Рачно пресметајте го излезот и потврдете ја единицата и логиката на мал примерок од податоци ✔
В) Додавање на шифрата директно во извештајот за производство
Г) Ако графикот излезе добар, сметајте ја анализата завршена.

Забелешка: Дури и ако кодот работи, не се гарантира дека логиката е точна; Рачна проверка на сметководството мора да се изврши на совпаѓање на единица, колона и неколку редови. На пример, кога се просекува грамажата, неточното групирање или збунетоста на единиците може тивко да произведе неточни резултати. Во мал примерок, рачната проверка е најбрзата гаранција.

12. Која е најдобрата практика во однос на приватноста на податоците кога се испраќаат податоци за производство на текстил до алатка за вештачка интелигенција?

А) Испратете ги сите вистински информации за клиентите и рецептите како што се
Б) Анонимизирајте ги чувствителните информации и испратете ги со репрезентативни етикети и во согласност со корпоративната политика ✔
В) Претпоставувајќи дека приватноста е неважна бидејќи има толку многу податоци.
Г) Само сменете го името на датотеката и испратете ја содржината каква што е

Објаснување: Чувствителните податоци како што се името на клиентот, тајната на рецептот, цената и информациите за добавувачот треба да бидат анонимизирани или дадени со репрезентативни етикети (Клиент-А, Рецепт-1). Трговските тајни и личните податоци не треба да се пренесуваат на модел на трета страна што ги прекршува корпоративните политики и договори.

13. Модел за обработка на слика пријавува 98% точност на производна линија, но промашува многу дефекти на теренот. Која е најверојатната причина за ова?

А) Точноста е погрешна поради неурамнотежени податоци; Чувствителноста (отповикувањето) на класата на дефекти е мала ✔
Б) Моделот работи многу бавно
В) Бидејќи камерата е во боја
Г) 98% е веќе совршен, проблемот е во операторот

Објаснување: Кога примероците со дефекти се многу малку во множеството податоци (небалансирани податоци), моделот може да постигне висока точност нарекувајќи сè „совршено“, но не може да ги опфати вистинските дефекти. Затоа, точноста сама по себе е погрешна; Треба да се следи чувствителноста (отповикување) и прецизноста за класата на дефекти.

14. Според клучниот принцип нагласен во текот на модулот, која е улогата на ВИ во безбедносните и клучните за договорот одлуки за текстил?

А) ВИ може сама да носи критични одлуки бидејќи е брза
Б) АИ е асистент; критичните одлуки се проверуваат со компетентно инженерско одобрение и физичко тестирање ✔
В) Излезот на вештачка интелигенција го заменува потпишаниот извештај
Г) Човечка потврда е непотребна кога се користи најактуелниот модел

Опис: ВИ е асистент и акцелератор; генерира хипотези, подготвува нацрти, фаќа шаблони. Сепак, критичните одлуки како што се одобрување рецепти за сликање, прифаќање на квалитетот, проценка на силата/безбедноста бараат компетентно инженерско одобрение и физичко тестирање. Излезот на вештачката интелигенција не е замена за одобрување од експерти.