Pengenalan kepada Kepintaran Buatan dalam Metalurgi: Sempadan, Pengesahan, Tanggungjawab dan Etika

Keuntungan:

• Keupayaan untuk membezakan di mana AI menjimatkan masa nyata dalam aliran kerja metalurgi dan bahan dan di mana tanggungjawab kritikal keselamatan harus kekal dengan jurutera, berdasarkan tahap risiko
• Keupayaan untuk melaksanakan disiplin pengesahan tiga lapisan yang menguji setiap output AI terhadap standard, pengiraan bebas dan eksperimen makmal
• Keupayaan untuk menamakan konteks dan memilih alat selamat untuk melindungi resipi aloi sulit, parameter proses dan data pelanggan

Walaupun bilah turbin enjin pesawat berputar ratusan kali sesaat pada 1400 °C, anda adalah orang yang menentukan aloi super (aloi khas yang mengekalkan kekuatannya pada suhu tinggi) bilah itu akan diperbuat daripada, rawatan haba yang akan dilalui dan berapa ribu jam ia akan bertahan: jurutera metalurgi atau bahan. Setiap keputusan yang anda buat dalam profesion ini menentukan sama ada kemandirian struktur atau kerosakannya. Kecerdasan buatan (pendek kata AI: sistem perisian yang memproses teks, nombor dan imej serta menghasilkan cadangan) boleh mempercepatkan keputusan ini; tetapi dia tidak boleh mengambil tanggungjawab untuk anda. Unit ini mengajar anda cara menggunakan AI dengan selamat dalam kerja metalurgi dan bahan, di mana ia berbahaya, dan sebab anda perlu mengesahkan setiap output AI dengan makmal, standard dan eksperimen.

Prinsip utama yang akan anda gunakan sepanjang modul ini ialah: AI ialah pembantu, bukan pembuat keputusan. Sifat material, nilai had, item standard atau resipi rawatan haba tidak menjadi benar hanya kerana "AI berkata demikian"; Ia hanyalah hipotesis sehingga disahkan melalui pengukuran, rujukan, dan pertimbangan kejuruteraan. Anda akan melihat ayat ini sekali lagi dalam setiap unit modul, kerana dalam metalurgi, nombor yang salah selalunya bermaksud bahagian yang patah.

Apakah LLM, apakah yang dilakukannya dalam metalurgi?

LLM (Model Bahasa Besar) ialah perisian yang mempelajari corak daripada ketulan teks yang sangat besar dan meramalkan "perkataan seterusnya" berdasarkan kebarangkalian. Ini adalah enjin alat seperti ChatGPT, Claude, Gemini. Intinya ialah: LLM ialah "penganggar bahasa", bukan "asas pengetahuan". Bertutur istilah metalurgi dengan lancar, tetapi tidak mengukur nombor; menghasilkan nombor yang kelihatan paling mungkin. Oleh itu, dia mungkin memberikan jawapan yang yakin tetapi salah tentang kekuatan hasil, suhu lebur atau nombor item sesuatu piawai. Ini dipanggil halusinasi (fabrikasi). Halusinasi bukanlah kerosakan, tetapi ciri yang wujud dalam teknologi ini; Oleh itu, pengesahan bukanlah "langkah tambahan" tetapi merupakan bahagian penting dalam tugas.

Tugas di mana AI kukuh dalam metalurgi:

• Penjelasan konsep dan pengajaran: apakah transformasi martensit, mengapa ia keras dan rapuh; Apakah perbezaan antara eutektik dan eutektoid?
• Menjana senarai hipotesis: Mencipta senarai sistematik mengapa keliangan (gas atau lompang yang disebabkan oleh pengecutan) mungkin berlaku dalam tuangan.
• Pengeluaran teks: draf laporan analisis kerosakan, draf WPS (spesifikasi prosedur kimpalan), pembentangan, e-mel.
• Pengekodan: pembersihan data, grafik, skrip pengiraan mudah (Python).
• Ringkasan data dan organisasi jadual: menukar keputusan ujian yang tidak kemas kepada jadual yang teratur.
• Sumbangsaran: elemen calon, idea matriks eksperimen untuk reka bentuk aloi.

Apabila AI lemah dan berisiko:

• Memberi nilai berangka yang tepat (sifat, nilai had, komposisi kimia).
• Maklumat klausa dan versi standard semasa/khusus.
• Diagnostik tanpa data ukuran sebenar kemudahan anda.
• Keputusan kritikal keselamatan: kelayakan udara/kebolehgunaan sesuatu bahagian.

Klasifikasi berasaskan risiko: penapis sebelum menggunakan AI

Tidak setiap tugas berada pada tahap risiko yang sama. Kelaskan tugas mengikut tahap risiko sebelum menggunakan AI. Jadual di bawah menyediakan rangka kerja keputusan yang akan anda gunakan sepanjang modul ini.

Tahap risiko

contoh tugasan

peranan AI

Pengesahan mandatori

rendah

Penjelasan konsep, teks draf, rangka kod

penggunaan percuma

Semakan sudah memadai

sederhana

Persediaan pengiraan, senarai hipotesis, ringkasan literatur

Draf/pengarang bersama

Kawalan manual + pengesahan sumber

tinggi

Pemilihan bahan, resipi rawatan haba, nilai had

penjana idea

Ujian standard + makmal

kritikal

Kebolehgunaan/kelayakan udara, punca kerosakan, pensijilan

Draf sahaja

Ujian bertauliah + kelulusan jurutera yang diberi kuasa

Petua: Jika anda telah menandai tugas sebagai "kritikal", output AI bukanlah dokumen terakhir. Paling banyak ia boleh menjadi draf awal atau senarai semak; Jurutera yang diberi kuasa memikul tandatangan dan tanggungjawab.

Aliran hujung ke hujung: membenamkan AI ke dalam aliran kerja anda

Kitaran penyelesaian masalah biasa dalam perniagaan metalurgi berjalan seperti ini, dengan AI memasuki setiap langkah tetapi tidak menutup satu pun daripadanya sahaja:

1. Tentukan masalah: Apa yang rosak, apakah ciri yang disasarkan, apakah kekangan yang ada? (AI: membantu menjelaskan soalan.)
2. Kumpul data: Analisis komposisi, ujian mekanikal, mikrostruktur, data medan. (AI: menyenaraikan ujian yang diperlukan.)
3. Hasilkan hipotesis: Kemungkinan punca/penyelesaian. (AI: berkuasa — menghasilkan senarai sistematik.)
4. Analisis: Pengiraan, model, pemprosesan imej. (AI: menjana kod dan fiksyen pengiraan.)
5. Sahkan: Standard, makmal, ujian semula. (AI: di luar sini; manusia dan peranti membuat keputusan.)
6. Laporkan dan buat keputusan: Jurutera bertanggungjawab. (AI: penulis draf.)

Ingat enam langkah ini; Selebihnya modul menunjukkan kepada anda cara menggunakan AI dengan tugas konkrit dalam setiap langkah ini.

tiga kes mini

Kes 1 — Kekuatan hasil yang dipasang. Seorang pelatih bertanya kepada AI tentang kekuatan hasil keluli AISI 4140 yang dipadamkan dan dibaja pada 200 °C; AI berkata "kira-kira 1500 MPa". Pelatih meletakkan ini terus ke dalam pengiraan reka bentuk gelendong. Walau bagaimanapun, nilai sebenar berbeza-beza secara kasar antara 900–1600 MPa, bergantung pada parameter rawatan haba dan ketebalan bahagian; Nilai yang diambil dalam sampel nipis tidak berlaku dalam bahagian tebal. Keputusan: faktor keselamatan ternyata lebih rendah daripada yang dijangkakan. Sikap yang betul ialah mengambil nilai dari helaian data bahan (sijil kilang) dan, jika perlu, daripada ujian tegangan mengikut ISO 6892.

Kes 2 — Klausa standard yang tidak wujud. Seorang jurutera bertanya kepada AI tentang had kemasukan keluli tahan karat. AI berkata "maks 2.5 mengikut ASTM E45 Seksyen 7.3". Jurutera menulis laporan dengan sewajarnya. Semasa pemeriksaan pelanggan, didapati bahawa nombor artikel adalah palsu dan piawaian tidak mempunyai klausa sedemikian. Sikap yang betul ialah membuka versi semasa standard dari sumber rasmi dan mengesahkan artikel itu. AI mungkin berhalusinasi nombor item walaupun ia mengetahui nama standard dengan betul.

Kes 3 — Penggunaan yang betul. Pasukan analisis kerosakan meneliti gambar permukaan pecah bolt M20 yang patah. Mereka bertanya kepada AI, "senaraikan perbezaan tipikal dalam permukaan patah retakan keletihan dan patah rapuh, dan beritahu saya apa yang perlu saya cari dalam mikroskop elektron pengimbasan (SEM) untuk setiap satu." AI menerangkan secara sistematik tanda pantai, striae (garisan keletihan) dan perbezaan lesung pipit/belahan. Pasukan mencari jejak ini dengan SEM, mencari striae dan membuat diagnosis dengan imej peranti. Di sini AI digunakan dengan betul: menyusun maklumat, makmal membuat keputusan.

Templat gesaan yang boleh disalin

Anda boleh menggunakan templat di bawah dengan menyesuaikannya dengan perniagaan anda sendiri. Dalam setiap daripada mereka, terdapat arahan sedar untuk "memberi nombor yang tepat, menunjukkan sumber, menerangkan ketidakpastian".

PERANAN DAN TEMPLAT SEMPADAN "Peranan: Anda seorang pembantu jurutera metalurgi yang berpengalaman. Tugas: [tulis subjek]. Peraturan: Apabila memberikan nilai berangka yang tepat, nyatakan SUMBER; jika anda tidak pasti, katakan 'mesti disahkan'. Jika anda memberikan item standard, berikannya dengan versi, tetapi ingatkan bahawa ia harus disahkan daripada jawapan rasmi, 'apa' yang diperlukan. Pada akhir item yang perlu disahkan oleh 'apa'.

TEMPLAT PENJANAAN HIPOTESIS"Hasilkan senarai sistematik kemungkinan punca masalah berikut: [huraikan masalah; bahan, proses, pemerhatian]. Bagi setiap hipotesis: (1) apakah bukti yang menyokongnya, (2) apakah ujian yang perlu dilakukan untuk mengesahkan/menyangkalnya. JANGAN BUAT diagnosis muktamad; hanya menghasilkan peta jalan penyelidikan."

TEMPLAT SENARAI SEMAK PENGESAHAN"Senaraikan SETIAP nilai angka dan SETIAP rujukan standard dalam draf output/laporan di bawah. Bagi setiap satu, nyatakan dari sumber mana (sijil kilang, teks standard, laporan ujian) ia harus disahkan. Kumpulkan yang tidak pasti asalnya di bawah tajuk 'tidak tersedia sehingga disahkan' yang berasingan. Teks: [tampal]."

TEMPLAT PRA SEMAK ANONYMISATION "Sebelum memberikan teks berikut kepada alat AI, tandakan bahagian yang mengandungi rahsia perdagangan atau data peribadi: nisbah resipi aloi, nama pelanggan, parameter sulit suhu/masa proses, nama kakitangan. Cadangkan cara saya boleh menamakan ini tanpa nama. Teks:[tampal]."

Gesaan lemah / Gesaan kuat

Menanyakan soalan yang sama dua cara akan menghasilkan keputusan yang sangat berbeza.

PROMPT LEMAH: "Beritahu saya sifat-sifat keluli 4140."

PROMPT KUAT: "Peranan: Anda ialah penolong jurutera rawatan haba. Terangkan APA yang mempengaruhi kekuatan alah apabila pelindapkejutan + pembajaan dilakukan untuk keluli AISI 4140 (suhu pembajaan, ketebalan bahagian/kebolehkerasan, suhu austenitizing). Jangan berikan satu nombor TEPAT; sebaliknya, dalam julat apa nilai boleh berbeza-beza dan ujian mana yang harus saya lakukan mengikut ujian ISO (e.9.2) mengikut tensi mana. nilai yang betul Sila nyatakan dengan jelas di mana anda tidak pasti."

Gesaan yang lemah biasanya mengembalikan senarai yang tidak berguna, dangkal dan mungkin nombor yang dibuat-buat. Gesaan yang kuat; ia memberikan peranan, menetapkan had ("memberi nombor yang tepat"), memerlukan cara pengesahan dan mendedahkan ketidakpastian. Sepanjang modul ini, anda akan melihat corak "gesaan kuat" digunakan pada setiap unit.

Etika, privasi dan tanggungjawab

Data metalurgi selalunya sulit: resipi aloi pelanggan, parameter proses yang dipatenkan, penemuan analisis kerosakan, spesifikasi industri pertahanan. Menampalkannya ke dalam perkhidmatan AI awam boleh menjadi rahsia perdagangan dan pelanggaran kontrak; Terdapat juga risiko bahawa data akan mengganggu latihan model.

• Jangan masukkan gubahan, resipi dan lukisan syarikat/pelanggan ke dalam perkhidmatan luar tanpa kelulusan.
• Anonimkan rekod yang mengandungi data peribadi (nama pengendali, nombor pendaftaran).
• Mematuhi dasar korporat dan sebarang alat AI perusahaan di premis atau kontrak.
• Nyatakan secara telus dalam laporan bahawa anda menggunakan AI; Jelaskan bahawa keputusan muktamad adalah berdasarkan pertimbangan kejuruteraan anda.
• Tandatangan dan tanggungjawab sentiasa kekal dengan jurutera yang diberi kuasa; Output AI bukan justifikasi.

Awas: "Itulah yang AI ​​katakan" bukanlah justifikasi kejuruteraan. Dalam laporan kerosakan, pemilihan bahan atau keputusan pematuhan, asas anda hendaklah piawaian, ujian dan pengiraan; AI ialah alat yang paling banyak mengaturnya. Untuk kerja kritikal keselamatan, output AI bukanlah pengganti kelulusan jurutera yang berkelayakan.

Kesilapan biasa

• Menggunakan nilai berangka (ciri, had, komposisi) yang diberikan oleh AI tanpa eksperimen dan rujukan.
• Menulis nombor item standard ke dalam laporan tanpa mengesahkannya.
• Memasukkan data sulit pelanggan/firma ke dalam AI awam.
• Bertanya kepada AI "apakah kerosakan" tanpa memberikan data kemudahan dan tersilap jawapan umum untuk diagnosis.
• Menggunakan output AI sebagai dokumen terakhir dalam keputusan kritikal, memintas kelulusan jurutera.
• Mengabaikan ketidakpastian: Menyalahkan nada yakin AI untuk ketepatan.

Secara ringkasnya

AI ialah pemecut yang berkuasa dalam kejuruteraan metalurgi dan bahan: ia menerangkan konsep, menjana hipotesis, mendraf dan menulis kod. Tetapi nilai berangka membawa risiko halusinasi dalam perkara standard dan keputusan kritikal keselamatan. Klasifikasikan tugas mengikut tahap risiko, sahkan setiap output dalam segi tiga akaun makmal standard, kekalkan kerahsiaan dan sentiasa menjaga tanggungjawab dengan jurutera yang diberi kuasa. Selebihnya modul menggunakan prinsip ini untuk setiap tugas konkrit.

Tugasan permohonan

Pilih lima tugas biasa daripada kerja anda sendiri (atau projek contoh): contohnya, "pemilihan bahan", "penulisan laporan kerosakan", "pertanyaan piawai", "tafsiran mikrostruktur", "skrip pengiraan". Kelaskan setiap satu sebagai Rendah/Sederhana/Tinggi/Kritis mengikut jadual risiko di atas dan tulis dalam satu ayat bagaimana anda akan mengesahkan output AI untuk setiap satu (standard mana, ujian mana, kelulusan siapa). Kemudian cuba sesuaikan templat "PERANAN DAN SEMPADAN" kepada salah satu tugasan ini.

senarai semak

• [ ] Saya telah mengklasifikasikan misi mengikut tahap risiko (Rendah/Sederhana/Tinggi/Kritis).
• [ ] Saya memberikan AI peranan, kekangan, dan arahan "beri nombor tepat/nyatakan sumber".
• [ ] Saya telah mengesahkan setiap nilai berangka dan item standard daripada sumber bebas.
• [ ] Saya tidak memasukkan data sulit/peribadi ke dalam perkhidmatan luaran atau menamakannya tanpa nama.
• [ ] Saya berdasarkan keputusan muktamad pada pengukuran dan standard, tidak menggunakan AI sebagai justifikasi.
• [ ] Saya menyerahkan tanggungjawab dan tandatangan kepada jurutera yang diberi kuasa.