Etika, Privasi Data, Sempadan dan Tadbir Urus Pengesahan Holistik — Kecerdasan Buatan dalam Kejuruteraan Geologi

Keuntungan:

Keupayaan untuk menguatkuasakan peraturan privasi untuk melindungi hak mineral, data khusus tapak dan sensitiviti komuniti
Keupayaan untuk mengubah halusinasi, ketidakpastian dan had tanggungjawab kepada kawalan operasi
Keupayaan untuk mengekalkan penggunaan AI dalam kejuruteraan geologi dengan pengesahan hujung ke hujung dan disiplin tadbir urus

Unit akhir modul ini membawa semua unit sebelumnya di bawah satu bumbung: tadbir urus penggunaan kecerdasan buatan dalam kejuruteraan geologi secara mampan, selamat dan beretika. Kemahiran teknikal sahaja tidak mencukupi; Jurutera geologi juga melindungi data sensitif komersial, mempertimbangkan sensitiviti komuniti dan alam sekitar, menterjemah halusinasi dan ketidakpastian ke dalam kawalan operasi, dan memikul tanggungjawab muktamad. Unit ini menukar peraturan yang tidak kemas kepada disiplin yang boleh dilaksanakan: perkara yang tidak kami kongsikan, hasil yang kami percayai dan bagaimana, perkara yang kami lakukan apabila kesilapan berlaku, dan cara menjadikan semua ini sebagai tabiat kekal.

Geologi ialah profesion yang keputusannya menyentuh batu bawah tanah, pelaburan berjuta-juta dolar, dan kadangkala keselamatan seluruh komuniti. Itulah sebabnya etika di sini bukanlah ideal abstrak, tetapi peraturan konkrit yang tertanam dalam aliran kerja harian. Apabila anda menamatkan unit ini, anda akan dapat menyesuaikan setiap teknik yang anda pelajari sepanjang modul ke dalam rangka kerja tadbir urus dan menggunakan kecerdasan buatan sebagai pengganda daya terkawal, bukan sumber risiko.

Privasi Data dan Kepekaan Hak Mineral

Data geologi selalunya sangat sensitif. Koordinat penggerudian, nilai gred, angka rizab dan sasaran penerokaan adalah rahsia perdagangan dan umumnya dimiliki oleh pemilik hak mineral (syarikat atau negeri pemegang lesen). Memasukkan data ini ke dalam perkhidmatan AI luaran yang tidak terkawal menimbulkan tiga risiko serius: risiko persaingan (pesaing boleh menjejaki penemuan), risiko undang-undang (pelanggaran privasi dan pemilikan data), dan risiko komuniti (kebocoran awal penemuan boleh menimbulkan spekulasi dan konflik).

Pendekatan yang betul adalah berlapis-lapis. Pertama, menamakan data sensitif: menggantikan koordinat sebenar dengan nilai perwakilan, nama medan sebenar dengan "Field-A", gred sebenar dengan nilai berskala/wakil. Kedua, apabila boleh, gunakan alat terkawal yang diluluskan oleh institusi (persekitaran dalaman atau yang dilindungi secara kontrak di mana data tidak bocor). Ketiga, prinsip data paling sedikit: berkongsi jumlah data terkecil yang mencukupi untuk tugas itu, bukan keseluruhan pangkalan data. Kelajuan output tidak pernah datang sebelum kerahsiaan data.

Perhatian: Membuat nota "Data ini adalah sulit" tidak melindungi data. Menulis bahawa ia adalah sulit dan berkongsi sebagaimana adanya membawa risiko yang sama seperti tidak menulis sama sekali. Privasi dicapai dengan menamakan data dan menggunakan cara terkawal; bukan dengan perisytiharan niat.

Mengubah Halusinasi dan Ketidakpastian kepada Kawalan Operasi

Sepanjang modul, kami melihat halusinasi (model yang menghasilkan maklumat yang tidak wujud seolah-olah ia benar) dan ketidakpastian berulang kali. Dalam unit ini, kami mengubahnya daripada amaran abstrak kepada kawalan konkrit. Tiga kawalan operasi digunakan untuk setiap output AI:

Kekangan sumber. Mengenakan peraturan "hanya berdasarkan data yang saya berikan kepada anda, jangan buat-buat" kepada model dan menandakan sumber setiap tuntutan. Ini tidak menamatkan halusinasi, tetapi menjadikannya kelihatan.

Paksaan ketidakpastian. Meminta tahap keyakinan atau julat dan bukannya anggaran mata tunggal. Perbezaan "keyakinan tinggi / sederhana / spekulatif" menghalang model daripada bertindak seolah-olah ia tepat.

Pengesahan bebas. Tiga sauh yang kami wujudkan sepanjang modul—tertib magnitud, kebolehpercayaan geologi, bukti medan—terpakai pada setiap output. Pengiraan standard dan kelulusan jurutera juga ditambah kepada output kritikal keselamatan.

Tiga kawalan ini tidak menghapuskan halusinasi dan ketidakpastian; menjadikan mereka boleh diurus, kelihatan dan boleh diaudit. Inilah perbezaannya: risiko yang tidak terkawal adalah berbahaya, risiko yang boleh dilihat dan terurus adalah perkara biasa dalam kejuruteraan.

Had Liabiliti dan Persetujuan Manusia

Prinsip kekal modul ini ialah: kecerdasan buatan menyokong dan mempercepatkan; Tanggungjawab untuk keputusan, laporan dan reka bentuk kekal dengan jurutera geologi yang diberi kuasa. Ini bukan slogan, ia adalah fakta undang-undang dan etika. Laporan yang ditandatangani, penilaian bahaya diberikan, reka bentuk yang diluluskan—semua ini adalah tanggungjawab profesional seseorang. "Itulah yang dikatakan AI" bukanlah alasan kejuruteraan; macam tak boleh jadi "itu kata kalkulator".

Ini bermakna tanggungjawab tidak boleh diwakilkan. Walaupun model menghasilkan output, jurutera yang mengubah output itu menjadi keputusan dan menandatanganinya bertanggungjawab untuk ketepatan output. Oleh itu, setiap output kritikal keselamatan mesti boleh diaudit (boleh dikesan, sumber diketahui), boleh disahkan (diuji dengan pengiraan bebas), dan diluluskan oleh manusia. Trio ini adalah lapisan terakhir jaminan di atas setiap teknik yang kami pelajari sepanjang modul.

Petua: Sebelum menandatangani cetakan, tanya diri anda: "Jika cetakan ini ternyata salah, bolehkah saya mempertahankan perkara yang saya berdasarkan keputusan itu dan bagaimana saya mewajarkannya?" Jika jawapan anda adalah "AI dijana", pengesahan belum selesai lagi.

Tiga Kes Mini: Mengikut Nombor

Kes 1 — Mencegah kebocoran. Seorang ahli geologi di sebuah syarikat penerokaan akan memuat naik 1,200 baris jadual gred lubang geru sebenar kepada perkhidmatan luar yang tidak terkawal untuk analisis pantas. Dasar institusi mula dimainkan dan memintanya untuk menyama-namakan data (skala koordinat dan menyembunyikan nama medan). Kemudian, nilai komersial penemuan itu ternyata berjuta-juta dolar; Pemuatan yang tidak terkawal boleh menjadi kebocoran yang serius dari perspektif persaingan dan undang-undang. Penanomaan mengambil masa beberapa minit, nilai yang dikekalkan adalah sangat besar.

Kes 2 — Ketidakpastian dapat dilihat. Dalam satu laporan sumber, pasukan meminta output model dalam tahap keyakinan dan bukannya satu digit. Ternyata zon yang ditanda "spekulatif" sebenarnya berdasarkan satu penggerudian; Zon ini dikecualikan daripada penilaian ekonomi. Jika tiada tekanan ketidakpastian, satu andaian yang berbunyi akan memasukkan keputusan berjuta dolar sebagai data kukuh.

Kes 3 — Amanah dengan kebolehkesanan. Apabila ditanya tentang sumber setiap isu laporan geoteknikal dalam audit, pasukan itu dapat mengesan setiap nilai kembali ke data input, kaedah dan langkah kelulusan terima kasih kepada rekod kebolehkesanan. Percanggahan kecil ditemui dalam satu isu, tetapi punca dan kesannya telah dikenal pasti dan diperbetulkan dalam beberapa minit. Disiplin tadbir urus menyelesaikan kesilapan sebelum ia menjadi krisis.

Gesaan Lemah / Gesaan Kuat

Gesaan yang lemah:

Analisis semua penggerudian dan data gred syarikat kami dalam bidang ini dan beritahu kami sasaran perlombongan terbaik. [koordinat dan gred sebenar]

Gesaan kuat:

Saya ingin membantu dengan analisis carian. Peraturan privasi:- Koordinat dan nama tapak mewakili ("Tapak-A", nilai berskala); Saya tidak berkongsi nilai sebenar. - Hanya bergantung pada data teknikal yang saya berikan; kesesuaian pembentukan/mineral/umur.- Berikan ulasan dengan tahap keyakinan (tinggi/sederhana/spekulatif).- Senaraikan andaian yang perlu disahkan pada akhirnya dan perkara yang memerlukan pengesahan medan. Keputusan dan tanggungjawab muktamad adalah milik saya; Anda menjana draf dan pilihan.

Empat Templat Boleh Disalin

1) Pra-semakan privasi:

Pertimbangkan risiko privasi sebelum memberikan data berikut kepada alat AI: medan manakah (koordinat, gred, nama tapak, syarikat) yang sensitif dan bagaimanakah ia harus dianonimkan? Apakah yang tidak boleh saya kongsikan mengikut prinsip data yang paling sedikit? Beri saya senarai semak.

2) Visualisasi halusinasi:

Senaraikan setiap tuntutan fakta (umur, pembentukan, nombor, sumber) dalam output ini secara berasingan dan untuk setiap satu: adakah ia disokong oleh data yang diberikan, adakah ia inferens, atau adakah ia tidak disokong? Tandai dengan jelas yang tidak berasas atau tidak boleh disahkan.

3) Senarai semak tadbir urus pengesahan:

Semak tiga lapisan untuk output kritikal keselamatan ini: (1) kebolehkesanan — adakah sumber, kaedah, versi model direkodkan? (2) pengesahan — adakah ia telah diuji terhadap akaun/standard bebas? (3) kelulusan manusia — adakah terdapat langkah kelulusan jurutera yang berkelayakan? Tandakan yang hilang.

4) Pengasingan had liabiliti:

Bahagikan tugas ini kepada dua: (A) data/draf kerja yang AI boleh lakukan dengan selamat, (B) mata yang MESTI diberi kuasa keputusan dan tandatangan jurutera. Nyatakan pengesahan yang diperlukan untuk setiap item B.

Dimensi Tadbir Urus, Risiko dan Kawalan

Saiz

Risiko utama

kawalan operasi

Privasi data

Persaingan/kebocoran undang-undang

Anonimisasi + kenderaan terkawal + data minimum

halusinasi

Maklumat rekaan memasuki tandatangan

Kekangan sumber + kawalan penegasan

ketidakpastian

kepastian palsu

Tahap keyakinan/cabaran jarak

kebolehkesanan

Punca punca tidak dapat ditemui

Rekod sumber/kaedah/versi

Tanggungjawab

Asas untuk keputusan itu tidak boleh dipertahankan

Boleh diaudit + boleh disahkan + diperakui manusia

masyarakat/persekitaran

Kebocoran awal, hilang keyakinan

Pengawasan ketepatan + ketelusan

Petua: Lihat tadbir urus sebagai pemecut, bukan penghalang. Peraturan privasi, pengesahan dan kebolehkesanan yang mantap menjadikan krisis berjam-jam menjadi pembetulan minit apabila masalah timbul; Meningkatkan kebolehpercayaan dan kebolehgunaan semula.

Kesilapan biasa

Percubaan untuk memastikan kerahsiaan melalui pengisytiharan niat. Menulis nota "Sulit" dan berkongsi data sebagaimana adanya tidak melindunginya; Anonimisasi dan kenderaan terkawal adalah penting.
Mengurangkan ketidakpastian kepada satu digit. Jika tahap keyakinan tidak diperlukan, andaian yang berbunyi tunggal memasuki keputusan seolah-olah ia adalah data pepejal.
Melangkaui kebolehkesanan. Tanpa rekod sumber dan kaedah, punca dan kesan ralat tidak dapat ditentukan.
Memindahkan tanggungjawab kepada kenderaan. "AI berkata demikian" bukan alasan; Tandatangan dan keputusan adalah milik jurutera.
Mengabaikan sensitiviti masyarakat dan alam sekitar. Kebocoran pramatang dan kekurangan ketelusan memusnahkan kepercayaan dan lesen sosial.

Secara ringkasnya

Data geologi adalah sensitif secara komersial dan undang-undang; Privasi dipastikan melalui anonimasi, cara terkawal dan prinsip data paling sedikit, bukan dengan pengisytiharan niat.
Halusinasi dan ketidakpastian diterjemahkan kepada tiga kawalan operasi: kekangan sumber, penguatkuasaan ketidakpastian, pengesahan bebas (tiga sauh).
Tanggungjawab tidak boleh diwakilkan; Setiap output kritikal keselamatan mestilah boleh diaudit, boleh disahkan dan diluluskan oleh manusia.
Tadbir urus yang baik bukan penghalang tetapi pemecut; Ia mengubah krisis menjadi pembetulan minit dan meningkatkan keyakinan.
Kecerdasan buatan ialah pengganda daya terkawal dalam kejuruteraan geologi; Pemilik keputusan dan tandatangan sentiasa jurutera yang diberi kuasa.

Tugasan permohonan

Pertimbangkan set data sebenar tetapi tepat (mengandungi koordinat dan gred) daripada perniagaan anda sendiri. Tulis senarai semak medan yang akan anda namakan dan caranya dengan templat "prasemak privasi". Kemudian, dalam modul ini, pilih jenis output yang anda anggap paling berisiko (cth. FS cerun, pencairan, tan sumber), semak tiga lapisan (kebolehkesanan, pengesahan, kelulusan manusia) dengan templat "senarai semak tadbir urus pengesahan" dan tulis dalam satu ayat bagaimana anda akan menutup perkara yang anda dapati hilang.

senarai semak

[ ] Saya melindungi data geologi sensitif dengan anonimasi, cara terkawal dan prinsip data paling sedikit.
[ ] Saya menguruskan halusinasi dan ketidakpastian dengan kekangan sumber, tahap kepercayaan dan tiga pengesahan utama.
[ ] Saya menjadikan setiap output kritikal keselamatan boleh diaudit, boleh disahkan dan diluluskan oleh manusia.
[ ] Saya telah menerima pakai bahawa tanggungjawab itu tidak boleh dipindah milik dan tandatangan kekal dengan jurutera.
[ ] Saya melaksanakan tadbir urus sebagai pemboleh kelajuan dan kepercayaan, lapisan jaminan di atas semua teknik modul.

Peperiksaan Modul

1. Antara berikut, yang manakah prinsip asas yang menentukan risiko keluaran AI dalam kejuruteraan geologi?

A) Risiko output adalah sama dengan kemudaratan yang akan ditimbulkan jika output itu rosak; skala pengesahan sewajarnya ✔
B) Output AI secara amnya selamat kerana ia ditulis dengan lancar dan yakin
C) Pengesahan tidak diperlukan apabila model terkini digunakan
D) Jika output merujuk kepada standard, tiada kawalan tambahan diperlukan

Penjelasan: Risiko keluaran adalah sama dengan kemudaratan yang akan ditimbulkannya jika keluaran itu rosak. Walaupun ralat kecil dalam ringkasan literatur mungkin tidak berbahaya, ralat dalam faktor keselamatan cerun atau penilaian pencairan boleh mengakibatkan kehilangan nyawa dan kerosakan harta benda; jadi skala keamatan pengesahan dengan potensi bahaya.

2. Apakah masalah 'tidak unik' dalam penyongsangan geofizik yang memerlukan penggunaan AI?

A) Penerimaan langsung terhadap tafsiran pertama yang dihasilkan oleh model
B) Mengecilkan tafsiran dengan menyambungkannya kepada data telaga, penggerudian dan kekangan geologi ✔
C) Pilih hanya grafik resolusi tertinggi.
D) Pengabaian lengkap data geofizik

Penjelasan: Pengukuran geofizik yang sama (cth. graviti atau data kerintangan) boleh diterangkan oleh lebih daripada satu model bawah permukaan yang berbeza. Jadi tafsiran yang dihasilkan oleh AI bukanlah satu-satunya tafsiran yang betul; Ia mesti dikecilkan dengan menghubungkan kekangan bebas seperti log telaga, penggerudian dan konteks geologi.

3. Apakah kegunaan variogram dan kriging dalam anggaran sumber?

A) Warnakan foto teras secara automatik
B) Melaraskan kelajuan mesin gerudi
C) Ia mentakrifkan kesinambungan ruang antara sampel dan menganggarkan gred dalam blok tanpa sampel dengan ketidakpastian ✔
D) Ia secara fizikal memperkayakan bijih

Penerangan: Variogram ialah ukuran kesinambungan spatial yang menerangkan cara persamaan gred berkurangan apabila jarak antara titik sampel meningkat. Kriging ialah kaedah geostatistik yang menggunakan struktur ini untuk menganggar gred dalam blok tanpa sampel bersama-sama dengan ketidakpastian anggaran; Model blok dibina di atas ini.

4. Langkah manakah yang penting sebelum mempertimbangkan peta perubahan yang dihasilkan oleh penderiaan jauh boleh dipercayai?

A) Palet warna peta hendaklah estetik.
B) Imej telah dimuat turun dalam resolusi tertinggi
C) Kawalan medan dan sampel pada titik terpilih dengan kebenaran tanah ✔
D) Anomali ditandai dengan kecerdasan buatan

Penerangan: Analisis spektrum memberikan anomali yang menunjukkan mineral perubahan, tetapi ini boleh mengelirukan disebabkan oleh tumbuh-tumbuhan, bayang-bayang atau kesan atmosfera. Peta itu tidak dianggap muktamad tanpa kebenaran tanah dan kawalan medan dan sampel pada titik terpilih.

5. Mengapakah 'faktor keselamatan' (FS) menjadi sauh pengesahan untuk keluaran AI dalam analisis kestabilan cerun?

A) Kerana ia hanya menunjukkan kos penggalian
B) Hanya kerana ia menggambarkan warna cerun
C) Kerana ia secara fizikal menguji risiko kegagalan dengan memberikan nisbah daya yang menentang dan menggelongsor gelongsor ✔
D) Kerana ia hanya bermakna dalam suasana makmal

Penjelasan: Faktor keselamatan ialah nisbah daya yang menahan gelongsor kepada daya yang menggelongsor; Nilai FS hampir kepada atau di bawah 1 menunjukkan risiko kegagalan. Geometri cerun atau set parameter yang dicadangkan oleh AI diuji secara fizikal dengan menjana FS mengikut pengiraan keseimbangan had dan membandingkannya dengan ambang standard.

6. Apakah tujuan utama apabila memproses perihalan teras teks bebas ('coklat, luluhawa, batu kapur retak, urat kalsit jarang') dengan AI?

A) Menulis semula pemerhatian secara rawak
B) Meningkatkan kedalaman penggerudian secara automatik
C) Penomboran semula inti secara fizikal
D) Jadikan data boleh ditanya dengan menterjemah teks bebas yang tidak konsisten ke dalam istilah standard dan medan berstruktur ✔

Perihalan: AI menukarkan pemerhatian medan teks bebas yang tidak konsisten kepada istilah standard dan medan berstruktur (litologi, tahap luluhawa, ketakselanjaran, mineral sekunder), menjadikan data boleh ditanya dan boleh dibandingkan. Walau bagaimanapun, tafsiran geologi sekali lagi disahkan oleh jurutera.

7. Mengapakah 'negatif palsu' amat kritikal dalam keluaran AI yang melibatkan keselamatan nyawa, seperti pemetaan kerentanan tanah runtuh?

A) Kerana ia mengklasifikasikan kawasan berbahaya sebagai selamat dan menyebabkan tiada langkah berjaga-jaga yang perlu diambil dan risiko kepada nyawa/harta benda ✔
B) Kerana ia hanya meningkatkan saiz fail peta
C) Hanya kerana ia menambah bilangan halaman laporan
D) Kerana negatif palsu sentiasa tidak berbahaya

Penjelasan: Negatif palsu ialah pengelasan selamat bagi kawasan yang sebenarnya berbahaya; Dalam kes ini, tiada langkah berjaga-jaga diambil dan terdapat risiko kehilangan nyawa/harta benda. Hasil positif palsu dalam kos yang tidak perlu. Dalam kawasan keselamatan hidup, ambang dipilih dengan berhati-hati untuk meminimumkan negatif palsu dan disokong oleh pengesahan medan.

8. Prinsip fizikal manakah yang menjadi sauh pengesahan utama semasa menilai keluaran model aliran air bawah tanah?

A) Model menghasilkan output warna
B) Pematuhan kepada pemuliharaan jisim (imbangan air) dan paras telaga cerapan ✔
C) Selesaikan simulasi secepat mungkin
D) Fail model mestilah dalam format terbaharu

Penerangan: Model air bawah tanah adalah berdasarkan prinsip pemuliharaan jisim (imbangan air): jumlah air yang masuk, keluar dan menyimpan sistem hendaklah konsisten. Walaupun penentukuran berkuasa AI kelihatan baik, jika baki air tidak tertutup atau tidak sepadan dengan paras perigi pemerhatian, output tidak boleh dipercayai.

9. Had manakah yang perlu diingat secara khusus semasa menganggarkan kebolehtelapan dengan pembelajaran mesin daripada log telaga?

A) Model ini sah secara automatik dalam setiap bidang dan setiap litologi
B) Ketidakpastian ramalan tidak seharusnya dilaporkan sama sekali.
C) Pengukuran kebolehtelapan secara langsung dan bebas ralat daripada kayu balak
D) Hubungan yang dipelajari adalah khusus kepada keadaan pendidikan; ✔ Ekstrapolasi ke tapak yang berbeza membawa risiko dan mesti dikaitkan dengan ujian teras/telaga ✔

Penjelasan: Kebolehtelapan tidak diukur secara langsung daripada log; Hubungan yang dipelajari oleh model adalah khusus kepada fasies dan keadaan tekanan data latihan. Penggunaan (ekstrapolasi) secara membuta tuli pada tapak yang berbeza atau litologi yang tidak dikenali boleh menyebabkan ralat besar; Output harus dikaitkan dengan pengukuran teras dan ujian telaga.

10. Mengapakah kebolehkesanan penting dalam draf laporan geologi yang dijana AI?

A) Kebolehkesanan tidak diperlukan kerana ia hanya meningkatkan saiz fail
B) Tidak perlu menyimpan rekod kerana AI tidak pernah melakukan kesilapan
C) Punca dan liabiliti tidak dapat dijamin melainkan data, kaedah dan sumber model setiap isu dan tuntutan direkodkan ✔
D) Kebolehkesanan harus dielakkan kerana ia memperlahankan laporan

Penerangan: Laporan membentuk asas untuk keputusan kejuruteraan; Data yang mana, kaedah dan versi model mana setiap keluaran, peta dan tuntutan berasal. Jika tidak, apabila ralat berlaku, punca utama dan keputusan yang terjejas tidak dapat ditentukan dan tanggungjawab kejuruteraan tidak dapat dijamin.

11. Apakah pendekatan yang betul apabila memasukkan data penggerudian dan gred khusus tapak ke dalam alat AI umum?

A) Memasukkan koordinat dan gred sebenar dengan tepat dan mendapat respons terpantas
B) Menganonimkan koordinat dan nilai, bekerja dengan nilai perwakilan dan hanya menggunakan alat yang diluluskan/dikawal ✔
C) Memuatkan keseluruhan pangkalan data projek dan membenarkan model belajar
D) Ambil perhatian bahawa data adalah sulit dan kongsikannya sebagaimana adanya.

Penerangan: Koordinat penggerudian, nilai gred dan maklumat rizab adalah data yang sensitif secara komersial dan selalunya sulit kepunyaan pemilik hak mineral. Memasuki perkhidmatan asing yang tidak terkawal mewujudkan persaingan dan risiko undang-undang. Pendekatan yang betul adalah untuk menamakan koordinat/nilai sebenar atau bekerja dengan nilai perwakilan dan hanya menggunakan alat yang dikawal oleh institusi yang diluluskan.

12. Apakah maksud 'tertib kawalan magnitud' dalam pengiraan kejuruteraan dengan AI?

A) Menambah bilangan tempat perpuluhan hasil
B) Ukur resolusi grafik hasil
C) Menyeragamkan warna hasil
D) Menguji dengan pengiraan tangan yang cepat sama ada hasilnya secara kasar dalam jangkaan kuasa 10 ✔

Perihalan: Susunan semakan magnitud sedang menguji dengan pengiraan tangan pantas sama ada hasilnya kira-kira dalam jangkaan kuasa julat 10. Sebagai contoh, apabila kekonduksian hidraulik akuifer dijangka untuk pasir, hasilnya adalah kilometer/hari dan bukannya meter/hari, yang menunjukkan ralat unit atau penyuntingan tanpa terperinci.

13. Apakah bukti yang paling kukuh semasa mengesahkan keluaran model yang mengklasifikasikan litologi daripada log lubang gerudi?

A) Pemeriksaan sampel teras yang diambil dari kedalaman yang sama ✔
B) Model mempunyai skor keyakinan yang tinggi
C) Output dihasilkan dengan cepat
D) Carta log adalah pelbagai warna

Penjelasan: Log ialah ukuran tidak langsung; Bukti yang paling langsung dan kukuh ialah pemeriksaan visual dan makmal sampel teras yang diambil dari kedalaman yang sama. Penggerudian teras memberi peluang untuk membandingkan tafsiran berasaskan log model dengan kebenaran tanah.

14. Pernyataan manakah yang paling tepat mengenai tanggungjawab muktamad untuk penggunaan AI dalam kejuruteraan geologi?

A) Memandangkan AI menghasilkan output, tanggungjawab diserahkan kepada syarikat perisian
B) AI menyediakan sokongan dan pecutan; Tanggungjawab untuk keputusan dan laporan kekal dengan jurutera yang diberi kuasa, output mesti boleh disahkan dan diluluskan oleh manusia ✔
C) Kelulusan jurutera tidak diperlukan kerana output AI adalah sah secara automatik
D) Tanggungjawab hanya terletak pada pasukan lapangan, ia tidak menyangkut jurutera pejabat

Penerangan: AI ialah alat berkuasa dalam kerja sokongan seperti pemprosesan data, penjanaan pelan tindakan dan pecutan penemuan; Walau bagaimanapun, tanggungjawab untuk laporan yang ditandatangani, penilaian bahaya dan keputusan reka bentuk kekal dengan jurutera geologi yang diberi kuasa. Output mestilah boleh diaudit, boleh disahkan dan diluluskan oleh manusia.