ਐਂਡ-ਟੂ-ਐਂਡ ਵਰਕਫਲੋ, ਗਵਰਨੈਂਸ, ਪ੍ਰਮਾਣਿਕਤਾ ਅਤੇ ਜ਼ਿੰਮੇਵਾਰ ਵਰਤੋਂ — ਕੈਮੀਕਲ ਇੰਜੀਨੀਅਰਿੰਗ ਵਿੱਚ ਨਕਲੀ ਬੁੱਧੀ

ਲਾਭ:

ਮਨੁੱਖੀ ਤਸਦੀਕ ਗੇਟਾਂ ਅਤੇ ਇੱਕ-ਵਾਕ ਤਬਦੀਲੀ ਦੀਆਂ ਸਥਿਤੀਆਂ ਦੇ ਨਾਲ, ਡਿਜ਼ਾਈਨ ਤੋਂ ਸੰਚਾਲਨ ਤੱਕ ਹਰ ਪੜਾਅ 'ਤੇ ਏਆਈ ਨੂੰ ਨਿਰੰਤਰ ਏਮਬੇਡ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
ਇੱਕ ਪ੍ਰਵਾਨਿਤ ਵਾਹਨ ਸੂਚੀ, ਡੇਟਾ ਵਰਗੀਕਰਣ, ਟਰੇਸੇਬਿਲਟੀ, ਸਿਖਲਾਈ ਅਤੇ ਚੱਲ ਰਹੇ ਤਸਦੀਕ ਦੇ ਨਾਲ ਇੱਕ ਗਵਰਨੈਂਸ ਫਰੇਮਵਰਕ ਸਥਾਪਤ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
ਮਨੁੱਖੀ ਜ਼ਿੰਮੇਵਾਰੀ, ਸੁਰੱਖਿਆ ਤਰਜੀਹ, ਤਸਦੀਕ, ਗੁਪਤਤਾ, ਪਾਰਦਰਸ਼ਤਾ ਅਤੇ ਵਾਤਾਵਰਣ-ਸਮਾਜਿਕ ਜ਼ਿੰਮੇਵਾਰੀ ਦੇ ਸਿਧਾਂਤਾਂ ਨੂੰ ਵਰਕਫਲੋ ਵਿੱਚ ਸ਼ਾਮਲ ਕਰਨ ਦੀ ਸਮਰੱਥਾ

ਪਿਛਲੀਆਂ ਦਸ ਇਕਾਈਆਂ ਵਿੱਚ, ਅਸੀਂ ਦੇਖਿਆ ਹੈ ਕਿ ਕੈਮੀਕਲ ਇੰਜਨੀਅਰਿੰਗ ਦੇ ਵਿਅਕਤੀਗਤ ਖੇਤਰਾਂ ਵਿੱਚ AI ਨੂੰ ਸੁਰੱਖਿਅਤ ਢੰਗ ਨਾਲ ਕਿਵੇਂ ਵਰਤਣਾ ਹੈ—ਡਿਜ਼ਾਈਨ, ਸਿਮੂਲੇਸ਼ਨ, ਕਾਇਨੇਟਿਕਸ, ਪ੍ਰਾਪਰਟੀ ਪੂਰਵ-ਅਨੁਮਾਨ, ਓਪਟੀਮਾਈਜੇਸ਼ਨ, ਕੰਟਰੋਲ ਡੇਟਾ, HAZOP, ਸਟੈਂਡਰਡ ਖੋਜ, ਅਤੇ ਪਾਈਥਨ। ਇਸ ਅੰਤਮ ਇਕਾਈ ਵਿੱਚ, ਅਸੀਂ ਟੁਕੜਿਆਂ ਨੂੰ ਇਕੱਠੇ ਰੱਖਦੇ ਹਾਂ: ਅਸੀਂ ਸਿੱਖਾਂਗੇ ਕਿ AI ਨੂੰ ਇੱਕ ਪ੍ਰੋਜੈਕਟ ਜਾਂ ਇਕਸਾਰ ਅਨੁਸ਼ਾਸਨ, ਮਨੁੱਖੀ ਤਸਦੀਕ ਗੇਟਾਂ, ਅਤੇ ਇੱਕ ਸ਼ਾਸਨ ਢਾਂਚੇ ਦੇ ਨਾਲ ਇੱਕ ਸਹੂਲਤ ਦੇ ਸ਼ੁਰੂ ਤੋਂ ਅੰਤ ਤੱਕ ਏਮਬੈੱਡ ਕਿਵੇਂ ਕਰਨਾ ਹੈ — ਇੱਕ ਢਾਂਚਾ ਜੋ ਨਿਯਮਾਂ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ ਕਿ ਇੱਕ ਸੰਸਥਾ ਵਿੱਚ ਟੂਲ, ਡੇਟਾ ਅਤੇ ਫੈਸਲਿਆਂ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜਾਵੇਗੀ। ਟੀਚਾ ਇੱਕ ਲੇਅਰਡ ਸਿਸਟਮ ਬਣਾਉਣਾ ਹੈ ਜੋ ਇੱਕ ਸਿੰਗਲ AI ਬੱਗ ਨੂੰ ਇੱਕ ਡਿਜ਼ਾਈਨ, ਇੱਕ ਵਪਾਰਕ ਫੈਸਲੇ, ਜਾਂ ਇੱਕ ਸੁਰੱਖਿਆ ਦਸਤਾਵੇਜ਼ ਵਿੱਚ ਆਉਣ ਤੋਂ ਰੋਕਦਾ ਹੈ।

ਬੁਨਿਆਦੀ ਵਿਚਾਰ ਸਧਾਰਨ ਹੈ: ਹਰ ਪੜਾਅ 'ਤੇ ਇੱਕ ਮਨੁੱਖੀ ਤਸਦੀਕ ਗੇਟ ਅਤੇ ਇੱਕ ਸਪਸ਼ਟ ਪਰਿਵਰਤਨ ਸਥਿਤੀ ਰੱਖੀ ਜਾਂਦੀ ਹੈ; ਤੁਸੀਂ ਇੱਕ ਦਰਵਾਜ਼ੇ ਵਿੱਚੋਂ ਦੂਜੇ ਦਰਵਾਜ਼ੇ ਵਿੱਚੋਂ ਲੰਘੇ ਬਿਨਾਂ ਨਹੀਂ ਲੰਘ ਸਕਦੇ। ਇਹ ਰਸਾਇਣਕ ਇੰਜੀਨੀਅਰਿੰਗ ਦੇ ਨਾਲ-ਨਾਲ ਫੋਰੈਂਸਿਕ ਜਾਂ ਮੈਡੀਕਲ ਖੇਤਰਾਂ ਵਿੱਚ ਇੱਕ ਜੀਵਨ-ਰੱਖਿਅਕ ਢਾਂਚਾ ਹੈ - ਕਿਉਂਕਿ ਇੱਥੇ ਵੀ, ਗਲਤੀਆਂ ਕਾਗਜ਼ਾਂ 'ਤੇ ਨਹੀਂ, ਅਸਲ ਵਿੱਚ, ਲੋਕਾਂ ਅਤੇ ਵਾਤਾਵਰਣ 'ਤੇ ਨਤੀਜੇ ਦਿੰਦੀਆਂ ਹਨ।

ਐਂਡ-ਟੂ-ਐਂਡ ਵਰਕਫਲੋ: ਪੁਸ਼ਟੀਕਰਨ ਗੇਟਾਂ ਦੇ ਨਾਲ

ਆਉ ਪੰਜ ਪੜਾਵਾਂ ਵਿੱਚ ਇੱਕ ਰਸਾਇਣਕ ਇੰਜੀਨੀਅਰਿੰਗ ਪ੍ਰੋਜੈਕਟ ਤੇ ਵਿਚਾਰ ਕਰੀਏ ਅਤੇ ਹਰ ਇੱਕ ਵਿੱਚ AI ਅਤੇ ਪੁਸ਼ਟੀਕਰਨ ਗੇਟ ਦੀ ਭੂਮਿਕਾ ਨੂੰ ਰੱਖੋ:

1. ਡਿਜ਼ਾਈਨ ਅਤੇ ਸੰਕਲਪ। AI ਰੂਟ ਵਿਕਲਪ ਅਤੇ PFD ਡਰਾਫਟ ਤਿਆਰ ਕਰਦਾ ਹੈ। ਦਰਵਾਜ਼ਾ: ਕੀ ਸਮੱਗਰੀ ਸੰਤੁਲਨ ਨੂੰ ਹੱਥਾਂ ਨਾਲ ਬਣਾਈ ਰੱਖਿਆ ਜਾਂਦਾ ਹੈ, ਕੀ ਰਸਤਾ ਇੰਜੀਨੀਅਰਿੰਗ ਦੇ ਨਿਰਣੇ ਨਾਲ ਚੁਣਿਆ ਗਿਆ ਸੀ?

2. ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਸਿਮੂਲੇਸ਼ਨ. AI ਸਿਮੂਲੇਸ਼ਨ ਆਉਟਪੁੱਟ ਦਾ ਸਾਰ ਦਿੰਦਾ ਹੈ, ਗਤੀ ਵਿਗਿਆਨ/ਪ੍ਰਾਪਰਟੀ ਸਕੈਚ ਦਿੰਦਾ ਹੈ। ਗੇਟ: ਕੀ ਥਰਮੋਡਾਇਨਾਮਿਕ ਮਾਡਲ ਉਚਿਤ ਹੈ, ਕੀ ਪੁੰਜ/ਊਰਜਾ ਸੰਤੁਲਨ ਰੱਖਦਾ ਹੈ, ਕੀ ਮਹੱਤਵਪੂਰਨ ਮੁੱਲ ਪ੍ਰਯੋਗਾਤਮਕ/ਡਾਟਾਬੇਸ ਸਰੋਤ 'ਤੇ ਨਿਰਭਰ ਹਨ?

3. ਅਨੁਕੂਲਨ ਅਤੇ ਆਕਾਰ। AI ਅਨੁਕੂਲਨ ਅਤੇ ਗਣਨਾ ਕੋਡ ਡਰਾਫਟ ਤਿਆਰ ਕਰਦਾ ਹੈ। ਦਰਵਾਜ਼ਾ: ਕੀ ਪਾਬੰਦੀਆਂ ਪੂਰੀਆਂ ਹਨ, ਕੀ ਕੋਡ ਦੀ ਜਾਂਚ ਕੀਤੀ ਗਈ ਹੈ, ਕੀ ਇਹ ਅਨੁਕੂਲ ਸੁਰੱਖਿਆ ਵਿੰਡੋ ਵਿੱਚ ਹੈ?

4. ਸੁਰੱਖਿਆ ਅਤੇ ਪਾਲਣਾ। AI HAZOP ਪਿੰਜਰ ਅਤੇ ਮਿਆਰੀ ਨਕਸ਼ਾ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ. ਡੋਰ: ਕੀ ਇੱਕ ਮਾਹਰ ਟੀਮ ਦੁਆਰਾ ਖਤਰੇ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ ਗਿਆ ਹੈ, ਕੀ ਮਿਆਰੀ ਵਸਤੂਆਂ ਨੂੰ ਪ੍ਰਾਇਮਰੀ ਸਰੋਤ ਤੋਂ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਗਿਆ ਹੈ, ਕੀ ਅਧਿਕਾਰਤ ਪ੍ਰਵਾਨਗੀ ਪ੍ਰਾਪਤ ਕੀਤੀ ਗਈ ਹੈ?

5. ਓਪਰੇਸ਼ਨ ਅਤੇ ਨਿਗਰਾਨੀ. AI ਸੈਂਸਰ ਡੇਟਾ ਦੀ ਨਿਗਰਾਨੀ ਕਰਦਾ ਹੈ ਅਤੇ ਗੜਬੜੀਆਂ ਨੂੰ ਫਲੈਗ ਕਰਦਾ ਹੈ। ਦਰਵਾਜ਼ਾ: ਸਿਗਨਲ ਅਸਲੀ ਜਾਂ ਸੈਂਸਰ, ਸੁਤੰਤਰ SIS ਵਿੱਚ ਸੁਰੱਖਿਆ ਸੁਰੱਖਿਆ?

ਇਹ ਦਰਵਾਜ਼ੇ ਇੱਕ ਸਿੰਗਲ ਅਣ-ਪ੍ਰਮਾਣਿਤ ਆਉਟਪੁੱਟ ਨੂੰ ਅਗਲੇ ਪੜਾਅ 'ਤੇ ਲਿਜਾਣ ਤੋਂ ਰੋਕਦੇ ਹਨ। ਭਾਵੇਂ ਕੋਈ ਬੱਗ ਬਚ ਜਾਂਦਾ ਹੈ, ਇਸ ਦੇ ਅਗਲੇ ਦਰਵਾਜ਼ੇ 'ਤੇ ਫੜੇ ਜਾਣ ਦੀ ਚੰਗੀ ਸੰਭਾਵਨਾ ਹੈ।

ਸੰਕੇਤ: ਹਰੇਕ ਪੜਾਅ ਲਈ ਇੱਕ-ਵਾਕ "ਪਰਿਵਰਤਨ ਸਥਿਤੀ" ਲਿਖੋ ਅਤੇ ਇਸਨੂੰ ਟੀਮ ਲਈ ਦ੍ਰਿਸ਼ਮਾਨ ਬਣਾਓ: "ਸਿਮੂਲੇਸ਼ਨ ਉਦੋਂ ਤੱਕ ਸ਼ੁਰੂ ਨਹੀਂ ਕੀਤੀ ਜਾ ਸਕਦੀ ਜਦੋਂ ਤੱਕ ਸਮੱਗਰੀ ਸੰਤੁਲਨ ਦੀ ਦਸਤੀ ਪੁਸ਼ਟੀ ਨਹੀਂ ਕੀਤੀ ਜਾਂਦੀ।" ਅਜਿਹੇ ਸਪੱਸ਼ਟ ਨਿਯਮ ਇਹ ਯਕੀਨੀ ਬਣਾਉਂਦੇ ਹਨ ਕਿ ਸਮੇਂ ਦੇ ਦਬਾਅ ਹੇਠ ਵੀ ਅਨੁਸ਼ਾਸਨ ਕਾਇਮ ਰੱਖਿਆ ਜਾਂਦਾ ਹੈ।

ਗਵਰਨੈਂਸ ਫਰੇਮਵਰਕ: ਸੰਸਥਾਗਤ ਅਨੁਸ਼ਾਸਨ

ਵਿਅਕਤੀਗਤ ਤਸਦੀਕ ਚੰਗਾ ਹੈ, ਪਰ ਇੱਕ ਸੁਵਿਧਾ ਪੈਮਾਨੇ 'ਤੇ ਇੱਕ ਸ਼ਾਸਨ ਢਾਂਚੇ ਦੀ ਲੋੜ ਹੈ। ਪੰਜ ਮੁੱਖ ਭਾਗ:

1. ਪ੍ਰਵਾਨਿਤ ਵਾਹਨ ਅਤੇ ਮਾਡਲ ਸੂਚੀ। ਇਹ ਪਰਿਭਾਸ਼ਿਤ ਕਰਦਾ ਹੈ ਕਿ ਕਿਹੜੇ AI ਟੂਲ ਕਿਹੜੇ ਕੰਮਾਂ ਲਈ ਵਰਤੇ ਜਾ ਸਕਦੇ ਹਨ। ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਖਾਤਿਆਂ ਲਈ ਗੈਰ-ਪ੍ਰਵਾਨਿਤ ਸਾਧਨਾਂ ਦੀ ਵਰਤੋਂ ਨਹੀਂ ਕੀਤੀ ਜਾਂਦੀ।

2. ਡਾਟਾ ਵਰਗੀਕਰਨ। ਕਿਸ ਵਾਹਨ ਵਿੱਚ ਰਜਿਸਟਰਡ ਨੁਸਖ਼ੇ, ਓਪਰੇਟਿੰਗ ਸ਼ਰਤਾਂ ਅਤੇ ਨਿੱਜੀ ਡੇਟਾ ਦਾਖਲ ਹੋ ਸਕਦੇ ਹਨ? ਗੁਪਤ/ਮਾਲਕੀਅਤ ਡੇਟਾ ਉਹਨਾਂ ਸਾਧਨਾਂ ਨੂੰ ਨਹੀਂ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ ਜੋ ਸੰਗਠਨ ਤੋਂ ਬਾਹਰ ਡੇਟਾ ਲੀਕ ਕਰਦੇ ਹਨ।

3. ਰਿਕਾਰਡਿੰਗ ਅਤੇ ਟਰੇਸੇਬਿਲਟੀ (ਆਡਿਟ ਟ੍ਰੇਲ)। ਕਿਹੜਾ ਆਉਟਪੁੱਟ ਕਿਸ ਟੂਲ ਤੋਂ ਆਇਆ, ਕਿਸ ਨੇ ਇਸ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ, ਇਹ ਕਿਸ ਸਰੋਤ ਨਾਲ ਜੁੜਿਆ ਹੋਇਆ ਸੀ? ਜੇਕਰ ਕੋਈ ਸਮੱਸਿਆ ਆਉਂਦੀ ਹੈ ਤਾਂ ਇਹ ਪਤਾ ਲਗਾਉਣ ਯੋਗ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।

4. ਸਿਖਲਾਈ ਅਤੇ ਯੋਗਤਾ। ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ AI ਦੀਆਂ ਸੀਮਾਵਾਂ, ਭੁਲੇਖੇ ਦੇ ਜੋਖਮ ਅਤੇ ਤਸਦੀਕ ਦੇ ਅਨੁਸ਼ਾਸਨ ਬਾਰੇ ਪਤਾ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਸੰਦ ਸ਼ਕਤੀਸ਼ਾਲੀ ਹੈ, ਪਰ ਗਲਤ ਹੱਥਾਂ ਵਿੱਚ ਖਤਰਨਾਕ ਹੈ.

5. ਨਿਰੰਤਰ ਤਸਦੀਕ। ਮਾਡਲ ਅਤੇ ਵਾਹਨ ਵੱਖ-ਵੱਖ ਹੁੰਦੇ ਹਨ; ਆਉਟਪੁੱਟ ਦੀ ਭਰੋਸੇਯੋਗਤਾ ਦੀ ਸਮੇਂ-ਸਮੇਂ 'ਤੇ ਮੁੜ ਜਾਂਚ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।

ਧਿਆਨ ਦਿਓ: ਇੱਕ ਸੰਸਥਾ ਵਿੱਚ, "ਹਰੇਕ ਨੂੰ ਉਹ ਡੇਟਾ ਦੇਣਾ ਚਾਹੀਦਾ ਹੈ ਜੋ ਉਹ ਚਾਹੁੰਦੇ ਹਨ AI ਟੂਲ ਨੂੰ ਦੇਣਾ ਚਾਹੀਦਾ ਹੈ" ਮਲਕੀਅਤ ਜਾਣਕਾਰੀ ਲੀਕ ਹੋਣ ਅਤੇ ਸੁਰੱਖਿਆ ਅਸਫਲਤਾ ਦੋਵਾਂ ਦਾ ਖਤਰਾ ਹੈ। ਸ਼ਾਸਨ ਇੱਕ ਅਦਿੱਖ ਪਰ ਨਾਜ਼ੁਕ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਹੈ ਜੋ ਇਹਨਾਂ ਜੋਖਮਾਂ ਨੂੰ ਸੀਮਿਤ ਕਰਦਾ ਹੈ।

ਜ਼ਿੰਮੇਵਾਰ ਵਰਤੋਂ ਦੇ ਸਿਧਾਂਤ

ਆਉ ਮੋਡੀਊਲ ਨੂੰ ਛੇ ਸਿਧਾਂਤਾਂ ਨਾਲ ਜੋੜੀਏ:

ਮਨੁੱਖੀ ਜ਼ਿੰਮੇਵਾਰੀ. ਅੰਤਮ ਫੈਸਲਾ ਅਤੇ ਦਸਤਖਤ ਸਮਰੱਥ ਮਾਹਰ ਦੇ ਕੋਲ ਹਨ; AI ਦਾ ਆਉਟਪੁੱਟ ਇਸਦੀ ਪ੍ਰਵਾਨਗੀ ਦਾ ਬਦਲ ਨਹੀਂ ਹੈ।
ਸੁਰੱਖਿਆ ਤਰਜੀਹ. ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਫੈਸਲਿਆਂ (ਸੁਰੱਖਿਆ, ਖਤਰਾ, ਸਮੱਗਰੀ, ਆਕਾਰ) ਲਈ ਤਸਦੀਕ ਅਤੇ ਅਧਿਕਾਰਤ ਪ੍ਰਵਾਨਗੀ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।
ਤਸਦੀਕ ਦਾ ਅਨੁਸ਼ਾਸਨ. ਹਰੇਕ ਆਉਟਪੁੱਟ ਨੂੰ ਭੌਤਿਕ ਵਿਗਿਆਨ/ਸਰੋਤ ਨਾਲ ਜੋੜਿਆ ਜਾਂਦਾ ਹੈ, ਇੱਕ ਸੁਤੰਤਰ ਵਿਧੀ ਨਾਲ ਟੈਸਟ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਵਿਆਖਿਆ ਫਿਲਟਰ ਦੁਆਰਾ ਪਾਸ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
ਸੁਰੱਖਿਆ। ਮਲਕੀਅਤ ਅਤੇ ਨਿੱਜੀ ਡੇਟਾ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕੇਵਲ ਇੱਕ ਪ੍ਰਵਾਨਿਤ, ਸੁਰੱਖਿਅਤ ਢੰਗ ਨਾਲ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।
ਪਾਰਦਰਸ਼ਤਾ। AI ਦੀ ਵਰਤੋਂ ਨੂੰ ਰਿਪੋਰਟਾਂ ਅਤੇ ਦਸਤਾਵੇਜ਼ਾਂ ਵਿੱਚ ਇਮਾਨਦਾਰੀ ਨਾਲ ਦੱਸਿਆ ਗਿਆ ਹੈ।
ਵਾਤਾਵਰਣ ਅਤੇ ਸਮਾਜਿਕ ਜ਼ਿੰਮੇਵਾਰੀ। ਫੈਸਲੇ ਨਾ ਸਿਰਫ ਆਰਥਿਕਤਾ, ਸਗੋਂ ਮਨੁੱਖੀ ਸਿਹਤ ਅਤੇ ਵਾਤਾਵਰਣ ਨੂੰ ਵੀ ਧਿਆਨ ਵਿੱਚ ਰੱਖਦੇ ਹਨ।

ਤਿੰਨ ਛੋਟੇ ਕੇਸ

ਕੇਸ 1 - ਦਰਵਾਜ਼ੇ ਨੇ ਬੱਗ ਫੜ ਲਿਆ। ਇੱਕ ਪ੍ਰੋਜੈਕਟ ਵਿੱਚ, AI ਦੇ PFD ਡਰਾਫਟ ਵਿੱਚ ਇੱਕ 4% ਪੁੰਜ ਅਸੰਤੁਲਨ ਸਿਮੂਲੇਸ਼ਨ ਪੜਾਅ ਵਿੱਚ ਜਾਣ ਤੋਂ ਪਹਿਲਾਂ ਸੰਤੁਲਨ ਗੇਟ ਵਿੱਚ ਫੜਿਆ ਗਿਆ ਸੀ. ਬੱਗ ਨੂੰ ਸਰੋਤ 'ਤੇ ਹੱਲ ਕੀਤਾ ਗਿਆ ਸੀ; ਜੇਕਰ ਕੋਈ ਦਰਵਾਜ਼ਾ ਨਹੀਂ ਸੀ, ਤਾਂ ਇਹ ਗਲਤੀ ਸਿਮੂਲੇਸ਼ਨ ਅਤੇ ਫਿਰ ਮਾਪ ਵਿੱਚ ਫੈਲ ਜਾਵੇਗੀ। ਲੇਅਰਡ ਬਣਤਰ ਨੇ ਕੰਮ ਕੀਤਾ.

ਕੇਸ 2 - ਪ੍ਰਸ਼ਾਸਨ ਨੇ ਡਾਟਾ ਲੀਕ ਹੋਣ ਤੋਂ ਰੋਕਿਆ। ਇੱਕ ਇੰਜੀਨੀਅਰ ਇੱਕ ਓਪਨ ਏਆਈ ਵਾਹਨ ਵਿੱਚ ਇੱਕ ਮਲਕੀਅਤ ਉਤਪ੍ਰੇਰਕ ਵਿਅੰਜਨ ਨੂੰ ਪੇਸਟ ਕਰਨ ਵਾਲਾ ਸੀ। ਏਜੰਸੀ ਦੇ ਡੇਟਾ ਵਰਗੀਕਰਣ ਨਿਯਮ ਵਿੱਚ ਕਿਹਾ ਗਿਆ ਹੈ ਕਿ ਇਹ ਡੇਟਾ ਸਿਰਫ ਇੱਕ ਅੰਦਰੂਨੀ ਪ੍ਰਵਾਨਿਤ ਟੂਲ ਵਿੱਚ ਪ੍ਰੋਸੈਸ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਨਿਯਮ ਨੇ ਵਪਾਰਕ ਤੌਰ 'ਤੇ ਨਾਜ਼ੁਕ ਲੀਕ ਨੂੰ ਰੋਕਿਆ।

ਕੇਸ 3 - ਟਰੇਸੇਬਿਲਟੀ ਨੇ ਵਿਸ਼ਵਾਸ ਲਿਆਇਆ। ਇੱਕ ਆਡਿਟ ਵਿੱਚ, ਸਾਨੂੰ ਪੁੱਛਿਆ ਗਿਆ ਸੀ ਕਿ ਡਿਜ਼ਾਇਨ ਦਾ ਫੈਸਲਾ ਕਿਵੇਂ ਲਿਆ ਗਿਆ ਸੀ। ਸੰਸਥਾ ਦੇ ਰਿਕਾਰਡਿੰਗ ਅਨੁਸ਼ਾਸਨ ਲਈ ਧੰਨਵਾਦ, ਇਹ ਦਸਤਾਵੇਜ਼ ਬਣਾਉਣਾ ਸੰਭਵ ਸੀ ਕਿ ਏਆਈ ਨੇ ਸਿਰਫ ਇੱਕ ਡਰਾਫਟ ਤਿਆਰ ਕੀਤਾ ਹੈ, ਕਿ ਹਰੇਕ ਮਹੱਤਵਪੂਰਣ ਮੁੱਲ ਨੂੰ ਪ੍ਰਯੋਗਾਤਮਕ ਸਰੋਤ ਨਾਲ ਜੋੜਿਆ ਗਿਆ ਸੀ, ਅਤੇ ਇਹ ਕਿ ਫੈਸਲਾ ਅਧਿਕਾਰਤ ਇੰਜੀਨੀਅਰ ਦੁਆਰਾ ਮਨਜ਼ੂਰ ਕੀਤਾ ਗਿਆ ਸੀ। ਪਾਰਦਰਸ਼ਤਾ ਨੇ ਭਰੋਸੇ ਅਤੇ ਕਾਨੂੰਨੀ ਸੁਰੱਖਿਆ ਦੋਵਾਂ ਨੂੰ ਪ੍ਰਦਾਨ ਕੀਤਾ।

ਚਾਰ ਕਾਪੀ ਕਰਨ ਯੋਗ ਟੈਂਪਲੇਟ

1) ਵਰਕਫਲੋ ਗੇਟ ਪਲਾਨ:

ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਪ੍ਰੋਜੈਕਟ ਭਰੋਸਾ ਸਲਾਹਕਾਰ। ਮੇਰਾ ਪ੍ਰੋਜੈਕਟ: [ਵੇਰਵਾ]. ਮੈਨੂੰ ਪੜਾਵਾਂ (ਡਿਜ਼ਾਈਨ, ਵਿਸ਼ਲੇਸ਼ਣ, ਆਕਾਰ, ਸੁਰੱਖਿਆ, ਸੰਚਾਲਨ) ਲਈ ਇੱਕ ਤਸਦੀਕ ਗੇਟ ਯੋਜਨਾ ਤਿਆਰ ਕਰੋ: ਹਰ ਪੜਾਅ 'ਤੇ AI ਕੀ ਕਰਦਾ ਹੈ, ਕਿਹੜੀ ਇੱਕ-ਵਾਕ ਦੀ ਤਬਦੀਲੀ ਦੀ ਸਥਿਤੀ ਨੂੰ ਪੂਰਾ ਕੀਤੇ ਬਿਨਾਂ ਅਗਲੇ ਪੜਾਅ 'ਤੇ ਨਹੀਂ ਭੇਜਿਆ ਜਾ ਸਕਦਾ, ਜੋ ਪੁਸ਼ਟੀ ਕਰਦਾ ਹੈ। ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਦਰਵਾਜ਼ਿਆਂ 'ਤੇ ਵਿਸ਼ੇਸ਼ ਜ਼ੋਰ.

2) ਸ਼ਾਸਨ ਸਵੈ-ਨਿਯਮ:

ਸਾਡੀ ਸੰਸਥਾ ਵਿੱਚ AI ਦੀ ਵਰਤੋਂ ਲਈ ਇੱਕ ਸਵੈ-ਆਡਿਟ ਚੈਕਲਿਸਟ ਜਾਰੀ ਕੀਤੀ ਜਾਂਦੀ ਹੈ: (1) ਕੀ ਇੱਥੇ ਪ੍ਰਵਾਨਿਤ ਸਾਧਨਾਂ ਦੀ ਇੱਕ ਸੂਚੀ ਹੈ, (2) ਕੀ ਡੇਟਾ ਵਰਗੀਕਰਨ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤਾ ਗਿਆ ਹੈ, (3) ਕੀ ਰਿਕਾਰਡ/ਟਰੇਸੇਬਿਲਟੀ ਰੱਖੀ ਗਈ ਹੈ, (4) ਕੀ ਉਪਭੋਗਤਾ ਸਿਖਲਾਈ ਹੈ, (5) ਕੀ ਇੱਥੇ ਨਿਰੰਤਰ ਤਸਦੀਕ ਹੈ? ਹਰੇਕ ਆਈਟਮ ਲਈ "ਹਾਂ/ਅੰਸ਼ਕ/ਨਹੀਂ" ਮੁਲਾਂਕਣ ਅਤੇ ਸੁਧਾਰ ਸੁਝਾਵਾਂ ਦੀ ਬੇਨਤੀ ਕਰੋ। ਸੰਦਰਭ: [ਪਰਿਭਾਸ਼ਾ]

3) ਪਾਰਦਰਸ਼ਤਾ / ਵਰਤੋਂ ਦੀ ਘੋਸ਼ਣਾ:

ਇੱਕ ਪਾਰਦਰਸ਼ਤਾ ਪੈਰਾਗ੍ਰਾਫ ਦਾ ਖਰੜਾ ਤਿਆਰ ਕਰੋ ਜੋ ਇਮਾਨਦਾਰੀ ਨਾਲ ਇੱਕ ਇੰਜੀਨੀਅਰਿੰਗ ਰਿਪੋਰਟ ਲਈ AI ਦੀ ਵਰਤੋਂ ਦਾ ਵਰਣਨ ਕਰਦਾ ਹੈ: ਡਰਾਫਟ/ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਿਹੜੇ ਪੜਾਵਾਂ 'ਤੇ ਕੀਤੀ ਗਈ ਸੀ, ਆਉਟਪੁੱਟ ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਗਿਆ ਸੀ, ਜ਼ਿੰਮੇਵਾਰ ਇੰਜੀਨੀਅਰ 'ਤੇ ਅੰਤਮ ਜ਼ਿੰਮੇਵਾਰੀ ਦੇ ਨਾਲ। ਅਤਿਕਥਨੀ; ਅਸਲ ਵਿੱਚ ਕੀ ਕੀਤਾ ਗਿਆ ਸੀ ਉਸਨੂੰ ਦਰਸਾਓ।

4) ਫੈਸਲੇ ਤੋਂ ਪਹਿਲਾਂ ਆਖਰੀ ਜਾਂਚ:

ਮੈਂ ਇਹ ਫੈਸਲਾ ਕਰਨ ਜਾ ਰਿਹਾ/ਰਹੀ ਹਾਂ: [ਫੈਸਲਾ]। ਇਸ ਨੂੰ ਦੇਣ ਤੋਂ ਪਹਿਲਾਂ ਮੈਨੂੰ ਇੱਕ ਅੰਤਮ ਚੈਕਲਿਸਟ ਰਾਹੀਂ ਚਲਾਓ: (1) ਕੀ ਇਹ ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਹੈ, (2) ਕੀ ਕੋਈ ਮੁੱਲ ਜੋ ਮੈਂ ਸਰੋਤ/ਪ੍ਰਯੋਗ ਕੀਤੇ 'ਤੇ ਭਰੋਸਾ ਕਰਦਾ ਹਾਂ, (3) ਕੀ ਸੁਤੰਤਰ ਤਸਦੀਕ ਕੀਤਾ ਗਿਆ ਹੈ, (4) ਕੀ ਅਥਾਰਟੀ ਦੀ ਮਨਜ਼ੂਰੀ ਦੀ ਲੋੜ ਹੈ, (5) ਕੀ ਗੁਪਤਤਾ/ਪਾਲਣਾ ਦੇਖੀ ਗਈ ਹੈ? ਉਸ ਕਦਮ 'ਤੇ ਨਿਸ਼ਾਨ ਲਗਾਓ ਜਿਸਨੂੰ ਤੁਸੀਂ ਗੁੰਮ ਹੋਏ ਦੇਖਦੇ ਹੋ। ਫੈਸਲਾ ਮੇਰਾ ਹੈ; ਤੁਸੀਂ ਚੈੱਕਲਿਸਟ ਦੀ ਪਾਲਣਾ ਕਰੋ।

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:

ਮੈਨੂੰ ਆਪਣੇ ਪ੍ਰੋਜੈਕਟ ਵਿੱਚ AI ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ?

ਕੋਈ ਪ੍ਰਸੰਗ ਨਹੀਂ, ਕੋਈ ਪ੍ਰਮਾਣਿਕਤਾ ਬਣਤਰ ਨਹੀਂ। AI ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਗੇਟਾਂ ਨੂੰ ਬਾਈਪਾਸ ਕਰਦੇ ਹੋਏ, ਇੱਕ ਆਮ ਜਵਾਬ ਦਿੰਦਾ ਹੈ।

ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:

ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਪ੍ਰੋਜੈਕਟ ਭਰੋਸਾ ਸਲਾਹਕਾਰ। ਮੈਂ ਇੱਕ 50,000 ਟਨ/ਸਾਲ ਦੇ ਰਸਾਇਣਕ ਉਤਪਾਦਨ ਪ੍ਰੋਜੈਕਟ ਵਿੱਚ ਡਿਜ਼ਾਈਨ ਤੋਂ ਸੰਚਾਲਨ ਤੱਕ AI ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਚਾਹੁੰਦਾ ਹਾਂ। ਹਰ ਪੜਾਅ ਲਈ, ਮੈਨੂੰ AI ਦੀ ਭੂਮਿਕਾ ਲਈ ਇੱਕ ਢਾਂਚਾ ਮਿਲਦਾ ਹੈ, ਤਸਦੀਕ ਢਾਂਚਾ ਜੋ ਪਾਸ ਕੀਤੇ ਬਿਨਾਂ ਪਾਸ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ, ਕੌਣ ਇਸ ਨੂੰ ਮਨਜ਼ੂਰੀ ਦੇਵੇਗਾ, ਅਤੇ ਕਿਹੜਾ ਡੇਟਾ ਕਿਸ ਸਾਧਨ ਨੂੰ ਦਿੱਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਕਦਮਾਂ ਨੂੰ ਵੀ ਚਿੰਨ੍ਹਿਤ ਕਰੋ ਅਤੇ ਉਜਾਗਰ ਕਰੋ ਕਿ ਮਨੁੱਖੀ ਪ੍ਰਵਾਨਗੀ ਕਿੱਥੇ ਲਾਜ਼ਮੀ ਹੈ।

ਅੰਤਰ ਸਪੱਸ਼ਟ ਹੈ: ਪ੍ਰੋਜੈਕਟ ਸੰਦਰਭ, ਗੇਟ, ਪ੍ਰਵਾਨਗੀ ਅਤੇ ਡੇਟਾ ਨਿਯਮ AI ਦੀ ਵਰਤੋਂ ਨੂੰ ਵਿਵਸਥਿਤ ਕਰਦੇ ਹਨ।

ਇੱਕ ਸਿਰੇ-ਤੋਂ-ਅੰਤ ਢਾਂਚੇ ਵਿੱਚ ਭੂਮਿਕਾ ਦੀ ਵੰਡ

ਸਟੇਜ

ਏਆਈ ਦੀ ਭੂਮਿਕਾ

ਤਸਦੀਕ ਗੇਟ

ਡਿਜ਼ਾਈਨ

ਰੂਟ, PFD ਡਰਾਫਟ

ਬੈਲੇਂਸ + ਰੂਟ ਦੀ ਪੁਸ਼ਟੀ

ਵਿਸ਼ਲੇਸ਼ਣ

ਸਿਮੂਲੇਸ਼ਨ ਸੰਖੇਪ, ਭਵਿੱਖਬਾਣੀ

ਮਾਡਲ + ਸਰੋਤ ਪੁਸ਼ਟੀ

ਆਕਾਰ

ਅਨੁਕੂਲਤਾ, ਕੋਡ

ਪਾਬੰਦੀ + ਟੈਸਟ + ਸੁਰੱਖਿਆ

ਸੁਰੱਖਿਆ/ਪਾਲਣਾ

HAZOP ਪਿੰਜਰ, ਨਕਸ਼ਾ

ਮਾਹਰ ਟੀਮ + ਪ੍ਰਾਇਮਰੀ ਸਰੋਤ

ਵਪਾਰ

ਅਸੰਗਤ ਟਰੈਕਿੰਗ

ਰੀਅਲ/ਸੈਂਸਰ + ਸੁਤੰਤਰ SIS

ਆਮ ਗਲਤੀਆਂ

ਸਮੇਂ ਦੇ ਦਬਾਅ ਹੇਠ ਦਰਵਾਜ਼ੇ ਜੰਪ ਕਰਨਾ. ਇੱਕ ਗੇਟ ਨੂੰ ਛੱਡਣਾ ਗਲਤੀ ਨੂੰ ਅਗਲੇ ਪੜਾਵਾਂ ਵਿੱਚ ਲੀਕ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦੇਵੇਗਾ।
ਪ੍ਰਸ਼ਾਸਨ ਦੀ ਅਣਦੇਖੀ। ਔਜ਼ਾਰਾਂ ਅਤੇ ਡੇਟਾ ਦੀ ਅਨਿਯਮਿਤ ਵਰਤੋਂ ਲੀਕੇਜ ਅਤੇ ਸੁਰੱਖਿਆ ਖਤਰੇ ਪੈਦਾ ਕਰਦੀ ਹੈ।
ਵਰਤੋਂ ਨੂੰ ਲੁਕਾਉਣਾ। ਜੇਕਰ AI ਦੀ ਵਰਤੋਂ ਨੂੰ ਪਾਰਦਰਸ਼ੀ ਤੌਰ 'ਤੇ ਦਸਤਾਵੇਜ਼ੀ ਰੂਪ ਵਿੱਚ ਦਰਜ ਨਹੀਂ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਵਿਸ਼ਵਾਸ ਅਤੇ ਕਾਨੂੰਨੀ ਸੁਰੱਖਿਆ ਦੋਵਾਂ ਨੂੰ ਕਮਜ਼ੋਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਪ੍ਰਵਾਨਗੀ ਰਸਮੀ ਦੇਖਣ ਲਈ. ਅਧਿਕਾਰਤ ਪ੍ਰਵਾਨਗੀ ਦਸਤਖਤ ਕਰਨ ਦੀ ਰਸਮ ਨਹੀਂ ਹੈ ਪਰ ਇੱਕ ਸੱਚੀ ਤਸਦੀਕ ਜ਼ਿੰਮੇਵਾਰੀ ਹੈ।
ਵਾਤਾਵਰਣ ਅਤੇ ਸਮਾਜਿਕ ਪਹਿਲੂਆਂ ਨੂੰ ਭੁੱਲਣਾ. ਫੈਸਲਿਆਂ ਨੂੰ ਸਿਰਫ ਆਰਥਿਕ ਹੀ ਨਹੀਂ ਸਗੋਂ ਸਿਹਤ ਅਤੇ ਵਾਤਾਵਰਣ ਦੇ ਨਜ਼ਰੀਏ ਤੋਂ ਵੀ ਤੋਲਿਆ ਜਾਂਦਾ ਹੈ।

ਸਾਰੰਸ਼ ਵਿੱਚ

ਇੱਕ ਅੰਤ-ਤੋਂ-ਅੰਤ ਢਾਂਚੇ ਵਿੱਚ, AI ਰਸਾਇਣਕ ਇੰਜਨੀਅਰਿੰਗ ਦੇ ਹਰ ਪੜਾਅ 'ਤੇ ਮਨੁੱਖੀ ਤਸਦੀਕ ਗੇਟਾਂ ਨਾਲ ਏਮਬੇਡ ਕੀਤਾ ਗਿਆ ਹੈ; ਤੁਸੀਂ ਇੱਕ ਦਰਵਾਜ਼ੇ ਵਿੱਚੋਂ ਦੂਜੇ ਦਰਵਾਜ਼ੇ ਵਿੱਚੋਂ ਲੰਘੇ ਬਿਨਾਂ ਨਹੀਂ ਲੰਘ ਸਕਦੇ। ਇੱਕ ਗਵਰਨੈਂਸ ਫਰੇਮਵਰਕ (ਪ੍ਰਮਾਣਿਤ ਟੂਲ, ਡੇਟਾ ਵਰਗੀਕਰਣ, ਟਰੇਸੇਬਿਲਟੀ, ਸਿਖਲਾਈ, ਨਿਰੰਤਰ ਤਸਦੀਕ) ਇਸ ਅਨੁਸ਼ਾਸਨ ਨੂੰ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਸਕੇਲ ਵਿੱਚ ਲਿਆਉਂਦਾ ਹੈ। ਜ਼ਿੰਮੇਵਾਰ ਵਰਤੋਂ ਦੀ ਰੀੜ੍ਹ ਦੀ ਹੱਡੀ ਛੇ ਸਿਧਾਂਤ ਹਨ: ਮਨੁੱਖੀ ਜ਼ਿੰਮੇਵਾਰੀ, ਸੁਰੱਖਿਆ ਤਰਜੀਹ, ਤਸਦੀਕ ਅਨੁਸ਼ਾਸਨ, ਗੁਪਤਤਾ, ਪਾਰਦਰਸ਼ਤਾ ਅਤੇ ਵਾਤਾਵਰਣ-ਸਮਾਜ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ। AI ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਸਹਾਇਕ ਹੈ; ਪਰ ਡਿਜ਼ਾਇਨ, ਸੁਰੱਖਿਆ ਅਤੇ ਆਖਰੀ ਸ਼ਬਦ ਦਾ ਮਾਲਕ ਹਮੇਸ਼ਾ ਸਮਰੱਥ ਮਾਹਰ ਹੁੰਦਾ ਹੈ.

ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ

"ਵਰਕਫਲੋ ਗੇਟ ਪਲਾਨ" ਟੈਮਪਲੇਟ ਨਾਲ ਆਪਣੇ ਖੁਦ ਦੇ (ਜਾਂ ਕਾਲਪਨਿਕ) ਪ੍ਰੋਜੈਕਟ ਲਈ ਪੰਜ-ਪੜਾਅ ਦੀ ਪੁਸ਼ਟੀਕਰਨ ਗੇਟ ਯੋਜਨਾ ਬਣਾਓ; ਹਰੇਕ ਪੜਾਅ ਲਈ ਇੱਕ-ਵਾਕ ਦੀ ਤਬਦੀਲੀ ਦੀ ਸਥਿਤੀ ਲਿਖੋ। ਫਿਰ, "ਪ੍ਰਸ਼ਾਸਨ ਸਵੈ-ਆਡਿਟ" ਟੈਂਪਲੇਟ ਦੇ ਨਾਲ, ਮੁਲਾਂਕਣ ਕਰੋ ਕਿ ਇਸ ਪ੍ਰੋਜੈਕਟ ਵਿੱਚ AI ਦੀ ਵਰਤੋਂ ਪ੍ਰਵਾਨਿਤ ਸਾਧਨਾਂ, ਡੇਟਾ ਵਰਗੀਕਰਨ, ਟਰੇਸੇਬਿਲਟੀ, ਅਤੇ ਸਿਖਲਾਈ ਦੇ ਰੂਪ ਵਿੱਚ ਕਿਵੇਂ ਕਰ ਰਹੀ ਹੈ, ਅਤੇ ਘੱਟੋ-ਘੱਟ ਦੋ ਸੁਧਾਰਾਂ ਦੀ ਪਛਾਣ ਕਰੋ।

ਚੈੱਕਲਿਸਟ

[ ] ਮੈਂ ਹਰ ਪੜਾਅ 'ਤੇ ਮਨੁੱਖੀ ਤਸਦੀਕ ਗੇਟ ਅਤੇ ਇੱਕ-ਵਾਕ ਪਾਸ ਦੀ ਸ਼ਰਤ ਰੱਖਦਾ ਹਾਂ।
[ ] ਮੈਂ ਪ੍ਰਵਾਨਿਤ ਟੂਲ ਸੂਚੀ ਅਤੇ ਡੇਟਾ ਵਰਗੀਕਰਨ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤਾ ਹੈ।
[] ਮੈਂ ਰਿਕਾਰਡ/ਟਰੇਸੇਬਿਲਟੀ (ਕੀ ਆਉਟਪੁੱਟ, ਕਿਸਨੇ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ, ਕਿਹੜਾ ਸਰੋਤ) ਰੱਖਿਆ।
[ ] ਮੈਂ ਰਿਪੋਰਟ ਵਿੱਚ AI ਦੀ ਵਰਤੋਂ ਨੂੰ ਪਾਰਦਰਸ਼ੀ ਢੰਗ ਨਾਲ ਦੱਸਿਆ ਹੈ।
[ ] ਮੈਂ ਅਧਿਕਾਰਤ ਮਾਹਰ ਦੀ ਪ੍ਰਵਾਨਗੀ ਅਤੇ ਵਾਤਾਵਰਣ-ਸਮਾਜ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਨੂੰ ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਫੈਸਲਿਆਂ ਦਾ श्रेय ਦਿੰਦਾ ਹਾਂ।

ਮੋਡੀਊਲ ਪ੍ਰੀਖਿਆ

1. ਰਸਾਇਣਕ ਇੰਜੀਨੀਅਰਿੰਗ ਵਿੱਚ ਨਕਲੀ ਬੁੱਧੀ ਲਈ ਹੇਠਾਂ ਦਿੱਤੇ ਵਿੱਚੋਂ ਕਿਹੜਾ ਸਭ ਤੋਂ ਸਹੀ ਸਥਿਤੀ ਹੈ?

A) Artificial intelligence can write safety calculations directly into the design without human approval
ਅ) AI ਇੱਕ ਖਾਤਾ ਐਕਸਲੇਟਰ ਅਤੇ ਬਲੂਪ੍ਰਿੰਟ ਜਨਰੇਟਰ ਹੈ; ਡਿਜ਼ਾਇਨ ਦੀ ਸੁਰੱਖਿਆ ਅਤੇ ਅੰਤਮ ਫੈਸਲੇ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਨ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਮਨੁੱਖ ਦੀ ਹੁੰਦੀ ਹੈ ✔
C) ਕਿਉਂਕਿ ਨਕਲੀ ਬੁੱਧੀ ਹਮੇਸ਼ਾ ਮਨੁੱਖਾਂ ਨਾਲੋਂ ਵਧੇਰੇ ਭਰੋਸੇਮੰਦ ਹੁੰਦੀ ਹੈ, ਸੁਰੱਖਿਆ ਫੈਸਲੇ ਇਸ 'ਤੇ ਛੱਡ ਦਿੱਤੇ ਜਾਣੇ ਚਾਹੀਦੇ ਹਨ।
ਡੀ) ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਸਿਰਫ ਟੈਕਸਟ ਨੂੰ ਸੰਖੇਪ ਕਰਨ ਲਈ ਉਪਯੋਗੀ ਹੈ, ਇਸਦਾ ਇੰਜੀਨੀਅਰਿੰਗ ਗਣਨਾਵਾਂ ਨਾਲ ਕੋਈ ਲੈਣਾ-ਦੇਣਾ ਨਹੀਂ ਹੈ

ਵਰਣਨ: ਨਕਲੀ ਬੁੱਧੀ; ਇਹ ਇੱਕ ਸਹਾਇਕ ਹੈ ਜੋ ਵਿਸ਼ਾਲ ਡੇਟਾ, ਫਲੈਗ ਪੈਟਰਨ ਅਤੇ ਗਣਨਾਵਾਂ/ਕੋਡ ਡਰਾਫਟ ਤਿਆਰ ਕਰਦਾ ਹੈ। ਨਾਜ਼ੁਕ ਮੁੱਦਿਆਂ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਅਤੇ ਪ੍ਰਵਾਨਗੀ ਜਿਵੇਂ ਕਿ ਡਿਜ਼ਾਈਨ ਦੀ ਸੁਰੱਖਿਆ, ਸਿਮੂਲੇਸ਼ਨ ਦੀ ਵਿਆਖਿਆ ਅਤੇ ਅੰਤਮ ਫੈਸਲਾ ਸਮਰੱਥ ਮਾਹਰ ਨਾਲ ਸਬੰਧਤ ਹੈ; ਇੱਕ ਅਪ੍ਰਮਾਣਿਤ ਆਉਟਪੁੱਟ ਇੱਕ ਰਿਐਕਟਰ ਲੀਕ ਜਾਂ ਵਿਸਫੋਟ ਦਾ ਕਾਰਨ ਬਣ ਸਕਦੀ ਹੈ। ਇਸ ਲਈ, ਨਕਲੀ ਖੁਫੀਆ ਆਉਟਪੁੱਟ ਸਮਰੱਥ ਮਾਹਰ ਦੀ ਪ੍ਰਵਾਨਗੀ ਦੀ ਥਾਂ ਨਹੀਂ ਲੈਂਦੀ।

2. ਨਕਲੀ ਬੁੱਧੀ ਦੁਆਰਾ ਦਿੱਤੇ ਗਏ ਇੰਜੀਨੀਅਰਿੰਗ ਗਣਨਾ ਦੇ ਨਤੀਜੇ ਲਈ ਤਿੰਨ-ਪੜਾਅ ਦੀ ਤਸਦੀਕ ਅਨੁਸ਼ਾਸਨ ਕੀ ਹੈ?

A) ਇਹ ਦੇਖਣਾ ਕਿ ਕੀ ਆਉਟਪੁੱਟ ਰਵਾਨੀ ਅਤੇ ਭਰੋਸੇਮੰਦ ਹੈ
ਅ) ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਨੂੰ ਇਹੀ ਸਵਾਲ ਤਿੰਨ ਵਾਰ ਪੁੱਛੋ ਅਤੇ ਔਸਤ ਲਓ
C) ਇਸਨੂੰ ਭੌਤਿਕ ਵਿਗਿਆਨ/ਸਰੋਤ ਨਾਲ ਕਨੈਕਟ ਕਰੋ, ਇਸਦੀ ਸੁਤੰਤਰ ਜਾਂਚ ਕਰੋ, ਇਸਨੂੰ ਟਿੱਪਣੀ-ਸੀਮਾ ਫਿਲਟਰ ਦੁਆਰਾ ਪਾਸ ਕਰੋ ✔
ਡੀ) ਨਤੀਜੇ ਨੂੰ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਸਵੀਕਾਰ ਕਰਨਾ ਅਤੇ ਰਿਪੋਰਟ ਦੇ ਪੜਾਅ 'ਤੇ ਹੀ ਇਸ ਦੀ ਜਾਂਚ ਕਰਨਾ

ਵਿਆਖਿਆ: ਹਰੇਕ ਆਉਟਪੁੱਟ ਪਹਿਲਾਂ ਭੌਤਿਕ ਵਿਗਿਆਨ/ਸਰੋਤ (ਕੌਣ ਸਮੀਕਰਨ, ਕਿਹੜਾ ਸਰੋਤ, ਕਿਹੜੀ ਧਾਰਨਾ) ਨਾਲ ਜੁੜਿਆ ਹੁੰਦਾ ਹੈ, ਫਿਰ ਇਸਨੂੰ ਇੱਕ ਸੁਤੰਤਰ ਢੰਗ (ਹੱਥ ਗਣਨਾ, ਸਿਮੂਲੇਸ਼ਨ, ਸੰਦਰਭ ਡੇਟਾ, ਆਰਡਰ ਚੈੱਕ) ਨਾਲ ਟੈਸਟ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਅੰਤ ਵਿੱਚ ਇਸਨੂੰ ਟਿੱਪਣੀ-ਸੀਮਾ ਫਿਲਟਰ ਦੁਆਰਾ ਪਾਸ ਕੀਤਾ ਜਾਂਦਾ ਹੈ (ਪੁੰਜ/ਊਰਜਾ ਸੁਰੱਖਿਅਤ ਹੈ, ਅਸਲ ਮੁੱਲ ਹੈ)। ਇਹ ਤਿੰਨ ਕਦਮ ਜ਼ਿਆਦਾਤਰ ਭਰਮਾਂ ਨੂੰ ਫੜਦੇ ਹਨ।

3. ਕੀ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਜੇਕਰ ਕੁੱਲ ਪੁੰਜ ਵਿੱਚ ਦਾਖਲ ਹੋਣਾ ਅਤੇ ਬਾਹਰ ਨਿਕਲਣਾ ਇੱਕ ਪ੍ਰਕਿਰਿਆ ਦੇ ਡਿਜ਼ਾਈਨ ਵਿੱਚ ਨਕਲੀ ਬੁੱਧੀ ਦੁਆਰਾ ਸਥਾਪਤ ਸਮੱਗਰੀ ਸੰਤੁਲਨ ਡਰਾਫਟ ਨਾਲ ਮੇਲ ਨਹੀਂ ਖਾਂਦਾ ਹੈ?

ਏ) ਛੋਟਾ ਅੰਤਰ ਮਹੱਤਵਪੂਰਨ ਨਹੀਂ ਹੈ, ਇਸ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰੋ ਅਤੇ ਡਿਜ਼ਾਈਨ ਨੂੰ ਜਾਰੀ ਰੱਖੋ
ਅ) ਅੰਤਰ ਲੱਭਿਆ ਅਤੇ ਠੀਕ ਕੀਤਾ ਗਿਆ ਹੈ; ਅਕਸਰ ਇੱਕ ਭੁੱਲਿਆ ਹੋਇਆ ਪ੍ਰਵਾਹ ਜਾਂ ਇੱਕ ਡਬਲ-ਗਿਣਿਆ ਲੂਪਬੈਕ ਹੁੰਦਾ ਹੈ ✔
C) ਸੰਤੁਲਨ ਨੂੰ ਸਹੀ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ ਕਿਉਂਕਿ ਨਕਲੀ ਬੁੱਧੀ ਇਸ ਤਰੀਕੇ ਨਾਲ ਇਸਦੀ ਗਣਨਾ ਕਰਦੀ ਹੈ।
D) ਫਰਕ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਬਾਹਰ ਜਾਣ ਵਾਲੀ ਸਟ੍ਰੀਮ ਦੇ ਮੁੱਲ ਨੂੰ ਹੱਥੀਂ ਵੱਡਿਆ ਜਾਂਦਾ ਹੈ

ਵਿਆਖਿਆ: ਰਸਾਇਣਕ ਇੰਜੀਨੀਅਰਿੰਗ ਵਿੱਚ, ਪੁੰਜ ਜਾਂ ਤਾਂ ਸੁਰੱਖਿਅਤ ਹੈ ਜਾਂ ਨਹੀਂ; 'ਇਸਦੀ ਲਗਭਗ ਕੀਮਤ' ਅਸਵੀਕਾਰਨਯੋਗ ਹੈ। ਜੇਕਰ ਇਨਪੁਟ = ਆਉਟਪੁੱਟ ਸਮੀਕਰਨ ਸੰਤੁਸ਼ਟ ਨਹੀਂ ਹੈ, ਤਾਂ ਅਕਸਰ ਇੱਕ ਭੁੱਲਿਆ ਹੋਇਆ ਸਾਈਡ ਫਲੋ, ਇੱਕ ਡਬਲ-ਗਿਣਿਆ ਰੀਸਾਈਕਲ, ਜਾਂ ਇੱਕ ਗਲਤੀ ਹੁੰਦੀ ਹੈ। ਡਿਜ਼ਾਈਨ ਨੂੰ ਉਦੋਂ ਤੱਕ ਅੱਗੇ ਨਹੀਂ ਵਧਾਇਆ ਜਾ ਸਕਦਾ ਜਦੋਂ ਤੱਕ ਇਹ ਲੱਭਿਆ ਅਤੇ ਠੀਕ ਨਹੀਂ ਕੀਤਾ ਜਾਂਦਾ; ਨਹੀਂ ਤਾਂ ਗਲਤੀ ਅਗਲੇ ਸਾਰੇ ਆਕਾਰਾਂ ਵਿੱਚ ਫੈਲ ਜਾਵੇਗੀ।

4. ਇੱਕ ਪ੍ਰਕਿਰਿਆ ਸਿਮੂਲੇਸ਼ਨ 'ਇਕਸਾਰ ਹੋਈ ਅਤੇ ਇੱਕ ਸਾਫ਼ ਤਸਵੀਰ ਦਿੱਤੀ'। ਇਸ ਨਤੀਜੇ ਦੀ ਸ਼ੁੱਧਤਾ ਲਈ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਜੋਖਮ ਕੀ ਹੈ?

ਏ) ਸਾਰਣੀ ਰੰਗ ਅਤੇ ਪੜ੍ਹਨਯੋਗ ਰੂਪ ਵਿੱਚ ਪੇਸ਼ ਨਹੀਂ ਕੀਤੀ ਗਈ ਹੈ
ਅ) ਸਿਮੂਲੇਸ਼ਨ ਬਹੁਤ ਤੇਜ਼ੀ ਨਾਲ ਕਨਵਰਜ ਹੋ ਜਾਂਦੀ ਹੈ
C) ਇੱਕ ਥਰਮੋਡਾਇਨਾਮਿਕ ਮਾਡਲ ਜੋ ਸਿਸਟਮ ਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਲਈ ਢੁਕਵਾਂ ਨਹੀਂ ਹੈ, ਯਕੀਨਨ ਪਰ ਗਲਤ ਨਤੀਜੇ ਪੈਦਾ ਕਰਦਾ ਹੈ ✔
D) ਪ੍ਰਵਾਹ ਸਾਰਣੀ ਵਿੱਚ ਬਹੁਤ ਸਾਰੇ ਦਸ਼ਮਲਵ ਸਥਾਨ ਹਨ

ਵਿਆਖਿਆ: ਜ਼ਿਆਦਾਤਰ ਸਿਮੂਲੇਸ਼ਨ ਗਲਤੀਆਂ ਸੰਖਿਆਤਮਕ ਨਹੀਂ ਹਨ, ਪਰ ਥਰਮੋਡਾਇਨਾਮਿਕ ਮਾਡਲ (ਪ੍ਰਾਪਰਟੀ ਪੈਕੇਜ) ਦੀ ਚੋਣ ਦੇ ਕਾਰਨ ਹਨ। ਇੱਕ ਧਰੁਵੀ ਮਿਸ਼ਰਣ ਲਈ ਇੱਕ ਆਦਰਸ਼ ਮਾਡਲ ਨੂੰ ਲਾਗੂ ਕਰਨ ਨਾਲ ਇੱਕ ਅਜ਼ੀਓਟ੍ਰੋਪ ਅਦਿੱਖ ਹੋ ਸਕਦਾ ਹੈ, ਅਤੇ ਨਤੀਜਾ ਨਿਰਵਿਘਨ ਪਰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਗਲਤ ਹੋਵੇਗਾ। ਇੱਕ ਪ੍ਰਤੀਤ ਅਤੇ ਸੁੰਦਰ ਤਸਵੀਰ ਸੱਚ ਸਾਬਤ ਨਹੀਂ ਹੁੰਦੀ; ਮਾਡਲ ਫਿੱਟ ਅਤੇ ਪ੍ਰਯੋਗਾਤਮਕ ਤੁਲਨਾ ਦੀ ਲੋੜ ਹੈ।

5. ਜਦੋਂ ਨਕਲੀ ਬੁੱਧੀ ਇੱਕ ਰਿਐਕਟਰ ਡਿਜ਼ਾਈਨ ਲਈ ਪ੍ਰਤੀਕ੍ਰਿਆ ਦਰ ਸਥਿਰ (k) ਮੁੱਲ ਦਿੰਦੀ ਹੈ ਤਾਂ ਕਿਸੇ ਨੂੰ ਕਿਵੇਂ ਕੰਮ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ?

ਏ) ਮੁੱਲ ਪ੍ਰਯੋਗਾਤਮਕ ਤੌਰ 'ਤੇ ਨਿਰਧਾਰਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ; AI ਪੂਰਵ-ਅਨੁਮਾਨ ਦੀ ਵਰਤੋਂ ਡਿਜ਼ਾਈਨ ਡੇਟਾ ਦੇ ਤੌਰ 'ਤੇ ਨਹੀਂ ਕੀਤੀ ਜਾਂਦੀ ✔
B) ਮੁੱਲ ਨੂੰ ਸਿੱਧਾ ਡਿਜ਼ਾਈਨ ਵਿੱਚ ਰੱਖਿਆ ਜਾਂਦਾ ਹੈ ਕਿਉਂਕਿ AI ਭਰੋਸੇ ਨਾਲ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ
C) ਸਥਿਤੀਆਂ ਦੀ ਪਰਵਾਹ ਕੀਤੇ ਬਿਨਾਂ ਹਰ ਪ੍ਰਤੀਕ੍ਰਿਆ ਵਿੱਚ ਮੁੱਲ ਨੂੰ ਇੱਕੋ ਜਿਹਾ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ
D) ਇੱਕ ਵਾਰ ਇੰਟਰਨੈੱਟ 'ਤੇ ਸਮਾਨ ਨੰਬਰ ਦਿਸਣ ਤੋਂ ਬਾਅਦ ਮੁੱਲ ਕਾਫੀ ਹੁੰਦਾ ਹੈ

ਵਰਣਨ: ਦਰ ਸਥਿਰਤਾ, ਕਿਰਿਆਸ਼ੀਲਤਾ ਊਰਜਾ ਅਤੇ ਵਿਧੀ ਕੇਵਲ ਪ੍ਰਯੋਗ ਦੁਆਰਾ ਨਿਰਧਾਰਤ ਕੀਤੀ ਜਾਂਦੀ ਹੈ; ਇੱਕੋ ਪ੍ਰਤੀਕ੍ਰਿਆ ਵੱਖ-ਵੱਖ ਉਤਪ੍ਰੇਰਕਾਂ, ਅਸ਼ੁੱਧੀਆਂ ਜਾਂ ਪੜਾਵਾਂ ਨਾਲ ਬਹੁਤ ਵੱਖਰੇ ਢੰਗ ਨਾਲ ਵਿਹਾਰ ਕਰਦੀ ਹੈ। AI ਦੁਆਰਾ ਵਾਪਸ ਕੀਤਾ ਗਿਆ k ਮੁੱਲ ਇੱਕ ਸ਼ੁਰੂਆਤੀ ਅਨੁਮਾਨ ਹੋ ਸਕਦਾ ਹੈ, ਪਰ ਇਹ ਡਿਜ਼ਾਈਨ ਡੇਟਾ ਨਹੀਂ ਹੈ। ਹਰ ਕਾਇਨੇਟਿਕ ਪੈਰਾਮੀਟਰ ਜੋ ਡਿਜ਼ਾਈਨ ਦੇ ਅਧਾਰ ਵਿੱਚ ਜਾਂਦਾ ਹੈ, ਅਨੁਭਵੀ ਸਰੋਤ 'ਤੇ ਅਧਾਰਤ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।

6. ਸੁਰੱਖਿਅਤ ਕੂਲਿੰਗ ਡਿਜ਼ਾਈਨ ਲਈ ਐਕਸੋਥਰਮਿਕ ਰੀਐਕਸ਼ਨ (ਪ੍ਰਤੀਕਿਰਿਆ ਐਂਥਲਪੀ) ਦੀ ਗਰਮੀ ਨੂੰ ਕਿਵੇਂ ਨਿਰਧਾਰਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ?

ਏ) ਨਕਲੀ ਬੁੱਧੀ ਦੁਆਰਾ ਦਿੱਤਾ ਗਿਆ ਸ਼ੁਰੂਆਤੀ ਮੁੱਲ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਕੂਲਿੰਗ ਡਿਜ਼ਾਈਨ ਵਿੱਚ ਦਾਖਲ ਹੁੰਦਾ ਹੈ
ਅ) ਮੁੱਲ ਨੂੰ ਕੈਲੋਰੀਮੈਟਰੀ ਦੁਆਰਾ ਮਾਪਿਆ ਜਾਂਦਾ ਹੈ ਅਤੇ ਇੱਕ ਅਧਿਕਾਰਤ ਇੰਜੀਨੀਅਰ ਦੁਆਰਾ ਮੁਲਾਂਕਣ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਇਹ ਨਕਲੀ ਬੁੱਧੀ ਦੀ ਭਵਿੱਖਬਾਣੀ 'ਤੇ ਅਧਾਰਤ ਨਹੀਂ ਹੈ ✔
C) ਜੇ ਪ੍ਰਤੀਕ੍ਰਿਆ ਐਕਸੋਥਰਮਿਕ ਹੈ, ਤਾਂ ਗਰਮੀ ਦੇ ਲੋਡ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ
D) ਸਥਿਤੀ ਦੀ ਪਰਵਾਹ ਕੀਤੇ ਬਿਨਾਂ ਇੱਕ ਸਮਾਨ ਮਿਸ਼ਰਣ ਦਾ ਮੁੱਲ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ

ਵਰਣਨ: ਪ੍ਰਤੀਕਿਰਿਆ ਗਰਮੀ ਅਤੇ ਥਰਮਲ ਭਗੌੜਾ ਸੰਭਾਵੀ ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਮੁੱਦਾ ਹੈ। AI ਦੁਆਰਾ ਵਾਪਸ ਕੀਤਾ ਗਿਆ ਮੁੱਲ ਇੱਕ ਵੱਖਰੇ ਘੋਲਨ ਵਾਲੇ/ਸਥਿਤੀ ਨਾਲ ਸਬੰਧਤ ਹੋ ਸਕਦਾ ਹੈ ਅਤੇ ਅਸਲ ਗਰਮੀ ਦੇ ਲੋਡ ਨੂੰ ਮਹੱਤਵਪੂਰਣ ਰੂਪ ਵਿੱਚ ਗਲਤ ਰੂਪ ਵਿੱਚ ਪੇਸ਼ ਕਰ ਸਕਦਾ ਹੈ। ਇਹ ਮੁੱਲ ਕੈਲੋਰੀਮੈਟਰੀ (ਉਦਾਹਰਨ ਲਈ ਪ੍ਰਤੀਕ੍ਰਿਆ ਕੈਲੋਰੀਮੈਟਰੀ) ਦੁਆਰਾ ਮਾਪਦੇ ਹਨ ਅਤੇ ਸਮਰੱਥ ਇੰਜੀਨੀਅਰ ਦੁਆਰਾ ਮੁਲਾਂਕਣ ਕੀਤੇ ਜਾਂਦੇ ਹਨ; ਇਹ ਕਦੇ ਵੀ ਇਕੱਲੇ ਨਕਲੀ ਬੁੱਧੀ ਦੀ ਭਵਿੱਖਬਾਣੀ 'ਤੇ ਅਧਾਰਤ ਨਹੀਂ ਹੁੰਦਾ ਹੈ।

7. ਨਕਲੀ ਬੁੱਧੀ ਨੇ ਇੱਕ ਭਰੋਸੇਮੰਦ ਸੰਖਿਆ ਦੇ ਨਾਲ ਇੱਕ ਘੋਲਨ ਵਾਲੇ ਦੇ ਭਾਫ਼ ਦਾ ਦਬਾਅ ਦਿੱਤਾ। ਇਸ ਮੁੱਲ ਦੀ ਵਰਤੋਂ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਕੀ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ?

A) ਕਿਉਂਕਿ ਮੁੱਲ ਚੰਗੀ ਤਰ੍ਹਾਂ ਦਿੱਤਾ ਗਿਆ ਹੈ, ਇਸ ਨੂੰ ਸਿੱਧਾ ਕਾਲਮ ਡਿਜ਼ਾਈਨ ਵਿੱਚ ਰੱਖਿਆ ਗਿਆ ਹੈ
ਅ) ਕੇਵਲ ਇਕਾਈ ਨਿਯੰਤਰਿਤ ਹੈ, ਸਰੋਤ ਨੂੰ ਵੇਖਣ ਦੀ ਕੋਈ ਲੋੜ ਨਹੀਂ ਹੈ
C) ਮੁੱਲ ਇੱਕ ਭਰੋਸੇਯੋਗ ਡੇਟਾਬੇਸ (DIPPR/NIST) ਜਾਂ ਪ੍ਰਯੋਗ ਦੁਆਰਾ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਗਿਆ ਹੈ, ਸ਼ਰਤ ਦੇ ਨਾਲ ✔
D) ਜੇਕਰ ਮੁੱਲ ਦੀ ਤੁਲਨਾ ਕਿਸੇ ਹੋਰ ਘੋਲਨ ਵਾਲੇ ਨਾਲ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਸਮਾਨ ਹੈ, ਤਾਂ ਇਹ ਸਵੀਕਾਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।

ਵਿਆਖਿਆ: ਵਿਸ਼ੇਸ਼ਤਾ ਅਨੁਮਾਨ ਡਿਜ਼ਾਈਨ ਦਾ ਸੰਖਿਆਤਮਕ ਆਧਾਰ ਹੈ, ਅਤੇ ਇੱਥੇ ਇੱਕ ਗਲਤੀ ਸਾਰੀ ਗਣਨਾ ਵਿੱਚ ਫੈਲਦੀ ਹੈ। The AI value may belong to another compound, be in the wrong condition, or be a hallucination. ਇਸ ਲਈ, ਹਰੇਕ ਨਾਜ਼ੁਕ ਵਿਸ਼ੇਸ਼ਤਾ ਨੂੰ ਇੱਕ ਭਰੋਸੇਯੋਗ ਡੇਟਾਬੇਸ (DIPPR/NIST) ਜਾਂ ਪ੍ਰਯੋਗ ਦੁਆਰਾ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ; ਮੁੱਲ ਦੀ ਸਥਿਤੀ (ਤਾਪਮਾਨ, ਦਬਾਅ, ਪੜਾਅ) ਦੇ ਨਾਲ ਵੀ ਬੇਨਤੀ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ।

8. ਕੀ ਹੁੰਦਾ ਹੈ ਜੇਕਰ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਨੂੰ ਪ੍ਰਕਿਰਿਆ ਦੇ ਅਨੁਕੂਲਨ ਵਿੱਚ 'ਊਰਜਾ ਨੂੰ ਘੱਟ ਤੋਂ ਘੱਟ' ਕਰਨ ਲਈ ਕਿਹਾ ਜਾਂਦਾ ਹੈ ਪਰ ਉਤਪਾਦ ਸ਼ੁੱਧਤਾ ਦੀ ਕੋਈ ਰੁਕਾਵਟ ਨਹੀਂ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ?

A) ਨਤੀਜਾ ਹਮੇਸ਼ਾ ਸੁਰੱਖਿਅਤ ਅਤੇ ਉੱਚ ਗੁਣਵੱਤਾ ਵਾਲਾ ਹੁੰਦਾ ਹੈ, ਪਾਬੰਦੀਆਂ ਬੇਲੋੜੀਆਂ ਹੁੰਦੀਆਂ ਹਨ
ਅ) ਇੱਕ ਗੁੰਮਰਾਹਕੁੰਨ ਸਰਵੋਤਮ ਉਭਰ ਸਕਦਾ ਹੈ ਜੋ ਕਾਗਜ਼ 'ਤੇ ਚੰਗਾ ਲੱਗਦਾ ਹੈ ਪਰ ਸ਼ੁੱਧਤਾ ਜਾਂ ਸੁਰੱਖਿਆ ਦੀ ਬਲੀ ਦਿੰਦਾ ਹੈ ✔
C) ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਗੁੰਮ ਹੋਈਆਂ ਰੁਕਾਵਟਾਂ ਨੂੰ ਸਵੈਚਲਿਤ ਅਤੇ ਸਹੀ ਢੰਗ ਨਾਲ ਪੂਰਾ ਕਰਦੀ ਹੈ
ਡੀ) ਓਪਟੀਮਾਈਜੇਸ਼ਨ ਕੰਮ ਨਹੀਂ ਕਰਦਾ ਅਤੇ ਕੋਈ ਨਤੀਜਾ ਨਹੀਂ ਦਿੰਦਾ

ਸਪੱਸ਼ਟੀਕਰਨ: ਅਨਿਯਮਤ ਅਨੁਕੂਲਨ ਗੁੰਮਰਾਹਕੁੰਨ ਹੈ: AI ਜਾਂ ਐਲਗੋਰਿਦਮ ਇੱਕ 'ਅਨੁਕੂਲ' ਦਾ ਸੁਝਾਅ ਦੇ ਸਕਦਾ ਹੈ ਜੋ ਕਾਗਜ਼ 'ਤੇ ਊਰਜਾ ਨੂੰ ਘਟਾਉਂਦਾ ਹੈ ਪਰ ਅਸਲ ਵਿੱਚ ਉਤਪਾਦ ਦੀ ਸ਼ੁੱਧਤਾ ਨੂੰ ਨਿਰਧਾਰਨ ਤੋਂ ਹੇਠਾਂ ਘਟਾਉਂਦਾ ਹੈ ਜਾਂ ਸੁਰੱਖਿਆ ਮਾਰਜਿਨ ਤੋਂ ਵੱਧ ਜਾਂਦਾ ਹੈ। ਇਸ ਲਈ, ਸਾਰੀਆਂ ਗੁਣਵੱਤਾ ਅਤੇ ਸੁਰੱਖਿਆ ਪਾਬੰਦੀਆਂ, ਨਾਲ ਹੀ ਉਦੇਸ਼ ਅਤੇ ਫੈਸਲੇ ਵੇਰੀਏਬਲ, ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ; ਸੁਰੱਖਿਆ ਅਤੇ ਵਿਵਹਾਰਕਤਾ ਲਈ ਗਣਿਤ ਦੇ ਸਰਵੋਤਮ ਦੀ ਵੀ ਜਾਂਚ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ।

9. ਜਦੋਂ AI ਸੈਂਸਰ ਡੇਟਾ ਵਿੱਚ ਅਚਾਨਕ ਛਾਲ ਨੂੰ 'ਸੰਭਾਵੀ ਲੀਕ' ਵਜੋਂ ਫਲੈਗ ਕਰਦਾ ਹੈ ਤਾਂ ਸਭ ਤੋਂ ਪਹਿਲਾਂ ਕੀ ਕਰਨਾ ਹੈ?

ਏ) ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਤੁਰੰਤ ਬੰਦ ਕਰਨਾ, ਕਿਉਂਕਿ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਨੇ ਕਿਹਾ ਕਿ ਇਹ ਲੀਕ ਹੋ ਰਿਹਾ ਹੈ
ਅ) ਸਿਗਨਲ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਨਾ ਕਿਉਂਕਿ ਸੈਂਸਰ ਹਮੇਸ਼ਾ ਗਲਤ ਹੁੰਦੇ ਹਨ
C) ਭਰੋਸੇਯੋਗਤਾ ਫਿਲਟਰ ਨਾਲ ਜਾਂਚ ਕਰਨਾ ਕਿ ਕੀ ਸਿਗਨਲ ਇੱਕ ਅਸਲ ਪ੍ਰਕਿਰਿਆ ਘਟਨਾ ਹੈ ਜਾਂ ਸੈਂਸਰ/ਮਾਪ ਦੀ ਸਮੱਸਿਆ ✔
ਡੀ) ਡਾਟਾ ਸੈੱਟ ਤੋਂ ਛਾਲ ਨੂੰ ਆਟੋਮੈਟਿਕਲੀ ਮਿਟਾਓ

ਵਿਆਖਿਆ: ਸੈਂਸਰ ਝੂਠ ਬੋਲ ਸਕਦੇ ਹਨ: ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਖਿਸਕ ਜਾਂਦਾ ਹੈ, ਇੱਕ ਕੁਨੈਕਸ਼ਨ ਢਿੱਲਾ ਹੋ ਜਾਂਦਾ ਹੈ, ਲਾਈਨ ਰੌਲਾ ਪਾਉਂਦੀ ਹੈ। ਡੇਟਾ ਭਰੋਸੇਯੋਗਤਾ ਲਈ ਪਹਿਲਾਂ ਇੱਕ ਵਿਸੰਗਤੀ ਸਿਗਨਲ ਨੂੰ ਫਿਲਟਰ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ: ਕੀ ਇਹ ਗੁਆਂਢੀ/ਸਬੰਧਤ ਸੈਂਸਰਾਂ ਨਾਲ ਇਕਸਾਰ ਹੈ, ਕੀ ਇਹ ਸਰੀਰਕ ਤੌਰ 'ਤੇ ਸੰਭਵ ਹੈ, ਕੀ ਇਹ ਰੱਖ-ਰਖਾਅ/ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਰਿਕਾਰਡ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ? ਇਹਨਾਂ ਦੇ ਪਾਸ ਹੋਣ ਤੋਂ ਬਾਅਦ ਹੀ ਇਸਦੀ ਅਸਲ ਪ੍ਰਕਿਰਿਆ ਘਟਨਾ ਵਜੋਂ ਜਾਂਚ ਕੀਤੀ ਜਾਂਦੀ ਹੈ; ਨਹੀਂ ਤਾਂ, ਗਲਤ ਅਲਾਰਮ ਦੇ ਆਧਾਰ 'ਤੇ ਦਖਲਅੰਦਾਜ਼ੀ ਹੋ ਸਕਦੀ ਹੈ।

10. HAZOP ਅਧਿਐਨ ਵਿੱਚ AI ਦੀ ਢੁਕਵੀਂ ਅਤੇ ਸੁਰੱਖਿਅਤ ਭੂਮਿਕਾ ਕੀ ਹੈ?

A) ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਜਾਣ ਕੇ ਅਤੇ ਮੀਟਿੰਗ ਨੂੰ ਬੇਲੋੜੀ ਬਣਾ ਕੇ ਇੱਕ ਪੂਰਨ HAZOP ਤਿਆਰ ਕਰਨਾ
ਅ) ਖਤਰੇ ਦੇ ਪੱਧਰਾਂ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਵਰਗੀਕ੍ਰਿਤ ਕਰਨਾ ਅਤੇ ਸਾਵਧਾਨੀ ਦੇ ਫੈਸਲੇ ਲੈਣਾ
C) ਇੱਕ ਕਾਰਜਕਾਰੀ ਫਰੇਮਵਰਕ ਪ੍ਰਦਾਨ ਕਰਨਾ, ਸ਼ਬਦ ਦੇ ਸਵਾਲਾਂ ਦਾ ਮਾਰਗਦਰਸ਼ਨ ਕਰਨਾ ਅਤੇ ਮਿੰਟ ਤਿਆਰ ਕਰਨਾ; ਖ਼ਤਰੇ ਦਾ ਅਸਲ ਮੁਲਾਂਕਣ ਮਾਹਰ ਟੀਮ 'ਤੇ ਛੱਡੋ ✔
ਡੀ) ਮੀਟਿੰਗ ਵਾਲੀ ਥਾਂ 'ਤੇ ਜਾਣਾ ਅਤੇ ਇਕੱਲੇ ਅੰਤਮ ਜੋਖਮ ਰਿਪੋਰਟ 'ਤੇ ਦਸਤਖਤ ਕਰਨਾ

ਵਰਣਨ: HAZOP ਇੱਕ ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਮਾਹਰ ਗਤੀਵਿਧੀ ਹੈ। ਬਣਾਵਟੀ ਗਿਆਨ; ਨੋਡ/ਪੈਰਾਮੀਟਰ/ਗਾਈਡਵਰਡ ਮੈਟਰਿਕਸ ਫਰੇਮਵਰਕ ਦਸਤਾਵੇਜ਼ਾਂ ਨੂੰ ਤੇਜ਼ ਕਰਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ ਆਮ ਦ੍ਰਿਸ਼ ਰੀਕਾਲ ਅਤੇ ਮਿੰਟ ਸੰਪਾਦਨ। ਪਰ ਕਿਹੜਾ ਭਟਕਣਾ ਅਸਲ ਖ਼ਤਰਾ ਹੈ, ਨਤੀਜੇ ਦੀ ਗੰਭੀਰਤਾ ਅਤੇ ਸਾਵਧਾਨੀ ਦੀ ਢੁਕਵੀਂਤਾ ਬਹੁ-ਅਨੁਸ਼ਾਸਨੀ ਮਾਹਰ ਟੀਮ ਨਾਲ ਸਬੰਧਤ ਹੈ; ਇਸ ਤੋਂ ਇਲਾਵਾ, ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਵਿਚ ਪ੍ਰਕਿਰਿਆ-ਵਿਸ਼ੇਸ਼ ਖਤਰੇ ਨਹੀਂ ਪਾਏ ਜਾਂਦੇ ਹਨ। AI ਡਰਾਫਟ ਮਾਹਿਰ ਮੀਟਿੰਗ ਦਾ ਇਨਪੁਟ ਹੈ, ਆਉਟਪੁੱਟ ਨਹੀਂ।

11. ਮਿਆਰਾਂ ਅਤੇ ਰੈਗੂਲੇਟਰੀ ਖੋਜ ਵਿੱਚ AI ਲਈ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਚੇਤਾਵਨੀ ਕੀ ਹੈ?

ਏ) ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਕਦੇ ਵੀ ਆਪਣੇ ਮਿਆਰੀ ਗਿਆਨ ਵਿੱਚ ਗਲਤ ਨਹੀਂ ਹੈ, ਇਸਦੀ ਵਰਤੋਂ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ
ਅ) ਹਰੇਕ ਪਦਾਰਥ ਨੰਬਰ, ਸੀਮਾ ਮੁੱਲ ਅਤੇ ਮਿਤੀ ਨੂੰ ਇੱਕ ਪ੍ਰਾਇਮਰੀ ਅਤੇ ਮੌਜੂਦਾ ਸਰੋਤ ਤੋਂ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ; AI ਸਿਰਫ ਦਿਸ਼ਾ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ✔
C) ਅੱਪਡੇਟ ਜਾਂਚ ਬੇਲੋੜੀ ਹੈ ਕਿਉਂਕਿ ਮਿਆਰ ਕਦੇ ਨਹੀਂ ਬਦਲਦੇ।
ਡੀ) ਇਕੱਲੇ ਚੈਕਲਿਸਟ ਬਣਾਉਣਾ ਪਾਲਣਾ ਨੂੰ ਸਾਬਤ ਕਰਦਾ ਹੈ

ਵਿਆਖਿਆ: ਮਿਆਰੀ ਖੋਜ ਉਹਨਾਂ ਖੇਤਰਾਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ ਜਿੱਥੇ AI ਭਰਮ ਸਭ ਤੋਂ ਵੱਧ ਵਿਨਾਸ਼ਕਾਰੀ ਹੋ ਸਕਦਾ ਹੈ: ਇੱਕ ਗੈਰ-ਮੌਜੂਦ ਆਈਟਮ ਨੰਬਰ, ਇੱਕ ਗਲਤ ਬ੍ਰੇਕਪੁਆਇੰਟ, ਜਾਂ ਇੱਕ ਪੁਰਾਣੀ ਲੋੜ ਨੂੰ ਬਹੁਤ ਹੀ ਯਕੀਨਨ ਤਰੀਕੇ ਨਾਲ ਪੇਸ਼ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਪਾਲਣਾ ਦਾ ਮਤਲਬ ਸੁਰੱਖਿਆ ਅਤੇ ਕਾਨੂੰਨ ਦੋਵੇਂ ਹਨ। ਇਸ ਲਈ, ਹਰੇਕ ਪਦਾਰਥ, ਸੀਮਾ ਮੁੱਲ ਅਤੇ ਮਿਤੀ ਦੀ ਵਰਤੋਂ ਪ੍ਰਾਇਮਰੀ ਅਤੇ ਮੌਜੂਦਾ ਸਰੋਤ ਤੋਂ ਪੁਸ਼ਟੀ ਕੀਤੇ ਬਿਨਾਂ ਨਹੀਂ ਕੀਤੀ ਜਾ ਸਕਦੀ; AI ਸਿਰਫ ਦਿਸ਼ਾ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।

12. ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੁਆਰਾ ਲਿਖਿਆ ਗਿਆ ਇੱਕ ਪਾਈਥਨ ਇੰਜੀਨੀਅਰਿੰਗ ਕੈਲਕੂਲੇਸ਼ਨ ਕੋਡ ਗਲਤੀਆਂ ਦੇ ਬਿਨਾਂ ਕੰਮ ਕਰਦਾ ਹੈ ਅਤੇ ਇੱਕ ਨੰਬਰ ਤਿਆਰ ਕਰਦਾ ਹੈ। ਇਸ ਸਿੱਟੇ 'ਤੇ ਭਰੋਸਾ ਕਰਨ ਲਈ ਕੀ ਲੈਣਾ ਚਾਹੀਦਾ ਹੈ?

ਏ) ਕੋਡ ਦੀ ਗਲਤੀ-ਮੁਕਤ ਕਾਰਵਾਈ ਸਾਬਤ ਕਰਦੀ ਹੈ ਕਿ ਨਤੀਜਾ ਸਹੀ ਹੈ।
ਅ) ਕੋਡ ਨੂੰ ਇੱਕ ਜਾਣੇ-ਪਛਾਣੇ ਨਤੀਜੇ ਦੇ ਨਾਲ ਟੈਸਟ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ, ਯੂਨਿਟ ਅਤੇ ਕਿਨਾਰੇ ਦੇ ਕੇਸਾਂ ਦੀ ਜਾਂਚ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ, ਅਤੇ ਸੁਰੱਖਿਆ ਗਣਨਾ ਵੀ ਅਥਾਰਟੀ ਦੁਆਰਾ ਤਸਦੀਕ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ ✔
C) ਜੇਕਰ ਕੋਡ ਲੰਮਾ ਹੈ ਅਤੇ ਗੁੰਝਲਦਾਰ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ, ਤਾਂ ਇਸਨੂੰ ਸਹੀ ਮੰਨਿਆ ਜਾ ਸਕਦਾ ਹੈ
ਡੀ) ਕਿਉਂਕਿ ਇਹ ਨਕਲੀ ਬੁੱਧੀ ਦੁਆਰਾ ਲਿਖਿਆ ਗਿਆ ਹੈ, ਇਸ ਲਈ ਵਾਧੂ ਤਸਦੀਕ ਦੀ ਕੋਈ ਲੋੜ ਨਹੀਂ ਹੈ

ਵਿਆਖਿਆ: 'ਵਰਕਿੰਗ' ਅਤੇ 'ਸਹੀ' ਵੱਖੋ-ਵੱਖਰੀਆਂ ਚੀਜ਼ਾਂ ਹਨ: ਕੋਡ ਗਲਤੀਆਂ ਤੋਂ ਬਿਨਾਂ ਚੱਲ ਸਕਦਾ ਹੈ ਅਤੇ ਇੱਕ ਗਲਤ ਨੰਬਰ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ (ਯੂਨਿਟ ਉਲਝਣ, ਸਾਈਨ ਗਲਤੀ, ਸੂਚਕਾਂਕ ਸ਼ਿਫਟ)। ਇਸ ਲਈ, ਹਰੇਕ ਕੋਡ ਨੂੰ ਇੱਕ ਟੈਸਟ ਕੇਸ (ਵਿਸ਼ਲੇਸ਼ਕ ਨਮੂਨਾ, ਹੱਥ ਦੀ ਗਣਨਾ, ਹਵਾਲਾ ਡੇਟਾ) 'ਤੇ ਟੈਸਟ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਜਿਸਦਾ ਜਵਾਬ ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ; ਯੂਨਿਟਾਂ ਅਤੇ ਕਿਨਾਰਿਆਂ ਦੇ ਕੇਸਾਂ ਦੀ ਜਾਂਚ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ; ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਗਣਨਾਵਾਂ ਦੀ ਵੀ ਪ੍ਰਮਾਣਿਤ ਇੰਜੀਨੀਅਰ ਦੁਆਰਾ ਪੁਸ਼ਟੀ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ।

13. ਡਿਜ਼ਾਈਨ ਜਾਂ ਸੁਰੱਖਿਆ ਦਸਤਾਵੇਜ਼ ਵਿੱਚ ਲੀਕ ਹੋਣ ਵਾਲੇ ਇੱਕ ਬੱਗ ਤੋਂ ਸਿਰੇ ਤੋਂ ਅੰਤ ਤੱਕ ਏਆਈ-ਸਮਰੱਥ ਕੈਮੀਕਲ ਇੰਜਨੀਅਰਿੰਗ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਬਚਾਉਣ ਦਾ ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਤਰੀਕਾ ਕੀ ਹੈ?

ਏ) ਸਾਰੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਇੱਕ ਸਿੰਗਲ AI ਟੂਲ ਨੂੰ ਸੌਂਪਣਾ ਅਤੇ ਅੰਤ 'ਤੇ ਇੱਕ ਨਜ਼ਰ ਮਾਰਨਾ
ਅ) ਸਪੀਡ ਲਈ ਵਿਚਕਾਰਲੇ ਤਸਦੀਕ ਨੂੰ ਹਟਾਉਣਾ ਅਤੇ ਸਿਰਫ ਅੰਤਿਮ ਪੜਾਅ 'ਤੇ ਜਾਂਚ ਕਰਨਾ
C) ਹਰ ਪੜਾਅ 'ਤੇ ਮਨੁੱਖੀ ਤਸਦੀਕ ਗੇਟ ਅਤੇ ਇਕ-ਵਾਕ ਪਾਸ ਸ਼ਰਤ ਲਗਾਉਣਾ (ਲੇਅਰਡ ਵੈਰੀਫਿਕੇਸ਼ਨ) ✔
ਡੀ) ਹਰੇਕ ਇੰਜੀਨੀਅਰ ਬਿਨਾਂ ਰਿਕਾਰਡ ਰੱਖੇ ਆਪਣੇ ਵਾਹਨ ਦੀ ਖੁੱਲ੍ਹ ਕੇ ਵਰਤੋਂ ਕਰ ਸਕਦਾ ਹੈ।

ਵਰਣਨ: ਇੱਕ ਮਨੁੱਖੀ ਤਸਦੀਕ ਗੇਟ ਅਤੇ ਇੱਕ ਸਪੱਸ਼ਟ ਪਰਿਵਰਤਨ ਸਥਿਤੀ (ਕੀ ਇਹ ਸਥਿਰ ਹੈ, ਕੀ ਇਹ ਸਰੋਤ ਨਾਲ ਜੁੜਿਆ ਹੋਇਆ ਹੈ, ਕੀ ਕੋਡ ਟੈਸਟ ਕੀਤਾ ਗਿਆ ਹੈ, ਕੀ ਮਾਹਰ ਪ੍ਰਵਾਨਗੀ ਪ੍ਰਾਪਤ ਕੀਤੀ ਗਈ ਹੈ) ਹਰੇਕ ਪੜਾਅ (ਡਿਜ਼ਾਈਨ, ਵਿਸ਼ਲੇਸ਼ਣ, ਆਕਾਰ, ਸੁਰੱਖਿਆ, ਸੰਚਾਲਨ) 'ਤੇ ਰੱਖੇ ਗਏ ਹਨ। ਤੁਸੀਂ ਇੱਕ ਦਰਵਾਜ਼ੇ ਵਿੱਚੋਂ ਦੂਜੇ ਦਰਵਾਜ਼ੇ ਵਿੱਚੋਂ ਲੰਘੇ ਬਿਨਾਂ ਨਹੀਂ ਲੰਘ ਸਕਦੇ; ਇਹ ਲੇਅਰਡ ਬਣਤਰ ਇੱਕ ਸਿੰਗਲ ਏਆਈ ਗਲਤੀ ਨੂੰ ਅਗਲੇ ਪੜਾਵਾਂ ਵਿੱਚ ਲੀਕ ਹੋਣ ਤੋਂ ਰੋਕਦੀ ਹੈ।

14. ਨਿਮਨਲਿਖਤ ਵਿੱਚੋਂ ਕਿਹੜੀ ਐਪਲੀਕੇਸ਼ਨ ਇੱਕ ਸੰਸਥਾ ਵਿੱਚ ਨਕਲੀ ਬੁੱਧੀ ਦੀ ਵਰਤੋਂ ਨੂੰ ਸ਼ਾਸਨ ਦੇ ਰੂਪ ਵਿੱਚ ਸੁਰੱਖਿਅਤ ਬਣਾਉਂਦੀ ਹੈ?

ਏ) ਹਰੇਕ ਉਪਭੋਗਤਾ ਆਪਣੀ ਪਸੰਦ ਦੇ ਕਿਸੇ ਵੀ ਓਪਨ ਟੂਲ ਵਿੱਚ ਮਲਕੀਅਤ ਡੇਟਾ ਨੂੰ ਸੁਤੰਤਰ ਰੂਪ ਵਿੱਚ ਦਾਖਲ ਕਰ ਸਕਦਾ ਹੈ।
ਅ) ਇੱਕ ਗਵਰਨੈਂਸ ਫਰੇਮਵਰਕ ਜਿਸ ਵਿੱਚ ਇੱਕ ਪ੍ਰਵਾਨਿਤ ਵਾਹਨ ਸੂਚੀ, ਡੇਟਾ ਵਰਗੀਕਰਣ, ਟਰੇਸੇਬਿਲਟੀ, ਸਿਖਲਾਈ ਅਤੇ ਚੱਲ ਰਹੇ ਤਸਦੀਕ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ ✔
C) ਨਕਲੀ ਬੁੱਧੀ ਦੀ ਵਰਤੋਂ ਬਿਲਕੁਲ ਵੀ ਦਰਜ ਨਹੀਂ ਕੀਤੀ ਗਈ ਹੈ
D) ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਖਾਤਿਆਂ ਸਮੇਤ, ਹਰੇਕ ਨੌਕਰੀ ਲਈ ਇੱਕ ਸਿੰਗਲ, ਗੈਰ-ਪ੍ਰਵਾਨਿਤ ਟੂਲ ਦੀ ਵਰਤੋਂ ਕਰਨਾ

ਵਿਆਖਿਆ: 'ਹਰ ਕਿਸੇ ਨੂੰ ਉਹ ਡੇਟਾ ਦੇਣਾ ਚਾਹੀਦਾ ਹੈ ਜੋ ਉਹ ਚਾਹੁੰਦੇ ਹਨ ਵਾਹਨ ਨੂੰ ਦੇਣਾ ਚਾਹੀਦਾ ਹੈ' ਪਹੁੰਚ ਮਲਕੀਅਤ ਜਾਣਕਾਰੀ ਲੀਕ ਹੋਣ ਅਤੇ ਸੁਰੱਖਿਆ ਤਰੁੱਟੀਆਂ ਦੋਵਾਂ ਦਾ ਖਤਰਾ ਪੈਦਾ ਕਰਦੀ ਹੈ। ਇੱਕ ਠੋਸ ਸ਼ਾਸਨ ਢਾਂਚਾ; ਇਸ ਵਿੱਚ ਪ੍ਰਵਾਨਿਤ ਵਾਹਨ ਅਤੇ ਮਾਡਲ ਸੂਚੀ, ਡੇਟਾ ਵਰਗੀਕਰਣ (ਜੋ ਵਾਹਨ ਰਜਿਸਟਰਡ/ਨਿੱਜੀ ਡੇਟਾ ਰਜਿਸਟਰ ਕਰ ਸਕਦਾ ਹੈ), ਰਜਿਸਟ੍ਰੇਸ਼ਨ ਅਤੇ ਟਰੇਸੇਬਿਲਟੀ (ਆਡਿਟ ਟ੍ਰੇਲ), ਉਪਭੋਗਤਾ ਸਿਖਲਾਈ ਅਤੇ ਨਿਰੰਤਰ ਤਸਦੀਕ ਸ਼ਾਮਲ ਹਨ। ਇਹ ਨਾਜ਼ੁਕ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਹੈ ਜੋ ਜੋਖਮਾਂ ਨੂੰ ਸੀਮਿਤ ਕਰਦਾ ਹੈ।