ਲਾਭ:
- ਇਹ ਫਰਕ ਕਰਨ ਦੇ ਯੋਗ ਹੋਣਾ ਕਿ ਕਿੱਥੇ ਨਕਲੀ ਬੁੱਧੀ ਭੂ-ਭੌਤਿਕ ਵਰਕਫਲੋ (ਸ਼ੋਰ ਦਮਨ, ਪੈਟਰਨ ਮਾਰਕਿੰਗ, ਗਣਨਾ ਪ੍ਰਵੇਗ, ਰਿਪੋਰਟ) ਵਿੱਚ ਮੁੱਲ ਜੋੜਦੀ ਹੈ ਅਤੇ ਕਿੱਥੇ ਅੰਤਮ ਮਾਡਲ ਅਤੇ ਫੈਸਲਾ ਜੋਖਮ ਦੇ ਪੱਧਰ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ, ਮਨੁੱਖ ਲਈ ਛੱਡਿਆ ਜਾਂਦਾ ਹੈ।
- ਇੱਕ ਅਨੁਸ਼ਾਸਨ ਨੂੰ ਲਾਗੂ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਜੋ ਹਰ ਇੱਕ ਨਕਲੀ ਖੁਫੀਆ ਆਉਟਪੁੱਟ ਨੂੰ ਸਰੋਤ ਨਾਲ ਜੋੜ ਕੇ, ਇੱਕ ਸੁਤੰਤਰ ਵਿਧੀ ਨਾਲ ਇਸਦੀ ਪੁਸ਼ਟੀ ਕਰਕੇ, ਅਤੇ ਇਸਨੂੰ ਇੱਕ ਭੌਤਿਕ-ਭੂ-ਵਿਗਿਆਨ ਫਿਲਟਰ ਦੁਆਰਾ ਪਾਸ ਕਰਕੇ ਪ੍ਰਮਾਣਿਤ ਕਰਦੀ ਹੈ।
- ਇਹ ਸਮਝਣ ਦੇ ਯੋਗ ਹੋਣਾ ਕਿ ਭੂ-ਭੌਤਿਕ ਵਿਗਿਆਨ (ਕਈ ਮਾਡਲਾਂ ਨੂੰ ਇੱਕੋ ਡੇਟਾ ਵਿੱਚ ਫਿੱਟ ਕਰਨਾ) ਵਿੱਚ ਮੌਜੂਦ ਪੌਲੀਸੀਮੀ ਨੂੰ ਨਕਲੀ ਬੁੱਧੀ ਦੁਆਰਾ ਛੁਪਾਇਆ ਜਾ ਸਕਦਾ ਹੈ ਅਤੇ ਵਿਕਲਪਕ ਦ੍ਰਿਸ਼ਾਂ ਦੀ ਮੰਗ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ ਜੋ ਅਨਿਸ਼ਚਿਤਤਾ ਨੂੰ ਘੱਟ ਕਰਦੇ ਹਨ।
ਇੱਕ ਭੂ-ਭੌਤਿਕ ਇੰਜੀਨੀਅਰ ਹੋਣ ਦੇ ਨਾਤੇ, ਤੁਸੀਂ ਅਕਸਰ ਆਪਣੇ ਡੈਸਕ 'ਤੇ ਬੈਠ ਕੇ ਕਿਸੇ ਅਜਿਹੀ ਚੀਜ਼ ਨੂੰ ਸਮਝਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹੋ ਜੋ ਤੁਸੀਂ ਸਿੱਧੇ ਨਹੀਂ ਦੇਖ ਸਕਦੇ ਹੋ: ਪਰਤਾਂ, ਨੁਕਸ, ਧਾਤ ਦੇ ਸਰੀਰ, ਪਾਣੀ ਦੀ ਮੇਜ਼, ਜਾਂ ਸਤ੍ਹਾ ਤੋਂ ਸੈਂਕੜੇ ਮੀਟਰ ਹੇਠਾਂ ਇੱਕ ਹਾਈਡਰੋਕਾਰਬਨ ਭੰਡਾਰ। ਤੁਹਾਡੇ ਕੋਲ ਸਿਰਫ ਅਸਿੱਧੇ ਮਾਪ ਹਨ - ਭੂਚਾਲ ਦੀਆਂ ਤਰੰਗਾਂ ਜੋ ਤੁਸੀਂ ਸਤਹ 'ਤੇ ਰਿਕਾਰਡ ਕਰਦੇ ਹੋ, ਗਰੈਵੀਟੇਸ਼ਨਲ ਫੀਲਡ ਵਿੱਚ ਛੋਟੀਆਂ ਗੜਬੜੀਆਂ, ਚੁੰਬਕੀ ਵਿਗਾੜ, ਬਿਜਲੀ ਪ੍ਰਤੀਰੋਧਕਤਾਵਾਂ। ਇਸ ਯੂਨਿਟ ਵਿੱਚ, ਅਸੀਂ ਸਪਸ਼ਟ ਕਰਾਂਗੇ ਕਿ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਅਸਲ ਵਿੱਚ ਇਹਨਾਂ ਅਸਿੱਧੇ ਡੇਟਾ ਨੂੰ ਸਮਝਣ ਵਿੱਚ ਸਮਾਂ ਅਤੇ ਸ਼ੁੱਧਤਾ ਦੀ ਕਿੱਥੇ ਬਚਤ ਕਰਦੀ ਹੈ, ਅਤੇ ਕਿੱਥੇ ਫੈਸਲਾ ਇੱਕ ਯੋਗ ਭੂ-ਭੌਤਿਕ ਵਿਗਿਆਨੀ ਉੱਤੇ ਛੱਡ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ। ਚਲੋ ਇਸਨੂੰ ਸ਼ੁਰੂ ਤੋਂ ਹੀ ਰੱਖਦੇ ਹਾਂ: ਏਆਈ ਇੱਕ ਵਿਆਖਿਆ ਸਹਾਇਕ ਅਤੇ ਗਣਨਾ ਐਕਸਲੇਟਰ ਹੈ; ਇਹ ਉਸ ਮਾਹਰ ਦੀ ਥਾਂ ਨਹੀਂ ਲੈਂਦਾ ਜੋ ਭੂਮੀਗਤ ਮਾਡਲ ਨੂੰ ਮਨਜ਼ੂਰੀ ਦਿੰਦਾ ਹੈ, ਜੋਖਿਮ ਨੂੰ ਮੰਨਦਾ ਹੈ ਅਤੇ ਅੰਤਮ ਕਹਿਣਾ ਹੈ।
ਭੂ-ਭੌਤਿਕ ਵਿਗਿਆਨ ਵਿੱਚ ਨਕਲੀ ਬੁੱਧੀ ਕਿੱਥੇ ਕੰਮ ਆਉਂਦੀ ਹੈ?
ਆਓ ਪਹਿਲਾਂ ਸ਼ਬਦ ਨੂੰ ਸਪੱਸ਼ਟ ਕਰੀਏ। ਭੂ-ਭੌਤਿਕ ਵਿਗਿਆਨ ਧਰਤੀ ਦੇ ਭੌਤਿਕ ਖੇਤਰਾਂ (ਭੂਚਾਲ, ਗੰਭੀਰਤਾ, ਚੁੰਬਕੀ, ਇਲੈਕਟ੍ਰਿਕ, ਇਲੈਕਟ੍ਰੋਮੈਗਨੈਟਿਕ, ਰੇਡੀਓਮੈਟ੍ਰਿਕ) ਨੂੰ ਸਤਹ ਜਾਂ ਖੂਹ ਤੋਂ ਮਾਪਣ ਅਤੇ ਭੂਮੀਗਤ ਦੀ ਬਣਤਰ ਨੂੰ ਘਟਾਉਣ ਦਾ ਵਿਗਿਆਨ ਹੈ। ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਇੱਥੇ ਜਿਆਦਾਤਰ ਦੋ ਰੂਪਾਂ ਵਿੱਚ ਪ੍ਰਗਟ ਹੁੰਦੀ ਹੈ: (1) ਮਸ਼ੀਨ ਲਰਨਿੰਗ - ਐਲਗੋਰਿਦਮ ਜੋ ਡੇਟਾ ਤੋਂ ਪੈਟਰਨ ਸਿੱਖਦੇ ਹਨ (ਮਸ਼ੀਨ ਲਰਨਿੰਗ - ਐਲਗੋਰਿਦਮ ਜੋ ਲੇਬਲ ਕੀਤੀਆਂ ਉਦਾਹਰਣਾਂ ਤੋਂ ਨਿਯਮ ਕੱਢਦੇ ਹਨ) ਅਤੇ (2) ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲ ਜੋ ਟੈਕਸਟ, ਕੋਡ ਅਤੇ ਰਿਪੋਰਟਾਂ (ਛੋਟੇ ਲਈ LLM - ਮਾਡਲ ਜੋ ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਵਿੱਚ ਪ੍ਰਸ਼ਨ ਅਤੇ ਉੱਤਰ ਅਤੇ ਡਰਾਫਟ ਤਿਆਰ ਕਰਦੇ ਹਨ)।
ਉਹ ਖੇਤਰ ਜਿੱਥੇ ਭੂ-ਭੌਤਿਕ ਵਿਗਿਆਨ ਵਿੱਚ AI ਮਜ਼ਬੂਤ ਹੈ:
- ਸ਼ੋਰ ਦਮਨ ਅਤੇ ਸਿਗਨਲ ਸੁਧਾਰ: ਭੂਚਾਲ ਦੇ ਰਿਕਾਰਡਾਂ ਵਿੱਚ ਬੇਤਰਤੀਬੇ ਅਤੇ ਸੁਮੇਲ ਵਾਲੇ ਸ਼ੋਰ ਨੂੰ ਵੱਖ ਕਰਨਾ।
- ਆਟੋਮੈਟਿਕ ਪੈਟਰਨ ਮਾਰਕਿੰਗ: ਫਾਲਟ, ਹਰੀਜ਼ੋਨ (ਹਰੀਜੱਟਲ ਰਿਫਲੈਕਟਿਵ ਲੇਅਰ ਬਾਉਂਡਰੀ), ਭੂਚਾਲ ਦੇ ਪੜਾਅ ਜਾਂ ਅਸੰਗਤ ਉਮੀਦਵਾਰਾਂ ਦਾ ਤੁਰੰਤ ਸੁਝਾਅ ਦਿਓ।
- ਵਰਗੀਕਰਨ ਅਤੇ ਕਲੱਸਟਰਿੰਗ: ਭੂਚਾਲ ਦੇ ਚਿਹਰੇ (ਸਮਾਨ ਤਰੰਗ ਅੱਖਰ ਵਾਲੇ ਖੇਤਰ) ਜਾਂ ਖੂਹ ਦੇ ਲੌਗਸ ਨੂੰ ਸਮੂਹ ਕਰਨਾ।
- ਐਕਸਲਰੇਟਿਡ ਕੈਲਕੂਲੇਸ਼ਨ: ਇੱਕ ਸਰੋਗੇਟ ਮਾਡਲ ਨਾਲ ਹੈਵੀ ਫਾਰਵਰਡ ਮਾਡਲਿੰਗ ਅਤੇ ਉਲਟ ਕਦਮਾਂ ਨੂੰ ਲਗਭਗ ਅਤੇ ਤੇਜ਼ੀ ਨਾਲ ਹੱਲ ਕਰਨਾ।
- ਰਿਪੋਰਟ ਅਤੇ ਕੋਡ ਡਰਾਫਟ: ਪ੍ਰੋਸੈਸਿੰਗ ਫਲੋ, ਪਾਈਥਨ ਸਕ੍ਰਿਪਟ ਅਤੇ ਟਿੱਪਣੀ ਰਿਪੋਰਟ ਡਰਾਫਟ ਤਿਆਰ ਕਰਨਾ।
ਬਹੁਤ ਸਾਰੇ ਖੇਤਰ ਹਨ ਜਿੱਥੇ AI ਕਮਜ਼ੋਰ ਜਾਂ ਖ਼ਤਰਨਾਕ ਹੈ: ਇਹ ਸਰੀਰਕ ਤੌਰ 'ਤੇ ਅਸੰਗਤ ਮਾਡਲ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ, ਇਹ "ਢਾਂਚਾ" ਲਈ ਡੇਟਾ ਵਿੱਚ ਇੱਕ ਸ਼ੋਰ ਪੈਟਰਨ ਨੂੰ ਗਲਤੀ ਦੇ ਸਕਦਾ ਹੈ, ਇਹ ਉਹਨਾਂ ਖੇਤਰਾਂ ਵਿੱਚ ਉੱਚ-ਵਿਸ਼ਵਾਸ ਦੇ ਸਕਦਾ ਹੈ ਪਰ ਗਲਤ ਨਤੀਜੇ ਦੇ ਸਕਦਾ ਹੈ ਜੋ ਉਸ ਖੇਤਰ ਦੇ ਸਮਾਨ ਨਹੀਂ ਹਨ ਜਿਸ ਵਿੱਚ ਇਸਨੂੰ ਸਿਖਲਾਈ ਦਿੱਤੀ ਗਈ ਸੀ। ਇਸਲਈ, ਹਰੇਕ ਆਉਟਪੁੱਟ ਨੂੰ ਇੱਕ ਪਰਿਕਲਪਨਾ ਦੇ ਰੂਪ ਵਿੱਚ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ।
ਸੁਝਾਅ: AI ਆਉਟਪੁੱਟ ਨੂੰ ਕਦੇ ਵੀ "ਨਤੀਜੇ" ਵਜੋਂ ਨਾ ਪੜ੍ਹੋ ਪਰ "ਤੁਰੰਤ ਪਹਿਲੇ ਡਰਾਫਟ" ਵਜੋਂ। ਭੂ-ਭੌਤਿਕ ਵਿਗਿਆਨ ਵਿੱਚ, ਮਲਟੀਪਲ ਸਬਸਰਫੇਸ ਮਾਡਲ ਇੱਕੋ ਡੇਟਾ ਨੂੰ ਫਿੱਟ ਕਰਦੇ ਹਨ (ਇਸ ਨੂੰ ਅਨਿਸ਼ਚਿਤਤਾ ਕਿਹਾ ਜਾਂਦਾ ਹੈ); ਭਾਵੇਂ AI ਬਹੁਤ ਭਰੋਸੇ ਨਾਲ ਤੁਹਾਨੂੰ ਇੱਕ ਮਾਡਲ ਪੇਸ਼ ਕਰਦਾ ਹੈ, ਇਹ ਸੰਭਵ ਮਾਡਲਾਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ।
ਅਨਿਸ਼ਚਿਤਤਾ: ਭੂ-ਭੌਤਿਕ ਵਿਗਿਆਨ ਦੇ ਦਿਲ ਵਿੱਚ ਸੱਚ
ਭੂ-ਭੌਤਿਕ ਵਿਗਿਆਨ ਦਾ ਸਭ ਤੋਂ ਬੁਨਿਆਦੀ ਤੱਥ ਗੈਰ-ਵਿਲੱਖਣਤਾ ਹੈ - ਇੱਕ ਤੋਂ ਵੱਧ ਉਪ-ਸਤਹੀ ਮਾਡਲ ਦੀ ਮੌਜੂਦਗੀ ਜੋ ਇੱਕੋ ਸਤਹ ਦੇ ਮਾਪ ਦੀ ਵਿਆਖਿਆ ਕਰ ਸਕਦੀ ਹੈ। ਇੱਕ ਗੰਭੀਰਤਾ ਵਿਗਾੜ ਜਾਂ ਤਾਂ ਇੱਕ ਖੋਖਲੇ ਅਤੇ ਘੱਟ ਸੰਘਣੇ ਪੁੰਜ ਜਾਂ ਇੱਕ ਡੂੰਘੇ ਅਤੇ ਬਹੁਤ ਸੰਘਣੇ ਪੁੰਜ ਦੁਆਰਾ ਪੈਦਾ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। AI ਇਸ ਤੱਥ ਨੂੰ ਖਤਮ ਨਹੀਂ ਕਰਦਾ; ਇਸ ਦੇ ਉਲਟ, ਇਹ ਇੱਕ ਭਰੋਸੇਮੰਦ ਜਵਾਬ ਪੈਦਾ ਕਰਕੇ ਅਨਿਸ਼ਚਿਤਤਾ ਨੂੰ ਛੁਪਾ ਸਕਦਾ ਹੈ। ਇੱਕ ਚੰਗਾ ਭੂ-ਭੌਤਿਕ ਵਿਗਿਆਨੀ AI ਦੀ ਵਰਤੋਂ ਅਨਿਸ਼ਚਿਤਤਾ ਨੂੰ ਘਟਾਉਣ ਲਈ ਕਰਦਾ ਹੈ (ਭੂ-ਵਿਗਿਆਨ, ਖੂਹ ਦਾ ਡਾਟਾ, ਵੱਖ-ਵੱਖ ਤਰੀਕਿਆਂ ਨੂੰ ਜੋੜਨਾ), ਇਸ ਨੂੰ ਲੁਕਾਉਣ ਲਈ ਨਹੀਂ।
ਅੰਤ ਤੋਂ ਅੰਤ ਤੱਕ ਜੀਓਫਿਜ਼ੀਕਲ ਵਰਕਫਲੋ ਵਿੱਚ ਏ.ਆਈ
ਇੱਕ ਆਮ ਖੋਜ ਪ੍ਰੋਜੈਕਟ ਇਸ ਲੜੀ ਦਾ ਪਾਲਣ ਕਰਦਾ ਹੈ: ਸਾਈਟ ਦੀ ਯੋਜਨਾਬੰਦੀ → ਡੇਟਾ ਸੰਗ੍ਰਹਿ → ਪ੍ਰੀਪ੍ਰੋਸੈਸਿੰਗ/ਸ਼ੋਰ ਦਮਨ → ਇਮੇਜਿੰਗ → ਵਿਆਖਿਆ → ਉਲਟਾ/ਮਾਡਲ → ਜੋਖਮ ਅਤੇ ਫੈਸਲਾ → ਰਿਪੋਰਟ। AI ਇਸ ਲੜੀ ਵਿੱਚ ਜ਼ਿਆਦਾਤਰ ਲਿੰਕਾਂ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ, ਪਰ ਹਰੇਕ ਲਿੰਕ ਦੇ ਅੰਤ ਵਿੱਚ ਇੱਕ ਮਨੁੱਖੀ ਤਸਦੀਕ ਗੇਟ ਹੁੰਦਾ ਹੈ। ਡਾਟਾ ਇਕੱਠਾ ਕਰਨ ਦੀ ਯੋਜਨਾਬੰਦੀ ਅਤੇ ਸਾਈਟ ਸੁਰੱਖਿਆ ਪੂਰੀ ਤਰ੍ਹਾਂ ਮਨੁੱਖੀ ਜ਼ਿੰਮੇਵਾਰੀ ਹੈ; ਉਲਟ ਦੀ ਭੌਤਿਕ ਵੈਧਤਾ ਅਤੇ ਅੰਤਮ ਉਪ-ਸਰਫੇਸ ਮਾਡਲ ਲਈ ਮਾਹਰ ਪੁਸ਼ਟੀ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।
ਪ੍ਰਮਾਣਿਕਤਾ ਅਨੁਸ਼ਾਸਨ: ਤਿੰਨ-ਲੇਅਰ ਫਿਲਟਰ
ਹਰੇਕ AI ਆਉਟਪੁੱਟ ਨੂੰ ਤਿੰਨ ਪੜਾਵਾਂ ਰਾਹੀਂ ਲਓ:
- ਸਰੋਤ ਨਾਲ ਲਿੰਕ: ਕਿਹੜਾ ਮਾਪ, ਕੀ ਟਰੇਸ - ਇੱਕ ਸਿੰਗਲ ਰਿਸੀਵਰ ਦੁਆਰਾ ਰਿਕਾਰਡ ਕੀਤੀ ਗਈ ਸਮਾਂ ਲੜੀ, ਆਉਟਪੁੱਟ ਕਿਸ 'ਤੇ ਅਧਾਰਤ ਹੈ? ਅਣਸੁਲਝੇ ਦਾਅਵੇ ਸਵੀਕਾਰ ਨਹੀਂ ਕੀਤੇ ਜਾਂਦੇ ਹਨ।
- ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਪੁਸ਼ਟੀ ਕਰੋ: ਗੰਭੀਰਤਾ/ਚੁੰਬਕੀ ਜਾਂ ਚੰਗੀ ਤਰ੍ਹਾਂ ਦੇ ਡੇਟਾ ਵਿੱਚ ਭੂਚਾਲ ਵਿੱਚ ਜੋ ਨੁਕਸ ਤੁਸੀਂ ਦੇਖਦੇ ਹੋ, ਉਸ ਨੂੰ ਦੇਖੋ। ਇੱਕ ਸਿੰਗਲ ਵਿਧੀ ਦੁਆਰਾ ਚਿੰਨ੍ਹਿਤ ਢਾਂਚਾ ਇੱਕ ਉਮੀਦਵਾਰ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਤੱਕ ਕ੍ਰਾਸ-ਪ੍ਰਮਾਣਿਤ ਨਹੀਂ ਹੁੰਦਾ।
- ਭੌਤਿਕ ਵਿਗਿਆਨ ਅਤੇ ਭੂ-ਵਿਗਿਆਨ ਫਿਲਟਰ: ਕੀ ਨਤੀਜਾ ਭੌਤਿਕ ਤੌਰ 'ਤੇ ਸੰਭਵ ਹੈ (ਘਣਤਾ, ਵੇਗ ਰੇਂਜ ਵਾਜਬ)? ਕੀ ਇਹ ਖੇਤਰ ਦੇ ਭੂ-ਵਿਗਿਆਨ ਨਾਲ ਟਕਰਾਅ ਹੈ?
ਸਾਵਧਾਨ: AI-ਅਧਾਰਿਤ ਵਰਗੀਕਰਣ ਦੁਆਰਾ ਵਾਪਸ ਕੀਤੀ ਗਈ "92% ਨੁਕਸ ਸੰਭਾਵਨਾ" ਵਰਗੀ ਸੰਖਿਆ ਅਸਲ ਸੰਭਾਵਨਾ ਨਹੀਂ ਹੈ ਜੇਕਰ ਇਹ ਕੈਲੀਬਰੇਟ ਨਹੀਂ ਕੀਤੀ ਗਈ ਹੈ। ਮਾਡਲ ਵਿਸ਼ਵਾਸ ਅਤੇ ਅਸਲ ਸ਼ੁੱਧਤਾ ਅਕਸਰ ਮੇਲ ਨਹੀਂ ਖਾਂਦੇ; ਆਪਣੇ ਫੈਸਲੇ ਨੂੰ ਸੁਤੰਤਰ ਡੇਟਾ ਨਾਲ ਕੈਲੀਬ੍ਰੇਟ ਕੀਤੇ ਬਿਨਾਂ ਵਿਸ਼ਵਾਸ ਸਕੋਰ 'ਤੇ ਅਧਾਰਤ ਨਾ ਕਰੋ।
ਤਿੰਨ ਛੋਟੇ ਕੇਸ
ਕੇਸ 1 - ਸਹੀ ਢੰਗ ਨਾਲ ਪ੍ਰਬੰਧਿਤ ਹੋਣ 'ਤੇ ਸਪੀਡ ਲਾਭ। ਖੋਜਕਰਤਾਵਾਂ ਦੀ ਇੱਕ ਟੀਮ ਨੇ 1,200 km² 3D ਭੂਚਾਲ ਵਾਲੀਅਮ ਵਿੱਚ AI ਨਾਲ ਪਹਿਲਾ ਨੁਕਸ ਸਕੈਨ ਕੀਤਾ। ਸ਼ੁਰੂਆਤੀ ਨਿਸ਼ਾਨਦੇਹੀ, ਜਿਸ ਵਿੱਚ ਹੱਥੀਂ 3 ਹਫ਼ਤੇ ਲੱਗ ਗਏ, 2 ਦਿਨਾਂ ਵਿੱਚ ਪ੍ਰਗਟ ਹੋਏ। ਟੀਮ ਨੇ ਬੋਰਹੋਲ ਅਤੇ ਗਰੈਵਿਟੀ ਡੇਟਾ ਦੇ ਨਾਲ YZ ਦੁਆਰਾ ਚਿੰਨ੍ਹਿਤ 340 ਨੁਕਸ ਵਾਲੇ ਹਿੱਸਿਆਂ ਦਾ ਨਿਰੀਖਣ ਕੀਤਾ; ਉਸਨੇ ਉਹਨਾਂ ਵਿੱਚੋਂ 71 ਨੂੰ ਖਤਮ ਕੀਤਾ, ਦੇਖਿਆ ਕਿ AI ਨੇ 12 ਅਸਲ ਨੁਕਸ ਗੁਆ ਦਿੱਤੇ ਸਨ, ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਹੱਥੀਂ ਜੋੜਿਆ। ਨਤੀਜਾ: ਤੇਜ਼ ਅਤੇ ਭਰੋਸੇਮੰਦ ਦੋਵੇਂ, ਕਿਉਂਕਿ ਇਸਦਾ ਇੱਕ ਪੁਸ਼ਟੀਕਰਨ ਗੇਟ ਸੀ।
ਕੇਸ 2 - ਬਣਤਰ ਲਈ ਗਲਤ ਸ਼ੋਰ। ਇੱਕ ਟੀਮ ਨੇ ਇੱਕ ਟਰੇਸ ਨੂੰ ਗਲਤ ਸਮਝਿਆ ਜਿਸਨੂੰ AI ਇੱਕ ਭੰਡਾਰ ਸੀਮਾ ਲਈ "ਡੂੰਘੀ ਪ੍ਰਤੀਬਿੰਬਤ ਪਰਤ" ਕਹਿੰਦਾ ਹੈ। ਸੀਨੀਅਰ ਸਮੀਖਿਅਕ ਨੇ ਨੋਟ ਕੀਤਾ ਕਿ ਇਹ ਟਰੇਸ ਕੇਵਲ ਇੱਕ ਖਾਸ ਪ੍ਰੋਸੈਸਿੰਗ ਪੜਾਅ ਤੋਂ ਬਾਅਦ ਪ੍ਰਗਟ ਹੋਇਆ ਸੀ ਅਤੇ ਕੱਚੇ ਡੇਟਾ ਵਿੱਚ ਨਹੀਂ ਸੀ: ਟਰੇਸ ਇੱਕ ਪ੍ਰੋਸੈਸਿੰਗ ਆਰਟੀਫੈਕਟ ਸੀ - ਐਲਗੋਰਿਦਮ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੀ ਗਈ ਤਸਵੀਰ ਜਿਸਦਾ ਜ਼ਮੀਨ 'ਤੇ ਕੋਈ ਬਰਾਬਰ ਨਹੀਂ ਸੀ। ਜੇਕਰ ਉਹ ਕੱਚੇ ਡੇਟਾ 'ਤੇ ਵਾਪਸ ਨਹੀਂ ਜਾਂਦੇ, ਤਾਂ ਉਹ ਇੱਕ ਅਜਿਹੇ ਭੰਡਾਰ ਲਈ ਇੱਕ ਖੂਹ ਦਾ ਪ੍ਰਸਤਾਵ ਕਰਨਗੇ ਜੋ ਮੌਜੂਦ ਨਹੀਂ ਹੈ।
ਕੇਸ 3 - ਖੇਤਰ ਤੋਂ ਬਾਹਰ ਸਧਾਰਣ ਬਣਾਉਣ ਵਿੱਚ ਗਲਤੀ। ਉੱਤਰੀ ਸਾਗਰ ਦੇ ਡੇਟਾ 'ਤੇ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਇੱਕ ਫੇਸੀਜ਼ ਵਰਗੀਫਾਇਰ ਦੀ ਵਰਤੋਂ ਐਨਾਟੋਲੀਅਨ ਬੇਸਿਨ ਵਿੱਚ ਕੀਤੀ ਗਈ ਸੀ ਅਤੇ ਰੇਤਲੇ ਪੱਥਰ ਅਤੇ ਚੂਨੇ ਦੇ ਪੱਥਰ ਨੂੰ ਯੋਜਨਾਬੱਧ ਤਰੀਕੇ ਨਾਲ ਮਿਲਾਇਆ ਗਿਆ ਸੀ। ਮਾਡਲ ਨੇ ਸਿੱਖਿਆ ਖੇਤਰ ਦੇ ਗਤੀ-ਘਣਤਾ ਸਬੰਧਾਂ ਦੇ ਆਧਾਰ 'ਤੇ ਫੈਸਲੇ ਲਏ। ਜਦੋਂ ਟੀਮ ਨੇ ਸਥਾਨਕ ਖੂਹਾਂ ਨਾਲ ਰੀਕੈਲੀਬ੍ਰੇਟ ਕੀਤਾ, ਤਾਂ ਸ਼ੁੱਧਤਾ 58% ਤੋਂ 86% ਤੱਕ ਵਧ ਗਈ।
ਚਾਰ ਕਾਪੀ ਕਰਨ ਯੋਗ ਟੈਂਪਲੇਟ
1) ਵਰਕਫਲੋ ਵਿੱਚ ਏਆਈ ਰੋਲ ਮੈਪਿੰਗ:
ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਸੀਨੀਅਰ ਭੂ-ਭੌਤਿਕ ਵਿਆਖਿਆ ਸਲਾਹਕਾਰ। ਮੇਰਾ ਪ੍ਰੋਜੈਕਟ: [3D ਭੂਚਾਲ + ਗੰਭੀਰਤਾ, ਹਾਈਡਰੋਕਾਰਬਨ ਖੋਜ]। ਮੇਰੇ ਵਰਕਫਲੋ ਨੂੰ ਕਦਮ-ਦਰ-ਕਦਮ ਸੂਚੀਬੱਧ ਕਰੋ (ਪ੍ਰਾਪਤੀ → ਪ੍ਰੋਸੈਸਿੰਗ → ਇਮੇਜਿੰਗ → ਵਿਆਖਿਆ → ਉਲਟਾ → ਰਿਪੋਰਟ) ਅਤੇ ਹਰੇਕ ਪੜਾਅ ਲਈ ਉਹ ਹਿੱਸਾ ਲਿਖੋ ਜਿਸ ਵਿੱਚ AI ਸੁਰੱਖਿਅਤ ਢੰਗ ਨਾਲ ਸਹਾਇਤਾ ਕਰ ਸਕਦਾ ਹੈ, ਉਹ ਹਿੱਸਾ ਜਿਸ ਨੂੰ ਮਨੁੱਖੀ ਪ੍ਰਵਾਨਗੀ ਦੀ ਲੋੜ ਹੈ, ਅਤੇ ਪੁਸ਼ਟੀਕਰਨ ਜਾਂਚ।
2) ਆਉਟਪੁੱਟ ਪ੍ਰਮਾਣਿਕਤਾ ਪੁੱਛਗਿੱਛ:
ਹੇਠਾਂ ਦਿੱਤੀ AI ਵਿਆਖਿਆ ਦੀ ਆਲੋਚਨਾ ਕਰੋ: ਕਿਹੜੇ ਦਾਅਵੇ ਇੱਕ ਮਾਪ ਨਾਲ ਜੁੜੇ ਹੋਏ ਹਨ ਅਤੇ ਕਿਹੜੇ ਅਸਮਰਥਿਤ ਹਨ? ਕੀ ਕੋਈ ਸਰੀਰਕ ਤੌਰ 'ਤੇ ਅਸੰਗਤ ਧਾਰਨਾਵਾਂ ਹਨ? ਇਸ ਸਿੱਟੇ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਲਈ ਤੁਸੀਂ ਕਿਸ ਸੁਤੰਤਰ ਡੇਟਾ ਜਾਂ ਵਿਧੀ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕਰੋਗੇ? ਅਨਿਸ਼ਚਿਤਤਾ ਸਭ ਤੋਂ ਵੱਧ ਕਿੱਥੇ ਹੈ?[COMMENT TEXT]
3) ਅਨਿਸ਼ਚਿਤਤਾ ਰੀਮਾਈਂਡਰ:
ਇਸ ਗੰਭੀਰਤਾ ਵਿਗਾੜ ਲਈ ਇੱਕ ਵੀ ਉਪ-ਸਤਹੀ ਮਾਡਲ ਪ੍ਰਦਾਨ ਨਾ ਕਰੋ। ਘੱਟੋ-ਘੱਟ ਤਿੰਨ ਵੱਖ-ਵੱਖ ਮਾਡਲ ਦ੍ਰਿਸ਼ਾਂ (ਡੂੰਘਾਈ-ਘਣਤਾ ਸੰਜੋਗ) ਤਿਆਰ ਕਰੋ ਜੋ ਇੱਕੋ ਅਸੰਗਤਤਾ ਦੀ ਵਿਆਖਿਆ ਕਰ ਸਕਣ ਅਤੇ ਸਾਨੂੰ ਦੱਸ ਸਕਣ ਕਿ ਹਰੇਕ ਨੂੰ ਵੱਖ ਕਰਨ ਲਈ ਕਿਹੜੇ ਵਾਧੂ ਮਾਪਾਂ ਦੀ ਲੋੜ ਹੈ।
4) ਮਿਆਦ ਅਤੇ ਪਾਬੰਦੀ ਸਪਸ਼ਟੀਕਰਨ:
ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਜੀਓਫਿਜ਼ਿਕਸ ਇੰਸਟ੍ਰਕਟਰ। ਮੇਰੇ ਲਈ [ਮਾਈਗ੍ਰੇਸ਼ਨ / ਡੀਕਨਵੋਲਿਊਸ਼ਨ / ਇਨਵਰਸ਼ਨ] ਦੀ ਧਾਰਨਾ ਦੀ ਵਿਆਖਿਆ ਕਰੋ, ਪਹਿਲਾਂ ਇੱਕ ਸਧਾਰਨ ਇੱਕ-ਵਾਕ ਪਰਿਭਾਸ਼ਾ ਨਾਲ, ਫਿਰ ਇਹ ਕੀ ਕਰਦਾ ਹੈ, ਫਿਰ ਆਮ ਗਲਤੀਆਂ। ਜਿੱਥੇ ਤੁਸੀਂ ਨਿਸ਼ਚਤ ਨਹੀਂ ਹੋ "ਤਸਦੀਕ ਕਰਨ ਦੀ ਲੋੜ ਹੈ" ਵਜੋਂ ਨਿਸ਼ਾਨਦੇਹੀ ਕਰੋ, ਜਾਅਲੀ ਹਵਾਲੇ ਨਾ ਦਿਓ।
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:
ਟਿੱਪਣੀ ਕਰੋ ਕਿ ਕੀ ਇਸ ਭੂਚਾਲ ਵਾਲੇ ਭਾਗ ਵਿੱਚ ਕੋਈ ਨੁਕਸ ਹੈ।
ਕੋਈ ਸੰਦਰਭ ਨਹੀਂ, ਡਾਟਾ ਸਰੋਤ ਅਸਪਸ਼ਟ; AI ਇੱਕ ਭਰੋਸੇਮੰਦ ਪਰ ਬੇਕਾਬੂ ਜਵਾਬ ਪੈਦਾ ਕਰਦਾ ਹੈ।
ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:
ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਭੂਚਾਲ ਦੀ ਵਿਆਖਿਆ ਮਾਹਰ। ਸੰਦਰਭ: [ਬੇਸਿਨ ਦੀ ਕਿਸਮ, ਟੀਚਾ ਡੂੰਘਾਈ 2-3 ਕਿਲੋਮੀਟਰ, ਮਾਈਗ੍ਰੇਸ਼ਨ ਤੋਂ ਬਾਅਦ ਦੀ ਮਿਆਦ]। ਮੈਂ ਵਿਸ਼ੇਸ਼ਤਾ ਮੁੱਲ (ਨਿਰੰਤਰਤਾ, ਤਾਲਮੇਲ, ਢਲਾਨ) ਦੇਵਾਂਗਾ ਜੋ ਮੈਂ ਕਲਾ ਵਿੱਚ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤਾ ਹੈ। ਕਾਰਜ: ਸੰਭਾਵੀ ਨੁਕਸ ਵਾਲੇ ਖੇਤਰਾਂ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕਰੋ, ਹਰੇਕ ਚਿੰਨ੍ਹ ਲਈ ਲਿਖੋ ਕਿ ਇਹ ਕਿਸ ਵਿਸ਼ੇਸ਼ਤਾ 'ਤੇ ਅਧਾਰਤ ਹੈ, ਅਤੇ ਸੁਝਾਅ ਦਿਓ ਕਿ ਅਸਲ ਢਾਂਚੇ ਨੂੰ ਪ੍ਰੋਸੈਸਿੰਗ ਆਰਟੀਫੈਕਟ ਤੋਂ ਕਿਵੇਂ ਵੱਖ ਕਰਨਾ ਹੈ। ਸਟੀਕ ਭਾਸ਼ਾ ਦੀ ਵਰਤੋਂ ਕਰਨਾ; "ਉਮੀਦਵਾਰ" ਅਤੇ "ਭਰੋਸੇ ਦਾ ਪੱਧਰ" ਭਾਸ਼ਾ ਵਿੱਚ ਬੋਲੋ।
ਸੰਦਰਭ, ਅੰਤਰੀਵ ਬੇਨਤੀ, ਅਤੇ ਮਾਪੀ ਗਈ ਭਾਸ਼ਾ ਆਉਟਪੁੱਟ ਨੂੰ ਉਪਯੋਗੀ ਅਤੇ ਆਡਿਟਯੋਗ ਬਣਾਉਂਦੀ ਹੈ।
ਏਆਈ ਭੂਮਿਕਾ: ਸੁਰੱਖਿਅਤ ਜਾਂ ਨਹੀਂ?
ਵਰਕਫਲੋ ਕਦਮ
ਕੀ AI ਸੁਰੱਖਿਅਤ ਹੈ?
AI ਦੀ ਨੌਕਰੀ
ਆਦਮੀ ਦਾ ਕੰਮ
ਫੀਲਡ ਅਤੇ ਕਲੈਕਸ਼ਨ ਯੋਜਨਾ
ਅੰਸ਼ਕ ਤੌਰ 'ਤੇ
ਚੈੱਕਲਿਸਟ ਡਰਾਫਟ
ਸੁਰੱਖਿਆ, ਆਗਿਆ, ਫੈਸਲਾ
ਸ਼ੋਰ ਦਮਨ
ਹਾਂ
ਫਿਲਟਰ ਸਿਫਾਰਸ਼, ਆਟੋਮੇਸ਼ਨ
ਪੈਰਾਮੀਟਰ ਪੁਸ਼ਟੀ
ਫਾਲਟ/ਹੋਰੀਜ਼ਨ ਮਾਰਕਿੰਗ
ਹਾਂ
ਉਮੀਦਵਾਰ ਪੈਦਾ ਕਰ ਰਿਹਾ ਹੈ
ਤਸਦੀਕ, ਖਾਤਮਾ
ਉਲਟ ਹੱਲ
ਅੰਸ਼ਕ ਤੌਰ 'ਤੇ
ਪ੍ਰਵੇਗ, ਸ਼ੁਰੂਆਤੀ ਮਾਡਲ
ਭੌਤਿਕ ਵੈਧਤਾ
The ultimate underground model
ਨਹੀਂ
ਡਰਾਫਟ, ਸਕ੍ਰਿਪਟ
ਪ੍ਰਵਾਨਗੀ, ਜ਼ਿੰਮੇਵਾਰੀ
ਖੂਹ/ਖੋਜ ਦਾ ਫੈਸਲਾ
ਨਹੀਂ
ਜੋਖਮ ਸੰਖੇਪ
ਫੈਸਲਾ, ਜਵਾਬਦੇਹੀ
ਆਮ ਗਲਤੀਆਂ
- ਇੱਕ ਸਿੰਗਲ ਮਾਡਲ 'ਤੇ ਭਰੋਸਾ. ਕਈ ਮਾਡਲ ਇੱਕੋ ਡੇਟਾ ਨੂੰ ਫਿੱਟ ਕਰਦੇ ਹਨ; ਇਹ ਨਾ ਸੋਚੋ ਕਿ ਏਆਈ ਦਾ ਇੱਕੋ ਇੱਕ ਜਵਾਬ ਨਿਸ਼ਚਤਤਾ ਹੈ।
- Mistaking the artificiality of processing as structure. ਜਾਂਚ ਕਰੋ ਕਿ ਕੀ ਕੱਚੇ ਡੇਟਾ ਵਿੱਚ ਕੋਈ ਟਰੇਸ ਮੌਜੂਦ ਹੈ।
- ਖੇਤਰ ਦੇ ਬਾਹਰ ਅੰਨ੍ਹੇ ਆਮਕਰਨ. ਕਿਸੇ ਹੋਰ ਬੇਸਿਨ ਵਿੱਚ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਮਾਡਲ ਨੂੰ ਸਥਾਨਕ ਤੌਰ 'ਤੇ ਕੈਲੀਬਰੇਟ ਕੀਤੇ ਬਿਨਾਂ ਨਹੀਂ ਵਰਤਿਆ ਜਾ ਸਕਦਾ।
- ਇੱਕ ਸੰਭਾਵਨਾ ਦੇ ਰੂਪ ਵਿੱਚ ਭਰੋਸੇ ਦੇ ਸਕੋਰ ਨੂੰ ਗਲਤ ਕਰਨਾ. ਇੱਕ ਗੈਰ-ਕੈਲੀਬਰੇਟਡ ਸਕੋਰ ਫੈਸਲੇ ਦਾ ਆਧਾਰ ਨਹੀਂ ਹੈ।
- ਵੈਰੀਫਿਕੇਸ਼ਨ ਗੇਟ ਨੂੰ ਬਾਈਪਾਸ ਕਰਨਾ। ਗਤੀ ਦੀ ਖ਼ਾਤਰ ਮਨੁੱਖੀ ਕੰਟਰੋਲ ਨੂੰ ਹਟਾਉਣਾ ਸਭ ਤੋਂ ਮਹਿੰਗੀ ਗਲਤੀ ਦਾ ਦਰਵਾਜ਼ਾ ਖੋਲ੍ਹਦਾ ਹੈ.
ਸਾਰੰਸ਼ ਵਿੱਚ
ਭੂ-ਭੌਤਿਕ ਵਿਗਿਆਨ ਵਿੱਚ AI; ਇਹ ਸ਼ੋਰ ਦਮਨ, ਪੈਟਰਨ ਮਾਰਕਿੰਗ, ਵਰਗੀਕਰਨ, ਗਣਨਾ ਪ੍ਰਵੇਗ ਅਤੇ ਰਿਪੋਰਟਿੰਗ ਵਿੱਚ ਅਸਲ ਮੁੱਲ ਜੋੜਦਾ ਹੈ। ਪਰ ਭੂ-ਭੌਤਿਕ ਵਿਗਿਆਨ ਦੇ ਕੇਂਦਰ ਵਿੱਚ ਪੋਲੀਸੀਮੀ (ਇੱਕੋ ਡੇਟਾ ਵਿੱਚ ਕਈ ਮਾਡਲਾਂ ਨੂੰ ਫਿੱਟ ਕਰਨ) ਦੇ ਕਾਰਨ, ਹਰ AI ਆਉਟਪੁੱਟ ਇੱਕ ਪਰਿਕਲਪਨਾ ਹੈ। ਤਸਦੀਕ ਦੇ ਅਨੁਸ਼ਾਸਨ ਦੇ ਬਿਨਾਂ AI ਦੀ ਵਰਤੋਂ ਕਰਨਾ — ਸਰੋਤ ਨਾਲ ਲਿੰਕ ਕਰਨਾ, ਸੁਤੰਤਰ ਤਸਦੀਕ, ਭੌਤਿਕ ਵਿਗਿਆਨ-ਭੂ-ਵਿਗਿਆਨ ਫਿਲਟਰ — ਤੇਜ਼ ਪਰ ਅਸਥਿਰ ਫੈਸਲੇ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਸਬਸਰਫੇਸ ਮਾਡਲ ਨੂੰ ਮਨਜ਼ੂਰੀ ਦੇਣ ਅਤੇ ਜੋਖਮ ਨੂੰ ਮੰਨਣ ਦਾ ਅੰਤਮ ਅਧਿਕਾਰ ਹਮੇਸ਼ਾ ਸਮਰੱਥ ਭੂ-ਭੌਤਿਕ ਵਿਗਿਆਨੀ ਹੁੰਦਾ ਹੈ।
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
ਇੱਕ ਭੂ-ਭੌਤਿਕ ਪ੍ਰੋਜੈਕਟ ਚੁਣੋ ਜੋ ਤੁਸੀਂ ਆਪਣੇ 'ਤੇ ਕੰਮ ਕੀਤਾ ਹੈ (ਜਾਂ ਕਾਲਪਨਿਕ)। First, extract the steps and validation gates with the “AI role mapping in workflow” template. ਫਿਰ ਉਸ ਪ੍ਰੋਜੈਕਟ ਤੋਂ ਇੱਕ ਟਿੱਪਣੀ ਵਾਕ ਲਓ ਅਤੇ "ਆਉਟਪੁੱਟ ਪ੍ਰਮਾਣਿਕਤਾ ਪੁੱਛਗਿੱਛ" ਟੈਂਪਲੇਟ ਨਾਲ ਇਸਦੀ ਆਲੋਚਨਾ ਕਰੋ: ਕਿਹੜਾ ਦਾਅਵਾ ਮਾਪ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ, ਕਿਹੜਾ ਨਹੀਂ? ਲਿਖੋ ਕਿ ਤੁਸੀਂ ਸੁਤੰਤਰ ਡੇਟਾ (ਚੰਗੀ ਤਰ੍ਹਾਂ, ਵੱਖਰੀ ਵਿਧੀ, ਭੂ-ਵਿਗਿਆਨ) ਨਾਲ ਘੱਟੋ-ਘੱਟ ਇੱਕ ਦਾਅਵੇ ਦੀ ਪੁਸ਼ਟੀ ਕਿਵੇਂ ਕਰੋਗੇ।
ਚੈੱਕਲਿਸਟ
- [ ] ਮੈਂ AI ਆਉਟਪੁੱਟ ਨੂੰ ਇੱਕ "ਕਲਪਨਾ" ਵਜੋਂ ਮੰਨਿਆ ਅਤੇ "ਨਤੀਜਾ" ਨਹੀਂ।
- [ ] ਮੈਂ ਹਰੇਕ ਦਾਅਵੇ ਨੂੰ ਮੀਟ੍ਰਿਕ/ਸਰੋਤ ਨਾਲ ਜੋੜਿਆ ਹੈ।
- [ ] ਮੈਂ ਘੱਟੋ-ਘੱਟ ਇੱਕ ਸੁਤੰਤਰ ਢੰਗ ਨਾਲ ਕ੍ਰਾਸ-ਵੈਰੀਡੇਟ ਕਰਨ ਦੀ ਯੋਜਨਾ ਬਣਾਈ ਹੈ।
- [ ] ਮੈਂ ਪੌਲੀਸੇਮੀ 'ਤੇ ਵਿਚਾਰ ਕੀਤਾ ਅਤੇ ਵਿਕਲਪਕ ਮਾਡਲਾਂ ਬਾਰੇ ਪੁੱਛਿਆ।
- [ ] ਮੈਂ ਅੰਤਿਮ ਮਾਡਲ ਅਤੇ ਖੋਜ ਦੇ ਫੈਸਲੇ ਨੂੰ ਮਨੁੱਖੀ ਪ੍ਰਵਾਨਗੀ 'ਤੇ ਛੱਡ ਦਿੱਤਾ ਹੈ।