ਐਂਡ-ਟੂ-ਐਂਡ AI ਵਰਕਫਲੋ, ਪ੍ਰਮਾਣੀਕਰਨ, ਗੋਪਨੀਯਤਾ ਅਤੇ ਨੈਤਿਕਤਾ — ਸਿਵਲ ਇੰਜੀਨੀਅਰਿੰਗ ਵਿੱਚ ਨਕਲੀ ਬੁੱਧੀ

ਲਾਭ:

ਡਿਜ਼ਾਇਨ ਤੋਂ ਲੈ ਕੇ ਪ੍ਰਗਤੀ ਭੁਗਤਾਨ ਤੱਕ ਇੱਕ ਉਸਾਰੀ ਪ੍ਰੋਜੈਕਟ ਵਿੱਚ ਅੰਤ ਤੋਂ ਅੰਤ ਤੱਕ ਅਤੇ ਨਿਯੰਤਰਿਤ ਵਰਕਫਲੋ ਵਿੱਚ ਏਆਈ ਨੂੰ ਤਾਇਨਾਤ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
ਇੱਕ AI ਵਰਤੋਂ ਪ੍ਰੋਟੋਕੋਲ ਸਥਾਪਤ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਜਿਸ ਵਿੱਚ ਹਰ ਕਦਮ 'ਤੇ ਤਸਦੀਕ, ਸਰੋਤ ਪੁਸ਼ਟੀ, ਗੋਪਨੀਯਤਾ ਅਤੇ ਦੇਣਦਾਰੀ ਜਾਂਚ ਸ਼ਾਮਲ ਹੁੰਦੀ ਹੈ
ਪੇਸ਼ੇਵਰ ਨੈਤਿਕਤਾ, ਡੇਟਾ ਗੁਪਤਤਾ ਅਤੇ ਸਮਰੱਥ ਇੰਜੀਨੀਅਰ ਪ੍ਰਵਾਨਗੀ ਨੂੰ ਏਆਈ ਵਰਕਫਲੋ ਦਾ ਇੱਕ ਅਨਿੱਖੜਵਾਂ ਅੰਗ ਬਣਾਉਣ ਦੀ ਯੋਗਤਾ

ਇਸ ਮੌਡਿਊਲ ਦੇ ਦੌਰਾਨ, ਅਸੀਂ ਸਿਵਲ ਇੰਜੀਨੀਅਰਿੰਗ ਦੇ ਹਰ ਪੜਾਅ 'ਤੇ AI ਦੀ ਚਰਚਾ ਕੀਤੀ, ਢਾਂਚਾਗਤ ਵਿਸ਼ਲੇਸ਼ਣ ਤੋਂ ਲੈ ਕੇ ਰੀਇਨਫੋਰਸਡ ਕੰਕਰੀਟ ਅਤੇ ਸਟੀਲ ਗਣਨਾਵਾਂ ਤੱਕ, ਮਿਆਰੀ ਖੋਜ ਤੋਂ ਲੈ ਕੇ BIM ਤੱਕ, ਮਾਤਰਾ ਦੇ ਸਰਵੇਖਣ ਤੋਂ ਕੰਮ ਦੀ ਸਮਾਂ-ਸਾਰਣੀ ਤੱਕ, ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਤੋਂ OHS ਤੱਕ ਅਤੇ ਪ੍ਰਗਤੀ ਭੁਗਤਾਨ ਤੱਕ। ਇਸ ਅੰਤਮ ਇਕਾਈ ਵਿੱਚ, ਅਸੀਂ ਟੁਕੜਿਆਂ ਨੂੰ ਇਕੱਠੇ ਰੱਖਦੇ ਹਾਂ: ਅਸੀਂ ਪ੍ਰੋਟੋਕੋਲੀਜ਼ ਕਰਦੇ ਹਾਂ ਕਿ ਡਿਜ਼ਾਈਨ ਤੋਂ ਲੈ ਕੇ ਗੁਣਾਂ ਤੱਕ, ਇੱਕ ਨਿਰਮਾਣ ਪ੍ਰੋਜੈਕਟ 'ਤੇ ਅੰਤ-ਤੋਂ-ਅੰਤ, ਨਿਯੰਤਰਿਤ ਅਤੇ ਨੈਤਿਕ ਵਰਕਫਲੋ ਵਿੱਚ AI ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕਰੀਏ। ਟੀਚਾ ਹਰ ਕਦਮ 'ਤੇ ਪ੍ਰਮਾਣਿਕਤਾ, ਸਰੋਤ ਤਸਦੀਕ, ਗੁਪਤਤਾ ਅਤੇ ਦੇਣਦਾਰੀ ਨਿਯੰਤਰਣ ਨੂੰ ਕਾਇਮ ਰੱਖਦੇ ਹੋਏ, ਅਤੇ ਯੋਗਤਾ ਪ੍ਰਾਪਤ ਇੰਜੀਨੀਅਰ ਦੀ ਪ੍ਰਵਾਨਗੀ ਨੂੰ ਵਰਕਫਲੋ ਦਾ ਇੱਕ ਅਨਿੱਖੜਵਾਂ ਅੰਗ ਬਣਾਉਣਾ ਹੈ।

ਐਂਡ-ਟੂ-ਐਂਡ ਵਰਕਫਲੋ ਮੈਪ

ਇੱਕ ਆਮ ਪ੍ਰੋਜੈਕਟ ਜੀਵਨ ਚੱਕਰ ਵਿੱਚ AI ਦੀ ਭੂਮਿਕਾ ਅਤੇ ਲਾਜ਼ਮੀ ਨਿਯੰਤਰਣ ਨੂੰ ਹੇਠਾਂ ਦਿੱਤੇ ਅਨੁਸਾਰ ਸੰਖੇਪ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ:

ਸਟੇਜ

ਏਆਈ ਦੀ ਭੂਮਿਕਾ

ਲਾਜ਼ਮੀ ਜਾਂਚ

ਸ਼ੁਰੂਆਤੀ ਡਿਜ਼ਾਈਨ/ਵਿਸ਼ਲੇਸ਼ਣ

ਅੰਦਰੂਨੀ ਬਲ ਰੂਪਰੇਖਾ, ਵਿਚਾਰ

ਅਪ੍ਰਤੱਖ ਫਾਰਮੂਲਾ + ਕ੍ਰਮ

ਮਜਬੂਤ ਕੰਕਰੀਟ/ਸਟੀਲ ਦੀ ਗਣਨਾ

ਸੈਕਸ਼ਨ/ਰੀਨਫੋਰਸਮੈਂਟ ਡਰਾਫਟ

ਹੈਂਡ ਖਾਤਾ + ਸੌਫਟਵੇਅਰ + ਸਟੈਂਡਰਡ

ਮਿਆਰੀ ਖੋਜ

ਖੋਜ ਦਾ ਨਕਸ਼ਾ

ਅਧਿਕਾਰਤ ਟੈਕਸਟ ਤੋਂ ਪੁਸ਼ਟੀ

BIM/ਆਟੋਮੇਸ਼ਨ

ਸਕ੍ਰਿਪਟ, ਡਾਟਾ ਪੁੱਛਗਿੱਛ

ਬੈਕਅੱਪ + ਟੈਸਟਿੰਗ + ਕੋਡ ਰੀਡਿੰਗ

ਮਾਤਰਾ ਸਰਵੇਖਣ/ਜਾਣਕਾਰੀ

ਮਾਤਰਾ/ਕੀਮਤ ਡਰਾਫਟ

ਯੂਨਿਟ + ਰੈਂਕ + ਕੀਮਤ ਦੀ ਪੁਸ਼ਟੀ

ਕੰਮ ਦਾ ਕਾਰਜਕ੍ਰਮ

ਗਤੀਵਿਧੀ/ਅਵਧੀ ਦੀ ਰੂਪਰੇਖਾ

ਨਿਰਭਰਤਾ + ਖੇਤਰ ਤਰਕ

ਨਿਰਧਾਰਨ/ਰਿਪੋਰਟ

ਟੈਕਸਟ ਡਰਾਫਟ

ਮਾਪਣਯੋਗਤਾ + ਵਿਸ਼ੇਸ਼ਤਾ ਦੀ ਪੁਸ਼ਟੀ

OHS

ਜੋਖਮ ਵਿਸ਼ਲੇਸ਼ਣ ਡਰਾਫਟ

ਮਾਹਰ ਦੀ ਮਨਜ਼ੂਰੀ + ਖੇਤਰ

ਤਰੱਕੀ ਭੁਗਤਾਨ

ਖਾਤਾ/ਸਾਰਣੀ ਦਾ ਡਰਾਫਟ

ਅੰਕਗਣਿਤ + ਸੰਚਤ + ਇਕਰਾਰਨਾਮਾ

ਇਹ ਨਕਸ਼ਾ ਹਰ ਪੜਾਅ 'ਤੇ ਇੱਕੋ ਸਿਧਾਂਤ ਨੂੰ ਦੁਹਰਾਉਂਦਾ ਹੈ: AI ਡਰਾਫਟ ਤਿਆਰ ਕਰਦਾ ਹੈ, ਇੰਜੀਨੀਅਰ ਤਸਦੀਕ ਕਰਦਾ ਹੈ ਅਤੇ ਮਨਜ਼ੂਰੀ ਦਿੰਦਾ ਹੈ। ਕੋਈ ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਆਉਟਪੁੱਟ ਬਿਨਾਂ ਤਸਦੀਕ ਦੇ ਅੱਗੇ ਨਹੀਂ ਵਧਦੀ।

ਇਸ ਵਰਕਫਲੋ ਦਾ ਸਭ ਤੋਂ ਖਤਰਨਾਕ ਜੋਖਮ ਇਹ ਹੈ ਕਿ ਪੜਾਵਾਂ ਦੇ ਵਿਚਕਾਰ ਗਲਤੀਆਂ ਕੀਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ। ਨਿਰਮਾਣ ਪ੍ਰੋਜੈਕਟ ਇੱਕ ਚੇਨ ਹੈ: ਵਿਸ਼ਲੇਸ਼ਣ ਮਾਤਰਾਵਾਂ ਦੇ ਬਿੱਲ, ਮਾਤਰਾਵਾਂ ਦੇ ਬਿੱਲ ਅਤੇ ਕੰਮ ਦੀ ਸਮਾਂ-ਸਾਰਣੀ ਨੂੰ ਫੀਡ ਕਰਦਾ ਹੈ, ਅਤੇ ਕੰਮ ਦੀ ਸਮਾਂ-ਸਾਰਣੀ ਤਰੱਕੀ ਭੁਗਤਾਨ ਨੂੰ ਫੀਡ ਕਰਦੀ ਹੈ। ਇੱਕ ਪੜਾਅ 'ਤੇ ਨਜ਼ਰਅੰਦਾਜ਼ ਕੀਤੀ ਗਈ ਇੱਕ ਛੋਟੀ ਜਿਹੀ ਗਲਤੀ (ਇੱਕ ਗਲਤ ਇਕਾਈ, ਇੱਕ ਗੁੰਮ ਹੋਏ ਲੋਡ, ਇੱਕ ਗਲਤ ਗੁਣਾਂਕ) ਨੂੰ ਅਗਲੇ ਪੜਾਵਾਂ ਤੱਕ ਲਿਜਾਇਆ ਜਾਂਦਾ ਹੈ ਜਿਵੇਂ ਹੈ ਅਤੇ ਹਰ ਪੜਾਅ 'ਤੇ ਵਧਦਾ ਹੈ। ਇਸ ਲਈ, ਤਸਦੀਕ ਪ੍ਰੋਜੈਕਟ ਦੇ ਅੰਤ ਵਿੱਚ ਇੱਕ ਸਿੰਗਲ ਚੈਕ ਨਹੀਂ ਹੈ, ਪਰ ਇੱਕ ਗੇਟ ਜੋ ਹਰ ਪੜਾਅ ਦੇ ਪਰਿਵਰਤਨ ਤੇ ਦੁਹਰਾਇਆ ਜਾਂਦਾ ਹੈ। ਅਗਲੇ ਪੜਾਅ 'ਤੇ "ਇਨਪੁਟ" ਵਜੋਂ ਦੇਣ ਤੋਂ ਪਹਿਲਾਂ ਇੱਕ ਆਉਟਪੁੱਟ ਦੀ ਜਾਂਚ ਕਰਨਾ ਯਕੀਨੀ ਬਣਾਓ; ਕਿਉਂਕਿ ਉਸ ਪਲ ਤੋਂ, ਗਲਤੀ ਨੂੰ ਫੜਨਾ ਵਧੇਰੇ ਮੁਸ਼ਕਲ ਅਤੇ ਮਹਿੰਗਾ ਹੋ ਜਾਂਦਾ ਹੈ। ਇਹ ਅਨੁਸ਼ਾਸਨ ਹੋਰ ਵੀ ਮਹੱਤਵਪੂਰਨ ਹੋ ਜਾਂਦਾ ਹੈ ਕਿਉਂਕਿ AI ਵਰਕਫਲੋ ਤੇਜ਼ ਹੁੰਦਾ ਹੈ: ਗਤੀ ਤਸਦੀਕ ਨੂੰ ਛੱਡਣ ਦਾ ਬਹਾਨਾ ਨਹੀਂ ਹੋਣੀ ਚਾਹੀਦੀ, ਪਰ ਤਸਦੀਕ ਨੂੰ ਯੋਜਨਾਬੱਧ ਬਣਾਉਣ ਲਈ ਇੱਕ ਤਰਕਸੰਗਤ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।

ਲੇਅਰਡ ਪ੍ਰਮਾਣੀਕਰਨ ਪ੍ਰੋਟੋਕੋਲ

ਉਹਨਾਂ ਨਿਯੰਤਰਣਾਂ ਨੂੰ ਇਕੱਠਾ ਕਰੋ ਜੋ ਅਸੀਂ ਪੂਰੇ ਮੋਡੀਊਲ ਵਿੱਚ ਦੇਖਦੇ ਹਾਂ ਇੱਕ ਸਿੰਗਲ ਪ੍ਰੋਟੋਕੋਲ ਵਿੱਚ। ਹਰੇਕ AI ਆਉਟਪੁੱਟ ਨੂੰ ਇਹਨਾਂ ਲੇਅਰਾਂ ਦੇ ਉਚਿਤ ਵਿੱਚੋਂ ਲੰਘਣਾ ਚਾਹੀਦਾ ਹੈ:

ਯੂਨਿਟ ਅਤੇ ਆਰਡਰ ਜਾਂਚ: ਕੀ ਨਤੀਜਾ ਸਰੀਰਕ ਤੌਰ 'ਤੇ ਵਾਜਬ ਹੈ, ਕੀ ਇਕਾਈਆਂ ਇਕਸਾਰ ਹਨ?
ਸੁਤੰਤਰ ਅੰਤਰ-ਪ੍ਰਮਾਣਿਕਤਾ: ਕੀ ਨਤੀਜਾ ਬੰਦ ਫਾਰਮੂਲੇ, ਹੱਥ ਦੀ ਗਣਨਾ, ਵੱਖਰੇ ਸੌਫਟਵੇਅਰ ਜਾਂ ਦੂਜੀ ਵਿਧੀ ਨਾਲ ਸਹਿਮਤ ਹੈ?
ਮਿਆਰੀ/ਸਰੋਤ ਤਸਦੀਕ: ਕੀ ਗੁਣਾਂਕ, ਆਈਟਮ, ਇਕਾਈ ਦੀ ਕੀਮਤ ਅਧਿਕਾਰਤ ਅਤੇ ਮੌਜੂਦਾ ਸਰੋਤ ਤੋਂ ਪ੍ਰਮਾਣਿਤ ਕੀਤੀ ਗਈ ਹੈ?
ਇਕਸਾਰਤਾ ਜਾਂਚ: ਕੀ ਦਸਤਾਵੇਜ਼/ਖਾਤੇ ਦੇ ਅੰਦਰ ਕੋਈ ਵਿਰੋਧਾਭਾਸ, ਦੋਹਰੀ ਗਿਣਤੀ ਜਾਂ ਭੁੱਲ ਹਨ?
ਗੋਪਨੀਯਤਾ ਜਾਂਚ: ਕੀ ਵਰਤੇ ਗਏ ਡੇਟਾ ਵਿੱਚ ਵਪਾਰਕ ਰਾਜ਼/ਨਿੱਜੀ ਡੇਟਾ ਸ਼ਾਮਲ ਹੈ, ਕੀ ਉਚਿਤ ਸਾਧਨ ਵਰਤਿਆ ਗਿਆ ਸੀ?
ਇੰਜੀਨੀਅਰ ਦੀ ਪ੍ਰਵਾਨਗੀ: ਅੰਤਮ ਜ਼ਿੰਮੇਵਾਰੀ ਸਮਰੱਥ ਇੰਜੀਨੀਅਰ ਦੀ ਹੈ; ਕੀ ਇਸ 'ਤੇ ਦਸਤਖਤ ਕੀਤੇ ਗਏ ਹਨ?

ਨਿੱਜੀ AI ਵਰਤੋਂ ਪ੍ਰੋਟੋਕੋਲ (ਹਰੇਕ ਕੰਮ ਲਈ) 1) ਇਨਪੁਟ: ਕੀ ਮੈਂ ਇਨਪੁਟ-ਸਬੰਧਤ-ਸਟੈਂਡਰਡ ਨਾਲ ਕੰਮ ਨੂੰ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤਾ ਹੈ? 2) ਗੋਪਨੀਯਤਾ: ਕੀ ਡੇਟਾ ਸੰਵੇਦਨਸ਼ੀਲ ਹੈ? ਕੀ ਮੈਂ ਅਗਿਆਤ/ਉਚਿਤ ਟੂਲ ਹੈ? 3) ਆਉਟਪੁਟ: ਕੀ ਮੈਂ AI ਨੂੰ ਵਿਚਕਾਰਲੇ ਕਦਮਾਂ ਅਤੇ ਸਰੋਤਾਂ ਲਈ ਕਿਹਾ ਹੈ? 4) ਦਰਜਾ: ਕੀ ਨਤੀਜਾ ਭੌਤਿਕ ਤੌਰ 'ਤੇ/ਤਰਕਪੂਰਣ ਤੌਰ 'ਤੇ ਮੰਨਣਯੋਗ ਹੈ? 5) ਕ੍ਰਾਸ: ਕੀ ਮੈਂ ਸੁਤੰਤਰ ਤਰੀਕੇ ਨਾਲ ਪੁਸ਼ਟੀ ਕੀਤੀ ਹੈ? 6) ਸਰੋਤ: ਕੀ ਮਿਆਰੀ/ਕੀਮਤ/ਆਈਟਮ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਗਈ ਹੈ? 7) ਇੰਜਣ ਦੀ ਜਾਂਚ ਕੀਤੀ ਗਈ ਹੈ? ਕੋਈ ਵੀ ਕਦਮ "ਨਹੀਂ" ਹੈ ਆਉਟਪੁੱਟ ਦੀ ਵਰਤੋਂ ਨਹੀਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।

ਸੁਝਾਅ: ਇਸ ਪ੍ਰੋਟੋਕੋਲ ਨੂੰ ਆਪਣੇ ਡੈਸਕਟਾਪ 'ਤੇ ਇੱਕ ਚੈਕਲਿਸਟ ਵਜੋਂ ਰੱਖੋ। ਸਮੇਂ ਦੇ ਨਾਲ, ਕਦਮ ਪ੍ਰਤੀਬਿੰਬ ਬਣ ਜਾਂਦੇ ਹਨ; ਪਰ ਜਦੋਂ ਤੁਸੀਂ ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਕਾਰਜ 'ਤੇ ਇੱਕ ਕਦਮ ਛੱਡਣ ਲਈ ਪਰਤਾਏ ਜਾਂਦੇ ਹੋ, ਤਾਂ ਸੂਚੀ ਦੀ ਮੌਜੂਦਗੀ ਤੁਹਾਨੂੰ ਰੋਕਦੀ ਹੈ। ਸਭ ਤੋਂ ਮਹਿੰਗੀਆਂ ਗਲਤੀਆਂ ਉਦੋਂ ਹੁੰਦੀਆਂ ਹਨ ਜਦੋਂ ਤੁਸੀਂ ਕਾਹਲੀ ਕਰਦੇ ਹੋ ਅਤੇ ਕਹਿੰਦੇ ਹੋ "ਮੈਂ ਇਸਨੂੰ ਇਸ ਵਾਰ ਛੱਡਾਂਗਾ"।

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ

ਕਮਜ਼ੋਰ:"ਇਸ ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਸ਼ੁਰੂ ਤੋਂ ਲੈ ਕੇ ਅੰਤ ਤੱਕ AI ਨਾਲ ਕਰੋ।"(ਇੱਕ ਕਦਮ ਵਿੱਚ, ਬਿਨਾਂ ਨਿਗਰਾਨੀ, ਕੋਈ ਗੋਪਨੀਯਤਾ ਅਤੇ ਤਸਦੀਕ ਨਹੀਂ।) STRONG:"ਇਸ ਕਾਰਜ ਨੂੰ ਕਦਮ ਦਰ ਕਦਮ ਦਾ ਸਮਰਥਨ ਕਰੋ। ਹਰ ਪੜਾਅ 'ਤੇ:- ਤੁਹਾਡੇ ਦੁਆਰਾ ਵਰਤੇ ਗਏ ਫਾਰਮੂਲੇ/ਸਰੋਤ/ਧਾਰਨਾ ਨੂੰ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਲਿਖੋ- ਵਿਚਕਾਰਲੇ ਪੜਾਅ ਦਿਖਾਓ ਤਾਂ ਜੋ ਮੈਂ ਨਤੀਜੇ ਦੀ ਪੁਸ਼ਟੀ ਕਰ ਸਕਾਂ- ਮਾਰਕ ਕਰੋ- ਜਿੱਥੇ ਤੁਹਾਨੂੰ ਯਕੀਨੀ ਨਹੀਂ ਹੈ, ਜਾਂ ਤੁਹਾਨੂੰ ਮਿਆਰੀ ਮੁੱਲ ਦੇਣ ਦੀ ਲੋੜ ਹੈ, ਤਾਂ ਮਾਰਕ ਕਰੋ। ਇਹ) ਮੈਂ ਹਰੇਕ ਆਉਟਪੁੱਟ ਨੂੰ ਰੈਂਕ, ਕ੍ਰਾਸ-ਵੈਰੀਡੇਸ਼ਨ ਅਤੇ ਸਟੈਂਡਰਡ ਕਨਫਰਮੇਸ਼ਨ ਦੇ ਨਾਲ ਚੈੱਕ ਕਰਦਾ/ਕਰਦੀ ਹਾਂ।

ਨੈਤਿਕਤਾ ਅਤੇ ਗੋਪਨੀਯਤਾ ਦੇ ਸਥਾਈ ਸਿਧਾਂਤ

ਇੱਕ ਅੰਤ-ਤੋਂ-ਅੰਤ ਵਰਕਫਲੋ ਵਿੱਚ, ਨੈਤਿਕਤਾ ਅਤੇ ਗੋਪਨੀਯਤਾ ਇੱਕ ਵਾਰ ਦੀ ਜਾਂਚ ਨਹੀਂ ਹਨ, ਪਰ ਇੱਕ ਨਿਰੰਤਰ ਰੁਖ ਹਨ:

ਗੋਪਨੀਯਤਾ: ਪ੍ਰੋਜੈਕਟ ਡੇਟਾ, ਲਾਗਤਾਂ, ਨਿੱਜੀ ਡੇਟਾ (KVKK) ਸੁਰੱਖਿਅਤ ਹਨ; ਸੰਵੇਦਨਸ਼ੀਲ ਡੇਟਾ ਨੂੰ ਕਿਸੇ ਗੈਰ-ਪ੍ਰਵਾਨਿਤ ਬਾਹਰੀ ਸੇਵਾ 'ਤੇ ਅਪਲੋਡ ਨਹੀਂ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਲੋੜ ਪੈਣ 'ਤੇ ਅਗਿਆਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਜਾਂ ਕੋਈ ਇਨ-ਹਾਊਸ ਟੂਲ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ।
ਪਾਰਦਰਸ਼ਤਾ: AI ਦੀ ਵਰਤੋਂ ਲੁਕੀ ਨਹੀਂ ਹੈ, ਪਰ ਜ਼ਿੰਮੇਵਾਰੀ AI 'ਤੇ ਨਹੀਂ ਰੱਖੀ ਗਈ ਹੈ।
ਯੋਗਤਾ: ਹਾਲਾਂਕਿ AI ਤੁਹਾਨੂੰ ਉਸ ਖੇਤਰ ਵਿੱਚ ਵਿਸ਼ਵਾਸ ਦੀ ਭਾਵਨਾ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ਜਿਸ ਵਿੱਚ ਤੁਸੀਂ ਇੱਕ ਮਾਹਰ ਨਹੀਂ ਹੋ, ਇਹ ਤੁਹਾਡੇ ਨਿਰਣੇ ਨੂੰ ਨਹੀਂ ਬਦਲਦਾ; ਲੋੜ ਪੈਣ 'ਤੇ ਕਿਸੇ ਮਾਹਰ ਨਾਲ ਸਲਾਹ ਕਰੋ।
ਜ਼ਿੰਮੇਵਾਰੀ: ਬਿਲਡਿੰਗ ਸੁਰੱਖਿਆ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਨ ਵਾਲਾ ਹਰ ਫੈਸਲਾ ਇੱਕ ਸਮਰੱਥ ਅਤੇ ਜ਼ਿੰਮੇਵਾਰ ਇੰਜੀਨੀਅਰ ਦੀ ਨਿਗਰਾਨੀ ਅਤੇ ਦਸਤਖਤ ਨਾਲ ਵੈਧ ਹੁੰਦਾ ਹੈ। ਇਹ ਇੱਕ ਪੇਸ਼ੇਵਰ ਜ਼ਿੰਮੇਵਾਰੀ ਦੇ ਨਾਲ-ਨਾਲ ਇੱਕ ਕਾਨੂੰਨੀ ਜ਼ਿੰਮੇਵਾਰੀ ਵੀ ਹੈ।

ਸਾਵਧਾਨ: ਜਿਵੇਂ-ਜਿਵੇਂ AI ਤੇਜ਼ ਹੁੰਦਾ ਜਾਂਦਾ ਹੈ, ਤਸਦੀਕ ਨੂੰ ਬਾਈਪਾਸ ਕਰਨ ਦਾ ਦਬਾਅ ਵਧਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਏਆਈ ਭਾਵੇਂ ਕਿੰਨੀ ਵੀ ਚੰਗੀ ਹੋਵੇ, ਸਿਵਲ ਇੰਜਨੀਅਰਿੰਗ ਵਿੱਚ ਜੀਵਨ ਅਤੇ ਸੰਪਤੀ ਦੀ ਰੱਖਿਆ ਕਰਨ ਵਾਲਾ ਆਉਟਪੁੱਟ ਕਦੇ ਵੀ ਇੰਜੀਨੀਅਰ ਦੀ ਮਨਜ਼ੂਰੀ ਤੋਂ ਬਿਨਾਂ ਨਹੀਂ ਵਰਤਿਆ ਜਾ ਸਕਦਾ। ਜਦੋਂ ਸਪੀਡ ਸੁਰੱਖਿਆ ਨੂੰ ਤੋੜ ਦਿੰਦੀ ਹੈ, ਤਾਂ AI ਇੱਕ ਸਾਧਨ ਦੀ ਬਜਾਏ ਇੱਕ ਜੋਖਮ ਬਣ ਜਾਂਦਾ ਹੈ।

ਤਿੰਨ ਮਿੰਨੀ ਕੇਸ

ਕੇਸ 1 - ਸਿਰੇ ਤੋਂ ਅੰਤ ਤੱਕ ਸਹੀ ਵਰਤੋਂ। ਇੱਕ ਛੋਟੇ ਨਿਰਮਾਣ ਲਈ, ਇੱਕ ਤਕਨੀਕੀ ਦਫਤਰ ਹਰ ਪੜਾਅ 'ਤੇ AI ਦੀ ਸਹਾਇਤਾ ਵਜੋਂ ਵਰਤੋਂ ਕਰਦਾ ਹੈ: ਵਿਸ਼ਲੇਸ਼ਣ ਡਰਾਫਟ, ਮਾਤਰਾ ਸਰਵੇਖਣ, ਕੰਮ ਦਾ ਸਮਾਂ, ਨਿਰਧਾਰਨ। ਉਹ ਪ੍ਰੋਟੋਕੋਲ ਨਾਲ ਹਰੇਕ ਆਉਟਪੁੱਟ ਦੀ ਪੁਸ਼ਟੀ ਕਰਦੇ ਹਨ। ਨਤੀਜਾ: ਪ੍ਰੋਜੈਕਟ ਦਾ ਸਮਾਂ ਲਗਭਗ 30% ਘਟਾ ਦਿੱਤਾ ਗਿਆ ਹੈ, ਗਲਤੀ ਦਰ ਘਟਦੀ ਹੈ ਕਿਉਂਕਿ ਹਰ ਕਦਮ ਦੀ ਜਾਂਚ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। AI ਗਤੀ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਇੰਜੀਨੀਅਰ ਸੁਰੱਖਿਆ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ।

ਕੇਸ 2 - ਚੇਨ ਗਲਤੀ। ਇੱਕ ਹੋਰ ਦਫ਼ਤਰ ਤਸਦੀਕ ਤੋਂ ਲੈ ਕੇ ਕੰਮ ਦੀ ਸਮਾਂ-ਸਾਰਣੀ ਤੱਕ ਅਤੇ ਉੱਥੋਂ ਭੁਗਤਾਨ ਦੀ ਪ੍ਰਗਤੀ ਤੱਕ AI ਦੀ ਮਾਤਰਾ ਸਰਵੇਖਣ ਆਉਟਪੁੱਟ ਲੈ ਕੇ ਜਾਂਦਾ ਹੈ। ਸ਼ੁਰੂਆਤੀ ਇਕਾਈ ਗਲਤੀ (m² ਦੀ ਬਜਾਏ m³) ਪੂਰੀ ਲੜੀ ਨੂੰ ਦੂਸ਼ਿਤ ਕਰ ਦਿੰਦੀ ਹੈ ਅਤੇ ਵੱਧ ਅਦਾਇਗੀ ਵੱਲ ਲੈ ਜਾਂਦੀ ਹੈ। ਪਾਠ: ਤਸਦੀਕ ਹਰ ਕਦਮ 'ਤੇ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ; ਇੱਕ ਪੜਾਅ ਵਿੱਚ ਇੱਕ ਗਲਤੀ ਨੂੰ ਅਗਲੇ ਪੜਾਅ ਵਿੱਚ ਅੱਗੇ ਲਿਜਾਇਆ ਜਾਂਦਾ ਹੈ.

ਕੇਸ 3 - ਗੁਪਤਤਾ ਦਾ ਅਨੁਸ਼ਾਸਨ। ਇੱਕ ਇੰਜੀਨੀਅਰ AI ਨਾਲ ਟੈਂਡਰ ਪੜਾਅ ਤੋਂ ਲਾਗਤ ਡੇਟਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨਾ ਚਾਹੁੰਦਾ ਹੈ, ਪਰ ਪਹਿਲਾਂ ਉਹ ਡੇਟਾ ਨੂੰ ਅਗਿਆਤ ਕਰਦਾ ਹੈ, ਪ੍ਰੋਜੈਕਟ ID ਨੂੰ ਐਕਸਟਰੈਕਟ ਕਰਦਾ ਹੈ ਅਤੇ ਸੰਸਥਾ ਦੁਆਰਾ ਪ੍ਰਵਾਨਿਤ ਇੱਕ ਸੁਰੱਖਿਅਤ ਸਾਧਨ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। ਇਸ ਤਰ੍ਹਾਂ, ਇਹ ਗੋਪਨੀਯਤਾ ਨੂੰ ਖਤਰੇ ਵਿੱਚ ਪਾਏ ਬਿਨਾਂ ਗਤੀ ਦੇ ਲਾਭ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ।

ਕਾਪੀ ਕਰਨ ਯੋਗ ਪ੍ਰੋਂਪਟ ਟੈਂਪਲੇਟਸ

ਪੜਾਅ ਪਾਸੇਜ ਚੈੱਕ ਪ੍ਰੋਂਪਟ: "ਅਗਲੇ ਪੜਾਅ 'ਤੇ ਜਾਣ ਤੋਂ ਪਹਿਲਾਂ, ਪਿਛਲੇ ਪੜਾਅ ਦੇ ਆਉਟਪੁੱਟ ਦੀ ਜਾਂਚ ਕਰਨ ਵਿੱਚ ਮੇਰੀ ਮਦਦ ਕਰੋ:- ਕੀ ਇਹ ਆਉਟਪੁੱਟ ਇਕਾਈ ਅਤੇ ਕ੍ਰਮ ਦੇ ਰੂਪ ਵਿੱਚ ਵਾਜਬ ਹੈ?- ਮੈਂ ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਕਿਵੇਂ ਪ੍ਰਮਾਣਿਤ ਕਰਾਂ, ਵਿਧੀ ਦਾ ਸੁਝਾਅ ਦੇਵਾਂ- ਮੈਨੂੰ ਕਿਹੜੇ ਮਿਆਰ/ਸਰੋਤ/ਇਕਰਾਰਨਾਮੇ ਦੀ ਧਾਰਾ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ? ਮੈਂ ਇਸ ਪੜਾਅ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕੀਤੇ ਬਿਨਾਂ ਅਗਲੇ 'ਤੇ ਨਹੀਂ ਜਾਵਾਂਗਾ।

ਗੋਪਨੀਯਤਾ ਪ੍ਰੀ-ਸਕ੍ਰੀਨ ਪ੍ਰੋਂਪਟ: "ਜਾਂਚ ਕਰੋ ਕਿ ਕੀ ਡੇਟਾ ਵਿੱਚ ਕੋਈ ਵਪਾਰਕ ਗੁਪਤ ਜਾਂ ਨਿੱਜੀ ਡੇਟਾ (ਲਾਗਤ, ਯੂਨਿਟ ਕੀਮਤ, ਨਾਮ, ਸਥਾਨ, ਪ੍ਰੋਜੈਕਟ ਆਈਡੀ) ਹੈ ਜੋ ਮੈਂ ਇਸ ਕੰਮ ਵਿੱਚ AI ਨੂੰ ਦੇਵਾਂਗਾ। ਜੇਕਰ ਅਜਿਹਾ ਹੈ, ਤਾਂ ਇੱਕ ਅਗਿਆਤ/ਨਮੂਨਾ ਸੰਸਕਰਣ ਦਾ ਸੁਝਾਅ ਦਿਓ ਤਾਂ ਜੋ ਖਾਤਾ ਅਜੇ ਵੀ ਕੰਮ ਕਰੇਗਾ ਪਰ ਸੰਵੇਦਨਸ਼ੀਲ ਡੇਟਾ ਜਾਰੀ ਨਹੀਂ ਕੀਤਾ ਜਾਵੇਗਾ। ਡੇਟਾ: [ਪੇਸਟ]"

ਆਮ ਗਲਤੀਆਂ

ਅਣ-ਪ੍ਰਮਾਣਿਤ ਆਉਟਪੁੱਟ ਨੂੰ ਇੱਕ ਪੜਾਅ ਤੋਂ ਅਗਲੇ ਪੜਾਅ ਤੱਕ ਲਿਜਾਣਾ ਅਤੇ ਗਲਤੀ ਨੂੰ ਚੇਨ ਵਿੱਚ ਫੈਲਾਉਣਾ।
"AI ਵਧੀਆ ਕੰਮ ਕਰਦਾ ਹੈ" ਕਹਿ ਕੇ ਪੁਸ਼ਟੀਕਰਨ ਦੀਆਂ ਪਰਤਾਂ ਨੂੰ ਬਾਈਪਾਸ ਕਰਨਾ।
ਗੋਪਨੀਯਤਾ ਨੂੰ ਇੱਕ ਵਾਰ ਦੇ ਨਿਯੰਤਰਣ ਦੇ ਰੂਪ ਵਿੱਚ ਨਹੀਂ ਬਲਕਿ ਇੱਕ ਨਿਰੰਤਰ ਨਿਯੰਤਰਣ ਦੇ ਰੂਪ ਵਿੱਚ ਨਹੀਂ ਦੇਖਿਆ ਜਾ ਰਿਹਾ ਹੈ।
ਇੰਜੀਨੀਅਰ ਦੀ ਮਨਜ਼ੂਰੀ ਤੋਂ ਬਿਨਾਂ ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਫੈਸਲੇ ਨੂੰ ਅੱਗੇ ਵਧਾਉਣਾ।
ਗਤੀ ਲਈ ਦਬਾਅ ਦੇ ਕਾਰਨ ਸਰੋਤ/ਮਿਆਰੀ ਤਸਦੀਕ ਨੂੰ ਬਾਈਪਾਸ ਕਰਨਾ।
AI ਜਾਂ ਸਾਫਟਵੇਅਰ 'ਤੇ ਦੋਸ਼ ਲਗਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਿਹਾ ਹੈ।

ਸਾਰੰਸ਼ ਵਿੱਚ

ਡਿਜ਼ਾਈਨ ਤੋਂ ਲੈ ਕੇ ਬਿਲਿੰਗ ਤੱਕ ਹਰ ਪੜਾਅ 'ਤੇ AI ਨੂੰ ਡਰਾਫਟ ਜਨਰੇਟਰ ਅਤੇ ਇੰਜੀਨੀਅਰ ਨੂੰ ਤਸਦੀਕਕਰਤਾ ਅਤੇ ਮਨਜ਼ੂਰਕਰਤਾ ਦੇ ਤੌਰ 'ਤੇ ਰੱਖੋ।
ਹਰੇਕ ਆਉਟਪੁੱਟ ਲਈ ਲੇਅਰਡ ਵੈਰੀਫਿਕੇਸ਼ਨ ਪ੍ਰੋਟੋਕੋਲ (ਯੂਨਿਟ/ਰੈਂਕ, ਕਰਾਸ-ਵੈਧੀਕਰਨ, ਸਰੋਤ ਪ੍ਰਮਾਣੀਕਰਨ, ਇਕਸਾਰਤਾ, ਗੁਪਤਤਾ, ਤਸਦੀਕ) ਲਾਗੂ ਕਰੋ।
ਇੱਕ ਪੜਾਅ ਵਿੱਚ ਗਲਤੀ ਅਗਲੇ ਪੜਾਅ ਤੱਕ ਪਹੁੰਚ ਜਾਂਦੀ ਹੈ; ਹਰ ਪੜਾਅ 'ਤੇ ਤਸਦੀਕ ਕਰੋ।
ਗੁਪਤਤਾ, ਪਾਰਦਰਸ਼ਤਾ, ਯੋਗਤਾ ਅਤੇ ਜ਼ਿੰਮੇਵਾਰੀ ਨੈਤਿਕ ਸਿਧਾਂਤਾਂ ਨੂੰ ਸਥਾਈ ਹੈ।
ਜਿਵੇਂ ਹੀ ਗਤੀ ਵਧਦੀ ਹੈ, ਤਸਦੀਕ ਨੂੰ ਬਾਈਪਾਸ ਕਰਨ ਦਾ ਦਬਾਅ ਵਧਦਾ ਹੈ; ਇਸਦਾ ਵਿਰੋਧ ਕਰੋ।
ਬਿਲਡਿੰਗ ਸੁਰੱਖਿਆ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਨ ਵਾਲਾ ਹਰ ਫੈਸਲਾ ਇੱਕ ਸਮਰੱਥ ਇੰਜੀਨੀਅਰ ਦੇ ਦਸਤਖਤ ਨਾਲ ਵੈਧ ਹੁੰਦਾ ਹੈ; AI ਇਸ ਨੂੰ ਨਹੀਂ ਲੈ ਸਕਦਾ।

ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ

ਇੱਕ ਛੋਟੇ ਪੈਮਾਨੇ ਦੀ ਕਾਰਜ ਲੜੀ ਚੁਣੋ (ਜਿਵੇਂ ਕਿ ਸਧਾਰਨ ਤੱਤ ਵਿਸ਼ਲੇਸ਼ਣ → ਮਾਤਰਾ ਸਰਵੇਖਣ → ਛੋਟਾ ਕੰਮ ਸਮਾਂ-ਸਾਰਣੀ)। ਹਰ ਪੜਾਅ 'ਤੇ AI ਦੀ ਸਹਾਇਤਾ ਵਜੋਂ ਵਰਤੋਂ ਕਰੋ ਅਤੇ ਲੇਅਰਡ ਵੈਰੀਫਿਕੇਸ਼ਨ ਪ੍ਰੋਟੋਕੋਲ ਲਾਗੂ ਕਰੋ: ਅਗਲੇ ਪੜਾਅ 'ਤੇ ਜਾਣ ਤੋਂ ਪਹਿਲਾਂ ਹਰੇਕ ਆਊਟਪੁੱਟ ਨੂੰ ਯੂਨਿਟ/ਰੈਂਕ, ਕਰਾਸ-ਵੈਧੀਕਰਨ, ਅਤੇ ਸਰੋਤ ਪੁਸ਼ਟੀਕਰਨ ਦੇ ਅਧੀਨ ਕਰੋ। ਤੁਹਾਡੇ ਦੁਆਰਾ ਵਰਤੇ ਜਾਣ ਵਾਲੇ ਡੇਟਾ ਵਿੱਚ ਗੋਪਨੀਯਤਾ ਦੇ ਜੋਖਮ ਦਾ ਮੁਲਾਂਕਣ ਕਰੋ। ਅੰਤ ਵਿੱਚ, ਇੱਕ ਪੈਰੇ ਵਿੱਚ ਲਿਖੋ ਕਿ ਪ੍ਰੋਟੋਕੋਲ ਦੇ ਕਿਹੜੇ ਕਦਮ ਨੇ ਤੁਹਾਨੂੰ ਗਲਤੀ ਤੋਂ ਬਚਾਇਆ ਅਤੇ ਤੁਸੀਂ ਸਭ ਤੋਂ ਵੱਧ ਸਮਾਂ ਕਿੱਥੇ ਬਚਾਇਆ।

ਚੈੱਕਲਿਸਟ

ਮੈਂ ਹਰ ਪੜਾਅ 'ਤੇ AI ਨੂੰ ਡਰਾਫਟ ਜਨਰੇਟਰ ਦੇ ਤੌਰ 'ਤੇ ਅਤੇ ਖੁਦ ਨੂੰ ਤਸਦੀਕ ਕਰਨ ਵਾਲੇ ਵਜੋਂ ਰੱਖਿਆ ਹੈ।
[ ] ਮੈਂ ਹਰੇਕ ਆਉਟਪੁੱਟ ਲਈ ਲੇਅਰਡ ਪ੍ਰਮਾਣੀਕਰਨ ਪ੍ਰੋਟੋਕੋਲ ਲਾਗੂ ਕੀਤਾ ਹੈ।
[ ] ਮੈਂ ਪ੍ਰਮਾਣਿਕਤਾ ਤੋਂ ਬਿਨਾਂ ਇੱਕ ਪੜਾਅ ਦੇ ਆਉਟਪੁੱਟ ਨੂੰ ਅਗਲੇ ਪੜਾਅ ਤੱਕ ਨਹੀਂ ਲਿਜਾਇਆ।
[ ] ਮੈਂ ਵਰਤੇ ਗਏ ਡੇਟਾ 'ਤੇ ਗੋਪਨੀਯਤਾ/KVKK ਜਾਂਚ ਕੀਤੀ।
[ ] ਮੈਂ ਅਧਿਕਾਰਤ ਸਰੋਤ ਤੋਂ ਮਿਆਰੀ, ਕੀਮਤ ਅਤੇ ਆਈਟਮ ਦੇ ਮੁੱਲਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਹੈ।
[ ] ਸਪੀਡ ਦੇ ਦਬਾਅ ਦੇ ਬਾਵਜੂਦ, ਮੈਂ ਪੁਸ਼ਟੀਕਰਨ ਕਦਮਾਂ ਨੂੰ ਛੱਡਿਆ ਨਹੀਂ।
[ ] ਮੈਂ ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਫੈਸਲਿਆਂ ਨੂੰ ਸਮਰੱਥ ਇੰਜੀਨੀਅਰ ਦੀ ਪ੍ਰਵਾਨਗੀ ਦੇ ਅਧੀਨ ਕੀਤਾ ਹੈ।

ਮੋਡੀਊਲ ਪ੍ਰੀਖਿਆ

1. ਸਿਵਲ ਇੰਜੀਨੀਅਰਿੰਗ ਵਿੱਚ AI ਦੀ ਵਰਤੋਂ ਬਾਰੇ ਸਭ ਤੋਂ ਸਹੀ ਮੂਲ ਸਿਧਾਂਤ ਕੀ ਹੈ?

A) AI ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਗਣਨਾਵਾਂ 'ਤੇ ਇੰਜੀਨੀਅਰ ਦੀ ਮਨਜ਼ੂਰੀ ਨੂੰ ਨਹੀਂ ਬਦਲ ਸਕਦਾ; ਇਹ ਸਿਰਫ਼ ਇੱਕ ਡਰਾਫਟ ਹੈ ਜਿਸ ਦੀ ਜਾਂਚ ਕੀਤੀ ਜਾਣੀ ਹੈ ✔
ਅ) ਏਆਈ ਇੰਨਾ ਉੱਨਤ ਹੈ ਕਿ ਬਿਨਾਂ ਦਸਤਖਤ ਕੀਤੇ ਸਥਿਰ ਖਾਤਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਕੋਈ ਸਮੱਸਿਆ ਨਹੀਂ ਹੈ
C) ਕਿਸੇ ਵਾਧੂ ਤਸਦੀਕ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ ਕਿਉਂਕਿ AI ਆਉਟਪੁੱਟ ISO ਪ੍ਰਮਾਣਿਤ ਹੈ
ਡੀ) ਇੰਜੀਨੀਅਰ ਨੂੰ ਸਿਰਫ਼ ਉਹਨਾਂ ਚੀਜ਼ਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਜੋ AI ਪ੍ਰਦਾਨ ਨਹੀਂ ਕਰ ਸਕਦਾ ਹੈ

ਵਿਆਖਿਆ: ਇਮਾਰਤ ਸੁਰੱਖਿਆ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਨ ਵਾਲੀਆਂ ਗਣਨਾਵਾਂ ਅਤੇ ਫੈਸਲਿਆਂ ਵਿੱਚ ਜਾਨ ਅਤੇ ਸੰਪਤੀ ਦੀ ਸੁਰੱਖਿਆ ਹੁੰਦੀ ਹੈ। AI ਆਉਟਪੁੱਟ ਇੱਕ ਤੇਜ਼ ਡਰਾਫਟ ਤਿਆਰ ਕਰ ਸਕਦੀ ਹੈ, ਪਰ ਇਹ ਇੱਕ ਸਮਰੱਥ ਅਤੇ ਜ਼ਿੰਮੇਵਾਰ ਇੰਜੀਨੀਅਰ ਤੋਂ ਨਿਰੀਖਣ ਅਤੇ ਪ੍ਰਵਾਨਗੀ ਦਾ ਬਦਲ ਨਹੀਂ ਹੈ; ਜ਼ਿੰਮੇਵਾਰੀ ਹਮੇਸ਼ਾ ਇੰਜੀਨੀਅਰ ਦੀ ਰਹਿੰਦੀ ਹੈ।

2. AI- ਗਣਨਾ ਕੀਤੇ ਬੀਮ ਦੇ ਮੱਧ-ਸਪੇਨ ਪਲ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਵੇਲੇ ਸਭ ਤੋਂ ਭਰੋਸੇਮੰਦ ਪਹਿਲਾ ਕਦਮ ਕੀ ਹੈ?

A) ਨਤੀਜੇ ਨੂੰ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਸਵੀਕਾਰ ਕਰਨਾ ਕਿਉਂਕਿ AI ਬਹੁਤ ਸਹੀ ਲੱਗਦਾ ਹੈ
ਅ) ਬੰਦ ਫਾਰਮੂਲੇ ਜਾਂ ਹੱਥ ਦੀ ਗਣਨਾ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਆਰਡਰ ਅਤੇ ਆਕਾਰ ਦੀ ਜਾਂਚ ਕਰਨਾ ✔
C) ਦਸ਼ਮਲਵ ਬਿੰਦੂ ਤੋਂ ਬਾਅਦ ਨਤੀਜੇ ਨੂੰ ਹੋਰ ਅੰਕਾਂ ਤੱਕ ਗੋਲ ਕਰਨਾ
ਡੀ) ਬਸ ਬੀਮ ਦਾ ਆਕਾਰ ਵਧਾਓ ਅਤੇ ਜਾਰੀ ਰੱਖੋ

ਵਰਣਨ: ਬੰਦ ਫਾਰਮੂਲੇ ਸਧਾਰਨ ਤੌਰ 'ਤੇ ਲੋਡ ਕੀਤੇ ਸਪੈਨਾਂ (ਜਿਵੇਂ ਕਿ wL²/8 ਇਕਸਾਰ ਵੰਡੇ ਹੋਏ ਲੋਡ ਦੇ ਨਾਲ) ਵਿੱਚ ਰੇਂਜ ਨਿਯੰਤਰਣ ਲਈ ਆਦਰਸ਼ ਹਨ। AI ਦੇ ਨੰਬਰ ਦੀ ਇੱਕ ਸੁਤੰਤਰ ਬੰਦ ਫਾਰਮੂਲੇ ਜਾਂ ਹੱਥ ਦੀ ਗਣਨਾ ਨਾਲ ਤੁਲਨਾ ਕਰਨਾ ਇੰਪੁੱਟ ਅਤੇ ਗਣਿਤ ਦੀਆਂ ਗਲਤੀਆਂ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਪ੍ਰਗਟ ਕਰਦਾ ਹੈ।

3. ਏਆਈ ਨੇ ਇੱਕ ਪ੍ਰਬਲ ਕੰਕਰੀਟ ਬੀਮ ਵਿੱਚ ਲੋੜੀਂਦੇ ਮਜ਼ਬੂਤੀ ਖੇਤਰ ਦੀ ਗਣਨਾ ਕੀਤੀ। ਇਸ ਮੁੱਲ ਦੀ ਵਰਤੋਂ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਕਿਹੜੀ ਜਾਂਚ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ?

ਏ) ਬੇਤਰਤੀਬੇ ਤੌਰ 'ਤੇ ਮਜ਼ਬੂਤੀ ਦੇ ਵਿਆਸ ਨੂੰ ਵੱਡਾ ਕਰਨਾ
ਅ) ਕੇਵਲ ਕੰਕਰੀਟ ਵਰਗ ਨੂੰ ਵਧਾਉਣਾ
C) ਮਿਆਰੀ ਅਨੁਸਾਰ ਘੱਟੋ-ਘੱਟ ਅਤੇ ਵੱਧ ਤੋਂ ਵੱਧ ਮਜ਼ਬੂਤੀ ਦੀਆਂ ਸੀਮਾਵਾਂ ਅਤੇ ਸਪੇਸਿੰਗ/ਕਵਰੇਜ ਨਿਯਮਾਂ ਦੀ ਜਾਂਚ ਕਰਨਾ ✔
ਡੀ) ਮਜ਼ਬੂਤੀ ਨੂੰ ਦੁੱਗਣਾ ਕਰੋ

ਵਿਆਖਿਆ: ਇਕੱਲੇ ਗਣਨਾ ਕੀਤਾ ਮਜ਼ਬੂਤੀ ਖੇਤਰ ਕਾਫੀ ਨਹੀਂ ਹੈ। TS 500 / ਯੂਰੋਕੋਡ 2 ਨੂੰ ਘੱਟੋ-ਘੱਟ ਅਤੇ ਵੱਧ ਤੋਂ ਵੱਧ ਮਜ਼ਬੂਤੀ ਅਨੁਪਾਤ ਸੀਮਾਵਾਂ, ਸਪੇਸਿੰਗ ਅਤੇ ਕਵਰ ਨਿਯਮ ਪ੍ਰਦਾਨ ਕਰਨੇ ਚਾਹੀਦੇ ਹਨ। ਇਹਨਾਂ ਸੀਮਾਵਾਂ ਨੂੰ ਪੂਰਾ ਕੀਤੇ ਬਿਨਾਂ ਚੁਣਿਆ ਗਿਆ ਮਜ਼ਬੂਤੀ ਅਵੈਧ ਹੈ।

4. ਇੱਕ ਸਟੀਲ ਕਾਲਮ ਦੀ ਬਕਲਿੰਗ ਤਾਕਤ ਦੀ ਗਣਨਾ ਕਰਦੇ ਹੋਏ, AI ਕਹਿੰਦਾ ਹੈ 'ਮੈਂ ਬਕਲਿੰਗ ਲੰਬਾਈ ਨੂੰ ਕਾਲਮ ਦੀ ਲੰਬਾਈ ਦੇ ਬਰਾਬਰ ਲਿਆ'। ਸਹੀ ਇੰਜਨੀਅਰਿੰਗ ਜਵਾਬ ਕੀ ਹੈ?

ਏ) ਨਿਯੰਤਰਣ ਟਿਪ ਸਥਿਤੀਆਂ ਅਤੇ ਪ੍ਰਭਾਵੀ ਲੰਬਾਈ ਗੁਣਾਂਕ ਕੇ; ਮੋਚ ਦੀ ਲੰਬਾਈ ਸਥਿਤੀ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ ✔
ਅ) ਸਵੀਕਾਰ ਕਰਨਾ ਜਿਵੇਂ ਹੈ, ਇਹ ਹਰ ਕਾਲਮ ਲਈ ਵੈਧ ਹੈ
C) ਕੌਲਨ ਦੀ ਲੰਬਾਈ ਨੂੰ ਮਾਪੋ ਅਤੇ ਇਸਨੂੰ ਦੁੱਗਣਾ ਕਰੋ
ਡੀ) ਸਿਰਫ਼ ਸਟੀਲ ਵਰਗ ਨੂੰ ਵਧਾਉਣਾ ਕਾਫੀ ਹੈ

ਵਿਆਖਿਆ: ਬਕਲਿੰਗ ਦੀ ਲੰਬਾਈ ਨੂੰ ਸਮਰਥਨ ਅਤੇ ਅੰਤ ਦੀਆਂ ਸਥਿਤੀਆਂ ਦੇ ਅਧਾਰ ਤੇ ਪ੍ਰਭਾਵੀ ਲੰਬਾਈ ਗੁਣਾਂਕ (ਕੇ) ਦੁਆਰਾ ਨਿਰਧਾਰਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ; ਸਰੀਰਕ ਪੇਂਟ ਹਮੇਸ਼ਾ ਬਰਾਬਰ ਨਹੀਂ ਹੁੰਦਾ। ਇਹ ਜਾਂਚ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ ਕਿ ਅਤਿਅੰਤ ਸਥਿਤੀਆਂ ਨੂੰ ਸਹੀ ਮੰਨਿਆ ਗਿਆ ਹੈ ਅਤੇ K ਗੁਣਾਂਕ ਨੂੰ ਉਚਿਤ ਢੰਗ ਨਾਲ ਚੁਣਿਆ ਗਿਆ ਹੈ।

5. AI ਭੂਚਾਲ ਨਿਯਮ (TBDY) ਲੇਖ ਦਾ ਹਵਾਲਾ ਦੇ ਕੇ ਇੱਕ ਗੁਣਾਂਕ ਦਿੰਦਾ ਹੈ। ਸਭ ਤੋਂ ਸਹੀ ਵਿਵਹਾਰ ਕਿਹੜਾ ਹੈ?

A) ਮੁੱਲ ਦੀ ਵਰਤੋਂ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਕਰਨਾ ਕਿਉਂਕਿ AI ਭਰੋਸੇਮੰਦ ਲੱਗਦਾ ਹੈ
ਅ) ਅਧਿਕਾਰਤ, ਮੌਜੂਦਾ ਰੈਗੂਲੇਸ਼ਨ ਟੈਕਸਟ ਤੋਂ ਲੇਖ ਨੰਬਰ ਅਤੇ ਗੁਣਾਂਕ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨਾ ✔
C) ਸੁਰੱਖਿਅਤ ਪਾਸੇ 'ਤੇ ਰਹਿਣ ਲਈ ਬੇਤਰਤੀਬੇ ਗੁਣਾਂ ਨੂੰ ਵਧਾਉਣਾ
ਡੀ) ਬਿਨਾਂ ਜਾਂਚ ਕੀਤੇ ਰਿਪੋਰਟ ਵਿੱਚ ਆਈਟਮ ਨੰਬਰ ਜੋੜਨਾ

ਵਿਆਖਿਆ: ਭਾਸ਼ਾ ਦੇ ਮਾਡਲ ਆਈਟਮ ਨੰਬਰ ਅਤੇ ਗੁਣਾਂਕ ਨੂੰ ਗਲਤ ਯਾਦ ਰੱਖ ਸਕਦੇ ਹਨ ਜਾਂ ਬਣਾ ਸਕਦੇ ਹਨ (ਭਰਮ)। ਕਿਸੇ ਵੀ ਨਿਯਮ-ਆਧਾਰਿਤ ਮੁੱਲ ਨੂੰ ਅਧਿਕਾਰਤ ਅਤੇ ਮੌਜੂਦਾ ਰੈਗੂਲੇਸ਼ਨ ਟੈਕਸਟ ਤੋਂ ਜ਼ੁਬਾਨੀ ਤੌਰ 'ਤੇ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ; AI ਤੁਹਾਨੂੰ ਦਿਖਾਉਂਦਾ ਹੈ ਕਿ ਕਿੱਥੇ ਦੇਖਣਾ ਹੈ।

6. BIM ਮਾਡਲ ਵਿੱਚ AI ਨਾਲ ਤੁਹਾਡੇ ਦੁਆਰਾ ਬਣਾਈ ਗਈ ਡਾਇਨਾਮੋ/ਪਾਈਰੇਵਿਟ ਸਕ੍ਰਿਪਟ ਨੂੰ ਲਾਗੂ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਸਭ ਤੋਂ ਵਧੀਆ ਪਹੁੰਚ ਕੀ ਹੈ?

A) ਇੱਕ ਮਾਡਲ ਬੈਕਅੱਪ ਲੈ ਕੇ ਅਤੇ ਇੱਕ ਛੋਟੇ ਨਮੂਨੇ 'ਤੇ ਸਕ੍ਰਿਪਟ ਦੀ ਜਾਂਚ ਕਰਕੇ ਨਤੀਜੇ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ ✔
ਅ) ਸਕ੍ਰਿਪਟ ਨੂੰ ਅਸਲ ਮਾਡਲ ਦੇ ਸਾਰੇ ਤੱਤਾਂ 'ਤੇ ਸਿੱਧਾ ਲਾਗੂ ਕਰਨਾ
C) ਜੇਕਰ ਸਕ੍ਰਿਪਟ ਕੰਮ ਕਰਦੀ ਹੈ, ਤਾਂ ਇਹ ਸਹੀ ਹੈ, ਇਸਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਦੀ ਕੋਈ ਲੋੜ ਨਹੀਂ ਹੈ।
ਸ) ਸਕ੍ਰਿਪਟ ਨੂੰ ਬਿਨਾਂ ਪੜ੍ਹੇ ਹੀ ਚਲਾਉਣਾ

ਵਰਣਨ: ਆਟੋਮੇਸ਼ਨ ਸਕ੍ਰਿਪਟਾਂ ਮਾਡਲ ਵਿੱਚ ਤਬਦੀਲੀਆਂ ਨੂੰ ਅਣਡੂ ਕਰਨ ਲਈ ਬਲਕ ਅਤੇ ਮੁਸ਼ਕਲ ਬਣਾ ਸਕਦੀਆਂ ਹਨ। ਸਕ੍ਰਿਪਟ ਨੂੰ ਪਹਿਲਾਂ ਬੈਕਅੱਪ/ਕਾਪੀ ਮਾਡਲ 'ਤੇ ਛੋਟੇ ਪੈਮਾਨੇ 'ਤੇ ਟੈਸਟ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ, ਨਤੀਜੇ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ ਅਤੇ ਕੇਵਲ ਤਦ ਹੀ ਇਸਨੂੰ ਅਸਲ ਮਾਡਲ 'ਤੇ ਲਾਗੂ ਕਰੋ।

7. AI 'ਤੇ ਮਾਤਰਾ ਦਾ ਸਰਵੇਖਣ ਕਰਦੇ ਸਮੇਂ, ਤੁਸੀਂ ਆਉਟਪੁੱਟ ਦੇਖਦੇ ਹੋ 'ਮੈਂ ਕੰਧ ਦੇ ਖੇਤਰ ਨੂੰ 45 m³ ਵਜੋਂ ਗਿਣਿਆ'। ਤੁਹਾਡੀ ਪਹਿਲੀ ਪ੍ਰਤੀਕਿਰਿਆ ਕੀ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ?

A) ਖੋਜ ਨੂੰ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਮੁੱਲ ਲਿਖਣਾ
ਅ) ਯੂਨਿਟ ਦੀ ਅੰਤਰ (ਖੇਤਰ ਲਈ m³) ਵੱਲ ਧਿਆਨ ਦਿਓ ਅਤੇ ਫਾਰਮੂਲਾ ਅਤੇ ਇਕਾਈ ਦੀ ਗਲਤੀ ✔ ਦੇਖੋ
C) ਯੂਨਿਟ ਨੂੰ ਦਸਤੀ m² ਵਿੱਚ ਬਦਲੋ ਅਤੇ ਜਾਰੀ ਰੱਖੋ
ਡੀ) ਨਤੀਜੇ ਨੂੰ ਵੱਡੇ ਫੌਂਟ ਵਿੱਚ ਲਿਖਣਾ

ਵਿਆਖਿਆ: ਖੇਤਰਫਲ m² ਵਿੱਚ ਦਰਸਾਇਆ ਗਿਆ ਹੈ ਅਤੇ ਵਾਲੀਅਮ m³ ਵਿੱਚ ਦਰਸਾਇਆ ਗਿਆ ਹੈ। ਕੰਧ ਖੇਤਰ ਲਈ m³ ਇਕਾਈ ਇਕਾਈ/ਫਾਰਮੂਲਾ ਗਲਤੀ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ। ਯੂਨਿਟ ਇਕਸਾਰਤਾ ਦੀ ਜਾਂਚ ਮਾਤਰਾ ਸਰਵੇਖਣ ਵਿੱਚ ਸਭ ਤੋਂ ਆਮ ਅਤੇ ਮਹਿੰਗੀਆਂ ਗਲਤੀਆਂ ਨੂੰ ਤੁਰੰਤ ਫੜ ਲੈਂਦੀ ਹੈ।

8. AI ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਗਏ ਕੰਮ ਦੇ ਅਨੁਸੂਚੀ ਵਿੱਚ ਨਾਜ਼ੁਕ ਮਾਰਗ ਦਿੱਤਾ ਗਿਆ ਹੈ। ਇਸਦੀ ਪੁਸ਼ਟੀ ਕਰਦੇ ਸਮੇਂ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਜਾਂਚ ਕੀ ਹੈ?

ਏ) ਪ੍ਰੋਗਰਾਮ ਦੇ ਰੰਗਾਂ ਨੂੰ ਸੰਪਾਦਿਤ ਕਰਨਾ
ਅ) ਬਸ ਕੁੱਲ ਸਮਾਂ ਦੇਖੋ ਅਤੇ ਪੁਸ਼ਟੀ ਕਰੋ
C) ਗਤੀਵਿਧੀ ਨਿਰਭਰਤਾ, ਮਿਆਦਾਂ ਅਤੇ ਫੀਲਡ ਕ੍ਰਮ ਦੇ ਤਰਕ ਅਤੇ ਯਥਾਰਥਵਾਦ ਦੀ ਜਾਂਚ ਕਰਨਾ ✔
ਡੀ) ਗਤੀਵਿਧੀਆਂ ਦੀ ਗਿਣਤੀ ਘਟਾ ਕੇ ਪ੍ਰੋਗਰਾਮ ਨੂੰ ਛੋਟਾ ਕਰਨਾ

ਵਰਣਨ: ਨਾਜ਼ੁਕ ਮਾਰਗ ਪਹਿਲ (ਨਿਰਭਰਤਾ) ਸਬੰਧਾਂ ਅਤੇ ਗਤੀਵਿਧੀਆਂ ਦੀ ਮਿਆਦ 'ਤੇ ਅਧਾਰਤ ਹੈ। AI ਗਲਤ ਤਰੀਕੇ ਨਾਲ ਤਰਕ ਸਬੰਧ ਬਣਾ ਸਕਦਾ ਹੈ। ਗਤੀਵਿਧੀ ਨਿਰਭਰਤਾ, ਅਵਧੀ, ਅਤੇ ਫੀਲਡ ਕ੍ਰਮ ਦੇ ਯਥਾਰਥ ਦੀ ਜਾਂਚ ਕਰਨਾ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਕਦਮ ਹੈ।

9. ਤੁਸੀਂ AI ਦੇ ਨਾਲ ਇੱਕ ਡਰਾਫਟ ਤਕਨੀਕੀ ਨਿਰਧਾਰਨ ਤਿਆਰ ਕੀਤਾ ਹੈ। ਟੈਕਸਟ ਵਿੱਚ ਇੱਕ ਬਿਆਨ ਹੈ: 'ਉਚਿਤ ਮੋਟਾਈ ਦਾ ਇਨਸੂਲੇਸ਼ਨ ਪ੍ਰਦਾਨ ਕੀਤਾ ਜਾਵੇਗਾ'। ਤੁਸੀਂ ਕਿਵੇਂ ਵਿਹਾਰ ਕਰਦੇ ਹੋ?

A) ਸਟੈਂਡਰਡ ✔ ਦੇ ਅਧਾਰ 'ਤੇ ਠੋਸ ਮੁੱਲ ਅਤੇ ਸਹਿਣਸ਼ੀਲਤਾ ਦੇ ਨਾਲ ਬਿਆਨ ਨੂੰ ਸਪੱਸ਼ਟ ਕਰਨਾ
ਅ) ਅਸਪਸ਼ਟ ਸਮੀਕਰਨ ਨੂੰ ਛੱਡਣਾ ਜਿਵੇਂ ਹੈ, ਵਿਹਾਰਕ ਟਿੱਪਣੀਆਂ
C) ਸਮੀਕਰਨ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਮਿਟਾਓ ਅਤੇ ਨਿਰਧਾਰਨ ਤੋਂ ਇਨਸੂਲੇਸ਼ਨ ਨੂੰ ਹਟਾਓ
ਡੀ) ਵਾਕ ਨੂੰ ਹੋਰ ਰਸਮੀ ਦਿਖਣ ਲਈ ਇਸ ਨੂੰ ਲੰਮਾ ਕਰਨਾ

ਵਿਆਖਿਆ: ਨਿਰਧਾਰਨ ਮਾਪਣਯੋਗ ਅਤੇ ਆਡਿਟਯੋਗ ਹੋਣੇ ਚਾਹੀਦੇ ਹਨ। ਅਸਪਸ਼ਟ ਸਮੀਕਰਨ ਜਿਵੇਂ ਕਿ 'ਉਚਿਤ ਮੋਟਾਈ' ਵਿਵਾਦ ਅਤੇ ਐਪਲੀਕੇਸ਼ਨ ਦੀਆਂ ਗਲਤੀਆਂ ਪੈਦਾ ਕਰਦੇ ਹਨ। ਸਟੈਂਡਰਡ ਦੇ ਆਧਾਰ 'ਤੇ ਸਟੇਟਮੈਂਟ ਨੂੰ ਠੋਸ ਮੁੱਲ ਅਤੇ ਸਹਿਣਸ਼ੀਲਤਾ (ਉਦਾਹਰਨ ਲਈ ਮੋਟਾਈ, ਸਮੱਗਰੀ ਵਰਗ) ਨਾਲ ਸਪੱਸ਼ਟ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।

10. AI ਦੁਆਰਾ ਉਸਾਰੀ ਵਾਲੀ ਥਾਂ ਦੇ ਜੋਖਮ ਮੁਲਾਂਕਣ ਨੂੰ ਤਿਆਰ ਕਰਨ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਤਰੀਕਾ ਕੀ ਹੈ?

A) AI ਪ੍ਰਿੰਟਆਊਟ 'ਤੇ ਦਸਤਖਤ ਕਰੋ ਅਤੇ ਇਸਨੂੰ ਸਿੱਧੇ ਬੋਰਡ 'ਤੇ ਲਟਕਾਓ
ਅ) ਸਿਰਫ਼ ਸਭ ਤੋਂ ਆਮ ਖ਼ਤਰਿਆਂ ਨੂੰ ਛੱਡਣਾ ਅਤੇ ਬਾਕੀ ਨੂੰ ਮਿਟਾਉਣਾ
C) ਸਾਰੇ ਜੋਖਮ ਸਕੋਰਾਂ ਨੂੰ ਘੱਟ ਵਿੱਚ ਬਦਲਣਾ
D) ਸਾਈਟ ਦੀ ਸਥਿਤੀ, ਕਾਨੂੰਨ ਅਤੇ ਅਸਲ ਨਿਰਮਾਣ ਵਿਧੀ ਦੇ ਨਾਲ AI ਡਰਾਫਟ ਦੀ ਮਾਹਰਤਾ ਨਾਲ ਸਮੀਖਿਆ ਕਰੋ ਅਤੇ ਪੂਰਾ ਕਰੋ ✔

ਵਿਆਖਿਆ: ਜੋਖਮ ਮੁਲਾਂਕਣ ਇੱਕ ਦਸਤਾਵੇਜ਼ ਹੈ ਜੋ ਕਾਨੂੰਨੀ ਜ਼ਿੰਮੇਵਾਰੀ ਸੰਭਾਲਦਾ ਹੈ। AI ਇੱਕ ਵਧੀਆ ਡਰਾਫਟ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ, ਪਰ ਖ਼ਤਰਿਆਂ ਦੀ ਸਮੀਖਿਆ ਸਾਈਟ ਦੀ ਸਥਿਤੀ, ਕਾਨੂੰਨ ਅਤੇ ਅਸਲ ਨਿਰਮਾਣ ਵਿਧੀ ਦੇ ਅਧਾਰ 'ਤੇ OHS ਮਾਹਰ/ਇੰਜੀਨੀਅਰ ਦੁਆਰਾ ਪੂਰੀ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ।

11. AI ਨਾਲ ਪ੍ਰਗਤੀ ਭੁਗਤਾਨਾਂ ਦੀ ਗਣਨਾ ਕਰਦੇ ਸਮੇਂ ਕੁੱਲ ਰਕਮ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਦਾ ਸਭ ਤੋਂ ਭਰੋਸੇਮੰਦ ਤਰੀਕਾ ਕੀ ਹੈ?

A) ਸਵੀਕਾਰ ਕਰੋ ਜੇਕਰ ਕੁੱਲ ਲਗਭਗ ਹੈ
ਅ) ਸਿਰਫ਼ ਆਖ਼ਰੀ ਕਤਾਰ ਵਿੱਚ ਵਿਸ਼ਾਲ ਕੁੱਲ ਨੂੰ ਦੇਖਦੇ ਹੋਏ
C) ਆਈਟਮ-ਦਰ-ਆਈਟਮ ਮਾਤਰਾ × ਯੂਨਿਟ ਕੀਮਤ, ਕਟੌਤੀ ਅਤੇ ਸੰਚਤ ਰਕਮਾਂ ਦੀ ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਪੁਸ਼ਟੀ ਕਰੋ ✔
D) ਪਿਛਲੇ ਪ੍ਰਗਤੀ ਭੁਗਤਾਨ ਦੇ ਬਰਾਬਰ ਰਕਮ

ਸਪੱਸ਼ਟੀਕਰਨ: ਪ੍ਰਗਤੀ ਦਾ ਭੁਗਤਾਨ ਕੁੱਲ ਉਤਪਾਦਨ ਵਸਤੂਆਂ (ਮਾਤਰਾ × ਯੂਨਿਟ ਕੀਮਤ) ਅਤੇ ਕਟੌਤੀਆਂ ਦੇ ਸੰਚਤ ਔਫਸੈੱਟ ਅਤੇ ਪਿਛਲੇ ਪ੍ਰਗਤੀ ਭੁਗਤਾਨਾਂ 'ਤੇ ਅਧਾਰਤ ਹੈ। ਕਿਸੇ ਵਸਤੂ ਦੇ ਆਧਾਰ 'ਤੇ ਅੰਕਗਣਿਤ, ਇਕਾਈ ਕੀਮਤ ਦੇ ਪ੍ਰਬੰਧਾਂ ਅਤੇ ਸੰਚਤ ਰਕਮਾਂ ਦੀ ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਜਾਂਚ ਕਰਨਾ ਲਾਜ਼ਮੀ ਹੈ।

12. ਤੁਸੀਂ AI ਨਾਲ Python ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਇੱਕ ਕਾਲਮ ਲਈ ਧੁਰੀ ਲੋਡ ਸਮਰੱਥਾ ਦੀ ਗਣਨਾ ਕੀਤੀ, ਨਤੀਜਾ 12,000 kN ਸੀ; ਜਦੋਂ ਕਿ ਕਾਲਮ 30x30 ਸੈ.ਮੀ. ਤੁਹਾਡੀ ਪਹਿਲੀ ਪ੍ਰਤੀਕਿਰਿਆ ਕੀ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ?

A) ਨਤੀਜਾ ਸਿੱਧਾ ਰਿਪੋਰਟ ਵਿੱਚ ਲਿਖਣਾ
ਅ) ਨਤੀਜਾ ਫਿੱਟ ਕਰਨ ਲਈ ਕਰਾਸ ਸੈਕਸ਼ਨ ਨੂੰ ਵੱਡਾ ਕਰਨਾ
C) ਕੋਲਨ ਸੈਕਸ਼ਨ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਨਾ
ਡੀ) ਇਹ ਦੇਖਣਾ ਕਿ ਆਰਡਰ ਭੌਤਿਕ ਤੌਰ 'ਤੇ ਵਾਜਬ ਨਹੀਂ ਹੈ ਅਤੇ ਇਕਾਈ ਅਤੇ ਫਾਰਮੂਲੇ ਦੀਆਂ ਗਲਤੀਆਂ ਦੀ ਭਾਲ ਕਰਨਾ ✔

ਵਿਆਖਿਆ: ਇੱਕ ਛੋਟੇ ਕਰਾਸ-ਸੈਕਸ਼ਨ ਕਾਲਮ ਲਈ, 12,000 kN ਭੌਤਿਕ ਤੌਰ 'ਤੇ ਅਚਾਨਕ ਉੱਚਾ ਹੈ। ਸਵੱਛਤਾ ਜਾਂਚ ਤੁਰੰਤ ਇਕਾਈ (kN/N, cm/m) ਜਾਂ ਫਾਰਮੂਲੇ ਦੀਆਂ ਗਲਤੀਆਂ ਨੂੰ ਪ੍ਰਗਟ ਕਰਦੀ ਹੈ। ਇਨਪੁਟਸ ਅਤੇ ਫਾਰਮੂਲੇ ਦੀ ਉਦੋਂ ਤੱਕ ਸਮੀਖਿਆ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ ਜਦੋਂ ਤੱਕ ਉਹ ਇੱਕ ਉਚਿਤ ਸੀਮਾ ਦੇ ਅੰਦਰ ਨਹੀਂ ਹਨ।

13. AI 'ਤੇ ਗਾਹਕ ਪ੍ਰੋਜੈਕਟ ਡੇਟਾ ਅਪਲੋਡ ਕਰਨ ਵੇਲੇ ਗੋਪਨੀਯਤਾ ਦੇ ਮਾਮਲੇ ਵਿੱਚ ਸਭ ਤੋਂ ਵਧੀਆ ਵਿਵਹਾਰ ਕੀ ਹੈ?

A) ਬਿਨਾਂ ਗੁਪਤ ਰੱਖੇ ਅਤੇ ਪ੍ਰਵਾਨਗੀ ਪ੍ਰਾਪਤ ਕੀਤੇ ਬਿਨਾਂ ਤੇਜ਼ੀ ਨਾਲ ਡੇਟਾ ਅਪਲੋਡ ਕਰਨਾ
ਅ) ਮੰਨ ਲਓ ਕਿ ਗੋਪਨੀਯਤਾ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ ਕਿਉਂਕਿ ਡੇਟਾ ਪਹਿਲਾਂ ਹੀ AI ਵਿੱਚ ਹੈ
C) ਕਾਰਪੋਰੇਟ ਡੇਟਾ ਨੀਤੀ ਦੀ ਪਾਲਣਾ ਕਰਨਾ ਅਤੇ ਬਿਨਾਂ ਮਨਜ਼ੂਰੀ ਦੇ ਗੁਪਤ/ਨਿੱਜੀ ਡੇਟਾ ਨੂੰ ਅਪਲੋਡ ਨਾ ਕਰਨਾ, ਜੇ ਲੋੜ ਹੋਵੇ ਤਾਂ ਅਗਿਆਤ ਕਰਨਾ ✔
ਡੀ) ਸਾਰਾ ਡਾਟਾ ਸਾਂਝਾ ਕਰਨਾ ਅਤੇ ਏਆਈ ਪ੍ਰਦਾਤਾ ਨੂੰ ਜ਼ਿੰਮੇਵਾਰੀ ਛੱਡਣਾ

ਖੁਲਾਸਾ: ਪ੍ਰੋਜੈਕਟ ਡੇਟਾ (ਯੋਜਨਾਵਾਂ, ਲਾਗਤਾਂ, ਨਿੱਜੀ ਡੇਟਾ) ਵਿੱਚ ਵਪਾਰਕ ਰਾਜ਼ ਅਤੇ ਨਿੱਜੀ ਡੇਟਾ ਹੋ ਸਕਦਾ ਹੈ। ਸੰਸਥਾਗਤ ਪ੍ਰਵਾਨਗੀ ਤੋਂ ਬਿਨਾਂ ਕਿਸੇ ਬਾਹਰੀ ਸੇਵਾ 'ਤੇ ਗੁਪਤ ਡੇਟਾ ਨੂੰ ਅਪਲੋਡ ਨਾ ਕਰਨਾ, ਲੋੜ ਪੈਣ 'ਤੇ ਇਸ ਨੂੰ ਅਗਿਆਤ ਕਰਨਾ ਅਤੇ ਡੇਟਾ ਪ੍ਰੋਸੈਸਿੰਗ ਨੀਤੀਆਂ ਦੀ ਪਾਲਣਾ ਕਰਨਾ ਲਾਜ਼ਮੀ ਹੈ।

14. ਇੱਕ ਮਿਆਰੀ ਫਾਰਮੂਲਾ ਲਾਗੂ ਕਰਦੇ ਸਮੇਂ, AI ਨੇ ਲੋਡ ਸੁਰੱਖਿਆ ਗੁਣਾਂਕ (ਅਰਥਾਤ ਲੋਡ ਗੁਣਾਂਕ) ਨੂੰ 1.0 ਵਜੋਂ ਲਿਆ। ਸਹੀ ਮੁਲਾਂਕਣ ਕੀ ਹੈ?

A) ਗੁਣਾਂਕ ਨੂੰ ਜਿਵੇਂ ਹੈ ਛੱਡ ਕੇ, AI ਨੇ ਚੁਣਿਆ
ਅ) ਸੰਬੰਧਿਤ ਮਿਆਰ ਦੇ ਅਨੁਸਾਰ ਸਹੀ ਲੋਡ/ਮਟੀਰੀਅਲ ਗੁਣਾਂਕ ਦੀ ਜਾਂਚ ਕਰੋ ਅਤੇ ਠੀਕ ਕਰੋ ✔
C) ਸਾਰੇ ਗੁਣਾਂ ਨੂੰ 1.0 'ਤੇ ਸੈੱਟ ਕਰਕੇ ਗਣਨਾ ਨੂੰ ਸਰਲ ਬਣਾਉਣ ਲਈ
ਡੀ) ਗੁਣਾਂਕ ਦੀ ਬਜਾਏ ਮਨਮਾਨੇ ਤੌਰ 'ਤੇ ਕਰਾਸ ਸੈਕਸ਼ਨ ਨੂੰ ਵੱਡਾ ਕਰਨਾ

ਵਿਆਖਿਆ: ਸਮਰੱਥਾ ਡਿਜ਼ਾਈਨ, ਲੋਡ ਅਤੇ ਸਮੱਗਰੀ ਸੁਰੱਖਿਆ ਗੁਣਾਂਕ (ਜਿਵੇਂ ਕਿ 1.4/1.5 ਲੋਡ ਵਿੱਚ ਵਾਧਾ, ਸਮੱਗਰੀ ਦੀ ਤਾਕਤ ਵਿੱਚ ਕਮੀ) ਨੂੰ ਚੁੱਕਣ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਮਾਪਦੰਡ ਹਨ ਜੋ ਨਤੀਜਾ ਨਿਰਧਾਰਤ ਕਰਦੇ ਹਨ। ਇਹ ਜਾਂਚ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ ਕਿ ਕੀ ਗੁਣਾਂਕ ਨੂੰ ਸੰਬੰਧਿਤ ਮਿਆਰ ਦੇ ਅਨੁਸਾਰ ਸਹੀ ਢੰਗ ਨਾਲ ਲਿਆ ਗਿਆ ਹੈ; 1.0 ਜ਼ਿਆਦਾਤਰ ਮਾਮਲਿਆਂ ਵਿੱਚ ਅਸੁਰੱਖਿਅਤ ਪਾਸੇ ਹੈ।

15. ਐਂਡ-ਟੂ-ਐਂਡ AI ਵਰਕਫਲੋ ਵਿੱਚ ਸਭ ਤੋਂ ਸਹੀ ਪੁਸ਼ਟੀਕਰਨ ਪਹੁੰਚ ਕੀ ਹੈ?

ਏ) ਪੂਰੀ ਤਰ੍ਹਾਂ AI ਸਵੈ-ਨਿਯੰਤਰਣ 'ਤੇ ਭਰੋਸਾ ਕਰਨਾ
ਅ) ਬਸ ਨਵੀਨਤਮ ਆਉਟਪੁੱਟ ਨੂੰ ਦੇਖੋ ਅਤੇ ਪੁਸ਼ਟੀ ਕਰੋ
C) ਤਸਦੀਕ ਉਦੋਂ ਹੀ ਕਰੋ ਜਦੋਂ ਕੋਈ ਗਲਤੀ ਆਉਂਦੀ ਹੈ
ਡੀ) ਇਕਾਈ/ਰੈਂਕ, ਅੰਤਰ-ਪ੍ਰਮਾਣਿਕਤਾ, ਮਿਆਰੀ ਪੁਸ਼ਟੀਕਰਨ ਅਤੇ ਇੰਜੀਨੀਅਰ ਦੀ ਪ੍ਰਵਾਨਗੀ ਨੂੰ ਇੱਕ ਪੱਧਰੀ ਢੰਗ ਨਾਲ ਲਾਗੂ ਕਰਨਾ ✔

ਵਰਣਨ: ਇੱਕ ਭਰੋਸੇਯੋਗ ਵਰਕਫਲੋ ਵਿੱਚ, ਹਰੇਕ AI ਆਉਟਪੁੱਟ; ਇਹ ਯੂਨਿਟ ਅਤੇ ਰੈਂਕ ਨਿਯੰਤਰਣ ਦੀਆਂ ਪਰਤਾਂ, ਬੰਦ ਫਾਰਮੂਲੇ/ਸਾਫਟਵੇਅਰ ਨਾਲ ਕ੍ਰਾਸ-ਵੈਰੀਡੇਸ਼ਨ, ਸਟੈਂਡਰਡ ਪੁਸ਼ਟੀਕਰਨ ਅਤੇ ਸਮਰੱਥ ਇੰਜੀਨੀਅਰ ਦੀ ਪ੍ਰਵਾਨਗੀ ਤੋਂ ਲੰਘਦਾ ਹੈ। ਤਸਦੀਕ ਨੂੰ ਇੱਕ ਕਦਮ ਤੱਕ ਘਟਾਉਣਾ ਜੋਖਮ ਨੂੰ ਛੁਪਾਉਂਦਾ ਹੈ।