ਲਾਭ:
- ਇਹ ਪਤਾ ਲਗਾਉਣ ਦੀ ਸਮਰੱਥਾ ਕਿ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਤੇਲ ਅਤੇ ਗੈਸ ਵਰਕਫਲੋ ਵਿੱਚ ਅਸਲ ਸਮੇਂ ਅਤੇ ਲਾਗਤ ਨੂੰ ਕਿੱਥੇ ਬਚਾਉਂਦੀ ਹੈ ਅਤੇ ਕਿਹੜੇ ਫੈਸਲਿਆਂ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਅਧਿਕਾਰਤ ਇੰਜੀਨੀਅਰ ਦੀ ਰਹਿਣੀ ਚਾਹੀਦੀ ਹੈ
- ਇੱਕ ਅਨੁਸ਼ਾਸਨ ਨੂੰ ਲਾਗੂ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਜੋ ਹਰੇਕ AI ਆਉਟਪੁੱਟ ਨੂੰ ਵਿਸ਼ਾਲਤਾ, ਭੌਤਿਕ ਪ੍ਰਸੰਸਾਯੋਗਤਾ, ਅਤੇ ਫੀਲਡ/ਚੰਗੀ ਸਬੂਤ ਦੇ ਨਾਲ ਪ੍ਰਮਾਣਿਤ ਕਰਦੀ ਹੈ
- ਅਨਿਸ਼ਚਿਤਤਾ, ਭਰਮ, ਵਪਾਰਕ ਗੁਪਤਤਾ ਅਤੇ ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਜੋਖਮ ਦੀਆਂ ਧਾਰਨਾਵਾਂ ਨੂੰ ਪਛਾਣਨਾ ਅਤੇ ਸੰਦਰਭ ਨੂੰ ਅਗਿਆਤ ਕਰਕੇ ਸੁਰੱਖਿਅਤ ਪ੍ਰੋਂਪਟ ਸਥਾਪਤ ਕਰਨ ਦੀ ਆਦਤ ਨੂੰ ਗ੍ਰਹਿਣ ਕਰਨਾ।
ਪੈਟਰੋਲੀਅਮ ਅਤੇ ਕੁਦਰਤੀ ਗੈਸ ਇੰਜਨੀਅਰਿੰਗ ਇੱਕ ਸੁਰੱਖਿਅਤ, ਕੁਸ਼ਲ ਅਤੇ ਵਾਤਾਵਰਣ ਦੇ ਅਨੁਕੂਲ ਤਰੀਕੇ ਨਾਲ ਭੂਮੀਗਤ ਕਈ ਕਿਲੋਮੀਟਰ ਭੂਮੀਗਤ ਇੱਕ ਭੰਡਾਰ (ਇੱਕ ਛਿੱਲੀ ਚੱਟਾਨ ਦਾ ਪੁੰਜ ਜਿਸ ਵਿੱਚ ਤੇਲ ਜਾਂ ਗੈਸ ਹੈ) ਤੋਂ ਤਰਲ ਪਦਾਰਥ ਲਿਆਉਣ ਦੀ ਕਲਾ ਹੈ। ਇਹ ਕਾਰੋਬਾਰ ਸ਼ੁਰੂ ਤੋਂ ਲੈ ਕੇ ਅੰਤ ਤੱਕ ਡੇਟਾ ਨਾਲ ਬੁਣਿਆ ਗਿਆ ਹੈ: ਭੂਚਾਲ ਵਾਲੇ ਭਾਗ, ਖੂਹ ਦੇ ਲਾਗ, ਕੋਰ ਮਾਪ, ਉਤਪਾਦਨ ਦੇ ਪ੍ਰਵਾਹ, ਦਬਾਅ ਦੇ ਲਾਗ, ਉਪਕਰਣ ਸੈਂਸਰ, ਪਾਈਪਲਾਈਨ SCADA ਵਹਾਅ। ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਡੇਟਾ ਦੀ ਇਸ ਬਹੁਤਾਤ ਵਿੱਚ ਸਹੀ ਢੰਗ ਨਾਲ ਖੇਡ ਵਿੱਚ ਆਉਂਦੀ ਹੈ; ਇਹ ਇਸ ਨੂੰ ਤੇਜ਼ ਕਰਦਾ ਹੈ, ਪੈਟਰਨਾਂ ਨੂੰ ਦ੍ਰਿਸ਼ਮਾਨ ਬਣਾਉਂਦਾ ਹੈ, ਅਤੇ ਕੰਮ ਦੇ ਘੰਟਿਆਂ ਨੂੰ ਮਿੰਟਾਂ ਤੱਕ ਘਟਾਉਂਦਾ ਹੈ। ਪਰ ਆਓ ਇਸ ਮੋਡੀਊਲ ਦੇ ਪਹਿਲੇ ਅਤੇ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਵਾਕ ਨੂੰ ਦੁਹਰਾਉਂਦੇ ਹਾਂ: ਨਕਲੀ ਬੁੱਧੀ ਇਸ ਪੇਸ਼ੇ ਵਿੱਚ ਇੱਕ ਪ੍ਰਵੇਗਕ ਹੈ, ਇੱਕ ਹਸਤਾਖਰ ਕਰਨ ਵਾਲਾ ਨਹੀਂ। ਖੂਹ ਦੇ ਫੱਟਣ, ਪਾਈਪਲਾਈਨ ਦੇ ਧਮਾਕੇ ਜਾਂ ਗਲਤ ਘੋਸ਼ਿਤ ਰਿਜ਼ਰਵ ਦੀ ਕੀਮਤ ਜੀਵਨ, ਵਾਤਾਵਰਣ ਅਤੇ ਵੱਡੀ ਪੂੰਜੀ ਹੈ; ਅਧਿਕਾਰਤ ਇੰਜੀਨੀਅਰ ਇਹ ਲਾਗਤ ਸਹਿਣ ਕਰਦਾ ਹੈ, ਨਾ ਕਿ ਏ.ਆਈ.
ਇਸ ਯੂਨਿਟ ਵਿੱਚ, ਅਸੀਂ ਮੈਪ ਕਰਦੇ ਹਾਂ ਕਿ ਤੇਲ ਅਤੇ ਗੈਸ ਵਰਕਫਲੋ ਵਿੱਚ AI ਨੂੰ ਕਿਵੇਂ ਏਮਬੇਡ ਕਰਨਾ ਹੈ: ਕਿੱਥੇ ਅਸਲ ਲਾਭ ਹੈ, ਕਿੱਥੇ ਖ਼ਤਰਾ ਹੈ, ਅਤੇ ਅਸੀਂ ਹਰੇਕ ਆਉਟਪੁੱਟ ਦੀ ਜਾਂਚ ਕਿਸ ਪ੍ਰਮਾਣਿਕਤਾ ਅਨੁਸ਼ਾਸਨ ਨਾਲ ਕਰਾਂਗੇ।
ਜਿੱਥੇ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਅਸਲ ਲਾਭ ਲਿਆਉਂਦੀ ਹੈ
ਉਹ ਖੇਤਰ ਜਿੱਥੇ AI ਉਦਯੋਗ ਵਿੱਚ ਸਭ ਤੋਂ ਮਜ਼ਬੂਤ ਹੈ, ਜਿੱਥੇ ਵੱਡੀ ਗਿਣਤੀ ਵਿੱਚ ਨਮੂਨਿਆਂ ਤੋਂ ਪੈਟਰਨ ਕੱਢਣਾ ਕੀਮਤੀ ਹੈ ਅਤੇ ਗਲਤੀਆਂ ਨੂੰ ਜਲਦੀ ਫੜਿਆ ਜਾ ਸਕਦਾ ਹੈ:
- ਡੇਟਾ ਸਟ੍ਰਕਚਰਿੰਗ ਅਤੇ ਕਲੀਨਿੰਗ: ਖਿੰਡੇ ਹੋਏ ਖੂਹ ਦੇ ਲੌਗਸ ਬਣਾਉਣਾ, ਵੱਖ-ਵੱਖ ਫਾਰਮੈਟਾਂ ਵਿੱਚ ਉਤਪਾਦਨ ਟੇਬਲ, ਮੁਫਤ ਟੈਕਸਟ ਡਰਿਲਿੰਗ ਰਿਪੋਰਟਾਂ ਪੁੱਛਗਿੱਛ ਯੋਗ ਹਨ।
- ਪੈਟਰਨ ਮਾਨਤਾ: ਭੂਚਾਲ ਦੇ ਭਾਗ ਵਿੱਚ ਨੁਕਸ ਦੇ ਨਿਸ਼ਾਨ, ਚਿਹਰਾ (ਪਥਰਾਅ ਵਾਲੇ ਵਾਤਾਵਰਣ ਲਈ ਖਾਸ ਚੱਟਾਨ ਦੀ ਕਿਸਮ) ਲੌਗ ਕਰਵ ਵਿੱਚ ਸੀਮਾਵਾਂ, ਵਾਈਬ੍ਰੇਸ਼ਨ ਸਪੈਕਟ੍ਰਮ ਵਿੱਚ ਨੁਕਸ ਦੇ ਦਸਤਖਤ।
- ਪੂਰਵ-ਅਨੁਮਾਨ ਅਤੇ ਪੂਰਵ-ਅਨੁਮਾਨ: ਲੌਗਸ ਤੋਂ ਪੋਰੋਸਿਟੀ, ਉਤਪਾਦਨ ਦੇ ਇਤਿਹਾਸ ਤੋਂ ਡਿਗਰੇਡੇਸ਼ਨ ਕਰਵ, ਸੈਂਸਰ ਤੋਂ ਬਾਕੀ ਲਾਭਦਾਇਕ ਜੀਵਨ।
- ਡਰਾਫਟ ਉਤਪਾਦਨ: ਰਿਪੋਰਟ ਪਿੰਜਰ, ਸਾਹਿਤ ਸੰਖੇਪ, ਕੋਡ ਸਨਿੱਪਟ, ਪ੍ਰਕਿਰਿਆ ਦੀ ਰੂਪਰੇਖਾ।
- ਵਿਗਾੜ ਦਾ ਪਤਾ ਲਗਾਉਣਾ: ਪਾਈਪਲਾਈਨ ਵਿੱਚ ਦਬਾਅ ਵਿੱਚ ਕਮੀ, ਸਾਜ਼ੋ-ਸਾਮਾਨ ਵਿੱਚ ਅਸਾਧਾਰਨ ਕੰਬਣੀ, ਉਤਪਾਦਨ ਵਿੱਚ ਅਚਾਨਕ ਭਟਕਣਾ।
ਇਹਨਾਂ ਖੇਤਰਾਂ ਵਿੱਚ ਕੀ ਸਾਂਝਾ ਹੈ: AI ਇੱਕ ਪਹਿਲਾ ਡਰਾਫਟ ਜਾਂ ਧਿਆਨ ਦੇਣ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ, ਇੰਜੀਨੀਅਰ ਇਸਦੀ ਪੁਸ਼ਟੀ ਕਰਦਾ ਹੈ ਅਤੇ ਜ਼ਿੰਮੇਵਾਰੀ ਲੈਂਦਾ ਹੈ।
ਜਿੱਥੇ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਜ਼ਿੰਮੇਵਾਰੀ ਨਹੀਂ ਲੈ ਸਕਦੀ
ਕੁਝ ਫੈਸਲੇ ਕੁਦਰਤੀ ਤੌਰ 'ਤੇ ਇੰਜੀਨੀਅਰ ਦੇ ਕੋਲ ਰਹਿਣੇ ਚਾਹੀਦੇ ਹਨ ਕਿਉਂਕਿ ਗਲਤੀ ਦੀ ਸਥਿਤੀ ਵਿੱਚ ਨੁਕਸਾਨ ਨੂੰ ਵਾਪਸ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ:
- ਚੰਗੀ ਤਰ੍ਹਾਂ ਨਿਯੰਤਰਣ ਅਤੇ ਦਬਾਅ ਪ੍ਰਬੰਧਨ (ਫੱਟਣ ਦੀ ਰੋਕਥਾਮ) ਫੈਸਲੇ।
- ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਅਲਾਰਮ ਥ੍ਰੈਸ਼ਹੋਲਡ (ਗੈਸ ਲੀਕ, H2S, ਉੱਚ ਦਬਾਅ)।
- ਰਿਜ਼ਰਵ ਘੋਸ਼ਣਾ ਅਤੇ ਨਿਵੇਸ਼ਕ ਨੂੰ ਪੇਸ਼ ਕੀਤੇ ਅਧਿਕਾਰਤ ਅੰਕੜੇ।
- ਪਾਈਪਲਾਈਨ ਅਤੇ ਪ੍ਰੈਸ਼ਰ ਉਪਕਰਣ ਦੀ ਇਕਸਾਰਤਾ/ਡੀਕਮਿਸ਼ਨਿੰਗ ਫੈਸਲੇ।
- ਵਾਤਾਵਰਣ ਡਿਸਚਾਰਜ ਅਤੇ ਸਾਈਟ ਸੁਰੱਖਿਆ ਪ੍ਰਵਾਨਗੀਆਂ।
ਸਾਵਧਾਨ: "AI ਸੁਝਾਏ" ਇੱਕ ਬਚਾਅ ਨਹੀਂ ਹੈ। ਇੰਜਨੀਅਰਿੰਗ ਗਲਤੀ ਦੀ ਜਾਂਚ ਵਿੱਚ ਪੁੱਛਣ ਵਾਲਾ ਸਵਾਲ ਇਹ ਹੈ: "ਅਧਿਕਾਰਤ ਇੰਜੀਨੀਅਰ ਨੇ ਕਿਸ ਸੁਤੰਤਰ ਸਬੂਤ ਨਾਲ ਇਸ ਆਉਟਪੁੱਟ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ?" ਜੇਕਰ ਤੁਹਾਡੇ ਕੋਲ ਕੋਈ ਜਵਾਬ ਨਹੀਂ ਹੈ, ਤਾਂ ਤੁਹਾਨੂੰ ਆਉਟਪੁੱਟ ਦੀ ਵਰਤੋਂ ਬਿਲਕੁਲ ਨਹੀਂ ਕਰਨੀ ਚਾਹੀਦੀ।
ਪ੍ਰਮਾਣਿਕਤਾ ਅਨੁਸ਼ਾਸਨ: ਤਿੰਨ-ਲੇਅਰ ਫਿਲਟਰ
ਮਹੱਤਤਾ ਦੇ ਆਧਾਰ 'ਤੇ ਤਿੰਨ ਫਿਲਟਰਾਂ ਰਾਹੀਂ ਹਰੇਕ AI ਆਉਟਪੁੱਟ ਨੂੰ ਪਾਸ ਕਰੋ।
1. ਤੀਬਰਤਾ ਨਿਯੰਤਰਣ ਦਾ ਕ੍ਰਮ। ਕੀ ਨਤੀਜਾ ਮੋਟੇ ਤੌਰ 'ਤੇ 10 ਰੇਂਜ ਦੀ ਸੰਭਾਵਿਤ ਸ਼ਕਤੀ ਦੇ ਅੰਦਰ ਹੈ? ਰੇਤ ਦੇ ਭੰਡਾਰ ਦੀ ਪਾਰਦਰਸ਼ੀਤਾ ਆਮ ਤੌਰ 'ਤੇ ਮਿਲਿਡਰਸੀ-ਡਾਰਸੀ ਰੇਂਜ ਵਿੱਚ ਹੁੰਦੀ ਹੈ; ਜੇ ਮਾਡਲ "80,000 ਡਾਰਸੀ" ਕਹਿੰਦਾ ਹੈ ਤਾਂ ਵੇਰਵੇ ਵਿੱਚ ਜਾਣ ਤੋਂ ਬਿਨਾਂ ਇੱਕ ਯੂਨਿਟ ਜਾਂ ਸੰਪਾਦਨ ਗਲਤੀ ਹੈ। ਪੋਰੋਸਿਟੀ 0%-40% ਦੇ ਵਿਚਕਾਰ ਹੈ; 65% ਸਰੀਰਕ ਤੌਰ 'ਤੇ ਅਸੰਭਵ ਹੈ.
2. ਸਰੀਰਕ ਵਾਜਬਤਾ ਦੀ ਜਾਂਚ। ਕੀ ਆਉਟਪੁੱਟ ਭੌਤਿਕ ਵਿਗਿਆਨ ਦੇ ਜਾਣੇ-ਪਛਾਣੇ ਨਿਯਮਾਂ ਦੀ ਪਾਲਣਾ ਕਰਦੀ ਹੈ? ਪਾਣੀ ਦੀ ਸੰਤ੍ਰਿਪਤਾ 0-1 ਦੇ ਵਿਚਕਾਰ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ; ਉਤਪਾਦਨ ਪ੍ਰਵਾਹ ਦਰ ਨਕਾਰਾਤਮਕ ਨਹੀਂ ਹੋ ਸਕਦੀ; ਪਦਾਰਥਕ ਸੰਤੁਲਨ (ਉਤਪਾਦਿਤ + ਬਾਕੀ = ਸ਼ੁਰੂਆਤੀ) ਬੰਦ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ; ਡਰਾਅਡਾਊਨ ਕਰਵ ਸਮੇਂ ਦੇ ਨਾਲ ਵੱਧ ਰਹੇ ਉਤਪਾਦਨ ਨੂੰ ਨਹੀਂ ਦਿਖਾ ਸਕਦਾ (ਜਦੋਂ ਤੱਕ ਕਿ ਨਵੇਂ ਖੂਹ/ਦਖਲਅੰਦਾਜ਼ੀ ਨਹੀਂ ਹੁੰਦੀ)।
3. ਸੁਤੰਤਰ ਸਬੂਤ ਜਾਂਚ। ਆਉਟਪੁੱਟ ਦੀ ਤੁਲਨਾ ਇੱਕ ਸਰੋਤ ਨਾਲ ਕਰੋ ਜੋ ਇਸਨੂੰ ਪੈਦਾ ਨਹੀਂ ਕਰਦਾ: ਕੋਰ ਮਾਪ, ਚੰਗੀ ਜਾਂਚ (ਦਬਾਅ-ਪ੍ਰਵਾਹ ਡੇਟਾ), ਨਾਲ ਲੱਗਦੇ ਖੂਹ, ਫੀਲਡ ਨਿਰੀਖਣ, ਦੂਜਾ ਤਰੀਕਾ। ਸਬੂਤ ਦੀ ਲੜੀ ਵਿੱਚ, ਸਿੱਧਾ ਮਾਪ (ਕੋਰ, ਚੰਗੀ ਜਾਂਚ) ਮਾਡਲ ਪੂਰਵ ਅਨੁਮਾਨ ਤੋਂ ਹਮੇਸ਼ਾ ਉੱਤਮ ਹੁੰਦਾ ਹੈ।
ਸੰਕੇਤ: ਆਉਟਪੁੱਟ ਦੇ ਜੋਖਮ ਨਾਲ ਤਸਦੀਕ ਤੀਬਰਤਾ ਨੂੰ ਸਕੇਲ ਕਰੋ। ਸਾਹਿਤ ਦੇ ਸੰਖੇਪ ਲਈ, ਇੱਕ ਤੇਜ਼ ਪੜ੍ਹਨਾ ਕਾਫ਼ੀ ਹੈ; ਪੂਰੀ ਸੁਤੰਤਰ ਗਣਨਾ ਅਤੇ ਦੂਜਾ ਇੰਜੀਨੀਅਰ ਨਿਯੰਤਰਣ ਇੱਕ ਚੰਗੀ ਦਬਾਅ ਸੀਮਾ ਲਈ ਜ਼ਰੂਰੀ ਹੈ।
ਸੁਰੱਖਿਅਤ ਪ੍ਰੋਂਪਟ: ਗੋਪਨੀਯਤਾ ਅਤੇ ਸੰਦਰਭ
ਤੇਲ-ਗੈਸ ਡੇਟਾ ਵਪਾਰਕ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਤੋਂ ਬਹੁਤ ਸੰਵੇਦਨਸ਼ੀਲ ਹੈ। ਵਧੀਆ ਤਾਲਮੇਲ, ਉਤਪਾਦਨ ਦੇ ਪ੍ਰਵਾਹ ਅਤੇ ਰਿਜ਼ਰਵ ਅੰਕੜੇ ਅਕਸਰ ਲਾਇਸੰਸ ਧਾਰਕ ਅਤੇ ਭਾਈਵਾਲੀ ਨਾਲ ਸਬੰਧਤ ਹੁੰਦੇ ਹਨ; ਇੱਕ ਬੇਕਾਬੂ ਬਾਹਰੀ AI ਸੇਵਾ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਣਾ ਮੁਕਾਬਲੇ ਦਾ ਨੁਕਸਾਨ, ਇਕਰਾਰਨਾਮੇ ਦੀ ਉਲੰਘਣਾ ਅਤੇ ਕਾਨੂੰਨੀ ਜੋਖਮ ਪੈਦਾ ਕਰਦਾ ਹੈ।
- ਵਾਸਤਵਿਕ ਖੂਹ ਦੇ ਨਾਮ/ਕੋਆਰਡੀਨੇਟਸ ਦੀ ਬਜਾਏ ਉਪਨਾਮ ("Well-A", "ਫੀਲਡ-X") ਦੀ ਵਰਤੋਂ ਕਰੋ।
- ਅਸਲ ਉਤਪਾਦਨ ਅਤੇ ਰਿਜ਼ਰਵ ਅੰਕੜਿਆਂ ਨੂੰ ਪ੍ਰਤੀਨਿਧੀ (ਸਕੇਲਡ) ਮੁੱਲਾਂ ਨਾਲ ਬਦਲੋ; ਅਨੁਪਾਤ ਅਤੇ ਪੈਟਰਨ ਸੁਰੱਖਿਅਤ ਹਨ, ਗੁਪਤ ਨੰਬਰ ਲੀਕ ਨਹੀਂ ਹੋਇਆ ਹੈ.
- ਡੇਟਾ ਪ੍ਰੋਸੈਸਿੰਗ ਸਮਝੌਤੇ ਦੇ ਨਾਲ ਸੰਸਥਾ ਦੁਆਰਾ ਪ੍ਰਵਾਨਿਤ ਸਾਧਨਾਂ ਦੀ ਹੀ ਵਰਤੋਂ ਕਰੋ।
ਤਿੰਨ ਮਿੰਨੀ ਕੇਸ: ਨੰਬਰ ਦੁਆਰਾ
ਕੇਸ 1 - ਸਮੇਂ ਦੀ ਬਚਤ, ਸਹੀ ਵਰਤੋਂ। ਇੱਕ ਖੇਤਰ ਵਿੱਚ 240 ਖੂਹਾਂ ਦੀਆਂ ਐਲਏਐਸ ਲੌਗ ਫਾਈਲਾਂ ਵੱਖ-ਵੱਖ ਨਾਮਕਰਨ ਅਤੇ ਇਕਾਈਆਂ ਨਾਲ ਰੱਖੀਆਂ ਗਈਆਂ ਸਨ। AI-ਸੰਚਾਲਿਤ ਮਾਨਕੀਕਰਨ ਨੇ ਯੂਨਿਟ ਪਰਿਵਰਤਨ ਅਤੇ ਕਰਵ ਨਾਮ ਮਿਲਾਨ ਨੂੰ ਦੋ ਦਿਨਾਂ ਤੋਂ ਘਟਾ ਕੇ ਤਿੰਨ ਘੰਟੇ ਕਰ ਦਿੱਤਾ ਹੈ। ਬੇਤਰਤੀਬੇ 10% ਖੂਹਾਂ ਦੀ ਦਸਤੀ ਜਾਂਚ ਕੀਤੀ ਗਈ ਸੀ; ਦੋ ਫਾਈਲਾਂ ਵਿੱਚ ਨਿਊਟ੍ਰੋਨ ਲੌਗ ਦੀ ਬੇਮੇਲਤਾ ਦਾ ਪਤਾ ਲਗਾਇਆ ਗਿਆ ਅਤੇ ਠੀਕ ਕੀਤਾ ਗਿਆ। ਲਾਭ ਅਸਲ ਸੀ ਕਿਉਂਕਿ ਤਸਦੀਕ ਪਰਤ ਥਾਂ 'ਤੇ ਸੀ।
ਕੇਸ 2 - ਨਿਯੰਤਰਿਤ ਰਿਜ਼ਰਵ ਜੋਖਮ। ਇੱਕ ਇੰਜਨੀਅਰ ਨੇ ਡਰਾਅਡਾਊਨ ਕਰਵ ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਤੇਜ਼ ਕਰਨ ਲਈ ਮਾਡਲ ਵਿੱਚ ਉਤਪਾਦਨ ਡੇਟਾ ਦਿੱਤਾ; ਮਾਡਲ ਨੇ ਹਾਈਪਰਬੋਲਿਕ ਡਰਾਅਡਾਊਨ ਵਿੱਚ 1.4 ਦਾ ਬੀ ਪ੍ਰਾਈਮ ਲਿਆ ਅਤੇ ਇਸਨੂੰ 30 ਸਾਲਾਂ ਤੱਕ ਵਧਾ ਦਿੱਤਾ, ਜਿਸ ਨਾਲ EUR (ਅੰਤਿਮ ਅਨੁਮਾਨਿਤ ਉਤਪਾਦਨ) ਨੂੰ ਉਮੀਦ ਨਾਲੋਂ ਦੁੱਗਣਾ ਉੱਚਾ ਬਣਾਇਆ ਗਿਆ। ਪਦਾਰਥਕ ਸੰਤੁਲਨ ਦੀ ਜਾਂਚ ਨੇ ਦਿਖਾਇਆ ਕਿ ਚਿੱਤਰ ਭੰਡਾਰ ਦੀ ਮਾਤਰਾ ਦਾ ਖੰਡਨ ਕਰਦਾ ਹੈ; ਬੀ ਅਧਾਰ ਨੂੰ ਭੌਤਿਕ ਸੀਮਾ ਵਿੱਚ ਭੇਜਿਆ ਗਿਆ ਸੀ ਅਤੇ ਨਤੀਜਾ ਠੀਕ ਕੀਤਾ ਗਿਆ ਸੀ। ਜੇਕਰ ਅੰਨ੍ਹਾ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਰਿਜ਼ਰਵ ਅਤਿਕਥਨੀ ਹੋਵੇਗੀ.
ਕੇਸ 3 — ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਸੀਮਾ। ਇੱਕ ਟੀਮ ਨੇ AI ਤੋਂ ਗੈਸ ਖੋਜ ਅਲਾਰਮ ਥ੍ਰੈਸ਼ਹੋਲਡ ਨੂੰ "ਅਨੁਕੂਲ" ਕਰਨ ਲਈ ਸੁਝਾਅ ਮੰਗੇ; ਮਾਡਲ ਨੇ ਝੂਠੇ ਅਲਾਰਮ ਨੂੰ ਘਟਾਉਣ ਲਈ ਥ੍ਰੈਸ਼ਹੋਲਡ ਵਧਾਉਣ ਦਾ ਸੁਝਾਅ ਦਿੱਤਾ। ਐਚਐਸਈ ਇੰਜੀਨੀਅਰ ਨੇ ਇਸ ਤੋਂ ਇਨਕਾਰ ਕੀਤਾ: ਗੈਸ ਖੋਜ ਵਿੱਚ ਇੱਕ ਝੂਠਾ ਨੈਗੇਟਿਵ (ਅਸਲ ਲੀਕ ਨਾ ਹੋਣਾ) ਘਾਤਕ ਹੈ ਅਤੇ ਥ੍ਰੈਸ਼ਹੋਲਡ ਨੂੰ ਕਾਨੂੰਨੀ/ਸਟੈਂਡਰਡ ਸੀਮਾ ਤੋਂ ਹੇਠਾਂ ਸੈੱਟ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ। ਇਕੱਲੀ AI ਸਿਫ਼ਾਰਿਸ਼ ਸੁਰੱਖਿਆ ਦੀ ਇੱਕ ਪਰਤ ਨਹੀਂ ਹੋ ਸਕਦੀ।
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:
ਇਸ ਖੂਹ ਦੇ ਉਤਪਾਦਨ ਦੇ ਅੰਕੜਿਆਂ 'ਤੇ ਨਜ਼ਰ ਮਾਰੋ ਅਤੇ ਸਾਨੂੰ ਇਸਦਾ ਰਿਜ਼ਰਵ ਦੱਸੋ। [ਡਾਟਾ]
ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:
ਹੇਠਾਂ ਦਿੱਤੇ (ਪ੍ਰਤੀਨਿਧੀ/ਅਗਿਆਤ) ਉਤਪਾਦਨ ਡੇਟਾ ਤੋਂ ਡਰਾਫਟ ਡਰਾਅਡਾਊਨ ਕਰਵ ਵਿਸ਼ਲੇਸ਼ਣ। ਇਹਨਾਂ ਨਿਯਮਾਂ ਦੀ ਪਾਲਣਾ ਕਰੋ: - ਆਰਪਸ ਪੈਟਰਨ ਲਾਗੂ ਕਰੋ; ਬੀ ਘਾਤਕ ਨੂੰ ਭੌਤਿਕ ਰੇਂਜ 0-1 ਵਿੱਚ ਰੱਖੋ, ਆਪਣਾ ਜਾਇਜ਼ਤਾ ਲਿਖੋ। - EUR ਅੰਦਾਜ਼ੇ ਨੂੰ ਇੱਕ ਘੱਟ/ਮੱਧਮ/ਉੱਚ ਦ੍ਰਿਸ਼ ਵਜੋਂ ਦਿਓ, ਇੱਕ ਸਿੰਗਲ ਨੰਬਰ ਨਹੀਂ। - ਹਰੇਕ ਧਾਰਨਾ ਨੂੰ ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਸੂਚੀਬੱਧ ਕਰੋ; ਸਮੱਗਰੀ ਸੰਤੁਲਨ ਦੇ ਨਾਲ ਕਰਾਸ-ਚੈਕਿੰਗ ਲਈ ਲੋੜੀਂਦੇ ਵਾਧੂ ਡੇਟਾ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ। - ਨਤੀਜੇ ਨੂੰ "ਸਹੀ" ਵਜੋਂ ਪੇਸ਼ ਨਾ ਕਰੋ; ਉਹਨਾਂ ਕਦਮਾਂ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕਰੋ ਜਿਹਨਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਦੀ ਲੋੜ ਹੈ। ਡੇਟਾ: [ਅਗਿਆਤ ਉਤਪਾਦਨ ਸਾਰਣੀ]
ਇੱਕ ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ ਭੌਤਿਕ ਸੀਮਾਵਾਂ, ਦ੍ਰਿਸ਼ ਸੋਚ, ਅਤੇ ਤਸਦੀਕ ਦੀ ਲੋੜ ਨੂੰ ਲਾਗੂ ਕਰਦਾ ਹੈ।
ਚਾਰ ਕਾਪੀ ਕਰਨ ਯੋਗ ਨਮੂਨੇ
1) ਆਉਟਪੁੱਟ ਜੋਖਮ ਵਰਗੀਕਰਣ:
ਨਿਮਨਲਿਖਤ AI ਆਉਟਪੁੱਟ ਦੀ ਵਰਤੋਂ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਜੋਖਮ ਸ਼੍ਰੇਣੀ ਦਾ ਪਤਾ ਲਗਾਓ: (a) ਕੀ ਨੁਕਸਾਨ ਹੋਵੇਗਾ/ਕੀ ਨੁਕਸਾਨ ਹੋਵੇਗਾ, (b) ਕੀ ਨੁਕਸਾਨ ਵਾਪਸ ਲਿਆ ਜਾ ਸਕਦਾ ਹੈ, (c) ਕਿਹੜੇ ਸੁਤੰਤਰ ਸਬੂਤਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ। ਆਉਟਪੁੱਟ: [ਸਾਰਾਂਸ਼]
2) ਤੀਬਰਤਾ ਫਿਲਟਰ ਦਾ ਕ੍ਰਮ:
ਹੇਠਾਂ ਦਿੱਤੇ ਨਤੀਜੇ ਦੀ ਤੀਬਰਤਾ ਦੇ ਕ੍ਰਮ ਦੀ ਜਾਂਚ ਕਰੋ: ਆਮ ਅਨੁਮਾਨਿਤ ਰੇਂਜ ਕੀ ਹੈ, ਕੀ ਨਤੀਜਾ ਇਸ ਰੇਂਜ ਵਿੱਚ ਹੈ, ਜੇਕਰ ਨਹੀਂ, ਤਾਂ ਸੰਭਵ ਯੂਨਿਟ/ਨਿਰਮਾਣ ਗਲਤੀ ਕਿੱਥੇ ਹੈ? ਨਤੀਜਾ ਅਤੇ ਇਸਦੀ ਇਕਾਈ: [ਮੁੱਲ]
3) ਅਗਿਆਤਕਰਨ ਸਹਾਇਕ:
ਹੇਠਾਂ ਦਿੱਤੇ ਟੈਕਸਟ ਤੋਂ ਵਪਾਰਕ ਤੌਰ 'ਤੇ ਸੰਵੇਦਨਸ਼ੀਲ ਜਾਣਕਾਰੀ (ਖੂਬ ਨਾਮ, ਕੋਆਰਡੀਨੇਟਸ, ਅਸਲ ਪ੍ਰਵਾਹ ਦਰ, ਰਿਜ਼ਰਵ, ਭਾਈਵਾਲੀ) ਦੀ ਪਛਾਣ ਕਰੋ ਅਤੇ ਉਪਨਾਮ/ਪ੍ਰਤੀਨਿਧੀ ਮੁੱਲ ਸੁਝਾਅ ਦਿਓ। ਟੈਕਸਟ: [ਟੈਕਸਟ]
4) ਪੁਸ਼ਟੀਕਰਨ ਯੋਜਨਾ:
ਨਿਮਨਲਿਖਤ ਇੰਜੀਨੀਅਰਿੰਗ ਆਉਟਪੁੱਟ ਲਈ ਇੱਕ ਤਸਦੀਕ ਯੋਜਨਾ ਲਿਖੋ: ਕਿਸ ਹੱਥ ਦੀ ਗਣਨਾ, ਕਿਹੜੀ ਭੌਤਿਕ ਸੀਮਾ, ਕਿਹੜਾ ਸੁਤੰਤਰ ਡੇਟਾ (ਕੋਰ/ਖੂਹ ਟੈਸਟ/ਨਾਲ ਲੱਗਦੇ ਖੂਹ), ਅਤੇ ਕਿਹੜੀ ਦੂਜੀ-ਪਾਰਟੀ ਪੁਸ਼ਟੀ ਦੀ ਲੋੜ ਹੈ? ਆਉਟਪੁੱਟ: [ਸਾਰਾਂਸ਼]
ਏਆਈ ਦੀ ਭੂਮਿਕਾ: ਇੱਕ ਨਜ਼ਰ ਵਿੱਚ
ਖੋਜ
ਏਆਈ ਦੀ ਭੂਮਿਕਾ
ਇੰਜੀਨੀਅਰ ਦੀ ਭੂਮਿਕਾ
ਪੁਸ਼ਟੀਕਰਨ ਐਂਕਰ
ਲੌਗ ਮਾਨਕੀਕਰਨ
ਸੰਰਚਨਾ, ਪਰਿਵਰਤਨ
ਨਮੂਨਾ ਕੰਟਰੋਲ
ਕੱਚੀ ਫਾਈਲ, ਕੋਰ
ਪੋਰੋਸਿਟੀ ਦਾ ਅਨੁਮਾਨ
ਖਾਤਾ ਡਰਾਫਟ
ਪ੍ਰਵਾਨਗੀ
ਕੋਰ, ਆਰਚੀ ਸਮੀਕਰਨ
ਕਟੌਤੀ/EUR
ਮਾਡਲ ਫਿਟਿੰਗ, ਦ੍ਰਿਸ਼
ਫੈਸਲਾ
ਸਮੱਗਰੀ ਸੰਤੁਲਨ
ਲੀਕ/ਅਲਾਰਮ
ਅਸੰਗਤ ਚਿੰਨ੍ਹ
ਫੈਸਲਾ, ਦਖਲ
ਸੁਤੰਤਰ ਖੋਜੀ
ਰਿਜ਼ਰਵ ਘੋਸ਼ਣਾ
ਡਰਾਫਟ, ਖਾਤਾ
ਦੇਣਦਾਰੀ, ਹਸਤਾਖਰ
PRMS/SEC, ਮੁਲਾਂਕਣਕਰਤਾ
ਆਮ ਗਲਤੀਆਂ
- ਸ਼ੁੱਧਤਾ ਲਈ ਰਵਾਨਗੀ ਨੂੰ ਭੁਲਾਉਣਾ। ਮਾਡਲ ਦੀ ਭਰੋਸੇਮੰਦ ਭਾਸ਼ਾ ਦਾ ਮਤਲਬ ਇਹ ਨਹੀਂ ਹੈ ਕਿ ਨੰਬਰ ਸਹੀ ਹੈ।
- ਖਤਰੇ ਦੇ ਮੁਤਾਬਕ ਤਸਦੀਕ ਨੂੰ ਸਕੇਲਿੰਗ ਨਹੀਂ ਕਰਨਾ। ਇੱਕ ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਆਉਟਪੁੱਟ ਨੂੰ ਸਾਹਿਤ ਦੇ ਸੰਖੇਪ ਦੇ ਰੂਪ ਵਿੱਚ ਤੇਜ਼ੀ ਨਾਲ ਪਾਸ ਕਰਨਾ।
- ਇੱਕ ਬੇਕਾਬੂ ਵਾਹਨ ਵਿੱਚ ਗੁਪਤ ਡੇਟਾ ਦਾਖਲ ਕਰਨਾ। ਬਿਨਾਂ ਗੁਪਤਤਾ ਦੇ ਅਸਲ ਚੰਗੀ ਅਤੇ ਉਤਪਾਦਨ ਡੇਟਾ ਨੂੰ ਸਾਂਝਾ ਕਰਨਾ।
- "AI ਸੁਝਾਏ" ਨਾਲ ਜ਼ਿੰਮੇਵਾਰੀ ਤੋਂ ਬਚਣਾ। ਬਿਨਾਂ ਸੁਤੰਤਰ ਸਬੂਤ ਦੇ ਪ੍ਰਿੰਟਆਊਟ ਨੂੰ ਦਸਤਖਤ ਵਿੱਚ ਲਿਜਾਣਾ।
- ਸੁਰੱਖਿਆ ਫੰਕਸ਼ਨ ਨੂੰ ਇੱਕ ਸਿੰਗਲ ਮਾਡਲ ਵਿੱਚ ਲੋਡ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ। AI ਨਾਲ ਸੁਤੰਤਰ, ਪ੍ਰਮਾਣਿਤ ਪਰਤਾਂ ਨੂੰ ਬਦਲਣਾ।
ਸੰਖੇਪ ਵਿੱਚ
- AI ਤੇਲ-ਗੈਸ ਵਰਕਫਲੋ ਵਿੱਚ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਐਕਸਲੇਟਰ ਹੈ; ਪਰ ਫੈਸਲੇ ਅਤੇ ਦਸਤਖਤ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਅਧਿਕਾਰਤ ਇੰਜੀਨੀਅਰ ਦੀ ਰਹਿੰਦੀ ਹੈ।
- ਹਰੇਕ ਆਉਟਪੁੱਟ ਨੂੰ ਤਿੰਨ ਲੇਅਰਾਂ ਰਾਹੀਂ ਫਿਲਟਰ ਕਰੋ: ਤੀਬਰਤਾ ਦਾ ਕ੍ਰਮ, ਭੌਤਿਕ ਅਨੁਕੂਲਤਾ, ਸੁਤੰਤਰ ਸਬੂਤ।
- ਆਉਟਪੁੱਟ ਦੇ ਜੋਖਮ (ਗਲਤੀ 'ਤੇ ਨੁਕਸਾਨ) ਦੇ ਨਾਲ ਸਕੇਲ ਪੁਸ਼ਟੀਕਰਨ ਤੀਬਰਤਾ।
- ਕਾਰੋਬਾਰੀ ਸੰਵੇਦਨਸ਼ੀਲ ਡੇਟਾ ਨੂੰ ਅਗਿਆਤ ਕਰੋ ਅਤੇ ਕੇਵਲ ਪ੍ਰਵਾਨਿਤ ਟੂਲਸ ਦੀ ਵਰਤੋਂ ਕਰੋ।
- ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਫੰਕਸ਼ਨ ਇੱਕ ਸਿੰਗਲ ਏਆਈ ਮਾਡਲ 'ਤੇ ਅਧਾਰਤ ਨਹੀਂ ਹੋਣੇ ਚਾਹੀਦੇ ਹਨ, ਪਰ ਬਹੁ-ਪੱਧਰੀ ਸੁਤੰਤਰ ਪ੍ਰਣਾਲੀਆਂ 'ਤੇ ਅਧਾਰਤ ਹੋਣੇ ਚਾਹੀਦੇ ਹਨ।
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
ਆਪਣੇ ਖੁਦ ਦੇ ਕਾਰੋਬਾਰ (ਜਾਂ ਪ੍ਰਤੀਨਿਧੀ ਇੱਕ) ਤੋਂ ਇੱਕ AI ਵਰਤੋਂ ਕੇਸ ਚੁਣੋ: ਲੌਗਸ ਜਾਂ ਉਤਪਾਦਨ ਡਰਾਅਡਾਊਨ ਤੋਂ ਪੋਰੋਸਿਟੀ ਅਨੁਮਾਨ, ਉਦਾਹਰਨ ਲਈ। ਇਸ ਆਉਟਪੁੱਟ ਲਈ ਇੱਕ ਤਿੰਨ-ਪੱਧਰੀ ਪੁਸ਼ਟੀਕਰਨ ਯੋਜਨਾ ਲਿਖੋ: (1) ਤੀਬਰਤਾ ਦਾ ਸੰਭਾਵਿਤ ਕ੍ਰਮ ਕੀ ਹੈ, (2) ਕਿਹੜੀਆਂ ਭੌਤਿਕ ਸੀਮਾਵਾਂ ਲਾਗੂ ਹੁੰਦੀਆਂ ਹਨ, (3) ਤੁਸੀਂ ਕਿਹੜੇ ਸੁਤੰਤਰ ਸਬੂਤ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋਗੇ, ਅਤੇ ਦੂਜੀ ਜਾਂਚ ਕੌਣ ਕਰੇਗਾ। ਫਿਰ ਆਪਣੇ ਪ੍ਰੋਂਪਟ ਨੂੰ ਅਗਿਆਤ ਕਰੋ ਤਾਂ ਜੋ ਇਸ ਵਿੱਚ ਅਸਲ ਚੰਗੀ ਤਰ੍ਹਾਂ ਦਾ ਨਾਮ/ਕੋਆਰਡੀਨੇਟ/ਨੰਬਰ ਨਾ ਹੋਵੇ।
ਚੈੱਕਲਿਸਟ
- [ ] ਮੈਂ ਉਹਨਾਂ ਖੇਤਰਾਂ ਵਿੱਚ ਫਰਕ ਕਰ ਸਕਦਾ ਹਾਂ ਜਿੱਥੇ AI ਦੇ ਮੁਨਾਫੇ ਅਤੇ ਫੈਸਲਿਆਂ ਵਿੱਚ ਜਿੰਮੇਵਾਰੀ ਇੰਜੀਨੀਅਰ ਦੀ ਹੀ ਰਹਿਣੀ ਚਾਹੀਦੀ ਹੈ।
- [ ] ਮੈਂ ਹਰ ਇੱਕ ਆਉਟਪੁੱਟ ਨੂੰ ਤੀਬਰਤਾ, ਭੌਤਿਕ ਸੁਹਜਤਾ, ਅਤੇ ਸੁਤੰਤਰ ਸਬੂਤ ਦੇ ਆਦੇਸ਼ਾਂ ਦੁਆਰਾ ਫਿਲਟਰ ਕਰਦਾ ਹਾਂ।
- [ ] ਮੈਂ ਆਉਟਪੁੱਟ ਦੇ ਜੋਖਮ ਨਾਲ ਤਸਦੀਕ ਤੀਬਰਤਾ ਨੂੰ ਮਾਪਦਾ ਹਾਂ।
- [ ] ਮੈਂ ਵਪਾਰਕ ਤੌਰ 'ਤੇ ਸੰਵੇਦਨਸ਼ੀਲ ਡੇਟਾ ਨੂੰ ਅਗਿਆਤ ਕਰਦਾ ਹਾਂ ਅਤੇ ਸਿਰਫ ਪ੍ਰਵਾਨਿਤ ਸਾਧਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹਾਂ।
- [ ] ਮੈਂ ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਕਾਰਜਾਂ ਲਈ ਇੱਕ ਸਿੰਗਲ ਮਾਡਲ 'ਤੇ ਨਿਰਭਰ ਨਹੀਂ ਕਰਦਾ ਹਾਂ, ਪਰ ਬਹੁ-ਪੱਧਰੀ ਸੁਤੰਤਰ ਸੁਰੱਖਿਆ ਪ੍ਰਣਾਲੀਆਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹਾਂ।