ਲਾਭ:
- ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੀ ਮਦਦ ਨਾਲ ਰਿਪੋਰਟ ਕਰਨ ਲਈ ਡੇਟਾ ਤੋਂ ਅੰਤ ਤੋਂ ਅੰਤ ਤੱਕ ਪਾਈਥਨ ਵਿਸ਼ਲੇਸ਼ਣ ਵਰਕਫਲੋ ਸਥਾਪਤ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
- ਯੂਨਿਟ ਅਨੁਕੂਲਤਾ, ਲੀਕੇਜ ਅਤੇ ਪ੍ਰਜਨਨਯੋਗਤਾ ਦੇ ਰੂਪ ਵਿੱਚ ਤਿਆਰ ਕੀਤੇ ਕੋਡ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
- ਊਰਜਾ ਪ੍ਰੋਜੈਕਟਾਂ ਵਿੱਚ ਨੈਤਿਕਤਾ, ਗੁਪਤਤਾ, ਸਾਈਬਰ ਸੁਰੱਖਿਆ ਅਤੇ ਇੰਜੀਨੀਅਰ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਸੀਮਾਵਾਂ ਨੂੰ ਅਭਿਆਸ ਵਿੱਚ ਲਿਆਉਣ ਦੀ ਸਮਰੱਥਾ
ਮੋਡੀਊਲ ਪ੍ਰੀਖਿਆ
1. ਹੇਠਾਂ ਦਿੱਤੇ ਵਿੱਚੋਂ ਕਿਹੜਾ ਮੂਲ ਸਿਧਾਂਤ ਹੈ ਜੋ ਊਰਜਾ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਇੰਜਨੀਅਰਿੰਗ ਵਿੱਚ AI ਆਉਟਪੁੱਟ ਦੇ ਜੋਖਮ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ?
- A) ਇੱਕ ਆਉਟਪੁੱਟ ਦਾ ਖਤਰਾ ਉਸ ਨੁਕਸਾਨ ਦੇ ਬਰਾਬਰ ਹੈ ਜੇਕਰ ਇਹ ਆਉਟਪੁੱਟ ਨੁਕਸਦਾਰ ਸੀ; ਉਸ ਅਨੁਸਾਰ ਪ੍ਰਮਾਣਿਕਤਾ ਸਕੇਲ ✔
- B) AI ਆਉਟਪੁੱਟ ਆਮ ਤੌਰ 'ਤੇ ਸੁਰੱਖਿਅਤ ਹੁੰਦੀ ਹੈ ਕਿਉਂਕਿ ਇਹ ਚੰਗੀ ਤਰ੍ਹਾਂ ਅਤੇ ਭਰੋਸੇ ਨਾਲ ਲਿਖੀ ਜਾਂਦੀ ਹੈ
- C) ਪ੍ਰਮਾਣਿਕਤਾ ਬੇਲੋੜੀ ਹੈ ਜਦੋਂ ਸਭ ਤੋਂ ਮੌਜੂਦਾ ਮਾਡਲ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ
- D) ਜੇਕਰ ਆਉਟਪੁੱਟ ਇੱਕ ਮਿਆਰ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ, ਤਾਂ ਕੋਈ ਵਾਧੂ ਨਿਯੰਤਰਣ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ
ਵਿਆਖਿਆ: ਇੱਕ ਆਉਟਪੁੱਟ ਦਾ ਜੋਖਮ ਉਸ ਨੁਕਸਾਨ ਦੇ ਬਰਾਬਰ ਹੁੰਦਾ ਹੈ ਜਿਸਦਾ ਕਾਰਨ ਇਹ ਹੋਵੇਗਾ ਜੇਕਰ ਉਹ ਆਉਟਪੁੱਟ ਨੁਕਸਦਾਰ ਹੈ। ਜਦੋਂ ਕਿ ਇੱਕ ਪ੍ਰਸਤੁਤੀ ਟੈਕਸਟ ਵਿੱਚ ਇੱਕ ਮਾਮੂਲੀ ਗਲਤੀ ਨੁਕਸਾਨ ਰਹਿਤ ਹੋ ਸਕਦੀ ਹੈ, ਇੱਕ ਰੀਲੇਅ ਸੁਰੱਖਿਆ ਸੈਟਿੰਗ ਜਾਂ ਟ੍ਰਾਂਸਫਾਰਮਰ ਲੋਡ ਕਰਨ ਦੇ ਫੈਸਲੇ ਵਿੱਚ ਇੱਕ ਗਲਤੀ ਸਾਜ਼ੋ-ਸਾਮਾਨ ਨੂੰ ਨੁਕਸਾਨ, ਆਊਟੇਜ ਅਤੇ ਜੀਵਨ ਸੁਰੱਖਿਆ ਦੇ ਜੋਖਮਾਂ ਦਾ ਕਾਰਨ ਬਣ ਸਕਦੀ ਹੈ; ਇਸ ਲਈ ਸੰਭਾਵੀ ਨੁਕਸਾਨ ਦੇ ਨਾਲ ਤਸਦੀਕ ਤੀਬਰਤਾ ਸਕੇਲ.
2. ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਨਾਲ ਐਨਰਜੀ ਟਾਈਮ ਸੀਰੀਜ਼ ਡੇਟਾ ਤਿਆਰ ਕਰਨ ਵੇਲੇ ਸਭ ਤੋਂ ਆਮ ਸਮੱਸਿਆ ਕੀ ਹੈ ਅਤੇ ਜੋ ਨਤੀਜਿਆਂ ਨੂੰ ਸਭ ਤੋਂ ਵੱਧ ਵਿਗਾੜਦਾ ਹੈ?
- ਏ) ਗ੍ਰਾਫਿਕ ਰੰਗਾਂ ਦੀ ਗਲਤ ਚੋਣ
- ਅ) ਸਮਾਂ ਖੇਤਰ, ਡੇਲਾਈਟ ਸੇਵਿੰਗ ਟਾਈਮ ਅਤੇ ਟਾਈਮਸਟੈਂਪ ਲੇਬਲ ਉਲਝਣ ✔
- C) ਫਾਈਲ ਦਾ ਨਾਮ ਬਹੁਤ ਲੰਮਾ ਹੈ
- ਡੀ) CSV ਦੀ ਬਜਾਏ Excel ਵਿੱਚ ਡੇਟਾ ਰੱਖਣਾ
ਵਿਆਖਿਆ: ਊਰਜਾ ਡੇਟਾ ਵਿੱਚ ਟਾਈਮ ਜ਼ੋਨ, ਡੇਲਾਈਟ ਸੇਵਿੰਗ ਟਾਈਮ (DST), ਅਤੇ ਟਾਈਮਸਟੈਂਪ ਦੇ ਸਟਾਰਟ/ਐਂਡ ਟੈਗ ਉਲਝਣਾਂ ਬਹੁਤ ਆਮ ਹਨ; ਇੱਕ ਘੰਟੇ ਦੀ ਸ਼ਿਫਟ ਪੂਰੇ ਦਿਨ ਦੀ ਕਿਸਮ ਅਤੇ ਪੀਕ-ਘੰਟੇ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਵਿਗਾੜ ਦਿੰਦੀ ਹੈ। ਇਸ ਲਈ, ਹਰੇਕ ਵਿਸ਼ਲੇਸ਼ਣ ਤੋਂ ਪਹਿਲਾਂ ਸਮੇਂ ਦੇ ਧੁਰੇ ਨੂੰ ਮਾਨਕੀਕਰਨ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ AI ਆਉਟਪੁੱਟ ਨੂੰ ਭੌਤਿਕ ਐਂਕਰਾਂ ਜਿਵੇਂ ਕਿ ਸੂਰਜ ਚੜ੍ਹਨ/ਪੀਕ ਟਾਈਮ ਦੇ ਵਿਰੁੱਧ ਟੈਸਟ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।
3. ਕਿਹੜੀ ਸਥਿਤੀ ਇਹ ਦਰਸਾਉਂਦੀ ਹੈ ਕਿ ਜਦੋਂ ਕਿ ਇੱਕ ਛੋਟੀ ਮਿਆਦ ਦੇ ਲੋਡ ਪੂਰਵ ਅਨੁਮਾਨ ਵਿੱਚ MAPE (ਔਸਤਨ ਸੰਪੂਰਨ ਪ੍ਰਤੀਸ਼ਤ ਗਲਤੀ) ਘੱਟ ਦਿਖਾਈ ਦਿੰਦੀ ਹੈ, ਪੂਰਵ ਅਨੁਮਾਨ ਅਜੇ ਵੀ ਭਰੋਸੇਯੋਗ ਨਹੀਂ ਹੋ ਸਕਦਾ ਹੈ?
- A) MAPE ਹਮੇਸ਼ਾਂ ਪੂਰਵ ਅਨੁਮਾਨ ਗੁਣਵੱਤਾ ਦਾ ਇੱਕ ਸੰਪੂਰਨ ਅਤੇ ਢੁਕਵਾਂ ਮਾਪ ਹੁੰਦਾ ਹੈ
- ਅ) ਭਾਵੇਂ ਔਸਤ ਘੱਟ ਹੈ, ਪੀਕ ਘੰਟਿਆਂ ਵਿੱਚ ਯੋਜਨਾਬੱਧ ਵਿਵਹਾਰ ਹੋ ਸਕਦਾ ਹੈ ਅਤੇ ਇਹ ਉਹ ਥਾਂ ਹੈ ਜਿੱਥੇ ਗਰਿੱਡ ਨਾਜ਼ੁਕ ਹੈ ✔
- C) MAPE ਸਿਰਫ ਲੰਬੇ ਸਮੇਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਵਿੱਚ ਅਰਥਪੂਰਨ ਹੈ
- D) ਘੱਟ MAPE ਸਾਬਤ ਕਰਦਾ ਹੈ ਕਿ ਮਾਡਲ ਸਰੀਰਕ ਤੌਰ 'ਤੇ ਸਹੀ ਹੈ
ਵਿਆਖਿਆ: MAPE ਇੱਕ ਔਸਤ ਗਲਤੀ ਹੈ; ਭਾਵੇਂ ਕੁੱਲ ਚੰਗੀ ਲੱਗਦੀ ਹੈ, ਪੀਕ ਘੰਟਿਆਂ ਅਤੇ ਮੌਸਮੀ ਤਬਦੀਲੀਆਂ ਵਿੱਚ ਵਿਵਸਥਿਤ ਵਿਵਹਾਰ ਹੋ ਸਕਦਾ ਹੈ। ਨੈੱਟਵਰਕ ਸੰਤੁਲਨ ਇਹਨਾਂ ਸਿਖਰ ਦੇ ਪਲਾਂ 'ਤੇ ਬਿਲਕੁਲ ਨਾਜ਼ੁਕ ਹੁੰਦਾ ਹੈ, ਇਸ ਲਈ ਸਿਰਫ਼ ਇਸ ਲਈ ਕਿ ਔਸਤ ਮੈਟ੍ਰਿਕ ਵਧੀਆ ਹੈ ਭਵਿੱਖਬਾਣੀ ਕਰਨਾ ਸੁਰੱਖਿਅਤ ਨਹੀਂ ਮੰਨਿਆ ਜਾ ਸਕਦਾ ਹੈ; ਸਮੇਂ ਅਤੇ ਵਿਵਸਥਾ ਦੇ ਆਧਾਰ 'ਤੇ ਗਲਤੀ ਦਾ ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।
4. ਸੂਰਜੀ ਪਲਾਂਟ ਦੇ ਉਤਪਾਦਨ ਦੇ ਪੂਰਵ ਅਨੁਮਾਨ ਦੀ ਵਾਜਬਤਾ ਨੂੰ ਪਰਖਣ ਲਈ ਸਭ ਤੋਂ ਮਜ਼ਬੂਤ ਭੌਤਿਕ ਉੱਪਰੀ ਸੀਮਾ ਕੀ ਹੈ?
- A) ਪਿਛਲੇ ਸਾਲ ਦਾ ਕੁੱਲ ਬਿੱਲ
- ਅ) ਰੇਡੀਏਸ਼ਨ, ਪੈਨਲ ਖੇਤਰ ਅਤੇ ਸਥਾਪਿਤ ਪਾਵਰ (ਰਾਤ ਨੂੰ ਜ਼ੀਰੋ ਸਮੇਤ) ਦੁਆਰਾ ਸੀਮਿਤ ਭੌਤਿਕ ਉਤਪਾਦਨ ਦੀ ਸੀਮਾ ✔
- C) ਮਾਡਲ ਦੁਆਰਾ ਦਿੱਤੇ ਗਏ ਵਿਸ਼ਵਾਸ ਦੀ ਪ੍ਰਤੀਸ਼ਤਤਾ
- ਡੀ) ਹਵਾ ਦੀ ਗਤੀ ਮਾਪ
ਵਰਣਨ: ਇੱਕ ਸੂਰਜੀ ਊਰਜਾ ਪਲਾਂਟ ਸੂਰਜੀ ਰੇਡੀਏਸ਼ਨ ਅਤੇ ਪੈਨਲ ਦੀ ਸਮਰੱਥਾ ਤੋਂ ਵੱਧ ਉਤਪਾਦਨ ਨਹੀਂ ਕਰ ਸਕਦਾ; ਉਤਪਾਦਨ ਦੇ ਰਾਤ ਨੂੰ ਜ਼ੀਰੋ ਹੋਣ ਦੀ ਉਮੀਦ ਹੈ, ਦੁਪਹਿਰ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਸਿਖਰ 'ਤੇ, ਅਤੇ ਸਥਾਪਿਤ ਪਾਵਰ ਅਤੇ ਮੋਡੀਊਲ ਖੇਤਰ ਦੁਆਰਾ ਸੀਮਿਤ. ਇਹ ਸਰੀਰਕ ਤੌਰ 'ਤੇ ਅਸੰਭਵ ਹੈ ਜੇਕਰ ਮਾਡਲ ਨੇ ਰਾਤ ਦੇ ਉਤਪਾਦਨ ਜਾਂ ਸਥਾਪਿਤ ਸਮਰੱਥਾ ਤੋਂ ਵੱਧ ਮੁੱਲ ਦਿੱਤਾ ਹੈ. ਇਹ ਜਾਂਚ ਅੰਕੜਿਆਂ ਨੂੰ ਦੇਖੇ ਬਿਨਾਂ ਭਵਿੱਖਬਾਣੀ ਨੂੰ ਖਤਮ ਕਰ ਦਿੰਦੀ ਹੈ।
5. ਸਮਾਰਟ ਗਰਿੱਡ ਵਿੱਚ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਲਾਗੂ ਕੀਤੇ ਜਾਣ ਤੋਂ ਪਹਿਲਾਂ ਇੱਕ AI ਓਪਟੀਮਾਈਜੇਸ਼ਨ ਪ੍ਰਸਤਾਵ ਨੂੰ ਪਾਸ ਕਰਨ ਵਾਲਾ ਫਿਲਟਰ ਕੀ ਹੈ?
- ਏ) ਸਿਰਫ ਸਭ ਤੋਂ ਘੱਟ ਲਾਗਤ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਸੁਝਾਅ ਦੇਣ ਲਈ ਇਹ ਕਾਫ਼ੀ ਹੈ.
- ਅ) ਮਾਡਲ ਨੂੰ ਉੱਚ ਸ਼ੁੱਧਤਾ ਲਈ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਇਹ ਕਾਫੀ ਹੈ
- C) ਸੁਰੱਖਿਆ ਪਾਬੰਦੀਆਂ (ਵੋਲਟੇਜ, ਥਰਮਲ, N-1) ਨਿਯੰਤਰਣ ਅਤੇ ਅਧਿਕਾਰਤ ਆਪਰੇਟਰ ਦੀ ਪ੍ਰਵਾਨਗੀ ✔
- ਡੀ) ਇਹ ਕਾਫ਼ੀ ਹੈ ਕਿ ਸਿਫਾਰਸ਼ ਇਤਿਹਾਸਕ ਡੇਟਾ ਨੂੰ ਫਿੱਟ ਕਰਦੀ ਹੈ
ਵਰਣਨ: ਨੈੱਟਵਰਕ ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਹੈ: ਕੋਈ ਵੀ ਸਿਫ਼ਾਰਿਸ਼ਾਂ ਜੋ ਵੋਲਟੇਜ, ਮੌਜੂਦਾ, ਥਰਮਲ ਅਤੇ N-1 (ਤੱਤ ਫੇਲ੍ਹ ਹੋਣ) ਦੀਆਂ ਰੁਕਾਵਟਾਂ ਦੀ ਉਲੰਘਣਾ ਕਰਦੀਆਂ ਹਨ, ਲਾਗੂ ਨਹੀਂ ਕੀਤੀਆਂ ਜਾ ਸਕਦੀਆਂ। AI ਆਉਟਪੁੱਟ ਨੂੰ ਪਹਿਲਾਂ ਇਹਨਾਂ ਸੁਰੱਖਿਆ ਰੁਕਾਵਟਾਂ ਵਿੱਚੋਂ ਲੰਘਾਇਆ ਜਾਂਦਾ ਹੈ ਅਤੇ ਫਿਰ ਪ੍ਰਵਾਨਗੀ ਲਈ ਅਧਿਕਾਰਤ ਆਪਰੇਟਰ ਨੂੰ ਪੇਸ਼ ਕੀਤਾ ਜਾਂਦਾ ਹੈ; ਓਪਟੀਮਾਈਜੇਸ਼ਨ ਕਦੇ ਵੀ ਸੁਰੱਖਿਆ ਰੁਕਾਵਟ ਦੇ ਰਾਹ ਵਿੱਚ ਨਹੀਂ ਆਉਂਦੀ।
6. ਬੈਟਰੀ ਸਟੋਰੇਜ ਕਾਰੋਬਾਰ ਵਿੱਚ AI ਨਾਲ ਆਰਬਿਟਰੇਜ (ਸਸਤੀ ਖਰੀਦੋ, ਉੱਚੀ ਵੇਚੋ) ਰਣਨੀਤੀ ਸਥਾਪਤ ਕਰਨ ਵੇਲੇ ਕਿਹੜੀ ਲਾਗਤ ਨੂੰ ਅਕਸਰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਅਤੇ ਲਾਭ ਨੂੰ ਗੁੰਮਰਾਹ ਕਰਦਾ ਹੈ?
- ਏ) ਇੰਟਰਨੈਟ ਕਨੈਕਸ਼ਨ ਫੀਸ
- ਅ) ਪਤਨ (ਪਹਿਨਣ) ਅਤੇ ਕੁਸ਼ਲਤਾ ਦੇ ਨੁਕਸਾਨ ਦੀ ਲਾਗਤ ਪ੍ਰਤੀ ਚੱਕਰ ✔
- C) ਸਟਾਫ ਦੀ ਕੌਫੀ ਬਰੇਕ ਦੀ ਮਿਆਦ
- ਡੀ) ਬੈਟਰੀ ਦਾ ਰੰਗ
ਵਰਣਨ: ਹਰੇਕ ਚਾਰਜ-ਡਿਸਚਾਰਜ ਚੱਕਰ ਬੈਟਰੀ ਨੂੰ ਖਤਮ ਕਰਦਾ ਹੈ; ਗਿਰਾਵਟ (ਸਿਹਤ ਦਾ ਨੁਕਸਾਨ) ਇੱਕ ਅਸਲ ਲਾਗਤ ਹੈ ਅਤੇ ਵਾਰੰਟੀ ਦੀਆਂ ਸੀਮਾਵਾਂ ਨੂੰ ਖਤਮ ਕਰ ਦਿੰਦੀ ਹੈ। ਇੱਕ ਆਰਬਿਟਰੇਜ ਵਿਸ਼ਲੇਸ਼ਣ ਜੋ ਸਿਰਫ ਕੀਮਤ ਦੇ ਅੰਤਰ ਨੂੰ ਵੇਖਦਾ ਹੈ, ਲਾਭ ਨੂੰ ਵੱਧ ਤੋਂ ਵੱਧ ਅੰਦਾਜ਼ਾ ਲਗਾਏਗਾ ਅਤੇ ਬੈਟਰੀ ਦੀ ਉਮਰ ਘਟਾ ਦੇਵੇਗਾ ਜੇਕਰ ਇਹ ਪ੍ਰਤੀ ਚੱਕਰ ਵਿੱਚ ਗਿਰਾਵਟ ਦੀ ਲਾਗਤ ਅਤੇ ਕੁਸ਼ਲਤਾ ਦੇ ਨੁਕਸਾਨ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਦਾ ਹੈ।
7. ਪੂਰਵ-ਅਨੁਮਾਨਤ ਰੱਖ-ਰਖਾਅ ਵਿੱਚ ਇੱਕ ਵਿਗਾੜ ਖੋਜ ਮਾਡਲ ਦੇ ਥ੍ਰੈਸ਼ਹੋਲਡ ਮੁੱਲ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਦੇ ਸਮੇਂ ਮੁੱਖ ਸੰਤੁਲਨ ਕੀ ਹੁੰਦਾ ਹੈ?
- A) ਝੂਠੇ ਅਲਾਰਮ ਅਤੇ ਖੁੰਝੀ ਅਸਫਲਤਾ ਦੇ ਖਰਚਿਆਂ ਵਿਚਕਾਰ ਸੁਚੇਤ ਸੰਤੁਲਨ ✔
- ਅ) ਥ੍ਰੈਸ਼ਹੋਲਡ ਨੂੰ ਹਮੇਸ਼ਾ ਜਿੰਨਾ ਸੰਭਵ ਹੋ ਸਕੇ ਘੱਟ ਰੱਖਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ
- C) ਥ੍ਰੈਸ਼ਹੋਲਡ ਸਿਰਫ਼ ਮਾਡਲ ਦੀ ਸ਼ੁੱਧਤਾ ਪ੍ਰਤੀਸ਼ਤ ਨੂੰ ਦੇਖ ਕੇ ਨਿਰਧਾਰਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ
- ਡੀ) ਇੱਕ ਵਾਰ ਥ੍ਰੈਸ਼ਹੋਲਡ ਸੈੱਟ ਹੋ ਜਾਣ ਤੋਂ ਬਾਅਦ, ਇਸਨੂੰ ਕਦੇ ਵੀ ਬਦਲਿਆ ਨਹੀਂ ਜਾਣਾ ਚਾਹੀਦਾ।
ਸਪੱਸ਼ਟੀਕਰਨ: ਜੇਕਰ ਥ੍ਰੈਸ਼ਹੋਲਡ ਨੂੰ ਘੱਟ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਝੂਠੇ ਅਲਾਰਮ (ਅਲਾਰਮ ਜਦੋਂ ਕੋਈ ਨੁਕਸ ਨਹੀਂ ਹੁੰਦਾ) ਵਧਦਾ ਹੈ ਅਤੇ ਟੀਮ ਅਲਾਰਮਾਂ ਪ੍ਰਤੀ ਅਵਿਸ਼ਵਾਸੀ ਬਣ ਜਾਂਦੀ ਹੈ; ਜੇ ਥ੍ਰੈਸ਼ਹੋਲਡ ਵਧਾਇਆ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਖੁੰਝੇ ਹੋਏ ਨੁਕਸ (ਅਸਲ ਨੁਕਸ ਨੂੰ ਗੁਆਉਣ) ਦਾ ਜੋਖਮ ਵੱਧ ਜਾਂਦਾ ਹੈ। ਸਹੀ ਥ੍ਰੈਸ਼ਹੋਲਡ ਇੱਕ ਝੂਠੇ ਅਲਾਰਮ ਦੀ ਲਾਗਤ ਅਤੇ ਇੱਕ ਖੁੰਝੀ ਹੋਈ ਨੁਕਸ (ਜਿਵੇਂ ਕਿ ਟ੍ਰਾਂਸਫਾਰਮਰ ਵਿਸਫੋਟ) ਦੀ ਲਾਗਤ ਦੇ ਵਿਚਕਾਰ ਇੱਕ ਚੇਤੰਨ ਸੰਤੁਲਨ ਹੈ ਅਤੇ ਉਪਕਰਣ ਦੀ ਗੰਭੀਰਤਾ ਦੇ ਅਨੁਸਾਰ ਐਡਜਸਟ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
8. ਊਰਜਾ ਕੁਸ਼ਲਤਾ ਪ੍ਰੋਜੈਕਟ ਵਿੱਚ ਬੱਚਤ ਦੇ ਦਾਅਵੇ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਲਈ ਮਾਪ ਅਤੇ ਤਸਦੀਕ (M&V) ਫਰੇਮਵਰਕ ਦਾ ਮੂਲ ਤਰਕ ਕੀ ਹੈ?
- ਏ) ਇਨਵੌਇਸ ਰਕਮ ਵਿੱਚ ਹਰ ਕਮੀ ਨੂੰ ਸਿੱਧੀ ਬੱਚਤ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ
- ਅ) ਬੱਚਤ ਐਡਜਸਟ ਕੀਤੀ ਬੇਸਲਾਈਨ ਅਤੇ ਮਾਪੀ ਖਪਤ ✔ ਵਿਚਕਾਰ ਅੰਤਰ ਹੈ
- C) ਬਚਤ ਸਿਰਫ ਨਿਰਮਾਤਾ ਦੇ ਕੈਟਾਲਾਗ ਮੁੱਲ 'ਤੇ ਘੋਸ਼ਿਤ ਕੀਤੀ ਜਾਂਦੀ ਹੈ
- ਡੀ) ਮਾਡਲ ਦੀ ਭਵਿੱਖਬਾਣੀ ਦੇ ਬਰਾਬਰ ਬੱਚਤ
ਵਿਆਖਿਆ: ਬੱਚਤਾਂ ਨੂੰ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਨਹੀਂ ਮਾਪਿਆ ਜਾ ਸਕਦਾ ਹੈ; ਸਾਵਧਾਨੀ ਵਰਤਣ ਤੋਂ ਬਾਅਦ ਕੀ ਮਾਪਿਆ ਜਾਂਦਾ ਹੈ। ਬਚਤ ਮਾਪੀ ਖਪਤ ਅਤੇ ਬੇਸਲਾਈਨ 'ਮਾਪ ਤੋਂ ਬਿਨਾਂ ਕੀ ਖਪਤ ਹੋਵੇਗੀ' ਵਿਚਕਾਰ ਅੰਤਰ ਹੈ। ਇਸ ਲਈ ਬੇਸਲਾਈਨ ਮਾਡਲ ਨੂੰ ਵੇਰੀਏਬਲ ਜਿਵੇਂ ਕਿ ਮੌਸਮ/ਉਤਪਾਦਨ, ਇਸ ਵਿਵਸਥਿਤ ਸੰਦਰਭ ਦੇ ਵਿਰੁੱਧ ਗਣਨਾ ਕੀਤੀ ਬੱਚਤ ਲਈ ਠੀਕ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।
9. ਬਿਜਲੀ ਕੀਮਤ ਪੂਰਵ ਅਨੁਮਾਨ ਮਾਡਲ ਵਿੱਚ 'ਓਵਰਫਿਟਿੰਗ' ਖਾਸ ਤੌਰ 'ਤੇ ਖ਼ਤਰਨਾਕ ਕਿਉਂ ਹੈ?
- ਏ) ਕਿਉਂਕਿ ਇਹ ਮਾਡਲ ਨੂੰ ਹੌਲੀ ਕਰ ਦਿੰਦਾ ਹੈ
- ਅ) ਇਹ ਅਤੀਤ ਦੇ ਰੌਲੇ ਨੂੰ ਯਾਦ ਕਰਦਾ ਹੈ, ਭਵਿੱਖ ਵਿੱਚ ਢਹਿ ਜਾਂਦਾ ਹੈ, ਖਾਸ ਕਰਕੇ ਜਦੋਂ ਸ਼ਾਸਨ ਬਦਲਦਾ ਹੈ, ਅਤੇ ਉੱਚ ਵਿਸ਼ਵਾਸ ਨਾਲ ਗੁੰਮਰਾਹ ਕਰਦਾ ਹੈ ✔
- C) ਸਿਰਫ ਇਸ ਲਈ ਕਿਉਂਕਿ ਇਹ ਵਧੇਰੇ ਮੈਮੋਰੀ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ
- ਡੀ) ਕਿਉਂਕਿ ਇਹ ਗ੍ਰਾਫਿਕਸ ਨੂੰ ਪੜ੍ਹਨਾ ਮੁਸ਼ਕਲ ਬਣਾਉਂਦਾ ਹੈ
ਵਿਆਖਿਆ: ਓਵਰਫਿਟਿੰਗ ਉਦੋਂ ਹੁੰਦੀ ਹੈ ਜਦੋਂ ਮਾਡਲ ਇਤਿਹਾਸਕ ਡੇਟਾ ਵਿੱਚ ਰੌਲੇ ਅਤੇ ਪੈਟਰਨਾਂ ਨੂੰ ਯਾਦ ਕਰਦਾ ਹੈ ਜੋ ਦੁਹਰਾਇਆ ਨਹੀਂ ਜਾਵੇਗਾ; ਬੈਕਟੈਸਟਿੰਗ ਸੰਪੂਰਣ ਦਿਖਾਈ ਦਿੰਦੀ ਹੈ ਪਰ ਭਵਿੱਖ ਵਿੱਚ ਕ੍ਰੈਸ਼ ਹੋ ਜਾਂਦੀ ਹੈ। ਜਿਵੇਂ ਕਿ ਕੀਮਤ ਡੇਟਾ ਨਿਯਮ (ਈਂਧਨ ਦੀ ਕੀਮਤ ਝਟਕਾ, ਕਾਨੂੰਨ ਵਿੱਚ ਤਬਦੀਲੀ) ਬਦਲਦਾ ਹੈ, ਯਾਦ ਕੀਤਾ ਪੈਟਰਨ ਅਵੈਧ ਹੋ ਜਾਂਦਾ ਹੈ ਅਤੇ ਉੱਚ ਭਰੋਸੇ ਨਾਲ ਗਲਤ ਬੋਲੀ ਦੀ ਅਗਵਾਈ ਕਰਦਾ ਹੈ।
10. ਲੋਡ ਸ਼ਿਫਟ ਕਰਨ ਲਈ ਘੰਟਾਵਾਰ ਕਾਰਬਨ ਤੀਬਰਤਾ (ਉਸ ਘੰਟੇ ਵਿੱਚ ਇੱਕ kWh ਬਿਜਲੀ ਦਾ gCO2 ਮੁੱਲ) ਦੀ ਧਾਰਨਾ ਮਹੱਤਵਪੂਰਨ ਕਿਉਂ ਹੈ?
- A) ਕਾਰਬਨ ਦੀ ਘਣਤਾ ਹਰ ਘੰਟੇ ਇੱਕੋ ਜਿਹੀ ਹੁੰਦੀ ਹੈ, ਇਸ ਲਈ ਇਸ ਨਾਲ ਕੋਈ ਫ਼ਰਕ ਨਹੀਂ ਪੈਂਦਾ
- ਅ) ਕਿਉਂਕਿ ਇਹ ਸਿਰਫ਼ ਇਨਵੌਇਸ ਦੀ ਰਕਮ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ
- C) ਨਵਿਆਉਣਯੋਗ ਸ਼ੇਅਰ ਦੇ ਆਧਾਰ 'ਤੇ ਪ੍ਰਤੀ ਘੰਟਾ ਬਦਲਦਾ ਹੈ; ਲਚਕਦਾਰ ਲੋਡ ਨੂੰ ਘੱਟ-ਤੀਬਰਤਾ ਵਾਲੇ ਘੰਟੇ ਵਿੱਚ ਤਬਦੀਲ ਕਰਨ ਨਾਲ ਨਿਕਾਸ ਘਟਦਾ ਹੈ ✔
- ਡੀ) ਕਿਉਂਕਿ ਇਹ ਸਿਰਫ ਰਾਤ ਦੇ ਟੈਰਿਫ ਨਾਲ ਸਬੰਧਤ ਹੈ
ਵਿਆਖਿਆ: ਗਰਿੱਡ ਦੀ ਕਾਰਬਨ ਤੀਬਰਤਾ ਹਰ ਘੰਟੇ ਬਦਲਦੀ ਹੈ: ਇਹ ਘੰਟਿਆਂ ਦੌਰਾਨ ਘੱਟ ਹੁੰਦੀ ਹੈ ਜਦੋਂ ਨਵਿਆਉਣਯੋਗ ਉਤਪਾਦਨ ਉੱਚਾ ਹੁੰਦਾ ਹੈ ਅਤੇ ਪੀਕ ਘੰਟਿਆਂ ਦੌਰਾਨ ਉੱਚਾ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਜੈਵਿਕ ਪਾਵਰ ਪਲਾਂਟ ਆਨਲਾਈਨ ਆਉਂਦੇ ਹਨ। ਲਚਕਦਾਰ ਲੋਡ ਨੂੰ ਘੱਟ-ਪੀਕ ਘੰਟਿਆਂ ਵਿੱਚ ਤਬਦੀਲ ਕਰਨ ਨਾਲ ਇੱਕੋ ਊਰਜਾ ਦੀ ਖਪਤ ਹੁੰਦੀ ਹੈ ਪਰ ਘੱਟ ਨਿਕਾਸ ਪੈਦਾ ਹੁੰਦਾ ਹੈ। ਔਸਤ ਸਾਲਾਨਾ ਕਾਰਕ ਇਸ ਮੌਕੇ ਨੂੰ ਲੁਕਾਉਂਦਾ ਹੈ।
11. ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੁਆਰਾ ਤਿਆਰ ਪਾਈਥਨ ਵਿਸ਼ਲੇਸ਼ਣ ਕੋਡ ਵਿੱਚ 'ਡੇਟਾ ਲੀਕੇਜ' ਦਾ ਕੀ ਅਰਥ ਹੈ ਅਤੇ ਇਹ ਖ਼ਤਰਨਾਕ ਕਿਉਂ ਹੈ?
- ਏ) ਡਿਸਕ ਤੋਂ ਡਾਟਾ ਮਿਟਾਉਣਾ
- ਬੀ) ਮਾਡਲ ਸਿਖਲਾਈ ਵਿੱਚ ਭਵਿੱਖ ਦੀ ਜਾਣਕਾਰੀ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ ਜੋ ਭਵਿੱਖਬਾਣੀ ਦੇ ਸਮੇਂ ਉਪਲਬਧ ਨਹੀਂ ਹੋਵੇਗੀ; ਇਮਤਿਹਾਨ ਚੰਗਾ ਹੈ ਪਰ ਅਸਲੀਅਤ ਮਾੜੀ ਹੈ ✔
- C) ਡੇਟਾ ਦਾ ਇੰਟਰਨੈਟ ਤੇ ਲੀਕ ਹੋਣ ਤੋਂ ਇਲਾਵਾ ਕੋਈ ਅਰਥ ਨਹੀਂ ਹੈ
- ਡੀ) ਕੋਡ ਬਹੁਤ ਹੌਲੀ ਚੱਲਦਾ ਹੈ
ਵਿਆਖਿਆ: ਡੇਟਾ ਲੀਕੇਜ ਉਦੋਂ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਮਾਡਲ ਉਸ ਜਾਣਕਾਰੀ ਤੱਕ ਪਹੁੰਚ ਕਰਦਾ ਹੈ ਜੋ ਅਸਲ ਵਿੱਚ ਸਿਖਲਾਈ ਦੌਰਾਨ ਭਵਿੱਖ ਵਿੱਚ ਲੱਭੀ ਜਾਵੇਗੀ; ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਵਿਸ਼ੇਸ਼ਤਾ ਦੇ ਤੌਰ 'ਤੇ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਲਈ ਘੰਟੇ ਦੇ ਅਸਲ ਮੁੱਲ ਦੀ ਵਰਤੋਂ ਕਰਨਾ। ਇਸ ਦੇ ਨਤੀਜੇ ਵਜੋਂ ਸੰਪੂਰਨ ਬੈਕਟੈਸਟਿੰਗ ਹੁੰਦੀ ਹੈ ਪਰ ਅਸਲ ਵਿੱਚ ਬੇਕਾਰ ਹੁੰਦੀ ਹੈ। ਕੋਡ ਵਿੱਚ ਸਮਾਂ ਲੜੀ ਵਿੱਚ ਅਤੀਤ/ਭਵਿੱਖ ਦੀ ਸੀਮਾ ਨੂੰ ਧਿਆਨ ਨਾਲ ਬਣਾਈ ਰੱਖਣਾ ਚਾਹੀਦਾ ਹੈ।
12. ਊਰਜਾ ਕੰਪਨੀ SCADA ਡੇਟਾ ਨੂੰ ਇੱਕ ਆਮ AI ਟੂਲ ਨੂੰ ਭੇਜਣ ਵੇਲੇ ਸਹੀ ਪਹੁੰਚ ਕੀ ਹੈ?
- ਏ) ਸਾਰਾ ਡੇਟਾ ਜਿਵੇਂ ਹੈ ਭੇਜਣਾ ਸਭ ਤੋਂ ਸਹੀ ਨਤੀਜੇ ਦਿੰਦਾ ਹੈ
- ਅ) ਡੇਟਾ ਨੂੰ ਅਗਿਆਤ ਕਰਨਾ ਅਤੇ ਇੱਕ ਪ੍ਰਵਾਨਿਤ ਟੂਲ ਨਾਲ ਸਿਰਫ ਲੋੜੀਂਦੇ ਤਕਨੀਕੀ ਉਪ ਸਮੂਹ ਨੂੰ ਸਾਂਝਾ ਕਰਨਾ ✔
- C) ਸਾਵਧਾਨੀ ਬੇਲੋੜੀ ਹੈ ਕਿਉਂਕਿ ਡੇਟਾ ਕਿਸੇ ਵੀ ਤਰ੍ਹਾਂ ਖੁੱਲ੍ਹਾ ਹੈ
- ਡੀ) ਸਿਰਫ ਫਾਈਲ ਦਾ ਨਾਮ ਬਦਲਣਾ ਕਾਫ਼ੀ ਹੈ
ਵਰਣਨ: SCADA ਅਤੇ ਨੈੱਟਵਰਕ ਟੋਪੋਲੋਜੀ ਡੇਟਾ ਮਹੱਤਵਪੂਰਨ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਜਾਣਕਾਰੀ ਹੈ; ਇਸ ਨੂੰ ਜਨਤਕ ਕਲਾਉਡ 'ਤੇ ਭੇਜਣਾ ਗੋਪਨੀਯਤਾ, ਮੁਕਾਬਲਾ ਅਤੇ ਸਾਈਬਰ ਸੁਰੱਖਿਆ ਖਤਰੇ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਸਹੀ ਪਹੁੰਚ ਸਾਈਟ/ਸੰਪੱਤੀ ਦੇ ਨਾਵਾਂ ਨੂੰ ਪ੍ਰਤੀਨਿਧ ਟੈਗਸ ਦੇ ਨਾਲ ਗੁਮਨਾਮ ਬਣਾਉਣਾ, ਕਾਰਜ ਲਈ ਲੋੜੀਂਦੇ ਸਿਰਫ ਤਕਨੀਕੀ ਸਬਸੈੱਟ ਨੂੰ ਸਾਂਝਾ ਕਰਨਾ, ਅਤੇ ਸੰਸਥਾ-ਪ੍ਰਵਾਨਿਤ/ਬੰਦ ਸਾਧਨਾਂ ਦੀ ਚੋਣ ਕਰਨਾ ਹੈ।
13. 'ਸਮਰੱਥਾ ਕਾਰਕ' (ਉਤਪਾਦਿਤ ਊਰਜਾ ਦਾ ਅਨੁਪਾਤ ਜੇਕਰ ਇਹ ਪੂਰੀ ਸਮਰੱਥਾ 'ਤੇ ਨਿਰੰਤਰ ਚੱਲਦਾ ਹੈ ਤਾਂ ਪੈਦਾ ਕੀਤਾ ਜਾਵੇਗਾ) ਨੂੰ ਹਵਾ ਦੇ ਉਤਪਾਦਨ ਦੀ ਭਵਿੱਖਬਾਣੀ ਵਿੱਚ ਇੱਕ ਤਰਕਸ਼ੀਲਤਾ ਐਂਕਰ ਵਜੋਂ ਕਿਉਂ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ?
- ਏ) ਕਿਉਂਕਿ ਇਹ ਸਿਰਫ ਮਾਰਕੀਟਿੰਗ ਉਦੇਸ਼ਾਂ ਲਈ ਇੱਕ ਨੰਬਰ ਹੈ
- ਅ) ਕਿਉਂਕਿ ਉਸਨੇ ਸਿੱਧਾ ਚਲਾਨ ਦਿੱਤਾ ਸੀ
- C) ਕਿਉਂਕਿ ਇਹ ਇੱਕ ਭੌਤਿਕ ਮਾਪਦੰਡ ਹੈ ਜੋ ਪੂਰਵ-ਅਨੁਮਾਨ ਦੀ ਤੀਬਰਤਾ ਦੇ ਕ੍ਰਮ ਦੀ ਜਾਂਚ ਕਰਦਾ ਹੈ, ਇੱਕ ਜਾਣੀ ਜਾਂਦੀ ਖਾਸ ਰੇਂਜ (ਲਗਭਗ 25-45%) ✔
- ਡੀ) ਕਿਉਂਕਿ ਇਹ ਟਰਬਾਈਨ ਦਾ ਰੰਗ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ
ਵਰਣਨ: ਸਮੁੰਦਰੀ ਕੰਢੇ ਦੇ ਵਿੰਡ ਫਾਰਮਾਂ ਦੀ ਸਮਰੱਥਾ ਦਾ ਕਾਰਕ ਆਮ ਤੌਰ 'ਤੇ ਲਗਭਗ 25-45 ਪ੍ਰਤੀਸ਼ਤ ਦੀ ਰੇਂਜ ਵਿੱਚ ਹੁੰਦਾ ਹੈ। ਇੱਕ ਭਵਿੱਖਬਾਣੀ ਭੌਤਿਕ ਤੌਰ 'ਤੇ ਅਸੰਭਵ ਹੈ ਜੇਕਰ ਇਹ ਲੰਬੇ ਸਮੇਂ ਦੀ ਔਸਤ 'ਤੇ ਉਤਪਾਦਨ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਦੀ ਹੈ ਜੋ ਇਸ ਸੀਮਾ ਤੋਂ ਬਾਹਰ ਹੈ (ਉਦਾਹਰਨ ਲਈ, 90 ਪ੍ਰਤੀਸ਼ਤ)। ਇਹ ਅਨੁਪਾਤ ਤੁਹਾਨੂੰ ਵੇਰਵੇ ਵਿੱਚ ਜਾਣ ਤੋਂ ਬਿਨਾਂ ਪੂਰਵ-ਅਨੁਮਾਨ ਦੀ ਤੀਬਰਤਾ ਦੇ ਕ੍ਰਮ ਦੀ ਜਾਂਚ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ।
14. ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਊਰਜਾ ਪ੍ਰਣਾਲੀ ਦੇ ਫੈਸਲੇ ਵਿੱਚ ਨਕਲੀ ਬੁੱਧੀ ਦੀ ਭੂਮਿਕਾ ਨੂੰ ਸਭ ਤੋਂ ਸਹੀ ਢੰਗ ਨਾਲ ਕਿਵੇਂ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ?
- A) AI ਅਧਿਕ੍ਰਿਤ ਇੰਜੀਨੀਅਰ ਦੀ ਮਨਜ਼ੂਰੀ ਨੂੰ ਬਦਲ ਸਕਦਾ ਹੈ
- ਅ) AI ਪਰਿਕਲਪਨਾ ਅਤੇ ਰੂਪਰੇਖਾ ਤਿਆਰ ਕਰਦਾ ਹੈ; ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਫੈਸਲੇ ਲਈ ਪ੍ਰਵਾਨਗੀ ਅਤੇ ਜ਼ਿੰਮੇਵਾਰੀ ਅਧਿਕਾਰਤ ਇੰਜੀਨੀਅਰ ਕੋਲ ਰਹਿੰਦੀ ਹੈ ✔
- C) ਜੇਕਰ AI ਕਾਫ਼ੀ ਸ਼ਕਤੀਸ਼ਾਲੀ ਹੈ, ਤਾਂ ਮਨੁੱਖੀ ਪੁਸ਼ਟੀ ਬੇਲੋੜੀ ਹੈ
- D) AI ਆਉਟਪੁੱਟ ਬੇਕਾਰ ਹੈ ਅਤੇ ਇਸ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਅਣਡਿੱਠ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ
ਵਰਣਨ: ਨਕਲੀ ਬੁੱਧੀ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਸਹਾਇਕ ਹੈ ਜੋ ਜਲਦੀ ਪੜ੍ਹਦਾ ਹੈ, ਪੈਟਰਨ ਫੜਦਾ ਹੈ, ਡਰਾਫਟ ਤਿਆਰ ਕਰਦਾ ਹੈ; ਪਰ ਇਹ ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਫੈਸਲਿਆਂ ਜਿਵੇਂ ਕਿ ਸੁਰੱਖਿਆ ਵਿਵਸਥਾ, ਟ੍ਰਾਂਸਫਾਰਮਰ ਲੋਡਿੰਗ, ਨੈਟਵਰਕ ਚਾਲਬਾਜ਼ੀ ਵਿੱਚ ਇੱਕ ਸਮਰੱਥ ਮਾਹਰ ਦੀ ਪ੍ਰਵਾਨਗੀ ਅਤੇ ਜ਼ਿੰਮੇਵਾਰੀ ਨੂੰ ਨਹੀਂ ਬਦਲਦਾ ਹੈ। AI ਅਨੁਮਾਨਾਂ ਅਤੇ ਰੂਪਰੇਖਾ ਤਿਆਰ ਕਰਦਾ ਹੈ; ਅਧਿਕਾਰਤ ਇੰਜੀਨੀਅਰ ਫੈਸਲਾ ਅਤੇ ਦਸਤਖਤ ਦਿੰਦਾ ਹੈ।