Zyski:
- Możliwość automatyzacji zadań związanych z czyszczeniem i analizą danych środowiskowych za pomocą kodu Pythona opartego na sztucznej inteligencji
- Możliwość weryfikacji kodu wygenerowanego przez sztuczną inteligencję za pomocą sprawdzania jednostek, testowania i przypadków brzegowych
- Umiejętność stosowania zasad ochrony poufnych/osobowych danych środowiskowych i odpowiedzialnego wykorzystania sztucznej inteligencji
Egzamin modułowy
1. Zapytałeś AI o limit zrzutu oczyszczalni ścieków, a model odpowiedział „120 mg/l dla ChZT, zgodnie z tabelą 19 rozporządzenia w sprawie kontroli zanieczyszczenia wody”. Które zachowanie jest najwłaściwsze?
- A) Weryfikacja wartości i tabeli odniesienia z oficjalnego tekstu obowiązującego rozporządzenia ✔
- B) Ponieważ AI jest aktualnym modelem, zapisanie wartości bezpośrednio w zezwoleniu na zrzut
- C) Po prostu zamień jednostkę z mg/L na g/L i użyj
- D) Zapytaj sztuczną inteligencję „czy jesteś pewien?” i zadowolić się odpowiedzią „tak”
Wyjaśnienie: LLM może generować punkty przerwania i numery tabel/pozycji, które są statystycznie prawdopodobne, ale nierzeczywiste (halucynacje). Limit zrzutu różni się w zależności od sektora, środowiska odbiorczego i obowiązujących przepisów; Użycie wartości i tabeli, do której się ona odnosi, bez sprawdzenia jej na podstawie oficjalnego tekstu przepisów (Dziennik Urzędowy) będzie skutkować nieprzestrzeganiem przepisów i karą.
2. Czego można się zazwyczaj spodziewać, jeśli stosunek F/M (składniki odżywcze/mikroorganizmy) jest zbyt niski w systemie osadu czynnego?
- A) Sytuacja, w której ładunek organiczny jest bardzo wysoki, a osad pozostaje młody
- B) Ekstremalnie stary osad i warunki pracy zdominowane przez oddychanie wewnętrzne ✔
- C) Sytuacja, w której wentylacja staje się zupełnie niepotrzebna
- D) Dowód, że limity rozładowania są automatycznie utrzymywane
Wyjaśnienie: Stosunek F/M wyraża ładunek organiczny na masę mikroorganizmów. Bardzo niski F/M to stan pracy, w którym mikroorganizmy głodują i przechodzą na oddychanie wewnętrzne, osad staje się nadmiernie stary i ogólnie można zaobserwować problemy z tworzeniem się igieł/rozproszonym osadem i sedymentacją. Jeśli AI interpretuje wartość F/M, należy ją zweryfikować na podstawie wieku osadu, SVI i danych laboratoryjnych.
3. Użyłeś sztucznej inteligencji do oszacowania rocznego ładunku NOx przy użyciu współczynnika emisji w obliczeniach emisji gazów spalinowych. Co powinieneś zrobić, zanim będziesz mógł bezpiecznie zgłosić wynik?
- A) Zaokrąglij wynik w górę i wprowadź go bezpośrednio do inwentaryzacji emisji
- B) Wystarczy poprawić kolory wykresu i opublikować raport
- C) Wykorzystanie wyniku, nawet jeśli przez pomyłkę obliczono CO2 zamiast NOx
- D) Wydrukuj dane dotyczące zastosowanego współczynnika emisji, źródła, jednostki i aktywności oraz zweryfikuj obliczenia ✔
Wyjaśnienie: Działa to zgodnie z logiką emisji = współczynnik × wielkość działalności. Sztuczna inteligencja może zastosować niewłaściwy współczynnik emisji (niewłaściwe paliwo, zła jednostka, przestarzałe źródło). Konieczne jest odtworzenie obliczeń poprzez wyraźne wydrukowanie zastosowanego współczynnika, jego źródła, jednostki i danych dotyczących działalności oraz porównanie go z oficjalnym źródłem współczynnika emisji (np. EMEP/EEA lub wytycznymi krajowymi).
4. Która z poniższych zasad jest kolejnością ustalania priorytetów zgodnie z zasadą „hierarchii postępowania z odpadami” w gospodarce odpadami?
- A) Utylizacja > odzysk > recykling > ponowne użycie > zapobieganie
- B) Recykling > utylizacja > zapobieganie > ponowne wykorzystanie > odzysk
- C) Zapobieganie > ponowne użycie > recykling > odzysk > utylizacja ✔
- D) Ponowne wykorzystanie > utylizacja > zapobieganie > recykling > odzysk
Wyjaśnienie: Hierarchia odpadów, od największej do najmniejszej, wygląda następująco: zapobieganie (redukcja) > ponowne użycie > recykling > odzysk (energii) > unieszkodliwianie (składowanie). Nawet jeśli sztuczna inteligencja opracuje projekt planu gospodarki odpadami, należy sprawdzić, czy ta kolejność i proponowana metoda usuwania są zgodne z przepisami i charakterystyką odpadów.
5. AI napisała w projekcie raportu OOŚ, że „wpływ przedsięwzięcia na środowisko jest znikomy”. Jakie jest najlepsze podejście inżynieryjne do tego wyjścia?
- A) Niezapisanie oceny oddziaływania w raporcie bez sprawdzenia jej danymi terenowymi, modelowaniem i oceną ekspercką ✔
- B) Ponieważ AI jest neutralna, umieść stwierdzenie tak, jak jest w konkluzji
- C) Po prostu przepisz zdanie na bardziej formalny język
- D) Całkowite pominięcie oceny skutków i bezpośrednie wystąpienie o pozwolenie
Opis: Ocena oddziaływania w ramach OOŚ; w oparciu o dane terenowe, wrażliwość środowiska odbiorczego, skutki skumulowane i progi regulacyjne. Sztuczna inteligencja może wydać ocenę „nieistotną” bez oparcia jej na danych. Należy to traktować jako hipotezę/szkic; Wielkość efektu nie powinna być zapisywana w raporcie jako ostateczna ocena bez weryfikacji poprzez pomiary, modelowanie i ocenę ekspercką.
6. W szeregu czasowym PM10 ze stacji ciągłego monitorowania sztuczna inteligencja zasygnalizowała nagłe „przekroczenie” (powyżej wartości progowej). Który etap weryfikacji jest najważniejszy?
- A) Wysłanie znaku bezpośrednio do urzędnika jako oficjalne powiadomienie o przekroczeniu
- B) Sprawdzanie surowych danych, flag QA/QC czujników, danych kalibracyjnych i sąsiednich stacji ✔
- C) Wygładzenie wykresu i ukrycie przekroczenia
- D) Podniesienie progu i zadbanie o to, aby przekroczenie nie było widoczne
Wyjaśnienie: Nagłe skoki danych z czujnika mogą być prawdziwym zdarzeniem zanieczyszczenia, ale mogą również oznaczać awarię czujnika, dryf kalibracji, okno konserwacyjne lub błąd transmisji danych. Zanim uznamy przekroczenie za rzeczywiste, należy je zweryfikować, patrząc na surowe dane, flagi QA/QC czujników, dziennik kalibracji i dane sąsiedniej stacji/dane meteorologiczne; w przeciwnym razie wystąpi fałszywy alarm lub pominięte zdarzenie.
7. Co oznaczają emisje z „Zakresu 2” w obliczeniach korporacyjnego śladu węglowego?
- A) Wszystkie emisje pośrednie wynikające z łańcucha dostaw i stosowania produktów
- B) Emisje bezpośrednie ze spalania paliw w obiekcie
- C) Pośrednie emisje zakupionej energii elektrycznej, pary oraz ogrzewania/chłodzenia ✔
- D) Tylko emisje z utylizacji odpadów
Opis: Zakres 1 obejmuje emisję bezpośrednią (spalanie paliw we własnym obiekcie, flota pojazdów), Zakres 2 obejmuje emisję pośrednią zakupionej energii (elektryczność, para wodna, ogrzewanie/chłodzenie), Zakres 3 obejmuje inne emisje pośrednie w łańcuchu wartości (dostawy, transport, wykorzystanie produktów). Chociaż sztuczna inteligencja tworzy projekt inwentarza, stosowane przez nią współczynniki emisji i klasyfikacja zakresu muszą zostać zweryfikowane.
8. Kiedy teledetekcja podaje wysoką wartość NDVI (Normalized Difference Vegetation Index), co to zazwyczaj oznacza?
- A) Głęboki i czysty zbiornik wodny
- B) Naga skała i gleba
- C) Wysokie stężenie zanieczyszczeń powietrza
- D) Gęsta i zdrowa roślinność zielona ✔
Opis: NDVI oblicza się jako stosunek różnicy pasm bliskiej podczerwieni i czerwonego do ich sumy i zwykle wynosi od -1 do +1. Wysokie wartości dodatnie wskazują na gęstą, zdrową zieloną roślinność; woda i goła gleba dają wartości niskie lub ujemne. Nawet jeśli sztuczna inteligencja dokona interpretacji NDVI, efekty kalibracji chmur, cienia, pory roku i czujnika muszą zostać zweryfikowane z prawdą naziemną.
9. Zadałeś AI pytanie dotyczące przepisów dotyczących ochrony środowiska, a model podał jasną wartość dopuszczalną w odniesieniu do konkretnego artykułu regulacji. Co jest obowiązkowe przed wykorzystaniem tych informacji w oficjalnej aplikacji?
- A) Potwierdzenie numeru substancji, wartości dopuszczalnej i statusu ważności z aktualnego oficjalnego źródła ✔
- B) Wpisz numer artykułu nadany przez AI w petycji aplikacyjnej w niezmienionej postaci.
- C) Po prostu przepisz zdanie w stylu formalnym
- D) Biorąc średnią, ponieważ AI daje więcej niż jedną odpowiedź
Wyjaśnienie: LLM mogą generować nieistniejące numery artykułów, uchylone przepisy lub nieprawidłowe punkty przerwania i przesyłać je bez informacji o aktualnej dacie. Odniesienie legislacyjne i wartość graniczna nie mogą być stosowane w transakcjach urzędowych bez potwierdzenia datą wejścia w życie z aktualnego oficjalnego źródła (Dziennik Urzędowy, portal legislacyjny).
10. Co jest prawdą przed użyciem skryptu Pythona wygenerowanego przez sztuczną inteligencję do czyszczenia danych stacji i monitorowania trendów?
- A) Umieszczenie wyniku trendu bezpośrednio w raporcie, ponieważ kod działa bez błędów
- B) Skróć nazwy zmiennych i usuń linie komentarzy
- C) Przesłanie skryptu ze wszystkimi nieprzetworzonymi danymi śledzenia do usługi publicznej
- D) Weryfikacja za pomocą testów ze znanymi wynikami, sprawdzanie jednostek i przypadków brzegowych oraz ochrona poufności danych ✔
Opis: kod AI może zawierać nieprawidłową konwersję jednostek, nieprawidłowe uzupełnianie brakujących danych, nieprawidłowe analizowanie daty lub w skrajnych przypadkach ciche błędy. Kod; zweryfikowane na podstawie małych danych testowych ze znanymi wynikami, sprawdzeniem objętości/rozmiaru i przypadkami brzegowymi (brak wartości, odczyt ujemny, podwójny zapis); Ponadto nie należy przesyłać danych osobowych/poufnych do usług zewnętrznych bez pozwolenia. Wynik został potwierdzony oceną inżynierską.