zisky:
- Schopnosť holisticky vyhodnotiť etické aspekty, aspekty ochrany osobných údajov, autorské práva a pracovné sily používania AI v textilnom priemysle
- Schopnosť navrhnúť systém s určenými ľudskými schvaľovacími bodmi, ktorý kombinuje celý modul v komplexnom pracovnom postupe
- Schopnosť vytvoriť rámec riadenia, overovania a neustáleho zlepšovania pre zodpovedné používanie AI v organizácii
Modulová skúška
1. Ktorý z nasledujúcich je základný princíp, ktorý určuje riziko výstupu AI v textilnom inžinierstve?
- A) Riziko výstupu sa rovná poškodeniu, ktoré by spôsobilo, keby bol tento výstup chybný; podľa toho ✔
- B) Výstup AI je vo všeobecnosti bezpečný, pretože je napísaný plynule a s istotou
- C) Overenie nie je potrebné, ak sa používa najaktuálnejší model
- D) Ak sa výstup vzťahuje na normu, nie je potrebná žiadna dodatočná kontrola
Vysvetlenie: Riziko výstupu sa rovná poškodeniu, ktoré spôsobí, ak je výstup chybný. Zatiaľ čo chyba v myšlienke moodboardu je neškodná, chyba v receptúre farbenia alebo výpočte pevnosti látky môže viesť k plytvaniu šaržou a rizikám bezpečnosti práce/zmluvy; takže intenzita overovania je škálovaná s potenciálnou škodou.
2. Inžinier je skeptický k hodnote AI '85 cN/tex pre bavlnenú priadzu' pre pevnosť priadze. Aká je najrýchlejšia kontrola na potvrdenie tohto podozrenia?
- A) Zadajte hodnotu priamo do správy a opýtajte sa laboratória neskôr
- B) Urobte rádové porovnanie s typickým rozsahom bavlnenej priadze (približne 12-22 cN/tex) ✔
- C) Znova položiť rovnakú otázku od modelu a dôverovať druhej odpovedi
- D) Prijmite, ak hodnota obsahuje odkaz na zdroj
Popis: Je to rádová kontrola. Pevnosť prstencovej bavlnenej priadze je typicky rádovo 12-22 cN/tex; 85 cN/tex je vysokovýkonná syntetická/aramidová úroveň a je pre bavlnu fyzicky neprimeraná. Táto kontrola trvá niekoľko sekúnd a zachytí väčšinu chýb jednotiek/typov.
3. Čo z nasledujúceho platí pre „Ne“ (britský počet bavlny) zo systémov počítania priadze?
- A) Čím je niť väčšia, tým je hrubšia.
- B) Čo je priamy systém, funguje rovnakým smerom ako tex
- C) Aký je to nepriamy systém; Čím väčšie číslo, tým tenšia niť ✔
- D) Čo je definované len pre syntetické priadze
Vysvetlenie: Aký nepriamy systém číslovania: čím väčšie číslo, tým tenšia niť. Tex a denier sú priame systémy; Čím väčšie číslo, tým hrubšia niť. Neznalosť tohto rozdielu vedie k vážnym chybám v interpretácii čísel vo výstupe AI.
4. Čo znamená vysoká miera „falošne negatívnych“ v modeli spracovania obrazu, ktorý zisťuje chyby tkaniny a prečo je to kritické?
- A) Chybná tkanina sa považuje za dokonalú a je doručená zákazníkovi; ✔ Najnebezpečnejší typ chyby v kvalite
- B) Zbytočné označenie dokonalej tkaniny ako chybnej; len to znižuje efektivitu
- C) Model nezistil žiadne chyby; vždy dobré znamenie
- D) Nízke rozlíšenie fotoaparátu
Vysvetlenie: Falošne negatívny je, keď je skutočný defekt klasifikovaný ako „dokonalý“. To znamená, že chybná tkanina ide k zákazníkovi a vznikajú náklady na vrátenie/reputáciu. V aplikáciách kritických pre kvalitu je prahová hodnota vo všeobecnosti nastavená tak, aby sa falošné negatívy udržiavali na nízkej úrovni a zvýšené falošné pozitívne výsledky sa eliminujú kontrolou človekom.
5. Čo znamená hodnota „Delta E“ (ΔE) v správe farieb?
- A) Náklady na kilogram farby
- B) Kritérium, ktoré kvantifikuje celkový rozdiel vo vnímaní medzi dvoma farbami ✔
- C) Svetelná priepustnosť látky
- D) Hodnota teploty farbenia v stupňoch
Popis: Delta E je kritérium, ktoré kvantifikuje celkový rozdiel vo vnímaní medzi dvoma farbami vo farebnom priestore CIELAB. Malé hodnoty ΔE naznačujú, že farby sú blízko seba; V textíliách je tolerancia prijatia šarže k šarži zvyčajne definovaná zmluvne v zmysle AE. Preto tvrdenie, že „zachovaná farba“ vyžaduje meranie.
6. Ako sa nazýva, keď dve vzorky vyzerajú rovnako pod jedným svetelným zdrojom a rozdielne pod iným svetelným zdrojom a prečo je to dôležité pri správe farieb?
- A) metamerizmus; Potvrdenie farby sa musí vykonať pri viacerých štandardných svetelných zdrojoch ✔
- B) fluorescencia; farba vyzerá rovnako za všetkých podmienok
- C) Nepriehľadnosť; farebný rozdiel závisí len od hrúbky
- D) Kalibrácia; týka sa iba obrazovky
Popis: Tento jav sa nazýva metamerizmus. Dve farby s rôznou spektrálnou odrazivosťou sa môžu pri určitom osvetlení zhodovať a pri inom osvetlení sa líšiť. Potvrdenie farby by sa preto nemalo robiť na jednom svetelnom zdroji, ale pod viacerými zdrojmi (napr. D65, TL84, A) v štandardnej svetelnej kabíne.
7. Aká je najdôležitejšia právna kontrola, ktorá sa má vykonať pred komerčným použitím textilného vzoru vyrobeného pomocou generatívnej AI?
- A) Zníženie počtu farieb vzoru
- B) Zmenšenie veľkosti súboru vzoru
- C) Kontrola podobnosti/porušovania autorských práv a autorských práv s existujúcimi chránenými dizajnmi ✔
- D) Vzor uložte len vo vysokom rozlíšení
Vysvetlenie: Je potrebné skontrolovať, či vyrobený vzor nemá nejakú podobnosť/porušenie s existujúcimi chránenými vzormi, ochrannými známkami alebo autorskými právami, a vyhodnotiť neistoty týkajúce sa cvičných údajov modelu a výstupných práv. Komercializácia bez kontroly originality a porušenia vytvára riziko súdneho sporu týkajúceho sa autorských práv.
8. Aký je najrobustnejší prístup k overovaniu výstupu AI pri prognózovaní dopytu podľa SKU?
- A) Konverzia jednobodovej predikcie danej modelom na množstvo objednávky tak, ako je
- B) Spätné testovanie s predchádzajúcimi predajmi a vyhodnotenie chybovosti prostredníctvom filtra obchodného úsudku ✔
- C) Výber najvyššieho odhadu a udržiavanie nadbytočných zásob
- D) Zdvojnásobte predpoveď, ak je trend najobľúbenejší
Vysvetlenie: Predpoveď by sa mala spätne otestovať oproti realizácii predaja v minulosti a filtrovať prostredníctvom obchodného úsudku s kontextom, ako sú zásoby, kampane, sezónnosť atď. Namiesto slepého dôverovania jednobodovej predikcii modelu sa vyhodnocuje chybovosť a scenáre.
9. Aký je hlavný dôvod poradia šarže farby zo „svetlej farby na tmavú“ v plánovaní výroby?
- A) Tmavé farby sú lacnejšie
- B) Zníženie rizika kontaminácie farieb a času strojového čistenia ✔
- C) Svetlé farby vydržia dlhšie
- D) Je to len estetická preferencia
Vysvetlenie: Ak sa v tej istej práčke farbí svetlá farba po tmavej farbe, zvyšuje sa riziko čistenia/znečistenia a dodatočného času prania. Triedenie od svetlej po tmavú zvyšuje efektivitu znížením rizika rozmazania farieb a času strojového čistenia. Odporúčania AI by mali zahŕňať toto obmedzenie procesu.
10. Aký je správny postoj pri uvádzaní environmentálnej stopy látky k tvrdeniu, ako napríklad „recyklovaný polyester znižuje spotrebu vody o 90 %“, ktoré vyrába AI?
- A) Uvedenie nároku tak, ako je v marketingovej kópii
- B) Nepoužitie reklamácie bez overenia hranicou systému, zdrojom údajov a certifikátom ✔
- C) Za predpokladu, že tvrdenie je silné, ak je číslo vysoké
- D) Zaokrúhlite číslo a zverejnite ho
Vysvetlenie: Takýto nárok nemá zmysel bez špecifikácie systémovej hranice (kolíska-brána alebo brána-brána), zdroja údajov a rozsahu; Musí vychádzať z overiteľných údajov a certifikácie LCA. V opačnom prípade môže vzniknúť greenwashing a právne riziko. Hoci sa čísla AI zdajú rozumné, pochádzajú z nezávislých zdrojov.
11. Aký by mal byť prvý krok na overenie kódu napísaného AI pri analýze produkčných údajov pomocou pandy s Pythonom?
- A) Ak kód fungoval bez chýb, akceptujte výsledok ako správny
- B) Manuálne vypočítajte výstup a overte jednotku a logiku na malej vzorke údajov ✔
- C) Pridanie kódu priamo do správy o výrobe
- D) Ak je graf dobrý, považujte analýzu za dokončenú.
Poznámka: Aj keď kód funguje, nie je zaručené, že jeho logika je správna; Manuálna kontrola účtovania musí byť vykonaná na jednotke, párovaní stĺpcov a niekoľkých riadkoch. Napríklad pri priemerovaní gramáže môže nesprávne zoskupenie alebo zámena jednotiek v tichosti viesť k nesprávnym výsledkom. V malej vzorke je ručné overenie najrýchlejším uistením.
12. Aký je najlepší postup z hľadiska ochrany osobných údajov pri odosielaní údajov o textilnej výrobe do nástroja AI?
- A) Pošlite všetky aktuálne informácie o zákazníkovi a predpisoch tak, ako sú
- B) Anonymizovať citlivé informácie a posielať ich s reprezentatívnymi štítkami a v súlade s firemnou politikou ✔
- C) Za predpokladu, že súkromie nie je dôležité, pretože existuje veľa údajov.
- D) Stačí zmeniť názov súboru a odoslať obsah tak, ako je
Vysvetlenie: Citlivé údaje, ako je meno zákazníka, tajomstvo receptu, cena a informácie o dodávateľovi, by mali byť anonymizované alebo označené reprezentatívnymi štítkami (Zákazník-A, Recept-1). Obchodné tajomstvá a osobné údaje by sa nemali prenášať na model tretej strany v rozpore s firemnými zásadami a dohodami.
13. Model spracovania obrazu uvádza 98% presnosť na výrobnej linke, ale chýba mu veľa chýb v teréne. Čo je najpravdepodobnejšou príčinou tohto stavu?
- A) Presnosť je zavádzajúca kvôli nevyváženým údajom; Citlivosť (vyvolanie) triedy defektu je nízka ✔
- B) Model beží veľmi pomaly
- C) Pretože fotoaparát je farebný
- D) 98% je už perfektných, problém je s operátorom
Vysvetlenie: Keď je v súbore údajov veľmi málo vzoriek s defektmi (nevyvážené údaje), model môže dosiahnuť vysokú presnosť tým, že všetko nazve „dokonalým“, ale nedokáže zachytiť skutočné defekty. Preto je samotná presnosť zavádzajúca; Mala by sa monitorovať citlivosť (stiahnutie) a presnosť pre triedu defektov.
14. Aká je podľa kľúčového princípu zdôrazňovaného v module, aká je úloha umelej inteligencie pri rozhodovaní o bezpečnosti a rozhodovaní o textíliách, ktoré sú kritické pre zmluvy?
- A) Umelá inteligencia môže robiť kritické rozhodnutia sama, pretože je rýchla
- B) AI je asistent; kritické rozhodnutia sú overené schválením kompetentného inžiniera a fyzickým testovaním ✔
- C) Výstup AI nahradí podpísanú správu
- D) Ľudské potvrdenie nie je potrebné, ak sa používa najaktuálnejší model
Popis: AI je asistent a akcelerátor; generuje hypotézy, pripravuje návrhy, zachytáva vzory. Avšak kritické rozhodnutia, ako je schválenie receptúry náteru, akceptácia kvality, hodnotenie pevnosti/bezpečnosti, vyžadujú schválenie kompetentným inžinierom a fyzické testovanie. Výstup AI nenahrádza odborné schválenie.