Mtiririko wa Kazi wa Mwisho-hadi-Mwisho, Chatu, Maadili, Faragha na Matumizi ya Kujibika — Akili Bandia katika Uhandisi wa Jiofizikia

Faida:

Uwezo wa kupachika AI katika kila hatua, kutoka kwa kupanga hadi kuripoti, mara kwa mara na milango ya uthibitishaji wa kibinadamu na hali ya mpito.
Uwezo wa kutambua zana za zana za Python za kijiografia (ObsPy, segyio, scikit-learn n.k.) na kuthibitisha msimbo unaozalishwa na AI kulingana na kitengo/mhimili/uvujaji.
Uwezo wa kupachika kanuni za uwajibikaji wa binadamu, faragha ya data, lugha iliyopimwa juu ya usalama, kukataliwa kwa hakika kwa utabiri na uwazi katika mtiririko wa kazi.

Kufikia sasa tumejadili pete za kibinafsi za jiofizikia-usindikaji, tafsiri, sehemu zinazowezekana, ubadilishaji, tetemeko la ardhi, uso wa karibu, taswira, uchunguzi wa rasilimali, kutokuwa na uhakika-tofauti. Katika kitengo hiki cha mwisho, tunazichanganya zote katika mtiririko mmoja wa kazi kutoka mwisho hadi mwisho: tutaona jinsi ya kupachika akili bandia (AI) kila mara kuanzia mwanzo wa mradi hadi mwisho wa ripoti, kwa lango la uthibitishaji la binadamu katika kila hatua. Pia tutaangalia mfumo ikolojia wa Chatu, zana madhubuti ya AI katika jiofizikia, na maadili, faragha, na kanuni za utumiaji zinazowajibika zinazotokana na hali muhimu ya usalama ya taaluma. Wacha tuanze tangu mwanzo: AI ni kiongeza kasi na msaidizi; Jukumu la muundo wa chinichini, uamuzi wa uchunguzi na maoni kuhusu usalama wa maisha/mali daima ni la mwanajiofizikia stadi.

Mtiririko wa kazi wa mwisho hadi mwisho: milango ya uthibitishaji

Mradi mzuri unaoendeshwa na AI ni muundo wa tabaka na "hali ya mpito" katika kila hatua. Milango ya kibinadamu polepole huzuia kosa moja la AI kuvuja kwenye ripoti:

Kupanga na kukusanya: AI inazalisha orodha/muhtasari wa mpango; usalama wa tovuti, maamuzi ya kuruhusu na kukusanya ni ya binadamu. Mlango: je, mpango huo unafuata sheria za mitaa?
Inachakata/QC: Ukandamizaji wa kelele wa AI hufanya kuripoti zaidi. Lango: je, njama ya tofauti ni safi, ishara imehifadhiwa?
Taswira/ufafanuzi: AI huzalisha mtahiniwa wa upeo wa macho/kosa/uso. Mlango: Je, tie ya kisima na ukaguzi wa kuona umefanywa?
Suluhisho la kinyume: AI huharakisha. Mlango: uthibitisho na fizikia halisi, kutokuwa na uhakika kupimwa?
Ujumuishaji / uamuzi: AI inachanganya data, hutoa hali. Mlango: uthibitishaji wa njia nyingi, majaribio ya nyuma yamefanywa?
Kuripoti: AI inaandika rasimu. Lango: je kila nambari/rejeleo limeunganishwa na chanzo, je lugha ya utata imehifadhiwa?

Huwezi kuendelea na mlango unaofuata bila kuupitia. Huu ni muundo unaohakikisha usalama wakati wa kudumisha kasi.

Kidokezo: Ambatisha "lebo ya mkopo" kwa kila pato la AI: data gani, muundo/toleo gani, kigezo gani, nani alithibitisha, lini. Lebo hii ni muhimu kwa kujirudia na kukaguliwa ikiwa hitilafu itapatikana baadaye.

Python: zana ya zana ya AI ya mwanajiofizikia

Lugha halisi ya AI katika jiofizikia kwa kiasi kikubwa ni Python. Ujuzi wa kimsingi wa kusoma na kuandika unahitajika ili kutekeleza na kufuatilia mapendekezo ya AI. Maktaba zinazotumiwa mara kwa mara:

NumPy / SciPy: Hesabu ya nambari, usindikaji wa ishara (chujio, FFT).
Matplotlib: Sehemu, ramani, taswira.
ObsPy: Maktaba ya kawaida ya seismology (kusoma kwa mawimbi, awamu, data ya tetemeko la ardhi).
scikit-learn: Kujifunza kwa mashine ya kawaida (uainishaji, nguzo, uthibitishaji mtambuka).
PyTorch / TensorFlow: Kujifunza kwa kina (ukandamizaji wa kelele wa CNN, uchimbaji wa awamu).
segyio: Soma/andika umbizo la data ya tetemeko la SEG-Y.

AI (mfano wa lugha) ni haraka sana katika kutengeneza rasimu za msimbo na maktaba hizi. Lakini msimbo uliotolewa hauendeshwi bila uthibitishaji: hitilafu za kitengo, mhimili usio sahihi, utenganisho wa mtihani wa mafunzo unaovuja, au simu ya kukokotoa ambayo haipo ni ya kawaida.

Tahadhari: Usitumie nambari ya Python inayozalishwa na AI kwa data kubwa bila kuipima kwenye sampuli ndogo inayojulikana. Hasa, angalia marejeleo ya kuratibu/saa, kitengo (ms/s, m/ft) na utenganisho wa jaribio la mafunzo; kosa la kitengo kimoja huharibu tafsiri nzima kimyakimya.

Maadili, faragha na matumizi ya kuwajibika

Jiofizikia ni uwanja wa uhandisi ambao matokeo yake yanaathiri usalama wa maisha na mali, mazingira na uwekezaji mkubwa. Hii inaweka majukumu maalum juu ya matumizi ya AI:

Wajibu wa kibinadamu: Wajibu wa mtindo wa mwisho, uamuzi wa uchunguzi na tathmini ya hatari iko kwa mtaalamu; "AI ilisema hivyo" sio kisingizio.
Faragha ya data: Data ya tetemeko, kumbukumbu za visima, na matokeo ya uchunguzi mara nyingi hufunikwa na siri za biashara au leseni. Kuzipakia kwa zana za nje/wingu za AI kunaweza kuunda ukiukaji wa faragha na udhaifu wa ushindani; uainishaji wa data na orodha ya gari iliyoidhinishwa ni muhimu.
Usahihi na ukatazaji wa madai mengi: Kukadiria kupita kiasi pato la AI kwenye maswala ya usalama kama vile hatari ya tetemeko la ardhi, maporomoko ya ardhi, unywaji wa ardhini huweka maisha ya binadamu hatarini; Lugha iliyopimwa, isiyoeleweka hutumiwa.
Kukataliwa kwa utabiri wa tetemeko la ardhi: Kutabiri siku ya tetemeko la ardhi siku zijazo sio kisayansi; Dai kama hilo haliwezi kutolewa na AI.
Uwazi: Matumizi ya AI yameelezwa wazi katika ripoti; Katika hatua gani, jinsi inavyotumiwa na jinsi inavyothibitishwa imeandikwa.
Mazingira na jamii: Matokeo ya uchunguzi wa rasilimali huleta athari za kimazingira na kijamii; Mtaalam wa jiofizikia ana jukumu la kuzingatia athari hizi.

Kidokezo: Kabla ya kutoa data yoyote kwa zana ya AI, uliza maswali matatu: (1) Je, ninaruhusiwa kushiriki data hii? (2) Je, ina maelezo ya siri ya kibinafsi/ya kibiashara? (3) Je, zana hii huhifadhi data kwa ajili ya mafunzo? Iwapo mojawapo kati ya hizo tatu haiko wazi, usipakie data au utumie suluhu ya kwenye majengo/iliyotengwa.

kesi tatu ndogo

Kesi ya 1 - Data ya leseni iliyovuja. Mhandisi alipakia sauti ya mitetemo iliyoidhinishwa kwa huduma ya nje ya AI kwa tafsiri ya haraka. Mkataba ulikataza uhamishaji wa data kwa mtu wa tatu; Tukio hilo liligeuka kuwa uvunjaji mkubwa wa mkataba. Wakala hatimaye ilianzisha sera ya kufanya kazi na magari pekee, yaliyoidhinishwa.

Kesi ya 2 - Hitilafu ya kitengo cha msimbo. Hati ya Python ambayo AI ilitoa ilichukua kina cha mita badala ya futi (ft); Ramani ilitoka kwa kina 30% na kisima kilipangwa kwa lengo lisilo sahihi. Ikiwa imejaribiwa na sampuli ndogo, hitilafu ingepatikana tangu mwanzo; somo: nambari inayozalishwa inathibitishwa kila wakati dhidi ya mfano unaojulikana.

Kesi ya 3 - Taarifa ya hatari iliyozidishwa. Katika rasimu moja, YZ iliandika kwa uhakika kwamba "eneo hilo liko katika hatari kubwa ya unywaji pombe" kulingana na data duni. Mwanajiofizikia alirekebisha hili kwa kusema "data ndogo inayopatikana inaweza kuonyesha uwezekano wa umiminishaji; kazi ya ziada inahitajika kwa tathmini ya uhakika." Lugha iliyopimwa juu ya usalama ilikuwa ya uaminifu na ya kuwajibika.

Violezo vinne vinavyoweza kunakiliwa

1) Milango ya uthibitishaji ya mwisho hadi mwisho:

Jukumu lako: mshauri wa mradi wa kijiofizikia. Mradi wangu: [aina]. Kinachokuja ni jedwali la milango ya uthibitishaji kwa ajili ya kupanga, kuchakata, kutafsiri, kugeuza, kuunganisha na kuripoti: kazi ya AI, uamuzi wa binadamu na SHARTI YA NJIA (udhibiti) inapaswa kuwa nini katika kila hatua? Mtu hatakiwi kupita kwenye mlango wa pili bila kuupitia.

2) Uthibitishaji wa nambari ya Python:

Niliandika hati ya Python ya kijiografia ([SEG-Y soma/kichujio/kiainishaji]) na AI. Ninapaswa kuangalia nini kabla ya kukimbia: kitengo/mhimili/uthabiti wa kuratibu, uvujaji wa jaribio la mafunzo, utendakazi ambao haupo, kesi za makali? Ninawezaje kuweka sampuli ndogo ya jaribio? Nipe orodha ya ukaguzi.

3) Udhibiti wa faragha wa data:

Jukumu lako: mshauri wa usimamizi wa data. Ninafikiria kutoa data ya kijiografia ([logi ya kisima/kisima]) kwa zana ya AI. Nipe orodha hakiki ya faragha: ruhusa ya kushiriki, taarifa za siri za kibiashara/binafsi, sera ya uhifadhi wa data ya zana, njia mbadala iliyotengwa/kwenye majengo. Nifanye nini ikiwa ni hatari?

4) Lugha ya kuripoti inayowajibika:

Kuna taarifa kuhusu masuala ya usalama ([hatari ya tetemeko la ardhi/liquefaction / maporomoko ya ardhi]) katika ripoti yangu ya AI. Je, ninawezaje kupata madai yaliyokithiri na kuyatafsiri katika lugha iliyopimwa, isiyo na utata? Ninawezaje kuonyesha kwa uwazi matumizi ya AI kwenye ripoti na kuepuka ubashiri wa kubaini? Onyesha na ubadilishaji wa mifano.

Mwongozo dhaifu / Mwongozo thabiti

Agizo dhaifu:

Shikilia mradi huu haraka kutoka mwanzo hadi mwisho na AI.

Hakuna lango la uthibitishaji, hakuna faragha na hakuna uwajibikaji; Kwa ajili ya kasi, matokeo yasiyowezekana na ya hatari hutokea.

Agizo lenye nguvu:

Jukumu lako: meneja mkuu wa mradi wa kijiofizikia. Mradi wangu: [aina, aina za data, hali ya faragha]. Kazi: (1) anzisha mtiririko wa kazi wa mwisho hadi mwisho na milango ya uthibitishaji; (2) kuandika kazi ya AI, uamuzi wa kibinadamu, na hali ya mpito katika kila hatua; (3) kupendekeza zana zilizoidhinishwa na masuluhisho ya pekee ya faragha ya data; (4) Ongeza lugha ya wastani na sheria ya uwazi kuhusu masuala ya usalama. Mfano wa mwisho unaonyesha kuwa uamuzi na jukumu liko kwa mwanadamu katika kila hatua.

Milango, faragha na mfumo wa uwajibikaji hufanya AI iwe haraka lakini salama.

Hatua za mtiririko wa kazi na uwajibikaji

Jukwaa

Kazi ya AI

uamuzi wa binadamu

hali ya mpito

Kupanga/kukusanya

rasimu ya mpango

usalama, ruhusa

Je, ni kwa kufuata sheria?

Inachakata/QC

uchapishaji, kuashiria

Uthibitishaji wa parameta

Je, ishara imehifadhiwa?

Ufafanuzi

Kuzalisha wagombea

uthibitishaji

Je, kisima kimeunganishwa?

suluhisho la kinyume

kuongeza kasi

uhalali wa kimwili

Je, kutokuwa na uhakika kumepimwa?

Uamuzi/muunganisho

Hali, utunzi

uamuzi wa hatari

Je, ukaguzi mtambuka umefanywa?

Kuripoti

rasimu

Idhini, wajibu

Je, imeunganishwa na chanzo?

Makosa ya kawaida

Kukwepa milango ya uthibitishaji. Kuondoa udhibiti wa binadamu kwa ajili ya kasi huleta hatari kwa ripoti hiyo.
Inapakia data ya siri/iliyoidhinishwa kwa zana ya nje. Inajenga ukiukaji wa mkataba na nakisi ya ushindani.
Kuendesha nambari iliyotengenezwa bila kuijaribu. Hitilafu ya kitengo/mhimili huharibu tafsiri kimyakimya.
Madai mengi kuhusu usalama. Tumia lugha iliyopimwa, isiyoeleweka.
Kuficha matumizi ya AI. Uwazi na maelezo ya chanzo ni lazima.

Kwa muhtasari

Katika mradi wa mwisho hadi mwisho wa kijiofizikia, AI huongeza thamani katika kila hatua; lakini kinachofanya thamani kuwa salama ni milango ya uthibitishaji ya kibinadamu inayounganisha hatua. Python ndio zana halisi ya AI hii na kila nambari inayotolewa inathibitishwa. Hali ya usalama-muhimu ya taaluma; Inaamuru ufaragha wa data, lugha iliyopimwa, kukataliwa kwa hakika kwa utabiri, uwazi na uwajibikaji wa kimazingira-kijamii. AI haiwezi kamwe kuwa kisingizio cha "AI ilisema": jukumu la mwisho la modeli ya chini ya ardhi, uamuzi wa uchunguzi na tafsiri ya usalama daima liko kwa mwanajiofizikia hodari.

Jukumu la maombi

Chagua mradi halisi au unaofikiriwa wa kijiofizikia. Ukiwa na kiolezo cha "Milango ya uthibitishaji kutoka mwisho hadi mwisho", weka hatua zote kwenye jedwali na masharti yao ya mpito. Kisha tumia kiolezo cha "Udhibiti wa faragha wa data" kwa aina ya data ili kutathmini ikiwa inafaa kutoa data hiyo kwa zana ya AI. Hatimaye, andika taarifa ya usalama na ulitafsiri katika lugha iliyopimwa, uwazi na isiyo na utata kwa kiolezo cha "Lugha ya kuripoti inayowajibika".

orodha ya ukaguzi

[ ] Niliweka mtiririko mzima wa kazi na milango ya uthibitishaji na masharti ya mpito.
[ ] Nimechakata data ya siri/iliyoidhinishwa kwa njia zilizoidhinishwa/zilizotengwa pekee.
[ ] Nilijaribu nambari ya Python inayozalishwa na AI na mfano unaojulikana.
[ ] Nilitumia lugha iliyopimwa, isiyoeleweka kuhusu masuala ya usalama.
[ ] Nilisema kwa uwazi matumizi ya AI na kuweka jukumu la mwisho kwa mwanadamu.

Mtihani wa Moduli

1. Ni ipi kati ya zifuatazo ni nafasi sahihi zaidi ya akili ya bandia katika jiofizikia?

A) Akili ya bandia ni msaidizi; Wajibu wa modeli ya mwisho ya uso chini ya uso, uamuzi wa uchunguzi na tafsiri ya usalama ni ya mwanajiofizikia ✔
B) Akili ya Bandia inaweza kukamilisha muundo wa chini ya ardhi na kuamua eneo la kisima bila idhini ya mwanadamu.
C) Akili ya Bandia hutoa modeli moja na sahihi kwa sababu inaondoa polisemia.
D) Akili ya bandia ni muhimu tu katika kuandika ripoti, haina uhusiano wowote na usindikaji wa data na tafsiri.

Maelezo: Akili ya bandia; Ni msaidizi anayekandamiza kelele, kutambua ruwaza, kuharakisha mahesabu na kutoa rasimu za ripoti. Kwa sababu ya polisemia asilia ya jiofizikia (mfano wa mifano ya sehemu ndogo ndogo kwa data sawa), kila matokeo ni dhana; Mwanajiofizikia hodari ndiye mamlaka ya mwisho inayoidhinisha modeli ya mwisho ya uso chini ya uso, uamuzi wa uchunguzi na tafsiri ya usalama na kuchukua hatari.

2. Ni njia gani ya kuaminika zaidi ya kuangalia upotezaji wa ishara baada ya kutumia kikandamiza kelele cha AI?

A) Inatosha tu kuona kwamba uwiano wa ishara-kwa-kelele huongezeka
B) Tazama sehemu iliyoondolewa na njama tofauti na uone ikiwa kuna tafakari thabiti ndani yake ✔
C) Kwa kuwa mkandamizaji ni akili ya bandia, hakuna haja ya udhibiti wa ziada
D) Ikiwa pato linaonekana safi zaidi, operesheni imefanikiwa

Maelezo: Njama ya tofauti inaonyesha sehemu iliyoondolewa na mkandamizaji kama sehemu tofauti ya msalaba. Mabaki ya mkandamizaji mzuri huonekana kwa nasibu; Ikiwa kuna slanted, tafakari zinazoendelea katika sehemu iliyoondolewa, chujio kimefuta ishara dhaifu lakini halisi na parameter inapaswa kuwa laini. Bila ukaguzi huu, mkandamizaji mkali anaweza kuharibu tafakari ya kweli.

3. Je, ni kosa gani la kawaida na lisilo sahihi la kijiolojia kwenye uso laini unaozalishwa na kifuatiliaji kiotomatiki cha upeo wa macho?

A) Mfuasi hufanya kazi polepole sana
B) Uso daima huonekana kelele
C) Kuruka kwa mzunguko: kuruka kutoka kilele cha kuakisi hadi kilele cha jirani na kutoa uso usio sahihi lakini laini ✔
D) Uchaguzi mbaya wa kiwango cha rangi ya uso

Maelezo: Kuruka kwa mzunguko ni wakati mfuasi anaacha kilima cha kutafakari na kuendelea kwa kuruka hadi kilima jirani; Matokeo yake ni uso unaoonekana kuwa laini lakini usio sahihi wa kijiolojia. Kwa hiyo, upeo wa kiotomatiki haupaswi kuenea kwa kiasi bila kukaguliwa na kusahihishwa kwa macho na kwa kufunga vizuri katika maeneo ambayo huacha kutafakari kwa nguvu na kuruka kwenye kilele dhaifu.

4. Je, ni kutokuwa na uhakika gani msingi uliopo katika jiofizikia wakati wa kufasiri upungufu wa mvuto na AI inapaswa kuishughulikia vipi?

A) hakuna kutokuwa na uhakika; hitilafu daima iko juu ya chanzo na muundo mmoja hutolewa
B) Kuna kutokuwa na uhakika wa kina-amplitude; AI inapaswa kutoa hali nyingi badala ya muundo mmoja ✔
C) Mfano mmoja pekee wa azimio la juu zaidi ndio unaoelezea hitilafu, hakuna mbadala unaohitajika
D) Kutokuwa na uhakika hutokea tu katika seismic, si katika nyanja zinazowezekana

Ufafanuzi: Kuna kutokuwa na uhakika wa amplitude ya kina katika maeneo yanayoweza kutokea: chanzo kidogo, kisicho na kina kirefu na chanzo kikubwa cha kina kinaweza kutoa karibu ukiukwaji sawa wa uso. Hii ndio hali inayowezekana ya uga wa polisemia katika mitetemo. AI inaweza kuficha hili kwa kutoa mfano mmoja wa kujiamini; Njia sahihi ni kutoa zaidi ya hali moja ambayo inaelezea hali isiyo ya kawaida na kuomba data ya ziada ili kuitofautisha.

5. Kwa nini inaweza kuwa hatari kuchagua kituo cha hitilafu ya sumaku katika ulimwengu wa kaskazini kama shabaha ya kuchimba moja kwa moja?

A) Makosa ya sumaku huwa juu ya chanzo kila wakati, hakuna hatari
B) Njia ya magnetic haiwezi kutoa kina kabisa, kwa hiyo ni hatari.
C) Hitilafu inaweza isiwe juu ya chanzo moja kwa moja kutokana na athari ya latitudo/polarity; kupunguzwa kwa nguzo inahitajika ✔
D) Shida ni kiwango cha rangi tu, hakuna mabadiliko ya mwili

Maelezo: Kwa sababu ya athari za latitudo na polarity, hitilafu ya sumaku inaweza isiwe juu ya chanzo moja kwa moja; Katika ulimwengu wa kaskazini, hali isiyo ya kawaida inaweza kuhamia kusini mwa chanzo. Kuzingatia kituo cha hitilafu kama chanzo bila kupunguzwa kwa nguzo kutasababisha kupanga kisima mahali pasipofaa. Kwa hivyo msimamo lazima urekebishwe kwa kupunguzwa kwa pole.

6. Ni kauli gani inayoelezea kwa usahihi asili ya ugeuzaji?

A) Ni tatizo lililowekwa vizuri; mfano mmoja, sahihi unalingana na kila data
B) Ni shida iliyojitokeza na muhimu sana; matokeo ni familia ya mifano iliyopunguzwa na kutokuwa na uhakika ✔
C) Ni hesabu halisi kabisa ambayo haihitaji urekebishaji wowote.
D) Ni mchakato usio na uhakika ambao unaweza kutatuliwa tu na akili ya bandia.

Ufafanuzi: Suluhisho la kinyume ni shida iliyosababishwa: inaweza kuwa haina ufumbuzi, kunaweza kuwa na zaidi ya moja, au kelele ndogo katika data inaweza kusababisha mabadiliko makubwa katika mfano. Kwa hivyo usawa unawekwa kati ya usawa wa data na urekebishaji, na matokeo sio ukweli mmoja lakini familia ya mifano iliyofungwa na kutokuwa na uhakika.

7. Ni uthibitisho gani muhimu zaidi kabla ya kukubali matokeo yaliyoharakishwa ya urejeshaji na muundo wa AI mbadala?

A) Kukubali matokeo moja kwa moja kwa sababu mfano mbadala ni wa haraka
B) Kuangalia tu ikiwa matokeo yanaonekana kuwa sawa
C) Kuweka matokeo kwa uundaji halisi (wa kimwili) wa hali ya juu na kulinganisha data iliyotolewa na data iliyozingatiwa ✔
D) Weka upya uzani wa urekebishaji na ufanane na data haswa

Maelezo: Muundo mbadala ni ukadiriaji mzito wa mbele na unaweza kushindwa nje ya safu ya mafunzo. Kwa hivyo, modeli inayotokana inapaswa kuwekewa modeli ya hali ya juu (ya kimwili) na data inayotoa inapaswa kulinganishwa na data iliyozingatiwa. Suluhisho ambalo mtangulizi anasema 'linafaa' ni batili ikiwa halina data inayozingatiwa katika fizikia halisi.

8. Je, muda wa P na S wa kuwasili unaotolewa na kichuna awamu ya upelelezi wa bandia unapaswa kuangaliwa vipi kabla ya kuziingiza kwenye suluhisho la eneo la tetemeko la ardhi?

A) Kuangalia maadili ya mabaki katika suluhisho la eneo na kukagua awamu ya kituo ambayo inatoa mabaki makubwa ✔
B) Hakuna haja ya udhibiti wowote kwa sababu aina za akili za bandia
C) Tumia awamu zote jinsi zilivyo na upate suluhisho la haraka zaidi
D) Tumia tu kituo kilicho na amplitude kubwa zaidi na utupe zingine

Maelezo: Makosa madogo katika nyakati za awamu hugeuka kuwa makosa makubwa katika nafasi. Maadili ya mabaki katika suluhisho la eneo yanachunguzwa; Mabaki makubwa kwenye kituo yanaonyesha kuwa awamu hiyo imepangwa vibaya na haipaswi kutatuliwa kwa upofu. Cheki hii ni muhimu bila kujali jinsi AI ya uchimbaji ina nguvu.

9. Meneja anakuuliza ubashiri 'tarehe ya tetemeko lijalo katika eneo hilo' kwa kutumia akili ya bandia. Je, ni jibu gani sahihi la kitaaluma?

A) Kwa kuzingatia data ya kutosha, akili ya bandia inaweza kufanya ubashiri sahihi wa tarehe
B) Ikiwa mtindo hutoa tarehe, ni muhimu kuwasiliana moja kwa moja na usimamizi
C) Utabiri wa siku bainifu si wa kisayansi; Kataa na uwasilishe tathmini ya uwezekano wa hatari pekee ✔
D) Hata kama haiwezi kutabiriwa, inatosha kutengeneza tarehe na kuongeza kiwango cha kutokuwa na uhakika.

Maelezo: Akili za Bandia zinaweza kutabiri eneo/ukubwa wa tetemeko la ardhi; Hata hivyo, kutabiri kwa uhakika siku ya tetemeko la ardhi siku zijazo haiwezekani kisayansi na ni kikomo kilichokubaliwa na seismology. Dai kama hilo ni potofu na sio sawa. Kilicho halali ni tathmini ya hatari ya uwezekano wa muda mrefu; Sio makadirio kamili ya wakati wa siku.

10. Upelelezi wa bandia uliweka alama za hyperbolas katika data ya GPR (rada ya kupenya ardhini) na kutoa kina. Ni hatua gani ni muhimu kabla ya kuamini kina hiki?

A) Hakuna calibration inahitajika, idadi ya hyperbolas ni moja kwa moja idadi ya vitu
B) Rekebisha kasi ya mazingira kwa lengo linalojulikana na utenge uakisi mwingi kutoka kwa kitu halisi ✔
C) GPR haiwezi kamwe kupima kina, kwa hivyo matokeo yanapaswa kutupwa
D) Haijalishi kama ardhi ni kavu au mvua.

Maelezo: Mviringo wa hyperbola hutoa kasi ya wimbi la kati na kina kinachokadiriwa moja kwa moja inategemea kasi hii. Ikiwa kasi sio sahihi, kina sio sawa. Kwa hiyo, kwa lengo la kina kinachojulikana (kwa mfano, bomba inayojulikana) kasi lazima ifanyike; Zaidi ya hayo, tafakari nyingi lazima zitofautishwe na kitu halisi. Kina bila urekebishaji hubeba makosa makubwa.

11. Jinsi ya kuhakikisha kuwa hakuna vizalia vya taswira kabla ya kujumuisha hitilafu ya kijiofizikia katika ripoti?

A) Chagua kipimo kimoja ambacho kinaonekana kuvutia zaidi na uweke kwenye ripoti
B) Ni muhimu tu kuchora hitilafu mara moja katika kiwango cha rangi chaguo-msingi
C) Ikiwa picha ni ya kuvutia, hakuna haja ya uthibitishaji
D) Chora hitilafu kwa zaidi ya kipimo kimoja cha rangi kinachofaa na uone kama kitaendelea kuwa thabiti ✔

Ufafanuzi: Mizani ya rangi na mipaka ya mizani inaweza kufanya dosari ionekane ya kustaajabisha au kuzimia; Maamuzi haya kwa kweli ni maamuzi ya tafsiri. Hitilafu inaweza kutegemewa ikiwa inaonekana kuwa sawa katika picha nyingi zinapopangwa kwa zaidi ya mizani na mizani ya rangi moja inayofaa. Muundo unaoonekana kwa kiwango kimoja cha uchokozi kwa kawaida ni vizalia vya taswira badala ya uhalisia.

12. Katika udhibiti wa ubora, AI ilialamisha baadhi ya vipimo vya kijiofizikia kama 'vya nje'. Ni ipi njia bora zaidi?

A) Futa kiotomatiki thamani zote za nje ili kuokoa muda
B) Kabla ya kufuta, rudisha kila thamani kwenye chanzo chake na utathmini ikiwa ni hitilafu ya kipimo au ishara halisi. ✔
C) Iondoe bila swali kwa sababu akili ya bandia inasema ni kinyume
D) Kuangazia wauzaji wa nje kuwa wa kuaminika zaidi kuliko data halisi

Ufafanuzi: Kufuta jumla ya wauzaji ni njia ya kawaida ya kuharibu ishara halisi katika jiofizikia; wakati mwingine nje ni ishara ya thamani zaidi (ukosefu wa kweli wa ndani). Kwa hivyo, kabla ya kufuta, kila thamani iliyotiwa sahihi inapaswa kutathminiwa kwa kurudi kwenye chanzo chake ikiwa ni hitilafu ya kipimo au sahihi halisi.

13. Je, ni mtihani gani muhimu zaidi wa kufanywa kabla ya kutumia 'alama ya matumaini' (matarajio) inayotolewa na akili bandia katika utafutaji wa rasilimali?

A) Kurudisha nyuma alama kwa uvumbuzi unaojulikana na visima vikavu katika eneo ✔
B) Kupanga kisima moja kwa moja hadi alama ya juu zaidi
C) Kukubali alama kama dhamana badala ya uwezekano
D) Backtest sio lazima; mfano huo ni halali kila wakati katika uwanja mpya

Maelezo: Alama ya matumaini si hakikisho, lakini ni pendekezo la uwezekano, na historia iliyojifunza na mfano inaweza kuwa si halali kwa uga mpya. Kwa hivyo, ramani imejaribiwa dhidi ya uvumbuzi unaojulikana na visima vikavu katika eneo. Mfano mzuri alama ya juu juu ya mafanikio inayojulikana na chini ya kushindwa inayojulikana; Vinginevyo, alama yake juu ya malengo mapya pia haiwezi kutegemewa.

14. Kiainisho cha AI kinaripoti usahihi wa 94%; lakini sampuli za jirani kutoka kwenye kisima kimoja ziko katika seti za mafunzo na majaribio. Je, hali hii inaashiria nini?

A) Mfano huo una nguvu sana na unaweza kutumika moja kwa moja
B) juu ya usahihi, zaidi ya kuaminika
C) Data kuvuja inflates usahihi taarifa; Utengano ufanyike kwa misingi ya kisima/uwanja ✔
D) Urekebishaji ni kamili na alama za kujiamini ni sahihi.

Ufafanuzi: Kuleta sampuli kutoka kwa kisima/uwanja katika mafunzo na majaribio ni uvujaji wa data na huongeza usahihi ulioripotiwa. Ili kuona ujanibishaji wa kweli, utengano lazima ufanywe kwa misingi ya kisima/uwanja; Wakati wa kutengwa, usahihi mara nyingi hupungua kwa kiasi kikubwa. Kuonekana kwa usahihi wa hali ya juu kunaonyesha uvujaji, sio nguvu ya kweli ya mfano.

15. Ni ipi njia bora zaidi ya kulinda mradi wa jiofizikia unaoendeshwa na AI kutoka mwisho hadi mwisho kutokana na hitilafu moja inayovuja kwenye ripoti?

A) Kukabidhi mchakato mzima kwa zana moja ya AI na kuangalia mwisho
B) Kuweka lango la uthibitishaji wa kibinadamu na hali ya kupita katika kila hatua (uthibitishaji wa tabaka) ✔
C) Ondoa hundi za kati kwa kasi na uangalie tu hatua ya ripoti
D) Kila mtaalam anaweza kutumia zana yake mwenyewe kwa uhuru bila kuweka kitambulisho cha chanzo na rekodi.

Maelezo: Katika kila hatua (kupanga, usindikaji, tafsiri, inversion, ushirikiano, ripoti) lango la uthibitishaji wa binadamu na hali ya wazi ya mpito (ni ishara iliyohifadhiwa, ni iliyounganishwa vizuri, ni kutokuwa na uhakika kipimo, ni kushikamana na chanzo) huwekwa. Huwezi kupita mlango mmoja bila kupitia mlango mwingine; Muundo huu wa tabaka huzuia kosa moja la AI kuvuja kwenye ripoti.

16. Je, ni sera gani sahihi kwa mwanajiofizikia ambaye anataka kupakia data iliyoidhinishwa au kufanya biashara ya siri ya tetemeko/kisima kwenye zana ya wingu ya nje ya AI?

A) Kupakia data moja kwa moja kwa zana ya juu zaidi ya nje kwa kasi
B) Kwa kuwa data ni ya kijiofizikia, sheria za faragha hazitumiki
C) Ruhusa ya kushiriki, habari za siri na sera ya uhifadhi wa chombo huangaliwa; Ikiwa ni hatari, gari la pekee/lililoidhinishwa linatumiwa ✔
D) Kwa kuwa data haiwezi kufichuliwa, ufaragha hauzingatiwi hata kidogo

Ufichuzi: Data ya tetemeko, kumbukumbu za visima, na matokeo ya uchunguzi mara nyingi hufunikwa na siri za biashara au leseni; Kuzipakia kwa zana za nje/wingu kunaweza kusababisha ukiukaji wa faragha, uvunjaji wa mkataba na hatari ya ushindani. Mbinu sahihi ni kuangalia ruhusa ya kushiriki, maudhui ya maelezo ya siri na sera ya kuhifadhi data ya chombo; Ikiwa ni hatari, usipakie data na utumie zana iliyojitenga/iliyoidhinishwa ndani ya nyumba.