Mipaka ya AI katika Maritime: Usalama, Hatari ya Mtandao, Maadili na Uwajibikaji

Faida:

• Uwezo wa kutambua kwamba AI inaweza kutoa mgawo wa uwongo, vifungu vya sheria na maadili ya kiufundi na kutumia uthibitishaji katika muktadha wa usalama wa maisha/mali.
• Uwezo wa kusimamia usalama wa mtandao, faragha ya data na mipaka ya udhibiti katika mifumo ya meli na OT (teknolojia ya uendeshaji)
• Kuelewa kuwa jukumu kuu la kuidhinisha darasa, usalama wa urambazaji na maadili ni la mhandisi na nahodha.

Katika moduli hii yote, tulitumia akili ya bandia (AI) kama kichapuzi katika kila hatua ya uhandisi wa meli na baharini: kutoka kwa muundo wa muundo hadi uchanganuzi wa muundo, matengenezo ya ubashiri hadi uboreshaji wa safari, kufuata kwa uzalishaji hadi uzalishaji wa meli. Katika kitengo hiki cha mwisho tunarudi nyuma na kuangalia picha nzima: ni mipaka gani muhimu ya AI katika bahari, ni hatari gani (hallucination, cybersecurity, faragha ya data, upendeleo) ziko katika tahadhari mara kwa mara na ni nani anayebeba jukumu? Kwa sababu sharti la kutumia gari kwa usalama ni kujua ni wapi linaweza kwenda vibaya.

Tasnifu ya kudumu ya moduli hii inatumika hapa na inasimamia zingine zote: katika kazi muhimu ya usalama ya baharini, matokeo ya AI hayawezi kuchukua nafasi ya kuidhinishwa na mhandisi, bwana au mpimaji wa darasa anayestahiki. AI inapendekeza, rasimu, mahesabu na kukumbusha; Lakini mwenye uamuzi unaoamua usalama wa maisha, mali na mazingira ni mtu anayetia sahihi uamuzi huo na anawajibika kisheria.

Dhana: Udanganyifu: AI inatengeneza thamani, sheria, au rasilimali ambayo haipo. Usalama wa OT: Ulinzi wa mtandao wa teknolojia ya uendeshaji (mashine na mifumo ya udhibiti wa cruise). Uchafuzi wa data: Ufisadi wa kimakusudi wa data ya mafunzo/ingizo ili kupotosha muundo. Upendeleo wa kielelezo: Upendeleo wa kimfumo na usio wa haki wa modeli unaotokana na data ambayo umefunzwa. Mlolongo wa wajibu: Umiliki wa kisheria na kiufundi wa uamuzi unaonekana wazi.

Mipaka ya Kudumu ya AI

AI ina mipaka minne ya kudumu katika usafirishaji, na haya hayatatoweka hata teknolojia inavyoendelea. Kwanza, ukumbi: mfano unajaza pengo na kauli "uwezekano mkubwa zaidi" wakati hauna data ya uhakika; Hii inageuka kuwa kifungu cha darasa iliyoundwa, thamani ya uthabiti isiyowezekana, au mgawo ambao haupo. Pili, tabia ya nje ya kupelekwa: mfano huwa hauaminiki nje ya hali ambayo ilifunzwa na kujaribiwa (aina ya meli isiyo ya kawaida, malfunction isiyo ya kawaida, trafiki isiyoonekana). Tatu, ukosefu wa ufahamu wa fizikia: AI inashughulikia mifumo ya maneno, "haielewi" uhifadhi wa nishati au sheria za Newton; Inaweza kutoa pato ambalo linaonekana kuwa sawa lakini haliwezekani kimwili. Nne, wakati muafaka: sheria, bei na mabadiliko ya teknolojia; Maelezo ya modeli yamegandishwa kwa tarehe.

Vikomo hivi vinafafanua kwa nini nidhamu ya uthibitishaji tuliyojifunza katika sehemu yote ni muhimu sana: udhibiti wa mpangilio wa ukubwa, uwiano wa kitengo, uundaji huru na uthibitishaji wa chanzo. Hasa wakati wa kufanya mahesabu ya AI (k.m. hati ya Python/Excel iliyotengenezwa kwa muda wa mpira/utulivu au hesabu ya nguvu), hata kama msimbo unaonekana kuwa wa maji na unafanya kazi, mantiki yake, pembejeo na kesi za makali hazitafsiriwi kuwa uamuzi wa usalama bila majaribio ya kujitegemea. Kwa sababu tu msimbo wa akaunti "unafanya kazi" haimaanishi kuwa ni "sahihi."

Tahadhari: Nambari ya uhasibu inayozalishwa na AI inaweza kufanya kazi bila makosa, lakini inaweza kuwa na fomula isiyo sahihi, kitengo kisicho sahihi, au kesi ya ukingo iliyopuuzwa. Kabla ya kukubali msimbo, ijaribu kwa ingizo linalojulikana (mfano unaojua jibu la wewe mwenyewe), jaribu kesi za makali, na uthibitishe matokeo kwa njia huru. Katika hesabu muhimu za usalama kama vile uthabiti, kompyuta iliyoidhinishwa ya kupakia na uthibitisho wa mhandisi ni muhimu.

Usalama wa Mtandao na Faragha ya Data

Meli ya kisasa ni mtandao wa kompyuta unaoelea: mifumo ya urambazaji, udhibiti wa mashine, usimamizi wa mizigo na unganisho la satelaiti zimeunganishwa. Hii inamaanisha uso wa mashambulizi ya mtandao. Mifumo ya AI huongeza hatari mbili mpya kwa picha hii. Kwanza, usalama wa OT (teknolojia ya uendeshaji): kipengele cha AI kilichounganishwa na urambazaji na udhibiti wa mashine husababisha hatari ya moja kwa moja ya usalama ikiwa ikishambuliwa; kwa hivyo mifumo muhimu ya OT imetengwa, matokeo ya AI haipaswi kamwe kusababisha hatua ya udhibiti yenyewe, idhini ya binadamu na tabia chaguo-msingi salama lazima idumishwe. Pili, ufaragha wa data: fomu ya kumbukumbu, mikondo ya utendaji, mikataba ya wamiliki wa meli na telemetry ya uendeshaji ni siri za biashara na mali miliki; Kuingiza data hii kwenye huduma za nje za AI ambazo hazijaidhinishwa ni hasara isiyoweza kutenduliwa.

Zaidi ya hayo, hatari za udanganyifu kama vile sumu ya data (kupotosha muundo kwa ingizo hasidi) na upotoshaji wa data kama vile AIS huhitaji kutoamini kwa upofu pembejeo za AI. Sheria: data muhimu haitambuliki au haishirikiwi kabisa, zana zilizoidhinishwa na zilizothibitishwa usiri ndizo pekee ndizo zinazotumiwa, maingizo muhimu yanathibitishwa kwa njia tofauti ili kupata uhalali.

Hatari

Je, hutokeaje?

tahadhari

kuona macho

Kanuni/thamani/chanzo kilichoundwa

Uthibitisho kutoka kwa chanzo, udhibiti wa kiwango

Shambulio la mtandao wa OT

Uingizaji wa mfumo wa udhibiti

Kutengwa, idhini ya kibinadamu, chaguo-msingi salama

uvujaji wa data

Ingiza data ya siri kwenye zana ya nje

Kuficha utambulisho, zana iliyoidhinishwa

Data sumu / spoofing

Ingizo lililoharibika kimakusudi

Uthibitishaji wa ingizo, ukaguzi mtambuka

Upendeleo wa mfano

Data ya mafunzo isiyo na usawa

Kupitia matokeo kwa uamuzi wa kibinadamu

Maadili na Msururu wa Wajibu

Umiliki wa kisheria na kiufundi wa uamuzi katika bahari unapaswa kuwa wazi: nahodha anawajibika kwa usalama wa urambazaji, mhandisi mkuu anawajibika kwa mashine, mhandisi anayehusika ana jukumu la kubuni na kuhesabu, na mpimaji wa darasa anawajibika kwa kufuata sheria. AI haipaswi kuanzisha "pengo la dhima" katika mlolongo huu. "AI ilipendekeza hii" sio kisingizio; Mwanadamu anayetumia AI na kukubali matokeo yake anawajibika. Kwa hivyo, matumizi ya AI lazima iwe wazi (lazima irekodi ni uamuzi gani unaunga mkono, ni uthibitisho gani umepitia) na uamuzi wa mwisho lazima uwe kwa mwanadamu aliyesainiwa.

Kipimo cha kimaadili pia kinajumuisha usalama wa wafanyakazi na mazingira: ikiwa pendekezo la kuokoa mafuta litawaweka wafanyakazi hatarini, ikiwa suluhisho la otomatiki litapunguza ukingo wa usalama, ikiwa faida ya muda mfupi hufunika hatari ya muda mrefu, maadili ya uhandisi yanahitaji kusema "hapana". AI ni zana yenye nguvu ya tija; Lakini ufanisi hauwezi kamwe kuja mbele ya maisha, mazingira na hukumu ya uhandisi ya uaminifu.

Kesi Ndogo

Kesi ya 1 - "AI ilisema" udhuru. Katika ripoti, thamani ya kikomo hutumiwa kama inavyotolewa na AI, bila uthibitishaji, na thamani inageuka kuwa sio sahihi. Mtu anayehusika anajaribu kujitetea kwa kusema "AI ilipendekeza hili." Hakuna sheria ya daraja wala dhima inayotambua hili: mhandisi anayekubali matokeo anawajibika. Somo: AI sio kisingizio; Wajibu ni wa mtu anayeitumia.

Kesi ya 2 - Uvujaji wa data ya siri. Timu hubandika utendaji halisi wa mmiliki wa meli na data ya mafuta kwenye zana ya AI inayopatikana kwa umma na uchambuzi wa maombi. Data hii sasa iko nje ya udhibiti; siri ya biashara na uvunjaji wa mkataba kutokea. Hakutakuwa na hatari ikiwa unafanya kazi na maadili ya uwakilishi yasiyojulikana au zana iliyoidhinishwa. Somo: data halisi/siri haiingizwi kwenye zana ya nje ambayo haijaidhinishwa.

Kesi ya 3 - Msimbo wa kufanya kazi lakini sio sahihi. AI hutoa hati ya Python kwa muda wa utulivu; msimbo huendesha bila makosa na hurejesha nambari inayofaa. Wakati mhandisi anaijaribu na kesi inayojulikana ya upakiaji (jibu ambalo linajulikana kwa mkono), anaona kwamba msimbo unachukua muda wa urefu wa mkono na ishara isiyo sahihi. Hati ilikuwa "inafanya kazi" lakini matokeo hayakuwa sawa. Somo: uendeshaji wa nambari ya akaunti sio dhamana ya usahihi; Kujaribu kwa pembejeo inayojulikana na uthibitishaji huru ni muhimu.

Violezo vya haraka vinavyoweza kunakiliwa

Kiolezo cha 1 - Kikomo na tathmini ya hatari:

Jukumu: Wewe ni mkaguzi anayekagua matokeo ya AI ninayotumia. Muktadha: [kazi/matokeo].Kazi:1) Je, kuna hatari ya kuwa na ndoto ya juu katika matokeo haya?2) Je, kuna jambo lolote la kutiliwa shaka katika suala la uhalali wa kimaumbile?3) Ni maadili gani ambayo yanahitaji ushikaji wakati (sheria/bei) yanapaswa kuthibitishwa?4) Je, kuna uwezekano wa kutokeza kwa kila kesi? uhakika na jinsi ya kuithibitisha.

Kiolezo cha 2 - Ratiba ya uthibitishaji wa nambari ya akaunti:

Njoo na mpango wa uthibitishaji kabla ya kutumia nambari ifuatayo ya uhasibu inayozalishwa na AI (Python/Excel):[Bandika msimbo/mantiki]1) Pendekeza ingizo la jaribio ambalo najua jibu lao nje ya mkono.2) Orodhesha visa vya ukingo vinavyohitaji kujaribiwa (sifuri, hasi, kupita kiasi).3) Je, ninawezaje kuangalia uwiano wa kitengo?4) Ni kwa njia gani ya uthibitishaji inayohitajika? kwenye akaunti muhimu ya usalama.

Kiolezo cha 3 - Kichujio cha faragha ya data:

Faragha angalia muktadha ufuatao ambao ningewapa zana ya AI:[maandishi ya kushiriki]1) Je, kuna data ya siri ya biashara/siri/mkataba ndani yake?2) Ni maadili gani yanafaa kufichuliwa au kutolewa?3) Je, kazi hii inahitaji zana ya ndani iliyoidhinishwa?Kikwazo: Data halisi ya meli/utendaji/mkataba haiingii kwenye zana ya nje.

Kiolezo cha 4 - Dokezo la uwajibikaji na uwazi:

Rasimu ya memo ya uwazi ili kuandika uamuzi ufuatao unaoendeshwa na AI:[uamuzi].Yaliyomo: (1) AI ilitumiwa katika hatua gani, (2) ilipitia uthibitishaji gani, (3) ni nani aliidhinisha, (4) ni vyanzo gani vilivyothibitishwa.Kizuizi: Ifahamike wazi kwamba jukumu la mwisho ni la kutia saini kwa mwanadamu.

Agizo dhaifu / Ukumbusho thabiti

Agizo dhaifu:

Nitaweka uchambuzi huu wa AI kwenye ripoti, ni sawa?

Agizo lenye nguvu:

Jukumu: Wewe ndiwe mkaguzi huru ambaye anakagua matokeo ya AI. Muktadha: [uchanganuzi/pato na mahali pa kutumia]. Kazi:1) Alamisha hatari ya uzushi, usadikisho wa kimwili, na ufaao.2) Je, kuna data ambayo haipaswi kushirikiwa kwa usiri?3) Je, ni hatua gani ambazo mwanadamu atahitaji kuthibitisha matokeo haya? Dhibitisho/Uamuzi usiofaa; Taja hatua za uthibitishaji na kwamba jukumu ni la mhandisi aliyetia saini.

Agizo dhaifu linauliza uthibitisho; Kidokezo kali hufichua hatari, faragha na msururu wa uthibitishaji wa binadamu.

Makosa ya kawaida

• Ina maana "AI alisema hivyo." Jukumu liko kwa mtu anayekubali pato; AI sio kisingizio.
• Kuingiza data ya siri kwenye zana ya nje. Siri ya biashara na uvunjaji wa mkataba; Baada ya kuvuja data haiwezi kurejeshwa.
• Kufikiri kwamba kanuni ya kazi ni sahihi. Hati inayofanya kazi bila makosa inaweza kuwa na fomula/kitengo kisicho sahihi; Upimaji na uthibitisho wa kujitegemea ni muhimu.
• Kuacha mfumo wa OT kwa AI. Hatua ya udhibiti haichochewi kamwe na AI pekee; Idhini ya kibinadamu na chaguo-msingi salama hudumishwa.
• Kuweka ufanisi kabla ya usalama. Maisha, mazingira na uamuzi wa uhandisi wa uaminifu hautolewi kwa akiba yoyote.

Kwa muhtasari

Vikomo vya kudumu (uonevu, tabia ya nje ya usambazaji, kutofahamu fizikia, kupitwa na wakati) na hatari (usalama wa mtandao/OT, faragha ya data, sumu, upendeleo) wa AI katika bahari unaonyesha kwa nini nidhamu ya uthibitishaji iliyojifunza katika moduli yote ni muhimu. Katika maamuzi muhimu ya usalama, pato la AI sio mbadala wa idhini inayofaa ya mwanadamu; Mlolongo wa uwajibikaji uko wazi na "AI ilisema" sio kisingizio. AI ni kiongeza kasi cha nguvu; Lakini maisha, mazingira na hukumu ya uhandisi ya uaminifu daima huja kwanza.

Jukumu la maombi

Chagua pato la AI (akaunti, rasimu ya ripoti, au msimbo) uliyotoa katika sehemu hii. Alamisha hatari za kuona maono, uwezekano wa kimwili, na uhalisi kwa kutumia kiolezo cha "kikomo na kujitathmini". Ikiwa ni msimbo wa akaunti, ijaribu kwa ingizo linalojulikana ukitumia kiolezo cha "mpango wa uthibitishaji wa nambari ya akaunti" na uthibitishe bila kujitegemea. Tumia "kichujio cha faragha ya data" na uchuje data ambayo haipaswi kushirikiwa. Hatimaye, andika memo ya uwazi inayoandika uamuzi na kuweka wazi ni nani ana jukumu la mwisho.

orodha ya ukaguzi

• [ ] Nilikagua hatari, fizikia, na uhalisi wa matokeo ya AI.
• [ ] Nimejaribu na kuthibitisha kwa kujitegemea msimbo wa akaunti na ingizo linalojulikana.
• [ ] Sikuingiza data ya siri/ya kandarasi kwenye zana ya nje; Sikuitambulisha.
• [ ] Nilidumisha idhini ya binadamu na usalama chaguomsingi katika mifumo ya OT/udhibiti.
• [ ] Niliandika kwa uwazi matumizi ya AI na kufafanua ni nani aliyehusika.
• [ ] Sijawahi kuweka ufanisi kabla ya maisha, mazingira na maadili ya uhandisi.

Mtihani wa Moduli

1. Unapofanya kazi na zana ya AI kama mhandisi wa baharini, jukumu kuu la ni lipi kati ya yafuatayo linapaswa kubaki kwa mwanadamu kila wakati (mhandisi/mwanafunzi)?

• A) Kuidhinishwa na kutiwa saini kwa utiifu wa kipengele cha kimuundo na kanuni ya darasa ✔
• B) Kutoa rasimu ya kwanza ya ripoti ya upinzani
• C) Kuhariri lebo za mhimili wa chati
• D) Kutayarisha faharasa ya maneno kwa ajili ya ripoti ya kiufundi

Maelezo: AI; Inaweza kuharakisha kazi kama vile kukokotoa upinzani, kuandaa ripoti na muhtasari wa data. Hata hivyo, kuidhinisha uzingatiaji wa kipengele cha kimuundo na kanuni ya darasa na kuonyesha hii kama saini kwenye faili ya kiufundi ni uamuzi unaojenga usalama wa maisha na mali; haiwezi kuhamishwa kwa AI bila uthibitishaji huru na idhini iliyoidhinishwa.

2. Ulifanya AI kukokotoa upinzani wa mashua na ilipunguza matokeo kwa 20% kwa 'sababu ya kusahihisha' ambayo haikuwa katika jaribio la mfano. Ni hatua gani sahihi ya kwanza kuchukua?

• A) Kukubali matokeo kama ni kwa sababu AI inaonekana kujiamini
• B) Swali chanzo cha mgawo, kataa urekebishaji usio na msingi na uhesabu upya kwa njia inayotambuliwa ✔
• C) Kuongeza mgawo hata zaidi na kukaa upande salama
• D) Kubadilisha kwa uteuzi wa propela bila kubadilisha matokeo

Ufafanuzi: Miundo ya lugha inaweza kuunda kwa uthabiti coefficients na nambari zisizo na msingi (hallucination). Katika hesabu inayoathiri moja kwa moja nguvu ya kusonga mbele na mafuta, kama vile upinzani, ni muhimu kuhoji chanzo cha kila mgawo unaotumiwa (mbinu, mtihani wa mfano, kiwango) na kukataa mgawo ambao hautumiki.

3. Badala ya kutumia kiasi cha shehena iliyobebwa kama kigezo katika kukokotoa CII ya meli (Carbon Intensity Indicator), AI ilitumia umbali tu. Tatizo kuu la pato hili ni nini?

• A) CII imehesabiwa tu kwa mizinga, hii sio lazima kwenye bodi
• B) Matokeo ya CII daima huja kama asilimia, desimali si sahihi
• C) Kiashiria cha CII haipaswi kuwa umbali tu, lakini uwezo wa kubeba (uzito mfu) ukizidishwa na umbali ✔
• D) Data ya kasi ni ya lazima kwa hesabu ya CII, haipo

Maelezo: CII hupima utoaji wa kaboni kwa kila kazi inayobebwa na inategemea mzigo unaotolewa unaozidishwa na umbali (k.m. umbali wa x uliokufa). Ukiacha neno mzigo/uwezo hukokotoa kiashiria. Hatua ya kwanza na ya lazima ni kwa kila muhula katika viashiria vya tija kuzingatia kikamilifu ufafanuzi wa IMO.

4. Ni pato gani la thamani zaidi la mfumo wa matengenezo ya utabiri wa AI katika chumba cha injini?

• A) Fanya muhtasari wa wastani wa gharama ya matengenezo ya zamani katika mstari mmoja
• B) Kubadilisha data yote ya kitambuzi kuwa grafu ya rangi zaidi
• C) Rangi na orodhesha mitetemo/joto
• D) Kuweka alama mapema kwenye dirisha la saa wakati fani au turbocharger ina uwezekano mkubwa wa kushindwa ✔

Maelezo: Madhumuni ya matengenezo ya ubashiri ni kugundua tabia ya kifaa kuharibika kabla ya kushindwa na kupanga matengenezo kwa wakati ufaao. Hivyo, hatari ya malfunctions zisizotarajiwa na kuacha ni kupunguzwa. Ni muhimu sio tu kufanya muhtasari wa zamani lakini pia kutoa maonyo ya mapema kuhusu siku zijazo.

5. AI ililinganisha matokeo ya mfadhaiko katika muundo wa FEA (uchanganuzi wa vipengele vyenye mwisho) na mkazo unaokubalika katika msimbo wa darasa na kutangazwa kuwa 'inafaa'. Ni ipi njia sahihi zaidi?

• A) Kuthibitisha usanidi wa kielelezo (mesh, hali ya mpaka, mzigo) na kuthibitisha mkazo unaoruhusiwa kutoka kwa maandishi ya kanuni ya darasa ✔
• B) Kuthibitisha matokeo moja kwa moja kwa sababu AI ilisema 'inafaa'
• C) Kupunguza kwa nasibu mkazo unaoruhusiwa ili kukaa upande salama
• D) Kubadilisha kiwango cha rangi tu bila kuimarisha mtandao

Maelezo: matokeo ya FEA; Inategemea kabisa ubora wa mesh, hali ya mipaka, ufafanuzi wa mzigo na mali ya nyenzo. Kwa kuongeza, thamani inayoruhusiwa ya mkazo inayotumiwa na AI inaweza kuwa sio sahihi. Kabla ya kukubali matokeo, ni muhimu kuthibitisha usanidi wa mfano na kuthibitisha thamani ya kanuni ya darasa kutoka kwa maandishi.

6. Umeunda njia ambayo hupunguza mafuta kwa kutekeleza uelekezaji wa hali ya hewa kwa kutumia AI. Ni mazingatio gani ambayo ni muhimu zaidi kwa matumizi ya matokeo?

• A) Njia lazima iwe salama katika suala la usalama wa urambazaji (wimbi, hali ya hewa, vikwazo vya meli) na lazima iidhinishwe na nahodha ✔
• B) Muonekano mfupi zaidi wa njia kwenye ramani
• C) Njia inajumuisha simu nyingi za bandari
• D) Njia hupunguza ETA bila kujali mkataba

Maelezo: Haijalishi jinsi pendekezo la njia lilivyo bora zaidi kwa mafuta, usalama wa urambazaji na mamlaka ya nahodha huchukua kipaumbele. Ikiwa dhoruba, urefu wa wimbi na vikwazo vya meli vinazidi kikomo cha usalama, faida ya mafuta haina maana. Uamuzi wa mwisho wa njia lazima uchujwe kupitia vikwazo vya usalama na uidhinishwe na nahodha.

7. Uliuliza AI kwa mahitaji ya SOLAS na ilitoa thamani kamili kwa kurejelea 'Sura/Nambari ya Kanuni' mahususi. Ni nini tabia sahihi ya uhandisi?

• A) Kutumia thamani moja kwa moja kwa sababu AI imesasishwa
• B) Kupandisha thamani bila mpangilio ili kubaki upande salama
• C) Thibitisha nambari ya bidhaa na thamani kutoka chanzo rasmi, kilichosasishwa cha SOLAS/darasa ✔
• D) Kuongeza kwenye faili bila kuangalia nambari ya bidhaa

Maelezo: Miundo ya lugha inaweza kukumbuka vibaya au kuunda nambari za kifungu cha mkataba/sheria na maadili. Katika nyanja za kisheria kama vile SOLAS, MARPOL na kanuni za darasa, kila kipengele na thamani lazima ithibitishwe neno moja kwa moja kutoka kwa chanzo rasmi, cha sasa (maandishi ya IMO, kanuni ya darasa, mzunguko wa usimamizi); Pato la AI linaonyesha tu mahali pa kuangalia.

8. Katika mfumo wa kusogeza unaojiendesha au unaosaidiwa na uamuzi, AI ilipendekeza ujanja kulingana na data ya rada na AIS. Je, ni tathmini ipi sahihi kwa mujibu wa COLREG (kuepusha migogoro)?

• A) Tekeleza ujanja kiotomatiki AI inapopata data ya sasa
• B) Peana pendekezo kwa meli nyingine kupitia VHF na usubiri idhini yake
• C) Kuzima rada na kutegemea AIS pekee
• D) Zingatia pendekezo hilo kama usaidizi wa uamuzi na uachie COLREG na uamuzi wa mwisho wa ujanja kwa afisa wa saa/nahodha.

Ufafanuzi: Kwa mujibu wa sheria za COLREG na mazoezi mazuri ya baharini, jukumu la kuepuka mgongano na uamuzi wa mwisho wa uendeshaji ni wa mamlaka kwenye daraja (nahodha/afisa wa saa). Mapendekezo ya AI ni usaidizi wa uamuzi; upofu, hitilafu ya kihisia, na tafsiri ya sheria zinahitaji usimamizi wa binadamu.

9. Umetoa pendekezo la uchumi wa mafuta kutoka kwa injini kuu ya SFOC (matumizi mahususi ya mafuta) yenye AI. Ni ipi njia inayofaa zaidi ya kujaribu usawaziko?

• A) Tumia mapendekezo kwenye data ya safari ya awali na ulinganishe na matumizi halisi ya mafuta ✔
• B) Kubali pendekezo jinsi lilivyo na liandike kwenye bajeti kama akiba.
• C) Kuchukua asilimia ya akiba yenye matumaini zaidi kama thamani pekee ya kweli
• D) Pamba tu grafu ya curve ya SFOC

Maelezo: Dai la akiba linalotolewa na AI linapaswa kujaribiwa kwa kulinganisha na data halisi ya safari ya meli (matumizi ya mafuta yaliyorekodiwa, mzigo, kasi, hali ya hewa). Kuitumia kwa kuzingatia data ya safari zilizopita na kuilinganisha na matumizi halisi huonyesha jinsi pendekezo hilo lilivyo la kweli.

10. Rasimu ya utafiti/ripoti ya kiufundi iliyotayarishwa na AI ina thamani za kiufundi ambazo ni za maji lakini asili isiyojulikana. Je, ni tabia gani sahihi?

• A) Kuwasilisha ripoti jinsi ilivyo kwa sababu maandishi ni fasaha
• B) Linganisha kila thamani na kipimo/chanzo asili na uondoe zisizothibitishwa ✔
• C) Kuzungusha na kuangazia maadili
• D) Soma tu muhtasari wa utendaji na uruke mengine

Maelezo: Kila thamani ya kiufundi katika ripoti lazima ifuatiliwe hadi chanzo chake asili (kipimo, rekodi ya kifaa iliyorekebishwa, kanuni ya darasa, data ya mtengenezaji). Hakuna nambari inayopaswa kuwasilishwa kwa darasa au usimamizi bila uthibitishaji wa chanzo chake, hata ikiwa ni thamani katika sentensi fasaha; Vinginevyo, thamani ya uwongo huingia kwenye msingi wa uamuzi.

11. Ni hatua gani bora zaidi kabla ya kutumia hesabu ya Excel/Python inayozalishwa na AI (k.m. hali ya ballast na wakati wa utulivu)?

• A) Kutumia hesabu moja kwa moja kwenye mpango halisi wa upakiaji
• B) Kuangalia tu urefu na mpangilio wa msimbo
• C) Kujaribu kesi za makali kwa kulinganisha hesabu na hali ya majaribio inayojulikana na zana iliyoidhinishwa ya upakiaji ✔
• D) Kufuta sehemu ya msimbo ili kufupisha

Ufafanuzi: Uthabiti na hesabu za mzigo zinaweza kuonekana kuwa sawa lakini kutoa matokeo yasiyo sahihi. Kuendesha hesabu kwenye hali ndogo ya jaribio ambapo unajua matokeo, kwa mikono au kwa kompyuta ya upakiaji iliyoidhinishwa, ukilinganisha na matokeo yanayotarajiwa, na kujaribu kesi za upakiaji wa kikomo/kingo kutapata hitilafu kabla ya kuendelea hadi uamuzi halisi wa upakiaji.

12. Unataka kubandika data ya muundo na utendaji ambayo haijashirikiwa ya meli yako kwenye zana ya umma ya AI na uombe uchanganuzi. Ni ipi njia sahihi zaidi?

• A) Kubandika data kama ilivyo kwa kasi
• B) Inatosha kufuta tu jina la meli na kushiriki data yote iliyobaki
• C) Kushiriki data na kisha kuuliza AI kuifuta
• D) Kukagua sera ya kitaasisi na kutotambulisha data au kutumia zana salama/kitaasisi ✔

Ufichuzi: Fomu ya Hull, mikondo ya utendakazi na data ya mkataba wa mmiliki wa meli/yadi ni siri ya biashara na nyeti miliki; Zaidi ya hayo, miundombinu muhimu na taarifa za mfumo wa OT hubeba hatari ya mtandao. Kabla ya kushiriki data, ni muhimu kuangalia sera ya shirika, kuificha au kutumia zana ya shirika ambayo haishiriki data.

13. Udhibiti wa ubora unaoendeshwa na AI kwenye eneo la ujenzi wa meli uliashiria mshono wa weld kama 'unaokubalika'. Ni nini tabia sahihi ya uhandisi?

• A) Zingatia tathmini ya AI kama kibali cha mwisho na uidhinishe kushona
• B) Kuzingatia tathmini ya awali ya AI kama zana ya uchunguzi na kuunganisha kukubalika kwa mwisho kwa matokeo ya NDT na idhini ya darasa ✔
• C) Kuhamia kwenye kizuizi kinachofuata bila kuchunguza mshono kabisa
• D) Inatosha tu kuibua kuangalia kuonekana kwa mshono

Maelezo: Ubora wa kulehemu ni eneo muhimu sana kwa usalama ambalo linahitaji matokeo ya majaribio yasiyo ya uharibifu (NDT) na idhini ya darasa. Tathmini ya awali ya AI kupitia picha au data hutoa mwongozo, lakini kukubalika kwa mwisho kunatolewa na ukaguzi uliohitimu na kuidhinishwa na mpimaji wa darasa.

14. Katika usimamizi wa meli, AI ilitoa pendekezo dhahiri kwa msafara ikisema 'bandari hii kubwa na kasi hii bila shaka ndizo zenye faida zaidi'. Je, tathmini sahihi ni ipi?

• A) Utekelezaji wa pendekezo moja kwa moja wakati AI inapata data ya kisasa
• B) Kuwasilisha pendekezo kwa mmiliki wa meli kama ahadi thabiti
• C) Kufunga mpango mzima wa safari kulingana na pato hili moja
• D) Kuzingatia toleo la uhakika kama lisilotegemewa na kulichukulia kama hali inayoweza kuthibitishwa na bei ya sasa, hali ya kukodisha na usalama ✔

Ufafanuzi: Bei ya Bunker, hali ya kukodisha, hali ya hewa na ucheleweshaji wa bandari zinabadilika kwa kasi na vigezo visivyo na uhakika; AI haiwezi kuhakikisha faida kamili. Pendekezo hilo linapaswa kuzingatiwa kama matokeo ambayo lazima yadhibitishwe kwa bei ya sasa, masharti ya kampuni ya kukodisha na vikwazo vya usalama.