Utangulizi wa Akili Bandia katika Metali: Mipaka, Uthibitishaji, Wajibu na Maadili.

Faida:

• Uwezo wa kutofautisha ambapo AI inaokoa wakati halisi katika utendakazi wa metallurgiska na vifaa na ambapo jukumu muhimu la usalama linapaswa kubaki kwa mhandisi, kwa kuzingatia kiwango cha hatari.
• Uwezo wa kutekeleza nidhamu ya uthibitishaji ya safu tatu ambayo hujaribu kila pato la AI dhidi ya kiwango, hesabu huru na majaribio ya maabara.
• Uwezo wa kuficha muktadha na uteuzi salama wa zana ili kulinda kichocheo cha siri cha aloi, kigezo cha kuchakata na data ya mteja

Wakati blade ya turbine ya injini ya ndege inazunguka mamia ya mara kwa sekunde kwa 1400 ° C, wewe ndiye mtu anayeamua ni superalloy gani (alloi maalum ambayo inadumisha nguvu zake kwa joto la juu) ambayo blade itatengenezwa, matibabu ya joto yatapitia na ni masaa elfu ngapi yatadumu: mhandisi wa metallurgiska au vifaa. Kila uamuzi unaofanya katika taaluma hii huamua uhai wa muundo au uharibifu wake. Akili ya Bandia (AI kwa kifupi: mifumo ya programu ambayo huchakata maandishi, nambari na picha na kutoa mapendekezo) inaweza kuharakisha maamuzi haya; lakini hawezi kamwe kuchukua jukumu kwa ajili yako. Kitengo hiki kinakufundisha mahali pa kutumia AI kwa usalama katika kazi ya madini na nyenzo, ambapo ni hatari, na kwa nini unapaswa kuthibitisha kila pato la AI kwa maabara, kiwango na majaribio.

Kanuni kuu utakayotumia katika moduli hii yote ni: AI ni msaidizi, si mtoa maamuzi. Mali ya nyenzo, thamani ya kikomo, kipengee cha kawaida au kichocheo cha matibabu ya joto haiwi kweli kwa sababu tu "AI ilisema"; Ni dhana tu hadi ithibitishwe na kipimo, marejeleo, na uamuzi wa kihandisi. Utaona sentensi hii tena katika kila kitengo cha moduli, kwa sababu katika madini, nambari isiyo sahihi mara nyingi inamaanisha sehemu iliyovunjika.

LLM ni nini, inafanya nini katika madini?

LLM (Mfano wa Lugha Kubwa) ni programu ambayo hujifunza ruwaza kutoka kwa sehemu kubwa sana za maandishi na kutabiri "neno linalofuata" kulingana na uwezekano. Hii ni injini ya zana kama vile ChatGPT, Claude, Gemini. Hoja ni hii: LLM ni "mkadiriaji wa lugha", sio "msingi wa maarifa". Huzungumza istilahi za metallujia kwa ufasaha, lakini haipimi nambari; hutoa nambari ambayo inaonekana zaidi. Kwa hiyo, anaweza kutoa majibu ya ujasiri lakini yasiyo sahihi kuhusu nguvu ya mavuno, joto la kuyeyuka au nambari ya bidhaa ya kiwango. Hii inaitwa hallucination (uzushi). Hallucination sio malfunction, lakini kipengele cha asili cha teknolojia hii; Kwa hivyo, uthibitishaji sio "hatua ya ziada" lakini ni sehemu muhimu ya kazi.

Kazi ambapo AI ina nguvu katika madini:

• Ufafanuzi wa dhana na mafundisho: mabadiliko ya martensite ni nini, kwa nini ni ngumu na yenye brittle; Kuna tofauti gani kati ya eutectic na eutectoid?
• Kuzalisha orodha ya dhahania: Kuunda orodha ya utaratibu ya kwa nini porosity (gesi au utupu unaosababishwa na kupungua) inaweza kuwa ilitokea katika utumaji.
• Uzalishaji wa maandishi: rasimu ya ripoti ya uchambuzi wa uharibifu, WPS (uainishaji wa utaratibu wa kulehemu) rasimu, uwasilishaji, barua pepe.
• Kuweka msimbo: kusafisha data, michoro, hati rahisi za hesabu (Python).
• Muhtasari wa data na upangaji wa jedwali: kubadilisha matokeo ya mtihani kuwa ya jedwali iliyopangwa.
• Kutafakari: vipengele vya mgombea, mawazo ya majaribio ya muundo wa aloi.

Ambapo AI ni dhaifu na hatari:

• Kutoa thamani halisi ya nambari (mali, thamani ya kikomo, muundo wa kemikali).
• Kifungu cha sasa/maalum cha kawaida na maelezo ya toleo.
• Uchunguzi bila data halisi ya kipimo ya kituo chako.
• Uamuzi muhimu kwa usalama: kustahiki hewa/utumishi wa sehemu.

Uainishaji unaotegemea hatari: kichujio kabla ya kutumia AI

Sio kila kazi iko kwenye kiwango sawa cha hatari. Panga kazi kwa kiwango cha hatari kabla ya kutumia AI. Jedwali hapa chini linatoa mfumo wa uamuzi ambao utatumia katika moduli hii yote.

Kiwango cha hatari

kazi ya sampuli

Jukumu la AI

Uthibitishaji wa lazima

chini

Maelezo ya dhana, maandishi ya rasimu, mifupa ya msimbo

matumizi ya bure

Uhakiki unatosha

kati

Usanidi wa hesabu, orodha ya nadharia, muhtasari wa fasihi

Rasimu/mwandishi mwenza

Udhibiti wa mwongozo + uthibitisho wa chanzo

juu

Uchaguzi wa nyenzo, mapishi ya matibabu ya joto, thamani ya kikomo

jenereta ya wazo

Mtihani wa kawaida + wa maabara

muhimu

Utumishi/uwezo wa anga, chanzo cha uharibifu, uthibitisho

Rasimu pekee

Upimaji ulioidhinishwa + idhini ya mhandisi aliyeidhinishwa

Kidokezo: Ikiwa umealamisha kazi kama "muhimu", matokeo ya AI sio hati ya mwisho. Kwa kiwango kikubwa inaweza kuwa rasimu ya awali au orodha hakiki; Mhandisi aliyeidhinishwa anachukua saini na wajibu.

Mtiririko wa mwisho hadi mwisho: kupachika AI kwenye mtiririko wako wa kazi

Mzunguko wa kawaida wa utatuzi wa shida katika biashara ya metallurgiska huenda kama hii, na AI ikiingia kila hatua lakini bila kufunga hata moja kati yao pekee:

1. Fafanua shida: Ni nini kilivunjika, ni kipengele gani kinacholengwa, kuna kizuizi gani? (AI: husaidia kufafanua swali.)
2. Kusanya data: Uchanganuzi wa utunzi, upimaji wa mitambo, muundo mdogo, data ya uwanja. (AI: huorodhesha ni mtihani gani unahitajika.)
3. Tengeneza dhahania: Sababu/suluhisho zinazowezekana. (AI: yenye nguvu - hutoa orodha za utaratibu.)
4. Uchambuzi: Hesabu, mfano, usindikaji wa picha. (AI: hutoa msimbo na uwongo wa hesabu.)
5. Thibitisha: Kawaida, maabara, jaribu tena. (AI: kando hapa; mwanadamu na kifaa huamua.)
6. Ripoti na uamue: Mhandisi anawajibika. (AI: mwandishi wa rasimu.)

Zingatia hatua hizi sita; Sehemu iliyobaki ya moduli inakuonyesha jinsi ya kutumia AI na kazi thabiti katika kila moja ya hatua hizi.

kesi tatu ndogo

Kesi ya 1 - Nguvu ya mavuno iliyowekwa. Mwanafunzi anauliza AI kuhusu nguvu ya mavuno ya chuma cha AISI 4140 kilichozimwa na kuwashwa kwa 200 ° C; AI inasema "kuhusu MPa 1500". Mwanafunzi anaweka hii moja kwa moja kwenye hesabu ya muundo wa spindle. Hata hivyo, thamani halisi inatofautiana takriban kati ya 900-1600 MPa, kulingana na vigezo vya matibabu ya joto na unene wa sehemu; Thamani iliyochukuliwa katika sampuli nyembamba si kweli katika sehemu nene. Matokeo: sababu ya usalama inageuka kuwa ya chini kuliko ilivyotarajiwa. Mtazamo sahihi ni kuchukua thamani kutoka kwa karatasi ya data ya nyenzo (cheti cha kinu) na, ikiwa ni lazima, kutoka kwa jaribio la mvutano kulingana na ISO 6892.

Kesi ya 2 - Kifungu cha kawaida ambacho hakipo. Mhandisi anauliza AI kuhusu kikomo cha kuingizwa kwa chuma cha pua. AI inasema "max 2.5 kulingana na ASTM E45 Sehemu ya 7.3". Mhandisi anaandika ripoti ipasavyo. Wakati wa ukaguzi wa wateja, imebainika kuwa nambari ya kifungu ni bandia na kiwango hakina kifungu kama hicho. Mtazamo sahihi ni kufungua toleo la sasa la kiwango kutoka kwa chanzo rasmi na kuthibitisha makala. AI inaweza kudanganya nambari ya bidhaa hata kama inajua jina la kawaida kwa usahihi.

Kesi 3 - Matumizi sahihi. Timu ya uchanganuzi wa uharibifu inachunguza picha ya uso uliovunjika wa bolt ya M20 iliyovunjika. Wanauliza AI, "orodhesha tofauti za kawaida katika uso wa kuvunjika kwa ufa wa uchovu na kuvunjika kwa brittle, na uniambie kile ninachopaswa kutafuta katika darubini ya elektroni ya skanning (SEM) kwa kila moja." AI inaelezea kwa utaratibu alama za ufuo, striae (mistari ya uchovu) na tofauti ya dimple/kupasuka. Timu hutafuta ufuatiliaji huu kwa kutumia SEM, hupata striae na kufanya uchunguzi kwa kutumia picha ya kifaa. Hapa AI ilitumiwa kwa usahihi: ilipanga habari, maabara ilifanya uamuzi.

Violezo vya haraka vinavyoweza kunakiliwa

Unaweza kutumia violezo vilivyo hapa chini kwa kuvirekebisha kwa biashara yako mwenyewe. Katika kila mmoja wao, kuna maagizo ya ufahamu "kutoa nambari halisi, onyesha chanzo, eleza kutokuwa na uhakika".

KIOLEZO CHA WAJIBU NA MPAKA "Jukumu: Wewe ni msaidizi wa mhandisi wa metallurgiska mwenye uzoefu. Kazi: [andika somo]. Kanuni: Unapotoa thamani kamili ya nambari, taja CHANZO; ikiwa huna uhakika, sema 'lazima ithibitishwe'. Ukitoa bidhaa ya kawaida, ipe pamoja na toleo, lakini kumbuka kwamba inapaswa kuthibitishwa kutoka kwa kipengee kilichothibitishwa na kipengee chochote kilichothibitishwa. majaribio."

KIOLEZO CHA KIZAZI CHA HYPOTHESIS"Toa orodha ya utaratibu ya visababishi vya msingi vinavyoweza kusababisha tatizo lifuatalo: [eleza tatizo; nyenzo, mchakato, uchunguzi]. Kwa kila dhana: (1) ni ushahidi gani unaoiunga mkono, (2) ni mtihani gani unapaswa kufanywa ili kuthibitisha / kukanusha. USIFANYE uchunguzi wa uhakika; toa tu ramani ya barabara ya utafiti."

KIOLEZO CHA ORODHA YA KUHAKIKI"Orodhesha KILA thamani ya nambari na KILA rejeleo la kawaida katika rasimu ya towe/ripoti hapa chini. Kwa kila moja, onyesha ni chanzo gani (cheti cha kinu, maandishi ya kawaida, ripoti ya majaribio) inapaswa kuthibitishwa. Kusanya zile za asili isiyo na uhakika chini ya kichwa tofauti cha 'haipatikani hadi kuthibitishwa'. Maandishi: [bandika]."

KIOLEZO CHA KUANGALIA KABLA YA KUTOJITAMBUA "Kabla ya kutoa maandishi yafuatayo kwa zana ya AI, weka alama kwenye sehemu ambazo zina siri za biashara au data ya kibinafsi: uwiano wa mapishi ya aloi, jina la mteja, vigezo vya usiri vya halijoto/saa, majina ya wafanyakazi. Pendekeza jinsi ninavyoweza kuficha haya. Maandishi:[bandika]."

Agizo dhaifu / Ukumbusho thabiti

Kuuliza swali moja kwa njia mbili kutatoa matokeo tofauti sana.

TAARIFA DHAIFU: "Niambie mali ya chuma cha 4140."

STRONG PROMPT: "Jukumu: Wewe ni mhandisi msaidizi wa matibabu ya joto. Eleza NINI huathiri uimara wa mavuno wakati kuzima + ukali unafanywa kwa AISI 4140 chuma (joto la kutuliza, unene wa sehemu / ugumu, joto la kuongeza joto). Usipe nambari moja EXACT; badala yake, katika safu gani thamani inaweza kutofautiana na ni mtihani gani wa ISO 6 kulingana na kipimo gani 6 kwa 9. thamani sahihi Tafadhali sema kwa uwazi mahali ambapo huna uhakika."

Kidokezo duni kawaida hurejesha orodha isiyo na maana, ya juu juu na ikiwezekana nambari zilizoundwa. Agizo lenye nguvu; inapeana jukumu, inaweka mipaka ("kutoa nambari kamili"), inahitaji njia ya uthibitishaji, na kufichua kutokuwa na uhakika. Katika sehemu hii yote, utaona mchoro wa "kidokezo chenye nguvu" ukitumika kwa kila kitengo.

Maadili, faragha na wajibu

Data ya metallurgiska mara nyingi huwa ya siri: mapishi ya aloi ya wateja, vigezo vya mchakato wa hati miliki, matokeo ya uchambuzi wa uharibifu, vipimo vya sekta ya ulinzi. Kuzibandika kwenye huduma ya umma ya AI kunaweza kuwa siri ya biashara na ukiukaji wa mkataba; Pia kuna hatari kwamba data itaingilia mafunzo ya mfano.

• Usiingize nyimbo za kampuni/mteja, mapishi na michoro kwenye huduma ya nje bila idhini.
• Usitambulishe rekodi zilizo na data ya kibinafsi (majina ya waendeshaji, nambari za usajili).
• Zingatia sera ya shirika na zana yoyote ya AI ya biashara iliyo kwenye majengo au yenye kandarasi.
• Sema kwa uwazi katika ripoti kwamba unatumia AI; Fafanua kuwa uamuzi wa mwisho unatokana na uamuzi wako wa uhandisi.
• Saini na wajibu daima hubakia kwa mhandisi aliyeidhinishwa; Pato la AI sio uhalali.

Tahadhari: "Hivyo ndivyo AI ilisema" sio uhalali wa uhandisi. Katika ripoti ya uharibifu, uteuzi wa nyenzo au uamuzi wa kuzingatia, msingi wako unapaswa kuwa viwango, upimaji na hesabu; AI ndicho chombo kinachopanga haya zaidi. Kwa kazi muhimu ya usalama, pato la AI si mbadala wa idhini ya mhandisi aliyehitimu.

Makosa ya kawaida

• Kwa kutumia thamani ya nambari (kipengele, kikomo, muundo) iliyotolewa na AI bila majaribio na marejeleo.
• Kuandika nambari za bidhaa za kawaida kwenye ripoti bila kuzithibitisha.
• Kuingiza data ya siri ya mteja/kampuni kwenye AI ya umma.
• Kuuliza AI "ni shida gani" bila kutoa data ya kituo na kukosea jibu la jumla la utambuzi.
• Kutumia pato la AI kama hati ya mwisho katika maamuzi muhimu, kupitisha idhini ya mhandisi.
• Kupuuza kutokuwa na uhakika: Kukosea sauti ya ujasiri ya AI kwa usahihi.

Kwa muhtasari

AI ni kichochezi chenye nguvu katika uhandisi wa metallurgiska na vifaa: inaelezea dhana, hutoa hypotheses, rasimu na kuandika msimbo. Lakini thamani ya nambari hubeba hatari ya kuona ndoto katika suala la kawaida na maamuzi muhimu ya usalama. Panga kazi kulingana na kiwango cha hatari, thibitisha kila matokeo katika pembetatu ya akaunti ya kawaida ya maabara, tunza usiri na kila wakati uwajibika kwa mhandisi aliyeidhinishwa. Sehemu iliyobaki ya moduli hutumia kanuni hii kwa kila kazi thabiti.

Jukumu la maombi

Chagua kazi tano za kawaida kutoka kwa kazi yako mwenyewe (au sampuli ya mradi): kwa mfano, "uteuzi wa nyenzo", "kuandika ripoti ya uharibifu", "swali la viwango", "ufafanuzi wa muundo mdogo", "hati ya hesabu". Ainisha kila moja kuwa ya Chini/Kati/Juu/Muhimu kulingana na jedwali la hatari hapo juu na uandike kwa sentensi moja jinsi utakavyothibitisha matokeo ya AI kwa kila moja (kiwango gani, mtihani upi, idhini yake). Kisha jaribu kurekebisha kiolezo cha "NAFASI NA MPAKA" kwa mojawapo ya kazi hizi.

orodha ya ukaguzi

• [ ] Nimeainisha dhamira kwa kiwango cha hatari (Chini/Kati/Juu/Muhimu).
• [ ] Niliipa AI jukumu, kizuizi, na maagizo ya "kutoa nambari kamili/taja chanzo".
• [ ] Nimethibitisha kila thamani ya nambari na kipengee cha kawaida kutoka kwa vyanzo huru.
• [ ] Sijaingiza data ya siri/ya kibinafsi kwenye huduma ya nje au kuificha.
• [ ] Nilitegemea uamuzi wa mwisho juu ya kipimo na kiwango, bila kutumia AI kama uhalalishaji.
• [ ] Niliacha jukumu na sahihi kwa mhandisi aliyeidhinishwa.