Maadili, Faragha ya Data, Mipaka na Utawala Kikamilifu wa Uthibitishaji

Faida:

• Uwezo wa kutekeleza sheria za faragha ili kulinda haki za madini, data mahususi ya tovuti na unyeti wa jamii.
• Uwezo wa kubadilisha maono, kutokuwa na uhakika na mipaka ya uwajibikaji katika udhibiti wa uendeshaji
• Uwezo wa kuendeleza matumizi ya AI katika uhandisi wa kijiolojia na udhibitisho wa mwisho hadi mwisho na nidhamu ya utawala.

Sehemu ya mwisho ya moduli hii huleta vitengo vyote vya awali chini ya paa moja: utawala wa kutumia akili bandia katika uhandisi wa kijiolojia kwa uendelevu, kwa usalama na kimaadili. Ustadi wa kiufundi pekee hautoshi; Mhandisi wa kijiolojia pia hulinda data nyeti kibiashara, huzingatia unyeti wa jamii na mazingira, hutafsiri ndoto na kutokuwa na uhakika katika udhibiti wa uendeshaji, na kuchukua jukumu la mwisho. Kitengo hiki hubadilisha sheria mbovu kuwa nidhamu inayoweza kutekelezeka: kile ambacho hatushiriki, ni matokeo gani tunayoamini na jinsi gani, tunachofanya makosa yanapotokea, na jinsi ya kufanya haya yote kuwa tabia ya kudumu.

Jiolojia ni taaluma ambayo maamuzi yake hugusa maili chini ya ardhi, mamilioni ya dola katika uwekezaji, na wakati mwingine usalama wa jamii nzima. Ndio maana maadili hapa sio bora dhahania, lakini sheria madhubuti zilizowekwa katika mtiririko wa kazi wa kila siku. Ukimaliza kitengo hiki, utaweza kutosheleza kila mbinu uliyojifunza katika moduli nzima katika mfumo wa utawala na kutumia akili bandia kama kizidishi cha nguvu kinachodhibitiwa, si chanzo cha hatari.

Unyeti wa Faragha ya Data na Haki za Madini

Data ya kijiolojia mara nyingi ni nyeti sana. Kuratibu za uchimbaji, thamani za daraja, takwimu za hifadhi na malengo ya uchunguzi ni siri za biashara na kwa ujumla ni mali ya mwenye haki za madini (kampuni au serikali yenye leseni). Kuingiza data hii kwenye huduma ya AI ya nje isiyodhibitiwa huleta hatari tatu kuu: hatari ya ushindani (mshindani anaweza kufuatilia ugunduzi), hatari ya kisheria (ukiukaji wa faragha na umiliki wa data), na hatari ya jamii (kuvuja mapema kwa ugunduzi kunaweza kusababisha uvumi na migogoro).

Mbinu sahihi ni layered. Kwanza, kuondoa utambulisho wa data nyeti: kubadilisha viwianishi halisi kwa thamani wakilishi, jina halisi la sehemu na "Field-A", alama halisi na thamani zilizopimwa/kiwakilishi. Pili, inapowezekana, tumia zana zilizoidhinishwa na taasisi, zinazodhibitiwa (mazingira ya ndani au yaliyolindwa kimkataba ambapo data haivuji). Tatu, kanuni ya data ndogo zaidi: kushiriki kiasi kidogo cha data kinachotosha kwa kazi, sio hifadhidata nzima. Kasi ya utoaji haiji kamwe kabla ya usiri wa data.

Angalizo: Kuandika "Data hii ni ya siri" hailindi data. Kuandika kuwa ni siri na kuishiriki jinsi ilivyo kuna hatari sawa na kutoandika kabisa. Faragha hupatikana kwa kutotambulisha data na kutumia njia zinazodhibitiwa; si kwa kutangaza nia.

Kugeuza Udanganyifu na Kutokuwa na uhakika kuwa Udhibiti wa Utendaji

Katika moduli nzima, tuliona ndoto (mfano unaotoa taarifa zisizokuwapo kana kwamba ni za kweli) na kutokuwa na uhakika tena na tena. Katika kitengo hiki, tunabadilisha hizi kutoka maonyo dhahania hadi vidhibiti madhubuti. Vidhibiti vitatu vya uendeshaji vinatumika kwa kila pato la AI:

Kizuizi cha rasilimali. Kuweka sheria ya "kulingana tu na data ninayokupa, usiifanye" kwa mfano na kuashiria chanzo cha kila dai. Hii haina mwisho wa hallucination, lakini inafanya kuonekana.

Kutokuwa na uhakika kulazimishwa. Inauliza kiwango cha kujiamini au masafa badala ya makadirio ya pointi moja. Tofauti ya "ujasiri wa hali ya juu / wa kati / wa kubahatisha" huzuia modeli kufanya kazi kana kwamba ni sahihi.

Uthibitishaji wa kujitegemea. Nanga tatu tunazoanzisha katika moduli nzima—mpangilio wa ukubwa, usadikisho wa kijiolojia, ushahidi wa eneo—hutumika kwa kila matokeo. Hesabu ya kawaida na idhini ya mhandisi pia huongezwa kwa matokeo muhimu ya usalama.

Vidhibiti hivi vitatu haviondoi maono na kutokuwa na uhakika; inazifanya kudhibitiwa, kuonekana na kukaguliwa. Hii ndio tofauti: hatari isiyodhibitiwa ni hatari, hatari inayoonekana na kudhibitiwa ni kawaida ya uhandisi.

Mipaka ya Dhima na Idhini ya Binadamu

Kanuni isiyobadilika ya moduli hii ni: akili ya bandia inasaidia na kuharakisha; Wajibu wa uamuzi, ripoti na muundo unabaki kwa mhandisi wa kijiolojia aliyeidhinishwa. Hii si kauli mbiu, ni ukweli wa kisheria na kimaadili. Ripoti iliyotiwa saini, tathmini ya hatari kutolewa, muundo ulioidhinishwa—yote haya ni wajibu wa kitaaluma wa mtu. "Hivyo ndivyo AI ilisema" sio kisingizio cha uhandisi; kama vile haiwezi kuwa "hivyo ndivyo kikokotoo kilisema".

Hii ina maana kwamba jukumu haliwezi kukabidhiwa. Hata kama modeli itazalisha pato, mhandisi anayebadilisha pato hilo kuwa uamuzi na kusaini anawajibika kwa usahihi wa matokeo. Kwa hivyo, kila pato muhimu kwa usalama lazima liwe na uwezo wa kukaguliwa (kufuatilia, chanzo kinachojulikana), kuthibitishwa (kujaribiwa kwa hesabu huru), na kuidhinishwa na binadamu. Watatu hawa ndio safu ya mwisho ya uhakikisho juu ya kila mbinu tunayojifunza katika moduli nzima.

Kidokezo: Kabla ya kutia sahihi chapa, jiulize: "Ikiwa chapa hii itatokea kuwa si sahihi, je, ninaweza kutetea kile nilichotegemea uamuzi na jinsi nilivyohalalisha?" Ikiwa jibu lako ni "AI imetengenezwa", uthibitishaji bado haujakamilika.

Kesi Tatu Ndogo: Kwa Nambari

Kesi 1 - Kuzuia kuvuja. Mwanajiolojia katika kampuni ya uchunguzi alikuwa karibu kupakia safu mlalo 1,200 za jedwali halisi za daraja la kisima kwa huduma ya nje isiyodhibitiwa kwa uchanganuzi wa haraka. Sera ya kitaasisi ilianza kutumika na kumtaka afiche data kwanza (kupima viwianishi na kuficha jina la uwanja). Baadaye, thamani ya kibiashara ya ugunduzi huo iligeuka kuwa mamilioni ya dola; Upakiaji usiodhibitiwa ungeweza kuwa uvujaji mkubwa kutoka kwa mtazamo wa ushindani na wa kisheria. Kuficha utambulisho kulichukua dakika chache, thamani iliyohifadhi ilikuwa kubwa sana.

Kesi ya 2 - Kutokuwa na uhakika kumeonekana. Katika ripoti moja ya chanzo, timu iliomba kutoa mfano katika viwango vya kujiamini badala ya tarakimu moja. Ilibadilika kuwa ukanda uliowekwa alama "kukisia" ulikuwa msingi wa kuchimba visima moja; Ukanda huu haukujumuishwa katika tathmini ya kiuchumi. Ikiwa hakukuwa na shinikizo la kutokuwa na uhakika, dhana moja inayosikika ingeingiza uamuzi wa dola milioni kama data thabiti.

Kesi ya 3 - Amini katika ufuatiliaji. Ilipoulizwa kuhusu chanzo cha kila toleo la ripoti ya jioteknolojia katika ukaguzi, timu iliweza kufuatilia kila thamani hadi data ya ingizo, mbinu na hatua ya kuidhinisha kutokana na rekodi za ufuatiliaji. Tofauti ndogo ilipatikana katika toleo moja, lakini chanzo kikuu na athari ilitambuliwa na kusahihishwa baada ya dakika chache. Nidhamu ya utawala ilisuluhisha kosa kabla halijawa mzozo.

Uhamasishaji dhaifu / Uhamasishaji Wenye Nguvu

Agizo dhaifu:

Chambua data yote ya kampuni yetu ya uchimbaji na daraja katika uwanja huu na utuambie lengo bora zaidi la uchimbaji madini. [kuratibu na alama halisi]

Agizo lenye nguvu:

Ningependa usaidizi wa uchambuzi wa utafutaji. Kanuni za faragha:- Viwianishi na jina la tovuti ni wakilishi (“Tovuti-A”, maadili yaliyopimwa); Sishiriki maadili halisi. - Tu kutegemea data ya kiufundi mimi kutoa; uundaji/madini/umri unaofaa.- Toa maoni kwa kiwango cha kujiamini (juu/kati/kikisia)- Orodhesha mawazo yanayohitaji kuthibitishwa mwishoni na mambo yanayohitaji uthibitisho wa nyanjani.Uamuzi na wajibu wa mwisho ni wangu; Unazalisha rasimu na chaguzi.

Violezo Vinne Vinakiliwa

1) Angalia mapema ya faragha:

Zingatia hatari ya faragha kabla ya kutoa data ifuatayo kwa zana ya AI: ni sehemu zipi (kuratibu, daraja, jina la tovuti, kampuni) ni nyeti na zinapaswa kutambuliwa vipi? Je! nisishiriki nini kulingana na kanuni ndogo ya data? Nipe orodha ya ukaguzi.

2) Taswira ya ndoto:

Orodhesha kila dai la kweli (umri, uundaji, nambari, chanzo) katika pato hili kando na kwa kila moja: je, linaungwa mkono na data iliyotolewa, ni makisio, au halitumiki? Weka alama kwenye zile ambazo hazina uthibitisho au zisizoweza kuthibitishwa.

3) Orodha ya udhibiti wa uthibitishaji:

Angalia safu tatu kwa matokeo haya muhimu kwa usalama: (1) ufuatiliaji - je, chanzo, mbinu, toleo la modeli limerekodiwa? (2) uthibitishaji - je, imejaribiwa dhidi ya akaunti/viwango huru? (3) idhini ya kibinadamu - je, kuna hatua ya idhini ya mhandisi aliyehitimu? Weka alama kwenye waliokosekana.

4) Mgawanyo wa mipaka ya dhima:

Gawa kazi hii katika sehemu mbili: (A) data/rasimu ya kazi ambayo AI inaweza kufanya kwa usalama, (B) pointi ambazo LAZIMA ziidhinishwe uamuzi wa mhandisi na sahihi. Bainisha ni uthibitishaji gani unaohitajika kwa kila kipengee B.

Kipimo cha Utawala, Hatari na Udhibiti

Ukubwa

Hatari kuu

udhibiti wa uendeshaji

Faragha ya data

Ushindani / uvujaji wa kisheria

Kuficha utambulisho + gari linalodhibitiwa + data ndogo

kuona macho

Habari iliyotengenezwa huingia kwenye saini

Kizuizi cha rasilimali + udhibiti wa madai

kutokuwa na uhakika

uhakika wa uongo

Kiwango cha kujiamini/changamoto ya masafa

ufuatiliaji

Sababu ya mizizi haiwezi kupatikana

Chanzo/mbinu/rekodi ya toleo

Wajibu

Msingi wa uamuzi haukubaliki

Inaweza kusikika + inayoweza kuthibitishwa + kuthibitishwa na binadamu

jamii/mazingira

Kuvuja mapema, kupoteza kujiamini

Ufuatiliaji wa usahihi + uwazi

Kidokezo: Tazama utawala kama kichapuzi, si kikwazo. Sheria za faragha, uthibitishaji na ufuatiliaji zilizowekwa vyema hugeuza mizozo iliyodumu saa nyingi kuwa urekebishaji wa dakika matatizo yanapotokea; Huongeza kuegemea na reusability.

Makosa ya kawaida

• Kujaribu kuhakikisha usiri kupitia tamko la nia. Kuandika kidokezo cha "Siri" na kushiriki data jinsi ilivyo hakuilinde; Kuficha utambulisho na gari linalodhibitiwa ni muhimu.
• Kupunguza kutokuwa na uhakika hadi tarakimu moja. Ikiwa kiwango cha kujiamini hakihitajiki, dhana ya sauti moja huingia kwenye uamuzi kana kwamba ni data thabiti.
• Ufuatiliaji wa kupita. Bila chanzo na rekodi ya mbinu, chanzo na athari ya hitilafu haiwezi kubainishwa.
• Kuhamisha jukumu kwa gari. "AI nilisema" sio kisingizio; Saini na uamuzi ni wa mhandisi.
• Kupuuza unyeti wa jamii na mazingira. Uvujaji wa mapema na ukosefu wa uwazi huharibu uaminifu na leseni ya kijamii.

Kwa muhtasari

• Data ya kijiolojia ni nyeti kibiashara na kisheria; Faragha inahakikishwa kwa kutokutambulisha, njia zinazodhibitiwa na kanuni ya data ndogo zaidi, si kwa kutangaza nia.
• Hallucination na kutokuwa na uhakika hutafsiriwa katika udhibiti wa uendeshaji tatu: kizuizi cha rasilimali, utekelezaji wa kutokuwa na uhakika, uthibitishaji wa kujitegemea (nanga tatu).
• Wajibu hauwezi kukabidhiwa; Kila pato muhimu kwa usalama lazima liwe na uwezo wa kukaguliwa, kuthibitishwa na kuidhinishwa na binadamu.
• Utawala bora si kikwazo bali ni kuongeza kasi; Hugeuza mizozo kuwa marekebisho ya dakika na huongeza kujiamini.
• Akili ya Bandia ni kizidisha nguvu kinachodhibitiwa katika uhandisi wa kijiolojia; Mmiliki wa uamuzi na saini daima ni mhandisi aliyeidhinishwa.

Jukumu la maombi

Fikiria seti halisi lakini sahihi ya data (iliyo na viwianishi na daraja) kutoka kwa biashara yako mwenyewe. Andika orodha hakiki ya ni nyuga zipi utazificha na jinsi ukitumia kiolezo cha "kagua mapema ya faragha". Kisha, katika moduli hii, chagua aina ya pato ambayo unaona kuwa hatari zaidi (k.m. mteremko wa FS, liquefaction, tonnage ya rasilimali), angalia safu tatu (ufuatiliaji, uthibitishaji, idhini ya kibinadamu) na kiolezo cha "orodha ya udhibiti wa uthibitishaji" na uandike katika sentensi moja jinsi utakavyoshughulikia jambo ambalo unaona halipo.

orodha ya ukaguzi

• [ ] Ninalinda data nyeti ya jiolojia kwa kutokutambulisha, njia zinazodhibitiwa na kanuni ya data ndogo zaidi.
• [ ] Mimi hudhibiti hisia na kutokuwa na uhakika kwa uhaba wa rasilimali, kiwango cha uaminifu, na uthibitishaji tatu wa msingi.
• [ ] Ninafanya kila pato muhimu kwa usalama kukaguliwa, kuthibitishwa na kuidhinishwa na binadamu.
• [ ] Nimekubali kwamba jukumu hilo haliwezi kuhamishwa na sahihi inabaki kwa mhandisi.
• [ ] Ninatekeleza utawala kama kiwezesha kasi na uaminifu, safu ya uhakikisho juu ya mbinu zote za moduli.

Mtihani wa Moduli

1. Ni ipi kati ya zifuatazo ni kanuni ya msingi ambayo huamua hatari ya pato la AI katika uhandisi wa kijiolojia?

• A) Hatari ya pato ni sawa na madhara ambayo ingesababisha ikiwa pato hilo lingekuwa na kasoro; mizani ya uthibitishaji ipasavyo ✔
• B) Matokeo ya AI kwa ujumla ni salama kwani imeandikwa kwa ufasaha na kwa ujasiri
• C) Uthibitishaji hauhitajiki wakati mtindo wa sasa zaidi unatumiwa
• D) Ikiwa pato linarejelea kiwango, hakuna udhibiti wa ziada unaohitajika

Ufafanuzi: Hatari ya pato ni sawa na madhara ambayo itasababisha ikiwa pato hilo ni mbaya. Ingawa hitilafu ndogo katika muhtasari wa fasihi inaweza kuwa isiyo na madhara, hitilafu katika kipengele cha mteremko wa tathmini ya usalama au uondoaji kioevu inaweza kusababisha hasara ya maisha na uharibifu wa mali; kwa hivyo nguvu ya uthibitishaji hupimwa na madhara yanayoweza kutokea.

2. Je, tatizo la 'kutokuwa wa kipekee' katika ubadilishaji wa kijiofizikia kunalazimu matumizi ya AI?

• A) Kukubalika moja kwa moja kwa tafsiri ya kwanza iliyotolewa na modeli
• B) Kupunguza tafsiri kwa kuiunganisha na data ya kisima, kuchimba visima na vikwazo vya kijiolojia ✔
• C) Chagua tu mchoro wa mwonekano wa juu zaidi.
• D) Kuacha kabisa data ya kijiofizikia

Ufafanuzi: Kipimo sawa cha kijiofizikia (k.m. data ya mvuto au upinzani) kinaweza kuelezewa na zaidi ya modeli moja tofauti ya uso chini ya uso. Kwa hivyo tafsiri inayotolewa na AI sio pekee sahihi; Lazima ipunguzwe kwa kuunganisha vizuizi huru kama vile logi ya kisima, uchimbaji na muktadha wa kijiolojia.

3. Je, ni matumizi gani ya variogram na kriging katika ukadiriaji wa rasilimali?

• A) Rangi picha za msingi kiotomatiki
• B) Hurekebisha kasi ya mashine ya kuchimba visima
• C) Inafafanua mwendelezo wa anga kati ya sampuli na kukadiria daraja katika vizuizi visivyo na sampuli na kutokuwa na uhakika ✔
• D) Hurutubisha madini

Maelezo: Variogram ni kipimo cha mwendelezo wa anga ambacho hueleza jinsi ufanano wa daraja unavyopungua kadri umbali kati ya pointi za sampuli unavyoongezeka. Kriging ni mbinu ya kijiografia inayotumia muundo huu kukadiria daraja katika vizuizi visivyo na sampuli pamoja na kutokuwa na uhakika wa makadirio; Mfano wa kuzuia umejengwa juu ya hili.

4. Ni hatua gani ni muhimu kabla ya kuzingatia ramani ya ubadilishaji inayotolewa na kihisi cha mbali kinachotegemeka?

• A) Paleti ya rangi ya ramani inapaswa kuwa ya urembo.
• B) Picha imepakuliwa katika azimio la juu zaidi
• C) Udhibiti wa shamba na sampuli katika sehemu zilizochaguliwa na ukweli wa msingi ✔
• D) Ukosefu huo unaonyeshwa na akili ya bandia

Ufafanuzi: Uchanganuzi wa Spectra hutoa hitilafu zinazoonyesha mabadiliko ya madini, lakini haya yanaweza kupotosha kutokana na uoto, kivuli au athari za angahewa. Ramani haichukuliwi kuwa ya uhakika bila ukweli wa msingi na uga na udhibiti wa sampuli katika sehemu zilizochaguliwa.

5. Kwa nini 'sababu ya usalama' (FS) ni nanga ya uthibitishaji wa matokeo ya AI katika uchanganuzi wa uthabiti wa mteremko?

• A) Kwa sababu inaonyesha tu gharama ya uchimbaji
• B) Kwa sababu tu inaelezea rangi ya mteremko
• C) Kwa sababu inapima hatari ya kutofaulu kwa kutoa uwiano wa nguvu zinazopinga na kuteleza slaidi ✔
• D) Kwa sababu ina maana tu katika mazingira ya maabara

Maelezo: Sababu ya usalama ni uwiano wa nguvu zinazopinga kuteleza kwa nguvu zinazoteleza; Thamani ya FS karibu na au chini ya 1 inaonyesha hatari ya kushindwa. Jiometri ya mteremko au seti ya vigezo vinavyopendekezwa na AI ​​hujaribiwa kimwili kwa kuzalisha FS kwa hesabu ya usawa wa kikomo na kulinganisha na vizingiti vya kawaida.

6. Kusudi kuu ni nini wakati wa kuchakata maelezo ya msingi ya maandishi huru ('kahawia, hali ya hewa, chokaa iliyovunjika, mishipa machache ya calcite') na AI?

• A) Kuandika upya uchunguzi bila mpangilio
• B) Ongeza kina cha kuchimba kiotomatiki
• C) Kurejesha nambari za msingi
• D) Fanya data ihojiwe kwa kutafsiri maandishi huru yasiyolingana katika istilahi za kawaida na sehemu zilizoundwa ✔

Maelezo: AI hubadilisha uchunguzi usiolingana wa uga wa maandishi-huru kuwa istilahi sanifu na nyanja zilizopangwa (litholojia, kiwango cha hali ya hewa, kutoendelea, madini ya pili), na kufanya data kuhojiwa na kulinganishwa. Walakini, tafsiri ya kijiolojia inathibitishwa tena na mhandisi.

7. Kwa nini 'hasi ya uwongo' ni muhimu sana katika matokeo ya AI inayohusisha usalama wa maisha, kama vile ramani ya uwezekano wa maporomoko ya ardhi?

• A) Kwa sababu inaainisha eneo la hatari kuwa salama na haileti tahadhari zozote na hatari kwa maisha/mali ✔
• B) Kwa sababu huongeza tu saizi ya faili ya ramani
• C) Kwa sababu tu inaongeza idadi ya kurasa za ripoti
• D) Kwa sababu hasi za uwongo hazina madhara kila wakati

Maelezo: Hasi ya uwongo ni uainishaji salama wa eneo ambalo kwa kweli ni hatari; Katika kesi hii, hakuna tahadhari zinazochukuliwa na kuna hatari ya kupoteza maisha / mali. Matokeo chanya ya uwongo katika gharama zisizo za lazima. Katika maeneo ya usalama wa maisha, kizingiti kinachaguliwa kwa uangalifu ili kupunguza hasi za uwongo na kuungwa mkono na uthibitishaji wa shamba.

8. Ni kanuni gani ya kimaumbile ambayo ndiyo msingi mkuu wa uthibitishaji wakati wa kutathmini matokeo ya modeli ya mtiririko wa maji chini ya ardhi?

• A) Mfano hutoa pato la rangi
• B) Kuzingatia uhifadhi wa wingi (usawa wa maji) na viwango vya visima vya uchunguzi ✔
• C) Maliza uigaji haraka iwezekanavyo
• D) Faili ya kielelezo lazima iwe katika umbizo jipya zaidi

Maelezo: Mifano ya chini ya ardhi inategemea kanuni ya uhifadhi wa wingi (usawa wa maji): kiasi cha maji kinachoingia, kuondoka na kuhifadhi mfumo kinapaswa kuwa sawa. Hata kama urekebishaji unaoendeshwa na AI unaonekana kuwa mzuri, ikiwa salio la maji halifungi au hailingani na viwango vya visima vya uchunguzi, matokeo hayawezi kutegemewa.

9. Ni kikomo gani kinachopaswa kukumbukwa hasa wakati wa kukadiria upenyezaji kwa kujifunza kwa mashine kutoka kwa kumbukumbu ya kisima?

• A) Mfano huo ni halali kiotomatiki katika kila nyanja na kila litholojia
• B) Kutokuwa na uhakika wa utabiri haipaswi kuripotiwa hata kidogo.
• C) Kipimo cha moja kwa moja na kisicho na hitilafu cha upenyezaji kutoka kwa magogo
• D) Uhusiano uliojifunza ni maalum kwa hali ya elimu; ✔ Uongezaji kwenye tovuti tofauti hubeba hatari na lazima uhusishwe na upimaji wa msingi/kisima ✔

Maelezo: Upenyezaji haupimwi moja kwa moja kutoka kwa magogo; Uhusiano unaojifunza na mfano ni maalum kwa facies na hali ya shinikizo la data ya mafunzo. Kuweka kwa upofu (extrapolation) kwenye tovuti tofauti au litholojia isiyojulikana inaweza kusababisha hitilafu kubwa; Pato linapaswa kuunganishwa na kipimo cha msingi na upimaji wa kisima.

10. Kwa nini ufuatiliaji ni muhimu katika rasimu ya ripoti ya jiolojia inayozalishwa na AI?

• A) Ufuatiliaji sio lazima kwani huongeza tu saizi ya faili
• B) Hakuna haja ya kuweka rekodi kwa sababu AI huwa haifanyi makosa
• C) Chanzo kikuu na dhima haiwezi kulindwa isipokuwa data, mbinu na chanzo cha mfano cha kila suala na madai yamerekodiwa ✔
• D) Ufuatiliaji unapaswa kuepukwa kwani unapunguza kasi ya ripoti

Maelezo: Ripoti huunda msingi wa uamuzi wa uhandisi; Ikumbukwe ni data gani, mbinu gani, na toleo la modeli gani kila toleo, ramani na dai linatoka. Vinginevyo, wakati hitilafu inatokea, sababu ya msingi na maamuzi yaliyoathiriwa hayawezi kutambuliwa na wajibu wa kihandisi hauwezi kuhakikishiwa.

11. Je, ni mbinu gani sahihi wakati wa kuingiza data ya uchimbaji wa tovuti mahususi na daraja kwenye zana ya jumla ya AI?

• A) Kuingiza viwianishi na alama halisi na kupata jibu la haraka zaidi
• B) Kuficha kuratibu na maadili, kufanya kazi na maadili ya uwakilishi na kutumia zana zilizoidhinishwa/kudhibitiwa pekee ✔
• C) Kupakia hifadhidata nzima ya mradi na kuruhusu modeli kujifunza
• D) Kumbuka kuwa data ni ya siri na ishiriki kama ilivyo.

Maelezo: Kuratibu za uchimbaji, thamani za daraja na maelezo ya hifadhi ni data nyeti kibiashara na mara nyingi ni ya siri ya mmiliki wa haki za madini. Kuingia katika huduma ya kigeni isiyodhibitiwa huleta ushindani na hatari za kisheria. Mbinu sahihi ni kuficha utambulisho wa viwianishi/thamani halisi au kufanya kazi na maadili ya uwakilishi na kutumia tu zana zilizoidhinishwa, zinazodhibitiwa na taasisi.

12. Je, 'utaratibu wa udhibiti wa ukubwa' unamaanisha nini katika hesabu ya kihandisi na AI?

• A) Kuongeza idadi ya nafasi za desimali za matokeo
• B) Pima azimio la picha la matokeo
• C) Kusawazisha rangi ya matokeo
• D) Kujaribu kwa hesabu ya haraka ya mkono ikiwa matokeo yako takribani ndani ya nguvu inayotarajiwa ya 10 ✔

Maelezo: Mpangilio wa kuangalia ukubwa ni kupima kwa hesabu ya haraka ya mkono ikiwa tokeo liko ndani ya nguvu inayotarajiwa ya safu 10. Kwa mfano, wakati conductivity ya majimaji ya aquifer inatarajiwa kwa mchanga, matokeo ni kilomita / siku badala ya mita / siku, ambayo inaonyesha kitengo au hitilafu ya kuhariri bila kuingia kwa undani.

13. Ni ushahidi gani thabiti zaidi wakati wa kuhalalisha matokeo ya kielelezo ambacho huainisha litholojia kutoka kwa magogo ya kisima?

• A) Uchunguzi wa sampuli ya msingi iliyochukuliwa kutoka kwa kina sawa ✔
• B) Mfano una alama ya juu ya kujiamini
• C) Pato hutolewa haraka
• D) Chati ya logi ina rangi nyingi

Maelezo: Kumbukumbu ni vipimo visivyo vya moja kwa moja; Ushahidi wa moja kwa moja na thabiti zaidi ni uchunguzi wa kuona na wa kimaabara wa sampuli ya msingi iliyochukuliwa kutoka kwa kina sawa. Uchimbaji wa msingi hutoa fursa ya kulinganisha tafsiri ya logi ya mfano na ukweli wa msingi.

14. Ni kauli gani iliyo sahihi zaidi kuhusu dhima kuu ya matumizi ya AI katika uhandisi wa kijiolojia?

• A) Kwa kuwa AI inazalisha pato, jukumu hupita kwa kampuni ya programu
• B) AI hutoa msaada na kuongeza kasi; Jukumu la uamuzi na ripoti linabaki kwa mhandisi aliyeidhinishwa, matokeo lazima yathibitishwe na kupitishwa na mwanadamu ✔
• C) Uidhinishaji wa mhandisi hauhitajiki kwani pato la AI ni halali kiotomatiki
• D) Wajibu ni wa timu ya uwanja tu, haimhusu mhandisi wa ofisi

Maelezo: AI ni zana yenye nguvu katika kazi ya usaidizi kama vile usindikaji wa data, utengenezaji wa ramani, na kuongeza kasi ya ugunduzi; Hata hivyo, jukumu la ripoti iliyotiwa saini, tathmini ya hatari na uamuzi wa muundo unasalia kwa mhandisi wa kijiolojia aliyeidhinishwa. Matokeo yanapaswa kukaguliwa, kuthibitishwa na kuidhinishwa na binadamu.