எண்ட்-டு-எண்ட் ஒருங்கிணைப்பு, MLOps மற்றும் பொறியாளர் பொறுப்பு

ஆதாயங்கள்:

• கருத்தாக்கம் முதல் உற்பத்தி வரை AI-ஆதரவு கொண்ட வாகனத் திட்டத்தை வடிவமைத்து கண்காணிப்பு சுழற்சியுடன் பராமரிக்கும் திறன்
• மாதிரி பதிப்பு மேலாண்மை, தரவு சறுக்கல் மற்றும் மறுபயிற்சி தேவைகளை மதிப்பிடும் திறன்
• திட்டம் முழுவதும் பொறுப்புக்கூறல், கண்டறியும் தன்மை மற்றும் ஆவணங்களை பராமரிக்கும் போது AI ஐ பாதுகாப்பாக அளவிடும் திறன்

இந்த தொகுதியின் கடைசி யூனிட்டில், அனைத்து துண்டுகளையும் ஒன்றாக இணைக்கிறோம். செயற்கை நுண்ணறிவு தனிப்பட்ட அலகுகளில், வடிவமைப்பு முதல் உற்பத்தி வரை, சோதனை முதல் விநியோகச் சங்கிலி வரை எவ்வாறு பயன்படுத்தப்படுகிறது என்பதைப் பார்த்தோம். ஆனால் ஒரு உண்மையான திட்டத்தில், இவை தனிமைப்படுத்தப்பட்ட படிகள் அல்ல, ஆனால் ஒரு வாழ்க்கைச் சுழற்சி: தரவு சேகரிக்கப்படுகிறது, மாதிரி கட்டமைக்கப்படுகிறது, அது உற்பத்தியில் வைக்கப்படுகிறது, அது கண்காணிக்கப்படுகிறது, மேலும் அது பழையதாகிவிட்டால், அது புதுப்பிக்கப்படுகிறது. இந்த சுழற்சியை பராமரிப்பதற்கான ஒழுங்குமுறை MLOps (இயந்திர கற்றல் செயல்பாடுகள்) என்று அழைக்கப்படுகிறது. இந்த அலகு AI-இயங்கும் வாகனத் திட்டத்திற்கான பொறுப்புணர்வை அமைப்பது, பராமரித்தல் மற்றும் பராமரித்தல் ஆகியவற்றை உள்ளடக்கியது.

AI திட்டத்தின் வாழ்க்கைச் சுழற்சி

ஒரு வாகன சூழலில் ஒரு பொதுவான எண்ட்-டு-எண்ட் ஓட்டம்:

1. சிக்கல் மற்றும் மதிப்பு வரையறை: நாங்கள் என்ன வணிக சிக்கலை தீர்க்கிறோம்? வெற்றி எவ்வாறு அளவிடப்படுகிறது? இது ஒரு பாதுகாப்பு முக்கியமான செயல்பாடா?
2. தரவு சேகரிப்பு மற்றும் லேபிளிங்: ஆதாரங்கள் (CAN, சோதனை, உற்பத்தி, டெலிமாடிக்ஸ்), தரம், ரகசியத்தன்மை.
3. மாதிரி உருவாக்கம்: பண்பு, மாதிரி, சரிபார்ப்பு (கசிவு கட்டுப்பாடு, அலகு நிலைத்தன்மை).
4. சரிபார்ப்பு மற்றும் பாதுகாப்பு மதிப்பீடு: ISO 26262/SOTIF தேவைப்பட்டால் சுயாதீன சோதனை.
5. வரிசைப்படுத்தல்: சாதனத்தில், ஆன் லைனில் அல்லது கிளவுட்டில் மாடலைப் பயன்படுத்துதல்.
6. கண்காணிப்பு: செயல்திறன், தரவு சறுக்கல், எச்சரிக்கை துல்லியம்.
7. மீண்டும் பயிற்சி: மாடல் பழையதாகும்போது புதுப்பித்தல்.
8. ஆவணப்படுத்தல் மற்றும் கண்டறியக்கூடிய தன்மை: ஒவ்வொரு அடியையும் பதிவு செய்தல்; யார், எப்போது, ​​ஏன்.

இந்த சுழற்சி ஒருமுறை முடிவடைவதில்லை; தொடர்ந்து சுழலும். வாகனத்தில், ஒரு மாதிரியை "அமைத்து மறப்பது" ஆபத்தானது.

உதவிக்குறிப்பு: திட்டத்தைத் தொடங்கும் போது, ​​"இந்த மாதிரியானது களத்தில் இருக்கும் போது, ​​எந்த அளவீட்டில், எவ்வளவு அடிக்கடி கண்காணிப்பார்கள்?" நீங்கள் கேள்விக்கு பதிலளிக்க முடியாவிட்டால், மாடல் இன்னும் உற்பத்திக்கு தயாராக இல்லை.

மாதிரி பதிப்பு மேலாண்மை மற்றும் கண்டுபிடிக்கக்கூடிய தன்மை

வாகனத்தில் ட்ரேஸ்பிலிட்டி என்பது ஒரு ஆடம்பரம் அல்ல, ஆனால் பெரும்பாலும் சட்டப்பூர்வமான கடமையாகும். ஒரு சிக்கல் எழும்போது, ​​"என்ன மாதிரி பதிப்பு, எந்தத் தரவைக் கொண்டு பயிற்சியளிக்கப்பட்டது, யார் ஒப்புதல் அளித்தது?" என்ற கேள்விக்கு நீங்கள் பதிலளிக்க முடியும். நல்ல நடைமுறைகள்:

• மாதிரி பதிப்பு: ஒவ்வொரு மாடலின் எண், பயிற்சி தரவு மற்றும் தேதி பதிவு செய்யப்பட்டுள்ளது.
• தரவு பதிப்பு: இது பயிற்சியளிக்கப்பட்ட தரவு முடக்கப்பட்டுள்ளது.
• முடிவு பதிவு: யாரால், என்ன ஆதாரத்துடன் ஒப்புதல் அளிக்கப்பட்டது.
• ரோல்பேக் திட்டம்: புதிய மாடல் மோசமாக இருந்தால், நீங்கள் பழைய நிலைக்குத் திரும்பலாம்.

பொருள்

அது ஏன் அவசியம்

காணாமல் போனால் ஆபத்து

மாதிரி பதிப்பு

துறையில் எந்த பதிப்பு உள்ளது?

சிக்கலைக் கண்டுபிடிக்க முடியாது

தரவு பதிப்பு

அவர் என்ன பயிற்சி பெற்றார்?

மீண்டும் உருவாக்க முடியாது

ஒப்புதல் பதிவு

யார் பொறுப்பு?

பொறுப்பேற்க முடியாது

செயல்தவிர்

மோசமான பதிப்பிலிருந்து திரும்பவும்

துறையில் நீண்ட வேலையில்லா நேரம்

தரவு சறுக்கல் மற்றும் மாதிரி சிதைவு

ஒரு மாதிரி என்பது அது பயிற்றுவிக்கப்பட்ட உலகின் ஸ்னாப்ஷாட் ஆகும். ஆனால் உலகம் மாறுகிறது: ஒரு புதிய உதிரிபாகங்கள் வழங்குபவர் வித்தியாசமான சென்சார் சகிப்புத்தன்மையைக் கொண்டுவருகிறார், ஒரு புதிய வாகன மாதிரி வெளிவருகிறது, பருவங்கள் மாறுகின்றன, வாகனம் ஓட்டும் பழக்கம் மாறுகிறது. உள்ளீட்டுத் தரவின் விநியோகம் பயிற்சி நேரத்திலிருந்து விலகிச் செல்லும்போது மாதிரியின் செயல்திறன் அமைதியாகக் குறைகிறது. இந்த தரவு சறுக்கல் மற்றும் அதன் விளைவாக செயல்திறன் குறைதல் மாதிரி சிதைவு என்று அழைக்கப்படுகிறது.

ஆபத்து என்னவென்றால், இந்த சரிவு அமைதியாக இருக்கிறது: மாதிரி சரிந்துவிடாது, பிழைகள் செய்யாது, அது மேலும் மேலும் தவறாகிறது. எனவே:

• உள்ளீடு விநியோகத்தைக் கண்காணிக்கவும் (சறுக்கல் கண்டறிதல்).
• உண்மையான முடிவுகளுடன் செயல்திறன் அளவீடுகளைக் கண்காணிக்கவும் (அலாரம்கள் துல்லியமாக இருந்ததா?).
• வரம்பை மீறும்போது மீண்டும் பயிற்சியைத் தூண்டவும்.

எச்சரிக்கை: "ஒருமுறை மாடல் பயிற்றுவிக்கப்பட்டால், அது எப்போதும் அதே செயல்திறனைக் கொடுக்கும்" என்ற அனுமானம் வாகனத்தில் தவறானது மற்றும் ஆபத்தானது. சறுக்கல் கண்காணிப்பு இல்லாமல் உற்பத்தி செய்யப்படும் ஒரு மாதிரி தெரியாமல் நம்பகத்தன்மையற்றதாகிவிடும்.

எண்ட்-டு-எண்ட் எடுத்துக்காட்டு காட்சி: முன்கணிப்பு பராமரிப்பு கடற்படை

அதை கான்கிரீட் செய்வோம். சரக்குக் கடற்படைக்கு டர்போ தோல்விக்கான முன் எச்சரிக்கை அமைப்பை நிறுவுகிறீர்கள்:

1. மதிப்பு: வேலையில்லா நேரம் மற்றும் இழுத்துச் செல்லும் செலவுகளைக் குறைத்தல்; வெற்றி = உண்மையான தவறு/தவறான எச்சரிக்கை சமநிலை கைப்பற்றப்பட்டது.
2. தரவு: 40 வாகனங்களின் CAN சிக்னல்கள், வரலாற்று தவறு பதிவுகள்; VIN அநாமதேயமாக உள்ளது.
3. மாதிரி: ஒழுங்கின்மை + RUL; நேர தொடர் கசிவு தடுக்கப்பட்டது; நிச்சயமற்ற வரம்பு வழங்கப்படுகிறது.
4. சரிபார்ப்பு: கடந்த கால தவறுகளை மீண்டும் சோதனை செய்தல்; தவறான எச்சரிக்கை செலவு எடையிடப்பட்டது.
5. உற்பத்தி: மேகக்கணியில் தினசரி மதிப்பெண்; தொழில்நுட்ப வல்லுநருக்கு குழு.
6. கண்காணிப்பு: ஒரு புதிய வாகன மாதிரி சேர்க்கப்படும் போது சறுக்கல் கட்டுப்பாடு; அலாரம் துல்லியம் வாரந்தோறும்.
7. மீண்டும் பயிற்சி: புதிய வாகன வகை மற்றும் புதிய தவறு உதாரணங்களுடன் காலாண்டு புதுப்பிக்கவும்.
8. ஆவணம்: மாதிரி பதிப்பு, தரவு பதிப்பு, சான்றளிக்கும் பொறியாளர் பதிவு.

இந்த ஓட்டத்தில் எந்தப் படியும் "AI முடிவுசெய்தது, முடிந்தது" என்று கூறவில்லை; ஒவ்வொரு கட்டத்திற்கும் ஒரு நபர் பொறுப்பு.

சிறு வழக்கு ஆய்வுகள்

வழக்கு 1 - அமைதியான சிதைவு. ஒரு தரக் கட்டுப்பாட்டு மாதிரி ஒரு வருடத்திற்கு நன்றாக வேலை செய்கிறது, பின்னர் கசிவு விகிதம் மெதுவாக அதிகரிக்கிறது. மூல காரணம்: சப்ளையர் மாறியபோது, ​​பகுதியின் மேற்பரப்பு அமைப்பு சற்று வித்தியாசமானது (சறுக்கல்), மேலும் இது "சாதாரணமானது" என்று மாடல் நினைக்கத் தொடங்கியது. சறுக்கல் கண்காணிப்பு நிறுவப்பட்டது மற்றும் மாதிரி மீண்டும் பயிற்சியளிக்கப்பட்டது. முடிவு: கண்காணிப்பு இல்லாமல், பாதிப்பு பல மாதங்களாக கவனிக்கப்படாமல் போயிருக்கும்.

வழக்கு 2 - கண்டுபிடிக்கக்கூடிய தன்மை சேமிக்கப்பட்டது. களத்தில் இருந்து தவறான எச்சரிக்கை புகார் வருகிறது. முடிவுப் பதிவிலிருந்து, எந்த மாதிரிப் பதிப்பு எந்தத் தரவுடன் வேலை செய்கிறது என்பதைக் குழு கண்டறியும்; இது ஒரு குறிப்பிட்ட பதிப்பில் உள்ள த்ரெஷோல்ட் அமைப்பிலிருந்து பிரச்சனை வருவதைக் கண்டறிந்து, அந்தப் பதிப்பை திரும்பப் பெறுகிறது. முடிவு: பதிப்பு மற்றும் முடிவு பதிவு இல்லை என்றால், சிக்கலைக் கண்டறிய முடியாது.

வழக்கு 3 - ஒழுக்கம் மீண்டும் பயிற்சி. ஒரு புதிய எலக்ட்ரிக் மாடல் கடற்படையில் சேரும்போது, ​​தற்போதுள்ள முன்கணிப்பு பராமரிப்பு மாதிரியானது இந்த வாகனத்தில் நிறைய தவறான அலாரங்களை எழுப்புகிறது (இது இதுவரை பார்த்திராத பவர்டிரெய்ன்). புதிய மாடலை இயக்குவதற்கு முன், குழு சறுக்கல் எச்சரிக்கையைப் படம்பிடித்து, புதிய வாகனத் தரவுகளுடன் மாடலை விரிவுபடுத்துகிறது. முடிவு: சறுக்கல் கண்காணிப்பு புதிய தயாரிப்புடன் வந்த சீரழிவைக் கண்டறிந்தது.

உடனடி வார்ப்புருக்கள்

டெம்ப்ளேட் 1 - திட்ட வரைவு:

பங்கு: AI திட்டத் தலைவர் (தானியங்கு). 40 வாகனங்களின் கடற்படை; VIN என்பது அநாமதேயமானது.கட்டுப்பாடு: மதிப்பு வரையறை, தரவு, மாதிரி, சரிபார்ப்பு, உற்பத்தி, கண்காணிப்பு, மறுபயிற்சி மற்றும் ஆவணப்படுத்தல் ஆகியவற்றின் படிகளை தனித்தனியாகக் கருதுங்கள்; ஒவ்வொரு அடிக்கும் யார் பொறுப்பு என்பதை குறிப்பிடவும். வெளியீடு: படி | வெளியீடு | பொறுப்பு | ஆபத்து அட்டவணை.

டெம்ப்ளேட் 2 - கண்காணிப்பு திட்டம்:

பங்கு: நீங்கள் ஒரு MLOps பொறியாளர். பணி: களமிறக்கப்படும் மாதிரிக்கான கண்காணிப்புத் திட்டத்தைப் பரிந்துரைக்கவும். சூழல்: உள்ளீட்டு விநியோகம் காலப்போக்கில் மாறலாம் (புதிய சப்ளையர், புதிய கருவி); செயல்திறனை உண்மையான முடிவுகளால் அளவிட முடியும். வெளியீடு: கண்காணிக்க மெட்ரிக் | வாசல் | தூண்டப்பட வேண்டிய நடவடிக்கை.

டெம்ப்ளேட் 3 - சறுக்கல் மதிப்பீடு:

பங்கு: தரவு விஞ்ஞானி. பணி: தரவு சறுக்கலை எவ்வாறு கண்டறிவது மற்றும் எப்போது மீண்டும் பயிற்சி தேவை என்பதை விளக்குங்கள். சூழல்: உற்பத்தி வரி காட்சி ஆய்வு மாதிரி; சப்ளையரில் மாற்றம் இருக்கலாம். வெளியீடு: சிக்னல் | அளவீடு | மீண்டும் பயிற்சி தூண்டுதல்.

டெம்ப்ளேட் 4 - கண்டறியக்கூடிய சரிபார்ப்பு பட்டியல்:

பங்கு: நீங்கள் ஒரு தரம்/இணக்க தணிக்கையாளர். பணி: ஒரு மாதிரிக்கான ட்ரேசபிலிட்டி சரிபார்ப்பு பட்டியலை உருவாக்கவும். சூழல்: வாகனம்; ஒரு சிக்கல் ஏற்படும் போது, ​​'எந்த பதிப்பு, எந்த தரவு, யார் ஒப்புதல் அளித்தது' என்ற கேள்விக்கு பதிலளிக்கப்பட வேண்டும். வெளியீடு: உருப்படி | ஏன் அவசியம் | விளக்கப்படத்தை எவ்வாறு சேமிப்பது.

பலவீனமான வரியில் / வலுவான வரியில்

பலவீனமான உடனடி:

மாதிரியை உற்பத்தியில் வைக்கவும்.

கண்காணிப்பு இல்லை, பதிப்பு இல்லை, பொறுப்பு இல்லை மற்றும் திரும்பப் பெறுதல் இல்லை; அமைதியான சிதைவு மற்றும் கண்டுபிடிக்க முடியாத சிக்கல்கள் தவிர்க்க முடியாதவை.

சக்திவாய்ந்த தூண்டுதல்:

பங்கு: நீங்கள் ஒரு MLOps மற்றும் வாகன தர ஆலோசகர். பணி: சரிபார்ப்பு பட்டியலை உருவாக்கவும், நான் ஒரு மாதிரியை பொறுப்புடன் தயாரிப்பில் வைக்க வேண்டும். சூழல்: முன்னறிவிப்பு பராமரிப்பு கடற்படை; புதிய வாகன வகைகள் காலப்போக்கில் சேர்க்கப்படுகின்றன; VIN anonymous.கட்டுப்பாடு: கண்காணிப்பு, சறுக்கல் கண்டறிதல், பதிப்பு/தரவு பதிவு செய்தல், உறுதிப்படுத்தல் மற்றும் திரும்பப்பெறுதல் திட்டம் ஆகியவை அடங்கும்; ஒவ்வொரு பொருளுக்கும் யார் பொறுப்பு என்று குறிப்பிடவும்; 'அதை அமைத்து மறந்துவிடு' முன்மொழிவு. வெளியீடு: நிலை | அவசியம் | பொறுப்பு | ஆபத்து அட்டவணை.

பொதுவான தவறுகள்

• "அதை அமைத்து மறந்துவிடு" அணுகுமுறை. கண்காணிப்பு இல்லாமல், மாதிரி அமைதியாக சிதைகிறது.
• பதிப்பு/தரவு பதிவுகளை வைத்திருக்கவில்லை. சிக்கலைக் கண்டறியவோ அல்லது மீண்டும் உருவாக்கவோ முடியாது.
• திரும்பப்பெறும் திட்டம் இல்லை. மோசமான வெளியீட்டில் இருந்து மீள்வதற்கு நீண்ட காலம் எடுத்தால், துறையில் நீண்ட தோல்வி ஏற்படும்.
• டிரிஃப்ட்டிற்காக காத்திருக்கவில்லை. புதிய சப்ளையர்/கருவி/சீசன் மாதிரியை சீர்குலைக்கிறது; கண்காணிப்பு அவசியம்.
• பொறுப்பை தெளிவாக விட்டுவிடுவது. "யார் பொறுப்பு" என்பதற்கான பதில் ஒவ்வொரு அடியிலும் தெளிவாக இருக்க வேண்டும்.

சுருக்கமாக

• AI-இயங்கும் வாகனத் திட்டம் என்பது ஒரு முறை அல்ல, ஆனால் உருளும் வாழ்க்கைச் சுழற்சி (MLOps).
• மாதிரி மற்றும் தரவு பதிப்பு, முடிவு பதிவு செய்தல் மற்றும் திரும்பப் பெறுதல் திட்டமிடல் ஆகியவை கண்டறியும் தன்மைக்கு அவசியம்.
• தரவு சறுக்கல் மாதிரியை அமைதியாக மறுக்கிறது; உள்ளீடு மற்றும் செயல்திறன் கண்காணிக்கப்பட வேண்டும் மற்றும் தேவைக்கேற்ப மீண்டும் பயிற்சியளிக்கப்பட வேண்டும்.
• முடிவில் இருந்து இறுதி எடுத்துக்காட்டில், ஒவ்வொரு அடியிலும் ஒரு மனித பொறுப்பு உள்ளது; "AI முடிவு செய்தது, முடிந்துவிட்டது" என்று எதுவும் இல்லை.
• "அதை அமைத்து மறந்துவிடு" என்பது வாகனத்தில் ஆபத்தானது; திட்டம் முழுவதும் கண்காணிப்பு, ஆவணங்கள் மற்றும் பொறுப்புக்கூறல் ஆகியவை பராமரிக்கப்படுகின்றன.

விண்ணப்ப பணி

இந்தத் தொகுதியில் நீங்கள் கற்றுக்கொண்டதை ஒரு திட்டத்தில் இணைக்கவும் (எ.கா. உற்பத்தி வரி காட்சி ஆய்வு அல்லது முன்கணிப்பு பராமரிப்பு). (1) டெம்ப்ளேட் 1 உடன் இறுதி முதல் இறுதி வரையிலான திட்டத் திட்டத்தை வரையவும்; ஒவ்வொரு அடிக்கும் பொறுப்பான நபரை எழுதுங்கள். (2) டெம்ப்ளேட் 2 உடன் ஒரு கண்காணிப்பு திட்டம் மற்றும் டிரிஃப்ட் தூண்டுதல்களை வரையறுக்கவும். (3) டெம்ப்ளேட் 4 உடன் டிரேசபிளிட்டி சரிபார்ப்பு பட்டியலைத் தயாரிக்கவும். (4) தொகுதியின் தொடக்கத்தில் இருந்து இந்த திட்டத்திற்கு நீங்கள் மூன்று ஆங்கர் துறைகளை எவ்வாறு பயன்படுத்துகிறீர்கள் என்பதை ஒரு பத்தியில் சுருக்கவும்.

சரிபார்ப்பு பட்டியல்

• [ ] நான் திட்டத்தை இறுதி முதல் இறுதி வரையிலான வாழ்க்கைச் சுழற்சியாகத் திட்டமிட்டேன்.
• [ ] நான் மாதிரி மற்றும் தரவு பதிப்பு மூலம் முடிவு பதிவை வரையறுத்தேன்.
• [ ] நான் ஒரு கண்காணிப்புத் திட்டம் மற்றும் டிரிஃப்ட் தூண்டுதல்களை அமைத்துள்ளேன்.
• [ ] நான் திரும்பப்பெறும் திட்டத்தை தயார் செய்தேன்.
• [ ] ஒவ்வொரு அடிக்கும் யார் பொறுப்பு என்பதை நான் தெளிவுபடுத்தியுள்ளேன்.
• [ ] நான் மூன்று ஆங்கர் சரிபார்த்தல் துறைகள் மற்றும் மனித பாதுகாப்பு-முக்கியமான சரிபார்த்தல் ஆகியவற்றைப் பராமரித்தேன்.

தொகுதி தேர்வு

1. வாகன பாதுகாப்பு-முக்கியமான முடிவில் (எ.கா. பிரேக் மென்பொருள் சரிபார்ப்பு) AI வெளியீட்டின் பங்கு என்ன?

• A) பகுப்பாய்வை விரைவுபடுத்துகிறது, ஆனால் இறுதி ஒப்புதல் மற்றும் பொறுப்பு திறமையான பொறியாளரிடம் இருக்கும் ✔
• B) போதுமான தரவு இருந்தால், அதை பொறியாளர் அனுமதி இல்லாமல் உற்பத்தி செய்ய முடியும்
• C) பிரேக்குகள் போன்ற முக்கியமான அமைப்புகளில் AI ஐ எந்த நிலையிலும் பயன்படுத்த முடியாது
• D) மாதிரி துல்லியம் 99% ஐ விட அதிகமாக இருந்தால், மனித சரிபார்ப்பு தேவையற்றது

விளக்கம்: செயற்கை நுண்ணறிவு பகுப்பாய்வை துரிதப்படுத்துகிறது, வேட்பாளர் தீர்வுகள் மற்றும் சுருக்கங்களை உருவாக்குகிறது; இருப்பினும், பாதுகாப்பு-முக்கியமான முடிவு மற்றும் இறுதி ஒப்புதல் ஆகியவை திறமையான பொறியாளரின் பொறுப்பாகும். AI என்பது பொறியாளர் சரிபார்ப்புக்கு மாற்றாக இல்லை.

2. மூன்று ஆங்கர் சரிபார்ப்புத் துறைகளில் AI இன் வெளியீட்டைச் சோதிக்கப் பயன்படுத்தப்படும் மூன்று சுயாதீன சோதனைகள் யாவை?

• A) வரியின் நீளம், மொழி மற்றும் வடிவம்
• B) அளவு, பொறியியல் நியாயத்தன்மை மற்றும் சுயாதீன சோதனை/அளவீடு ஆகியவற்றின் வரிசைக்கான சான்றுகள் ✔
• சி) மாதிரியின் அளவு, பயிற்சி நேரம் மற்றும் GPUகளின் எண்ணிக்கை
• D) சப்ளையர் பிராண்ட், விலை மற்றும் விநியோக நேரம்

விளக்கம்: மூன்று நங்கூரங்கள்; அளவின் வரிசை (ஆர்டர் சரிபார்ப்பு), பொறியியல் நம்பகத்தன்மை (இயற்பியல்/அனுபவம்) மற்றும் சுயாதீன சோதனை/அளவீடு சான்றுகளுடன் குறுக்கு சரிபார்ப்பு. இந்த மூன்று ஆதாரங்களில் நம்பிக்கையை அளிக்கிறது, AI மீது நம்பிக்கை இல்லை.

3. CFD அல்லது FEA உருவகப்படுத்துதலைத் துரிதப்படுத்தும் 'வாலி மாதிரி' வெளியீட்டிற்கான மிக முக்கியமான சரிபார்ப்பு எது?

• A) உண்மையான தீர்வை விட வாடகை மாதிரி எப்போதும் துல்லியமாக இருக்கும்
• ஆ) ரெண்டரை அழகாக அழகாக மாற்றினால் போதும்
• C) பயிற்சி இடத்திற்கு வெளியே செல்லும்போது குறிப்பு தீர்வு மற்றும் நம்பகத்தன்மையை ஏற்றுக்கொள்வதுடன் ஒப்பிடுதல் ✔
• D) ஒரு ஒற்றை ஓட்டம் ஒன்றிணைந்தால் நெட்வொர்க் சுதந்திரத்தைப் பார்க்க வேண்டிய அவசியமில்லை

விளக்கம்: வாடகை மாதிரியானது உண்மையான தீர்வுக்கு பதிலாக விரைவான கணிப்புகளை உருவாக்குகிறது; ஆனால் அது பயிற்சியளிக்கப்பட்ட வடிவமைப்பு இடத்திற்கு வெளியே நம்பகத்தன்மையற்றது. உயர் நம்பக உருவகப்படுத்துதல் மற்றும் இயற்பியல் எல்லை நிலைகளுடன் எக்ஸ்ட்ராபோலேஷன் பகுதியைக் குறிப்பதன் மூலம் வெளியீடு சரிபார்க்கப்பட வேண்டும்.

4. SAE ஆட்டோமேஷன் நிலைகளில் நிலை 2 (பகுதி ஆட்டோமேஷன்)க்கான சரியான வெளிப்பாடு என்ன?

• A) எந்த நிலையிலும் டிரைவர் இல்லாமல் வாகனம் ஓட்ட முடியும்
• B) கணினி எந்த ஓட்டும் கடமைகளை மேற்கொள்ளாது, எச்சரிக்கைகளை மட்டுமே வழங்குகிறது
• C) ஓட்டுநர் இருக்கையில் அவர் அமரவில்லை என்றால் பரவாயில்லை
• D) கணினி திசைமாற்றி மற்றும் வேகத்தை ஆதரிக்கிறது, ஆனால் இயக்கி நிலையான மேற்பார்வை மற்றும் பொறுப்பை தக்க வைத்துக் கொள்கிறது ✔

விளக்கம்: நிலை 2 இல், கணினி ஒரே நேரத்தில் திசைமாற்றி மற்றும் வேகம்/தூரத்தை ஆதரிக்கிறது, ஆனால் இயக்கி நிலையான கண்காணிப்பைத் தக்க வைத்துக் கொள்கிறது மற்றும் எந்த நேரத்திலும் பொறுப்பேற்கத் தயாராக உள்ளது; பொறுப்பு ஓட்டுநரிடம் உள்ளது. நிலை 3 மற்றும் அதற்கு மேல், கணினி சில நிபந்தனைகளில் ஓட்டுநர் கடமைகளை எடுத்துக்கொள்கிறது.

5. உற்பத்தி வரிசையில் பார்வைக் குறைபாட்டைக் கண்டறிவதில் 'எஸ்கேப் ரேட்' ஒரு முக்கியமான அளவீடு ஏன்?

• A) குறைபாடுள்ள பகுதியை அங்கீகரித்து அதை புலத்திற்கு அனுப்புவது பாதுகாப்பு மற்றும் நினைவுபடுத்தும் அபாயத்தை ஏற்படுத்துகிறது ✔
• B) இது வரி வேகத்தை குறைப்பதால் மட்டுமே முக்கியமானது
• C) பெயிண்ட் குறைபாடுகளுக்கு மட்டுமே கசிவு விகிதம் செல்லுபடியாகும்
• D) கசிவு விகிதம் மாதிரியின் பயிற்சி நேரத்தை அளவிடுகிறது

விளக்கம்: சட்டவிரோதம்; ஒரு குறைபாடுள்ள பகுதி சரியானதாகக் கருதப்படுகிறது மற்றும் வரி வழியாக செல்கிறது (தவறான எதிர்மறை). ஒரு வாகனப் பாதுகாப்புப் பகுதிக்கு, தவறான நிராகரிப்பைக் காட்டிலும் கசிவு மிகவும் விலை உயர்ந்தது, ஏனெனில் இது துறையில் தோல்வி அல்லது நினைவுகூரலுக்கு வழிவகுக்கும்; வாசல் அதற்கேற்ப சரிசெய்யப்படுகிறது.

6. முன்கணிப்பு பராமரிப்பில் 'மீதமுள்ள பயனுள்ள வாழ்க்கை' (RUL) மதிப்பீட்டின் மிகவும் துல்லியமான பயன்பாடு என்ன?

• A) RUL என்பது இயந்திர எண்ணெய்க்காக மட்டுமே கணக்கிடப்படுகிறது
• B) இது ஒரு நிச்சயமற்ற வரம்புடன் வழங்கப்பட வேண்டும் மற்றும் பராமரிப்பு சாளரம் மற்றும் பாதுகாப்பு விளிம்பின் படி விளக்கப்பட வேண்டும் ✔
• C) இது ஒரு துல்லியமான நாள் மதிப்பாக எடுத்துக் கொள்ளப்பட வேண்டும் மற்றும் அந்த நாள் வரை எந்தச் சரிபார்ப்பும் செய்யப்படக்கூடாது.
• D) RUL அதிகமாக இருந்தால் சென்சார்களை அணைக்க முடியும்

விளக்கம்: RUL என்பது ஒரு கூறு தோல்வியடையும் வரை மதிப்பிடப்பட்ட மீதமுள்ள இயக்க நேரம்; இது நிச்சயமற்ற வரம்புடன் வழங்கப்பட வேண்டும் மற்றும் பராமரிப்புத் திட்டம் மற்றும் பாதுகாப்பு விளிம்பின் படி விளக்கப்பட வேண்டும். ஒரு புள்ளி மதிப்பீட்டை கண்மூடித்தனமாக நம்புவதற்குப் பதிலாக, நம்பிக்கை இடைவெளி மற்றும் தவறான எச்சரிக்கை செலவு ஆகியவை கணக்கில் எடுத்துக்கொள்ளப்படுகின்றன.

7. சோதனை தரவு பகுப்பாய்வில் சாலை சோதனை பதிவில் AI ஒரு ஒழுங்கின்மையைக் குறிக்கும் போது ஒரு பொறியாளர் என்ன செய்ய வேண்டும்?

• A) நீங்கள் ஒழுங்கின்மையைக் கண்டால், சோதனை தானாகவே தோல்வியடைந்ததாகக் கருதப்பட வேண்டும்.
• B) AI தரவைக் குறிக்கவில்லை என்றால் அதைப் பார்க்கவே கூடாது
• C) மூல தரவு, அளவீட்டு நிச்சயமற்ற தன்மை மற்றும் மீண்டும் மீண்டும் ✔ மூலம் ஒழுங்கின்மையை சரிபார்க்கவும்
• D) முரண்பாடுகளை நீக்கி அறிக்கையை அழிக்கவும்

விளக்கம்: AI கொடிகள் ஒரு துப்பு, ஒரு முடிவு அல்ல. பொறியாளர் அளவீட்டு நிச்சயமற்ற தன்மை, சென்சார் தோல்விக்கான சாத்தியம் மற்றும் மீண்டும் மீண்டும் வரக்கூடிய தன்மை ஆகியவற்றை சரிபார்த்து, மூல தரவு மற்றும் ஏற்றுக்கொள்ளும் அளவுகோல்களுடன் ஒழுங்கின்மையை சரிபார்க்க வேண்டும். தானாக ஏற்றுக்கொள்வது அல்லது நிராகரிப்பது பொருத்தமானதல்ல.

8. லைட்வெயிட்டிங் ஆய்வில் AI பரிந்துரைத்த பொருள் மாற்றத்திற்கு என்ன சரிபார்ப்பு கட்டாயம்?

• A) இது இலகுவாக இருக்க வேண்டும்
• B) பொருள் தரவுத்தளத்தில் ஒரு வரிசையை ஆதாரமாக எடுத்துக் கொள்ளலாம்
• C) இலகுரக பொருட்களில் விபத்து நடத்தை முக்கியமற்றது
• D) இயந்திரவியல், சோர்வு, விபத்து, உற்பத்தித்திறன் மற்றும் செலவுத் தேவைகள் ஒன்றாகச் சோதிக்கப்பட வேண்டும் ✔

குறிப்பு: அடர்த்தி/வலிமை விகிதத்தின் அடிப்படையில் மட்டுமே பொருள் பரிந்துரையை ஏற்க முடியாது; இயந்திர பண்புகள், சோர்வு, விபத்து நடத்தை, உற்பத்தித்திறன், அரிப்பு, செலவு மற்றும் பாதுகாப்பு தேவைகள் ஆகியவை ஒன்றாக சரிபார்க்கப்பட்டு உடல் பரிசோதனை மூலம் உறுதிப்படுத்தப்பட வேண்டும்.

9. வாகன விநியோகச் சங்கிலியில் 'ஒற்றை-மூல ஆபத்து' ஏன் AI பரிந்துரைகளில் சிறப்பு கவனம் தேவை?

• A) ஒரு சப்ளையரில் ஏற்படும் இடையூறு அனைத்து உற்பத்தியையும் நிறுத்தலாம்; இரண்டாவது மூலமும் இடையகமும் மதிப்பீடு செய்யப்பட வேண்டும் ✔
• B) ஒற்றை ஆதாரம் எப்போதும் பாதுகாப்பான விருப்பமாகும்
• சி) AI பரிந்துரைத்தால் இடர் பகுப்பாய்வு தேவையற்றது
• D) ஒற்றை மூல ஆபத்து டயருக்கு மட்டுமே பொருந்தும்

விளக்கம்: ஒரு சப்ளையரிடமிருந்து ஒரு பகுதி வந்தால், அந்த சப்ளையரிடம் பிரச்சனை ஏற்படும் போது உற்பத்தி நிறுத்தப்படும். AI ஆனது செலவு மேம்படுத்தலின் ஒற்றை மூலத்தை பரிந்துரைக்கலாம்; பொறியாளர்/திட்டமிடுபவர் இதை இரண்டாம் நிலை ஆதாரம், பங்கு இடையகம் மற்றும் சூழ்நிலை பகுப்பாய்வு மூலம் சமநிலைப்படுத்த வேண்டும். செலவு மட்டுமே அளவுகோல் அல்ல.

10. பைதான் மூலம் டெலிமெட்ரி பகுப்பாய்வு செய்யும் போது 'டேட்டா கசிவு' என்றால் என்ன, அது ஏன் ஆபத்தானது?

• A) வட்டில் இருந்து தரவு கசிந்து நீக்கப்பட்டது
• B) முன்கணிப்பு நேரத்தில் அறிய முடியாத பயிற்சித் தகவலை மாதிரி பார்க்கிறது; ஸ்கோரை உயர்த்துகிறது, களத்தில் சரிகிறது ✔
• சி) கிராஃபிக் வண்ணங்களின் கலவை
• D) படத் தரவுகளில் மட்டுமே நிகழ்கிறது

விளக்கம்: தரவு கசிவு; கணிப்பின் போது உண்மையில் அறிய முடியாத (உதாரணமாக, எதிர்கால மதிப்பு அல்லது இலக்கு தொடர்பான பண்புக்கூறு) மாதிரியானது பயிற்சித் தகவலைப் பார்க்கும் போது இதுவாகும். இது செயற்கையாக சோதனை மதிப்பெண்ணை உயர்த்துகிறது ஆனால் கள செயல்திறனை செயலிழக்கச் செய்கிறது. கடந்த கால/எதிர்கால வேறுபாட்டை நேரத் தொடரில் உன்னிப்பாகப் பராமரிக்க வேண்டும்.

11. ஐஎஸ்ஓ 26262 செயல்பாட்டு பாதுகாப்பின் பின்னணியில் ASIL வகைப்பாடு என்ன தீர்மானிக்கிறது?

• A) வாகனத்தின் அதிகபட்ச வேகம்
• B) மாதிரியின் பயிற்சி தரவு தொகுப்பின் அளவு
• C) ✔ ஆபத்தின் தீவிரம், வெளிப்பாடு மற்றும் கட்டுப்படுத்தும் தன்மைக்கு ஏற்ப தேவையான அளவு பாதுகாப்பு.
• D) சப்ளையர் கடன் மதிப்பீடு

விளக்கம்: ASIL (ஆட்டோமோட்டிவ் பாதுகாப்பு ஒருமைப்பாடு நிலை) அதன் தீவிரம், வெளிப்பாடு மற்றும் கட்டுப்பாடு ஆகியவற்றின் மதிப்பீட்டின் அடிப்படையில் ஒரு அபாயத்திற்குத் தேவைப்படும் பாதுகாப்பு முன்னெச்சரிக்கைகளின் அளவை (A முதல் D, D வரை மிக உயர்ந்தது) தீர்மானிக்கிறது. உயர் ASIL க்கு மிகவும் கடுமையான மேம்பாடு, சரிபார்ப்பு மற்றும் ஆவணங்கள் தேவை.

12. ISO 21448 (SOTIF) கிளாசிக்கல் செயல்பாட்டு பாதுகாப்பிலிருந்து (ISO 26262) எந்த வகையில் வேறுபடுகிறது?

• A) வன்பொருள் தோல்விகளை மட்டுமே கையாளுகிறது
• B) மென்பொருள் உரிமத்தை மட்டும் ஒழுங்குபடுத்துகிறது
• C) SOTIF என்பது ISO 26262 இன் பழைய பெயர்
• D) தோல்வி இல்லாவிட்டாலும் கூட, போதிய செயல்பாடு மற்றும் அங்கீகரிக்கப்படாத காட்சிகளால் ஏற்படும் அபாயங்களை நிவர்த்தி செய்கிறது ✔

விளக்கம்: ISO 26262 செயலிழப்புகள்/வன்பொருள்-மென்பொருள் பிழைகள் ஆகியவற்றால் ஏற்படும் அபாயங்களைக் குறிப்பிடும் அதே வேளையில், SOTIF (உத்தேசிக்கப்பட்ட செயல்பாட்டின் பாதுகாப்பு) போதிய கண்டறிதல், அங்கீகரிக்கப்படாத காட்சிகள் மற்றும் செயல்பாட்டு வரம்புகள் ஆகியவற்றால் ஏற்படும் அபாயங்களைக் குறிப்பிடுகிறது. AI- அடிப்படையிலான கண்டறிதலில் குறிப்பாக முக்கியமானது.

13. டிரைவர் மற்றும் வாகன டெலிமெட்ரி தரவுகளுடன் பணிபுரியும் போது தனியுரிமை அடிப்படையில் சிறந்த அணுகுமுறை என்ன?

• A) KVKK/GDPR உடன் அநாமதேயப்படுத்தல், தரவு குறைத்தல் மற்றும் நோக்க வரம்பு ✔
• B) VIN உடன் அனைத்து மூல தரவையும் பொது மாதிரிக்கு அனுப்புதல்
• C) தனியுரிமை மார்க்கெட்டிங் தரவுகளுக்கு மட்டுமே பொருந்தும்
• D) இருப்பிடத் தரவு தனிப்பட்ட தரவாகக் கருதப்படுவதில்லை

விளக்கம்: இடம், ஓட்டுநர் நடத்தை மற்றும் சேஸ் எண் (VIN) போன்ற தரவு ஒரு நபரை அடையாளம் காண முடியும். மிகவும் சரியான அணுகுமுறை; தரவை அநாமதேயமாக்குதல்/புனைப்பெயரிடுதல், தேவையானதை மட்டும் சேகரித்தல் (தரவு குறைத்தல்), நோக்க வரம்பு மற்றும் KVKK/GDPR இணக்கம். மூல VIN அல்லது இருப்பிடத்தை மூன்றாம் தரப்பு கருவிகளுக்கு அனுப்புவது ஆபத்தானது.

14. தயாரிப்பில் உள்ள AI மாதிரியில் 'டேட்டா ட்ரிஃப்ட்டை' ஏன் கண்காணிக்க வேண்டும்?

• A) மாதிரி பயிற்சி பெற்றவுடன், அது காலவரையின்றி அதே செயல்திறனை அளிக்கிறது.
• B) உள்ளீட்டு விநியோகம் காலப்போக்கில் மாறுவதால் செயல்திறன் அமைதியாக குறைகிறது; மீண்டும் பயிற்சி தூண்டப்பட வேண்டும் ✔
• சி) சறுக்கல் என்பது வன்பொருளின் உடல் அதிர்வு மட்டுமே
• D) மாடல் தானாகவே புதுப்பிக்கப்படுவதால் கண்காணிப்பு தேவையற்றது

விளக்கம்: நிஜ உலக மாற்றங்கள் (புதிய பாகங்கள் சப்ளையர், சீசன், புதிய வாகன மாதிரி); உள்ளீடு விநியோகம் பயிற்சி நேரத்திலிருந்து விலகிச் செல்லும்போது மாதிரி செயல்திறன் அமைதியாகக் குறைகிறது. டிரிஃப்ட் கண்காணிப்பு மற்றும் செயல்திறன் அளவீடுகள் மூலம் மீண்டும் பயிற்சி தூண்டப்படுகிறது. 'அதை அமைத்து மறந்துவிடு' அணுகுமுறை வாகனத்தில் ஆபத்தானது.