กำไร:
- ความสามารถในการแยกแยะว่าที่ใดที่ AI ช่วยประหยัดเวลาจริงในขั้นตอนการทำงานด้านโลหะวิทยาและวัสดุ และตำแหน่งที่ความรับผิดชอบที่สำคัญด้านความปลอดภัยควรคงอยู่กับวิศวกร โดยขึ้นอยู่กับระดับของความเสี่ยง
- ความสามารถในการใช้ระเบียบวินัยในการตรวจสอบความถูกต้องแบบสามชั้นที่จะทดสอบเอาต์พุต AI แต่ละรายการกับการคำนวณมาตรฐาน การคำนวณอิสระ และการทดลองในห้องปฏิบัติการ
- ความสามารถในการปกปิดบริบทและการเลือกเครื่องมือที่ปลอดภัยเพื่อปกป้องสูตรโลหะผสมที่เป็นความลับ พารามิเตอร์กระบวนการ และข้อมูลลูกค้า
แม้ว่าใบพัดกังหันของเครื่องยนต์อากาศยานจะหมุนหลายร้อยครั้งต่อวินาทีที่ 1,400 °C คุณคือผู้ตัดสินใจว่าใบพัดจะใช้ซูเปอร์อัลลอยด์ชนิดใด (โลหะผสมพิเศษที่คงความแข็งแกร่งไว้ที่อุณหภูมิสูง) ใบพัดนั้นจะทำขึ้น จะต้องผ่านการบำบัดความร้อนแบบใด และจะอยู่ได้กี่พันชั่วโมง: วิศวกรด้านโลหะวิทยาหรือวัสดุ ทุกการตัดสินใจของคุณในอาชีพนี้จะเป็นตัวกำหนดความอยู่รอดของโครงสร้างหรือความเสียหายของมัน ปัญญาประดิษฐ์ (เรียกสั้น ๆ ว่า AI: ระบบซอฟต์แวร์ที่ประมวลผลข้อความ ตัวเลข รูปภาพ และให้คำแนะนำ) สามารถเร่งการตัดสินใจเหล่านี้ได้ แต่เขาไม่สามารถรับผิดชอบคุณได้ หน่วยการเรียนรู้นี้สอนให้คุณทราบว่าควรใช้ AI อย่างปลอดภัยในงานโลหะวิทยาและวัสดุจุดใดบ้าง จุดที่เป็นอันตราย และเหตุใดคุณจึงต้องตรวจสอบความถูกต้องของเอาต์พุต AI ทั้งหมดด้วยห้องปฏิบัติการ มาตรฐาน และการทดลอง
หลักการสำคัญที่คุณจะใช้ตลอดโมดูลนี้คือ AI คือผู้ช่วย ไม่ใช่ผู้มีอำนาจตัดสินใจ คุณสมบัติของวัสดุ ค่าขีดจำกัด รายการมาตรฐาน หรือสูตรการรักษาความร้อนไม่เป็นความจริงเพียงเพราะ "AI พูดอย่างนั้น" มันเป็นเพียงสมมติฐานจนกระทั่งได้รับการตรวจสอบโดยการวัด การอ้างอิง และการตัดสินทางวิศวกรรม คุณจะเห็นประโยคนี้อีกครั้งในทุกหน่วยของโมดูล เนื่องจากในทางโลหะวิทยา ตัวเลขที่ไม่ถูกต้องมักจะหมายถึงชิ้นส่วนที่แตกหัก
LLM คืออะไร ทำหน้าที่อะไรในด้านโลหะวิทยา?
LLM (Large Language Model) เป็นซอฟต์แวร์ที่เรียนรู้รูปแบบจากข้อความจำนวนมาก และคาดการณ์ "คำถัดไป" ตามความน่าจะเป็น นี่คือกลไกของเครื่องมือเช่น ChatGPT, Claude, Gemini ประเด็นก็คือ: LLM เป็น "เครื่องมือประมาณค่าภาษา" ไม่ใช่ "ฐานความรู้" พูดคำศัพท์ทางโลหะวิทยาได้อย่างคล่องแคล่ว แต่ไม่ได้วัดจำนวน ทำให้เกิดตัวเลขที่ดูเป็นไปได้มากที่สุด ดังนั้นเขาอาจให้คำตอบที่มั่นใจแต่ไม่ถูกต้องเกี่ยวกับความแข็งแรงของผลผลิต อุณหภูมิหลอมเหลว หรือหมายเลขรายการของมาตรฐาน สิ่งนี้เรียกว่าภาพหลอน (การประดิษฐ์) อาการประสาทหลอนไม่ใช่ความผิดปกติ แต่เป็นคุณลักษณะโดยธรรมชาติของเทคโนโลยีนี้ ดังนั้นการตรวจสอบจึงไม่ใช่ "ขั้นตอนเพิ่มเติม" แต่เป็นส่วนสำคัญของงาน
งานที่ AI แข็งแกร่งในด้านโลหะวิทยา:
- คำอธิบายแนวคิดและการสอน: การเปลี่ยนแปลงมาร์เทนไซต์คืออะไร เหตุใดจึงแข็งและเปราะ ความแตกต่างระหว่างยูเทคติกและยูเทคตอยด์คืออะไร?
- การสร้างรายการสมมติฐาน: การสร้างรายการที่เป็นระบบว่าทำไมจึงเกิดความพรุน (ช่องว่างที่เกิดจากการก๊าซหรือจากการหดตัว) ในการหล่อ
- การผลิตข้อความ: ร่างรายงานการวิเคราะห์ความเสียหาย, ร่าง WPS (ข้อกำหนดขั้นตอนการเชื่อม), การนำเสนอ, อีเมล
- การเขียนโค้ด: การล้างข้อมูล กราฟิก สคริปต์การคำนวณอย่างง่าย (Python)
- การสรุปข้อมูลและการจัดระเบียบตาราง: เปลี่ยนผลการทดสอบที่ยุ่งเหยิงให้เป็นตารางที่จัดระเบียบ
- การระดมความคิด: องค์ประกอบที่เป็นตัวเลือก แนวคิดเมทริกซ์เชิงทดลองสำหรับการออกแบบโลหะผสม
เมื่อ AI อ่อนแอและมีความเสี่ยง:
- ให้ค่าตัวเลขที่แน่นอน (คุณสมบัติ ค่าขีดจำกัด องค์ประกอบทางเคมี)
- ข้อมูลข้อมาตรฐานและเวอร์ชันปัจจุบัน/เฉพาะเจาะจง
- การวินิจฉัยโดยไม่มีข้อมูลการวัดจริงของสถานประกอบการของคุณ
- การตัดสินใจที่มีความสำคัญต่อความปลอดภัย: ความสมควรเดินอากาศ/ความสามารถในการซ่อมบำรุงของชิ้นส่วน
การจำแนกตามความเสี่ยง: ตัวกรองก่อนใช้ AI
ไม่ใช่ทุกงานจะมีความเสี่ยงเท่ากัน จำแนกงานตามระดับความเสี่ยงก่อนใช้ AI ตารางด้านล่างแสดงกรอบการตัดสินใจที่คุณจะใช้ตลอดโมดูลนี้
ระดับความเสี่ยง
งานตัวอย่าง
บทบาทของเอไอ
การตรวจสอบภาคบังคับ
ต่ำ
คำอธิบายแนวคิด ข้อความแบบร่าง โครงกระดูกโค้ด
ใช้งานฟรี
รีวิวก็พอแล้ว
ปานกลาง
การตั้งค่าการคำนวณ รายการสมมติฐาน สรุปวรรณกรรม
ร่าง/ผู้เขียนร่วม
การควบคุมด้วยตนเอง + การยืนยันแหล่งที่มา
สูง
การเลือกใช้วัสดุ สูตรการให้ความร้อน ค่าขีดจำกัด
เครื่องกำเนิดความคิด
มาตรฐาน + การทดสอบในห้องปฏิบัติการ
สำคัญ
ความสามารถในการให้บริการ/ความสมควรเดินอากาศ สาเหตุของความเสียหาย การรับรอง
ร่างเท่านั้น
การทดสอบที่ได้รับการรับรอง + การอนุมัติของวิศวกรที่ได้รับอนุญาต
เคล็ดลับ: หากคุณทำเครื่องหมายงานว่า "สำคัญ" ผลลัพธ์ของ AI จะไม่ใช่เอกสารขั้นสุดท้าย อย่างมากอาจเป็นแบบร่างเบื้องต้นหรือรายการตรวจสอบก็ได้ วิศวกรที่ได้รับอนุญาตจะเป็นผู้ลงนามและรับผิดชอบ
โฟลว์แบบ end-to-end: ฝัง AI ลงในเวิร์กโฟลว์ของคุณ
วงจรการแก้ปัญหาโดยทั่วไปในธุรกิจโลหะวิทยาดำเนินไปในลักษณะนี้ โดยที่ AI เข้าสู่แต่ละขั้นตอนแต่ไม่ได้ปิดขั้นตอนใดขั้นตอนหนึ่งเพียงลำพัง:
- กำหนดปัญหา: อะไรพัง ฟีเจอร์ใดถูกกำหนดเป้าหมาย มีข้อจำกัดอะไรบ้าง (AI: ช่วยชี้แจงคำถาม)
- รวบรวมข้อมูล: การวิเคราะห์องค์ประกอบ การทดสอบทางกล โครงสร้างจุลภาค ข้อมูลภาคสนาม (AI: แสดงรายการการทดสอบที่จำเป็น)
- สร้างสมมติฐาน: สาเหตุ/แนวทางแก้ไขที่เป็นไปได้ (AI: ทรงพลัง — สร้างรายการที่เป็นระบบ)
- วิเคราะห์ : การคำนวณ แบบจำลอง การประมวลผลภาพ (AI: สร้างโค้ดและนิยายการคำนวณ)
- ตรวจสอบความถูกต้อง: มาตรฐาน ห้องปฏิบัติการ การทดสอบซ้ำ (AI: อยู่ข้างสนาม มนุษย์และอุปกรณ์เป็นผู้ตัดสินใจ)
- รายงานและตัดสินใจ: วิศวกรจะรับผิดชอบ (AI: นักเขียนร่าง)
โปรดคำนึงถึงหกขั้นตอนเหล่านี้ ส่วนที่เหลือของโมดูลจะแสดงวิธีใช้ AI กับงานที่เป็นรูปธรรมในแต่ละขั้นตอนเหล่านี้
มินิเคสสามอัน
กรณีที่ 1 — ความแข็งแรงของผลผลิตที่ติดตั้งไว้ นักศึกษาฝึกงานถาม AI เกี่ยวกับความแข็งแรงของผลผลิตของเหล็ก AISI 4140 ที่ผ่านการอบและอบคืนตัวที่อุณหภูมิ 200 °C AI บอกว่า "ประมาณ 1,500 MPa" ผู้ฝึกงานจะนำสิ่งนี้ไปรวมไว้ในการคำนวณการออกแบบสปินเดิลโดยตรง อย่างไรก็ตาม ค่าจริงจะแตกต่างกันไปประมาณระหว่าง 900–1600 MPa ขึ้นอยู่กับพารามิเตอร์การอบชุบและความหนาของส่วน ค่าที่ได้จากตัวอย่างขนาดบางไม่ถือเป็นจริงในส่วนหนา ผลลัพธ์: ปัจจัยด้านความปลอดภัยต่ำกว่าที่คาดไว้ ทัศนคติที่ถูกต้องคือการนำค่าจากเอกสารข้อมูลวัสดุ (ใบรับรองโรงงาน) และหากจำเป็น จากการทดสอบแรงดึงตามมาตรฐาน ISO 6892
กรณีที่ 2 — ประโยคมาตรฐานที่ไม่มีอยู่จริง วิศวกรถาม AI เกี่ยวกับขีดจำกัดการรวมเหล็กกล้าไร้สนิม AI บอกว่า "สูงสุด 2.5 ตามมาตรฐาน ASTM E45 Section 7.3" วิศวกรเขียนรายงานตามนั้น ระหว่างการตรวจสอบจากลูกค้าพบว่าหมายเลขสินค้าเป็นของปลอมและมาตรฐานไม่มีข้อกำหนดดังกล่าว ทัศนคติที่ถูกต้องคือการเปิดมาตรฐานเวอร์ชันปัจจุบันจากแหล่งที่มาอย่างเป็นทางการและยืนยันบทความ AI อาจหลอนหมายเลขรายการแม้ว่าจะรู้ชื่อมาตรฐานถูกต้องก็ตาม
กรณีที่ 3 — การใช้งานที่ถูกต้อง ทีมวิเคราะห์ความเสียหายตรวจสอบภาพถ่ายพื้นผิวที่แตกหักของสลักเกลียว M20 ที่หัก พวกเขาถาม AI ว่า “แสดงรายการความแตกต่างโดยทั่วไปของพื้นผิวแตกหักของรอยแตกเมื่อยล้าและการแตกหักแบบเปราะ และบอกฉันว่าฉันควรมองหาอะไรในกล้องจุลทรรศน์อิเล็กตรอนแบบส่องกราด (SEM) สำหรับแต่ละจุด” AI อธิบายรอยชายหาด ริ้วรอย (เส้นความเหนื่อยล้า) และรอยบุ๋ม/รอยแยกอย่างเป็นระบบ ทีมงานค้นหาร่องรอยเหล่านี้ด้วย SEM ค้นหาลายเส้น และทำการวินิจฉัยด้วยอิมเมจของอุปกรณ์ ที่นี่ใช้ AI อย่างถูกต้อง จัดระเบียบข้อมูลห้องปฏิบัติการจึงตัดสินใจ
เทมเพลตพร้อมท์ที่คัดลอกได้
คุณสามารถใช้เทมเพลตด้านล่างโดยปรับให้เข้ากับธุรกิจของคุณเอง ในแต่ละข้อมีคำสั่งอย่างมีสติให้ "ให้ตัวเลขที่แน่นอน ระบุแหล่งที่มา อธิบายความไม่แน่นอน"
เทมเพลตบทบาทและขอบเขต "บทบาท: คุณเป็นผู้ช่วยวิศวกรโลหะวิทยาที่มีประสบการณ์ ภารกิจ: [เขียนหัวเรื่อง] กฎ: เมื่อให้ค่าตัวเลขที่แน่นอน ให้ระบุแหล่งที่มา หากคุณไม่แน่ใจ ให้พูดว่า 'ต้องตรวจสอบ' หากคุณให้รายการมาตรฐาน ให้มาพร้อมกับเวอร์ชัน แต่เตือนว่าควรได้รับการยืนยันจากแหล่งที่มาอย่างเป็นทางการ ในตอนท้ายของคำตอบ ให้เขียนรายการตามรายการ 'สิ่งที่จำเป็นต้องตรวจสอบโดยการทดลอง'"
เทมเพลตการสร้างสมมติฐาน"จัดทำรายการสาเหตุที่เป็นไปได้อย่างเป็นระบบสำหรับปัญหาต่อไปนี้: [อธิบายปัญหา วัสดุ กระบวนการ การสังเกต] สำหรับแต่ละสมมติฐาน: (1) หลักฐานใดสนับสนุน (2) การทดสอบใดที่ควรทำเพื่อยืนยัน/หักล้าง อย่าทำการวินิจฉัยขั้นสุดท้าย เพียงสร้างแผนงานการวิจัยเท่านั้น"
เทมเพลตรายการตรวจสอบการยืนยัน"แสดงรายการค่าตัวเลขทุกค่าและการอ้างอิงมาตรฐานทุกค่าในร่างผลลัพธ์/รายงานด้านล่าง สำหรับแต่ละค่า ให้ระบุว่าควรตรวจสอบแหล่งที่มาใด (ใบรับรองโรงงาน ข้อความมาตรฐาน รายงานผลการทดสอบ) รวบรวมค่าที่มีแหล่งกำเนิดที่ไม่แน่นอนภายใต้หัวข้อ 'ไม่พร้อมใช้งานจนกว่าจะยืนยัน' ที่แยกต่างหาก ข้อความ: [วาง]"
เทมเพลตการตรวจสอบการไม่เปิดเผยชื่อล่วงหน้า "ก่อนที่จะส่งข้อความต่อไปนี้ให้กับเครื่องมือ AI ให้ทำเครื่องหมายส่วนต่างๆ ที่มีความลับทางการค้าหรือข้อมูลส่วนบุคคล: อัตราส่วนสูตรโลหะผสม ชื่อลูกค้า พารามิเตอร์ที่เป็นความลับของอุณหภูมิ/เวลาในกระบวนการผลิต ชื่อบุคลากร แนะนำวิธีที่ฉันสามารถปกปิดข้อมูลเหล่านี้ได้ ข้อความ:[วาง]"
พรอมต์อ่อน / พรอมต์แข็งแกร่ง
การถามคำถามเดียวกันสองวิธีจะให้ผลลัพธ์ที่แตกต่างกันมาก
อ่อนแอ: "บอกคุณสมบัติของเหล็ก 4140 หน่อยสิ"
บทบาท: คุณเป็นผู้ช่วยวิศวกรด้านการรักษาความร้อน อธิบายว่าอะไรส่งผลต่อความแข็งแรงของผลผลิตเมื่อทำการชุบแข็ง + อบคืนตัวสำหรับเหล็ก AISI 4140 (อุณหภูมิการอบคืนตัว ความหนาของหน้าตัด/ความสามารถในการชุบแข็ง อุณหภูมิออสเทนไนซ์) อย่าให้ตัวเลขที่แน่นอนเพียงตัวเดียว แต่ควรให้ค่าเปลี่ยนแปลงในช่วงใด และฉันควรทำการทดสอบใดตามมาตรฐาน (เช่น การทดสอบแรงดึง ISO 6892) เพื่อให้ได้ค่าที่ถูกต้อง โปรดระบุให้ชัดเจนว่าท่านไม่แน่ใจในส่วนใด”
พรอมต์ที่ไม่ดีมักจะส่งคืนรายการที่ไร้ประโยชน์ เป็นเพียงผิวเผิน และอาจเป็นเพียงตัวเลขที่สร้างขึ้นเอง พรอมต์อันทรงพลัง; กำหนดบทบาท กำหนดขีดจำกัด (“ให้จำนวนที่แน่นอน”) ต้องมีวิธีการตรวจสอบ และเปิดเผยความไม่แน่นอน ตลอดโมดูลนี้ คุณจะเห็นรูปแบบ "พร้อมท์ที่รัดกุม" ที่ใช้กับแต่ละหน่วย
จริยธรรม ความเป็นส่วนตัว และความรับผิดชอบ
ข้อมูลทางโลหะวิทยามักจะเป็นความลับ: สูตรโลหะผสมของลูกค้า พารามิเตอร์กระบวนการที่ได้รับสิทธิบัตร ผลการวิเคราะห์ความเสียหาย ข้อกำหนดเฉพาะของอุตสาหกรรมการป้องกันประเทศ การวางลงในบริการ AI สาธารณะอาจเป็นความลับทางการค้าและการละเมิดสัญญา นอกจากนี้ยังมีความเสี่ยงที่ข้อมูลจะรบกวนการฝึกโมเดลด้วย
- ห้ามใส่องค์ประกอบ สูตรอาหาร และภาพวาดของบริษัท/ลูกค้าลงในบริการภายนอกโดยไม่ได้รับการอนุมัติ
- ไม่เปิดเผยชื่อบันทึกที่มีข้อมูลส่วนบุคคล (ชื่อผู้ดำเนินการ หมายเลขทะเบียน)
- ปฏิบัติตามนโยบายองค์กรและเครื่องมือ AI ขององค์กรหรือในองค์กรตามสัญญา
- ระบุอย่างโปร่งใสในรายงานว่าคุณกำลังใช้ AI ทำให้ชัดเจนว่าการตัดสินใจขั้นสุดท้ายขึ้นอยู่กับวิจารณญาณทางวิศวกรรมของคุณ
- ลายเซ็นและความรับผิดชอบยังคงเป็นของวิศวกรที่ได้รับอนุญาตเสมอ เอาต์พุต AI ไม่ใช่เหตุผล
ข้อควรระวัง: "นั่นคือสิ่งที่ AI พูด" ไม่ใช่เหตุผลทางวิศวกรรม ในรายงานความเสียหาย การเลือกวัสดุ หรือการตัดสินใจด้านความสอดคล้อง พื้นฐานของคุณควรเป็นมาตรฐาน การทดสอบ และการคำนวณ AI เป็นเครื่องมือที่จัดระเบียบสิ่งเหล่านี้ได้มากที่สุด สำหรับงานที่มีความสำคัญด้านความปลอดภัย เอาท์พุต AI ไม่สามารถทดแทนการอนุมัติของวิศวกรที่มีคุณสมบัติเหมาะสมได้
ข้อผิดพลาดทั่วไป
- การใช้ค่าตัวเลข (ฟีเจอร์ ขีดจำกัด องค์ประกอบ) ที่กำหนดโดย AI โดยไม่มีการทดลองและการอ้างอิง
- การเขียนหมายเลขรายการมาตรฐานลงในรายงานโดยไม่ต้องยืนยัน
- การป้อนข้อมูลลูกค้า/บริษัทที่เป็นความลับลงใน AI สาธารณะ
- ถาม AI ว่า "อะไรคือความผิดปกติ" โดยไม่ให้ข้อมูลสิ่งอำนวยความสะดวก และทำให้คำตอบทั่วไปผิดพลาดในการวินิจฉัย
- การใช้เอาต์พุต AI เป็นเอกสารขั้นสุดท้ายในการตัดสินใจที่สำคัญ ผ่านการอนุมัติของวิศวกร
- การเพิกเฉยต่อความไม่แน่นอน: การเข้าใจผิดจากน้ำเสียงมั่นใจของ AI เพื่อความถูกต้อง
โดยสรุป
AI เป็นตัวเร่งอันทรงพลังในวิศวกรรมโลหะวิทยาและวัสดุ โดยจะอธิบายแนวคิด สร้างสมมติฐาน ร่าง และเขียนโค้ด แต่ค่าตัวเลขมีความเสี่ยงที่จะเกิดอาการประสาทหลอนในเรื่องมาตรฐานและการตัดสินใจที่มีความสำคัญด้านความปลอดภัย จำแนกงานตามระดับความเสี่ยง ตรวจสอบแต่ละผลลัพธ์ในรูปสามเหลี่ยมบัญชีห้องปฏิบัติการมาตรฐาน รักษาความลับ และรับผิดชอบกับวิศวกรที่ได้รับอนุญาตเสมอ ส่วนที่เหลือของโมดูลจะนำหลักการนี้ไปใช้กับงานที่เป็นรูปธรรมแต่ละงาน
งานสมัคร
เลือกงานทั่วไปห้างานจากงานของคุณเอง (หรือโครงการตัวอย่าง): ตัวอย่างเช่น "การเลือกวัสดุ" "การเขียนรายงานความเสียหาย" "แบบสอบถามมาตรฐาน" "การตีความโครงสร้างจุลภาค" "สคริปต์การคำนวณ" จำแนกแต่ละรายการเป็นต่ำ/ปานกลาง/สูง/วิกฤตตามตารางความเสี่ยงด้านบน และเขียนเป็นหนึ่งประโยคว่าคุณจะตรวจสอบเอาต์พุต AI สำหรับแต่ละอันอย่างไร (มาตรฐานใด ทดสอบใด ใครอนุมัติ) จากนั้นลองปรับเทมเพลต "บทบาทและขอบเขต" ให้เข้ากับงานใดงานหนึ่งเหล่านี้
รายการตรวจสอบ
- [ ] ฉันได้จำแนกภารกิจตามระดับความเสี่ยง (ต่ำ/กลาง/สูง/วิกฤติ)
- [ ] ฉันมอบบทบาท ข้อจำกัด และคำสั่ง "ระบุจำนวนที่แน่นอน/ระบุแหล่งที่มา" ให้กับ AI
- [ ] ฉันได้ตรวจสอบค่าตัวเลขและรายการมาตรฐานแต่ละรายการจากแหล่งข้อมูลอิสระแล้ว
- [ ] ฉันไม่ได้ป้อนข้อมูลที่เป็นความลับ/ข้อมูลส่วนบุคคลลงในบริการภายนอกหรือทำให้ข้อมูลเป็นนิรนาม
- [ ] ฉันยึดการตัดสินใจขั้นสุดท้ายจากการวัดผลและมาตรฐาน ไม่ใช้ AI มาเป็นข้ออ้าง
- [ ] ฉันฝากความรับผิดชอบและลายเซ็นไว้กับวิศวกรที่ได้รับอนุญาต