ความรู้เบื้องต้นเกี่ยวกับปัญญาประดิษฐ์และวินัยการตรวจสอบในวิศวกรรมการทำแผนที่

กำไร:

• ความสามารถในการแยกแยะว่าขั้นตอนใดของเวิร์กโฟลว์ geomatics ช่วยประหยัดเวลาได้จริง และการตัดสินใจใดควรคงอยู่โดยได้รับอนุมัติจากวิศวกรผู้มีความสามารถ
• ความสามารถในการใช้ระเบียบวินัยที่ตรวจสอบความถูกต้องข้ามเอาต์พุต AI แต่ละรายการด้วยลำดับความสำคัญ ความน่าเชื่อถือทางภูมิศาสตร์ และหลักฐานภูมิประเทศ/ทรัพยากร
• สร้างนิสัยในการตั้งค่าการแจ้งเตือนที่ปลอดภัยโดยตระหนักถึงความเสี่ยงของความสับสนของพิกัด/ข้อมูล ภาพหลอน และความเป็นส่วนตัวของข้อมูลส่วนบุคคล และทำให้บริบทเป็นนิรนาม

วิศวกรรมธรณีศาสตร์เป็นสาขาวิชาวิศวกรรมศาสตร์ที่ใช้วัด ประมวลผล วิเคราะห์ และทำแผนที่ตำแหน่งของโลกและวัตถุที่อยู่บนโลก อาชีพนี้ทำงานกับพิกัดความแม่นยำตั้งแต่มิลลิเมตรถึงเซนติเมตร ขอบเขตทรัพย์สินและเอกสารราชการ ความผิดพลาดจึงมีราคาแพง ในหน่วยนี้ เรากำหนดว่าปัญญาประดิษฐ์ (AI หรือเรียกสั้นๆ ว่าระบบซอฟต์แวร์ที่สามารถประมวลผลข้อความ รูปภาพ และข้อมูล และสร้างคำตอบที่เหมือนมนุษย์) ช่วยประหยัดเวลาแบบเรียลไทม์ในเวิร์กโฟลว์ภูมิสารสนเทศ ซึ่งเป็นอันตราย และวิธีการตรวจสอบผลลัพธ์แต่ละรายการ สมมติว่าตั้งแต่เริ่มต้น: ปัญญาประดิษฐ์เป็นผู้ช่วยแม้ว่าจะสร้างพิกัด แต่วิศวกรที่มีความสามารถก็ทำการตัดสินใจและลงนาม

ก่อนอื่น เรามาทำความเข้าใจกันก่อนว่าอาชีพและ AI มาบรรจบกันที่จุดใด โดยทั่วไปโครงการธรณีศาสตร์จะต้องทำตามขั้นตอนต่อไปนี้: การรวบรวมข้อมูล (การสำรวจที่ดินด้วย GNSS, สถานีรวม, UAV, LiDAR), การประมวลผลข้อมูล (การแปลงการสังเกตดิบเป็นพิกัด, การปรับสมดุล), การวิเคราะห์ (การสืบค้นเชิงพื้นที่ด้วย GIS/GIS), การผลิต (แผนที่, ออร์โธโฟโต้, แบบจำลอง), การส่งมอบ (รายงาน แผ่นงาน การลงทะเบียน) ปัญญาประดิษฐ์ทำงานในระดับที่แตกต่างกันในแต่ละลิงก์ของสายโซ่นี้: ในบางสถานที่ ปัญญาประดิษฐ์จะทำหน้าที่หลัก (เช่น การจัดหมวดหมู่รูปภาพหลายพันภาพ) ในบางสถานที่ ปัญญาประดิษฐ์จะสร้างเฉพาะแบบร่างเท่านั้น (ข้อความรายงาน) และในบางที่ ปัญญาประดิษฐ์จะเป็นผู้ช่วยที่ไม่ควรเชื่อถือเลย (ค่าที่แน่นอนของขอบเขตเกี่ยวกับที่ดิน)

หลักการที่กำหนดว่าจะให้อะไรกับ AI

คุณสามารถวัดความเสี่ยงของงาน AI ทุกงานได้ในประโยคเดียว: ความเสี่ยงของเอาต์พุตเท่ากับความเสียหายที่จะเกิดขึ้นหากเอาต์พุตนั้นผิดพลาด ข้อผิดพลาดเล็กน้อยในการสรุปวรรณกรรมแทบไม่เป็นอันตราย อย่างไรก็ตาม พิกัดของแอปพลิเคชันที่มีข้อผิดพลาด 20 ซม. (ซึ่งระบุจุดในโครงการบนที่ดิน) หมายถึงการเทฐานรากผิดที่ อาคารที่ล้นไปยังผืนดินข้างเคียง และข้อพิพาทในศาล ดังนั้นเราจึงปรับขนาดความเข้มข้นของการตรวจสอบตามอันตรายที่อาจเกิดขึ้น

เพื่อให้เป็นรูปธรรมนี้ เราจะแบ่งสิ่งต่างๆ ออกเป็นสามกลุ่ม:

ประเภทธุรกิจ

บทบาทของเอไอ

ความหนาแน่นของการตรวจสอบ

ตัวอย่าง

ความเสี่ยงต่ำ/มีประโยชน์

ผู้ผลิตดั้งเดิม

น้ำหนักเบา (รีวิว)

การแปลงบันทึกการวัดเป็นตาราง ร่างรายงาน

ความเสี่ยงปานกลาง/ร่าง

คันเร่ง

ปานกลาง (การควบคุมตัวอย่าง + ตรรกะ)

การจำแนกที่ดินเบื้องต้น การสร้างรหัส

มีความเสี่ยงสูง/วิกฤต

มันแค่ให้ความคิด

หนักมาก (การตรวจสอบอิสระเต็มรูปแบบ)

ขอบเขตที่ดิน การประยุกต์ ค่าระดับความสูง การแปลงข้อมูล

ตารางนี้ต้องเป็นแบบสะท้อน: เมื่อคุณได้รับเอาต์พุต AI คุณต้องถามก่อนว่า "สิ่งนี้อยู่ในที่เก็บข้อมูลใด" ' จากนั้นใช้พลังงานการตรวจสอบของคุณตามนั้น

วินัยในการตรวจสอบ: สามตัวกรอง

ใน Geomatics ส่งเอาต์พุต AI แต่ละรายการผ่านตัวกรองสามตัว

1. การควบคุมขนาด ตัวเลขอยู่ในช่วงที่เหมาะสมหรือไม่? ค่าทิศตะวันออกของจุด ED50/UTM ในภาษาตุรกีคือประมาณ 6 หลักเมตร องศาลองจิจูดอยู่ในช่วง -180 ถึง +180; พื้นที่พัสดุเป็นตารางเมตร หาก AI ส่งคืนผลลัพธ์ 3 หลักสำหรับค่าที่ถูกต้อง 6 หลักที่คาดหวัง คุณจะรู้ว่ามีข้อผิดพลาดโดยไม่อ่านเนื้อหาของคำตอบ นี่คือเครื่องกรองที่ถูกที่สุดและทรงพลังที่สุด
2. ความน่าเชื่อถือทางภูมิศาสตร์ / เชิงพื้นที่ ผลลัพธ์เข้ากันได้กับฟิสิกส์และเรขาคณิตหรือไม่? ระยะห่างระหว่างจุดสองจุดที่อยู่ใกล้เคียงกันต้องไม่เป็นลบ ผลรวมของมุมภายในของรูปหลายเหลี่ยมปิดจะต้องมาบรรจบกันเป็นค่าที่กำหนด ผลลัพธ์ของการดำเนินการบัฟเฟอร์ต้องมีขนาดใหญ่กว่ารูปทรงอินพุต หาก AI พูดอะไรบางอย่างที่เป็นไปไม่ได้ตามหลักเหตุผล มันก็จะถูกกำจัดไป
3. หลักฐานที่เป็นอิสระ เปรียบเทียบผลลัพธ์กับแหล่งที่มาที่ AI ไม่เคยเห็น: จุดควบคุมที่ทราบ ความจริงภาคพื้นดิน เอกสารอย่างเป็นทางการ การคำนวณวิธีที่สอง ตัวอย่างนี้คือการทดสอบผลลัพธ์การแปลงด้วยการอ้างอิงที่ทราบพิกัดอยู่แล้ว

เคล็ดลับ: ใช้ตัวกรองทั้งสามตามลำดับ แต่อย่าข้ามตัวกรองสองตัวแรก เนื่องจากการตรวจสอบลำดับและความน่าเชื่อถือใช้เวลาไม่กี่วินาทีและตรวจจับข้อผิดพลาดส่วนใหญ่ก่อนที่จะไปสู่หลักฐานที่เป็นอิสระด้วยซ้ำ

พิกัด ข้อมูล และความเป็นส่วนตัว: ข้อผิดพลาดเฉพาะด้านธรณีศาสตร์

นอกจากความเสี่ยงทั่วไปของ AI แล้ว อาชีพนี้มีข้อผิดพลาดหลักสองประการที่ไม่เหมือนใคร ประการแรกคือความสับสนของพิกัด/ข้อมูล Datum คือพื้นผิวอ้างอิงทางคณิตศาสตร์ที่แสดงถึงพื้นผิวโลก (เช่น WGS84, ED50, ITRF) จุดทางกายภาพเดียวกันนั้นแสดงด้วยตัวเลขที่แตกต่างกันในวันที่ต่างกัน และความแตกต่างระหว่างจุดเหล่านี้อาจเป็นหน่วยเมตรในบางพื้นที่ในประเทศของเรา หากคุณไม่ระบุว่าคุณกำลังพูดถึงข้อมูลใด AI จะทำการสันนิษฐานและแปลงเป็นระบบที่ไม่ถูกต้องโดยไม่แจ้งให้ทราบ ประการที่สอง ข้อมูลส่วนบุคคลและความเป็นส่วนตัวของทรัพย์สิน: บันทึกเกี่ยวกับที่ดินประกอบด้วยชื่อเจ้าของ หมายเลขประจำตัว ตำแหน่งที่ตั้งที่แน่นอน การส่งพวกเขาโดยไม่มีการควบคุมไปยังแบบจำลองภายนอกถือเป็นการขัดต่อกฎหมายและจรรยาบรรณทางวิชาชีพ

ข้อควรระวัง: หยุดก่อนที่จะวางชื่อเจ้าของจริง หมายเลข TR ID หรือพิกัดที่แน่นอนของสถานที่ที่มีความละเอียดอ่อนลงในข้อความแจ้ง ไม่ระบุชื่อ (ตั้งชื่อ “มาลิก-1” ผืน “เกาะ/แปลง-ก”) หรือใช้สภาพแวดล้อมภายในองค์กร/ที่ได้รับอนุมัติ

คดีเล็กๆ สามคดี: ตามตัวเลข

กรณีที่ 1 — ตัวกรองอันดับช่วยชีวิต เด็กฝึกงานคนหนึ่งให้โครงการ AI ชี้จากพิกัดทางภูมิศาสตร์และได้ผลลัพธ์ทางด้านขวา 4,281 ม. ในTürkiyeค่าที่ถูกต้องของ UTM อยู่ในช่วง 100,000-900,000 ม. ผลลัพธ์ 4 หลักเป็นไปไม่ได้ เพียงตรวจสอบลำดับ ข้อผิดพลาดก็ถูกจับได้ทันทีเนื่องจากแบบจำลองสันนิษฐานว่าเอาท์พุตเป็นเรเดียนแทนที่จะเป็นองศา พิกัดได้รับการแก้ไขก่อนโอนไปยัง CAD

กรณีที่ 2 — การดริฟท์ของข้อมูล ทีมงานนำจุดควบคุม 12 จุดจากแผนที่เก่า (ED50) และมอบให้กับ AI โดย "แปลงเป็น UTM" โดยไม่ระบุข้อมูล สันนิษฐานว่าเป็นรุ่น WGS84; ผลลัพธ์จะเปลี่ยนอย่างเป็นระบบประมาณ 3-4 เมตรจากการวัด GPS ในภาคสนาม เมื่อเปรียบเทียบกับการอ้างอิงที่รู้จักเพียงรายการเดียว ความแตกต่างอย่างเป็นระบบจะปรากฏให้เห็นทันทีและงานถูกทำซ้ำด้วยพารามิเตอร์การแปลงที่ถูกต้อง การควบคุมอิสระจุดเดียวบันทึกทั้งแคมเปญ

กรณีที่ 3 — การป้องกันการละเมิดความเป็นส่วนตัว สำนักงานแห่งหนึ่งจะโหลดฐานข้อมูลเกี่ยวกับที่ดินจำนวน 850 ผืนลงในแบบจำลองภายนอกเพื่อ "ค้นหาความไม่สอดคล้องกัน" ตารางประกอบด้วยชื่อเจ้าของและหมายเลขประจำตัว ต้องขอบคุณรายการตรวจสอบที่ทำให้ในตอนแรกพวกเขาไม่เปิดเผยชื่อ: คอลัมน์ส่วนบุคคลถูกลบออก มีเพียงข้อมูลเรขาคณิตและพื้นที่เท่านั้นที่ถูกส่งไป ประโยชน์ของการวิเคราะห์ยังคงเหมือนเดิม ข้อมูลส่วนบุคคลไม่เคยถูกเปิดเผย

พรอมต์ที่อ่อนแอ / พรอมต์ที่แข็งแกร่ง

พรอมต์ที่อ่อนแอ:

แปลงพิกัดเหล่านี้เป็น UTM และเขียนรายงาน [พิกัด]

พรอมต์อันทรงพลัง:

บทบาทของคุณ: ผู้ช่วยข้อมูลภูมิสารสนเทศ งาน: แปลงจุดต่อไปนี้จากระบบ SOURCE ไปเป็นระบบ TARGET- CRS แหล่งที่มา: EPSG:4326 (ภูมิศาสตร์ WGS84 องศา)- CRS เป้าหมาย: EPSG:5256 (TUREF / TM33)- หากมีข้อมูลไม่ชัดเจนหรือขาดหายไป ห้ามแปลง ให้ถามก่อน- ระบุอันดับค่าขวาที่คาดหวัง (6 หลัก) สำหรับแต่ละจุด- โปรดทราบว่าเอาต์พุตควรได้รับการตรวจสอบความถูกต้อง เปรียบเทียบกับจุดควบคุมที่ทราบข้อมูล (ไม่ระบุชื่อ): [ตารางจุด]

พรอมต์ที่มีประสิทธิภาพจะระบุแหล่งที่มาและเป้าหมายอย่างชัดเจน คำสั่งให้หยุดที่ข้อมูลที่ไม่สมบูรณ์ และเขียนความคาดหวังของอันดับและภาระหน้าที่ในการตรวจสอบใหม่ ดังนั้นผลลัพธ์จึงมีความแม่นยำและตรวจสอบได้มากขึ้น

เทมเพลตที่คัดลอกได้สี่แบบ

1) ตัวกรองการจำแนกประเภทงาน:

วางงานต่อไปนี้ไว้ในหนึ่งในสามกลุ่ม: (ก) ความเสี่ยงต่ำ/มีประโยชน์ (ข) ความเสี่ยงปานกลาง/ฉบับร่าง (ค) ความเสี่ยงสูง/วิกฤต เขียนเหตุผลของคุณและขั้นตอนการยืนยันที่แนะนำ งาน: [รายละเอียดงาน]

2) คำขอควบคุมอันดับ:

เขียนลำดับความสำคัญที่คาดหวัง (หน่วยและช่วงทั่วไป) ก่อนที่จะสร้างผลลัพธ์ด้านล่าง หากผลลัพธ์อยู่นอกช่วงนี้ ให้ออก "คำเตือนช่วง" และตรวจสอบการคำนวณ อินพุต: [ข้อมูล]

3) การสแกนแบบไม่เปิดเผยตัวตนล่วงหน้า:

ข้อความต่อไปนี้มีข้อมูลส่วนบุคคล (ชื่อ หมายเลขประจำตัว ข้อมูลเจ้าของโฉนด สถานที่ที่ละเอียดอ่อน) หรือข้อมูลที่เป็นความลับหรือไม่? หากเป็นเช่นนั้น ให้ระบุรายชื่อและเสนอแนะสิ่งที่เทียบเท่าโดยไม่เปิดเผยตัวตน อย่าเปลี่ยนข้อความ เพียงแค่รายงานมัน ข้อความ: [ข้อความ]

4) เครื่องกำเนิดแผนการตรวจสอบ:

เขียนแผนการตรวจสอบสำหรับผลลัพธ์ AI ต่อไปนี้: (1) การตรวจสอบอันดับ (2) ความน่าเชื่อถือเชิงภูมิศาสตร์/เชิงพื้นที่ (3) แหล่งที่มาของหลักฐานที่เป็นอิสระ เขียนให้ชัดเจนถึงสิ่งที่จะต้องคำนึงถึงในทุกขั้นตอน เอาท์พุต: [เอาท์พุต AI]

ข้อผิดพลาดทั่วไป

• พิกัดปฏิบัติการโดยไม่ระบุ Datum/CRS ข้อผิดพลาดที่พบบ่อยที่สุดและแพงที่สุด ทำให้เกิดการลื่นไถลเงียบๆ ไปหลายเมตร
• เข้าใจผิดว่าคล่องเพื่อความถูกต้อง AI เขียนอย่างมั่นใจและประณีต นี่ไม่ได้บ่งชี้ว่าเนื้อหามีความถูกต้อง
• ผ่านการเช็คอันดับ ทำให้เกิดข้อผิดพลาดที่การมองเพียงเสี้ยววินาทีสามารถตรวจจับได้ใน CAD
• การส่งข้อมูลส่วนบุคคล/ทรัพย์สินโดยไม่มีการควบคุม การให้เหตุผลว่า "มีประโยชน์อยู่แล้ว" ไม่ได้ลบภาระผูกพันในการรักษาความลับ
• ยึดการทำงานที่สำคัญบนเอาท์พุต AI เดียว ดำเนินการงานต่างๆ เช่น การยื่นคำขอ ขอบเขตที่ดิน และระดับความสูงโดยไม่มีการตรวจสอบโดยหน่วยงานอิสระ
• คิดว่าคุณกำลังถ่ายทอดความรับผิดชอบให้กับโมเดล ลายเซ็นและความรับผิดชอบยังคงเป็นของวิศวกรที่มีความสามารถเสมอ

โดยสรุป

ปัญญาประดิษฐ์ทำงานด้วยน้ำหนักที่แตกต่างกันในแต่ละขั้นตอนของเวิร์กโฟลว์เรขาคณิต สิ่งสำคัญคือการพิจารณาความเสี่ยงของแต่ละภารกิจ: "ฉันจะสูญเสียอะไรหากมีข้อผิดพลาด" ตั้งคำถามและปรับขนาดการตรวจสอบตามนั้น ตัวกรองสามตัว (ระดับ ความน่าเชื่อถือ หลักฐานอิสระ) ตรวจจับข้อผิดพลาดส่วนใหญ่ได้ในราคาถูก ข้อผิดพลาดสำคัญสองประการสำหรับวิชาชีพนี้คือ ความสับสนของพิกัด/ข้อมูล และการรักษาความลับของข้อมูลส่วนบุคคล/ทรัพย์สิน ทั้งสองได้รับการจัดการโดยการสร้างพรอมต์ที่มีระเบียบวินัยตั้งแต่ต้น การตัดสินใจขั้นสุดท้ายและการลงนามยังคงเป็นของวิศวกรผู้มีความสามารถ

งานสมัคร

เลือกงานภูมิศาสตร์สามงานจากธุรกิจของคุณเอง (หรืองานสมมติ): หนึ่งงานมีความเสี่ยงต่ำ หนึ่งงานเสี่ยงปานกลาง หนึ่งงานมีความเสี่ยงสูง สำหรับแต่ละรายการ ให้จด (1) ว่าข้อมูลนั้นอยู่ในกลุ่มใด (2) บทบาทของ AI (3) ขั้นตอนตัวกรองสามขั้นตอนที่คุณจะนำไปใช้ สำหรับงานที่มีความเสี่ยงสูง ให้ระบุอย่างชัดเจนว่าหลักฐานอิสระใดบ้าง (จุดตรวจสอบ เอกสาร วิธีที่สอง) ที่คุณจะทดสอบผลลัพธ์

รายการตรวจสอบ

• [ ] ฉันวัดความเสี่ยงของภารกิจด้วย "ความเสียหายที่จะเกิดขึ้นหากมีข้อผิดพลาด"
• [ ] ฉันวางงานไว้ในกลุ่มความเสี่ยงต่ำ/กลาง/สูง
• [ ] ฉันได้ระบุระบบพิกัดต้นทางและเป้าหมาย (ข้อมูล/EPSG) อย่างชัดเจนในข้อความแจ้ง
• [ ] ฉันส่งผลผ่านการตรวจสอบอันดับ
• [ ] ฉันทดสอบความน่าเชื่อถือทางภูมิศาสตร์/เชิงพื้นที่
• [ ] ฉันได้ตรวจสอบแล้วด้วยหลักฐานอิสระอย่างน้อยหนึ่งรายการ
• [ ] ฉันมีข้อมูลส่วนบุคคล/กรรมสิทธิ์ที่ไม่ระบุชื่อหรือทำงานในสภาพแวดล้อมที่ได้รับอนุมัติ
• [ ] ฉันได้ตัดสินใจขั้นสุดท้ายและลงนามในความรับผิดชอบของวิศวกร