กำไร:
- ความสามารถในการบูรณาการ AI ในสถานที่และภายในขอบเขตในทุกขั้นตอนของเวิร์กโฟลว์ ตั้งแต่การรวบรวมข้อมูลไปจนถึงการตัดสินใจในการวางแผน
- ความสามารถในการสร้างไลบรารี่พร้อมท์ โปรโตคอลการตรวจสอบ การกำกับดูแลข้อมูล และนโยบายความเป็นส่วนตัวในระดับองค์กร
- ความสามารถในการออกแบบวัฒนธรรมการตรวจสอบที่รักษาผลประโยชน์สาธารณะ ความโปร่งใส ความรับผิดชอบ และความไว้วางใจของสาธารณะในการวางแผนที่สนับสนุน AI
หน่วยก่อนหน้านี้ได้แสดงให้คุณเห็นถึงวิธีใช้ AI ในงานการวางแผนแต่ละงาน (การวิเคราะห์แผน, GIS, ดาวเทียม, ประชากร, การขนส่ง, การจำลอง, กฎหมาย, การมีส่วนร่วม, ภัยพิบัติ) หน่วยสุดท้ายนี้รวมส่วนต่างๆ เหล่านี้เข้าเป็นเวิร์กโฟลว์ที่สอดคล้องกันและเปลี่ยนทักษะส่วนบุคคลให้เป็นความสามารถขององค์กร เพราะในสำนักงานเทศบาลหรือสำนักงานผังเมือง ประเด็นหลักไม่ใช่การใช้ AI อย่างดีของผู้วางแผนเพียงคนเดียว ทั้งองค์กรใช้ AI ในลักษณะที่ปลอดภัย สม่ำเสมอ เป็นความลับ และเป็นประโยชน์ต่อสาธารณะ สิ่งนี้ต้องการโครงสร้างสามประการที่ปรับปรุงการใช้งานแบบกระจายและแบบไม่มีการควบคุม: ไลบรารีพร้อมท์ทั่วไป โปรโตคอลการตรวจสอบสิทธิ์ตามประเภทเอาต์พุต และการกำกับดูแลข้อมูลและนโยบายความเป็นส่วนตัว ในหน่วยนี้ คุณจะได้เรียนรู้การสร้างโครงสร้างเหล่านี้และออกแบบวัฒนธรรมการตรวจสอบที่รักษาความไว้วางใจของสาธารณะในการวางแผนที่ใช้ AI
ขั้นตอนการทำงานแบบ end-to-end
ต่อไปนี้คือวิธีที่กระบวนการวางแผนถูกถักทอตั้งแต่ต้นจนจบด้วย AI (AI เร่งความเร็ว การตรวจสอบโดยมนุษย์ในแต่ละขั้นตอน):
- การรวบรวมข้อมูลและการจัดระเบียบ ดาวเทียม, GIS, ประชากร, การขนส่ง, ข้อมูลการเข้างาน — AI ทำความสะอาด, ตาราง
- การวิเคราะห์. การใช้ที่ดิน การเข้าถึง ความเสี่ยง — โครงสร้าง AI ผู้เชี่ยวชาญยืนยัน
- การผลิตสถานการณ์ สถานการณ์การเติบโตและการขนส่ง — การเปรียบเทียบ AI, กระบวนการเลือก
- การควบคุมตามกฎระเบียบ ทุกการตัดสินใจได้รับการทดสอบตามกฎหมาย — การสแกนด้วย AI ข้อความอย่างเป็นทางการยืนยัน
- การมีส่วนร่วม ความคิดเห็นของผู้มีส่วนได้ส่วนเสียจะถูกรวบรวมและสรุป — การวิเคราะห์ AI และการเป็นตัวแทนยังคงอยู่
- การตัดสินใจและจัดทำแผน นักวางแผนที่มีความสามารถจะตัดสินใจและรับผิดชอบ
- การรายงานและการอนุมัติ รายงานคำอธิบายแผน — ร่าง AI ผู้วางแผนที่รับผิดชอบ
- การตรวจสอบ การติดตามการเปลี่ยนแปลงหลังแผน — AI สแกนล่วงหน้า ยืนยันภาคสนาม
ในห่วงโซ่นี้ AI เปรียบเสมือน "ผู้ช่วยทางแยก" ซึ่งช่วยได้ทุกจุดแวะพัก แต่ผู้วางแผนจะคอยควบคุมอยู่เสมอ
เคล็ดลับ: ความเสี่ยงที่ใหญ่ที่สุดในการใช้งานแบบ end-to-end คือเอาต์พุตที่ไม่ได้รับการตรวจสอบจะถูกนำไปใช้เป็นอินพุตไปยังขั้นตอนถัดไป จำนวนประชากรที่ไม่ถูกต้องอาจรั่วไหลเข้าสู่การวิเคราะห์ จากจุดนั้นไปยังสถานการณ์ และจากจุดนั้นไปจนถึงการตัดสินใจ ในแต่ละตอนของการออก “นี่ยืนยันแล้วเหรอ?” ใส่ประตู
โครงสร้างองค์กร 1: ไลบรารีพร้อมท์
การให้นักวางแผนแต่ละคนเขียนข้อความของตนเองตั้งแต่ต้นถือเป็นการเสียเวลาและเป็นสาเหตุของความไม่สอดคล้องกัน สถาบันรวบรวมพร้อมท์ที่ผ่านการทดสอบและตรวจสอบแล้วในไลบรารีทั่วไป: "ตารางหมายเหตุแผน", "แบบสอบถามที่ขึ้นกับข้อความทางกฎหมาย", "การแยกธีมการมีส่วนร่วม" ฯลฯ แต่ละพร้อมท์ประกอบด้วยกฎความปลอดภัย เช่น ป้ายกำกับ "ต้องมีการยืนยัน" ข้อห้ามในการประดิษฐ์ข้อมูล และการร้องขอทรัพยากร ดังนั้นคุณภาพจึงขึ้นอยู่กับสถาบัน ไม่ใช่ตัวบุคคล
โครงสร้างองค์กร 2: โปรโตคอลการตรวจสอบสิทธิ์
เอาต์พุตแต่ละประเภทมีระดับการตรวจสอบของตัวเอง บันทึกการประชุมจะต้องผ่านการตรวจทานอย่างรวดเร็ว ส่วนหนึ่งของกฎหมายต้องมีการยืนยันข้อความอย่างเป็นทางการ ตัวบ่งชี้ความเสี่ยงจากภัยพิบัติจำเป็นต้องได้รับการศึกษาจากผู้เชี่ยวชาญ องค์กรเขียนแผนผัง “ประเภทเอาต์พุต → การตรวจสอบบังคับ → ผู้รับผิดชอบ” ลงในตารางและทำให้มีผลผูกพัน
โครงสร้างองค์กร 3: การกำกับดูแลข้อมูลและความเป็นส่วนตัว
ควรมีนโยบายที่เป็นลายลักษณ์อักษรว่าข้อมูลใดสามารถไปที่คลาวด์ได้ และสิ่งใดไม่สามารถไปที่คลาวด์ได้ ข้อมูลนั้นจะถูกทำให้เป็นนิรนามได้อย่างไร และเครื่องมือใดบ้างที่ได้รับการอนุมัติ กฎเกณฑ์ที่ชัดเจนสำหรับข้อมูลที่ละเอียดอ่อน เช่น แผนการยกเลิกการระงับ เจ้าของพัสดุ ข้อมูลส่วนบุคคล รายชื่อยานพาหนะที่ได้รับอนุมัติ และการรับประกันว่าข้อมูลจะไม่ถูกนำมาใช้ในการศึกษาเป็นแกนหลักของนโยบายนี้
ทีละขั้นตอน: สร้างผู้มีความสามารถด้าน AI ระดับองค์กร
- นำสินค้าคงคลังออก AI สามารถใช้ในงานใดได้บ้าง?
- ทำการจำแนกความเสี่ยง วางแต่ละงานไว้ในโซนสีเขียว/เหลือง/แดง
- ติดตั้งไลบรารีพร้อมท์ กฎความปลอดภัยฝังอยู่ทั่วไป
- เขียนโปรโตคอลการตรวจสอบความถูกต้อง ประเภทเอาต์พุต → การตรวจสอบ → รับผิดชอบ
- เขียนข้อมูล/นโยบายความเป็นส่วนตัว เครื่องมือที่ได้รับอนุมัติ การลบข้อมูลระบุตัวตน ข้อมูลที่ต้องห้าม
- ให้การศึกษา. ให้ทีมงานทราบขอบเขตและการตรวจสอบ
- ตรวจสอบและอัพเดต บันทึกร่องรอยและตรวจสอบอย่างสม่ำเสมอ
พรอมต์อ่อน / พรอมต์แข็งแกร่ง
แนวทางที่อ่อนแอ: "ให้ทีมใช้ AI ทุกคนก็หาวิธีของตัวเอง"
นี่หมายถึงคุณภาพที่ไม่สอดคล้องกัน การรั่วไหลของความเป็นส่วนตัว ผลลัพธ์ที่ไม่ได้รับการยืนยัน และการขาดความรับผิดชอบ
แนวทางที่แข็งแกร่ง: "เราเชื่อมโยงการใช้ AI ในองค์กรเข้ากับโครงสร้าง 3 แบบ: (1) ไลบรารีพร้อมต์ทั่วไปที่มีกฎความปลอดภัยแบบฝัง (2) การตรวจสอบบังคับและการแมปที่รับผิดชอบสำหรับเอาต์พุตแต่ละประเภท (3) นโยบายข้อมูลพร้อมเครื่องมือที่ได้รับอนุมัติและกฎการลบข้อมูลระบุตัวตน ไม่ใช่ทุกเอาต์พุต AI ที่สามารถย้ายไปยังขั้นตอนถัดไปได้โดยไม่ผ่านการตรวจสอบที่เกี่ยวข้อง เอาต์พุตโซนสีแดงจะถูกปิดโดยได้รับอนุมัติจากผู้เชี่ยวชาญที่มีความสามารถและกระบวนการทั้งหมดจะได้รับการตรวจสอบ"
แนวทางที่สองเปลี่ยน AI จากนิสัยส่วนบุคคลให้เป็นความสามารถเชิงองค์กรที่ควบคุมได้
เทมเพลตที่สามารถคัดลอกได้สี่แบบ
งาน: แปลรายการงานการวางแผนต่อไปนี้เป็นเมทริกซ์การใช้งาน AI ขององค์กร สำหรับแต่ละงาน: โซนความเสี่ยง (เขียว/เหลือง/แดง) บทบาทของ AI การตรวจสอบบังคับ ความรับผิดชอบ ในงานสีแดง เขียนว่า "ต้องมีการอนุมัติจากผู้เชี่ยวชาญและต้องมีกระบวนการอย่างเป็นทางการ" งาน: [...]
งาน: สร้างตารางโปรโตคอลการตรวจสอบความถูกต้องสำหรับประเภทเอาต์พุตต่อไปนี้: ประเภทเอาต์พุต | ความเสี่ยง | ขั้นตอนการตรวจสอบบังคับ | บทบาทที่รับผิดชอบ | ข้อกำหนดด้านบันทึก/การติดตาม ประเภทเอาต์พุต: [...]
งาน: เขียน DRAFT AI ข้อมูล/นโยบายความเป็นส่วนตัวสำหรับหน่วยงานการวางแผน รวมถึง: ประเภทข้อมูลที่ไม่สามารถไปยังระบบคลาวด์ได้ กฎการลบข้อมูลระบุตัวตน เกณฑ์เครื่องมือที่ได้รับอนุมัติ การไม่ใช้ในข้อกำหนดด้านการศึกษา การดำเนินการในกรณีที่มีการละเมิด บริบท: [...]
งาน: ตรวจสอบเวิร์กโฟลว์การวางแผนตั้งแต่ต้นทางถึงปลายทางต่อไปนี้ ตรวจสอบ "ประตูตรวจสอบ" ที่ทางออกของแต่ละขั้นตอน ทำเครื่องหมายจุดที่เอาต์พุตที่ไม่ผ่านการตรวจสอบอาจรั่วไหลไปยังขั้นตอนถัดไป ขั้นตอนการทำงาน: [...]
ตาราง: ระยะ บทบาท AI และเจ้าของการตรวจสอบ
เวที
บทบาทของเอไอ
การตรวจสอบภาคบังคับ
มีความรับผิดชอบ
การแก้ไขข้อมูล
การทำความสะอาดการจัดตาราง
การควบคุมแหล่งที่มา/รูปแบบ
นักวิเคราะห์
การวิเคราะห์
การแก้ไข, ร่างโค้ด
CRS คุณภาพข้อมูล
นักวางแผน
สถานการณ์
การเปรียบเทียบ
ความโปร่งใสของสมมติฐาน
ทีมวางแผน
กฎหมาย
การสแกนตามข้อความ
ข้อความปัจจุบันอย่างเป็นทางการ
นักวางแผน/กฎหมาย
การมีส่วนร่วม
การสกัดธีม
การเป็นตัวแทนข้อมูลดิบ
เจ้าหน้าที่เข้าร่วม
ภัยพิบัติ/ความเสี่ยง
การสังเคราะห์ การคัดกรองล่วงหน้า
การศึกษาของผู้เชี่ยวชาญ
ผู้เชี่ยวชาญที่มีความสามารถ
รายงาน
การเขียนร่าง
เนื้อหา+ความรับผิดชอบ
นักวางแผนที่มีความสามารถ
มินิเคสสามอัน
กรณีที่ 1 — ข้อผิดพลาดคืบคลาน ตัวเลขประชากรที่ไม่ได้รับการยืนยันเข้าสู่การวิเคราะห์ในสำนักงาน จากนั้นจะถูกย้ายไปยังบัญชีความต้องการของโรงเรียน และจากที่นั่นไปยังข้อกำหนดของแผน ข้อผิดพลาดจะถูกตรวจพบในขั้นตอนการอนุมัติแผน และกระบวนการจะย้อนกลับ สถาบันที่วาง "ประตูยืนยัน" ไว้ทุกขั้นตอนจะตัดห่วงโซ่นี้ในขั้นตอนที่สอง นี่เป็นความเสี่ยงที่ใหญ่ที่สุดของการใช้งานแบบเพียร์ทูเพียร์
กรณีที่ 2 — ความสอดคล้องกับห้องสมุด เทศบาลจะเปลี่ยนไปใช้ไลบรารีพร้อมท์ทั่วไป ปัจจุบันนักวางแผนทุกคนต่างตั้งคำถามกับกฎหมายด้วยข้อความเดียวกันที่ฝังอยู่ในกฎที่ว่า "อาศัยเฉพาะข้อความที่ให้ไว้เท่านั้นอย่าสร้างบทความ" ข้อผิดพลาดที่เกิดจากภาพหลอนลดลงอย่างมากและคุณภาพจะเป็นอิสระจากบุคคล การทำให้เป็นสถาบันทำให้คุณภาพไม่ใช่เรื่องบังเอิญอีกต่อไป
กรณีที่ 3 — คุณค่าของนโยบายความเป็นส่วนตัว เด็กฝึกงานกำลังจะโหลดแผนการแก้ไขที่ยังไม่ได้ระงับลงในยานพาหนะฟรี นโยบายข้อมูลของสถาบันเตือนเราถึงกฎที่ว่า "ข้อมูลที่ละเอียดอ่อนจะไม่ถูกอัปโหลดไปยังเครื่องมือที่ไม่ได้รับการอนุมัติ และต้องไม่เปิดเผยชื่อ" ป้องกันการรั่วไหลที่อาจเกิดขึ้นและวิกฤตความเชื่อมั่นของสาธารณชน นโยบายที่เป็นลายลักษณ์อักษรจะคุ้มครองในกรณีที่เจตนาดีล้มเหลว
ข้อผิดพลาดทั่วไป
- ไม่ใส่ด่านตรวจ เอาต์พุตที่ไม่ได้รับการตรวจสอบรั่วไหลและเพิ่มขึ้นระหว่างขั้นตอน
- คุณภาพขึ้นอยู่กับส่วนตัว หากไม่มีไลบรารีทั่วไป ผู้วางแผนแต่ละคนจะทำงานแตกต่างกันและไม่สอดคล้องกัน
- ความเป็นส่วนตัวที่ไม่ได้เขียนไว้ หากไม่มีนโยบาย เจตนาดีจะไม่เพียงพอที่จะป้องกันการรั่วไหล
- คลายเขตสีแดง. การข้ามการกวาดล้างภัยพิบัติ/กฎระเบียบเพื่อความรวดเร็วทำให้ความปลอดภัยของสาธารณะตกอยู่ในความเสี่ยง
- ไม่คอยติดตาม. กระบวนการสาธารณะจะต้องรับผิดชอบ จำเป็นต้องมีบันทึกการตรวจสอบ
- ข้ามการฝึกอบรม แม้แต่นโยบายที่ดีที่สุดก็ยังคงอยู่บนกระดาษหากทีมไม่ทราบขอบเขต
- ไม่อัพเดตนโยบาย การเปลี่ยนแปลงเครื่องมือและกฎหมาย ควรปรับปรุงโครงสร้างด้วย
โดยสรุป
ความสมบูรณ์ที่แท้จริงในการวางแผนที่ขับเคลื่อนด้วย AI คือการจัดการกระบวนการตั้งแต่ต้นทางถึงปลายทางอย่างปลอดภัย ไม่ใช่งานเดียว สิ่งนี้จำเป็นต้องสร้างห่วงโซ่ที่เร่งด้วย AI แต่ได้รับการยืนยันโดยมนุษย์ในทุกขั้นตอน ตั้งแต่การรวบรวมข้อมูลไปจนถึงการตรวจสอบ ความเสี่ยงที่ใหญ่ที่สุดคือเอาต์พุตที่ไม่ได้รับการตรวจสอบจะรั่วไหลไปยังขั้นตอนต่อไป วิธีแก้ไขคือต้องมีประตูตรวจสอบในแต่ละขั้นตอน โครงสร้างสามประการที่เปลี่ยนทักษะส่วนบุคคลให้กลายเป็นความสามารถขององค์กร ได้แก่ กฎความปลอดภัย ไลบรารีพร้อมต์แบบฝัง โปรโตคอลการตรวจสอบสิทธิ์ตามประเภทเอาต์พุต และนโยบายข้อมูล/ความเป็นส่วนตัว โครงสร้างเหล่านี้ทำให้คุณภาพเป็นอิสระจากแต่ละบุคคล กระบวนการที่รับผิดชอบ และรักษาความไว้วางใจของสาธารณะ AI เร่งการวางแผน ประโยชน์สาธารณะ ความโปร่งใส และความรับผิดชอบเป็นของประชาชนเสมอ
งานสมัคร
ร่างกรอบการใช้งาน AI สำหรับสถาบันของคุณเอง (หรือเทศบาลตัวอย่าง) (1) วางงานการวางแผนอย่างน้อยห้างานไว้ในเมทริกซ์ความเสี่ยงด้วยเทมเพลตแรก (2) เขียนโปรโตคอลการตรวจสอบสำหรับเอาต์พุตสามประเภทด้วยเทมเพลตที่สอง (3) จัดทำร่างข้อมูล/นโยบายความเป็นส่วนตัวสั้นๆ ด้วยเทมเพลตที่สาม (4) ใช้เทมเพลตที่สี่ ตรวจสอบเวิร์กโฟลว์ตั้งแต่ต้นทางถึงปลายทาง และระบุ "ประตูตรวจสอบ" ที่ขาดหายไปอย่างน้อยหนึ่งรายการ และเขียนวิธีการปิด
รายการตรวจสอบ
- [ ] ฉันใส่ประตูตรวจสอบที่เอาต์พุตของแต่ละขั้นตอนเวิร์กโฟลว์
- [ ] ฉันสร้างไลบรารีพร้อมต์ทั่วไปพร้อมกฎความปลอดภัยที่ฝังไว้
- [ ] ฉันได้เขียนประเภทเอาต์พุต → การตรวจสอบ → การทำแผนที่ที่รับผิดชอบแล้ว
- [ ] ฉันได้สร้างนโยบายความเป็นส่วนตัวด้วยเครื่องมือที่ได้รับอนุมัติ การลบข้อมูลระบุตัวตน และกฎข้อมูลที่ต้องห้าม
- [ ] ฉันได้ส่งเอาต์พุตโซนสีแดงให้ได้รับการอนุมัติจากผู้เชี่ยวชาญแล้ว
- [ ] ฉันกำหนดเวลาการฝึกอบรมให้กับทีมตามขีดจำกัดและการตรวจสอบความถูกต้อง
- [ ] ฉันเก็บการติดตาม/บันทึกและอัปเดตเป็นประจำสำหรับกระบวนการทั้งหมด
การสอบโมดูล
1. หน่วยวางแผนของเทศบาลต้องการพิจารณาว่าจะสั่งห้ามอาคารโดยพิจารณาจากความเสี่ยงจากภัยพิบัติที่จะเกิดขึ้นสำหรับพื้นที่ใกล้เคียงหรือไม่ และกำลังพิจารณาใช้ AI เพื่อเร่งการตัดสินใจนี้ วิธีใดคือแนวทางที่ถูกต้องที่สุด?
- A) การใช้ AI เพื่อการถกเถียงเรื่องข้อมูลและการร่างรายงานเท่านั้น ทำการประเมินและตัดสินใจความเสี่ยงขั้นสุดท้ายด้วยการวิเคราะห์และการอนุมัติอย่างเป็นทางการโดยผู้เชี่ยวชาญที่มีความสามารถ ✔
- B) การแปลงคะแนนความเสี่ยงที่สร้างโดย AI โดยตรงให้เป็นการตัดสินใจห้ามก่อสร้าง
- C) การยอมรับโดยไม่มีการวิเคราะห์อย่างเป็นทางการ หาก AI ให้ผลลัพธ์เดียวกันมากกว่าหนึ่งครั้ง
- D) ข้ามการอนุมัติจากผู้เชี่ยวชาญและเร่งกระบวนการให้เร็วขึ้น
คำอธิบาย: การห้ามก่อสร้างอาคารโดยพิจารณาจากความเสี่ยงจากภัยพิบัติถือเป็นการตัดสินใจที่มีความสำคัญต่อความปลอดภัยและมีผลผูกพันทางกฎหมายในแง่ของความปลอดภัยในชีวิต AI สามารถใช้สำหรับการทบทวนวรรณกรรม การดูแลจัดการข้อมูล และการร่างรายงาน อย่างไรก็ตาม การประเมินและตัดสินใจความเสี่ยงขั้นสุดท้ายจะต้องกระทำด้วยการวิเคราะห์อย่างเป็นทางการและการอนุมัติของผู้เชี่ยวชาญด้านธรณีวิทยา/ธรณีเทคนิค และนักวางผังเมืองที่มีความสามารถตามกฎหมายที่เกี่ยวข้อง เอาต์พุต AI ไม่ได้แทนที่การอนุมัติและกระบวนการที่เป็นทางการนี้
2. วิธีที่ปลอดภัยที่สุดในการหลีกเลี่ยงการได้รับค่าปลอม (ภาพหลอน) เมื่อคุณถาม AI เกี่ยวกับสถานะการแบ่งเขตและเงื่อนไขการก่อสร้าง (TAKS/KAKS ฟังก์ชั่น ระยะการวาด) ของพัสดุคืออะไร
- A) เชื่อถือคุณค่าที่ AI มอบให้และเริ่มโครงการ
- ข) เพื่อยืนยันเงื่อนไขการก่อสร้างจากเอกสารสถานะการแบ่งเขตอย่างเป็นทางการของฝ่ายบริหารที่มีอำนาจและแผนและบันทึกแผนที่ได้รับอนุมัติในปัจจุบัน ✔
- C) ถามคำถามเดียวกันอีกครั้งด้วยคำที่ต่างกัน แล้วหาค่าเฉลี่ย
- D) ดำเนินการตามคำอธิบายโฆษณาบนเว็บไซต์อสังหาริมทรัพย์
คำอธิบาย: แม้ว่าโมเดลภาษาจะรู้เงื่อนไขการแบ่งเขต แต่ก็อาจสร้างค่า รหัสฟังก์ชัน และอัตราสำหรับพัสดุเฉพาะหรือให้ข้อมูลที่ล้าสมัย ข้อมูลนี้ควรได้รับการยืนยันจากเอกสารสถานะการแบ่งเขตอย่างเป็นทางการของฝ่ายบริหารที่มีอำนาจ (เทศบาล) และแผนการแบ่งเขตที่ได้รับอนุมัติในปัจจุบันและบันทึกแผน
3. คุณตรวจพบการเปลี่ยนแปลงของเมือง (การก่อสร้างใหม่) ด้วย AI จากภาพถ่ายดาวเทียม วิธีที่ดีที่สุดเมื่อใช้เอาต์พุตนี้ในกระบวนการตรวจสอบการแบ่งเขตคืออะไร
- A) แปลงทุกการเปลี่ยนแปลงที่ AI ทำเครื่องหมายไว้ให้เป็นรายงานอาคารที่ผิดกฎหมายโดยตรง
- B) พิจารณาว่าวันที่และความละเอียดของภาพนั้นไม่สำคัญ และยอมรับผลลัพธ์เป็นที่แน่ชัด
- C) เพื่อเป็นฐานของกระบวนการโดยนำสิ่งที่ค้นพบมาเป็นการคัดกรองล่วงหน้าและยืนยันด้วยการควบคุมภาคสนาม การบันทึกและการวัดอย่างเป็นทางการ ✔
- D) ละเว้นข้อผิดพลาดเกี่ยวกับเงาและเมฆ
คำอธิบาย: การจัดประเภทภาพ AI และการตรวจจับการเปลี่ยนแปลงให้การสแกนล่วงหน้าที่มีประสิทธิภาพ แต่มีข้อผิดพลาดด้านความละเอียด วันที่ เงา และการจัดประเภท การเปลี่ยนแปลงที่ตรวจพบไม่สามารถขึ้นอยู่กับธุรกรรมทางกฎหมายโดยไม่ได้รับการยืนยันจากการควบคุมภาคสนาม โฉนดที่ดิน/การจดทะเบียนใบอนุญาต และการวัดผลอย่างเป็นทางการ เอาต์พุต AI เพียงอย่างเดียวไม่ใช่หลักฐาน
4. การตรวจสอบที่สำคัญที่สุดก่อนที่จะรันสคริปต์ GeoPandas/Python ที่เขียนโดย AI กับข้อมูลโปรเจ็กต์จริงของคุณคืออะไร
- A) ตรวจสอบว่าโค้ดไม่ก่อให้เกิดข้อผิดพลาดใดๆ และรันบนชุดข้อมูลทั้งหมด
- B) อาศัยแผนที่ผลลัพธ์เพื่อให้ดูดี
- C) การรันโค้ดโดยตรงบนชุดข้อมูลหลักโดยไม่ต้องอ่าน
- D) การอ่านโค้ดและทดสอบโดยการตรวจสอบระบบพิกัดและเรขาคณิตกับข้อมูลตัวอย่างขนาดเล็ก และเปรียบเทียบผลลัพธ์กับข้อมูลอ้างอิงที่ทราบ ✔
คำอธิบาย: รหัสเชิงพื้นที่ของ AI อาจถือว่าระบบอ้างอิงพิกัด (CRS) ไม่ถูกต้อง บิดเบือนเรขาคณิต หรือคำนวณพื้นที่ด้วยหน่วยที่ไม่ถูกต้อง ควรอ่านโค้ด ทดสอบโดยการตรวจสอบระบบพิกัดและเรขาคณิตในข้อมูลตัวอย่างขนาดเล็กก่อน และผลลัพธ์ที่ได้เมื่อเปรียบเทียบกับข้อมูลอ้างอิงที่ทราบ
5. อะไรคือการใช้งานที่ดีที่สุดเมื่อเตรียมการฉายภาพประชากรโดย AI?
- ก) ป้อนข้อมูลทางสถิติและสมมติฐานอย่างเป็นทางการ และให้ AI เตรียมสถานการณ์และร่างรายงานระบุความไม่แน่นอนอย่างชัดเจน ✔
- B) ขอให้ AI สร้างตัวเลขประชากรโดยไม่มีแหล่งที่มา
- C) การใช้ตัวเลขที่ AI สร้างขึ้นแทนสถิติอย่างเป็นทางการ
- D) การแสดงตัวเลขที่แน่นอนเพียงตัวเดียวโดยไม่ระบุช่วงความไม่แน่นอน
คำอธิบาย: AI ไม่ได้สร้างการฉายภาพตัวเลขที่เชื่อถือได้ด้วยตัวมันเอง ประมวลผลข้อมูลสถิติอย่างเป็นทางการ (เช่น TURKSTAT) และวิธีการที่ได้รับการตรวจสอบ และจัดเตรียมสถานการณ์จำลองและร่างรายงาน การใช้งานที่ถูกต้องคือการใช้ AI เป็นเครื่องมือในการตีความและการเขียน โดยระบุข้อมูลอินพุต สมมติฐานการเติบโต และช่วงความไม่แน่นอนอย่างชัดเจน
6. เมื่อตั้งค่าการวิเคราะห์ความเหมาะสมในการใช้ที่ดินด้วย AI หนึ่งในชั้นข้อมูลที่คุณใช้นั้นเก่าและมีความแม่นยำเชิงพื้นที่ต่ำ แนวทางที่ดีต่อสุขภาพที่สุดคืออะไร?
- A) การใช้เลเยอร์ตามที่เป็นอยู่และยอมรับผลลัพธ์เป็นที่สิ้นสุด
- B) ประเมินความเป็นปัจจุบันและความถูกต้องของข้อมูล แทนที่ด้วยแหล่งข้อมูลปัจจุบันหากเป็นไปได้ และเขียนขีดจำกัดลงในรายงาน ✔
- C) ไม่สนใจคุณภาพของข้อมูลเนื่องจาก AI สร้างแผนที่ที่สวยงาม
- D) ลบเลเยอร์ที่หายไปออกจากการวิเคราะห์โดยไม่แจ้งให้ทราบ และไม่รายงานในรายงาน
คำอธิบาย: ผลลัพธ์ของการวิเคราะห์เชิงพื้นที่นั้นดีพอๆ กับคุณภาพของข้อมูลอินพุต (ขยะเข้า, ขยะออก) เลเยอร์เก่าหรือเลเยอร์ที่มีความเที่ยงตรงต่ำจะทำให้ผลลัพธ์เข้าใจผิดอย่างเป็นระบบ สกุลเงินของข้อมูลและความถูกต้องควรได้รับการประเมิน แทนที่ด้วยแหล่งข้อมูลที่อัปเดต/ตรวจสอบแล้ว หากเป็นไปได้ และควรเขียนขีดจำกัดไว้อย่างชัดเจนในรายงาน
7. คุณสรุปความคิดเห็นของพลเมืองนับพันที่คุณรวบรวมไว้ในการวางแผนแบบมีส่วนร่วมกับ AI ความเสี่ยงและข้อควรระวังที่สำคัญที่สุดในแง่ของการเป็นตัวแทนคืออะไร?
- ก) การปฏิบัติต่อสรุป AI เสมือนเป็นตัวแทนความคิดเห็นทั้งหมดอย่างยุติธรรม และไม่พิจารณาข้อมูลดิบ
- B) การตัดสินใจจะขึ้นอยู่กับธีมที่เกิดบ่อยที่สุดเท่านั้น
- C) ติดตามความคิดเห็นของชนกลุ่มน้อยและกลุ่มชายขอบแยกกัน ปกป้องการเข้าถึงข้อมูลดิบ และปล่อยให้การตัดสินใจเป็นกระบวนการสาธารณะที่โปร่งใส ✔
- D) ขจัดความคิดเห็นที่ซ้ำซากน้อยลงให้กลายเป็นสิ่งรบกวน
คำอธิบาย: บทสรุปของ AI สามารถเน้นเสียงของข้อความส่วนใหญ่และข้อความที่กล่าวซ้ำๆ และปิดบังมุมมองของชนกลุ่มน้อยและกลุ่มชายขอบ นี่คืออคติในการเป็นตัวแทน บทสรุปควรติดตามกลุ่มเหล่านี้แยกกัน การเข้าถึงข้อมูลดิบควรได้รับการปกป้อง และการตัดสินใจขั้นสุดท้ายควรปล่อยให้เป็นกระบวนการสาธารณะที่โปร่งใส
8. อะไรคือการวางกรอบที่แม่นยำที่สุดเมื่อนำเสนอผลลัพธ์ของการจำลองการเติบโตของเมืองต่อสภาเทศบาลเมือง?
- A) การนำเสนอผลลัพธ์เป็นการทำนายอนาคตที่แม่นยำ
- B) แสดงสถานการณ์เดียวอย่างถูกต้องโดยไม่ต้องอธิบายสมมติฐานและความไม่แน่นอน
- C) แทนที่การจำลองด้วยกระบวนการวางแผนอย่างเป็นทางการ
- ง) ระบุสมมติฐาน ข้อจำกัด และความไม่แน่นอนอย่างชัดเจน นำเสนอผลลัพธ์เป็นสถานการณ์/เครื่องมือในการอภิปราย และปล่อยให้การตัดสินใจเป็นกระบวนการอย่างเป็นทางการ ✔
คำอธิบาย: ผลลัพธ์ของการจำลองเป็นสถานการณ์ภายใต้สมมติฐานบางประการ ไม่ใช่การคาดการณ์หรืออนาคตที่แน่นอน การนำเสนอที่เหมาะสมคือการระบุสมมติฐานอินพุต ข้อจำกัด และความไม่แน่นอนอย่างชัดเจน และนำเสนอผลลัพธ์เป็นข้อโต้แย้งในการตัดสินใจ ปล่อยให้การตัดสินใจขั้นสุดท้ายเป็นไปตามกระบวนการวางแผนอย่างเป็นทางการและการประเมินโดยผู้เชี่ยวชาญ
9. อะไรคือพฤติกรรมที่ดีที่สุดในแง่ของความเป็นส่วนตัวเมื่อให้ข้อมูลรูปวาดและพัสดุของการแก้ไขแผนงานที่ยังไม่ถูกระงับโดยเครื่องมือ AI บนคลาวด์?
- ก) ไม่ระบุชื่อบริบท ตัวระบุที่ชัดเจน และใช้เครื่องมือที่สอดคล้องกับนโยบาย ซึ่งจะไม่ใช้ข้อมูลในการศึกษา ✔
- B) การอัปโหลดแบบร่างและข้อมูลเจ้าของพัสดุทั้งหมดตามที่เป็นอยู่
- C) การใช้เครื่องมือฟรีโดยไม่ต้องอ่านนโยบายความเป็นส่วนตัว
- ง) สมมติว่าข้อมูลตำแหน่งจะต้องเปิดเผยเพื่อคุณภาพของผลลัพธ์
การเปิดเผยข้อมูล: ข้อมูลแผนที่ไม่ได้ระงับ ข้อมูลเจ้าของพัสดุ และสถานที่ตั้งมีความละเอียดอ่อนทั้งในด้านข้อมูลส่วนบุคคลและกระบวนการสาธารณะ การรั่วไหลตั้งแต่เนิ่นๆ ทำให้เกิดความเสี่ยงของการเก็งกำไรและกำไรที่ได้มาอย่างไม่ถูกต้อง มีความจำเป็นต้องปกปิดบริบท ทำความสะอาดตัวระบุ เช่น พัสดุ/พิกัด/ชื่อ และเลือกเครื่องมือที่สอดคล้องกับนโยบายที่รับประกันว่าข้อมูลจะไม่ถูกนำมาใช้ในการฝึกอบรม
10. วิธีใดคือแนวทางที่แม่นยำที่สุดในการตีความผลลัพธ์ของโมเดลการรับส่งข้อมูลด้วย AI
- A) การขอให้ AI คำนวณปริมาณการรับส่งข้อมูลโดยไม่ต้องใช้แบบจำลอง
- B) สรุปผลลัพธ์ของแบบจำลองที่ปรับเทียบและตรวจสอบแล้วไปยัง AI ระบุสมมติฐานอย่างชัดเจน และปล่อยให้การประเมินขั้นสุดท้ายเป็นของผู้เชี่ยวชาญ ✔
- C) การยอมรับผลลัพธ์ว่าแม่นยำ แม้ว่าโมเดลจะไม่ได้ปรับเทียบด้วยการนับภาคสนามก็ตาม
- D) การใช้ค่าปริมาตรที่ AI สร้างขึ้นแทนการศึกษาอย่างเป็นทางการ
คำอธิบาย: AI ไม่ได้คำนวณการกำหนดการรับส่งข้อมูลเอง สรุปผลลัพธ์ของแบบจำลองที่ปรับเทียบแล้ว เพื่อให้ผลลัพธ์มีความหมาย แบบจำลองจะต้องได้รับการสอบเทียบและตรวจสอบโดยการสำรวจสำมะโนภาคสนาม สมมติฐาน (ปีสถานการณ์ เมตริกซ์อุปสงค์) ต้องมีความชัดเจน และการประเมินขั้นสุดท้ายต้องทำโดยผู้เชี่ยวชาญด้านการขนส่งที่มีความสามารถ
11. โครงสร้างพื้นฐานที่ต้องจัดทำขึ้นเพื่อรักษาคุณภาพ ประโยชน์สาธารณะ และความรับผิดชอบในหน่วยการวางแผนที่ใช้ AI คืออะไร
- ก) พนักงานทุกคนใช้ AI ที่ไม่ได้รับการดูแลในลักษณะของตนเอง
- B) ถ่ายโอนเอาต์พุต AI ไปยังแผนโดยตรงโดยไม่บันทึกใดๆ
- C) การสร้างไลบรารีพร้อมท์ทั่วไป โปรโตคอลการตรวจสอบ การกำกับดูแลข้อมูลและนโยบายความเป็นส่วนตัว และการปิดผลลัพธ์ที่สำคัญโดยได้รับอนุมัติจากผู้มีอำนาจ ✔
- D) ทำการตรวจสอบเพียงครั้งเดียวเมื่อสิ้นสุดกระบวนการ
คำอธิบาย: การใช้ AI แบบกระจายและไม่มีการควบคุมจะขยายความเสี่ยงของข้อผิดพลาด อคติ และความเป็นส่วนตัว และบ่อนทำลายความไว้วางใจของสาธารณะ การสร้างไลบรารีพร้อมท์ทั่วไปในระดับองค์กร โปรโตคอลการตรวจสอบสำหรับเอาต์พุตแต่ละประเภท การกำกับดูแลข้อมูล และนโยบายความเป็นส่วนตัวที่ชัดเจน จำเป็นต้องปิดผลลัพธ์ที่สำคัญด้านความปลอดภัยและผลประโยชน์สาธารณะทุกรายการโดยได้รับอนุมัติจากผู้มีอำนาจ
12. เมื่อคุณถาม AI เกี่ยวกับบทความเกี่ยวกับการควบคุมการแบ่งเขต เขาให้หมายเลขบทความและอัตราที่ชัดเจน คุณควรทำอะไรก่อนที่จะใช้ข้อมูลนี้ในการตัดสินใจแผนของคุณ?
- ก) ทาโดยตรง เพราะ AI ให้สารใส
- B) การแทนที่รายการด้วยค่าที่คุณจำได้จากโปรเจ็กต์อื่น
- C) การใช้หมายเลขบทความโดยการปัดเศษโดยไม่ดูแหล่งที่มา
- D) เพื่อยืนยันข้อมูลจากข้อความปัจจุบันอย่างเป็นทางการของกฎระเบียบปัจจุบันและหากจำเป็นเพื่อตรวจสอบจากฝ่ายบริหารที่มีอำนาจ ✔
คำอธิบาย: บทความเกี่ยวกับกฎระเบียบมีการเปลี่ยนแปลงเมื่อเวลาผ่านไป และ AI อาจส่งคืนข้อมูลที่ล้าสมัยหรือมาจากกฎหมายอื่น หรือแม้แต่ทำให้ภาพหลอนหมายเลขบทความ ค่าจะต้องได้รับการยืนยันจากข้อความอย่างเป็นทางการและปัจจุบันของกฎระเบียบที่เกี่ยวข้องที่บังคับใช้ และหากจำเป็น ให้ตรวจสอบโดยฝ่ายบริหารที่มีอำนาจ
13. วิธีที่มีประสิทธิภาพที่สุดในการใช้ AI ในการวิเคราะห์การใช้ที่ดินคือให้อะไร?
- ก) กำหนดพื้นที่ทำงาน ชั้น ระบบพิกัด หลักเกณฑ์ และน้ำหนักให้ชัดเจนและมีโครงสร้าง ✔
- B) ขอเพียงประโยคเดียว เช่น 'ทำการวิเคราะห์การใช้ที่ดินที่ดี'
- C) สร้างแผนที่จำนวนมากและเลือกแผนที่โดยไม่ต้องให้บริบทใดๆ
- D) เหลือเกณฑ์และน้ำหนักให้ AI เป็นผู้กำหนดเอง
คำอธิบาย: คุณภาพเอาต์พุตของ AI ขึ้นอยู่กับคุณภาพอินพุต ผลลัพธ์จะทำงานได้ดีเมื่อคุณระบุข้อจำกัดอย่างชัดเจน เช่น ขอบเขตของพื้นที่ทำงาน ชั้นที่จะใช้ ระบบพิกัด เกณฑ์การวิเคราะห์ และน้ำหนัก การร้องขอด้วยประโยคเดียวที่คลุมเครือทำให้เกิดผลลัพธ์ที่เป็นภาพรวมและผิวเผิน แม้กระทั่งทำให้เข้าใจผิด
14. คุณร่างรายงานการเปิดเผยแผน (รายงานเหตุผลของแผน) ด้วย AI ทัศนคติที่ถูกต้องที่สุดต่อร่างนี้คืออะไร?
- A) วางแบบร่างตามที่อยู่ในไฟล์อนุมัติ
- B) ใช้ร่างเป็นกรอบและทบทวนและแก้ไขข้อมูลทั้งหมด การอ้างอิงทางกฎหมายและการให้เหตุผลกับผู้วางแผนที่มีความสามารถ ✔
- C) ไม่ตรวจสอบการอ้างอิงกฎหมายเพราะ AI ให้ไว้
- ง) การรับข้อมูลการวิเคราะห์โดยไม่เปรียบเทียบกับการศึกษาจริง
คำอธิบาย: รายงานการเปิดเผยแผนเป็นส่วนหนึ่งของกระบวนการอนุมัติทางกฎหมายและสร้างความรับผิดด้านเทคนิค/กฎหมาย AI สามารถสร้างโครงกระดูกได้อย่างรวดเร็ว อย่างไรก็ตาม ข้อมูล การอ้างอิงกฎหมาย อัตรา และเหตุผลทั้งหมดจะต้องได้รับการตรวจสอบโดยนักวางผังเมืองที่มีความสามารถ และแก้ไขให้สอดคล้องกับกฎหมายปัจจุบันและข้อมูลการวิเคราะห์จริง และความรับผิดชอบจะต้องอยู่กับผู้วางแผน