End-to-End Workflow: Pagpapatakbo ng Proyekto mula Simula hanggang Tapos gamit ang AI — Artificial Intelligence sa Landscape Architecture

Mga nadagdag:

Kakayahang hatiin ang isang proyekto sa mga yugto mula sa konsepto hanggang sa paghahatid at matukoy ang papel ng artificial intelligence, ang pagpapatunay na isaaktibo at ang responsableng eksperto sa bawat yugto.
Pagtatanong ng risk bucket na tanong sa dulo ng bawat yugto at makumpirma ang lokal na planta, batas at gastos sa sarili nitong yugto.
Kakayahang pagsamahin ang AI produces, human decides, every critical output is verified, signature is with the expert principles in an end-to-end workflow

Sa nakaraang labing-isang unit, isa-isa naming natutunan ang mga bahagi: concept, visual, site analysis, plant, water, sustainability, technique, presentation, cost, legislation. Sa yunit na ito, pinagsama-sama namin silang lahat sa isang tunay na proyekto. Ang layunin ay magtatag ng workflow na maaaring gumamit ng artificial intelligence (AI) nang matatas at ligtas mula sa simula ng proyekto hanggang sa paghahatid nito. Ang daloy ng trabaho ay ang hanay ng mga sunud-sunod na hakbang na sinusunod ng isang trabaho mula simula hanggang katapusan. Ang unit na ito ay hindi isang buod, ngunit isang integration rehearsal: sa bawat yugto, kung saan bumibilis ang AI, kung saan ito tumitigil, kung anong validation ang papasok.

Halimbawang proyekto: 4 ha city park sa tabi ng batis

Isaalang-alang natin ang proyektong binanggit natin sa buong modyul mula simula hanggang katapusan. Nais ng munisipyo na gawing isang parke ng lungsod ang isang idle stream bank na nasa panganib ng baha na parehong buffer ng tubig at nagdudulot ng kakayahang magamit sa kapitbahayan. Ang badyet ay limitado, ang tagal ay tatlong buwan, ang klima ay banayad-ulan.

Phase 1 — Framework at konsepto (Mga Yunit 1-2). Ang balangkas ng proyekto at 6 na tema ay ginawa gamit ang AI; Pinipili ng koponan ang tema ng "ang linya ng tubig na nagbabalik sa batis na nakalimutan ng lungsod" at isinasalin ito sa mga prinsipyo. Ang AI ay nag-iba-iba at pumipili ng mga koponan.

Stage 2 — Field analysis (Yunit 4). Ang slope, oryentasyon, daloy ng tubig ay nakuha mula sa GIS; Isang field trip ang ginawa. Ang AI ay nag-synthesize ng sinusukat na data + obserbasyon at gumagawa ng isang listahan ng hadlang sa pagkakataon. Mga sukat mula sa tool, na-verify ang synthesis.

Stage 3 — Diskarte sa tubig at klima (Yunit 6). Ang YZ ay nagmumungkahi ng kumbinasyon ng rain garden + bioswal + permeable soil; ang lohika ng pag-aayos ay itinatag. Ang pagdimensyon ay itinalaga sa hydraulic engineer.

Stage 4 — Plant palette (Yunit 5). Gumagawa ang AI ng tampok na profile at listahan ng kandidato; Bine-verify ng team ang bawat species para sa local climate zone, invasive list, toxicity at sapling availability. Hindi kasama ang mga hindi na-verify na uri.

Stage 5 — Sustainability check (Yunit 7). Ang disenyo ay ipinapasa sa water-permeability-local rate-shade-biodiversity scorecard; ang mga mahihinang pamagat ay napabuti.

Stage 6 — Visual at teknikal (Mga Yunit 3, 8). Gumagawa ang AI ng mga larawan sa atmospera at lohika ng detalye/paghahambing ng materyal; Ang mga scale sheet ay iginuhit sa CAD, ang mga static na detalye ay iginuhit ng engineer.

Stage 7 — Gastos at iskedyul (Yunit 10). Ang AI ay nag-aayos ng listahan ng item at talahanayan; Ang aktwal na dami at kasalukuyang mga presyo ay ipinasok, at ang iskedyul ng trabaho ay naka-set up ayon sa panahon ng pagtatanim.

Stage 8 — Legislation and rollout (Mga Yunit 9, 11). Ang checklist ng pahintulot at mga tanong sa institusyon ay inihanda, ang mga bagay ay nakumpirma sa opisyal; Ang pagtatanghal ay idinisenyo sa iba't ibang wika para sa tatlong madla (munisipyo, residente ng kapitbahayan, hurado).

Tip: Sa pagtatapos ng bawat yugto, magtanong ng isang tanong: "Mababa ba, katamtaman, o mataas na panganib ang maihahatid na ito; sino ang magbe-verify nito?" Ang nag-iisang tanong na ito ay nagpapanatili sa buong workflow na secure.

Gintong panuntunan sa pagitan ng mga yugto

Sa end-to-end na daloy, tatlong prinsipyo ang inuulit sa bawat yugto: (1) AI varieties at accelerates, ang mga tao ay pumipili at nagmamay-ari; (2) bawat numeric/lokal/seguridad-kritikal na output ay na-verify; (3) ang desisyon at lagda ay nasa karampatang eksperto. Ang tatlong prinsipyong ito ay hindi nagbabago; Tanging ang paksa kung saan sila inilapat ang nagbabago.

tatlong mini case

Case 1 — End-to-end na bilis. Ang isang opisina ay nagpatakbo ng katulad na stream park na may AI-powered workflow: ang konsepto at pagsusuri ay naging 10 araw mula sa 3 linggo; Ang oras na na-save ay nakatuon sa detalye at pag-verify. Bumuti ang kalidad ng paghahatid dahil nagkaroon ang team ng oras para "magpasya" sa halip na "mag-produce."

Case 2 — Chain verification. Sa parehong proyekto, apat na magkahiwalay na AI bug ang nahuli sa iba't ibang yugto: isang invasive na planta (Unit 5 verification), isang fabricated regulatory clause (Unit 11 verification), isang pinalaking larawan (Unit 3 check), isang nawawalang item sa gastos (Unit 10 list). Walang umabot sa pagsusumite; gumana ang disiplina.

Kaso 3 — Pagbabago ng koponan. Ang isang koponan ay gumawa ng maraming pagkakamali sa una, na iniisip na ang AI ay "magic na gumagawa ng lahat." Sa sandaling pinagtibay nila ang disiplina sa bucket ng panganib (Unit 1), sinimulan nilang gamitin ang AI sa kanang layer: libre at mababa ang panganib, nagpapatunay sa katamtamang panganib, nakakatulong lamang sa mataas na panganib. Ang kahusayan at kumpiyansa ay tumaas nang magkasama.

Apat na maaaring kopyahin na mga template

1) Roadmap ng proyekto:

Ang iyong tungkulin: landscape project coordinator. Proyekto: [paglalarawan, tagal, badyet, klima]. Bigyan mo ako ng end-to-end workflow roadmap: konsepto, pagsusuri, diskarte sa tubig, planta, sustainability, visual, teknikal, gastos, batas, presentasyon. Specify the AI's role at each stage and which verification/expert will be involved.

2) Pagtatapos ng yugto ng pag-audit sa panganib:

Suriin ang output ng sumusunod na yugto [yugto at output] para sa panganib: paghiwalayin ang mababa/katamtaman/mataas na panganib na mga bahagi, kung sino at kung paano i-verify para sa bawat medium/mataas, ilista ang mga puwang na kailangang sarado bago ihatid.

3) Holistic na kontrol bago ang paghahatid:

Suriin ang proyektong ito nang buong buo bago ihatid: pagkakapare-pareho ng disenyo ng konsepto, kung ang lokal na pag-verify ng halaman ay ginawa, kung ang diskarte sa engineering ay naaprubahan, kung ang gastos ay makatotohanan, kung ang batas ay nakumpirma, kung ang mga visual ay kinatawan. Ang mga nawawalang pag-verify ay lumalabas sa isang listahan.

4) Natutunan ang aral:

Kapag natapos na ang proyektong ito, ilabas ang mga aral na natutunan sa paggamit ng AI: sa anong yugto gumana nang mahusay ang AI, sa anong yugto mataas ang panganib ng error, paano ko dapat pagbutihin ang daloy ng trabaho sa susunod na proyekto? Isulat sa konkreto at mga bagay na naaaksyunan.

Mahinang prompt / Malakas na prompt

Mahinang prompt:

Gawin mo ang proyektong ito para sa akin mula simula hanggang matapos.

Ang pagnanais na ito na nagnanais ng lahat nang sabay-sabay; Gumagawa ito ng hindi na-verify, mababaw at mapanganib na pile.

Napakahusay na prompt:

Ang iyong tungkulin: coordinator ng proyekto. Proyekto: 4 ektaryang parke sa tabi ng batis, 3 buwan, limitadong badyet, katamtamang maulan na klima, priyoridad na buffering sa baha at paggamit ng kapitbahayan. Lumilitaw ang isang hakbang-hakbang na daloy ng trabaho para sa akin; Sa bawat yugto, (1) ang konkretong kontribusyon ng AI, (2) ang pagpapatunay na gaganap, at (3) dapat tukuyin ang responsableng eksperto/awtoridad. Markahan nang hiwalay ang mga yugto na may mataas na peligro. Huwag sabihing "Nakumpleto ng AI ang anumang yugto sa sarili nitong."

Ang progresibong pag-udyok na may pag-verify at pagtatalaga ng responsibilidad ay ginagawang isang tunay na tool sa koordinasyon ang AI.

End-to-end na talahanayan ng buod ng tungkulin

entablado

kontribusyon ng AI

pagpapatunay

Responsable

konsepto

pagkakaiba-iba

Filter ng badyet/klima

taga-disenyo

Pagsusuri

synthesis

Field + GIS

field analyst

tubig/klima

Diskarte

haydroliko calculator

inhinyero

halaman

listahan ng kandidato

Lokal na pag-verify

arkitekto ng landscape

teknikal

Logic/text

CAD + static

Arkitekto/inhinyero

Gastos

mesa

Aktwal na dami/presyo

quantity surveyor

batas

Buod/listahan

Awtorisadong kumpirmasyon

karampatang awtoridad

pagtatanghal

Salaysay

Pagsusuri ng integridad

taga-disenyo

Mga karaniwang pagkakamali

Nais ang lahat sa isang kahilingan. Ang dulo-sa-dulo na daloy ay unti-unti; Ang bawat yugto ay hiwalay na na-verify.
Nilaktawan ang end-of-stage risk audit. Nahuhuli ang mga error sa mga phase transition.
Nag-iipon ng mga pagpapatibay at iniiwan ang mga ito hanggang sa huli. Ang lokal na planta, batas at kumpirmasyon sa gastos ay dapat gawin sa sarili nitong yugto.
Pag-embed ng desisyon ng tao sa daloy ng AI. Ang pagpili, pagmamay-ari at lagda ay nakasalalay sa mga tao sa bawat yugto.
Hindi pagtatala ng natutunan. Ang bawat proyekto ay isang pagkakataon upang mapabuti ang susunod na daloy ng trabaho.

Sa buod

Ang end-to-end na daloy ng trabaho ay kung saan nagsasama-sama ang lahat ng nakaraang unit sa isang proyekto. Ang AI ay nag-iiba-iba at nagpapabilis sa bawat yugto; ngunit sa bawat yugto, pinipili, i-verify at pagmamay-ari ng mga tao. Tatlong hindi nababagong prinsipyo ang nagpapanatiling ligtas sa daloy: Gumagawa ang AI, nagpapasya ang tao, na-verify ang bawat kritikal na output, ang pirma ay nasa karampatang eksperto. Hatiin ang proyekto sa mga yugto, tanungin ang panganib na bucket na tanong sa dulo ng bawat yugto, magsagawa ng mga pag-verify sa sarili nitong yugto, at matuto mula sa bawat proyekto. Kaya, nagiging kasosyo ang AI na nagpapatibay sa iyong propesyon, hindi nagpapahina nito.

Gawain ng aplikasyon

Gumawa ng end-to-end na daloy ng trabaho gamit ang template na "Project roadmap" para sa isang tunay na proyekto na iyong pinili; I-verify at italaga ang responsibilidad para sa bawat yugto. Pagkatapos ay pumili ng dalawang yugto at i-audit ang mga ito gamit ang template na "End of phase risk audit." Panghuli, ilista ang iyong mga nawawalang pag-verify gamit ang template na "Holistic pre-delivery check."

checklist

[ ] Hinati ko ang proyekto sa mga yugto; Na-verify at nagtalaga ako ng responsibilidad para sa bawat yugto.
[ ] Tinanong ko ang risk bucket na tanong sa dulo ng bawat yugto.
[ ] Ginawa ko ang lokal na planta, batas at kumpirmasyon sa gastos sa sarili nitong yugto.
[ ] Iniugnay ko ang mga yugtong may mataas na peligro sa pag-apruba ng eksperto.
[ ] Napansin ko ang mga aral na natutunan mula sa proyekto para sa susunod na daloy ng trabaho.

Pagsusulit sa Module

1. Alin sa mga sumusunod ang pinakatumpak na pagpoposisyon para sa artificial intelligence sa landscape architecture?

A) AI ay isang accelerator at blueprint generator; Ang responsibilidad para sa mga desisyon sa site, ekolohiya, seguridad at regulasyon ay nakasalalay sa mga tao ✔
B) Ang artificial intelligence ay maaaring kumpletuhin at pirmahan ang disenyo sa sarili nitong
C) Gumagana lamang ang artificial intelligence sa paggawa ng mga visual, wala itong kinalaman sa iba pang mga yugto ng disenyo
D) Dahil ang artificial intelligence ay mas layunin kaysa sa mga tao, ang mga pambatasan na desisyon ay dapat na ipaubaya dito.

Paglalarawan: Ang artificial intelligence ay isang idea multiplier at draft generator na nagpapabilis ng konsepto, visual, pagsusuri at komunikasyon; Ang realidad sa larangan, lokal na ekolohiya, kaligtasan at legal na responsibilidad ay nananatili sa karampatang eksperto. Sa mga desisyon sa engineering at kritikal sa kaligtasan, ang AI ay hindi kapalit ng pag-apruba ng eksperto.

2. Kapag pinaghiwa-hiwalay mo ang mga desisyon sa isang proyekto ng landscaping ayon sa antas ng panganib, alin sa mga sumusunod ang mahuhulog sa bucket na 'mataas na panganib (kinakailangan ng pag-apruba ng eksperto)'?

A) Pagsulat ng isang konseptong teksto
B) Paglikha ng ideya sa moodboard
C) Retaining wall statics at kaligtasan ng palaruan ng mga bata ✔
D) Pagkuha ng mungkahi sa pamagat ng presentasyon

Paglalarawan: Ang mga isyu sa engineering at kritikal sa kaligtasan gaya ng retaining wall statics, tree root-substructure conflict, toxic/invasive na halaman, at kaligtasan sa palaruan ng mga bata ay mataas ang panganib; Narito ang artificial intelligence ay isang katulong lamang, ang pangwakas na desisyon ay pag-aari ng eksperto. Ang text ng konsepto at moodboard ay mababa ang panganib.

3. Ano ang pinakamabisang paraan ng paggamit ng artificial intelligence sa yugto ng pagbuo ng konsepto?

A) Paglikha ng maraming iba't ibang tema at pagpili at pagpapalalim sa mga ito sa pamamagitan ng pagpasa sa mga ito sa isang filter ng konteksto ✔
B) Humihingi ng isang 'pinakamahusay na konsepto' at direktang ipatupad ito
C) Paghingi ng pangkalahatang konsepto nang hindi nagbibigay ng konteksto
D) Paghahatid ng konsepto nang walang anumang pagpuna

Paliwanag: Ang isip ng tao ay may posibilidad na tumuon sa unang 2-3 ideya. Ang tunay na kapangyarihan ng artificial intelligence ay na ito ay gumagawa at naghahambing ng maraming iba't ibang mga tema; Ang pagpili, pagpapalalim at pagmamay-ari ay pag-aari ng tao. Ang paghingi ng isang 'pinakamahusay' na rekomendasyon ay nagsasayang ng kapangyarihang iyon.

4. Aling prinsipyo ang mahalaga kapag nagpapakita ng render (larawan) na ginawa gamit ang artificial intelligence sa customer?

A) Ang visual ay ipinakita bilang isang tiyak at eksaktong view na ilalapat.
B) Itinuturing na isang visual scale na teknikal na dokumento
C) Ang visual na representasyon ay ang kapaligiran; siniyasat para sa pagiging tunay at binigyan ng mga teknikal na sheet ✔
D) Ang imahe ay direktang inilipat sa application nang walang pag-verify

Paglalarawan: Ang mga artificial intelligence visual ay isang paraan ng komunikasyon at kapaligiran; Hindi ito sukat at maaaring maglaman ng mga elemento na hindi mai-install sa katotohanan (pinalaking density, mga halaman na hindi pamilyar sa klima). Samakatuwid, dapat itong sabihin na ito ay isang 'kinatawan na kapaligiran' at dapat na iharap sa mga teknikal na sheet.

5. Bakit mali na magtanong sa artificial intelligence tungkol sa average na slope ng isang plot sa pagsusuri ng lugar?

A) Ang artipisyal na katalinuhan ay hindi makakagawa ng mga positional na sukat at maaaring bumuo ng numero; pagsukat na kinuha mula sa GIS/field measurement ✔
B) Kinakalkula ng artificial intelligence ang slope nang tama ngunit mabagal
C) Ang slope ay isang hindi mahalagang data, hindi na kailangang magtanong
D) Ang artipisyal na katalinuhan ay maaari lamang kalkulahin ang square meters, hindi slope, ngunit kalkulahin ang distansya

Paglalarawan: Hindi nakikita ng artificial intelligence ang plot at hindi makakagawa ng spatial measurements; ang ganitong tanong ay maaaring makabuo ng tiwala ngunit walang batayan na numero. Ang mga sukat tulad ng slope, lugar at distansya ay kinuha mula sa GIS o field survey; Ang artificial intelligence ay ginagamit lamang upang bigyang-kahulugan ang nasusukat na data na ibinigay.

6. Ano ang pinakamahalagang tuntunin ng paggamit ng artificial intelligence sa pagpili ng halaman?

A) Gamitin ang AI sa listahan ng kandidato at patunayan ang bawat species na may lokal na klima, invasive na listahan, toxicity at market ✔
B) Direktang paglalagay ng listahang iminungkahi ng AI sa proyekto, dahil nakabatay ito sa pandaigdigang data
C) Pagpili lamang ng mga species na mukhang kaakit-akit sa paningin
D) Mas pinipili ang mga species na praktikal dahil mabilis silang lumaki, nang hindi bini-verify ang mga ito.

Paliwanag: Dahil natututo ang AI mula sa pandaigdigang average, maaaring mali ito tungkol sa climate zone, invasive status, toxicity, at market. Kaya ginagamit lamang ito bilang generator ng listahan ng kandidato; bawat species ay na-verify para sa lokal na klima zone, invasive na listahan ng species, toxicity, at sapling availability. Ang hindi na-verify na uri ay hindi pumapasok sa proyekto.

7. Paano nagkakaiba ang papel ng artificial intelligence at ang papel ng engineer sa pamamahala ng tubig-bagyo?

A) Ang artipisyal na katalinuhan ay gumagawa ng parehong diskarte at mga pagkalkula ng kapasidad nang ligtas
B) Ang artificial intelligence ay bumubuo ng mga ideya sa diskarte at paglalagay; Ang dimensyon at kapasidad ay pagkalkula at pag-apruba ng engineer ✔
C) Tinutukoy lamang ng engineer ang diskarte, ang artificial intelligence ang gumagawa ng mga kalkulasyon
D) Ang pagpapalaki ay hindi mahalaga; The direction in which the water flows is sufficient

Paglalarawan: Ang ideya at paglalagay ng mga solusyon gaya ng rain garden at bioswales ay mga desisyon sa disenyo, at nakakatulong ang artificial intelligence dito. Gayunpaman, ang sukat, kapasidad at kaligtasan sa baha ay nangangailangan ng mga haydroliko na kalkulasyon at pag-apruba ng engineer; Hindi makalkula ng artificial intelligence ang rate ng daloy/kapasidad dahil ang maling sukat ay nangangahulugan ng pagbaha o pagbagsak.

8. Ano ang pinakatumpak na diskarte kapag sinusuri ang pagpapanatili ng isang disenyo?

A) Kung mas berde ang hitsura ng disenyo, mas napapanatiling ito
B) Pagsusuri ng sustainability sa mga nasusukat na paksa tulad ng tubig, permeability, local rate, shade, maintenance at biodiversity ✔
C) Ang pagpaparami lamang ng mga halaman ay sapat na
D) Masinsinang pagtatanim nang hindi isinasaalang-alang ang mga gastos sa pagpapanatili

Paliwanag: Ang 'looking green' ay hindi sustainability; A single-species green space that consumes a lot of water can be ecologically poor and costly. Ang tamang diskarte ay upang makakuha ng sustainability sa mga nasusukat na paksa tulad ng tubig, permeability, rate ng katutubong species, lilim, pagpapanatili at biodiversity at pagbutihin ang mga mahinang punto.

9. Ano ang dapat gawin para sa pagsukat at mga halaga ng pampalakas sa 'sample na seksyon' ng isang retaining wall na ibinigay ng artificial intelligence sa yugto ng teknikal na pagguhit?

A) Values can be copied directly into the project because AI knows the standards
B) Ang mga halaga ay kinatawan; Ang static na detalye ay tinutukoy ng ground survey at pagkalkula ng engineer, hindi ito kasama sa drawing nang walang verification ✔
C) Ang mga halaga ay para sa aesthetic na layunin lamang, wala silang kinalaman sa mga estatika
D) Ang halaga ng kagamitan na ibinigay ng artificial intelligence ay palaging nananatili sa ligtas na bahagi

Paliwanag: Ang artificial intelligence ay hindi gumagawa ng mga scaled/static na drawing at ang mga sukat, elevation at reinforcement value na ibinibigay nito ay kumakatawan. Static na detalye; Ito ay tinutukoy ng ground survey at mga kalkulasyon ng engineer. Ang mga halagang ito ay hindi maaaring ilipat sa pagguhit nang walang pag-verify, ito ay lalong mahalaga para sa mga detalyeng kritikal sa seguridad.

10. Ano ang pinaka-epektibong diskarte kapag nagtatanghal ng parehong proyekto ng landscaping sa iba't ibang madla?

A) Paglalahad ng parehong teknikal na teksto sa lahat
B) Pagmamalabis sa mga natitipid at mga bilang ng benepisyo upang mapataas ang epekto
C) Pag-aangkop sa esensya ng disenyo upang sabihin sa bawat madla kung ano ang kanilang pinapahalagahan sa kanilang sariling wika ✔
D) Ito ay sapat na upang maghanda ng isang pagtatanghal para lamang sa teknikal na hurado.

Paglalarawan: Ang mamumuhunan ay nagmamalasakit sa gastos at halaga, ang kapitbahayan ay nagmamalasakit sa pang-araw-araw na benepisyo at kaligtasan, ang hurado ay nagmamalasakit sa konsepto at pamamaraan. Pagpapaliwanag ng isang solong kakanyahan ng disenyo sa bawat madla kung ano ang kanilang pinapahalagahan, sa isang wikang naiintindihan nila; Ang pagsasamantala sa frame-translating power ng artificial intelligence ay ang pinakamabisang paraan. Karaniwang pagkakamali na ipaliwanag ito sa lahat sa iisang wika.

11. Bakit mali ang direktang kalkulahin ng artificial intelligence ang kabuuang halaga ng isang parke?

A) Laging alam ng artificial intelligence ang kasalukuyang mga presyo sa merkado
B) Kinakalkula ng artificial intelligence ang gastos ngunit mali lamang sa malalaking proyekto
C) Hindi alam ng artificial intelligence ang aktwal na haba ng proyekto at kasalukuyang mga presyo; Ang halagang ibinigay ay kinatawan, hindi isang alok ✔
D) Ang gastos ay hindi mahalaga, ang mahalaga ay ang kagandahan ng disenyo

Paliwanag: Hindi alam ng artificial intelligence ang aktwal na haba ng iyong proyekto o ang kasalukuyang mga presyo ng lokal na yunit; Ang halagang ibinigay ay purong kinatawan at hindi isang alok. Ang tamang paraan ay ang kunin ang aktwal na dami mula sa data ng proyekto at ang mga presyo ng yunit mula sa merkado at ang artificial intelligence lamang ang mag-edit ng talahanayan.

12. Ano ang pinakamapanganib na panganib at tamang pag-iingat kapag gumagamit ng artificial intelligence tungkol sa batas?

A) Dahil alam ng artificial intelligence ang batas sa puso, ang mga artikulo nito ay mapagkakatiwalaan
B) Ang batas ay unibersal, hindi na kailangan ng lokal na kumpirmasyon
C) Ang numero ng item na ibinigay ng artificial intelligence ay palaging napapanahon.
D) Ang artipisyal na katalinuhan ay maaaring bumuo ng hindi umiiral na bagay; Ang bawat probisyon ay dapat kumpirmahin mula sa opisyal na napapanahon na pinagmulan at awtoridad ✔

Paglalarawan: Ang batas ay lokal, kasalukuyan at bukas sa interpretasyon; Maaaring bumuo ang AI ng hindi umiiral na numero ng item o panuntunan (hallucination). Ang tamang pag-iingat ay huwag gumamit ng anumang probisyon nang hindi ito bini-verify; Ito ay ang paggamit lamang ng artificial intelligence upang ibuod ang opisyal na teksto na iyong ibibigay, upang bumuo ng isang checklist at mga tanong sa opisyal, at upang kumpirmahin ang mga item mula sa opisyal na kasalukuyang pinagmulan.

13. Aling prinsipyo ang naaangkop sa paggamit ng artificial intelligence na may data tulad ng kontrata ng customer at impormasyon ng parsela?

A) Ang lahat ng mga dokumento ay maaaring i-upload kung ano man, dahil ang bilis ay mahalaga
B) Ang data ng kontrata ay hindi mahalaga para sa AI, ito ay hindi pinansin
C) Ang impormasyon ng parsela ay maaaring malayang ibahagi dahil hindi ito itinuturing na personal na data.
D) Ang kumpidensyal at personal na data ay hindi ibinabahagi nang walang kontrol; Ginamit na hindi nagpapakilala kung kinakailangan ✔

Paliwanag: Ang pagkakakilanlan ng customer, impormasyon ng parsela, kontrata at personal na data ay hindi dapat i-upload sa mga tool ng artificial intelligence sa hindi makontrol na paraan. Kung kinakailangan, ang data ay ibinabahagi sa pamamagitan ng anonymization. Ang pagiging kompidensyal ay isa sa mga pangunahing prinsipyong etikal na binibigyang-diin sa buong modyul.

14. Ano ang tatlong pare-parehong prinsipyo kapag nagpapatakbo ng isang proyekto ng end-to-end na may artificial intelligence?

A) Hilingin ang lahat sa isang kahilingan, i-verify ang resulta, ihatid
B) Ang artificial intelligence ay nagpapasya, ang mga tao ay nagpapatupad lamang
C) Mag-ipon ng mga pagpapatunay at gawin ang mga ito nang sabay-sabay sa pagtatapos ng proyekto
D) Ang artificial intelligence ay gumagawa, ang mga tao ay pumipili at nagmamay-ari; bawat kritikal na output ay napatunayan; Ang desisyon at lagda ay pagmamay-ari ng eksperto ✔

Paglalarawan: Sa isang end-to-end na daloy ng trabaho, tatlong prinsipyo ang inuulit sa bawat yugto: Mga uri ng AI at bumibilis, pinipili at pagmamay-ari ng mga tao; bawat numeric, lokal, at seguridad-kritikal na output ay na-verify; Ang desisyon at lagda ay pag-aari ng karampatang eksperto. Ang mga prinsipyong ito ay nananatiling pare-pareho kahit na ang paksa lamang kung saan sila inilalapat ay nagbabago.