End-to-End AI Workflow, Authentication, Privacy at Ethics

Mga nadagdag:

• Kakayahang mag-deploy ng AI sa isang end-to-end at kontroladong daloy ng trabaho sa isang construction project mula sa disenyo hanggang sa progreso na pagbabayad
• Kakayahang magtatag ng protocol ng paggamit ng AI na kinabibilangan ng pag-verify, pagkumpirma ng pinagmulan, mga pagsusuri sa privacy at pananagutan sa bawat hakbang
• Kakayahang gawing mahalagang bahagi ng AI workflow ang propesyonal na etika, pagiging kompidensiyal ng data at karampatang pag-apruba ng engineer.

Sa kabuuan ng module na ito, tinalakay namin ang AI sa bawat yugto ng civil engineering, mula sa structural analysis hanggang sa reinforced concrete at steel calculations, mula sa standards research hanggang BIM, mula sa quantity surveying hanggang work schedule, mula sa specifications hanggang OHS at progress payment. Sa panghuling unit na ito, pinagsama-sama namin ang mga piraso: i-protocol namin kung paano gamitin ang AI sa isang end-to-end, kontrolado at etikal na daloy ng trabaho sa isang proyekto sa pagtatayo, mula sa disenyo hanggang sa mga merito. Ang layunin ay gamitin ang bilis na nadagdag ng AI habang pinapanatili ang pagpapatotoo, pag-verify ng pinagmulan, pagiging kumpidensyal at mga kontrol sa pananagutan sa bawat hakbang, at ginagawang mahalagang bahagi ng daloy ng trabaho ang pag-apruba ng kwalipikadong engineer.

End-to-End Workflow Map

Ang tungkulin at ipinag-uutos na kontrol ng AI sa isang tipikal na lifecycle ng proyekto ay maaaring maibuod tulad ng sumusunod:

entablado

Ang papel ng AI

Mandatory check

Paunang disenyo/pagsusuri

Inner force outline, ideya

Implicit na formula + order

Pagkalkula ng reinforced concrete/steel

Seksyon/reinforcement draft

Hand account + software + standard

Pamantayang pananaliksik

mapa ng pananaliksik

Kumpirmasyon mula sa opisyal na teksto

BIM/automation

Script, query ng data

Backup + pagsubok + pagbabasa ng code

Survey sa dami/reconnaissance

Dami/gastos draft

Unit + ranggo + kumpirmasyon ng presyo

iskedyul ng trabaho

Balangkas ng aktibidad/tagal

Dependency + field logic

Pagtutukoy/ulat

draft ng teksto

Pagsusukat + kumpirmasyon ng pagpapatungkol

OHS

Draft ng pagsusuri sa peligro

Pag-apruba ng eksperto + field

progreso na pagbabayad

Account/table draft

Arithmetic + cumulative + contract

Inuulit ng mapa na ito ang parehong prinsipyo sa bawat yugto: Gumagawa ang AI ng draft, nagbe-verify at nag-aapruba ang engineer. Walang magpapatuloy na output na kritikal sa seguridad nang walang pag-verify.

Ang pinaka mapanlinlang na panganib ng daloy ng trabaho na ito ay ang mga error ay dinadala sa pagitan ng mga yugto. Ang proyekto sa pagtatayo ay isang kadena: ang pagsusuri ay nagpapakain sa kuwenta ng mga dami, ang kuwenta ng mga dami at ang iskedyul ng trabaho, at ang iskedyul ng trabaho ay nagpapakain sa progreso na pagbabayad. Ang isang maliit na error na napapansin sa isang yugto (isang maling yunit, isang nawawalang pagkarga, isang maling koepisyent) ay dinadala sa susunod na mga yugto kung ano ay at lumalaki sa bawat hakbang. Samakatuwid, ang pag-verify ay hindi isang solong tseke sa dulo ng proyekto, ngunit isang gate na inuulit sa bawat phase transition. Tiyaking suriin ang isang output bago ito ibigay bilang "input" sa susunod na hakbang; Dahil mula sa sandaling iyon, ang paghuli sa error ay nagiging mas mahirap at mas mahal. Nagiging mas mahalaga ang disiplinang ito habang bumibilis ang daloy ng trabaho ng AI: hindi dapat maging dahilan ang bilis para laktawan ang pag-verify, ngunit isang katwiran para gawing sistematiko ang pag-verify.

Layered Authentication Protocol

Kolektahin ang mga kontrol na nakikita natin sa buong module sa iisang protocol. Ang bawat output ng AI ay dapat dumaan sa naaangkop sa mga layer na ito:

1. Pagsusuri ng unit at order: Ang resulta ba ay pisikal na makatwiran, pare-pareho ba ang mga yunit?
2. Independent cross-validation: Sumasang-ayon ba ang resulta sa closed formula, kalkulasyon ng kamay, ibang software o sa pangalawang paraan?
3. Standard/source verification: Na-verify na ba ang coefficient, item, unit price mula sa opisyal at kasalukuyang source?
4. Pagsusuri ng pagkakapare-pareho: Mayroon bang anumang mga kontradiksyon, dobleng pagbibilang o pagtanggal sa loob ng dokumento/account?
5. Pagsusuri sa privacy: Naglalaman ba ang data na ginamit ng mga lihim ng kalakalan/personal na data, ginamit ba ang naaangkop na tool?
6. Pag-apruba ng engineer: Ang pangwakas na responsibilidad ay nakasalalay sa karampatang inhinyero; Napirmahan na ba?

Personal AI usage protocol (para sa bawat gawain)1) INPUT: Malinaw ko bang tinukoy ang gawain na may input-constraint-standard?2) PRIVACY: Sensitive ba ang data? Na-anonymize/naaangkop ko ba ang tool?3) OUTPUT: Humingi ba ako sa AI ​​para sa mga intermediate na hakbang at pinagmumulan?4) RANK: Ang resulta ba ay pisikal/lohikal na kapani-paniwala?5) CROSS: Na-verify ko ba sa isang independent na paraan?6) SOURCE: Nakumpirma na ba ang standard/presyo/item?7) APPROVAL: Ang anumang hakbang ay hindi na-offspect Kung ang qualified ay HINDI inspeksyon? GINAMIT.

Tip: Panatilihin ang protocol na ito bilang checklist sa iyong desktop. Sa paglipas ng panahon, ang mga hakbang ay nagiging reflexes; Ngunit kapag natukso kang laktawan ang isang hakbang sa isang gawaing kritikal sa seguridad, ang pagkakaroon ng listahan ay hihinto sa iyo. Ang mga pinakamahal na pagkakamali ay nangyayari kapag nagmamadali ka at nagsabing "Lalaktawan ko ito sa pagkakataong ito".

Mahina Prompt / Malakas na Prompt

MAHINA:"Gawin ang proyektong ito mula simula hanggang matapos gamit ang AI."(Sa isang hakbang, hindi sinusubaybayan, walang privacy at pag-verify.)MALAKAS:"Suportahan ang gawaing ito nang sunud-sunod. Sa bawat hakbang:- Isulat nang malinaw ang formula/source/assumption na ginamit mo- Ipakita ang mga intermediate na hakbang para ma-verify ko ang resulta- Markahan kung saan ka hindi sigurado o kailangan ng kumpirmasyon- Kung ibibigay mo ang standard/numerical na halaga, lagyan mo ito ng standard/numerical value) cross-validation at standard confirmation gagawin ko ang pangwakas na desisyon at pirma hindi ko ibabahagi ang sensitibong data sa pampubliko/anonymous na sample.

Pangmatagalang Prinsipyo ng Etika at Pagkapribado

Sa isang end-to-end na daloy ng trabaho, ang etika at privacy ay hindi isang beses na pagsusuri, ngunit isang patuloy na paninindigan:

• Privacy: Ang data ng proyekto, mga gastos, personal na data (KVKK) ay protektado; Ang sensitibong data ay hindi ina-upload sa isang hindi naaprubahang panlabas na serbisyo, at hindi nagpapakilala kapag kinakailangan o isang in-house na tool ang ginagamit.
• Transparency: Ang paggamit ng AI ay hindi nakatago, ngunit ang responsibilidad ay hindi inilalagay sa AI.
• Kakayahan: Bagama't binibigyan ka ng AI ng kumpiyansa sa isang larangan kung saan hindi ka eksperto, hindi nito pinapalitan ang iyong paghatol; Kumunsulta sa isang eksperto kung kinakailangan.
• Responsibilidad: Ang bawat desisyon na nakakaapekto sa kaligtasan ng gusali ay may bisa sa pangangasiwa at pirma ng isang karampatang at responsableng inhinyero. Ito ay isang propesyonal na obligasyon pati na rin isang legal.

Babala: Habang bumibilis ang AI, tumataas ang pressure na i-bypass ang pag-verify. Gayunpaman, gaano man kahusay ang AI, hindi kailanman magagamit ang isang output na nagpoprotekta sa buhay at ari-arian sa civil engineering nang walang pag-apruba ng engineer. Kapag ang bilis ay nangunguna sa kaligtasan, ang AI ay nagiging isang panganib sa halip na isang tool.

Tatlong Mini Case

Case 1 – Tamang end-to-end na paggamit. Para sa isang maliit na construction, ginagamit ng isang teknikal na opisina ang AI bilang suporta sa bawat yugto: draft ng pagsusuri, quantity surveying, iskedyul ng trabaho, detalye. Bine-verify nila ang bawat output gamit ang protocol. Ang resulta: ang oras ng proyekto ay pinaikli ng humigit-kumulang 30%, ang rate ng error ay bumababa dahil ang bawat hakbang ay siniyasat. Nagbibigay ang AI ng bilis, nagbibigay ng seguridad ang mga inhinyero.

Kaso 2 – Error sa chain. Ang isa pang opisina ay nagdadala ng quantity survey output ng AI mula sa pag-verify hanggang sa iskedyul ng trabaho at mula doon hanggang sa pag-unlad ng pagbabayad. Ang paunang error sa unit (m³ sa halip na m²) ay nakakakontamina sa buong chain at humahantong sa sobrang pagbabayad. Aralin: ang pagpapatunay ay dapat gawin sa bawat hakbang; Ang isang error sa isang yugto ay dinadala pasulong sa susunod.

Kaso 3 – Disiplina ng pagiging kumpidensyal. Gusto ng isang engineer na suriin ang data ng gastos mula sa tender stage gamit ang AI, ngunit una niyang ini-anonymize ang data, kinuha ang project ID at gumagamit ng secure na tool na inaprubahan ng institusyon. Kaya, nakakamit nito ang mga nadagdag sa bilis nang hindi nanganganib sa privacy.

Nakokopya na mga template ng prompt

STAGE PASSAGE CHECK PROMPT: "Bago lumipat sa susunod na yugto, tulungan akong suriin ang output ng nakaraang hakbang:- Makatwiran ba ang output na ito sa mga tuntunin ng unit at order?- Paano ako mag-cross-validate nang nakapag-iisa, magmumungkahi ng paraan- Aling standard/source/contract clause ang dapat kong i-verify? Hindi ako lilipat sa susunod nang hindi na-validate ang hakbang na ito. Output: [paste]"

PRIVACY PRE-SCREEN PROMPT: "Suriin kung mayroong trade secret o personal na data (gastos, presyo ng unit, pangalan, lokasyon, project ID) sa data na ibibigay ko sa AI sa gawaing ito. Kung gayon, magmungkahi ng anonymous/sample na bersyon upang gumana pa rin ang account ngunit hindi ilalabas ang sensitibong data. Data: [i-paste]"

Mga karaniwang pagkakamali

• Ang pagdadala ng hindi na-verify na output mula sa isang yugto patungo sa susunod na yugto at pagpapalaganap ng error sa kadena.
• Ang pag-bypass sa mga layer ng pag-verify sa pamamagitan ng pagsasabi ng "AI ay gumagana nang maayos."
• Hindi nakikita ang privacy bilang isang beses na kontrol ngunit bilang isang patuloy na kontrol.
• Pagsusulong ng desisyong kritikal sa kaligtasan nang walang pag-apruba ng engineer.
• Pag-bypass sa pinagmulan/karaniwang pag-verify dahil sa pressure para sa bilis.
• Sinusubukang ilagay ang sisihin sa AI o software.

Sa buod

• Iposisyon ang AI bilang draft generator at ang engineer bilang verifier at approver sa bawat yugto mula sa disenyo hanggang sa pagsingil.
• Ilapat ang layered verification protocol (unit/rank, cross-validation, source attestation, consistency, confidentiality, attestation) sa bawat output.
• Ang error sa isang yugto ay nagdadala sa susunod; Gawin ang pag-verify sa bawat hakbang.
• Ang pagiging kompidensyal, transparency, kakayahan at responsibilidad ay nagtatagal ng mga prinsipyong etikal.
• Habang tumataas ang bilis, tumataas ang presyon upang i-bypass ang pag-verify; labanan ito.
• Ang bawat desisyon na nakakaapekto sa kaligtasan ng gusali ay may bisa sa pirma ng isang karampatang inhinyero; Hindi ito kayang tanggapin ng AI.

Gawain ng aplikasyon

Pumili ng small-scale task chain (hal. simpleng element analysis → quantity survey → short work schedule). Gamitin ang AI bilang suporta sa bawat hakbang at ilapat ang layered verification protocol: isailalim ang bawat output sa unit/rank, cross-validation, at source verification bago ito ilipat sa susunod na hakbang. Suriin ang panganib sa privacy sa data na iyong ginagamit. Sa dulo, isulat sa isang talata kung aling hakbang ng protocol ang nagligtas sa iyo mula sa isang pagkakamali at kung saan ka nakatipid ng pinakamaraming oras.

checklist

• [ ] Inilagay ko ang AI bilang draft generator at ang aking sarili bilang verifier sa bawat yugto.
• [ ] Inilapat ko ang layered authentication protocol sa bawat output.
• [ ] Hindi ko dinala ang output ng isang yugto patungo sa susunod nang walang pagpapatunay.
• [ ] Nagsagawa ako ng privacy/KVKK check sa data na ginamit ko.
• [ ] Kinumpirma ko ang pamantayan, presyo at mga halaga ng item mula sa opisyal na mapagkukunan.
• [ ] Sa kabila ng pressure para sa bilis, hindi ko nilaktawan ang mga hakbang sa pag-verify.
• [ ] Sumailalim ako sa mga desisyong kritikal sa kaligtasan sa karampatang pag-apruba ng inhinyero.

Pagsusulit sa Module

1. Ano ang pinakatumpak na pangunahing prinsipyo tungkol sa paggamit ng AI sa civil engineering?

• A) Hindi maaaring palitan ng AI ang pag-apruba ng engineer sa mga kalkulasyon na kritikal sa kaligtasan; Ito ay isang draft lamang na dapat suriin ✔
• B) Ang AI ay sapat na advanced na ang paggamit ng mga static na account na hindi nakapirma ay hindi isang problema
• C) Walang karagdagang pag-verify ang kinakailangan dahil ang AI output ay ISO certified
• D) Ang inhinyero ay dapat lamang masangkot sa mga bagay na hindi maihahatid ng AI

Paliwanag: Ang mga kalkulasyon at desisyon na nakakaapekto sa kaligtasan ng gusali ay nagdadala ng kaligtasan ng buhay at ari-arian. Ang output ng AI ay maaaring makagawa ng mabilis na draft, ngunit hindi ito kapalit ng inspeksyon at pag-apruba mula sa isang karampatang at responsableng inhinyero; Ang responsibilidad ay palaging nasa engineer.

2. Ano ang pinaka-maaasahang unang hakbang kapag nagbe-verify ng AI-calculated beam mid-span moment?

• A) Direktang tinatanggap ang resulta dahil mukhang tumpak ang AI
• B) Sinusuri ang pagkakasunud-sunod at sukat gamit ang saradong formula o pagkalkula ng kamay ✔
• C) Pag-round sa resulta sa mas maraming digit pagkatapos ng decimal point
• D) Palakihin lamang ang laki ng sinag at magpatuloy

Paglalarawan: Ang mga saradong formula ay mainam para sa kontrol ng range sa simpleng load span (hal. wL²/8 na may pantay na distributed load). Ang paghahambing ng numero ng AI sa isang independiyenteng closed formula o pagkalkula ng kamay ay mabilis na nagpapakita ng mga error sa input at aritmetika.

3. Kinakalkula ng AI ang kinakailangang reinforcement area sa isang reinforced concrete beam. Aling pagsusuri ang dapat gawin bago gamitin ang halagang ito?

• A) Random na pagpapalaki ng diameter ng reinforcement
• B) Tanging ang pagtataas ng kongkretong klase
• C) Sinusuri ang minimum at maximum na mga limitasyon ng reinforcement at mga panuntunan sa espasyo/sakop ayon sa pamantayan ✔
• D) Doblehin ang reinforcement

Paliwanag: Ang kalkuladong reinforcement area lamang ay hindi sapat. Ang TS 500 / Eurocode 2 ay dapat magbigay ng minimum at maximum na mga limitasyon sa ratio ng reinforcement, spacing at mga panuntunan sa cover. Ang reinforcement na pinili nang hindi naabot ang mga limitasyong ito ay hindi wasto.

4. Habang kinakalkula ang buckling strength ng isang steel column, sinabi ng AI na 'Kinuha ko ang buckling length na katumbas ng column length'. Ano ang tamang tugon sa engineering?

• A) Pagkontrol sa mga kondisyon ng tip at epektibong coefficient ng haba K; Ang haba ng sprain ay nag-iiba depende sa kondisyon ✔
• B) Kung isinasaalang-alang ang pagtanggap, ito ay wasto para sa bawat hanay
• C) Sukatin ang haba ng colon at doblehin ito
• D) Ang pagtaas lamang ng klase ng bakal ay sapat na

Paliwanag: Ang haba ng buckling ay tinutukoy ng epektibong koepisyent ng haba (K) depende sa suporta at mga kondisyon ng pagtatapos; hindi palaging pantay ang pisikal na pintura. Dapat suriin na ang mga matinding kundisyon ay ipinapalagay na tama at ang K coefficient ay napili nang naaangkop.

5. Nagbibigay ang AI ng coefficient sa pamamagitan ng pagtukoy sa isang artikulo sa regulasyon ng lindol (TBDY). Alin ang pinaka tamang pag-uugali?

• A) Direktang paggamit ng halaga dahil mukhang may tiwala ang AI
• B) Pagkumpirma ng numero ng artikulo at koepisyent mula sa opisyal, kasalukuyang teksto ng regulasyon ✔
• C) Random na pagtaas ng koepisyent upang manatili sa ligtas na bahagi
• D) Pagdaragdag ng numero ng item sa ulat nang hindi ito sinusuri

Paliwanag: Ang mga modelo ng wika ay maaaring maling maalala o gumawa (mag-hallucinate) ng mga numero at coefficient ng item. Ang anumang halagang nakabatay sa regulasyon ay dapat na ma-verify na verbatim mula sa opisyal at kasalukuyang teksto ng regulasyon; Ipinapakita lang sa iyo ng AI kung saan titingin.

6. Ano ang pinakamahusay na diskarte bago ilapat ang isang Dynamo/pyRevit script na ginawa mo gamit ang AI sa modelong BIM?

• A) I-verify ang resulta sa pamamagitan ng pagkuha ng backup ng modelo at pagsubok sa script sa isang maliit na sample ✔
• B) Direktang paglalapat ng script sa lahat ng elemento ng aktwal na modelo
• C) Kung gumana ang script, tama ito, hindi na kailangang i-verify ito.
• D) Pagpapatakbo ng script nang hindi ito binabasa

Paglalarawan: Ang mga script ng automation ay maaaring gumawa ng maramihan at mahirap na i-undo ang mga pagbabago sa modelo. Dapat munang subukan ang script sa maliit na sukat sa backup/kopya na modelo, i-verify ang resulta at pagkatapos ay ilapat lamang ito sa orihinal na modelo.

7. Habang ginagawa ang quantity surveying sa AI, makikita mo ang output na 'Kinakalkula ko ang lugar ng pader bilang 45 m³'. Ano dapat ang iyong unang reaksyon?

• A) Pagsusulat ng halaga nang direkta sa pagtuklas
• B) Pansinin ang unit discrepancy (m³ para sa area) at hanapin ang formula at unit error ✔
• C) Manu-manong palitan ang unit sa m² at magpatuloy
• D) Pagsusulat ng resulta sa mas malaking font

Paliwanag: Ang lugar ay ipinahayag sa m² at ang volume ay ipinahayag sa m³. Ang m³ unit para sa wall area ay nagpapahiwatig ng unit/formula error. Ang pagsusuri sa pagkakapare-pareho ng unit ay agad na nakakakuha ng mga pinakakaraniwan at magastos na mga error sa survey ng dami.

8. Ang kritikal na landas ay ibinibigay sa isang iskedyul ng trabaho na nabuo ng AI. Ano ang pinakamahalagang pagsusuri kapag bini-verify ito?

• A) Pag-edit ng mga kulay ng programa
• B) Tingnan lamang ang kabuuang oras at kumpirmahin
• C) Sinusuri ang lohika at pagiging totoo ng mga dependency ng aktibidad, tagal at pagkakasunud-sunod ng field ✔
• D) Paikliin ang programa sa pamamagitan ng pagbabawas ng bilang ng mga aktibidad

Paglalarawan: Ang kritikal na landas ay batay sa priyoridad (dependency) na mga relasyon at tagal ng mga aktibidad. Maaaring mali ang pagbuo ng AI ng mga logic na relasyon. Ang pagsuri sa pagiging totoo ng mga dependency ng aktibidad, tagal, at pagkakasunud-sunod ng field ay ang pinakamahalagang hakbang.

9. Nakagawa ka ng draft na teknikal na detalye gamit ang AI. Mayroong isang pahayag sa teksto: 'Ibibigay ang pagkakabukod ng naaangkop na kapal'. Paano ka kumilos?

• A) Paglilinaw sa pahayag na may konkretong halaga at pagpaparaya batay sa pamantayan ✔
• B) Ang pag-iwan sa hindi maliwanag na pagpapahayag bilang ay, praktikal na mga komento
• C) Tanggalin nang buo ang expression at alisin ang pagkakabukod mula sa detalye
• D) pagpapahaba ng pangungusap upang maging mas pormal

Paliwanag: Ang mga detalye ay dapat na masusukat at maa-audit. Ang mga hindi malinaw na expression tulad ng 'angkop na kapal' ay lumilikha ng kontrobersya at mga error sa aplikasyon. Ang pahayag ay dapat na linawin nang may konkretong halaga at tolerance (hal. kapal, materyal na klase) batay sa pamantayan.

10. Ano ang pinakamahusay na diskarte kapag naghahanda ang AI ng pagtatasa ng panganib sa lugar ng konstruksiyon?

• A) Lagdaan ang AI printout at direktang isabit ito sa pisara
• B) Iniiwan lamang ang mga pinakakaraniwang panganib at tinatanggal ang iba
• C) Pagbabago sa lahat ng mga marka ng panganib sa mababa
• D) Ekspertong suriin at kumpletuhin ang AI draft gamit ang kundisyon ng site, batas at aktwal na paraan ng pagmamanupaktura ✔

Paliwanag: Ang pagtatasa ng panganib ay isang dokumentong may ligal na pananagutan. Ang AI ay maaaring gumawa ng magandang draft, ngunit ang mga panganib ay dapat suriin at kumpletuhin ng OHS expert/engineer batay sa kondisyon ng site, batas at aktwal na paraan ng pagmamanupaktura.

11. Ano ang pinaka-maaasahang paraan upang i-verify ang kabuuang halaga kapag kinakalkula ang mga progreso na pagbabayad gamit ang AI?

• A) Tanggapin kung ang kabuuan ay tinatayang
• B) Tinitingnan ang kabuuang kabuuan sa huling hanay lamang
• C) Independiyenteng i-verify ang dami ng item sa bawat item × presyo ng yunit, bawas at pinagsama-samang halaga ✔
• D) Pag-equalize ng halaga sa dating progress payment

Paliwanag: Nakabatay ang progresong pagbabayad sa kabuuang mga item sa pagmamanupaktura (dami × presyo ng yunit) at ang pinagsama-samang offset ng mga pagbabawas at mga nakaraang progreso na pagbabayad. Ito ay ipinag-uutos na independiyenteng suriin ang arithmetic, mga probisyon sa presyo ng yunit at pinagsama-samang halaga sa isang item na batayan.

12. Kinakalkula mo ang axial load capacity para sa isang column gamit ang Python na may AI, ang resulta ay 12,000 kN; samantalang ang column ay 30x30 cm. Ano dapat ang iyong unang reaksyon?

• A) Direktang pagsusulat ng resulta sa ulat
• B) Pagpapalaki ng cross section upang magkasya ang resulta
• C) Hindi pinapansin ang colon section
• D) Nakikita na ang order ay hindi pisikal na makatwiran at naghahanap ng mga error sa unit at formula ✔

Paliwanag: Para sa isang maliit na cross-section na column, ang 12,000 kN ay pisikal na hindi inaasahang mataas. Ang pagsusuri sa katinuan ay agad na nagpapakita ng mga error sa unit (kN/N, cm/m) o formula. Ang mga input at formula ay dapat na suriin hanggang ang mga ito ay nasa loob ng isang makatwirang saklaw.

13. Ano ang pinakamahusay na pag-uugali sa mga tuntunin ng privacy kapag nag-a-upload ng data ng proyekto ng customer sa AI?

• A) Mabilis na pag-upload ng data nang hindi nagpapakilala at kumukuha ng pag-apruba
• B) Ipagpalagay na hindi kailangan ang privacy dahil nasa AI na ang data
• C) Pagsunod sa patakaran sa data ng kumpanya at hindi pag-upload ng kumpidensyal/personal na data nang walang pag-apruba, pag-anonymize kung kinakailangan ✔
• D) Pagbabahagi ng lahat ng data at ipaubaya ang responsibilidad sa tagapagbigay ng AI

Pagbubunyag: Maaaring naglalaman ang data ng proyekto (mga plano, gastos, personal na data) ng mga lihim ng kalakalan at personal na data. Kinakailangang huwag mag-upload ng kumpidensyal na data sa isang panlabas na serbisyo nang walang pag-apruba ng institusyon, i-anonymize ito kapag kinakailangan at sumunod sa mga patakaran sa pagproseso ng data.

14. Kapag nag-aaplay ng karaniwang formula, kinuha ng AI ang load safety coefficient (i.e. load coefficient) bilang 1.0. Ano ang tamang pagtatasa?

• A) Ang pag-iwan sa koepisyent bilang ay, pinili ng AI
• B) Suriin at itama ang tamang load/material coefficient ayon sa kaukulang pamantayan ✔
• C) Upang gawing simple ang pagkalkula sa pamamagitan ng pagtatakda ng lahat ng koepisyent sa 1.0
• D) Arbitraryong pagpapalaki ng cross section sa halip na ang coefficient

Paliwanag: Sa disenyo ng carrying capacity, ang load at material safety coefficients (hal. 1.4/1.5 load increase, material strength reduction) ay mga kritikal na parameter na tumutukoy sa resulta. Dapat itong suriin kung ang koepisyent ay kinuha nang tama ayon sa nauugnay na pamantayan; Ang 1.0 ay nasa panig na hindi secure sa karamihan ng mga kaso.

15. Ano ang pinakatumpak na diskarte sa pag-verify sa isang end-to-end AI workflow?

• A) Umaasa lamang sa AI self-control
• B) Tingnan lamang ang pinakabagong output at kumpirmahin
• C) Magsagawa lamang ng pag-verify kapag may naganap na error
• D) Implementing unit/rank, cross-validation, standard confirmation at engineer approval sa isang layered na paraan ✔

Paglalarawan: Sa isang maaasahang daloy ng trabaho, bawat output ng AI; Dumadaan ito sa mga layer ng unit at rank control, cross-validation na may closed formula/software, standard confirmation at karampatang pag-apruba ng engineer. Ang pagbabawas ng pag-verify sa isang hakbang ay nagtatago ng panganib.