Прибуток:
- Здатність ефективно використовувати ШІ в обробці, контролі якості та звітності про лабораторні результати
- Можливість прискорити складання геологічного/геотехнічного звіту, огляд літератури та зведення даних за допомогою ШІ
- Можливість захисту автоматично створеного вмісту за допомогою відстеження, підтвердження джерела та схвалення інженера
Невидима, але велика частина роботи інженера-геолога відбувається в офісі: обробка лабораторних результатів, контроль якості, зведення даних у таблиці, написання звітів, сканування літератури, підготовка карт і малюнків. Ці роботи повторюються, вимагають багато часу та уваги; Це саме та сфера, де штучний інтелект економить найбільше часу. Але і тут є пастка: звіт є офіційною основою для інженерного рішення. Сфабриковане джерело, неправильно скопійоване число чи твердження, яке неможливо відстежити, можуть непомітно проскочити в тексті, і наслідки можуть бути серйозними. Метою цього підрозділу є встановлення дисципліни, яка ніколи не послаблює відстеження, підтвердження джерела та схвалення інженерів при використанні штучного інтелекту в наскрізній ефективності офісу.
У цьому розділі ми охопимо три офісні фронти: обробку результатів лабораторії та забезпечення якості/контролю якості (очищення та забезпечення даних аналізу), виробництво звітів та літератури (прискорення складання, реферування та скринінгу) та автоматизацію робочого процесу (упорядкування повторюваних завдань). На кожному кроці ШІ є розробником і організатором; Точність, джерело та остаточне затвердження вмісту належать інженеру.
Лабораторна обробка результатів і QA/QC
Лабораторні результати (аналізи вмісту, випробування індексу ґрунту, хімія води) часто надходять у різних форматах, у різних одиницях вимірювання та іноді неправильно. ШІ вписує ці дані в єдину схему, фіксує невідповідність одиниць, позначки нижче межі виявлення та перевіряє зразки QA/QC (порожній зразок, стандартний еталонний матеріал, повторний аналіз). QA/QC (забезпечення якості/контроль якості) — перевірка, яка доводить надійність лабораторії: якщо є забруднення в порожньому зразку, відхилення в стандарті, невідповідність у повторному зразку, дані викликають сумніви.
Критична точка: штучний інтелект ніколи мовчки не видаляє та не виправляє значення. Його робота полягає в тому, щоб позначити проблемні лінії та дозволити інженеру прийняти рішення. Викид може бути справжнім високим вмістом руди або лабораторною помилкою; Інженер розрізняє це за допомогою контексту. Штучний інтелект перевіряє дані, а не очищає їх.
Порада: повторюйте правило «просто позначте, не змінюйте» під час кожного запиту під час обробки лабораторних даних. Найпідступніша помилка штучного інтелекту полягає в тому, що він псує необроблені дані, «виправляючи» значення з благими намірами, не усвідомлюючи цього.
Виготовлення доповіді та літератури
AI є потужним редактором у написанні звітів: складає проекти розділу методу, вступного контексту, висновку за хвилини; підсумовує велику частину літератури; Перетворює складну таблицю на звичайний текст. Але очевидні дві небезпеки. По-перше, це сфабриковане джерело: модель може впевнено генерувати неіснуючу статтю, фальшивого автора або неіснуючу канонічну статтю. По-друге, помилка обробки числа: при переході в текст може бути неправильно переданий клас, коефіцієнт безпеки або глибина.
Отже, золоте правило: ШІ створює проект, інженер перевіряє його та володіє ним. Кожне джерело підтверджується оригіналом (апокрифічні посилання є найпоширенішим типом галюцинацій); кожне число порівнюється з необробленими даними; Кожна технічна претензія перевіряється інженерними знаннями. Після підписання звіту відповідальність за кожне речення в ньому лежить на підписаному — «це написав ШІ» — це не виправдання.
Увага: Ніколи не приймайте бібліографію, створену штучним інтелектом, як вона є. Вигадані, але реалістичні посилання (на перший погляд точний автор, журнал, рік) є найпоширенішими та небезпечними галюцинаціями. Перевірте кожне посилання на незалежну базу даних.
Автоматизація робочого процесу та відстеження
Автоматизація повторюваних завдань (обробка щомісячних даних моніторингу води, заповнення стандартного шаблону звіту, об’єднання таблиць буріння) за допомогою штучного інтелекту забезпечує велику ефективність. Але автоматизація також може автоматизувати помилки: неправильне правило, щойно встановлено, мовчки повторюється під час кожного запуску. Ось чому автоматизовані робочі процеси повинні бути простежуваними: записувати, який вхід, який крок, яку версію моделі надходить з кожного виходу; У разі виявлення помилки слід відстежити першопричину та всі вихідні дані, на які вона впливає.
Відстежуваність на практиці означає: джерело та дата вхідних даних, застосовані перетворення, використана підказка/версія моделі та етап затвердження людиною. Це забезпечує як налагодження, так і інженерну відповідальність. Неконтрольована автоматизація, якою б швидкою вона не була, є неприйнятною в критично важливому для безпеки бізнесі.
Три міні-кейси: у цифрах
Випадок 1 — Зйомка дрейфу QA/QC. Одна лабораторна партія містила 320 проб сорту. Скринінг AI QA/QC позначав стандартний еталонний матеріал як систематичне заниження показників на 8% протягом останніх 40 зразків — дрейф калібрування приладу. Ця систематична помилка була проблемою, яку було дуже важко виявити вручну, але вплинула на всю партію; Вантаж був повторно досліджений. Він не визначив шаблон, він зробив візерунок видимим.
Випадок 2 — Сфабриковане джерело. ШІ підготував літературний розділ геотехнічного звіту та створив шість посилань. Під час перевірки з’ясувалося, що двох з них ніколи не існувало, а одну приписали не тому журналу. Якби посилання не перевірялися одне за одним із незалежною базою даних, сфабриковані джерела увійшли б до підписаного технічного звіту. Тяга прискорилася; Підтвердження збережено.
Випадок 3 — Основна причина з можливістю відстеження. В автоматиці щомісячного моніторингу води за три місяці дані по оглядовій свердловині повідомлені не в тій одиниці. Завдяки запису простежуваності за лічені хвилини було знайдено, на якому етапі перетворення почалася помилка, і було створено повний список із трьох звітів, які зазнали впливу. Якби не зберігалися записи, було б незрозуміло, які роздруківки були пошкоджені, і весь архів був би підозрілим.
Слабка підказка / Сильна підказка
Слабка підказка:
Напишіть геотехнічний звіт для цього проекту, додайте літературу. [дані]
Потужна підказка:
Ваша роль: Розробник звіту. СКЛАДАЙТЕ звіт із такими даними, але: 1) на основі ТІЛЬКИ наданих мною даних; НЕ вигадуйте номер, джерело чи знахідку. 2) Покажіть у дужках, з якого рядка введення походить кожне число. 3) Замість створення фактичного джерела для літератури, поставте заповнювач «перевірене джерело на [тему] буде додано тут». 4) Позначте будь-де, де ви не впевнені, як «ПОТРІБНО ПІДТВЕРДЖЕННЯ ІНЖЕНЕРА». Остаточний вміст і всі джерела будуть перевірені мною. Дані анонімні.
Чотири шаблони, які можна копіювати
1) Лабораторна інспекція QA/QC:
Перевірте таблицю лабораторних результатів: розбіжність одиниць, ознаки нижче межі виявлення, забруднення в порожньому зразку, систематичний дрейф у стандартному стандарті, невідповідність у повторному зразку. Позначайте лише проблемні рядки за допомогою example_id; Не видаляйте та не виправляйте жодних значень. Рішення за мною.
2) Виконайте підтвердження джерела:
Витягніть усі цифрові твердження та посилання на джерела з цього тексту та складіть контрольний список: вхідні дані, на яких базується кожне число, цитування кожного джерела, яке потрібно підтвердити. Виготовлення джерела; Позначте «потрібно перевірити», якщо ви не можете перевірити.
3) Структура запису простежуваності:
Запропонуйте шаблон запису відстеження для цього автоматизованого робочого процесу: джерело введення та дата, застосовані перетворення, використана підказка/версія моделі, етап затвердження людиною. Покажіть, як дістатися до першопричини та постраждалих результатів у разі виявлення помилки.
4) Перевірка відповідності звіту:
Перевірте чернетку звіту на внутрішню узгодженість: чи збігаються цифри в резюме з основним текстом, чи конфліктують таблиці та текст, чи узгоджені одиниці, чи є невизначені скорочення? Перелічіть проблеми; Рішення щодо змісту за мною.
Службові обов'язки, заробіток і контроль
Квест
посилення ШІ
Основний ризик
Обов'язкова перевірка
Лабораторна обробка даних
висока
Тиха корекція
«Позначити, видалити» + необроблені дані
QA/QC перевірка
висока
Не пропустіть слайд
Сліпе/стандартне/повторне підтвердження
Повідомити про проект
висока
Вигадане питання/джерело
Підтвердження номера та джерела
Огляд літератури
висока
Вигадана довідка
Незалежна перевірка бази даних
автоматизація робочого процесу
дуже високий
Повторення помилки
Запис простежуваності
Порада. Перш ніж налаштовувати автоматизацію, запитайте "як я дізнаюся, чи цей робочий процес працює неправильно?" Дайте відповідь на запитання. Якщо відповідь нечітка, спочатку додайте простежуваність і контрольні точки; Швидкість приходить після керованості.
Поширені помилки
- Безшумне отримання виправленого значення. «Покращення» необроблених даних ШІ є найпідступнішою помилкою; правило завжди має бути «познач, не змінюй».
- Без перевірки бібліографії. Вигадані посилання є найпоширенішою галюцинацією; Кожен відбиток повинен бути перевірений незалежно.
- Перенесення номера не перевіряється. Тенор або коефіцієнт безпеки, який погіршується при переході в текст, прихований у вільному тексті.
- Встановлення невідстежуваної автоматизації. У робочому процесі, який не зберігає записи, неможливо визначити основну причину та наслідки помилки.
- Шукаючи виправдання, що «це написав ШІ». Відповідальність за кожне підписане речення лежить на підписанті; схвалення не можна послабити.
Підсумовуючи
- Офісна робота – це сфера, де штучний інтелект економить найбільше часу; Але звіт є офіційною основою для прийняття рішення, а помилки дорого коштують.
- У лабораторних даних ШІ перевіряє, а не очищає; правило «позначити, видалити/виправити», рішення за інженером.
- Підробка джерел і цифр у звітах і літературі є найпоширенішим ризиком; Кожне джерело та номер перевіряються.
- Автоматизація може збільшити помилку, а також швидкість; Запис простежуваності захищає основну причину та постраждалі результати.
- Інженер відповідає за підписаний контент; «Це написав ШІ» — не виправдання.
Аплікаційне завдання
Отримайте анонімну таблицю лабораторних результатів (або репрезентативні дані). Мати рядки проблемних позначок моделі з шаблоном «Аудит лабораторії ЗЯ/КЯ»; свідомо систематично зміщувати стандартне еталонне значення та перевіряти, чи модель вловлює його та намагається видалити значення. Потім створіть короткий розділ звіту, а кожну проблему та джерело в ньому помістіть у контрольний список за допомогою шаблону «завдання перевірки джерела».
контрольний список
- [ ] Я завжди застосовую правило «позначити, видалити/виправити» до ШІ на лабораторних даних.
- [ ] Я перевіряю надійність лабораторії за допомогою зразків QA/QC (порожніх, стандартних, повторних).
- [ ] Я незалежно перевіряю кожне джерело та номер у звіті та літературі.
- [ ] Я налаштував робочі процеси автоматизації з можливістю відстеження.
- [ ] Я погоджуюся з тим, що несу повну відповідальність за підписаний мною вміст.