Прибуток:
- Здатність цілісно оцінювати етичні аспекти, аспекти конфіденційності даних, авторського права та трудові аспекти використання штучного інтелекту в текстилі
- Можливість розробити систему з визначеними точками схвалення людини, яка поєднує весь модуль у наскрізний робочий процес
- Здатність створити структуру управління, перевірки та постійного вдосконалення для відповідального використання ШІ в організації
Модульний екзамен
1. Що з наведеного нижче є основним принципом, який визначає ризик виходу штучного інтелекту в текстильному виробництві?
- A) Ризик результату дорівнює шкоді, яку він завдав би, якби цей результат був несправним; шкали перевірки відповідно ✔
- B) ШІ-вивід загалом безпечний, оскільки написаний вільно та впевнено
- C) Перевірка непотрібна, якщо використовується найновіша модель
- D) Якщо вихідні дані стосуються стандарту, додатковий контроль не потрібен
Пояснення: ризик результату дорівнює шкоді, яку він заподіє, якщо цей результат буде несправним. Хоча помилка в ідеї мудборду нешкідлива, помилка в рецепті фарбування чи розрахунку міцності тканини може призвести до партійних відходів і ризиків безпеки праці/контракту; тому інтенсивність перевірки масштабується з потенційною шкодою.
2. Інженер скептично ставиться до значення AI «85 cN/tex для бавовняної пряжі» для міцності пряжі. Яка найшвидша перевірка підтвердить цю підозру?
- A) Внесіть значення безпосередньо у звіт і запитайте в лабораторії пізніше
- B) Зробіть порівняння на порядок із типовим діапазоном бавовняної пряжі (приблизно 12-22 сН/текс) ✔
- C) Повторне запитання моделі та довіра другій відповіді
- D) Прийняти, якщо значення містить посилання на джерело
Опис: це контроль порядку величини. Міцність кільцевої бавовняної пряжі зазвичай становить близько 12-22 сН/текс; 85 сН/текс — це високоефективний синтетичний/арамідний рівень, який фізично недоцільний для бавовни. Ця перевірка займає кілька секунд і виявляє більшість помилок пристрою/типу.
3. Що з наведеного нижче вірно для «Ne» (британський підрахунок кількості бавовни) серед систем підрахунку пряжі?
- А) Чим більшою стає нитка, тим вона стає товщою.
- Б) Що таке пряма система, вона працює в тому ж напрямку, що й текс
- В) Що це за непряма система; Чим більше число, тим тонша нитка ✔
- Г) Що визначено лише для синтетичної пряжі
Пояснення: яка непряма система нумерації: чим більше число, тим тонша нитка. Текс і день є прямими системами; Чим більше число, тим товщі нитка. Незнання цієї різниці призводить до серйозних помилок в інтерпретаціях чисел на виході AI.
4. Що означає мати високий рівень «помилково негативних» у моделі обробки зображень, яка виявляє дефекти тканини, і чому це критично?
- A) Дефектна тканина вважається ідеальною та доставляється замовнику; ✔ Найнебезпечніший вид помилки в якості
- Б) непотрібне маркування ідеальної тканини як дефектної; це просто знижує ефективність
- C) Модель не знаходить недоліків; завжди хороший знак
- D) Низька роздільна здатність камери
Пояснення: хибний негатив — це коли справжній дефект класифікується як «ідеальний». Це означає, що несправна тканина переходить до клієнта та несе витрати на повернення/репутацію. У програмах, які мають важливе значення для якості, поріг, як правило, встановлюється таким чином, щоб хибнопозитивні результати були низькими, а кількість помилкових спрацьовувань усувається перевіркою людиною.
5. Що означає значення «Delta E» (ΔE) для керування кольором?
- А) Вартість кілограма фарби
- B) Критерій, який кількісно визначає загальну різницю сприйняття між двома кольорами ✔
- В) Світлопроникність тканини
- Г) Значення температури фарбування в градусах
Опис: Delta E — це критерій, який кількісно визначає загальну перцептивну різницю між двома кольорами в колірному просторі CIELAB. Малі значення ΔE вказують на близькість кольорів; У текстильних виробах допуск приймання від партії до партії зазвичай визначається контрактом у термінах ΔE. Тому твердження про те, що «колір зберігається», вимагає вимірювання.
6. Як це називається, коли два зразки виглядають однаково під одним джерелом світла та по-різному під іншим джерелом світла, і чому це важливо для керування кольором?
- А) Метамерія; Підтвердження кольору має виконуватися за кількох стандартних джерел світла ✔
- Б) Флуоресценція; колір виглядає однаково в будь-яких умовах
- В) Непрозорість; різниця кольорів залежить лише від товщини
- D) Калібрування; стосується лише екрану
Опис: це явище називається метамерією. Два кольори з різним спектральним коефіцієнтом відбиття можуть збігатися при певному освітленні і розходитися при іншому освітленні. Таким чином, перевірку кольору слід виконувати не на одному джерелі світла, а на кількох джерелах (наприклад, D65, TL84, A) у стандартній освітлювальній кабіні.
7. Яку найважливішу юридичну перевірку необхідно провести перед комерційним використанням текстильного візерунка, створеного за допомогою генеративного штучного інтелекту?
- А) Зменшення кількості кольорів візерунка
- B) Зменшення розміру файлу шаблону
- C) Перевірка на схожість/порушення авторських прав з існуючими захищеними дизайнами ✔
- Г) Зберігати шаблон тільки у високій роздільній здатності
Пояснення: необхідно перевірити, чи створений шаблон має будь-яку схожість/порушення з існуючими захищеними дизайнами, товарними знаками або творами, захищеними авторським правом, і оцінити невизначеності щодо навчальних даних моделі та вихідних прав. Комерціалізація без перевірки оригінальності та порушення створює ризик судового розгляду авторських прав.
8. Який найбільш надійний підхід до перевірки результатів штучного інтелекту при прогнозуванні попиту за SKU?
- A) Перетворення одноточкового прогнозу, наданого моделлю, у кількість замовлення як вона є
- B) Перевірка минулих продажів і оцінка допустимої похибки через фільтр бізнес-суджень ✔
- C) Вибір найвищої оцінки та збереження надлишкового запасу
- D) Подвоїти прогноз, якщо тенденція найпопулярніша
Пояснення. Прогноз слід перевірити на основі попередніх продажів і відфільтрувати через ділове судження з таким контекстом, як запаси, кампанії, сезонність тощо. Замість того, щоб сліпо довіряти прогнозу моделі в одній точці, оцінюються межа похибки та сценарії.
9. Яка основна причина замовлення партії фарби від «світлого кольору до темного» у плануванні виробництва?
- А) Темні кольори дешевші
- B) Зменшення ризику забруднення кольору та часу очищення машини ✔
- В) Світлі кольори зберігаються довше
- Г) Це лише естетичні переваги
Пояснення: якщо світлий колір фарбується після темного кольору в тій же машині, ризик очищення/забруднення та додаткового часу прання збільшується. Сортування від світлого до темного підвищує ефективність, зменшуючи ризик змазування кольору та час машинного очищення. Рекомендації ШІ мають включати це обмеження процесу.
10. Коли ви повідомляєте про вплив тканини на навколишнє середовище, яке правильне ставлення до заяви на кшталт «перероблений поліестер зменшує споживання води на 90%», зробленої ШІ?
- A) Розміщення претензії так, як вона є в маркетинговій копії
- Б) Не використовувати претензію без перевірки меж системи, джерела даних і сертифіката ✔
- C) Припущення, що твердження є сильним, якщо число велике
- Г) Округліть число та опублікуйте його
Пояснення: таке твердження є безглуздим без визначення межі системи (від колиски до воріт або від воріт до воріт), джерела даних і обсягу; Він має ґрунтуватися на перевірених даних LCA та сертифікації. Інакше може виникнути «зелене відмивання» та юридичний ризик. Хоча цифри штучного інтелекту здаються розумними, вони отримані з незалежного джерела.
11. Що має бути першим кроком для перевірки коду, написаного штучним інтелектом під час аналізу виробничих даних за допомогою pandas з Python?
- A) Якщо код працював без помилок, прийміть результат як правильний
- B) Обчисліть вихідні дані вручну та перевірте одиницю та логіку на невеликій вибірці даних ✔
- C) Додавання коду безпосередньо до звіту про виробництво
- D) Якщо графік виявився хорошим, вважайте аналіз завершеним.
Примітка: навіть якщо код працює, немає гарантії, що логіка правильна; Перевірку бухгалтерського обліку вручну необхідно виконати для одиниці, відповідності стовпців і кількох рядків. Наприклад, під час усереднення маси в грамажі неправильне групування або плутанина одиниць можуть призвести до неправильних результатів. У невеликій вибірці ручна перевірка є найшвидшою гарантією.
12. Яка найкраща практика з точки зору конфіденційності даних під час надсилання даних текстильного виробництва до інструменту AI?
- A) Надішліть всю фактичну інформацію про клієнтів і рецепти як є
- Б) Анонімізуйте конфіденційну інформацію та надсилайте її з репрезентативними мітками та відповідно до корпоративної політики ✔
- C) Припускаючи, що конфіденційність неважлива, оскільки даних дуже багато.
- D) Просто змініть назву файлу та надішліть вміст таким, яким він є
Пояснення: конфіденційні дані, такі як ім’я клієнта, секрет рецепта, ціна та інформація про постачальника, повинні бути анонімними або надані з репрезентативними мітками (Клієнт-A, Рецепт-1). Комерційні таємниці та особисті дані не можна передавати сторонній моделі в порушення корпоративної політики та угод.
13. Модель обробки зображень повідомляє про точність 98% на виробничій лінії, але пропускає багато дефектів у полі. Яка найімовірніша причина цього?
- A) Точність вводить в оману через незбалансовані дані; Чутливість (відкликання) класу дефекту низька ✔
- B) Модель працює дуже повільно
- В) Тому що камера кольорова
- Г) 98% вже ідеально, проблема в операторі
Пояснення: коли в наборі даних дуже мало зразків із дефектами (незбалансовані дані), модель може досягти високої точності, називаючи все «ідеальним», але не може зафіксувати фактичні дефекти. Тому сама по собі точність вводить в оману; Необхідно контролювати чутливість (відклик) і точність для класу дефекту.
14. Згідно з ключовим принципом, наголошуваним у всьому модулі, яка роль штучного інтелекту в питаннях безпеки та прийняття важливих для контракту текстильних рішень?
- А) ШІ може приймати важливі рішення самостійно, оскільки він швидкий
- Б) ШІ – помічник; критичні рішення перевіряються схваленням компетентного інженера та фізичними випробуваннями ✔
- C) Вихід AI замінює підписаний звіт
- D) Людське підтвердження непотрібне, коли використовується найновіша модель
Опис: AI - помічник і прискорювач; генерує гіпотези, готує чернетки, вловлює закономірності. Однак важливі рішення, такі як затвердження рецепту фарбування, прийняття якості, оцінка міцності/безпеки, вимагають схвалення компетентного інженера та фізичних випробувань. Результати ШІ не замінюють схвалення експертів.