Biên giới của AI trong Hàng hải: An ninh, Rủi ro mạng, Đạo đức và Trách nhiệm

Lợi nhuận:

• Khả năng nhận ra rằng AI có thể tạo ra các hệ số, mệnh đề quy tắc và giá trị kỹ thuật hư cấu và áp dụng xác minh trong bối cảnh an toàn tính mạng/tài sản
• Khả năng quản lý an ninh mạng, quyền riêng tư dữ liệu và các giới hạn quy định trong hệ thống tàu và OT (công nghệ vận hành)
• Hiểu rằng trách nhiệm cuối cùng về phê duyệt cấp, an toàn hàng hải và đạo đức thuộc về kỹ sư và thuyền trưởng.

Trong suốt mô-đun này, chúng tôi đã sử dụng trí tuệ nhân tạo (AI) làm công cụ tăng tốc ở mọi giai đoạn của tàu và kỹ thuật hàng hải: từ thiết kế hình thức đến phân tích kết cấu, bảo trì dự đoán đến tối ưu hóa hành trình, tuân thủ khí thải cho đến sản xuất tại nhà máy đóng tàu. Trong phần cuối cùng này, chúng ta lùi lại và xem xét toàn cảnh: những giới hạn chính của AI trong hàng hải là gì, những rủi ro nào (ảo giác, an ninh mạng, quyền riêng tư dữ liệu, thành kiến) luôn được cảnh báo và ai chịu trách nhiệm? Vì điều kiện tiên quyết để sử dụng xe an toàn là phải biết xe có thể sai sót ở đâu.

Luận điểm tuân thủ của mô-đun được áp dụng ở đây và chi phối tất cả các nội dung khác: trong công việc hàng hải quan trọng về an toàn, kết quả đầu ra của AI không thể thay thế cho sự chấp thuận của kỹ sư, thuyền trưởng hoặc người giám định hạng có thẩm quyền. AI gợi ý, soạn thảo, tính toán và nhắc nhở; Nhưng chủ sở hữu quyết định xác định sự an toàn về tính mạng, tài sản và môi trường là người ký quyết định đó và phải chịu trách nhiệm trước pháp luật.

Khái niệm: Ảo giác: AI tạo ra một giá trị, quy tắc hoặc tài nguyên không tồn tại. Bảo mật OT: Bảo vệ mạng công nghệ vận hành (máy và hệ thống kiểm soát hành trình). Ngộ độc dữ liệu: Cố ý làm sai lệch dữ liệu đào tạo/đầu vào để đánh lừa mô hình. Sai lệch mô hình: Sự thiên vị có hệ thống và không công bằng của mô hình xuất phát từ dữ liệu mà nó được đào tạo. Chuỗi trách nhiệm: Quyền sở hữu pháp lý và kỹ thuật của một quyết định được thể hiện rõ ràng.

Giới hạn vĩnh viễn của AI

AI có bốn giới hạn cố định trong vận tải biển và những giới hạn này sẽ không biến mất ngay cả khi công nghệ tiến bộ. Đầu tiên, ảo giác: mô hình lấp đầy khoảng trống bằng các tuyên bố “có khả năng xảy ra nhất” khi nó không có dữ liệu chính xác; Điều này hóa ra là một mệnh đề lớp bịa đặt, một giá trị ổn định không thể xảy ra hoặc một hệ số không tồn tại. Thứ hai, hành vi không triển khai: mô hình trở nên không đáng tin cậy ngoài các tình huống mà nó đã được huấn luyện và thử nghiệm (loại tàu bất thường, trục trặc bất thường, giao thông không nhìn thấy được). Thứ ba, thiếu hiểu biết về vật lý: AI xử lý các mẫu chữ, không “hiểu” sự bảo toàn năng lượng hay các định luật Newton; Nó có thể tạo ra sản lượng có vẻ hợp lý nhưng lại không thể thực hiện được về mặt vật lý. Thứ tư, tính kịp thời: thay đổi pháp luật, giá cả và công nghệ; Thông tin của mô hình bị đóng băng vào một ngày.

Những giới hạn này giải thích tại sao nguyên tắc xác minh mà chúng ta đã học trong suốt mô-đun là không thể thiếu: kiểm soát thứ tự cường độ, tính nhất quán của đơn vị, tái tạo độc lập và xác minh nguồn. Đặc biệt là khi yêu cầu AI thực hiện các phép tính (ví dụ: tập lệnh Python/Excel được tạo cho thời điểm chấn lưu/ổn định hoặc tính toán công suất), ngay cả khi mã có vẻ linh hoạt và hoạt động, thì logic, đầu vào và các trường hợp biên của nó không được chuyển thành quyết định an toàn nếu không có thử nghiệm độc lập. Chỉ vì mã tài khoản "hoạt động" không có nghĩa là nó "đúng".

Thận trọng: Mã kế toán do AI tạo có thể hoạt động không có lỗi nhưng có thể chứa sai công thức, sai đơn vị hoặc trường hợp sai sót bị bỏ qua. Trước khi chấp nhận mã, hãy kiểm tra nó với đầu vào đã biết (ví dụ bạn biết câu trả lời trực tiếp), kiểm tra các trường hợp đặc biệt và xác minh kết quả theo cách độc lập. Trong các tính toán quan trọng về an toàn như độ ổn định, cần phải có máy tính tải được phê duyệt và xác nhận của kỹ sư.

An ninh mạng và quyền riêng tư dữ liệu

Con tàu hiện đại là một mạng máy tính nổi: hệ thống định vị, điều khiển máy móc, quản lý hàng hóa và kết nối vệ tinh được kết nối với nhau. Điều này có nghĩa là bề mặt tấn công mạng. Hệ thống AI thêm hai rủi ro mới vào bức tranh này. Thứ nhất, an toàn OT (công nghệ vận hành): một thành phần AI gắn liền với điều hướng và điều khiển máy gây ra rủi ro an toàn trực tiếp nếu bị tấn công; Vì vậy, các hệ thống OT quan trọng bị cô lập, đầu ra AI không bao giờ được tự kích hoạt hành động kiểm soát, phải duy trì sự chấp thuận của con người và hành vi mặc định an toàn. Thứ hai, quyền riêng tư về dữ liệu: hình thức thân tàu, đường cong hiệu suất, hợp đồng của chủ tàu và hoạt động đo từ xa là bí mật thương mại và sở hữu trí tuệ; Việc nhập dữ liệu này vào các dịch vụ AI bên ngoài chưa được phê duyệt là một mất mát không thể khắc phục được.

Ngoài ra, các rủi ro thao túng như nhiễm độc dữ liệu (gây nhầm lẫn mô hình với đầu vào độc hại) và giả mạo dữ liệu như AIS đòi hỏi bạn không nên tin tưởng một cách mù quáng vào đầu vào của AI. Quy tắc: dữ liệu quan trọng được ẩn danh hoặc hoàn toàn không được chia sẻ, chỉ sử dụng các công cụ được phê duyệt và đảm bảo tính bảo mật, các đầu vào quan trọng được xác minh chéo để đảm bảo tính xác thực.

Rủi ro

Nó xảy ra như thế nào?

đề phòng

ảo giác

Quy tắc/giá trị/nguồn được tạo sẵn

Xác nhận từ nguồn, kiểm soát thứ hạng

tấn công mạng OT

Xâm nhập hệ thống điều khiển

Cô lập, sự chấp thuận của con người, mặc định an toàn

rò rỉ dữ liệu

Nhập dữ liệu bí mật vào công cụ bên ngoài

Công cụ ẩn danh, được phê duyệt

Ngộ độc/giả mạo dữ liệu

Đầu vào bị cố ý làm hỏng

Xác thực đầu vào, kiểm tra chéo

Mô hình thiên vị

Dữ liệu đào tạo không cân bằng

Xem xét kết quả với sự đánh giá của con người

Đạo đức và Chuỗi trách nhiệm

Quyền sở hữu pháp lý và kỹ thuật của một quyết định trong hàng hải cần phải rõ ràng: thuyền trưởng chịu trách nhiệm về an toàn hàng hải, máy trưởng chịu trách nhiệm về máy móc, kỹ sư phụ trách chịu trách nhiệm thiết kế và tính toán, và giám định viên cấp tàu chịu trách nhiệm tuân thủ quy tắc. AI không nên tạo ra “khoảng cách trách nhiệm pháp lý” vào chuỗi này. “AI đã đề xuất điều này” không phải là một cái cớ; Con người sử dụng AI và chấp nhận đầu ra của nó phải chịu trách nhiệm. Do đó, việc sử dụng AI phải minh bạch (phải ghi lại quyết định nào nó ủng hộ, quá trình xác minh nào nó đã trải qua) và quyết định cuối cùng phải thuộc về con người có chữ ký.

Khía cạnh đạo đức cũng bao gồm sự an toàn của phi hành đoàn và môi trường: nếu đề xuất tiết kiệm nhiên liệu khiến phi hành đoàn gặp rủi ro, nếu giải pháp tự động hóa thu hẹp biên độ an toàn, nếu lợi ích ngắn hạn che giấu rủi ro dài hạn, thì đạo đức kỹ thuật đòi hỏi phải nói "không". AI là một công cụ mạnh mẽ để tăng năng suất; Nhưng hiệu quả không bao giờ có thể cao hơn cuộc sống, môi trường và sự đánh giá kỹ thuật trung thực.

Hộp đựng nhỏ

Trường hợp 1 - lý do “AI đã nói vậy”. Trong báo cáo, giá trị giới hạn được sử dụng do AI đưa ra mà không cần xác minh và giá trị này trở thành không chính xác. Người chịu trách nhiệm cố gắng tự bảo vệ mình bằng cách nói "AI đã đề xuất điều này". Cả luật tập thể và luật trách nhiệm pháp lý đều không thừa nhận điều này: kỹ sư chấp nhận đầu ra sẽ phải chịu trách nhiệm. Bài học: AI không phải là cái cớ; Trách nhiệm thuộc về người sử dụng nó.

Trường hợp 2 - Rò rỉ dữ liệu bí mật. Một nhóm dán dữ liệu nhiên liệu và hiệu suất thực tế của chủ tàu vào công cụ AI có sẵn công khai và yêu cầu phân tích. Dữ liệu này hiện nằm ngoài tầm kiểm soát; phát sinh bí mật kinh doanh và vi phạm hợp đồng. Sẽ không có rủi ro nếu làm việc với các giá trị đại diện ẩn danh hoặc một công cụ được phê duyệt. Bài học: dữ liệu thực/bí mật không bao giờ được nhập vào một công cụ bên ngoài chưa được phê duyệt.

Trường hợp 3 - Đang hoạt động nhưng mã sai. AI tạo tập lệnh Python để ổn định trong giây lát; mã chạy không có lỗi và trả về một con số hợp lý. Khi kỹ sư kiểm tra nó với một trường hợp tải đã biết (câu trả lời được biết bằng tay), anh ta phát hiện ra rằng mã có độ dài một cánh tay với dấu sai. Kịch bản đã "hoạt động" nhưng kết quả lại sai. Bài học: việc sử dụng mã tài khoản không đảm bảo tính chính xác; Việc kiểm tra với đầu vào đã biết và xác minh độc lập là điều cần thiết.

Mẫu lời nhắc có thể sao chép

Mẫu 1 - Tự đánh giá giới hạn và rủi ro:

Vai trò: Bạn là người đánh giá đang kiểm tra đầu ra AI mà tôi sử dụng. Bối cảnh: [nhiệm vụ/đầu ra]. Nhiệm vụ:1) Rủi ro ảo giác cao trong đầu ra này ở đâu?2) Có điều gì đáng nghi ngờ về mặt tính hợp lý về mặt vật lý không?3) Những giá trị nào yêu cầu tính kịp thời (luật pháp/giá cả) cần được xác minh?4) Khả năng đầu ra này là một trường hợp không được phân phối (không nhìn thấy được)?Liệt kê từng điểm nghi vấn và cách xác minh nó.

Mẫu 2 — Lịch xác minh mã tài khoản:

Nghĩ ra kế hoạch xác minh trước khi sử dụng mã kế toán do AI tạo sau (Python/Excel):[dán mã/logic]1) Đề xuất đầu vào kiểm tra mà tôi biết rõ câu trả lời.2) Liệt kê các trường hợp đặc biệt cần được kiểm tra (không, âm, cực đoan).3) Làm cách nào để kiểm tra tính nhất quán của đơn vị?4) Tôi xác nhận kết quả bằng phương tiện độc lập nào? Ràng buộc: Cần phải xác minh công cụ/kỹ sư đã được phê duyệt đối với tài khoản quan trọng về an toàn.

Mẫu 3 - Bộ lọc bảo mật dữ liệu:

Kiểm tra quyền riêng tư trong bối cảnh sau đây mà tôi sẽ cung cấp cho một công cụ AI:[văn bản để chia sẻ]1) Có dữ liệu bí mật thương mại / bí mật / hợp đồng trong đó không?2) Những giá trị nào nên được ẩn danh hoặc trích xuất?3) Nhiệm vụ này có yêu cầu một công cụ nội bộ đã được phê duyệt không? Ràng buộc: Dữ liệu vận chuyển/hiệu suất/hợp đồng thực tế không được đưa vào công cụ bên ngoài.

Mẫu 4 - Ghi chú về trách nhiệm giải trình và tính minh bạch:

Soạn thảo một bản ghi nhớ minh bạch để ghi lại quyết định do AI cung cấp sau đây:[quyết định]. Nội dung: (1) AI được sử dụng ở giai đoạn nào, (2) nó đã trải qua những xác minh nào, (3) con người đã phê duyệt nó, (4) những nguồn nào đã được xác minh. Ràng buộc: Hãy nêu rõ rằng trách nhiệm cuối cùng thuộc về chữ ký của con người.

Dấu nhắc yếu / Dấu nhắc mạnh

Dấu nhắc yếu:

Mình sẽ đưa phân tích AI này vào báo cáo nhé, được không?

Lời nhắc mạnh mẽ:

Vai trò: Bạn là người đánh giá độc lập kiểm tra đầu ra AI. Bối cảnh: [phân tích/đầu ra và nơi sử dụng]. Nhiệm vụ:1) Đánh dấu rủi ro về ảo giác, tính hợp lý về mặt vật lý và tính kịp thời.2) Có dữ liệu nào không được chia sẻ để bảo mật không?3) Con người cần những bước nào để xác minh đầu ra này? Ràng buộc: Bạn không đưa ra quyết định "phù hợp/không phù hợp"; Nêu rõ các bước xác minh và trách nhiệm thuộc về kỹ sư ký kết.

Dấu nhắc yếu yêu cầu xác nhận; Lời nhắc mạnh mẽ bộc lộ rủi ro, quyền riêng tư và chuỗi xác minh của con người.

Những lỗi thường gặp

• Nó có nghĩa là "AI đã nói như vậy." Trách nhiệm thuộc về người nghiệm thu đầu ra; AI không phải là lý do.
• Nhập dữ liệu bí mật vào công cụ bên ngoài. Bí mật kinh doanh và vi phạm hợp đồng; Một khi dữ liệu bị rò rỉ không thể được lấy lại.
• Nghĩ rằng mã làm việc là chính xác. Tập lệnh hoạt động không có lỗi có thể chứa công thức/đơn vị sai; Kiểm tra và xác nhận độc lập là cần thiết.
• Để lại hệ thống OT cho AI. Hành động điều khiển không bao giờ được kích hoạt chỉ bởi AI; Sự chấp thuận của con người và mặc định an toàn được duy trì.
• Đặt hiệu quả lên trên sự an toàn. Cuộc sống, môi trường và khả năng đánh giá kỹ thuật trung thực không bị hy sinh vì bất kỳ khoản tiết kiệm nào.

Tóm lại

Các giới hạn lâu dài (ảo giác, hành vi không phân phối, thiếu hiểu biết về vật lý, lỗi thời) và rủi ro (bảo mật mạng/OT, quyền riêng tư dữ liệu, đầu độc, sai lệch) của AI trong hàng hải minh họa tại sao nguyên tắc xác minh được học trong suốt mô-đun là không thể thiếu. Trong các quyết định quan trọng về an toàn, kết quả đầu ra của AI không thể thay thế cho sự phê duyệt có thẩm quyền của con người; Chuỗi trách nhiệm rất rõ ràng và “AI đã nói như vậy” không phải là một cái cớ. AI là một máy gia tốc mạnh mẽ; Nhưng cuộc sống, môi trường và sự đánh giá kỹ thuật trung thực luôn được đặt lên hàng đầu.

Nhiệm vụ ứng dụng

Chọn đầu ra AI (tài khoản, bản nháp báo cáo hoặc mã) mà bạn đã tạo trong mô-đun này. Đánh dấu các rủi ro về ảo giác, tính hợp lý về thể chất và thực tế bằng mẫu “tự đánh giá giới hạn và rủi ro”. Nếu đó là mã tài khoản, hãy kiểm tra mã đó bằng thông tin đầu vào đã biết bằng cách sử dụng mẫu "kế hoạch xác minh mã tài khoản" và xác minh độc lập. Áp dụng “bộ lọc bảo mật dữ liệu” và lọc ra những dữ liệu không được chia sẻ. Cuối cùng, viết một bản ghi nhớ minh bạch ghi lại quyết định và nêu rõ ai là người chịu trách nhiệm cuối cùng.

danh sách kiểm tra

• [ ] Tôi đã kiểm tra rủi ro ảo giác, vật lý và thực tế của đầu ra AI.
• [ ] Tôi đã kiểm tra và xác minh độc lập mã tài khoản với thông tin đầu vào đã biết.
• [ ] Tôi không nhập dữ liệu bí mật/theo hợp đồng vào công cụ bên ngoài; Tôi đã ẩn danh nó.
• [ ] Tôi duy trì sự chấp thuận của con người và đảm bảo mặc định trong hệ thống OT/kiểm soát.
• [ ] Tôi đã ghi lại một cách minh bạch việc sử dụng AI và làm rõ ai là người chịu trách nhiệm.
• [ ] Tôi chưa bao giờ đặt hiệu quả lên trên cuộc sống, môi trường và đạo đức kỹ thuật.

Thi học phần

1. Khi làm việc với công cụ AI với tư cách là kỹ sư hàng hải, trách nhiệm cuối cùng về vấn đề nào sau đây phải luôn thuộc về con người (kỹ sư/nhân viên lớp)?

• A) Phê duyệt và ký xác nhận sự phù hợp của một bộ phận kết cấu với quy tắc phân loại ✔
• B) Lập dự thảo báo cáo kháng chiến đầu tiên
• C) Chỉnh sửa nhãn trục của biểu đồ
• D) Chuẩn bị bảng chú giải thuật ngữ cho báo cáo kỹ thuật

Mô tả: AI; Nó có thể tăng tốc các tác vụ như tính toán trước điện trở, soạn thảo báo cáo và tóm tắt dữ liệu. Tuy nhiên, việc phê duyệt sự tuân thủ của một bộ phận kết cấu với quy tắc tập thể và thể hiện điều này dưới dạng chữ ký trong hồ sơ kỹ thuật là quyết định tạo ra sự an toàn về tính mạng và tài sản; không thể được chuyển giao cho AI nếu không có sự xác minh độc lập và phê duyệt có thẩm quyền.

2. Bạn đã nhờ AI tính toán lực cản của một chiếc thuyền và nó đã làm giảm kết quả đi 20% với 'hệ số hiệu chỉnh theo kinh nghiệm' không có trong thí nghiệm mô hình. Hành động đúng đắn đầu tiên cần thực hiện là gì?

• A) Chấp nhận kết quả như hiện tại vì AI có vẻ tự tin
• B) Hỏi nguồn của hệ số, bác bỏ phần hiệu chỉnh vô căn cứ và tính lại bằng phương pháp đã được công nhận ✔
• C) Tăng hệ số hơn nữa và ở mức an toàn
• D) Chuyển sang lựa chọn cánh quạt mà không thay đổi kết quả

Giải thích: Các mô hình ngôn ngữ có thể bịa đặt một cách thuyết phục các hệ số và con số vô căn cứ (ảo giác). Trong tính toán ảnh hưởng trực tiếp đến công suất đẩy và nhiên liệu, chẳng hạn như lực cản, cần đặt câu hỏi về nguồn gốc của từng hệ số được sử dụng (phương pháp, thử nghiệm mô hình, tiêu chuẩn) và loại bỏ hệ số không được hỗ trợ.

3. Thay vì sử dụng lượng hàng hóa được chở làm mẫu số để tính CII (Chỉ số cường độ carbon) của tàu, AI chỉ sử dụng khoảng cách. Vấn đề chính với đầu ra này là gì?

• A) CII chỉ được tính cho tàu chở dầu, điều này không cần thiết trên tàu
• B) Kết quả CII luôn ở dạng phần trăm, số thập phân sai
• C) Mẫu số CII không chỉ là khoảng cách mà còn là khả năng chuyên chở (trọng lượng chết) nhân với khoảng cách ✔
• D) Dữ liệu tốc độ là bắt buộc để tính toán CII, nó bị thiếu

Mô tả: CII đo lượng khí thải carbon trên mỗi công việc được thực hiện và dựa trên trọng tải được cung cấp nhân với khoảng cách (ví dụ: trọng lượng chết x khoảng cách). Việc bỏ đi thuật ngữ tải/công suất sẽ tính toán sai hoàn toàn chỉ báo. Bước đầu tiên và bắt buộc là mỗi thuật ngữ trong chỉ số năng suất phải tuân thủ đầy đủ định nghĩa của IMO.

4. Đầu ra có giá trị nhất của hệ thống bảo trì dự đoán được hỗ trợ bởi AI trong phòng máy là gì?

• A) Tóm tắt chi phí bảo trì trung bình trong một dòng
• B) Chuyển đổi tất cả dữ liệu cảm biến thành biểu đồ nhiều màu sắc hơn
• C) Màu sắc và liệt kê các xu hướng rung động/nhiệt độ
• D) Đánh dấu trước khoảng thời gian khi ổ trục hoặc bộ tăng áp có nhiều khả năng bị hỏng ✔

Mô tả: Mục đích của bảo trì dự đoán là phát hiện xu hướng hư hỏng của thiết bị trước khi hỏng hóc và lập kế hoạch bảo trì kịp thời. Do đó, nguy cơ xảy ra trục trặc và dừng máy không mong muốn sẽ giảm đi. Nó không chỉ có giá trị trong việc tóm tắt quá khứ mà còn đưa ra những cảnh báo sớm về tương lai.

5. AI đã so sánh kết quả ứng suất trong mô hình FEA (phân tích phần tử hữu hạn) với ứng suất cho phép trong mã lớp và tuyên bố là 'thích hợp'. Cách tiếp cận nào đúng nhất?

• A) Xác minh thiết lập mô hình (lưới, điều kiện biên, tải) và xác nhận ứng suất cho phép từ văn bản quy tắc lớp ✔
• B) Trực tiếp xác nhận kết quả vì AI nói 'phù hợp'
• C) Giảm ngẫu nhiên ứng suất cho phép để đảm bảo an toàn
• D) Chỉ thay đổi thang màu mà không thắt chặt mạng

Mô tả: Kết quả FEA; Nó hoàn toàn phụ thuộc vào chất lượng lưới, điều kiện biên, định nghĩa tải trọng và tính chất vật liệu. Ngoài ra, giá trị ứng suất cho phép mà AI sử dụng có thể không chính xác. Trước khi chấp nhận kết quả, cần xác minh thiết lập mô hình và xác nhận giá trị quy tắc lớp từ văn bản.

6. Bạn đã tạo tuyến đường giúp giảm thiểu nhiên liệu bằng cách thực hiện định tuyến theo thời tiết bằng AI. Sự cân nhắc nào là quan trọng nhất đối với khả năng sử dụng của kết quả?

• A) Tuyến đường phải đảm bảo an toàn về mặt an toàn hàng hải (sóng, thời tiết, hạn chế tàu thuyền) và phải được thuyền trưởng phê duyệt ✔
• B) Sự xuất hiện ngắn nhất của tuyến đường trên bản đồ
• C) Tuyến đường có nhiều lượt ghé cảng nhất
• D) Tuyến đường giảm thiểu ETA bất kể hợp đồng

Giải thích: Cho dù đề xuất lộ trình tối ưu hóa nhiên liệu đến đâu thì an toàn hàng hải và quyền hạn của thuyền trưởng vẫn được ưu tiên. Nếu bão, độ cao sóng và các hạn chế về tàu vượt quá giới hạn an toàn thì việc tăng nhiên liệu là vô nghĩa. Quyết định lộ trình cuối cùng phải được sàng lọc thông qua các ràng buộc an toàn và được thuyền trưởng phê duyệt.

7. Bạn đã yêu cầu AI về yêu cầu SOLAS và nó đưa ra một giá trị chính xác có tham chiếu đến 'Số Chương/Quy tắc' cụ thể. Hành vi kỹ thuật chính xác là gì?

• A) Áp dụng giá trị trực tiếp vì AI đã được cập nhật
• B) Tăng giá trị ngẫu nhiên để đảm bảo an toàn
• C) Xác minh số mặt hàng và giá trị từ nguồn SOLAS/lớp chính thức, cập nhật ✔
• D) Thêm vào tệp mà không kiểm tra số mục

Mô tả: Mô hình ngôn ngữ có thể ghi nhớ sai hoặc tạo nên các số và giá trị của điều khoản hợp đồng/quy tắc. Trong các trường ràng buộc như SOLAS, MARPOL và quy tắc lớp, mỗi mục và giá trị phải được xác minh nguyên văn từ nguồn chính thức, hiện tại (văn bản IMO, quy tắc lớp, thông tư quản lý); Đầu ra AI chỉ hiển thị nơi cần tìm.

8. Trong hệ thống định vị tự động hoặc hỗ trợ quyết định, AI đã đề xuất thao tác dựa trên dữ liệu radar và AIS. Đánh giá nào đúng về mặt COLREG (tránh xung đột)?

• A) Tự động thực hiện thao tác khi AI truy cập dữ liệu hiện tại
• B) Truyền kiến nghị cho tàu kia qua VHF và chờ phê duyệt
• C) Tắt radar và chỉ dựa vào AIS
• D) Xem đề xuất này như một sự hỗ trợ quyết định và để lại COLREG và quyết định điều động cuối cùng cho sĩ quan trực ca/thuyền trưởng.

Giải thích: Theo quy tắc COLREG và thông lệ hàng hải tốt, trách nhiệm tránh va chạm và quyết định điều động cuối cùng thuộc về người có thẩm quyền trên buồng lái (thuyền trưởng/sĩ quan trực ca). Khuyến nghị AI là hỗ trợ quyết định; điểm mù, lỗi cảm biến và giải thích quy tắc cần có sự giám sát của con người.

9. Bạn đã tạo đề xuất tiết kiệm nhiên liệu từ đường cong SFOC (mức tiêu thụ nhiên liệu cụ thể) của động cơ chính bằng AI. Phương pháp thích hợp nhất để kiểm tra tính hợp lý là gì?

• A) Áp dụng khuyến nghị cho dữ liệu chuyến đi trước đây và so sánh với mức tiêu thụ nhiên liệu thực tế ✔
• B) Chấp nhận đề xuất như hiện tại và ghi nó vào ngân sách dưới dạng tiết kiệm.
• C) Lấy phần trăm tiết kiệm lạc quan nhất làm giá trị thực duy nhất
• D) Chỉ làm đẹp đồ thị của đường cong SFOC

Giải thích: Yêu cầu tiết kiệm do AI đưa ra phải được kiểm tra bằng cách so sánh nó với dữ liệu hành trình thực tế của tàu (mức tiêu thụ nhiên liệu, tải trọng, tốc độ, thời tiết được ghi lại). Áp dụng hồi cứu dữ liệu chuyến đi trong quá khứ và so sánh nó với mức tiêu thụ thực tế cho thấy khuyến nghị này thực tế đến mức nào.

10. Dự thảo báo cáo khảo sát/kỹ thuật do AI chuẩn bị có chứa các giá trị kỹ thuật linh hoạt nhưng có nguồn gốc không chắc chắn. Hành vi đúng đắn là gì?

• A) Trình bày báo cáo đúng nguyên trạng vì văn bản trôi chảy
• B) Khớp từng giá trị với số đo/nguồn ban đầu và xóa giá trị chưa được xác nhận ✔
• C) Làm tròn và làm bóng các giá trị
• D) Chỉ cần đọc phần tóm tắt và bỏ qua phần còn lại

Mô tả: Mỗi giá trị kỹ thuật trong báo cáo phải được truy nguyên từ nguồn ban đầu của nó (đo lường, bản ghi thiết bị đã hiệu chuẩn, quy tắc phân loại, dữ liệu nhà sản xuất). Không được gửi số nào cho lớp hoặc ban quản lý mà không xác minh nguồn của nó, ngay cả khi đó là một giá trị trong một câu trôi chảy; Ngược lại, một giá trị giả sẽ được đưa vào cơ sở quyết định.

11. Bước tốt nhất trước khi sử dụng phép tính Excel/Python do AI tạo ra (ví dụ: điều kiện chấn lưu và thời điểm ổn định) là gì?

• A) Áp dụng tính toán trực tiếp vào phương án tải thực tế
• B) Chỉ cần nhìn vào độ dài và bố cục của mã
• C) Thử các trường hợp đặc biệt bằng cách so sánh phép tính với một kịch bản thử nghiệm đã biết và công cụ tải đã được phê duyệt ✔
• D) Xóa một phần mã để rút ngắn nó

Giải thích: Tính toán độ ổn định và tải trọng có thể đúng nhưng lại cho kết quả không chính xác. Việc chạy tính toán trên một kịch bản thử nghiệm nhỏ trong đó bạn biết kết quả, theo cách thủ công hoặc bằng máy tính tải được chứng nhận, so sánh kết quả với kết quả dự kiến ​​và thử các trường hợp tải giới hạn/cạnh sẽ phát hiện lỗi trước khi chuyển sang quyết định tải thực tế.

12. Bạn muốn dán dữ liệu hiệu suất và thiết kế không chia sẻ của con tàu của mình vào một công cụ AI công khai và yêu cầu phân tích. Cách tiếp cận nào đúng nhất?

• A) Dán dữ liệu theo tốc độ
• B) Chỉ cần xóa tên tàu và chia sẻ tất cả dữ liệu còn lại là đủ
• C) Chia sẻ dữ liệu và sau đó yêu cầu AI xóa dữ liệu đó
• D) Kiểm tra chính sách của tổ chức và ẩn danh dữ liệu hoặc sử dụng công cụ bảo mật/tổ chức ✔

Tiết lộ: Hình thức thân tàu, đường cong hiệu suất và dữ liệu hợp đồng chủ tàu/bãi tàu là bí mật thương mại và nhạy cảm về sở hữu trí tuệ; Ngoài ra, cơ sở hạ tầng quan trọng và thông tin hệ thống OT tiềm ẩn rủi ro mạng. Trước khi chia sẻ dữ liệu, cần kiểm tra chính sách của công ty, ẩn danh nó hoặc sử dụng công cụ của công ty không chia sẻ dữ liệu.

13. Cơ quan kiểm soát chất lượng được hỗ trợ bởi AI tại cụm khối nhà máy đóng tàu đã gắn cờ đường hàn là 'có thể chấp nhận được'. Hành vi kỹ thuật chính xác là gì?

• A) Coi đánh giá AI là sự chấp nhận cuối cùng và phê duyệt quá trình may
• B) Coi đánh giá sơ bộ AI như một công cụ sàng lọc và liên kết việc chấp nhận cuối cùng với kết quả NDT và phê duyệt lớp ✔
• C) Di chuyển đến khối tiếp theo mà không kiểm tra đường nối
• D) Chỉ cần kiểm tra trực quan hình dáng của đường may là đủ

Mô tả: Chất lượng hàn là một lĩnh vực quan trọng về an toàn, đòi hỏi phải có kết quả thử nghiệm không phá hủy (NDT) và phê duyệt cấp độ. Đánh giá sơ bộ của AI thông qua hình ảnh hoặc dữ liệu cung cấp hướng dẫn, nhưng sự chấp nhận cuối cùng được đưa ra bằng sự kiểm tra và phê duyệt đủ điều kiện của người khảo sát lớp.

14. Trong quản lý đội tàu, AI đã đưa ra khuyến nghị rõ ràng cho chuyến thám hiểm rằng 'cảng boongke này và tốc độ này chắc chắn mang lại lợi nhuận cao nhất'. Đâu là đánh giá đúng?

• A) Thực hiện khuyến nghị trực tiếp khi AI truy cập dữ liệu cập nhật
• B) Truyền đạt đề xuất tới chủ tàu như một sự cam kết chắc chắn
• C) Khóa toàn bộ kế hoạch thám hiểm dựa trên đầu ra duy nhất này
• D) Xem lời đề nghị cuối cùng là không đáng tin cậy và coi đó là một tình huống có thể được xác minh với giá hiện tại, điều kiện thuê tàu và sự an toàn ✔

Giải thích: Giá nhiên liệu, điều kiện thuê tàu, thời tiết và tình trạng chậm trễ tại cảng đang thay đổi nhanh chóng và có nhiều biến số không chắc chắn; AI không thể đảm bảo lợi nhuận tuyệt đối. Đề xuất phải được coi là đầu ra của kịch bản phải được xác minh với mức giá hiện tại, các điều khoản của hợp đồng thuê tàu và các ràng buộc về an toàn.