Lợi nhuận:
- Khả năng phân biệt nơi nào AI tiết kiệm thời gian thực trong quy trình luyện kim và vật liệu và nơi nào kỹ sư phải chịu trách nhiệm quan trọng về an toàn, dựa trên mức độ rủi ro
- Khả năng triển khai quy tắc xác thực ba lớp để kiểm tra từng đầu ra AI theo tiêu chuẩn, tính toán độc lập và thử nghiệm trong phòng thí nghiệm
- Khả năng ẩn danh bối cảnh và lựa chọn công cụ an toàn để bảo vệ công thức hợp kim bí mật, thông số quy trình và dữ liệu khách hàng
Trong khi cánh tuabin của động cơ máy bay quay hàng trăm lần mỗi giây ở nhiệt độ 1400 °C, bạn là người quyết định loại siêu hợp kim nào (một hợp kim đặc biệt duy trì độ bền ở nhiệt độ cao) mà lưỡi đó sẽ được làm từ gì, nó sẽ trải qua quá trình xử lý nhiệt nào và nó sẽ tồn tại được bao nhiêu nghìn giờ: kỹ sư luyện kim hoặc vật liệu. Mọi quyết định bạn đưa ra trong nghề này đều quyết định sự tồn tại của một công trình hay sự hư hại của nó. Trí tuệ nhân tạo (gọi tắt là AI: hệ thống phần mềm xử lý văn bản, số, hình ảnh và đưa ra gợi ý) có thể đẩy nhanh các quyết định này; nhưng anh ấy không bao giờ có thể chịu trách nhiệm cho bạn. Học phần này hướng dẫn bạn nơi sử dụng AI một cách an toàn trong ngành luyện kim và vật liệu, nơi nguy hiểm và lý do bạn phải xác thực mọi kết quả đầu ra của AI bằng phòng thí nghiệm, tiêu chuẩn và thử nghiệm.
Nguyên tắc trọng tâm mà bạn sẽ sử dụng trong suốt mô-đun này là: AI là trợ lý chứ không phải là người ra quyết định. Một đặc tính vật chất, một giá trị giới hạn, một vật phẩm tiêu chuẩn hay một công thức xử lý nhiệt không trở thành sự thật chỉ vì “AI đã nói như vậy”; Nó chỉ đơn thuần là một giả thuyết cho đến khi được xác minh bằng phép đo, tham chiếu và đánh giá kỹ thuật. Bạn sẽ gặp lại câu này trong mỗi bài học của học phần, vì trong luyện kim, sai số thường có nghĩa là bộ phận bị hỏng.
LLM là gì, nó có tác dụng gì trong luyện kim?
LLM (Mô hình ngôn ngữ lớn) là phần mềm học các mẫu từ những đoạn văn bản rất lớn và dự đoán "từ tiếp theo" dựa trên xác suất. Đây là công cụ của các công cụ như ChatGPT, Claude, Gemini. Vấn đề là ở chỗ: LLM là "công cụ ước tính ngôn ngữ", không phải là "cơ sở kiến thức". Nói trôi chảy thuật ngữ luyện kim nhưng không đo lường được con số; tạo ra con số có vẻ có khả năng xảy ra nhất. Vì vậy, anh ta có thể đưa ra những câu trả lời tự tin nhưng không chính xác về cường độ chảy, nhiệt độ nóng chảy hoặc số hạng mục của tiêu chuẩn. Đây được gọi là ảo giác (bịa đặt). Ảo giác không phải là một trục trặc mà là một đặc điểm cố hữu của công nghệ này; Vì vậy, việc xác minh không phải là “bước bổ sung” mà là một phần không thể thiếu trong công việc.
Các nhiệm vụ mà AI mạnh về luyện kim:
- Giải thích và giảng dạy khái niệm: biến đổi martensite là gì, tại sao nó cứng và giòn; Sự khác biệt giữa eutectic và eutectoid là gì?
- Tạo danh sách giả thuyết: Tạo danh sách có hệ thống về lý do tại sao độ xốp (khí hoặc khoảng trống do co ngót) có thể xảy ra trong vật đúc.
- Sản xuất văn bản: dự thảo báo cáo phân tích hư hỏng, dự thảo WPS (đặc tả quy trình hàn), bản trình bày, email.
- Mã hóa: làm sạch dữ liệu, đồ họa, tập lệnh tính toán đơn giản (Python).
- Tóm tắt dữ liệu và sắp xếp bảng: biến các kết quả kiểm tra lộn xộn thành một bảng có tổ chức.
- Động não: các yếu tố ứng viên, ý tưởng ma trận thử nghiệm cho thiết kế hợp kim.
Trường hợp AI yếu và rủi ro:
- Đưa ra giá trị số chính xác (tính chất, giá trị giới hạn, thành phần hóa học).
- Thông tin về phiên bản và điều khoản tiêu chuẩn hiện tại/cụ thể.
- Chẩn đoán mà không có dữ liệu đo lường thực tế của cơ sở của bạn.
- Quyết định quan trọng về mặt an toàn: khả năng bay/khả năng sử dụng của một bộ phận.
Phân loại dựa trên rủi ro: bộ lọc trước khi sử dụng AI
Không phải mọi nhiệm vụ đều có cùng mức độ rủi ro. Phân loại nhiệm vụ theo mức độ rủi ro trước khi sử dụng AI. Bảng dưới đây cung cấp khung quyết định mà bạn sẽ sử dụng trong suốt mô-đun này.
Mức độ rủi ro
nhiệm vụ mẫu
vai trò AI
Xác minh bắt buộc
thấp
Giải thích khái niệm, văn bản nháp, khung mã
sử dụng miễn phí
Đánh giá là đủ
trung bình
Thiết lập tính toán, danh sách các giả thuyết, tóm tắt tài liệu
Bản thảo/đồng tác giả
Kiểm soát thủ công + xác nhận nguồn
cao
Lựa chọn vật liệu, công thức xử lý nhiệt, giá trị giới hạn
người tạo ý tưởng
Thử nghiệm tiêu chuẩn + trong phòng thí nghiệm
quan trọng
Khả năng phục vụ/đủ điều kiện bay, nguyên nhân gốc rễ của hư hỏng, chứng nhận
Chỉ bản nháp
Kiểm tra được công nhận + phê duyệt kỹ sư được ủy quyền
Mẹo: Nếu bạn đã đánh dấu một nhiệm vụ là "quan trọng" thì kết quả của AI sẽ không bao giờ là tài liệu cuối cùng. Nhiều nhất nó có thể là bản dự thảo sơ bộ hoặc danh sách kiểm tra; Kỹ sư được ủy quyền đảm nhận chữ ký và trách nhiệm.
Luồng từ đầu đến cuối: nhúng AI vào quy trình làm việc của bạn
Một chu trình giải quyết vấn đề điển hình trong một doanh nghiệp luyện kim diễn ra như thế này, với AI thực hiện từng bước nhưng không đóng riêng bước nào:
- Xác định vấn đề: Cái gì bị hỏng, tính năng nào được nhắm mục tiêu, có hạn chế gì? (AI: giúp làm rõ câu hỏi.)
- Thu thập dữ liệu: Phân tích thành phần, thử nghiệm cơ học, vi cấu trúc, dữ liệu hiện trường. (AI: liệt kê bài kiểm tra nào được yêu cầu.)
- Tạo ra các giả thuyết: Nguyên nhân/giải pháp có thể xảy ra. (AI: mạnh mẽ - tạo ra danh sách có hệ thống.)
- Phân tích: Tính toán, mô hình hóa, xử lý ảnh. (AI: tạo ra mã và tính toán hư cấu.)
- Xác nhận: Tiêu chuẩn, phòng thí nghiệm, kiểm tra lại. (AI: đứng bên lề ở đây; con người và thiết bị quyết định.)
- Báo cáo và quyết định: Kỹ sư chịu trách nhiệm. (AI: người viết bản thảo.)
Hãy ghi nhớ sáu bước này; Phần còn lại của mô-đun sẽ hướng dẫn bạn cách sử dụng AI với các nhiệm vụ cụ thể trong từng bước này.
ba trường hợp nhỏ
Trường hợp 1 - Cường độ chảy được trang bị. Một thực tập sinh hỏi AI về cường độ chảy của thép AISI 4140 được tôi và tôi luyện ở 200 ° C; AI cho biết "khoảng 1500 MPa". Thực tập sinh đưa điều này trực tiếp vào tính toán thiết kế trục chính. Tuy nhiên, giá trị thực tế thay đổi trong khoảng 900–1600 MPa, tùy thuộc vào các thông số xử lý nhiệt và độ dày tiết diện; Giá trị được lấy trong một mẫu mỏng không đúng trong một phần dày. Kết quả: hệ số an toàn hóa ra thấp hơn dự kiến. Thái độ đúng đắn là lấy giá trị từ bảng dữ liệu vật liệu (chứng chỉ nhà máy) và, nếu cần, từ thử nghiệm độ bền kéo theo ISO 6892.
Trường hợp 2 - Điều khoản tiêu chuẩn không tồn tại. Một kỹ sư hỏi AI về giới hạn cho phép của thép không gỉ. AI cho biết "tối đa 2,5 theo tiêu chuẩn ASTM E45 Phần 7.3". Kỹ sư viết báo cáo cho phù hợp. Trong quá trình kiểm tra của khách hàng, người ta phát hiện số hàng là giả và tiêu chuẩn không có điều khoản như vậy. Thái độ đúng đắn là mở phiên bản hiện tại của tiêu chuẩn từ nguồn chính thức và xác nhận bài viết. AI có thể ảo giác số vật phẩm ngay cả khi nó biết chính xác tên tiêu chuẩn.
Trường hợp 3 - Sử dụng đúng. Nhóm phân tích thiệt hại kiểm tra bức ảnh chụp bề mặt bị gãy của bu lông M20 bị gãy. Họ yêu cầu AI, “liệt kê những khác biệt điển hình trên bề mặt đứt gãy của vết nứt mỏi và vết nứt giòn, đồng thời cho tôi biết tôi nên tìm kiếm những gì trong kính hiển vi điện tử quét (SEM) cho từng loại”. AI giải thích một cách có hệ thống các dấu vết bãi biển, các đường vân (đường mỏi) và sự phân biệt vết lõm/vết nứt. Nhóm nghiên cứu tìm kiếm những dấu vết này bằng SEM, tìm thấy các đường vân và đưa ra chẩn đoán bằng hình ảnh thiết bị. Ở đây AI đã được sử dụng một cách chính xác: sắp xếp thông tin, phòng thí nghiệm đưa ra quyết định.
Mẫu lời nhắc có thể sao chép
Bạn có thể sử dụng các mẫu bên dưới bằng cách điều chỉnh chúng cho phù hợp với doanh nghiệp của riêng bạn. Trong mỗi chúng đều có một chỉ dẫn có ý thức là "đưa ra con số chính xác, cho biết nguồn, giải thích điều không chắc chắn".
VAI TRÒ VÀ MẪU GIỚI HẠN "Vai trò: Bạn là một trợ lý kỹ sư luyện kim có kinh nghiệm. Nhiệm vụ: [viết chủ đề]. Quy tắc: Khi đưa ra giá trị số chính xác, hãy nêu NGUỒN; nếu bạn không chắc chắn, hãy nói 'phải được xác minh'. Nếu bạn đưa ra mục tiêu chuẩn, hãy đưa nó cùng với phiên bản, nhưng hãy nhớ rằng nó phải được xác nhận từ nguồn chính thức. Cuối câu trả lời, hãy viết từng mục 'những gì cần được xác minh bằng thử nghiệm'."
MẪU TẠO GIẢ THUYẾT"Đưa ra một danh sách có hệ thống các nguyên nhân gốc rễ có thể có cho vấn đề sau: [mô tả vấn đề; tài liệu, quy trình, quan sát]. Đối với mỗi giả thuyết: (1) bằng chứng nào ủng hộ nó, (2) cần thực hiện thử nghiệm nào để xác nhận/bác bỏ nó. KHÔNG ĐƯA RA chẩn đoán xác định; chỉ đưa ra lộ trình nghiên cứu."
MẪU DANH SÁCH KIỂM TRA XÁC MINH"Liệt kê MỌI giá trị số và MỌI tham chiếu tiêu chuẩn trong bản dự thảo đầu ra/báo cáo bên dưới. Đối với mỗi giá trị, hãy cho biết nó cần được xác minh từ nguồn nào (chứng chỉ nhà máy, văn bản tiêu chuẩn, báo cáo thử nghiệm). Hãy thu thập những giá trị có nguồn gốc không chắc chắn dưới một tiêu đề riêng biệt 'không có sẵn cho đến khi được xác minh'. Văn bản: [dán]."
MẪU KIỂM TRA TRƯỚC ẨN DANH "Trước khi đưa văn bản sau cho công cụ AI, hãy gắn cờ các phần chứa bí mật thương mại hoặc dữ liệu cá nhân: tỷ lệ công thức hợp kim, tên khách hàng, thông số bí mật về nhiệt độ/thời gian xử lý, tên nhân sự. Đề xuất cách tôi có thể ẩn danh những phần này. Văn bản:[dán]."
Dấu nhắc yếu / Dấu nhắc mạnh
Hỏi cùng một câu hỏi theo hai cách sẽ mang lại kết quả rất khác nhau.
NHẮC NHỞ YẾU: "Hãy cho tôi biết đặc tính của thép 4140."
LƯU Ý MẠNH MẼ: "Vai trò: Bạn là trợ lý kỹ sư xử lý nhiệt. Giải thích ĐIỀU GÌ ảnh hưởng đến cường độ chảy khi tôi + ram đối với thép AISI 4140 (nhiệt độ ủ, độ dày/độ cứng, nhiệt độ austenit hóa). Đừng đưa ra một con số CHÍNH XÁC; thay vào đó, giá trị có thể thay đổi trong phạm vi nào và tôi nên thực hiện thử nghiệm nào theo tiêu chuẩn nào (ví dụ: kiểm tra độ bền kéo ISO 6892) để có được giá trị chính xác. Vui lòng nêu rõ những chỗ bạn không chắc chắn."
Lời nhắc kém thường trả về một danh sách vô dụng, hời hợt và có thể là những con số bịa đặt. Lời nhắc mạnh mẽ; nó chỉ định một vai trò, đặt ra các giới hạn (“đưa ra một con số chính xác”), yêu cầu một phương tiện xác minh và bộc lộ sự không chắc chắn. Trong suốt mô-đun này, bạn sẽ thấy mẫu "dấu nhắc mạnh" được áp dụng cho từng bài.
Đạo đức, quyền riêng tư và trách nhiệm
Dữ liệu luyện kim thường được bảo mật: công thức hợp kim của khách hàng, các thông số quy trình được cấp bằng sáng chế, kết quả phân tích thiệt hại, thông số kỹ thuật của ngành quốc phòng. Việc dán chúng vào dịch vụ AI công cộng có thể là bí mật thương mại và vi phạm hợp đồng; Cũng có nguy cơ dữ liệu sẽ cản trở việc đào tạo mô hình.
- Không nhập các tác phẩm, công thức nấu ăn và bản vẽ của công ty/khách hàng vào dịch vụ bên ngoài mà không có sự chấp thuận.
- Ẩn danh các hồ sơ chứa dữ liệu cá nhân (tên nhà điều hành, số đăng ký).
- Tuân thủ chính sách của công ty và mọi công cụ AI doanh nghiệp tại chỗ hoặc theo hợp đồng.
- Nêu rõ trong báo cáo rằng bạn đang sử dụng AI; Hãy nói rõ rằng quyết định cuối cùng dựa trên đánh giá kỹ thuật của bạn.
- Chữ ký và trách nhiệm luôn thuộc về kỹ sư được ủy quyền; Đầu ra AI không phải là sự biện minh.
Thận trọng: "Đó là những gì AI đã nói" không phải là lời biện minh về mặt kỹ thuật. Trong báo cáo hư hỏng, lựa chọn vật liệu hoặc quyết định tuân thủ, cơ sở của bạn phải là các tiêu chuẩn, thử nghiệm và tính toán; AI là công cụ tổ chức nhiều nhất những điều này. Đối với công việc quan trọng về an toàn, kết quả đầu ra AI không thể thay thế cho sự phê duyệt của kỹ sư đủ tiêu chuẩn.
Những lỗi thường gặp
- Sử dụng giá trị số (tính năng, giới hạn, thành phần) do AI đưa ra mà không cần thử nghiệm và tham khảo.
- Viết số mục tiêu chuẩn vào báo cáo mà không xác nhận chúng.
- Nhập dữ liệu bí mật của khách hàng/công ty vào AI công khai.
- Hỏi AI "sự cố là gì" mà không cung cấp dữ liệu cho cơ sở và nhầm câu trả lời chung với chẩn đoán.
- Sử dụng đầu ra AI làm tài liệu cuối cùng trong các quyết định quan trọng, bỏ qua sự phê duyệt của kỹ sư.
- Bỏ qua sự không chắc chắn: nhầm lẫn giọng điệu tự tin của AI với độ chính xác
Tóm lại
AI là một máy gia tốc mạnh mẽ trong kỹ thuật luyện kim và vật liệu: nó giải thích các khái niệm, tạo ra các giả thuyết, bản phác thảo và viết mã. Nhưng giá trị bằng số có nguy cơ gây ảo giác trong các vấn đề tiêu chuẩn và các quyết định quan trọng về an toàn. Phân loại nhiệm vụ theo mức độ rủi ro, xác minh từng đầu ra trong tam giác tài khoản phòng thí nghiệm tiêu chuẩn, duy trì tính bảo mật và luôn giữ trách nhiệm với kỹ sư được ủy quyền. Phần còn lại của mô-đun áp dụng nguyên tắc này cho từng nhiệm vụ cụ thể.
Nhiệm vụ ứng dụng
Chọn năm nhiệm vụ điển hình từ công việc của bạn (hoặc một dự án mẫu): ví dụ: "lựa chọn vật liệu", "viết báo cáo hư hỏng", "truy vấn tiêu chuẩn", "giải thích cấu trúc vi mô", "kịch bản tính toán". Phân loại từng loại là Thấp/Trung bình/Cao/Quan trọng theo bảng rủi ro ở trên và viết trong một câu cách bạn sẽ xác minh đầu ra AI cho từng loại (tiêu chuẩn nào, bài kiểm tra nào, ai phê duyệt). Sau đó thử điều chỉnh mẫu "VAI TRÒ VÀ GIỚI HẠN" cho phù hợp với một trong các tác vụ này.
danh sách kiểm tra
- [ ] Tôi đã phân loại nhiệm vụ theo mức độ rủi ro (Thấp/Trung bình/Cao/Quan trọng).
- [ ] Tôi đã giao cho AI vai trò, ràng buộc và hướng dẫn “đưa ra con số chính xác/chỉ định nguồn”.
- [ ] Tôi đã xác minh từng giá trị số và mục tiêu chuẩn từ các nguồn độc lập.
- [ ] Tôi chưa nhập dữ liệu bí mật/cá nhân vào một dịch vụ bên ngoài hoặc ẩn danh nó.
- [ ] Tôi đưa ra quyết định cuối cùng dựa trên thước đo và tiêu chuẩn, không sử dụng AI để biện minh.
- [ ] Tôi để lại trách nhiệm và chữ ký cho kỹ sư được ủy quyền.