Lợi nhuận:
- Khả năng sử dụng AI hiệu quả trong xử lý, kiểm soát chất lượng và báo cáo kết quả xét nghiệm
- Khả năng tăng tốc việc soạn thảo báo cáo địa chất/địa kỹ thuật, xem xét tài liệu và tóm tắt dữ liệu bằng AI
- Khả năng bảo mật nội dung được tạo tự động với khả năng truy xuất nguồn gốc, xác nhận nguồn và phê duyệt của kỹ sư
Một phần công việc vô hình nhưng phần lớn của kỹ sư địa chất diễn ra trong văn phòng: xử lý kết quả phòng thí nghiệm, kiểm soát chất lượng, lập bảng dữ liệu, viết báo cáo, quét tài liệu và chuẩn bị bản đồ và số liệu. Những công việc này lặp đi lặp lại, tốn thời gian và đòi hỏi sự chú ý; Đây chính xác là lĩnh vực mà trí tuệ nhân tạo tiết kiệm thời gian nhất. Nhưng cũng có một cái bẫy ở đây: báo cáo là cơ sở chính thức cho một quyết định kỹ thuật. Một nguồn bịa đặt, một con số bị sao chép sai hoặc một tuyên bố không thể truy nguyên có thể lọt vào một văn bản trôi chảy mà không được chú ý và hậu quả có thể nghiêm trọng. Mục đích của đơn vị này là thiết lập một kỷ luật không bao giờ nới lỏng khả năng truy xuất nguồn gốc, xác nhận nguồn và phê duyệt kỹ sư trong khi sử dụng trí tuệ nhân tạo trong hiệu quả văn phòng từ đầu đến cuối.
Trong đơn vị này, chúng tôi sẽ đề cập đến ba lĩnh vực văn phòng: xử lý kết quả trong phòng thí nghiệm và QA/QC (làm sạch và đảm bảo dữ liệu phân tích), sản xuất báo cáo và tài liệu (tăng tốc soạn thảo, tóm tắt và sàng lọc) và tự động hóa quy trình làm việc (thường xuyên hóa các nhiệm vụ lặp đi lặp lại). Ở mỗi bước, AI là người soạn thảo và tổ chức; Tính chính xác, nguồn gốc và sự phê duyệt cuối cùng của nội dung thuộc về kỹ sư.
Xử lý kết quả phòng thí nghiệm và QA/QC
Các kết quả trong phòng thí nghiệm (phân tích cấp độ, kiểm tra chỉ số đất, thành phần hóa học của nước) thường có các định dạng khác nhau, ở các đơn vị khác nhau và đôi khi không chính xác. AI khớp dữ liệu này vào một lược đồ duy nhất, nắm bắt sự không nhất quán của đơn vị, gắn cờ dưới giới hạn phát hiện và kiểm tra các mẫu QA/QC (mẫu trắng, tài liệu tham chiếu tiêu chuẩn, phân tích lại). QA/QC (đảm bảo chất lượng/kiểm soát chất lượng) là hoạt động kiểm tra chứng minh độ tin cậy của phòng thí nghiệm: nếu có ô nhiễm trong mẫu trắng, sai lệch tiêu chuẩn, không tuân thủ trong mẫu lặp lại thì dữ liệu có vấn đề.
Điểm quan trọng: AI không bao giờ âm thầm xóa hoặc sửa một giá trị. Công việc của nó là đánh dấu các dòng có vấn đề và để kỹ sư đưa ra quyết định. Giá trị ngoại lệ có thể là quặng cao thực sự hoặc sai sót trong phòng thí nghiệm; Kỹ sư tạo ra sự khác biệt này với bối cảnh. Trí tuệ nhân tạo kiểm tra dữ liệu, không làm sạch nó.
Mẹo: Lặp lại quy tắc "chỉ đánh dấu, không thay đổi" ở mọi lời nhắc khi xử lý dữ liệu phòng thí nghiệm. Sai lầm xảo quyệt nhất của AI là khi nó làm hỏng dữ liệu thô bằng cách "sửa" một giá trị với mục đích tốt và không nhận ra điều đó.
Báo cáo và sản xuất tài liệu
AI là công cụ soạn thảo mạnh mẽ trong việc viết báo cáo: soạn thảo phần phương pháp, nội dung giới thiệu, tóm tắt kết luận trong vài phút; tóm tắt một khối văn học dài; Chuyển đổi một bảng phức tạp thành văn bản thuần túy. Nhưng có hai mối nguy hiểm rõ ràng. Đầu tiên là nguồn bịa đặt: mô hình có thể tự tin tạo ra một bài viết không tồn tại, một tác giả giả hoặc một bài viết kinh điển không tồn tại. Thứ hai, lỗi xử lý số: cấp độ, hệ số an toàn hoặc độ sâu có thể được chuyển sai khi truyền vào văn bản.
Vì vậy, nguyên tắc vàng: AI tạo ra bản nháp, kỹ sư xác minh và sở hữu nó. Mỗi nguồn đều được xác nhận từ bản gốc (tài liệu tham khảo ngụy tạo là loại ảo giác phổ biến nhất); mỗi số được so sánh với dữ liệu thô; Mọi tuyên bố kỹ thuật đều được kiểm tra bằng kiến thức kỹ thuật. Sau khi báo cáo được ký, trách nhiệm đối với từng câu trong đó thuộc về người ký - “AI đã viết nó” không phải là một cái cớ.
Chú ý: Không bao giờ chấp nhận thư mục do trí tuệ nhân tạo tạo ra như hiện tại. Những tài liệu tham khảo bịa đặt nhưng có vẻ thực tế (tác giả, tạp chí, năm có vẻ chính xác) là những ảo giác phổ biến và nguy hiểm nhất. Xác minh từng tham chiếu dựa trên cơ sở dữ liệu độc lập.
Tự động hóa quy trình làm việc và truy xuất nguồn gốc
Tự động hóa các công việc lặp đi lặp lại (xử lý dữ liệu quan trắc nước hàng tháng, điền mẫu báo cáo chuẩn, kết hợp bàn khoan) bằng trí tuệ nhân tạo mang lại hiệu quả cao. Nhưng tự động hóa cũng có thể tự động hóa lỗi: một quy tắc sai sau khi được thiết lập sẽ được âm thầm lặp lại ở mỗi lần chạy. Đó là lý do tại sao quy trình làm việc tự động phải có khả năng theo dõi: ghi lại đầu vào nào, bước nào, phiên bản mô hình nào mà mỗi đầu ra đến từ; Khi tìm thấy lỗi, nguyên nhân gốc rễ và tất cả các kết quả đầu ra bị ảnh hưởng phải được truy nguyên.
Trong thực tế, truy xuất nguồn gốc có nghĩa là: nguồn và ngày của dữ liệu đầu vào, các chuyển đổi được áp dụng, phiên bản nhắc nhở/mô hình được sử dụng và bước phê duyệt của con người đều được ghi lại. Điều này đảm bảo cả việc gỡ lỗi và trách nhiệm kỹ thuật. Tự động hóa không thể kiểm soát, dù nhanh đến đâu, là không thể chấp nhận được trong một doanh nghiệp quan trọng về an toàn.
Ba trường hợp nhỏ: Bằng những con số
Trường hợp 1 - Ghi lại độ lệch QA/QC. Một lô hàng trong phòng thí nghiệm chứa 320 mẫu cấp. Quá trình sàng lọc AI QA/QC đã gắn cờ tài liệu tham chiếu tiêu chuẩn là có tỷ lệ đọc dưới mức 8% một cách có hệ thống trong 40 mẫu gần đây nhất - độ lệch hiệu chuẩn thiết bị. Lỗi hệ thống này là một vấn đề rất khó phát hiện thủ công nhưng ảnh hưởng đến toàn bộ lô; Lô hàng đã được phân tích lại. Anh ấy không quyết định khuôn mẫu, anh ấy làm cho khuôn mẫu đó trở nên hữu hình.
Trường hợp 2 - Nguồn bịa đặt. AI đã soạn thảo phần tài liệu của một báo cáo địa kỹ thuật và tạo ra sáu tài liệu tham khảo. Trong quá trình xác minh, người ta phát hiện ra rằng hai trong số đó chưa từng tồn tại và một trong số đó được cho là đăng nhầm tạp chí. Nếu các tài liệu tham khảo không được kiểm tra từng cái một dựa trên cơ sở dữ liệu độc lập thì các nguồn bịa đặt sẽ đưa vào một báo cáo kỹ thuật đã được ký. Dự thảo tăng tốc; Đã lưu xác nhận.
Trường hợp 3 - Nguyên nhân gốc rễ có thể truy xuất nguồn gốc. Trong quá trình tự động hóa giám sát nước hàng tháng, các giá trị của giếng quan sát đã được báo cáo sai thiết bị trong ba tháng. Nhờ bản ghi truy xuất nguồn gốc, người ta đã tìm thấy lỗi bắt đầu trong vòng vài phút tại bước chuyển đổi và danh sách đầy đủ ba báo cáo bị ảnh hưởng đã được tạo. Nếu không có hồ sơ nào được lưu giữ thì vẫn chưa rõ bản in nào bị hỏng và toàn bộ kho lưu trữ sẽ bị nghi ngờ.
Nhắc yếu / Nhắc mạnh
Dấu nhắc yếu:
Viết báo cáo địa kỹ thuật cho dự án này, bao gồm tài liệu. [dữ liệu]
Lời nhắc mạnh mẽ:
Vai trò của bạn: Người soạn thảo báo cáo. DỰ THẢO một báo cáo với các dữ liệu sau nhưng:1) CHỈ dựa trên dữ liệu tôi cung cấp; KHÔNG tạo nên số lượng, nguồn hoặc phát hiện. 2) Hiển thị bằng dấu ngoặc đơn dòng đầu vào của mỗi số. 3) Thay vì tạo nguồn thực tế cho tài liệu, hãy đặt một phần giữ chỗ "nguồn đã được xác minh về [chủ đề] sẽ được thêm vào đây". 4) Đánh dấu vào bất kỳ chỗ nào bạn không chắc chắn là "YÊU CẦU XÁC NHẬN CỦA KỸ SƯ". Nội dung cuối cùng và tất cả các nguồn sẽ được tôi xác minh. Dữ liệu là ẩn danh.
Bốn mẫu có thể sao chép
1) Kiểm tra QA/QC phòng thí nghiệm:
Kiểm tra bảng kết quả phòng thí nghiệm: sai lệch đơn vị, dấu hiệu dưới giới hạn phát hiện, ô nhiễm trong mẫu trắng, sai lệch hệ thống trong tham chiếu tiêu chuẩn, không tuân thủ trong mẫu lặp lại. Chỉ đánh dấu các hàng có vấn đề bằng example_id; Không xóa hoặc sửa bất kỳ giá trị nào. Quyết định là của tôi.
2) Thực thi xác nhận nguồn:
Rút ra tất cả các tuyên bố bằng số và trích dẫn nguồn trong văn bản này và lập một danh sách kiểm tra: thông tin đầu vào làm cơ sở cho mỗi số, trích dẫn của từng nguồn cần được xác nhận. Chế tạo nguồn; Đánh dấu "phải được xác minh" vào chỗ bạn không thể xác minh.
3) Khung hồ sơ truy xuất nguồn gốc:
Đề xuất mẫu bản ghi truy nguyên cho quy trình làm việc tự động này: nguồn và ngày đầu vào, các chuyển đổi được áp dụng, phiên bản lời nhắc/mô hình được sử dụng, bước phê duyệt của con người. Chỉ ra cách tìm ra nguyên nhân gốc rễ và kết quả đầu ra bị ảnh hưởng khi tìm thấy lỗi.
4) Kiểm tra tính nhất quán của báo cáo:
Quét bản thảo báo cáo của bạn để biết tính nhất quán nội bộ: các số trong bản tóm tắt có khớp với nội dung không, bảng và văn bản có xung đột không, các đơn vị có nhất quán xuyên suốt không, có chữ viết tắt không xác định không? Liệt kê các vấn đề; Quyết định nội dung là của tôi.
Nhiệm vụ văn phòng, thu nhập và kiểm soát
Nhiệm vụ
AI đạt được
Rủi ro chính
Kiểm tra bắt buộc
Xử lý dữ liệu phòng thí nghiệm
cao
Chỉnh sửa im lặng
"Đánh dấu, xóa" + dữ liệu thô
Kiểm tra QA/QC
cao
Đừng bỏ lỡ slide
Mù/tiêu chuẩn/xác nhận lại
Báo cáo dự thảo
cao
Vấn đề/nguồn bịa đặt
Xác nhận số lượng và nguồn
Bình luận văn học
cao
Tài liệu tham khảo tự tạo
Xác minh cơ sở dữ liệu độc lập
tự động hóa quy trình làm việc
rất cao
Lặp lại sai lầm
Hồ sơ truy xuất nguồn gốc
Mẹo: Trước khi thiết lập tự động hóa, hãy hỏi "làm cách nào để biết liệu quy trình công việc này có hoạt động không chính xác hay không?" Trả lời câu hỏi. Nếu câu trả lời không rõ ràng, trước tiên hãy thêm các điểm kiểm soát và truy xuất nguồn gốc; Tốc độ đến sau khả năng kiểm soát.
Những lỗi thường gặp
- Nhận giá trị được sửa chữa một cách âm thầm. AI “cải thiện” dữ liệu thô là sai lầm nguy hiểm nhất; quy tắc phải luôn là "đánh dấu, không thay đổi."
- Không xác minh thư mục. Những tài liệu tham khảo bịa đặt là ảo giác phổ biến nhất; Mỗi dấu ấn phải được xác minh độc lập.
- Không kiểm tra số mang. Giọng nam cao hoặc hệ số an toàn giảm đi khi truyền vào văn bản sẽ bị ẩn trong văn bản trôi chảy.
- Thiết lập tự động hóa không thể theo dõi. Trong quy trình làm việc không lưu giữ hồ sơ, không thể xác định được nguyên nhân gốc rễ và tác động của lỗi.
- Trốn tránh với lý do "AI viết ra". Trách nhiệm đối với mỗi câu được ký thuộc về người ký; sự chấp thuận không thể được nới lỏng.
Tóm lại
- Công việc văn phòng là lĩnh vực trí tuệ nhân tạo tiết kiệm thời gian nhất; Nhưng báo cáo là cơ sở chính thức để đưa ra quyết định và những sai lầm đều phải trả giá đắt.
- Trong dữ liệu phòng thí nghiệm, AI kiểm tra chứ không phải làm sạch; quy tắc là "đánh dấu, xóa/sửa", quyết định tùy thuộc vào kỹ sư.
- Việc làm giả các nguồn và số liệu trong các báo cáo và tài liệu là những rủi ro phổ biến nhất; Mọi nguồn và số đều được xác minh.
- Tự động hóa có thể làm tăng lỗi cũng như tốc độ; Bản ghi truy xuất nguồn gốc đảm bảo nguyên nhân gốc rễ và kết quả đầu ra bị ảnh hưởng.
- Người kỹ sư chịu trách nhiệm về nội dung đã ký; “AI đã viết nó” không phải là một cái cớ.
Nhiệm vụ ứng dụng
Nhận bảng kết quả phòng thí nghiệm ẩn danh (hoặc dữ liệu đại diện). Có các dòng vấn đề gắn cờ mô hình với mẫu "Kiểm tra QA/QC trong phòng thí nghiệm"; thay đổi một cách có ý thức một cách có hệ thống một giá trị tham chiếu tiêu chuẩn và kiểm tra xem mô hình có nắm bắt được giá trị đó hay không và cố gắng xóa giá trị đó. Sau đó, soạn thảo một phần báo cáo ngắn và đưa mọi vấn đề cũng như nguồn trong đó vào danh sách kiểm tra bằng cách sử dụng mẫu "thử thách xác minh nguồn".
danh sách kiểm tra
- [ ] Tôi luôn áp dụng quy tắc “đánh dấu, xóa/sửa” cho AI trên dữ liệu phòng thí nghiệm.
- [ ] Tôi kiểm tra độ tin cậy của phòng thí nghiệm bằng các mẫu QA/QC (mẫu trắng, tiêu chuẩn, lặp lại).
- [ ] Tôi xác minh độc lập mọi nguồn và số liệu trong báo cáo và tài liệu.
- [ ] Tôi thiết lập quy trình làm việc tự động hóa với khả năng truy xuất nguồn gốc.
- [ ] Tôi chấp nhận hoàn toàn chịu trách nhiệm về nội dung tôi ký.