收益：
- 能够区分人工智能在船舶和海洋工程工作流程中哪些地方可以实时节省时间，以及生命/财产安全和船级的责任应该由工程师承担。
- 能够应用三层规则，按数量级、独立重新计算和类规则/源代码控制验证每个工程输出
- 能够养成匿名化上下文并创建提示的习惯，从而从人工智能中受益，而无需共享船舶、船厂和船东的商业和技术机密数据。
看看海洋工程师的一天：船体形状迭代、阻力和推进力计算、稳定性和强度检查、等级规则扫描、机舱传感器记录、调查报告、造船厂通信以及与船东的无尽电子邮件。投入到实际工程判断上的时间，即“这艘船是否安全、这个建造是否符合船级规范、这个航次计划是否真的降低了油耗”等问题，都被重复的计算和文件工作压垮了。这就是人工智能（简称AI；通过大型语言模型和机器学习处理文本、代码和数字的软件）发挥作用的地方。人工智能不会替你做决定；它帮助您做好决策准备、生成草案、加快计算速度并将处理后的信息呈现在您面前。
然而，在海洋工程这个领域，错误不是通过文本来衡量的，而是通过生命、环境和数百万美元来衡量的。由语言模型组成的阶级规则条款、不正确的单位转换，或者“看起来合理”但实际上不可能的稳定性结果，在其他领域可能只是一个微小的修正，但在这里它可能会变成翻船、结构性崩溃或漏油。因此，在本模块中，我们不会将人工智能定位为“自动工程师”，而是安全关键的纪律助理，其输出每次都会得到验证。
在第一个单元中，我们澄清了三件事：人工智能在船舶和海洋工程工作流程的哪些阶段可以增加真正的价值；哪些决定应严格由合格人员（工程师、船级社验船师、船长）做出；这样做时您必须遵守哪些验证、保密和责任纪律。如果屋顶安装不正确，后续装置中的技术可能会变得危险。
概念：幻觉：人工智能令人信服地捏造实际上并不存在的数字、系数、类规则条款或来源。上下文：您向人工智能提供的输入（船只数据、假设、问题）。验证：以独立的方式检查输出（手算、第二软件、规则文本、模型实验）。船级社：根据规则集检查和认证船舶设计和建造的组织（例如 ABS、DNV、劳埃德船级社、必维国际检验集团、TL/Türk Loydu）。这些概念是整个模块的支柱。
哪些业务是AI加速器，哪些业务有风险？
海洋工程任务的结果分为两个方面。一方面是可检索的、低风险的准备工作（文献摘要、代码框架、演示大纲）；另一方面，存在直接决定海上安全、生命/财产安全和环境的不可逆转的决定（安全系数、稳定性标准、结构批准）。人工智能的价值取决于你在这个领域的立场。
业务类型
人工智能贡献
工程师的角色
规则/标准摘要
从长篇规则书中提取精华
将子句与原始课堂文本进行比较
手工计算/预先确定尺寸
公式设置，第一个数字
单位、等级和假设检查
分析代码/Python脚本
骨架和逻辑生成
通过测试输入进行验证，边缘情况测试
报告/调查草稿
建议结构和叙述
将每个值链接到测量值和源
传感器/物联网数据分析
模式和异常候选者提取
由原始数据和物理合理性证实
稳定性/强度认可
分析材料准备
最终评估、班级批准、签名
规则很简单：人工智能输出的风险等于该输出出错时所造成的损害。幻灯片标题拼写错误是无害的；在装载情况下，错误计算 GM（稳心高度；衡量船舶扶正能力的指标）值并错误确定船舶的侧翻极限将是灾难性的。因此，在使用输出之前要问的第一个问题是：“如果这是错误的，会发生什么，谁会受伤，谁会注意到？”
注意：人工智能可生成流畅且自信的文本。流畅性并不能保证准确性。语言模型用统计上“最有可能”的单词填补了空白，即使它没有确切的数据；在海事领域，这种间隙填充可能表现为合成材料的屈服强度或不存在的 SOLAS 条款。
安全关键验证规则：三层
海洋文化已经建立在“信任但验证”的原则之上；调查、双重检查和独立的船级认证是这种文化的一部分。人工智能应该用来加强这一原则，而不是削弱它。让每个 AI 输出通过三层过滤器。
第一层：数量级控制。查看结果是否大致在 10 的预期幂范围内。巴拿马型散货船的排水量（淹没体积的重量）约为数万吨；如果AI告诉你800吨，你无需详细说明就知道有错误。集装箱船的巡航速度在18-24节范围内； 90 节在物理上是不可能的。
第二层：单位和尺寸一致性。在海事领域，单位混淆是一个典型的误差来源：节与米/秒、吨与基普、千瓦与马力 (BHP)、米与英尺、巴与千帕。 AI输出中每个数字的单位应明确说明，并进行量纲分析。电阻值的单位是 kN 还是 kgf？这直接改变了推进功率，从而改变了燃料预算。
第三层：独立繁殖。使用第二种方法（不同的手动帐户、单独的软件、批准的加载计算机或第二个工程师）重现关键结果。如果两条独立的路径给出相同的答案，那么置信度就会增加；如果没有，请停下来，直到您明白为什么不同。
提示：当你向AI询问结果时，也要反过来问同样的问题。在说“计算这艘船所需的推进功率”之后，说“用您提供的功率重新计算巡航速度，并告诉我这对于典型的船舶是否合理。”要求模型交叉检查自己的输出会使无声错误变得可见。
保密与商业秘密：海事的私人边界
船体形状、水动力性能曲线、船东-船厂合同数据以及船舶的运营遥测在商业秘密和知识产权方面高度敏感。将船舶的真实阻力曲线或船东的真实油耗数据输入不受控制的外部人工智能服务可能会违反合同、知识产权损失和竞争劣势。此外，出于网络安全原因，不应共享有关现代船舶 OT（操作技术；管理机械和导航系统的控制软件）架构的信息。
经验法则：切勿将真实的、机密的或受合同保护的数据输入未经批准的外部工具。相反，对上下文进行匿名化并用代表性值替换实数。例如，不要共享真实船舶的形状数据，而是要求“以典型灵便型散货船的主要尺寸为例解释阻力方法”。
弱提示/强提示
弱提示：
船东实际表格数据
强力提示：
角色：您是一位经验丰富的船舶流体动力学顾问。背景：我正在对一艘散货船进行一般初步分析（数值具有代表性，不是实际项目数据）：Lpp ~180 m，横梁 ~32 m，吃水 ~12.5 m，块系数 ~0.84，巡航速度 ~14 节。任务：解释通过哪些步骤进行初步推进估算（阻力成分、推进效率、海上余量）以及我需要测量/验证的数据列表。约束：明确写出每个公式和假设；如果您给出数值示例，请指定单位（kN、kW、节）并添加验证方式。
强大的提示保护了实际的项目数据，明确了角色和约束，并请求了验证路径。
通用验证模板
您将在整个模块中重复使用以下模板。
添加验证请求的通用模板：
回答下面的工程问题。在你的答案中：1）说明每个数字的单位。2）将结果的数量级与典型船舶进行比较。3）写下你使用的每个系数/公式的来源（方法名称）； 如果没有来源，则将其标记为“不清楚”。 4）建议第二种计算方式，以便我可以独立检查结果。问题：[问题在这里]
幻觉狩猎模板：
在下面的答案中制作一个表格，列出所有数值、系数和规则/标准参考。对于每一行：- 值、单位- 基础（计算/已知系数/假设/不确定）- 我如何独立验证这一点还突出显示基础为“不确定”的每一行。
迷你箱
案例 1——捏造的阶级条款。一位初级工程师询问人工智能，“哪个类别规范条款需要这个最小板材厚度”来支持结构份额。大赦国际引用了实际上并不存在的“第6章第3.4.7节”条款。当工程师将其与类规则的当前 PDF 进行比较时，他发现该条款是假的，并找到了正确的条款。教训：人工智能发布的每个规则参考都是根据原始的当前分类文本进行验证的。
案例 2 — 单位陷阱。团队在调度功率计算中得到人工智能的帮助。 AI给出的功率为“8500”，但其单位尚不清楚是“kW还是BHP”。 8500 kW 和 8500 BHP 之间相差约 1.34 倍；这种差异完全改变了主机的选择和年度燃料预算。如果机组人员在没有明确询问的情况下前进，它将前往错误的机器类别。教训：不接受任何没有单位的数字。
案例 3 — 等级控制可以挽救生命。一组学生让人工智能计算一艘 15,000 载重吨船舶的航行阻力，发现总阻力为 12 kN。这种尺寸的船舶，航行阻力在数百kN量级，推进功率在数千kW量级。大约 100 倍的差异会立即暴露出编辑错误；学生发现摩擦系数公式中存在指数错误。教训：始终将结果与已知的参考范围进行比较。
常见错误
- 将流畅性误认为准确性。写得很好的解释可能在数字上是不正确的。文本的质量和结果的准确性是两件不同的事情。
- 接受无单位数字。在海事领域，节/米·秒、吨/基普、千瓦/必马力、米/英尺的混淆会导致职业生涯终结。
- 将机密/合同数据输入外部工具。商业秘密和知识产权侵权；一旦泄露，表单和性能数据将无法检索。
- 信任单一来源。使用关键结果而不以第二种方式产生它违反了安全关键学科的最基本规则。
- 无法验证规则属性。 AI 提供的类别/SOLAS 项目编号可能是虚构的；每个参考文献均根据原始当前文本进行验证。
综上所述
人工智能极大地加速了海洋和海洋工程中计算、代码、文档和数据的重复工作；但决定海上安全、船级合规性和环境安全的决定权仍由合格人员做出。每个输出必须通过数量级、单位一致性和独立再现进行过滤。出于商业机密和网络安全原因，实际船舶/性能数据应匿名，并且仅应使用经批准的工具。该学科是所有后续单元的先决条件。
应用任务
从您的领域选择一个工程问题（形式、稳定性、推进、维护、导航）。先输入“弱提示”，询问AI；然后编写一个“强力提示”，其中包括角色、匿名上下文、约束和验证请求，并再次询问相同的问题。比较两个答案的数量级和单位一致性，应用“幻觉狩猎模板”，并通过独立的手工计算确认至少一个结果。用半页纸总结你的发现。
清单
- [ ] 我用“如果输出错误谁会受到伤害？”这个问题来评估输出的风险。
- [ ] 我将结果与已知船舶的尺寸进行了比较。
- [ ] 我已经明确确认了所有数字的单位（节、千瓦、吨、米）。
- [ ] 我通过第二种独立方法重现了关键结果。
- [ ] 我使用匿名代理值而不是真实/隐藏的船只数据。
- [ ] 我已经根据当前的原始文本验证了 AI 给出的每个类别/SOLAS 参考。