收益：
- 能够根据任务进行分类，其中人工智能输出是一个假设，并且它是一个可靠的助手
- 对人工智能支持的设计在生产、安全、人体工程学和真实性方面进行多层验证
- 能够在不断变化的车辆生态系统中养成以负责任、透明和尊重隐私的方式使用人工智能的习惯
模块考试
1. 设计师将人工智能视觉工具生成的有吸引力的概念渲染图呈现给客户，作为“最终生产的产品”，无需任何修改。这种方法的根本错误是什么？
- A) AI渲染不保证可制造性；未经 DFM 分析验证和工程师批准，材料、壁厚和装配不能作为最终产品呈现 ✔
- B) 渲染的分辨率对于客户端演示来说不够高
- C) 只有背景颜色没有根据品牌选择
- D）需要运行相同的提示三次并呈现平均图像
描述：虽然AI渲染在视觉上令人信服，但它在壁厚、装配、公差、材料行为和可制造性方面不提供任何保证；它通常包含无法物理复制的细节。输出是未经证实的假设；生产决策必须经过DFM分析和工程师批准。
2. 在工业设计中使用人工智能时，“基于风险的分类”可以发挥什么作用？
- A) 降低人工智能工具的订阅费
- B) 根据任务的风险程度确定人工智能的作用和强制验证深度✔
- C) 提示应写得短一些
- D）自动将所有设计决策转移给人工智能
说明：并非每个设计任务都处于相同的风险级别。将任务分类为低/中/高/关键决定了哪些输出可以自由使用，哪些输出需要材料生产验证和有能力的专家批准。
3. 以下哪项是人工智能对概念生产的最强贡献？
- A) 给出最终产品的准确尺寸
- B) 在短时间内产生广泛且多样化的想法/草图并扩大探索领域✔
- C) 准确确定哪个概念可申请专利
- D) 材料强度的计算
说明：人工智能在概念阶段的主要价值在于，它通过在短时间内提供大量、多样的想法（发散性生产）来扩展设计师的探索领域。想法、功能和可制造性判断的选择权属于设计者。
4. 修复图像提示中的“种子”值有什么用？
- A) 自动将图像版权转让给设计师
- B) 提供具有相同提示的可重复、一致的起点 ✔
- C) 将输出分辨率加倍
- D) 保证可制造性
解释：在扩散模型中，种子是生产开始的随机点。相同的提示和相同的种子通常会产生相似/相同的成分；这为以受控方式再现图像或测试微小变化提供了一致性。
5. 在人体工程学决策中，人工智能会被问到“平均手宽是多少（毫米）？”为什么直接询问并将单个数字写入句柄大小是有风险的？
- A) 人体工程学与百分位分布和人口有关；单个“平均”数字是不够的，应通过可靠的人体测量数据、模型/测试来确认该值 ✔
- B）应该要求人工智能以英寸为单位
- C) 数字正确，仅存在舍入误差
- D) 设计中从未使用手的宽度
说明：人体工程学适用于目标用户群体的百分位分布（例如第 5-95 个百分位），而不是单个“平均值”，并且因地区/人群而异。人工智能可以产生一个一般数字的幻觉；尺寸应通过可靠的人体测量数据表和模型/用户测试进行验证。
6. 当人工智能在用户研究综合中从采访文本中提取主题时，最正确的态度是什么？
- A) 将新兴主题直接纳入报告中
- B) 通过将每个主题和引用链接回原始采访数据来验证每个主题和引用，检查是否捏造引用✔
- C) 只取人工智能说最强的主题
- D) 删除原始数据，仅保留人工智能摘要
说明：人工智能可以快速提取主题，但可能会通过编造不存在的引言或夸大/删除少数意见而造成偏见。每个主题和引用都应该通过链接回原始采访数据来验证。
7. 为什么通过注塑成型生产的塑料零件需要“拔模角”？当人工智能建议时应该做什么？
- A) 零件从模具中脱出时必须没有任何损坏；人工智能建议的角度必须经过材料、纹理和成型者的意见验证✔
- B) 仅需要确定零件的颜色
- C) 人工智能给出的角度对于每种材料都是普遍正确的
- D) 拉拔角仅用于金属零件
说明： 拉延角是指壁的轻微倾斜度，以便零件可以毫无困难地从模具中脱出；否则，零件会卡在模具中并且表面会被损坏。 AI 可能会建议一个典型的角度范围，但实际值需要通过材料、表面纹理和成型商的意见来验证。
8. 将从文本/图像生成 3D 模型的 AI 工具的输出导入 CAD 工作流程之前，最关键的控制是什么？
- A) 检查模型的文件名是否正确
- B) 在 CAD 中验证模型的尺寸、比例、网格质量和可制造性，并在必要时重新建模 ✔
- C) 只需查看颜色并将其添加到工作流程中
- D）将模型直接发送到生产而不进行任何检查
描述：虽然人工智能生成的 3D 模型在视觉上看起来不错，但它们通常不按比例，具有厚/脏的网格结构，有孔或具有无法生产的几何形状。实际尺寸、比例、壁厚和可制造性需要在 CAD 中进行检查和重新建模。
9. 在向客户展示人工智能制作的逼真产品渲染时，在诚实方面，哪一项是强制性的？
- A) 明确说明渲染图是概念可视化，要生产的产品可能不完全相同✔
- B) 将渲染效果呈现为真实照片
- C) 向客户隐瞒尺寸和材料差异
- D）永远不要说视觉是由人工智能产生的
说明：人工智能渲染可能会显示不同的实际产品尺寸、材质纹理和细节。清楚地表明视觉是概念可视化，并且要生产的产品可能与渲染不完全相同，这是诚实表达的要求。
10. 使用人工智能为品牌制作产品系列图像时，确保一致性的最佳方法是什么？
- A) 通过参考和固定说明维护每个变体中定义的品牌元素，例如表格签名、比例和 CMF，并通过品牌指南控制输出 ✔
- B) 为每个产品生成完全随机、不相关的图像
- C) 完全忽略品牌指南
- D）每次都复制不同艺术家的风格
描述：品牌/产品语言一致性；它是通过在每个变体中保留定义的元素来实现的，例如形式特征、比率、CMF（颜色-材料-表面）。参考图片、固定风格指导以及与品牌指南的比较使这成为可能；设计人员根据指南检查每个输出。
11. 为什么让人工智能产生“著名设计师/品牌风格”的产品图像并将其用于商业项目存在风险？
- a) 注册外观设计可能会带来版权、不正当竞争方面的法律风险和道德问题；有必要制定原创方向，必要时寻求法律建议✔
- B) 只有图像的分辨率仍然较低
- C）没有风险，人工智能输出永远是唯一的
- D) 仅渲染时间增加
说明：模仿现有商标、注册设计或知名艺术家/设计师的签名风格可能会产生设计注册、版权和不正当竞争方面的法律风险；在原创性和职业道德方面也存在问题。有必要制定原创方向，并在必要时寻求法律建议。
12. 将设计概要、客户名称和机密产品详细信息移交给基于云的人工智能工具时，在保密方面最好的做法是什么？
- A) 按原样粘贴完整的摘要，并包含真实姓名和机密详细信息
- B) 匿名化上下文并明确客户名称和机密产品详细信息，使用符合隐私/保密协议的企业工具 ✔
- C) 假设真实的客户姓名对于结果质量至关重要
- D) 完全无视保密协议
披露：简介、客户身份、未披露的产品概念和价格/策略信息属于商业秘密和合同 (NDA) 敏感信息。需要对上下文进行匿名化，清除真实姓名和机密信息，选择保证公司/隐私的工具，并遵守公司/客户政策。
13.视觉人工智能中写“强提示”而不是“弱提示”的主要好处是什么？
- A) 使输出更接近设计意图，减少陈词滥调并提高可重复性 ✔
- B）版权自动保护人工智能的输出
- C) 保证可制造性
- D) 始终将渲染时间减半
描述：模糊、简短的提示将人工智能推向随机和陈词滥调的输出。阐明主题、材料、角度、光线、风格和负面元素的结构化提示使输出更接近设计意图并提高可重复性。
14.人工智能输出在工业设计中的安全关键产品（例如儿童玩具或职业安全设备）中应发挥什么作用？
- A) 仅产生概念和草案；安全合规性、强度和风险决策由有能力的专家和真实测试做出✔
- B）将安全审批完全委托给人工智能
- C）跳过标准测试并依赖人工智能视觉效果
- D) 使用人工智能渲染作为证明文件
描述：安全关键产品存在受伤、窒息、力量不足等风险。人工智能可以产生概念和蓝图，但符合安全标准、强度和风险分析是由有能力的工程师/专家和真实测试来完成的； AI 输出并不能取代此批准。