Mühendislik Kalitesinde Yapay Zeka Gereksinimleri

Genel amaçlı bir sohbet botuna bir toplantının özetini sorduğunuzda, tatmin edici bir yanıt alırsınız. Ancak, ona bir cıvata bağlantısının boyutunu sorduğunuzda, risk almış olursunuz. Bağımsız değerlendirmeler, genel sohbet botlarının mekanik mühendislik sorularındaki hata oranını %46 civarında göstermektedir.

Düşünün ki, bir junior mühendis neredeyse her seferinde yanlış yapıyor, ama son derece kendinden emin görünüyor ve asla “emin değilim” demiyor. Kimse böyle birinin çizim onayına yaklaşmasına izin vermez. Ancak mühendislik ekipleri, sohbet botunun saniyeler içinde yanıt vermesi ve sıkı takvim nedeniyle onu kullanmaya devam ediyor.

Bu durumu anlıyorum. Ben de bir makine mühendisiyim ve yıllarca savunma sanayisinde çalıştım. Meslektaşlarımın 2011 yılında alınan bir kararı yeniden incelemek veya bir standardı bulmak için saatler harcadığını gördüm. Anında yanıt vaat eden bir araç, insanlar tarafından kullanılmaya başlıyor.

Ancak sorun mühendislerin dikkatsiz olması değil. Sorun, bu aracın bu iş için asla tasarlanmamış olması ve pahalı bir şey kırılana kadar gözle görülmeyen şekillerde başarısız olması. Başarısızlıklar yapısaldır, kozmetik değil ve akıllıca bir yönlendirme ile düzeltilemez.

Genel Modellerin Mühendislikteki Başarısızlıkları

Öncelikle, genel modeller geometriyi okumaz; metin ve pikselleri okur. Bir CAD modelinin anlamı, sınır temsilinde yatar: topoloji, montaj kısıtlamaları, toleranslar ve özellik geçmişi. Bir flanşın ekran görüntüsü, flanş değildir. Bir yapay zeka modeli gerçek geometriyi çözemezse, duvar kalınlığı, boşluk veya müdahale hakkında söyledikleri, kelimelerden çıkarılan sonuçlardır ve kelimeler parçalar için kayıplı bir formattır.

İkincisi, yanlış bir kütüphaneden öğrenmişlerdir. Genel modeller, açık internet üzerinde eğitim alır, bu da forum başlıkları ve pazarlama metinlerinin, zaman zaman bir ders kitabı alıntısıyla birlikte yer aldığı anlamına gelir. Mühendislik bilgisi orada yaşamaz. Bu bilgi, Shigley ve Roark’ta, ASME, ISO, DIN ve MIL-STD belgelerinde, malzeme veritabanlarında ve iç tasarım kılavuzlarında bulunur. Onaylanmış kaynaklardan eğitim almayan bir model, bir hobi kullanıcısının kuralını havacılık gereksinimiyle birleştirip mükemmel bir dille sunabilir.

Üçüncüsü ve bu, eleme kriteridir: Sayıların kaynağı yoktur. Bir sohbet botu size bir güvenlik faktörünün yeterli olduğunu söylediğinde, hangi formülü kullandığını, hangi standardın hangi baskısından alındığını veya izin verilen gerilimi tamamen uydurup uydurmadığını göremezsiniz. Mühendislik, gösterilen çalışmalara dayanır. İzlenemeyen bir sayı, bir yanıt değil; iyi bir dil bilgisiyle sunulmuş bir yükümlülüktür.

Bu durum tehlikeli hale getirir. Yanlış bir yanıtın yanlış göründüğü durumlar yakalanır. Ancak temiz, kendinden emin ve iyi yapılandırılmış bir dille sunulan yanlış bir yanıt, ekip yorgun olduğunda ve son tarih yaklaşırken gözden geçirme sürecinden geçebilir. Ve geç hatalar, pahalı olanlardır. Her tasarım lideri, serbest bırakıldıktan sonra yakalanan bir hatanın, taslak aşamasında yakalanan bir hatadan 10 kat ila 100 kat daha fazla maliyeti olduğunu bilir.

Mühendislik Kalitesinin Gerçek Anlamı

Bunlar, mühendislikte yapay zekaya karşı bir argüman değil. Yapay zekayı mühendisler olarak sahip olduğumuz standartlara tabi tutma gerekliliğini vurgular. Pratikte mühendislik kalitesi, beş şeyi ifade eder.

Geometriye özgü modeller. Yapay zeka, gerçek CAD verilerini, sınır temsilini ve montaj yapısını içermelidir; parçaların ekran görüntüleri veya sözlü tanımları değil. Model ağacına dair bildiklerini size söyleyemiyorsa, parçayı tanımıyor demektir.

Seçilmiş bir kaynak. Eğitim ve geri alma, gerçek ürünlerin inşa edildiği ders kitapları, standartlar ve el kitapları gibi onaylı mühendislik kaynaklarından yararlanmalıdır; ayrıca şirketin kendi doğrulanmış tasarımları. Modelin ne öğrendiği, büyüklüğünden daha önemlidir.

Her yanıtın kaynakları. Her iddia, şüpheci bir mühendis tarafından raflardan alınarak kontrol edilebilecek bir kaynağa geri dönmelidir. Belirsiz bir “sektör standartlarına göre” değil; gerçek belge.

Hesaplama şeffaflığı. Her sayı, arkasındaki matematikle birlikte gelmelidir: formül, varsayımlar ve ideal olarak çalıştırılabilir kod. Araç, çalışmasını gösteremiyorsa, iş yapmamıştır. Yanıt biçiminde bir tahmin üretmiştir.

“Bilmiyorum” deme disiplini. Bu, inşa edilmesi en zor ve test edilmesi en hızlı olanıdır. Mühendislik kalitesinde bir sistem, veri olmadığında yanıt vermeyi reddetmelidir, tıpkı güvenilir bulduğunuz kıdemli mühendisin “bir kontrol edeyim” dediği gibi.

Bu beş unsurun altında, aracın gerçek bir tedarik incelemesini geçip geçmeyeceğini belirleyen sıkıcı altyapı yatar: verileriniz size ait kalır, kimse onun üzerinde eğitim almaz ve sistem, iş gerektirdiğinde kendi duvarlarınız içinde çalışabilir.

Yapay Zekayı Üretim İşine Yaklaştırmadan Önce Kontrol Listesi

Bir aracı değerlendirmek için bir kıyaslama setine ihtiyaç yoktur. Bir saatlik düşmanca merak yeterlidir.

1. Kendi alanınızda yanıtını bildiğiniz bir soru sorun ve bir tuzak ekleyin. İnce bir yanlış önermede, birim uyumsuzluğu veya var olmayan bir standartta. Bunun farkına varıp varmadığını görün.
2. Bir sayının nereden geldiğini sorun. Sonra, kaynağı gerçekten kontrol edin. Eğer alıntı belirsiz veya uydurulmuşsa, işiniz bitmiştir.
3. Gerçek geometri verin ve model ağacında bulunan bir soruyu sorun. Eğer yalnızca parçalar hakkında kelimelerle akıl yürütebiliyorsa, işiniz zorlaştığında başarısız olacaktır.
4. Verilen bilgilerden yanıtlanamaz bir şey sorun. Tek doğru yanıt, daha fazla veri talebi veya dürüst bir “bilmiyorum” olmalıdır. Her ne kadar akıcı olsa da bir tahmin, eleme sebebidir.
5. Güvenlik ekibinizi erken dahil edin ve sıradan soruları sorun. Veri nereye gidiyor? Ne üzerinde eğitim alıyor? Kendi tesislerinizde çalışabilir mi? Araçlar, genellikle demoları geçmekten daha fazla tedarik sürecinde başarısız olur.

Mühendisler yapay zekaya karşı değil. Saçmalıklara karşılar ve haklılar. Genel sohbet botları, fiziksel dünyada neredeyse yarı zamanında kendinden emin bir şekilde yanlış oldukları için bu şüpheyi kazandı. Ancak bunu düzeltmenin standardı gizemli değildir. Yüzyıldır her genç mühendise uyguladığımız bir kuraldır: çalışmanızı gösterin, kaynaklarınızı belirtin, sınırlarınızı bilin.

Yazılımı aynı ölçütlere tabi tutun, ve yapay zeka bir eğlence numarası olmaktan çıkıp, her zaman yorgun düşmeyen yetkin bir meslektaş haline gelir. Yargı, her zaman mühendislerde kalır.