Мой эксперимент - научить ИИ проверять РД
Я решил проверить на практике одну идею: можно ли научить ИИ выполнять часть работы инженера-проектировщика - проверять рабочую документацию марки ЭМ?
Не просто скормить чертёж нейросети и спросить: «Есть ли ошибки?».
Идея гораздо интереснее - создать ИИ-агента, который сможет самостоятельно пройти по заданному алгоритму проверки:
1) получить комплект РД; 2) распознать чертежи, схемы и таблицы; 3) извлечь технические данные; 4) проверить их по заданным правилам и нормативным требованиям; 5) сопоставить информацию между листами; 6) выявить потенциальные ошибки и несоответствия; 7) сформировать итоговый отчет для инженера.
По сути, я пытаюсь перенести часть инженерного чек-листа проверки в цифрового помощника.
При этом ИИ не должен просто выдавать ответ «ошибка / ошибки нет». Для каждого замечания должна быть понятная логика: что обнаружено, где обнаружено, какое правило нарушено и почему это является проблемой. Сейчас я нахожусь на этапе разработки MVP - минимально работающего прототипа.
И здесь для меня интересен сам эксперимент: насколько далеко можно продвинуть автоматизацию инженерной работы, если объединить LLM, анализ документов, формализованные правила проверки и инженерную экспертизу? Пока это только прототип.
· 05.09
Дело интересное, но, как мне кажется, достаточно далекого будущего. Поясню почему. Каким бы ни был умным ИИ, умение применить те или иные знания, является именно умением. Например, как может ИИ по чисто рабочей документации определить, скажем, корректность принятого в ней решения по способу прокладки кабельной линии в земле? Принципиально кабельную линию можно проложить несколькими различными способами, при чем для конечного заказчика эти способы будут отличаться только стоимостью при равных в целом технических показателях и надежности. И даже более, канализацию электроэнергии можно выполнить ведь и кабельной линией и воздушной. Вопрос трассировки - вообще отдельная песня. В общем, как мне кажется, для адекватной проверки РД в базу данных ИИ надо вгружать массу сопутствующих и исходных данных. корректное техническое задание, а также обучать его логике проектирования и пользования исходными данными. Что, как опять же мне кажется, дело не сильно близкого будущего.
0
ответить
коммент скрыт — часть юзеров считает его токсичным или некорректным
коммент удалён
· 05.09
Согласен, задача очень сложная. Но если посмотреть на темпы развития ИИ - от GPT-3 до нынешнего уровня прошло всего около 5–6 лет. Поэтому я бы не был так уверен, что подобные системы - дело далекого будущего 🙂 Сейчас как раз интересно понять, что уже можно автоматизировать.
0
ответить
коммент скрыт — часть юзеров считает его токсичным или некорректным
ответ удалён