𝗔𝘂𝘁𝗼𝗺𝗮𝘁𝗶𝗻𝗴 𝗧𝗵𝗲 𝗧𝗲𝗰𝗵𝗻𝗶𝗰𝗮𝗹 𝗖𝗼𝗿𝗲: 𝗚𝗲𝗻𝗲𝗿𝗮𝘁𝗶𝗻𝗴 𝗧𝗥𝗔𝗤 & 𝗜𝗦𝗔-𝗖𝗼𝗺𝗽𝗹𝗶𝗮𝗻𝘁 𝗥𝗶𝘀𝗸 𝗔𝘀𝘀𝗲𝘀𝘀𝗺𝗲𝗻𝘁𝘀 𝘄𝗶𝘁𝗵 𝗔𝗜

متخصصان درخت‌شناسی (Arborists) ساعت‌ها وقت صرف تبدیل یادداشت‌های میدانی به گزارش‌های ریسک صیقل‌خورده می‌کنند. این گزارش‌ها باید با استانداردهای ISA BMP و TRAQ مطابقت داشته باشند. فرآیند نگارش دستی زمان‌بر است و منجر به خطا می‌شود. هوش مصنوعی وظایف نوشتاری تکراری را انجام می‌دهد، در حالی که نظارت تخصصی همچنان بر عهده شماست.

اصل اساسی: پرامپت داده‌های ساختاریافته (Structured Data Prompt)

بهترین راه برای دریافت خروجی قابل اعتماد از هوش مصنوعی، استفاده از پرامپت داده‌های ساختاریافته است. این چارچوب، جریان کاری ISA TRAQ را بازسازی می‌کند و سه وظیفه اصلی را انجام می‌دهد:

  • یک نقش مشخص برای هوش مصنوعی تعیین می‌کند، مانند یک متخصص درخت‌شناسی واجد شرایط ISA TRAQ.
  • مشاهدات را به صورت جفت‌های مشخص «برچسب و مقدار» (label and value) ارائه می‌دهد. این شامل گونه (species)، هدف (target)، نقص (defect) و اندازه‌گیری (measurement) است.
  • بخش‌های گزارش و دستورالعمل‌های حفاظتی (safety net) را در خود جای می‌دهد. این دستورالعمل‌ها به هوش مصنوعی می‌گویند که از ابداع جزئیات خودداری کند و داده‌های مفقود را برای تأیید میدانی علامت‌گذاری کند.

با استفاده از این پرامپت، اطمینان حاصل می‌کنید که عباراتی مانند per ISA BMP در مکان‌های صحیح ظاهر شوند. این کار باعث می‌شود خروجی با منطق ماتریس ISA همسو باقی بماند.

سناریوی کوچک

شما ثبت می‌کنید که یک درخت دارای ۳۰٪ خشکیدگی (dieback) در تاج و ۲۰ سانتی‌متر تغییر شیب (grade change) در منطقه ریشه است. پس از وارد کردن این جزئیات در پرامپت ساختاریافته، هوش مصنوعی پیش‌نویسی تولید می‌کند که به متدولوژی TRAQ استناد کرده و مشکل منطقه ریشه را برای بازبینی علامت‌گذاری می‌کند.

مراحل اجرا

  • یک قالب پرامپت بسازید. نقش، عبارات انطباق و عناوین گزارش مانند Executive Summary و Risk Rating را در آن بگنجانید.

  • داده‌های میدانی را به صورت منسجم ثبت کنید. از یک صفحه گسترده یا فرم موبایل برای ثبت داده‌ها به صورت جفت‌های Label: Value استفاده کنید. این بلوک را در پرامپت خود کپی کنید.

  • بازبینی انسانی انجام دهید. زمانی را برای خواندن پیش‌نویس هوش مصنوعی اختصاص دهید. ظرافت‌های متن را ویرایش کنید و قبل از ارسال پیشنهاد، از وجود تمام عبارات انطباق اطمینان حاصل کنید.

خلاصه

استفاده از پرامپت داده‌های ساختاریافته به متخصصان درخت‌شناسی کمک می‌کند تا گزارش‌های ریسک سریع و مطابق با استاندارد ایجاد کنند. این روش دقت را حفظ کرده و تضمین می‌کند که متخصص همچنان کنترل سند نهایی را در دست داشته باشد.

منبع: https://dev.to/ken_deng_ai/automating-the-technical-core-generating-traq-isa-compliant-risk-assessments-with-ai-57he

انجمن یادگیری اختیاری: https://t.me/GyaanSetuAi