በባዮሎጂ ሰው ሰራሽ እውቀት መግቢያ፡ ሚናዎች፣ ወሰኖች፣ ማረጋገጫ እና ስነምግባር

ትርፍ፡

• ሰው ሰራሽ የማሰብ ችሎታ በባዮሎጂ የሥራ ሂደት ውስጥ ጊዜን የሚቆጥብበትን ቦታ (ጥያቄ ፣ ዲዛይን ፣ ላቦራቶሪ ፣ ትንተና ፣ ሪፖርት ማድረግ) እና ቅደም ተከተል ፣ ቁጥር ፣ ምንጭ እና ሥነ-ምግባራዊ ውሳኔዎች እንደ አደጋው ደረጃ ለሰው የተተወበትን ቦታ መለየት መቻል ።
• ለአንድ የተወሰነ ችግር የሰለጠኑ አጠቃላይ የቋንቋ ሞዴል እና ልዩ የባዮሎጂ ሞዴሎችን (አልፋፎልድ ፣ ሴልፖዝ) የመለየት ችሎታ እና እያንዳንዳቸውን በተገቢው ተግባር ውስጥ ይጠቀሙ።
• እያንዳንዱን ምርት በተናጥል የሚፈትሽ የማረጋገጫ ዲሲፕሊን የመተግበር ችሎታ በአራቱ የድርድር/መረጃ-ቁጥር-ምንጭ-ሥነ-ምግባር

ባዮሎጂ; ከሴል ወደ ስነ-ምህዳር፣ ከዲኤንኤ ቅደም ተከተል እስከ ፕሮቲን ማጠፍ፣ ከአንድ ሙከራ እስከ በመቶ ሺዎች ለሚቆጠሩ የጂን መለኪያዎች የሚዘልቅ ግዙፍ የመረጃ ሳይንስ ነው። በቅርብ ዓመታት ውስጥ የዚህ መረጃ መጠን በጣም አድጓል አንድ ነጠላ አር ኤን ኤ-ሴኬቲንግ (RNA-seq: በሴሉ ውስጥ የትኛው ጂን እንደሚነበብ እና ምን ያህል እንደሆነ የሚለካ ዘዴ) ጥናት ለአንድ ላቦራቶሪ ለዓመታት በቂ መረጃ ሊያወጣ ይችላል. አርቴፊሻል ኢንተለጀንስ የሚጫወተው እዚህ ላይ ነው፡ እንደ ረዳት ኮድ የሚጽፍ፣ መረጃ የሚያደራጅ፣ ረቂቆችን የሚያዘጋጅ፣ ጽሑፎቹን ያጠቃለለ እና የትንታኔ ማዕቀፍ ይገነባል። በዚህ ሞጁል ውስጥ ግባችን AIን እንደ “አስማት ሳጥን” ሳይሆን የባዮሎጂስቶችን የእለት ተእለት ስራ የሚያፋጥነውን መሳሪያ እንድትጠቀሙ ማስተማር ነው ነገር ግን እያንዳንዱ ውጤት በባዮሎጂስት መረጋገጥ አለበት።

በዚህ የመጀመሪያ ክፍል ውስጥ, አርቴፊሻል ኢንተለጀንስ በባዮሎጂ የስራ ሂደት ውስጥ ጊዜን የሚቆጥብበት, ውሳኔው ለሰው የተተወበት እና በዚህ ሙያ ውስጥ የትኞቹ ስህተቶች ከመጀመሪያው ግምት ውስጥ መግባት እንዳለባቸው እንነጋገራለን. በሞጁሉ ውስጥ በሙሉ የምንደግመው አንድ አባባል አለ: AI ያፋጥናል, ባዮሎጂስቱ ይወስናል እና ኃላፊነቱን ይሸከማል.

ሰው ሰራሽ የማሰብ ችሎታ በባዮሎጂ ውስጥ በትክክል ምን ያደርጋል?

ትልቅ የቋንቋ ሞዴል (LLM) ማይክሮስኮፕ አይደለም, የዲኤንኤ ቅደም ተከተል አይደለም, የስታቲስቲክስ ሞተር አይደለም. እሱ የቋንቋ እና የኮድ አሰራርን ጠንቅቆ የሚያውቅ የፅሁፍ አዘጋጅ ነው። ይህንን ልዩነት ከመጀመሪያው ወደ ውስጥ ማስገባት ለወደፊቱ የማረጋገጫ ዲሲፕሊን ሁሉ መሰረት ነው.

AI በእውነት ጠንካራ የሆነባቸው የባዮሎጂ ተግባራት የሚከተሉትን ያካትታሉ:

• ኮድ መስጠት፡ የፓንዳስ ሠንጠረዥን ማጣራት (የውሂብ ፍሬም፡ የሠንጠረዥ ዳታ መዋቅር በረድፍ-አምድ ቅርጸት)፣ ግራፍ መሳል፣ የ FASTA ፋይልን ማንበብ (የዲኤንኤ/የፕሮቲን ቅደም ተከተሎችን የሚያከማች መደበኛ የፅሁፍ ቅርጸት) በፓይዘን።
• በማብራራት እና በማስተማር "የሃርዲ-ዌይንበርግ ሚዛን ምንድነው?" ይህን የመሰለ ጽንሰ-ሐሳብ በማቅለል ለማብራራት.
• ንድፍ ማውጣት፡ የመጀመሪያው የስልቶች ክፍል፣ የኢሜል ማዕቀፍ፣ የዝግጅት አቀራረብ እቅድ።
• ማጠቃለል እና ማረም፡ ረጅም መጣጥፍ ወደ መጣጥፎች መቀነስ፣ የተበታተኑ ማስታወሻዎችን መሰብሰብ።
• መለወጥ፡ የሕንፃ ኮድ የጂኖችን ዝርዝር ወደ ሌላ ዓይነት መታወቂያ (መታወቂያ) ለመቅረጽ።

AI አስተማማኝ ያልሆነባቸው ተግባራት፡- ትክክለኛ አሃዛዊ እሴት ማፍራት (የጂን አገላለጽ እሴትን “ማስታወስ”)፣ ትክክለኛ መጣጥፍን በመጥቀስ፣ የቅደም ተከተላቸው እውነተኛ ባዮሎጂካል ተግባር ከትክክለኛነት ጋር ሪፖርት ማድረግ፣ ክሊኒካዊ ውሳኔዎችን በታካሚ መረጃ መስጠት።

ጠቃሚ ምክር፡ ቀላል ህግን ተቀበል። AI “እንዲያስብ እና እንዲደራጅ” ይፍቀዱ፣ ነገር ግን “መቁጠር፣ መለካት እና ማረጋገጥ” ወይ እርስዎ በሚያሄዱት ኮድ ይከናወናል ወይም እርስዎ እራስዎ ያረጋግጡ።

ሁለት የተለያዩ "ሰው ሰራሽ ዕውቀት": የቋንቋ ሞዴል እና የተወሰኑ የባዮሎጂ ሞዴሎች

በባዮሎጂ “አርቴፊሻል ኢንተለጀንስ” ስንል፣ በእርግጥ ስለ ሁለት የተለያዩ ነገሮች እየተነጋገርን ነው፣ እና ግራ መጋባት ወደ ከባድ ስህተቶች ሊመራ ይችላል። የመጀመሪያው በዚህ ሞጁል ውስጥ በብዛት የሚጠቀሙበት አጠቃላይ የቋንቋ ሞዴል ነው፡ ኮድ ይጽፋል፣ ጽሑፍ ያመነጫል፣ ያብራራል። ሁለተኛው ለተለየ ባዮሎጂካል ችግር በተለይ የሰለጠኑ ኤክስፐርት ሞዴሎች ናቸው፡ የፕሮቲን ቅርፅን የሚተነብይ አልፋ ፎልድ፣ ሴሎችን በአጉሊ መነጽር የሚቆጥር፣ የዝርያ ድምጾችን የሚያውቁ ክላሲፋየሮች ናቸው። የባለሙያ ሞዴሎች በጠባብ ጎራያቸው ካሉ የቋንቋ ሞዴሎች የበለጠ አስተማማኝ ናቸው ምክንያቱም በእውነተኛ ባዮሎጂካል መረጃ ላይ የሰለጠኑ እና በዚያ ጎራ ውስጥ የተሞከሩ ናቸው. በሌላ በኩል የቋንቋው ሞዴል "ስለ ሁሉም ነገር ትንሽ" ያውቃል ነገር ግን በየትኛውም ውስጥ የመለኪያ ትክክለኛነትን አያረጋግጥም. ጠንካራው የስራ ሂደት ሁለቱን ያጣምራል-የቋንቋው ሞዴል ኮዱን እና ፍሰትን ያዘጋጃል, ኤክስፐርቱ የሞዴል መለኪያን ያከናውናል, ባዮሎጂስት ውጤቱን ያረጋግጣል.

በአደጋው ደረጃ መሠረት የሥራዎች መለያየት

እያንዳንዱ ተግባር ተመሳሳይ አደጋን አይወስድም. የ AI ውፅዓት ምን ያህል መጠራጠር እንዳለብዎ ያ ውፅዓት ስህተት ከሆነ በሚደርሰው ጉዳት ላይ የተመሠረተ ነው። ከዚህ በታች ያለው ሰንጠረዥ ይህንን ልዩነት ያሳያል.

ተልዕኮ

የአደጋ ደረጃ

የሰው ሚና

ጽንሰ-ሀሳብን ለመማር ማብራሪያ መጠየቅ

ዝቅተኛ

ከምንጩ ፣ ከሎጂክ ማረጋገጫ ጋር ማረጋገጫ

የ Python ትንተና ኮድ ያትሙ

መካከለኛ

ኮዱን በማስኬድ እና በሚታወቅ ሁኔታ መሞከር

የጂን ስሞች/መታወቂያዎችን ማዛመድ

መካከለኛ - ከፍተኛ

ከኦፊሴላዊ የውሂብ ጎታ (NCBI፣ Ensembl) ጋር ማረጋገጫ

የድርድር ተግባርን መተርጎም

ከፍተኛ

የሙከራ ማስረጃዎች እና የውሂብ ጎታ አስገዳጅ ናቸው

ክሊኒካዊ / የምርመራ ውሳኔ

በጣም ከፍተኛ

አርቴፊሻል ኢንተለጀንስ በፍፁም ብቻውን መጠቀም የለበትም

ሶስት ጥቃቅን ጉዳዮች

ጉዳይ 1 - የጊዜ ቁጠባ፡ የዶክትሬት ተማሪ የ RNA-seq ቆጠራ ሠንጠረዥ በእያንዳንዱ ጊዜ 24 ናሙናዎችን በእጅ አጸዳ። 40 ደቂቃ ያህል ፈጅቷል። እሱ የፓንዳስ ኮድ ወደ አርቴፊሻል ኢንተለጀንስ ጽፏል እና ራሱ ሮጠ; ስራው ወደ 3 ደቂቃዎች ዝቅ ብሏል. ወሳኝ ነጥብ፡ ኮዱን አንድ ጊዜ በትንሽ ናሙና ሞክረው እና አጠቃላይ የመስመሮች ብዛት (18,542 ጂኖች) እንደተጠበቁ አረጋግጧል።

ጉዳይ 2 — የውሸት የጥቅስ ወጥመድ፡ አንድ ተመራማሪ AI ለመግቢያው “በእፅዋት መራቢያ ላይ CRISPR አጠቃቀም ላይ 5 ምንጮችን” ጠየቀ። ሞዴሉ 5 እውነተኛ የሚመስሉ መለያዎችን አወጣ; ነገር ግን የ 3 ቱ DOI (ዲጂታል ነገር ለዪ፡ የጽሁፉ ቋሚ አድራሻ) በማንኛውም ህትመት ላይ አልተገኘም። ተመራማሪው ሳያረጋግጡ ተጠቅመውበት ቢሆን ኖሮ ያቀረቡት ጽሑፍ በዳኛው ውድቅ ይሆን ነበር።

ጉዳይ 3 - የቁጥር ቅዠት፡ አንድ አስተማሪ፣ “በሰው ልጅ ጂኖም ውስጥ ስንት ጂኖች አሉ?” ሲል ይጠይቃል። ጠየቀ እና በአምሳያው የተሰጠውን ዋጋ "ወደ 46,000" በቅንጥብ ሰሌዳ ላይ ጻፈ. የአሁኑ ግምት በግምት ከ19,000-20,000 የፕሮቲን ኮድ ጂኖች ነው። አምሳያው የተሳሳተ ቁጥርን በራስ መተማመን ፈጠረ። ትምህርት፡ ሁል ጊዜ ቁጥሩን በዘመነ ምንጭ (Ensembl፣ GENCODE) ያረጋግጡ።

ደረጃ በደረጃ፡ ደህንነቱ የተጠበቀ AI የስራ ፍሰት

1. ተግባሩን ይግለጹ፡ የሚፈልጉትን በአንድ ዓረፍተ ነገር ይፃፉ ("ዝቅተኛ-መግለጫ ጂኖችን ከ 24-ናሙና ቆጠራ ሰንጠረዥ ለማጣራት ኮድ").
2. አውድ ስጥ፡ የውሂብ ቅርጸት፣ የአምድ ስሞች፣ የናሙናዎች ብዛት ይግለጹ።
3. የውጤት ቅርጸት ይጠይቁ፡ "የሚሰራ Python ኮድ ይስጡ፣ በመስመር ላይ አስተያየት ይስጡ።"
4. እራስዎ ያሂዱት: በራስዎ አካባቢ ውስጥ ኮዱን ይሞክሩ; ስህተት ካለ መልሰው ሪፖርት ያድርጉ።
5. በሚታወቅ ሁኔታ ይሞክሩ፡ ውጤቱን በሚያውቁት ትንሽ ምሳሌ ያረጋግጡ።
6. ገለልተኛ እውነታን ማረጋገጥ፡ ወሳኝ ቁጥሮችን እና የይገባኛል ጥያቄዎችን በኦፊሴላዊ የውሂብ ጎታ ወይም ሁለተኛ ዘዴ ያቅርቡ።

ሊገለበጡ የሚችሉ የጥያቄ አብነቶች

ሚና፡ እርስዎ ልምድ ያለው የባዮኢንፎርማቲያን ባለሙያ ነዎት። ተግባር፡ ለ [ዳታ/ትንተና] Python ኮድ ይፃፉ። አውድ፡ ውሂብ [ቅርጸት]፣ አምዶች [ስም]፣ የናሙናዎች ብዛት [N]። ገደብ: የስራ ኮድ ብቻ ይስጡ, በእያንዳንዱ መስመር ላይ አጭር አስተያየቶችን ይጨምሩ, ቤተ-መጻሕፍት ይግለጹ.

ይህንን ፅንሰ-ሀሳብ ለቅድመ ምረቃ ተማሪ እንደሚያብራራ ያህል ቀለል ያድርጉት፡ [ጽንሰ-ሀሳብ]። በ 3 ዓረፍተ ነገሮች ይግለጹ, ለ 1 የዕለት ተዕለት ሕይወት ተመሳሳይነት ይስጡ, 1 የተለመደ የተሳሳተ ግንዛቤን ያስተካክሉ.

ከታች ያለውን የትንታኔ እቅዴን መርምር እና ደካማ ነጥቦቹን ንገረኝ. በተለይ: የቁጥጥር ቡድን, የተደጋገሙ ብዛት, የስታቲስቲክስ ፈተና ምርጫ. እቅድ፡ [ጽሑፍ]

የዚህን መጣጥፍ ማጠቃለያ ወደ 5 ነገሮች ቀንስ፡ (1) ጥያቄ፣ (2) ዘዴ፣ (3) ዋና ግኝት እና እትም፣ (4) ገደብ፣ (5) ለእኔ የሚጠቅም ግምት። ጽሑፍ: [አብስትራክት]

ደካማ ጥያቄ / ጠንካራ ጥያቄ

ደካማ፡ "የጂን አገላለጽ ትንተና ስጠኝ"

Güçlü: "ከ 12 ቁጥጥር የ RNA-seq ጥሬ ቆጠራዎች ሰንጠረዥ አለኝ, 12 ታካሚ ናሙናዎች (CSV, ረድፎች ጂን, አምዶች ናሙና). የልዩነት አገላለጽ ትንተና ደረጃዎችን ይዘርዝሩ; በእያንዳንዱ ደረጃ የትኛውን Python/R መሣሪያ እንደተጠቀምኩ እና ለምን እንደሆነ ያብራሩ, የመደበኛነት ዘዴን ያረጋግጡ. በመጀመሪያ እቅዱን ይስጡ, ኮድ ሳይሆን."

ልዩነት፡ በኃይለኛው መጠየቂያ፣ የመረጃ አወቃቀሩ፣ የናሙናዎች ብዛት፣ የውጤት አይነት እና የጽድቅ ጥያቄ ግልጽ ናቸው። በደካማ ፍጥነት, ሞዴሉ ለመገመት ይገደዳል እና ብዙውን ጊዜ በተሳሳተ ግምቶች ይቀጥላል.

የተለመዱ ስህተቶች

• ሞዴሉን እንዲቆጥር/መለካት፡- LLM "በዚህ ሠንጠረዥ ውስጥ ስንት ረድፎች አሉ?" ብሎ መጠየቅ። ኮዱ እንዲሰራ ያድርጉት።
• ያለ ማረጋገጫ ባህሪያትን መጠቀም፡ ሞዴሉ ተጨባጭ ባህሪያትን መፍጠር ይችላል። እያንዳንዱን DOI ያረጋግጡ።
• በራስ የመተማመን ቃና ላይ መታመን: AI ስህተት ቢሆንም እንኳ በእርግጠኝነት ይናገራል; ቶን ለትክክለኛነት ማረጋገጫ አይደለም.
• አውድ አለመስጠት፡ የዳታ ቅርጸቱን ሳይነግሩ ኮድ መጠየቅ የማይሰራ ኮድ ይፈጥራል።
• ሚስጥራዊ/የታካሚ መረጃን መለጠፍ፡- የግል የጤና መረጃን ወደ ህዝብ ሞዴል መላክ የስነምግባር እና የህግ ጥሰት ነው (ክፍል 11)።
• ሁለቱን ዓይነት ሞዴሎች ማደባለቅ፡- የቋንቋውን ሞዴል መለካት (መዋቅር፣ የሕዋስ ቆጠራ) እና የባለሙያውን ሞዴል ማለፍ የሚያስፈልገው ሥራ እንዲሠራ ማድረግ።

ማስጠንቀቂያ: ከፍተኛ ውጤት ባዮሎጂካል ሥራ (ክሊኒካዊ, ባዮሴፍቲ, ወደ ህትመት የሚያመራ ትንታኔ), የ AI ውፅዓት ብቃት ባለው የባለሙያ ማረጋገጫ ምትክ አይደለም; ብቻ ያፋጥነዋል። የመጨረሻው ኃላፊነት ሁል ጊዜ በሰው ልጅ ላይ ነው።

የሰው ሰራሽ የማሰብ ችሎታ የእውቀት ድንበር-የትምህርት ክፍል እና ወቅታዊነት

የቋንቋ ሞዴል "የሚያውቀው" ነገር ሁሉ እስከ ሰለጠነበት ጊዜ ድረስ ከጽሑፎቹ የመጣ ነው (የሥልጠና ክፍል: አምሳያው መረጃን ለመጨረሻ ጊዜ አይቷል). በሌላ በኩል ባዮሎጂ በፍጥነት ይለዋወጣል፡ አዲስ የጂን ማብራሪያዎች፣ የተሻሻሉ የጂኖም ስሪቶች (ለምሳሌ የሰው ልጅ ማጣቀሻ ጂኖም ከ GRCh37 ወደ GRCh38 ሽግግር)፣ አዳዲስ ምደባዎች ያለማቋረጥ ይታተማሉ። ሞዴሉ ከተቋረጠበት ቀን ወይም ከተዘመነው የጂን ስም በኋላ ያለውን ግኝት ማወቅ አይችልም; አልፎ ተርፎም ያረጀ፣ ጊዜ ያለፈበት መረጃ እንደ ወቅታዊ አድርጎ ሊያቀርብ ይችላል። ስለዚህ የዝርያ ስሞች፣ የጂን መታወቂያዎች፣ የውሂብ ጎታ ስሪቶች እና ወቅታዊ ስታቲስቲክስ ሁልጊዜ ከኦፊሴላዊው ምንጭ (NCBI፣ Ensembl፣ UniProt) መረጋገጥ አለባቸው።

ሁለተኛው ገደብ አሻሚነት ዓይነ ስውር ነው፡ ሞዴሉ አንድን ርዕሰ ጉዳይ በደንብ የሚያውቅም ሆነ ባያውቅም፣ በተመሳሳይ በራስ የመተማመን ስሜት ምላሽ ይሰጣል። ሰዎች "እርግጠኛ አይደለሁም" ሲሉ ያመነታሉ; ሞዴሉ አያመነታም. ለዚህም ነው ድምጽን እንደ እምነት መለኪያ መጠቀም አደገኛ የሆነው። ወሳኝ በሆነ ምላሽ፣ ሞዴሉ "ምን ያህል እርግጠኛ ነህ እና ይህን እንዴት ታውቃለህ?" መጠየቅ አንዳንድ ጊዜ አለመመጣጠን ያሳያል; ግን የመጨረሻው ማረጋገጫ እንደገና ገለልተኛ ምንጭ ነው.

ከአውድ መስኮት እና ትልቅ ውሂብ ተጠንቀቅ

ሞዴሉ በአንድ ጊዜ የተወሰነ ርዝመት ያለው ጽሑፍ ብቻ ማካሄድ ይችላል (የአውድ መስኮት: ሞዴሉ በአንድ ጊዜ ሊሠራበት የሚችለው የጽሑፍ መጠን). የጂኖም ፋይል ወይም በአስር ሺዎች የሚቆጠሩ ረድፎችን የያዘ ሰንጠረዥ በቀጥታ ወደ ሞዴሉ መለጠፍ ከገደቡ በላይ እና የግላዊነት አደጋን ይፈጥራል። ትክክለኛው አቀራረብ መረጃውን ለኮዱ መስጠት ነው, ሞዴሉ አይደለም: ሞዴሉ ኮዱን ይጽፋል, ኮዱ መረጃውን ያስኬዳል. ከትልቅ ውሂብ ጋር ሲሰራ, ይህ ልዩነት ለደህንነት እና ለትክክለኛነት መሰረታዊ ነው.

የዚህ ሞጁል ፍኖተ ካርታ

በሚቀጥሉት ክፍሎች ውስጥ እነዚህን መርሆዎች በተጨባጭ የስራ ፍሰቶች ውስጥ እናስቀምጣቸዋለን-ፓይዘን መሰረታዊ ነገሮች (Ü2) ፣ ተከታታይ ትንተና (Ü3) ፣ ኦሚክስ እና ከፍተኛ-ልኬት መረጃ (Ü4) ፣ የፕሮቲን አወቃቀር እና አልፋ ፎልድ (Ü5) ፣ የምስል እና ዝርያ / ሕዋስ ማወቂያ (Ü6) ፣ የሙከራ ንድፍ (Ü7) ፣ ስታቲስቲካዊ ትንተና (Ü8) ፣ ባዮሎጂያዊ ትንተና (Ü8) ፣ ምስላዊ እና ኢቲ 9 ( 11) ተመሳሳይ ተግሣጽ በእያንዳንዱ ክፍል ውስጥ ይደገማል: ሰው ሰራሽ የማሰብ ችሎታ ያመርታል, ባዮሎጂስቶች ያረጋግጣሉ.

በማጠቃለያው

አርቴፊሻል ኢንተለጀንስ በባዮሎጂ ውስጥ ኮድ የሚሰጥ፣ የሚያብራራ፣ ዝርዝር መግለጫዎችን የሚያመነጭ እና የሚያጠቃልል ኃይለኛ ረዳት ነው። ነገር ግን ካልኩሌተር፣ ዳታቤዝ ወይም ውሳኔ ሰጪ አይደለም። በአጠቃላይ የቋንቋ ሞዴል እና ልዩ ባለሙያ ሞዴሎች መካከል ያለውን ልዩነት ይለዩ. በተጋላጭነት ደረጃ የተለያዩ ተግባራትን: ዝቅተኛ-አደጋ ይፋ መግለጫዎች ላይ በፍጥነት መንቀሳቀስ, ከፍተኛ-አደጋ ቁጥር ላይ ገለልተኛ ማረጋገጫ ማከናወን እርግጠኛ ይሁኑ, የባለቤትነት እና ተግባር የይገባኛል. የማረጋገጫ ዲሲፕሊን የስራ ሂደት ዋና አካል የሚያደርገው ባዮሎጂስት ከፍተኛውን ዋጋ ከ AI ያገኛል።

የመተግበሪያ ተግባር

ከእርስዎ የጥናት መስክ 3 የተለመዱ ተግባራትን ይምረጡ (ለምሳሌ አንዳንድ ኮድ መጻፍ ፣ ጽንሰ-ሀሳብ መማር ፣ የስነ-ጽሑፍ ማጠቃለያ)። ከላይ ባለው ሠንጠረዥ መሰረት እያንዳንዳቸውን ዝቅተኛ/መካከለኛ/ከፍተኛ ስጋት ብለው ይመድቡ። ለከፍተኛ አደጋ፣ ውጤቱን በግል እንዴት ማረጋገጥ እንደሚችሉ በ2 ዓረፍተ ነገሮች ይፃፉ። ከዚያ አንድን ተግባር ለ AI ለመመደብ እና ውጤቱን በሚታወቅ ሁኔታ ለመሞከር የ “ጠንካራ መጠየቂያ” አብነት ይጠቀሙ።

የማረጋገጫ ዝርዝር

• [ ] ስራዬን በስጋት ደረጃ ከፋፍዬዋለሁ።
• [ ] በጥያቄው ላይ የውሂብ ቅርጸት እና አውድ ጨምሬያለሁ።
• [ ] ቆጠራውን/መለኪያውን ለኮዱ ወይም ለራሴ ትቼው ነበር እንጂ ለአምሳያው አይደለም።
• [ ] እያንዳንዱን የቁጥር ይገባኛል ጥያቄ እና መለያ ከገለልተኛ ምንጮች ጋር አረጋግጫለሁ።
• [ ] መለኪያውን ለተገቢው ኤክስፐርት ሞዴል እና ፍሰቱን ወደ ቋንቋ ሞዴል ሰጥቻለሁ።
• [ ] ለክፍት ሞዴል ሚስጥራዊ/የግል መረጃን አላቀረብኩም።
• [ ] የመጨረሻው ውሳኔ እና ኃላፊነት በእኔ ላይ እንዳለ ተቀበልኩ።