مشروع شامل: سير عمل الهندسة الحيوية بمساعدة الذكاء الاصطناعي والتحقق من صحته باستخدام بايثون

المكاسب:

• القدرة على تصميم سير عمل من سبع خطوات من السؤال إلى النتيجة التي تم التحقق منها عن طريق وضع بوابة التحقق في كل خطوة
• القدرة على التحقق من كود بايثون المكتوب بواسطة الذكاء الاصطناعي ببيانات اختبار معروفة وتمييز الفرق بين "كود العمل" و"الكود الصحيح"
• اجعل التحليل قابلاً للتكرار (الإصدار، الوسيط، البذور، المستند) وقم بإعداد تقرير مع التحقق الرطب والشفافية وموافقة الخبراء

لقد تعلمنا الأجزاء في الوحدات التسع السابقة: تحليل التسلسل، والأوميكس، ونمذجة البروتين، والتصميم التجريبي، والبيانات المختبرية، والمعالجة الحيوية، والأدب، والأخلاق. في هذه الوحدة النهائية، سنقوم بتجميع الأجزاء معًا وبناء سير عمل شامل - سلسلة من سؤال بحثي إلى استنتاج تم التحقق منه، حيث يساعد الذكاء الاصطناعي في كل خطوة ولكن الإنسان يتخذ كل قرار حاسم والتحقق. سنغطي أيضًا لغة بايثون، التي تعد العمود الفقري لهذه السلسلة، ونظام التكرار - القدرة على تكرار التحليل بواسطة شخص آخر، بنفس البيانات، لإعطاء نفس النتيجة.

الهدف ليس نقل الأدوات الفردية، ولكن عقلية سير العمل المسؤولة: ستعرف مكان وضع الذكاء الاصطناعي، ومكان وضع بوابة التحقق، وكيفية جعل العملية برمتها قابلة للتتبع.

لماذا بايثون؟

اللغة المشتركة للمعلوماتية الحيوية والبيولوجيا الحاسوبية هي لغة بايثون (وR). لأنه يمكنك أتمتة كل خطوة تقريبًا وجعلها قابلة للتكرار باستخدام مكتبات مفتوحة المصدر (Biopython لتحليل التسلسل، وpandas لجداول البيانات، وScikit-Learn للتعلم الآلي، وmatplotlib للتصور). الذكاء الاصطناعي قوي جدًا في كتابة كود بايثون؛ لكن قبول التعليمات البرمجية التي تنتجها دون تشغيلها والتحقق منها أمر خطير - فقد تُرجع التعليمات البرمجية بصمت نتيجة خاطئة (خطأ في الوحدة، أو عمود خاطئ، أو مرشح مفقود).

تنبيه: حتى لو كان الكود المكتوب بواسطة الذكاء الاصطناعي يعمل، فقد لا يكون صحيحًا. "لقد نجح الأمر بدون أخطاء" و"أعطى النتيجة الصحيحة" شيئان مختلفان. جرب كل رمز باستخدام بيانات اختبار صغيرة ومعروفة: هل المدخلات والمخرجات كما تتوقع؟ هذه هي الطريقة الوحيدة لاكتشاف الأخطاء الصامتة.

تشريح سير العمل

يتبع سير العمل المسؤول في الهندسة الحيوية المدعم بالذكاء الاصطناعي هذا الإطار:

1. سؤال وفرضية. سؤال واضح وقابل للاختبار. (يمكن للذكاء الاصطناعي أن يلهمك، أما أنت فتوضح ذلك).
2. جمع البيانات ومراقبة الخصوصية. من أين تأتي البيانات، وسائل الإعلام الشخصية أو المعتمدة؟ (الوحدة 9.)
3. المعالجة المسبقة ومراقبة الجودة. التنظيف والتطبيع ومراقبة الدفعة. (الوحدة 2-3.)
4. تحليل. الإحصاء والنمذجة والتنبؤ. (بوابة التحقق في كل خطوة.)
5. التعليق. ضرب العقل البيولوجي، التمييز بين الارتباط والسببية.
6. التحقق من المختبر الرطب. يتم اختبار الفرضية الحرجة تجريبيا. (الوحدة 1، 4، 5.)
7. الإبلاغ والشفافية. كود قابل للتكرار، بيان الذكاء الاصطناعي، موافقة الخبراء. (الوحدة 8-9.)

تحتوي كل خطوة على نقطة تفتيش — وهي النقطة التي يتم عندها التحقق من المخرجات قبل الانتقال إلى الخطوة التالية. يقوم الذكاء الاصطناعي بتسريع خطوة واحدة، ولا يمكنك الانتقال إلى الخطوة التالية دون تجاوز الباب.

نصيحة: احفظ سير العمل الخاص بك كبرنامج نصي ودفتر ملاحظات؛ دع المدخلات والمخرجات والقرارات الخاصة بكل خطوة يتم توثيقها. إن القدرة على الإجابة على السؤال "كيف حصلت على هذه النتيجة" في غضون دقائق بعد أشهر هو أمر يستحق الذهب لكل من العلم والتدقيق.

الاستنساخ: تأمين النتيجة

لا تكون النتيجة موثوقة إلا إذا كان من الممكن تكرارها من قبل شخص آخر. الركائز الأربع لقابلية التكرار هي: (1) الكود موجود في التحكم في الإصدار (باستخدام git)، (2) البيئة ثابتة (يتم تسجيل إصدارات المكتبة، على سبيل المثال، require.txt أو بيئة conda)، (3) يتم تسجيل البيانات والبذور العشوائية، (4) يتم توثيق كل خطوة. يساعد الذكاء الاصطناعي في بناء هذه البنية التحتية، ولكن الأمر متروك لك لفرض الانضباط.

ثلاث حالات صغيرة

الحالة 1 - تم اكتشاف خطأ في الكود الصامت. استخدم أحد الفرق نصًا تطبيعيًا كتبه الذكاء الاصطناعي؛ الكود كان يعمل بدون أخطاء وعندما جربوا ذلك باستخدام بيانات اختبار معروفة، وجدوا أن الناتج قد تم إزاحته بعامل قدره 1000 - وكان البرنامج النصي يقوم بتحويل وحدة غير صحيح. اكتشفت بيانات الاختبار الصغيرة خطأ من شأنه أن يعطل التحليل بأكمله.

الحالة 2 - تم حفظ إمكانية التكرار. وبعد البث طلب الحكم إعادة النتيجة. أعاد الفريق إنتاج التحليل حرفيًا في 20 دقيقة لأنه كان لديهم إصدار التعليمات البرمجية في Git وبيئة مثبتة. ولم تتمكن المجموعة المنافسة التي لم تسجل البيئة من تلبية الطلب نفسه لأسابيع.

الحالة 3 - التحقق الشامل. في مشروع الإنزيم، كان سير العمل يعمل على النحو التالي: اقترح الذكاء الاصطناعي فرضية من الأدبيات (تم التحقق من صحتها)، وصنفت الطفرات المرشحة لنموذج البروتين (تم اختبارها عن طريق التجربة)، وخفضت وزارة الطاقة عدد التجارب، وزادت واحدة من كل ثلاث طفرات النشاط بمقدار 1.9 مرة. يتسارع الذكاء الاصطناعي في كل خطوة، ويتحقق الإنسان عند كل باب؛ وكانت النتيجة سريعة ويمكن الدفاع عنها.

أربعة قوالب قابلة للنسخ

1) إنشاء هيكل سير العمل:

دورك: مستشار مشروع البيولوجيا الحاسوبية. قم بتصميم سير عمل شامل للإجابة على السؤال التالي: [سؤال]. في كل خطوة، (1) ما يجب فعله، (2) أين يساعد الذكاء الاصطناعي، (3) ما يجب أن يكون عليه إطار التحقق، (4) ما هي الأداة التي يجب استخدامها. قم بتضمين خطوة التحقق من صحة المختبر الرطب والشفافية.

2) كود بايثون + طلب الاختبار:

دورك: مطور المعلوماتية الحيوية. اكتب دالة بايثون تقوم بالمهمة التالية: [job]. المكتبة: [الباندا/Biopython]. أضف أيضًا مثالًا للتحقق من الصحة يحتوي على بيانات اختبار غير معروفة: ما هو الإدخال، ما هو الإخراج المتوقع. سأقوم بتشغيل الكود والتحقق منه باستخدام بيانات الاختبار. وظيفة/معلمة غير موجودة.

3) فحص الاستنساخ:

أريد أن أجعل تحليلي قابلاً للتكرار. أعطني قائمة مرجعية: التحكم في الإصدار، تثبيت البيئة (المتطلبات/الكوندا)، البذور العشوائية، تسجيل مصدر البيانات، وثائق الخطوة. إعطاء طريقة التطبيق العملي لكل عنصر.

4) التحقق من صحة النتيجة:

أريد إجراء فحص نهائي للتحقق من الصحة قبل وضع نتيجة التحليل في التقرير. أعطني قائمة مرجعية بهذه الأسئلة: هل النتيجة معقولة من الناحية البيولوجية، هل الإحصائيات دقيقة (اختبارات متعددة، عينة)، هل تم تأكيدها بوسائل مستقلة، هل تعتمد على المصدر، هل يلزم إجراء اختبار رطب، هل تم إصدار بيان الذكاء الاصطناعي؟

موجه ضعيف / موجه قوي

حث ضعيف:

اكتب لي كود بايثون الذي يحلل هذه البيانات.

مهمة غامضة، لا اختبار ولا تحقق؛ عرضة للخطأ الصامت.

مطالبة قوية:

دورك: مطور المعلوماتية الحيوية. بالنسبة لملف CSV (الأعمدة: الجين، ومتوسط ​​التحكم، ومتوسط ​​العلاج، والقيمة p) مع الباندا: (1) أضف عمود التغيير log2 أضعاف، (2) احسب القيمة p المصححة لـ BH، (3) قم بتصفية Padj<0.05 و |log2FC|>1. اعرض أيضًا المخرجات المتوقعة مع 5 صفوف من بيانات العينة حتى أتمكن من التحقق منها. لا تستخدم اسم عمود خاطئًا أو وظيفة غير موجودة.

الفرق: مهمة واضحة، وإحصائيات واضحة، والتحقق من صحة بيانات الاختبار وحظر التصنيع.

بوابات التحقق من سير العمل من البداية إلى النهاية

خطوة

مساهمة الذكاء الاصطناعي

بوابة التحقق

فرضية

الإلهام والأدب

هل هي قابلة للاختبار أم ملحومة؟

البيانات/الخصوصية

قائمة مرجعية

إزالة الهوية، البيئة المعتمدة

المعالجة المسبقة

script

دفعة/مراقبة الجودة

التحليل

الكود، النموذج

بيانات الاختبار، مركبة مستقلة

التعليق

مشروع

العقل البيولوجي، الارتباط والسببية

التحقق الرطب

خطة التجربة

نتيجة التجربة الحقيقية

تقرير

مشروع

الاستنساخ والشفافية وموافقة الخبراء

الأخطاء الشائعة

• معتقدًا أن رمز العمل صحيح. "عمل بدون أخطاء" ≠ "النتيجة الصحيحة"; ينبغي أن يحاكم مع بيانات الاختبار.
• تجاوز بوابات التحقق. إن تجاوز الباب من أجل السرعة يعرض جميع الخطوات اللاحقة للخطر.
• إهمال إمكانية التكاثر. بدون تسجيل البيئة/الإصدار، تكون النتيجة غير قابلة للتكرار.
• تأخير/تخطي التحقق الرطب. لا يمكن اتخاذ القرار إلا بعد تأكيد تنبؤات الكمبيوتر بالتجربة.
• نسيان الشفافية وموافقة الخبراء. يعد التوقيع النهائي وإعلان الذكاء الاصطناعي جزءًا من سير العمل.

في ملخص

تستخدم الهندسة الحيوية المسؤولة الذكاء الاصطناعي ليس كأدوات فردية، ولكن كجزء من سير عمل شامل ومزود ببوابات التحقق. بايثون وقابلية الاستنساخ هما العمود الفقري لهذا التدفق؛ يكتب الذكاء الاصطناعي التعليمات البرمجية ولكنك تتحقق منها باستخدام بيانات الاختبار، لأن كود العمل ليس كودًا صحيحًا. يتسارع الذكاء الاصطناعي في كل خطوة، ويتحقق الإنسان عند كل باب؛ يتم اختبار الفرضيات الحرجة في المختبر الرطب، ويتم الإبلاغ عن النتائج بشفافية وبموافقة الخبراء. جوهر هذه الوحدة هو في جملة واحدة: خذ سرعة الذكاء الاصطناعي، واحتفظ بالقرار والمسؤولية في الإنسان.

مهمة التطبيق

صمم سير عمل من البداية إلى النهاية لسؤال بحثي خاص بك. اطلب من الذكاء الاصطناعي أن يتوصل إلى خطة من سبع خطوات باستخدام قالب "الهيكل العظمي لسير العمل" وأضف بوابة التحقق الخاصة بك إلى كل خطوة. ثم اطبع نصًا بقالب "Python Code + Test Request" لإحدى خطوات التحليل، وقم بتشغيله باستخدام بيانات اختبار صغيرة وإثبات صحة الإخراج. وأخيرًا، قم بإعداد قائمة "التحقق من صحة النتائج" واجعل سير العمل هذا جاهزًا لإعداد التقارير. قم بتسجيل العملية بأكملها بتنسيق قابل للتكرار (رمز + وسائط + مستند).

قائمة مرجعية

• [ ] لقد صممت سير العمل بسبع خطوات وبوابة تحقق في كل خطوة.
• [ ] لقد قمت بالتحقق من الكود الذي كتبه الذكاء الاصطناعي باستخدام بيانات الاختبار المعروفة.
• [ ] لقد جعلت التحليل قابلاً للتكرار (الإصدار، البيئة، البذور، المستند).
• [ ] لقد عزت الفرضية الحاسمة إلى التحقق من صحة المختبر الرطب.
• [ ] لقد قمت ببناء ضوابط خصوصية البيانات والأمن الحيوي في سير العمل.
• [ ] أكملت التقرير ببيان شفاف من الذكاء الاصطناعي وموافقة الخبراء.

امتحان الوحدة

1. أي مما يلي هو الموضع الأكثر دقة للذكاء الاصطناعي في الهندسة الحيوية؟

• أ) الذكاء الاصطناعي هو أداة فحص وصياغة؛ ✔ مسؤولية القرارات التي تحدد المعنى البيولوجي والسلامة تقع على عاتق الإنسان
• ب) يمكن للذكاء الاصطناعي أن يضع الجزيئات المرشحة مباشرة في الإنتاج دون موافقة الإنسان
• ج) بما أن الذكاء الاصطناعي دائمًا أكثر موضوعية من البشر، فيجب ترك التفسير البيولوجي له.
• د) الذكاء الاصطناعي مفيد فقط في تلخيص النص، ولا علاقة له بالبيانات المخبرية

الوصف: الذكاء الاصطناعي. إنه مساعد يقوم بمسح البيانات الضخمة والصاخبة، ويضع علامات على الأنماط وينتج رسومات تخطيطية. إن الخبير المختص هو الذي يتخذ المعنى البيولوجي والسلامة والقرار النهائي؛ يمكن أن تؤدي النسخة المطبوعة التي لم يتم التحقق منها إلى تعريض المريض أو مجموعة الإنتاج أو المنشور للخطر. في المجالات الحرجة المتعلقة بالسلامة، لا تعد مخرجات الذكاء الاصطناعي بديلاً عن موافقة الخبراء.

2. ما هو الغرض من خطوة "ربط المصدر" عند التحقق من صحة مخرجات الذكاء الاصطناعي؟

• أ) التخلص من الاستنتاجات الملفقة (الهلوسة) من خلال ربط كل ادعاء بالبيانات الملموسة أو المصدر الأصلي✔
• ب) جعل الإخراج أكثر مرونة وقابلية للقراءة
• ج) تخطي التحقق من الصحة لإنهاء التحليل بشكل أسرع
• د) قبول المراجع التي يقدمها الذكاء الاصطناعي كما هي

الوصف: الذكاء الاصطناعي يجيد اللغة ولكنه ينتج في بعض الأحيان الهلوسة؛ قد يقدم جينًا أو مسارًا أو مرجعًا غير موجود على أنه حقيقي. إن ربط كل ادعاء بالبيانات الثابتة أو المصدر الأصلي يمنع الاستنتاج الملفق من العثور على طريقه إلى التقرير أو المنشور.

3. عند تفسير نتيجة محاذاة الانفجار أو التسلسل، ما هو المطلوب لتقييم التطابق "الواثق"؟

• أ) مجرد النظر إلى طول السلسلة
• ب) الاعتماد بشكل مباشر على اسم النوع الذي يعطيه الذكاء الاصطناعي
• ج) تقييم مقاييس المحاذاة مثل نسبة الهوية والتغطية والقيمة الإلكترونية معًا ✔
• د) فقط قم بحساب عدد الأسطر الناتجة

الوصف: مقاييس مثل نسبة الهوية والتغطية والقيمة الإلكترونية مطلوبة للتحقق من صحة تفسير السلسلة. تشير القيمة الإلكترونية الصغيرة إلى أن التشابه ليس من قبيل الصدفة. وبدون هذه المقاييس، لا يمكن التحقق من تفسير "هذا البروتين هو ذلك" وقد يكون مجرد هلوسة.

4. لماذا يتم استخدام "القيمة الاحتمالية المعدلة" (padj) عند اختبار 20000 جين في وقت واحد في تحليل التعبير التفاضلي RNA-seq؟

• أ) لزيادة تغيير الكلمة
• ب) للتحكم في الإيجابيات الكاذبة الناتجة عن الاختبارات المتعددة والحد من معدل الاكتشاف الكاذب ✔
• ج) تقليل حجم العينة
• د) لتسريع التحليل

الشرح: عندما يتم اختبار آلاف الجينات في نفس الوقت، قد يتبين أن مئات الجينات "مهمة" حتى عن طريق الصدفة. تصحيح الاختبارات المتعددة مثل Benjamini-Hochberg يحد من معدل الاكتشاف الخاطئ. ومع القيمة الاحتمالية الخام، تصبح القائمة منتفخة بشكل مضلل؛ يعد استخدام Padj أمرًا ضروريًا للدفاع العلمي.

5. ما هو الفخ الذي يقع في تحليل الأوميكس عندما تتم معالجة مجموعتين علاجيتين في أيام مختلفة، مما يؤدي إلى الخلط بين الاختلاف الفني والاختلاف البيولوجي؟

• أ) خطأ في تغيير الأرضية
• ب) كودون الأمثل
• ج) تأثير الدفعة ✔
• د) تأثير الحافة

توضيح: تأثير الدُفعة هو الفرق الفني الناشئ عن معالجة العينات بواسطة أيام أو أجهزة أو أشخاص مختلفين وهو أكبر مصدر للخطأ في تحليل omics. قبل البدء في التحليل، من الضروري رسم مخطط PCA والتحقق مما إذا كانت العينات مجمعة وفقًا للحالة البيولوجية أو الدفعة.

6. ماذا تعني درجة pLDDT للتنبؤ ببنية البروتين المنتج باستخدام AlphaFold وكيف ينبغي استخدامها؟

• أ) يوضح مستوى الثقة في النموذج لكل منطقة؛ ينبغي تجنب المطالبات المستندة إلى مناطق الثقة المنخفضة ✔
• ب) يقيس مدى سرعة طي البروتين ويمكن تجاهله
• ج) يثبت أن البروتين له بنية دقيقة تم حلها تجريبيا.
• د) يعطي تقارب الالتحام مباشرة

الوصف: pLDDT هي درجة ثقة تشير إلى مدى ثقة النموذج لكل حمض أميني. تعتبر القيم العالية (>90) موثوقة بشكل عام؛ غالبًا ما تشير القيم المنخفضة (<50) إلى مناطق غير منتظمة أو غير واضحة. إن المطالبة بآليات تعتمد على مناطق منخفضة الثقة أمر مضلل؛ يجب التحقق من الهياكل الحرجة تجريبيا.

7. كيف ينبغي تفسير درجات الالتحام الجزيئي في تصميم الدواء/الإنزيم؟

• أ) ينبغي اعتباره مصاهرة ملزمة مطلقة.
• ب) يضمن عدم ارتباط الجزيء أبدًا
• ج) إنها أداة نسبية لترتيب الجزيئات قبل التجربة؛ يتم اتخاذ القرار النهائي عن طريق قياس التقارب التجريبي ✔
• د) وحده يكفي للحصول على الموافقة السريرية

تعليق: درجات الإرساء نسبية ولا تتنبأ بتقارب الارتباط الفعلي؛ معدل الإيجابية الكاذبة مرتفع. الاستخدام الصحيح هو تسلسل آلاف الجزيئات قبل التجربة وتسليط الضوء على أكثرها واعدة. يتم اتخاذ القرار النهائي عن طريق قياس التقارب التجريبي مثل SPR أو ITC.

8. ما هو الخلل الرئيسي في طريقة "متغير واحد في كل مرة" (OFAT) لمهندس العمليات الحيوية الذي يسعى إلى تحسين خمس معلمات؟

• أ) يفتقد التفاعلات بين المعلمات ✔
• ب) يتطلب دائمًا القليل من التجارب
• ج) يزيد من القوة الإحصائية
• د) يزيل تأثير الدفعة تلقائيًا

Explanation: طريقة OFAT تفتقد التفاعلات بين المعلمات؛ ربما تكون درجة الحرارة المرتفعة جيدة فقط عند درجة الحموضة المنخفضة. يلتقط تصميم التجارب (DoE) التفاعلات ويقلل عدد التجارب ذات التصميمات العاملية التي تختلف المعلمات بشكل مشترك ومتوازن.

9. ما هو النهج الصحيح عندما يوصي نموذج التحسين بدرجة حرارة من شأنها أن تقتل الثقافة في المختبر؟

• أ) تنفيذ الاقتراح كما هو لأن النموذج أكثر ذكاءً
• ب) إعطاء حدود السلامة والحدود الفسيولوجية كحدود للنموذج والتحقق من كل اقتراح مع المعرفة المخبرية ✔
• ج) التخلي عن التحسين تماما
• د) حاول تجاهل حد درجة الحرارة

توضيح: النموذج لا يعرف الحدود الفسيولوجية وحدود السلامة؛ الأمثل الرياضي قد يكون خطيرا أو مستحيلا. النهج الصحيح هو إعطاء حدود السلامة والفسيولوجية كقيود للنموذج والتحقق من كل اقتراح بالمعرفة المختبرية. الحد المادي يتفوق على الحد الرياضي الأمثل.

10. ما هو الإلزامي عند تقييم نتيجة العد الآلي للخلايا أو الفرز الفلوري؟

• أ) قبول النتيجة مباشرة، لأن النموذج أسرع من الإنسان
• ب) الإبلاغ عن عدد الصور فقط
• ج) النظر فقط إلى الصورة ذات الإشارة الأعلى
• د) التحقق يدويًا من مخرجات العينة والتحقق من صحتها باستخدام عناصر التحكم المناسبة (بما في ذلك السلبية وغير الملوثة) ✔

الوصف: يجب التحقق من الإخراج التلقائي يدويًا على العينة ويجب التحقق من صحة كل قياس باستخدام عناصر التحكم المناسبة (إيجابية، سلبية، فارغة، غير ملوثة). على سبيل المثال، إذا كان هناك إشارة في عنصر التحكم غير ملوثين، قد يكون هذا تألق ذاتي؛ بدون ضوابط، لا يمكن للتحليل التلقائي التمييز بين الإشارة الحقيقية والقطعة الأثرية.

11. ما الذي يجب فعله إذا كان مقترح التحسين في العملية الحيوية يؤدي إلى زيادة الإنتاجية ولكنه يأخذ سمة الجودة الحرجة (CQA) خارج المواصفات؟

• أ) بما أن الكفاءة مهمة، فإن خيار الكفاءة العالية هو المفضل
• ب) يتم الحفاظ على الكفاءة من خلال تخفيف حد CQA
• ج) القرار متروك للذكاء الاصطناعي
• د) إعطاء الأولوية للجودة على الكفاءة؛ يفضل خيار الجودة الذي يقع ضمن مساحة التصميم✔

الوصف: في المعالجة الحيوية، تتفوق الجودة على العائد؛ يجب الحفاظ على حدود CQA (النقاء، الارتباط بالجليكوزيل، النشاط) حتى يكون المنتج آمنًا وفعالًا. إذا كانت النقطة التي تزيد من الكفاءة تؤدي إلى إضعاف الجودة، فإن خيار الجودة الذي يبقى ضمن مساحة التصميم هو المفضل.

12. ما هو الخطر الرئيسي عندما يُطلب من النموذج اللغوي "البحث عن 10 مقالات حول هذا الموضوع وتلخيصها"؟

• أ) يعمل النموذج ببطء شديد
• ب) يمكن للنموذج توليد مراجع واقعية ولكن غير موجودة (ملفقة) دون إجراء بحث حقيقي ✔
• ج) يجد النموذج دائمًا عددًا كبيرًا جدًا من المقالات
• د) يقوم النموذج بإرجاع المقالات القديمة فقط

Explanation: أدوات الدردشة العادية لا تقوم في كثير من الأحيان بإجراء عمليات بحث فعلية؛ يولد إجابات "تبدو محتملة" إحصائيًا من الذاكرة. وهذا يعني مراجع واقعية ولكن مزيفة (مؤلف مزيف، مجلة، DOI). وينبغي التحقق من كل مرجع مقابل قاعدة البيانات الفعلية (PubMed، DOI)، وإذا أمكن، ينبغي استخدام الأدوات المستندة إلى RAG والمرتبطة بالمستندات الفعلية.

13. ما هو التصرف الصحيح عندما يطلب المستخدم من الذكاء الاصطناعي طفرات من شأنها زيادة فعالية السم البكتيري؟

• أ) الإجابة على الطلب بالتفصيل لأنه علمي
• ب) الحد من المخاطر من خلال توفير معلومات جزئية فقط
• ج) رفض الطلب، وتوضيح أنه تابع لـ DURC، والإبلاغ عنه إلى قناة الأمن الحيوي المؤسسي ✔
• د) تجاهل الطلب والانتقال إلى موضوع آخر

توضيح: يعد هذا الطلب طلبًا ضارًا بموجب الاستخدام المزدوج (DURC). وينبغي للذكاء الاصطناعي أن يرفض مثل هذه الطلبات، وأن يشرح الأسباب التي تشكل خطر الاستخدام المزدوج، وأن يبلغ عن الوضع إلى قناة السلامة البيولوجية/الأخلاقيات في الشركة. لا ينبغي تقديم أي نصيحة فنية من شأنها أن تزيد من احتمال حدوث ضرر.

14. ما هو الاستنتاج الصحيح عندما يعمل نص تحليل بايثون المكتوب بواسطة الذكاء الاصطناعي دون أخطاء؟

• أ) النتيجة صحيحة تمامًا لأن الكود يعمل
• ب) ليست هناك حاجة لاختبار الكود لأن الذكاء الاصطناعي هو من كتبه
• ج) يضمن عدم وجود أخطاء أيضًا إمكانية التكرار.
• د) قد لا يكون رمز التشغيل صحيحًا؛ يجب التحقق من المخرجات المتوقعة مقابل بيانات الاختبار المعروفة ✔

الشرح: "لقد نجح الأمر بدون أخطاء" و"أعطى النتيجة الصحيحة" شيئان مختلفان. قد يُرجع الرمز بصمت النتيجة الخاطئة بسبب خطأ في الوحدة أو عمود خاطئ أو مرشح مفقود. يجب اختبار كل رمز باستخدام بيانات اختبار صغيرة تكون مدخلاتها ومخرجاتها معروفة؛ ومع ذلك، ينبغي اعتباره موثوقًا عندما يعطي النتيجة المتوقعة.