লাভ:
- অর্থনৈতিক বিশ্লেষণে কৃত্রিম বুদ্ধিমত্তার প্রধান সীমাগুলিকে পদ্ধতিগতভাবে তালিকাভুক্ত করার ক্ষমতা (বানোয়াট, ডেটা কাট-অফ তারিখ, কার্যকারণ অন্ধত্ব, কাঠামোগত বিরতি)
- একটি নিরাপদ ব্যবহার এবং KVKK অনুগত কর্মপ্রবাহ স্থাপন করার ক্ষমতা যা গোপন ডেটা, বাজার-সংবেদনশীল তথ্য এবং ব্যক্তিগত ডেটা রক্ষা করে
- একটি এন্টারপ্রাইজ-স্তরের এআই গভর্নেন্স ফ্রেমওয়ার্ক ডিজাইন এবং বাস্তবায়ন করার ক্ষমতা (নিবন্ধন, যাচাইকরণ, জবাবদিহিতা, অনুমোদনের চেইন)
মডিউল পরীক্ষা
1. একজন কেন্দ্রীয় ব্যাঙ্কার একটি AI-উত্পন্ন মুদ্রাস্ফীতির পূর্বাভাস সরাসরি একটি অফিসিয়াল পলিসি নোটে রাখে কোন যাচাই ছাড়াই। এই পদ্ধতির মৌলিক ভুল কি?
- ক) কৃত্রিম বুদ্ধিমত্তার আউটপুটকে উৎসের সাথে সংযোগ না করে একটি সিদ্ধান্তে রূপান্তরিত করা, এটি পুনরায় গণনা করা এবং অর্থনৈতিক যাচাইকরণের মধ্য দিয়ে; উপেক্ষা করে যে দায়িত্ব মানুষের উপর বর্তায় ✔
- খ) অর্থনৈতিক পূর্বাভাসে কৃত্রিম বুদ্ধিমত্তা ব্যবহার করা কঠোরভাবে নিষিদ্ধ
- গ) কৃত্রিম বুদ্ধিমত্তা সর্বদা মুদ্রাস্ফীতি তার চেয়ে কম দেখায়
- ঘ) ভবিষ্যদ্বাণী একটি গ্রাফে উপস্থাপন করা হয় না
বর্ণনা: কৃত্রিম বুদ্ধিমত্তা একটি পরিসংখ্যানগত রূপরেখা তৈরি করে; তবে পূর্বাভাস এবং একটি আনুষ্ঠানিক নীতি সংক্ষিপ্ত বিষয়বস্তুর দায়িত্ব দক্ষ অর্থনীতিবিদ এবং প্রতিষ্ঠানের উপর নির্ভর করে। অযাচাইকৃত আউটপুট একটি স্বাক্ষরবিহীন প্রতিবেদনের মতোই ঝুঁকিপূর্ণ; নম্বরটি অবশ্যই মূল উত্সের সাথে লিঙ্ক করা উচিত, পুনরায় গণনা করা এবং একটি অর্থনৈতিক ফিল্টারের মাধ্যমে পাস করা উচিত।
2. আপনি যখন কৃত্রিম বুদ্ধিমত্তা জিজ্ঞাসা করেন, 'আমাকে 2024 সালে তুর্কিয়ের চলতি অ্যাকাউন্টের ঘাটতির পরিসংখ্যান দিন' তখন সবচেয়ে নিরাপদ পদ্ধতি কী?
- ক) কৃত্রিম বুদ্ধিমত্তা দ্বারা প্রদত্ত নম্বরটি বিশ্বাস করুন এবং এটি সরাসরি ব্যবহার করুন
- খ) CBRT-এর অফিসিয়াল ব্যালেন্স অফ পেমেন্টস প্রকাশনা থেকে চিত্রটি নিশ্চিত করা এবং তারিখ/ইউনিট যাচাই করা ✔
- গ) ইন্টারনেটে একটি এলোমেলো সংবাদ সাইট থেকে নম্বর পাওয়া
- ঘ) সংখ্যাটিকে উপেক্ষা করা কারণ এটি যেভাবেই হোক পরিবর্তন হবে
ব্যাখ্যা: কৃত্রিম বুদ্ধিমত্তা দ্বারা প্রদত্ত নম্বরটি প্রশিক্ষণের ডেটার কাট-অফ তারিখের চেয়ে পুরানো হতে পারে বা তৈরি হতে পারে (হ্যালুসিনেশন)। অর্থনৈতিক তথ্যের একমাত্র সঠিক উৎস হল অফিসিয়াল প্রকাশনা; এই উদাহরণে, এটি হল CBRT ব্যালেন্স অফ পেমেন্ট পরিসংখ্যান। নম্বরটি মূল উৎস থেকে নিশ্চিত করতে হবে।
3. একজন বিশ্লেষক কৃত্রিম বুদ্ধিমত্তাকে কাঁচা CPI সিরিজ দেন এবং বলেন 'আসল বৃদ্ধি গণনা করুন'। নিচের কোনটি সঠিক বৈধতা আচরণ?
- ক) রিপোর্ট না পড়ে ফলাফল যোগ করা
- খ) ফলাফল 'যৌক্তিক বলে মনে হচ্ছে' কিনা তা দেখছেন
- গ) জেনারেট করা সূত্র/কোড পড়ে এবং কমপক্ষে একটি সময় ম্যানুয়ালি গণনা করে ফলাফল যাচাই করুন ✔
- ঘ) কৃত্রিম বুদ্ধিমত্তাকে জিজ্ঞাসা করুন 'আপনি কি নিশ্চিত?' এবং 'হ্যাঁ' উত্তরে সন্তুষ্ট
ব্যাখ্যা: বাস্তব-নামিক রূপান্তরের মতো স্ট্যান্ডার্ড অর্থনৈতিক গণনায়, AI সঠিক সূত্র ব্যবহার নাও করতে পারে বা ভিত্তি বছর মিশ্রিত করতে পারে না। বিশ্লেষককে অবশ্যই জেনারেট করা কোড এবং সূত্র পড়তে হবে, ম্যানুয়ালি অন্তত একটি পর্যবেক্ষণ গণনা করতে হবে এবং ফলাফলের তুলনা করতে হবে। স্বচ্ছ, ব্যাখ্যাযোগ্য অ্যাকাউন্টিং পছন্দ করা হয়।
4. টাইম সিরিজের পূর্বাভাসে কেন 'ব্যাকটেস্টিং' করা হয়?
- ক) মডেলটি ঐতিহাসিক তথ্যের সাথে কতটা 'চমৎকার' ফিট করে তা দেখানোর জন্য
- খ) স্বয়ংক্রিয়ভাবে অনুমান চূড়ান্ত করা
- গ) তথ্য সুন্দর করা
- D) পূর্ববর্তী সময়কালে মডেলটি পরীক্ষা করে প্রকৃত ভবিষ্যদ্বাণী সাফল্য পরিমাপ করা যখন এটি প্রশিক্ষণে ছিল না ✔
বর্ণনা: ব্যাকটেস্ট পরিমাপ করে যে মডেলটি অতীতে কতটা ভালভাবে ভবিষ্যদ্বাণী করে যা এটি জানে না; এটি শুধুমাত্র উপযুক্ত ডেটা দেখে মডেলটিকে ওভারফিটিং এর ফাঁদ থেকে রক্ষা করে। বাস্তব জগতে মডেলের ব্যবহারযোগ্যতার জন্য এটি একটি পূর্বশর্ত।
5. মুদ্রাস্ফীতি মন্তব্যে 'বেস ইফেক্ট' কী এবং কেন এটি মনোযোগের প্রয়োজন?
- ক) বার্ষিক পরিবর্তন গত বছরের তুলনা সময়ের নিম্ন/উচ্চ দ্বারা প্রভাবিত হয় ✔
- খ) মুদ্রাস্ফীতি সবসময় বৃদ্ধি পায়
- গ) মূল মুদ্রাস্ফীতি শিরোনামের চেয়ে বেশি
- ঘ) দামের মৌসুমী সমন্বয়
ব্যাখ্যা: ভিত্তি প্রভাব হল যে পরিবর্তনের বার্ষিক হার গত বছরের (বেস) কম বা উচ্চ সেইসাথে এই বছরের উন্নয়ন দ্বারা প্রভাবিত হয়। হেডলাইন বার্ষিক মুদ্রাস্ফীতির একটি পতন গত বছরের উচ্চ ভিত্তির কারণে হতে পারে এবং প্রকৃত মন্দা নয়। এই বিপত্তি প্রায়ই AI সারাংশে উপেক্ষা করা হয়।
6. কিভাবে কৃত্রিম বুদ্ধিমত্তার ভূমিকা একটি দৃশ্যকল্প গবেষণায় সবচেয়ে সঠিকভাবে সংজ্ঞায়িত করা যেতে পারে?
- ক) একজন দ্রষ্টা যিনি নিশ্চিত ভবিষ্যত জানেন
- খ) চূড়ান্ত সিদ্ধান্ত গ্রহণকারী যিনি নিজের থেকে অনুমানগুলি নির্ধারণ করেন
- গ) একজন সহকারী যা সুস্পষ্ট অনুমানকে স্বচ্ছ গণনায় পরিণত করে এবং বিকল্পগুলিকে দৃশ্যমান করে তোলে; বিচার মানুষের মধ্যে ✔
- D) নির্ভুলতার একটি টুল যা স্ক্রিপ্টটিকে অপ্রয়োজনীয় করে তোলে
ব্যাখ্যা: দৃশ্যকল্প একটি ভবিষ্যদ্বাণী নয়, তবে একটি শর্তসাপেক্ষ 'যদি-তাহলে' ব্যায়াম সুস্পষ্ট অনুমানের উপর ভিত্তি করে। AI হল একটি ত্বরণক যা অনুমানকে স্প্রেডশীটে অনুবাদ করে এবং বিকল্পগুলিকে দৃশ্যমান করে তোলে; যাইহোক, অনুমানের মালিকানা, তাদের যুক্তিসঙ্গততা এবং চূড়ান্ত রায় অর্থনীতিবিদদের উপর নির্ভর করে।
7. একটি রিগ্রেশন আউটপুট ব্যাখ্যা করার সময় AI শক্তিশালী কার্যকারণ ভাষা ব্যবহার করে যেমন 'X বৃদ্ধি করে Y'। সঠিক অর্থনীতিবিদ প্রতিক্রিয়া কি?
- ক) কার্যকারণ ভাষাকে যেমন আছে তেমন গ্রহণ করা
- খ) বাদ দেওয়া ভেরিয়েবল/অন্তঃসত্ত্বার ঝুঁকি পরীক্ষা করে এবং সম্পর্ক মানে কার্যকারণ নয় এমন সত্যটি সংশোধন করে ভাষা সংশোধন করুন।
- গ) সম্পূর্ণরূপে রিগ্রেশন দূরে নিক্ষেপ
- D) R-squared বেশি হলে কার্যকারণ প্রমাণিত বলে ধরে নেওয়া
ব্যাখ্যা: রিগ্রেশন বেশিরভাগ ক্ষেত্রে সম্পর্ক পরিমাপ করে (পারস্পরিক সম্পর্ক); কার্যকারণ শুধুমাত্র উপযুক্ত নকশা (পরীক্ষা, যন্ত্র পরিবর্তনশীল, প্রাকৃতিক পরীক্ষা, ইত্যাদি) এবং অনুমানের অধীনে দাবি করা যেতে পারে। বাদ দেওয়া ভেরিয়েবল, অন্তঃসত্ত্বা এবং বিপরীত কার্যকারিতার ঝুঁকি রয়েছে। অর্থনীতিবিদকে অবশ্যই এই অত্যধিক কার্যকারণ ভাষাকে রোধ করতে হবে এবং শর্তগুলিকে প্রশ্ন করতে হবে।
8. আপনার কৃত্রিম বুদ্ধিমত্তা ছিল একটি অর্থনীতি বিষয়ের উপর একটি সাহিত্যের সারাংশ প্রস্তুত করে এবং পাঠ্যটি '(Yılmaz, 2019)' এর মতো রেফারেন্স দেয়। আপনি প্রথম কি করা উচিত?
- ক) প্রতিবেদনে উদ্ধৃতিগুলি যেমন আছে তেমন রাখা
- খ) অনেক উদ্ধৃতি আছে বলে শুধু ভালো মানের অনুমান করা
- গ) শুধু প্রকাশনার বছরের ধারাবাহিকতা দেখছি
- ঘ) মূল উৎস থেকে যাচাই করুন যে প্রতিটি রেফারেন্স আসলে বিদ্যমান এবং এতে ফাইন্ডিং ✔ রয়েছে
ব্যাখ্যা: কৃত্রিম বুদ্ধিমত্তা উৎস এবং রেফারেন্স তৈরি করতে পারে যা আসলে বিদ্যমান নেই (হ্যালুসিনেশন)। প্রতিটি রেফারেন্স অবশ্যই আসল উৎস থেকে যাচাই করতে হবে যে এটি আসলে বিদ্যমান, এর অ্যাট্রিবিউশন সঠিক এবং এটি আসলে দাবি করা অনুসন্ধান ধারণ করে। অযাচাইকৃত অ্যাট্রিবিউশন একটি একাডেমিক এবং পেশাদার ঝুঁকি।
9. একটি পাবলিক অর্থনৈতিক প্রতিবেদনে অনিশ্চয়তা প্রকাশ করার সবচেয়ে সৎ উপায় কি?
- ক) একটি একক সুনির্দিষ্ট সংখ্যা দেওয়া এবং অনিশ্চয়তা উল্লেখ না করা
- খ) সবচেয়ে খারাপ পরিস্থিতি লুকিয়ে রাখা এবং শুধুমাত্র আশাবাদী সংখ্যা দেওয়া
- গ) স্পষ্টভাবে পূর্বাভাসের পরিসীমা, পরিস্থিতি এবং অন্তর্নিহিত অনুমানগুলি বর্ণনা করুন ✔
- ঘ) 'এটি জটিল' বলে অনিশ্চয়তা উড়িয়ে দেওয়া
ব্যাখ্যা: অর্থনৈতিক পূর্বাভাস এবং বিশ্লেষণে অনিশ্চয়তা অনিবার্য। একটি একক সঠিক সংখ্যার পরিবর্তে পরিসীমা, পরিস্থিতি এবং অনুমান স্পষ্টভাবে উল্লেখ করা হল সৎ যোগাযোগ। অস্পষ্টতা লুকিয়ে রাখা পাঠককে বিভ্রান্ত করে এবং প্রতিষ্ঠানের বিশ্বাসযোগ্যতাকে ক্ষুণ্ন করে।
10. যখন একটি চার্ট জিডিপি বৃদ্ধি দেখায়, তখন এটি 0% এর পরিবর্তে 2% এ উল্লম্ব অক্ষ শুরু করে। কেন এই বিভ্রান্তিকর হতে পারে?
- ক) ড্যাশড অক্ষ ছোট পার্থক্যকে অতিরঞ্জিত করতে পারে এবং পরিবর্তনটিকে এটির চেয়ে বড় করতে পারে ✔
- খ) যেখানে অক্ষটি শুরু হয় তা গ্রাফটিকে মোটেও প্রভাবিত করে না
- গ) গ্রাফ স্বয়ংক্রিয়ভাবে আরো নির্ভুল হয়ে ওঠে
- ঘ) শুধুমাত্র রঙ নির্বাচন গুরুত্বপূর্ণ, অক্ষ গুরুত্বহীন
ব্যাখ্যা: একটি ড্যাশড অক্ষ (শূন্য থেকে শুরু নয়) দৃশ্যত ছোট পার্থক্যগুলিকে বড় করতে পারে এবং পরিবর্তনটিকে নাটকীয় করে তুলতে পারে। সৎ ভিজ্যুয়ালাইজেশনে, অক্ষের পছন্দ বার্তাটিকে বিকৃত করা উচিত নয়; যদি একটি ড্যাশড অক্ষ ব্যবহার করা হয় তবে এটি অবশ্যই স্পষ্টভাবে চিহ্নিত করা উচিত।
11. একজন থিঙ্ক ট্যাঙ্ক বিশ্লেষক বাজার-সংবেদনশীল ডেটা প্লাগ করে যা এখনও পাবলিক (নন-এন্টারপ্রাইজ) এআই টুলে প্রকাশ করা হয়নি। মূল ঝুঁকি কি?
- ক) কোন ঝুঁকি নেই, ডেটা ইতিমধ্যেই সংখ্যাসূচক
- খ) একমাত্র ঝুঁকি হল যে গ্রাফটি ভুল হয়ে গেছে
- গ) কৃত্রিম বুদ্ধিমত্তা খুব ধীরে ধীরে ডেটা প্রক্রিয়া করে
- ঘ) ডেটা ফাঁস হওয়ার ঝুঁকি, তৃতীয় পক্ষের দ্বারা প্রক্রিয়াকরণ এবং গোপনীয়তা/বাজারের নিয়ম লঙ্ঘন ✔
প্রকাশ: একটি পাবলিক টুলে গোপনীয় বা বাজার-সংবেদনশীল ডেটা প্রবেশ করানো তৃতীয় পক্ষের দ্বারা ডেটা প্রক্রিয়াকরণের ঝুঁকি তৈরি করে, ফাঁস হয়ে যায় বা মডেলটিকে প্রশিক্ষণ দিতে ব্যবহৃত হয়; এটি একটি গোপনীয়তা/KVKK লঙ্ঘন এবং বাজারের কারসাজি এবং অভ্যন্তরীণ তথ্যের ঝুঁকি উভয়ই তুলে ধরে। সংবেদনশীল ডেটা প্রতিষ্ঠান-অনুমোদিত, সুরক্ষিত সরঞ্জামগুলিতে প্রক্রিয়া করা উচিত এবং প্রয়োজনে বেনামী করা উচিত।
12. দুটি ভিন্ন উত্স (তুর্কস্টেট এবং একটি আন্তর্জাতিক সংস্থা) থেকে নেওয়া একই সূচকের পরিসংখ্যান মেলে না। সবচেয়ে সম্ভবত নির্দোষ ব্যাখ্যা কি?
- ক) একটি সূত্র অবশ্যই মিথ্যা বলছে
- খ) সংজ্ঞা, ভিত্তি বছর, সুযোগ, ঋতু সামঞ্জস্য বা সংশোধনের মধ্যে পার্থক্য থাকতে পারে; মেটাডেটা অবশ্যই সারিবদ্ধ হতে হবে ✔
- গ) সংখ্যার পার্থক্য গুরুত্বহীন, তাদের গড় গ্রহণ যথেষ্ট
- ঘ) কৃত্রিম বুদ্ধিমত্তাকে জিজ্ঞাসা করা এবং কোনটি সঠিক তা বেছে নিতে দেওয়া যথেষ্ট।
ব্যাখ্যা: বিভিন্ন উত্সে একই সূচকের পার্থক্য বেশিরভাগ সংজ্ঞা, ভিত্তি বছর, সুযোগ, মৌসুমী সমন্বয় বা সংশোধন (সংস্করণ) এর পার্থক্যের কারণে। মেটাডেটা (সংজ্ঞা, একক, সময়কাল, সংশোধন) পরিসংখ্যান তুলনা করার আগে সারিবদ্ধ করা আবশ্যক।
13. নিচের কোনটি এমন একটি কাজ যেখানে AI অর্থনৈতিক বিশ্লেষণে শক্তিশালী, মানুষের বৈধতাকে ত্বরান্বিত করে?
- ক) শুধুমাত্র সরকারী মুদ্রাস্ফীতির পরিসংখ্যানের চূড়ান্ত অনুমোদন দেওয়া
- খ) প্রতিষ্ঠানের পরিবর্তে আর্থিক নীতির সিদ্ধান্ত নেওয়া
- গ) ডেটা ক্লিনিং কোডের খসড়া তৈরি করা এবং দীর্ঘ প্রতিবেদনের সংক্ষিপ্তসারের মতো কাজগুলিকে ত্বরান্বিত করা ✔
- ঘ) পাবলিক রিপোর্টে অযাচাইকৃত অনুমান স্থাপন করা
বর্ণনা: কৃত্রিম বুদ্ধিমত্তা; যান্ত্রিক এবং খসড়ার কাজে শক্তিশালী যেমন খসড়া কোড, দীর্ঘ প্রতিবেদনের সংক্ষিপ্তকরণ, ডেটা পরিষ্কারের পদক্ষেপের পরামর্শ দেওয়া, ফর্ম্যাটিং এবং ভাষা সংশোধন করা। যাইহোক, পূর্বাভাস, নীতিগত সিদ্ধান্ত এবং সরকারী পরিসংখ্যান উত্পাদনের চূড়ান্ত দায়িত্ব মানুষের উপর নির্ভর করে। সঠিক ব্যবহার হল যেখানে এটি শক্তিশালী সেখানে ত্বরান্বিত করা এবং ব্যক্তির মধ্যে সমালোচনামূলক রায় রাখা।
14. একটি প্রতিষ্ঠানে কৃত্রিম বুদ্ধিমত্তার আউটপুট নিরীক্ষণ এবং নিরীক্ষা করা হয় তা নিশ্চিত করার জন্য সবচেয়ে উপযুক্ত শাসন অনুশীলন কী?
- ক) একটি ট্রেসেবিলিটি এবং অনুমোদনের চেইন স্থাপন করুন যা অনুরোধ, টুল, ডেটা এবং যাচাইকরণের পদক্ষেপগুলি রেকর্ড করে ✔
- খ) আউটপুট মোটেও রেকর্ড না করা যাতে কাজের চাপ বাড়ে না
- গ) প্রত্যেকে অবাধে তাদের পছন্দসই ডেটা দিয়ে তাদের পছন্দের যানবাহন ব্যবহার করতে পারে।
- ঘ) শুধুমাত্র সবচেয়ে সিনিয়র ব্যক্তি কৃত্রিম বুদ্ধিমত্তা ব্যবহার করেন, কোন রেকর্ড রাখা হয় না
বর্ণনা: সুশাসন; কোন আউটপুট কোন অনুরোধের সাহায্যে উত্পাদিত হয়েছিল, কোন টুলের সাহায্যে, কোন ডেটা দিয়ে, একটি যাচাইকরণ পদক্ষেপ এবং একটি দায়িত্বশীল অনুমোদনের চেইন রেকর্ড করা প্রয়োজন৷ রেকর্ডিং এবং স্বীকৃতির এই শৃঙ্খলা ত্রুটিগুলিকে চিহ্নিত করতে এবং দায়িত্ব স্পষ্ট করার অনুমতি দেয়।