ইকোনোমেট্রিক্স এবং পরিসংখ্যানে কৃত্রিম বুদ্ধিমত্তা: ভূমিকা, সীমানা, প্রমাণীকরণ এবং গোপনীয়তা

লাভ:

• পরীক্ষামূলক কর্মপ্রবাহে (ডেটা ক্লিনিং, কোড, ভিজ্যুয়ালাইজেশন, ড্রাফ্ট ইন্টারপ্রিটেশন) কৃত্রিম বুদ্ধিমত্তা বাস্তব সময় বাঁচায় এবং কোথায় মডেল নির্বাচন, কার্যকারণ দাবি এবং প্রকাশনার সিদ্ধান্তের মতো সিদ্ধান্তগুলি বিশেষজ্ঞের উপর ছেড়ে দেওয়া হয়, টাস্ক ঝুঁকির স্তর অনুসারে
• একটি শৃঙ্খলা প্রয়োগ করার ক্ষমতা যা প্রতিটি কৃত্রিম বুদ্ধিমত্তা আউটপুট যাচাই করে (সংখ্যা, সহগ, কোড, মন্তব্য) পুনঃগণনার পদক্ষেপের মাধ্যমে, উত্সের সাথে লিঙ্ক করা এবং পরিসংখ্যানগত ফিল্টারিং।
• কেভিকেকে/জিডিপিআর এবং ডেটা ব্যবহার চুক্তির সুযোগের মধ্যে মাইক্রো ডেটা এবং গোপনীয়/লাইসেন্সযুক্ত ডেটা সেটগুলি নিরাপদে প্রক্রিয়া করার ক্ষমতা এবং উপযুক্ত সরঞ্জামগুলি বেছে নেওয়ার অভ্যাস অর্জন করা।

একই প্রশ্নগুলি প্রতিদিন একজন অর্থনীতিবিদ বা ফলিত পরিসংখ্যানবিদদের ডেস্কে পুনরাবৃত্তি হয়: এই ডেটা সেট কি নির্ভরযোগ্য; এই অনুপস্থিত মান সঙ্গে কি করতে হবে? এই রিগ্রেশনের সহগকে আসলে কী বলে? এই সম্পর্ক কি কার্যকারণ নাকি নিছক পারস্পরিক সম্পর্ক? কারণ এই পি-মূল্যটি তাৎপর্যপূর্ণ, আমি কি এটি নিবন্ধে বা নীতি সংক্ষেপে লিখতে পারি? এই প্রশ্নগুলির মধ্যে কিছু পুনরাবৃত্তিমূলক, কোড-নিবিড়, এবং সময়সাপেক্ষ: ডেটা পরিষ্কার করা, একই গ্রাফ দশবার প্লট করা, R বা পাইথন কোড ডিবাগ করা, ফলাফলগুলিকে একটি টেবিলে স্ট্রিং করা। অন্যরা সরাসরি একটি অনুসন্ধানের বৈধতা, একটি প্রকাশনার সততা বা নীতিগত সিদ্ধান্তের যথার্থতা নির্ধারণ করে।

কৃত্রিম বুদ্ধিমত্তা (সংক্ষেপে AI, AI - কম্পিউটার সিস্টেম যা মানুষের মতো টেক্সট এবং কোড তৈরি করতে পারে, প্যাটার্ন চিনতে পারে, ডেটা সংক্ষিপ্ত করতে পারে এবং মন্তব্য লিখতে পারে; বর্তমানে সবচেয়ে বেশি ব্যবহৃত ফর্ম হল বৃহৎ ভাষার মডেল, অর্থাৎ, সিস্টেম যা বিশাল পাঠ্যের উপর প্রশিক্ষিত এবং পরবর্তী শব্দের ভবিষ্যদ্বাণী করে বাক্য তৈরি করে) এই টেবিলের ঠিক মাঝখানে বসে। সঠিকভাবে ব্যবহার করা হলে, এটি ডেটা ক্লিনিং কোডের ঘন্টাকে মিনিটে কমিয়ে দেয়, আপনাকে একটি জটিল পরিসংখ্যানগত পরীক্ষার সিনট্যাক্সের কথা মনে করিয়ে দেয়, বা একটি সহগের ব্যাখ্যার খসড়া তৈরি করে। ভুলভাবে ব্যবহার করা হলে, এটি একটি আপাতদৃষ্টিতে নিশ্চিত কিন্তু সম্পূর্ণ বানোয়াট সংখ্যা, একটি মিথ্যা তাৎপর্য, বা একটি অকারণ সম্পর্ককে "অনুসন্ধান" হিসাবে উপস্থাপন করে।

এই প্রথম ইউনিট একটি সফ্টওয়্যার ভূমিকা নয়. এর উদ্দেশ্য হল আপনার অভিজ্ঞতামূলক কর্মপ্রবাহে AI কোথায় রাখবেন এবং কোথায় রাখবেন না তা স্পষ্ট করা। ইকোনোমেট্রিক্স উভয়ই একটি "পদ্ধতি-সমালোচনামূলক" এবং পরোক্ষভাবে "সিদ্ধান্ত-সমালোচনামূলক" ক্ষেত্র: আপনার তৈরি করা একটি মডেলের সহগ কেন্দ্রীয় ব্যাঙ্কের সুদের হারের সিদ্ধান্ত, একটি নিয়ন্ত্রকের নীতি পরিবর্তন বা একটি ফার্মের মিলিয়ন ডলার বিনিয়োগের ইনপুট হতে পারে। আসুন শুরু থেকে মূল নীতিটি তুলে ধরা যাক: কৃত্রিম বুদ্ধিমত্তা একটি বিশ্লেষণ সহকারী, গবেষক নয়। মডেল নির্বাচন, শনাক্তকরণ কৌশল, কার্যকারণ, প্রকাশনা এবং নীতিগত সিদ্ধান্তের দায়বদ্ধতা এবং চূড়ান্ত অনুমোদনের দায়িত্ব উপযুক্ত বিশেষজ্ঞের উপর।

অভিজ্ঞতামূলক কর্মপ্রবাহের স্তর এবং AI এর স্থান

একটি অভিজ্ঞতামূলক অধ্যয়নকে তিনটি স্তরে ভাগ করা কার্যকর। এক্সিকিউশন লেয়ার হল প্রতিদিনের প্রযুক্তিগত কাজ: ডেটা ক্লিনিং কোড, গ্রাফ অঙ্কন, টেবিল ফরম্যাটিং, সিনট্যাক্স ডিবাগিং। পদ্ধতি স্তর হল বিশ্লেষণাত্মক সিদ্ধান্ত: কোন মডেল, কোন সনাক্তকরণ কৌশল, কোন পরীক্ষা, কোন অনুমান পরীক্ষা। ব্যাখ্যা এবং সিদ্ধান্তের স্তর হল ফলাফলের অর্থ: সহগ কী বলে, এটি কি কার্যকারণ, নীতির জন্য এর অর্থ কী, এটি প্রকাশ করা উচিত। AI তিনটি স্তরকে স্পর্শ করে, তবে প্রতিটিতে আলাদা কর্তৃত্ব সহ। এক্সিকিউশন লেয়ারে, এআই দ্রুত ড্রাফ্ট করে এবং কোড তৈরি করে; ব্যাখ্যা এবং সিদ্ধান্তের স্তরে, শুধুমাত্র ইনপুট দেওয়া হয় এবং বিশেষজ্ঞ সিদ্ধান্ত নেন।

শুরু থেকে কয়েকটি মৌলিক পদ সংজ্ঞায়িত করা যাক। ইকোনোমেট্রিক্স হল সেই শাখা যা পরিসংখ্যানগত পদ্ধতির সাহায্যে অর্থনৈতিক ও সামাজিক তথ্য বিশ্লেষণ করে এবং সম্পর্ক পরিমাপ করে। রিগ্রেশন হল এমন একটি পদ্ধতি যা সংখ্যাগতভাবে একটি ফলাফল পরিবর্তনশীল (নির্ভরশীল পরিবর্তনশীল) এক বা একাধিক ব্যাখ্যামূলক ভেরিয়েবলের (স্বাধীন ভেরিয়েবল) সাথে সম্পর্ককে মডেল করে। সহগ হল সেই সংখ্যা যা দেখায় যে একটি ব্যাখ্যামূলক চলকের একটি এক-ইউনিট পরিবর্তন ফলাফল পরিবর্তনশীলের সাথে কতগুলি একক পরিবর্তনের সাথে যুক্ত। p-মান হল এমন সম্ভাবনা যে পর্যবেক্ষিত ফলাফল (বা আরও চরম ফলাফল) ঘটনাক্রমে ঘটবে যখন কোন প্রভাব বাস্তবে বিদ্যমান নেই। আমরা নিম্নলিখিত এককগুলিতে এই ধারণাগুলি একে একে ব্যাখ্যা করব; আপাতত, এটি জানুন: এই সবের মধ্যে, AI আপনাকে ব্লুপ্রিন্ট, কোড এবং ব্যাখ্যা দেয়, কিন্তু এটি বৈজ্ঞানিক সিদ্ধান্ত নেয় না।

নিম্নলিখিত সারণীটি মিশনের দ্বারা এআই-এর ভূমিকা এবং ঝুঁকির স্তরকে সংক্ষিপ্ত করে:

কোয়েস্ট

AI এর ভূমিকা

ঝুঁকির স্তর

কে অনুমোদন করে

ডেটা স্যানিটাইজেশন কোড লেখা

কোড জেনারেটর

কম

বিশ্লেষক নিজেই (কোড পরীক্ষার সাথে)

চার্ট/টেবিল খসড়া

স্কেচ জেনারেটর

কম

বিশ্লেষক

পরীক্ষা/মডেল সিনট্যাক্স অনুস্মারক

রেফারেন্স সহকারী

নিম্ন মাঝারি

বিশ্লেষক

খসড়া সহগ ব্যাখ্যা

খসড়া লেখক

মাঝারি

অর্থনীতিবিদ

মডেল/শনাক্তকরণ কৌশল নির্বাচন

অক্জিলিয়ারী ইনপুট

উচ্চ

বিশেষজ্ঞ গবেষক

কার্যকারণ দাবি

শুধু একটি খসড়া, চূড়ান্ত শব্দ না

খুব উচ্চ

বিশেষজ্ঞ + সহকর্মী পর্যালোচনা

প্রকাশনা/নীতিগত সিদ্ধান্ত

শুধুমাত্র ইনপুট

খুব উচ্চ

দায়িত্বশীল তদন্তকারী/প্রতিষ্ঠান

এই টেবিলের একটি লাইন মনে রাখবেন: ঝুঁকি বাড়ার সাথে সাথে AI এর ভূমিকা সঙ্কুচিত হয় এবং বিশেষজ্ঞের অনুমোদন বৃদ্ধি পায়।

কেন "যাচাই" এই ব্যবসার হৃদয়

ভাষা মডেল তাদের উত্তরে আত্মবিশ্বাসী বলে মনে হয়, কিন্তু তারা নিশ্চিত নাও হতে পারে। প্রযুক্তিগত ভাষায়, একে হ্যালুসিনেশন বলা হয়: এটি একটি সাবলীল বাক্যে অস্তিত্বহীন তথ্যের মডেল তৈরি করা, ঠিক যেন এটি সত্য। একজন অর্থনীতিবিদদের জন্য, এটি একটি মারাত্মক ফাঁদ। মডেলটি আপনাকে একটি সঠিক সংখ্যা দিতে পারে যেমন "2015-2020 এর মধ্যে তুর্কিয়ে বেকারত্ব এবং মুদ্রাস্ফীতির মধ্যে পারস্পরিক সম্পর্ক 0.62"; যাইহোক, তিনি কখনই আপনার ডেটা দেখেননি এবং এই নম্বরটি সম্পূর্ণরূপে তৈরি। অথবা এটা বলতে পারে, "সাদা পরীক্ষার p-মান ছিল 0.03"; যদিও এটি কোনো পরীক্ষা চালায়নি। এটি একটি আর্গুমেন্ট সহ একটি R ফাংশনকে কল করতে পারে যা আসলে বিদ্যমান নেই। তিনি তিনটিই একই সাবলীলতার সাথে গেয়েছেন; একমাত্র জিনিস যা সঠিক থেকে ভুলকে আলাদা করে তা হল আপনার জ্ঞান এবং যাচাই করার অভ্যাস।

যাচাইকরণ শৃঙ্খলা তিনটি ধাপ নিয়ে গঠিত:

1. আপনার নিজস্ব পরিবেশে পুনরায় গণনা করুন/চালনা করুন: AI এর মেমরি থেকে নয়, আপনার নিজস্ব ডেটা দিয়ে R/Python এ AI দ্বারা প্রদত্ত প্রতিটি সংখ্যা, অনুপাত, পরীক্ষার ফলাফল এবং সহগ গণনা করুন। কোড লিখতে AI ব্যবহার করুন, ফলাফল মনে রাখবেন না। কোড চালান, আপনি আউটপুট উত্পাদন.
2. উত্সের লিঙ্ক: পদ্ধতির নিয়ম, সূত্র এবং সংজ্ঞার জন্য পাঠ্যপুস্তক, পদ্ধতি নিবন্ধ এবং অফিসিয়াল নথির উপর নির্ভর করুন। একটি নির্ভরযোগ্য সূত্র দিয়ে AI এর বক্তব্য "এই পরীক্ষার অনুমান" নিশ্চিত করুন।
3. পরিসংখ্যানগত ফিল্টার: আউটপুট পরিসংখ্যানগত যুক্তির (অনুমান, নমুনা, প্রভাবের আকার, অনিশ্চয়তা) বিরোধী কিনা তা বিশেষজ্ঞ চোখ দিয়ে পরীক্ষা করুন। একটি "অর্থপূর্ণ কিন্তু অযৌক্তিক" ফলাফল প্রত্যাখ্যান করুন।

সতর্কতা: একটি নিবন্ধ, থিসিস বা নীতি নোটে একটি AI-উত্পাদিত সহগ, পরীক্ষা বা ব্যাখ্যাকে যাচাই না করেই এটি একটি অ-পর্যালোচিত অনুসন্ধান প্রকাশ করার মতো। শুধু কারণ আউটপুট সাবলীল সত্য নয়; শুধু সংখ্যাটি নিশ্চিত বলে মনে হচ্ছে, এটি বাস্তব নয়।

গোপনীয়তা: মাইক্রো ডেটা এবং লাইসেন্সকৃত ডেটা ব্যক্তিগতভাবে সুরক্ষিত

মাইক্রোডেটা (ব্যক্তিগত, পারিবারিক, দৃঢ় বা রোগীর স্তরে একক রেকর্ড) প্রায়শই অর্থনীতিতে ব্যবহৃত হয়। এই ডেটার বেশিরভাগই ব্যক্তিগত ডেটা এবং তুর্কিয়েতে KVKK (ব্যক্তিগত ডেটা সুরক্ষা আইন) এবং ইউরোপে GDPR-এর অধীনে সুরক্ষিত। উপরন্তু, TurkStat, কেন্দ্রীয় ব্যাঙ্ক, প্যানেল ডেটা প্রদানকারী এবং বাণিজ্যিক উৎসগুলি প্রায়ই ডেটা ব্যবহার চুক্তির সাথে ডেটা সরবরাহ করে; এই চুক্তিগুলি তৃতীয় পক্ষের কাছে ডেটা স্থানান্তর নিষিদ্ধ করে। একটি পাবলিক AI চ্যাট টুলে পরিচয় তথ্য, আয়, স্বাস্থ্য বা কোম্পানির গোপনীয়তা সম্বলিত একটি টেবিল আটকানো KVKK/GDPR লঙ্ঘন এবং চুক্তি লঙ্ঘন উভয়ই; কারণ ডেটা একটি বাহ্যিক সার্ভারে যায় এবং কিছু সরঞ্জামে মডেল প্রশিক্ষণে ব্যবহার করা যেতে পারে।

নিয়মটি সহজ: ডেটাকে তার নিজস্ব নিরাপদ পরিবেশে রাখুন, শুধুমাত্র কোড এবং পদ্ধতির জন্য এআইকে জিজ্ঞাসা করুন। আদর্শ কর্মপ্রবাহ হল: বিশ্লেষণ কোডের জন্য এআইকে জিজ্ঞাসা করুন, আপনি আপনার নিজের কম্পিউটার/এন্টারপ্রাইজ সার্ভারে আসল ডেটা দিয়ে কোডটি চালান। যদি আপনাকে সত্যিই ডেটা ভাগ করতে হবে, বেনামী (আইডি ক্ষেত্রগুলি সরান), সমষ্টি (ব্যক্তির পরিবর্তে গড়/গণনা) এবং প্রাতিষ্ঠানিক সরঞ্জামগুলি বেছে নিন, একটি ডেটা প্রক্রিয়াকরণ চুক্তি আছে এবং শিক্ষায় আপনার ডেটা ব্যবহার করবেন না।

তিনটি মিনি কেস

কেস 1 - নিরাপদ এবং দক্ষ ব্যবহার। একজন গবেষক প্রথমে ম্যানুয়ালি 40,000 সারি পরিবারের বাজেট ডেটা পরিষ্কার করতে 6 ঘন্টা ব্যয় করেছেন। মোটেও ডেটা ভাগ না করেই, তিনি কেবল AI-তে পরিবর্তনশীল নাম এবং কাঠামো বর্ণনা করেছেন এবং একটি ক্লিনিং কোড চেয়েছেন। এআই একটি আর স্ক্রিপ্ট তৈরি করেছে; গবেষক তার নিজের পরিবেশে কোডটি চালান, প্রতিটি ধাপের লাইনের সংখ্যা এবং সারাংশের পরিসংখ্যান পরীক্ষা করেন এবং দুটি যুক্তিগত ত্রুটি ঠিক করেন। সময়কাল: 6 ঘন্টার পরিবর্তে 70 মিনিট। ডেটা কখনই আউট হয়নি; দায়িত্ব থেকে গেল গবেষকের।

কেস 2 - যাচাইকৃত নম্বর ফাঁদ। "জিডিপি বৃদ্ধি এবং সরাসরি বিদেশী বিনিয়োগের মধ্যে স্থিতিস্থাপকতা কী," একজন স্নাতক ছাত্র এআইকে জিজ্ঞাসা করেছিল। AI আত্মবিশ্বাসের সাথে "প্রায় 0.34" নম্বর দিয়েছে যদিও এটির কোনও ডেটা অ্যাক্সেস ছিল না। ছাত্রটি সাহিত্যের সারাংশে এটি লিখেছিল; তার উপদেষ্টা উৎস সম্পর্কে জিজ্ঞাসা করলে দেখা গেল যে সংখ্যাটির কোন ভিত্তি নেই এবং এটি সম্পূর্ণ বানোয়াট। ভুল: AI এর কাছে ডেটা এবং সংস্থান না দিয়ে কংক্রিট পরিসংখ্যান আশা করা।

কেস 3 - গোপনীয়তা এবং চুক্তি লঙ্ঘন। একজন বিশ্লেষক এক্সেল আপলোড করেছেন, যা তিনি একটি লাইসেন্সপ্রাপ্ত কোম্পানির প্যানেল থেকে পেয়েছেন, যার মধ্যে কোম্পানির নাম এবং টার্নওভার রয়েছে, একটি সর্বজনীনভাবে উপলব্ধ এআই টুলে এবং বলেছেন "প্যানেল রিগ্রেশন করুন।" তথ্য প্রদানকারীর চুক্তি তৃতীয় পক্ষের সিস্টেমে ডেটা স্থানান্তর নিষিদ্ধ করেছে; ঘটনাটি একটি কমপ্লায়েন্স রিভিউকে উদ্বুদ্ধ করেছে। সঠিক উপায় হল কোম্পানির নামগুলি বেনামী কোড দিয়ে প্রতিস্থাপন করা বা কোনও ডেটা ভাগ না করা এবং শুধুমাত্র প্যানেল রিগ্রেশন কোডের জন্য অনুরোধ করা এবং এটিকে নিজস্ব পরিবেশে চালানো।

দুর্বল প্রম্পট / শক্তিশালী প্রম্পট

দুর্বল প্রম্পট:

মুদ্রাস্ফীতি এবং বেকারত্বের মধ্যে সম্পর্ক বিশ্লেষণ করুন এবং সহগটি বলুন।

এই দাবিটি ভুল: এআই-কে কোনও ডেটা দেওয়া হয়নি, কোন দেশ, কোন সময়কাল, কোন মডেল তা পরিষ্কার নয়। AI শুধুমাত্র একটি তৈরি সহগ দিয়ে উত্তর দিতে পারে।

শক্তিশালী প্রম্পট:

আপনার ভূমিকা: আপনি একজন বিশ্লেষণ সহকারী যিনি অর্থনীতির গবেষককে সহায়তা করছেন। আমি আপনার সাথে ডেটা শেয়ার করি না; আমি শুধু RUNNABLE R কোড চাই। আমার বার্ষিক প্যানেল আছে: ভেরিয়েবল দেশ, বছর, বেকারত্ব, মুদ্রাস্ফীতি (সমস্ত সংখ্যাসূচক)। টাস্ক: 1) বেকারত্বের জন্য একটি নির্দিষ্ট প্রভাব প্যানেল রিগ্রেশন কোড লিখুন ~ মুদ্রাস্ফীতি (plm প্যাকেজ), 2) কোডের প্রতিটি ধাপ একটি মন্তব্য লাইনের সাথে ব্যাখ্যা করুন, 3) মনে রাখবেন যে সহগটিকে সম্পর্কযুক্ত হিসাবে ব্যাখ্যা করা উচিত, CAUSAL নয়, 4) ফাংশন যুক্তি তৈরি করুন যে সম্পর্কে আপনি নিশ্চিত নন; আমি আমার নিজের পরিবেশে ফলাফল চালাব এবং যাচাই করব।

এই অনুরোধে, কোনও ডেটা ভাগ করা হয় না, ভূমিকা, প্যাকেজ, মন্তব্যের প্রত্যাশা এবং "বানোয়াট" নিষেধ স্পষ্ট। আপনি এখনও চালান এবং নিজেই আউটপুট যাচাই করুন।

নিম্নলিখিত সারণী এই পাঠের এক-বাক্যের নিয়মগুলিকে সংক্ষিপ্ত করে:

নীতি

এর মানে কি

এআই একজন সহকারী

বৈজ্ঞানিক সিদ্ধান্ত এবং দায়িত্ব বিশেষজ্ঞের অন্তর্গত

কোড অনুরোধ, ফলাফল উত্পাদন

AI নম্বরটি মনে রাখে না; আপনি এটি চালান এবং গণনা করুন

তথ্য রাখা

মাইক্রো/লাইসেন্সযুক্ত ডেটা নিরাপদ পরিবেশ ছেড়ে যায় না

যাচাই

প্রতিটি সমস্যা, কোড, মন্তব্য চেক করা হয়; বানোয়াট প্রত্যাখ্যান করা হয়

সাধারণ ভুল

• ডেটা না দিয়ে AI থেকে কংক্রিট পরিসংখ্যান আশা করা। মডেল ডেটা অ্যাক্সেস করতে পারে না; এটি যে সহগ, পারস্পরিক সম্পর্ক এবং পি-মান দেয় তা জাল। সর্বদা কোডের জন্য অনুরোধ করুন এবং ফলাফল নিজেই তৈরি করুন।
• হ্যালুসিনেটরি ফাংশনের উপর নির্ভর করা। AI একটি R/Python ফাংশন বা যুক্তির পরামর্শ দিতে পারে যা বিদ্যমান নেই। চালানো এবং যাচাই না করে কোড গ্রহণ করবেন না।
• পাবলিক টুলে মাইক্রোডেটা আপলোড করা হচ্ছে। এটি KVKK/GDPR এবং ডেটা ব্যবহারের চুক্তির লঙ্ঘন। ডেটা বেনামী করুন বা এটি শেয়ার করবেন না।
• নির্ভুলতার জন্য সাবলীলতা ভুল। একটি ভাল লিখিত পর্যালোচনা ভুল হতে পারে. বাক্যের সৌন্দর্য প্রমাণ নয়।
• নিয়ন্ত্রণ ছাড়াই কার্যকারণ ভাষা গ্রহণ করা। YZ প্রায়ই বলে "X বাড়ায় Y"; যেখানে বেশিরভাগ রিগ্রেশন শুধুমাত্র সম্পর্ক দেখায়। নকশা সহ কার্যকারণ দাবি রক্ষা করুন।

টিপ: AI এর সাথে কাজ করার সময়, নিজেকে এই প্রশ্নটি করুন: "যদি একজন রেফারি বা অডিটর এই আউটপুটটির জন্য জিজ্ঞাসা করেন, আমি কি উত্স এবং অ্যাকাউন্ট দেখাতে পারি?" যদি উত্তর না হয়, আউটপুট এখনও ব্যবহারের জন্য প্রস্তুত নয়।

সংক্ষেপে

AI অর্থনীতি ও পরিসংখ্যান কর্মপ্রবাহের এক্সিকিউশন লেয়ারে (কোড, ক্লিনআপ, গ্রাফ, ড্রাফ্ট) একটি বাস্তব এবং ব্যাপক ত্বরণ প্রদান করে; যাইহোক, মডেল নির্বাচন, কার্যকারণ, ব্যাখ্যা, প্রকাশনা এবং নীতিগত সিদ্ধান্ত বিশেষজ্ঞের অন্তর্গত। তিনটি মৌলিক শৃঙ্খলা: AI কে নম্বরটি মনে করিয়ে দেবেন না, কোডটি জিজ্ঞাসা করুন এবং ফলাফলটি নিজেই তৈরি করুন এবং যাচাই করুন; নিরাপদ পরিবেশ থেকে মাইক্রো/লাইসেন্সযুক্ত ডেটা অপসারণ করবেন না; পরিসংখ্যান ফিল্টার প্রতিটি আউটপুট. একটি অযাচাই করা এআই আউটপুট একটি অ-পর্যালোচিত অনুসন্ধানের মতোই ঝুঁকিপূর্ণ।

আবেদন টাস্ক

আপনার নিজের (বা একটি উদাহরণ) ডেটা সেট বিবেচনা করুন। AI কে R বা Python কোডের জন্য জিজ্ঞাসা করুন যা ডেটা ভাগ না করেই কেবল পরিবর্তনশীল কাঠামো বর্ণনা করে বর্ণনামূলক পরিসংখ্যান এবং একটি সাধারণ গ্রাফ তৈরি করে। আপনার নিজের পরিবেশে ইনকামিং কোড চালান। তারপরে একটি চেকলিস্ট রাখুন: (1) কোন ত্রুটি ছাড়াই কোডটি চালানো হয়েছে, (2) আপনার প্রত্যাশিত লাইন/পর্যবেক্ষণের সংখ্যা, (3) AI এর মন্তব্য বাক্যগুলির মধ্যে কোনটি কার্যকারণ ভাষা ব্যবহার করে এবং এটি ঠিক করা উচিত। একটি অনুচ্ছেদে, AI আপনাকে যে সময় বাঁচিয়েছে এবং অন্তত একটি বাগ আপনি ধরেছেন সে সম্পর্কে লিখুন৷

চেকলিস্ট

• [ ] আমি এআইকে সুনির্দিষ্ট পরিসংখ্যানের জন্য অনুরোধ করিনি; আমি কোড অনুরোধ করেছি এবং ফলাফল নিজেই তৈরি করেছি।
• [ ] আমি আমার নিজের পরিবেশে দেওয়া প্রতিটি নম্বর এবং পরীক্ষার ফলাফল পুনরায় গণনা করেছি।
• [ ] আমি যাচাই করেছি যে এটি ব্যবহার করে ফাংশন/আর্গুমেন্ট আসলে বিদ্যমান।
• [] আমি একটি পাবলিক টুলে মাইক্রো/ব্যক্তিগত/লাইসেন্সযুক্ত ডেটা আপলোড করিনি।
• [ ] আমি কার্যকারণ ভাষা সম্বলিত মন্তব্যগুলি চিহ্নিত করেছি এবং সেগুলিকে রিলেশনাল ল্যাঙ্গুয়েজে নিয়ে এসেছি৷
• [ ] আমি একজন নিরীক্ষকের কাছে আউটপুটের উত্স এবং অ্যাকাউন্টিং দেখাতে সক্ষম।