Kasu:
- Oskus füüsikas ära tunda hallutsinatsioonivorme (võltskonstant, võltsseadus, ühikuviga, vale tulemus, võlts omistamine) ja tabada need vastava meetodiga.
- Võimalus kaitsta avaldamata, konfidentsiaalseid ja isikuandmeid anonüümseks muutmise ja minimeerimise teel, mitte sisestades neid volitamata tööriistadesse
- Suuta mõista, et ülim vastutus lasub inimestel, edastades andmed ausalt, ilma neid ilustamata ja tehisintellekti kasutamist läbipaistvalt dokumenteerides.
Kogu selle mooduli jooksul käsitlesime igas üksuses sama distsipliini: tehisintellekt (AI) kiirendab, inimesed kontrollivad. Selles viimases üksuses koondame kogu selle kontrollipraktika teadusliku terviklikkuse, füüsikateaduse kõige põhilisema väärtuse, katuse alla. Füüsika on püüdlus toota kontrollitavaid teadmisi looduse kohta; Selle ettevõtmise keskmes on terviklikkus, korratavus ja vastutus. Tehisintellekti saab kasutada nende väärtuste tugevdamiseks, kuid kui seda kasutatakse valesti, ohustab see neid kõiki. Selles üksuses käsitleme hallutsinatsioonide füüsilisi vorme, vastutust andmete ja privaatsuse eest, eetilisi piire ja seda, miks jääb ülim vastutus alati inimestele.
Hallutsinatsioonide vormid füüsikas
Hallutsinatsioonid – tehisintellekti enesekindel valeteabe tootmine – võtab füüsikas ainulaadseid ja ohtlikke vorme. Nende äratundmine on esimene samm püüdmiseks:
hallutsinatsiooni tüüp
näide
Püüdmismeetod
Fitting fikseeritud/andmed
Vale materjali tihedus
Kinnitus usaldusväärse viitega
Vale valem/seadus
Olematu "põhimõtte" nimi
Õpik/SymPy tuletus
Ühiku/tellimuse viga
ajades eV-d segi J-ga
Mõõtmete analüüs, ühiku juhtimine
Vale numbriline tulemus
Vale koodi väljund
Käivitage kood
apokrüüfiline omistamine
olematu artikkel
Kinnitamine DOI-ga
Valesti teatatud tulemus
Tõelise artikli moonutamine
Lugege algallikat
Ühine joon on järgmine: suur keelemudel on loodud mitte tõtt rääkima, vaid tootma "võimaliku välimusega teksti". Füüsikas on erinevus "näiliselt võimaliku" ja "tõelise" vahel just nimelt teaduse olemasolu põhjuseks.
Andmete, privaatsuse ja intellektuaalomandi vastutus
Füüsikud töötavad sageli tundlike andmetega: avaldamata katseandmed, patendieelsed disainilahendused, tööstusliku koostöö konfidentsiaalsed mõõtmised, uuringud, mis hõlmavad isiku tervise või ohutuse andmeid. Selliste andmete sisestamine üldisesse tehisintellekti tööriista võib muuta need kättesaadavaks kolmandatele osapooltele ja võib-olla ka mudeli koolitusandmetele – mis tähendaks nii konfidentsiaalsuse rikkumist kui ka teadusliku prioriteedi kaotust (õigus olla esimene, kes avastuse teeb). Reegel on selge: ärge sisestage tehisintellekti tööriista, mida teie organisatsioon pole heaks kiitnud, avaldamata, konfidentsiaalseid ega isikuandmeid. Kui kavatsete sisestada, muutke anonüümseks, minimeerige (andke ainult vajalik) ja lugege tööriista andmetingimusi.
Ettevaatust: labori avaldamata mõõtmiste või ettevõtte konfidentsiaalsete disainiparameetrite sisestamine tehisintellekti tööriista "kiiranalüüsiks" võib olla pöördumatu viga. Kui andmed on jagatud, ei saa neid enam tagasi kutsuda. Kui kahtlete, ärge sisestage andmeid; Tehke esmalt selgeks oma asutuse eeskirjad ja tööriista privaatsustingimused.
Eetilised piirid ja teaduslik ausus
Kasutamine võib olla tehniliselt võimalik ja isegi seaduslik, kuid siiski ebaeetiline. Füüsikas on mitu punast joont, mis puudutavad teaduslikku terviklikkust:
Andmete valmistamine või kaunistamine. Kui paluda tehisintellektil "genereerida punkte, mis sobivad paremini saagiga" või "muuta graafik veenvamaks", on andmepettus. Andmed esitatakse nii, nagu need on; Kõrvalekalded kõrvaldatakse ainult dokumenteeritud ja õigustatud põhjustel.
Panuse läbipaistvus. Kui olete kasutanud tehisintellekti uuringus – koodi kirjutamine, keeleparandus, analüüs –, on õiglane see sobivas kohas selgeks teha. Paljud ajakirjad ja asutused nõuavad seda.
Autorsus ja vastutus. AI ei ole kirjanik; ei saa vastutada teose sisu eest. Vastutus lasub alati inimkirjanikel. AI tekitatud viga ei saa kaitsta sõnadega "sõiduk tegi selle".
Reprodutseeritavus. Teadusliku tulemuse saamiseks tuleb meetod (sealhulgas kasutatud kood, parameetrid, AI-viibad) selgelt dokumenteerida, et teised saaksid seda korrata.
kolm minikarpi
Juhtum 1 – konfidentsiaalsete andmete leke. Üks teadlane kleepis mõõtmisandmed ettevõttega sõlmitud mitteavaldamise lepingust üldisesse tehisintellekti tööriista "kiire graafiku jaoks". Hiljem mõistis ta, et see tööriist suudab salvestada sisendeid. Toimunud on lepingu rikkumine ja võimalik prioriteedi kaotus. Õppetund: konfidentsiaalseid andmeid ei sisestata kunagi heakskiitmata tööriista.
Juhtum 2 – ilutrükk. Üks õpilane palus tehisintellektilt muudatust, mis "muutuks andmed teooriale lähemale", kuna katseandmed ei vastanud täielikult teooriale. Tema nõustaja märkas seda ja peatas ta: lahknevus tähendas kas süstemaatilist viga katses või huvitavat uut füüsikat – midagi, mida tuleb uurida, mitte varjata. Andmed edastati ausalt ja leiti süstemaatiline viga.
Juhtum 3 – saavutati läbipaistvus. Üks meeskond kirjutas tehisintellekti abil paberile andmeanalüüsi koodi ja märkis selle selgelt meetodite jaotises; jagas koodi ja viipasid lisafailidena. Kohtunik vaatas koodi üle ja soovitas väikest parandust. Läbipaistvus tabas vea enne avaldamist ja suurendas uuringu usaldusväärsust.
Neli kopeeritavat malli
1) Hallutsinatsioonide sõeluuring:
Kontrollige järgmist füüsikaväljundit hallutsinatsioonide suhtes: kas seal on võltskonstandid, valede valemite/seaduste nimed, ühiku-/järjekorravead, kontrollimata numbrilised tulemused ja kinnitamata omistused? Märgistage iga kahtlane üksus ja täpsustage, kuidas seda kontrollida (viide, kood, DOI). Väljund: [siin]
2) Andmete privaatsuse eelkontroll:
Enne tehisintellekti tööriista sisestamist hinnake järgmisi andmeid/teksti: kas see sisaldab avaldamata, konfidentsiaalset, isiklikku või lepinguga kaitstud teavet? Kui jah, siis soovitage, kuidas saaksin selle anonüümseks muuta või minimeerida. Kui te pole kindel, öelge "kontrollige ettevõtte poliitikat". Sisu: [siin]
3) Läbipaistvuse/panuse avalduse kavand:
Ühes uuringus kasutasin tehisintellekti: [kodeerimine / keeleparandus / analüüs jne]. Kirjutage lühike mustand "AI kasutamise avaldus", mis dokumenteerib selle ausalt. Samuti peaks see näitama, millised osad on inimeste poolt kontrollitud.
4) Teadusliku terviklikkuse tagamine:
Tehke järgmise analüüsi/tulemuse terviklikkuse kontroll: andmed esitatakse nii, nagu need on (ilutamata), kas on teatatud ebakindlusest, kas meetod on korrataval viisil dokumenteeritud, kas tehisintellekti kasutamine on läbipaistev? Loetlege kõik puudused. Sisu: [siin]
Nõrk viip / Tugev viip
Nõrk: "Muuda saagist, et see sobiks paremini teooriaga ja muudaks graafiku veenvaks."
Tulemus: andmepettus; Teadusliku terviklikkuse otsene rikkumine, maine pöördumatu kaotus.
Tugev: "Tootlus ei ühti täielikult teooriaga. Aidake mul analüüsida selle lahknevuse võimalikke põhjuseid (süstemaatiline viga, statistiline kõikumine, puuduv mudel või uus efekt); soovitage, kuidas lahknevusest ausalt, andmeid muutmata teatada."
Tulemus: aus, uuriv ja ustav lähenemine teaduslikule aususele; Konfliktist saab avastamisvõimalus.
Levinud vead
- Ajab segadusse hallutsinatsioonid enesekindlusega. See, et AI räägib enesekindlalt, ei garanteeri täpsust; Isegi kõige täpsem lause võib olla fabritseeritud.
- Konfidentsiaalsete andmete sisestamine sõidukisse ilma nõusolekuta. Pärast jagamist ei saa andmeid kätte saada; Prioriteet ja konfidentsiaalsus kaovad.
- Kaunistavad andmed. Andmete muutmine "sobivuse teooriaks" on üks raskemaid teaduskuritegusid.
- AI kasutamise peitmine. Läbipaistvus on aususe nõue ja paljudes asutustes kohustuslik.
- Vastutuse panemine sõidukile. "AI tegi seda" ei ole kaitse; Lõplik vastutus lasub alati inimesel.
Näpunäide. Iga AI-põhise uuringu lõpus küsige endalt kolm küsimust: (1) Kas selles väljundis on kõik faktid, numbrid ja omistamised sõltumatult kinnitatud? (2) Kas minu kasutatud andmed sisaldasid konfidentsiaalset/isiklikku teavet, mida ma ei peaks sisestama? (3) Kas ma olen oma tehisintellekti kasutamise ja metoodika piisavalt läbipaistvalt dokumenteerinud, et keegi teine saaks seda korrata? Kui te ei saa neile kolmele küsimusele selgelt "jah" vastata, pole uuring veel lõppenud.
Kokkuvõttes
Teaduslik terviklikkus on füüsika olemasolu alus ja veelgi olulisem AI ajastul. Hallutsinatsioonid ilmnevad füüsikas valekonstantide, valeseaduste, ühikuvigade, valede järelduste ja valeviidetena; igaüks on jäädvustatud oma ainulaadse kinnitusmeetodiga. Konfidentsiaalseid ja isikuandmeid ei sisestata volitamata tööriistadesse; andmed ei ole kunagi ilustatud; AI kasutamine on läbipaistvalt dokumenteeritud; ja lõplik vastutus lasub alati inimesel. Selle mooduli jooksul õpite ainult ühte distsipliini: AI on võimas kiirendi, kuid kontrollimine, terviklikkus ja vastutus lasub pädeva füüsiku, see tähendab teie, õlul. Kontrollimata tehisintellekti väljund ei asenda kunagi füüsiku kinnitust.
Rakenduse ülesanne
Valige selles moodulis loodud tehisintellekti väljund (konto, analüüs või tekst). 1. Hallutsinatsioonide ekraan malliga: kas on mingeid näivaid konstante, võltsvalemeid, ühikuvigu või kontrollimata atribuute? 2. malli abil hinnake, kas kasutatavad andmed on privaatsussõbralikud. Lõpuks koostage lühike tehisintellekti kasutamise/läbipaistvuse avaldus koos malliga 3. Kirjutage 5-6 lausega üles: mida skannimine näitas, milliseid kontrollitoiminguid tegite?
kontrollnimekiri
- [ ] Kontrollisin sõltumatult iga konstanti, valemit ja tulemust väljundis.
- [ ] Olen kontrollinud iga tsitaati DOI/allikaga.
- [ ] Olen kontrollinud, et ma poleks ilma nõusolekuta tööriista sisestanud konfidentsiaalseid/isiklikke andmeid.
- [ ] Esitasin andmed nii, nagu need on, ilma ilustamata.
- [ ] Olen dokumenteerinud oma tehisintellekti kasutamise läbipaistval ja reprodutseeritaval viisil.
- [ ] Ma nõustusin, et lõplik vastutus on minul; Ma ei omistanud sõidukile viga.
Mooduli eksam
1. Milline järgmistest on kõige täpsem tehisintellekti positsioneerimine füüsikas?
- A) Tehisintellekt on koodi-, mustandi- ja toimetamisassistent; Vastutus üksuse, auastme, kontrollimise ja eetiliste otsuste eest lasub inimesel ✔
- B) Tehisintellekt on kalkulaator ja selle antud numbrilised tulemused on alati täpsed
- C) Tehisintellekt töötab ainult arvutamisel, eksperimendi analüüsi ja õpetamisega pole sellel mingit pistmist
- D) Kuna tehisintellekt on inimestest erapooletum, tuleks üksuste ja tulemuste otsustamine jätta tema teha.
Kirjeldus: Tehisintellekt; See on assistent, kes kirjutab koodi, toodab mustandeid, loob ja korrastab tuletusraamistikke. Lõplik vastutus tulemuse ühiku ja järjekorra kontrollimise eest, selle tagamine säilivusseaduste, konstantse ja referentskinnitusega kuulub aga pädevale füüsikule. Suur keelemudel ei ole kalkulaator ega füüsikamootor; on tekstigeneraator, mis toodab "järgmise kõige tõenäolisema sõna" ja selle kontrollimata väljund võib põhjustada vale väärtuse, kujunduse või tulemuse.
2. Mis on suuresse keelemudelisse prinditava arvutuskoodi arvulise tulemuse kõige täpsem lähendus?
- A) Numbrit usaldades ütleb mudel "see kood annab selle", kuna ta kirjutas koodi
- B) Käivitage kood ise ja vaadake väljundit; ✔ mitte tugineda mudeli verbaalsele numbrilisele ennustusele
- C) Koodi õigeks tunnistamine lihtsalt selle lugemise järgi, ilma seda üldse käivitamata
- D) Kui tulemust küsitakse uuesti otse mudelilt ja see ütleb sama numbri, loetakse see õigeks.
Selgitus: LLM võib "arvutada" oma peas kirjutatud koodi väljundi ja tagastada vale numbri; samas kui sama koodi käivitamine annab õige tulemuse. Deterministlik on käivitatav kood; See ei ole mudeli verbaalne ennustus. Seetõttu tuleks koodi alati oma keskkonnas käivitada ja väljundit näha.
3. Kuidas on kõige võimsam testida, kas hõõrdumiseta dünaamilise süsteemi simulatsioon peegeldab täpselt füüsikat?
- A) Nähes, et diagramm näeb visuaalselt korralik ja veenev
- B) Simulatsiooni käivitamine ainult ühe ajasammuga ja tulemuse usaldamine
- C) Säilitamist vajava koguse, näiteks koguenergia või impulsi jälgimine ja kontrollimine, kas see jääb konstantseks ✔
- D) Simulatsiooni hindamine selle töökiiruse järgi
Selgitus: hõõrdumiseta süsteemis tuleb säilitada koguenergia (ja impulss, kui see on olemas). Selle suurusjärgu jälgimine kogu simulatsiooni jooksul ja selle püsimise kontrollimine näitab arvulisi vigu (nt primitiivne Euleri meetod, mis suurendab pidevalt energiat). Kui energia triivib, on simulatsioon ebausaldusväärne; See, et see loob kena graafika, ei tähenda, et see on õige.
4. Milline järgmistest on õige lähenemine mudeli sobitamisel katseandmetega?
- A) Andmetele kõige paremini sobiva kõrgema astme polünoomi valimine, kuna see läbib kõiki punkte
- B) Parameetrite esitamine ühe arvuna ilma mitmetähenduslikkuseta
- C) Sobivuse kvaliteedi deklareerimine lihtsalt vaadates, kui ilus kõver välja näeb.
- D) Mudeli valimine füüsikast, parameetrite teatamine nende määramatustega ja sobivuse hindamine jääkidega ✔
Selgitus: mudel tuleks valida füüsikaseaduse järgi, millele sündmus peab järgima, mitte andmeid vaadates ja mõtlema, milline neist kõige paremini sobib. Piisava hulga vabade parameetritega (nt kõrge astme polünoom) saab mis tahes andmetega luua "täiusliku", kuid füüsiliselt mõttetu sobivuse (overfit). Parameetrid tuleks esitada koos nende määramatusega, sobivuse kvaliteeti tuleks hinnata jääkidega ja kontrollida füüsilist usutavust.
5. Mis tüüpi mõõtemääramatust vähendab mõõtmise mitu korda kordamine?
- A) juhuslik määramatus; süstemaatiline määramatus ei vähene kordamisega, tuleb leida põhjus ja see parandada ✔
- B) Süstemaatiline määramatus; sest see välistab ümberkalibreerimise vea
- C) Kõrvaldab täielikult mõlemad ebaselgused
- D) ei vähenda ühtegi neist; mõõtemääramatus ei sõltu mõõtmiste arvust
Selgitus: Korduv mõõtmine vähendab juhuslikku määramatust (keskmise std/√N standardveaga), mis tuleneb tulemuste juhuslikust jaotusest. Süstemaatiline määramatus on seevastu viga, mis kaldub alati samas suunas (näiteks valesti kalibreeritud kaal) ja ei vähene kordusega; Põhjus on aga leitav ja parandatav. „Väga väikesest“ määramatusest teatamine mitme mõõtmise korral võib varjata süstemaatilise vea.
6. Milline on kõige usaldusväärsem sõltumatu viis AI abil tuletatud vea leviku valemi kontrollimiseks?
- A) Toetumine valemile, et see näib sujuv ja veenev
- B) Ristkontroll Monte Carlo arvutusega, mis valib sisenditest juhuslikult nende määramatusega ✔
- C) Küsida tehisintellektilt uuesti sama valemit ja eeldades, et see annab sama tulemuse
- D) Määramatuste otsene kogumine ja nende võrdlemine tulemusega
Selgitus: AI segab sageli vigade levimise valemites osalisi tuletiskoefitsiente ja ruutjuurstruktuuri. Võimas viis selle iseseisvaks saavutamiseks on Monte Carlo ristkontroll: iga sisendi juhuslik valim koos selle määramatusega, funktsiooni arvutamine tuhandeid kordi ja väljundi standardhälbe võrdlemine valemiga antud määramatusega. Kahe sõltumatu meetodi kohtumine suurendab enesekindlust.
7. Milline on õige tööjaotus AI ja SymPy vahel sümboolse füüsika pikas tuletises?
- A) SymPy genereerib tuletamise idee, AI kontrollib täpselt iga sammu
- B) mõlemad on mittevajalikud; pikki tuletusi tuleb teha ainult käsitsi
- C) AI loob tuletamise raamistiku, SymPy kontrollib täpselt iga algebralist sammu ✔
- D) Tehisintellekt teeb tuletamise ise, kontrollimist pole vaja, sest see näeb ladus välja
Selgitus: AI strateegiab tuletamist ja selgitab teed, kuid pikas algebras teeb see märgivigu, välditud termineid ja valesid lihtsustusi. SymPy seevastu töötab reeglite järgi ja kontrollib täpselt iga algebralist sammu. Kõige võimsam töövoog ühendab need kaks: hankige tehisintellektist skelett, hankige iga samm SymPy abil, testige tulemust tuletis-integraali pöördvõrde ja piirjuhtumiga.
8. Mida räägib mõõtmete analüüs füüsikalise valemi täpsusest?
- A) Mõõtmete analüüs tõestab alati lõplikult, et valem on õige
- B) Dimensioonianalüüsil pole füüsikas praktilist väärtust
- C) Mõõtmete analüüs annab ainult valemi konstantse teguri, mitte selle konsistentsi
- D) Valem, mis ei pea mõõtmeid, on absoluutselt vale; mõõtmete analüüs tabab vea ilma numbreid lugemata ✔
Selgitus: Füüsikalise võrrandi kaks külge peavad olema mõõtmetelt võrdsed, enne kui need saavad olla arvuliselt võrdsed. Valem, mis ei pea mõõtmeid, on lihtsalt vale; see võetakse loendusarvutusest. Mõõtmete analüüs ei tõesta lõplikult, et valem on õige (tal võib puududa dimensioonita konstantne tegur või nurk), kuid see tõestab lõplikult, et see on vale; seega on see iga konto esimene ja odavaim audit.
9. Mis on kõige kriitilisem esimene samm 36 km/h liikuva objekti kineetilise energia arvutamisel?
- A) kõigi sisendite teisendamine ühtseks ühikute süsteemiks (SI); 36 km/h teisendamine kiiruseks 10 m/s ✔
- B) Kiiruse lisamine km/h-s otse valemisse ilma m/s-i teisendamata
- C) Ainult arvude korrutamine ilma ühikuid arvestamata
- D) Eeldusel, et pärast tulemuse arvutamist pole tellimust vaja kontrollida
Selgitus: SI-põhised valemid (E = ½mv²) eeldavad kiirust m/s. Km/h ajamine m-ga või tundide segi ajamine sekunditega on füüsikas üks levinumaid vigu. Kõigepealt tuleb kõik sisendid teisendada ühtseks ühikute süsteemiks (SI): 36 km/h = 10 m/s. Kuna tehisintellekt võib liitühikute teisendamisel teha vaikseid vigu, tuleb seda teisendust kontrollida käsitsi või ühikuteadliku tööriistaga.
10. Milline praktika on teaduslikul graafikul aususe mõistes õige?
- A) Ebakindluse peitmine, kuna vearibad segavad diagrammi
- B) Märgistage teljed ühikutega, valige skaala ilma moonutusteta ja näidake ebakindlust vearibadega ✔
- C) Alusta y-telge alati vahemikust, mis näitab kõige dramaatilisemat erinevust
- D) Telgede jätmine ühikuteta, kuna lugeja võib ühiku ära arvata
Kirjeldus: Aus teaduslik tabel; see märgistab teljed suurusjärgu ja ühikuga, valib skaala teadlikult ja moonutusteta (y-telje alustamine nullist eemale liialdamiseks on eksitav) ja teeb mõõtemääramatuse vearibadega nähtavaks. Ebakindluse varjamine muudab andmed kindlana ja loob vale mulje erapoolikusest või kokkuleppest. Mida veenvam on graafika, seda olulisem on terviklikkuse kontroll.
11. Mis on suurim risk ja õige distsipliin tehisintellektilt kirjanduse ja tsiteeritugi hankimisel?
- A) Tehisintellekt raiskab aega, kuna toodab tsitaate väga aeglaselt
- B) Tehisintellekti pakutud allikad on alati reaalsed, kontrollimist pole vaja
- C) Tehisintellekt võib tekitada omistusi, mis näivad tõelised, kuid mida pole olemas; Iga tsitaat tuleb kontrollida DOI/allikaga ja kirjandus tuleb leida tegelikust andmebaasist ✔
- D) Väljamõeldud tsitaadid on kergesti äratuntavad, kuna need kasutavad alati ebareaalseid ajakirjanimesid
Selgitus: suur keelemudel ei ole ühendatud tegeliku andmebaasiga; Tsiteerimise mustreid jäljendades võib see koostada artikleid, mis kannavad ajakirja tegelikku nime, usaldusväärseid autoreid ja mõistlikku aastaarvu, kuid on täiesti olematud. Seetõttu tuleks kirjandust otsida tõelistest andmebaasidest, tehisintellekti tuleks kasutada ainult tegeliku teksti kokkuvõtte tegemiseks/tõlkimiseks ning iga tsitaat peaks olema sõltumatult kontrollitud DOI või pealkirjaga. Kontrollimata tsitaat on akadeemilise aususe rikkumine.
12. Mida on vaja usaldusväärsete tulemuste saamiseks, kui tehisintellekt teeb artiklist kokkuvõtte?
- A) Piisab vaid artikli pealkirja andmisest, modell teab sisu
- B) Kasutades kokkuvõtet otse ilma seda üldse kontrollimata, sest see tundub vedel
- C) Küsitakse mudelilt kaks korda sama kokkuvõtet ja aktsepteeritakse seda õigeks, kui see on sarnane.
- D) Originaalteksti andmine mudelile ja tehtud kokkuvõtte võrdlemine originaaltekstiga, et kontrollida, ega midagi pole lisatud/moonutatud ✔
Selgitus: lihtsalt tehisintellektile artikli pealkirja andmine ja kokkuvõtte küsimine paneb mudeli koostama "usutava kokkuvõtte" ilma artiklit nägemata; See kokkuvõte võib olla tõe vastand. Usaldusväärse kokkuvõtte saab ainult siis, kui originaaltekst sisestatakse mudelisse ja genereeritud kokkuvõtet võrreldakse algtekstiga. Lisaks tuleks kontrollida, et kokkuvõte ei lisaks tulemusi ega numbreid, mida tekstis pole.
13. Mis kehtib tehisintellekti väljundi kohta füüsika õppematerjalide tootmisel?
- A) Iga lahendust tuleks sõltumatult kontrollida, analoogiate piirid tuleks täpsustada ja segajad peaksid sihtima tõelisi väärarusaamu ✔
- B) Tehisintellekti poolt toodetud vastusevõti on alati õige, auditeerimist pole vaja
- C) Analoogiad on täiuslikud kõigil juhtudel, nende piire pole vaja täpsustada.
- D) Distractors tuleks valida täiesti juhuslikult, sest vale valiku olemus ei oma tähtsust.
Kirjeldus: AI genereerib kiiresti küsimusi, näiteid ja analoogiaid, kuid kontrollimine on hädavajalik kolmes punktis: iga ülesande lahendust tuleb kontrollida iseseisvalt (käsitsi või koodiga), sest mudel võib teha lahenduses märgi/ühiku vigu; Iga analoogia kohta tuleb märkida, kus see laguneb, vastasel juhul põhjustab see uue vea; Häirijad peaksid sihtima tõelisi väärarusaamu. Vastutus lasub õpetajal; Vale vastuse võti jätab õpilastele arusaamatusi, mida on raske parandada.
14. Milline käitumine on kooskõlas teadusliku aususega, kui katseandmed ei ühti täielikult teooriaga?
- A) Tehisintellekti olemasolu korraldab andmed nii, et need sobiksid teooriaga ja näitaksid graafikut veenvalt
- B) Lahknevuse põhjuste uurimine (süstemaatiline viga, mudeli puudumine, uus efekt) ja aus raporteerimine ilma andmeid muutmata ✔
- C) Eriarvamuste ignoreerimine ja ainult sobivate punktide teatamine
- D) Andmete kustutamine ja uue katsetulemuse sobitamine
Selgitus: tehisintellektil palumine „andmeid paremini teooriaga kooskõlastada” on andmepettus ja teadusliku terviklikkuse jäme rikkumine. Lahkarvamus on midagi, mida tuleb uurida, mitte varjata: see võib viidata süstemaatilisele veale, statistilisele kõikumisele, mustri puudumisele või huvitavale uuele efektile. Andmed esitatakse nii, nagu need on, ebakindlusega; Lõplik vastutus lasub inimesel ja „tööriist tegi seda” ei ole kaitse.