گردش کار پایان به انتها، حریم خصوصی/KVKK، اخلاق و کنترل کیفیت — هوش مصنوعی در تغذیه و رژیم غذایی

سود:

امکان اجرای ایمن سفر مشتری از انتها به انتها با چرخه "هوش مصنوعی تولید می کند → انسان تایید می کند → انسان تایید می کند"
توانایی محافظت از داده های مشتری در محدوده KVKK / محرمانه بودن و در هم تنیدن چهار اصل اخلاقی در هر مرحله
توانایی بر عهده گرفتن مسئولیت نهایی با بررسی خود خروجی آنها با پنج سوال کلیدی (حساب، منبع، آلرژن، ناشناس بودن، تایید)

در ده بخش قبلی نحوه استفاده از هوش مصنوعی را در وظایف فردی تغذیه و رژیم غذایی مشاهده کردیم: مصرف، محاسبه، پایگاه داده، برنامه، دستور غذا، آلرژی، ردیابی، آموزش، شواهد. این بخش نهایی همه اینها را گرد هم می‌آورد و به شما نشان می‌دهد که چگونه در تمرین روزانه خود به‌عنوان یک متخصص تغذیه، هوش مصنوعی را به‌صورت سرتاسر، ایمن و اخلاقی کار کنید. زیرا انجام هر کار به خوبی کافی نیست. داده‌ها کجا می‌روند، چه کسی تصمیم می‌گیرد چه چیزی را می‌گیرد، کجا متوقف می‌شوید و تأیید انسانی را دریافت می‌کنید - همه اینها باید یک سیستم سازگار ایجاد کند. این واحد همچنین سه خط قرمز را که کل ماژول را به هم متصل می کند، روشن می کند: حریم خصوصی (KVKK)، اخلاق و رضایت نهایی انسانی.

یک سفر مشتری سرتاسر

جدول زیر خلاصه ای از سفر مشتری از مراجعه به متخصص تغذیه تا پیگیری است، جایی که هوش مصنوعی وارد عمل می شود و تأیید انسانی ضروری است:

مرحله

کار هوش مصنوعی

نقطه تایید انسان

1. آمادگی برای پذیرایی

راهنمای مصاحبه، ویرایش یادداشت

متخصص تغذیه مصاحبه را انجام می دهد

2. ارزشیابی

پیش نویس حساب انرژی/کلان

متخصص تغذیه دوباره محاسبه می کند

3. پایگاه داده

محاسبه با داده های منبع

متخصص تغذیه ارزش ها را تایید می کند

4. برنامه ریزی کنید

طرح کلی گزینه های غذایی

متخصص تغذیه تعادل و تایید می کند

5. دستور غذا

تنوع، پالایش

تایید تغذیه و طعم

6. امنیت

پیش غربالگری آلرژن

متخصص تغذیه کلمه به کلمه تایید می کند

7. ردیابی

خلاصه روند، طرح کلی پیام

تفسیر بالینی و رابطه در انسان

8. آموزش و پرورش

طرح کلی محتوا

ممیزی علمی/اخلاقی

9. شواهد

خلاصه، پرسش انتقادی

منبع توسط متخصص تغذیه تایید شده است

الگوی رایج را در این نمودار ببینید: هوش مصنوعی در هر مرحله یک طرح اولیه یا مرحله مقدماتی ایجاد می کند. در هر مرحله یک نقطه تایید انسانی وجود دارد. این سیستم بر اساس چرخه "هوش مصنوعی تولید می کند → انسان تایید می کند → انسان تایید می کند" است. اگر این چرخه شکسته شود، سرعت می گیرید اما امنیت و مسئولیت پذیری را از دست می دهید.

حریم خصوصی و KVKK: حفاظت از داده ها

داده‌های مشتری (هویت، تاریخچه سلامت، تجزیه و تحلیل، دارو، اندازه‌گیری) «داده‌های شخصی دسته‌بندی خاص» در محدوده KVKK در ترکیه و GDPR در اروپا است و مستحق بالاترین محافظت است. اصولی که هنگام کار با ابزارهای هوش مصنوعی باید رعایت شود:

ناشناس: اطلاعات شناسایی مانند نام، شناسه TR، تماس، موسسه، تاریخ تولد را حذف کنید. «زن 43 ساله دیابت نوع 2» کافی است.
حداقل داده: حداقل داده های مورد نیاز برای کار را به اشتراک بگذارید. نه بیشتر
ابزار ایمن را انتخاب کنید: ابزارهای شرکتی با قرارداد پردازش داده را انتخاب کنید که در آن داده ها در آموزش مدل استفاده نمی شوند.
رضایت صریح: به مشتری در مورد نحوه پردازش داده های او اطلاع دهید و رضایت او را جلب کنید.
ضبط و نگهداری: کنترل محل ذخیره داده ها و دسترسی به آن ها. داده های غیر ضروری را حذف کنید.

توجه: آپلود یک PDF تجزیه و تحلیل یا فایل مشتری در ابزار هوش مصنوعی بدون ناشناس کردن آن "برای سرعت" ممکن است منجر به نقض KVKK شود که رفع آن با یک کلیک دشوار است. سرعت هرگز بر حریم خصوصی غلبه نمی کند. اگر شک دارید، به اشتراک نگذارید.

چارچوب اخلاقی: چهار اصل

چهار اصل کلاسیک اخلاق بهداشتی در مورد عملکرد تغذیه نیز اعمال می شود: سودمندی (کار برای رفاه مشتری)، عدم سوء استفاده (به ویژه در تصمیمات حیاتی ایمنی)، استقلال (احترام به تصمیم خود مشتری، رضایت آگاهانه) و عدالت (خدمات فراگیر که به تفاوت در منابع، بودجه و فرهنگ حساس است). استفاده از هوش مصنوعی نباید با این اصول مغایرت داشته باشد: خروجی تایید نشده می‌تواند باعث آسیب شود (نقض عدم سوء استفاده)، پردازش داده‌ها بدون اطلاع مشتری استقلال را نقض می‌کند، تولید برنامه‌ها بر اساس فرهنگ واحد عدالت را تضعیف می‌کند. اخلاق لایه ای نیست که بعداً اضافه می شود، بلکه نظمی است که در هر مرحله بافته می شود.

کنترل کیفیت: بازرسی کار خود

به طور مرتب استفاده خود از هوش مصنوعی را در حین کار سرتاسر بررسی کنید. یک خودبررسی ساده: برای چاپ هر مشتری، "آیا این شماره را تأیید کردم؟ آیا این آلرژن را بررسی کردم؟ آیا این ادعا را ثابت کردم؟ آیا این داده ها را ناشناس گذاشتم؟ آیا این طرح را تایید کردم؟" اگر نمی توانید به این پنج سوال "بله" پاسخ دهید، خروجی هنوز آماده نیست.

سه کیف کوچک

مورد 1 - حلقه ضعیف در زنجیره. یک متخصص تغذیه به سرعت زنجیره مصرف-حساب-طرح را با هوش مصنوعی تنظیم می کند، اما از مرحله ایمنی (تأیید آلرژن) صرف نظر می کند. زیرا فرض می کند "اگر مراحل قبلی خوب بود، این نیز خوب است". با این حال، مشتری حساسیت به کنجد داشت و سس موجود در برنامه حاوی کنجد بود. اگر یک حلقه از زنجیره بشکند، کل زنجیره ناامن است. درس: نقطه تایید هر مرحله مستقل است. یکی جایگزین دیگری نمی شود.

مورد 2 - زنجیره نقض حریم خصوصی. برای بهره وری، یک کلینیک سعی می کند همه فایل های مشتری را با نام در یک ابزار هوش مصنوعی بارگیری کند و یک طرح انبوه تولید کند. حسابرسی نشان می دهد که این یک تخلف KVKK است و داده ها از موسسه خارج شده است. کلینیک فرآیند را متوقف می‌کند و به یک جریان ناشناس و منقبض می‌رود. درس: کارایی تهاجم به حریم خصوصی را توجیه نمی کند. سیستم را به عنوان محافظت از حریم خصوصی از ابتدا تنظیم کنید.

مورد 3 - جریان سرتاسر صحیح. برای یک مشتری جدید، یک متخصص تغذیه: (1) راهنمای مصاحبه با داده‌های ناشناس تهیه می‌کند، (2) پیش‌نویس هوش مصنوعی دارد و به صورت دستی محاسبه را تأیید می‌کند، (3) ارزش‌های غذایی را از USDA تغذیه می‌کند، (4) برنامه گزینه‌ای را به دست می‌آورد و متعادل می‌کند، (5) غربالگری برای آلرژن‌ها به صورت یک به یک، (6) برای استفاده خلاصه‌ای از روند هفتگی به مشتری ارائه می‌دهد. نقطه تایید را در هر مرحله اعمال می کند، داده ها را ناشناس نگه می دارد و خود طرح را تایید می کند. نتیجه: 40٪ در زمان با هوش مصنوعی صرفه جویی می کند، بدون اینکه ایمنی و مسئولیت پذیری به خطر بیفتد. درس: زمانی که سیستم به درستی راه اندازی شده باشد، سرعت و امنیت با هم ترکیب می شوند.

الگوهای درخواستی قابل کپی

الگوی چارچوب کاری انتها به انتها نقش شما: تهیه پیش نویس دستیار متخصص تغذیه. در پایان هر پرینت یادداشت «تأیید رژیم غذایی لازم است» را قرار دهید و فهرستی را که باید به کلمه تأیید شود (حساب، آلرژن، منبع) قرار دهید. مشتری (ناشناس): [...]. تلاش: [مرحله]. داده های ساخته شده را اضافه نکنید. جایی را که مطمئن نیستید علامت بزنید

PRIVACY PRE-CHEMPLATES قبل از دادن آن به یک ابزار هوش مصنوعی، متن زیر را برای حفظ حریم خصوصی می توانید ببینید: آیا حاوی داده های شناسایی مانند نام، شناسه، تماس، موسسه، تاریخ تولد، شناسه تجزیه و تحلیل است؟ اگر چنین است، آن را علامت بزنید و یک نسخه ناشناس پیشنهاد کنید. متن: [...]

الگوی خود حسابرسی کیفی یک چک لیست برای چاپ مشتری زیر اعمال کنید و هر مورد را به‌عنوان برآورده/مفقود علامت‌گذاری کنید: (1) حساب تأیید شده است، (2) ارزش تغذیه‌ای از منبع است، (3) آیا برای آلرژن‌ها غربالگری شده است، (4) داده‌های ناشناس است، (5) آیا تأییدیه سلامتی توسط متخصص تغذیه وجود دارد، (6) هرگونه حذفیات را مشخص کنید. خروجی: [...]

الگوی بررسی اخلاقی آیا طرح/محتوای زیر از نظر چهار اصل اخلاقی مشکل ایجاد می کند: منفعت، عدم سوء استفاده، خودمختاری (رضایت/اطلاعات)، عدالت (بودجه/شمولیت فرهنگی)؟ هر خط مشی را به طور مختصر ارزیابی کنید و بهبودهایی را پیشنهاد دهید. مطالب: [...]

اعلان ضعیف / اعلان قوی

اعلان ضعیف:

تحلیل و پرونده خانم عایشه رو اضافه کردم، طرح کاملی در میاد.

داده های نامگذاری شده، "طرح کامل" در یک مرحله، بدون امتیاز تایید: خطر نقض KVKK و خروجی تایید نشده و ناامن.

اعلان قدرتمند:

نقش شما: دستیار پیش نویس. تاییدیه متعلق به متخصص تغذیه است. مشتری (ناشناس): زن 41 ساله، دیابت نوع 2، [مقادیر عددی مرتبط، نام/هویت هیچکدام]. وظیفه: برنامه غذایی پیش نویس، با گزینه ها. ماکروهای تخمینی برای هر وعده غذایی و یادداشت «باید تأیید شود». آلرژن: کنجد (هیچ گونه اضافه نکنید). در پایان لیست کنید که چه نکاتی باید شخصاً توسط متخصص تغذیه بررسی شود. افزودن داده های متناسب

اعلان دوم داده ها را ناشناس می کند، خروجی را مخفی می کند، شامل محدودیت های امنیتی و نقاط بازرسی می شود. محرمانه بودن و کیفیت هر دو محافظت می شود.

اشتباهات رایج

رد شدن از یک پیوند در زنجیره: رد شدن از مرحله امنیتی/تأیید به دلیل اینکه مرحله قبل خوب بود.
قربانی کردن حریم خصوصی برای کارایی: آپلود انبوه فایل‌های نام‌گذاری شده - نقض جدی KVKK.
انتظار یک "طرح کامل" یکباره: تکیه بر خروجی جعبه سیاه که نقاط بازرسی را رد می کند.
فکر کردن به اخلاق بعد از آن: به جای اینکه در هر مرحله آنها را بافته کنید، اخلاق را در پایان به خاطر بسپارید.
دور زدن خودآزمایی: استفاده از خروجی بدون آزمایش آن در برابر پنج سوال اساسی (حساب/آلرژن/منبع/ناشناس/تایید).
فراموشی رضایت: عدم اطلاع مشتری از نحوه پردازش داده هایش.

به طور خلاصه

هوش مصنوعی می‌تواند تمرینات تغذیه و رژیم‌های غذایی را به طور کامل تسریع کند. اما تنها در صورتی ایمن خواهد بود که چرخه "هوش مصنوعی تولید می کند → انسان تایید می کند → انسان تایید می کند" در هر مرحله حفظ شود. همیشه داده های مشتری را ناشناس کنید، KVKK و محرمانه بودن را فدای سرعت نکنید، چهار اصل اخلاقی را در هر مرحله بگنجانید و خروجی های خود را با پنج سوال اساسی حسابرسی کنید. هر حلقه در زنجیره یک نقطه تایید مستقل است. وقتی یکی از آنها خراب می شود، سیستم ناامن است. به یاد داشته باشید: هوش مصنوعی حرفه شما را تقویت می کند، اما جایگزین آن نمی شود. تشخیص، تصمیم درمانی، و تایید طرح نهایی - علم، اخلاق، و امضا - متعلق به متخصص تغذیه است. هوش مصنوعی دستیار سریع شماست. شما کارشناس مسئول هستید.

وظیفه کاربردی

یک جریان مشتری کوچک از ابتدا تا انتها تنظیم کنید: یک نمایه ناشناس انتخاب کنید، به طور متوالی (1) راهنمای مصاحبه، (2) طرح کلی حساب + تأیید، (3) یک وعده غذایی با داده های منبع، (4) غربالگری آلرژن، (5) یک جزوه آموزشی تهیه کنید. بنویسید که در هر مرحله از کدام ایست بازرسی انسانی استفاده کرده اید. سپس «الگوی خودممیزی با کیفیت» را در کل جریان اعمال کنید، شکاف‌ها را پیدا و برطرف کنید. در نهایت، «پیش‌بررسی حریم خصوصی» را اجرا کنید تا تأیید کنید که داده‌های شما واقعاً ناشناس هستند.

چک لیست

[ ] من چرخه "AI ایجاد → تأیید → اعتبار سنجی" را در هر مرحله اعمال کردم.
[ ] من داده های مشتری را ناشناس کردم و حداقل داده ها را به اشتراک گذاشتم.
[ ] من از وسیله نقلیه ایمن/قراردادی استفاده کردم. رضایت گرفتم
[ ] من چهار اصل اخلاقی (نفع، عدم سوء استفاده، خودمختاری، عدالت) را رعایت کردم.
[ ] من خروجی را با پنج سوال کلیدی بررسی کردم.
[ ] به عنوان یک متخصص تغذیه، تایید نهایی را دادم. من مسئول هستم.

امتحان ماژول

1. یک متخصص تغذیه، کالری مورد نظر روزانه محاسبه شده توسط هوش مصنوعی را بدون بررسی به برنامه مشتری منتقل می کند. اشتباه اساسی در این رویکرد چیست؟

الف) خروجی هوش مصنوعی بدون تأیید قابل استفاده نیست. پیش نویس حساب باید مجددا محاسبه و توسط متخصص تغذیه تایید شود ✔
ب) هوش مصنوعی همیشه کالری شماری را دست کم می گیرد
ج) به جای محاسبه کالری فقط باید محاسبه کلان انجام شود.
د) طرح به جای ایمیل باید روی کاغذ به مشتری داده می شد.

توضیح: در حالی که هوش مصنوعی می تواند یک محاسبه را به درستی انجام دهد، می تواند فرضی مانند ضریب فعالیت را نیز اشتباه بگیرد و با همان اطمینان نتایج نادرستی تولید کند. رژیم غذایی یک زمینه ایمنی حیاتی است. هر حسابی باید دوباره توسط یک متخصص تغذیه تایید شود و تایید نهایی باید متعلق به انسان باشد.

2. بهترین رفتار از نظر حفظ حریم خصوصی (KVKK) هنگام انتقال داده های مشتری به ابزار هوش مصنوعی چیست؟

الف) نام کامل مشتری و PDF تجزیه و تحلیل باید همانطور که برای سرعت بارگذاری شده است.
ب) فقط اطلاعات بالینی ضروری باید با حذف اطلاعات قابل شناسایی شخصی و ناشناس کردن داده ها به اشتراک گذاشته شود.
ج) اگر داده ها رمزگذاری شده باشد، اطلاعات نام نیز می تواند ارسال شود
د) کل فایل را می توان بدون درخواست از مشتری به اشتراک گذاشت زیرا هدف خوب است

توضیح: داده های سلامت مشتری، داده های شخصی ویژه است. اطلاعات شناسایی مانند نام، شناسه TR و اطلاعات تماس باید حذف شوند و داده ها ناشناس شوند. حداقل داده های مورد نیاز برای کار باید به اشتراک گذاشته شود. آپلود فایل خام با نام یک تخلف جدی است.

3. هوش مصنوعی «220 گرم کربوهیدرات، 150 گرم پروتئین، 90 گرم چربی» را برای هدف 2000 کیلوکالری می دهد. اولین تأییدی که متخصص تغذیه باید انجام دهد چیست؟

الف) پذیرفتن مقادیر همانگونه که هستند، زیرا هوش مصنوعی در محاسبات بدون خطا است
ب) فقط کنترل مقدار پروتئین کافی است
ج) ماکرو گرم را در 4/4/9 ضرب کنید تا بررسی کنید که آیا کل به کالری مورد نظر رسیده است یا خیر.
د) افزایش هدف کالری به 2290 بر اساس ماکروها

توضیح: ماکروها در 4/4/9 ضرب شده اند: 220x4 + 150x4 + 90x9 = 880 + 600 + 810 = 2290 کیلو کالری. 290 کیلوکالری از کل هدف تجاوز می کند. ارزش ها ناسازگار هستند ضرب برگشتی ساده ترین و قدرتمندترین راه برای تشخیص خطاهای ماکرو هوش مصنوعی است.

4. ضعیف ترین و پرخطرترین نقطه هوش مصنوعی در داده های ارزش غذایی چیست؟

الف) هوش مصنوعی همیشه مقادیر تغذیه ای را بر حسب واحدهای متریک می دهد
ب) هوش مصنوعی فقط ارزش سبزیجات را می شناسد
ج) هوش مصنوعی کند است زیرا ارزش غذایی با اعشار بسیار زیاد می دهد.
د) هوش مصنوعی می‌تواند ارزش‌های غذایی را تطبیق دهد و در عین حال آن‌ها را از حافظه خود تولید کند. بنابراین مقادیر باید از یک پایگاه داده شناخته شده ✔ گرفته شوند

توضیح: مدل زبان اعداد را به خاطر نمی آورد، آنها را به صورت احتمالی تولید می کند. بنابراین، ممکن است ارزش پروتئین/کالری یک غذا را روان اما نادرست نشان دهد (توهم). به همین دلیل، ارزش های غذایی باید از پایگاه های داده شناخته شده گرفته شود و هوش مصنوعی فقط با آن داده ها کار کند.

5. در برنامه غذایی، هوش مصنوعی کالری و ماکرو را دقیقاً حفظ کرده است، اما کل روز شامل نان سفید، ماکارونی و مرغ است. اینجا چه چیزی کم است؟

الف) حتی اگر حاوی ماکروها باشد، تعادل فیبر، سبزیجات و ریزمغذی ها به دست نمی آید. این طرح از نظر تنوع غذایی نامناسب است ✔
ب) هدف کالری خیلی بالا تنظیم شده است
ج) مشکل وجود دارد زیرا مقدار پروتئین زیاد است
د) تعداد وعده های غذایی از سه وعده بیشتر باشد

توضیح: اینکه ماکرو به هدف برخورد می کند نشان دهنده سالم بودن طرح نیست. فیبر، سبزیجات و تعادل ریزمغذی ها (ویتامین ها، مواد معدنی) نیز باید تامین شود. این قضاوت تعادل متعلق به متخصص تغذیه است. دقت ماکرو به تنهایی کافی نیست.

6. برای مشتریانی که به فندق حساسیت دارند، هوش مصنوعی جایگزینی مانند 'استفاده از کره بادام' را پیشنهاد می کند. چرا ممکن است متخصص تغذیه این توصیه را ناامن بداند؟

الف) رب بادام گرانتر از رب فندق است
ب) بادام ممکن است در گروه حساسیت به آجیل درختی مانند فندق باشد. تعویض ممکن است خطرناک باشد زیرا در یک گروه قرار می گیرد ✔
ج) رب بادام کالری بسیار بیشتری دارد
د) رب بادام برای غذاهای ترکی مناسب نیست.

توضیح: فندق و بادام در همان گروه آلرژی «آجیل درختی» هستند. آلرژی به صورت گروهی مدیریت می شود، نه یک غذای واحد. اگر جایگزین در همان گروه قرار گیرد، خطرآفرین است. متخصص تغذیه گروه آلرژی را می شناسد و جایگزینی را دقیقاً تأیید می کند.

7. روش صحیح استفاده از سبزیجات برگدار غنی از ویتامین K برای مشتریانی که وارفارین (رقیق کننده خون) مصرف می کنند، چیست؟

الف) تمام غذاهای دارای برگ سبز باید اکیدا ممنوع شود
ب) مصرف ویتامین K باید مجاز باشد و به هیچ وجه نباید مورد توجه قرار گیرد
ج) مصرف ویتامین K باید ثابت نگه داشته شود و وضعیت باید با پزشک در میان گذاشته شود ✔
د) سبزی های برگ دار فقط باید در وعده شام مصرف شوند

توضیح: برای کسانی که از وارفارین استفاده می کنند، هدف این نیست که ویتامین K را به طور کامل ممنوع کنند، بلکه هدف آنها ثابت نگه داشتن مصرف ویتامین K است. نوسانات زیاد اثر دارو را مختل می کند. این محدودیت نوع «ثابت نگه داشتن» یک پیچیدگی بالینی است که در هوش مصنوعی وجود ندارد و با پزشک در میان گذاشته شده است.

8. چگونه می توان تفسیر درستی انجام داد زمانی که یک مراجعه کننده افزایش 1 کیلوگرمی را در یک هفته مشاهده می کند؟

الف) طرح باید بلافاصله از ابتدا با کالری کم نوشته شود
ب) مددجو باید مجبور به توقف وزن شود.
ج) افزایش یک هفته ای افزایش وزن قطعی محسوب می شود.
د) روندهای چند هفته ای باید مورد بررسی قرار گیرند، نه یک اندازه گیری. نوسانات کوتاه مدت (مانند احتباس آب) باید از نظر بالینی ارزیابی شود ✔

توضیح: یک اندازه گیری منفرد گمراه کننده است. عواملی مانند احتباس آب، چرخه قاعدگی و مصرف نمک، نوسانات کوتاه مدتی را ایجاد می کنند. آنچه قابل توجه است روند چند هفته ای است. این تفسیر بالینی توسط متخصص تغذیه انجام می شود. هوش مصنوعی فقط داده ها را سازماندهی می کند.

9. هوش مصنوعی در طرحی در شبکه های اجتماعی جمله «چای سبز چربی می سوزاند و متابولیسم را تسریع می کند» تولید می کند. مسئولیت اخلاقی یک متخصص تغذیه چیست؟

الف) استناد به ادعای اغراق آمیز بر اساس شواهد، ترجمه آن به زبان سنجیده و افزودن یک هشدار اطلاعات عمومی ✔
ب) انتشار ادعا به این دلیل که جلب توجه می کند
ج) جمله را بیشتر تقویت کنید و "پیشگیری از سرطان" را اضافه کنید.
د) عدم انتشار مطالب به هیچ عنوان، زیرا صحبت در مورد چای سبز ممنوع است

توضیحات: هوش مصنوعی مستعد ادعاهای اغراق آمیز و ضعیف است. متخصص تغذیه باید این ادعاها را با توجه به سطح شواهد تعدیل کند، زبان یقین و معجزه را حذف کند و اخطار "این اطلاعات کلی است" را اضافه کند. صداقت در ادعاهای سلامت یک تعهد اخلاقی است.

10. یک متخصص تغذیه از هوش مصنوعی برای ارائه "3 مطالعه که فواید روزه داری متناوب را اثبات می کند" می خواهد. ریسک اصلی این درخواست چیست؟

الف) هوش مصنوعی بیش از حد کار می کند و متخصص تغذیه را خسته می کند
ب) هوش مصنوعی می تواند مطالعات، نویسندگان و مجلاتی را که وجود ندارند اختراع کند. منابع بدون تأیید از منبع اصلی قابل استفاده نیستند ✔
ج) مطالعات هوش مصنوعی فقط به زبان انگلیسی داده می شود
د) سه مطالعه همیشه برای ارائه کافی نیست

توضیح: مدل های زبانی می توانند آثار، نویسندگان و مجلاتی را اختراع کنند که در واقع وجود ندارند (توهم منبع). هوش مصنوعی یک موتور جستجوی ادبیات نیست. راه درست: منابع واقعی را از PubMed/Cochrane بیابید و آنها را با هوش مصنوعی خلاصه کنید. هر مرجع از منبع اصلی تأیید می شود.

11. چرا نتیجه گیری اینکه "صبحانه باعث کاهش وزن شما می شود" از یک مطالعه مشاهده ای که نشان می دهد "کسانی که صبحانه می خورند لاغرتر هستند" اشتباه است؟

الف) مطالعه هنوز معتبر نیست زیرا بسیار جدید است.
ب) صبحانه در واقع باعث افزایش وزن می شود، مطالعه اشتباه است
ج) مطالعه مشاهده ای فقط همبستگی را نشان می دهد. علیت را ثابت نمی کند، ممکن است ارتباط به دلیل عوامل دیگری باشد ✔
د) باطل است زیرا نمونه فقط زنان است

توضیح: مطالعه مشاهده ای همبستگی (رویداد با هم) را نشان می دهد نه علیت (یکی باعث دیگری می شود). کسانی که صبحانه می خورند عموماً می توانند فعال تر و منظم تر زندگی کنند. این رابطه ممکن است به دلیل عوامل دیگری باشد. گیج شدن همبستگی با علیت یک اشتباه رایج در خواندن شواهد است.

12. در یادآوری تغذیه 24 ساعته، مشتری می گوید "روزی 2 مشت آجیل". هوش مصنوعی آن را '60 گرم' فرض می کند. رویکرد درست چیست؟

الف) فرض هوش مصنوعی 60 گرم مسلم تلقی می شود
ب) آجیل به طور کامل از طرح حذف می شود
ج) 100 گرم به عنوان مقدار متوسط در نظر گرفته می شود
د) سهم یک فرض هوش مصنوعی نیست، با پرسیدن از مشتری یا اندازه گیری آن با مقیاس مشخص می شود.

توضیح: تخمین سهم از فردی به فرد دیگر بسیار متفاوت است. یک مشت می تواند 30 گرم یا 90 گرم باشد. فرض هوش مصنوعی یک محدوده شروع است، نه یک اندازه گیری. بخش واقعی باید با سوال از مشتری یا استفاده از ترازو آشپزخانه مشخص شود.

13. پایگاه های اطلاعاتی تغذیه معمولاً مقادیری را در هر 100 گرم خام می دهند. این چه خطایی می تواند ایجاد کند؟

الف) اعمال مقدار خام به قسمت پخته شده (یا بالعکس) می تواند باعث ایجاد خطاهای جدی کالری/کلان شود. واحد اندازه گیری باید مشخص شود ✔
ب) مقادیر خام همیشه کمتر از مقادیر پخته است، مشکلی نیست
ج) مشکلی وجود نخواهد داشت زیرا پایگاه های داده فقط مقادیر پخته شده را برمی گرداند.
د) تفاوت خام/پخته فقط در گوشت دیده می شود نه دانه.

توضیحات: در حین پخت غذا، آب را جذب کرده و وزن خود را تغییر می دهد. 100 گرم برنج خام هنگام پخت به 250-300 گرم افزایش می یابد. اعمال مقدار خام به مقدار پخته شده (یا برعکس) منجر به خطاهای کالری جدی می شود. همیشه باید مشخص شود که ارزش استفاده شده خام یا پخته است.

14. اصل کلیدی مورد تاکید در سراسر ماژول چگونه نقش هوش مصنوعی را در رژیم غذایی توصیف می کند؟

الف) هوش مصنوعی می تواند به تنهایی تصمیم گیری کند و جایگزین متخصصان تغذیه با تجربه شود
ب) هوش مصنوعی دستیار و تولید کننده پیش نویس است. تشخیص، تصمیم درمانی و تایید نهایی متعلق به متخصص تغذیه/پزشک است ✔
ج) هوش مصنوعی فقط برای طراحی بصری استفاده می شود نه برای محاسبات
د) خروجی هوش مصنوعی حتی بدون تأیید نیز ایمن است زیرا بر اساس منابع علمی است

توضیحات: هوش مصنوعی کار تکراری را به عنوان دستیار و تولید کننده پیش نویس سرعت می بخشد، اما از آنجایی که در یک منطقه حیاتی ایمنی کار می کند، تشخیص، تصمیم درمانی تغذیه و تایید طرح نهایی متعلق به متخصص ذیصلاح (متخصص تغذیه و در صورت لزوم، پزشک) است. خروجی تایید نشده یک پیش نویس بدون امضا است.