זרימת עבודה מקצה לקצה, פרטיות/KVKK, אתיקה ובקרת איכות

רווחים:

• יכולת להפעיל בבטחה את מסע הלקוח מקצה לקצה עם המחזור של "AI מייצר → אנושי מאמת → אנושי מאשר"
• יכולת להגן על נתוני לקוחות במסגרת KVKK/סודיות ולשזור ארבעה עקרונות אתיים בכל שלב
• יכולת לקחת אחריות סופית על ידי בדיקה עצמית של הפלט שלהם עם חמש שאלות מפתח (חשבון, מקור, אלרגן, אנונימיות, אישור)

בעשר היחידות הקודמות ראינו כיצד להשתמש ב-AI במשימות בודדות של תזונה ודיאטה: צריכה, חישוב, מסד נתונים, תוכנית, מתכון, אלרגיה, מעקב, חינוך, ראיות. יחידה אחרונה זו מפגישה את הכל ומראה לך כיצד להפעיל בינה מלאכותית מקצה לקצה, בצורה בטוחה ואתית בתרגול היומיומי שלך כדיאטנית. כי לא מספיק לעשות כל משימה בצורה טובה; לאן הולכים הנתונים, מי מחליט מה, איפה אתה עוצר ומקבל אישור אנושי - כל זה אמור ליצור מערכת עקבית. יחידה זו גם מבהירה את שלושת הקווים האדומים המחברים את המודול כולו: פרטיות (KVKK), אתיקה והסכמה אנושית אולטימטיבית.

מסע לקוח מקצה לקצה

הטבלה הבאה מסכמת את המסע של לקוח מביקור אצל דיאטנית למעקב, היכן בינה מלאכותית נכנסת לפעולה והיכן אישור אנושי חיוני:

במה

העבודה של AI

נקודת אישור אנושית

1. הכנה לקבלת פנים

מדריך ראיונות, עריכת פתק

הדיאטנית עורכת את הראיון

2. הערכה

טיוטת חשבון אנרגיה/מאקרו

דיאטנית עושה חישוב מחדש

3. מסד נתונים

חישוב עם נתוני מקור

הדיאטנית מאשרת את הערכים

4. תכנן

מתאר אפשרויות הארוחה

דיאטנית מאזנת ומאשרת

5. מתכון

שונות, עידון

אימות תזונתי וטעם

6. אבטחה

בדיקה מוקדמת של אלרגנים

הדיאטנית מאשרת מילה במילה

7. מעקב

סיכום מגמה, מתווה מסר

פרשנות קלינית ויחסים בבני אדם

8. חינוך

מתווה תוכן

ביקורת מדעית/אתית

9. ראיות

סיכום, שאילתה קריטית

המקור מאומת על ידי דיאטנית

ראה את התבנית הנפוצה בתרשים זה: בינה מלאכותית מייצרת תוכנית או שלב מקדים בכל שלב; יש נקודת אישור אנושית בכל שלב. המערכת מבוססת על המחזור של "AI מייצר → אנושי מאמת → אנושי מאשר". אם המעגל הזה נשבר, אתה צובר מהירות אבל מאבד אבטחה ואחריות.

פרטיות ו-KVKK: הגנה על נתונים

נתוני הלקוח (זהות, היסטוריה בריאותית, ניתוח, תרופות, מדידה) הם "נתונים אישיים בקטגוריה מיוחדת" בהיקף של KVKK בטורקיה ו-GDPR באירופה וראויים להגנה הגבוהה ביותר. עקרונות שיש לפעול לפיהם בעבודה עם כלי בינה מלאכותית:

1. אנונימי: הסר נתונים מזהים כגון שם, מזהה TR, איש קשר, מוסד, תאריך לידה. "נקבה בת 43, סוכרת מסוג 2" מספיקה.
2. מינימום נתונים: שתף את הנתונים המינימליים הנדרשים למשימה; לא יותר.
3. בחר כלי בטוח: בחר בכלים ארגוניים עם חוזה עיבוד נתונים שבהם הנתונים אינם משמשים בהכשרת מודלים.
4. הסכמה מפורשת: ליידע את הלקוח על אופן עיבוד הנתונים שלו וקבל את הסכמתו.
5. הקלטה ושמירה: שליטה היכן מאוחסנים נתונים ולמי יש גישה אליהם; מחק נתונים מיותרים.

שימו לב: העלאת קובץ PDF לניתוח או קובץ לקוח לכלי AI מבלי להפוך אותו לאנונימי "למען המהירות" עלולה לגרום להפרת KVKK שקשה לתקן בלחיצה אחת. מהירות אף פעם לא גוברת על הפרטיות. אם יש לך ספק, אל תשתף.

מסגרת אתית: ארבעה עקרונות

ארבעת העקרונות הקלאסיים של אתיקה בריאותית חלים גם על תרגול תזונתי: תועלת (עבודה לרווחת הלקוח), אי-רשעות (במיוחד בהחלטות קריטיות לבטיחות), אוטונומיה (כבוד להחלטת הלקוח עצמו, הסכמה מדעת) וצדק (שירות כולל שרגיש להבדלים במשאבים, בתקציב ובתרבות). השימוש ב-AI לא אמור להתנגש עם העקרונות הללו: פלט לא מאומת עלול לגרום לנזק (הפרה של אי-רשעות), עיבוד נתונים מבלי ליידע את הלקוח מפר את האוטונומיה, הפקת תוכניות על פי תרבות אחת מערערת את הצדק. האתיקה אינה רובד שנוסף בהמשך, אלא דיסציפלינה השזורה בכל צעד.

בקרת איכות: בדיקת העבודה שלך

בדוק באופן קבוע את השימוש שלך ב-AI תוך כדי עבודה מקצה לקצה. בדיקה עצמית פשוטה: עבור כל תדפיס של לקוח, "האם אימתתי את המספר הזה? האם בדקתי את האלרגן הזה? האם הוכחתי את הטענה הזו? האם עשיתי אנונימיות לנתונים האלה? האם אישרתי את התוכנית הזו?" אם אינך יכול לענות "כן" לחמש השאלות הללו, הפלט עדיין לא מוכן.

שלושה מיני תיקים

מקרה 1 - החוליה החלשה בשרשרת. דיאטנית מגדירה במהירות את שרשרת תוכנית ה-Intake Account עם AI אך מדלגת על שלב הבטיחות (אימות אלרגנים); כי הוא מניח "אם השלבים הקודמים היו טובים, גם זה טוב". עם זאת, ללקוח הייתה אלרגיה לשומשום ורוטב בתוכנית הכיל שומשום. אם חוליה אחת בשרשרת נשברת, השרשרת כולה אינה בטוחה. לקח: נקודת האישור של כל שלב היא עצמאית; אחד לא מחליף את השני.

מקרה 2 - שרשרת הפרת פרטיות. לצורך יעילות, מרפאה מנסה לטעון את כל קבצי הלקוח לפי שם לתוך כלי בינה מלאכותית ולייצר תוכנית המונית. מביקורת עולה כי מדובר בהפרת KVKK והנתונים יצאו מהמוסד. המרפאה עוצרת את התהליך ועוברת לזרימה אנונימית ומכווצת. לקח: יעילות אינה מתרצת פלישה לפרטיות; הגדר את המערכת כמוגנת פרטיות מאפס.

מקרה 3 - זרימה נכונה מקצה לקצה. עבור לקוח חדש, דיאטנית: (1) מייצרת מדריך ראיונות עם נתונים אנונימיים, (2) בעלת טיוטה של ​​AI ומאמת ידנית את החישוב, (3) מאכילה ערכים תזונתיים מ-USDA, (4) משיגה ומאזנת תוכנית אופציות, (5) בדיקות לאלרגנים על בסיס אחד לאחד, (6) מספקת חינוך מותאם אישית לשימוש הלקוח - (7 שבועות) מעקב אחר מגמה אישית ללקוח. הוא מחיל את נקודת האישור בכל שלב, שומר את הנתונים אנונימיים ומאשר את התוכנית עצמה. תוצאה: חוסך ~40% זמן עם AI, מבלי להתפשר על בטיחות ואחריות. לקח: מהירות ואבטחה מתחברים כאשר המערכת מוגדרת כהלכה.

תבניות הנחיות הניתנות להעתקה

תבנית מסגרת עבודה מקצה לקצה תפקידך: עוזר הכנת טיוטת לדיאטנית. שים לב "דרוש אישור דיאטנית" בסוף כל תדפיס ורשום אילו נקודות יש לאמת מילה במילה (חשבון, אלרגן, מקור). לקוח (אלמוני): [...]. קווסט: [שלב]. אל תוסיף נתונים מורכבים; סמן היכן אתה לא בטוח.

תבניות בדיקה מוקדמת של פרטיות סרוק את הטקסט הבא לצורך פרטיות לפני מתן אותו לכלי בינה מלאכותית: האם הוא מכיל נתונים מזהים כגון שם, תעודת זהות, איש קשר, מוסד, תאריך לידה, מזהה ניתוח? אם כן, סמן אותו והצע גרסה אנונימית. טקסט: [...]

תבנית ביקורת עצמית איכותית החל רשימת בדיקה עבור התדפיס הבא של הלקוח וסמן כל פריט כמתקיים/חסר: (1) האם החשבון מאומת, (2) הוא הערך התזונתי מהמקור, (3) האם הוא נבדק לאלרגנים, (4) האם הנתונים אנונימיים, (5) האם יש אישור דיאטנית, (6) היא מאומתת. ציין השמטות כלשהן. פלט: [...]

תבנית ביקורת אתית האם התוכנית/התוכן הבא מהווה בעיה מבחינת ארבעת העקרונות האתיים: תועלת, אי-רשע, אוטונומיה (הסכמה/מידע), צדק (תקציב/הכלה תרבותית)? הערך בקצרה כל מדיניות והצע שיפורים. תוכן: [...]

הנחיה חלשה / הנחיה חזקה

הנחיה חלשה:

הוספתי את הניתוח והתיק של גב' Ayşe, תוכנית מלאה תצא.

נתונים בעלי שם, "תוכנית מלאה" בשלב אחד, ללא נקודות אישור: סיכון גם להפרת KVKK וגם פלט לא מאומת ולא בטוח.

הנחיה עוצמתית:

תפקידך: עוזר גיוס; האישור שייך לדיאטנית. לקוח (אנונימי): אישה בת 41, סוכרת מסוג 2, [ערכים מספריים רלוונטיים, שם/זהות ללא]. משימה: טיוטת תוכנית ארוחות, עם אפשרויות. פקודות מאקרו משוערות לכל ארוחה והערת "חייב לאמת". אלרגן: שומשום (לא להוסיף). בסיום רשום אילו נקודות יש לבדוק באופן אישי על ידי הדיאטנית. הוספת נתונים מותאמים.

ההנחיה השנייה הופכת את הנתונים לאנונימית, חותמת את הפלט, מכילה את אילוץ האבטחה ונקודות הבידוק; גם הסודיות וגם האיכות מוגנים.

טעויות נפוצות

• דילוג על חוליה בשרשרת: דילוג על שלב האבטחה/אישור כי השלב הקודם היה טוב.
• הקרבת פרטיות למען יעילות: העלאת קבצים בכמות גדולה - הפרה חמורה של KVKK.
• מצפה ל"תוכנית מלאה" של ירי אחד: הסתמכות על פלט קופסה שחורה שמדלגת על נקודות ביקורת.
• לחשוב על אתיקה לאחר מכן: לזכור את האתיקה בסוף במקום לשזור אותם בכל צעד.
• עקיפת בדיקה עצמית: שימוש בפלט מבלי לבדוק אותו מול חמש השאלות הבסיסיות (חשבון/אלרגן/מקור/אנונימי/אישור).
• שכחת הסכמה: אי יידוע הלקוח על אופן עיבוד הנתונים שלו.

לסיכום

בינה מלאכותית יכולה להאיץ את התרגול של תזונה ודיאטה מקצה לקצה; אבל זה יהיה בטוח רק אם המחזור של "AI מייצר → אנושי מאמת → אנושי מאשר" יישמר בכל שלב. הפוך תמיד את נתוני הלקוח לאנונימי, אל תקריב KVKK וסודיות למען המהירות, שזר את ארבעת עקרונות האתיקה בכל שלב, ובדוק את התפוקות שלך עם חמש שאלות בסיסיות. כל חוליה בשרשרת היא נקודת אישור עצמאית; כשאחד מהם נשבר, המערכת אינה בטוחה. זכרו: בינה מלאכותית מחזקת את המקצוע שלכם, אבל לא מחליפה אותו. האבחון, החלטת הטיפול ואישור התוכנית הסופי - המדע, האתיקה והחתימה - שייכים לדיאטנית. AI הוא העוזר המהיר שלך; אתה המומחה האחראי.

משימת יישום

הגדר זרימת לקוח מינימלית מההתחלה ועד הסוף: בחר פרופיל אנונימי, הפקה ברצף (1) מדריך ראיונות, (2) מתווה חשבון + אימות, (3) ארוחה עם נתוני מקור, (4) בדיקת אלרגנים, (5) דף הדרכה. רשום איזה מחסום אנושי החלת בכל שלב. לאחר מכן החל את "תבנית הביקורת העצמית האיכותית" על כל הזרימה, מצא ותקן פערים. לבסוף, הפעל את "בדיקת הפרטיות המוקדמת" כדי לאשר שהנתונים שלך אנונימיים באמת.

רשימת בדיקה

• [ ] יישמתי את מחזור "AI יוצר → אימות → אימות" בכל שלב.
• [ ] עשיתי נתוני לקוחות אנונימיים ושיתפתי נתונים מינימליים.
• [ ] השתמשתי בכספת/רכב בחוזה; קיבלתי הסכמה.
• [ ] שמתי על ארבעה עקרונות אתיים (תועלת, אי-רשע, אוטונומיה, צדק).
• [ ] בדקתי את הפלט בעצמי עם חמש שאלות מפתח.
• [ ] כדיאטנית, נתתי את האישור הסופי; אני אחראי.

מבחן מודול

1. דיאטנית מעבירה את יעד הקלוריות היומי המחושב על ידי בינה מלאכותית לתכנית הלקוח מבלי לבדוק זאת. מהי הטעות הבסיסית בגישה זו?

• א) לא ניתן להשתמש בפלט של בינה מלאכותית ללא אימות; יש לחשב מחדש את טיוטת החשבון ולאישור על ידי הדיאטנית ✔
• ב) אינטליגנציה מלאכותית תמיד ממעיטה בספירת הקלוריות
• ג) במקום חישוב קלוריות יש לעשות רק חישוב מאקרו.
• ד) התוכנית הייתה צריכה להימסר ללקוח על נייר במקום בדואר אלקטרוני.

הסבר: בעוד שבינה מלאכותית יכולה לעשות חישוב נכון, היא יכולה גם לקחת הנחה כמו מקדם הפעילות בצורה שגויה ולהפיק תוצאות שגויות באותה ביטחון. דיאטה היא תחום קריטי לבטיחות; כל חשבון חייב להיות מאומת מחדש על ידי דיאטנית, והאישור הסופי חייב להיות שייך לאדם.

2. מהי ההתנהגות הטובה ביותר מבחינת פרטיות (KVKK) בעת העברת נתוני לקוח לכלי בינה מלאכותית?

• א) יש להעלות את שמו המלא של הלקוח ואת קובץ ה-PDF של הניתוח כפי שהוא לצורך מהירות.
• ב) יש לשתף רק מידע קליני הכרחי על ידי הסרת מידע אישי מזהה ואנונימיזציה של הנתונים ✔
• ג) אם הנתונים מוצפנים, ניתן לשלוח גם מידע על שם
• ד) ניתן לשתף את כל הקובץ מבלי לשאול את הלקוח כי המטרה טובה

הסבר: נתוני בריאות הלקוח הם נתונים אישיים מיוחדים. יש להסיר מידע מזהה כגון שם, מזהה TR ופרטי קשר ולהפוך את הנתונים לאנונימיים; יש לשתף את הנתונים המינימליים הנדרשים למשימה. העלאת הקובץ הגולמי לפי שם היא הפרה חמורה.

3. בינה מלאכותית נותנת '220 גרם פחמימות, 150 גרם חלבון, 90 גרם שומן' ליעד של 2000 קק"ל. מהו האימות הראשון שעל הדיאטנית לבצע?

• א) קבלת ערכים כפי שהם, כי בינה מלאכותית היא נטולת שגיאות בחשבון
• ב) מספיק לשלוט רק בכמות החלבון
• ג) הכפל מאקרו גרמים אחורה ב-4/4/9 כדי לבדוק אם הסכום הכולל מגיע לקלוריות היעד ✔
• ד) הגדלת יעד הקלוריות ל-2290 על סמך פקודות מאקרו

הסבר: מאקרו מוכפל בחזרה ב-4/4/9: 220x4 + 150x4 + 90x9 = 880 + 600 + 810 = 2290 קק"ל. עולה על היעד הכולל ב-290 קק"ל; הערכים אינם עקביים. הכפל אחורי הוא הדרך הפשוטה והחזקה ביותר לתפוס שגיאות מאקרו בינה מלאכותית.

4. מהי הנקודה החלשה והמסוכנת ביותר של בינה מלאכותית בנתוני ערכים תזונתיים?

• א) בינה מלאכותית תמיד נותנת ערכים תזונתיים ביחידות מטריות
• ב) בינה מלאכותית יודעת רק את ערכי הירקות
• ג) בינה מלאכותית איטית כי היא נותנת ערכים תזונתיים עם יותר מדי עשרונים.
• ד) בינה מלאכותית יכולה להתאים ערכים תזונתיים תוך הפקתם מהזיכרון שלה; אז יש לקחת ערכים ממסד נתונים מוכר ✔

הסבר: מודל השפה אינו זוכר מספרים, הוא מייצר אותם באופן הסתברותי; לכן, זה עלול לתת את ערך החלבון/קלוריות של מזון שוטף אך לא נכון (הזיה). מסיבה זו, ערכים תזונתיים צריכים להילקח ממאגרי מידע ידועים, ובינה מלאכותית צריכה לעבוד רק עם הנתונים האלה.

5. בתוכנית ארוחות, הבינה המלאכותית שמרה על הקלוריות והמאקרו בדיוק, אבל כל היום מורכב מלחם לבן, פסטה ועוף. מה חסר פה?

• א) למרות שהוא מכיל מאקרו, האיזון של סיבים, ירקות ומיקרו-נוטריינטים אינו מושג; התוכנית אינה מספקת מבחינת הגיוון התזונתי ✔
• ב) יעד קלוריות מוגדר גבוה מדי
• ג) יש בעיה כי כמות החלבון גבוהה
• ד) מספר הארוחות צריך להיות יותר משלוש

הסבר: העובדה שהמאקרו פוגע ביעד לא מעידה על כך שהתוכנית בריאה. יש לספק גם סיבים, ירקות ומאזן מיקרו-נוטריינטים (ויטמינים, מינרלים). שיקול הדעת הזה שייך לדיאטנית; דיוק מאקרו לבדו אינו מספיק.

6. ללקוח שאלרגי לאגוזי לוז, בינה מלאכותית מציעה תחליף כמו 'השתמש בחמאת שקדים'. מדוע עלולה הדיאטנית לראות בהמלצה זו כלא בטוחה?

• א) משחת שקדים יקרה יותר ממשחת אגוזי לוז
• ב) שקדים עשויים להיות באותה קבוצת אלרגיה לאגוזים כמו אגוזי לוז; החלפה עשויה להיות מסוכנת כי היא נופלת לאותה קבוצה ✔
• ג) משחת שקדים הרבה יותר גבוהה בקלוריות
• ד) ממרח שקדים אינו מתאים למטבח הטורקי.

הסבר: אגוזי לוז ושקדים נמצאים באותה קבוצת אלרגיות 'אגוזי עץ'. אלרגיה מנוהלת על בסיס קבוצתי, לא על מזון אחד; אם המחליף נופל לאותה קבוצה, זה מסוכן. הדיאטנית מכירה את קבוצת האלרגיה ומוודאת בדיוק את ההחלפה.

7. מהי הגישה הנכונה לשימוש בירוקים עשירים בוויטמין K עבור לקוח הנוטל וורפרין (מדלל דם)?

• א) יש לאסור בהחלט את כל המזונות בעלי העלים הירוקים
• ב) יש לאפשר צריכת ויטמין K ואין לקחת אותה בחשבון כלל
• ג) יש לשמור על צריכת ויטמין K עקבית ולחלוק את המצב עם הרופא ✔
• ד) עלים ירוקים יש לאכול רק בארוחת הערב

הסבר: עבור אלה המשתמשים בוורפרין, המטרה היא לא לאסור לחלוטין את ויטמין K, אלא לשמור על צריכתם עקבית; תנודות גדולות פוגעות בהשפעת התרופה. אילוץ מסוג 'שמור על עקביות' הוא תחכום קליני שחסר בבינה מלאכותית ומשותף עם הרופא.

8. כיצד ניתן לבצע את הפרשנות הנכונה כאשר לקוח מבחין ב'עלייה' של 1 ק"ג בשבוע?

• א) יש לכתוב את התוכנית מיד מאפס עם דל קלוריות
• ב) יש לגרום ללקוח להפסיק את השקילה.
• ג) עלייה של שבוע נחשבת לעלייה סופית במשקל.
• ד) יש להסתכל על מגמות רב שבועות, לא מדידה אחת; יש להעריך קלינית תנודות קצרות טווח (כגון החזקת מים) ✔

הסבר: מדידה בודדת מטעה; גורמים כמו אגירת מים, מחזור וסת וצריכת מלח יוצרים תנודות לטווח קצר. מה שמשמעותי הוא הטרנד הרב-שבועי. פרשנות קלינית זו נעשית על ידי הדיאטנית; AI מארגן רק נתונים.

9. בינה מלאכותית מייצרת את המשפט 'תה ירוק שורף שומן ומאיץ את חילוף החומרים' במערכון של מדיה חברתית. מהי האחריות האתית של דיאטנית?

• א) ביסוס הטענה המוגזמת על ראיות, תרגום שלהן לשפה מדודה והוספת אזהרת מידע כללית ✔
• ב) פרסום הטענה כפי שהיא כי היא מושכת תשומת לב
• ג) חזקו עוד את המשפט והוסיפו 'מונע סרטן'
• ד) אי פרסום התוכן כלל, כי דיבור על תה ירוק אסור

תיאור: בינה מלאכותית נוטה לטעון טענות מוגזמות ומוכחות בצורה גרועה. על הדיאטנית למתן טענות אלו לפי רמת הראיות, להסיר את לשון הוודאות והנס ולהוסיף את הסייג 'זה מידע כללי'. כנות בתביעות בריאות היא חובה אתית.

10. דיאטנית מבקשת מבינה מלאכותית '3 מחקרים המוכיחים את היתרונות של צום לסירוגין' לצורך המצגת. מה הסיכון העיקרי של בקשה זו?

• א) בינה מלאכותית נותנת יותר מדי עבודה ומעייפה את הדיאטנית
• ב) בינה מלאכותית יכולה להמציא מחקרים, מחברים וכתבי עת שאינם קיימים; לא ניתן להשתמש במקורות ללא אימות מהמקור הראשי ✔
• ג) לימודי בינה מלאכותית ניתנים באנגלית בלבד
• ד) שלושה מחקרים תמיד לא מספיקים להצגה

הסבר: מודלים של שפה יכולים להמציא יצירות, מחברים וכתבי עת שאינם קיימים בפועל (הזיה מקור). בינה מלאכותית אינה מנוע חיפוש ספרותי. הדרך הנכונה: מצא מקורות אמיתיים מ-PubMed/Cochrane וסכם אותם על ידי AI; כל הפניה מאומתת מהמקור הראשי.

11. מדוע לא נכון להסיק ש'ארוחת בוקר גורמת לך לרדת במשקל' ממחקר תצפיתי שמראה ש'אלה שאוכלים ארוחת בוקר רזים יותר'?

• א) המחקר עדיין לא תקף כי הוא חדש מדי.
• ב) ארוחת בוקר בעצם גורמת לך לעלות במשקל, לימוד לא בסדר
• ג) מחקר תצפיתי מראה רק קורלציה; אינו מוכיח קשר סיבתי, ייתכן שהקשר נובע מגורמים אחרים ✔
• ד) זה פסול כי המדגם מורכב מנשים בלבד

הסבר: מחקר תצפיתי מראה מתאם (התרחשות יחד), לא סיבתיות (אחד גורם לשני). אלה שאוכלים ארוחת בוקר יכולים בדרך כלל לחיות בצורה פעילה וקבועה יותר; ייתכן שהקשר נובע מגורמים אחרים. בלבול מתאם עם סיבתיות הוא שגיאת קריאת ראיות נפוצה.

12. בתזכורת התזונתית של 24 שעות, הלקוח אומר '2 חופנים אגוזים ביום'. ה-AI מניח שהוא '60 גרם'. מהי הגישה הנכונה?

• א) ההנחה של בינה מלאכותית של 60 גרם נחשבת בטוחה
• ב) אגוזים מוסרים לחלוטין מהתוכנית
• ג) 100 גרם נלקח כערך ממוצע
• ד) מנה אינה הנחה של בינה מלאכותית, היא מובהרת על ידי שאילתה של הלקוח או מדידתה בסולם ✔

הסבר: הערכות המנות משתנות מאוד מאדם לאדם; חופן יכול להיות 30 גרם או 90 גרם. ההנחה של ה-AI היא טווח התחלה, לא מדידה. יש להבהיר את החלק בפועל על ידי פנייה ללקוח או באמצעות משקל מטבח.

13. מאגרי מידע תזונתיים בדרך כלל נותנים ערכים ל-100 גרם גולמי. לאיזו שגיאה זה יכול לגרום?

• א) החלת הערך הגולמי על החלק המבושל (או להיפך) עלולה להציג שגיאות קלוריות/מאקרו חמורות; יש להבהיר את יחידת המידה ✔
• ב) ערכי גלם תמיד נמוכים מערכי בישול, אין בעיה
• ג) לא תהיה בעיה מכיוון שמאגרי המידע מחזירים רק ערכים מבושלים.
• ד) ההבדל הגולמי/מבושל נראה רק בבשר, לא בדגנים.

תיאור: במהלך הבישול, מזון סופג מים ומשנה את משקלו; 100 גרם של אורז גולמי גדל ל-~250-300 גרם בבישול. החלת הערך הגולמי על הכמות המבושלת (או להיפך) תגרום לשגיאות קלוריות חמורות. תמיד יש להבהיר האם הערך בו נעשה שימוש הוא נא או מבושל.

14. כיצד מתאר עקרון המפתח המודגש לאורך המודול את תפקידה של בינה מלאכותית בדיאטה?

• א) בינה מלאכותית יכולה לקבל החלטות בעצמה, ולהחליף דיאטנים מנוסים
• ב) בינה מלאכותית היא עוזר ומחולל טיוטה; האבחון, החלטת הטיפול והאישור הסופי שייכים לדיאטנית/רופא ✔
• ג) בינה מלאכותית משמשת רק לעיצוב חזותי, לא לחישובים
• ד) פלט בינה מלאכותית בטוח גם ללא אימות מכיוון שהוא מבוסס על מקורות מדעיים

תיאור: בינה מלאכותית מזרזת עבודה חוזרת כעוזר ומחולל טיוטות, אך מכיוון שהיא עובדת בתחום קריטי לבטיחות, האבחון, ההחלטה על הטיפול התזונתי ואישור התוכנית הסופי שייכים למומחה המוסמך (דיאטנית ובמידת הצורך גם רופא). פלט לא מאומת הוא טיוטה לא חתומה.