Dobici:
- Sposobnost prepoznavanja halucinacijskih oblika u fizici (lažna konstanta, lažni zakon, jedinična pogreška, pogrešan rezultat, lažna atribucija) i njihovo hvatanje odgovarajućom metodom.
- Sposobnost zaštite neobjavljenih, povjerljivih i osobnih podataka anonimizacijom i minimizacijom ne unoseći ih u neovlaštene alate
- Biti u stanju razumjeti da je krajnja odgovornost na ljudima tako što će podatke prijaviti pošteno, bez uljepšavanja i transparentno dokumentirati korištenje umjetne inteligencije.
Tijekom ovog modula pokrivali smo istu disciplinu u svakoj jedinici: umjetna inteligencija (AI) ubrzava, ljudi provjeravaju. U ovoj završnoj jedinici okupljamo cijelu ovu praksu verifikacije pod kišobranom znanstvenog integriteta, najtemeljnije vrijednosti fizičke znanosti. Fizika je težnja za stvaranjem provjerljivog znanja o prirodi; U središtu ovog nastojanja su integritet, ponovljivost i odgovornost. AI se može koristiti za jačanje ovih vrijednosti - ali kada se koristi na pogrešan način, prijeti im svima. U ovoj cjelini raspravljat ćemo o fizičkim oblicima halucinacija, odgovornosti za podatke i privatnost, etičkim granicama i zašto krajnja odgovornost uvijek ostaje na ljudima.
Oblici halucinacija u fizici
Halucinacija—AI-jeva samouvjerena proizvodnja lažnih informacija—poprima jedinstvene i opasne oblike u fizici. Prepoznavanje ovih je prvi korak za hvatanje:
vrsta halucinacije
primjer
Metoda hvatanja
Uklapanje fiksnih/podataka
Neodgovarajuća gustoća materijala
Potvrda s pouzdanom referencom
Lažna formula/zakon
Nepostojeće ime "principa".
Udžbenik/SymPy izvođenje
Greška jedinice/narudžbe
pogrešno zamijenivši eV za J
Dimenzijska analiza, kontrola jedinica
Netočan brojčani rezultat
Neispravan izlaz koda
Pokrenite kod
apokrifna atribucija
nepostojeći članak
Provjera s DOI
Pogrešno prijavljen rezultat
Iskrivljenje pravog članka
Pročitaj izvorni izvor
Zajednička nit je sljedeća: veliki jezični model nije dizajniran da govori istinu, već da proizvodi "tekst mogućeg izgleda". U fizici je razlika između "naizgled mogućeg" i "istinitog" upravo razlog postojanja znanosti.
Odgovornost za podatke, privatnost i intelektualno vlasništvo
Fizičari često rade s osjetljivim podacima: neobjavljenim eksperimentalnim podacima, dizajnom prije patenata, povjerljivim mjerenjima iz industrijskih kolaboracija, istraživanjima koja uključuju osobne podatke o zdravlju ili sigurnosti. Unos takvih podataka u opći AI alat mogao bi ih učiniti dostupnima trećim stranama, a možda i podatke o obuci modela—što bi značilo i kršenje povjerljivosti i gubitak znanstvenog prioriteta (pravo da se prvi otkrije). Pravilo je jasno: nemojte unositi neobjavljene, povjerljive ili osobne podatke u AI alat koji vaša organizacija nije odobrila. Ako ćete unijeti, anonimizirati, minimizirati (dati samo ono što je potrebno) i pročitati uvjete podataka alata.
Oprez: unos neobjavljenih mjerenja laboratorija ili povjerljivih parametara dizajna tvrtke u alat AI "za brzu analizu" može biti nepopravljiva pogreška. Jednom kada se podaci dijele, ne mogu se opozvati. Ako ste u nedoumici, nemojte unositi podatke; Prvo razjasnite politiku svoje ustanove i uvjete privatnosti alata.
Etičke granice i znanstveni integritet
Uporaba može biti tehnički moguća, pa čak i legalna, ali ipak biti neetična. Postoji nekoliko crvenih linija u fizici koje se tiču znanstvenog integriteta:
Izmišljanje ili uljepšavanje podataka. Traženje od umjetne inteligencije da "generira bodove koji bolje odgovaraju prinosu" ili "učini da grafikon izgleda uvjerljivije" je prijevara podataka. Podaci se prikazuju onakvi kakvi jesu; Outlieri se eliminiraju samo uz dokumentirani, legitimni razlog.
Transparentnost doprinosa. Ako ste koristili umjetnu inteligenciju u studiji — pisanje koda, ispravljanje jezika, analiza — pošteno je da to jasno navedete na odgovarajućem mjestu. Mnogi časopisi i institucije to zahtijevaju.
Autorstvo i odgovornost. AI nije pisac; ne može biti odgovoran za sadržaj djela. Odgovornost uvijek leži na ljudskim piscima. Pogreška koju je proizvela umjetna inteligencija ne može se braniti izjavom "vozilo je uspjelo".
Ponovljivost. Znanstveni rezultat zahtijeva da metoda (uključujući korišteni kod, parametre, upute umjetne inteligencije) bude jasno dokumentirana kako bi je drugi mogli ponoviti.
tri mini kućišta
Slučaj 1 — Curenje povjerljivih podataka. Jedan je istraživač zalijepio podatke mjerenja iz ugovora o tajnosti s tvrtkom u generički AI alat "za brzi grafikon". Kasnije je shvatio da ovaj alat može pohraniti ulazne podatke. Došlo je do kršenja ugovora i mogućeg gubitka prioriteta. Lekcija: povjerljivi podaci nikada se ne unose u neodobreni alat.
Slučaj 2 — Ispis za uljepšavanje. Jedan je student zatražio od AI-a uređivanje koje bi "podatke učinilo bližim teoriji" jer eksperimentalni podaci nisu u potpunosti odgovarali teoriji. Njegov savjetnik je to primijetio i zaustavio ga: razlika je značila ili sustavnu pogrešku u eksperimentu ili zanimljivu novu fiziku - nešto što treba istražiti, a ne skrivati. Podaci su pošteno prijavljeni i pronađena je sustavna pogreška.
Slučaj 3 — Dobivena transparentnost. Jedan je tim napisao kod za analizu podataka za rad uz pomoć umjetne inteligencije i to jasno naveo u odjeljku o metodama; podijelili su kôd i upite kao dodatne datoteke. Sudac je pregledao kod i predložio manji popravak. Transparency je uočio pogrešku prije objave i povećao vjerodostojnost studije.
Četiri predloška za kopiranje
1) Probir halucinacija:
Skenirajte sljedeće fizičke rezultate u potrazi za halucinacijama: postoje li lažne konstante, lažna imena formula/zakona, pogreške jedinica/poretka, neprovjereni numerički rezultati i nepotvrđena atribucija? Označite svaku sumnjivu stavku i navedite kako je provjeriti (referenca, kod, DOI). Izlaz: [ovdje]
2) Prethodna provjera privatnosti podataka:
Procijenite sljedeće podatke/tekst prije nego što ih unesete u AI alat: sadrži li neobjavljene, povjerljive, osobne ili ugovorom zaštićene informacije? Ako je tako, predložite kako ga mogu anonimizirati ili minimizirati. Ako niste sigurni, recite "provjeri korporativnu politiku". Sadržaj: [ovdje]
3) Nacrt izjave o transparentnosti/doprinosu:
U jednoj sam studiji koristio AI za: [kodiranje / ispravljanje jezika / analizu itd.]. Napišite kratki nacrt "Izjave o korištenju umjetne inteligencije" koja to iskreno dokumentira. Također bi trebalo navesti koje su dijelove provjerili ljudi.
4) Osiguravanje znanstvenog integriteta:
Izvršite provjeru cjelovitosti za sljedeću analizu/rezultat: podaci prijavljeni takvi kakvi jesu (bez uljepšavanja), jesu li prijavljene nesigurnosti, je li metoda dokumentirana na ponovljiv način, je li korištenje umjetne inteligencije transparentno? Navedite sve nedostatke. Sadržaj: [ovdje]
Slab upit / Jak upit
Slabo: "Uredite prinos kako bi bolje odgovarao teoriji i učinio grafikon uvjerljivijim."
Rezultat: Prijevara podataka; Izravna povreda znanstvenog integriteta, nepovratan gubitak ugleda.
Strong: "Prinos se u potpunosti ne slaže s teorijom. Pomozite mi analizirati moguće uzroke ovog odstupanja (sustavna pogreška, statistička fluktuacija, model koji nedostaje ili novi učinak); predložite kako iskreno prijaviti odstupanje bez mijenjanja podataka."
Rezultat: Pošten, istraživački i vjeran pristup znanstvenoj čestitosti; Sukob postaje prilika za otkriće.
Uobičajene greške
- Brkanje halucinacija sa samopouzdanjem. Samo zato što AI govori pouzdano nije jamstvo točnosti; Čak i najpreciznija rečenica može biti izmišljena.
- Unošenje povjerljivih podataka u vozilo bez odobrenja. Jednom podijeljeni podaci se ne mogu dohvatiti; Prioritet i povjerljivost su izgubljeni.
- Uljepšavajući podaci. Promjena podataka u "teoriju prikladnosti" jedan je od najtežih znanstvenih zločina.
- Skrivanje upotrebe AI. Transparentnost je uvjet za poštenje i obavezna je u mnogim institucijama.
- Prebacivanje odgovornosti na vozilo. "AI je to učinio" nije obrana; Konačna odgovornost uvijek leži na ljudskom biću.
Savjet: Na kraju svake studije koju pokreće AI, postavite si tri pitanja: (1) Jesu li svaka činjenica, broj i atribucija u ovom rezultatu neovisno provjereni? (2) Jesu li podaci koje sam koristio sadržavali povjerljive/osobne informacije koje ne bih trebao unijeti? (3) Jesam li dovoljno transparentno dokumentirao svoju upotrebu umjetne inteligencije i metodologiju da bi je netko drugi mogao replicirati? Ako ne možete odgovoriti jasno "da" na ova tri pitanja, studija još nije dovršena.
Ukratko
Znanstveni integritet temelj je postojanja fizike i još je važniji u doba umjetne inteligencije. Halucinacije se u fizici pojavljuju u obliku lažnih konstanti, lažnih zakona, jediničnih pogrešaka, lažnih zaključaka i lažnih referenci; svaki je uhvaćen svojom jedinstvenom metodom provjere. Povjerljivi i osobni podaci ne unose se u neovlaštene alate; podaci se nikada ne uljepšavaju; Upotreba umjetne inteligencije je transparentno dokumentirana; a krajnja odgovornost uvijek leži na čovjeku. Postoji samo jedna disciplina koju učite kroz ovaj modul: umjetna inteligencija je snažan akcelerator, ali provjera, integritet i odgovornost počivaju na ramenima kompetentnog fizičara — to jest vas. Neprovjereni rezultat umjetne inteligencije nikada nije zamjena za potvrdu fizičara.
Zadatak aplikacije
Odaberite AI izlaz (račun, analizu ili tekst) koji ste proizveli u ovom modulu. 1. zaslon za halucinacije s predloškom: postoje li lažne konstante, lažne formule, pogreške jedinica ili neprovjerene atribucije? Pomoću predloška 2 procijenite jesu li podaci koje koristite prihvatljivi za privatnost. Na kraju sastavite kratku izjavu o korištenju/transparentnosti umjetne inteligencije s predloškom 3. Zapišite u 5-6 rečenica: što je skeniranje otkrilo, koje ste korake provjere poduzeli?
popis za provjeru
- [ ] Neovisno sam provjerio svaku konstantu, formulu i rezultat u izlazu.
- [ ] Svaki citat potvrdio sam DOI/izvorom.
- [ ] Provjerio sam da nisam unio povjerljive/osobne podatke u alat bez odobrenja.
- [ ] Javio sam podatke onakve kakvi jesu, bez uljepšavanja.
- [ ] Dokumentirao sam svoju upotrebu umjetne inteligencije na transparentan i ponovljiv način.
- [ ] Prihvatio sam da je krajnja odgovornost moja; Nisam pripisao nikakvu grešku vozilu.
Modul ispit
1. Što je od sljedećeg najtočnije pozicioniranje za umjetnu inteligenciju u fizici?
- A) Umjetna inteligencija je pomoćnik koda, nacrta i uređivanja; Odgovornost za jedinicu, čin, verifikaciju i etičke odluke leži na ljudskom biću ✔
- B) Umjetna inteligencija je kalkulator i numerički rezultati koje daje uvijek su točni
- C) Umjetna inteligencija radi samo u računanju, nema nikakve veze s analizom pokusa i podučavanjem
- D) Budući da je umjetna inteligencija nepristranija od ljudi, odluke o jedinicama i rezultatima trebaju biti prepuštene njoj.
Opis: Umjetna inteligencija; To je pomoćnik koji piše kod, proizvodi nacrte, kreira i organizira okvire za derivaciju. Međutim, krajnja odgovornost za jediničnu i redoslijednu provjeru rezultata, osiguravanje zakona očuvanja, konstantne i referentne potvrde pripada nadležnom fizičaru. Veliki jezični model nije kalkulator ili fizički stroj; je generator teksta koji proizvodi 'sljedeću najvjerojatnije riječ' i njegov neprovjereni izlaz može dovesti do netočne vrijednosti, dizajna ili rezultata.
2. Koja je najtočnija aproksimacija numeričkog rezultata računskog koda koji ispisujete u veliki jezični model?
- A) Vjerujući broju model kaže 'ovaj kod daje to', jer je on napisao kod
- B) Pokrenite sami kod i pogledajte izlaz; ✔ ne oslanjanje na verbalno numeričko predviđanje modela
- C) Prihvaćanje koda kao ispravnog samo gledanjem kako se čita, bez njegovog pokretanja uopće
- D) Ako se rezultat ponovno izravno zatraži od modela i kaže isti broj, smatra se točnim.
Objašnjenje: LLM može 'izračunati' izlaz koda koji je napisao u svojoj glavi i vratiti pogrešan broj; dok kada se isti kod pokrene daje točan rezultat. Ono što je determinističko je kod koji se izvršava; To nije verbalno predviđanje modela. Stoga, kod uvijek treba izvoditi u vlastitom okruženju i izlaz bi trebao biti vidljiv.
3. Koji je najmoćniji način testiranja odražava li simulacija dinamičkog sustava bez trenja točno fiziku?
- A) Pazeći da grafikon izgleda vizualno uredno i uvjerljivo
- B) Izvođenje simulacije sa samo jednim vremenskim korakom i vjerovanje rezultatu
- C) Praćenje količine koju je potrebno očuvati, kao što je ukupna energija ili zamah, i provjera ostaje li konstantna ✔
- D) Procjena simulacije prema tome koliko brzo radi
Objašnjenje: U sustavu bez trenja ukupna energija (i zamah, ako postoji) mora biti očuvan. Praćenje ove veličine tijekom simulacije i provjera ostaje li konstantna otkriva numeričke nedostatke (npr. primitivna Eulerova metoda stalno povećava energiju). Ako energija pluta, simulacija je nepouzdana; Samo zato što daje lijepu grafiku ne znači da je točna.
4. Što je od sljedećeg ispravan pristup pri prilagođavanju modela eksperimentalnim podacima?
- A) Odabir polinoma višeg stupnja koji najbolje odgovara podacima jer prolazi kroz sve točke
- B) Davanje parametara kao jednog broja bez dvosmislenosti
- C) Proglašavanje kvalitete pristajanja jednostavnim gledanjem na to kako lijepo izgleda krivulja.
- D) Odabir modela iz fizike, izvješćivanje o parametrima s njihovim nesigurnostima i procjena usklađenosti s rezidualama ✔
Objašnjenje: Model treba odabrati prema fizikalnom zakonu kojem se događaj mora pokoravati, a ne gledanjem podataka i pitajući se 'koji od njih najbolje odgovara'. S dovoljno slobodnih parametara (npr. polinom visokog stupnja) može se napraviti "savršena", ali fizički besmislena prilagodba (overfit) za bilo koji podatak. Parametre treba navesti s njihovom nesigurnošću, kvalitetu prilagodbe treba ocijeniti s ostacima, a fizičku vjerodostojnost treba provjeriti.
5. Koju vrstu nesigurnosti smanjuje višestruko ponavljanje mjerenja?
- A) Slučajna nesigurnost; sustavna nesigurnost ne smanjuje se ponavljanjem, uzrok se mora pronaći i ispraviti ✔
- B) Sustavna nesigurnost; jer eliminira grešku rekalibracije
- C) Potpuno eliminira obje dvosmislenosti
- D) Ne smanjuje nijednu od njih; nesigurnost je neovisna o broju mjerenja
Objašnjenje: Ponovljeno mjerenje smanjuje slučajnu nesigurnost (sa standardnom pogreškom srednje vrijednosti std/√N) koja proizlazi iz slučajne distribucije rezultata. Sustavna nesigurnost je, pak, pogreška koja uvijek odstupa u istom smjeru (primjerice, netočno baždarena vaga) i ne smanjuje se ponavljanjem; Međutim, uzrok se može pronaći i ispraviti. Izvještavanje o 'vrlo maloj' nesigurnosti s višestrukim mjerenjima može sakriti temeljnu sustavnu pogrešku.
6. Koji je najpouzdaniji neovisni način za provjeru formule širenja pogreške izvedene AI-jem?
- A) Oslanjajući se na formulu da izgleda fluidno i uvjerljivo
- B) Unakrsna provjera s Monte Carlo izračunom koji nasumično uzorkuje ulaze s njihovom nesigurnošću ✔
- C) Ponovno traženje iste formule od umjetne inteligencije i očekujući da će dati isti rezultat
- D) Izravno prikupljanje nesigurnosti i njihova usporedba s rezultatom
Objašnjenje: AI često miješa koeficijente parcijalnih derivacija i strukturu kvadratnog korijena u formulama za širenje pogreške. Snažan način da se to postigne neovisno je Monte Carlo unakrsna provjera: nasumično uzorkovanje svakog ulaza s njegovom nesigurnošću, izračunavanje funkcije tisućama puta i usporedba standardne devijacije izlaza s nesigurnošću zadanom formulom. Susret dviju neovisnih metoda povećava povjerenje.
7. Koja je ispravna podjela rada između AI i SymPy u dugoj derivaciji simboličke fizike?
- A) SymPy generira ideju derivacije, AI precizno provjerava svaki korak
- B) Oboje je nepotrebno; duge derivacije moraju se izvoditi samo ručno
- C) AI gradi okvir za izvođenje, SymPy precizno provjerava svaki algebarski korak ✔
- D) Umjetna inteligencija izvodi derivaciju sama, nema potrebe za provjerom jer izgleda tečno
Objašnjenje: AI osmišljava strategiju derivacije i objašnjava put, ali u dugoj algebri pravi pogreške u predznaku, izbjegnute termine i netočna pojednostavljenja. SymPy, s druge strane, radi po pravilima i precizno provjerava svaki algebarski korak. Najsnažniji tijek rada kombinira to dvoje: nabavite kostur iz umjetne inteligencije, izvorite svaki korak pomoću SymPyja, testirajte rezultat s inverzom derivacije-integrala i graničnim slučajem.
8. Što dimenzijska analiza govori o točnosti fizikalne formule?
- A) Dimenzijska analiza uvijek definitivno dokazuje da je formula točna
- B) Dimenzijska analiza nema praktičnu vrijednost u fizici
- C) Dimenzionalna analiza daje samo konstantni faktor formule, a ne njenu dosljednost
- D) Formula koja ne vrijedi dimenzijski je apsolutno pogrešna; dimenzionalna analiza otkriva pogrešku bez brojanja brojeva ✔
Objašnjenje: Dvije strane fizičke jednadžbe moraju biti dimenzionalno jednake prije nego što mogu biti numerički jednake. Formula koja ne vrijedi dimenzijski jednostavno je pogrešna; ovo je uhvaćeno iz izračuna brojanja. Dimenzijska analiza ne dokazuje uvjerljivo da je formula točna (može propustiti bezdimenzionalni konstantni faktor ili kut), ali uvjerljivo dokazuje da je netočna; pa je to prva i najjeftinija revizija svakog računa.
9. Koji je najkritičniji prvi korak pri izračunavanju kinetičke energije objekta koji putuje brzinom od 36 km/h?
- A) Pretvaranje svih inputa u jedinstveni sustav jedinica (SI); Pretvaranje 36 km/h u 10 m/s ✔
- B) Stavljanje brzine u km/h izravno u formulu bez pretvaranja u m/s
- C) Množenje samo brojeva bez uzimanja u obzir jedinica
- D) Pod pretpostavkom da nema potrebe provjeravati poredak nakon izračuna rezultata
Objašnjenje: formule temeljene na SI (E = ½mv²) očekuju brzinu u m/s. Brkanje km/h s m ili sati sa sekundama u izračunu jedna je od najčešćih pogrešaka u fizici. Najprije se svi ulazni podaci moraju pretvoriti u jedinstveni sustav jedinica (SI): 36 km/h = 10 m/s. Budući da umjetna inteligencija može napraviti tihe pogreške u pretvorbi složenih jedinica, ova se pretvorba mora provjeriti ručno ili pomoću alata koji prepoznaje jedinice.
10. Koja je praksa ispravna u smislu 'poštenja' u znanstvenom grafikonu?
- A) Skrivanje neizvjesnosti jer trake grešaka zatrpavaju grafikon
- B) Označite osi jedinicama, odaberite mjerilo bez izobličenja i prikažite nesigurnost s trakama pogrešaka ✔
- C) Uvijek započnite y-os u rasponu koji će pokazati najdramatičniju razliku
- D) Ostavljanje osi bez jedinica jer čitatelj može pogoditi jedinicu
Opis: Iskrena znanstvena karta; označava osi s veličinom i jedinicom, odabire mjerilo svjesno i bez izobličenja (počinjanje osi y od nule zbog pretjerivanja dovodi u zabludu) i čini mjernu nesigurnost vidljivom s stupcima pogrešaka. Skrivanje neizvjesnosti čini da se podaci čine sigurnima i stvara lažan dojam pristranosti ili slaganja. Što je grafika uvjerljivija, to je provjera integriteta važnija.
11. Koji je najveći rizik i ispravna disciplina pri dobivanju literature i citirane podrške od umjetne inteligencije?
- A) Umjetna inteligencija gubi vrijeme jer vrlo sporo stvara citate
- B) Izvori koje predlaže umjetna inteligencija uvijek su stvarni, nema potrebe za provjerom
- C) Umjetna inteligencija može proizvesti atribucije koje se čine stvarnima, ali ne postoje; Svaki citat mora biti verificiran s DOI/izvorom, a literatura se mora pronaći iz stvarne baze podataka ✔
- D) Izmišljeni citati se lako prepoznaju jer uvijek koriste nestvarna imena časopisa
Objašnjenje: Veliki jezični model nije povezan sa stvarnom bazom podataka; Oponašanjem obrazaca citiranja može proizvesti članke koji nose pravo ime časopisa, vjerodostojne autore i razumnu godinu, ali koji uopće ne postoje. Stoga literaturu treba pronaći u pravim bazama podataka, AI treba koristiti samo za sažimanje/prevođenje stvarnog teksta koji je pri ruci, a svaki citat treba neovisno verificirati DOI-jem ili naslovom. Neovjereni citat predstavlja povredu akademske čestitosti.
12. Što je potrebno za dobivanje pouzdanih rezultata kada umjetna inteligencija sažima članak?
- A) Dovoljno je dati samo naslov članka, model poznaje sadržaj
- B) Izravno korištenje sažetka bez ikakve provjere, jer izgleda fluidno
- C) Tražiti od modela dva puta isti sažetak i prihvatiti ga kao točnog ako je sličan.
- D) Davanje izvornog teksta modelu i usporedba proizvedenog sažetka s izvornim tekstom kako bi se provjerilo da ništa nije dodano/iskrivljeno ✔
Objašnjenje: jednostavno davanje AI-ju naslova članka i traženje sažetka uzrokovat će model da dođe do 'uvjerljivog sažetka' bez da je uopće vidio članak; Ovaj sažetak može biti suprotan od istine. Pouzdan sažetak može se dobiti samo kada se izvorni tekst unese u model i generirani sažetak usporedi s izvornim tekstom. Dodatno, treba provjeriti da se u sažetku ne dodaju rezultati ili brojke kojih nema u tekstu.
13. Što vrijedi za izlaz umjetne inteligencije u proizvodnji materijala za tečajeve fizike?
- A) Svako rješenje treba biti neovisno provjereno, granice analogija trebaju biti specificirane, a distraktori trebaju ciljati na stvarne zablude ✔
- B) Ključ odgovora koji proizvodi umjetna inteligencija uvijek je točan, nema potrebe za revizijom
- C) Analogije su savršene u svim slučajevima, nema potrebe navoditi njihove granice.
- D) Distraktore treba birati potpuno slučajno, jer je priroda pogrešnog izbora nevažna.
Opis: AI je brz u generiranju pitanja, primjera i analogija, ali provjera je bitna u tri točke: rješenje svakog problema mora se provjeriti neovisno (ručno ili pomoću koda), jer model može napraviti pogreške predznaka/jedinice u rješenju; Svaka analogija mora biti navedena gdje se kvari, inače će dovesti do nove pogreške; Distraktori bi trebali ciljati na istinske zablude. Odgovornost je na učitelju; Ključ netočnog odgovora ostavlja učenike s nesporazumima koje je teško ispraviti.
14. Koje je ponašanje u skladu sa znanstvenim integritetom kada se eksperimentalni podaci u potpunosti ne slažu s teorijom?
- A) Neka umjetna inteligencija organizira podatke kako bi odgovarali teoriji i uvjerljivo prikazala grafikon
- B) Istraživanje razloga odstupanja (sustavna pogreška, nedostatak modela, novi učinak) i pošteno izvješćivanje bez mijenjanja podataka ✔
- C) Ignoriranje neslaganja i izvještavanje samo o točkama koje odgovaraju
- D) Brisanje podataka i uklapanje novog rezultata eksperimenta
Objašnjenje: tražiti od umjetne inteligencije da 'složi podatke kako bi bolje odgovarali teoriji' je prijevara podataka i grubo kršenje znanstvenog integriteta. Neslaganje je nešto što treba istražiti, a ne skrivati: ono može ukazivati na sustavnu pogrešku, statističku fluktuaciju, nedostatak uzorka ili zanimljiv novi učinak. Podaci se prikazuju takvi kakvi jesu, s nesigurnošću; Konačna odgovornost leži na osobi i 'alat je to učinio' nije obrana.