ದೃಢೀಕರಣ, ಭ್ರಮೆ ಮತ್ತು ವೈಜ್ಞಾನಿಕ ಸಮಗ್ರತೆ

ಲಾಭಗಳು:

• ಭ್ರಮೆಯು ಭಾಷಾ ಮಾದರಿಯಲ್ಲಿ ಅಂತರ್ಗತವಾಗಿದೆ ಎಂದು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ಪ್ರತಿ ಪ್ರಕಾರದ ಔಟ್‌ಪುಟ್‌ಗೆ ಸೂಕ್ತವಾದ ಪರಿಶೀಲನಾ ವಿಧಾನವನ್ನು ಆರಿಸಿಕೊಳ್ಳಿ.
• ನಿರ್ಣಾಯಕ ಮೌಲ್ಯಗಳನ್ನು ತ್ರಿಕೋನದೊಂದಿಗೆ ಎರಡು ಸ್ವತಂತ್ರ ವಿಧಾನಗಳಲ್ಲಿ ಪರಿಶೀಲಿಸಿ ಮತ್ತು ನಿಖರತೆಯೊಂದಿಗೆ ನಿರರ್ಗಳತೆಯನ್ನು ಗೊಂದಲಗೊಳಿಸಬೇಡಿ
• ಪಾರದರ್ಶಕತೆ, ಪತ್ತೆಹಚ್ಚುವಿಕೆ, ಡೇಟಾ ಸಮಗ್ರತೆ ಮತ್ತು ಮಾನವ ಜವಾಬ್ದಾರಿಯನ್ನು ವೈಜ್ಞಾನಿಕ ಸಮಗ್ರತೆಯ ಆಧಾರವಾಗಿ ಅನ್ವಯಿಸುವ ಸಾಮರ್ಥ್ಯ

ಈ ಮಾಡ್ಯೂಲ್‌ನಾದ್ಯಂತ ಒಂದೇ ನುಡಿಗಟ್ಟು ಮತ್ತೆ ಮತ್ತೆ ಮರಳಿದೆ: "AI ಉತ್ಪಾದಿಸುತ್ತದೆ, ಮಾನವರು ಪರಿಶೀಲಿಸುತ್ತಾರೆ." ಈ ಘಟಕದಲ್ಲಿ, ನಾವು ಆ ವಾಕ್ಯವನ್ನು ಸಿಸ್ಟಮ್ ಆಗಿ ಪರಿವರ್ತಿಸುತ್ತೇವೆ. AI ಯ ಅತ್ಯಂತ ಅಪಾಯಕಾರಿ ನಡವಳಿಕೆಯಾಗಿರುವ ಭ್ರಮೆಯನ್ನು ಗುರುತಿಸುವುದು (ಆತ್ಮವಿಶ್ವಾಸ, ಪಾರದರ್ಶಕತೆ, ಪತ್ತೆಹಚ್ಚುವಿಕೆ) ಪ್ರತಿ ಪ್ರಕಾರದ ಔಟ್‌ಪುಟ್‌ಗೆ ಕಾಂಕ್ರೀಟ್ ಪರಿಶೀಲನಾ ವಿಧಾನವನ್ನು ಸ್ಥಾಪಿಸುವುದು ಮತ್ತು ಇವೆಲ್ಲವನ್ನೂ (ಪ್ರಾಮಾಣಿಕತೆ, ಪಾರದರ್ಶಕತೆ, ಪತ್ತೆಹಚ್ಚುವಿಕೆ) ಚೌಕಟ್ಟಿನೊಳಗೆ ಇರಿಸುವುದು. ರಸಾಯನಶಾಸ್ತ್ರದಲ್ಲಿ ಪರಿಶೀಲಿಸದ AI ಔಟ್‌ಪುಟ್ ಕೇವಲ ತಪ್ಪು ಅಲ್ಲ; ಅದು ಸ್ಫೋಟಗೊಳ್ಳುವ ಪ್ರಯೋಗವಾಗಿರಬಹುದು, ಒಬ್ಬ ವ್ಯಕ್ತಿಯು ವಿಷಪೂರಿತನಾಗಿರಬಹುದು ಅಥವಾ ಕಾಗದವನ್ನು ಹಿಂತೆಗೆದುಕೊಳ್ಳಬಹುದು.

ಭ್ರಮೆ ಏಕೆ ಅನಿವಾರ್ಯ?

ದೊಡ್ಡ ಭಾಷಾ ಮಾದರಿಯು "ಮುಂದಿನ ಬಹುಪಾಲು ಪದ" ವನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ; ಇದು ಸಾಧ್ಯವಾದುದನ್ನು ಗುರಿಯಾಗಿರಿಸಿಕೊಳ್ಳುತ್ತದೆ, ಯಾವುದು ಸತ್ಯವಲ್ಲ. ಆದ್ದರಿಂದ ಅವನು ಆಣ್ವಿಕ ತೂಕ, DOI ಅಥವಾ ಕುದಿಯುವ ಬಿಂದುವನ್ನು "ಸಮಂಜಸವೆಂದು ತೋರುವ" ಮೌಲ್ಯದೊಂದಿಗೆ ತುಂಬಬಹುದು - ಅದು ನಿಜವೇ ಎಂದು ಪರಿಶೀಲಿಸದೆ. ಭ್ರಮೆಯು ಅಸಮರ್ಪಕ ಕ್ರಿಯೆಯಲ್ಲ, ಆದರೆ ಈ ತಂತ್ರಜ್ಞಾನದ ಸ್ವರೂಪದ ಪರಿಣಾಮವಾಗಿದೆ. ಪರಿಹಾರವು ಮಾದರಿಯನ್ನು "ಸರಿಪಡಿಸಲು ಪ್ರಯತ್ನಿಸುವುದು" ಅಲ್ಲ, ಆದರೆ ಪ್ರತಿ ಔಟ್‌ಪುಟ್ ಸುತ್ತಲೂ ಮೌಲ್ಯೀಕರಣ ಶೆಲ್ ಅನ್ನು ನಿರ್ಮಿಸುವುದು.

ಭ್ರಮೆಯ ಅತ್ಯಂತ ಕಪಟ ಅಂಶವೆಂದರೆ ಅದರ ಆತ್ಮವಿಶ್ವಾಸದ ಭಾಷೆ. ತಪ್ಪಾದ ಆಣ್ವಿಕ ತೂಕವನ್ನು ಸರಿಯಾದಂತೆಯೇ ಅದೇ ವಿಶ್ವಾಸದೊಂದಿಗೆ ಪ್ರಸ್ತುತಪಡಿಸಲಾಗುತ್ತದೆ. ಆದ್ದರಿಂದ "ಆತ್ಮವಿಶ್ವಾಸವಾಗಿ ಕಾಣುತ್ತದೆ" ಎಂದರೆ "ಸರಿಯಾದ" ಎಂದರ್ಥ.

ಗಮನ: ಒಂದು ವಿಷಯದ ಬಗ್ಗೆ AI ಎಷ್ಟು ನಿರರ್ಗಳವಾಗಿ ಮತ್ತು ಆತ್ಮವಿಶ್ವಾಸದಿಂದ ಮಾತನಾಡುತ್ತದೆ ಎಂಬುದು ಆ ಮಾಹಿತಿಯ ನಿಖರತೆಗೆ ಸಂಬಂಧಿಸಿಲ್ಲ. ನಿರರ್ಗಳತೆ ಮನವರಿಕೆ ಮಾಡುತ್ತದೆ; ಸ್ವತಂತ್ರ ಮೂಲ ಮಾತ್ರ ನಿಖರತೆಯನ್ನು ನಿರ್ಧರಿಸುತ್ತದೆ.

ರಸಾಯನಶಾಸ್ತ್ರದಲ್ಲಿ ಔಟ್ಪುಟ್ ಪ್ರಕಾರದ ಮೂಲಕ ಮೌಲ್ಯೀಕರಣ

ಪ್ರತಿಯೊಂದು ಔಟ್‌ಪುಟ್ ಪ್ರಕಾರವು ತನ್ನದೇ ಆದ ಪರಿಶೀಲನಾ ವಿಧಾನವನ್ನು ಹೊಂದಿದೆ. ಒಂದೇ ನಿಯಮವನ್ನು ನೆನಪಿಟ್ಟುಕೊಳ್ಳುವ ಬದಲು, ಔಟ್‌ಪುಟ್‌ಗಾಗಿ ಸೂಕ್ತವಾದ ಸಾಧನವನ್ನು ಬಳಸಿ:

ಔಟ್ಪುಟ್ ಪ್ರಕಾರ

ಪರಿಶೀಲನೆ ವಿಧಾನ

ವಾಹನ

ಆಣ್ವಿಕ ತೂಕ, ಸೂತ್ರ

ಸೂತ್ರದಿಂದ ಮರು ಲೆಕ್ಕಾಚಾರ ಮಾಡಿ

RDKit / ಹಸ್ತಚಾಲಿತವಾಗಿ

ಸ್ಮೈಲ್ಸ್/ರಚನೆ

ಪಾರ್ಸ್ + ಅಂಗೀಕೃತಗೊಳಿಸು

RDKit

ಉಲ್ಲೇಖ/DOI

ಡೇಟಾಬೇಸ್‌ನಲ್ಲಿ ಪರಿಹರಿಸಿ

doi.org, Crossref

ಭೌತಿಕ ಸ್ಥಿರಾಂಕ (kn, pKa)

ಉಲ್ಲೇಖ ಡೇಟಾಬೇಸ್

PubChem, ಕೈಪಿಡಿ

ಸಂಖ್ಯಾತ್ಮಕ ಲೆಕ್ಕಾಚಾರ

ಕೋಡ್ ಅನ್ನು ಬರೆಯಿರಿ + ರನ್ ಮಾಡಿ

ಹೆಬ್ಬಾವು

ಪ್ರತಿಕ್ರಿಯೆ / ಸ್ಥಿತಿ

ಸಾಹಿತ್ಯ ದೃಢೀಕರಣ

ರಿಯಾಕ್ಸಿಸ್, ಲೇಖನ

ಭದ್ರತಾ ಹಕ್ಕು

SDS/GHS

ಅಧಿಕೃತ SDS

ಸ್ಪೆಕ್ಟ್ರಮ್ ನಿಯೋಜನೆ

ಬಹು-ತಾಂತ್ರಿಕ + ಮಾನವ

ಪ್ರಾಯೋಗಿಕ ಸ್ಪೆಕ್ಟ್ರಮ್

ಈ ಕೋಷ್ಟಕವು ವಾಸ್ತವವಾಗಿ ಈ ಮಾಡ್ಯೂಲ್‌ನ ಸಾರಾಂಶವಾಗಿದೆ: ಪ್ರತಿ ಘಟಕವು ಒಂದು ಸಾಲು.

ತ್ರಿಕೋನ: ಮೂರು ಸ್ವತಂತ್ರ ಮಾರ್ಗಗಳು

ಅತ್ಯಂತ ಶಕ್ತಿಶಾಲಿ ಪರಿಶೀಲನಾ ತಂತ್ರವೆಂದರೆ "ತ್ರಿಕೋನ": ಮೂರು ಸ್ವತಂತ್ರ ವಿಧಾನಗಳಲ್ಲಿ ಒಂದೇ ತೀರ್ಮಾನಕ್ಕೆ ಬರುವುದು. ಉದಾಹರಣೆಗೆ, ಆಣ್ವಿಕ ತೂಕಕ್ಕೆ: (1) YZ ಏನು ಹೇಳುತ್ತದೆ, (2) RDKit ನ ಲೆಕ್ಕಾಚಾರ, (3) ಸೂತ್ರದಿಂದ ಕೈಯಿಂದ ಲೆಕ್ಕಾಚಾರ. ಮೂರು ಅತಿಕ್ರಮಿಸಿದರೆ, ನಂಬಿಕೆ ಹೆಚ್ಚು; ಯಾರಾದರೂ ದಾರಿ ತಪ್ಪಿದರೆ, ನಿಲ್ಲಿಸಿ ಮತ್ತು ತನಿಖೆ ಮಾಡಿ. ರಸಾಯನಶಾಸ್ತ್ರದಲ್ಲಿ ಒಂದೇ ಮೂಲವನ್ನು ಎಂದಿಗೂ ಅವಲಂಬಿಸಬೇಡಿ; ಕನಿಷ್ಠ ಎರಡು ಸ್ವತಂತ್ರ ಮಾರ್ಗಗಳನ್ನು ನೋಡಿ.

ಹಂತ ಹಂತವಾಗಿ: ಪರಿಶೀಲನೆ ಕೆಲಸದ ಹರಿವು

1. ಔಟ್‌ಪುಟ್ ಅನ್ನು ವರ್ಗೀಕರಿಸಿ: ಇದು ಸಂಖ್ಯೆ, ರಚನೆ, ಗುಣಲಕ್ಷಣ, ಭದ್ರತಾ ಸಮರ್ಥನೆಯೇ?
2. ಸೂಕ್ತವಾದ ಪರಿಕರವನ್ನು ಆಯ್ಕೆಮಾಡಿ: ಮೇಲಿನ ಕೋಷ್ಟಕದಿಂದ ಔಟ್‌ಪುಟ್ ಪ್ರಕಾರಕ್ಕೆ ಸೂಕ್ತವಾದ ಪರಿಶೀಲನಾ ಮಾರ್ಗವನ್ನು ಪಡೆಯಿರಿ.
3. ಸ್ವತಂತ್ರವಾಗಿ ಲೆಕ್ಕಾಚಾರ/ಹುಡುಕಿ: AI ನಿಂದ ಸ್ವತಂತ್ರವಾಗಿ ವಾಹನವನ್ನು ಚಲಾಯಿಸಿ; ಫಲಿತಾಂಶವನ್ನು ಹೋಲಿಕೆ ಮಾಡಿ.
4. ವಿಚಲನವಿದ್ದರೆ, ನಿಲ್ಲಿಸಿ: ಮೌಲ್ಯಗಳು ಹೊಂದಿಕೆಯಾಗದಿದ್ದರೆ, ಯಾವುದು ಸರಿ ಎಂದು ತನಿಖೆ ಮಾಡದೆ ಮುಂದುವರಿಯಬೇಡಿ.
5. ನಿಮ್ಮ ಗುರುತು ಬಿಡಿ: ನೀವು ಏನು ಪರಿಶೀಲಿಸಿದ್ದೀರಿ ಮತ್ತು ಹೇಗೆ ಎಂಬುದನ್ನು ರೆಕಾರ್ಡ್ ಮಾಡಿ (ವೈಜ್ಞಾನಿಕ ಸಮಗ್ರತೆ).
6. ಅನಿಶ್ಚಿತತೆಯನ್ನು ಸೂಚಿಸಿ: ಪರಿಶೀಲಿಸಲಾಗದ ಯಾವುದನ್ನಾದರೂ "ದೃಢೀಕರಿಸಲಾಗಿಲ್ಲ" ಎಂದು ಗುರುತಿಸಿ, ಅದನ್ನು ಮರೆಮಾಡಬೇಡಿ.

ನಾಲ್ಕು ನಕಲಿಸಬಹುದಾದ ಟೆಂಪ್ಲೇಟ್‌ಗಳು

1) ಸ್ವಯಂ ಪರಿಶೀಲನೆ:

ನೀವು ಈ ಕೆಳಗಿನ ಔಟ್‌ಪುಟ್ ಅನ್ನು ನೀಡಿದ್ದೀರಿ: [ಔಟ್‌ಪುಟ್]. ಕಾರ್ಯ: ಈ ಔಟ್‌ಪುಟ್‌ನ ಪ್ರತಿ ಸಂಖ್ಯಾತ್ಮಕ/ವಾಸ್ತವವಾದ ಸಮರ್ಥನೆಯನ್ನು ಪ್ರತ್ಯೇಕ ಸಾಲಿನಲ್ಲಿ ಪಟ್ಟಿ ಮಾಡಿ. ಪ್ರತಿ ಸಮರ್ಥನೆಗಾಗಿ: "ಅದನ್ನು ಸ್ವತಂತ್ರವಾಗಿ ಪರಿಶೀಲಿಸುವುದು ಹೇಗೆ?" ಬರೆಯುವ ವಿಧಾನ (ಯಾವ ಸಾಧನ/ಡೇಟಾಬೇಸ್). ಹಕ್ಕು ನಿಜವೆಂದು ಹೇಳಿಕೊಳ್ಳಬೇಡಿ; ಅದನ್ನು ಪರಿಶೀಲಿಸಲು ಒಂದು ಮಾರ್ಗವನ್ನು ನೀಡಿ.

2) ತ್ರಿಕೋನ ನಿಯಂತ್ರಣ:

ನಾನು ಈ ಕೆಳಗಿನ ಅಣುವಿನ ತೂಕವನ್ನು ಮೂರು ವಿಧಗಳಲ್ಲಿ ಪರಿಶೀಲಿಸಲು ಬಯಸುತ್ತೇನೆ: [SMILES]. ಕಾರ್ಯ: 1) ಆಣ್ವಿಕ ಸೂತ್ರವನ್ನು ಪಡೆದುಕೊಳ್ಳಿ. 2) ಪರಮಾಣುವಿನಿಂದ ಆಣ್ವಿಕ ತೂಕದ ಲೆಕ್ಕಾಚಾರದ ಪರಮಾಣುವನ್ನು ತೋರಿಸಿ (ಪ್ರತಿ ಅಂಶದ ಕೊಡುಗೆ). ಗಮನಿಸಿ: ನಾನು ಅದನ್ನು RDKit ನಲ್ಲಿ ಲೆಕ್ಕಾಚಾರ ಮಾಡುತ್ತೇನೆ ಮತ್ತು ಮೂರನೆಯದಾಗಿ ನೀವು ನೀಡಿದ ಒಂದಕ್ಕೆ ಹೋಲಿಸುತ್ತೇನೆ. ಮೂರು ಅತಿಕ್ರಮಿಸದಿದ್ದರೆ, ಎಚ್ಚರಿಕೆ ನೀಡಿ.

3) ಅಸ್ಪಷ್ಟತೆಯ ಗುರುತು:

ಈ ಕೆಳಗಿನ ಪಠ್ಯದಲ್ಲಿ ಬಹು ವಾಸ್ತವಿಕ ಕ್ಲೈಮ್‌ಗಳಿವೆ:[TEXT]ಕಾರ್ಯ: ಪ್ರತಿ ಕ್ಲೈಮ್‌ನ ಪಕ್ಕದಲ್ಲಿ ವಿಶ್ವಾಸಾರ್ಹ ಮಟ್ಟದ ಲೇಬಲ್ ಅನ್ನು ಹಾಕಿ:[ಪರಿಶೀಲಿಸಲಾಗಿದೆ] / [ಪರಿಶೀಲಿಸಲಾಗಿದೆ] / [ಅನಿಶ್ಚಿತ]. ನಿಮಗೆ ಖಚಿತವಿಲ್ಲದಿದ್ದರೆ ಯಾವುದನ್ನೂ ಗುರುತಿಸಬೇಡಿ [ಪರಿಶೀಲಿಸಲಾಗಿದೆ].

4) ಸ್ಥಿರತೆಯ ಅಡ್ಡ ಪ್ರಶ್ನೆ:

ನಾನು ಒಂದೇ ಪ್ರಶ್ನೆಯನ್ನು ಎರಡು ರೀತಿಯಲ್ಲಿ ಕೇಳುತ್ತೇನೆ; ನಿಮ್ಮ ಉತ್ತರಗಳು ಸ್ಥಿರವಾಗಿದೆಯೇ ಎಂದು ನೋಡಿ. ಪ್ರಶ್ನೆ ಎ: ಸಂಯುಕ್ತದ ಆಣ್ವಿಕ ಸೂತ್ರ ಯಾವುದು

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ದುರ್ಬಲ:

ಈ ಸಂಯುಕ್ತದ ಬಗ್ಗೆ ನಿಮಗೆ ತಿಳಿದಿರುವ ಎಲ್ಲವನ್ನೂ ಬರೆಯಿರಿ.

AI ವಿವೇಚನೆಯಿಲ್ಲದೆ ಪರಿಶೀಲಿಸಬಹುದಾದ ಮತ್ತು ತಯಾರಿಸಿದ ಮಾಹಿತಿಯನ್ನು ಮಿಶ್ರಣ ಮಾಡುತ್ತದೆ; ಯಾವುದು ನಿಜ ಎಂಬುದು ಸ್ಪಷ್ಟವಾಗಿಲ್ಲ.

ಪ್ರಬಲ:

ಈ ಸಂಯುಕ್ತದ ಬಗ್ಗೆ ಮಾಹಿತಿಯನ್ನು ಒದಗಿಸಿ, ಆದರೆ ಪ್ರತಿ ಕ್ಲೈಮ್ ಅನ್ನು ಹೀಗೆ ಲೇಬಲ್ ಮಾಡಿ:[DETERMINISTIC - ಉಪಕರಣದ ಮೂಲಕ ಪರಿಶೀಲಿಸಲಾಗಿದೆ] ಉದಾ. ಆಣ್ವಿಕ ಸೂತ್ರ,[ಪ್ರಾಯೋಗಿಕ - ಉಲ್ಲೇಖದ ಅಗತ್ಯವಿದೆ] ಉದಾ. ಕರಗುವ ಬಿಂದು,[ಅನಿಶ್ಚಿತ - ಖಚಿತವಾಗಿಲ್ಲ]. ಯಾವುದೇ ಲೇಬಲ್ ಮಾಡದ ಹಕ್ಕುಗಳನ್ನು ಬರೆಯಬೇಡಿ.

ವ್ಯತ್ಯಾಸ: ನಾವು AI ಅನ್ನು ಅದರ ಸ್ವಂತ ಅನಿಶ್ಚಿತತೆಯನ್ನು ಗುರುತಿಸಲು ಒತ್ತಾಯಿಸಿದ್ದೇವೆ; ನಾವು ಪರಿಶೀಲನೆ ಕಾರ್ಯವನ್ನು ಯೋಜಿಸುವಂತೆ ಮಾಡಿದ್ದೇವೆ.

ವೈಜ್ಞಾನಿಕ ಸಮಗ್ರತೆ: ಪ್ರಾಮಾಣಿಕತೆ ಮತ್ತು ಪತ್ತೆಹಚ್ಚುವಿಕೆ

ಪರಿಶೀಲನೆ ಕೇವಲ ತಾಂತ್ರಿಕ ಹಂತವಲ್ಲ, ಇದು ನೈತಿಕ ಸಮಸ್ಯೆಯಾಗಿದೆ. ವೈಜ್ಞಾನಿಕ ಸಮಗ್ರತೆಯ ಅಗತ್ಯವಿದೆ:

• ಪಾರದರ್ಶಕತೆ: ನೀವು AI ಅನ್ನು ಬಳಸುತ್ತಿರುವಿರಿ ಎಂಬುದನ್ನು ಮರೆಮಾಡಬೇಡಿ; ನಿಮ್ಮ ಪ್ರಕಟಣೆ/ವರದಿ ನೀತಿಯ ಪ್ರಕಾರ ನಿರ್ದಿಷ್ಟಪಡಿಸಿ.
• ಪತ್ತೆಹಚ್ಚುವಿಕೆ: AI ನಿಂದ ಯಾವ ಔಟ್‌ಪುಟ್ ಬಂದಿದೆ ಮತ್ತು ಅದನ್ನು ಹೇಗೆ ಪರಿಶೀಲಿಸಲಾಗಿದೆ ಎಂಬುದನ್ನು ರೆಕಾರ್ಡ್ ಮಾಡಿ.
• ಡೇಟಾ ಸಮಗ್ರತೆ: AI ಯೊಂದಿಗೆ "ಸುಂದರಗೊಳಿಸುವಿಕೆ" ಫಲಿತಾಂಶಗಳು, ಸಮರ್ಥನೆ ಇಲ್ಲದೆ ಹೊರಗಿರುವವರನ್ನು ತಿರಸ್ಕರಿಸುವುದು ವಂಚನೆಯಾಗಿದೆ.
• ಜವಾಬ್ದಾರಿ: ಅಂತಿಮ ಫಲಿತಾಂಶಕ್ಕೆ ನೀವು ಜವಾಬ್ದಾರರಾಗಿರುತ್ತೀರಿ; "AI ಹೀಗೆ ಹೇಳಿದೆ" ಒಂದು ಕ್ಷಮಿಸಿಲ್ಲ.

ಸಲಹೆ: ನೀವು ವರದಿ ಅಥವಾ ರಕ್ಷಣೆಯಲ್ಲಿ "AI ಹೀಗೆ ಹೇಳಿದೆ" ಎಂಬ ಪದಗುಚ್ಛವನ್ನು ಎಂದಿಗೂ ಬಳಸಲಾಗುವುದಿಲ್ಲ ಎಂದು ಮೊದಲಿನಿಂದಲೂ ಒಪ್ಪಿಕೊಳ್ಳಿ. ಈ ಸ್ವೀಕಾರವು ಪ್ರತಿ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಪರಿಶೀಲಿಸುವ ಅಭ್ಯಾಸವನ್ನು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ತರುತ್ತದೆ.

ಮಿನಿ ಪ್ರಕರಣಗಳು

ಪ್ರಕರಣ 1 - ತ್ರಿಕೋನದಲ್ಲಿ ದೋಷ ಕಂಡುಬಂದಿದೆ. ವಿದ್ಯಾರ್ಥಿಯು ಆಣ್ವಿಕ ತೂಕವನ್ನು ಮೂರು ರೀತಿಯಲ್ಲಿ ಪರಿಶೀಲಿಸಿದರು: YZ 178.2 ಎಂದು ಹೇಳಿದರು, ಕೈಯಿಂದ ಲೆಕ್ಕಾಚಾರವು 180.16 ನೀಡಿದೆ, RDKit 180.16 ನೀಡಿದೆ. ಎರಡು ಸ್ವತಂತ್ರ ಮಾರ್ಗಗಳು ಅತಿಕ್ರಮಿಸಲ್ಪಟ್ಟಿವೆ ಮತ್ತು AI ಅನ್ನು ತೆಗೆದುಹಾಕಿವೆ. ಪಾಠ: ಎರಡು ಸ್ವತಂತ್ರ ಪರಿಶೀಲನೆಗಳು ಒಂದು ತಪ್ಪು ಔಟ್‌ಪುಟ್ ಅನ್ನು ಮೌನವಾಗಿ ಸೋಲಿಸುತ್ತವೆ.

ಪ್ರಕರಣ 2 - ಸುರಕ್ಷಿತ ಭಾಷೆ, ತಪ್ಪು ಮಾಹಿತಿ. ಪ್ರತಿಕ್ರಿಯೆಯು "ಕೋಣೆಯ ಉಷ್ಣಾಂಶದಲ್ಲಿ ಸ್ವಯಂಪ್ರೇರಿತವಾಗಿ ಚಲಿಸುತ್ತದೆ" ಎಂದು AI ಬಹಳ ವಿಶ್ವಾಸದಿಂದ ಬರೆದಿದೆ. ಇದಕ್ಕೆ ತಾಪನ ಮತ್ತು ವೇಗವರ್ಧಕ ಅಗತ್ಯವಿದೆಯೆಂದು ಸಾಹಿತ್ಯವು ತೋರಿಸಿದೆ. ವಿದ್ಯಾರ್ಥಿಯು ಮೂಲವನ್ನು ನಂಬುತ್ತಾನೆ, ಸುರಕ್ಷಿತ ಭಾಷೆಯಲ್ಲ. ಪಾಠ: ನಿರರ್ಗಳತೆ ನಿಖರತೆ ಅಲ್ಲ.

ಪ್ರಕರಣ 3 - ಪಾರದರ್ಶಕತೆ ಗಳಿಸಿದೆ. ಅವರ ಲೇಖನದ ವಿಧಾನ ವಿಭಾಗದಲ್ಲಿ, ಒಬ್ಬ ಸಂಶೋಧಕರು ಅವರು AI (ಪಠ್ಯ ಸಂಪಾದನೆ, ಕೋಡ್ ಡ್ರಾಫ್ಟಿಂಗ್) ಅನ್ನು ಯಾವ ಹಂತಗಳಲ್ಲಿ ಬಳಸಿದ್ದಾರೆಂದು ಸ್ಪಷ್ಟವಾಗಿ ಹೇಳಿದ್ದಾರೆ ಮತ್ತು ಅವರು ಎಲ್ಲಾ ಸಂಖ್ಯಾತ್ಮಕ ಫಲಿತಾಂಶಗಳನ್ನು ಸ್ವತಂತ್ರವಾಗಿ ಪರಿಶೀಲಿಸಿದ್ದಾರೆ ಎಂದು ಬರೆದಿದ್ದಾರೆ. ರೆಫರಿ ಪ್ರಕ್ರಿಯೆ ಸುಗಮವಾಗಿ ನಡೆಯಿತು. ಪಾಠ: ಪಾರದರ್ಶಕತೆ ನಂಬಿಕೆಯನ್ನು ನಿರ್ಮಿಸುತ್ತದೆ, ಮರೆಮಾಚುವಿಕೆಯು ಅಪಾಯವನ್ನು ಸೃಷ್ಟಿಸುತ್ತದೆ.

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

• ಸುರಕ್ಷಿತ ಭಾಷೆಯಲ್ಲಿ ನಂಬಿಕೆ. AI ನ ಆತ್ಮವಿಶ್ವಾಸದ ಸ್ವರವು ನಿಖರತೆಯ ಸೂಚನೆಯಲ್ಲ.
• ಒಂದೇ ಮೂಲವನ್ನು ಅವಲಂಬಿಸಿದೆ. ತ್ರಿಕೋನವಿಲ್ಲದೆ ಒಂದೇ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಸ್ವೀಕರಿಸುವುದು.
• ಔಟ್ಪುಟ್ ಪ್ರಕಾರವನ್ನು ಪ್ರತ್ಯೇಕಿಸುತ್ತಿಲ್ಲ. ನಾನು ಅದೇ ವಿಧಾನದೊಂದಿಗೆ ಸಂಖ್ಯೆ, ಗುಣಲಕ್ಷಣ ಮತ್ತು ಭದ್ರತಾ ಸಮರ್ಥನೆಯನ್ನು "ಪರಿಶೀಲಿಸಿದೆ" ಎಂದು ಯೋಚಿಸುತ್ತಿದ್ದೇನೆ.
• ಅನಿಶ್ಚಿತತೆಯನ್ನು ಮರೆಮಾಡುವುದು. ಖಚಿತವಾಗಿರುವಂತೆ ಪರಿಶೀಲಿಸಲಾಗದ ಯಾವುದನ್ನಾದರೂ ವರದಿ ಮಾಡುವುದು.
• AI ಬಳಕೆಯನ್ನು ಮರೆಮಾಡುವುದು. ಪಾರದರ್ಶಕತೆಯ ಕೊರತೆಯು ವೈಜ್ಞಾನಿಕ ಸಮಗ್ರತೆಯನ್ನು ಹಾಳು ಮಾಡುತ್ತದೆ.
• ಜವಾಬ್ದಾರಿಯನ್ನು ನಿಯೋಜಿಸುವುದು. "AI ಹೀಗೆ ಹೇಳಿದೆ" ಕ್ಷಮಿಸಿ ಅಮಾನ್ಯವಾಗಿದೆ; ಜವಾಬ್ದಾರಿ ವ್ಯಕ್ತಿಯ ಮೇಲಿರುತ್ತದೆ.

ಸಾರಾಂಶದಲ್ಲಿ

• ಭ್ರಮೆಯು ಭಾಷಾ ಮಾದರಿಯಲ್ಲಿ ಅಂತರ್ಗತವಾಗಿರುತ್ತದೆ; ಪ್ರತಿ ಔಟ್‌ಪುಟ್‌ನ ಸುತ್ತಲೂ ಮೌಲ್ಯೀಕರಣ ಶೆಲ್ ಅನ್ನು ನಿರ್ಮಿಸುವುದು ಪರಿಹಾರವಾಗಿದೆ.
• ಪ್ರತಿಯೊಂದು ಔಟ್‌ಪುಟ್ ಪ್ರಕಾರವು ತನ್ನದೇ ಆದ ಪರಿಶೀಲನಾ ವಿಧಾನವನ್ನು ಹೊಂದಿದೆ; ಔಟ್ಪುಟ್ ಅನ್ನು ವರ್ಗೀಕರಿಸಿ ಮತ್ತು ಸೂಕ್ತವಾದ ಸಾಧನವನ್ನು ಬಳಸಿ.
• ತ್ರಿಕೋನ (ಎರಡು ಸ್ವತಂತ್ರ ಮಾರ್ಗಗಳು) ಪ್ರಬಲವಾದ ನಿಯಂತ್ರಣವಾಗಿದೆ; ಒಂದೇ ಮೂಲವನ್ನು ನಂಬಬೇಡಿ.
• ನಿರರ್ಗಳತೆ ಮತ್ತು ಆತ್ಮವಿಶ್ವಾಸದ ಭಾಷೆ ನಿಖರತೆಗೆ ಸಂಬಂಧಿಸಿಲ್ಲ.
• ವೈಜ್ಞಾನಿಕ ಸಮಗ್ರತೆಗೆ ಪಾರದರ್ಶಕತೆ, ಪತ್ತೆಹಚ್ಚುವಿಕೆ, ಡೇಟಾ ಸಮಗ್ರತೆ ಮತ್ತು ಮಾನವ ಜವಾಬ್ದಾರಿಯ ಅಗತ್ಯವಿದೆ.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

AI ಅಧಿವೇಶನದಲ್ಲಿ ಉದ್ದೇಶಪೂರ್ವಕವಾಗಿ ವಿವಿಧ ಔಟ್‌ಪುಟ್‌ಗಳನ್ನು ಉತ್ಪಾದಿಸಿ: ಆಣ್ವಿಕ ತೂಕ, ಉಲ್ಲೇಖ, ಭೌತಿಕ ಸ್ಥಿರತೆ, ಭದ್ರತಾ ಹಕ್ಕು, ಸಂಖ್ಯಾತ್ಮಕ ಲೆಕ್ಕಾಚಾರ. ಸರಿಯಾದ ವಿಧಾನದೊಂದಿಗೆ ಪ್ರತಿಯೊಂದನ್ನು ಸ್ವತಂತ್ರವಾಗಿ ಪರಿಶೀಲಿಸಿ (ಟೇಬಲ್ ನೋಡಿ). ಕನಿಷ್ಠ ಒಂದು ಭ್ರಮೆಯನ್ನು ಹಿಡಿಯಲು ಪ್ರಯತ್ನಿಸಿ. ನಂತರ "ಮೌಲ್ಯಮಾಪನ ಮ್ಯಾಟ್ರಿಕ್ಸ್" ಅನ್ನು ತಯಾರಿಸಿ: ಸಾಲುಗಳ ಔಟ್‌ಪುಟ್‌ಗಳು, ಕಾಲಮ್‌ಗಳು (AI ಮೌಲ್ಯ / ಸ್ವತಂತ್ರ ಮೌಲ್ಯ / ಅದು ಅತಿಕ್ರಮಿಸಿದೆಯೇ / ನಾನು ಅದನ್ನು ಹೇಗೆ ಪರಿಶೀಲಿಸಿದ್ದೇನೆ). ವೈಜ್ಞಾನಿಕ ಸಮಗ್ರತೆಯ ವಿಷಯದಲ್ಲಿ ನೀವು ಈ ಅಧಿವೇಶನವನ್ನು ಹೇಗೆ ವರದಿ ಮಾಡುತ್ತೀರಿ?

ಪರಿಶೀಲನಾಪಟ್ಟಿ

• [ ] ಭ್ರಮೆ ಏಕೆ ಅನಿವಾರ್ಯ ಎಂದು ನಾನು ಅರ್ಥಮಾಡಿಕೊಂಡಿದ್ದೇನೆ.
• [ ] ನಾನು ಪ್ರತಿ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಅದರ ಪ್ರಕಾರಕ್ಕೆ ಅನುಗುಣವಾಗಿ ವರ್ಗೀಕರಿಸುತ್ತೇನೆ ಮತ್ತು ಸೂಕ್ತವಾದ ವಿಧಾನದೊಂದಿಗೆ ಅದನ್ನು ಪರಿಶೀಲಿಸುತ್ತೇನೆ.
• [ ] ನಾನು ನಿರ್ಣಾಯಕ ಮೌಲ್ಯಗಳ ಮೇಲೆ ತ್ರಿಕೋನ (ಎರಡು ಸ್ವತಂತ್ರ ಮಾರ್ಗಗಳು) ಮಾಡುತ್ತೇನೆ.
• [ ] ನಾನು ಮೂಲವನ್ನು ನಂಬುತ್ತೇನೆ, ಸುರಕ್ಷಿತ ಭಾಷೆಯಲ್ಲ.
• [ ] ನಾನು "ಅನಿಶ್ಚಿತ" ಎಂದು ದೃಢೀಕರಿಸಲಾಗದದನ್ನು ಗುರುತಿಸುತ್ತೇನೆ.
• [ ] AI ಯ ನನ್ನ ಬಳಕೆಯಲ್ಲಿ ನಾನು ಪಾರದರ್ಶಕವಾಗಿದ್ದೇನೆ ಮತ್ತು ಫಲಿತಾಂಶಕ್ಕೆ ನನ್ನನ್ನೇ ಜವಾಬ್ದಾರನಾಗಿರುತ್ತೇನೆ.