ಎಂಡ್-ಟು-ಎಂಡ್ ವರ್ಕ್‌ಫ್ಲೋ, ಗೌಪ್ಯತೆ/ಕೆವಿಕೆಕೆ, ನೈತಿಕತೆ ಮತ್ತು ಗುಣಮಟ್ಟ ನಿಯಂತ್ರಣ

ಲಾಭಗಳು:

• 'AI ಉತ್ಪಾದಿಸುತ್ತದೆ → ಮಾನವ ಪರಿಶೀಲಿಸುತ್ತದೆ → ಮಾನವ ಅನುಮೋದಿಸುತ್ತದೆ' ಎಂಬ ಚಕ್ರದೊಂದಿಗೆ ಕ್ಲೈಂಟ್ ಪ್ರಯಾಣವನ್ನು ಅಂತ್ಯದಿಂದ ಕೊನೆಯವರೆಗೆ ಸುರಕ್ಷಿತವಾಗಿ ನಿರ್ವಹಿಸುವ ಸಾಮರ್ಥ್ಯ
• KVKK / ಗೌಪ್ಯತೆಯ ವ್ಯಾಪ್ತಿಯಲ್ಲಿ ಕ್ಲೈಂಟ್ ಡೇಟಾವನ್ನು ರಕ್ಷಿಸುವ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ಪ್ರತಿ ಹಂತಕ್ಕೂ ನಾಲ್ಕು ನೈತಿಕ ತತ್ವಗಳನ್ನು ನೇಯ್ಗೆ ಮಾಡುವುದು
• ಐದು ಪ್ರಮುಖ ಪ್ರಶ್ನೆಗಳೊಂದಿಗೆ (ಖಾತೆ, ಮೂಲ, ಅಲರ್ಜಿನ್, ಅನಾಮಧೇಯತೆ, ಅನುಮೋದನೆ) ತಮ್ಮ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಸ್ವಯಂ-ಪರಿಶೀಲಿಸುವ ಮೂಲಕ ಅಂತಿಮ ಜವಾಬ್ದಾರಿಯನ್ನು ತೆಗೆದುಕೊಳ್ಳುವ ಸಾಮರ್ಥ್ಯ

ಹಿಂದಿನ ಹತ್ತು ಘಟಕಗಳಲ್ಲಿ ಪೌಷ್ಠಿಕಾಂಶ ಮತ್ತು ಆಹಾರಕ್ರಮದ ವೈಯಕ್ತಿಕ ಕಾರ್ಯಗಳಲ್ಲಿ AI ಅನ್ನು ಹೇಗೆ ಬಳಸುವುದು ಎಂದು ನಾವು ನೋಡಿದ್ದೇವೆ: ಸೇವನೆ, ಲೆಕ್ಕಾಚಾರ, ಡೇಟಾಬೇಸ್, ಯೋಜನೆ, ಪಾಕವಿಧಾನ, ಅಲರ್ಜಿ, ಟ್ರ್ಯಾಕಿಂಗ್, ಶಿಕ್ಷಣ, ಸಾಕ್ಷ್ಯ. ಈ ಅಂತಿಮ ಘಟಕವು ಎಲ್ಲವನ್ನೂ ಒಟ್ಟಿಗೆ ತರುತ್ತದೆ ಮತ್ತು ಆಹಾರ ಪದ್ಧತಿಯಂತೆ ನಿಮ್ಮ ದೈನಂದಿನ ಅಭ್ಯಾಸದಲ್ಲಿ AI ಅನ್ನು ಅಂತ್ಯದಿಂದ ಕೊನೆಯವರೆಗೆ ಸುರಕ್ಷಿತವಾಗಿ ಮತ್ತು ನೈತಿಕವಾಗಿ ಹೇಗೆ ನಿರ್ವಹಿಸುವುದು ಎಂಬುದನ್ನು ತೋರಿಸುತ್ತದೆ. ಏಕೆಂದರೆ ಪ್ರತಿಯೊಂದು ಕೆಲಸವನ್ನು ಚೆನ್ನಾಗಿ ಮಾಡಿದರೆ ಸಾಕಾಗುವುದಿಲ್ಲ; ಡೇಟಾ ಎಲ್ಲಿಗೆ ಹೋಗುತ್ತದೆ, ಯಾರು ಏನು ನಿರ್ಧರಿಸುತ್ತಾರೆ, ನೀವು ಎಲ್ಲಿ ನಿಲ್ಲಿಸುತ್ತೀರಿ ಮತ್ತು ಮಾನವ ಅನುಮೋದನೆಯನ್ನು ಪಡೆಯುತ್ತೀರಿ - ಇವೆಲ್ಲವೂ ಸ್ಥಿರವಾದ ವ್ಯವಸ್ಥೆಯನ್ನು ರಚಿಸಬೇಕು. ಈ ಘಟಕವು ಸಂಪೂರ್ಣ ಮಾಡ್ಯೂಲ್ ಅನ್ನು ಸಂಪರ್ಕಿಸುವ ಮೂರು ಕೆಂಪು ಗೆರೆಗಳನ್ನು ಸಹ ಸ್ಪಷ್ಟಪಡಿಸುತ್ತದೆ: ಗೌಪ್ಯತೆ (KVKK), ನೈತಿಕತೆ ಮತ್ತು ಅಂತಿಮ ಮಾನವ ಒಪ್ಪಿಗೆ.

ಅಂತ್ಯದಿಂದ ಕೊನೆಯವರೆಗೆ ಕ್ಲೈಂಟ್ ಪ್ರಯಾಣ

ಕೆಳಗಿನ ಕೋಷ್ಟಕವು ಗ್ರಾಹಕನ ಪ್ರಯಾಣವನ್ನು ಆಹಾರ ಪದ್ಧತಿಯಿಂದ ಅನುಸರಿಸುವವರೆಗೆ ಸಂಕ್ಷಿಪ್ತಗೊಳಿಸುತ್ತದೆ, ಅಲ್ಲಿ AI ಕಾರ್ಯರೂಪಕ್ಕೆ ಬರುತ್ತದೆ ಮತ್ತು ಅಲ್ಲಿ ಮಾನವ ಅನುಮೋದನೆ ಅತ್ಯಗತ್ಯ:

ಹಂತ

AI ನ ಕೆಲಸ

ಮಾನವ ಅನುಮೋದನೆ ಬಿಂದು

1. ಸ್ವಾಗತಕ್ಕಾಗಿ ತಯಾರಿ

ಸಂದರ್ಶನ ಮಾರ್ಗದರ್ಶಿ, ಟಿಪ್ಪಣಿ ಸಂಪಾದನೆ

ಆಹಾರ ತಜ್ಞರು ಸಂದರ್ಶನವನ್ನು ನಡೆಸುತ್ತಾರೆ

2. ಮೌಲ್ಯಮಾಪನ

ಶಕ್ತಿ/ಮ್ಯಾಕ್ರೋ ಖಾತೆ ಡ್ರಾಫ್ಟ್

ಆಹಾರ ತಜ್ಞರು ಮರು ಲೆಕ್ಕಾಚಾರ ಮಾಡುತ್ತಾರೆ

3. ಡೇಟಾಬೇಸ್

ಮೂಲ ಡೇಟಾದೊಂದಿಗೆ ಲೆಕ್ಕಾಚಾರ

ಆಹಾರ ತಜ್ಞರು ಮೌಲ್ಯಗಳನ್ನು ದೃಢೀಕರಿಸುತ್ತಾರೆ

4. ಯೋಜನೆ

ಊಟದ ಆಯ್ಕೆಗಳ ರೂಪರೇಖೆ

ಡಯೆಟಿಷಿಯನ್ ಸಮತೋಲನ ಮತ್ತು ದೃಢೀಕರಿಸುತ್ತದೆ

5. ಪಾಕವಿಧಾನ

ಬದಲಾವಣೆ, ಪರಿಷ್ಕರಣೆ

ಪೌಷ್ಟಿಕಾಂಶ ಮತ್ತು ರುಚಿ ಪರಿಶೀಲನೆ

6. ಭದ್ರತೆ

ಅಲರ್ಜಿನ್ ಪೂರ್ವ-ಸ್ಕ್ರೀನಿಂಗ್

ಪಥ್ಯಶಾಸ್ತ್ರಜ್ಞರು ಮೌಖಿಕವಾಗಿ ದೃಢೀಕರಿಸುತ್ತಾರೆ

7. ಟ್ರ್ಯಾಕಿಂಗ್

ಟ್ರೆಂಡ್ ಸಾರಾಂಶ, ಸಂದೇಶದ ಔಟ್‌ಲೈನ್

ಮಾನವರಲ್ಲಿ ಕ್ಲಿನಿಕಲ್ ವ್ಯಾಖ್ಯಾನ ಮತ್ತು ಸಂಬಂಧ

8. ಶಿಕ್ಷಣ

ವಿಷಯ ರೂಪರೇಖೆ

ವೈಜ್ಞಾನಿಕ/ನೈತಿಕ ಲೆಕ್ಕಪರಿಶೋಧನೆ

9. ಸಾಕ್ಷಿ

ಸಾರಾಂಶ, ವಿಮರ್ಶಾತ್ಮಕ ಪ್ರಶ್ನೆ

ಮೂಲವನ್ನು ಆಹಾರ ತಜ್ಞರು ಪರಿಶೀಲಿಸುತ್ತಾರೆ

ಈ ಚಾರ್ಟ್‌ನಲ್ಲಿ ಸಾಮಾನ್ಯ ಮಾದರಿಯನ್ನು ನೋಡಿ: AI ಪ್ರತಿ ಹಂತದಲ್ಲಿ ನೀಲನಕ್ಷೆ ಅಥವಾ ಪ್ರಾಥಮಿಕ ಹಂತವನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ; ಪ್ರತಿ ಹಂತದಲ್ಲೂ ಮಾನವ ಅನುಮೋದನೆಯ ಬಿಂದುವಿದೆ. ವ್ಯವಸ್ಥೆಯು "AI ಉತ್ಪಾದಿಸುತ್ತದೆ → ಮಾನವ ಪರಿಶೀಲಿಸುತ್ತದೆ → ಮಾನವ ದೃಢೀಕರಿಸುತ್ತದೆ" ಚಕ್ರವನ್ನು ಆಧರಿಸಿದೆ. ಈ ಚಕ್ರವು ಮುರಿದುಹೋದರೆ, ನೀವು ವೇಗವನ್ನು ಪಡೆಯುತ್ತೀರಿ ಆದರೆ ಭದ್ರತೆ ಮತ್ತು ಹೊಣೆಗಾರಿಕೆಯನ್ನು ಕಳೆದುಕೊಳ್ಳುತ್ತೀರಿ.

ಗೌಪ್ಯತೆ ಮತ್ತು KVKK: ಡೇಟಾವನ್ನು ರಕ್ಷಿಸುವುದು

ಕ್ಲೈಂಟ್ ಡೇಟಾ (ಗುರುತು, ಆರೋಗ್ಯ ಇತಿಹಾಸ, ವಿಶ್ಲೇಷಣೆ, ಔಷಧಿ, ಮಾಪನ) ಯುರೋಪ್ನಲ್ಲಿ Türkiye ಮತ್ತು GDPR ನಲ್ಲಿ KVKK ವ್ಯಾಪ್ತಿಯಲ್ಲಿ "ವಿಶೇಷ ವರ್ಗದ ವೈಯಕ್ತಿಕ ಡೇಟಾ" ಮತ್ತು ಅತ್ಯುನ್ನತ ರಕ್ಷಣೆಗೆ ಅರ್ಹವಾಗಿದೆ. AI ಪರಿಕರಗಳೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುವಾಗ ಅನುಸರಿಸಬೇಕಾದ ತತ್ವಗಳು:

1. ಅನಾಮಧೇಯಗೊಳಿಸು: ಹೆಸರು, ಟಿಆರ್ ಐಡಿ, ಸಂಪರ್ಕ, ಸಂಸ್ಥೆ, ಜನ್ಮ ದಿನಾಂಕದಂತಹ ಗುರುತಿಸುವ ಡೇಟಾವನ್ನು ತೆಗೆದುಹಾಕಿ. "43 ವರ್ಷ ವಯಸ್ಸಿನ ಮಹಿಳೆ, ಟೈಪ್ 2 ಮಧುಮೇಹ" ಸಾಕು.
2. ಕನಿಷ್ಠ ಡೇಟಾ: ಕಾರ್ಯಕ್ಕೆ ಅಗತ್ಯವಿರುವ ಕನಿಷ್ಠ ಡೇಟಾವನ್ನು ಹಂಚಿಕೊಳ್ಳಿ; ಇನ್ನು ಇಲ್ಲ.
3. ಸುರಕ್ಷಿತ ಪರಿಕರವನ್ನು ಆಯ್ಕೆ ಮಾಡಿ: ಮಾದರಿ ತರಬೇತಿಯಲ್ಲಿ ಡೇಟಾವನ್ನು ಬಳಸದ ಡೇಟಾ ಸಂಸ್ಕರಣಾ ಒಪ್ಪಂದದೊಂದಿಗೆ ಕಾರ್ಪೊರೇಟ್ ಪರಿಕರಗಳನ್ನು ಆಯ್ಕೆಮಾಡಿ.
4. ಸ್ಪಷ್ಟ ಸಮ್ಮತಿ: ಕ್ಲೈಂಟ್ ತನ್ನ ಡೇಟಾವನ್ನು ಹೇಗೆ ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಲಾಗುತ್ತದೆ ಎಂಬುದರ ಕುರಿತು ತಿಳಿಸಿ ಮತ್ತು ಅವನ ಒಪ್ಪಿಗೆಯನ್ನು ಪಡೆದುಕೊಳ್ಳಿ.
5. ರೆಕಾರ್ಡಿಂಗ್ ಮತ್ತು ಧಾರಣ: ಡೇಟಾವನ್ನು ಎಲ್ಲಿ ಸಂಗ್ರಹಿಸಲಾಗಿದೆ ಮತ್ತು ಅದಕ್ಕೆ ಪ್ರವೇಶವನ್ನು ಹೊಂದಿರುವವರನ್ನು ನಿಯಂತ್ರಿಸಿ; ಅನಗತ್ಯ ಡೇಟಾವನ್ನು ಅಳಿಸಿ.

ಗಮನ: ಒಂದು ವಿಶ್ಲೇಷಣೆ PDF ಅಥವಾ ಕ್ಲೈಂಟ್ ಫೈಲ್ ಅನ್ನು "ವೇಗಕ್ಕಾಗಿ" ಅನಾಮಧೇಯಗೊಳಿಸದೆ AI ಉಪಕರಣಕ್ಕೆ ಅಪ್‌ಲೋಡ್ ಮಾಡುವುದು KVKK ಉಲ್ಲಂಘನೆಗೆ ಕಾರಣವಾಗಬಹುದು, ಅದು ಒಂದೇ ಕ್ಲಿಕ್‌ನಲ್ಲಿ ಸರಿಪಡಿಸಲು ಕಷ್ಟವಾಗುತ್ತದೆ. ವೇಗವು ಗೌಪ್ಯತೆಯನ್ನು ಎಂದಿಗೂ ತಳ್ಳಿಹಾಕುವುದಿಲ್ಲ. ಸಂದೇಹವಿದ್ದರೆ, ಹಂಚಿಕೊಳ್ಳಬೇಡಿ.

ನೈತಿಕ ಚೌಕಟ್ಟು: ನಾಲ್ಕು ತತ್ವಗಳು

ಆರೋಗ್ಯ ನೀತಿಶಾಸ್ತ್ರದ ನಾಲ್ಕು ಶಾಸ್ತ್ರೀಯ ತತ್ವಗಳು ಪೌಷ್ಠಿಕಾಂಶದ ಅಭ್ಯಾಸಕ್ಕೂ ಅನ್ವಯಿಸುತ್ತವೆ: ಉಪಕಾರ (ಗ್ರಾಹಕರ ಯೋಗಕ್ಷೇಮಕ್ಕಾಗಿ ಕೆಲಸ ಮಾಡುವುದು), ಅಸಮರ್ಪಕತೆ (ವಿಶೇಷವಾಗಿ ಸುರಕ್ಷತೆ-ನಿರ್ಣಾಯಕ ನಿರ್ಧಾರಗಳಲ್ಲಿ), ಸ್ವಾಯತ್ತತೆ (ಗ್ರಾಹಕರ ಸ್ವಂತ ನಿರ್ಧಾರಕ್ಕೆ ಗೌರವ, ತಿಳುವಳಿಕೆಯುಳ್ಳ ಸಮ್ಮತಿ), ಮತ್ತು ನ್ಯಾಯ (ಸಂಪನ್ಮೂಲಗಳು, ಬಜೆಟ್ ಮತ್ತು ಸಂಸ್ಕೃತಿಗಳಲ್ಲಿನ ವ್ಯತ್ಯಾಸಗಳಿಗೆ ಸೂಕ್ಷ್ಮವಾಗಿರುವ ಅಂತರ್ಗತ ಸೇವೆ). AI ಯ ಬಳಕೆಯು ಈ ತತ್ವಗಳೊಂದಿಗೆ ಘರ್ಷಣೆಯನ್ನು ಹೊಂದಿರಬಾರದು: ಪರಿಶೀಲಿಸದ ಔಟ್‌ಪುಟ್ ಹಾನಿಯನ್ನು ಉಂಟುಮಾಡಬಹುದು (ದುಷ್ಕೃತ್ಯವಲ್ಲದ ಉಲ್ಲಂಘನೆ), ಕ್ಲೈಂಟ್‌ಗೆ ತಿಳಿಸದೆ ಡೇಟಾವನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುವುದು ಸ್ವಾಯತ್ತತೆಯನ್ನು ಉಲ್ಲಂಘಿಸುತ್ತದೆ, ಒಂದೇ ಸಂಸ್ಕೃತಿಯ ಪ್ರಕಾರ ಯೋಜನೆಗಳನ್ನು ರೂಪಿಸುವುದು ನ್ಯಾಯವನ್ನು ದುರ್ಬಲಗೊಳಿಸುತ್ತದೆ. ನೀತಿಶಾಸ್ತ್ರವು ನಂತರ ಸೇರಿಸಲಾದ ಪದರವಲ್ಲ, ಆದರೆ ಪ್ರತಿ ಹಂತದಲ್ಲೂ ನೇಯ್ದ ಶಿಸ್ತು.

ಗುಣಮಟ್ಟ ನಿಯಂತ್ರಣ: ನಿಮ್ಮ ಸ್ವಂತ ಕೆಲಸವನ್ನು ಪರಿಶೀಲಿಸುವುದು

ಎಂಡ್ ಟು ಎಂಡ್ ಕೆಲಸ ಮಾಡುವಾಗ ನಿಮ್ಮ ಸ್ವಂತ AI ಬಳಕೆಯನ್ನು ನಿಯಮಿತವಾಗಿ ಆಡಿಟ್ ಮಾಡಿ. ಸರಳವಾದ ಸ್ವಯಂ-ಪರೀಕ್ಷೆ: ಪ್ರತಿ ಕ್ಲೈಂಟ್ ಪ್ರಿಂಟ್‌ಔಟ್‌ಗೆ, "ನಾನು ಈ ಸಂಖ್ಯೆಯನ್ನು ಪರಿಶೀಲಿಸಿದ್ದೇನೆಯೇ? ನಾನು ಈ ಅಲರ್ಜಿನ್ ಅನ್ನು ಪರಿಶೀಲಿಸಿದ್ದೇನೆಯೇ? ನಾನು ಈ ಕ್ಲೈಮ್ ಅನ್ನು ಸಮರ್ಥಿಸಿದ್ದೇನೆಯೇ? ನಾನು ಈ ಡೇಟಾವನ್ನು ಅನಾಮಧೇಯಗೊಳಿಸಿದ್ದೇನೆಯೇ? ನಾನು ಈ ಯೋಜನೆಯನ್ನು ಅನುಮೋದಿಸಿದ್ದೇನೆಯೇ?" ಈ ಐದು ಪ್ರಶ್ನೆಗಳಿಗೆ ನೀವು "ಹೌದು" ಎಂದು ಉತ್ತರಿಸಲು ಸಾಧ್ಯವಾಗದಿದ್ದರೆ, ಔಟ್ಪುಟ್ ಇನ್ನೂ ಸಿದ್ಧವಾಗಿಲ್ಲ.

ಮೂರು ಸಣ್ಣ ಪ್ರಕರಣಗಳು

ಪ್ರಕರಣ 1 - ಸರಪಳಿಯಲ್ಲಿ ದುರ್ಬಲ ಲಿಂಕ್. ಆಹಾರ ತಜ್ಞರು AI ಯೊಂದಿಗೆ ಸೇವನೆ-ಖಾತೆ-ಯೋಜನೆ ಸರಪಳಿಯನ್ನು ತ್ವರಿತವಾಗಿ ಹೊಂದಿಸುತ್ತಾರೆ ಆದರೆ ಸುರಕ್ಷತಾ ಹಂತವನ್ನು ಬಿಟ್ಟುಬಿಡುತ್ತಾರೆ (ಅಲರ್ಜಿನ್ ಪರಿಶೀಲನೆ); ಏಕೆಂದರೆ ಇದು "ಹಿಂದಿನ ಹಂತಗಳು ಉತ್ತಮವಾಗಿದ್ದರೆ, ಇದು ಕೂಡ ಒಳ್ಳೆಯದು" ಎಂದು ಊಹಿಸುತ್ತದೆ. ಆದಾಗ್ಯೂ, ಕ್ಲೈಂಟ್‌ಗೆ ಎಳ್ಳಿನ ಅಲರ್ಜಿ ಇತ್ತು ಮತ್ತು ಯೋಜನೆಯಲ್ಲಿನ ಸಾಸ್‌ನಲ್ಲಿ ಎಳ್ಳು ಇತ್ತು. ಸರಪಳಿಯಲ್ಲಿ ಒಂದು ಲಿಂಕ್ ಮುರಿದರೆ, ಇಡೀ ಸರಪಳಿಯು ಅಸುರಕ್ಷಿತವಾಗಿರುತ್ತದೆ. ಪಾಠ: ಪ್ರತಿ ಹಂತದ ಅನುಮೋದನೆ ಬಿಂದು ಸ್ವತಂತ್ರವಾಗಿದೆ; ಒಂದು ಇನ್ನೊಂದನ್ನು ಬದಲಿಸುವುದಿಲ್ಲ.

ಪ್ರಕರಣ 2 - ಗೌಪ್ಯತೆ ಉಲ್ಲಂಘನೆ ಸರಪಳಿ. ದಕ್ಷತೆಗಾಗಿ, ಕ್ಲಿನಿಕ್ ಎಲ್ಲಾ ಕ್ಲೈಂಟ್ ಫೈಲ್‌ಗಳನ್ನು ಹೆಸರಿನಿಂದ AI ಉಪಕರಣಕ್ಕೆ ಲೋಡ್ ಮಾಡಲು ಪ್ರಯತ್ನಿಸುತ್ತದೆ ಮತ್ತು ಸಾಮೂಹಿಕ ಯೋಜನೆಯನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ. ಇದು KVKK ಉಲ್ಲಂಘನೆಯಾಗಿದೆ ಮತ್ತು ಡೇಟಾವು ಸಂಸ್ಥೆಯಿಂದ ಹೊರಹೋಗಿದೆ ಎಂದು ಆಡಿಟ್ ಬಹಿರಂಗಪಡಿಸುತ್ತದೆ. ಕ್ಲಿನಿಕ್ ಪ್ರಕ್ರಿಯೆಯನ್ನು ನಿಲ್ಲಿಸುತ್ತದೆ ಮತ್ತು ಅನಾಮಧೇಯ ಮತ್ತು ಒಪ್ಪಂದದ ಹರಿವಿಗೆ ಬದಲಾಯಿಸುತ್ತದೆ. ಪಾಠ: ದಕ್ಷತೆಯು ಗೌಪ್ಯತೆ ಆಕ್ರಮಣವನ್ನು ಕ್ಷಮಿಸುವುದಿಲ್ಲ; ಮೊದಲಿನಿಂದಲೂ ಗೌಪ್ಯತೆ-ರಕ್ಷಿತವಾಗಿ ಸಿಸ್ಟಮ್ ಅನ್ನು ಹೊಂದಿಸಿ.

ಪ್ರಕರಣ 3 - ಸರಿಯಾದ ಅಂತ್ಯದಿಂದ ಅಂತ್ಯದ ಹರಿವು. ಹೊಸ ಕ್ಲೈಂಟ್‌ಗಾಗಿ, ಆಹಾರ ಪದ್ದತಿ: (1) ಅನಾಮಧೇಯ ಡೇಟಾದೊಂದಿಗೆ ಸಂದರ್ಶನ ಮಾರ್ಗದರ್ಶಿಯನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ, (2) AI ಡ್ರಾಫ್ಟ್ ಅನ್ನು ಹೊಂದಿದೆ ಮತ್ತು ಲೆಕ್ಕಾಚಾರವನ್ನು ಹಸ್ತಚಾಲಿತವಾಗಿ ಪರಿಶೀಲಿಸುತ್ತದೆ, (3) USDA ನಿಂದ ಪೌಷ್ಟಿಕಾಂಶದ ಮೌಲ್ಯಗಳನ್ನು ಫೀಡ್ ಮಾಡುತ್ತದೆ, (4) ಆಯ್ಕೆಯ ಯೋಜನೆಯನ್ನು ಪಡೆದುಕೊಳ್ಳುತ್ತದೆ ಮತ್ತು ಸಮತೋಲನಗೊಳಿಸುತ್ತದೆ, (5) ಅಲರ್ಜಿನ್‌ಗಳಿಗೆ ಒನ್-ಟು-ಒನ್ ಆಧಾರದ ಮೇಲೆ ಪರದೆಗಳು, (6) ಟ್ರೆಂಡ್ ಅನ್ನು ಅನುಸರಿಸುತ್ತದೆ. ಇದು ಪ್ರತಿ ಹಂತದಲ್ಲೂ ಅನುಮೋದನೆಯ ಬಿಂದುವನ್ನು ಅನ್ವಯಿಸುತ್ತದೆ, ಡೇಟಾವನ್ನು ಅನಾಮಧೇಯವಾಗಿ ಇರಿಸುತ್ತದೆ ಮತ್ತು ಯೋಜನೆಯನ್ನು ಸ್ವತಃ ಅನುಮೋದಿಸುತ್ತದೆ. ಫಲಿತಾಂಶ: ಸುರಕ್ಷತೆ ಮತ್ತು ಹೊಣೆಗಾರಿಕೆಗೆ ಧಕ್ಕೆಯಾಗದಂತೆ AI ಯೊಂದಿಗೆ ~40% ಸಮಯವನ್ನು ಉಳಿಸುತ್ತದೆ. ಪಾಠ: ಸಿಸ್ಟಮ್ ಅನ್ನು ಸರಿಯಾಗಿ ಹೊಂದಿಸಿದಾಗ ವೇಗ ಮತ್ತು ಭದ್ರತೆ ಒಟ್ಟಿಗೆ ಸೇರಿಕೊಳ್ಳುತ್ತದೆ.

ನಕಲು ಮಾಡಬಹುದಾದ ಪ್ರಾಂಪ್ಟ್ ಟೆಂಪ್ಲೇಟ್‌ಗಳು

ಎಂಡ್-ಟು-ಎಂಡ್ ವರ್ಕಿಂಗ್ ಫ್ರೇಮ್‌ವರ್ಕ್ ಟೆಂಪ್ಲೇಟ್ ನಿಮ್ಮ ಪಾತ್ರ: ಆಹಾರ ಪದ್ಧತಿಯವರಿಗೆ ಕರಡು ಸಿದ್ಧಪಡಿಸುವ ಸಹಾಯಕ. ಪ್ರತಿ ಪ್ರಿಂಟ್‌ಔಟ್‌ನ ಕೊನೆಯಲ್ಲಿ "ಆಹಾರ ತಜ್ಞರ ಅನುಮೋದನೆ ಅಗತ್ಯವಿದೆ" ಎಂಬ ಟಿಪ್ಪಣಿಯನ್ನು ಹಾಕಿ ಮತ್ತು ಯಾವ ಅಂಕಗಳನ್ನು ಅಕ್ಷರಶಃ ಪರಿಶೀಲಿಸಬೇಕು (ಖಾತೆ, ಅಲರ್ಜಿನ್, ಮೂಲ) ಪಟ್ಟಿ ಮಾಡಿ. ಗ್ರಾಹಕ (ಅನಾಮಧೇಯ): [...]. ಅನ್ವೇಷಣೆ: [ಹಂತ]. ತಯಾರಿಸಿದ ಡೇಟಾವನ್ನು ಸೇರಿಸಬೇಡಿ; ನೀವು ಖಚಿತವಾಗಿರದ ಸ್ಥಳವನ್ನು ಗುರುತಿಸಿ.

ಗೌಪ್ಯತೆ ಪೂರ್ವ-ಪರಿಶೀಲನೆ ಟೆಂಪ್ಲೇಟ್ಗಳು AI ಉಪಕರಣಕ್ಕೆ ನೀಡುವ ಮೊದಲು ಗೌಪ್ಯತೆಗಾಗಿ ಕೆಳಗಿನ ಪಠ್ಯವನ್ನು ಸ್ಕ್ಯಾನ್ ಮಾಡಿ: ಇದು ಹೆಸರು, ID, ಸಂಪರ್ಕ, ಸಂಸ್ಥೆ, ಜನ್ಮ ದಿನಾಂಕ, ವಿಶ್ಲೇಷಣೆ ID ಯಂತಹ ಗುರುತಿಸುವ ಡೇಟಾವನ್ನು ಹೊಂದಿದೆಯೇ? ಹಾಗಿದ್ದಲ್ಲಿ, ಅದನ್ನು ಗುರುತಿಸಿ ಮತ್ತು ಅನಾಮಧೇಯ ಆವೃತ್ತಿಯನ್ನು ಸೂಚಿಸಿ. ಪಠ್ಯ: [...]

ಗುಣಮಟ್ಟ ಸ್ವಯಂ ಆಡಿಟ್ ಟೆಂಪ್ಲೇಟ್ ಈ ಕೆಳಗಿನ ಕ್ಲೈಂಟ್ ಪ್ರಿಂಟ್‌ಔಟ್‌ಗಾಗಿ ಪರಿಶೀಲನಾಪಟ್ಟಿಯನ್ನು ಅನ್ವಯಿಸಿ ಮತ್ತು ಪ್ರತಿ ಐಟಂ ಅನ್ನು ಭೇಟಿ/ಕಾಣೆಯಾಗಿದೆ ಎಂದು ಗುರುತಿಸಿ: (1) ಖಾತೆಯನ್ನು ಪರಿಶೀಲಿಸಲಾಗಿದೆ, (2) ಮೂಲದಿಂದ ಪೌಷ್ಟಿಕಾಂಶದ ಮೌಲ್ಯವಾಗಿದೆ, (3) ಇದು ಅಲರ್ಜಿನ್‌ಗಳಿಗಾಗಿ ಪರೀಕ್ಷಿಸಲ್ಪಟ್ಟಿದೆ, (4) ಡೇಟಾ ಅನಾಮಧೇಯವಾಗಿದೆ, (5) ಆಹಾರ ತಜ್ಞರ ಅನುಮೋದನೆ ಇದೆ. ಯಾವುದೇ ಲೋಪದೋಷಗಳನ್ನು ಸೂಚಿಸಿ. ಔಟ್ಪುಟ್: [...]

ನೈತಿಕ ವಿಮರ್ಶೆ ಟೆಂಪ್ಲೇಟುಗಳು ಈ ಕೆಳಗಿನ ಯೋಜನೆ/ವಿಷಯವು ನಾಲ್ಕು ನೈತಿಕ ತತ್ವಗಳ ವಿಷಯದಲ್ಲಿ ಸಮಸ್ಯೆಯನ್ನು ಉಂಟುಮಾಡುತ್ತದೆ: ಪ್ರಯೋಜನ, ದುರುಪಯೋಗ, ಸ್ವಾಯತ್ತತೆ (ಸಮ್ಮತಿ/ಮಾಹಿತಿ), ನ್ಯಾಯ (ಬಜೆಟ್/ಸಾಂಸ್ಕೃತಿಕ ಒಳಗೊಳ್ಳುವಿಕೆ)? ಪ್ರತಿ ನೀತಿಯನ್ನು ಸಂಕ್ಷಿಪ್ತವಾಗಿ ಮೌಲ್ಯಮಾಪನ ಮಾಡಿ ಮತ್ತು ಸುಧಾರಣೆಗಳನ್ನು ಸೂಚಿಸಿ. ವಿಷಯ: [...]

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್:

ನಾನು Ms. Ayşe ಅವರ ವಿಶ್ಲೇಷಣೆ ಮತ್ತು ಫೈಲ್ ಅನ್ನು ಸೇರಿಸಿದ್ದೇನೆ, ಸಂಪೂರ್ಣ ಯೋಜನೆ ಹೊರಬರುತ್ತದೆ.

ಹೆಸರಿಸಲಾದ ಡೇಟಾ, ಒಂದು ಹಂತದಲ್ಲಿ "ಪೂರ್ಣ ಯೋಜನೆ", ಯಾವುದೇ ಅನುಮೋದನೆ ಅಂಕಗಳಿಲ್ಲ: KVKK ಉಲ್ಲಂಘನೆ ಮತ್ತು ಪರಿಶೀಲಿಸದ, ಅಸುರಕ್ಷಿತ ಔಟ್‌ಪುಟ್ ಎರಡರ ಅಪಾಯ.

ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್:

ನಿಮ್ಮ ಪಾತ್ರ: ಕರಡು ಸಹಾಯಕ; ಅನುಮೋದನೆಯು ಆಹಾರ ತಜ್ಞರಿಗೆ ಸೇರಿದೆ. ಗ್ರಾಹಕ (ಅನಾಮಧೇಯ): 41 ವರ್ಷ ವಯಸ್ಸಿನ ಮಹಿಳೆ, ಟೈಪ್ 2 ಡಯಾಬಿಟಿಸ್, [ಸಂಬಂಧಿತ ಸಂಖ್ಯಾ ಮೌಲ್ಯಗಳು, ಹೆಸರು/ಗುರುತು ಇಲ್ಲ]. ಕಾರ್ಯ: ಡ್ರಾಫ್ಟ್ ಊಟ ಯೋಜನೆ, ಆಯ್ಕೆಗಳೊಂದಿಗೆ. ಪ್ರತಿ ಊಟಕ್ಕೆ ಅಂದಾಜು ಮ್ಯಾಕ್ರೋಗಳು ಮತ್ತು "ಪರಿಶೀಲಿಸಬೇಕು" ಟಿಪ್ಪಣಿ. ಅಲರ್ಜಿನ್: ಎಳ್ಳು (ಯಾವುದನ್ನೂ ಸೇರಿಸಬೇಡಿ). ಕೊನೆಯಲ್ಲಿ, ಆಹಾರ ತಜ್ಞರು ವೈಯಕ್ತಿಕವಾಗಿ ಯಾವ ಅಂಶಗಳನ್ನು ಪರಿಶೀಲಿಸಬೇಕು ಎಂಬುದನ್ನು ಪಟ್ಟಿ ಮಾಡಿ. ಅಳವಡಿಸಿದ ಡೇಟಾವನ್ನು ಸೇರಿಸಲಾಗುತ್ತಿದೆ.

ಎರಡನೇ ಪ್ರಾಂಪ್ಟ್ ಡೇಟಾವನ್ನು ಅನಾಮಧೇಯಗೊಳಿಸುತ್ತದೆ, ಔಟ್‌ಪುಟ್ ಅನ್ನು ಸ್ಟಬ್ ಮಾಡುತ್ತದೆ, ಭದ್ರತಾ ನಿರ್ಬಂಧ ಮತ್ತು ಚೆಕ್‌ಪಾಯಿಂಟ್‌ಗಳನ್ನು ಒಳಗೊಂಡಿದೆ; ಗೌಪ್ಯತೆ ಮತ್ತು ಗುಣಮಟ್ಟ ಎರಡನ್ನೂ ರಕ್ಷಿಸಲಾಗಿದೆ.

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

• ಸರಪಳಿಯಲ್ಲಿ ಲಿಂಕ್ ಅನ್ನು ಬಿಟ್ಟುಬಿಡುವುದು: ಹಿಂದಿನ ಹಂತವು ಉತ್ತಮವಾದ ಕಾರಣ ಭದ್ರತೆ/ಅನುಮೋದನೆಯ ಹಂತವನ್ನು ಬಿಟ್ಟುಬಿಡುವುದು.
• ದಕ್ಷತೆಗಾಗಿ ಗೌಪ್ಯತೆಯನ್ನು ತ್ಯಾಗ ಮಾಡುವುದು: ಹೆಸರಿನ ಫೈಲ್‌ಗಳನ್ನು ದೊಡ್ಡ ಪ್ರಮಾಣದಲ್ಲಿ ಅಪ್‌ಲೋಡ್ ಮಾಡುವುದು — ಗಂಭೀರವಾದ KVKK ಉಲ್ಲಂಘನೆ.
• ಒಂದು-ಶಾಟ್ "ಪೂರ್ಣ ಯೋಜನೆ" ಯನ್ನು ನಿರೀಕ್ಷಿಸಲಾಗುತ್ತಿದೆ: ಚೆಕ್‌ಪಾಯಿಂಟ್‌ಗಳನ್ನು ಬಿಟ್ಟುಬಿಡುವ ಕಪ್ಪು-ಪೆಟ್ಟಿಗೆಯ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಅವಲಂಬಿಸಿದೆ.
• ನಂತರ ನೈತಿಕತೆಯ ಬಗ್ಗೆ ಯೋಚಿಸುವುದು: ಪ್ರತಿ ಹಂತದಲ್ಲೂ ಅವುಗಳನ್ನು ನೇಯ್ಗೆ ಮಾಡುವ ಬದಲು ಕೊನೆಯಲ್ಲಿ ನೈತಿಕತೆಯನ್ನು ನೆನಪಿಸಿಕೊಳ್ಳುವುದು.
• ಸ್ವಯಂ-ಪರಿಶೀಲನೆಯನ್ನು ಬೈಪಾಸ್ ಮಾಡುವುದು: ಐದು ಮೂಲಭೂತ ಪ್ರಶ್ನೆಗಳಿಗೆ (ಖಾತೆ/ಅಲರ್ಜಿನ್/ಮೂಲ/ಅನಾಮಧೇಯ/ಅನುಮೋದನೆ) ವಿರುದ್ಧ ಪರೀಕ್ಷಿಸದೆ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಬಳಸುವುದು.
• ಸಮ್ಮತಿಯನ್ನು ಮರೆತುಬಿಡುವುದು: ಕ್ಲೈಂಟ್ ತನ್ನ ಡೇಟಾವನ್ನು ಹೇಗೆ ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಲಾಗುತ್ತದೆ ಎಂಬುದರ ಕುರಿತು ತಿಳಿಸುವುದಿಲ್ಲ.

ಸಾರಾಂಶದಲ್ಲಿ

ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಪೌಷ್ಠಿಕಾಂಶ ಮತ್ತು ಆಹಾರ ಪದ್ಧತಿಯ ಅಭ್ಯಾಸವನ್ನು ಕೊನೆಯಿಂದ ಕೊನೆಯವರೆಗೆ ವೇಗಗೊಳಿಸುತ್ತದೆ; ಆದರೆ ಪ್ರತಿ ಹಂತದಲ್ಲೂ "AI ಉತ್ಪಾದಿಸುತ್ತದೆ → ಮಾನವ ಪರಿಶೀಲಿಸುತ್ತದೆ → ಮಾನವ ದೃಢೀಕರಿಸುತ್ತದೆ" ಎಂಬ ಚಕ್ರವನ್ನು ನಿರ್ವಹಿಸಿದರೆ ಮಾತ್ರ ಅದು ಸುರಕ್ಷಿತವಾಗಿರುತ್ತದೆ. ಕ್ಲೈಂಟ್ ಡೇಟಾವನ್ನು ಯಾವಾಗಲೂ ಅನಾಮಧೇಯಗೊಳಿಸಿ, ವೇಗದ ಸಲುವಾಗಿ KVKK ಮತ್ತು ಗೌಪ್ಯತೆಯನ್ನು ತ್ಯಾಗ ಮಾಡಬೇಡಿ, ಪ್ರತಿ ಹಂತದಲ್ಲೂ ನೈತಿಕತೆಯ ನಾಲ್ಕು ತತ್ವಗಳನ್ನು ನೇಯ್ಗೆ ಮಾಡಿ ಮತ್ತು ಐದು ಮೂಲಭೂತ ಪ್ರಶ್ನೆಗಳೊಂದಿಗೆ ನಿಮ್ಮ ಔಟ್‌ಪುಟ್‌ಗಳನ್ನು ಸ್ವಯಂ-ಆಡಿಟ್ ಮಾಡಿ. ಸರಪಳಿಯಲ್ಲಿನ ಪ್ರತಿಯೊಂದು ಲಿಂಕ್ ಅನುಮೋದನೆಯ ಸ್ವತಂತ್ರ ಬಿಂದುವಾಗಿದೆ; ಅವುಗಳಲ್ಲಿ ಒಂದು ಮುರಿದಾಗ, ಸಿಸ್ಟಮ್ ಅಸುರಕ್ಷಿತವಾಗಿರುತ್ತದೆ. ನೆನಪಿಡಿ: AI ನಿಮ್ಮ ವೃತ್ತಿಯನ್ನು ಬಲಪಡಿಸುತ್ತದೆ, ಆದರೆ ಅದನ್ನು ಬದಲಾಯಿಸುವುದಿಲ್ಲ. ರೋಗನಿರ್ಣಯ, ಚಿಕಿತ್ಸೆಯ ನಿರ್ಧಾರ ಮತ್ತು ಅಂತಿಮ ಯೋಜನೆ ಅನುಮೋದನೆ - ವಿಜ್ಞಾನ, ನೀತಿಶಾಸ್ತ್ರ ಮತ್ತು ಸಹಿ - ಆಹಾರ ಪದ್ಧತಿಗೆ ಸೇರಿದೆ. AI ನಿಮ್ಮ ವೇಗದ ಸಹಾಯಕ; ನೀವು ಜವಾಬ್ದಾರಿಯುತ ತಜ್ಞರು.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

ಪ್ರಾರಂಭದಿಂದ ಅಂತ್ಯದವರೆಗೆ ಮಿನಿ ಕ್ಲೈಂಟ್ ಹರಿವನ್ನು ಹೊಂದಿಸಿ: ಅನಾಮಧೇಯ ಪ್ರೊಫೈಲ್ ಅನ್ನು ಆಯ್ಕೆ ಮಾಡಿ, ಅನುಕ್ರಮವಾಗಿ ತಯಾರಿಸಿ (1) ಸಂದರ್ಶನ ಮಾರ್ಗದರ್ಶಿ, (2) ಖಾತೆಯ ಔಟ್‌ಲೈನ್ + ಪರಿಶೀಲನೆ, (3) ಮೂಲ ಡೇಟಾದೊಂದಿಗೆ ಊಟ, (4) ಅಲರ್ಜಿನ್ ಸ್ಕ್ರೀನಿಂಗ್, (5) ತರಬೇತಿ ಕರಪತ್ರ. ಪ್ರತಿ ಹಂತದಲ್ಲೂ ನೀವು ಯಾವ ಮಾನವ ಚೆಕ್‌ಪಾಯಿಂಟ್ ಅನ್ನು ಅನ್ವಯಿಸಿದ್ದೀರಿ ಎಂಬುದನ್ನು ಬರೆಯಿರಿ. ನಂತರ "ಗುಣಮಟ್ಟದ ಸ್ವಯಂ ಆಡಿಟ್ ಟೆಂಪ್ಲೇಟ್" ಅನ್ನು ಸಂಪೂರ್ಣ ಹರಿವಿಗೆ ಅನ್ವಯಿಸಿ, ಯಾವುದೇ ಅಂತರವನ್ನು ಹುಡುಕಿ ಮತ್ತು ಸರಿಪಡಿಸಿ. ಅಂತಿಮವಾಗಿ, ನಿಮ್ಮ ಡೇಟಾ ನಿಜವಾಗಿಯೂ ಅನಾಮಧೇಯವಾಗಿದೆ ಎಂದು ಖಚಿತಪಡಿಸಲು "ಗೌಪ್ಯತೆ ಪೂರ್ವಪರಿಶೀಲನೆ" ಅನ್ನು ರನ್ ಮಾಡಿ.

ಪರಿಶೀಲನಾಪಟ್ಟಿ

• [ ] ನಾನು ಪ್ರತಿ ಹಂತದಲ್ಲಿ "AI ಉತ್ಪಾದಿಸುತ್ತದೆ → ಪರಿಶೀಲಿಸು → ಮೌಲ್ಯೀಕರಿಸು" ಚಕ್ರವನ್ನು ಅನ್ವಯಿಸಿದೆ.
• [ ] ನಾನು ಕ್ಲೈಂಟ್ ಡೇಟಾವನ್ನು ಅನಾಮಧೇಯಗೊಳಿಸಿದ್ದೇನೆ ಮತ್ತು ಕನಿಷ್ಠ ಡೇಟಾವನ್ನು ಹಂಚಿಕೊಂಡಿದ್ದೇನೆ.
• [ ] ನಾನು ಸುರಕ್ಷಿತ/ಗುತ್ತಿಗೆ ವಾಹನವನ್ನು ಬಳಸಿದ್ದೇನೆ; ನಾನು ಒಪ್ಪಿಗೆ ಪಡೆದಿದ್ದೇನೆ.
• [ ] ನಾನು ನಾಲ್ಕು ನೈತಿಕ ತತ್ವಗಳನ್ನು ಗಮನಿಸಿದ್ದೇನೆ (ಲಾಭ, ದುರುಪಯೋಗ, ಸ್ವಾಯತ್ತತೆ, ನ್ಯಾಯ).
• [ ] ನಾನು ಐದು ಪ್ರಮುಖ ಪ್ರಶ್ನೆಗಳೊಂದಿಗೆ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಸ್ವಯಂ ಪರಿಶೀಲಿಸಿದ್ದೇನೆ.
• [ ] ಆಹಾರ ತಜ್ಞರಾಗಿ, ನಾನು ಅಂತಿಮ ಅನುಮೋದನೆಯನ್ನು ನೀಡಿದ್ದೇನೆ; ನಾನು ಜವಾಬ್ದಾರನಾಗಿರುತ್ತೇನೆ.

ಮಾಡ್ಯೂಲ್ ಪರೀಕ್ಷೆ

1. ಆಹಾರ ತಜ್ಞರು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯಿಂದ ಲೆಕ್ಕಹಾಕಿದ ದೈನಂದಿನ ಕ್ಯಾಲೋರಿ ಗುರಿಯನ್ನು ಗ್ರಾಹಕನ ಯೋಜನೆಗೆ ಪರಿಶೀಲಿಸದೆಯೇ ವರ್ಗಾಯಿಸುತ್ತಾರೆ. ಈ ವಿಧಾನದಲ್ಲಿ ಮೂಲಭೂತ ತಪ್ಪು ಏನು?

• ಎ) ಪರಿಶೀಲನೆಯಿಲ್ಲದೆ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಉತ್ಪಾದನೆಯನ್ನು ಬಳಸಲಾಗುವುದಿಲ್ಲ; ಖಾತೆಯ ಡ್ರಾಫ್ಟ್ ಅನ್ನು ಡಯೆಟಿಷಿಯನ್ ✔ ಮರು ಲೆಕ್ಕಾಚಾರ ಮಾಡಬೇಕು ಮತ್ತು ಅನುಮೋದಿಸಬೇಕು
• ಬಿ) ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಯಾವಾಗಲೂ ಕ್ಯಾಲೋರಿ ಸಂಖ್ಯೆಯನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ
• ಸಿ) ಕ್ಯಾಲೋರಿ ಲೆಕ್ಕಾಚಾರದ ಬದಲಿಗೆ, ಮ್ಯಾಕ್ರೋ ಲೆಕ್ಕಾಚಾರವನ್ನು ಮಾತ್ರ ಮಾಡಬೇಕು.
• ಡಿ) ಯೋಜನೆಯನ್ನು ಗ್ರಾಹಕನಿಗೆ ಇ-ಮೇಲ್ ಬದಲಿಗೆ ಕಾಗದದ ಮೇಲೆ ನೀಡಿರಬೇಕು.

ವಿವರಣೆ: ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಲೆಕ್ಕಾಚಾರವನ್ನು ಸರಿಯಾಗಿ ಮಾಡಬಹುದಾದರೂ, ಅದು ಚಟುವಟಿಕೆಯ ಗುಣಾಂಕದಂತಹ ಊಹೆಯನ್ನು ತಪ್ಪಾಗಿ ತೆಗೆದುಕೊಳ್ಳಬಹುದು ಮತ್ತು ಅದೇ ವಿಶ್ವಾಸದೊಂದಿಗೆ ತಪ್ಪಾದ ಫಲಿತಾಂಶಗಳನ್ನು ಉಂಟುಮಾಡಬಹುದು. ಆಹಾರಕ್ರಮವು ಸುರಕ್ಷತೆ-ನಿರ್ಣಾಯಕ ಕ್ಷೇತ್ರವಾಗಿದೆ; ಪ್ರತಿ ಖಾತೆಯನ್ನು ಆಹಾರತಜ್ಞರು ಮರು-ಪರಿಶೀಲಿಸಬೇಕು ಮತ್ತು ಅಂತಿಮ ಅನುಮೋದನೆಯು ಮಾನವನಿಗೆ ಸೇರಿರಬೇಕು.

2. ಕ್ಲೈಂಟ್ ಡೇಟಾವನ್ನು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಸಾಧನಕ್ಕೆ ವರ್ಗಾಯಿಸುವಾಗ ಗೌಪ್ಯತೆ (ಕೆವಿಕೆಕೆ) ವಿಷಯದಲ್ಲಿ ಉತ್ತಮ ನಡವಳಿಕೆ ಯಾವುದು?

• ಎ) ಕ್ಲೈಂಟ್‌ನ ಪೂರ್ಣ ಹೆಸರು ಮತ್ತು ವಿಶ್ಲೇಷಣೆ PDF ಅನ್ನು ವೇಗಕ್ಕಾಗಿ ಅಪ್‌ಲೋಡ್ ಮಾಡಬೇಕು.
• ಬಿ) ವೈಯಕ್ತಿಕವಾಗಿ ಗುರುತಿಸಬಹುದಾದ ಮಾಹಿತಿಯನ್ನು ತೆಗೆದುಹಾಕುವ ಮೂಲಕ ಮತ್ತು ಡೇಟಾವನ್ನು ಅನಾಮಧೇಯಗೊಳಿಸುವ ಮೂಲಕ ಅಗತ್ಯ ಕ್ಲಿನಿಕಲ್ ಮಾಹಿತಿಯನ್ನು ಮಾತ್ರ ಹಂಚಿಕೊಳ್ಳಬೇಕು ✔
• ಸಿ) ಡೇಟಾವನ್ನು ಎನ್‌ಕ್ರಿಪ್ಟ್ ಮಾಡಿದ್ದರೆ, ಹೆಸರಿನ ಮಾಹಿತಿಯನ್ನು ಸಹ ಕಳುಹಿಸಬಹುದು
• D) ಉದ್ದೇಶವು ಉತ್ತಮವಾದ ಕಾರಣ ಕ್ಲೈಂಟ್ ಅನ್ನು ಕೇಳದೆಯೇ ಸಂಪೂರ್ಣ ಫೈಲ್ ಅನ್ನು ಹಂಚಿಕೊಳ್ಳಬಹುದು

ವಿವರಣೆ: ಕ್ಲೈಂಟ್ ಆರೋಗ್ಯ ಡೇಟಾ ವಿಶೇಷ ವೈಯಕ್ತಿಕ ಡೇಟಾ. ಹೆಸರು, ಟಿಆರ್ ಐಡಿ ಮತ್ತು ಸಂಪರ್ಕ ಮಾಹಿತಿಯಂತಹ ಮಾಹಿತಿಯನ್ನು ಗುರುತಿಸುವುದು ತೆಗೆದುಹಾಕಬೇಕು ಮತ್ತು ಡೇಟಾವನ್ನು ಅನಾಮಧೇಯಗೊಳಿಸಬೇಕು; ಕಾರ್ಯಕ್ಕೆ ಅಗತ್ಯವಿರುವ ಕನಿಷ್ಠ ಡೇಟಾವನ್ನು ಹಂಚಿಕೊಳ್ಳಬೇಕು. ಹೆಸರಿನಿಂದ ಕಚ್ಚಾ ಫೈಲ್ ಅನ್ನು ಅಪ್‌ಲೋಡ್ ಮಾಡುವುದು ಗಂಭೀರ ಉಲ್ಲಂಘನೆಯಾಗಿದೆ.

3. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು 2000 ಕೆ.ಕೆ.ಎಲ್ ಗುರಿಗಾಗಿ '220 ಗ್ರಾಂ ಕಾರ್ಬೋಹೈಡ್ರೇಟ್‌ಗಳು, 150 ಗ್ರಾಂ ಪ್ರೋಟೀನ್, 90 ಗ್ರಾಂ ಕೊಬ್ಬು' ನೀಡುತ್ತದೆ. ಆಹಾರ ತಜ್ಞರು ಮಾಡಬೇಕಾದ ಮೊದಲ ಪರಿಶೀಲನೆ ಯಾವುದು?

• ಎ) ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಅಂಕಗಣಿತದಲ್ಲಿ ದೋಷ-ಮುಕ್ತವಾಗಿರುವುದರಿಂದ ಮೌಲ್ಯಗಳನ್ನು ಹಾಗೆಯೇ ಸ್ವೀಕರಿಸುವುದು
• ಬಿ) ಪ್ರೋಟೀನ್ ಪ್ರಮಾಣವನ್ನು ಮಾತ್ರ ನಿಯಂತ್ರಿಸಲು ಸಾಕು
• ಸಿ) ಒಟ್ಟು ಗುರಿ ಕ್ಯಾಲೊರಿಗಳನ್ನು ತಲುಪುತ್ತದೆಯೇ ಎಂದು ಪರಿಶೀಲಿಸಲು ಮ್ಯಾಕ್ರೋ ಗ್ರಾಂಗಳನ್ನು 4/4/9 ರಿಂದ ಗುಣಿಸಿ ✔
• ಡಿ) ಮ್ಯಾಕ್ರೋಗಳ ಆಧಾರದ ಮೇಲೆ ಕ್ಯಾಲೋರಿ ಗುರಿಯನ್ನು 2290 ಗೆ ಹೆಚ್ಚಿಸುವುದು

ವಿವರಣೆ: ಮ್ಯಾಕ್ರೋಗಳನ್ನು 4/4/9 ರಿಂದ ಗುಣಿಸಿದರೆ: 220x4 + 150x4 + 90x9 = 880 + 600 + 810 = 2290 kcal. ಒಟ್ಟು ಗುರಿಯನ್ನು 290 kcal ಮೀರಿದೆ; ಮೌಲ್ಯಗಳು ಅಸಮಂಜಸವಾಗಿವೆ. AI ಮ್ಯಾಕ್ರೋ ದೋಷಗಳನ್ನು ಹಿಡಿಯಲು ಬ್ಯಾಕ್ ಗುಣಾಕಾರವು ಸರಳ ಮತ್ತು ಅತ್ಯಂತ ಶಕ್ತಿಶಾಲಿ ಮಾರ್ಗವಾಗಿದೆ.

4. ಪೌಷ್ಟಿಕಾಂಶದ ಮೌಲ್ಯದ ಡೇಟಾದಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ದುರ್ಬಲ ಮತ್ತು ಅತ್ಯಂತ ಅಪಾಯಕಾರಿ ಅಂಶ ಯಾವುದು?

• ಎ) ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಯಾವಾಗಲೂ ಮೆಟ್ರಿಕ್ ಘಟಕಗಳಲ್ಲಿ ಪೌಷ್ಟಿಕಾಂಶದ ಮೌಲ್ಯಗಳನ್ನು ನೀಡುತ್ತದೆ
• ಬಿ) ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ತರಕಾರಿಗಳ ಮೌಲ್ಯಗಳನ್ನು ಮಾತ್ರ ತಿಳಿದಿದೆ
• ಸಿ) ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ನಿಧಾನವಾಗಿರುತ್ತದೆ ಏಕೆಂದರೆ ಇದು ಹಲವಾರು ದಶಮಾಂಶಗಳೊಂದಿಗೆ ಪೌಷ್ಟಿಕಾಂಶದ ಮೌಲ್ಯಗಳನ್ನು ನೀಡುತ್ತದೆ.
• D) ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಪೌಷ್ಟಿಕಾಂಶದ ಮೌಲ್ಯಗಳನ್ನು ತನ್ನ ಸ್ಮರಣೆಯಿಂದ ಉತ್ಪಾದಿಸುವಾಗ ಅವುಗಳನ್ನು ಅಳವಡಿಸಿಕೊಳ್ಳಬಹುದು; ಆದ್ದರಿಂದ ಮೌಲ್ಯಗಳನ್ನು ಮಾನ್ಯತೆ ಪಡೆದ ಡೇಟಾಬೇಸ್ ✔ ನಿಂದ ತೆಗೆದುಕೊಳ್ಳಬೇಕು

ವಿವರಣೆ: ಭಾಷಾ ಮಾದರಿಯು ಸಂಖ್ಯೆಗಳನ್ನು ನೆನಪಿಟ್ಟುಕೊಳ್ಳುವುದಿಲ್ಲ, ಅದು ಅವುಗಳನ್ನು ಸಂಭವನೀಯವಾಗಿ ಉತ್ಪಾದಿಸುತ್ತದೆ; ಆದ್ದರಿಂದ, ಇದು ಆಹಾರದ ಪ್ರೋಟೀನ್/ಕ್ಯಾಲೋರಿ ಮೌಲ್ಯವನ್ನು ನಿರರ್ಗಳವಾಗಿ ಆದರೆ ತಪ್ಪಾಗಿ ನೀಡಬಹುದು (ಭ್ರಮೆ). ಈ ಕಾರಣಕ್ಕಾಗಿ, ಪೌಷ್ಟಿಕಾಂಶದ ಮೌಲ್ಯಗಳನ್ನು ಪ್ರಸಿದ್ಧ ಡೇಟಾಬೇಸ್‌ಗಳಿಂದ ತೆಗೆದುಕೊಳ್ಳಬೇಕು ಮತ್ತು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಆ ಡೇಟಾದೊಂದಿಗೆ ಮಾತ್ರ ಕಾರ್ಯನಿರ್ವಹಿಸಬೇಕು.

5. ಊಟದ ಯೋಜನೆಯಲ್ಲಿ, ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಕ್ಯಾಲೋರಿಗಳು ಮತ್ತು ಮ್ಯಾಕ್ರೋಗಳನ್ನು ನಿಖರವಾಗಿ ಇರಿಸಿದೆ, ಆದರೆ ಇಡೀ ದಿನವು ಬಿಳಿ ಬ್ರೆಡ್, ಪಾಸ್ಟಾ ಮತ್ತು ಚಿಕನ್ ಅನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ. ಇಲ್ಲಿ ಏನು ಕಾಣೆಯಾಗಿದೆ?

• ಎ) ಇದು ಮ್ಯಾಕ್ರೋಗಳನ್ನು ಹೊಂದಿದ್ದರೂ ಸಹ, ಫೈಬರ್, ತರಕಾರಿಗಳು ಮತ್ತು ಸೂಕ್ಷ್ಮ ಪೋಷಕಾಂಶಗಳ ಸಮತೋಲನವನ್ನು ಸಾಧಿಸಲಾಗುವುದಿಲ್ಲ; ಪೌಷ್ಟಿಕಾಂಶದ ವೈವಿಧ್ಯತೆಯ ದೃಷ್ಟಿಯಿಂದ ಯೋಜನೆಯು ಅಸಮರ್ಪಕವಾಗಿದೆ ✔
• ಬಿ) ಕ್ಯಾಲೋರಿ ಗುರಿಯನ್ನು ತುಂಬಾ ಹೆಚ್ಚು ಹೊಂದಿಸಲಾಗಿದೆ
• ಸಿ) ಪ್ರೋಟೀನ್ ಪ್ರಮಾಣ ಹೆಚ್ಚಿರುವ ಕಾರಣ ಸಮಸ್ಯೆ ಇದೆ
• ಡಿ) ಊಟಗಳ ಸಂಖ್ಯೆ ಮೂರಕ್ಕಿಂತ ಹೆಚ್ಚು ಇರಬೇಕು

ವಿವರಣೆ: ಮ್ಯಾಕ್ರೋ ಗುರಿಯನ್ನು ಮುಟ್ಟುತ್ತದೆ ಎಂಬ ಅಂಶವು ಯೋಜನೆಯು ಆರೋಗ್ಯಕರವಾಗಿದೆ ಎಂದು ಸೂಚಿಸುವುದಿಲ್ಲ. ಫೈಬರ್, ತರಕಾರಿಗಳು ಮತ್ತು ಸೂಕ್ಷ್ಮ ಪೋಷಕಾಂಶಗಳ ಸಮತೋಲನವನ್ನು (ವಿಟಮಿನ್ಗಳು, ಖನಿಜಗಳು) ಸಹ ಒದಗಿಸಬೇಕು. ಈ ಸಮತೋಲನ ತೀರ್ಪು ಆಹಾರ ಪದ್ಧತಿಗೆ ಸೇರಿದೆ; ಮ್ಯಾಕ್ರೋ ನಿಖರತೆ ಮಾತ್ರ ಸಾಕಾಗುವುದಿಲ್ಲ.

6. ಹ್ಯಾಝೆಲ್‌ನಟ್ಸ್‌ಗೆ ಅಲರ್ಜಿ ಹೊಂದಿರುವ ಕ್ಲೈಂಟ್‌ಗೆ, ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು 'ಬಾದಾಮಿ ಬೆಣ್ಣೆಯನ್ನು ಬಳಸಿ' ನಂತಹ ಪರ್ಯಾಯವನ್ನು ಸೂಚಿಸುತ್ತದೆ. ಆಹಾರ ತಜ್ಞರು ಈ ಶಿಫಾರಸನ್ನು ಏಕೆ ಅಸುರಕ್ಷಿತವೆಂದು ಪರಿಗಣಿಸಬಹುದು?

• ಎ) ಬಾದಾಮಿ ಪೇಸ್ಟ್ ಹಝಲ್ನಟ್ ಪೇಸ್ಟ್ಗಿಂತ ಹೆಚ್ಚು ದುಬಾರಿಯಾಗಿದೆ
• ಬಿ) ಬಾದಾಮಿಯು ಹ್ಯಾಝೆಲ್‌ನಟ್ಸ್‌ನಂತೆಯೇ ಅದೇ ಮರದ ಅಡಿಕೆ ಅಲರ್ಜಿ ಗುಂಪಿನಲ್ಲಿರಬಹುದು; ಪರ್ಯಾಯವು ಅಪಾಯಕಾರಿಯಾಗಬಹುದು ಏಕೆಂದರೆ ಅದು ಒಂದೇ ಗುಂಪಿಗೆ ಸೇರುತ್ತದೆ ✔
• ಸಿ) ಬಾದಾಮಿ ಪೇಸ್ಟ್ ಕ್ಯಾಲೋರಿಗಳಲ್ಲಿ ಹೆಚ್ಚು
• ಡಿ) ಬಾದಾಮಿ ಪೇಸ್ಟ್ ಟರ್ಕಿಶ್ ಪಾಕಪದ್ಧತಿಗೆ ಸೂಕ್ತವಲ್ಲ.

ವಿವರಣೆ: ಹ್ಯಾಝೆಲ್ನಟ್ಸ್ ಮತ್ತು ಬಾದಾಮಿ ಒಂದೇ 'ಟ್ರೀ ನಟ್' ಅಲರ್ಜಿ ಗುಂಪಿನಲ್ಲಿವೆ. ಅಲರ್ಜಿಯನ್ನು ಗುಂಪಿನ ಆಧಾರದ ಮೇಲೆ ನಿರ್ವಹಿಸಲಾಗುತ್ತದೆ, ಒಂದೇ ಆಹಾರವಲ್ಲ; ಬದಲಿ ಅದೇ ಗುಂಪಿಗೆ ಬಂದರೆ, ಅದು ಅಪಾಯಕಾರಿ. ಆಹಾರತಜ್ಞರು ಅಲರ್ಜಿಯ ಗುಂಪನ್ನು ತಿಳಿದಿದ್ದಾರೆ ಮತ್ತು ಪರ್ಯಾಯವನ್ನು ನಿಖರವಾಗಿ ಪರಿಶೀಲಿಸುತ್ತಾರೆ.

7. ವಾರ್ಫರಿನ್ (ರಕ್ತ ತೆಳ್ಳಗೆ) ತೆಗೆದುಕೊಳ್ಳುವ ಕ್ಲೈಂಟ್‌ಗೆ ವಿಟಮಿನ್ ಕೆ-ಭರಿತ ಎಲೆಗಳ ಸೊಪ್ಪನ್ನು ಬಳಸುವ ಸರಿಯಾದ ವಿಧಾನ ಯಾವುದು?

• ಎ) ಎಲ್ಲಾ ಹಸಿರು ಎಲೆಗಳ ಆಹಾರಗಳನ್ನು ಕಟ್ಟುನಿಟ್ಟಾಗಿ ನಿಷೇಧಿಸಬೇಕು
• ಬಿ) ವಿಟಮಿನ್ ಕೆ ಸೇವನೆಯನ್ನು ಅನುಮತಿಸಬೇಕು ಮತ್ತು ಪರಿಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳಬಾರದು
• C) ವಿಟಮಿನ್ ಕೆ ಸೇವನೆಯು ಸ್ಥಿರವಾಗಿರಬೇಕು ಮತ್ತು ಪರಿಸ್ಥಿತಿಯನ್ನು ವೈದ್ಯರೊಂದಿಗೆ ಹಂಚಿಕೊಳ್ಳಬೇಕು ✔
• ಡಿ) ಎಲೆಗಳ ಸೊಪ್ಪನ್ನು ರಾತ್ರಿಯ ಊಟದಲ್ಲಿ ಮಾತ್ರ ಸೇವಿಸಬೇಕು

ವಿವರಣೆ: ವಾರ್ಫರಿನ್ ಬಳಸುವವರಿಗೆ, ವಿಟಮಿನ್ ಕೆ ಅನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ನಿಷೇಧಿಸುವುದು ಗುರಿಯಲ್ಲ, ಆದರೆ ಅವರ ಸೇವನೆಯನ್ನು ಸ್ಥಿರವಾಗಿರಿಸಿಕೊಳ್ಳುವುದು; ದೊಡ್ಡ ಏರಿಳಿತಗಳು ಔಷಧದ ಪರಿಣಾಮವನ್ನು ದುರ್ಬಲಗೊಳಿಸುತ್ತವೆ. ಈ 'ಸುಸ್ಥಿರವಾಗಿರಿಸಿಕೊಳ್ಳಿ' ರೀತಿಯ ನಿರ್ಬಂಧವು AI ನಲ್ಲಿ ಕಾಣೆಯಾಗಿರುವ ಕ್ಲಿನಿಕಲ್ ಅತ್ಯಾಧುನಿಕತೆಯಾಗಿದೆ ಮತ್ತು ಇದನ್ನು ವೈದ್ಯರೊಂದಿಗೆ ಹಂಚಿಕೊಳ್ಳಲಾಗಿದೆ.

8. ಕ್ಲೈಂಟ್ ಒಂದು ವಾರದಲ್ಲಿ 1 ಕೆಜಿಯಷ್ಟು 'ಹೆಚ್ಚಳ'ವನ್ನು ಗಮನಿಸಿದಾಗ ಸರಿಯಾದ ವ್ಯಾಖ್ಯಾನವನ್ನು ಹೇಗೆ ಮಾಡಬಹುದು?

• ಎ) ಯೋಜನೆಯನ್ನು ಕಡಿಮೆ ಕ್ಯಾಲೋರಿಗಳೊಂದಿಗೆ ಮೊದಲಿನಿಂದ ತಕ್ಷಣವೇ ಬರೆಯಬೇಕು
• ಬಿ) ಕ್ಲೈಂಟ್ ತೂಕವನ್ನು ನಿಲ್ಲಿಸುವಂತೆ ಮಾಡಬೇಕು.
• ಸಿ) ಒಂದು ವಾರದ ಹೆಚ್ಚಳವನ್ನು ನಿರ್ಣಾಯಕ ತೂಕವನ್ನು ಪರಿಗಣಿಸಲಾಗುತ್ತದೆ.
• ಡಿ) ಬಹು-ವಾರದ ಪ್ರವೃತ್ತಿಗಳನ್ನು ನೋಡಬೇಕು, ಒಂದೇ ಅಳತೆಯಲ್ಲ; ಅಲ್ಪಾವಧಿಯ ಏರಿಳಿತವನ್ನು (ಉದಾಹರಣೆಗೆ ನೀರಿನ ಧಾರಣ) ಪ್ರಾಯೋಗಿಕವಾಗಿ ಮೌಲ್ಯಮಾಪನ ಮಾಡಬೇಕು ✔

ವಿವರಣೆ: ಒಂದೇ ಅಳತೆಯು ತಪ್ಪುದಾರಿಗೆಳೆಯುವಂತಿದೆ; ನೀರಿನ ಧಾರಣ, ಋತುಚಕ್ರ ಮತ್ತು ಉಪ್ಪು ಸೇವನೆಯಂತಹ ಅಂಶಗಳು ಅಲ್ಪಾವಧಿಯ ಏರಿಳಿತಗಳನ್ನು ಸೃಷ್ಟಿಸುತ್ತವೆ. ಬಹು-ವಾರದ ಪ್ರವೃತ್ತಿಯು ಗಮನಾರ್ಹವಾಗಿದೆ. ಈ ಕ್ಲಿನಿಕಲ್ ವ್ಯಾಖ್ಯಾನವನ್ನು ಆಹಾರತಜ್ಞರು ಮಾಡುತ್ತಾರೆ; AI ಡೇಟಾವನ್ನು ಮಾತ್ರ ಆಯೋಜಿಸುತ್ತದೆ.

9. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಸಾಮಾಜಿಕ ಮಾಧ್ಯಮ ಸ್ಕೆಚ್‌ನಲ್ಲಿ 'ಹಸಿರು ಚಹಾ ಕೊಬ್ಬನ್ನು ಸುಡುತ್ತದೆ ಮತ್ತು ಚಯಾಪಚಯವನ್ನು ವೇಗಗೊಳಿಸುತ್ತದೆ' ಎಂಬ ವಾಕ್ಯವನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ. ಆಹಾರ ಪದ್ಧತಿಯ ನೈತಿಕ ಜವಾಬ್ದಾರಿ ಏನು?

• ಎ) ಸಾಕ್ಷ್ಯದ ಮೇಲೆ ಉತ್ಪ್ರೇಕ್ಷಿತ ಹಕ್ಕುಗಳನ್ನು ಆಧರಿಸಿ, ಅದನ್ನು ಅಳತೆ ಮಾಡಿದ ಭಾಷೆಗೆ ಭಾಷಾಂತರಿಸುವುದು ಮತ್ತು ಸಾಮಾನ್ಯ ಮಾಹಿತಿ ಎಚ್ಚರಿಕೆಯನ್ನು ಸೇರಿಸುವುದು ✔
• ಬಿ) ಗಮನ ಸೆಳೆಯುವ ಕಾರಣ ಹಕ್ಕನ್ನು ಹಾಗೆಯೇ ಪ್ರಕಟಿಸುವುದು
• ಸಿ) ವಾಕ್ಯವನ್ನು ಮತ್ತಷ್ಟು ಬಲಗೊಳಿಸಿ ಮತ್ತು 'ಕ್ಯಾನ್ಸರ್ ತಡೆಯುತ್ತದೆ' ಸೇರಿಸಿ
• ಡಿ) ವಿಷಯವನ್ನು ಪ್ರಕಟಿಸುವುದಿಲ್ಲ, ಏಕೆಂದರೆ ಹಸಿರು ಚಹಾದ ಬಗ್ಗೆ ಮಾತನಾಡುವುದನ್ನು ನಿಷೇಧಿಸಲಾಗಿದೆ

ವಿವರಣೆ: ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಉತ್ಪ್ರೇಕ್ಷಿತ ಮತ್ತು ಕಳಪೆ ಸಾಬೀತಾದ ಹಕ್ಕುಗಳನ್ನು ಮಾಡುವ ಸಾಧ್ಯತೆಯಿದೆ. ಆಹಾರ ಪದ್ಧತಿಯು ಈ ಹಕ್ಕುಗಳನ್ನು ಸಾಕ್ಷ್ಯದ ಮಟ್ಟಕ್ಕೆ ಅನುಗುಣವಾಗಿ ಮಾಡರೇಟ್ ಮಾಡಬೇಕು, ಖಚಿತತೆ ಮತ್ತು ಪವಾಡದ ಭಾಷೆಯನ್ನು ತೆಗೆದುಹಾಕಬೇಕು ಮತ್ತು 'ಇದು ಸಾಮಾನ್ಯ ಮಾಹಿತಿ' ಎಂಬ ಎಚ್ಚರಿಕೆಯನ್ನು ಸೇರಿಸಬೇಕು. ಆರೋಗ್ಯ ಹಕ್ಕುಗಳಲ್ಲಿ ಪ್ರಾಮಾಣಿಕತೆಯು ನೈತಿಕ ಬಾಧ್ಯತೆಯಾಗಿದೆ.

10. ಪ್ರಸ್ತುತಿಗಾಗಿ 'ಮಧ್ಯಂತರ ಉಪವಾಸದ ಪ್ರಯೋಜನಗಳನ್ನು ಸಾಬೀತುಪಡಿಸುವ 3 ಅಧ್ಯಯನಗಳಿಗೆ' ಒಬ್ಬ ಆಹಾರ ತಜ್ಞರು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಕೇಳುತ್ತಾರೆ. ಈ ವಿನಂತಿಯ ಮುಖ್ಯ ಅಪಾಯ ಏನು?

• ಎ) ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಹೆಚ್ಚಿನ ಕೆಲಸವನ್ನು ನೀಡುತ್ತದೆ ಮತ್ತು ಆಹಾರ ಪದ್ಧತಿಯನ್ನು ಸುಸ್ತಾಗಿಸುತ್ತದೆ
• ಬಿ) ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲದ ಅಧ್ಯಯನಗಳು, ಲೇಖಕರು ಮತ್ತು ನಿಯತಕಾಲಿಕಗಳನ್ನು ಆವಿಷ್ಕರಿಸಬಹುದು; ಪ್ರಾಥಮಿಕ ಮೂಲದಿಂದ ಪರಿಶೀಲನೆ ಇಲ್ಲದೆ ಮೂಲಗಳನ್ನು ಬಳಸಲಾಗುವುದಿಲ್ಲ ✔
• ಸಿ) ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಅಧ್ಯಯನಗಳನ್ನು ಇಂಗ್ಲಿಷ್‌ನಲ್ಲಿ ಮಾತ್ರ ನೀಡಲಾಗುತ್ತದೆ
• ಡಿ) ಪ್ರಸ್ತುತಿಗಾಗಿ ಮೂರು ಅಧ್ಯಯನಗಳು ಯಾವಾಗಲೂ ಸಾಕಾಗುವುದಿಲ್ಲ

ವಿವರಣೆ: ಭಾಷಾ ಮಾದರಿಗಳು ವಾಸ್ತವವಾಗಿ ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲದ ಕೃತಿಗಳು, ಲೇಖಕರು ಮತ್ತು ನಿಯತಕಾಲಿಕಗಳನ್ನು ಆವಿಷ್ಕರಿಸಬಹುದು (ಮೂಲ ಭ್ರಮೆ). ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಸಾಹಿತ್ಯದ ಹುಡುಕಾಟ ಎಂಜಿನ್ ಅಲ್ಲ. ಸರಿಯಾದ ಮಾರ್ಗ: ಪಬ್‌ಮೆಡ್/ಕೊಕ್ರೇನ್‌ನಿಂದ ನೈಜ ಮೂಲಗಳನ್ನು ಹುಡುಕಿ ಮತ್ತು ಅವುಗಳನ್ನು AI ಮೂಲಕ ಸಾರಾಂಶಗೊಳಿಸಿ; ಪ್ರತಿಯೊಂದು ಉಲ್ಲೇಖವನ್ನು ಪ್ರಾಥಮಿಕ ಮೂಲದಿಂದ ಪರಿಶೀಲಿಸಲಾಗುತ್ತದೆ.

11. ಬೆಳಗಿನ ಉಪಾಹಾರವು ನಿಮ್ಮ ತೂಕವನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ ಎಂದು ತೀರ್ಮಾನಿಸುವುದು ಏಕೆ ತಪ್ಪಾಗಿದೆ, ಇದು 'ಬೆಳಗಿನ ಉಪಾಹಾರ ಸೇವಿಸುವವರು ತೆಳ್ಳಗಿರುತ್ತಾರೆ' ಎಂದು ತೋರಿಸುವ ಒಂದು ಅವಲೋಕನದ ಅಧ್ಯಯನದಿಂದ?

• ಎ) ಅಧ್ಯಯನವು ಇನ್ನೂ ಮಾನ್ಯವಾಗಿಲ್ಲ ಏಕೆಂದರೆ ಅದು ತುಂಬಾ ಹೊಸದು.
• ಬಿ) ಬೆಳಗಿನ ಉಪಾಹಾರವು ನಿಮ್ಮ ತೂಕವನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ, ಅಧ್ಯಯನವು ತಪ್ಪಾಗಿದೆ
• ಸಿ) ಅವಲೋಕನದ ಅಧ್ಯಯನವು ಪರಸ್ಪರ ಸಂಬಂಧವನ್ನು ಮಾತ್ರ ತೋರಿಸುತ್ತದೆ; ಕಾರಣವನ್ನು ಸಾಬೀತುಪಡಿಸುವುದಿಲ್ಲ, ಸಂಘವು ಇತರ ಅಂಶಗಳ ಕಾರಣದಿಂದಾಗಿರಬಹುದು ✔
• ಡಿ) ಮಾದರಿಯು ಮಹಿಳೆಯರನ್ನು ಮಾತ್ರ ಒಳಗೊಂಡಿರುವುದರಿಂದ ಇದು ಅಮಾನ್ಯವಾಗಿದೆ

ವಿವರಣೆ: ಅವಲೋಕನದ ಅಧ್ಯಯನವು ಪರಸ್ಪರ ಸಂಬಂಧವನ್ನು ತೋರಿಸುತ್ತದೆ (ಒಟ್ಟಿಗೆ ಸಂಭವಿಸುವುದು), ಕಾರಣವಲ್ಲ (ಒಂದು ಇನ್ನೊಂದಕ್ಕೆ ಕಾರಣವಾಗುತ್ತದೆ). ಬೆಳಗಿನ ಉಪಾಹಾರವನ್ನು ಸೇವಿಸುವವರು ಸಾಮಾನ್ಯವಾಗಿ ಹೆಚ್ಚು ಸಕ್ರಿಯವಾಗಿ ಮತ್ತು ನಿಯಮಿತವಾಗಿ ಬದುಕಬಹುದು; ಸಂಬಂಧವು ಇತರ ಅಂಶಗಳ ಕಾರಣದಿಂದಾಗಿರಬಹುದು. ಕಾರಣದೊಂದಿಗೆ ಪರಸ್ಪರ ಸಂಬಂಧವನ್ನು ಗೊಂದಲಗೊಳಿಸುವುದು ಸಾಮಾನ್ಯ ಸಾಕ್ಷ್ಯವನ್ನು ಓದುವ ದೋಷವಾಗಿದೆ.

12. 24-ಗಂಟೆಗಳ ಪೌಷ್ಟಿಕಾಂಶದ ಜ್ಞಾಪನೆಯಲ್ಲಿ, ಗ್ರಾಹಕರು 'ದಿನಕ್ಕೆ 2 ಹಿಡಿ ಬೀಜಗಳು' ಎಂದು ಹೇಳುತ್ತಾರೆ. AI ಇದು '60 ಗ್ರಾಂ' ಎಂದು ಊಹಿಸುತ್ತದೆ. ಸರಿಯಾದ ವಿಧಾನ ಯಾವುದು?

• ಎ) 60 ಗ್ರಾಂನ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಊಹೆಯನ್ನು ಖಚಿತವೆಂದು ಪರಿಗಣಿಸಲಾಗುತ್ತದೆ
• ಬಿ) ಬೀಜಗಳನ್ನು ಯೋಜನೆಯಿಂದ ಸಂಪೂರ್ಣವಾಗಿ ತೆಗೆದುಹಾಕಲಾಗುತ್ತದೆ
• ಸಿ) 100 ಗ್ರಾಂಗಳನ್ನು ಸರಾಸರಿ ಮೌಲ್ಯವಾಗಿ ತೆಗೆದುಕೊಳ್ಳಲಾಗುತ್ತದೆ
• ಡಿ) ಭಾಗವು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಊಹೆಯಲ್ಲ, ಕ್ಲೈಂಟ್ ಅನ್ನು ಕೇಳುವ ಮೂಲಕ ಅಥವಾ ಅದನ್ನು ಅಳತೆಯಿಂದ ಅಳೆಯುವ ಮೂಲಕ ಸ್ಪಷ್ಟಪಡಿಸಲಾಗುತ್ತದೆ ✔

ವಿವರಣೆ: ಭಾಗದ ಅಂದಾಜುಗಳು ವ್ಯಕ್ತಿಯಿಂದ ವ್ಯಕ್ತಿಗೆ ಬಹಳವಾಗಿ ಬದಲಾಗುತ್ತವೆ; ಕೈಬೆರಳೆಣಿಕೆಯಷ್ಟು 30 ಗ್ರಾಂ ಅಥವಾ 90 ಗ್ರಾಂ ಆಗಿರಬಹುದು. AI ಯ ಊಹೆಯು ಆರಂಭಿಕ ಶ್ರೇಣಿಯಾಗಿದೆ, ಮಾಪನವಲ್ಲ. ಕ್ಲೈಂಟ್ ಅನ್ನು ಕೇಳುವ ಮೂಲಕ ಅಥವಾ ಅಡಿಗೆ ಮಾಪಕವನ್ನು ಬಳಸುವ ಮೂಲಕ ನಿಜವಾದ ಭಾಗವನ್ನು ಸ್ಪಷ್ಟಪಡಿಸಬೇಕು.

13. ಪೌಷ್ಟಿಕಾಂಶದ ಡೇಟಾಬೇಸ್ಗಳು ಸಾಮಾನ್ಯವಾಗಿ 100 ಗ್ರಾಂ ಕಚ್ಚಾ ಮೌಲ್ಯಗಳನ್ನು ನೀಡುತ್ತವೆ. ಇದು ಯಾವ ದೋಷವನ್ನು ಉಂಟುಮಾಡಬಹುದು?

• ಎ) ಕಚ್ಚಾ ಮೌಲ್ಯವನ್ನು ಬೇಯಿಸಿದ ಭಾಗಕ್ಕೆ (ಅಥವಾ ಪ್ರತಿಯಾಗಿ) ಅನ್ವಯಿಸುವುದರಿಂದ ಗಂಭೀರ ಕ್ಯಾಲೋರಿ/ಮ್ಯಾಕ್ರೋ ದೋಷಗಳನ್ನು ಪರಿಚಯಿಸಬಹುದು; ಅಳತೆಯ ಘಟಕವನ್ನು ಸ್ಪಷ್ಟಪಡಿಸಬೇಕು ✔
• ಬಿ) ಕಚ್ಚಾ ಮೌಲ್ಯಗಳು ಯಾವಾಗಲೂ ಬೇಯಿಸಿದ ಮೌಲ್ಯಗಳಿಗಿಂತ ಕಡಿಮೆಯಿರುತ್ತವೆ, ಸಮಸ್ಯೆ ಇಲ್ಲ
• ಸಿ) ಡೇಟಾಬೇಸ್‌ಗಳು ಬೇಯಿಸಿದ ಮೌಲ್ಯಗಳನ್ನು ಮಾತ್ರ ಹಿಂದಿರುಗಿಸುವುದರಿಂದ ಯಾವುದೇ ಸಮಸ್ಯೆ ಇರುವುದಿಲ್ಲ.
• ಡಿ) ಕಚ್ಚಾ/ಬೇಯಿಸಿದ ವ್ಯತ್ಯಾಸವು ಮಾಂಸದಲ್ಲಿ ಮಾತ್ರ ಕಂಡುಬರುತ್ತದೆ, ಧಾನ್ಯದಲ್ಲಿ ಅಲ್ಲ.

ವಿವರಣೆ: ಅಡುಗೆ ಸಮಯದಲ್ಲಿ, ಆಹಾರವು ನೀರನ್ನು ಹೀರಿಕೊಳ್ಳುತ್ತದೆ ಮತ್ತು ಅದರ ತೂಕವನ್ನು ಬದಲಾಯಿಸುತ್ತದೆ; 100 ಗ್ರಾಂ ಕಚ್ಚಾ ಅಕ್ಕಿ ಬೇಯಿಸಿದಾಗ ~ 250-300 ಗ್ರಾಂಗೆ ಹೆಚ್ಚಾಗುತ್ತದೆ. ಬೇಯಿಸಿದ ಮೊತ್ತಕ್ಕೆ ಕಚ್ಚಾ ಮೌಲ್ಯವನ್ನು ಅನ್ವಯಿಸುವುದರಿಂದ (ಅಥವಾ ಪ್ರತಿಯಾಗಿ) ಗಂಭೀರ ಕ್ಯಾಲೋರಿ ದೋಷಗಳಿಗೆ ಕಾರಣವಾಗುತ್ತದೆ. ಬಳಸಿದ ಮೌಲ್ಯವು ಕಚ್ಚಾ ಅಥವಾ ಬೇಯಿಸಿದವೇ ಎಂಬುದನ್ನು ಯಾವಾಗಲೂ ಸ್ಪಷ್ಟಪಡಿಸಬೇಕು.

14. ಮಾಡ್ಯೂಲ್‌ನಾದ್ಯಂತ ಒತ್ತಿಹೇಳಲಾದ ಪ್ರಮುಖ ತತ್ವವು ಆಹಾರಕ್ರಮದಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಪಾತ್ರವನ್ನು ಹೇಗೆ ವಿವರಿಸುತ್ತದೆ?

• ಎ) ಅನುಭವಿ ಆಹಾರ ತಜ್ಞರನ್ನು ಬದಲಿಸಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ತನ್ನದೇ ಆದ ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಬಹುದು
• ಬಿ) ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಸಹಾಯಕ ಮತ್ತು ಡ್ರಾಫ್ಟ್ ಜನರೇಟರ್ ಆಗಿದೆ; ರೋಗನಿರ್ಣಯ, ಚಿಕಿತ್ಸೆಯ ನಿರ್ಧಾರ ಮತ್ತು ಅಂತಿಮ ಅನುಮೋದನೆಯು ಆಹಾರ ಪದ್ಧತಿ/ವೈದ್ಯರಿಗೆ ಸೇರಿದೆ ✔
• ಸಿ) ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ದೃಷ್ಟಿ ವಿನ್ಯಾಸಕ್ಕಾಗಿ ಮಾತ್ರ ಬಳಸಲಾಗುತ್ತದೆ, ಲೆಕ್ಕಾಚಾರಗಳಿಗೆ ಅಲ್ಲ
• ಡಿ) ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಉತ್ಪಾದನೆಯು ವೈಜ್ಞಾನಿಕ ಮೂಲಗಳನ್ನು ಆಧರಿಸಿರುವುದರಿಂದ ಪರಿಶೀಲನೆ ಇಲ್ಲದೆಯೂ ಸುರಕ್ಷಿತವಾಗಿದೆ

ವಿವರಣೆ: ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಸಹಾಯಕ ಮತ್ತು ಡ್ರಾಫ್ಟ್ ಜನರೇಟರ್ ಆಗಿ ಪುನರಾವರ್ತಿತ ಕೆಲಸವನ್ನು ವೇಗಗೊಳಿಸುತ್ತದೆ, ಆದರೆ ಇದು ಸುರಕ್ಷತೆ-ನಿರ್ಣಾಯಕ ಪ್ರದೇಶದಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತಿರುವುದರಿಂದ, ರೋಗನಿರ್ಣಯ, ಪೌಷ್ಟಿಕಾಂಶದ ಚಿಕಿತ್ಸೆಯ ನಿರ್ಧಾರ ಮತ್ತು ಅಂತಿಮ ಯೋಜನೆಯ ಅನುಮೋದನೆಯು ಸಮರ್ಥ ತಜ್ಞರಿಗೆ (ಆಹಾರತಜ್ಞ ಮತ್ತು ಅಗತ್ಯವಿದ್ದಾಗ, ವೈದ್ಯರು) ಸೇರಿದೆ. ಪರಿಶೀಲಿಸದ ಔಟ್‌ಪುಟ್ ಸಹಿ ಮಾಡದ ಡ್ರಾಫ್ಟ್ ಆಗಿದೆ.