ಅರ್ಥಶಾಸ್ತ್ರದಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗೆ ಪರಿಚಯ: ಪಾತ್ರಗಳು, ಗಡಿಗಳು, ಮೌಲ್ಯೀಕರಣ ಮತ್ತು ಡೇಟಾ ನೀತಿಶಾಸ್ತ್ರ

ಲಾಭಗಳು:

• ಆರ್ಥಿಕ ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿ (ಡೇಟಾ ಸಂಕಲನ, ಕರಡು, ಕೋಡ್, ಸಾರಾಂಶ) ನೈಜ ಸಮಯವನ್ನು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಎಲ್ಲಿ ಉಳಿಸುತ್ತದೆ ಮತ್ತು ಎಲ್ಲಿ (ಮುನ್ಸೂಚನೆ ಜವಾಬ್ದಾರಿ, ನೀತಿ ನಿರ್ಧಾರ, ಅಧಿಕೃತ ವ್ಯಕ್ತಿ) ನಿರ್ಧಾರವನ್ನು ಸಮರ್ಥ ಅರ್ಥಶಾಸ್ತ್ರಜ್ಞನಿಗೆ ಬಿಡಲಾಗುತ್ತದೆ, ಕಾರ್ಯದ ಅಪಾಯದ ಮಟ್ಟಕ್ಕೆ ಅನುಗುಣವಾಗಿ ಗುರುತಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ.
• ಪ್ರತಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಉತ್ಪಾದನೆಯನ್ನು ಮೂಲ ಮೂಲಕ್ಕೆ (TURKSTAT/EVDS/IMF) ಸಂಪರ್ಕಿಸುವ ಹಂತಗಳ ಮೂಲಕ ಪರಿಶೀಲಿಸುವ ಶಿಸ್ತನ್ನು ಅನ್ವಯಿಸುವ ಸಾಮರ್ಥ್ಯ, ಅದನ್ನು ಮರು ಲೆಕ್ಕಾಚಾರ ಮಾಡುವುದು ಮತ್ತು ಆರ್ಥಿಕ ಸಾಮಾನ್ಯ ಜ್ಞಾನದ ಫಿಲ್ಟರ್ ಮೂಲಕ ಹಾದುಹೋಗುವುದು.
• ನಕಲಿ ಸಂಖ್ಯೆಗಳು (ಭ್ರಮೆಗಳು), ಹಳೆಯ ಡೇಟಾ ಕಟ್-ಆಫ್ ದಿನಾಂಕಗಳು ಮತ್ತು ಗೌಪ್ಯ ಡೇಟಾ ಸೋರಿಕೆಯ ಅಪಾಯಗಳನ್ನು ಗುರುತಿಸುವ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ಸುರಕ್ಷಿತ ಸಾಧನಗಳು ಮತ್ತು ಸಂಪನ್ಮೂಲಗಳನ್ನು ಆಯ್ಕೆ ಮಾಡುವ ಅಭ್ಯಾಸವನ್ನು ಪಡೆದುಕೊಳ್ಳುವುದು.

ಅರ್ಥಶಾಸ್ತ್ರಜ್ಞರ ಮೇಜು ವಾಸ್ತವವಾಗಿ ಡೇಟಾ ಮತ್ತು ಪಠ್ಯ ಕಾರ್ಖಾನೆಯಾಗಿದೆ: ನೀವು ಬೆಳಿಗ್ಗೆ TURKSTAT ನಿಂದ ಹಣದುಬ್ಬರ ಡೇಟಾವನ್ನು ಅರ್ಥೈಸುತ್ತೀರಿ, ಮಧ್ಯಾಹ್ನ ಅಭಿವೃದ್ಧಿ ಏಜೆನ್ಸಿಗೆ ನೀತಿ ಟಿಪ್ಪಣಿ ಬರೆಯಿರಿ, ಸಮಯದ ಸರಣಿಯನ್ನು ಸ್ವಚ್ಛಗೊಳಿಸಿ ಮತ್ತು ಸಂಜೆ ಮುನ್ಸೂಚನೆಯನ್ನು ಮಾಡಲು ಪ್ರಯತ್ನಿಸಿ. ಈ ಕೆಲಸವು ಹೆಚ್ಚು ಯಾಂತ್ರಿಕವಾಗಿದೆ, ಮಾನಸಿಕವಲ್ಲ: ಡೇಟಾವನ್ನು ಡೌನ್‌ಲೋಡ್ ಮಾಡುವುದು, ಘಟಕಗಳನ್ನು ಪರಿವರ್ತಿಸುವುದು, ಕೋಷ್ಟಕಗಳನ್ನು ಸಂಪಾದಿಸುವುದು, ದೀರ್ಘ ವರದಿಗಳನ್ನು ಸಾರಾಂಶ ಮಾಡುವುದು, ಕೋಡ್ ಬರೆಯುವುದು. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ (AI — ದೊಡ್ಡ ಭಾಷಾ ಮಾದರಿಗಳು ಮತ್ತು ಸಹಾಯಕ ಸಾಧನಗಳು) ನಿಖರವಾಗಿ ಈ ಯಾಂತ್ರಿಕ ಹೊರೆಯನ್ನು ನಿವಾರಿಸುತ್ತದೆ. ಆದರೆ ಈ ಮಾಡ್ಯೂಲ್‌ನಾದ್ಯಂತ ನಾವು ಪುನರಾವರ್ತಿಸುವ ವಾಕ್ಯದೊಂದಿಗೆ ಪ್ರಾರಂಭಿಸೋಣ: ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಅರ್ಥಶಾಸ್ತ್ರಜ್ಞರ ಸಹಾಯಕ, ಅವನನ್ನು ಬದಲಿಸುವ ತಜ್ಞರಲ್ಲ. ಹಣದುಬ್ಬರ ಮುನ್ಸೂಚನೆ, ವಿತ್ತೀಯ ನೀತಿ ಪ್ರಸ್ತಾಪ ಅಥವಾ ಸಾರ್ವಜನಿಕವಾಗಿ ಲಭ್ಯವಿರುವ ಅಂಕಿ ಅಂಶದ ಜವಾಬ್ದಾರಿಯು ಯಾವಾಗಲೂ ಅದಕ್ಕೆ ಸಹಿ ಮಾಡಿದ ವ್ಯಕ್ತಿ ಮತ್ತು ಸಂಸ್ಥೆಯೊಂದಿಗೆ ಇರುತ್ತದೆ.

ಈ ಘಟಕವನ್ನು "ಬಳಕೆದಾರ ಕೈಪಿಡಿ" ಯಂತೆ ಯೋಚಿಸಿ: ಇಲ್ಲಿ ನಾವು AI ಅನ್ನು ಎಲ್ಲಿ ಹಾಕಬೇಕು, ಎಲ್ಲಿ ಹಾಕಬಾರದು ಮತ್ತು ಪ್ರತಿ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಹೇಗೆ ಮೌಲ್ಯೀಕರಿಸಬೇಕು ಎಂಬುದನ್ನು ಇಲ್ಲಿ ಇಡುತ್ತೇವೆ. ಉಳಿದ ಹತ್ತು ಘಟಕಗಳು ಈ ಅಸ್ಥಿಪಂಜರದ ಮೇಲೆ ಮಾಂಸವನ್ನು ಹಾಕುತ್ತವೆ.

ಅರ್ಥಶಾಸ್ತ್ರದಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಏನನ್ನು ವೇಗಗೊಳಿಸುತ್ತದೆ ಮತ್ತು ಯಾವುದನ್ನು ವೇಗಗೊಳಿಸುವುದಿಲ್ಲ?

ಅಪಾಯದ ಮಟ್ಟಕ್ಕೆ ಅನುಗುಣವಾಗಿ ಕಾರ್ಯಗಳನ್ನು ಮೂರು ಪೆಟ್ಟಿಗೆಗಳಾಗಿ ವಿಂಗಡಿಸೋಣ. ಈ ವ್ಯತ್ಯಾಸವು ಸಂಪೂರ್ಣ ಮಾಡ್ಯೂಲ್‌ನ ದಿಕ್ಸೂಚಿಯಾಗಿದೆ.

ಹಸಿರು ಪೆಟ್ಟಿಗೆ - AI ಶಕ್ತಿಯುತವಾಗಿದೆ, ವೇಗವನ್ನು ಸೇರಿಸುತ್ತದೆ (ಇನ್ನೂ ಪರಿಶೀಲಿಸಲಾಗಿದೆ). ಡೇಟಾ ಡೌನ್‌ಲೋಡ್ ಕೋಡ್ ಬರೆಯುವುದು, ಡೇಟಾವನ್ನು ಶುದ್ಧೀಕರಿಸಲು ಕ್ರಮಗಳನ್ನು ಸೂಚಿಸುವುದು, ದೀರ್ಘ ವರದಿ ಅಥವಾ ಲೇಖನವನ್ನು ಸಾರಾಂಶ ಮಾಡುವುದು, ಚಾರ್ಟ್‌ಗಾಗಿ ಕೋಡ್ ಅನ್ನು ರಚಿಸುವುದು, ಪಠ್ಯವನ್ನು ಸರಳೀಕರಿಸುವುದು ಮತ್ತು ಫಾರ್ಮ್ಯಾಟ್ ಮಾಡುವುದು, ನಿಯಮಗಳು, ಅನುವಾದ, ಕರಡು ನೀತಿ ಟಿಪ್ಪಣಿ ಅಸ್ಥಿಪಂಜರವನ್ನು ವಿವರಿಸುವುದು. ಇಲ್ಲಿ ದೋಷದ ವೆಚ್ಚ ಕಡಿಮೆಯಾಗಿದೆ ಮತ್ತು ದೋಷಗಳು ಸುಲಭವಾಗಿ ಕಂಡುಬರುತ್ತವೆ.

ಹಳದಿ ಬಾಕ್ಸ್ - AI ಸಹಾಯ ಮಾಡುತ್ತದೆ ಆದರೆ ಮಾನವ ಪರಿಶೀಲಿಸುತ್ತದೆ. ಸಮಯ ಸರಣಿಯ ಮಾದರಿಯನ್ನು ನಿರ್ಮಿಸುವುದು, ಹಿಂಜರಿತದ ವ್ಯಾಖ್ಯಾನ, ಸನ್ನಿವೇಶದ ಲೆಕ್ಕಾಚಾರ, ಸೂಚಕ ವ್ಯಾಖ್ಯಾನ, ಸಾಹಿತ್ಯ ಸಂಶ್ಲೇಷಣೆ. ಇಲ್ಲಿ AI ಬ್ಲೂಪ್ರಿಂಟ್ ಅನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ; ಆದರೆ ಸಂಖ್ಯೆಗಳು, ಊಹೆಗಳು ಮತ್ತು ಆರ್ಥಿಕ ತರ್ಕವನ್ನು ಸಾಲು ಸಾಲಾಗಿ ಪರಿಶೀಲಿಸದೆ ಎಲ್ಲಿಯೂ ಹೋಗುವುದಿಲ್ಲ.

ಕೆಂಪು ಪೆಟ್ಟಿಗೆ - ಜವಾಬ್ದಾರಿಯು ಮಾನವನ ಮೇಲಿರುತ್ತದೆ, AI ನಿರ್ಧರಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ. ಅಧಿಕೃತ ಹಣದುಬ್ಬರ/ಬೆಳವಣಿಗೆಯ ಅಂಕಿ ಅಂಶದ ಅಂತಿಮ ಅನುಮೋದನೆ, ವಿತ್ತೀಯ ಅಥವಾ ಹಣಕಾಸಿನ ನೀತಿ ಪ್ರಸ್ತಾಪದ ಮಾಲೀಕತ್ವ, ಸಾರ್ವಜನಿಕಗೊಳಿಸಬೇಕಾದ ಮುನ್ಸೂಚನೆಯ ಸಹಿ, ಹೂಡಿಕೆ/ಕ್ರೆಡಿಟ್ ನಿರ್ಧಾರವಾಗಿ ಬದಲಾಗುವ ಅಭಿಪ್ರಾಯ. ಇಲ್ಲಿ AI ಇನ್‌ಪುಟ್ ಅನ್ನು ಮಾತ್ರ ಉತ್ಪಾದಿಸುತ್ತದೆ; ತೀರ್ಪು, ಜವಾಬ್ದಾರಿ ಮತ್ತು ಸಹಿ ವ್ಯಕ್ತಿಗೆ ಸೇರಿದೆ.

ಸಲಹೆ: ಯಾವ ಬಾಕ್ಸ್‌ನಲ್ಲಿ ಕಾರ್ಯವನ್ನು ಹಾಕಬೇಕೆಂದು ನಿಮಗೆ ಖಾತ್ರಿಯಿಲ್ಲದಿದ್ದರೆ, ಈ ಪ್ರಶ್ನೆಯನ್ನು ಕೇಳಿ: "ಈ ಔಟ್‌ಪುಟ್ ತಪ್ಪಾಗಿ ಹೊರಹೊಮ್ಮಿದರೆ ಯಾರು ನೋಯಿಸುತ್ತಾರೆ ಮತ್ತು ದೋಷವನ್ನು ಸುಲಭವಾಗಿ ಗಮನಿಸಬಹುದು?" ಹಾನಿ ದೊಡ್ಡದಾಗಿದ್ದರೆ ಮತ್ತು ದೋಷವನ್ನು ಮರೆಮಾಡಿದರೆ, ಆ ಕಾರ್ಯವು ಕೆಂಪು ಬಣ್ಣಕ್ಕೆ ಹತ್ತಿರದಲ್ಲಿದೆ.

ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಮೂರು ಮೂಲಭೂತ ಮಿತಿಗಳು

ಅರ್ಥಶಾಸ್ತ್ರದಲ್ಲಿ ಅದನ್ನು ಸುರಕ್ಷಿತವಾಗಿ ಬಳಸಲು, ಅದು ಎಲ್ಲಿ ಎಡವುತ್ತದೆ ಎಂಬುದನ್ನು ಮೊದಲು ತಿಳಿದುಕೊಳ್ಳಬೇಕು.

1) ಫ್ಯಾಬ್ರಿಕೇಶನ್ (ಭ್ರಮೆ). ದೊಡ್ಡ ಭಾಷೆಯ ಮಾದರಿಯು ಕೆಲವೊಮ್ಮೆ ಆತ್ಮವಿಶ್ವಾಸದ ಭಾಷೆಯಲ್ಲಿ ತನಗೆ ತಿಳಿದಿಲ್ಲದ ಸಂಖ್ಯೆ ಅಥವಾ ಮೂಲವನ್ನು ರೂಪಿಸುತ್ತದೆ. "2023ರ ಕರೆಂಟ್ ಅಕೌಂಟ್ ಡೆಫಿಸಿಟ್ $45.2 ಬಿಲಿಯನ್" ಎಂಬ ವಾಕ್ಯವು ನಿಜವೆಂದು ತೋರುತ್ತದೆ ಆದರೆ ಸಂಪೂರ್ಣವಾಗಿ ತಪ್ಪಾಗಿರಬಹುದು. ಅರ್ಥಶಾಸ್ತ್ರದಲ್ಲಿ, ಇದು ಮಾರಕವಾಗಿದೆ: ತಪ್ಪಾದ ಅಂಕಿ ಅಂಶವು ವರದಿ, ಮುನ್ಸೂಚನೆ, ನಿರ್ಧಾರವನ್ನು ವಿಷಗೊಳಿಸುತ್ತದೆ.

2) ಡೇಟಾ ಕಟ್ಆಫ್ ದಿನಾಂಕ. ಮಾದರಿಯ ತರಬೇತಿ ಡೇಟಾ ನಿರ್ದಿಷ್ಟ ದಿನಾಂಕದಲ್ಲಿ ನಿಲ್ಲುತ್ತದೆ. ಇತ್ತೀಚಿನ ಹಣದುಬ್ಬರ, ಇತ್ತೀಚಿನ ಬಡ್ಡಿ ದರ ನಿರ್ಧಾರ ಮತ್ತು ನಿನ್ನೆಯ ವಿನಿಮಯ ದರವನ್ನು ಈ ಮಾಹಿತಿಯಿಂದ ಹೊರಗಿಡಬಹುದು. AI ನಿಮಗೆ "ಇತ್ತೀಚಿನ ಡೇಟಾ" ಎಂದು ಹಲವಾರು ತಿಂಗಳುಗಳು ಅಥವಾ ವರ್ಷಗಳಷ್ಟು ಹಳೆಯ ಸಂಖ್ಯೆಯನ್ನು ನೀಡಬಹುದು.

3) ಕಾರಣ ಕುರುಡುತನ ಮತ್ತು ಸಂದರ್ಭದ ಕೊರತೆ. AI ಭಾಷೆಯಲ್ಲಿ ಮಾದರಿಗಳನ್ನು ಸೆರೆಹಿಡಿಯುತ್ತದೆ; ಆರ್ಥಿಕ ಕಾರಣವನ್ನು "ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದಿಲ್ಲ". "ಬಡ್ಡಿ ದರಗಳು ಹೆಚ್ಚಾದಾಗ, ಹಣದುಬ್ಬರ ಕಡಿಮೆಯಾಗುತ್ತದೆ" ಎಂಬಂತಹ ವಾಕ್ಯಗಳನ್ನು ಅವರು ನಿರರ್ಗಳವಾಗಿ ಮಾಡುತ್ತಾರೆ, ಆದರೆ ಯಾವ ಪರಿಸ್ಥಿತಿಗಳಲ್ಲಿ ಅವು ಮಾನ್ಯವಾಗಿರುತ್ತವೆ ಅಥವಾ ಯಾವ ದೇಶದಲ್ಲಿ ವಿರುದ್ಧವಾಗಿ ಯಾವ ಅವಧಿಯಲ್ಲಿ ಸಂಭವಿಸಿದೆ ಎಂಬುದನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಲು ಸಾಧ್ಯವಿಲ್ಲ. ಇದು ರಚನಾತ್ಮಕ ವಿರಾಮಗಳನ್ನು ನೋಡಲು ಸಾಧ್ಯವಿಲ್ಲ (ಬಿಕ್ಕಟ್ಟಿನೊಂದಿಗೆ ಮಾದರಿಯ ಬದಲಾವಣೆ).

ಗಮನ: ವಾಕ್ಯವು ನಿರರ್ಗಳವಾಗಿ ಮತ್ತು ಆತ್ಮವಿಶ್ವಾಸದಿಂದ ಕೂಡಿರುವುದರಿಂದ ಅದು ಸರಿಯಾಗಿದೆ ಎಂದು ಅರ್ಥವಲ್ಲ. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಅತ್ಯಂತ ಮನವರಿಕೆಯಾಗುವಲ್ಲಿ ಅತ್ಯಂತ ತಪ್ಪಾಗಿರಬಹುದು.

ಪರಿಶೀಲನೆ ಶಿಸ್ತು: ಮೂಲ–ಖಾತೆ–ಫಿಲ್ಟರ್

ಈ ಮಾಡ್ಯೂಲ್ನ ಹೃದಯವು ಒಂದೇ ಅಭ್ಯಾಸವಾಗಿದೆ. ಪ್ರತಿ AI ಔಟ್‌ಪುಟ್ ಅನ್ನು ಮೂರು ಹಂತಗಳ ಮೂಲಕ ತೆಗೆದುಕೊಳ್ಳಿ:

1. ಮೂಲ. ಪ್ರತಿ ಸಂಖ್ಯೆ ಮತ್ತು ವಾಸ್ತವಿಕ ಹಕ್ಕು ಮೂಲ ಮೂಲಕ್ಕೆ ಲಿಂಕ್ ಮಾಡಲಾಗಿದೆ. TURKSTAT ನಿಂದ ಹಣದುಬ್ಬರ, ವಿನಿಮಯ ದರ ಮತ್ತು CBRT ಯಿಂದ ಪಾವತಿಗಳ ಸಮತೋಲನ, IMF ನಿಂದ ಜಾಗತಿಕ ಪ್ರಕ್ಷೇಪಣ. ನೀವು ಅಧಿಕೃತ ಪ್ರಕಟಣೆಯನ್ನು ಉಲ್ಲೇಖಿಸುತ್ತೀರಿ, AI ನೀಡಿದ ಅಂಕಿ ಅಂಶವಲ್ಲ.
2. ಬಿಲ್. ನೀವು ಪ್ರತಿ ಪಡೆದ ಸಂಖ್ಯೆಯನ್ನು ಒಮ್ಮೆಯಾದರೂ ಹಸ್ತಚಾಲಿತವಾಗಿ ಮರು ಲೆಕ್ಕಾಚಾರ ಮಾಡಿ. ಬೆಳವಣಿಗೆ ದರ, ನೈಜ ಮೌಲ್ಯ ಮತ್ತು ಸೂಚ್ಯಂಕವನ್ನು ಸರಿಯಾದ ಸೂತ್ರದೊಂದಿಗೆ ಪಡೆಯಲಾಗಿದೆಯೇ? ಕಾಗದದ ಮೇಲೆ ಅವಧಿಯನ್ನು ಪರಿಶೀಲಿಸಿ.
3. ಜರಡಿ. ನೀವು ಆರ್ಥಿಕ ಸಾಮಾನ್ಯ ಅರ್ಥದಲ್ಲಿ ಫಲಿತಾಂಶವನ್ನು ರವಾನಿಸುತ್ತೀರಿ: ಈ ಗಾತ್ರವು ಸಮಂಜಸವಾಗಿದೆಯೇ? ಚಿಹ್ನೆ ಸರಿಯಾಗಿದೆಯೇ? ಐತಿಹಾಸಿಕ ವ್ಯಾಪ್ತಿಯಲ್ಲಿ? ಯಾವುದೇ ವಿರೋಧಾಭಾಸವಿದೆಯೇ? ಅವಿವೇಕದ ಫಲಿತಾಂಶವು ಸಾಮಾನ್ಯವಾಗಿ ದೋಷದ ಸಂಕೇತವಾಗಿದೆ.

ಮೂರು ಸಣ್ಣ ಪ್ರಕರಣಗಳು

ಪ್ರಕರಣ 1 - ನಕಲಿ ವ್ಯಕ್ತಿಯನ್ನು ಸೆರೆಹಿಡಿಯುವುದು. ಅಭಿವೃದ್ಧಿ ಏಜೆನ್ಸಿ ವಿಶ್ಲೇಷಕರು YZ ಗೆ "ಪ್ರಾಂತೀಯ ಆಧಾರದ ಮೇಲೆ 2023 ರ ರಫ್ತು ಅಂಕಿಅಂಶಗಳ ಕೋಷ್ಟಕವನ್ನು ಮಾಡಲು" ಹೇಳಿದರು. AI ಯೋಗ್ಯ ಚಿತ್ರವನ್ನು ನೀಡಿದೆ. SOURCE ಹಂತದಲ್ಲಿ, ವಿಶ್ಲೇಷಕರು TUIK ವಿದೇಶಿ ವ್ಯಾಪಾರದ ಅಂಕಿಅಂಶಗಳನ್ನು ನೋಡಿದರು ಮತ್ತು ಮೂರು ಪ್ರಾಂತ್ಯಗಳ ಅಂಕಿಅಂಶಗಳು ನಿಜವಾದ ದತ್ತಾಂಶಕ್ಕಿಂತ ಎರಡು ಪಟ್ಟು ಹೆಚ್ಚು ಎಂದು ನೋಡಿದರು; AI ಕಳೆದುಹೋದ ಮಾಹಿತಿಯನ್ನು "ಸಮಂಜಸವಾಗಿ ಕಾಣುವ" ಸಂಖ್ಯೆಗಳೊಂದಿಗೆ ತುಂಬಿದೆ. ವಿಶ್ಲೇಷಕರು ಟೇಬಲ್ ಅನ್ನು ಎಸೆದರು ಮತ್ತು TURKSTAT ನಿಂದ ನೇರವಾಗಿ ಡೇಟಾವನ್ನು ಎಳೆದರು. ಕಪೋಲಕಲ್ಪಿತ ಅಂಕಿ ಅಂಶವನ್ನು ವರದಿಯಲ್ಲಿ ಸೇರಿಸುವ ಮುನ್ನವೇ ಸಿಕ್ಕಿಬಿದ್ದಿದೆ.

ಪ್ರಕರಣ 2 - ಹಳೆಯ ಡೇಟಾ ಟ್ರ್ಯಾಪ್. ಆರ್ಥಿಕ ಪತ್ರಕರ್ತರೊಬ್ಬರು YZ ಕೇಳಿದರು, "ಪ್ರಸ್ತುತ ನೀತಿ ದರ ಎಷ್ಟು?" ಅವರು ಕೇಳಿದರು; ಅವರು ಪಡೆದ ಉತ್ತರ ಎಂಟು ತಿಂಗಳ ಹಿಂದಿನ ದರ. ಖಾತೆ/ಮೂಲದ ಅಭ್ಯಾಸವನ್ನು ಹೊಂದಿರುವ ಪತ್ರಕರ್ತರು CBRT ಯ ಕೊನೆಯ MPK (ಹಣಕಾಸು ನೀತಿ ಸಮಿತಿ) ನಿರ್ಧಾರವನ್ನು ನೋಡಿದರು ಮತ್ತು ಸರಿಯಾದ ದರವನ್ನು ಬಳಸಿದರು. ಅವರು ಕೇಳದಿದ್ದರೆ, ತಪ್ಪು ಆಸಕ್ತಿಯು ಪ್ರಕಟಣೆಗೆ ಹೋಗುತ್ತಿತ್ತು.

ಪ್ರಕರಣ 3 - ಆರ್ಥಿಕ ಫಿಲ್ಟರ್. ವಿದ್ಯಾರ್ಥಿ-ಸಂಶೋಧಕರು AI ನಿಜವಾದ ವೇತನ ಸರಣಿಯನ್ನು ಲೆಕ್ಕ ಹಾಕಿದರು. ಫಲಿತಾಂಶವು ಒಂದು ವರ್ಷದಲ್ಲಿ ನೈಜ ವೇತನವು 140 ಪ್ರತಿಶತದಷ್ಟು ಹೆಚ್ಚಾಗಿದೆ ಎಂದು ಹೇಳಿದೆ. FILTER ಹಂತವು ಕಾರ್ಯರೂಪಕ್ಕೆ ಬಂದಿತು: ಈ ಗಾತ್ರವು ಅವಾಸ್ತವಿಕವಾಗಿದೆ. ಕೋಡ್‌ನಲ್ಲಿ, AI ತಪ್ಪು ಆಧಾರದೊಂದಿಗೆ ಡಿಫ್ಲೇಟರ್ (ಬೆಲೆ ಸರಿಪಡಿಸುವ ಸೂಚ್ಯಂಕ) ಅನ್ನು ಬಳಸಿದೆ. ದೋಷ ಕಂಡುಬಂದಿದೆ, ಸೂತ್ರವನ್ನು ಸರಿಪಡಿಸಲಾಗಿದೆ ಮತ್ತು ಫಲಿತಾಂಶವು ಸಮಂಜಸವಾದ ವ್ಯಾಪ್ತಿಯಲ್ಲಿ ಬೀಳುತ್ತದೆ.

ನಾಲ್ಕು ನಕಲಿಸಬಹುದಾದ ಟೆಂಪ್ಲೇಟ್‌ಗಳು

1) ಪಾತ್ರಗಳು ಮತ್ತು ಗಡಿಗಳನ್ನು ವ್ಯಾಖ್ಯಾನಿಸುವ ಸಿಸ್ಟಮ್ ಪ್ರಾಂಪ್ಟ್:

ನಿಮ್ಮ ಪಾತ್ರ: ಹಿರಿಯ ಅರ್ಥಶಾಸ್ತ್ರಜ್ಞರಿಗೆ ಸಹಾಯಕ ವಿಶ್ಲೇಷಣೆ ಸಹಾಯಕ. ನಿಯಮಗಳು: (1) ನಾನು ನಿಮಗೆ ನೀಡದ ಯಾವುದೇ ಸಂಖ್ಯೆಗಳನ್ನು ಮಾಡಬೇಡಿ. ನಿಮಗೆ ತಿಳಿದಿಲ್ಲದಿದ್ದರೆ, "ನೀವು ಈ ಡೇಟಾವನ್ನು ಪರಿಶೀಲಿಸಬೇಕಾಗಿದೆ" ಎಂದು ಹೇಳಿ. (2) ನೀವು ಒದಗಿಸುವ ಪ್ರತಿ ಸಂಖ್ಯೆಗೆ ಯಾವ ಅಧಿಕೃತ ಮೂಲದಿಂದ (TURKSTAT/CBRT/IMF, ಇತ್ಯಾದಿ) ಅದನ್ನು ದೃಢೀಕರಿಸಬೇಕು ಎಂಬುದನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸಿ. (3) ಕಾರಣವಾದ ಹಕ್ಕು ಸಲ್ಲಿಸುವಾಗ ಪರಿಸ್ಥಿತಿ ಮತ್ತು ಅನಿಶ್ಚಿತತೆಯನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ತಿಳಿಸಿ. ನೀವು ಅರ್ಥಮಾಡಿಕೊಂಡರೆ, ಒಂದೇ ವಾಕ್ಯದಲ್ಲಿ ದೃಢೀಕರಿಸಿ.

2) ಮೂಲ-ದೃಢೀಕರಣ ವಿನಂತಿ:

ಕೆಳಗಿನ ಹಕ್ಕನ್ನು ವಿಶ್ಲೇಷಿಸಿ: "[ಹಕ್ಕು]". ಇದನ್ನು ಪರಿಶೀಲಿಸಲು ನಾನು ಯಾವ ಅಧಿಕೃತ/ಪ್ರಾಥಮಿಕ ಮೂಲವನ್ನು (ಸಂಸ್ಥೆ, ಪ್ರಕಟಣೆಯ ಹೆಸರು, ಸರಣಿ) ನೋಡಬೇಕು ಎಂಬುದನ್ನು ಪಟ್ಟಿ ಮಾಡಿ. ಕ್ಲೈಮ್‌ನಲ್ಲಿರುವ ಪ್ರತಿ ಸಂಖ್ಯೆಯು ಯಾವ ವ್ಯಾಖ್ಯಾನ ಮತ್ತು ಅವಧಿಗೆ ಸೇರಿದೆ ಎಂಬುದನ್ನು ಗುರುತಿಸಿ. ನಿಮ್ಮ ಸ್ವಂತ ಸ್ಮರಣೆಯಿಂದ ಸಂಖ್ಯೆಗಳನ್ನು ನೀಡಬೇಡಿ.

3) ಔಟ್‌ಪುಟ್ ಫಿಲ್ಟರ್ ಮಾಡಲು ಪ್ರಾಂಪ್ಟ್ ಮಾಡಿ:

ಆರ್ಥಿಕ ಸ್ಥಿರತೆಗಾಗಿ ಈ ಕೆಳಗಿನ ವಿಶ್ಲೇಷಣೆಯ ಫಲಿತಾಂಶವನ್ನು ಪರಿಶೀಲಿಸಿ: ಚಿಹ್ನೆಯು ಅರ್ಥಪೂರ್ಣವಾಗಿದೆಯೇ, ಐತಿಹಾಸಿಕ ವ್ಯಾಪ್ತಿಯೊಳಗೆ ಪ್ರಮಾಣವು ಇದೆಯೇ, ಘಟಕಗಳು ಸ್ಥಿರವಾಗಿದೆಯೇ, ಗುಪ್ತ ಊಹೆ ಇದೆಯೇ? ನೀವು ಅನುಮಾನಾಸ್ಪದವಾಗಿ ಕಾಣುವ ಯಾವುದನ್ನಾದರೂ "ಪರಿಶೀಲಿಸು" ಟ್ಯಾಗ್‌ನೊಂದಿಗೆ ಗುರುತಿಸಿ.

4) ಟಾಸ್ಕ್ ರಿಸ್ಕ್ ವರ್ಗೀಕರಣ ವಿನಂತಿ:

ನಾನು ಈ ಕೆಳಗಿನ ಕಾರ್ಯವನ್ನು ಮಾಡುತ್ತೇನೆ: "[ಕ್ವೆಸ್ಟ್]". ಇದನ್ನು ಹಸಿರು (ಯಾಂತ್ರಿಕ, ಕಡಿಮೆ ಅಪಾಯ), ಹಳದಿ (ಡ್ರಾಫ್ಟ್, ಮಾನವ ಪರಿಶೀಲನೆ) ಅಥವಾ ಕೆಂಪು (ನಿರ್ಧಾರ/ಜವಾಬ್ದಾರಿ ಮಾನವ) ಎಂದು ವರ್ಗೀಕರಿಸಿ ಮತ್ತು ಏಕೆ ಎಂಬುದನ್ನು ಒಂದೇ ವಾಕ್ಯದಲ್ಲಿ ವಿವರಿಸಿ.

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್:

ಟರ್ಕಿಶ್ ಆರ್ಥಿಕತೆಯ ಬಗ್ಗೆ ವಿಶ್ಲೇಷಣೆ ಬರೆಯಿರಿ.

ಸಂದರ್ಭರಹಿತ ಮತ್ತು ಅನಿಯಮಿತ; AI ಸಾಮಾನ್ಯ, ಮೂಲವಿಲ್ಲದ, ಪರಿಶೀಲಿಸಲಾಗದ ಪಠ್ಯವನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ.

ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್:

ನಿಮ್ಮ ಪಾತ್ರ: ವಿಶ್ಲೇಷಣೆ ಸಹಾಯಕ. ನಾನು TURKSTAT (ಕೆಳಗೆ) ನಿಂದ 2019-2024 ವಾರ್ಷಿಕ CPI ಮತ್ತು GDP ಬೆಳವಣಿಗೆಯ ಡೇಟಾವನ್ನು ಹೊಂದಿದ್ದೇನೆ. ಈ ಡೇಟಾವನ್ನು ಆಧರಿಸಿ 3-ಪ್ಯಾರಾಗ್ರಾಫ್ ಡ್ರಾಫ್ಟ್ ಕಾಮೆಂಟ್ ಬರೆಯಿರಿ; ನಾನು ನಿಮಗೆ ಕೊಟ್ಟ ಟೇಬಲ್‌ನಿಂದ ಪ್ರತಿ ಸಂಖ್ಯೆಯನ್ನು ತೆಗೆದುಕೊಳ್ಳಿ, ಹೊರಗಿನಿಂದ ಸಂಖ್ಯೆಗಳನ್ನು ಸೇರಿಸಬೇಡಿ; ನಿಮಗೆ ಅಸ್ಪಷ್ಟವಾಗಿರುವಲ್ಲಿ, "ಪರಿಶೀಲಿಸಬೇಕು" ಎಂದು ಬರೆಯಿರಿ. ನಾನು ಹಸ್ತಚಾಲಿತವಾಗಿ ಪರಿಶೀಲಿಸಬೇಕಾದ ಅಂಶಗಳನ್ನು ಅಂತಿಮವಾಗಿ ಪಟ್ಟಿ ಮಾಡಿ.[ಕೋಷ್ಟಕ]

ಈ ಪ್ರಾಂಪ್ಟ್ ಪಾತ್ರ, ಸಂಪನ್ಮೂಲ, ನಿರ್ಬಂಧ ಮತ್ತು ಪರಿಶೀಲನೆ ನಿರೀಕ್ಷೆಯನ್ನು ಒಟ್ಟಿಗೆ ನೀಡುತ್ತದೆ; ಔಟ್ಪುಟ್ ಆಡಿಟ್ ಆಗುತ್ತದೆ.

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

• AI ನೀಡಿದ ಸಂಖ್ಯೆಯನ್ನು ಮೂಲವಾಗಿ ಪರಿಗಣಿಸುವುದು. AI ಒಂದು ಸಂಪನ್ಮೂಲವಲ್ಲ; TURKSTAT/CBRT/IMF ಮೂಲವಾಗಿದೆ.
• ನಿಖರತೆಗಾಗಿ ನಿರರ್ಗಳತೆಯನ್ನು ತಪ್ಪಾಗಿ ಗ್ರಹಿಸುವುದು. ಚೆನ್ನಾಗಿ ಬರೆದ ವಾಕ್ಯವು ತಪ್ಪಾಗಿರಬಹುದು.
• ಟಾಸ್ಕ್ ಬಾಕ್ಸ್ ಅನ್ನು ಬೈಪಾಸ್ ಮಾಡುವುದು. ಕೆಂಪು ಪೆಟ್ಟಿಗೆಯ ಕೆಲಸವನ್ನು ಹಸಿರಿನಷ್ಟು ಬೇಗನೆ ಹಾದುಹೋಗುವುದು ಅತ್ಯಂತ ದುಬಾರಿ ತಪ್ಪು.
• ಡೇಟಾ ಕಟ್ಆಫ್ ದಿನಾಂಕವನ್ನು ಮರೆತುಬಿಡುವುದು. "ಕರೆಂಟ್" ಕೇಳಿ ಹಳೆಯ ನಂಬರ್ ಪಡೆಯುತ್ತಿದ್ದಾರೆ.
• ಗೋಪ್ಯ/ಮಾರುಕಟ್ಟೆ-ಸೂಕ್ಷ್ಮ ಡೇಟಾವನ್ನು ಪರಿಕರಕ್ಕೆ ವಿವೇಚನೆಯಿಲ್ಲದೆ ಅಂಟಿಸುವುದು. ಗೌಪ್ಯತೆಯ ಉಲ್ಲಂಘನೆಯನ್ನು ನಾವು ಮುಂದಿನ ಘಟಕದಲ್ಲಿ ನೋಡುತ್ತೇವೆ.
• ಹಸ್ತಚಾಲಿತ ಲೆಕ್ಕಾಚಾರದ ಹಂತವನ್ನು ಬಿಟ್ಟುಬಿಡಿ. ಅದನ್ನು ಪರಿಶೀಲಿಸದೆಯೇ ಪಡೆದ ಸಂಖ್ಯೆಯನ್ನು ಬಳಸುವುದು.

ಸಾರಾಂಶದಲ್ಲಿ

ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಶಕ್ತಿಯುತ ಸಹಾಯಕವಾಗಿದ್ದು ಅದು ಅರ್ಥಶಾಸ್ತ್ರಜ್ಞರ ಯಾಂತ್ರಿಕ ಹೊರೆಯನ್ನು ಗಣನೀಯವಾಗಿ ಕಡಿಮೆ ಮಾಡುತ್ತದೆ; ಆದರೆ ಮುನ್ಸೂಚನೆ, ನೀತಿ ಮತ್ತು ಅಧಿಕೃತ ಅಂಕಿಅಂಶಗಳ ಜವಾಬ್ದಾರಿ ಮನುಷ್ಯನಿಗೆ ಉಳಿದಿದೆ. ಕಾರ್ಯಗಳನ್ನು ಹಸಿರು-ಹಳದಿ-ಕೆಂಪು ಬಾಕ್ಸ್‌ಗಳಾಗಿ ವಿಂಗಡಿಸಿ, AI ಯ ಮೂರು ಮೂಲಭೂತ ಮಿತಿಗಳನ್ನು (ಫ್ಯಾಬ್ರಿಕೇಶನ್, ಡೇಟಾ ಕಟ್ಆಫ್ ದಿನಾಂಕ, ಕಾರಣದ ಕುರುಡುತನ) ನೆನಪಿನಲ್ಲಿಡಿ ಮತ್ತು ಪ್ರತಿ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಮೂಲ-ಖಾತೆ-ಫಿಲ್ಟರ್ ಶಿಸ್ತಿನ ಮೂಲಕ ರವಾನಿಸಿ. ಈ ಮೂರು ಹಂತಗಳು ಮಾಡ್ಯೂಲ್‌ನ ಉಳಿದ ಭಾಗಗಳಿಗೆ ಸುರಕ್ಷತಾ ಪಟ್ಟಿಯಾಗಿದೆ.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

ನಿಮ್ಮ ಸ್ವಂತ ಕೆಲಸದಿಂದ ನಿಜವಾದ ವಾರವನ್ನು ಆಯ್ಕೆಮಾಡಿ ಮತ್ತು ಆ ವಾರದಲ್ಲಿ ನೀವು ಮಾಡಿದ 10 ಆರ್ಥಿಕ ಕಾರ್ಯಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿ (ಉದಾಹರಣೆಗೆ "ಹಣದುಬ್ಬರದ ಡೇಟಾವನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಿ", "ಪ್ರಾಂತೀಯ ರಫ್ತು ಕೋಷ್ಟಕವನ್ನು ತಯಾರಿಸಿ", "ವರದಿ ಸಾರಾಂಶವನ್ನು ತಯಾರಿಸಿ"). ಪ್ರತಿಯೊಂದು ಕೆಲಸವನ್ನು ಹಸಿರು/ಹಳದಿ/ಕೆಂಪು ಎಂದು ವರ್ಗೀಕರಿಸಿ. ನಂತರ ಹಸಿರು ಬಾಕ್ಸ್‌ನಲ್ಲಿ ಕಾರ್ಯವನ್ನು ಆಯ್ಕೆಮಾಡಿ ಮತ್ತು ಮೇಲಿನ 1 ಮತ್ತು 3 ಟೆಂಪ್ಲೇಟ್‌ಗಳನ್ನು ಬಳಸಿಕೊಂಡು AI ಅದನ್ನು ಮಾಡುವಂತೆ ಮಾಡಿ ಮತ್ತು ಮೂಲ-ಖಾತೆ-ಫಿಲ್ಟರ್‌ನೊಂದಿಗೆ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಪರೀಕ್ಷಿಸಿ ಮತ್ತು ನೀವು ಕಂಡುಕೊಂಡ ಕನಿಷ್ಠ ಒಂದು ದೋಷವನ್ನು ಗಮನಿಸಿ.

ಪರಿಶೀಲನಾಪಟ್ಟಿ

• [ ] ನಾನು ಕೆಲಸವನ್ನು ಸರಿಯಾಗಿ ಹಸಿರು/ಹಳದಿ/ಕೆಂಪು ಪೆಟ್ಟಿಗೆಯಲ್ಲಿ ಇರಿಸಿದೆ.
• [ ] ನಾನು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ನೀಡಿದ ಪ್ರತಿಯೊಂದು ಸಂಖ್ಯೆಯನ್ನು ಮುಖ್ಯ ಅಧಿಕೃತ ಮೂಲದಿಂದ ದೃಢೀಕರಿಸಿದ್ದೇನೆ.
• [ ] ನಾನು ಕನಿಷ್ಟ ಒಂದು ಪಡೆದ ಸಂಖ್ಯೆಯನ್ನು ಕೈಯಿಂದ ಮರು ಲೆಕ್ಕಾಚಾರ ಮಾಡಿದ್ದೇನೆ.
• [ ] ನಾನು ಆರ್ಥಿಕ ಸಾಮಾನ್ಯ ಜ್ಞಾನದ ಮೂಲಕ ಫಲಿತಾಂಶವನ್ನು ಫಿಲ್ಟರ್ ಮಾಡಿದ್ದೇನೆ (ಚಿಹ್ನೆ, ಪ್ರಮಾಣ, ಘಟಕ).
• [ ] ನಾನು ಡೇಟಾ ಕಟ್ಆಫ್ ದಿನಾಂಕ ಮತ್ತು ಇತ್ತೀಚಿನ ಅಪಾಯವನ್ನು ಪರಿಶೀಲಿಸಿದ್ದೇನೆ.
• [ ] ನಾನು ಗೌಪ್ಯ/ಸೂಕ್ಷ್ಮ ಡೇಟಾವನ್ನು ಬಳಸಿಲ್ಲ ಅಥವಾ ಸುರಕ್ಷಿತ/ಅನುಮೋದಿತ ಸಾಧನಗಳನ್ನು ಬಳಸಿಲ್ಲ.
• [ ] ನಾನು ಔಟ್‌ಪುಟ್‌ನ ಮಾಲೀಕತ್ವವನ್ನು ಕ್ಲೈಮ್ ಮಾಡಿದ್ದೇನೆ, ನಾನು ಅಂತಿಮ ತೀರ್ಪು ಮತ್ತು ಸಹಿಯನ್ನು ಹೊಂದಿದ್ದೇನೆ.