Žmogus eksperimentuojant: etika, privatumas, atsakomybė ir visapusiška darbo eiga

Pelnas:

• Žmogaus principo integravimas į visišką darbo eigą eksperimente ir galimybė atskirti dirbtinį intelektą / žmogaus vaidmenis kiekviename etape
• Gebėjimas dirbti su bendraisiais tarpinių serverių pavyzdžiais, nesuteikiant konfidencialios struktūros ir duomenų bendrajam dirbtiniam intelektui
• Gebėjimas pastatyti žmogaus patvirtinimo vartus kritiniuose taškuose ir prisiimti didžiausią atsakomybę, užtikrinant skaidrumą ir atsekamumą

Šiame paskutiniame skyriuje mes sujungiame visą modulį į vieną sistemą: žmogus kilpoje. Šis principas sako, kad nesvarbu, koks gali būti AI, žmogus turi suprasti, kontroliuoti ir patvirtinti kiekvieną kritinį cheminio sprendimo tašką. Šiame skyriuje pirmiausia išsiaiškinsime etikos ir konfidencialumo aspektus, tada sukursime visapusišką darbo eigą, kuri perkelia molekulę nuo idėjos iki ataskaitos, ir pamatysime, kaip dirbtinis intelektas ir žmonės pasiskirsto darbą kiekviename etape. Tikslas – viską, ko išmokote, paversti sistema, tinkančia kasdieniame darbe.

Privatumas: ko neduoti AI?

Chemija dažnai dirba su konfidencialia informacija: nepatentuotomis molekulėmis, įmonės slaptais sintezės keliais, neskelbtais duomenimis, pacientų mėginiais. Tekstas, kurį įvedėte į viešąją AI paslaugą, gali būti saugomas arba apdorojamas pagal paslaugos politiką. Todėl:

• Prieš išleisdami nepaskelbtas originalias struktūras (ikipatentuotas molekules) viešajai AI, patikrinkite savo institucinę politiką.
• Niekada neįveskite asmens / paciento duomenų (klinikinių mėginių) identifikuojama forma.
• Prieš dalindamiesi komercinių paslapčių sintezės būdais, peržiūrėkite konfidencialumo sutartis.
• Jei reikia, pasirinkite vidinius / tinkintus DI įrankius.

Atsargiai: Paklausus bendro AI apie molekulę, gali būti atskleista tos molekulės struktūra. Dėl unikalios struktūros, kuri nebuvo patentuota, tai gali kelti pavojų jūsų prioritetui (patento teisė). Paprašykite paslėptų struktūrų su bendriniais / pakaitiniais pavyzdžiais.

Etika: keturi principai

1. Skaidrumas: neslėpkite, kur naudojate AI; Laikytis publikavimo ir institucijų politikos.
2. Atsakomybė: žmogus yra atsakingas už galutinį sprendimą; „Siūlomas AI“ nepateisina saugumo ar vientisumo pažeidimo.
3. Nepiktybiškumas: nenaudokite dirbtinio intelekto pavojingai / neteisėtai sintezei, dvejopo naudojimo (galimas ginklams) programoms.
4. Sąžiningumas ir sąžiningumas: neiškraipykite duomenų, nepagražinkite rezultatų, nedarykite priskyrimų.

Darbo eiga nuo galo iki galo: molekulė → ataskaita

Dabar sujungkime visą modulį į vieną srautą. Kiekviename etape atkreipkite dėmesį į skirtumą tarp to, ką daro AI ir ką daro žmogus.

Scena

AI vaidmuo

(Kritinis) žmogaus vaidmuo

1. Idėja/literatūra

Sąvokos santrauka, paieškos terminas

Tikro šaltinio radimas, priskyrimo patvirtinimas

2. Struktūros aprašymas

generuoja Šypsenas

Autentifikavimas naudojant RDKit, InChIKey

3. Sintezės planas

Retrosintezė, alternatyvos

Literatūros tvirtinimas, kelio parinkimas

4. Saugumas

SDS santrauka, preliminarus neatitikimas

SDS skaitymas, tvirtinimas, AAP sprendimas

5. Taikymas

(Nėra)

Visi laboratoriniai darbai

6. Analizė

Spektro komentarų palaikymas

Galutinė struktūros užduotis

7. Duomenų apdorojimas

kodo rašymas

Paleiskite kodą, patikrinkite rezultatą

8. Dokumentacija

Formatavimas, valdymas

Stebėjimas, nukrypimas, parašas

9. Ataskaitų teikimas

teksto juodraštis

Skaičių/citatų tikrinimas, atskaitomybė

Šioje lentelėje parodyta, kaip 11 modulio vienetų yra išdėstyti į vieną užduotį. AI pagreitina; žmonės tikrina ir valdo.

Žingsnis po žingsnio: darbo eigos nustatymas

1. Išsiaiškinkite vaidmenis: kiekvienai užduočiai: „Ar AI ar žmogus sprendžia? nustatyti nuo pat pradžių.
2. Nustatykite privatumo filtrą: nieko nesuteikę AI galite paklausti „ar tai privatu / privatu? paklausti.
3. Įdėkite patikros vartus: kiekvieno etapo pabaigoje patikrinimo veiksmas (10 skyriaus lentelė).
4. Išlaikykite atsekamumą: kokia išvestis buvo gauta iš AI, kaip ji buvo patikrinta, kas ją patvirtino.
5. Nustatykite patvirtinimo taškus: žmogaus patvirtinimas yra privalomas tokiais svarbiais taškais kaip saugumas ir galutinis rezultatas.
6. Atsiliepimai: įrašykite kiekvieną pastebėtą klaidą ir pagerinkite darbo eigą.

Keturi kopijuojami šablonai

1) Privatumo išankstinis filtras:

Prieš užduodami klausimą, apsvarstykite šiuos dalykus:Turinys: [KO AŠ KRAŠU]Užduotis: ar šiame turinyje yra neskelbtų originalių artefaktų, asmens duomenų ar komercinių paslapčių? Jei taip, pasiūlykite, kaip galiu perrašyti klausimą bendriniu/pakaitiniu pavyzdžiu, kuris paslėps struktūrą.

2) Fazės pabaigos patikros vartai:

Aš baigiau šį etapą: [FAZĖ, pvz. sintezės planas].Užduotis: Išvardykite visus elementus, kuriuos reikia patikrinti išėjus iš šio etapo (skaičius, citata, struktūra, saugumo reikalavimas). Kiekvienam parašykite patvirtinimo būdą ir kas jį turėtų patvirtinti. Prieš pereidami prie kito veiksmo, pažymėkite visus atidarytus elementus, kuriuos reikia uždaryti.

3) Žmogaus ir DI vaidmenų paskirstymo planas:

Mano projektas: [TRUMPAS APRAŠYMAS]. Užduotis: Padalykite šį projektą į etapus. Kiekviename etape išskirkite: - Ką AI gali padaryti (juodraštis, kodas, santrauka); - ką turi nuspręsti žmogus (saugumas, pasekmės, patvirtinimas). Pažymėkite kritinius taškus, kur didžiausia atsakomybė tenka žmogui.

4) Ataskaitos vientisumo patikrinimas:

Žemiau yra mano ataskaitos juodraštis:[JUODRAŠTAS]Užduotis: Patikrinkite ir pažymėkite šiuos dalykus:1) Ar yra nepatvirtintų skaičių/citatų?2) Ar aiškiai nurodytas AI naudojimas?3) Ar duomenys atrodo „pagražinti“ (slepiasi išskirtiniai dalykai)?4) Ar yra kokių nors saugumo / etinių trūkumų? [PATIKRINTI] kur nesate tikri.

Silpnas raginimas / Stiprus raginimas

Silpnas:

Koks yra geriausias būdas susintetinti naują mūsų įmonės slaptą molekulę? [faktinė originali struktūra]

Tai atveria pradinę ikipatentinę struktūrą bendrajai paslaugai; Tai kelia pavojų prioritetui ir konfidencialumui.

Stiprus:

Norėčiau išmokti bendrą panašios aromatinių ketonų klasės retrosintezės strategiją. Paaiškinkite per bendrąjį pavyzdį (acetofenono darinį), nenurodydami konkrečios, pradinės struktūros. Taikysiu strategiją savo molekulei namuose.

Skirtumas: neatskleidžiant latentinės struktūros, buvo pasiektas toks pat mokymasis, kaip ir naudojant bendrąjį surogatinį pavyzdį.

mini dėklai

1 atvejis – atskleista pradinė struktūra. Prieš pateikdama paraišką dėl patento, komanda paklausė bendro AI apie unikalią molekulę. Teisinis padalinys pareiškė, kad dėl to gali kilti klausimų dėl prioriteto; Procesas buvo atidėtas. Pamoka: paprašykite unikalių struktūrų su bendruoju tarpiniu serveriu, gerbkite privatumo politiką.

2 atvejis. Žmogaus sutikimas užkirto kelią nelaimingam atsitikimui. Automatizuotame darbo eigoje AI parengė procedūros projektą ir turėjo būti įgyvendintas tiesiogiai; Tačiau patyręs chemikas sugavo nesuderinamą porą reagentų prie pratekėjimo „saugos atstumo“ vartų. Pamoka: kritiniuose taškuose žmogaus patvirtinimo vartai gelbsti gyvybes.

3 atvejis – disciplina nuo pabaigos iki galo. Magistrantė įgyvendino visą modulį viename projekte: literatūros santrauka + faktinių citatų patikrinimas su AI, struktūros patikrinimas su RDKit, duomenų analizė su kodu, saugumas su SDS, sąžininga dokumentacija, skaidrios ataskaitos. Rezultatas buvo greitesnis ir tvirtesnis; baigiamojo darbo gynimo "Kaip jūs patikrinote AI?" Jis aiškiai atsakė į klausimą. Pamoka: AI + tikrinimo disciplina geriausiai veikia kartu.

Dažnos klaidos

• Latentinės struktūros suteikimas bendrajam AI. Tai pažeidžia patento prioritetą ir komercinę paslaptį.
• Įvedant identifikuojamus asmens/paciento duomenis. Privatumo pažeidimas ir teisinė rizika.
• Apeinant patvirtinimo vartus. Saugumas ir galiausiai judėjimas į priekį be žmogaus pritarimo.
• Atsakomybės perdavimas AI. „AI pasiūlytas“ neatleidžia jokių klaidų.
• Skaidrumo vengimas. AI naudojimo slėpimas kenkia vientisumui.
• Nepaisoma dvigubo naudojimo pavojaus. Neetiška dirbtinį intelektą naudoti kenksmingoms programoms.

Patarimas: kurkite savo darbo eigą atsižvelgdami į „kiekvieną svarbų sprendimą, kurį žmogus sustabdo ir patvirtina“. Padarykite AI grandį, kuri pagreitina grandinę, o grandinę laikantis mazgas visada yra žmogus.

Apibendrinant

• Žmogaus principas eksperimentuojant: kiekvieną kritinį cheminį sprendimą žmogus supranta, prižiūri ir pritaria.
• Privatumas: nepateikite unikalių artefaktų, asmens duomenų ir komercinių paslapčių viešai AI; Naudokite bendrąjį tarpinį serverį.
• Etika: skaidrumas, atsakomybė, nepiktybiškumas, sąžiningumas yra keturi pagrindiniai principai.
• Vykdant visapusišką darbo eigą AI pagreitėja kiekviename etape; žmonės tikrina ir valdo.
• Įdėkite žmogaus patvirtinimo vartus į kritinius taškus (saugumas, galutinis rezultatas) ir palaikykite atsekamumą.

Taikymo užduotis

Pasirinkite savo projektą (realų ar hipotetinį) ir sukurkite dirbtinio intelekto žmogaus darbo eigą nuo pradžios iki pabaigos. Pritaikykite aukščiau pateiktą 9 etapų lentelę savo projektui: ką AI darys kiekviename etape, kam pritars žmogus? Taikykite išankstinį privatumo filtrą: kokios informacijos neteikiate AI, kaip ją apibendrinate? Apibrėžkite bent du žmogaus patvirtinimo vartus ir vieną atsekamumo metodą. Parašykite vieno puslapio „darbo eigos ir patvirtinimo planą“.

kontrolinis sąrašas

• [ ] Eksperimente supratau žmogaus principą ir kodėl to reikia.
• [ ] Aš apibendrinu paslėptą struktūrą / duomenis, nepateikdamas jų bendrajam AI.
• [ ] Laikausi skaidrumo, atsakingumo, nepiktybiškumo ir sąžiningumo principų.
• [ ] Atskyriau dirbtinio intelekto / žmogaus vaidmenis visiškoje darbo eigoje.
• [ ] Kritiniuose taškuose dedu žmogaus patvirtinimo vartus.
• [ ] Stebiu, kokia išvestis gaunama iš AI ir kaip ji patikrinama.

Modulio egzaminas

1. Kuris iš šių dalykų yra tiksliausias dirbtinio intelekto padėties nustatymas chemijos srityje?

• A) Dirbtinis intelektas yra kodas, juodraštis ir redagavimo asistentas; Atsakomybė už struktūrą, skaičių, išteklius, saugumą ir etinius sprendimus tenka žmonėms ✔
• B) Dirbtinis intelektas yra chemijos variklis, o jo pateikiami molekuliniai svoriai visada yra tikslūs.
• C) Dirbtinis intelektas veikia tik literatūros apžvalgoje, jis neturi nieko bendra su analize ir saugumu
• D) Kadangi dirbtinis intelektas yra nešališkesnis už žmones, saugumo sprendimus reikėtų palikti jam

Aprašymas: Dirbtinis intelektas; Tai asistentas, kuris rašo kodą, gamina juodraščius, stato retrosintezės skeletą, padeda ir organizuoja spektro interpretaciją. Tačiau deterministinis molekulinės masės ir stechiometrijos skaičiavimas, struktūros patikrinimas naudojant RDKit, citatų duomenų bazėje patvirtinimas, saugumo sprendimas naudojant SDS/GHS ir galutinė atsakomybė priklauso kompetentingam chemikui. Didysis kalbos modelis nėra skaičiuotuvas ar chemijos variklis; Tai teksto generatorius, kuris sukuria „kitą labiausiai tikėtiną žodį“, o jo nepatvirtinta išvestis gali sukelti neteisingą struktūrą, skaičių ar pavojų.

2. Kaip dirbtiniam intelektui patikimiausias būdas apibūdinti molekulę?

• A) Rašydami tik bendrinį turkišką pavadinimą
• B) Suteikti struktūrą, pvz., SMILES, ir patvirtinti tapatybę naudojant „InChIKey“ ✔
• C) Tiesiog pasakyti molekulinę masę
• D) Užtenka parašyti prekės ženklą

Paaiškinimas: pavadinimai (ypač prekybos ir sinonimų pavadinimai) yra dviprasmiški ir gali sukelti netinkamą molekulę. Suteikus molekulei struktūros žymėjimą, pvz., SMILES, gaunamas tikslumas; Jo tapatybė patvirtinta duomenų bazėje su InChIKey. Be to, dirbtinio intelekto SMILES turi būti išanalizuotas naudojant RDKit ir patvirtintas kanonizuojant.

3. Kaip naudoti dirbtinio intelekto suteiktą molekulinę masę?

• A) Naudojant jį tiesiogiai, nes AI yra patikimas skaičiais
• B) Apskaičiuokite ir patikrinkite nepriklausomai pagal formulę rankiniu būdu arba naudodami RDKit ✔
• C) Užtenka tik paklausti kito dirbtinio intelekto ir palyginti
• D) Molekulinė masė nėra svarbi, nereikia tikrinti

Paaiškinimas: molekulinė masė yra dydis, deterministiškai apskaičiuotas pagal molekulinę formulę. Taigi klausti kalbos modelio yra silpniausias būdas; Jis turėtų būti nepriklausomai patikrintas naudojant tokį įrankį kaip RDKit arba apskaičiuojant jį rankiniu būdu pagal formulę. Kalbos modelis gali pritaikyti tokius skaičius su „tikėtina išvaizda“.

4. Ką reikėtų daryti prieš naudojant dirbtinio intelekto grąžintą literatūros šaltinį (straipsnį/DOI)?

• A) nieko; Jei dirbtinis intelektas pateikia nuorodą, tai tikra
• B) Pakanka tik pažvelgti į pavadinimą, kad jis atrodytų įtikinamai.
• C) Kiekvienos citatos ir DOI patvirtinimas iškoduojant juos duomenų bazėje (doi.org, Crossref) ✔
• D) Ilgas DOI skaičius įrodo, kad jis tikras.

Aprašymas: kalbos modelis gali generuoti straipsnius, autorius ir DOI, kurie atrodo realistiški, bet neegzistuoja (netikras citatas). Vien todėl, kad tai suteikia DOI, dar nereiškia, kad jis galioja. Kiekviena citata turi būti patvirtinta raiška duomenų bazėje, pvz., doi.org, Crossref arba leidėjo svetainėje; Saugiausias srautas yra žmogui surasti tikrąjį straipsnį ir jį apibendrinti dirbtiniu intelektu.

5. Kurioje srityje dirbtinis intelektas silpniausias ir reikalauja patvirtinimo planuojant reakciją?

• A) Atpažįstant, kuriai bendrajai klasei priklauso reakcija
• B) Tikslūs būklės skaičiai, išeigos reikšmės ir reagentų/katalizatorių pavadinimai ✔
• C) Mechanizmo paaiškinimas paprasta kalba
• D) Smegenų šturmas dėl alternatyvių maršrutų

Paaiškinimas: AI paprastai gerai numato reakcijos tipą ir pagrindinį gerai dokumentuotų reakcijų produktą. Tačiau tikslūs būklės skaičiai (temperatūra, laikas, ekvivalentas), išeigos reikšmės, retos reakcijos ir reagentų / katalizatorių pavadinimai yra silpniausi ir labiausiai linkę gaminti; tai turėtų būti patvirtinta literatūra ir katalogais.

6. Koks yra patikimiausias dirbtinio intelekto panaudojimo būdas spektro interpretacijoje?

• A) Tiesiog nurodykite keletą smailių ir paklauskite "koks tai spektras?" paklausti
• B) Numatytos struktūros ir visų neapdorotų duomenų pateikimas bei nuoseklumo patikrinimas (hipotezių tikrinimas) ✔
• C) Rašyti tik poslinkio reikšmes neatliekant integravimo ir padalijimo
• D) Galutinis struktūros priskyrimas atliktas vienu metodu (tik IR)

Aprašymas: Paklauskite AI, koks junginys yra šis spektras? Klausimas nuo nulio padidina klaidų skaičių. Patikimiausias būdas yra pateikti numatomą struktūrą (SMILES) ir neapdorotus duomenis (integravimas, skaidymas, sprendėjas, didžiausių punktų sąrašas) ir paklausti „ar šie duomenys atitinka šią struktūrą? yra paklausti; tai yra dirbtinio intelekto naudojimas kaip hipotezių tikrintojas. Paskutinė užduotis skirta chemikui, nagrinėjančiam eksperimentinį spektrą.

7. Koks yra patikimiausias būdas gauti cheminio skaičiavimo rezultatą (pvz., išeigą procentais)?

• A) rezultato prašymas tiesiogiai iš dirbtinio intelekto žodžiu
• B) Atspausdinkite ir paleiskite paskyros Python kodą ir patikrinkite jį žinomu pavyzdžiu ✔
• C) Užduokite tą patį klausimą kelis kartus ir gaukite dažniausiai pasitaikantį skaičių
• D) Greitas įvertinimas nenurodant vieneto

Paaiškinimas: Kalbos modelis atlieka aritmetiką „numatydamas tikėtiną rezultatą“ ir gali būti klaidingas net ir labai paprastai dauginant. Patikimiausias būdas yra AI parašyti savo KODą (pvz., Python), o ne pačią paskyrą, ir paleisti tą kodą; kodas yra deterministinis ir tikrinamas. Kodas taip pat turėtų būti išbandytas su nedideliu pavyzdžiu, kurio atsakymas žinomas.

8. Ką reiškia sąvoka „pritaikomumo sritis“ numatant molekulines savybes?

• A) Kompiuterio, kuriame veikia modelis, apdorojimo galia
• B) Molekulinė sritis, panaši į mokymo duomenis, kur modelis pateikia patikimas prognozes ✔
• C) Užtikrinimo sritis, kurioje modelio pateiktas skaičius visada yra tikslus
• D) Temperatūros diapazonas, kuriame molekulė gali būti susintetinta laboratorijoje

Paaiškinimas: QSAR / numatymo modelis gerai veikia su molekulėmis, kurios yra panašios į molekules, kurias jis apmokė. Atsižvelgiant į molekulę, kuri labai skiriasi nuo mokymo duomenų, modelis vis tiek sukuria skaičių, bet tai nepatikima; tai vadinama „buvimu už taikymo srities ribų“. Modelis visada duoda atsakymą; Žmogus turi įvertinti, ar atsakymas patikimas, ar ne.

9. Koks yra teisingas požiūris į stebėjimus eksperimento dokumentacijoje?

• A) Stebėjimų rašymas dirbtiniam intelektui, siekiant sutaupyti laiko
• B) Eksperimentą atliekantis asmuo užrašo pastebėjimus; AI tik formatuoja ir tikrina ✔
• C) Pakanka neregistruoti stebėjimų, tiesiog parašyti galutinį derlių
• D) Slėpti nukrypimus nuo plano, kad ataskaita atrodytų gražiai

Paaiškinimas: Dirbtinis intelektas nežino, kas tai yra; Stebėjimus (spalvos pasikeitimą, dujų išsiskyrimą ir kt.) įtraukus į jį, gaunami įrašai, kurie atrodo tikėtini, bet neįvyko, ir tai yra mokslinė apgaulė. AI formatuoja įrašą, atšaukia trūkstamus laukus ir patikrina pakartojamumą; bet eksperimentuojantis žmogus turi pateikti pastebėjimus ir faktus. Taip pat turi būti registruojami nukrypimai nuo plano.

10. Koks dirbtinio intelekto vaidmuo laboratorijų saugai ir tiesos šaltinis?

• A) Jei dirbtinis intelektas sako „saugu“, kito šaltinio nereikia
• B) tiesos šaltinis yra SDS ir GHS; AI yra naudingas, bet negali pasakyti galutinio žodžio ✔
• C) Saugumo sprendimai gali būti visiškai deleguoti dirbtiniam intelektui
• D) SDS nereikalingas; Interneto forumuose pakanka informacijos.

Aprašymas: Saugumas yra didžiausias chemijos prioritetas, o dirbtinis intelektas niekada negali pasakyti paskutinio žodžio. Faktinės saugos informacijos šaltinis yra gamintojo pateikta SDS (saugos duomenų lapas) ir GHS klasifikacija. AI gali apibendrinti SDS tekstą, generuoti formų juodraščius ir atlikti preliminarų neatitikties patikrinimą; Tačiau visos pretenzijos turi būti patikrintos naudojant SDS, o procedūrą turi patvirtinti patyręs asmuo / apsaugos pareigūnas.

11. Kuris iš šių reagentų derinių yra žinomas pavojingas (nesuderinamas) atitikmuo?

• A) Vandens ir valgomosios druskos maišymas
• B) Rūgščių tirpalų maišymas su tirpalu, kuriame yra hipochlorito (chloro dujų rizika) ✔
• C) Sumaišyti etanolį ir vandenį
• D) Cukraus ir vandens ištirpinimas

Paaiškinimas: Nors kai kurios cheminės medžiagos yra gana saugios atskirai, jos pavojingos kartu. Maišant rūgštį ir hipochloritą išsiskiria chloro dujos; Oksidatorius + organiniai kelia gaisro / sprogimo pavojų, vanduo + reaktyvioji metalo šiluma / vandenilis. Nors dirbtinis intelektas žino daugumą šių derinių, jis negarantuoja visų ir kartais gali pateikti pavojingą pasiūlymą nekalta kalba; kiekviena procedūra turi būti patikrinta dėl SDS nesilaikymo.

12. Koks yra tiksliausias „haliucinacijos“ (dirbtinis intelektas, gaminantis išgalvotą informaciją) posakis?

• A) Tai reta programinės įrangos klaida ir visiškai pašalinama atnaujinus.
• B) Tai kalbos modeliui būdingas elgesys; Sprendimas yra nepriklausomai patikrinti kiekvieną išvestį ✔
• C) Jis rodomas tik neteisingai parašytose raginimuose, niekada teisinguose raginimuose.
• D) Jei dirbtinis intelektas kalba saugia kalba, tai nėra haliucinacija

Paaiškinimas: Haliucinacijos nėra gedimas, o kalbos modelio, kuris sukuria „kitą labiausiai tikėtiną žodį“, prigimties rezultatas; Modelis siekia įmanomo, o ne tiesos. Klastingiausia yra tai, kad melaginga informacija pateikiama ta pačia patikima kalba kaip ir tiesa. Sprendimas yra ne bandyti taisyti modelį, o sukurti tipą tinkamą patvirtinimo apvalkalą aplink kiekvieną išvestį; sklandumas niekada nėra tikslumo įrodymas.

13. Ką reiškia „trianguliacija“ norint patikrinti kritinę vertę (pvz., molekulinę masę)?

• A) Tris kartus užduoti tą patį klausimą tam pačiam dirbtiniam intelektui
• B) Palyginimas ir tos pačios išvados padarymas daugiau nei vienu nepriklausomu būdu ✔
• C) Vienu metu trijų skirtingų molekulių masės apskaičiavimas
• D) Rezultato apvalinimas iki trijų skaičių po kablelio

Paaiškinimas: Trianguliacija pasiekia tą pačią išvadą keliais nepriklausomais keliais; Pavyzdžiui, molekulinės masės palyginimas pagal dirbtinį intelektą, RDKit skaičiavimas ir rankinis skaičiavimas. Jei du nepriklausomi keliai sutampa, pasitikėjimas yra didelis; Jei kas nors nukrypsta, tai sustabdoma ir tiriama. Užuot pasikliavę vienu šaltiniu, reikėtų ieškoti bent dviejų nepriklausomų metodų.

14. Koks yra teisingas būdas paklausti bendrosios AI tarnybos apie unikalią molekulę, kuri nebuvo patentuota?

• A) Tiesiogiai suteikite pirminę struktūrą, nes greitis yra svarbus
• B) Strategijos mokymasis naudojant bendrinį/pakaitinį pavyzdį, neatskleidžiant pradinės struktūros ✔
• C) Suteikti struktūrą nėra problema, AI niekada neslepia informacijos
• D) Nenurodant molekulės pavadinimo, o tik dalijantis visomis jos Šypsenomis yra pakankama apsauga.

Aprašymas: Turinys, įtrauktas į bendrąją dirbtinio intelekto paslaugą, gali būti saugomas arba tvarkomas pagal paslaugų politiką; Suteikus originalią struktūrą kyla pavojus konfidencialumui ir patento prioritetui. Teisingas požiūris yra išmokti strategiją iš bendro/pakaitinio pavyzdžio (panašios struktūrų klasės) ir pritaikyti ją savo molekulei, neatskleidžiant pradinės struktūros. Asmens/paciento duomenys taip pat neturėtų būti įvedami identifikuojama forma.