സ്ഥിരീകരണം, ഭ്രമാത്മകത, ശാസ്ത്രീയ സമഗ്രത

നേട്ടങ്ങൾ:

• ഭാഷാ മാതൃകയിൽ ഭ്രമാത്മകത അന്തർലീനമാണെന്ന് മനസ്സിലാക്കാനും ഓരോ തരത്തിലുള്ള ഔട്ട്പുട്ടിനും ഉചിതമായ പരിശോധനാ രീതി തിരഞ്ഞെടുക്കാനുമുള്ള കഴിവ്.
• നിർണായക മൂല്യങ്ങൾ ത്രികോണാകൃതി ഉപയോഗിച്ച് രണ്ട് സ്വതന്ത്ര വഴികളിലൂടെ പരിശോധിക്കുക, ഒഴുക്കിനെ കൃത്യതയുമായി ആശയക്കുഴപ്പത്തിലാക്കരുത്
• ശാസ്ത്രീയ സമഗ്രതയുടെ അടിസ്ഥാനമായി സുതാര്യത, കണ്ടെത്തൽ, ഡാറ്റ സമഗ്രത, മനുഷ്യ ഉത്തരവാദിത്തം എന്നിവ പ്രയോഗിക്കാനുള്ള കഴിവ്

ഈ മൊഡ്യൂളിലുടനീളം ഒരൊറ്റ വാചകം വീണ്ടും വീണ്ടും വന്നു: "AI നിർമ്മിക്കുന്നു, മനുഷ്യർ പരിശോധിക്കുന്നു." ഈ യൂണിറ്റിൽ, ഞങ്ങൾ ആ വാചകം ഒരു സിസ്റ്റമാക്കി മാറ്റുന്നു. AI-യുടെ ഏറ്റവും അപകടകരമായ സ്വഭാവമായ ഹാലൂസിനേഷൻ (ആത്മവിശ്വാസത്തോടെയുള്ള തെറ്റായ/നിർമ്മിത വിവരങ്ങൾ നിർമ്മിക്കൽ) തിരിച്ചറിയുക, ഓരോ തരത്തിലുള്ള ഔട്ട്‌പുട്ടിനും കൃത്യമായ ഒരു സ്ഥിരീകരണ രീതി സ്ഥാപിക്കുക, ഇവയെല്ലാം ശാസ്ത്രീയമായ സമഗ്രതയുടെ ചട്ടക്കൂടിനുള്ളിൽ സ്ഥാപിക്കുക (സത്യസന്ധത, സുതാര്യത, കണ്ടെത്തൽ) എന്നിവയാണ് ലക്ഷ്യം. രസതന്ത്രത്തിലെ സ്ഥിരീകരിക്കാത്ത AI ഔട്ട്പുട്ട് ഒരു തെറ്റ് മാത്രമല്ല; അത് ഒരു പരീക്ഷണം പൊട്ടിത്തെറിക്കുന്നതോ, ഒരു വ്യക്തിക്ക് വിഷം കൊടുക്കുന്നതോ, അല്ലെങ്കിൽ ഒരു പേപ്പർ പിൻവലിക്കുന്നതോ ആകാം.

ഹാലുസിനേഷൻ അനിവാര്യമായിരിക്കുന്നത് എന്തുകൊണ്ട്?

വലിയ ഭാഷാ മാതൃക "അടുത്ത ഏറ്റവും സാധ്യതയുള്ള വാക്ക്" നിർമ്മിക്കുന്നു; സാധ്യമായതിനെയാണ് ഇത് ലക്ഷ്യമിടുന്നത്, സത്യമല്ല. അതിനാൽ അയാൾക്ക് ഒരു തന്മാത്രാ ഭാരം, ഒരു DOI അല്ലെങ്കിൽ ഒരു തിളപ്പിക്കൽ പോയിൻ്റ് "യുക്തമെന്ന് തോന്നുന്ന" ഒരു മൂല്യത്തിൽ പൂരിപ്പിക്കാൻ കഴിയും - അത് യഥാർത്ഥമാണോ എന്ന് പരിശോധിക്കാതെ തന്നെ. ഹാലുസിനേഷൻ ഒരു തകരാറല്ല, മറിച്ച് ഈ സാങ്കേതികവിദ്യയുടെ സ്വഭാവത്തിൻ്റെ അനന്തരഫലമാണ്. മോഡൽ "പരിഹരിക്കാൻ ശ്രമിക്കുക" എന്നല്ല, ഓരോ ഔട്ട്‌പുട്ടിനും ചുറ്റും ഒരു മൂല്യനിർണ്ണയ ഷെൽ നിർമ്മിക്കുക എന്നതാണ് പരിഹാരം.

ഭ്രമാത്മകതയുടെ ഏറ്റവും വഞ്ചനാപരമായ വശം അതിൻ്റെ ആത്മവിശ്വാസമുള്ള ഭാഷയാണ്. ഒരു തെറ്റായ തന്മാത്രാ ഭാരം ശരിയായതിൻ്റെ അതേ ആത്മവിശ്വാസത്തോടെയാണ് അവതരിപ്പിക്കുന്നത്. അതിനാൽ "ആത്മവിശ്വാസം തോന്നുന്നു" എന്നതിന് ഒരിക്കലും "ശരി" എന്നർത്ഥമില്ല.

ശ്രദ്ധിക്കുക: AI ഒരു വിഷയത്തിൽ എത്രമാത്രം ഒഴുക്കോടെയും ആത്മവിശ്വാസത്തോടെയും സംസാരിക്കുന്നു എന്നത് ആ വിവരങ്ങളുടെ കൃത്യതയുമായി ബന്ധപ്പെട്ടതല്ല. ഒഴുക്ക് ബോധ്യപ്പെടുത്തുന്നു; സ്വതന്ത്ര ഉറവിടം മാത്രമേ കൃത്യത നിർണ്ണയിക്കുന്നുള്ളൂ.

രസതന്ത്രത്തിലെ ഔട്ട്പുട്ട് തരം അനുസരിച്ചുള്ള മൂല്യനിർണ്ണയം

ഓരോ ഔട്ട്‌പുട്ട് തരത്തിനും അതിൻ്റേതായ സ്ഥിരീകരണ രീതിയുണ്ട്. ഒരൊറ്റ നിയമം ഓർമ്മിക്കുന്നതിനുപകരം, ഔട്ട്പുട്ടിനായി ഉചിതമായ ഉപകരണം ഉപയോഗിക്കുക:

ഔട്ട്പുട്ട് തരം

സ്ഥിരീകരണ രീതി

വാഹനം

തന്മാത്രാ ഭാരം, ഫോർമുല

ഫോർമുലയിൽ നിന്ന് വീണ്ടും കണക്കാക്കുക

RDKit / സ്വമേധയാ

പുഞ്ചിരി/ഘടന

പാഴ്‌സ് + കാനോനികലൈസ് ചെയ്യുക

RDKit

അവലംബം/DOI

ഡാറ്റാബേസിൽ പരിഹരിക്കുക

doi.org, Crossref

ഫിസിക്കൽ സ്ഥിരാങ്കം (kn, pKa)

റഫറൻസ് ഡാറ്റാബേസ്

PubChem, കൈപ്പുസ്തകം

സംഖ്യാ കണക്കുകൂട്ടൽ

കോഡ് എഴുതുക+ റൺ ചെയ്യുക

പൈത്തൺ

പ്രതികരണം/അവസ്ഥ

സാഹിത്യ സ്ഥിരീകരണം

റിയാക്സിസ്, ലേഖനം

സുരക്ഷാ അവകാശവാദം

എസ്ഡിഎസ്/ജിഎച്ച്എസ്

ഔദ്യോഗിക എസ്.ഡി.എസ്

സ്പെക്ട്രം അസൈൻമെൻ്റ്

മൾട്ടി-ടെക്‌നിക്കൽ + മനുഷ്യൻ

പരീക്ഷണാത്മക സ്പെക്ട്രം

ഈ പട്ടിക യഥാർത്ഥത്തിൽ ഈ മൊഡ്യൂളിൻ്റെ ഒരു സംഗ്രഹമാണ്: ഓരോ യൂണിറ്റും ഒരു വരിയാണ്.

ത്രികോണം: മൂന്ന് സ്വതന്ത്ര പാതകൾ

ഏറ്റവും ശക്തമായ പരിശോധനാ സാങ്കേതികത "ത്രികോണം" ആണ്: മൂന്ന് സ്വതന്ത്ര വഴികളിൽ ഒരേ നിഗമനത്തിൽ എത്തിച്ചേരുന്നു. ഉദാഹരണത്തിന്, ഒരു തന്മാത്രാ ഭാരത്തിന്: (1) YZ എന്താണ് പറയുന്നത്, (2) RDKit ൻ്റെ കണക്കുകൂട്ടൽ, (3) ഫോർമുലയിൽ നിന്ന് കൈകൊണ്ട് കണക്കുകൂട്ടൽ. മൂന്ന് ഓവർലാപ്പ് ആണെങ്കിൽ, വിശ്വാസം ഉയർന്നതാണ്; ആരെങ്കിലും വഴിതെറ്റുന്നുണ്ടെങ്കിൽ, നിർത്തി അന്വേഷിക്കുക. രസതന്ത്രത്തിലെ ഒരൊറ്റ ഉറവിടത്തെ ഒരിക്കലും ആശ്രയിക്കരുത്; കുറഞ്ഞത് രണ്ട് സ്വതന്ത്ര പാതകളെങ്കിലും നോക്കുക.

ഘട്ടം ഘട്ടമായി: സ്ഥിരീകരണ വർക്ക്ഫ്ലോ

1. ഔട്ട്‌പുട്ട് തരംതിരിക്കുക: ഇതൊരു സംഖ്യ, ഘടന, ആട്രിബ്യൂഷൻ, സുരക്ഷാ ഉറപ്പ് എന്നിവയാണോ?
2. ഉചിതമായ ടൂൾ തിരഞ്ഞെടുക്കുക: മുകളിലെ പട്ടികയിൽ നിന്ന് ഔട്ട്പുട്ട് തരത്തിന് അനുയോജ്യമായ പരിശോധനാ പാത നേടുക.
3. സ്വതന്ത്രമായി കണക്കുകൂട്ടുക/തിരയുക: AI-യിൽ നിന്ന് സ്വതന്ത്രമായി വാഹനം പ്രവർത്തിപ്പിക്കുക; ഫലം താരതമ്യം ചെയ്യുക.
4. ഒരു വ്യതിയാനം ഉണ്ടെങ്കിൽ, നിർത്തുക: മൂല്യങ്ങൾ പൊരുത്തപ്പെടുന്നില്ലെങ്കിൽ, ഏതാണ് ശരിയെന്ന് അന്വേഷിക്കാതെ തുടരരുത്.
5. നിങ്ങളുടെ അടയാളം ഇടുക: നിങ്ങൾ പരിശോധിച്ചതും എങ്ങനെയെന്ന് രേഖപ്പെടുത്തുക (ശാസ്ത്രീയ സമഗ്രത).
6. അനിശ്ചിതത്വം വ്യക്തമാക്കുക: സ്ഥിരീകരിക്കാൻ കഴിയാത്ത എന്തെങ്കിലും "സ്ഥിരീകരിക്കാത്തത്" എന്ന് അടയാളപ്പെടുത്തുക, അത് മറയ്ക്കരുത്.

പകർത്താവുന്ന നാല് ടെംപ്ലേറ്റുകൾ

1) സ്വയം പരിശോധന:

നിങ്ങൾ ഇനിപ്പറയുന്ന ഔട്ട്പുട്ട് നൽകി: [OUTPUT]. ടാസ്‌ക്: ഈ ഔട്ട്‌പുട്ടിൻ്റെ ഓരോ സംഖ്യാ/വസ്തുത ഉറപ്പും ഒരു പ്രത്യേക വരിയിൽ ലിസ്റ്റ് ചെയ്യുക. ഓരോ അവകാശവാദത്തിനും: "അത് എങ്ങനെ സ്വതന്ത്രമായി പരിശോധിക്കാം?" എഴുത്ത് രീതി (ഏത് ഉപകരണം/ഡാറ്റാബേസ്). അവകാശവാദം ശരിയാണെന്ന് അവകാശപ്പെടരുത്; അത് സ്ഥിരീകരിക്കാൻ ഒരു വഴി നൽകുക.

2) ത്രികോണ നിയന്ത്രണം:

ഇനിപ്പറയുന്ന തന്മാത്രയുടെ ഭാരം മൂന്ന് തരത്തിൽ പരിശോധിക്കാൻ ഞാൻ ആഗ്രഹിക്കുന്നു: [SMILES]. ടാസ്‌ക്: 1) തന്മാത്രാ ഫോർമുല കണ്ടെത്തുക.2) ആറ്റം അനുസരിച്ച് തന്മാത്രാ ഭാരം കണക്കാക്കുന്ന ആറ്റം കാണിക്കുക (ഓരോ മൂലകത്തിൻ്റെയും സംഭാവന).ശ്രദ്ധിക്കുക: ഞാൻ ഇത് RDKit-ലും കണക്കാക്കുകയും മൂന്നാമതായി നിങ്ങൾ നൽകിയതുമായി താരതമ്യം ചെയ്യുകയും ചെയ്യും. മൂന്നും ഓവർലാപ്പ് ചെയ്യുന്നില്ലെങ്കിൽ, മുന്നറിയിപ്പ് നൽകുക.

3) അവ്യക്തത അടയാളപ്പെടുത്തൽ:

ഇനിപ്പറയുന്ന വാചകത്തിൽ ഒന്നിലധികം വസ്തുതാപരമായ ക്ലെയിമുകൾ ഉണ്ട്:[TEXT] ടാസ്ക്: ഓരോ ക്ലെയിമിനും അടുത്തായി ഒരു കോൺഫിഡൻസ് ലെവൽ ലേബൽ ഇടുക:[VERIFIED] / [VERIFIED] / [Uncertain]. നിങ്ങൾക്ക് ഉറപ്പില്ലെങ്കിൽ ഒന്നും [VERIFIED] അടയാളപ്പെടുത്തരുത്.

4) സ്ഥിരത ക്രോസ് ചോദ്യം:

ഞാൻ ഒരേ ചോദ്യം രണ്ട് തരത്തിൽ ചോദിക്കും; നിങ്ങളുടെ ഉത്തരങ്ങൾ സ്ഥിരതയുള്ളതാണോ എന്ന് നോക്കുക. ചോദ്യം എ: സംയുക്തത്തിൻ്റെ തന്മാത്രാ സൂത്രവാക്യം എന്താണ്

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബല:

ഈ സംയുക്തത്തെക്കുറിച്ച് നിങ്ങൾക്കറിയാവുന്നതെല്ലാം എഴുതുക.

AI വിവേചനരഹിതമായി പരിശോധിക്കാവുന്നതും കെട്ടിച്ചമച്ചതുമായ വിവരങ്ങൾ കലർത്തുന്നു; ഏതാണ് യഥാർത്ഥമെന്ന് വ്യക്തമല്ല.

ശക്തമായ:

ഈ സംയുക്തത്തെക്കുറിച്ചുള്ള വിവരങ്ങൾ നൽകുക, എന്നാൽ ഓരോ ക്ലെയിമും ഇങ്ങനെ ലേബൽ ചെയ്യുക:[DETERMINISTIC - ഉപകരണം പരിശോധിച്ചുറപ്പിച്ചത്] ഉദാ. തന്മാത്രാ സൂത്രവാക്യം,[പരീക്ഷണാത്മകം - അവലംബം ആവശ്യമാണ്] ഉദാ. ദ്രവണാങ്കം,[അനിശ്ചിതത്വത്തിൽ - ഉറപ്പില്ല].ലേബൽ ചെയ്യാത്ത ക്ലെയിമുകളൊന്നും എഴുതരുത്.

വ്യത്യാസം: സ്വന്തം അനിശ്ചിതത്വം അടയാളപ്പെടുത്താൻ ഞങ്ങൾ AI-യെ നിർബന്ധിച്ചു; ഞങ്ങൾ വെരിഫിക്കേഷൻ വർക്ക് പ്ലാനബിൾ ആക്കി.

ശാസ്ത്രീയ സമഗ്രത: സത്യസന്ധതയും കണ്ടെത്തലും

വെരിഫിക്കേഷൻ ഒരു സാങ്കേതിക നടപടി മാത്രമല്ല, അത് ഒരു ധാർമ്മിക പ്രശ്നമാണ്. ശാസ്ത്രീയ സമഗ്രത ആവശ്യമാണ്:

• സുതാര്യത: നിങ്ങൾ AI ഉപയോഗിക്കുന്നുണ്ടെന്ന് മറയ്ക്കരുത്; നിങ്ങളുടെ പ്രസിദ്ധീകരണ/റിപ്പോർട്ട് നയം അനുസരിച്ച് വ്യക്തമാക്കുക.
• ട്രെയ്‌സിബിലിറ്റി: AI-ൽ നിന്ന് എന്ത് ഔട്ട്‌പുട്ട് വന്നെന്നും അത് എങ്ങനെയാണ് പരിശോധിച്ചതെന്നും രേഖപ്പെടുത്തുക.
• ഡാറ്റാ സമഗ്രത: AI ഉപയോഗിച്ച് "മനോഹരമാക്കൽ" ഫലങ്ങൾ, ന്യായീകരണമില്ലാതെ പുറന്തള്ളുന്നത് വഞ്ചനയാണ്.
• ഉത്തരവാദിത്തം: അന്തിമ ഫലത്തിന് നിങ്ങൾ ഉത്തരവാദിയാണ്; “AI അങ്ങനെ പറഞ്ഞു” ഒരു ഒഴികഴിവല്ല.

നുറുങ്ങ്: ഒരു റിപ്പോർട്ടിലോ പ്രതിരോധത്തിലോ നിങ്ങൾക്ക് ഒരിക്കലും "AI പറഞ്ഞു" എന്ന വാചകം ഉപയോഗിക്കാൻ കഴിയില്ലെന്ന് ആദ്യം മുതൽ അംഗീകരിക്കുക. ഈ സ്വീകാര്യത സ്വയമേവ ഓരോ ഔട്ട്‌പുട്ടും പരിശോധിക്കുന്ന ശീലം കൊണ്ടുവരുന്നു.

മിനി കേസുകൾ

കേസ് 1 - ത്രികോണം ഒരു പിശക് പിടിച്ചു. ഒരു വിദ്യാർത്ഥി തന്മാത്രാ ഭാരം മൂന്ന് തരത്തിൽ പരിശോധിച്ചു: YZ 178.2, മാനുവൽ കണക്കുകൂട്ടൽ 180.16, RDKit 180.16 നൽകി. രണ്ട് സ്വതന്ത്ര പാതകൾ ഓവർലാപ്പ് ചെയ്യുകയും AI ഇല്ലാതാക്കുകയും ചെയ്തു. പാഠം: രണ്ട് സ്വതന്ത്ര പരിശോധനകൾ ഒരു തെറ്റായ ഔട്ട്പുട്ടിനെ നിശബ്ദമായി പരാജയപ്പെടുത്തുന്നു.

കേസ് 2 - സുരക്ഷിതമായ ഭാഷ, തെറ്റായ വിവരങ്ങൾ. ഒരു പ്രതികരണം "ഊഷ്മാവിൽ സ്വയമേവ പ്രവർത്തിക്കുന്നു" എന്ന് AI വളരെ ആത്മവിശ്വാസത്തോടെ എഴുതി. ഇതിന് ചൂടാക്കലും ഉത്തേജകവും ആവശ്യമാണെന്ന് സാഹിത്യം കാണിച്ചു. സുരക്ഷിതമായ ഭാഷയിലല്ല, ഉറവിടത്തെയാണ് വിദ്യാർത്ഥി വിശ്വസിച്ചത്. പാഠം: ഒഴുക്ക് എന്നത് കൃത്യതയല്ല.

കേസ് 3 - സുതാര്യത നേടി. തൻ്റെ പേപ്പറിൻ്റെ രീതി വിഭാഗത്തിൽ, ഒരു ഗവേഷകൻ താൻ ഏത് ഘട്ടങ്ങളിലാണ് AI (ടെക്സ്റ്റ് എഡിറ്റിംഗ്, കോഡ് ഡ്രാഫ്റ്റിംഗ്) ഉപയോഗിച്ചതെന്ന് വ്യക്തമായി പ്രസ്താവിക്കുകയും എല്ലാ സംഖ്യാ ഫലങ്ങളും സ്വതന്ത്രമായി പരിശോധിച്ചതായും എഴുതി. റഫറി നടപടികൾ സുഗമമായി നടന്നു. പാഠം: സുതാര്യത വിശ്വാസം വളർത്തുന്നു, മറച്ചുവെക്കുന്നത് അപകടസാധ്യത സൃഷ്ടിക്കുന്നു.

സാധാരണ തെറ്റുകൾ

• സുരക്ഷിതമായ ഭാഷയിൽ വിശ്വസിക്കുന്നു. AI-യുടെ ആത്മവിശ്വാസം നൽകുന്ന ടോൺ കൃത്യതയുടെ സൂചനയല്ല.
• ഒരൊറ്റ ഉറവിടത്തെ ആശ്രയിക്കുന്നു. ത്രികോണം കൂടാതെ ഒരൊറ്റ ഔട്ട്പുട്ട് സ്വീകരിക്കുന്നു.
• ഔട്ട്പുട്ട് തരം വേർതിരിക്കുന്നില്ല. നമ്പർ, ആട്രിബ്യൂഷൻ, സെക്യൂരിറ്റി അസെർഷൻ എന്നിവ അതേ രീതി ഉപയോഗിച്ച് ഞാൻ "പരിശോധിച്ചു" എന്ന് കരുതി.
• അനിശ്ചിതത്വം മറയ്ക്കുന്നു. സ്ഥിരീകരിക്കാനാകാത്ത ചിലത് ഉറപ്പായതുപോലെ റിപ്പോർട്ടുചെയ്യുന്നു.
• AI യുടെ ഉപയോഗം മറയ്ക്കുന്നു. സുതാര്യതയുടെ അഭാവം ശാസ്ത്രീയമായ സമഗ്രതയെ തകർക്കുന്നു.
• ഉത്തരവാദിത്തം ഏൽപ്പിക്കുന്നു. "AI അങ്ങനെ പറഞ്ഞു" എന്ന ഒഴികഴിവ് അസാധുവാണ്; ഉത്തരവാദിത്തം വ്യക്തിയിൽ നിക്ഷിപ്തമാണ്.

ചുരുക്കത്തിൽ

• ഭ്രമാത്മകത ഭാഷാ മാതൃകയിൽ അന്തർലീനമാണ്; ഓരോ ഔട്ട്‌പുട്ടിനും ചുറ്റും ഒരു മൂല്യനിർണ്ണയ ഷെൽ നിർമ്മിക്കുക എന്നതാണ് പരിഹാരം.
• ഓരോ ഔട്ട്പുട്ട് തരത്തിനും അതിൻ്റേതായ സ്ഥിരീകരണ രീതി ഉണ്ട്; ഔട്ട്പുട്ട് തരംതിരിച്ച് ഉചിതമായ ഉപകരണം ഉപയോഗിക്കുക.
• ത്രികോണം (രണ്ട് സ്വതന്ത്ര പാതകൾ) ആണ് ഏറ്റവും ശക്തമായ നിയന്ത്രണം; ഒരൊറ്റ ഉറവിടത്തിൽ വിശ്വസിക്കരുത്.
• ഒഴുക്കും ആത്മവിശ്വാസമുള്ള ഭാഷയും കൃത്യതയുമായി ബന്ധപ്പെട്ടതല്ല.
• ശാസ്ത്രീയ സമഗ്രതയ്ക്ക് സുതാര്യത, കണ്ടെത്തൽ, ഡാറ്റ സമഗ്രത, മനുഷ്യ ഉത്തരവാദിത്തം എന്നിവ ആവശ്യമാണ്.

ആപ്ലിക്കേഷൻ ടാസ്ക്

ഒരു AI സെഷനിൽ മനഃപൂർവ്വം പലതരത്തിലുള്ള ഔട്ട്‌പുട്ടുകൾ നിർമ്മിക്കുക: ഒരു തന്മാത്രാ ഭാരം, ഒരു റഫറൻസ്, ഒരു ഫിസിക്കൽ കോൺസ്റ്റൻ്റ്, ഒരു സെക്യൂരിറ്റി ക്ലെയിം, ഒരു സംഖ്യാ കണക്കുകൂട്ടൽ. ശരിയായ രീതി ഉപയോഗിച്ച് ഓരോന്നും സ്വതന്ത്രമായി പരിശോധിക്കുക (പട്ടിക കാണുക). കുറഞ്ഞത് ഒരു ഹാലുസിനേഷനെങ്കിലും പിടിക്കാൻ ശ്രമിക്കുക. തുടർന്ന് ഒരു "വാലിഡേഷൻ മാട്രിക്സ്" തയ്യാറാക്കുക: വരികളുടെ ഔട്ട്‌പുട്ടുകൾ, നിരകൾ (AI മൂല്യം / സ്വതന്ത്ര മൂല്യം / ഇത് ഓവർലാപ്പ് ചെയ്‌തിട്ടുണ്ടോ / ഞാൻ അത് എങ്ങനെ പരിശോധിച്ചു). ശാസ്ത്രീയ സമഗ്രതയുടെ അടിസ്ഥാനത്തിൽ നിങ്ങൾ ഈ സെഷൻ എങ്ങനെ റിപ്പോർട്ട് ചെയ്യും?

ചെക്ക്ലിസ്റ്റ്

• [ ] ഹാലൂസിനേഷൻ അനിവാര്യമായിരിക്കുന്നത് എന്തുകൊണ്ടാണെന്ന് ഞാൻ മനസ്സിലാക്കുന്നു.
• [ ] ഞാൻ ഓരോ ഔട്ട്‌പുട്ടും അതിൻ്റെ തരം അനുസരിച്ച് തരംതിരിക്കുകയും ഉചിതമായ രീതി ഉപയോഗിച്ച് സ്ഥിരീകരിക്കുകയും ചെയ്യുന്നു.
• [ ] ഞാൻ നിർണായക മൂല്യങ്ങളിൽ ത്രികോണം (രണ്ട് സ്വതന്ത്ര പാതകൾ) ചെയ്യുന്നു.
• [ ] ഞാൻ ഉറവിടത്തെ വിശ്വസിക്കുന്നു, സുരക്ഷിതമായ ഭാഷയല്ല.
• [ ] സ്ഥിരീകരിക്കാൻ കഴിയാത്തത് "അനിശ്ചിതത്വം" എന്ന് ഞാൻ അടയാളപ്പെടുത്തുന്നു.
• [ ] ഞാൻ AI യുടെ ഉപയോഗത്തിൽ സുതാര്യനാണ്, ഫലത്തിന് ഞാൻ സ്വയം ഉത്തരവാദിയാണ്.