ਲਾਭ:
- AI ਦੁਆਰਾ ਸੰਚਾਲਿਤ ਪਾਈਥਨ ਕੋਡ ਨਾਲ ਭੋਜਨ ਡੇਟਾ ਦੀ ਸਫਾਈ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਕਾਰਜਾਂ ਨੂੰ ਸਵੈਚਲਿਤ ਕਰੋ
- ਯੂਨਿਟ ਚੈਕਿੰਗ, ਟੈਸਟਿੰਗ ਅਤੇ ਕਿਨਾਰੇ ਦੇ ਕੇਸਾਂ ਦੇ ਨਾਲ AI-ਤਿਆਰ ਕੋਡ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
- ਗੁਪਤ ਫਾਰਮੂਲਾ/ਵਪਾਰਕ ਡੇਟਾ ਦੀ ਰੱਖਿਆ ਕਰਨ ਅਤੇ ਜ਼ਿੰਮੇਵਾਰ AI ਵਰਤੋਂ ਦੇ ਸਿਧਾਂਤਾਂ ਨੂੰ ਲਾਗੂ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
ਮੋਡੀਊਲ ਪ੍ਰੀਖਿਆ
1. ਤੁਸੀਂ AI ਨੂੰ ਫੂਡ ਐਡਿਟਿਵ ਦੀ ਵੱਧ ਤੋਂ ਵੱਧ ਵਰਤੋਂ ਦੀ ਖੁਰਾਕ ਬਾਰੇ ਪੁੱਛਿਆ ਅਤੇ ਮਾਡਲ ਨੇ ਜਵਾਬ ਦਿੱਤਾ 'ਤੁਰਕੀ ਫੂਡ ਕੋਡੈਕਸ ਦੇ ਅਨੁਸਾਰ 500 ਮਿਲੀਗ੍ਰਾਮ/ਕਿਲੋਗ੍ਰਾਮ'। ਉਤਪਾਦ ਫਾਰਮੂਲੇ ਵਿੱਚ ਇਸ ਨੂੰ ਪ੍ਰੋਸੈਸ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਸਭ ਤੋਂ ਸਹੀ ਕਾਰਵਾਈ ਕੀ ਹੈ?
- A) ਮੌਜੂਦਾ ਤੁਰਕੀ ਫੂਡ ਕੋਡੈਕਸ ਟੈਕਸਟ ਤੋਂ ਮੁੱਲ ਅਤੇ ਸੰਬੰਧਿਤ ਭੋਜਨ ਸ਼੍ਰੇਣੀ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ ✔
- ਅ) ਖੁਰਾਕ ਨੂੰ ਸਿੱਧੇ ਫਾਰਮੂਲੇ ਵਿੱਚ ਲਿਖੋ ਕਿਉਂਕਿ AI ਅੱਪ ਟੂ ਡੇਟ ਹੈ
- C) ਬੱਸ ਯੂਨਿਟ ਨੂੰ mg/kg ਤੋਂ g/kg ਵਿੱਚ ਬਦਲੋ ਅਤੇ ਵਰਤੋਂ ਕਰੋ
- ਡੀ) ਏਆਈ ਨੂੰ ਪੁੱਛੋ 'ਕੀ ਤੁਹਾਨੂੰ ਯਕੀਨ ਹੈ?' ਅਤੇ 'ਹਾਂ' ਦੇ ਜਵਾਬ ਨਾਲ ਸੰਤੁਸ਼ਟ ਹੋਵੋ
ਸਪੱਸ਼ਟੀਕਰਨ: ਐਡਿਟਿਵਜ਼ ਦੀ ਵੱਧ ਤੋਂ ਵੱਧ ਵਰਤੋਂ ਦੀਆਂ ਸੀਮਾਵਾਂ ਭੋਜਨ ਸ਼੍ਰੇਣੀ ਦੇ ਆਧਾਰ 'ਤੇ ਵੱਖਰੀਆਂ ਹੁੰਦੀਆਂ ਹਨ ਅਤੇ ਤੁਰਕੀ ਫੂਡ ਕੋਡੈਕਸ ਫੂਡ ਐਡੀਟਿਵਜ਼ ਰੈਗੂਲੇਸ਼ਨ ਦੇ ਅਨੁਬੰਧ ਵਿੱਚ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤੀਆਂ ਗਈਆਂ ਹਨ। LLM ਇੱਕ ਵਾਜਬ ਪਰ ਗਲਤ ਖੁਰਾਕ ਜਾਂ ਸ਼੍ਰੇਣੀ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ। ਮੌਜੂਦਾ ਕੋਡੈਕਸ ਟੈਕਸਟ ਤੋਂ ਪ੍ਰਮਾਣਿਤ ਕੀਤੇ ਬਿਨਾਂ ਮੁੱਲ ਅਤੇ ਸੰਬੰਧਿਤ ਭੋਜਨ ਸ਼੍ਰੇਣੀ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਇੱਕ ਗੈਰ-ਕਾਨੂੰਨੀ ਉਤਪਾਦ ਅਤੇ ਭੋਜਨ ਸੁਰੱਖਿਆ ਜੋਖਮ ਪੈਦਾ ਕਰਦਾ ਹੈ।
2. ਪੁੰਜ ਸੰਤੁਲਨ ਇੱਕ ਫਾਰਮੂਲੇਸ਼ਨ ਵਿੱਚ ਪ੍ਰਮਾਣਿਤ ਕਰਨ ਲਈ ਪਹਿਲਾ ਨਿਯੰਤਰਣ ਕਿਉਂ ਹੈ?
- ਏ) ਬਸ ਕਿਉਂਕਿ ਇਹ ਉਤਪਾਦ ਦਾ ਰੰਗ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ
- ਅ) ਕਿਉਂਕਿ ਪੁੰਜ ਸੰਤੁਲਨ ਸਿਰਫ ਪੈਕੇਜਿੰਗ ਡਿਜ਼ਾਈਨ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ
- C) ਕਿਉਂਕਿ ਕੰਪੋਨੈਂਟ ਪ੍ਰਤੀਸ਼ਤਾਂ ਦਾ ਜੋੜ 100% ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਸੁਰੱਖਿਆ ਨੂੰ ਯਕੀਨੀ ਬਣਾਇਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ✔
- ਡੀ) ਕਿਉਂਕਿ ਇਹ ਸਿੱਧੇ ਸੰਵੇਦੀ ਸਕੋਰ ਨੂੰ ਵਧਾਉਂਦਾ ਹੈ
ਵਿਆਖਿਆ: ਪੁੰਜ ਸੰਤੁਲਨ ਲਈ ਇਹ ਲੋੜ ਹੁੰਦੀ ਹੈ ਕਿ ਸਾਰੇ ਭਾਗ ਪ੍ਰਤੀਸ਼ਤ ਦਾ ਜੋੜ 100% ਹੋਵੇ ਅਤੇ ਇਹ ਕਿ ਇਨਪੁਟ ਪੁੰਜ ਆਉਟਪੁੱਟ ਪੁੰਜ ਦੇ ਬਰਾਬਰ ਹੋਵੇ। ਭਾਵੇਂ AI ਇੱਕ ਫਾਰਮੂਲੇ ਦੀ ਰੂਪਰੇਖਾ ਬਣਾਉਂਦਾ ਹੈ, ਜੇਕਰ ਪ੍ਰਤੀਸ਼ਤ 100% ਤੱਕ ਨਹੀਂ ਜੋੜਦੇ ਹਨ, ਤਾਂ ਫਾਰਮੂਲਾ ਸਰੀਰਕ ਤੌਰ 'ਤੇ ਅਵੈਧ ਹੈ। ਇਸ ਮੁੱਢਲੀ ਜਾਂਚ ਤੋਂ ਬਿਨਾਂ, ਲਾਗਤ, ਪੋਸ਼ਣ ਮੁੱਲ ਅਤੇ ਖੁਰਾਕ ਦੀ ਗਣਨਾ ਗਲਤ ਹੋਵੇਗੀ।
3. HACCP ਅਧਿਐਨ ਵਿੱਚ, AI ਨੇ ਇੱਕ 'ਨਾਜ਼ੁਕ ਨਿਯੰਤਰਣ ਪੁਆਇੰਟ (CCP)' ਵਜੋਂ ਇੱਕ ਉਤਪਾਦਨ ਪੜਾਅ ਦਾ ਸੁਝਾਅ ਦਿੱਤਾ। ਇਸ ਸਿਫ਼ਾਰਿਸ਼ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਇੰਜੀਨੀਅਰਿੰਗ ਰਵੱਈਆ ਕੀ ਹੈ?
- A) ਕਿਉਂਕਿ AI ਨਿਰਪੱਖ ਹੈ, ਸਿਫ਼ਾਰਸ਼ ਨੂੰ ਸਿੱਧੇ HACCP ਯੋਜਨਾ ਨੂੰ CCP ਵਜੋਂ ਲਿਖੋ
- ਅ) ਖ਼ਤਰੇ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ, ਫੈਸਲੇ ਦੇ ਰੁੱਖ ਅਤੇ HACCP ਟੀਮ ਦੇ ਮੁਲਾਂਕਣ ਨਾਲ ਸਿਫ਼ਾਰਸ਼ਾਂ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਰੋ ✔
- C) ਬਸ ਮੇਰੇ ਨਾਮ ਦਾ ਨਾਮ ਹੋਰ ਤਕਨੀਕੀ ਭਾਸ਼ਾ ਵਿੱਚ ਦੁਬਾਰਾ ਲਿਖੋ
- D) ਸਾਰੇ CCP ਨੂੰ ਹਟਾ ਕੇ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਸਰਲ ਬਣਾਉਣਾ
ਵਰਣਨ: ਸੀਸੀਪੀ ਨਿਰਧਾਰਨ; ਇਹ ਇੱਕ ਅਜਿਹਾ ਫੈਸਲਾ ਹੈ ਜਿਸ ਲਈ ਖ਼ਤਰੇ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ, ਫੈਸਲੇ ਦੇ ਰੁੱਖ, ਵਿਗਿਆਨਕ ਅਧਾਰ ਅਤੇ ਬਹੁ-ਅਨੁਸ਼ਾਸਨੀ HACCP ਟੀਮ ਦੁਆਰਾ ਮੁਲਾਂਕਣ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। AI ਇੱਕ ਵਾਜਬ-ਦਿੱਖ ਪਰ ਗਲਤ CCP ਦਾ ਸੁਝਾਅ ਦੇ ਸਕਦਾ ਹੈ ਜਾਂ ਇੱਕ ਅਸਲੀ CCP ਨੂੰ ਛੱਡ ਸਕਦਾ ਹੈ। ਪ੍ਰਸਤਾਵ ਨੂੰ ਡਰਾਫਟ/ਇਨਪੁਟ ਵਜੋਂ ਲਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ; ਯੋਜਨਾ ਨੂੰ ਟੀਮ, ਫੈਸਲੇ ਦੇ ਰੁੱਖ ਅਤੇ ਵਿਗਿਆਨਕ/ਵਿਧਾਨਕ ਆਧਾਰ ਦੁਆਰਾ ਤਸਦੀਕ ਕੀਤੇ ਬਿਨਾਂ ਨਹੀਂ ਲਿਖਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।
4. ਐਕਸਲਰੇਟਿਡ ਸ਼ੈਲਫ ਲਾਈਫ ਟੈਸਟ ਵਿੱਚ Q10 ਗੁਣਾਂਕ ਦਾ ਕੀ ਅਰਥ ਹੈ?
- ਏ) ਉਤਪਾਦ ਦੀ ਪੈਕੇਜਿੰਗ ਪਾਰਦਰਸ਼ੀਤਾ
- ਬੀ) ਉਤਪਾਦ ਦੀ ਕੁੱਲ ਕੈਲੋਰੀ ਮਾਤਰਾ
- C) ਜਦੋਂ ਤਾਪਮਾਨ 10 ਡਿਗਰੀ ਸੈਲਸੀਅਸ ਵਧਦਾ ਹੈ ਤਾਂ ਡਿਗਰੇਡੇਸ਼ਨ ਰੇਟ ਕਿੰਨੀ ਵਾਰ ਬਦਲਦਾ ਹੈ?
- ਡੀ) ਸੰਵੇਦੀ ਪੈਨਲਿਸਟਾਂ ਦੀ ਗਿਣਤੀ
ਵਿਆਖਿਆ: Q10 ਗੁਣਾਂਕ ਹੈ ਜੋ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਹਰ ਵਾਰ ਜਦੋਂ ਤਾਪਮਾਨ 10 ਡਿਗਰੀ ਸੈਲਸੀਅਸ ਵਧਦਾ ਹੈ ਤਾਂ ਡੀਗਰੇਡੇਸ਼ਨ ਪ੍ਰਤੀਕ੍ਰਿਆ ਦਰ ਕਿੰਨੀ ਵਾਰ ਬਦਲਦੀ ਹੈ। ਇਹ ਉੱਚ ਤਾਪਮਾਨਾਂ 'ਤੇ ਤੇਜ਼ੀ ਨਾਲ ਵਿਗੜਨ ਦੇ ਅਧਾਰ 'ਤੇ ਆਮ ਸਟੋਰੇਜ ਸਥਿਤੀਆਂ ਦੇ ਅਧੀਨ ਸ਼ੈਲਫ ਲਾਈਫ ਦਾ ਅਨੁਮਾਨ ਲਗਾਉਣ ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ। ਭਾਵੇਂ AI Q10 ਦਾ ਅਨੁਮਾਨ ਦਿੰਦਾ ਹੈ, ਇਸ ਨੂੰ ਅਸਲ ਸਟੋਰੇਜ ਸਥਿਤੀ 'ਤੇ ਮਾਈਕ੍ਰੋਬਾਇਓਲੋਜੀਕਲ ਅਤੇ ਸੰਵੇਦੀ ਟੈਸਟ ਡੇਟਾ ਨਾਲ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।
5. ਜੇਕਰ F0 (F-ਮੁੱਲ) ਟੀਚਾ, ਜੋ ਕਿ ਘੱਟ ਐਸਿਡ ਉਤਪਾਦ ਜਿਵੇਂ ਕਿ ਡੱਬਾਬੰਦ ਭੋਜਨ ਵਿੱਚ ਗਰਮੀ ਦੇ ਇਲਾਜ ਦੀ ਲੋੜੀਂਦੀਤਾ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ, ਤਾਂ ਮੁੱਖ ਜੋਖਮ ਕੀ ਹੈ?
- ਏ) ਸਿਰਫ਼ ਉਤਪਾਦ ਦਾ ਰੰਗ ਥੋੜ੍ਹਾ ਫਿੱਕਾ ਪੈ ਗਿਆ ਹੈ
- ਅ) ਪੈਕੇਜਿੰਗ ਲੇਬਲ ਅਯੋਗ ਹੋ ਜਾਂਦਾ ਹੈ
- C) ਗਰਮੀ-ਰੋਧਕ ਜਰਾਸੀਮ ਦੇ ਬੀਜਾਣੂਆਂ ਦਾ ਬਚਾਅ ਅਤੇ ਬੋਟੂਲਿਸਮਸ ਦਾ ਜੋਖਮ ✔
- ਡੀ) ਉਤਪਾਦ ਦੇ ਭਾਰ ਨੂੰ ਵਧਾਉਣਾ
ਵਰਣਨ: ਘੱਟ ਐਸਿਡ ਵਾਲੇ ਡੱਬਾਬੰਦ ਭੋਜਨਾਂ ਵਿੱਚ ਹੀਟ ਟ੍ਰੀਟਮੈਂਟ ਦਾ ਉਦੇਸ਼ ਗਰਮੀ-ਰੋਧਕ ਜਰਾਸੀਮ ਸਪੋਰਸ (ਖਾਸ ਕਰਕੇ ਕਲੋਸਟ੍ਰਿਡੀਅਮ ਬੋਟੂਲਿਨਮ) ਨੂੰ ਸੁਰੱਖਿਅਤ ਪੱਧਰ ਤੱਕ ਘਟਾਉਣਾ ਹੈ। ਨਾਕਾਫ਼ੀ F0 ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਇਹ ਬੀਜਾਣੂ ਵਿਹਾਰਕ ਰਹਿੰਦੇ ਹਨ ਅਤੇ ਘਾਤਕ ਬੋਟੂਲਿਸਮਸ ਦਾ ਖਤਰਾ ਹੈ। ਭਾਵੇਂ AI ਗਰਮੀ ਦੇ ਇਲਾਜ ਦੇ ਸਮੇਂ/ਤਾਪਮਾਨ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕਰਦਾ ਹੈ, ਇਸ ਨੂੰ ਪ੍ਰਕਿਰਿਆ ਅਥਾਰਟੀ ਪੁਸ਼ਟੀਕਰਨ ਅਤੇ ਪ੍ਰਮਾਣਿਕਤਾ ਡੇਟਾ ਤੋਂ ਬਿਨਾਂ ਲਾਗੂ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ।
6. ਇੱਕ ਸੰਵੇਦੀ ਪੈਨਲ ਦੇ ਹੇਡੋਨਿਕ ਟੈਸਟਿੰਗ ਡੇਟਾ ਤੋਂ AI ਦਾ ਅਨੁਮਾਨ 'ਉਤਪਾਦ A ਨੂੰ B ਨਾਲੋਂ ਕਾਫ਼ੀ ਜ਼ਿਆਦਾ ਪਸੰਦ ਕੀਤਾ ਗਿਆ ਸੀ'। ਇਸ ਆਉਟਪੁੱਟ ਲਈ ਸਭ ਤੋਂ ਸਹੀ ਪ੍ਰਮਾਣਿਕਤਾ ਕੀ ਹੈ?
- ਏ) ਨਤੀਜੇ ਨੂੰ ਸਿੱਧੇ ਮਾਰਕੀਟਿੰਗ ਦਾਅਵੇ ਵਜੋਂ ਵਰਤਣਾ
- ਅ) ਕੱਚੇ ਪੈਨਲ ਡੇਟਾ, ਅਜ਼ਮਾਇਸ਼ ਡਿਜ਼ਾਈਨ ਅਤੇ ਵਰਤੇ ਗਏ ਅੰਕੜਾ ਟੈਸਟ ਦੀ ਜਾਂਚ ਕਰਕੇ ਪ੍ਰਮਾਣਿਤ ਕਰੋ ✔
- C) ਬਸ ਚਾਰਟ ਦਾ ਸਿਰਲੇਖ ਬਦਲੋ
- ਡੀ) ਪੈਨਲਿਸਟਾਂ ਦੀ ਗਿਣਤੀ ਨੂੰ ਘਟਾਉਣਾ ਅਤੇ ਟੈਸਟ ਦੀ ਦੁਬਾਰਾ ਵਿਆਖਿਆ ਕਰਨੀ
ਵਿਆਖਿਆ: ਸੰਵੇਦੀ ਨਤੀਜੇ ਦੀ ਵੈਧਤਾ; ਪੈਨਲ ਦੇ ਆਕਾਰ, ਅਜ਼ਮਾਇਸ਼ ਡਿਜ਼ਾਈਨ (ਸੰਤੁਲਨ, ਅੰਨ੍ਹੇ ਟੈਸਟਿੰਗ), ਉਚਿਤ ਅੰਕੜਾ ਟੈਸਟ ਅਤੇ ਮਹੱਤਤਾ ਦੇ ਪੱਧਰ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ। AI ਗਲਤ ਟੈਸਟ ਜਾਂ ਨਾਕਾਫ਼ੀ ਨਮੂਨੇ ਦੇ ਨਾਲ ਇੱਕ ਅੰਕੜਾ ਵਿਆਖਿਆ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ। ਨਤੀਜਾ ਕੱਚੇ ਪੈਨਲ ਡੇਟਾ, ਵਰਤੇ ਗਏ ਟੈਸਟ ਅਤੇ ਪੀ-ਮੁੱਲ/ਅਜ਼ਮਾਇਸ਼ ਡਿਜ਼ਾਈਨ ਦੀ ਜਾਂਚ ਕਰਕੇ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।
7. ਫੂਡ ਰੀਕਾਲ ਕਰਨ ਦੇ ਮਾਮਲੇ ਵਿੱਚ ਟਰੇਸੇਬਿਲਟੀ ਸਿਸਟਮ ਨੂੰ ਕਿਹੜੀ ਬੁਨਿਆਦੀ ਸਮਰੱਥਾ ਪ੍ਰਦਾਨ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ?
- A) ਉਤਪਾਦ ਦੀ ਸਿਰਫ਼ ਅੰਤਿਮ ਵਿਕਰੀ ਕੀਮਤ ਦੀ ਰਿਪੋਰਟ ਕਰਨਾ
- ਅ) ਸਿਰਫ਼ ਉਤਪਾਦ ਦਾ ਰੰਗ ਰਿਕਾਰਡ ਕਰਨਾ
- ਗ) ਉਤਪਾਦ ਨੂੰ ਵਾਪਸ ਮੰਗਵਾਉਣ ਦੀ ਬਜਾਏ ਚੁੱਪ-ਚਾਪ ਮਾਰਕੀਟ ਵਿੱਚ ਰੱਖਣਾ
- D) ਇੱਕ ਲਾਟ ਨੰਬਰ ਤੋਂ ਇੱਕ ਕਦਮ ਪਿੱਛੇ ਅਤੇ ਇੱਕ ਕਦਮ ਅੱਗੇ ਨੂੰ ਟਰੈਕ ਕਰਨ ਦੇ ਯੋਗ ਹੋਣਾ ✔
ਸਪੱਸ਼ਟੀਕਰਨ: ਟਰੇਸੇਬਿਲਟੀ ਲਈ ਇੱਕ ਕਦਮ ('ਇੱਕ ਕਦਮ ਪਿੱਛੇ, ਇੱਕ ਕਦਮ ਅੱਗੇ') ਵਿੱਚ ਪਿੱਛੇ ਵੱਲ (ਇਹ ਕਿਸ ਕੱਚੇ ਮਾਲ/ਸਪਲਾਇਰ ਤੋਂ ਆਇਆ ਹੈ) ਅਤੇ ਅੱਗੇ (ਇਹ ਕਿਸ ਗਾਹਕ/ਮਾਰਕੀਟ ਵਿੱਚ ਗਿਆ) ਦੋਵਾਂ ਨੂੰ ਬਹੁਤ/ਬੈਚ ਨੰਬਰ ਨੂੰ ਟਰੈਕ ਕਰਨ ਦੀ ਯੋਗਤਾ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇਹ ਪ੍ਰਭਾਵਿਤ ਉਤਪਾਦ ਨੂੰ ਜਲਦੀ ਅਤੇ ਤੰਗ ਤਰੀਕੇ ਨਾਲ ਅਲੱਗ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ। ਭਾਵੇਂ AI ਇੱਕ ਰੀਕਾਲ ਦ੍ਰਿਸ਼ ਦਾ ਖਰੜਾ ਤਿਆਰ ਕਰਦਾ ਹੈ, ਇਸ ਨੂੰ ਬਹੁਤ ਸਾਰੇ ਰਿਕਾਰਡਾਂ ਅਤੇ ਕਾਨੂੰਨਾਂ ਨਾਲ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।
8. ਤੁਸੀਂ AI ਨੇ ਕਿਸੇ ਉਤਪਾਦ ਲਈ ਸਿਹਤ ਦਾਅਵੇ ਦਾ ਸੁਝਾਅ ਤਿਆਰ ਕੀਤਾ ਸੀ, ਇਹ ਕਹਿੰਦੇ ਹੋਏ ਕਿ 'ਇਹ ਰੋਗ ਪ੍ਰਤੀਰੋਧਕ ਸ਼ਕਤੀ ਨੂੰ ਮਜ਼ਬੂਤ ਕਰਦਾ ਹੈ'। ਲੇਬਲ 'ਤੇ ਲਗਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਕਿਹੜਾ ਲਾਜ਼ਮੀ ਹੈ?
- A) ਘੋਸ਼ਣਾ ਨੂੰ ਸਿੱਧੇ ਲੇਬਲ 'ਤੇ ਛਾਪਣਾ ਕਿਉਂਕਿ AI ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ
- ਅ) ਪ੍ਰਮਾਣਿਤ ਕਰਨਾ ਕਿ ਕੀ ਘੋਸ਼ਣਾ ਨੂੰ ਅਧਿਕਾਰਤ ਟੈਕਸਟ ਤੋਂ ਸੰਬੰਧਿਤ ਕਾਨੂੰਨ ਅਤੇ ਇਸ ਦੀਆਂ ਸ਼ਰਤਾਂ ਵਿੱਚ ਆਗਿਆ ਹੈ ✔
- C) ਬਸ ਫੌਂਟ ਨੂੰ ਵੱਡਾ ਕਰੋ ਅਤੇ ਘੋਸ਼ਣਾ ਨੂੰ ਹਾਈਲਾਈਟ ਕਰੋ
- D) ਬਿਆਨ ਨੂੰ ਵਧੇਰੇ ਜ਼ੋਰਦਾਰ ਭਾਸ਼ਾ ਵਿੱਚ ਦੁਬਾਰਾ ਲਿਖੋ।
ਵਰਣਨ: ਪੋਸ਼ਣ ਅਤੇ ਸਿਹਤ ਦੇ ਦਾਅਵਿਆਂ ਨੂੰ ਕਾਨੂੰਨ ਦੁਆਰਾ ਸਖਤੀ ਨਾਲ ਨਿਯੰਤ੍ਰਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ; ਸਿਰਫ਼ ਪ੍ਰਮਾਣਿਤ, ਵਿਗਿਆਨਕ ਤੌਰ 'ਤੇ ਸਾਬਤ ਹੋਏ ਅਤੇ ਯੋਗ ਕਥਨਾਂ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ। AI ਇੱਕ ਅਣਅਧਿਕਾਰਤ ਜਾਂ ਗੁੰਮਰਾਹਕੁੰਨ ਬਿਆਨ ਪੇਸ਼ ਕਰ ਸਕਦਾ ਹੈ। ਇਹ ਪੁਸ਼ਟੀ ਕੀਤੇ ਬਿਨਾਂ ਲੇਬਲ 'ਤੇ ਨਹੀਂ ਰੱਖਿਆ ਜਾ ਸਕਦਾ ਹੈ ਕਿ ਕੀ ਘੋਸ਼ਣਾ ਨੂੰ ਤੁਰਕੀ ਫੂਡ ਕੋਡੈਕਸ ਨਿਊਟ੍ਰੀਸ਼ਨ ਐਂਡ ਹੈਲਥ ਡਿਕਲੇਰੇਸ਼ਨ ਰੈਗੂਲੇਸ਼ਨ ਅਤੇ ਅਧਿਕਾਰਤ ਟੈਕਸਟ ਤੋਂ ਇਸ ਦੀਆਂ ਸ਼ਰਤਾਂ ਵਿੱਚ ਆਗਿਆ ਹੈ ਜਾਂ ਨਹੀਂ।
9. ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ LOQ (ਮਾਣ ਦੀ ਸੀਮਾ) ਦੀ ਧਾਰਨਾ ਦਾ ਕੀ ਅਰਥ ਹੈ?
- ਏ) ਸਭ ਤੋਂ ਘੱਟ ਇਕਾਗਰਤਾ ਜਿਸ 'ਤੇ ਵਿਸ਼ਲੇਸ਼ਕ ਨੂੰ ਸਵੀਕਾਰਯੋਗ ਸ਼ੁੱਧਤਾ ਨਾਲ ਸੰਖਿਆਤਮਕ ਤੌਰ 'ਤੇ ਮਾਪਿਆ ਜਾ ਸਕਦਾ ਹੈ ✔
- ਅ) ਡਿਵਾਈਸ ਦੀ ਅਧਿਕਤਮ ਮਾਪ ਸਮਰੱਥਾ
- C) ਨਮੂਨੇ ਦਾ ਕੁੱਲ ਭਾਰ
- ਡੀ) ਪੈਨਲਿਸਟਾਂ ਦੀ ਸੰਖਿਆ ਦੀ ਹੇਠਲੀ ਸੀਮਾ
ਵਰਣਨ: LOQ (ਮਾਣਾਕਰਨ ਦੀ ਸੀਮਾ) ਸਭ ਤੋਂ ਘੱਟ ਇਕਾਗਰਤਾ ਹੈ ਜਿਸ 'ਤੇ ਇੱਕ ਵਿਸ਼ਲੇਸ਼ਕ ਨੂੰ ਸਵੀਕਾਰਯੋਗ ਸ਼ੁੱਧਤਾ ਅਤੇ ਸ਼ੁੱਧਤਾ ਨਾਲ ਸੰਖਿਆਤਮਕ ਤੌਰ 'ਤੇ ਮਾਪਿਆ ਜਾ ਸਕਦਾ ਹੈ; LOD (ਖੋਜ ਦੀ ਸੀਮਾ) ਸਿਰਫ ਘੱਟ ਇਕਾਗਰਤਾ ਹੈ ਜਿਸ 'ਤੇ ਇਸਦੀ ਮੌਜੂਦਗੀ ਦਾ ਭਰੋਸੇਯੋਗਤਾ ਨਾਲ ਪਤਾ ਲਗਾਇਆ ਜਾ ਸਕਦਾ ਹੈ। AI ਕਿਸੇ ਨਤੀਜੇ ਨੂੰ LOQ ਦੇ ਹੇਠਾਂ 'ਜ਼ੀਰੋ' ਵਜੋਂ ਵਿਆਖਿਆ ਕਰ ਸਕਦਾ ਹੈ; ਇਸ ਲਈ, ਨਤੀਜਿਆਂ ਨੂੰ ਕੱਚੇ ਡੇਟਾ, ਕੈਲੀਬ੍ਰੇਸ਼ਨ, ਅਤੇ ਵਿਧੀ ਦੀਆਂ ਸੀਮਾਵਾਂ ਦੇ ਵਿਰੁੱਧ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।
10. ਉਤਪਾਦਨ ਅਤੇ ਗੁਣਵੱਤਾ ਡੇਟਾ ਨੂੰ ਪ੍ਰੋਸੈਸ ਕਰਨ ਲਈ AI ਦੁਆਰਾ ਤਿਆਰ ਪਾਈਥਨ ਸਕ੍ਰਿਪਟ ਦੀ ਵਰਤੋਂ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਕਿਹੜਾ ਸੱਚ ਹੈ?
- ਏ) ਕਿਉਂਕਿ ਕੋਡ ਗਲਤੀਆਂ ਤੋਂ ਬਿਨਾਂ ਕੰਮ ਕਰਦਾ ਹੈ, ਨਤੀਜੇ ਨੂੰ ਸਿੱਧੇ ਗੁਣਵੱਤਾ ਰਿਪੋਰਟ ਵਿੱਚ ਪਾਓ
- ਅ) ਵੇਰੀਏਬਲ ਦੇ ਨਾਮ ਛੋਟੇ ਕਰੋ ਅਤੇ ਟਿੱਪਣੀ ਲਾਈਨਾਂ ਨੂੰ ਮਿਟਾਓ
- C) ਇੱਕ ਜਨਤਕ ਸੇਵਾ ਲਈ ਸਾਰੇ ਗੁਪਤ ਫਾਰਮੂਲਾ ਡੇਟਾ ਦੇ ਨਾਲ ਸਕ੍ਰਿਪਟ ਨੂੰ ਅਪਲੋਡ ਕਰਨਾ
- D) ਵਪਾਰਕ ਡੇਟਾ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਰਨ ਅਤੇ ਸੁਰੱਖਿਅਤ ਕਰਨ ਲਈ ਜਾਣੇ-ਪਛਾਣੇ ਨਤੀਜਿਆਂ, ਯੂਨਿਟ ਦੀ ਜਾਂਚ ਅਤੇ ਕਿਨਾਰੇ ਦੇ ਕੇਸਾਂ ਨਾਲ ਟੈਸਟ ਕਰਨਾ ✔
ਵਰਣਨ: AI ਕੋਡ ਵਿੱਚ ਗਲਤ ਯੂਨਿਟ ਪਰਿਵਰਤਨ, ਗਲਤ ਥ੍ਰੈਸ਼ਹੋਲਡ ਤੁਲਨਾ, ਗਲਤ ਮਿਤੀ ਪਾਰਸਿੰਗ, ਜਾਂ ਕਿਨਾਰੇ ਦੇ ਮਾਮਲਿਆਂ ਵਿੱਚ ਚੁੱਪ ਗਲਤੀਆਂ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਕੋਡ; ਜਾਣੇ-ਪਛਾਣੇ ਨਤੀਜਿਆਂ, ਵਾਲੀਅਮ/ਆਕਾਰ ਦੀ ਜਾਂਚ, ਅਤੇ ਕਿਨਾਰੇ ਦੇ ਕੇਸਾਂ ਦੇ ਨਾਲ ਛੋਟੇ ਟੈਸਟ ਡੇਟਾ ਨਾਲ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ; ਇਸ ਤੋਂ ਇਲਾਵਾ, ਗੁਪਤ ਫਾਰਮੂਲੇ ਅਤੇ ਵਪਾਰਕ ਡੇਟਾ ਬਿਨਾਂ ਇਜਾਜ਼ਤ ਦੇ ਬਾਹਰੀ ਸੇਵਾਵਾਂ ਨੂੰ ਨਹੀਂ ਭੇਜਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਨਤੀਜਾ ਇੰਜੀਨੀਅਰਿੰਗ ਨਿਰਣੇ ਦੁਆਰਾ ਪੁਸ਼ਟੀ ਕੀਤੀ ਗਈ ਹੈ.