ਐਂਡ-ਟੂ-ਐਂਡ ਵਰਕਫਲੋ, ਗੋਪਨੀਯਤਾ/ਕੇਵੀਕੇਕੇ, ਨੈਤਿਕਤਾ ਅਤੇ ਗੁਣਵੱਤਾ ਨਿਯੰਤਰਣ

ਲਾਭ:

• 'AI ਪੈਦਾ ਕਰਦਾ ਹੈ → ਮਨੁੱਖੀ ਤਸਦੀਕ ਕਰਦਾ ਹੈ → ਮਨੁੱਖੀ ਮਨਜ਼ੂਰੀ ਦਿੰਦਾ ਹੈ' ਦੇ ਚੱਕਰ ਦੇ ਨਾਲ ਗਾਹਕ ਦੀ ਯਾਤਰਾ ਨੂੰ ਅੰਤ ਤੋਂ ਅੰਤ ਤੱਕ ਸੁਰੱਖਿਅਤ ਢੰਗ ਨਾਲ ਚਲਾਉਣ ਦੀ ਸਮਰੱਥਾ
• KVKK/ਗੁਪਤਤਾ ਦੇ ਦਾਇਰੇ ਵਿੱਚ ਕਲਾਇੰਟ ਡੇਟਾ ਦੀ ਰੱਖਿਆ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਅਤੇ ਹਰ ਕਦਮ ਵਿੱਚ ਚਾਰ ਨੈਤਿਕ ਸਿਧਾਂਤਾਂ ਨੂੰ ਬੁਣਨਾ
• ਪੰਜ ਮੁੱਖ ਸਵਾਲਾਂ (ਖਾਤਾ, ਸਰੋਤ, ਐਲਰਜੀਨ, ਅਗਿਆਤਤਾ, ਪ੍ਰਵਾਨਗੀ) ਨਾਲ ਆਪਣੇ ਆਉਟਪੁੱਟ ਦੀ ਸਵੈ-ਜਾਂਚ ਕਰਕੇ ਅੰਤਮ ਜ਼ਿੰਮੇਵਾਰੀ ਲੈਣ ਦੀ ਸਮਰੱਥਾ

ਪਿਛਲੀਆਂ ਦਸ ਇਕਾਈਆਂ ਵਿੱਚ ਅਸੀਂ ਦੇਖਿਆ ਹੈ ਕਿ ਪੋਸ਼ਣ ਅਤੇ ਖੁਰਾਕ ਵਿਗਿਆਨ ਦੇ ਵਿਅਕਤੀਗਤ ਕੰਮਾਂ ਵਿੱਚ AI ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕਰਨੀ ਹੈ: ਸੇਵਨ, ਗਣਨਾ, ਡੇਟਾਬੇਸ, ਯੋਜਨਾ, ਵਿਅੰਜਨ, ਐਲਰਜੀ, ਟਰੈਕਿੰਗ, ਸਿੱਖਿਆ, ਸਬੂਤ। ਇਹ ਅੰਤਮ ਇਕਾਈ ਇਹ ਸਭ ਕੁਝ ਇਕੱਠਾ ਕਰਦੀ ਹੈ ਅਤੇ ਤੁਹਾਨੂੰ ਦਿਖਾਉਂਦੀ ਹੈ ਕਿ ਇੱਕ ਡਾਇਟੀਸ਼ੀਅਨ ਦੇ ਤੌਰ 'ਤੇ ਤੁਹਾਡੇ ਰੋਜ਼ਾਨਾ ਅਭਿਆਸ ਵਿੱਚ AI ਨੂੰ ਅੰਤ-ਤੋਂ-ਅੰਤ, ਸੁਰੱਖਿਅਤ ਅਤੇ ਨੈਤਿਕਤਾ ਨਾਲ ਕਿਵੇਂ ਚਲਾਉਣਾ ਹੈ। ਕਿਉਂਕਿ ਹਰ ਕੰਮ ਨੂੰ ਚੰਗੀ ਤਰ੍ਹਾਂ ਕਰਨ ਲਈ ਇਹ ਕਾਫ਼ੀ ਨਹੀਂ ਹੈ; ਡੇਟਾ ਕਿੱਥੇ ਜਾਂਦਾ ਹੈ, ਕੌਣ ਫੈਸਲਾ ਕਰਦਾ ਹੈ ਕਿ ਕੀ, ਤੁਸੀਂ ਕਿੱਥੇ ਰੁਕਦੇ ਹੋ ਅਤੇ ਮਨੁੱਖੀ ਪ੍ਰਵਾਨਗੀ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹੋ - ਇਸ ਸਭ ਨੂੰ ਇੱਕ ਇਕਸਾਰ ਸਿਸਟਮ ਬਣਾਉਣਾ ਚਾਹੀਦਾ ਹੈ। ਇਹ ਯੂਨਿਟ ਤਿੰਨ ਲਾਲ ਲਾਈਨਾਂ ਨੂੰ ਵੀ ਸਪੱਸ਼ਟ ਕਰਦਾ ਹੈ ਜੋ ਪੂਰੇ ਮੋਡੀਊਲ ਨੂੰ ਜੋੜਦੀਆਂ ਹਨ: ਗੋਪਨੀਯਤਾ (KVKK), ਨੈਤਿਕਤਾ ਅਤੇ ਅੰਤਮ ਮਨੁੱਖੀ ਸਹਿਮਤੀ।

ਇੱਕ ਅੰਤ-ਤੋਂ-ਅੰਤ ਗਾਹਕ ਯਾਤਰਾ

ਨਿਮਨਲਿਖਤ ਸਾਰਣੀ ਇੱਕ ਗਾਹਕ ਦੀ ਡਾਇਟੀਸ਼ੀਅਨ ਦੀ ਫੇਰੀ ਤੋਂ ਫਾਲੋ-ਅੱਪ ਤੱਕ ਦੀ ਯਾਤਰਾ ਦਾ ਸਾਰ ਦਿੰਦੀ ਹੈ, ਜਿੱਥੇ AI ਲਾਗੂ ਹੁੰਦਾ ਹੈ ਅਤੇ ਜਿੱਥੇ ਮਨੁੱਖੀ ਪ੍ਰਵਾਨਗੀ ਜ਼ਰੂਰੀ ਹੈ:

ਸਟੇਜ

AI ਦੀ ਨੌਕਰੀ

ਮਨੁੱਖੀ ਪ੍ਰਵਾਨਗੀ ਬਿੰਦੂ

1. ਰਿਸੈਪਸ਼ਨ ਲਈ ਤਿਆਰੀ

ਇੰਟਰਵਿਊ ਗਾਈਡ, ਨੋਟ ਸੰਪਾਦਨ

ਡਾਇਟੀਸ਼ੀਅਨ ਇੰਟਰਵਿਊ ਕਰਦਾ ਹੈ

2. ਮੁਲਾਂਕਣ

ਊਰਜਾ/ਮੈਕਰੋ ਖਾਤੇ ਦਾ ਡਰਾਫਟ

ਡਾਇਟੀਸ਼ੀਅਨ ਮੁੜ ਗਣਨਾ ਕਰਦਾ ਹੈ

3. ਡਾਟਾਬੇਸ

ਸਰੋਤ ਡੇਟਾ ਨਾਲ ਗਣਨਾ

ਡਾਇਟੀਸ਼ੀਅਨ ਮੁੱਲਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕਰਦਾ ਹੈ

4. ਯੋਜਨਾ

ਭੋਜਨ ਵਿਕਲਪਾਂ ਦੀ ਰੂਪਰੇਖਾ

ਡਾਇਟੀਸ਼ੀਅਨ ਸੰਤੁਲਨ ਅਤੇ ਪੁਸ਼ਟੀ ਕਰਦਾ ਹੈ

5. ਵਿਅੰਜਨ

ਪਰਿਵਰਤਨ, ਸੁਧਾਈ

ਪੌਸ਼ਟਿਕ ਅਤੇ ਸੁਆਦ ਦੀ ਤਸਦੀਕ

6. ਸੁਰੱਖਿਆ

ਐਲਰਜੀਨ ਪ੍ਰੀ-ਸਕ੍ਰੀਨਿੰਗ

ਡਾਇਟੀਸ਼ੀਅਨ ਵਰਬੈਟਿਮ ਪੁਸ਼ਟੀ ਕਰਦਾ ਹੈ

7. ਟਰੈਕਿੰਗ

ਰੁਝਾਨ ਸੰਖੇਪ, ਸੁਨੇਹਾ ਰੂਪਰੇਖਾ

ਕਲੀਨਿਕਲ ਵਿਆਖਿਆ ਅਤੇ ਮਨੁੱਖਾਂ ਵਿੱਚ ਸਬੰਧ

8. ਸਿੱਖਿਆ

ਸਮੱਗਰੀ ਦੀ ਰੂਪਰੇਖਾ

ਵਿਗਿਆਨਕ/ਨੈਤਿਕ ਆਡਿਟ

9. ਸਬੂਤ

ਸੰਖੇਪ, ਨਾਜ਼ੁਕ ਸਵਾਲ

ਸਰੋਤ ਇੱਕ ਖੁਰਾਕ ਮਾਹਿਰ ਦੁਆਰਾ ਤਸਦੀਕ ਕੀਤਾ ਗਿਆ ਹੈ

ਇਸ ਚਾਰਟ ਵਿੱਚ ਆਮ ਪੈਟਰਨ ਦੇਖੋ: AI ਹਰੇਕ ਪੜਾਅ 'ਤੇ ਇੱਕ ਬਲੂਪ੍ਰਿੰਟ ਜਾਂ ਸ਼ੁਰੂਆਤੀ ਕਦਮ ਬਣਾਉਂਦਾ ਹੈ; ਹਰ ਪੜਾਅ 'ਤੇ ਮਨੁੱਖੀ ਪ੍ਰਵਾਨਗੀ ਬਿੰਦੂ ਹੈ. ਸਿਸਟਮ "AI ਪੈਦਾ ਕਰਦਾ ਹੈ → ਮਨੁੱਖੀ ਪੁਸ਼ਟੀ ਕਰਦਾ ਹੈ → ਮਨੁੱਖੀ ਪੁਸ਼ਟੀ ਕਰਦਾ ਹੈ" ਦੇ ਚੱਕਰ 'ਤੇ ਆਧਾਰਿਤ ਹੈ। ਜੇ ਇਹ ਚੱਕਰ ਟੁੱਟ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਤੁਸੀਂ ਗਤੀ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹੋ ਪਰ ਸੁਰੱਖਿਆ ਅਤੇ ਜਵਾਬਦੇਹੀ ਗੁਆ ਦਿੰਦੇ ਹੋ।

ਗੋਪਨੀਯਤਾ ਅਤੇ ਕੇਵੀਕੇਕੇ: ਡੇਟਾ ਦੀ ਰੱਖਿਆ ਕਰਨਾ

ਗ੍ਰਾਹਕ ਡੇਟਾ (ਪਛਾਣ, ਸਿਹਤ ਇਤਿਹਾਸ, ਵਿਸ਼ਲੇਸ਼ਣ, ਦਵਾਈ, ਮਾਪ) "ਵਿਸ਼ੇਸ਼ ਸ਼੍ਰੇਣੀ ਦਾ ਨਿੱਜੀ ਡੇਟਾ" ਤੁਰਕੀਏ ਵਿੱਚ ਕੇਵੀਕੇਕੇ ਅਤੇ ਯੂਰਪ ਵਿੱਚ ਜੀਡੀਪੀਆਰ ਦੇ ਦਾਇਰੇ ਵਿੱਚ ਹੈ ਅਤੇ ਉੱਚਤਮ ਸੁਰੱਖਿਆ ਦਾ ਹੱਕਦਾਰ ਹੈ। AI ਟੂਲਸ ਨਾਲ ਕੰਮ ਕਰਦੇ ਸਮੇਂ ਪਾਲਣ ਕਰਨ ਵਾਲੇ ਸਿਧਾਂਤ:

1. ਗੁਮਨਾਮ ਬਣਾਓ: ਪਛਾਣ ਕਰਨ ਵਾਲੇ ਡੇਟਾ ਨੂੰ ਹਟਾਓ ਜਿਵੇਂ ਕਿ ਨਾਮ, TR ID, ਸੰਪਰਕ, ਸੰਸਥਾ, ਜਨਮ ਮਿਤੀ। "43 ਸਾਲ ਦੀ ਉਮਰ ਦੀ ਔਰਤ, ਟਾਈਪ 2 ਸ਼ੂਗਰ" ਕਾਫ਼ੀ ਹੈ।
2. ਘੱਟੋ-ਘੱਟ ਡਾਟਾ: ਕੰਮ ਲਈ ਲੋੜੀਂਦਾ ਘੱਟੋ-ਘੱਟ ਡਾਟਾ ਸਾਂਝਾ ਕਰੋ; ਹੋਰ ਨਹੀਂ.
3. ਇੱਕ ਸੁਰੱਖਿਅਤ ਟੂਲ ਚੁਣੋ: ਇੱਕ ਡੇਟਾ ਪ੍ਰੋਸੈਸਿੰਗ ਕੰਟਰੈਕਟ ਦੇ ਨਾਲ ਕਾਰਪੋਰੇਟ ਟੂਲ ਚੁਣੋ ਜਿੱਥੇ ਮਾਡਲ ਸਿਖਲਾਈ ਵਿੱਚ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਨਹੀਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।
4. ਸਪਸ਼ਟ ਸਹਿਮਤੀ: ਗਾਹਕ ਨੂੰ ਇਸ ਬਾਰੇ ਸੂਚਿਤ ਕਰੋ ਕਿ ਉਸਦੇ ਡੇਟਾ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਿਵੇਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਉਸਦੀ ਸਹਿਮਤੀ ਪ੍ਰਾਪਤ ਕਰੋ।
5. ਰਿਕਾਰਡਿੰਗ ਅਤੇ ਧਾਰਨ: ਕੰਟਰੋਲ ਕਿੱਥੇ ਡੇਟਾ ਸਟੋਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਅਤੇ ਕਿਸ ਕੋਲ ਇਸ ਤੱਕ ਪਹੁੰਚ ਹੈ; ਬੇਲੋੜਾ ਡੇਟਾ ਮਿਟਾਓ.

ਧਿਆਨ ਦਿਓ: ਇੱਕ ਵਿਸ਼ਲੇਸ਼ਣ PDF ਜਾਂ ਕਲਾਇੰਟ ਫਾਈਲ ਨੂੰ ਇੱਕ AI ਟੂਲ ਵਿੱਚ "ਸਪੀਡ ਲਈ" ਗੁਪਤ ਰੱਖੇ ਬਿਨਾਂ ਅੱਪਲੋਡ ਕਰਨ ਦੇ ਨਤੀਜੇ ਵਜੋਂ KVKK ਉਲੰਘਣਾ ਹੋ ਸਕਦੀ ਹੈ ਜਿਸ ਨੂੰ ਇੱਕ ਕਲਿੱਕ ਨਾਲ ਹੱਲ ਕਰਨਾ ਮੁਸ਼ਕਲ ਹੈ। ਸਪੀਡ ਕਦੇ ਵੀ ਨਿੱਜਤਾ ਨੂੰ ਤੋੜਦੀ ਨਹੀਂ ਹੈ। ਜੇ ਸ਼ੱਕ ਹੈ, ਤਾਂ ਸਾਂਝਾ ਨਾ ਕਰੋ।

ਨੈਤਿਕ ਢਾਂਚਾ: ਚਾਰ ਸਿਧਾਂਤ

ਸਿਹਤ ਨੈਤਿਕਤਾ ਦੇ ਚਾਰ ਕਲਾਸੀਕਲ ਸਿਧਾਂਤ ਪੌਸ਼ਟਿਕ ਅਭਿਆਸ 'ਤੇ ਵੀ ਲਾਗੂ ਹੁੰਦੇ ਹਨ: ਲਾਭ (ਗਾਹਕ ਦੀ ਭਲਾਈ ਲਈ ਕੰਮ ਕਰਨਾ), ਗੈਰ-ਮਾਮੂਲੀਤਾ (ਖਾਸ ਤੌਰ 'ਤੇ ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਫੈਸਲਿਆਂ ਵਿੱਚ), ਖੁਦਮੁਖਤਿਆਰੀ (ਗਾਹਕ ਦੇ ਆਪਣੇ ਫੈਸਲੇ ਦਾ ਸਨਮਾਨ, ਸੂਚਿਤ ਸਹਿਮਤੀ), ਅਤੇ ਨਿਆਂ (ਸੰਮਿਲਿਤ ਸੇਵਾ ਜੋ ਸਰੋਤਾਂ, ਬਜਟ, ਸੱਭਿਆਚਾਰ ਵਿੱਚ ਅੰਤਰਾਂ ਪ੍ਰਤੀ ਸੰਵੇਦਨਸ਼ੀਲ ਹੈ)। AI ਦੀ ਵਰਤੋਂ ਇਹਨਾਂ ਸਿਧਾਂਤਾਂ ਨਾਲ ਟਕਰਾਅ ਨਹੀਂ ਹੋਣੀ ਚਾਹੀਦੀ: ਅਣ-ਪ੍ਰਮਾਣਿਤ ਆਉਟਪੁੱਟ ਨੁਕਸਾਨ ਦਾ ਕਾਰਨ ਬਣ ਸਕਦੀ ਹੈ (ਗੈਰ-ਨੁਕਸਾਨ ਦੀ ਉਲੰਘਣਾ), ਗਾਹਕ ਨੂੰ ਸੂਚਿਤ ਕੀਤੇ ਬਿਨਾਂ ਡੇਟਾ ਨੂੰ ਪ੍ਰੋਸੈਸ ਕਰਨਾ ਖੁਦਮੁਖਤਿਆਰੀ ਦੀ ਉਲੰਘਣਾ ਕਰਦਾ ਹੈ, ਇੱਕ ਸਿੰਗਲ ਸਭਿਆਚਾਰ ਦੇ ਅਨੁਸਾਰ ਯੋਜਨਾਵਾਂ ਦਾ ਉਤਪਾਦਨ ਨਿਆਂ ਨੂੰ ਕਮਜ਼ੋਰ ਕਰਦਾ ਹੈ। ਨੈਤਿਕਤਾ ਬਾਅਦ ਵਿੱਚ ਜੋੜੀ ਗਈ ਪਰਤ ਨਹੀਂ ਹੈ, ਪਰ ਇੱਕ ਅਨੁਸ਼ਾਸਨ ਹੈ ਜੋ ਹਰ ਕਦਮ ਵਿੱਚ ਬੁਣਿਆ ਜਾਂਦਾ ਹੈ।

ਗੁਣਵੱਤਾ ਨਿਯੰਤਰਣ: ਆਪਣੇ ਖੁਦ ਦੇ ਕੰਮ ਦੀ ਜਾਂਚ ਕਰਨਾ

ਐਂਡ-ਟੂ-ਐਂਡ ਕੰਮ ਕਰਦੇ ਹੋਏ ਨਿਯਮਿਤ ਤੌਰ 'ਤੇ AI ਦੀ ਆਪਣੀ ਵਰਤੋਂ ਦਾ ਆਡਿਟ ਕਰੋ। ਇੱਕ ਸਧਾਰਨ ਸਵੈ-ਜਾਂਚ: ਹਰੇਕ ਕਲਾਇੰਟ ਪ੍ਰਿੰਟਆਊਟ ਲਈ, "ਕੀ ਮੈਂ ਇਸ ਨੰਬਰ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ? ਕੀ ਮੈਂ ਇਸ ਐਲਰਜੀਨ ਲਈ ਸਕ੍ਰੀਨ ਕੀਤੀ? ਕੀ ਮੈਂ ਇਸ ਦਾਅਵੇ ਨੂੰ ਸਾਬਤ ਕੀਤਾ? ਕੀ ਮੈਂ ਇਸ ਡੇਟਾ ਨੂੰ ਗੁਮਨਾਮ ਕੀਤਾ? ਕੀ ਮੈਂ ਇਸ ਯੋਜਨਾ ਨੂੰ ਮਨਜ਼ੂਰੀ ਦਿੱਤੀ?" ਜੇਕਰ ਤੁਸੀਂ ਇਹਨਾਂ ਪੰਜ ਸਵਾਲਾਂ ਦਾ ਜਵਾਬ "ਹਾਂ" ਨਹੀਂ ਦੇ ਸਕਦੇ ਹੋ, ਤਾਂ ਆਉਟਪੁੱਟ ਅਜੇ ਤਿਆਰ ਨਹੀਂ ਹੈ।

ਤਿੰਨ ਛੋਟੇ ਕੇਸ

ਕੇਸ 1 - ਚੇਨ ਵਿੱਚ ਕਮਜ਼ੋਰ ਲਿੰਕ। ਇੱਕ ਆਹਾਰ-ਵਿਗਿਆਨੀ ਤੇਜ਼ੀ ਨਾਲ AI ਨਾਲ ਇਨਟੇਕ-ਅਕਾਊਂਟ-ਪਲਾਨ ਚੇਨ ਸੈਟ ਅਪ ਕਰਦਾ ਹੈ ਪਰ ਸੁਰੱਖਿਆ ਕਦਮ (ਐਲਰਜਨ ਵੈਰੀਫਿਕੇਸ਼ਨ) ਨੂੰ ਛੱਡ ਦਿੰਦਾ ਹੈ; ਕਿਉਂਕਿ ਇਹ ਮੰਨਦਾ ਹੈ ਕਿ "ਜੇ ਪਿਛਲੇ ਕਦਮ ਚੰਗੇ ਸਨ, ਤਾਂ ਇਹ ਵੀ ਚੰਗਾ ਹੈ"। ਹਾਲਾਂਕਿ, ਗਾਹਕ ਨੂੰ ਤਿਲ ਦੀ ਐਲਰਜੀ ਸੀ ਅਤੇ ਯੋਜਨਾ ਵਿੱਚ ਇੱਕ ਚਟਣੀ ਵਿੱਚ ਤਿਲ ਸ਼ਾਮਲ ਸੀ। ਜੇਕਰ ਚੇਨ ਦੀ ਇੱਕ ਕੜੀ ਟੁੱਟ ਜਾਂਦੀ ਹੈ, ਤਾਂ ਸਾਰੀ ਚੇਨ ਅਸੁਰੱਖਿਅਤ ਹੈ। ਪਾਠ: ਹਰੇਕ ਪੜਾਅ ਦਾ ਪ੍ਰਵਾਨਗੀ ਬਿੰਦੂ ਸੁਤੰਤਰ ਹੈ; ਇੱਕ ਦੂਜੇ ਦੀ ਥਾਂ ਨਹੀਂ ਲੈਂਦਾ।

ਕੇਸ 2 - ਗੋਪਨੀਯਤਾ ਉਲੰਘਣਾ ਚੇਨ। ਕੁਸ਼ਲਤਾ ਲਈ, ਇੱਕ ਕਲੀਨਿਕ ਸਾਰੀਆਂ ਕਲਾਇੰਟ ਫਾਈਲਾਂ ਨੂੰ ਨਾਮ ਦੁਆਰਾ ਇੱਕ AI ਟੂਲ ਵਿੱਚ ਲੋਡ ਕਰਨ ਅਤੇ ਇੱਕ ਵਿਸ਼ਾਲ ਯੋਜਨਾ ਤਿਆਰ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦਾ ਹੈ। ਇੱਕ ਆਡਿਟ ਤੋਂ ਪਤਾ ਚੱਲਦਾ ਹੈ ਕਿ ਇਹ KVKK ਦੀ ਉਲੰਘਣਾ ਹੈ ਅਤੇ ਡਾਟਾ ਸੰਸਥਾ ਤੋਂ ਬਾਹਰ ਚਲਾ ਗਿਆ ਹੈ। ਕਲੀਨਿਕ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਰੋਕਦਾ ਹੈ ਅਤੇ ਇੱਕ ਅਗਿਆਤ ਅਤੇ ਕੰਟਰੈਕਟਡ ਪ੍ਰਵਾਹ ਵਿੱਚ ਸਵਿਚ ਕਰਦਾ ਹੈ। ਸਬਕ: ਕੁਸ਼ਲਤਾ ਗੋਪਨੀਯਤਾ ਦੇ ਹਮਲੇ ਦਾ ਬਹਾਨਾ ਨਹੀਂ ਕਰਦੀ; ਸਿਸਟਮ ਨੂੰ ਗੋਪਨੀਯਤਾ-ਸੁਰੱਖਿਅਤ ਵਜੋਂ ਸੈਟ ਅਪ ਕਰੋ।

ਕੇਸ 3 — ਸਿਰੇ ਤੋਂ ਅੰਤ ਤੱਕ ਦਾ ਸਹੀ ਪ੍ਰਵਾਹ। ਇੱਕ ਨਵੇਂ ਕਲਾਇੰਟ ਲਈ, ਇੱਕ ਡਾਇਟੀਸ਼ੀਅਨ: (1) ਅਗਿਆਤ ਡੇਟਾ ਦੇ ਨਾਲ ਇੱਕ ਇੰਟਰਵਿਊ ਗਾਈਡ ਤਿਆਰ ਕਰਦਾ ਹੈ, (2) AI ਡਰਾਫਟ ਹੈ ਅਤੇ ਗਣਨਾ ਦੀ ਦਸਤੀ ਤਸਦੀਕ ਕਰਦਾ ਹੈ, (3) USDA ਤੋਂ ਪੌਸ਼ਟਿਕ ਮੁੱਲਾਂ ਨੂੰ ਫੀਡ ਕਰਦਾ ਹੈ, (4) ਵਿਕਲਪ ਯੋਜਨਾ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ ਅਤੇ ਸੰਤੁਲਿਤ ਕਰਦਾ ਹੈ, (5) ਇੱਕ-ਤੋਂ-ਇੱਕ 'ਤੇ ਐਲਰਜੀਨ ਲਈ ਸਕ੍ਰੀਨਾਂ, ਗਾਹਕਾਂ ਲਈ ਵਿਅਕਤੀਗਤ ਸਿੱਖਿਆ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, (7) su7. ਹਫਤਾਵਾਰੀ ਫਾਲੋ-ਅੱਪ. ਇਹ ਹਰ ਕਦਮ 'ਤੇ ਮਨਜ਼ੂਰੀ ਬਿੰਦੂ ਨੂੰ ਲਾਗੂ ਕਰਦਾ ਹੈ, ਡੇਟਾ ਨੂੰ ਅਗਿਆਤ ਰੱਖਦਾ ਹੈ, ਅਤੇ ਯੋਜਨਾ ਨੂੰ ਖੁਦ ਮਨਜ਼ੂਰੀ ਦਿੰਦਾ ਹੈ। ਨਤੀਜਾ: ਸੁਰੱਖਿਆ ਅਤੇ ਜਵਾਬਦੇਹੀ ਨਾਲ ਸਮਝੌਤਾ ਕੀਤੇ ਬਿਨਾਂ, AI ਨਾਲ ~40% ਸਮਾਂ ਬਚਾਉਂਦਾ ਹੈ। ਸਬਕ: ਜਦੋਂ ਸਿਸਟਮ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਸੈੱਟਅੱਪ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਤਾਂ ਗਤੀ ਅਤੇ ਸੁਰੱਖਿਆ ਇਕੱਠੇ ਹੁੰਦੇ ਹਨ।

ਕਾਪੀ ਕਰਨ ਯੋਗ ਪ੍ਰੋਂਪਟ ਟੈਂਪਲੇਟਸ

ਐਂਡ-ਟੂ-ਐਂਡ ਵਰਕਿੰਗ ਫਰੇਮਵਰਕ ਟੈਂਪਲੇਟ ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਡਾਇਟੀਸ਼ੀਅਨ ਲਈ ਸਹਾਇਕ ਤਿਆਰ ਕਰਨ ਵਾਲਾ ਡਰਾਫਟ। ਹਰੇਕ ਪ੍ਰਿੰਟਆਊਟ ਦੇ ਅੰਤ ਵਿੱਚ ਇੱਕ ਨੋਟ "ਡਾਇਟੀਸ਼ੀਅਨ ਮਨਜ਼ੂਰੀ ਦੀ ਲੋੜ ਹੈ" ਪਾਓ ਅਤੇ ਸੂਚੀ ਬਣਾਓ ਕਿ ਕਿਹੜੇ ਬਿੰਦੂਆਂ ਦੀ ਜ਼ੁਬਾਨੀ ਤੌਰ 'ਤੇ ਪੁਸ਼ਟੀ ਕੀਤੀ ਜਾਣੀ ਹੈ (ਖਾਤਾ, ਐਲਰਜੀਨ, ਸਰੋਤ)। ਕਲਾਇੰਟ (ਅਗਿਆਤ): [...]. ਖੋਜ: [ਪੜਾਅ]। ਬਣਾਏ ਗਏ ਡੇਟਾ ਨੂੰ ਸ਼ਾਮਲ ਨਾ ਕਰੋ; ਨਿਸ਼ਾਨ ਲਗਾਓ ਜਿੱਥੇ ਤੁਹਾਨੂੰ ਯਕੀਨ ਨਹੀਂ ਹੈ।

ਗੋਪਨੀਯਤਾ ਪ੍ਰੀ-ਚੈੱਕ ਟੈਂਪਲੇਟਸ ਕਿਸੇ AI ਟੂਲ ਨੂੰ ਦੇਣ ਤੋਂ ਪਹਿਲਾਂ ਗੋਪਨੀਯਤਾ ਲਈ ਨਿਮਨਲਿਖਤ ਟੈਕਸਟ ਨੂੰ ਸਕੈਨ ਕਰੋ: ਕੀ ਇਸ ਵਿੱਚ ਨਾਮ, ID, ਸੰਪਰਕ, ਸੰਸਥਾ, ਜਨਮ ਮਿਤੀ, ਵਿਸ਼ਲੇਸ਼ਣ ID ਵਰਗਾ ਪਛਾਣ ਕਰਨ ਵਾਲਾ ਡੇਟਾ ਸ਼ਾਮਲ ਹੈ? ਜੇਕਰ ਅਜਿਹਾ ਹੈ, ਤਾਂ ਇਸ 'ਤੇ ਨਿਸ਼ਾਨ ਲਗਾਓ ਅਤੇ ਅਗਿਆਤ ਵਰਜਨ ਦਾ ਸੁਝਾਅ ਦਿਓ। ਪਾਠ: [...]

ਗੁਣਵੱਤਾ ਸਵੈ-ਆਡਿਟ ਟੈਮਪਲੇਟ ਹੇਠਾਂ ਦਿੱਤੇ ਕਲਾਇੰਟ ਪ੍ਰਿੰਟਆਊਟ ਲਈ ਇੱਕ ਚੈਕਲਿਸਟ ਲਾਗੂ ਕਰੋ ਅਤੇ ਹਰੇਕ ਆਈਟਮ ਨੂੰ ਮਿਲੇ/ਗੁੰਮ ਵਜੋਂ ਚਿੰਨ੍ਹਿਤ ਕਰੋ: (1) ਖਾਤਾ ਪ੍ਰਮਾਣਿਤ ਹੈ, (2) ਸਰੋਤ ਤੋਂ ਪੌਸ਼ਟਿਕ ਮੁੱਲ ਹੈ, (3) ਕੀ ਇਹ ਐਲਰਜੀਨ ਲਈ ਸਕ੍ਰੀਨ ਕੀਤਾ ਗਿਆ ਹੈ, (4) ਡੇਟਾ ਅਗਿਆਤ ਹੈ, (5) ਹੈਲਥ-ਐਪਲੀਕੇਸ਼ਨ ਹੈ, (5) ਹੈਲਥ-ਐਪਲੀਕੇਸ਼ਨ ਹੈ। ਕਿਸੇ ਵੀ ਕਮੀ ਨੂੰ ਦਰਸਾਓ। ਆਉਟਪੁੱਟ: [...]

ਨੈਤਿਕ ਸਮੀਖਿਆ ਟੈਂਪਲੇਟ ਕੀ ਹੇਠ ਲਿਖੀ ਯੋਜਨਾ/ਸਮੱਗਰੀ ਚਾਰ ਨੈਤਿਕ ਸਿਧਾਂਤਾਂ ਦੇ ਰੂਪ ਵਿੱਚ ਇੱਕ ਸਮੱਸਿਆ ਪੈਦਾ ਕਰਦੀ ਹੈ: ਲਾਭ, ਗੈਰ-ਕੁਦਰਤੀ, ਖੁਦਮੁਖਤਿਆਰੀ (ਸਹਿਮਤੀ/ਜਾਣਕਾਰੀ), ​​ਨਿਆਂ (ਬਜਟ/ਸੱਭਿਆਚਾਰਕ ਸਮਾਵੇਸ਼)? ਹਰੇਕ ਨੀਤੀ ਦਾ ਸੰਖੇਪ ਮੁਲਾਂਕਣ ਕਰੋ ਅਤੇ ਸੁਧਾਰਾਂ ਦਾ ਸੁਝਾਅ ਦਿਓ। ਸਮੱਗਰੀ: [...]

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:

ਮੈਂ ਸ਼੍ਰੀਮਤੀ ਅਯਸੇ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਫਾਈਲ ਨੂੰ ਜੋੜਿਆ, ਇੱਕ ਪੂਰੀ ਯੋਜਨਾ ਸਾਹਮਣੇ ਆ ਜਾਵੇਗੀ।

ਨਾਮਿਤ ਡੇਟਾ, ਇੱਕ ਕਦਮ ਵਿੱਚ "ਪੂਰੀ ਯੋਜਨਾ", ਕੋਈ ਪ੍ਰਵਾਨਗੀ ਬਿੰਦੂ ਨਹੀਂ: KVKK ਦੀ ਉਲੰਘਣਾ ਅਤੇ ਅਣ-ਪ੍ਰਮਾਣਿਤ, ਅਸੁਰੱਖਿਅਤ ਆਉਟਪੁੱਟ ਦੋਵਾਂ ਦਾ ਜੋਖਮ।

ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:

ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਡਰਾਫਟ ਸਹਾਇਕ; ਮਨਜ਼ੂਰੀ ਡਾਇਟੀਸ਼ੀਅਨ ਦੀ ਹੈ। ਕਲਾਇੰਟ (ਅਗਿਆਤ): 41 ਸਾਲ ਦੀ ਔਰਤ, ਟਾਈਪ 2 ਸ਼ੂਗਰ, [ਸੰਬੰਧਿਤ ਸੰਖਿਆਤਮਕ ਮੁੱਲ, ਨਾਮ/ਪਛਾਣ ਕੋਈ ਨਹੀਂ]। ਕਾਰਜ: ਵਿਕਲਪਾਂ ਦੇ ਨਾਲ ਭੋਜਨ ਯੋਜਨਾ ਦਾ ਡਰਾਫਟ। ਹਰੇਕ ਭੋਜਨ ਲਈ ਅਨੁਮਾਨਿਤ ਮੈਕਰੋ ਅਤੇ ਇੱਕ "ਪੁਸ਼ਟੀ ਲਾਜ਼ਮੀ" ਨੋਟ। ਐਲਰਜੀਨ: ਤਿਲ (ਕੋਈ ਨਾ ਜੋੜੋ)। ਅੰਤ ਵਿੱਚ, ਸੂਚੀ ਬਣਾਓ ਕਿ ਕਿਹੜੇ ਬਿੰਦੂਆਂ ਦੀ ਡਾਇਟੀਸ਼ੀਅਨ ਦੁਆਰਾ ਨਿੱਜੀ ਤੌਰ 'ਤੇ ਜਾਂਚ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ। ਫਿੱਟ ਡਾਟਾ ਜੋੜ ਰਿਹਾ ਹੈ।

ਦੂਜਾ ਪ੍ਰੋਂਪਟ ਡੇਟਾ ਨੂੰ ਅਗਿਆਤ ਕਰਦਾ ਹੈ, ਆਉਟਪੁੱਟ ਨੂੰ ਸਟੱਬ ਕਰਦਾ ਹੈ, ਸੁਰੱਖਿਆ ਰੁਕਾਵਟਾਂ ਅਤੇ ਚੌਕੀਆਂ ਰੱਖਦਾ ਹੈ; ਗੁਪਤਤਾ ਅਤੇ ਗੁਣਵੱਤਾ ਦੋਵੇਂ ਸੁਰੱਖਿਅਤ ਹਨ।

ਆਮ ਗਲਤੀਆਂ

• ਚੇਨ ਵਿੱਚ ਇੱਕ ਲਿੰਕ ਨੂੰ ਛੱਡਣਾ: ਸੁਰੱਖਿਆ/ਪ੍ਰਵਾਨਗੀ ਦੇ ਪੜਾਅ ਨੂੰ ਛੱਡਣਾ ਕਿਉਂਕਿ ਪਿਛਲਾ ਕਦਮ ਚੰਗਾ ਸੀ।
• ਕੁਸ਼ਲਤਾ ਲਈ ਗੋਪਨੀਯਤਾ ਦੀ ਕੁਰਬਾਨੀ: ਨਾਮੀ ਫਾਈਲਾਂ ਨੂੰ ਬਲਕ ਅੱਪਲੋਡ ਕਰਨਾ — ਗੰਭੀਰ KVKK ਉਲੰਘਣਾ।
• ਇੱਕ-ਸ਼ਾਟ "ਪੂਰੀ ਯੋਜਨਾ" ਦੀ ਉਮੀਦ ਕਰਨਾ: ਬਲੈਕ-ਬਾਕਸ ਆਉਟਪੁੱਟ 'ਤੇ ਭਰੋਸਾ ਕਰਨਾ ਜੋ ਚੈਕਪੁਆਇੰਟਾਂ ਨੂੰ ਛੱਡ ਦਿੰਦਾ ਹੈ।
• ਨੈਤਿਕਤਾ ਬਾਰੇ ਬਾਅਦ ਵਿੱਚ ਸੋਚਣਾ: ਨੈਤਿਕਤਾ ਨੂੰ ਹਰ ਕਦਮ ਵਿੱਚ ਬੁਣਨ ਦੀ ਬਜਾਏ ਅੰਤ ਵਿੱਚ ਯਾਦ ਰੱਖਣਾ।
• ਸਵੈ-ਜਾਂਚ ਨੂੰ ਬਾਈਪਾਸ ਕਰਨਾ: ਪੰਜ ਬੁਨਿਆਦੀ ਸਵਾਲਾਂ (ਖਾਤਾ/ਐਲਰਜਨ/ਸਰੋਤ/ਅਗਿਆਤ/ਪ੍ਰਵਾਨਗੀ) ਦੇ ਵਿਰੁੱਧ ਜਾਂਚ ਕੀਤੇ ਬਿਨਾਂ ਆਉਟਪੁੱਟ ਦੀ ਵਰਤੋਂ ਕਰਨਾ।
• ਸਹਿਮਤੀ ਨੂੰ ਭੁੱਲਣਾ: ਗਾਹਕ ਨੂੰ ਇਹ ਨਹੀਂ ਦੱਸਣਾ ਕਿ ਉਸਦੇ ਡੇਟਾ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਿਵੇਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।

ਸਾਰੰਸ਼ ਵਿੱਚ

ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਪੌਸ਼ਟਿਕਤਾ ਅਤੇ ਆਹਾਰ ਵਿਗਿਆਨ ਦੇ ਅੰਤ-ਤੋਂ-ਅੰਤ ਦੇ ਅਭਿਆਸ ਨੂੰ ਤੇਜ਼ ਕਰ ਸਕਦੀ ਹੈ; ਪਰ ਇਹ ਤਾਂ ਹੀ ਸੁਰੱਖਿਅਤ ਹੋਵੇਗਾ ਜੇਕਰ "AI ਪੈਦਾ ਕਰਦਾ ਹੈ → ਮਨੁੱਖੀ ਪੁਸ਼ਟੀ ਕਰਦਾ ਹੈ → ਮਨੁੱਖੀ ਪੁਸ਼ਟੀ ਕਰਦਾ ਹੈ" ਦਾ ਚੱਕਰ ਹਰ ਪੜਾਅ 'ਤੇ ਕਾਇਮ ਰੱਖਿਆ ਜਾਂਦਾ ਹੈ। ਕਲਾਇੰਟ ਡੇਟਾ ਨੂੰ ਹਮੇਸ਼ਾਂ ਗੁਮਨਾਮ ਰੱਖੋ, ਗਤੀ ਦੀ ਖ਼ਾਤਰ KVKK ਅਤੇ ਗੁਪਤਤਾ ਦਾ ਬਲੀਦਾਨ ਨਾ ਦਿਓ, ਹਰ ਕਦਮ ਵਿੱਚ ਨੈਤਿਕਤਾ ਦੇ ਚਾਰ ਸਿਧਾਂਤਾਂ ਨੂੰ ਬੁਣੋ, ਅਤੇ ਪੰਜ ਬੁਨਿਆਦੀ ਪ੍ਰਸ਼ਨਾਂ ਦੇ ਨਾਲ ਆਪਣੇ ਆਉਟਪੁੱਟ ਦਾ ਸਵੈ-ਆਡਿਟ ਕਰੋ। ਚੇਨ ਵਿੱਚ ਹਰੇਕ ਲਿੰਕ ਮਨਜ਼ੂਰੀ ਦਾ ਇੱਕ ਸੁਤੰਤਰ ਬਿੰਦੂ ਹੈ; ਜਦੋਂ ਉਹਨਾਂ ਵਿੱਚੋਂ ਇੱਕ ਟੁੱਟ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਸਿਸਟਮ ਅਸੁਰੱਖਿਅਤ ਹੁੰਦਾ ਹੈ। ਯਾਦ ਰੱਖੋ: AI ਤੁਹਾਡੇ ਪੇਸ਼ੇ ਨੂੰ ਮਜ਼ਬੂਤ ​​ਕਰਦਾ ਹੈ, ਪਰ ਇਸਦੀ ਥਾਂ ਨਹੀਂ ਲੈਂਦਾ। ਨਿਦਾਨ, ਇਲਾਜ ਦਾ ਫੈਸਲਾ, ਅਤੇ ਅੰਤਮ ਯੋਜਨਾ ਦੀ ਮਨਜ਼ੂਰੀ—ਵਿਗਿਆਨ, ਨੈਤਿਕਤਾ, ਅਤੇ ਦਸਤਖਤ—ਆਹਾਰ ਵਿਗਿਆਨੀ ਨਾਲ ਸਬੰਧਤ ਹਨ। AI ਤੁਹਾਡਾ ਤੇਜ਼ ਸਹਾਇਕ ਹੈ; ਤੁਸੀਂ ਜ਼ਿੰਮੇਵਾਰ ਮਾਹਰ ਹੋ।

ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ

ਸ਼ੁਰੂ ਤੋਂ ਅੰਤ ਤੱਕ ਇੱਕ ਮਿੰਨੀ ਕਲਾਇੰਟ ਫਲੋ ਸੈਟ ਅਪ ਕਰੋ: ਇੱਕ ਅਗਿਆਤ ਪ੍ਰੋਫਾਈਲ ਚੁਣੋ, ਕ੍ਰਮਵਾਰ (1) ਇੰਟਰਵਿਊ ਗਾਈਡ ਤਿਆਰ ਕਰੋ, (2) ਖਾਤਾ ਰੂਪਰੇਖਾ + ਤਸਦੀਕ, (3) ਸਰੋਤ ਡੇਟਾ ਵਾਲਾ ਭੋਜਨ, (4) ਐਲਰਜੀਨ ਸਕ੍ਰੀਨਿੰਗ, (5) ਇੱਕ ਸਿਖਲਾਈ ਹੈਂਡਆਉਟ। ਲਿਖੋ ਕਿ ਤੁਸੀਂ ਹਰੇਕ ਪੜਾਅ 'ਤੇ ਕਿਸ ਮਨੁੱਖੀ ਜਾਂਚ ਪੁਆਇੰਟ ਨੂੰ ਲਾਗੂ ਕੀਤਾ ਹੈ। ਫਿਰ "ਗੁਣਵੱਤਾ ਸਵੈ-ਆਡਿਟ ਟੈਮਪਲੇਟ" ਨੂੰ ਪੂਰੇ ਪ੍ਰਵਾਹ 'ਤੇ ਲਾਗੂ ਕਰੋ, ਕਿਸੇ ਵੀ ਅੰਤਰ ਨੂੰ ਲੱਭੋ ਅਤੇ ਠੀਕ ਕਰੋ। ਅੰਤ ਵਿੱਚ, ਇਹ ਪੁਸ਼ਟੀ ਕਰਨ ਲਈ "ਗੋਪਨੀਯਤਾ ਪ੍ਰੀਚੈਕ" ਚਲਾਓ ਕਿ ਤੁਹਾਡਾ ਡੇਟਾ ਅਸਲ ਵਿੱਚ ਅਗਿਆਤ ਹੈ।

ਚੈੱਕਲਿਸਟ

• [ ] ਮੈਂ ਹਰ ਪੜਾਅ 'ਤੇ "AI ਜਨਰੇਟ → ਵੈਰੀਫਾਈ → ਵੈਲੀਡੇਟ" ਚੱਕਰ ਨੂੰ ਲਾਗੂ ਕੀਤਾ।
• [ ] ਮੈਂ ਗਾਹਕ ਡੇਟਾ ਨੂੰ ਅਗਿਆਤ ਕੀਤਾ ਅਤੇ ਘੱਟੋ ਘੱਟ ਡੇਟਾ ਸਾਂਝਾ ਕੀਤਾ।
• [ ] ਮੈਂ ਇੱਕ ਸੁਰੱਖਿਅਤ/ਕੰਟਰੈਕਟਡ ਵਾਹਨ ਵਰਤਿਆ ਹੈ; ਮੈਨੂੰ ਸਹਿਮਤੀ ਮਿਲੀ।
• [ ] ਮੈਂ ਚਾਰ ਨੈਤਿਕ ਸਿਧਾਂਤਾਂ (ਲਾਭ, ਗੈਰ-ਨੁਕਸਾਨ, ਖੁਦਮੁਖਤਿਆਰੀ, ਨਿਆਂ) ਦੀ ਪਾਲਣਾ ਕੀਤੀ।
• [ ] ਮੈਂ ਪੰਜ ਮੁੱਖ ਸਵਾਲਾਂ ਦੇ ਨਾਲ ਆਉਟਪੁੱਟ ਦੀ ਸਵੈ-ਜਾਂਚ ਕੀਤੀ।
• ਇੱਕ ਆਹਾਰ-ਵਿਗਿਆਨੀ ਵਜੋਂ, ਮੈਂ ਅੰਤਿਮ ਪ੍ਰਵਾਨਗੀ ਦੇ ਦਿੱਤੀ ਹੈ; ਮੈਂ ਜ਼ਿੰਮੇਵਾਰ ਹਾਂ।

ਮੋਡੀਊਲ ਪ੍ਰੀਖਿਆ

1. ਇੱਕ ਡਾਇਟੀਸ਼ੀਅਨ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੁਆਰਾ ਗਿਣਿਆ ਗਿਆ ਰੋਜ਼ਾਨਾ ਕੈਲੋਰੀ ਟੀਚਾ ਗਾਹਕ ਦੀ ਯੋਜਨਾ ਨੂੰ ਬਿਨਾਂ ਜਾਂਚ ਕੀਤੇ ਟ੍ਰਾਂਸਫਰ ਕਰਦਾ ਹੈ। ਇਸ ਪਹੁੰਚ ਵਿੱਚ ਬੁਨਿਆਦੀ ਗਲਤੀ ਕੀ ਹੈ?

• A) ਨਕਲੀ ਖੁਫੀਆ ਆਉਟਪੁੱਟ ਨੂੰ ਤਸਦੀਕ ਕੀਤੇ ਬਿਨਾਂ ਨਹੀਂ ਵਰਤਿਆ ਜਾ ਸਕਦਾ; ਅਕਾਉਂਟ ਡਰਾਫਟ ਦੀ ਮੁੜ ਗਣਨਾ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ ਅਤੇ ਡਾਇਟੀਸ਼ੀਅਨ ਦੁਆਰਾ ਮਨਜ਼ੂਰ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ✔
• ਅ) ਨਕਲੀ ਬੁੱਧੀ ਹਮੇਸ਼ਾ ਕੈਲੋਰੀ ਦੀ ਗਿਣਤੀ ਨੂੰ ਘੱਟ ਸਮਝਦੀ ਹੈ
• C) ਕੈਲੋਰੀ ਗਣਨਾ ਦੀ ਬਜਾਏ, ਸਿਰਫ ਮੈਕਰੋ ਕੈਲਕੂਲੇਸ਼ਨ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ.
• ਡੀ) ਯੋਜਨਾ ਗਾਹਕ ਨੂੰ ਈ-ਮੇਲ ਦੀ ਬਜਾਏ ਕਾਗਜ਼ 'ਤੇ ਦਿੱਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਸੀ।

ਵਿਆਖਿਆ: ਜਦੋਂ ਕਿ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਸਹੀ ਢੰਗ ਨਾਲ ਗਣਨਾ ਕਰ ਸਕਦੀ ਹੈ, ਇਹ ਇੱਕ ਧਾਰਨਾ ਵੀ ਲੈ ਸਕਦੀ ਹੈ ਜਿਵੇਂ ਕਿ ਗਤੀਵਿਧੀ ਗੁਣਾਂਕ ਨੂੰ ਗਲਤ ਤਰੀਕੇ ਨਾਲ ਅਤੇ ਉਸੇ ਭਰੋਸੇ ਨਾਲ ਗਲਤ ਨਤੀਜੇ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਆਹਾਰ ਵਿਗਿਆਨ ਇੱਕ ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਖੇਤਰ ਹੈ; ਹਰੇਕ ਖਾਤੇ ਦੀ ਇੱਕ ਆਹਾਰ-ਵਿਗਿਆਨੀ ਦੁਆਰਾ ਮੁੜ-ਤਸਦੀਕ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ, ਅਤੇ ਅੰਤਿਮ ਪ੍ਰਵਾਨਗੀ ਮਨੁੱਖ ਦੀ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ।

2. ਕਲਾਇੰਟ ਡੇਟਾ ਨੂੰ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਟੂਲ ਵਿੱਚ ਟ੍ਰਾਂਸਫਰ ਕਰਨ ਵੇਲੇ ਗੋਪਨੀਯਤਾ (KVKK) ਦੇ ਰੂਪ ਵਿੱਚ ਸਭ ਤੋਂ ਵਧੀਆ ਵਿਵਹਾਰ ਕੀ ਹੈ?

• A) ਕਲਾਇੰਟ ਦਾ ਪੂਰਾ ਨਾਮ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ PDF ਨੂੰ ਸਪੀਡ ਲਈ ਅਪਲੋਡ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।
• ਅ) ਨਿੱਜੀ ਤੌਰ 'ਤੇ ਪਛਾਣਯੋਗ ਜਾਣਕਾਰੀ ਨੂੰ ਹਟਾ ਕੇ ਅਤੇ ਡੇਟਾ ਨੂੰ ਅਗਿਆਤ ਕਰਕੇ ਸਿਰਫ ਲੋੜੀਂਦੀ ਕਲੀਨਿਕਲ ਜਾਣਕਾਰੀ ਸਾਂਝੀ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ ✔
• C) ਜੇਕਰ ਡੇਟਾ ਐਨਕ੍ਰਿਪਟਡ ਹੈ, ਤਾਂ ਨਾਮ ਦੀ ਜਾਣਕਾਰੀ ਵੀ ਭੇਜੀ ਜਾ ਸਕਦੀ ਹੈ
• ਡੀ) ਪੂਰੀ ਫਾਈਲ ਗਾਹਕ ਨੂੰ ਪੁੱਛੇ ਬਿਨਾਂ ਸਾਂਝੀ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ ਕਿਉਂਕਿ ਉਦੇਸ਼ ਚੰਗਾ ਹੈ

ਸਪੱਸ਼ਟੀਕਰਨ: ਕਲਾਇੰਟ ਹੈਲਥ ਡੇਟਾ ਵਿਸ਼ੇਸ਼ ਨਿੱਜੀ ਡੇਟਾ ਹੈ। ਪਛਾਣ ਜਾਣਕਾਰੀ ਜਿਵੇਂ ਕਿ ਨਾਮ, TR ID, ਅਤੇ ਸੰਪਰਕ ਜਾਣਕਾਰੀ ਨੂੰ ਹਟਾ ਦਿੱਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਡੇਟਾ ਨੂੰ ਅਗਿਆਤ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ; ਕੰਮ ਲਈ ਲੋੜੀਂਦਾ ਘੱਟੋ-ਘੱਟ ਡਾਟਾ ਸਾਂਝਾ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਨਾਮ ਨਾਲ ਕੱਚੀ ਫਾਈਲ ਨੂੰ ਅਪਲੋਡ ਕਰਨਾ ਇੱਕ ਗੰਭੀਰ ਉਲੰਘਣਾ ਹੈ।

3. ਨਕਲੀ ਬੁੱਧੀ 2000 kcal ਦੇ ਟੀਚੇ ਲਈ '220 ਗ੍ਰਾਮ ਕਾਰਬੋਹਾਈਡਰੇਟ, 150 ਗ੍ਰਾਮ ਪ੍ਰੋਟੀਨ, 90 ਗ੍ਰਾਮ ਚਰਬੀ' ਦਿੰਦੀ ਹੈ। ਡਾਇਟੀਸ਼ੀਅਨ ਨੂੰ ਪਹਿਲੀ ਤਸਦੀਕ ਕੀ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ?

• ਏ) ਮੁੱਲਾਂ ਨੂੰ ਜਿਵੇਂ ਉਹ ਹਨ ਸਵੀਕਾਰ ਕਰਨਾ, ਕਿਉਂਕਿ ਨਕਲੀ ਬੁੱਧੀ ਗਣਿਤ ਵਿੱਚ ਗਲਤੀ-ਰਹਿਤ ਹੈ
• ਅ) ਇਹ ਸਿਰਫ ਪ੍ਰੋਟੀਨ ਦੀ ਮਾਤਰਾ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਨ ਲਈ ਕਾਫੀ ਹੈ
• C) ਮੈਕਰੋ ਗ੍ਰਾਮ ਨੂੰ 4/4/9 ਨਾਲ ਗੁਣਾ ਕਰਕੇ ਇਹ ਪਤਾ ਲਗਾਓ ਕਿ ਕੀ ਕੁੱਲ ਟੀਚੇ ਦੀਆਂ ਕੈਲੋਰੀਆਂ ਤੱਕ ਪਹੁੰਚਦਾ ਹੈ ✔
• ਡੀ) ਮੈਕਰੋ ਦੇ ਆਧਾਰ 'ਤੇ ਕੈਲੋਰੀ ਟੀਚੇ ਨੂੰ 2290 ਤੱਕ ਵਧਾਉਣਾ

ਵਿਆਖਿਆ: ਮੈਕਰੋ ਨੂੰ 4/4/9 ਨਾਲ ਗੁਣਾ ਕੀਤਾ ਗਿਆ: 220x4 + 150x4 + 90x9 = 880 + 600 + 810 = 2290 kcal। 290 kcal ਦੁਆਰਾ ਕੁੱਲ ਟੀਚੇ ਨੂੰ ਪਾਰ; ਮੁੱਲ ਅਸੰਗਤ ਹਨ। ਬੈਕ ਗੁਣਾ ਏਆਈ ਮੈਕਰੋ ਗਲਤੀਆਂ ਨੂੰ ਫੜਨ ਦਾ ਸਭ ਤੋਂ ਸਰਲ ਅਤੇ ਸਭ ਤੋਂ ਸ਼ਕਤੀਸ਼ਾਲੀ ਤਰੀਕਾ ਹੈ।

4. ਪੋਸ਼ਣ ਮੁੱਲ ਡੇਟਾ ਵਿੱਚ ਨਕਲੀ ਬੁੱਧੀ ਦਾ ਸਭ ਤੋਂ ਕਮਜ਼ੋਰ ਅਤੇ ਸਭ ਤੋਂ ਵੱਧ ਜੋਖਮ ਵਾਲਾ ਬਿੰਦੂ ਕੀ ਹੈ?

• ਏ) ਨਕਲੀ ਬੁੱਧੀ ਹਮੇਸ਼ਾ ਮੀਟ੍ਰਿਕ ਇਕਾਈਆਂ ਵਿੱਚ ਪੌਸ਼ਟਿਕ ਮੁੱਲ ਦਿੰਦੀ ਹੈ
• ਅ) ਨਕਲੀ ਬੁੱਧੀ ਸਿਰਫ ਸਬਜ਼ੀਆਂ ਦੇ ਮੁੱਲਾਂ ਨੂੰ ਜਾਣਦੀ ਹੈ
• C) ਨਕਲੀ ਬੁੱਧੀ ਹੌਲੀ ਹੁੰਦੀ ਹੈ ਕਿਉਂਕਿ ਇਹ ਬਹੁਤ ਜ਼ਿਆਦਾ ਦਸ਼ਮਲਵ ਦੇ ਨਾਲ ਪੌਸ਼ਟਿਕ ਮੁੱਲ ਦਿੰਦੀ ਹੈ।
• ਡੀ) ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਆਪਣੀ ਮੈਮੋਰੀ ਤੋਂ ਪੈਦਾ ਕਰਦੇ ਹੋਏ ਪੌਸ਼ਟਿਕ ਮੁੱਲਾਂ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾ ਸਕਦੀ ਹੈ; ਇਸ ਲਈ ਮੁੱਲ ਇੱਕ ਮਾਨਤਾ ਪ੍ਰਾਪਤ ਡੇਟਾਬੇਸ ਤੋਂ ਲਏ ਜਾਣੇ ਚਾਹੀਦੇ ਹਨ ✔

ਵਿਆਖਿਆ: ਭਾਸ਼ਾ ਮਾਡਲ ਨੰਬਰਾਂ ਨੂੰ ਯਾਦ ਨਹੀਂ ਰੱਖਦਾ, ਇਹ ਉਹਨਾਂ ਨੂੰ ਸੰਭਾਵੀ ਤੌਰ 'ਤੇ ਤਿਆਰ ਕਰਦਾ ਹੈ; ਇਸਲਈ, ਇਹ ਭੋਜਨ ਦਾ ਪ੍ਰੋਟੀਨ/ਕੈਲੋਰੀ ਮੁੱਲ ਦੇ ਸਕਦਾ ਹੈ ਪਰ ਗਲਤ ਤਰੀਕੇ ਨਾਲ (ਭਰਮ)। ਇਸ ਕਾਰਨ ਕਰਕੇ, ਪੌਸ਼ਟਿਕ ਮੁੱਲਾਂ ਨੂੰ ਜਾਣੇ-ਪਛਾਣੇ ਡੇਟਾਬੇਸ ਤੋਂ ਲਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ, ਅਤੇ ਨਕਲੀ ਬੁੱਧੀ ਨੂੰ ਸਿਰਫ ਉਸ ਡੇਟਾ ਨਾਲ ਕੰਮ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ.

5. ਖਾਣੇ ਦੀ ਯੋਜਨਾ 'ਚ ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਨੇ ਕੈਲੋਰੀ ਅਤੇ ਮੈਕਰੋ ਨੂੰ ਬਿਲਕੁਲ ਠੀਕ ਰੱਖਿਆ ਹੈ, ਪਰ ਪੂਰੇ ਦਿਨ 'ਚ ਵਾਈਟ ਬ੍ਰੈੱਡ, ਪਾਸਤਾ ਅਤੇ ਚਿਕਨ ਸ਼ਾਮਲ ਹਨ। ਇੱਥੇ ਕੀ ਗੁੰਮ ਹੈ?

• ਏ) ਭਾਵੇਂ ਇਸ ਵਿੱਚ ਮੈਕਰੋ ਹੁੰਦੇ ਹਨ, ਫਾਈਬਰ, ਸਬਜ਼ੀਆਂ ਅਤੇ ਸੂਖਮ ਪੌਸ਼ਟਿਕ ਤੱਤਾਂ ਦਾ ਸੰਤੁਲਨ ਪ੍ਰਾਪਤ ਨਹੀਂ ਹੁੰਦਾ ਹੈ; ਪੋਸ਼ਣ ਸੰਬੰਧੀ ਵਿਭਿੰਨਤਾ ਦੇ ਮਾਮਲੇ ਵਿੱਚ ਯੋਜਨਾ ਨਾਕਾਫ਼ੀ ਹੈ ✔
• ਅ) ਕੈਲੋਰੀ ਟੀਚਾ ਬਹੁਤ ਜ਼ਿਆਦਾ ਸੈੱਟ ਕੀਤਾ ਗਿਆ ਹੈ
• ਗ) ਪ੍ਰੋਟੀਨ ਦੀ ਮਾਤਰਾ ਜ਼ਿਆਦਾ ਹੋਣ ਕਾਰਨ ਸਮੱਸਿਆ ਹੁੰਦੀ ਹੈ
• ਡੀ) ਭੋਜਨ ਦੀ ਗਿਣਤੀ ਤਿੰਨ ਤੋਂ ਵੱਧ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ

ਵਿਆਖਿਆ: ਇਹ ਤੱਥ ਕਿ ਮੈਕਰੋ ਟੀਚੇ ਨੂੰ ਹਿੱਟ ਕਰਦਾ ਹੈ ਇਹ ਸੰਕੇਤ ਨਹੀਂ ਦਿੰਦਾ ਕਿ ਯੋਜਨਾ ਸਿਹਤਮੰਦ ਹੈ। ਫਾਈਬਰ, ਸਬਜ਼ੀਆਂ ਅਤੇ ਸੂਖਮ ਪੌਸ਼ਟਿਕ ਸੰਤੁਲਨ (ਵਿਟਾਮਿਨ, ਖਣਿਜ) ਵੀ ਪ੍ਰਦਾਨ ਕੀਤੇ ਜਾਣੇ ਚਾਹੀਦੇ ਹਨ। ਇਹ ਸੰਤੁਲਨ ਨਿਰਣਾ ਖੁਰਾਕ ਵਿਗਿਆਨੀ ਨਾਲ ਸਬੰਧਤ ਹੈ; ਸਿਰਫ਼ ਮੈਕਰੋ ਸ਼ੁੱਧਤਾ ਹੀ ਕਾਫ਼ੀ ਨਹੀਂ ਹੈ।

6. ਇੱਕ ਗਾਹਕ ਜਿਸ ਨੂੰ ਹੇਜ਼ਲਨਟਸ ਤੋਂ ਐਲਰਜੀ ਹੈ, ਨਕਲੀ ਬੁੱਧੀ ਇੱਕ ਬਦਲ ਦਾ ਸੁਝਾਅ ਦਿੰਦੀ ਹੈ ਜਿਵੇਂ ਕਿ 'ਬਦਾਮਾਂ ਦੇ ਮੱਖਣ ਦੀ ਵਰਤੋਂ ਕਰੋ'। ਆਹਾਰ-ਵਿਗਿਆਨੀ ਇਸ ਸਿਫ਼ਾਰਸ਼ ਨੂੰ ਅਸੁਰੱਖਿਅਤ ਕਿਉਂ ਸਮਝ ਸਕਦੇ ਹਨ?

• ਏ) ਬਦਾਮ ਦੀ ਪੇਸਟ ਹੇਜ਼ਲਨਟ ਪੇਸਟ ਨਾਲੋਂ ਜ਼ਿਆਦਾ ਮਹਿੰਗੀ ਹੈ
• ਅ) ਬਦਾਮ ਹੇਜ਼ਲਨਟ ਦੇ ਰੂਪ ਵਿੱਚ ਇੱਕੋ ਰੁੱਖ ਦੇ ਗਿਰੀ ਐਲਰਜੀ ਸਮੂਹ ਵਿੱਚ ਹੋ ਸਕਦੇ ਹਨ; ਬਦਲਣਾ ਜੋਖਮ ਭਰਿਆ ਹੋ ਸਕਦਾ ਹੈ ਕਿਉਂਕਿ ਇਹ ਇੱਕੋ ਸਮੂਹ ਵਿੱਚ ਆਉਂਦਾ ਹੈ ✔
• C) ਬਦਾਮ ਦਾ ਪੇਸਟ ਕੈਲੋਰੀ ਵਿੱਚ ਬਹੁਤ ਜ਼ਿਆਦਾ ਹੁੰਦਾ ਹੈ
• ਡੀ) ਬਦਾਮ ਦਾ ਪੇਸਟ ਤੁਰਕੀ ਪਕਵਾਨਾਂ ਲਈ ਢੁਕਵਾਂ ਨਹੀਂ ਹੈ।

ਵਿਆਖਿਆ: ਹੇਜ਼ਲਨਟਸ ਅਤੇ ਬਦਾਮ ਇੱਕੋ 'ਟ੍ਰੀ ਨਟ' ਐਲਰਜੀ ਸਮੂਹ ਵਿੱਚ ਹਨ। ਐਲਰਜੀ ਦਾ ਪ੍ਰਬੰਧਨ ਸਮੂਹ ਦੇ ਆਧਾਰ 'ਤੇ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਇਕ ਵੀ ਭੋਜਨ ਨਹੀਂ; ਜੇ ਬਦਲ ਉਸੇ ਸਮੂਹ ਵਿੱਚ ਆਉਂਦਾ ਹੈ, ਤਾਂ ਇਹ ਜੋਖਮ ਭਰਿਆ ਹੁੰਦਾ ਹੈ। ਆਹਾਰ-ਵਿਗਿਆਨੀ ਐਲਰਜੀ ਸਮੂਹ ਨੂੰ ਜਾਣਦਾ ਹੈ ਅਤੇ ਬਦਲ ਦੀ ਬਿਲਕੁਲ ਪੁਸ਼ਟੀ ਕਰਦਾ ਹੈ।

7. ਵਾਰਫਰੀਨ (ਖੂਨ ਨੂੰ ਪਤਲਾ ਕਰਨ ਵਾਲਾ) ਲੈਣ ਵਾਲੇ ਗਾਹਕ ਲਈ ਵਿਟਾਮਿਨ ਕੇ-ਅਮੀਰ ਪੱਤੇਦਾਰ ਸਾਗ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦਾ ਸਹੀ ਤਰੀਕਾ ਕੀ ਹੈ?

• ਅ) ਸਾਰੇ ਹਰੇ ਪੱਤੇਦਾਰ ਭੋਜਨਾਂ 'ਤੇ ਸਖਤੀ ਨਾਲ ਪਾਬੰਦੀ ਲਗਾਈ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ
• ਅ) ਵਿਟਾਮਿਨ ਕੇ ਦੇ ਸੇਵਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੱਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ ਅਤੇ ਇਸ ਨੂੰ ਬਿਲਕੁਲ ਵੀ ਧਿਆਨ ਵਿੱਚ ਨਹੀਂ ਰੱਖਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ
• C) ਵਿਟਾਮਿਨ ਕੇ ਦਾ ਸੇਵਨ ਇਕਸਾਰ ਰੱਖਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਸਥਿਤੀ ਨੂੰ ਡਾਕਟਰ ਨਾਲ ਸਾਂਝਾ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ✔
• ਡੀ) ਪੱਤੇਦਾਰ ਸਾਗ ਸਿਰਫ ਰਾਤ ਦੇ ਖਾਣੇ 'ਤੇ ਹੀ ਖਾਣੀ ਚਾਹੀਦੀ ਹੈ

ਵਿਆਖਿਆ: ਵਾਰਫਰੀਨ ਦੀ ਵਰਤੋਂ ਕਰਨ ਵਾਲਿਆਂ ਲਈ, ਟੀਚਾ ਵਿਟਾਮਿਨ ਕੇ 'ਤੇ ਪੂਰੀ ਤਰ੍ਹਾਂ ਪਾਬੰਦੀ ਲਗਾਉਣਾ ਨਹੀਂ ਹੈ, ਪਰ ਉਹਨਾਂ ਦੇ ਸੇਵਨ ਨੂੰ ਇਕਸਾਰ ਰੱਖਣਾ ਹੈ; ਵੱਡੇ ਉਤਰਾਅ-ਚੜ੍ਹਾਅ ਡਰੱਗ ਦੇ ਪ੍ਰਭਾਵ ਨੂੰ ਕਮਜ਼ੋਰ ਕਰਦੇ ਹਨ. ਇਹ 'ਇਕਸਾਰ ਰੱਖੋ' ਕਿਸਮ ਦੀ ਰੁਕਾਵਟ AI ਵਿੱਚ ਲਾਪਤਾ ਇੱਕ ਕਲੀਨਿਕਲ ਸੂਝ ਹੈ ਅਤੇ ਡਾਕਟਰ ਨਾਲ ਸਾਂਝੀ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।

8. ਜਦੋਂ ਇੱਕ ਗਾਹਕ ਇੱਕ ਹਫ਼ਤੇ ਵਿੱਚ 1 ਕਿਲੋਗ੍ਰਾਮ ਦਾ 'ਵਾਧਾ' ਵੇਖਦਾ ਹੈ ਤਾਂ ਸਹੀ ਵਿਆਖਿਆ ਕਿਵੇਂ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ?

• ਏ) ਯੋਜਨਾ ਨੂੰ ਘੱਟ ਕੈਲੋਰੀ ਦੇ ਨਾਲ ਸਕ੍ਰੈਚ ਤੋਂ ਤੁਰੰਤ ਲਿਖਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ
• ਅ) ਗਾਹਕ ਨੂੰ ਤੋਲਣ ਤੋਂ ਰੋਕਣ ਲਈ ਬਣਾਇਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ.
• C) ਇੱਕ ਹਫ਼ਤੇ ਦੇ ਵਾਧੇ ਨੂੰ ਨਿਸ਼ਚਤ ਭਾਰ ਵਧਣਾ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ।
• ਡੀ) ਮਲਟੀ-ਹਫ਼ਤੇ ਦੇ ਰੁਝਾਨਾਂ ਨੂੰ ਦੇਖਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ, ਨਾ ਕਿ ਇੱਕ ਮਾਪ; ਥੋੜ੍ਹੇ ਸਮੇਂ ਦੇ ਉਤਰਾਅ-ਚੜ੍ਹਾਅ (ਜਿਵੇਂ ਕਿ ਪਾਣੀ ਦੀ ਧਾਰਨਾ) ਦਾ ਡਾਕਟਰੀ ਤੌਰ 'ਤੇ ਮੁਲਾਂਕਣ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ✔

ਵਿਆਖਿਆ: ਇੱਕ ਸਿੰਗਲ ਮਾਪ ਗੁੰਮਰਾਹਕੁੰਨ ਹੈ; ਪਾਣੀ ਦੀ ਧਾਰਨਾ, ਮਾਹਵਾਰੀ ਚੱਕਰ, ਅਤੇ ਨਮਕ ਦਾ ਸੇਵਨ ਵਰਗੇ ਕਾਰਕ ਥੋੜ੍ਹੇ ਸਮੇਂ ਲਈ ਉਤਰਾਅ-ਚੜ੍ਹਾਅ ਪੈਦਾ ਕਰਦੇ ਹਨ। ਕੀ ਮਹੱਤਵਪੂਰਨ ਹੈ ਬਹੁ-ਹਫ਼ਤੇ ਦਾ ਰੁਝਾਨ. ਇਹ ਕਲੀਨਿਕਲ ਵਿਆਖਿਆ ਡਾਇਟੀਸ਼ੀਅਨ ਦੁਆਰਾ ਕੀਤੀ ਜਾਂਦੀ ਹੈ; AI ਸਿਰਫ ਡੇਟਾ ਨੂੰ ਵਿਵਸਥਿਤ ਕਰਦਾ ਹੈ।

9. ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਇੱਕ ਸੋਸ਼ਲ ਮੀਡੀਆ ਸਕੈਚ ਵਿੱਚ 'ਗ੍ਰੀਨ ਟੀ ਬਰਨ ਫੈਟ ਅਤੇ ਮੈਟਾਬੋਲਿਜ਼ਮ ਨੂੰ ਤੇਜ਼ ਕਰਦੀ ਹੈ' ਵਾਕ ਪੈਦਾ ਕਰਦੀ ਹੈ। ਡਾਈਟੀਸ਼ੀਅਨ ਦੀ ਨੈਤਿਕ ਜ਼ਿੰਮੇਵਾਰੀ ਕੀ ਹੈ?

• A) ਸਬੂਤ 'ਤੇ ਅਤਿਕਥਨੀ ਵਾਲੇ ਦਾਅਵੇ ਨੂੰ ਆਧਾਰ ਬਣਾ ਕੇ, ਇਸਨੂੰ ਮਾਪੀ ਗਈ ਭਾਸ਼ਾ ਵਿੱਚ ਅਨੁਵਾਦ ਕਰਨਾ ਅਤੇ ਇੱਕ ਆਮ ਜਾਣਕਾਰੀ ਚੇਤਾਵਨੀ ਸ਼ਾਮਲ ਕਰਨਾ ✔
• ਅ) ਦਾਅਵੇ ਨੂੰ ਪ੍ਰਕਾਸ਼ਿਤ ਕਰਨਾ ਕਿਉਂਕਿ ਇਹ ਧਿਆਨ ਖਿੱਚਦਾ ਹੈ
• C) ਵਾਕ ਨੂੰ ਹੋਰ ਮਜ਼ਬੂਤ ਕਰੋ ਅਤੇ 'ਕੈਂਸਰ ਨੂੰ ਰੋਕਦਾ ਹੈ' ਜੋੜੋ
• ਡੀ) ਸਮੱਗਰੀ ਨੂੰ ਬਿਲਕੁਲ ਪ੍ਰਕਾਸ਼ਿਤ ਨਹੀਂ ਕਰਨਾ, ਕਿਉਂਕਿ ਹਰੀ ਚਾਹ ਬਾਰੇ ਗੱਲ ਕਰਨ ਦੀ ਮਨਾਹੀ ਹੈ

ਵਰਣਨ: ਨਕਲੀ ਬੁੱਧੀ ਅਤਿਕਥਨੀ ਅਤੇ ਮਾੜੇ ਸਾਬਤ ਕੀਤੇ ਦਾਅਵੇ ਕਰਨ ਦੀ ਸੰਭਾਵਨਾ ਹੈ। ਆਹਾਰ-ਵਿਗਿਆਨੀ ਨੂੰ ਸਬੂਤ ਦੇ ਪੱਧਰ ਦੇ ਅਨੁਸਾਰ ਇਹਨਾਂ ਦਾਅਵਿਆਂ ਨੂੰ ਸੰਚਾਲਿਤ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ, ਨਿਸ਼ਚਤਤਾ ਅਤੇ ਚਮਤਕਾਰ ਦੀ ਭਾਸ਼ਾ ਨੂੰ ਹਟਾ ਦੇਣਾ ਚਾਹੀਦਾ ਹੈ, ਅਤੇ 'ਇਹ ਆਮ ਜਾਣਕਾਰੀ ਹੈ' ਚੇਤਾਵਨੀ ਸ਼ਾਮਲ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ। ਸਿਹਤ ਦੇ ਦਾਅਵਿਆਂ ਵਿੱਚ ਇਮਾਨਦਾਰੀ ਇੱਕ ਨੈਤਿਕ ਜ਼ਿੰਮੇਵਾਰੀ ਹੈ।

10. ਇੱਕ ਆਹਾਰ-ਵਿਗਿਆਨੀ ਪੇਸ਼ਕਾਰੀ ਲਈ '3 ਅਧਿਐਨਾਂ ਜੋ ਰੁਕ-ਰੁਕ ਕੇ ਵਰਤ ਰੱਖਣ ਦੇ ਲਾਭਾਂ ਨੂੰ ਸਾਬਤ ਕਰਦੇ ਹਨ' ਲਈ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਪੁੱਛਦਾ ਹੈ। ਇਸ ਬੇਨਤੀ ਦਾ ਮੁੱਖ ਖਤਰਾ ਕੀ ਹੈ?

• ਏ) ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਬਹੁਤ ਜ਼ਿਆਦਾ ਕੰਮ ਦਿੰਦੀ ਹੈ ਅਤੇ ਡਾਇਟੀਸ਼ੀਅਨ ਨੂੰ ਥਕਾ ਦਿੰਦੀ ਹੈ
• ਅ) ਨਕਲੀ ਬੁੱਧੀ ਗੈਰ-ਮੌਜੂਦ ਅਧਿਐਨਾਂ, ਲੇਖਕਾਂ ਅਤੇ ਰਸਾਲਿਆਂ ਦੀ ਕਾਢ ਕੱਢ ਸਕਦੀ ਹੈ; ਸਰੋਤਾਂ ਦੀ ਵਰਤੋਂ ਪ੍ਰਾਇਮਰੀ ਸਰੋਤ ਤੋਂ ਪੁਸ਼ਟੀ ਕੀਤੇ ਬਿਨਾਂ ਨਹੀਂ ਕੀਤੀ ਜਾ ਸਕਦੀ ✔
• C) ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਸਟੱਡੀਜ਼ ਸਿਰਫ਼ ਅੰਗਰੇਜ਼ੀ ਵਿੱਚ ਹੀ ਦਿੱਤੇ ਜਾਂਦੇ ਹਨ
• ਡੀ) ਇੱਕ ਪੇਸ਼ਕਾਰੀ ਲਈ ਤਿੰਨ ਅਧਿਐਨ ਹਮੇਸ਼ਾ ਨਾਕਾਫ਼ੀ ਹੁੰਦੇ ਹਨ

ਵਿਆਖਿਆ: ਭਾਸ਼ਾ ਦੇ ਮਾਡਲ ਉਹਨਾਂ ਰਚਨਾਵਾਂ, ਲੇਖਕਾਂ ਅਤੇ ਰਸਾਲਿਆਂ ਦੀ ਖੋਜ ਕਰ ਸਕਦੇ ਹਨ ਜੋ ਅਸਲ ਵਿੱਚ ਮੌਜੂਦ ਨਹੀਂ ਹਨ (ਸਰੋਤ ਭਰਮ)। ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਸਾਹਿਤ ਖੋਜ ਇੰਜਣ ਨਹੀਂ ਹੈ। ਸਹੀ ਤਰੀਕਾ: PubMed/Cochrane ਤੋਂ ਅਸਲ ਸਰੋਤ ਲੱਭੋ ਅਤੇ ਉਹਨਾਂ ਨੂੰ AI ਦੁਆਰਾ ਸੰਖੇਪ ਕਰੋ; ਹਰੇਕ ਹਵਾਲਾ ਪ੍ਰਾਇਮਰੀ ਸਰੋਤ ਤੋਂ ਪ੍ਰਮਾਣਿਤ ਹੁੰਦਾ ਹੈ।

11. ਇੱਕ ਨਿਰੀਖਣ ਅਧਿਐਨ ਤੋਂ ਇਹ ਸਿੱਟਾ ਕੱਢਣਾ ਗਲਤ ਕਿਉਂ ਹੈ ਕਿ 'ਨਾਸ਼ਤਾ ਤੁਹਾਡਾ ਭਾਰ ਘਟਾਉਂਦਾ ਹੈ' ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ 'ਨਾਸ਼ਤਾ ਕਰਨ ਵਾਲੇ ਪਤਲੇ ਹੁੰਦੇ ਹਨ'?

• A) ਅਧਿਐਨ ਅਜੇ ਵੈਧ ਨਹੀਂ ਹੈ ਕਿਉਂਕਿ ਇਹ ਬਹੁਤ ਨਵਾਂ ਹੈ।
• ਅ) ਨਾਸ਼ਤਾ ਅਸਲ ਵਿੱਚ ਤੁਹਾਡਾ ਭਾਰ ਵਧਾਉਂਦਾ ਹੈ, ਅਧਿਐਨ ਗਲਤ ਹੈ
• C) ਨਿਰੀਖਣ ਅਧਿਐਨ ਸਿਰਫ ਆਪਸੀ ਸਬੰਧ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ; ਕਾਰਣ ਸਾਬਤ ਨਹੀਂ ਕਰਦਾ, ਸਬੰਧ ਹੋਰ ਕਾਰਕਾਂ ਕਰਕੇ ਹੋ ਸਕਦਾ ਹੈ ✔
• ਡੀ) ਇਹ ਅਵੈਧ ਹੈ ਕਿਉਂਕਿ ਨਮੂਨੇ ਵਿੱਚ ਸਿਰਫ਼ ਔਰਤਾਂ ਸ਼ਾਮਲ ਹਨ

ਵਿਆਖਿਆ: ਨਿਰੀਖਣ ਅਧਿਐਨ ਸਹਿ-ਸਬੰਧ (ਇਕੱਠੇ ਵਾਪਰਨਾ) ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ, ਨਾ ਕਿ ਕਾਰਨ (ਇੱਕ ਕਾਰਨ ਦੂਜੇ)। ਜੋ ਲੋਕ ਨਾਸ਼ਤਾ ਕਰਦੇ ਹਨ ਉਹ ਆਮ ਤੌਰ 'ਤੇ ਵਧੇਰੇ ਸਰਗਰਮੀ ਨਾਲ ਅਤੇ ਨਿਯਮਿਤ ਤੌਰ' ਤੇ ਜੀ ਸਕਦੇ ਹਨ; ਰਿਸ਼ਤਾ ਹੋਰ ਕਾਰਕਾਂ ਕਰਕੇ ਹੋ ਸਕਦਾ ਹੈ। ਕਾਰਨ ਦੇ ਨਾਲ ਉਲਝਣ ਵਾਲਾ ਸਬੰਧ ਇੱਕ ਆਮ ਸਬੂਤ ਪੜ੍ਹਨ ਦੀ ਗਲਤੀ ਹੈ।

12. 24-ਘੰਟੇ ਦੇ ਪੋਸ਼ਣ ਸੰਬੰਧੀ ਰੀਮਾਈਂਡਰ ਵਿੱਚ, ਗਾਹਕ ਕਹਿੰਦਾ ਹੈ 'ਇੱਕ ਦਿਨ ਵਿੱਚ 2 ਮੁੱਠੀ ਮੇਵੇ'। AI ਮੰਨਦਾ ਹੈ ਕਿ ਇਹ '60 ਗ੍ਰਾਮ' ਹੈ। ਸਹੀ ਪਹੁੰਚ ਕੀ ਹੈ?

• ਏ) ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੀ 60 ਗ੍ਰਾਮ ਦੀ ਧਾਰਨਾ ਨਿਸ਼ਚਿਤ ਮੰਨੀ ਜਾਂਦੀ ਹੈ
• ਅ) ਗਿਰੀਦਾਰ ਯੋਜਨਾ ਤੋਂ ਪੂਰੀ ਤਰ੍ਹਾਂ ਹਟਾਏ ਜਾਂਦੇ ਹਨ
• C) 100 ਗ੍ਰਾਮ ਔਸਤ ਮੁੱਲ ਵਜੋਂ ਲਿਆ ਜਾਂਦਾ ਹੈ
• D) ਭਾਗ ਨਕਲੀ ਬੁੱਧੀ ਦੀ ਧਾਰਨਾ ਨਹੀਂ ਹੈ, ਇਹ ਗਾਹਕ ਨੂੰ ਪੁੱਛ ਕੇ ਜਾਂ ਪੈਮਾਨੇ ਨਾਲ ਮਾਪ ਕੇ ਸਪੱਸ਼ਟ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ✔

ਵਿਆਖਿਆ: ਹਿੱਸੇ ਦੇ ਅੰਦਾਜ਼ੇ ਇੱਕ ਵਿਅਕਤੀ ਤੋਂ ਦੂਜੇ ਵਿਅਕਤੀ ਵਿੱਚ ਬਹੁਤ ਵੱਖਰੇ ਹੁੰਦੇ ਹਨ; ਇੱਕ ਮੁੱਠੀ 30 ਗ੍ਰਾਮ ਜਾਂ 90 ਗ੍ਰਾਮ ਹੋ ਸਕਦੀ ਹੈ। AI ਦੀ ਧਾਰਨਾ ਇੱਕ ਸ਼ੁਰੂਆਤੀ ਸੀਮਾ ਹੈ, ਇੱਕ ਮਾਪ ਨਹੀਂ। ਅਸਲ ਹਿੱਸੇ ਨੂੰ ਗਾਹਕ ਤੋਂ ਪੁੱਛ ਕੇ ਜਾਂ ਰਸੋਈ ਦੇ ਪੈਮਾਨੇ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਸਪੱਸ਼ਟ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।

13. ਪੋਸ਼ਣ ਸੰਬੰਧੀ ਡੇਟਾਬੇਸ ਆਮ ਤੌਰ 'ਤੇ ਪ੍ਰਤੀ 100 ਗ੍ਰਾਮ ਕੱਚੇ ਮੁੱਲ ਦਿੰਦੇ ਹਨ। ਇਹ ਕਿਹੜੀ ਗਲਤੀ ਦਾ ਕਾਰਨ ਬਣ ਸਕਦੀ ਹੈ?

• A) ਪਕਾਏ ਹੋਏ ਹਿੱਸੇ (ਜਾਂ ਇਸ ਦੇ ਉਲਟ) 'ਤੇ ਕੱਚੇ ਮੁੱਲ ਨੂੰ ਲਾਗੂ ਕਰਨ ਨਾਲ ਗੰਭੀਰ ਕੈਲੋਰੀ/ਮੈਕਰੋ ਗਲਤੀਆਂ ਹੋ ਸਕਦੀਆਂ ਹਨ; ਮਾਪ ਦੀ ਇਕਾਈ ਨੂੰ ਸਪੱਸ਼ਟ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ✔
• ਅ) ਕੱਚੇ ਮੁੱਲ ਹਮੇਸ਼ਾ ਪਕਾਏ ਗਏ ਮੁੱਲਾਂ ਨਾਲੋਂ ਘੱਟ ਹੁੰਦੇ ਹਨ, ਕੋਈ ਸਮੱਸਿਆ ਨਹੀਂ
• C) ਕੋਈ ਸਮੱਸਿਆ ਨਹੀਂ ਹੋਵੇਗੀ ਕਿਉਂਕਿ ਡੇਟਾਬੇਸ ਸਿਰਫ ਪਕਾਏ ਹੋਏ ਮੁੱਲ ਵਾਪਸ ਕਰਦੇ ਹਨ।
• ਡੀ) ਕੱਚੇ/ਪਕਾਏ ਹੋਏ ਫਰਕ ਸਿਰਫ ਮੀਟ ਵਿੱਚ ਦੇਖਿਆ ਜਾਂਦਾ ਹੈ, ਅਨਾਜ ਵਿੱਚ ਨਹੀਂ।

ਵਰਣਨ: ਖਾਣਾ ਪਕਾਉਣ ਦੇ ਦੌਰਾਨ, ਭੋਜਨ ਪਾਣੀ ਨੂੰ ਸੋਖ ਲੈਂਦਾ ਹੈ ਅਤੇ ਇਸਦਾ ਭਾਰ ਬਦਲਦਾ ਹੈ; 100 ਗ੍ਰਾਮ ਕੱਚੇ ਚੌਲ ਪਕਾਏ ਜਾਣ 'ਤੇ 250-300 ਗ੍ਰਾਮ ਤੱਕ ਵਧ ਜਾਂਦੇ ਹਨ। ਕੱਚੇ ਮੁੱਲ ਨੂੰ ਪਕਾਈ ਹੋਈ ਮਾਤਰਾ (ਜਾਂ ਇਸ ਦੇ ਉਲਟ) 'ਤੇ ਲਾਗੂ ਕਰਨ ਨਾਲ ਗੰਭੀਰ ਕੈਲੋਰੀ ਗਲਤੀਆਂ ਹੋਣਗੀਆਂ। ਇਹ ਹਮੇਸ਼ਾ ਸਪੱਸ਼ਟ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਵਰਤਿਆ ਮੁੱਲ ਕੱਚਾ ਹੈ ਜਾਂ ਪਕਾਇਆ ਹੋਇਆ ਹੈ।

14. ਪੂਰੇ ਮੋਡੀਊਲ ਵਿੱਚ ਜ਼ੋਰ ਦਿੱਤਾ ਗਿਆ ਮੁੱਖ ਸਿਧਾਂਤ ਖੁਰਾਕ ਵਿਗਿਆਨ ਵਿੱਚ ਨਕਲੀ ਬੁੱਧੀ ਦੀ ਭੂਮਿਕਾ ਦਾ ਵਰਣਨ ਕਿਵੇਂ ਕਰਦਾ ਹੈ?

• ਏ) ਨਕਲੀ ਬੁੱਧੀ ਆਪਣੇ ਆਪ ਹੀ ਫੈਸਲੇ ਲੈ ਸਕਦੀ ਹੈ, ਤਜਰਬੇਕਾਰ ਖੁਰਾਕ ਮਾਹਿਰਾਂ ਦੀ ਥਾਂ ਲੈ ਸਕਦੀ ਹੈ
• ਅ) ਨਕਲੀ ਬੁੱਧੀ ਇੱਕ ਸਹਾਇਕ ਅਤੇ ਡਰਾਫਟ ਜਨਰੇਟਰ ਹੈ; ਨਿਦਾਨ, ਇਲਾਜ ਦਾ ਫੈਸਲਾ ਅਤੇ ਅੰਤਮ ਪ੍ਰਵਾਨਗੀ ਖੁਰਾਕ ਮਾਹਰ/ਡਾਕਟਰ ਦੀ ਹੈ ✔
• C) ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੀ ਵਰਤੋਂ ਸਿਰਫ ਵਿਜ਼ੂਅਲ ਡਿਜ਼ਾਈਨ ਲਈ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਗਣਨਾ ਲਈ ਨਹੀਂ
• ਡੀ) ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਆਉਟਪੁੱਟ ਬਿਨਾਂ ਤਸਦੀਕ ਦੇ ਵੀ ਸੁਰੱਖਿਅਤ ਹੈ ਕਿਉਂਕਿ ਇਹ ਵਿਗਿਆਨਕ ਸਰੋਤਾਂ 'ਤੇ ਅਧਾਰਤ ਹੈ

ਵਰਣਨ: ਨਕਲੀ ਬੁੱਧੀ ਇੱਕ ਸਹਾਇਕ ਅਤੇ ਡਰਾਫਟ ਜਨਰੇਟਰ ਦੇ ਰੂਪ ਵਿੱਚ ਦੁਹਰਾਉਣ ਵਾਲੇ ਕੰਮ ਨੂੰ ਤੇਜ਼ ਕਰਦੀ ਹੈ, ਪਰ ਕਿਉਂਕਿ ਇਹ ਇੱਕ ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਖੇਤਰ ਵਿੱਚ ਕੰਮ ਕਰ ਰਿਹਾ ਹੈ, ਨਿਦਾਨ, ਪੋਸ਼ਣ ਸੰਬੰਧੀ ਥੈਰੇਪੀ ਦੇ ਫੈਸਲੇ ਅਤੇ ਅੰਤਿਮ ਯੋਜਨਾ ਦੀ ਪ੍ਰਵਾਨਗੀ ਸਮਰੱਥ ਮਾਹਰ (ਆਹਾਰ ਵਿਗਿਆਨੀ ਅਤੇ, ਜਦੋਂ ਲੋੜ ਹੋਵੇ, ਡਾਕਟਰ) ਨਾਲ ਸਬੰਧਤ ਹੈ। ਗੈਰ-ਪ੍ਰਮਾਣਿਤ ਆਉਟਪੁੱਟ ਇੱਕ ਹਸਤਾਖਰਿਤ ਡਰਾਫਟ ਹੈ।