Halucinații, etică, confidențialitate și integritate științifică

Câștiguri:

• Capacitatea de a recunoaște forme de halucinație în fizică (constantă falsă, lege falsă, eroare de unitate, rezultat greșit, atribuire falsă) și de a le surprinde cu metoda adecvată.
• Capacitatea de a proteja datele nepublicate, confidențiale și personale prin anonimizare și minimizare prin neintroducerea lor în instrumente neautorizate
• A fi capabil să înțeleagă că responsabilitatea supremă revine oamenilor, raportând datele în mod onest, fără a le înfrumuseța și documentând în mod transparent utilizarea inteligenței artificiale.

Pe parcursul acestui modul, am acoperit aceeași disciplină în fiecare unitate: inteligența artificială (AI) accelerează, oamenii verifică. În această unitate finală, reunim toată această practică de verificare sub umbrela integrității științifice, cea mai fundamentală valoare a științei fizice. Fizica este urmărirea de a produce cunoștințe verificabile despre natură; În centrul acestui efort se află integritatea, repetabilitatea și responsabilitatea. AI poate fi folosit pentru a consolida aceste valori, dar atunci când este folosit incorect, le amenință pe toate. În această unitate, vom discuta despre formele fizice ale halucinațiilor, responsabilitatea datelor și a confidențialității, granițele etice și de ce responsabilitatea supremă rămâne întotdeauna a oamenilor.

Forme de halucinație în fizică

Halucinația – producția încrezătoare de către AI de informații false – ia forme unice și periculoase în fizică. Recunoașterea acestora este primul pas pentru a prinde:

tip de halucinație

exemplu

Metoda de captare

Montaj fix/date

O densitate incorectă a materialului

Confirmare cu referință de încredere

Formulă/lege falsă

Un nume de „principiu” inexistent

Derivare manual/SymPy

Eroare de unitate/comanda

confundând eV cu J

Analiza dimensionala, controlul unitatii

Rezultat numeric incorect

Ieșire incorectă a codului

Rulați codul

atribuire apocrifă

articol inexistent

Verificare cu DOI

Rezultat raportat greșit

Distorsiunea articolului real

Citiți sursa originală

Firul comun este acesta: un model de limbaj mare este conceput nu pentru a spune adevărul, ci pentru a produce „text cu aspect posibil”. În fizică, diferența dintre „aparent posibil” și „adevărat” este tocmai motivul existenței științei.

Răspunderea pentru date, confidențialitate și proprietate intelectuală

Fizicienii lucrează adesea cu date sensibile: date experimentale nepublicate, proiecte pre-brevet, măsurători confidențiale din colaborări industriale, cercetări care implică date personale de sănătate sau siguranță. Introducerea unor astfel de date într-un instrument general de inteligență artificială ar putea să le facă accesibile terților și, eventual, datele de antrenament ale modelului, ceea ce ar însemna atât o încălcare a confidențialității, cât și o pierdere a priorității științifice (dreptul de a fi primul care face o descoperire). Regula este clară: nu introduceți date nepublicate, confidențiale sau personale într-un instrument AI pe care organizația dvs. nu l-a aprobat. Dacă urmează să intrați, anonimizați, minimizați (dați doar ceea ce este necesar) și citiți condițiile de date ale instrumentului.

Atenție: Introducerea măsurătorilor nepublicate ale unui laborator sau a parametrilor confidențiali de proiectare ai unei companii într-un instrument AI „pentru analiză rapidă” poate fi o greșeală ireversibilă. Odată ce datele sunt partajate, acestea nu pot fi rechemate. Dacă aveți dubii, nu introduceți date; Clarificați mai întâi politica instituției dvs. și termenii de confidențialitate ai instrumentului.

Limite etice și integritate științifică

O utilizare poate fi posibilă din punct de vedere tehnic și chiar legală, dar totuși neetică. Există mai multe linii roșii în fizică care privesc integritatea științifică:

Fabricarea sau decorarea datelor. A cere AI „să genereze puncte care se potrivesc mai bine cu randamentul” sau „fa ca graficul să pară mai convingător” este fraudă de date. Datele sunt raportate așa cum sunt; Valorile aberante sunt eliminate numai cu un motiv legitim documentat.

Transparența contribuției. Dacă ați folosit AI într-un studiu - scrierea codului, corectarea limbii, analiză - este corect să clarificați acest lucru la locul potrivit. Multe reviste și instituții solicită acest lucru.

Autoritate și responsabilitate. AI nu este un scriitor; nu poate fi responsabil pentru conținutul unei lucrări. Responsabilitatea revine întotdeauna scriitorilor umani. O eroare produsă de AI nu poate fi apărată spunând „vehiculul a făcut-o”.

Reproductibilitatea. Un rezultat științific necesită ca metoda (inclusiv codul utilizat, parametrii, solicitările AI) să fie documentate în mod clar, astfel încât alții să o poată replica.

trei mini cutii

Cazul 1 – Scurgere de date confidențiale. Un cercetător a lipit datele de măsurare dintr-un acord de confidențialitate cu o companie într-un instrument AI generic „pentru un grafic rapid”. Mai târziu și-a dat seama că acest instrument poate stoca intrări. A avut loc o încălcare a contractului și o posibilă pierdere a priorității. Lecție: datele confidențiale nu sunt niciodată introduse într-un instrument neaprobat.

Cazul 2 — Print de înfrumusețare. Un student a cerut AI o editare care „ar face ca datele să arate mai aproape de teorie”, deoarece datele experimentale nu se potriveau pe deplin cu teoria. Consilierul său a observat acest lucru și l-a oprit: o discrepanță însemna fie o eroare sistematică în experiment, fie o nouă fizică interesantă – ceva de investigat, nu ascuns. Datele au fost raportate cu onestitate și au fost găsite erori sistematice.

Cazul 3 – Obținerea transparenței. O echipă a scris codul de analiză a datelor pentru o lucrare cu ajutorul AI și a precizat clar acest lucru în secțiunea de metode; a partajat codul și solicitările ca fișiere suplimentare. Un arbitru a examinat codul și a sugerat o remediere minoră. Transparența a surprins eroarea înainte de publicare și a sporit credibilitatea studiului.

Patru șabloane copiabile

1) Screening pentru halucinații:

Scanați următoarele rezultate fizice pentru halucinații: există constante false, nume de formule/legi false, erori de unitate/ordine, rezultate numerice neverificate și atribuții neconfirmate? Semnalați fiecare articol suspect și specificați cum să îl verificați (referință, cod, DOI). Ieșire: [aici]

2) Verificare prealabilă a confidențialității datelor:

Evaluați următoarele date/text înainte de a le introduce într-un instrument AI: conține informații nepublicate, confidențiale, personale sau protejate prin contract? Dacă da, sugerați cum îl pot anonimiza sau minimiza. Dacă nu sunteți sigur, spuneți „verificați politica companiei”. Continut: [aici]

3) Proiect de declarație de transparență/contribuție:

Într-un studiu, am folosit AI pentru: [codare / corectare a limbii /analiza etc.]. Scrieți o scurtă schiță de „Declarație de utilizare a AI” care documentează în mod sincer acest lucru. De asemenea, ar trebui să indice ce părți au fost verificate de oameni.

4) Asigurarea integrității științifice:

Efectuați o verificare a integrității pentru următoarea analiză/rezultat: datele raportate așa cum sunt (fără înfrumusețare), sunt raportate incertitudinile, metoda este documentată într-o manieră reproductibilă, este transparentă utilizarea IA? Enumerați eventualele deficiențe. Continut: [aici]

Prompt slab / Prompt puternic

Slab: „Editați randamentul pentru a se potrivi mai bine cu teoria și faceți graficul convingător”.

Rezultat: fraudă de date; Încălcarea directă a integrității științifice, pierderea ireversibilă a reputației.

Puternic: „Randamentul nu este pe deplin de acord cu teoria. Ajutați-mă să analizez posibilele cauze ale acestei discrepanțe (eroare sistematică, fluctuație statistică, model lipsă sau un efect nou); sugerați cum să raportez discrepanța în mod onest, fără a modifica datele."

Rezultat: O abordare onestă, investigativă și fidelă a integrității științifice; Conflictul devine o oportunitate de descoperire.

Greșeli comune

• Confundând halucinația cu încrederea în sine. Doar pentru că AI vorbește cu încredere nu este o garanție a acurateții; Chiar și cea mai precisă propoziție poate fi inventată.
• Introducerea datelor confidențiale în vehicul fără aprobare. Odată partajate, datele nu pot fi recuperate; Prioritatea și confidențialitatea sunt pierdute.
• Date de înfrumusețare. Modificarea datelor în „teoria potrivirii” este una dintre cele mai grave crime științifice.
• Ascunderea utilizării AI. Transparența este o cerință a onestității și este obligatorie în multe instituții.
• Punerea responsabilitatii asupra vehiculului. „AI a făcut-o” nu este o apărare; Responsabilitatea supremă revine întotdeauna ființei umane.

Sfat: La sfârșitul fiecărui studiu bazat pe inteligență artificială, puneți-vă trei întrebări: (1) Au fost verificate în mod independent fiecare fapt, număr și atribuire din acest rezultat? (2) Datele pe care le-am folosit au conținut informații confidențiale/personale pe care nu ar trebui să le introduc? (3) Mi-am documentat utilizarea și metodologia AI în mod suficient de transparent pentru ca altcineva să le reproducă? Dacă nu puteți răspunde un „da” clar la aceste trei întrebări, studiul nu este încă finalizat.

În concluzie

Integritatea științifică este baza existenței fizicii și este și mai importantă în era AI. Halucinația apare în fizică sub formă de constante false, legi false, erori de unitate, concluzii false și referințe false; fiecare este capturat cu propria sa metodă unică de verificare. Datele confidențiale și cu caracter personal nu sunt introduse în instrumente neautorizate; datele nu sunt niciodată înfrumusețate; Utilizarea AI este documentată în mod transparent; iar responsabilitatea supremă revine întotdeauna omului. Există o singură disciplină pe care o înveți de-a lungul acestui modul: AI este un accelerator puternic, dar verificarea, integritatea și responsabilitatea stau pe umerii fizicianului competent, adică pe tine. O ieșire AI neverificată nu înlocuiește niciodată confirmarea unui fizician.

Sarcina de aplicare

Selectați o ieșire AI (un cont, o analiză sau un text) pe care ați produs-o în acest modul. 1. ecran pentru halucinații cu șablon: există constante false, formule false, erori de unitate sau atribuții neverificate? Cu șablonul 2, evaluați dacă datele pe care le utilizați respectă confidențialitatea. În cele din urmă, redactați o scurtă declarație de utilizare/transparență a AI cu șablonul 3. Scrieți în 5-6 propoziții: ce a dezvăluit scanarea, ce pași de verificare ați urmat?

lista de verificare

• [ ] Am verificat independent fiecare constantă, formulă și rezultat din rezultat.
• [ ] Am verificat fiecare citare cu DOI/sursa.
• [ ] Am verificat că nu am introdus date confidențiale/personale în instrument fără aprobare.
• [ ] Am raportat datele așa cum sunt, fără înfrumusețare.
• [ ] Am documentat utilizarea AI într-un mod transparent și reproductibil.
• [ ] Am acceptat că responsabilitatea supremă era a mea; Nu am atribuit nicio defecțiune vehiculului.

Examenul modulului

1. Care dintre următoarele este cea mai precisă poziționare pentru inteligența artificială în fizică?

• A) Inteligența artificială este un asistent de cod, schiță și editare; Responsabilitatea pentru unitate, rang, verificare și decizii etice revine ființei umane ✔
• B) Inteligența artificială este un calculator și rezultatele numerice pe care le oferă sunt întotdeauna exacte
• C) Inteligența artificială funcționează doar în calcul, nu are nimic de-a face cu analiza și predarea experimentelor
• D) Deoarece inteligența artificială este mai imparțială decât oamenii, deciziile privind unitățile și rezultatele ar trebui lăsate în seama ei.

Descriere: Inteligență artificială; Este un asistent care scrie cod, produce schițe, creează și organizează cadre de derivare. Cu toate acestea, responsabilitatea finală pentru verificarea unitară și a ordinii rezultatului, asigurându-l cu legi de conservare, confirmare constantă și de referință revine fizicianului competent. Modelul mare de limbaj nu este un calculator sau un motor de fizică; este un generator de text care produce „următorul cuvânt cel mai probabil”, iar rezultatul său neverificat poate duce la o valoare, design sau rezultat incorect.

2. Care este cea mai precisă aproximare pentru rezultatul numeric al unui cod de calcul pe care îl imprimați într-un model de limbaj mare?

• A) Având încredere în numărul, modelul spune „acest cod dă asta”, pentru că el a scris codul
• B) Rulați singur codul și vedeți rezultatul; ✔ să nu se bazeze pe predicția numerică verbală a modelului
• C) Acceptarea codului ca fiind corect doar privind modul în care este citit, fără a-l rula deloc
• D) Dacă rezultatul este cerut din nou direct modelului și acesta spune același număr, se consideră corect.

Explicație: Un LLM poate „calcula” rezultatul codului pe care l-a scris în cap și poate returna un număr greșit; în timp ce atunci când se rulează același cod, acesta dă rezultatul corect. Ceea ce este determinist este codul care este executat; Nu este o predicție verbală a modelului. Prin urmare, codul ar trebui să fie întotdeauna rulat în propriul mediu și rezultatul ar trebui să fie văzut.

3. Care este cel mai puternic mod de a testa dacă simularea unui sistem dinamic fără frecare reflectă cu acuratețe fizica?

• A) Văzând că graficul arată vizual îngrijit și convingător
• B) Rularea simulării cu un singur pas de timp și încredere în rezultat
• C) Monitorizarea unei cantități care trebuie păstrată, cum ar fi energia totală sau impulsul, și verificarea dacă rămâne constantă ✔
• D) Evaluarea simulării după cât de repede rulează

Explicație: Într-un sistem fără frecare, energia totală (și impulsul, dacă există) trebuie conservate. Monitorizarea acestei marimi pe tot parcursul simulării și a vedea dacă rămâne constantă dezvăluie defecte numerice (de exemplu, metoda primitivă Euler crește constant energia). Dacă energia este în derivă, simularea este nesigură; Doar pentru că produce o grafică frumoasă nu înseamnă că este corectă.

4. Care dintre următoarele este abordarea corectă atunci când se potrivește un model la datele experimentale?

• A) Alegerea polinomului de grad superior care se potrivește cel mai bine datelor deoarece trece prin toate punctele
• B) Oferirea parametrilor ca un singur număr fără ambiguitate
• C) Declararea calității potrivirii pur și simplu privind cât de frumos arată curba.
• D) Selectarea modelului din fizică, raportarea parametrilor cu incertitudinile acestora și evaluarea potrivirii cu reziduurile ✔

Explicație: Modelul ar trebui să fie ales din legea fizică pe care trebuie să o respecte evenimentul, nu privind datele și întrebându-ne „care se potrivește cel mai bine”. Cu suficienți parametri liberi (de exemplu, un polinom de grad înalt) se poate face o potrivire „perfectă”, dar fără sens fizic (supraadaptare) la orice date. Parametrii trebuie raportați cu incertitudinea lor, calitatea potrivirii trebuie evaluată cu reziduuri și ar trebui verificată plauzibilitatea fizică.

5. Repetarea unei măsurători de mai multe ori reduce ce tip de incertitudine?

• A) incertitudine aleatorie; incertitudinea sistematică nu scade odată cu repetarea, cauza trebuie găsită și corectată ✔
• B) Incertitudine sistematică; deoarece elimină eroarea de recalibrare
• C) Elimina complet ambiguitatile
• D) Nu reduce niciuna dintre ele; incertitudinea este independentă de numărul de măsurători

Explicație: Măsurarea repetată reduce incertitudinea aleatorie (cu eroarea standard a mediei std/√N) rezultată din distribuția aleatorie a rezultatelor. Incertitudinea sistematică, pe de altă parte, este o eroare care deviază întotdeauna în aceeași direcție (de exemplu, o balanță calibrată incorect) și nu scade odată cu repetarea; Cu toate acestea, cauza poate fi găsită și corectată. Raportarea unei incertitudini „foarte mici” cu măsurători multiple poate ascunde eroarea sistematică subiacentă.

6. Care este cea mai fiabilă modalitate independentă de a verifica o formulă de propagare a erorilor derivată de AI?

• A) Bazându-te pe formula să pară fluidă și convingătoare
• B) Verificare încrucișată cu un calcul Monte Carlo care prelevează aleatoriu intrările cu incertitudinea lor ✔
• C) Solicitarea aceleiași formule inteligenței artificiale din nou și așteptarea ca aceasta să dea același rezultat
• D) Colectarea directă a incertitudinilor și compararea acestora cu rezultatul

Explicație: AI amestecă adesea coeficienți derivate parțiale și structura rădăcinii pătrate în formulele de propagare a erorilor. O modalitate puternică de a realiza acest lucru în mod independent este verificarea încrucișată Monte Carlo: eșantionarea aleatorie a fiecărei intrări cu incertitudinea sa, calcularea funcției de mii de ori și compararea abaterii standard a ieșirii cu incertitudinea dată de formulă. Intalnirea a doua metode independente creste increderea.

7. Care este diviziunea corectă a muncii între AI și SymPy într-o lungă derivație a fizicii simbolice?

• A) SymPy generează ideea derivării, AI verifică cu precizie fiecare pas
• B) Ambele sunt inutile; derivațiile lungi trebuie făcute numai manual
• C) AI construiește cadrul de derivare, SymPy verifică cu precizie fiecare pas algebric ✔
• D) Inteligența artificială face derivarea singură, nu este nevoie de verificare pentru că arată fluent

Explicație: AI stabilește o strategie de derivare și explică calea, dar în algebra lungă face erori de semn, termeni evadați și simplificări incorecte. SymPy, pe de altă parte, funcționează conform regulilor și verifică cu precizie fiecare pas algebric. Cel mai puternic flux de lucru le combină pe cele două: obțineți scheletul de la AI, furnizați fiecare pas cu SymPy, testați rezultatul cu inversul derivat-integral și cazul limită.

8. Ce spune analiza dimensională despre acuratețea unei formule fizice?

• A) Analiza dimensională demonstrează întotdeauna definitiv că o formulă este corectă
• B) Analiza dimensională nu are valoare practică în fizică
• C) Analiza dimensională oferă doar factorul constant al formulei, nu consistența acesteia
• D) O formulă care nu se menține dimensional este absolut greșită; analiza dimensională prinde eroarea fără a număra numere ✔

Explicație: Cele două părți ale unei ecuații fizice trebuie să fie egale dimensional înainte de a putea fi egale numeric. O formulă care nu se menține dimensional este pur și simplu greșită; aceasta este capturată din calculul numărului. Analiza dimensională nu dovedește în mod concludent că o formulă este corectă (poate lipsi un factor sau unghi constant adimensional), dar demonstrează în mod concludent că este incorectă; deci este primul și cel mai ieftin audit al fiecărui cont.

9. Care este primul pas cel mai critic atunci când se calculează energia cinetică a unui obiect care se deplasează cu 36 km/h?

• A) Conversia tuturor intrărilor într-un singur sistem de unități (SI); Transformarea 36 km/h în 10 m/s ✔
• B) Introducerea vitezei în km/h direct în formulă fără a o converti în m/s
• C) Înmulțirea numai a numerelor fără a lua în considerare unitățile
• D) Presupunând că nu este necesară verificarea comenzii după calcularea rezultatului

Explicație: Formulele bazate pe SI (E = ½mv²) se așteaptă la viteza în m/s. Confundarea km/h cu m sau ore cu secunde într-un calcul este una dintre cele mai frecvente greșeli în fizică. În primul rând, toate intrările trebuie convertite într-un singur sistem de unități (SI): 36 km/h = 10 m/s. Deoarece AI poate face erori silențioase în conversiile de unități compuse, această conversie trebuie verificată manual sau cu un instrument care știe unitatea.

10. Care practică este corectă în ceea ce privește „onestitatea” într-un grafic științific?

• A) Ascunderea incertitudinii, deoarece barele de eroare aglomera diagrama
• B) Etichetați axele cu unități, selectați scara fără distorsiuni și afișați incertitudinea cu bare de eroare ✔
• C) Începeți întotdeauna axa y în intervalul care va arăta cea mai dramatică diferență
• D) Lăsând axele fără unități deoarece cititorul poate ghici unitatea

Descriere: O diagramă științifică sinceră; etichetează axele cu mărimea și unitatea, alege scara în mod conștient și fără distorsiuni (începerea axei y de la zero pentru exagerare este înșelătoare) și face vizibilă incertitudinea de măsurare cu bare de eroare. Ascunderea incertitudinii face ca datele să pară sigure și creează o impresie falsă de părtinire sau acord. Cu cât un grafic este mai convingător, cu atât este mai importantă verificarea integrității.

11. Care este cel mai mare risc și disciplina corectă atunci când obțineți sprijin pentru literatură și citare de la inteligența artificială?

• A) Inteligența artificială pierde timpul pentru că produce citări foarte lent
• B) Sursele sugerate de inteligența artificială sunt întotdeauna reale, nu este nevoie de verificare
• C) Inteligența artificială poate produce atribuții care par reale, dar nu există; Fiecare citare trebuie verificată cu DOI/sursă, iar literatura trebuie găsită din baza de date actuală ✔
• D) Citatele inventate sunt ușor de recunoscut deoarece folosesc întotdeauna nume de reviste ireale

Explicație: Un model de limbă mare nu este conectat la o bază de date reală; Imitând tiparele de citare, poate produce articole care poartă numele real al revistei, autori credibili și un an rezonabil, dar care sunt complet inexistente. Prin urmare, literatura ar trebui să fie găsită din baze de date reale, AI ar trebui să fie folosită doar pentru a rezuma/traduce textul actual la îndemână, iar fiecare citare ar trebui verificată independent prin DOI sau titlu. O citare neverificată este o încălcare a integrității academice.

12. De ce este nevoie pentru a obține rezultate fiabile atunci când AI rezumă un articol?

• A) Este suficient doar să dai titlul articolului, modelul cunoaște conținutul
• B) Folosind rezumatul direct fără a-l verifica deloc, pentru că pare fluid
• C) Cererea modelului pentru același rezumat de două ori și acceptarea lui ca fiind corectă dacă este similară.
• D) Acordarea textului original modelului și compararea rezumatului produs cu textul original pentru a verifica dacă nimic nu a fost adăugat/distorsionat ✔

Explicație: pur și simplu oferind AI titlul unui articol și solicitarea unui rezumat va face ca modelul să vină cu un „rezumat plauzibil” fără a vedea niciodată articolul; Acest rezumat poate fi opusul adevărului. Un rezumat de încredere poate fi obținut numai atunci când textul original este introdus în model și rezumatul generat este comparat cu textul original. În plus, ar trebui să se verifice dacă rezumatul nu adaugă rezultate sau numere care nu sunt în text.

13. Ce este adevărat pentru producția de inteligență artificială în producția de materiale de curs de fizică?

• A) Fiecare soluție ar trebui verificată independent, limitele analogiilor trebuie specificate, iar factorii de distracție ar trebui să vizeze concepții greșite reale ✔
• B) Cheia de răspuns produsă de inteligența artificială este întotdeauna corectă, nu este nevoie de audit
• C) Analogiile sunt perfecte în toate cazurile, nu este nevoie să le precizați limitele.
• D) Distractoarele trebuie alese complet aleatoriu, deoarece natura alegerii incorecte este lipsită de importanță.

Descriere: AI este rapid la generarea de întrebări, exemple și analogii, dar verificarea este esențială în trei puncte: soluția fiecărei probleme trebuie verificată independent (de mână sau cu cod), deoarece modelul poate face erori de semn/unitate în soluție; Fiecare analogie trebuie precizată acolo unde se defectează, altfel va da naștere la o nouă eroare; Distractorii ar trebui să vizeze adevăratele concepții greșite. Responsabilitatea revine profesorului; O cheie de răspuns incorectă lasă elevilor neînțelegeri greu de corectat.

14. Care este comportamentul compatibil cu integritatea științifică atunci când datele experimentale nu sunt pe deplin de acord cu teoria?

• A) Având inteligența artificială, organizează datele pentru a se potrivi teoriei și arată graficul în mod convingător
• B) Investigarea motivelor discrepanței (eroare sistematică, lipsă de model, efect nou) și raportare sinceră fără modificarea datelor ✔
• C) Ignorarea dezacordului și raportarea numai a punctelor care se potrivesc
• D) Ștergerea datelor și ajustarea unui nou rezultat al experimentului

Explicație: A cere AI să „aranjeze datele pentru a se potrivi mai bine cu teoria” este o fraudă a datelor și o încălcare gravă a integrității științifice. Dezacordul este ceva care trebuie investigat, nu ascuns: poate indica o eroare sistematică, o fluctuație statistică, o lipsă de model sau un efect nou interesant. Datele sunt raportate ca atare, cu incertitudine; Responsabilitatea finală revine persoanei și „instrumentul a făcut-o” nu este o apărare.