අවසානයේ සිට අවසානය දක්වා කාර්ය ප්‍රවාහය, පෞද්ගලිකත්වය/KVKK, ආචාර ධර්ම සහ තත්ත්ව පාලනය

ලාභ:

• 'AI නිෂ්පාදනය කරයි → මානව සත්‍යාපනය → මිනිසා අනුමත කරයි' යන චක්‍රය සමඟ සේවාදායකයාගේ ගමන අන්තයේ සිට අවසානය දක්වා ආරක්ෂිතව ක්‍රියාත්මක කිරීමේ හැකියාව.
• KVKK / රහස්‍යභාවයේ විෂය පථය තුළ සේවාදායක දත්ත ආරක්ෂා කිරීමේ හැකියාව සහ සෑම පියවරකටම සදාචාරාත්මක මූලධර්ම හතරක් වියන්න
• ප්‍රධාන ප්‍රශ්න පහක් (ගිණුම, මූලාශ්‍රය, අසාත්මිකතා, නිර්නාමිකභාවය, අනුමැතිය) සමඟ ඔවුන්ගේ ප්‍රතිදානය ස්වයං පරීක්‍ෂා කිරීමෙන් අවසාන වගකීම භාර ගැනීමේ හැකියාව

පෙර ඒකක දහය තුළ, පෝෂණය සහ ආහාර පාලනයේ තනි කාර්යයන් සඳහා AI භාවිතා කරන්නේ කෙසේදැයි අපි දැක ඇත්තෙමු: ගැනීම, ගණනය කිරීම, දත්ත සමුදාය, සැලැස්ම, වට්ටෝරුව, අසාත්මිකතා, ලුහුබැඳීම, අධ්‍යාපනය, සාක්ෂි. මෙම අවසාන ඒකකය ඒ සියල්ල එකට ගෙන එන අතර පෝෂණවේදියෙකු ලෙස ඔබේ දෛනික භාවිතයේදී ආරක්ෂිතව සහ සදාචාරාත්මකව AI අවසානය සිට අවසානය දක්වා ක්‍රියාත්මක කරන්නේ කෙසේදැයි පෙන්වයි. එක් එක් කාර්යය හොඳින් කිරීම ප්රමාණවත් නොවන නිසා; දත්ත යන්නේ කොතැනටද, කුමක් තීරණය කරන්නේ කවුරුන්ද, ඔබ නතර කරන්නේ කොතැනින්ද සහ මානව අනුමැතිය ලබා ගන්නේද - මේ සියල්ලටම ස්ථාවර පද්ධතියක් නිර්මාණය කළ යුතුය. මෙම ඒකකය සම්පූර්ණ මොඩියුලය සම්බන්ධ කරන රතු රේඛා තුන ද පැහැදිලි කරයි: පුද්ගලිකත්වය (KVKK), ආචාර ධර්ම සහ අවසාන මානව කැමැත්ත.

අවසානයේ සිට අවසානය දක්වා සේවාදායක ගමනක්

AI ක්‍රියාත්මක වන සහ මානව අනුමැතිය අත්‍යවශ්‍ය වන ස්ථානවලදී, ආහාරවේදියෙකු වෙත පැමිණීමේ සිට පසු විපරම් කිරීම දක්වා සේවාදායකයෙකුගේ ගමන පහත වගුව සාරාංශ කරයි:

වේදිකාව

AI හි කාර්යය

මානව අනුමැතිය ලක්ෂ්‍යය

1. පිළිගැනීම සඳහා සූදානම් වීම

සම්මුඛ පරීක්ෂණ මාර්ගෝපදේශය, සටහන් සංස්කරණය

ආහාරවේදියෙකු සම්මුඛ පරීක්ෂණය පවත්වයි

2. ඇගයීම

බලශක්ති/සාර්ව ගිණුම් කෙටුම්පත

ආහාරවේදියෙකු නැවත ගණනය කරයි

3. දත්ත සමුදාය

මූලාශ්ර දත්ත සමඟ ගණනය කිරීම

ආහාරවේදියෙකු අගයන් තහවුරු කරයි

4. සැලැස්ම

ආහාර විකල්ප දළ සටහන

Dietitian සමතුලිතතාවය සහ තහවුරු කරයි

5. වට්ටෝරුව

විචලනය, ශෝධනය

පෝෂණ හා රස තහවුරු කිරීම

6. ආරක්ෂාව

අසාත්මිකතා පූර්ව පරීක්ෂාව

පෝෂණවේදියා වාචිකව තහවුරු කරයි

7. ලුහුබැඳීම

ප්‍රවණතා සාරාංශය, පණිවිඩ දළ සටහන

මිනිසුන් තුළ සායනික අර්ථ නිරූපණය සහ සබඳතා

8. අධ්යාපනය

අන්තර්ගත දළ සටහන

විද්‍යාත්මක/ආචාර ධර්ම විගණනය

9. සාක්ෂි

සාරාංශය, විවේචනාත්මක විමසුම

ප්‍රභවය ආහාරවේදියෙකු විසින් තහවුරු කරනු ලැබේ

මෙම ප්‍රස්ථාරයේ ඇති පොදු රටාව බලන්න: AI සෑම අදියරකදීම සැලැස්මක් හෝ මූලික පියවරක් නිෂ්පාදනය කරයි; සෑම අදියරකදීම මානව අනුමත ලක්ෂ්‍යයක් ඇත. පද්ධතිය පදනම් වී ඇත්තේ "AI නිෂ්පාදනය කරයි → මානව සත්‍යාපනය → මානව තහවුරු කරයි" යන චක්‍රය මත ය. මෙම චක්‍රය කැඩී ගියහොත්, ඔබට වේගය වැඩි වන නමුත් ආරක්ෂාව සහ වගවීම අහිමි වේ.

පුද්ගලිකත්වය සහ KVKK: දත්ත ආරක්ෂා කිරීම

සේවාලාභී දත්ත (අනන්‍යතාවය, සෞඛ්‍ය ඉතිහාසය, විශ්ලේෂණය, ඖෂධ, මිනුම්) යනු Türkiye හි KVKK හි විෂය පථය තුළ සහ යුරෝපයේ GDPR හි "විශේෂ කාණ්ඩයේ පුද්ගලික දත්ත" වන අතර ඉහළම ආරක්ෂාව ලැබිය යුතුය. AI මෙවලම් සමඟ වැඩ කිරීමේදී අනුගමනය කළ යුතු මූලධර්ම:

1. නිර්නාමික කරන්න: නම, TR ID, සම්බන්ධතා, ආයතනය, උපන් දිනය වැනි හඳුනාගැනීමේ දත්ත ඉවත් කරන්න. "43 හැවිරිදි කාන්තාවක්, දෙවන වර්ගයේ දියවැඩියාව" ප්රමාණවත්ය.
2. අවම දත්ත: කාර්යය සඳහා අවශ්ය අවම දත්ත බෙදා ගන්න; තවත් බැහැ.
3. ආරක්ෂිත මෙවලමක් තෝරන්න: ආකෘති පුහුණුවේදී දත්ත භාවිතා නොකරන දත්ත සැකසුම් ගිවිසුමක් සහිත ආයතනික මෙවලම් තෝරන්න.
4. පැහැදිලි කැමැත්ත: සේවාදායකයාට ඔහුගේ දත්ත සකසන ආකාරය ගැන දන්වා ඔහුගේ කැමැත්ත ලබා ගන්න.
5. පටිගත කිරීම සහ රඳවා තබා ගැනීම: දත්ත ගබඩා කර ඇති ස්ථානය සහ එයට ප්‍රවේශය ඇත්තේ කාටද යන්න පාලනය කිරීම; අනවශ්‍ය දත්ත මකන්න.

අවධානය: විශ්ලේෂණ PDF හෝ සේවාදායක ගොනුවක් "වේගය සඳහා" නිර්නාමික කිරීමකින් තොරව AI මෙවලමකට උඩුගත කිරීම KVKK උල්ලංඝනයකට හේතු විය හැකි අතර එය එක් ක්ලික් කිරීමකින් පිළියම් කිරීමට අපහසු වේ. වේගය කිසි විටෙකත් පෞද්ගලිකත්වය ප්‍රතික්ෂේප නොකරයි. සැක නම් share කරන්න එපා.

සදාචාරාත්මක රාමුව: මූලධර්ම හතරක්

සෞඛ්‍ය ආචාර ධර්මවල සම්භාව්‍ය මූලධර්ම හතර පෝෂණ පිළිවෙතට ද අදාළ වේ: ප්‍රතිලාභ (සේවාදායකයාගේ යහපැවැත්ම සඳහා වැඩ කිරීම), අනර්ථකාරී බව (විශේෂයෙන් ආරක්‍ෂාව-විවේචනාත්මක තීරණ වලදී), ස්වාධිපත්‍යය (සේවාදායකයාගේම තීරණයට ගරු කිරීම, දැනුවත් කැමැත්ත) සහ යුක්තිය (සම්පත්, අයවැය සහ සංස්කෘතියේ වෙනස්කම් වලට සංවේදී ඇතුළත් සේවාව). AI භාවිතය මෙම මූලධර්මවලට පටහැනි නොවිය යුතුය: සත්‍යාපනය නොකළ ප්‍රතිදානය හානියක් සිදු කළ හැකිය (අනර්ථකාරී නොවන බව උල්ලංඝනය කිරීම), සේවාදායකයාට නොදන්වා දත්ත සැකසීම ස්වාධිපත්‍යය උල්ලංඝනය කරයි, තනි සංස්කෘතියකට අනුව සැලසුම් නිෂ්පාදනය කිරීම යුක්තියට හානි කරයි. ආචාර ධර්ම යනු පසුව එකතු කරන ලද ස්ථරයක් නොව, සෑම පියවරකටම වියන ලද විනයකි.

තත්ත්ව පාලනය: ඔබේම වැඩ පරීක්ෂා කිරීම

අන්තයේ සිට අවසානය දක්වා වැඩ කරන අතරතුර ඔබේම AI භාවිතය නිතිපතා විගණනය කරන්න. සරල ස්වයං-පරීක්ෂාවක්: එක් එක් සේවාදායක මුද්‍රණ පිටපතක් සඳහා, "මම මෙම අංකය සත්‍යාපනය කළාද? මම මෙම අසාත්මිකතා සඳහා තිරගත කළාද? මම මෙම හිමිකම් පෑම සනාථ කළාද? මම මෙම දත්ත නිර්නාමික කළාද? මම මෙම සැලැස්ම අනුමත කළාද?" ඔබට මෙම ප්‍රශ්න පහට "ඔව්" යනුවෙන් පිළිතුරු දිය නොහැකි නම්, ප්‍රතිදානය තවමත් සූදානම් නැත.

කුඩා නඩු තුනක්

නඩුව 1 - දාමයේ දුර්වල සම්බන්ධකය. පෝෂණවේදියෙකු ඉක්මනින් AI සමඟ ඇතුළත් කිරීමේ-ගිණුම්-සැලසුම් දාමය සකසන නමුත් ආරක්ෂිත පියවර මඟ හරියි (අසාත්මිකතා සත්‍යාපනය); මන්ද එය උපකල්පනය කරන්නේ "පෙර පියවර හොඳ නම්, මෙයද හොඳයි" යනුවෙනි. කෙසේ වෙතත්, සේවාදායකයාට තල ආසාත්මිකතාවයක් ඇති අතර සැලසුමේ සෝස් එකක තල අඩංගු විය. දාමයේ එක් සබැඳියක් කැඩී ගියහොත්, සම්පූර්ණ දාමය අනාරක්ෂිත වේ. පාඩම: එක් එක් අදියරෙහි අනුමත ලක්ෂ්යය ස්වාධීන වේ; එකක් අනෙකා ආදේශ නොකරයි.

නඩුව 2 - පෞද්ගලිකත්වය උල්ලංඝනය කිරීමේ දාමය. කාර්යක්‍ෂමතාවය සඳහා, සායනයක් AI මෙවලමකට නම අනුව සියලුම සේවාදායක ගොනු පැටවීමට සහ මහා සැලැස්මක් නිෂ්පාදනය කිරීමට උත්සාහ කරයි. මෙය KVKK උල්ලංඝනය කිරීමක් බව විගණනයකදී අනාවරණය වී ඇති අතර දත්ත ආයතනයෙන් පිටතට ගොස් ඇත. සායනය ක්රියාවලිය නතර කරන අතර නිර්නාමික සහ හැකිලී ගිය ප්රවාහයකට මාරු වේ. පාඩම: කාර්යක්ෂමතාව පුද්ගලිකත්වය ආක්‍රමණයට සමාව නොදේ; මුල සිටම පුද්ගලිකත්වය-ආරක්ෂිත ලෙස පද්ධතිය සකසන්න.

නඩුව 3 - නිවැරදි අවසානය-අවසාන ප්රවාහය. නව සේවාදායකයකු සඳහා, පෝෂණවේදියෙකු: (1) නිර්නාමික දත්ත සමඟ සම්මුඛ පරීක්ෂණ මාර්ගෝපදේශයක් නිෂ්පාදනය කරයි, (2) AI කෙටුම්පත සහ අතින් ගණනය කිරීම සත්‍යාපනය කරයි, (3) USDA වෙතින් පෝෂණ අගයන් පෝෂණය කරයි, (4) විකල්ප සැලැස්ම ලබා ගැනීම සහ සමතුලිත කිරීම, (5) අසාත්මිකතා සඳහා තිර එකින් එක සඳහා, (6) ප්‍රවණතා අනුගමනය කිරීම සඳහා සාරාංශගත අධ්‍යාපනය ලබා දෙයි. එය සෑම පියවරකදීම අනුමත කිරීමේ ලක්ෂ්‍යය අදාළ කරයි, දත්ත නිර්නාමිකව තබා ගනී, සහ සැලැස්මම අනුමත කරයි. ප්‍රතිඵලය: ආරක්‍ෂාව සහ වගවීම අඩාල නොවී, AI සමඟින් ~40% ක කාලයක් ඉතිරි කරයි. පාඩම: පද්ධතිය නිවැරදිව සකසා ඇති විට වේගය සහ ආරක්ෂාව එකට එකතු වේ.

පිටපත් කළ හැකි ක්ෂණික සැකිලි

අවසානය සිට අවසානය දක්වා වැඩ කිරීමේ රාමු සැකිල්ල ඔබේ කාර්යභාරය: පෝෂණවේදියෙකුට කෙටුම්පත සකස් කිරීමේ සහකාර. එක් එක් මුද්‍රණය අවසානයේ "ආහාරවේදී අනුමැතිය අවශ්‍යයි" යන සටහනක් තබා වාචිකව සත්‍යාපනය කළ යුතු කරුණු ලැයිස්තුගත කරන්න (ගිණුම, අසාත්මිකතා, මූලාශ්‍රය). සේවාදායකයා (නිර්නාමික): [...]. ගවේෂණය: [අදියර]. සාදන ලද දත්ත එකතු නොකරන්න; ඔබට විශ්වාස නැති තැන සලකුණු කරන්න.

රහස්‍යතා පූර්ව පරීක්‍ෂණ සැකිලි AI මෙවලමකට ලබා දීමට පෙර පුද්ගලිකත්වය සඳහා පහත පෙළ පරිලෝකනය කරන්න: එහි නම, හැඳුනුම්පත, සම්බන්ධතා, ආයතනය, උපන් දිනය, විශ්ලේෂණ හැඳුනුම්පත වැනි හඳුනාගැනීමේ දත්ත අඩංගු වේද? එසේ නම්, එය සලකුණු කර නිර්නාමික අනුවාදයක් යෝජනා කරන්න. පෙළ: [...]

තත්ත්ව ස්වයං විගණන අච්චුව පහත සේවාදායක මුද්‍රණය සඳහා පිරික්සුම් ලැයිස්තුවක් යොදන්න සහ එක් එක් අයිතමය හමු වූ/අතුරුදහන් ලෙස සලකුණු කරන්න: (1) සත්‍යාපනය කරන ලද ගිණුමයි, (2) මූලාශ්‍රයෙන් පෝෂණ අගයයි, (3) එය අසාත්මිකතා සඳහා පරීක්‍ෂා කර ඇත, (4) දත්ත නිර්නාමිකයි, (5) සෞඛ්‍ය වෛද්‍යවරයාගේ අනුමැතිය තිබේ. කිසියම් අතපසුවීමක් සඳහන් කරන්න. ප්රතිදානය: [...]

සදාචාරාත්මක සමාලෝචන සැකිල්ල පහත දැක්වෙන සැලැස්ම/අන්තර්ගතය සදාචාරාත්මක මූලධර්ම හතර අනුව ගැටලුවක් මතු කරයි: ප්‍රතිලාභ, අනර්ථකාරී නොවන බව, ස්වාධිපත්‍යය (අනුමතය/තොරතුරු), යුක්තිය (අයවැය/සංස්කෘතික ඇතුළත් කිරීම්)? එක් එක් ප්‍රතිපත්තිය කෙටියෙන් තක්සේරු කර වැඩිදියුණු කිරීම් යෝජනා කරන්න. අන්තර්ගතය: [...]

දුර්වල ක්ෂණික / ශක්තිමත් විමසුම

දුර්වල ක්ෂණික:

මම Ayşe මහත්මියගේ විශ්ලේෂණය සහ ගොනුව එකතු කළෙමි, සම්පූර්ණ සැලැස්මක් එළියට එනු ඇත.

නම් කළ දත්ත, එක් පියවරක් තුළ "සම්පූර්ණ සැලැස්ම", අනුමත ලකුණු නොමැත: KVKK උල්ලංඝනය සහ සත්‍යාපනය නොකළ, අනාරක්ෂිත ප්‍රතිදානය යන දෙකෙහිම අවදානම.

බලවත් විමසුම:

ඔබේ භූමිකාව: කෙටුම්පත් සහකාර; අනුමැතිය පෝෂණවේදියා සතු වේ. සේවාලාභියා (නිර්නාමික): 41 හැවිරිදි කාන්තාවක්, 2 දියවැඩියාව, [අදාළ සංඛ්‍යාත්මක අගයන්, නම/අනන්‍යතාවය NONE]. කාර්යය: විකල්ප සමඟ ආහාර සැලැස්ම කෙටුම්පත් කරන්න. එක් එක් ආහාර වේලක් සඳහා ඇස්තමේන්තුගත මැක්‍රෝ සහ "තහවුරු කළ යුතු" සටහනක්. අසාත්මිකතා: තල (කිසිවක් එකතු නොකරන්න). අවසානයේදී, පෝෂණවේදියෙකු විසින් පුද්ගලිකව පරීක්ෂා කළ යුතු කරුණු ලැයිස්තුගත කරන්න. සවි කළ දත්ත එකතු කිරීම.

දෙවන ප්‍රේරකය දත්ත නිර්නාමික කරයි, ප්‍රතිදානය ස්ථීර කරයි, ආරක්ෂක සීමාවන් සහ මුරපොලවල් අඩංගු වේ; රහස්‍යභාවය සහ ගුණාත්මකභාවය යන දෙකම ආරක්ෂා වේ.

පොදු වැරදි

• දාමයේ සබැඳියක් මඟ හැරීම: පෙර පියවර හොඳ නිසා ආරක්‍ෂාව/අනුමත පියවර මඟ හැරීම.
• කාර්යක්ෂමතාව සඳහා පුද්ගලිකත්වය කැප කිරීම: නම් කරන ලද ගොනු තොග වශයෙන් උඩුගත කිරීම — බරපතල KVKK උල්ලංඝනය.
• එක්-වරක් "සම්පූර්ණ සැලැස්මක්" අපේක්ෂා කිරීම: මුරපොලවල් මඟ හරින කළු පෙට්ටි ප්‍රතිදානය මත විශ්වාසය තැබීම.
• පසුව ආචාර ධර්ම ගැන සිතීම: සෑම පියවරකටම ඒවා ගෙතීම වෙනුවට අවසානයේ දී ආචාර ධර්ම මතක තබා ගැනීම.
• ස්වයං-පරීක්ෂා කිරීම මග හැරීම: මූලික ප්‍රශ්න පහට (ගිණුම්/ආසාත්මිකතා/මූලාශ්‍ර/නිර්නාමික/අනුමත) එරෙහිව ප්‍රතිදානය පරීක්ෂා නොකර එය භාවිතා කිරීම.
• කැමැත්ත අමතක කිරීම: සේවාදායකයාට ඔහුගේ දත්ත සැකසෙන ආකාරය ගැන දැනුම් නොදීම.

සාරාංශයකින්

කෘත්‍රිම බුද්ධියට පෝෂණය සහ ආහාර පාලනය අවසානයේ සිට අවසානය දක්වා වේගවත් කළ හැක; නමුත් එය ආරක්ෂිත වනු ඇත්තේ "AI නිෂ්පාදනය කරයි → මානව සත්‍යාපනය කරයි → මානව තහවුරු කරයි" යන චක්‍රය සෑම අදියරකදීම පවත්වාගෙන යන්නේ නම් පමණි. සෑම විටම සේවාදායක දත්ත නිර්නාමික කරන්න, වේගය සඳහා KVKK සහ රහස්‍යභාවය පරිත්‍යාග නොකරන්න, සෑම පියවරකටම ආචාර ධර්ම මූලධර්ම හතර වියන්න, සහ මූලික ප්‍රශ්න පහක් සමඟින් ඔබේ ප්‍රතිදානය ස්වයං-විගණනය කරන්න. දාමයේ සෑම සබැඳියක්ම අනුමත කිරීමේ ස්වාධීන ලක්ෂ්යයකි; ඒවායින් එකක් කැඩී ගිය විට, පද්ධතිය අනාරක්ෂිත වේ. මතක තබා ගන්න: AI ඔබේ වෘත්තිය ශක්තිමත් කරයි, නමුත් එය ප්රතිස්ථාපනය නොකරයි. රෝග විනිශ්චය, ප්‍රතිකාර තීරණය සහ අවසාන සැලැස්ම අනුමත කිරීම - විද්‍යාව, ආචාර ධර්ම සහ අත්සන - පෝෂණවේදියාට අයත් වේ. AI ඔබේ වේගවත් සහායකයා වේ; ඔබ වගකිවයුතු විශේෂඥයා වේ.

යෙදුම් කාර්යය

ආරම්භයේ සිට අවසානය දක්වා කුඩා සේවාදායක ප්‍රවාහයක් සකසන්න: නිර්නාමික පැතිකඩක් තෝරන්න, අනුක්‍රමිකව නිෂ්පාදනය කරන්න (1) සම්මුඛ පරීක්ෂණ මාර්ගෝපදේශය, (2) ගිණුම් දළ සටහන + සත්‍යාපනය, (3) මූලාශ්‍ර දත්ත සහිත ආහාර වේලක්, (4) අසාත්මිකතා පිරික්සීම, (5) පුහුණු පත්‍රිකාවක්. එක් එක් පියවරේදී ඔබ යෙදූ මානව මුරපොල කුමක්ද යන්න ලියන්න. ඉන්පසු සම්පූර්ණ ප්‍රවාහයට "තත්ත්ව ස්වයං විගණන අච්චුව" යොදන්න, කිසියම් හිඩැසක් සොයාගෙන ඒවා නිවැරදි කරන්න. අවසාන වශයෙන්, ඔබගේ දත්ත සැබවින්ම නිර්නාමික බව තහවුරු කිරීමට "පෞද්ගලිකත්ව පූර්ව පරීක්ෂාව" ධාවනය කරන්න.

පිරික්සුම් ලැයිස්තුව

• [ ] මම සෑම අදියරකදීම “AI ජනනය කරයි → සත්‍යාපනය → වලංගු කිරීම” චක්‍රය යෙදුවෙමි.
• [ ] මම සේවාදායක දත්ත නිර්නාමික කළ අතර අවම දත්ත බෙදා ගත්තෙමි.
• [ ] මම ආරක්ෂිත/කොන්ත්රාත් වාහනයක් භාවිතා කළෙමි; මට කැමැත්ත ලැබුණා.
• [ ] මම සදාචාරාත්මක මූලධර්ම හතරක් (ප්‍රතිලාභ, අනර්ථකාරී නොවන, ස්වාධිපත්‍යය, යුක්තිය) නිරීක්ෂණය කළෙමි.
• [ ] මම ප්‍රධාන ප්‍රශ්න පහක් සමඟින් ප්‍රතිදානය ස්වයං පරීක්‍ෂා කළෙමි.
• [ ] ආහාරවේදියෙකු ලෙස, මම අවසාන අනුමැතිය ලබා දුනිමි; මම වගකිව යුතුයි.

මොඩියුල විභාගය

1. පෝෂණවේදියෙකු විසින් කෘතිම බුද්ධිය මගින් ගණනය කරන ලද දෛනික කැලරි ඉලක්කය පරීක්ෂා නොකර සේවාදායකයාගේ සැලැස්මට මාරු කරයි. මෙම ප්රවේශයේ මූලික වැරැද්ද කුමක්ද?

• A) සත්‍යාපනයකින් තොරව කෘතිම බුද්ධි ප්‍රතිදානය භාවිතා කළ නොහැක; ගිණුම් කෙටුම්පත නැවත ගණනය කර පෝෂණවේදියෙකු විසින් අනුමත කළ යුතුය ✔
• B) කෘතිම බුද්ධිය සෑම විටම කැලරි ගණන අවතක්සේරු කරයි
• C) කැලරි ගණනය කිරීම වෙනුවට සාර්ව ගණනය කිරීම පමණක් සිදු කළ යුතුය.
• D) සැලැස්ම විද්‍යුත් තැපෑල වෙනුවට කඩදාසි මත සේවාදායකයාට ලබා දී තිබිය යුතුය.

පැහැදිලි කිරීම: කෘත්‍රිම බුද්ධියට නිවැරදිව ගණනය කිරීමක් කළ හැකි අතර, එය ක්‍රියාකාරකම් සංගුණකය වැනි උපකල්පනයක් වැරදි ලෙස ගෙන එම විශ්වාසය සමඟම වැරදි ප්‍රතිඵල ලබා දිය හැක. ඩයටිටික්ස් යනු ආරක්ෂිත-විවේචනාත්මක ක්ෂේත්රයකි; සෑම ගිණුමක්ම පෝෂණවේදියෙකු විසින් නැවත සත්‍යාපනය කළ යුතු අතර, අවසාන අනුමැතිය මිනිසා සතු විය යුතුය.

2. කෘත්‍රිම බුද්ධි මෙවලමකට සේවාදායක දත්ත මාරු කිරීමේදී පුද්ගලිකත්වය (KVKK) අනුව හොඳම හැසිරීම කුමක්ද?

• A) සේවාදායකයාගේ සම්පූර්ණ නම සහ විශ්ලේෂණ PDF වේගය සඳහා උඩුගත කළ යුතුය.
• B) පුද්ගලිකව හඳුනාගත හැකි තොරතුරු ඉවත් කිරීම සහ දත්ත නිර්නාමික කිරීම මගින් අවශ්‍ය සායනික තොරතුරු පමණක් බෙදා ගත යුතුය ✔
• C) දත්ත සංකේතනය කර ඇත්නම්, නම් තොරතුරු ද යැවිය හැක
• D) අරමුණ හොඳ නිසා සේවාදායකයාගෙන් විමසීමකින් තොරව සම්පූර්ණ ගොනුව බෙදා ගත හැකිය

පැහැදිලි කිරීම: සේවාලාභී සෞඛ්ය දත්ත විශේෂ පුද්ගලික දත්ත වේ. නම, TR ID සහ සම්බන්ධතා තොරතුරු වැනි තොරතුරු හඳුනාගැනීම ඉවත් කර දත්ත නිර්නාමික කළ යුතුය; කාර්යය සඳහා අවශ්ය අවම දත්ත හුවමාරු කළ යුතුය. අමු ගොනුව නමින් උඩුගත කිරීම බරපතල උල්ලංඝනයකි.

3. කෘත්‍රිම බුද්ධිය මගින් 'කාබෝහයිඩ්‍රේට් ග්‍රෑම් 220, ප්‍රෝටීන් ග්‍රෑම් 150, මේදය ග්‍රෑම් 90' 2000 kcal ඉලක්කයක් සඳහා ලබා දේ. ආහාරවේදියෙකු විසින් කළ යුතු පළමු සත්‍යාපනය කුමක්ද?

• A) කෘත්‍රිම බුද්ධිය අංක ගණිතයේ දෝෂ රහිත බැවින් අගයන් එලෙසම පිළිගැනීම
• B) ප්රෝටීන් ප්රමාණය පමණක් පාලනය කිරීම ප්රමාණවත්ය
• C) මුළු ඉලක්කගත කැලරි ප්‍රමාණයට ළඟා වන්නේ දැයි පරීක්ෂා කිරීමට මැක්‍රෝ ග්‍රෑම් නැවත 4/4/9 න් ගුණ කරන්න.
• D) සාර්ව මත පදනම්ව කැලරි ඉලක්කය 2290 දක්වා වැඩි කිරීම

පැහැදිලි කිරීම: මැක්‍රෝස් නැවත 4/4/9 කින් ගුණ කරයි: 220x4 + 150x4 + 90x9 = 880 + 600 + 810 = 2290 kcal. සම්පූර්ණ ඉලක්කය 290 kcal ඉක්මවා යයි; අගයන් නොගැලපේ. පසුපස ගුණ කිරීම යනු AI සාර්ව දෝෂ අල්ලා ගැනීමට ඇති සරලම සහ බලවත්ම ක්‍රමයයි.

4. පෝෂණ අගය දත්තවල කෘත්‍රිම බුද්ධියේ දුර්වලම සහ අවදානම් ලක්ෂ්‍යය කුමක්ද?

• A) කෘතිම බුද්ධිය සෑම විටම මෙට්‍රික් ඒකකවල පෝෂණ අගයන් ලබා දෙයි
• B) කෘත්‍රිම බුද්ධිය දන්නේ එළවළු වල අගය පමණි
• C) කෘත්‍රිම බුද්ධිය මන්දගාමී වන්නේ එය දශම ගණනින් වැඩි පෝෂණ අගයන් ලබා දෙන බැවිනි.
• D) කෘත්‍රිම බුද්ධියට පෝෂණ අගයන් අනුවර්තනය කළ හැකි අතර ඒවා මතකයෙන් නිපදවිය හැක; එබැවින් අගයන් පිළිගත් දත්ත ගබඩාවකින් ගත යුතුය ✔

පැහැදිලි කිරීම: භාෂා ආකෘතියට සංඛ්‍යා මතක නැත, එය සම්භාවිතාවෙන් ඒවා ජනනය කරයි; එමනිසා, එය ආහාරවල ප්‍රෝටීන්/කැලරි අගය චතුර ලෙස නමුත් වැරදි ලෙස (මායාව) ලබා දිය හැක. මේ හේතුව නිසා, පෝෂණ අගයන් ප්‍රසිද්ධ දත්ත සමුදායන්ගෙන් ලබා ගත යුතු අතර, කෘතිම බුද්ධිය ක්‍රියා කළ යුත්තේ එම දත්ත සමඟ පමණි.

5. ආහාර සැලැස්මක් තුළ, කෘතිම බුද්ධිය කැලරි සහ මැක්රෝස් හරියටම තබා ඇත, නමුත් මුළු දවසම සුදු පාන්, පැස්ටා සහ කුකුල් මස් වලින් සමන්විත වේ. මෙහි නැති වී ඇත්තේ කුමක්ද?

• A) එහි මැක්‍රෝස් අඩංගු වුවද, තන්තු, එළවළු සහ ක්ෂුද්‍ර පෝෂකවල සමතුලිතතාවය සාක්ෂාත් කර නොගනී; පෝෂණ විවිධත්වය අනුව සැලැස්ම ප්‍රමාණවත් නොවේ ✔
• B) කැලරි ඉලක්කය ඉතා ඉහළ මට්ටමක තබා ඇත
• C) ප්‍රෝටීන් ප්‍රමාණය වැඩි නිසා ගැටලුවක් ඇත
• D) ආහාර සංඛ්යාව තුනකට වඩා වැඩි විය යුතුය

පැහැදිලි කිරීම: මැක්‍රෝව ඉලක්කයට පහර දීමෙන් සැලැස්ම සෞඛ්‍ය සම්පන්න බව පෙන්නුම් නොකරයි. තන්තු, එළවළු සහ ක්ෂුද්‍ර පෝෂක සමතුලිතතාවය (විටමින්, ඛනිජ ලවණ) ද සැපයිය යුතුය. මෙම සමතුලිත විනිශ්චය ආහාරවේදියාට අයත් වේ; මැක්රෝ නිරවද්යතාව පමණක් ප්රමාණවත් නොවේ.

6. hazelnuts වලට අසාත්මික සේවාදායකයෙකු සඳහා, කෘතිම බුද්ධිය 'ආමන්ඩ් බටර් භාවිතා කරන්න' වැනි ආදේශකයක් යෝජනා කරයි. ආහාරවේදියෙකු මෙම නිර්දේශය අනාරක්ෂිත ලෙස සලකන්නේ ඇයි?

• A) කොට්ටම්බා පේස්ට් හෙසල්නට් පේස්ට් වලට වඩා මිල අධිකයි
• B) ආමන්ඩ්, hazelnuts ලෙස එකම ගස් ගෙඩි අසාත්මිකතා කාණ්ඩයේ විය හැක; එය එකම කණ්ඩායමට අයත් වන බැවින් ආදේශ කිරීම අවදානම් විය හැක ✔
• C) ආමන්ඩ් පේස්ට් වල කැලරි ප්‍රමාණය බෙහෙවින් වැඩි ය
• D) ආමන්ඩ් පේස්ට් තුර්කි ආහාර සඳහා සුදුසු නොවේ.

පැහැදිලි කිරීම: Hazelnuts සහ ආමන්ඩ් එකම 'tree nut' අසාත්මිකතා කාණ්ඩයට අයත් වේ. අසාත්මිකතා කළමනාකරණය කරනු ලබන්නේ කණ්ඩායම් පදනමක් මත මිස තනි ආහාරයක් නොවේ; ආදේශකයා එකම කණ්ඩායමට වැටුණොත් එය අවදානම් සහිතයි. ආහාරවේදියෙකු අසාත්මිකතා කණ්ඩායම දන්නා අතර ආදේශනය හරියටම තහවුරු කරයි.

7. Warfarin (රුධිර තුනී) ගන්නා සේවාදායකයකු සඳහා විටමින් K බහුල කොළ පැහැති කොළ භාවිතා කිරීමේ නිවැරදි ප්‍රවේශය කුමක්ද?

• A) සියලුම කොළ පැහැති ආහාර දැඩි ලෙස තහනම් කළ යුතුය
• B) විටමින් K ආහාරයට ගැනීමට ඉඩ දිය යුතු අතර එය කිසිසේත් සැලකිල්ලට නොගත යුතුය
• C) විටමින් K ලබා ගැනීම ස්ථාවරව තබා ගත යුතු අතර තත්වය වෛද්‍යවරයා සමඟ බෙදා ගත යුතුය ✔
• D) කොළ පැහැති කොළ ආහාරයට ගත යුත්තේ රාත්‍රී ආහාරයේදී පමණි

පැහැදිලි කිරීම: Warfarin භාවිතා කරන්නන් සඳහා, ඉලක්කය විටමින් K සම්පූර්ණයෙන්ම තහනම් කිරීම නොව, ඔවුන්ගේ ආහාර ගැනීම ස්ථාවරව තබා ගැනීමයි; විශාල උච්චාවචනයන් ඖෂධයේ බලපෑමට බාධා කරයි. මෙම 'අස්ථිරව තබාගැනීම' ආකාරයේ බාධාව AI හි නොමැති සායනික සංකීර්ණතාවයක් වන අතර එය වෛද්‍යවරයා සමඟ බෙදා ගනී.

8. සේවාදායකයෙකු සතියක් තුළ කිලෝග්‍රෑම් 1 ක 'වැඩිවීමක්' නිරීක්ෂණය කරන විට නිවැරදි අර්ථ නිරූපණය කළ හැක්කේ කෙසේද?

• A) සැලැස්ම අඩු කැලරි සහිත මුල සිටම වහාම ලිවිය යුතුය
• B) සේවාලාභියා බර කිරා බැලීම නැවැත්විය යුතුය.
• C) සතියක වැඩිවීමක් නිශ්චිත බර වැඩිවීමක් ලෙස සැලකේ.
• D) බහු-සති ප්රවණතා දෙස බැලිය යුතුය, එක් මිනුමක් නොවේ; කෙටි කාලීන උච්චාවචනයන් (ජල රඳවා තබා ගැනීම වැනි) සායනිකව ඇගයීමට ලක් කළ යුතුය ✔

පැහැදිලි කිරීම: තනි මිනුමක් නොමඟ යවන සුළුය; ජලය රඳවා තබා ගැනීම, ඔසප් චක්‍රය සහ ලුණු ආහාරයට ගැනීම වැනි සාධක කෙටි කාලීන උච්චාවචනයන් ඇති කරයි. සැලකිය යුතු දෙය නම් බහු සති ප්‍රවණතාවයයි. මෙම සායනික අර්ථකථනය ආහාරවේදියෙකු විසින් සිදු කරනු ලැබේ; AI දත්ත පමණක් සංවිධානය කරයි.

9. කෘතිම බුද්ධිය සමාජ මාධ්‍ය සටහනක 'ග්‍රීන් ටී මේදය දහනය කරයි සහ පරිවෘත්තීය වේගවත් කරයි' යන වාක්‍යය නිපදවයි. පෝෂණවේදියෙකුගේ සදාචාරාත්මක වගකීම කුමක්ද?

• A) සාක්ෂි මත අතිශයෝක්තියට නැංවූ හිමිකම් පෑම, එය මනින ලද භාෂාවට පරිවර්තනය කිරීම සහ සාමාන්ය තොරතුරු අනතුරු ඇඟවීමක් එකතු කිරීම ✔
• B) අවධානය ආකර්ෂණය වන බැවින් හිමිකම් පෑම ප්‍රකාශයට පත් කිරීම
• C) වාක්‍යය තවදුරටත් ශක්තිමත් කර 'පිළිකාව වළක්වයි' එකතු කරන්න
• D) හරිත තේ ගැන කතා කිරීම තහනම් නිසා අන්තර්ගතය කිසිසේත් ප්‍රකාශයට පත් නොකරන්න

විස්තරය: කෘත්‍රිම බුද්ධිය අතිශයෝක්තියෙන් හා දුර්වල ලෙස ඔප්පු කළ ප්‍රකාශ කිරීමට පෙළඹේ. පෝෂණවේදියා සාක්ෂි මට්ටම අනුව මෙම ප්‍රකාශයන් මධ්‍යස්ථ කළ යුතු අතර, නිශ්චිතභාවයේ සහ ආශ්චර්යයේ භාෂාව ඉවත් කර, 'එය සාමාන්‍ය තොරතුරු වේ' යන අවවාදය එකතු කළ යුතුය. සෞඛ්‍ය හිමිකම් පිළිබඳ අවංකභාවය සදාචාරාත්මක වගකීමකි.

10. පෝෂණවේදියෙක් ඉදිරිපත් කිරීම සඳහා 'අන්තර්වාර නිරාහාරයේ ප්‍රතිලාභ සනාථ කරන අධ්‍යයන 3ක්' සඳහා කෘතිම බුද්ධියෙන් ඉල්ලා සිටී. මෙම ඉල්ලීමේ ප්රධාන අවදානම කුමක්ද?

• A) කෘත්‍රිම බුද්ධිය ඕනෑවට වඩා වැඩ ලබා දෙන අතර ආහාරවේදියෙකු වෙහෙසට පත් කරයි
• B) කෘතිම බුද්ධියට නොපවතින අධ්‍යයන, කතුවරුන් සහ සඟරා සොයා ගත හැකිය; ප්‍රාථමික මූලාශ්‍රයෙන් තහවුරු කිරීමකින් තොරව මූලාශ්‍ර භාවිතා කළ නොහැක ✔
• ඇ) කෘත්‍රිම බුද්ධි අධ්‍යයන ලබා දෙන්නේ ඉංග්‍රීසියෙන් පමණි
• D) ඉදිරිපත් කිරීමක් සඳහා අධ්‍යයන තුනක් සැමවිටම ප්‍රමාණවත් නොවේ

පැහැදිලි කිරීම: භාෂා ආකෘතිවලට ඇත්ත වශයෙන්ම නොපවතින කෘති, කතුවරුන් සහ සඟරා නිර්මාණය කළ හැකිය (මූලාශ්‍ර මායාව). කෘතිම බුද්ධිය සාහිත්‍ය සෙවුම් යන්ත්‍රයක් නොවේ. නිවැරදි මාර්ගය: PubMed/Cochrane වෙතින් සැබෑ මූලාශ්‍ර සොයාගෙන ඒවා AI මගින් සාරාංශ කර ගන්න; සෑම යොමුවක්ම ප්‍රාථමික මූලාශ්‍රයෙන් සත්‍යාපනය කෙරේ.

11. 'උදේ ආහාරය ගන්නා අය කෙට්ටු' බව පෙන්වන නිරීක්ෂණ අධ්‍යයනයකින් 'උදෑසන ආහාරය ඔබේ බර අඩු කරවයි' යන නිගමනය වැරදි ඇයි?

• A) එය අලුත් වැඩි නිසා අධ්‍යයනය තවම වලංගු නැත.
• B) උදෑසන ආහාරය ඇත්ත වශයෙන්ම බර වැඩි කරයි, අධ්යයනය වැරදියි
• C) නිරීක්ෂණ අධ්යයනය පෙන්නුම් කරන්නේ සහසම්බන්ධය පමණි; හේතුව ඔප්පු නොවේ, ආශ්‍රය වෙනත් සාධක නිසා විය හැක ✔
• D) නියැදිය සමන්විත වන්නේ කාන්තාවන් පමණක් බැවින් එය වලංගු නොවේ

පැහැදිලි කිරීම: නිරීක්ෂණ අධ්‍යයනයෙන් පෙන්නුම් කරන්නේ සහසම්බන්ධය (එකට සිදුවීම), හේතු නොවේ (එකක් අනෙකට හේතු වේ). උදෑසන ආහාරය ගන්නා අයට සාමාන්යයෙන් වඩා ක්රියාශීලීව හා නිතිපතා ජීවත් විය හැකිය; සම්බන්ධතාවය වෙනත් සාධක නිසා විය හැකිය. හේතු සාධක සමඟ සහසම්බන්ධය ව්‍යාකූල කිරීම සාමාන්‍ය සාක්ෂි කියවීමේ දෝෂයකි.

12. පැය 24 පෝෂණ මතක් කිරීමේ දී, සේවාදායකයා පවසන්නේ 'දිනකට ගෙඩි මිටක් 2ක්' කියාය. AI එය 'ග්‍රෑම් 60' යැයි උපකල්පනය කරයි. නිවැරදි ප්රවේශය කුමක්ද?

• A) කෘත්‍රිම බුද්ධියේ ග්‍රෑම් 60ක උපකල්පනය ස්ථිර ලෙස සැලකේ
• B) සැලැස්මෙන් ගෙඩි සම්පූර්ණයෙන්ම ඉවත් කර ඇත
• C) ග්රෑම් 100 සාමාන්ය අගයක් ලෙස ගනු ලැබේ
• D) කොටස යනු කෘතිම බුද්ධියේ උපකල්පනයක් නොවේ, එය සේවාදායකයාගෙන් විමසීමෙන් හෝ පරිමාණයකින් එය මැනීමෙන් පැහැදිලි වේ ✔

පැහැදිලි කිරීම: කොටස් ඇස්තමේන්තු පුද්ගලයාගෙන් පුද්ගලයාට බොහෝ සෙයින් වෙනස් වේ; අතලොස්සක් ග්රෑම් 30 ක් හෝ ග්රෑම් 90 ක් විය හැක. AI හි උපකල්පනය ආරම්භක පරාසයක් මිස මිනුමක් නොවේ. සේවාලාභියාගෙන් විමසීමෙන් හෝ මුළුතැන්ගෙයි පරිමාණයක් භාවිතා කිරීමෙන් සැබෑ කොටස පැහැදිලි කළ යුතුය.

13. පෝෂණ දත්ත සමුදායන් සාමාන්‍යයෙන් අමු ග්‍රෑම් 100කට අගයන් ලබා දෙයි. මෙය හේතු විය හැකි දෝෂය කුමක්ද?

• A) පිසූ කොටසට අමු අගය යෙදීම (හෝ අනෙක් අතට) බරපතල කැලරි/සාර්ව දෝෂ හඳුන්වා දිය හැක; මිනුම් ඒකකය පැහැදිලි කළ යුතුය ✔
• B) අමු අගයන් සෑම විටම පිසින ලද අගයන්ට වඩා අඩුය, ගැටළුවක් නැත
• C) දත්ත සමුදායන් පිසූ අගයන් පමණක් ලබා දෙන බැවින් කිසිදු ගැටළුවක් ඇති නොවේ.
• D) අමු/පිසූ වෙනස පෙනෙන්නේ මස් වල මිස ධාන්‍ය වල නොවේ.

විස්තරය: පිසීමේදී ආහාර ජලය අවශෝෂණය කර එහි බර වෙනස් කරයි; කැකුළු සහල් ග්‍රෑම් 100 ක් පිසූ විට ග්‍රෑම් 250-300 දක්වා වැඩිවේ. පිසූ ප්‍රමාණයට (හෝ අනෙක් අතට) අමු අගය යෙදීමෙන් බරපතල කැලරි දෝෂ ඇතිවේ. භාවිතා කරන අගය අමු හෝ පිසිනවාද යන්න සැමවිටම පැහැදිලි කළ යුතුය.

14. මොඩියුලය පුරාවටම අවධාරණය කර ඇති ප්‍රධාන මූලධර්මය ආහාර පාලනයේදී කෘතිම බුද්ධියේ භූමිකාව විස්තර කරන්නේ කෙසේද?

• A) පළපුරුදු පෝෂණවේදීන් වෙනුවට කෘතිම බුද්ධියට තනිවම තීරණ ගත හැකිය
• B) කෘතිම බුද්ධිය සහකාර සහ කෙටුම්පත් උත්පාදක; රෝග විනිශ්චය, ප්‍රතිකාර තීරණය සහ අවසාන අනුමැතිය පෝෂණවේදියෙකු/වෛද්‍යවරයා සතු වේ ✔
• C) කෘත්‍රිම බුද්ධිය භාවිතා කරන්නේ දෘෂ්‍ය නිර්මාණය සඳහා මිස ගණනය කිරීම් සඳහා නොවේ
• D) කෘත්‍රිම බුද්ධි ප්‍රතිදානය තහවුරු කිරීමකින් තොරව පවා ආරක්ෂිත වන්නේ එය විද්‍යාත්මක මූලාශ්‍ර මත පදනම් වූ බැවිනි

විස්තරය: කෘතිම බුද්ධිය සහකාර සහ කෙටුම්පත් උත්පාදක යන්ත්රයක් ලෙස පුනරාවර්තන කාර්යය වේගවත් කරයි, නමුත් එය ආරක්ෂිත-විවේචනාත්මක ප්රදේශයක වැඩ කරන බැවින්, රෝග විනිශ්චය, පෝෂණ චිකිත්සක තීරණය සහ අවසාන සැලැස්ම අනුමත කිරීම දක්ෂ විශේෂඥයා (ආහාර වේදීන් සහ, අවශ්ය විට, වෛද්යවරයා) සතු වේ. සත්‍යාපනය නොකළ ප්‍රතිදානය අත්සන් නොකළ කෙටුම්පතකි.