ඒකක
1. විකිරණවේදය පිළිබඳ කෘතිම බුද්ධිය හැඳින්වීම: භූමිකාවන්, සීමා මායිම්, විකිරණවේදය අනුමත කිරීම සහ ආචාර ධර්ම 2. රූප පූර්ව තක්සේරුව සහ ප්‍රමුඛතාකරණය (ට්‍රයිජ්): හදිසි සොයාගැනීම්වලට ප්‍රමුඛත්වය දීම 3. ව්‍යුහගත වාර්තාකරණය සහ වාර්තා කෙටුම්පත: විකිරණ විද්‍යාඥයා AI කෙටුම්පත සත්‍යාපනය කරයි 4. මිනුම් ස්වයංක්‍රීයකරණය: ගැටිති, තුවාල, පරිමාව සහ ඝනත්වය මැනීම 5. PACS, RIS සහ DICOM කාර්ය ප්‍රවාහය: AI නිවැරදි ස්ථානයට සම්බන්ධ කිරීම 6. ව්‍යාජ සෘණ සහ ව්‍යාජ ධනාත්මක අවදානම්: CAD, සංවේදීතාව සහ ස්වයංක්‍රීය නැඹුරුව 7. මාදිලිය-විශේෂිත කෘතිම බුද්ධිය: පෙනහළු X-ray, CT, MRI, මැමෝග්‍රැෆි සහ ආඝාතය 8. රූපයේ ගුණාත්මකභාවය, ප්‍රොටෝකෝලය සහ මාත්‍රාව ප්‍රශස්තකරණය: වෙඩි තැබීමට පෙර සහ පසු 9. සංසන්දනාත්මක කියවීම සහ පසු විපරම්: පෙර විභාග, වෙනස් කිරීම සහ RECIST 10. දත්ත රහස්‍යතාව, DICOM නිර්නාමිකකරණය, KVKK, ආචාර ධර්ම සහ ආදර්ශ වලංගුකරණය 11. අවසානය සිට අවසානය දක්වා කාර්ය ප්රවාහය, තත්ත්ව කළමනාකරණය සහ ස්වයං-විගණනය
ඒකකය 6 / 11

ව්‍යාජ සෘණ සහ ව්‍යාජ ධනාත්මක අවදානම්: CAD, සංවේදීතාව සහ ස්වයංක්‍රීය නැඹුරුව

ලාභ:

  • විකිරණ විද්‍යාවේ සන්දර්භය තුළ සංවේදීතාව, නිශ්චිතභාවය, ව්‍යාජ සෘණ සහ ව්‍යාජ ධනාත්මක යන සංකල්ප අර්ථකථනය කිරීමට සහ ආකෘතියක ප්‍රමිතික විවේචනාත්මකව කියවීමට ඇති හැකියාව.
  • ස්වයංක්‍රීය නැඹුරුව (කෘතිම බුද්ධිය මත අධික ලෙස රඳා පැවතීම) හඳුනා ගැනීමට හැකි වීම සහ ඊට ප්‍රතිවිරුද්ධව, අනතුරු ඇඟවීමේ තෙහෙට්ටුව, සහ මෙම උගුල් දෙකට එරෙහිව කියවීමේ විනය ආරක්ෂා කිරීම
  • විකිරණ විද්‍යාඥයා විසින් කෘතිම බුද්ධියෙන් සලකුණු නොකළ ප්‍රදේශයක් කියවිය යුතු බවත්, සෘණ AI ප්‍රතිදානයක් රෝග විනිශ්චය සහතික කිරීමක් නොවන බවත් අවබෝධ කර ගැනීම.

විකිරණවේදය AI සඳහා වැදගත්ම සංඛ්‍යා දෙක වන්නේ එය කොපමණ සොයාගැනීම් අල්ලා ගන්නේද සහ එය කොපමණ ව්‍යාජ අනතුරු ඇඟවීම් මතු කරයිද යන්නයි. නිෂ්පාදකයෙකු ඔබට පවසන්නේ නම් "අපගේ ආකෘතිය 96% නිවැරදියි", එය පමණක් කිසිවක් නොකියයි. මක්නිසාද යත් දුර්ලභ සොයාගැනීමක් සඳහා (කියන්න, විභාග 1,000 ක රෝග 10 ක්), කිසිවක් සලකුණු නොකරන ආකෘතියක් පවා "99% නිවැරදි" ලෙස පෙනෙනු ඇත - එය නිරෝගී අය 990 ක් නිවැරදිව හඳුනාගෙන රෝගීන් 10 දෙනෙකුට මග හැරේ. මෙම ඒකකය තුළ, අපි විකිරණවේදයේ තීරණාත්මක මිනුම් දණ්ඩ - සංවේදීතාව, නිශ්චිතභාවය, ව්‍යාජ සෘණ, ව්‍යාජ ධනාත්මක - විශේෂඥයෙකු මෙන් විවේචනාත්මකව කියවන ආකාරය සහ භයානක මිනිස් උගුල් දෙකක් - ස්වයංක්‍රීය නැඹුරුව සහ අනතුරු ඇඟවීමේ තෙහෙට්ටුව හඳුනා ගන්නේ කෙසේදැයි ඉගෙන ගනිමු.

මූලික මූලධර්මය: කෘත්‍රිම බුද්ධියෙන් සලකුණු නොකළ ප්‍රදේශයක් විකිරණවේදියා විසින් ද කියවනු ලැබේ. ඍණාත්මක AI ප්රතිඵලය රෝග විනිශ්චය පිළිබඳ සහතිකයක් නොවේ; ආකෘතිය සොයා ගැනීම මග හැරිය හැක (ව්‍යාජ සෘණාත්මක). මානව නිරීක්‍ෂණයේ මූලික අරමුණ වන්නේ ආකෘතිය ආරක්ෂිතව වැරදි වූ විට නිශ්චිත අවස්ථා ග්‍රහණය කර ගැනීමයි.

ප්‍රවීණයෙකු මෙන් ප්‍රමිතික කියවීම

මූලික සංකල්ප හතරක් පැහැදිලි කරමු. අපි හිතමු අපි විභාග 1000ක නිරූපිකාවක් පරීක්‍ෂා කළා, ඒ අයගෙන් 100කට ඇත්තටම රෝගය තිබුණා කියලා.

  • සත්‍ය ධනාත්මක (TP): ආකෘතිය රෝගියා, සැබවින්ම අසනීප බව සලකුණු කළේය.
  • ව්යාජ සෘණ (FN): ආකෘතිය සලකුණු නොකළ නමුත් රෝගියා අසනීප වේ - මිස්. විකිරණවේදයේ වඩාත්ම භයානක ය.
  • ව්‍යාජ ධනාත්මක (FP): ආකෘතිය සලකුණු කර ඇති නමුත් රෝගියා නිරෝගී ය - ව්‍යාජ අනතුරු ඇඟවීම.
  • සත්‍ය සෘණ (TN): ආකෘතිය සලකුණු කළේ නැත, ඇත්තෙන්ම සෞඛ්‍ය සම්පන්නයි.

මේවායින් මූලික ප්‍රමිතික දෙකක් පැන නගී:

  • සංවේදීතාව = TP / (TP + FN): අපි සැබෑ රෝගීන් කී දෙනෙක් අල්ලා ගත්තාද? අධි සංවේදීතාව යනු අඩු පැහැර ගැනීමයි.
  • විශේෂත්වය = TN / (TN + FP): අපි සෞඛ්‍ය සම්පන්න අයගෙන් කී දෙනෙක් සෞඛ්‍ය සම්පන්න යැයි ගණන් ගත්තද? ඉහළ නිශ්චිතභාවය යනු ව්‍යාජ එලාම් අඩු බවයි.

මෙට්රික්

සූත්රය

එය ඉහළ මට්ටමක පවතින විට

විකිරණ විද්‍යාත්මක වැදගත්කම

සංවේදීතාව

TP/(TP+FN)

ව්‍යාජ සෘණාත්මක කරුණු කිහිපයක්

අතුරුදහන් වීම වළක්වා ගැනීම සඳහා තීරණාත්මක (තිරගත කිරීම, පරීක්ෂාව)

නිශ්චිතභාවය

TN/(TN+FP)

ව්‍යාජ ධනාත්මක කරුණු කිහිපයක්

අනවශ්‍ය විභාග අඩු කරයි

ව්යාජ සෘණ අනුපාතය

FN/(TP+FN)

නරකයි

නිහඬ හානිය; විකිරණවේදියා අල්ලා ගත යුතුය

වැරදි ධනාත්මක පැටවීම

FP ගණන

බර වැඩි වේ

අනතුරු ඇඟවීමේ තෙහෙට්ටුව, මතක තබා ගන්න

"නිරවද්‍යතාවය"

(TP+TN)/මුළු

නොමඟ යවන

දුර්ලභ රෝග වල ඉහළ බව පෙනේ, රැවටෙයි

ආකෘතියකට එළිපත්තක් ඇත (ලකුණු “ධනාත්මක” ලෙස සලකනු ලබන ප්‍රමාණයට වඩා) සහ මෙම සීමාව ප්‍රතිවිරුද්ධ දිශාවලට සංවේදීතාව සහ නිශ්චිතභාවය වෙනස් කරයි: ඔබ එළිපත්ත අඩු කළහොත්, ඔබ වැඩිපුර අල්ලා ගනී (සංවේදීතාව ↑) නමුත් තවත් ව්‍යාජ අනතුරු ඇඟවීම් (විශේෂිතතාව ↓). මෙය ඉංජිනේරුමය පසුබිමක් නොව, සායනික තීරණයක්: අතුරුදහන් වීමේ අධික පිරිවැය, නැතහොත් ව්යාජ අනතුරු ඇඟවීමේ බර? Screening සහ triage හි සාමාන්‍යයෙන් සංවේදීතාවයට ප්‍රමුඛත්වය දෙනු ලැබේ.

අවවාදයයි: කිසි විටෙකත් "95% නිරවද්‍යතාවය" වැනි තනි අංකයක් විශ්වාස නොකරන්න. දුර්ලභ සොයාගැනීම් වලදී, නිරවද්යතාව නොමඟ යවන සුළුය. සංවේදිතාව, නිශ්චිතභාවය, ව්‍යාජ සෘණ අනුපාතය සහ එය මනින ලද ජනගහනය විමසීමෙන් තොරව ආකෘතියක සැබෑ කාර්ය සාධනය දැනගත නොහැක.

මිනිස් උගුල් දෙකක්

ස්වයංක්‍රීය නැඹුරුව: මිනිසුන් ස්වයංක්‍රීය පද්ධතියක ප්‍රතිදානය මත අධික ලෙස රඳා පවතින විට සහ ඔවුන්ගේම ස්වාධීන විනිශ්චය ලිහිල් කරන විට. විකිරණ විද්‍යාඥයා "AI එය සෘණාත්මක බව කීවේ, එබැවින් එය පිරිසිදුයි" යැයි පවසමින් මතුපිටින් රූපය මඟ හැරියහොත්, ආකෘතියට මග හැරුණු සොයා ගැනීම සම්පූර්ණයෙන්ම මඟ හැරෙනු ඇත. ව්‍යාජ නිෂේධනයන් ස්වයංක්‍රීය පක්ෂග්‍රාහීත්වය සමඟ ඒකාබද්ධ වූ විට, මිනිස් පරීක්‍ෂණයේ හේතු ඉවත් වේ.

අනතුරු ඇඟවීමේ තෙහෙට්ටුව: ආකෘතිය ව්‍යාජ ධනාත්මක විශාල සංඛ්‍යාවක් නිපදවීමේ ප්‍රති result ලයක් ලෙස, විකිරණවේදියා කොඩි කෙරෙහි විශ්වාසය නැති කර ගන්නා අතර ඒවා සියල්ලම ප්‍රත්‍යාවර්තීව ඉවත් කිරීමට පටන් ගනී. දහවන ව්‍යාජ අනතුරු ඇඟවීමෙන් පසු සත්‍ය සොයාගැනීමක් ද ඉවත් කළ හැකිය. මෙම උගුල් දෙක ප්‍රතිවිරුද්ධ දිශාවන්හි ඇත, නමුත් ඒවායේ ප්‍රතිඵල එක හා සමාන වේ: සැබෑ සොයා ගැනීමක් නැතිවීම.

මෙම උගුල් දෙකට එරෙහි ප්‍රතිවිරෝධය එක හා සමානයි: AI ප්‍රතිදානය කුමක් පැවසුවත්, විකිරණවේදියා තමාගේම ක්‍රමානුකූල කියවීමක් කරයි. AI එය සලකුණු කළත් නැතත්, සම්පූර්ණ රූපය ස්කෑන් කරනු ලැබේ. AI යනු "දෙවන ඇස"; පළමු ඇස සෑම විටම විකිරණවේදියා වේ.

කුඩා නඩු තුනක්

නඩුව 1 - වැරදි සෘණ + ස්වයංක්රීය නැඹුරුව. පපුවේ රේඩියෝ ග්‍රැෆියක් CAD මගින් වම් ඉහළ කලාපයේ කුඩා ගැටයක් මග හැරේ (ව්‍යාජ සෘණාත්මක). කාර්යබහුල දිනයක, විකිරණවේදියා "CAD පැහැදිලිය" (ස්වයංක්‍රීය නැඹුරුව) සිතමින් රේඩියෝග්‍රැෆ් හරහා වේගයෙන් දිව යයි. ගැටය මාස 8 කට පසු සෙන්ටිමීටර 2 ක ස්කන්ධයක් ලෙස දක්නට ලැබේ. දෝෂ දෙකක් ඒකාබද්ධ විය: ආකෘතිය මඟ හැරී ඇත, මිනිසා පරීක්ෂා නොකළේය. පාඩම: සෘණ CAD තිබියදීත්, ක්රමානුකූලව කියවීම අත්යවශ්ය වේ.

නඩුව 2 - අනතුරු ඇඟවීමේ තෙහෙට්ටුව. pneumothorax ආකෘතියක් සති දෙකක් සඳහා දිනකට සාමාන්‍යයෙන් කොඩි 8 ක් විසි කරයි, එයින් 1-2 ක් පමණක් සැබෑ ය (80% ක් පමණ ව්‍යාජ ධනාත්මක). විකිරණවේදියාට කොඩි පිළිබඳ විශ්වාසය නැති වී යයි. තුන්වන සතියේදී, සැබෑ අග්‍ර නියුමෝතොරැක්ස් ධජයක් ද ප්‍රත්‍යාවර්තව "නැත" ලෙස සම්මත වේ; දිනකට පසු රෝගියා නරක අතට හැරේ. පාඩම: ඉහළ ව්‍යාජ ධනාත්මක අනුපාතයක් සහිත ආකෘති නිරීක්ෂණය කළ යුතුය, එළිපත්ත/ආකෘතිය සමාලෝචනය කළ යුතුය, සහ සෑම ධජයක්ම කෙසේ හෝ තහවුරු කළ යුතුය.

නඩුව 3 - නිවැරදි ශේෂය. ආඝාත මධ්‍යස්ථානයක, මොළයේ CT ට්‍රයිජ් ආකෘතිය ඉහළ සංවේදීතාවයකින් ක්‍රියා කරයි; ව්‍යාජ ධනාත්මක අගයන් ඉහළ මට්ටමක පවතී, නමුත් විකිරණවේදියා තත්පර 60 කින් සෑම ධජයක්ම තහවුරු කරන අතර මිනිත්තු කිහිපයකින් සැබෑ රුධිර වහනය හඳුනා ගනී. කණ්ඩායම සතිපතා ව්‍යාජ ධනාත්මක අනුපාතය නිරීක්ෂණය කරයි, එය 70% ඉක්මවන විට නිෂ්පාදකයා සමඟ එළිපත්ත සමාලෝචනය කරයි. මෙහිදී, ප්‍රමිතික දැනුවත්ව කළමනාකරණය කරන ලදී; ස්වයංක්‍රීය නැඹුරුවක් හෝ අනතුරු ඇඟවීමේ තෙහෙට්ටුවක් පිහිටුවා නැත.

දුර්වල ක්ෂණික / ශක්තිමත් විමසුම

දුර්වල ක්ෂණික:

මෙම ආකෘතිය 97% නිවැරදියි, එය විශ්වාසදායකද?

තනි මෙට්රික් නොමඟ යවන සුළු ය; ජනගහනය, සංවේදීතාව, නිශ්චිතභාවය සහ ව්‍යාජ සෘණාත්මක කරුණු පිළිබඳ ප්‍රශ්න ඇසීමෙන් තොරව පිළිතුරු දිය නොහැක.

බලවත් විමසුම:

ඔබේ භූමිකාව: AI ආකෘතියක කාර්ය සාධන මිතික විවේචනාත්මකව කියවීමට මට උදවු කරන්න. තීරණ ගැනීම; මා ඇසිය යුතු ප්‍රශ්න මොනවාද සහ පිළිතුරුවලින් අදහස් කරන්නේ කුමක්ද යන්න පැහැදිලි කරන්න. මම ඔබට ආකෘතියක හිමිකම් දෙන්නම්. සලකා බලන්න: (1) ලබා දී ඇති ප්‍රමිතික මොනවාද සහ අස්ථානගත වී ඇති (සංවේදීතාව, නිශ්චිතභාවය, ව්‍යාජ සෘණ අනුපාතය, ජනගහනය, උපාංගය), (2) “නිරවද්‍යතාව” පමණක් නොමඟ යවන සුළුද, (3) මෙම ආකෘතිය පරීක්ෂා කිරීම/පරීක්ෂා කිරීම හෝ රෝග විනිශ්චය සඳහා භාවිතා කිරීම සුදුසුද යන්න. අවසාන තීරණය විකිරණවේදියා/ආයතනය සතුය. හිමිකම් පෑම: "97% නිරවද්‍යතාවයකින් රෝගීන් 1200ක් තුළ ආදර්ශය පරීක්ෂා කර ඇත."

ප්‍රබල ඉල්ලුම අතුරුදහන් වූ ප්‍රමිතික ප්‍රශ්න කරන අතර තනි අංක මත යැපීම බිඳ දමයි.

පිටපත් කළ හැකි ක්ෂණික සැකිලි

මෙට්‍රික් විවේචනාත්මක කියවීමේ අච්චුව ඔබේ කාර්යභාරය: උදව්. මම ඔබට නිරූපිකාවකගේ කාර්ය සාධන හිමිකම් කියන්නම්. නැතිවූ ප්‍රමිතික (සංවේදීතාව, විශේෂත්වය, ව්‍යාජ සෘණ අනුපාතය, පරීක්ෂණ ජනගහනය, උපාංගය/ප්‍රොටෝකෝලය) සහ තනි අංකයක් (නිරවද්‍යතාව) නොමඟ යවන ස්ථාන ලැයිස්තුගත කරන්න. ආකෘතිය භාවිතා කිරීමට සුදුසු වන්නේ කුමන කාර්යයක් සඳහාද (ට්‍රයිජ්/ස්ක්‍රීනින්/රෝග විනිශ්චය-සහාය) සාකච්ඡා කරන්න. තීරණය ආයතනයේ ඇත. හිමිකම් පෑම: [ලියන්න]

THRESHOLD BALANCE DESCRIPTION TEMPLATEI මඟින් ඔබට ආකෘතියක එළිපත්ත ඉහළ නැංවීමේ/පහළ කිරීමේ අවස්ථාවක් ලබා දෙනු ඇත. සංවේදීතාව, නිශ්චිතභාවය, ව්‍යාජ සෘණාත්මක සහ ව්‍යාජ ධනාත්මක මත එක් එක් අවස්ථාවෙහි බලපෑම විස්තර කර එහි සායනික ප්‍රතිඵලය (මිස් එදිරිව අනවශ්‍ය නැවත කැඳවීම) ලියන්න. තීරණය සායනික / ආයතනික වේ. පිටපත: [ලියන්න]

ස්වයංක්‍රීය BIAS ස්වයං විගණන අච්චුව ස්වයංක්‍රීය නැඹුරුවට එරෙහිව මගේ කියවීමේ විනය ආරක්ෂා කරන පිරික්සුම් ලැයිස්තුවක් මට නිෂ්පාදනය කරන්න: සෘණ AI ප්‍රතිදානයක් සමඟ පවා මා ගත යුතු පියවර මොනවාද, ක්‍රමානුකූල පරිලෝකනය පවත්වා ගන්නේ කෙසේද, AI "බෙදාහැරීමේ මෙවලමක්" වෙනුවට "සහායක" ලෙස තබා ගන්නේ කෙසේද.

අනතුරු ඇඟවීමේ තෙහෙට්ටුව අධීක්ෂණ සැකිල්ල ඔබට සතිපතා කොඩි ගණන් සහ සැබෑ ධන අංක ලබා දෙනු ඇත. ව්‍යාජ ධනාත්මක අනුපාතය ගණනය කරන්න, අනතුරු ඇඟවීමේ තෙහෙට්ටුවේ අවදානම තක්සේරු කරන්න, සහ එළිපත්ත/ආකෘතිය සංශෝධනය කිරීමට මා පියවර ගත යුත්තේ කුමන එළිපත්තකදීදැයි යෝජනා කරන්න. සෑම ධජයක්ම තවමත් තහවුරු කළ යුතු මූලධර්මය මට මතක් කරන්න. දත්ත: [ලියන්න]

පොදු වැරදි

  • තනි "සත්‍ය" අංකය මත විශ්වාසය තැබීම. දුර්ලභ සොයාගැනීම ද නොමඟ යවන සුළු ය; සංවේදීතාව සහ නිශ්චිතභාවය එකට ඇසිය යුතුය.
  • සෘණ AI ප්‍රතිදානය රෝග විනිශ්චය සහතිකයක් ලෙස සැලකීම. ආකෘතිය එය මග හැරිය හැක; ක්රමානුකූලව කියවීම අනිවාර්ය වේ.
  • ස්වයංක්‍රීය නැඹුරුවකට වැටීම. AI මත අධික ලෙස රඳා පැවතීම ස්වාධීන විනිශ්චය යටපත් කරයි.
  • අනතුරු ඇඟවීමේ තෙහෙට්ටුව නොසලකා හැරීම. ඉහළ ව්යාජ ධනාත්මක කරුණු නිරීක්ෂණය කළ යුතුය; සෑම ධජයක්ම තවමත් තහවුරු කළ යුතුය.
  • "තාක්ෂණික සැකසුම" සඳහා එළිපත්ත වැරදියි. එළිපත්ත සායනික සමතුලිතතාවයකි; විකිරණ විද්‍යාඥයා/ආයතනය අතපසුවීම් සහ ව්‍යාජ එලාම්වල පිරිවැය කිරා මැන බලයි.
ඉඟිය: ඔබ වෙනුවෙන් රීතියක් සාදන්න: "AI කුමක් කීවත්, මම සම්පූර්ණ රූපය කියෙව්වා." මෙම තනි රීතිය එකවර ස්වයංක්‍රීය නැඹුරුව (සෘණ මත ලිහිල් නොකිරීම) සහ අනතුරු ඇඟවීමේ තෙහෙට්ටුව (ධනාත්මකව ප්‍රත්‍යාවර්තකව ඉවත් නොකිරීම) යන දෙකම සීමා කරයි.

සාරාංශයකින්

විකිරණවේද ආකෘතියක් ඇගයීම තනි "නිරවද්‍යතා" අංකයක් දෙස බැලීම නොවේ. සංවේදීතාව (මිස් නැති), විශේෂත්වය (ව්‍යාජ අනතුරු ඇඟවීම් නැත), ව්‍යාජ සෘණ අනුපාතය සහ පරීක්ෂණ ජනගහනය එකට කියවිය යුතුය; එළිපත්ත තේරීම සායනික සමතුලිතතාවයකි. මිනිස් උගුල් දෙක - AI පිළිබඳ අධික විශ්වාසය (ස්වයංක්‍රීය නැඹුරුව) සහ ව්‍යාජ එලාම් වලට හුරුවීම සහ ධජය ඉවත් කිරීම (එලාම් තෙහෙට්ටුව) - ප්‍රතිවිරුද්ධ දිශාවලට ගිය නමුත් සැබෑ සොයාගැනීමක් මග හැර එකම ප්‍රතිඵලයකින් අවසන් වේ. ඇත්තේ එක් ප්‍රතිවිරෝධයක් පමණි: AI කුමක් පැවසුවද, විකිරණවේදියා තමාගේම ක්‍රමානුකූල කියවීමක් කරයි. සෘණ AI සහතිකයක් නොවේ, නමුත් උපරිම වශයෙන් උපකාරක සංඥාවක්; සලකුණු නොකළ ප්රදේශය ද කියවිය යුතුය.

යෙදුම් කාර්යය

ඔබ සතුව ඇති ආකෘතියක (හෝ නියැදියක) ප්‍රවර්ධන පෙළ ගන්න. "Metrics Critical Reading" අච්චුව සමඟින්, කුමන ප්‍රමිතික සපයා තිබේද, කුමන ප්‍රමිතික අස්ථානගත වී ඇත්ද සහ ආකෘතිය භාවිතා කිරීමට සුදුසු කාර්යය කුමක්ද යන්න තක්සේරු කරන්න. ඉන්පසු සතියක් ඇතුළත ට්‍රයිජ් කොඩිය කොපමණ වාර ගණනක් සත්‍ය වේද යන්න නිරීක්ෂණය කිරීමට සරල ප්‍රස්ථාරයක් සැලසුම් කරන්න; ව්‍යාජ ධනාත්මක අනුපාතය ඔබ විසින් සකසා ඇති සීමාව ඉක්මවා ගියහොත් ඔබ ගන්නා ක්‍රියාමාර්ගය ලියන්න (උදාහරණයක් ලෙස, 70%). අවසාන වශයෙන්, “ස්වයංක්‍රීය පක්ෂග්‍රාහී ස්වයං විගණන” ලැයිස්තුව ඔබේම කියවීමේ පුරුද්දට අනුගත කරන්න.

පිරික්සුම් ලැයිස්තුව

  • [ ] මම තනි "නිරවද්‍යතා" අංකය මත විශ්වාසය තැබුවේ නැත; මම සංවේදීතාව සහ නිශ්චිතභාවය ගැන ඇසුවෙමි.
  • [ ] මම ව්‍යාජ සෘණ අනුපාතය සහ පරීක්ෂණ ජනගහනය ඉගෙන ගත්තා.
  • [ ] සෘණාත්මක AI ප්‍රතිදානය තිබියදීත්, මම මගේ ක්‍රමානුකූල කියවීම සිදු කළෙමි.
  • [ ] මම AI (ස්වයංක්‍රීය නැඹුරුවට එදිරිව) ගැන ඕනෑවට වඩා විශ්වාස නොකළෙමි.
  • [ ] මම අසත්‍ය ධනාත්මක දෑ සඳහා නැරඹුවෙමි; මම සෑම ධජයක්ම තහවුරු කළෙමි (දැඩි තෙහෙට්ටුවට එරෙහිව).
  • [ ] එළිපත්ත තේරීම සායනික ශේෂයක් බව මම සැලකිල්ලට ගත්තෙමි.
  • [ ] මම "AI කුමක් කීවත් මම සම්පූර්ණ රූපය කියෙව්වා" යන රීතිය අනුගමනය කළෙමි.