Udanganyifu, Maadili, Usiri na Uadilifu wa Kisayansi

Faida:

• Uwezo wa kutambua fomu za uwongo katika fizikia (bandia mara kwa mara, sheria bandia, kosa la kitengo, matokeo mabaya, maelezo ya uwongo) na uwashike kwa njia inayofaa.
• Uwezo wa kulinda data ambayo haijachapishwa, ya siri na ya kibinafsi kwa kutokutambulisha na kupunguza kwa kutoiingiza kwenye zana zisizoidhinishwa.
• Kuwa na uwezo wa kuelewa kwamba jukumu la mwisho ni la wanadamu kwa kuripoti data kwa uaminifu, bila kuipamba, na kuweka kumbukumbu kwa uwazi matumizi ya akili ya bandia.

Katika sehemu hii yote, tulishughulikia nidhamu sawa katika kila kitengo: akili ya bandia (AI) huharakisha, wanadamu huthibitisha. Katika kitengo hiki cha mwisho, tunaleta pamoja mazoezi haya yote ya uthibitishaji chini ya mwavuli wa uadilifu wa kisayansi, thamani ya kimsingi zaidi ya sayansi ya kimwili. Fizikia ni harakati ya kutoa maarifa yanayoweza kuthibitishwa kuhusu maumbile; Katika moyo wa jitihada hii ni uadilifu, kurudia na uwajibikaji. AI inaweza kutumika kuimarisha maadili haya - lakini inapotumiwa vibaya, inatishia zote. Katika kitengo hiki, tutajadili aina halisi za uzushi, uwajibikaji wa data na faragha, mipaka ya kimaadili, na kwa nini jukumu kuu daima linabaki kwa wanadamu.

Aina za hallucination katika fizikia

Hallucination - Uzalishaji wa uhakika wa AI wa habari za uwongo - huchukua aina za kipekee na hatari katika fizikia. Kutambua haya ni hatua ya kwanza ya kukamata:

aina ya hallucination

mfano

Mbinu ya kunasa

Kuweka fasta/data

Msongamano wa nyenzo usio sahihi

Uthibitisho na kumbukumbu ya kuaminika

Fomula/sheria potofu

Jina la "kanuni" ambalo halipo

Utoaji wa kitabu cha kiada/SymPy

Hitilafu ya kitengo/agizo

kukosea eV kwa J

Uchambuzi wa dimensional, udhibiti wa kitengo

Matokeo ya nambari yasiyo sahihi

Toleo la msimbo lisilofaa

Endesha msimbo

maelezo ya apokrifa

makala haipo

Uthibitishaji na DOI

Matokeo yaliyoripotiwa vibaya

Upotoshaji wa makala halisi

Soma chanzo asili

Thread ya kawaida ni hii: mtindo mkubwa wa lugha umeundwa sio kusema ukweli, lakini kuzalisha "maandishi yanayowezekana". Katika fizikia, tofauti kati ya "inaonekana kuwa inawezekana" na "kweli" ndiyo sababu hasa ya kuwepo kwa sayansi.

Data, faragha na dhima ya uvumbuzi

Wanafizikia mara nyingi hufanya kazi na data nyeti: data ya majaribio ambayo haijachapishwa, miundo ya hataza ya awali, vipimo vya siri kutoka kwa ushirikiano wa viwanda, utafiti unaohusisha data ya afya ya kibinafsi au usalama. Kuingiza data kama hiyo kwenye zana ya jumla ya AI kunaweza kuifanya ipatikane na wahusika wengine na ikiwezekana data ya mafunzo ya kielelezo—ambayo inaweza kumaanisha ukiukaji wa usiri na upotevu wa kipaumbele cha kisayansi (haki ya kuwa wa kwanza kufanya ugunduzi). Sheria iko wazi: usiingize data ambayo haijachapishwa, ya siri au ya kibinafsi kwenye zana ya AI ambayo shirika lako halijaidhinisha. Ikiwa utaingia, usijulishe, punguza (toa tu kile kinachohitajika) na usome masharti ya data ya chombo.

Tahadhari: Kuingiza vipimo ambavyo havijachapishwa vya maabara au vigezo vya usanifu vya siri vya kampuni kwenye zana ya AI "kwa uchambuzi wa haraka" inaweza kuwa kosa lisiloweza kutenduliwa. Baada ya data kushirikiwa, haiwezi kukumbukwa. Ikiwa una shaka, usiingie data; Fafanua sera ya taasisi yako na masharti ya faragha ya zana kwanza.

Mipaka ya kimaadili na uadilifu wa kisayansi

Matumizi yanaweza kuwa yanawezekana kitaalam na hata kisheria, lakini bado yasiwe ya kimaadili. Kuna mistari kadhaa nyekundu katika fizikia inayohusu uadilifu wa kisayansi:

Utengenezaji au urembo wa data. Kuuliza AI "kutoa pointi zinazofaa zaidi mavuno" au "kufanya grafu ionekane ya kushawishi zaidi" ni ulaghai wa data. Data inaripotiwa kama ilivyo; Wauzaji wa nje huondolewa tu kwa sababu iliyoandikwa, halali.

Uwazi wa mchango. Iwapo umetumia AI katika utafiti - uandishi wa msimbo, urekebishaji wa lugha, uchanganuzi - ni sawa kuliweka wazi hilo mahali panapofaa. Majarida na taasisi nyingi zinahitaji hii.

Uandishi na wajibu. AI sio mwandishi; hawezi kuwajibika kwa maudhui ya kazi. Jukumu daima liko kwa waandishi wa kibinadamu. Hitilafu iliyotolewa na AI haiwezi kutetewa kwa kusema "gari lilitengeneza".

Uzalishaji tena. Matokeo ya kisayansi yanahitaji mbinu (ikiwa ni pamoja na msimbo uliotumika, vigezo, vidokezo vya AI) kuandikwa kwa uwazi ili wengine waweze kuiiga.

kesi tatu ndogo

Kesi ya 1 - Uvujaji wa data ya siri. Mtafiti mmoja alibandika data ya kipimo kutoka kwa makubaliano ya kutofichua na kampuni kwenye zana ya kawaida ya AI "kwa grafu ya haraka." Baadaye aligundua kuwa chombo hiki kinaweza kuhifadhi pembejeo. Ukiukaji wa mkataba na uwezekano wa kupoteza kipaumbele umetokea. Somo: data ya siri haiingizwi kwenye zana ambayo haijaidhinishwa.

Kesi ya 2 - Chapisho la urembo. Mwanafunzi mmoja aliuliza AI\uhariri ambayo "itafanya data ionekane karibu na nadharia" kwa sababu data ya majaribio haikulingana na nadharia kikamilifu. Mshauri wake aliona hili na kumzuia: tofauti ilimaanisha ama kosa la utaratibu katika jaribio au fizikia mpya ya kuvutia-jambo la kuchunguzwa, sio kufichwa. Data iliripotiwa kwa uaminifu na hitilafu ya utaratibu ilipatikana.

Kesi ya 3 - Imepata uwazi. Timu moja iliandika msimbo wa uchambuzi wa data kwa karatasi kwa usaidizi wa AI na ilisema hili wazi katika sehemu ya mbinu; alishiriki msimbo na vidokezo kama faili za ziada. Mwamuzi alikagua kanuni na kupendekeza marekebisho madogo. Uwazi ulipata hitilafu kabla ya kuchapishwa na kuongeza uaminifu wa utafiti.

Violezo vinne vinavyoweza kunakiliwa

1) Uchunguzi wa hallucination:

Changanua pato lifuatalo la fizikia ili uone vionjo: je, kuna viingilio vya uwongo, fomula/majina ya sheria bandia, makosa ya kitengo/agizo, matokeo ya nambari ambayo hayajathibitishwa, na sifa ambazo hazijathibitishwa? Alamisha kila kitu kinachotiliwa shaka na ubainishe jinsi ya kukithibitisha (rejelea, msimbo, DOI). Pato: [hapa]

2) Angalia mapema faragha ya data:

Tathmini data/maandishi yafuatayo kabla ya kuiingiza kwenye zana ya AI: je, ina taarifa ambayo haijachapishwa, ya siri, ya kibinafsi au iliyolindwa kimkataba? Ikiwa ndivyo, pendekeza jinsi ninavyoweza kulificha au kulipunguza. Ikiwa huna uhakika, sema "angalia sera ya shirika". Maudhui: [hapa]

3) Rasimu ya taarifa ya uwazi/mchango:

Katika utafiti mmoja, nilitumia AI kwa: [coding / kusahihisha lugha / uchambuzi, nk]. Andika rasimu fupi ya "AI use statement" ambayo inaandika hii kwa uaminifu. Inapaswa pia kuonyesha ni sehemu gani ambazo zimethibitishwa na wanadamu.

4) Kuhakikisha uadilifu wa kisayansi:

Fanya ukaguzi wa uadilifu kwa uchanganuzi/tokeo lifuatalo: data iliyoripotiwa kama (hakuna urembo), ni kutokuwa na uhakika kumeripotiwa, je, njia hiyo imerekodiwa kwa njia ya kunakiliwa, je, matumizi ya AI ni ya uwazi? Orodhesha mapungufu yoyote. Maudhui: [hapa]

Mwongozo dhaifu / Mwongozo thabiti

Dhaifu: "Hariri mavuno ili kuendana vyema na nadharia na kufanya grafu ishawishike."

Matokeo: Udanganyifu wa data; Ukiukaji wa moja kwa moja wa uadilifu wa kisayansi, upotezaji usioweza kurekebishwa wa sifa.

Nguvu: "Mazao hayakubaliani kikamilifu na nadharia. Nisaidie kuchanganua sababu zinazowezekana za hitilafu hii (hitilafu ya kimfumo, mabadiliko ya takwimu, muundo unaokosekana, au athari mpya); pendekeza jinsi ya kuripoti hitilafu kwa uaminifu bila kubadilisha data."

Matokeo: Njia ya uaminifu, uchunguzi na uaminifu kwa uadilifu wa kisayansi; Migogoro inakuwa fursa ya ugunduzi.

Makosa ya kawaida

• Kuchanganya mawazo na kujiamini. Kwa sababu tu AI inazungumza kwa ujasiri sio dhamana ya usahihi; Hata sentensi sahihi zaidi inaweza kutengenezwa.
• Kuingiza data ya siri kwenye gari bila idhini. Baada ya kushirikiwa, data haiwezi kurejeshwa; Kipaumbele na usiri hupotea.
• Data ya urembo. Kubadilisha data kuwa "nadharia inayofaa" ni moja ya uhalifu mbaya zaidi wa kisayansi.
• Kuficha matumizi ya AI. Uwazi ni hitaji la uaminifu na ni lazima katika taasisi nyingi.
• Kuweka jukumu kwenye gari. "AI ilifanya hivyo" sio utetezi; Jukumu la mwisho daima liko kwa mwanadamu.

Kidokezo: Mwishoni mwa kila utafiti unaoendeshwa na AI, jiulize maswali matatu: (1) Je, kila ukweli, nambari, na maelezo katika matokeo haya yamethibitishwa kivyake? (2) Je, data niliyotumia ilikuwa na maelezo ya siri/ya kibinafsi ambayo sikupaswa kuingiza? (3) Je! nimeandika utumiaji na mbinu yangu ya AI kwa uwazi vya kutosha ili mtu mwingine aweze kuiiga? Ikiwa huwezi kujibu "ndiyo" wazi kwa maswali haya matatu, utafiti bado haujakamilika.

Kwa muhtasari

Uadilifu wa kisayansi ndio msingi wa uwepo wa fizikia na ni muhimu zaidi katika enzi ya AI. Hallucination inaonekana katika fizikia kwa namna ya mara kwa mara ya uongo, sheria za uongo, makosa ya kitengo, hitimisho la uongo na marejeleo ya uongo; kila moja inanaswa kwa mbinu yake ya kipekee ya uthibitishaji. Data ya siri na ya kibinafsi haijaingizwa kwenye zana zisizoidhinishwa; data haijapambwa kamwe; Matumizi ya AI yameandikwa kwa uwazi; na jukumu la mwisho daima liko kwa mwanadamu. Kuna nidhamu moja tu unayojifunza katika moduli hii yote: AI ni kiongeza kasi chenye nguvu, lakini uthibitishaji, uadilifu na uwajibikaji uko kwenye mabega ya mwanafizikia stadi - yaani, wewe. Toleo la AI ambalo halijathibitishwa kamwe si mbadala wa uthibitisho wa mwanafizikia.

Jukumu la maombi

Chagua pato la AI (akaunti, uchanganuzi, au maandishi) uliyotoa katika moduli hii. 1. skrini ya maonyesho yenye kiolezo: je, kuna viingilio vya dummy, fomula potofu, hitilafu za kitengo, au sifa ambazo hazijathibitishwa? Ukitumia kiolezo cha 2, tathmini ikiwa data unayotumia ni rafiki wa faragha. Hatimaye, andika taarifa fupi ya matumizi/uwazi ya AI yenye kiolezo cha 3. Andika katika sentensi 5-6: uchunguzi ulionyesha nini, ulichukua hatua gani za uthibitishaji?

orodha ya ukaguzi

• [ ] Nilithibitisha kwa kujitegemea kila mara kwa mara, fomula, na kusababisha matokeo.
• [ ] Nimethibitisha kila nukuu kwa DOI/chanzo.
• [ ] Nimekagua kuwa sijaingiza data ya siri/ya kibinafsi kwenye zana bila idhini.
• [ ] Niliripoti data jinsi ilivyo, bila kupambwa.
• [ ] Nimeandika matumizi yangu ya AI kwa njia ya uwazi na inayozalishwa tena.
• [ ] Nilikubali kwamba jukumu la mwisho lilikuwa langu; Sikuhusisha kosa lolote la gari.

Mtihani wa Moduli

1. Ni ipi kati ya zifuatazo ni nafasi sahihi zaidi ya akili ya bandia katika fizikia?

• A) Akili bandia ni kanuni, rasimu na msaidizi wa uhariri; Wajibu wa kitengo, cheo, uthibitishaji na maamuzi ya kimaadili ni ya mwanadamu ✔
• B) Akili ya Bandia ni kikokotoo na matokeo ya nambari inayotoa huwa sahihi kila wakati
• C) Akili ya bandia hufanya kazi tu katika hesabu, haina uhusiano wowote na uchambuzi wa majaribio na ufundishaji.
• D) Kwa kuwa akili ya bandia haina upendeleo zaidi kuliko wanadamu, maamuzi ya kitengo na matokeo yanapaswa kuachwa yenyewe.

Maelezo: Akili ya bandia; Ni msaidizi ambaye anaandika msimbo, hutoa rasimu, huunda na kupanga mifumo ya derivation. Walakini, jukumu la mwisho la uthibitishaji wa kitengo na agizo la matokeo, kuhakikisha kwa sheria za uhifadhi, uthibitisho wa mara kwa mara na wa kumbukumbu ni wa mwanafizikia anayefaa. Mfano wa lugha kubwa sio injini ya kikokotoo au fizikia; ni jenereta ya maandishi ambayo hutoa 'neno linalofuata linalowezekana zaidi' na matokeo yake ambayo hayajathibitishwa yanaweza kusababisha thamani, muundo au matokeo yasiyo sahihi.

2. Ni ukadiriaji gani sahihi zaidi wa matokeo ya nambari ya msimbo wa hesabu unaochapisha katika muundo mkubwa wa lugha?

• A) Kuamini nambari ambayo mtindo anasema 'msimbo huu unatoa hiyo', kwa sababu aliandika msimbo
• B) Endesha msimbo mwenyewe na uone matokeo; ✔ bila kutegemea utabiri wa nambari wa maneno wa mtindo
• C) Kukubali msimbo kuwa sahihi kwa kuangalia tu jinsi inavyosomwa, bila kuiendesha hata kidogo
• D) Ikiwa matokeo yanaulizwa moja kwa moja kwa mfano tena na inaelezea nambari sawa, inachukuliwa kuwa sahihi.

Maelezo: LLM inaweza 'kukokotoa' matokeo ya msimbo alioandika kichwani mwake na kurudisha nambari isiyo sahihi; ambapo nambari hiyo hiyo inapoendeshwa inatoa matokeo sahihi. Kinachoamua ni kanuni ambayo inatekelezwa; Sio utabiri wa maneno wa mfano. Kwa hivyo, nambari inapaswa kuendeshwa kila wakati katika mazingira yako mwenyewe na matokeo yanapaswa kuonekana.

3. Ni ipi njia yenye nguvu zaidi ya kupima ikiwa uigaji wa mfumo unaobadilika usio na msuguano unaonyesha kwa usahihi fizikia?

• A) Kuona kwamba chati inaonekana nadhifu na yenye kusadikisha
• B) Kuendesha simulation kwa hatua moja tu na kuamini matokeo
• C) Kufuatilia kiasi kinachohitaji kuhifadhiwa, kama vile nishati kamili au kasi, na kuangalia kama kinaendelea kudumu ✔
• D) Kutathmini uigaji kwa jinsi inavyofanya kazi haraka

Maelezo: Katika mfumo usio na msuguano, jumla ya nishati (na kasi, ikiwa ipo) lazima ihifadhiwe. Kufuatilia ukubwa huu kote katika uigaji na kuona kama utaendelea kudumu hufichua dosari za nambari (k.m. mbinu ya awali ya Euler kuongeza nishati kila mara). Ikiwa nishati inateleza, simulation haiwezi kutegemewa; Kwa sababu tu hutoa mchoro mzuri haimaanishi kuwa ni sawa.

4. Ni ipi kati ya zifuatazo ni mbinu sahihi wakati wa kufaa mfano kwa data ya majaribio?

• A) Kuchagua digrii ya juu ya polynomial ambayo inafaa zaidi data kwa sababu inapitia pointi zote
• B) Kutoa vigezo kama nambari moja bila utata
• C) Kutangaza ubora wa kufaa kwa kuangalia tu jinsi mkunjo unavyoonekana.
• D) Kuchagua mfano kutoka kwa fizikia, kuripoti vigezo na kutokuwa na uhakika na kutathmini kufaa na mabaki ✔

Maelezo: Muundo unapaswa kuchaguliwa kutoka kwa sheria ya asili ambayo tukio lazima litii, sio kwa kuangalia data na kujiuliza 'ni ipi inafaa zaidi'. Kwa vigezo vya kutosha vya bure (k.m. polynomial ya shahada ya juu) 'kamili' lakini kufaa kabisa (overfit) kunaweza kufanywa kwa data yoyote. Vigezo vinapaswa kuripotiwa pamoja na kutokuwa na uhakika, ubora wa kufaa unapaswa kutathminiwa na mabaki, na usaidizi wa kimwili unapaswa kuangaliwa.

5. Kurudia kipimo mara nyingi kunapunguza aina gani ya kutokuwa na uhakika?

• A) Kutokuwa na uhakika kwa nasibu; kutokuwa na uhakika kwa utaratibu haupunguzi kwa kurudia, sababu lazima ipatikane na kusahihishwa ✔
• B) Kutokuwa na uhakika kwa utaratibu; kwa sababu huondoa makosa ya urekebishaji
• C) Huondoa kabisa utata zote mbili
• D) Haipunguzi yoyote kati yao; kutokuwa na uhakika ni huru na idadi ya vipimo

Ufafanuzi: Kipimo kinachorudiwa hupunguza kutokuwa na uhakika nasibu (pamoja na hitilafu ya kawaida ya wastani std/√N) inayotokana na usambazaji nasibu wa matokeo. Kutokuwa na uhakika wa kimfumo, kwa upande mwingine, ni kosa ambalo kila wakati hupotoka kwa mwelekeo sawa (kwa mfano, usawa uliowekwa vibaya) na haipunguzi kwa kurudia; Walakini, sababu inaweza kupatikana na kusahihishwa. Kuripoti kutokuwa na uhakika 'ndogo sana' kwa vipimo vingi kunaweza kuficha hitilafu ya kimfumo.

6. Ni ipi njia huru inayotegemewa zaidi ya kuthibitisha fomula ya uenezi wa makosa inayotokana na AI?

• A) Kutegemea fomula kuonekana kuwa ya maji na ya kushawishi
• B) Kukagua kwa hesabu ya Monte Carlo ambayo hutoa sampuli nasibu za pembejeo na kutokuwa na uhakika ✔
• C) Kuuliza fomula sawa kwa akili ya bandia tena na kutarajia kutoa matokeo sawa
• D) Kukusanya kutokuwa na uhakika moja kwa moja na kulinganisha na matokeo

Ufafanuzi: AI mara nyingi huchanganya mgawo wa sehemu ya derivative na muundo wa mizizi ya mraba katika fomula za uenezi wa makosa. Njia thabiti ya kufikia hili kwa kujitegemea ni kukagua mtambuka kwa Monte Carlo: kuchukua sampuli nasibu kila ingizo na kutokuwa na uhakika wake, kukokotoa utendakazi maelfu ya mara, na kulinganisha mkengeuko wa kawaida wa matokeo na kutokuwa na uhakika uliotolewa na fomula. Mkutano wa njia mbili za kujitegemea huongeza kujiamini.

7. Ni mgawanyiko gani sahihi wa leba kati ya AI na SymPy katika utohozi mrefu wa fizikia ya mfano?

• A) SymPy hutoa wazo la derivation, AI inathibitisha kila hatua kwa usahihi.
• B) Zote mbili sio lazima; derivations ndefu lazima zifanyike kwa mikono tu
• C) AI huunda mfumo wa derivation, SymPy inathibitisha kwa usahihi kila hatua ya aljebra ✔
• D) Akili ya Bandia hufanya derivation yenyewe, hakuna haja ya uthibitishaji kwa sababu inaonekana kwa ufasaha.

Ufafanuzi: AI huweka mikakati ya kupata na kueleza njia, lakini katika aljebra ndefu hufanya makosa ya ishara, maneno yaliyoepukika, na kurahisisha zisizo sahihi. SymPy, kwa upande mwingine, hufanya kazi kulingana na sheria na inathibitisha kwa usahihi kila hatua ya aljebra. Mtiririko wa kazi wenye nguvu zaidi unachanganya hizi mbili: pata kiunzi kutoka kwa AI, chanzo kila hatua na SymPy, jaribu matokeo na inverse ya derivative-integral na kesi ya mpaka.

8. Uchambuzi wa dimensional unaambia nini kuhusu usahihi wa fomula ya kimwili?

• A) Uchanganuzi wa vipimo kila mara huthibitisha kwa uhakika kwamba fomula ni sahihi
• B) Uchanganuzi wa vipimo hauna thamani ya vitendo katika fizikia
• C) Uchambuzi wa vipimo unatoa tu sababu ya mara kwa mara ya fomula, sio uthabiti wake
• D) Fomula isiyo na kipimo ni mbaya kabisa; uchanganuzi wa vipimo hupata makosa bila kuhesabu nambari ✔

Ufafanuzi: Pande mbili za mlingano halisi lazima ziwe sawa kiidadi kabla ya kuwa sawa kiidadi. Fomula isiyo na kipimo ni mbaya tu; hii inachukuliwa kutoka kwa hesabu ya hesabu. Uchanganuzi wa vipimo hauthibitishi kabisa kwamba fomula ni sahihi (inaweza kukosa kipengele au pembe isiyo na kipimo), lakini inathibitisha kwa uthabiti kwamba si sahihi; kwa hivyo ni ukaguzi wa kwanza na wa bei nafuu wa kila akaunti.

9. Ni hatua gani muhimu zaidi ya kwanza wakati wa kuhesabu nishati ya kinetic ya kitu kinachosafiri kwa kilomita 36 kwa saa?

• A) Kubadilisha pembejeo zote kuwa mfumo mmoja wa vitengo (SI); Kubadilisha 36 km/h hadi 10 m/s ✔
• B) Kuweka kasi katika km/h moja kwa moja kwenye formula bila kuibadilisha kuwa m/s
• C) Kuzidisha nambari tu bila kuzingatia vitengo
• D) Kwa kudhani kuwa hakuna haja ya kuangalia agizo baada ya kuhesabu matokeo

Maelezo: Fomula za msingi za SI (E = ½mv²) zinatarajia kasi katika m/s. Kuchanganya km/h na m au saa na sekunde katika hesabu ni mojawapo ya makosa ya kawaida katika fizikia. Kwanza pembejeo zote lazima zibadilishwe kuwa mfumo mmoja wa vitengo (SI): 36 km/h = 10 m/s. Kwa kuwa AI inaweza kufanya makosa ya kimya katika ubadilishaji wa vitengo vya mchanganyiko, ubadilishaji huu lazima uthibitishwe mwenyewe au kwa zana ya kufahamu kitengo.

10. Ni mazoezi gani ambayo ni sahihi katika suala la 'uaminifu' katika grafu ya kisayansi?

• A) Kuficha kutokuwa na uhakika kwa sababu pau za makosa hukusanya chati
• B) Weka alama kwenye shoka kwa vitengo, chagua kipimo bila kupotosha, na uonyeshe kutokuwa na uhakika na pau za makosa ✔
• C) Anzisha mhimili wa y kila wakati katika safu ambayo itaonyesha tofauti kubwa zaidi
• D) Kuacha shoka bila vitengo kwa sababu msomaji anaweza kukisia kitengo

Maelezo: Chati ya kisayansi ya uaminifu; inaweka alama za shoka kwa ukubwa na kitengo, huchagua mizani kwa uangalifu na bila kuvuruga (kuanzisha mhimili wa y kutoka sifuri kwa maana kutia chumvi ni kupotosha), na hufanya kutokuwa na uhakika kwa kipimo kuonekana kwa pau za makosa. Kuficha kutokuwa na uhakika hufanya data ionekane kuwa ya hakika na huzua taswira ya uwongo ya upendeleo au makubaliano. Kadiri mchoro unavyoshawishi, ndivyo ukaguzi wa uadilifu unavyokuwa muhimu zaidi.

11. Ni hatari gani kubwa na nidhamu sahihi wakati wa kupata usaidizi wa fasihi na manukuu kutoka kwa akili ya bandia?

• A) Akili Bandia hupoteza wakati kwa sababu hutoa nukuu polepole sana
• B) Vyanzo vilivyopendekezwa na akili ya bandia daima ni halisi, hakuna haja ya uthibitishaji
• C) Akili bandia inaweza kutoa sifa zinazoonekana kuwa halisi lakini hazipo; Kila nukuu lazima idhibitishwe na DOI/chanzo na fasihi lazima ipatikane kutoka kwa hifadhidata halisi ✔
• D) Manukuu yaliyotungwa yanatambulika kwa urahisi kwa sababu daima hutumia majina yasiyo halisi ya jarida

Maelezo: Muundo mkubwa wa lugha haujaunganishwa kwenye hifadhidata halisi; Kwa kuiga ruwaza za manukuu, inaweza kutoa makala ambayo yana jina halisi la jarida, waandishi wa kuaminika, na mwaka unaofaa lakini hayapo kabisa. Kwa hivyo, fasihi inapaswa kupatikana kutoka kwa hifadhidata halisi, AI inapaswa kutumika tu kufupisha/kutafsiri maandishi halisi yaliyopo, na kila nukuu inapaswa kuthibitishwa kwa kujitegemea na DOI au kichwa. Nukuu ambayo haijathibitishwa ni ukiukaji wa uadilifu wa kitaaluma.

12. Je, inachukua nini ili kupata matokeo ya kuaminika wakati AI ifanye muhtasari wa makala?

• A) Kutoa tu kichwa cha makala inatosha, modeli anajua yaliyomo
• B) Kutumia muhtasari moja kwa moja bila kuuangalia kabisa, kwa sababu unaonekana kuwa wa maji
• C) Kuuliza mfano kwa muhtasari sawa mara mbili na kuukubali kuwa sahihi ikiwa ni sawa.
• D) Kutoa maandishi asilia kwa kielelezo na kulinganisha muhtasari uliotolewa na maandishi asilia ili kuhakikisha kuwa hakuna kilichoongezwa/kupotoshwa ✔

Ufafanuzi: Kuipa tu AI kichwa cha makala na kuomba muhtasari kutasababisha kielelezo kuja na 'muhtasari unaokubalika' bila kuona makala; Muhtasari huu unaweza kuwa kinyume cha ukweli. Muhtasari wa kutegemewa unaweza kupatikana tu wakati maandishi asilia yanapotolewa kwa muundo na muhtasari uliotolewa unalinganishwa na maandishi asilia. Zaidi ya hayo, inapaswa kuchunguzwa kuwa muhtasari hauongezi matokeo au nambari ambazo hazipo kwenye maandishi.

13. Ni nini ni kweli kwa matokeo ya akili ya bandia katika utengenezaji wa nyenzo za kozi ya fizikia?

• A) Kila suluhisho linapaswa kuthibitishwa kivyake, mipaka ya mlinganisho inapaswa kubainishwa, na vipotoshi vilenge dhana potofu ✔
• B) Ufunguo wa jibu unaozalishwa na akili ya bandia daima ni sahihi, hakuna haja ya ukaguzi
• C) Analogi ni kamili katika matukio yote, hakuna haja ya kutaja mipaka yao.
• D) Vipotoshi vinapaswa kuchaguliwa kwa nasibu kabisa, kwa sababu asili ya chaguo sahihi sio muhimu.

Maelezo: AI ni haraka katika kuzalisha maswali, mifano, na analogies, lakini kuangalia ni muhimu kwa pointi tatu: ufumbuzi wa kila tatizo lazima uthibitishwe kwa kujitegemea (kwa mkono au kwa kanuni), kwa sababu mfano unaweza kufanya makosa ya ishara / kitengo katika suluhisho; Kila mlinganisho lazima ielezwe pale inapovunjika, vinginevyo itatoa kosa jipya; Wapotoshaji wanapaswa kulenga imani potofu za kweli. Jukumu liko kwa mwalimu; Ufunguo wa jibu usio sahihi huwaacha wanafunzi na kutoelewana ambayo ni vigumu kusahihisha.

14. Ni tabia gani inayolingana na uadilifu wa kisayansi wakati data ya majaribio haikubaliani kikamilifu na nadharia?

• A) Kuwa na akili ya bandia panga data ili kuendana na nadharia na kuonyesha grafu kwa uthabiti.
• B) Kuchunguza sababu za kutofautiana (kosa la utaratibu, ukosefu wa mfano, athari mpya) na kuripoti kwa uaminifu bila kubadilisha data ✔
• C) Kupuuza kutokubaliana na kuripoti pointi zinazofaa tu
• D) Kufuta data na kuweka matokeo mapya ya jaribio

Maelezo: Kuuliza AI 'kupanga data ili kupatana zaidi na nadharia' ni ulaghai wa data na ukiukaji mkubwa wa uadilifu wa kisayansi. Kutokubaliana ni jambo la kuchunguzwa, si kufichwa: kunaweza kuonyesha hitilafu ya kimfumo, mabadiliko ya takwimu, ukosefu wa muundo, au athari mpya ya kuvutia. Data inaripotiwa kama ilivyo, bila uhakika; Wajibu wa mwisho ni wa mtu na 'chombo kilifanya hivyo' sio utetezi.