Faida:
- Kuwa na uwezo wa kutofautisha ambapo akili ya bandia huokoa muda halisi na ufahamu katika mtiririko wa kazi ya dietetics, na ambapo maamuzi muhimu ya usalama (uchunguzi, tiba ya lishe, idhini ya mwisho) huachwa kwa mtaalamu wa lishe na daktari, kulingana na kiwango cha hatari ya kazi.
- Uwezo wa kutumia nidhamu ambayo huthibitisha kila pato la AI kupitia hatua za kuiunganisha na chanzo, kuikokotoa upya, na kuipitisha kupitia uchujaji wa kimatibabu.
- Kuficha data ya mteja ndani ya wigo wa KVKK/faragha na kupata tabia ya kuchagua gari salama.
Maamuzi mengi hujilimbikiza kwenye dawati la mtaalamu wa lishe kila siku: kuhesabu mahitaji ya kila siku ya nishati ya mteja, kuweka menyu salama kwa mtu aliye na mzio, kutafsiri matokeo ya mtihani wa damu katika lugha ya lishe, kuelezea habari sawa kwa mwenzake na mteja. Baadhi ya kazi hii ni ya kujirudia-rudia na kuchukua muda; Baadhi yao ni maamuzi ambayo yanaathiri afya moja kwa moja na ambayo ukiukwaji wa makosa unapaswa kuwa karibu na sifuri. Akili Bandia (AI kwa ufupi, au AI kwa ufupi - mifumo ya kompyuta ambayo inaweza kutoa maandishi, kufanya hesabu, na kufupisha kama wanadamu) inafaa katikati ya picha hii: inapotumiwa kwa usahihi, huongeza kasi ya kazi zinazorudiwa na kukupa nafasi ya kufikiria; Inapotumiwa vibaya, inaweza kuleta matokeo yanayoonekana kuwa salama lakini yasiyo sahihi kwenye sahani ya mteja.
Sehemu ya kwanza ya moduli hii sio utangulizi wa gari. Kusudi lake ni kufafanua mahali pa kuweka AI katika taaluma yako na wapi usiiweke kabisa. Kwa sababu dietetics ni sehemu ya "usalama-muhimu": maelezo unayotoa yanahusu kimetaboliki ya mtu, mwingiliano wa madawa ya kulevya, majibu ya mzio. Hebu turudie kanuni ya msingi hapa: Akili Bandia ni msaidizi, si mtaalamu wa lishe. Uamuzi wa tiba ya lishe, tafsiri ya uchunguzi na uidhinishaji wa mpango wa mwisho ni wa mtaalamu aliyehitimu—yaani, wewe.
Majukumu halisi ya mtaalam wa lishe na mahali pa AI
Tunaweza takriban kugawanya kazi ya mtaalamu wa lishe katika vikundi vitano: (1) uajiri wa mteja na ukusanyaji wa historia, (2) tathmini na hesabu (nishati, jumla, lishe ndogo), (3) uundaji wa mpango (mlo, menyu, mapishi), (4) elimu ya mteja na ufuatiliaji, (5) kurekodi, kuripoti na ufuatiliaji wa ushahidi. AI inaweza kugusa makundi haya yote, lakini si kwa mamlaka sawa.
Kwa "macro" tunamaanisha macronutrients: wanga, protini na mafuta - virutubisho vitatu kuu ambavyo mwili unahitaji kwa kiasi kikubwa kwa nishati na vitalu vya ujenzi. "Micro" ni mambo ambayo yanahitajika kwa kiasi kidogo, kama vile vitamini na madini. AI inaweza kubainisha uchanganuzi mkuu wa mteja kulingana na kalori wanazolenga katika sekunde. Lakini ni wewe tu unajua ikiwa rasimu hiyo inafaa kwa kazi ya figo ya mteja, dawa, na tabia za kitamaduni za ulaji.
Jedwali lifuatalo linatoa muhtasari wa jukumu na kiwango cha hatari cha AI kwa misheni:
Jitihada
Jukumu la AI
Kiwango cha hatari
Nani anaidhinisha
Kuzalisha wazo la chakula/aina ya mapishi
Kasi, jenereta ya wazo
chini
mtaalamu wa lishe
Muhtasari wa kuhesabu makro/kalori
Rasimu ya akaunti, imeangaliwa
kati
Mtaalamu wa lishe (anahesabu upya)
Kuandika maandishi ya mafunzo ya mteja
Huandika rasimu, hurahisisha
kati
Dietitian (usahihi wa kisayansi)
Uchujaji wa vizuizi vya mzio/matibabu
Uchunguzi wa awali sio neno la mwisho
juu
Dietitian (ukweli wa neno moja)
Tafsiri ya uchambuzi / utambuzi
haina msaada
juu sana
Tabibu + dietitian
Uamuzi wa mwingiliano wa dawa na chakula
haina msaada
juu sana
Mganga/mfamasia
Kumbuka mstari mmoja katika chati hii: hatari inapoongezeka, jukumu la AI hupungua, idhini ya binadamu inakua.
Kwa nini "uthibitishaji" ndio kiini cha biashara hii
Miundo ya lugha ya akili bandia inaonekana kujiamini katika jibu lao, lakini huenda haina uhakika. Katika lugha ya kiufundi, hii inaitwa hallucination: ni uzushi wa mfano wa habari zisizopo katika sentensi fasaha, kana kwamba ni kweli. Kwa mtaalamu wa lishe, hii ni mtego mbaya: mfano unaweza kukuambia "gramu 100 za mlozi zina gramu 21 za protini" (ambayo ni karibu na kweli), lakini pia inaweza kukuambia kwa ujasiri sawa kwamba "gramu 100 za broccoli ina gramu 12 za protini" (ambayo si sahihi, ni kweli ~ gramu 2.8). Kwa kuwa anasema yote mawili kwa ufasaha sawa, kitu pekee kinachotenganisha mema na mabaya ni ujuzi wako na tabia ya kuthibitisha.
Nidhamu ya uthibitishaji ina hatua tatu:
- Unganisha hadi chanzo: Kwa data ya nambari kama vile thamani ya lishe, tegemea hifadhidata ya lishe inayotambulika (k.m. USDA FoodData Central au TÜBER/Türkiye Lishe majedwali yaliyoambatishwa), si kumbukumbu ya AI. Tumia AI kutafsiri data hii, sio kuikumbuka.
- Kokotoa upya: Thibitisha kila matokeo ya kalori/jumla ambayo AI hurejesha angalau mara moja, wewe mwenyewe au kwa kikokotoo kinachotegemewa. Hasa angalia ikiwa jumla zinalingana.
- Kichujio cha kimatibabu: Chunguza ikiwa matokeo yanakinzana na hali ya matibabu ya mteja, dawa na mapendeleo.
Makini: Kunakili jedwali la thamani ya lishe linalotolewa na AI kwa mpango wa mteja bila kuthibitisha chanzo chake ni kama kutoa maagizo ambayo hayajasainiwa kwa mujibu wa wajibu wako wa kitaaluma. Nambari sio sahihi kwa sababu tu ilitoka kwa ufasaha.
Usiri: data ya mteja ni takatifu
Data ya mteja (uzito, historia ya ugonjwa, matokeo ya majaribio, dawa) ni data maalum ya kibinafsi na inalindwa chini ya KVKK (Sheria ya Kulinda Data ya Kibinafsi) nchini Türkiye na GDPR barani Ulaya. Ni ukiukaji mkubwa kubandika jina la mteja, nambari ya kitambulisho cha TR na utambuzi kwenye zana ya AI. Sheria ni rahisi: ficha data. Badala ya "Ayşe Yılmaz, umri wa miaka 43, aina ya kisukari cha 2", andika "mteja wa kike mwenye umri wa miaka 43, aina ya kisukari cha 2"; Ondoa jina, maelezo ya mawasiliano, jina la taasisi. Ikiwezekana, chagua zana zilizo na makubaliano ya ushirika na usindikaji wa data; Hakikisha data yako haitumiki katika mafunzo ya mfano.
kesi tatu ndogo
Kesi 1 - Matumizi salama. Mtaalamu wa lishe anauliza AI kwa mawazo 5 tofauti ya kifungua kinywa chenye protini nyingi kwa mteja wa kilo 70, mwanamichezo anayefanya kazi. AI inazalisha mawazo 5; Mtaalamu wa lishe huchagua 3 kati yao, anahesabu tena sehemu kulingana na lengo lake kuu, na anathibitisha maadili ya lishe dhidi ya hifadhidata ya USDA. Muda: Dakika 3 badala ya dakika 10. AI alitoa wazo, uamuzi ulibaki kwa mtaalamu wa lishe.
Kesi ya 2 - Mtego wa akaunti ambao haujathibitishwa. Mtaalamu mwingine wa lishe ana AI kukokotoa mahitaji ya kila siku ya mteja na kutoa mpango unaosababisha wa kcal 1,850 kama ulivyo. Lakini AI ilichukua mgawo wa shughuli ya mteja vibaya, na hitaji halisi lilikuwa ~ 2,300 kcal. Mteja ana utapiamlo kwa wiki na anarudi na malalamiko ya udhaifu. Kosa si la AI, bali ni mtaalamu wa lishe ambaye aliruka uthibitishaji.
Kesi ya 3 - Uvunjaji wa usiri. Mwanafunzi anapakia jina kamili la mteja na uchanganuzi wa PDF kwenye zana ya AI na kusema "maoni." Data ilienda kwa seva ya nje. Taasisi hiyo inakabiliwa na uchunguzi wa KVKK. Njia sahihi ilikuwa kuficha utambulisho wa data na kushiriki tu nambari za nambari, bila kujulikana.
Violezo vya haraka vinavyoweza kunakiliwa
Mifumo ifuatayo ni mifumo ya kianzilishi inayoweka AI katika jukumu salama la "msaidizi". Jaza mabano kwa mteja wako binafsi na uhakikishe kuwa data haijatambulishwa.
KIOLEZO CHA MAELEZO YA WAJIBU NA MIPAKA Jukumu lako: RASIMU ya kuandaa msaidizi kwa mtaalamu wa lishe. Wewe si mtaalamu wa vyakula; kufanya uchunguzi, kutoa ushauri wa matibabu. Daktari wa lishe hutoa uamuzi na idhini ya mwisho. Ikiwa huna uhakika, itie alama kama "[acha mtaalamu wa lishe athibitishe]", usiifanye. Kazi: [andika kazi].
KIOLEZO CHA OMBI LA KUTHIBITISHABaada ya kutoa matokeo yafuatayo, orodha tofauti inaonekana kama orodha tofauti ya pointi ambazo mtaalamu wa lishe anapaswa kukagua BINAFSI: ni nambari gani zinapaswa kuhesabiwa upya, ni thamani gani ya lishe inapaswa kuthibitishwa kutoka kwa chanzo, ni kivimbe/kizuizi kipi kinapaswa kuchunguzwa. Pato: [...]
VIOLEZO VYA ANGALIO LA KUTOJITAMBUAChanganua maandishi yafuatayo kwa faragha kabla ya kuyapatia zana ya AI: je, kuna data yoyote ya kutambua kama vile jina, TR ID, mawasiliano, taasisi, tarehe ya kuzaliwa? Weka alama kama inapatikana na upendekeze toleo lisilojulikana. Maandishi: [...]
UUNGANISHAJI WA RASILIMALI KUTENGENEZA maadili kutoka kwa kumbukumbu yako mwenyewe kwa data ya nambari kama vile thamani ya lishe. Tumia tu data ya hifadhidata inayojulikana niliyokupa; Ikiwa sivyo, andika "[hakuna data, acha mtaalamu wa lishe aangalie chanzo]". Kazi: [...]
Mwongozo dhaifu / Mwongozo thabiti
Wacha tuombe kazi sawa kwa njia mbili tofauti:
Agizo dhaifu:
Agiza chakula kwa mteja huyu.
Tamaa hii haieleweki: AI hubuni mpango wa jumla, unaoweza kuwa na dosari bila kujua umri, jinsia, lengo au vikwazo.
Agizo lenye nguvu:
Jukumu lako: RASIMU msaidizi wa mtaalamu wa lishe. Uamuzi na idhini ni ya mtaalam wa lishe; Kutoa ushauri wa matibabu. Mteja (asiyejulikana): mwanamke mwenye umri wa miaka 38, mfanyakazi wa ofisi (anafanya kazi kidogo), urefu wa 165 cm, uzito wa kilo 78, lengo ni kupoteza uzito wa afya. Mzio: hazelnut. Kizuizi: uvumilivu wa lactose. Utamaduni: Anapendelea vyakula vya Kituruki.Kazi: Unda orodha ya milo 3 + vitafunio 1 kwa ~ 1600 kcal kwa siku. WAZO LA MLO. Toa makadirio ya kalori na makro karibu na kila wazo, lakini ongeza dokezo linalosema "lazima maadili haya yathibitishwe na mtaalamu wa lishe." Usijumuishe mapendekezo yoyote yenye hazelnuts au lactose.
Agizo la pili linaipa AI jukumu lake, mpaka, muktadha wa mteja, na kizuizi cha usalama; Matokeo ni rasimu iliyo tayari kuthibitishwa.
Makosa ya kawaida
- Kuruka idhini: Kutoa pato la AI kwa mteja bila kukiangalia. Pato daima ni rasimu.
- Kutegemea nambari zisizo na rasilimali: Kurejesha maadili ya lishe kutoka kwa kumbukumbu ya AI; ilhali hifadhidata inayojulikana ni ya lazima.
- Kusahau faragha: Kushiriki data kama vile jina, uchanganuzi, nambari ya TR bila kuificha.
- Bila kubainisha jukumu: Kuiambia AI "kuwa mtaalamu wa lishe". Kwa kweli inamaanisha "tayarisha rasimu kwa mtaalamu wa lishe"; Uamuzi unaachwa kwa mtu.
- Kuzidisha madai ya kiafya: Kutumia sentensi kama vile "chakula hiki huponya ugonjwa" zinazotolewa na AI bila kuchuja.
Kwa muhtasari
Akili ya Bandia ni msaidizi mwenye nguvu katika dietetics: inaharakisha kazi ya kurudia, hutoa mawazo mbalimbali, hurahisisha maandishi. Lakini usisahau kwamba unafanya kazi katika uwanja muhimu wa usalama. Vigingi vinapoongezeka, jukumu la AI linakuwa dogo na idhini yako inakua. Weka kila pato kupitia vichungi vitatu: chanzo, hesabu upya, mtihani wa kiafya. Usitambulishe data ya mteja. Na daima kumbuka: uchunguzi, uamuzi wa matibabu, na idhini ya mpango wa mwisho ni ya mtaalamu wa lishe; AI haisaini.
Jukumu la maombi
Chagua mteja kutoka kwa utafiti wako mwenyewe (au dhahania) na ufichue data yake kwanza. Kisha uandike upya kiolezo cha "Uhakika mkali" hapo juu, ukirekebisha kwa mteja wako mwenyewe. Pata orodha ya mawazo ya chakula kutoka kwa AI, kisha uthibitishe mojawapo ya thamani zinazotokana na kalori/jumla dhidi ya hifadhidata inayotegemewa ya chakula na utambue tofauti hiyo. Kuona tofauti hii kutaimarisha kwa nini nidhamu yako ya uthibitishaji ni muhimu.
orodha ya ukaguzi
- [ ] Niliipa AI jukumu la "msaidizi/rasimu", sio jukumu la "mtaalamu wa lishe".
- [ ] Nilificha data ya mteja (jina, kitambulisho, anwani imeondolewa).
- [ ] Nilithibitisha thamani za lishe kutoka hifadhidata inayotambulika.
- [ ] Nilihesabu upya kalori/jumla za jumla zilizotolewa na AI.
- [ ] Nilichuja matokeo ya mgongano na hali ya matibabu ya mteja na mapendeleo.
- [ ] Kama mtaalamu wa lishe, niliidhinisha mpango wa mwisho; Sahihi haiko kwenye YZ, lakini juu yangu.