மாயத்தோற்றம், நெறிமுறைகள், இரகசியத்தன்மை மற்றும் அறிவியல் ஒருமைப்பாடு

ஆதாயங்கள்:

• இயற்பியலில் மாயத்தோற்றம் வடிவங்களை அடையாளம் காணும் திறன் (போலி மாறிலி, போலி விதி, அலகு பிழை, தவறான முடிவு, போலி பண்புக்கூறு) மற்றும் அவற்றை சரியான முறையில் பிடிக்கும் திறன்.
• வெளியிடப்படாத, ரகசியமான மற்றும் தனிப்பட்ட தரவை அநாமதேயமாக்கல் மற்றும் அங்கீகரிக்கப்படாத கருவிகளில் நுழையாமல் குறைப்பதன் மூலம் பாதுகாக்கும் திறன்
• தரவை அழகுபடுத்தாமல் நேர்மையாகப் புகாரளிப்பதன் மூலமும், செயற்கை நுண்ணறிவைப் பயன்படுத்துவதை வெளிப்படையாக ஆவணப்படுத்துவதன் மூலமும் இறுதிப் பொறுப்பு மனிதர்களிடமே உள்ளது என்பதைப் புரிந்து கொள்ள முடிகிறது.

இந்த தொகுதி முழுவதும், ஒவ்வொரு யூனிட்டிலும் ஒரே ஒழுக்கத்தை நாங்கள் உள்ளடக்கியுள்ளோம்: செயற்கை நுண்ணறிவு (AI) துரிதப்படுத்துகிறது, மனிதர்கள் சரிபார்க்கிறார்கள். இந்த இறுதி அலகில், இயற்பியல் அறிவியலின் மிக அடிப்படை மதிப்பான அறிவியல் ஒருமைப்பாடு என்ற குடையின் கீழ் இந்த முழு சரிபார்ப்பு நடைமுறையையும் ஒன்றாகக் கொண்டு வருகிறோம். இயற்பியல் என்பது இயற்கையைப் பற்றிய சரிபார்க்கக்கூடிய அறிவை உருவாக்கும் நோக்கமாகும்; இந்த முயற்சியின் இதயத்தில் ஒருமைப்பாடு, மீண்டும் மீண்டும் செய்யக்கூடிய தன்மை மற்றும் பொறுப்பு ஆகியவை உள்ளன. இந்த மதிப்புகளை வலுப்படுத்த AI ஐப் பயன்படுத்தலாம் - ஆனால் தவறாகப் பயன்படுத்தினால், அது அனைத்தையும் அச்சுறுத்துகிறது. இந்த அலகில், மாயத்தோற்றம், தரவு மற்றும் தனியுரிமைப் பொறுப்பு, நெறிமுறை எல்லைகள் மற்றும் இறுதிப் பொறுப்பு எப்பொழுதும் மனிதர்களிடமே இருக்கும் என்பதற்கான இயற்பியல் வடிவங்களைப் பற்றி விவாதிப்போம்.

இயற்பியலில் மாயையின் வடிவங்கள்

மாயத்தோற்றம்—ஏஐயின் நம்பிக்கையான தவறான தகவல்களை உருவாக்குவது—இயற்பியலில் தனித்துவமான மற்றும் ஆபத்தான வடிவங்களை எடுக்கிறது. இவற்றை அங்கீகரிப்பது பிடிப்பதற்கான முதல் படியாகும்:

மாயத்தோற்றம் வகை

உதாரணம்

பிடிப்பு முறை

நிலையான/தரவைப் பொருத்துதல்

ஒரு தவறான பொருள் அடர்த்தி

நம்பகமான குறிப்புடன் உறுதிப்படுத்தல்

தவறான சூத்திரம்/சட்டம்

இல்லாத "கொள்கை" பெயர்

பாடப்புத்தகம்/SymPy வழித்தோன்றல்

யூனிட்/ஆர்டர் பிழை

eVயை J என்று தவறாகப் புரிந்துகொள்வது

பரிமாண பகுப்பாய்வு, அலகு கட்டுப்பாடு

தவறான எண்ணியல் முடிவு

தவறான குறியீடு வெளியீடு

குறியீட்டை இயக்கவும்

அபோக்ரிபல் பண்புக்கூறு

இல்லாத கட்டுரை

DOI உடன் சரிபார்ப்பு

தவறாகப் புகாரளிக்கப்பட்ட முடிவு

உண்மையான கட்டுரையின் சிதைவு

அசல் மூலத்தைப் படியுங்கள்

பொதுவான இழை இதுதான்: ஒரு பெரிய மொழி மாதிரியானது உண்மையைச் சொல்வதற்காக அல்ல, மாறாக "சாத்தியமான தோற்றமுடைய உரையை" உருவாக்க வடிவமைக்கப்பட்டுள்ளது. இயற்பியலில், "தோற்றத்தில் சாத்தியம்" மற்றும் "உண்மை" ஆகியவற்றுக்கு இடையே உள்ள வேறுபாடு துல்லியமாக அறிவியலின் இருப்புக்கான காரணம்.

தரவு, தனியுரிமை மற்றும் அறிவுசார் சொத்து பொறுப்பு

இயற்பியலாளர்கள் பெரும்பாலும் முக்கியமான தரவுகளுடன் பணிபுரிகின்றனர்: வெளியிடப்படாத சோதனைத் தரவு, காப்புரிமைக்கு முந்தைய வடிவமைப்புகள், தொழில்துறை ஒத்துழைப்புகளின் ரகசிய அளவீடுகள், தனிப்பட்ட உடல்நலம் அல்லது பாதுகாப்புத் தரவு சம்பந்தப்பட்ட ஆராய்ச்சி. ஒரு பொதுவான AI கருவியில் அத்தகைய தரவை உள்ளிடுவது, மூன்றாம் தரப்பினருக்கும், மாடலின் பயிற்சித் தரவிற்கும் அணுகக்கூடியதாக இருக்கும் - இது ரகசியத்தன்மையை மீறுதல் மற்றும் அறிவியல் முன்னுரிமையின் இழப்பு (கண்டுபிடிப்பை முதலில் செய்யும் உரிமை) ஆகிய இரண்டையும் குறிக்கும். விதி தெளிவாக உள்ளது: உங்கள் நிறுவனம் அங்கீகரிக்காத AI கருவியில் வெளியிடப்படாத, ரகசியமான அல்லது தனிப்பட்ட தரவை உள்ளிட வேண்டாம். நீங்கள் நுழையப் போகிறீர்கள் என்றால், அநாமதேயப்படுத்தவும், குறைக்கவும் (தேவையானதை மட்டும் கொடுங்கள்) மற்றும் கருவியின் தரவு நிலைமைகளைப் படிக்கவும்.

எச்சரிக்கை: ஆய்வகத்தின் வெளியிடப்படாத அளவீடுகள் அல்லது நிறுவனத்தின் ரகசிய வடிவமைப்பு அளவுருக்களை AI கருவியில் "விரைவான பகுப்பாய்விற்காக" உள்ளிடுவது மாற்ற முடியாத தவறு. தரவு பகிரப்பட்டவுடன், அதை திரும்ப அழைக்க முடியாது. சந்தேகம் இருந்தால், தரவை உள்ளிட வேண்டாம்; உங்கள் நிறுவனத்தின் கொள்கை மற்றும் கருவியின் தனியுரிமை விதிமுறைகளை முதலில் தெளிவுபடுத்தவும்.

நெறிமுறை எல்லைகள் மற்றும் அறிவியல் ஒருமைப்பாடு

ஒரு பயன்பாடு தொழில்நுட்ப ரீதியாக சாத்தியமானதாகவும் சட்டப்பூர்வமாகவும் இருக்கலாம், ஆனால் இன்னும் நெறிமுறையற்றதாக இருக்கலாம். இயற்பியலில் பல சிவப்பு கோடுகள் உள்ளன, அவை அறிவியல் ஒருமைப்பாட்டைக் குறிக்கின்றன:

தரவு உருவாக்கம் அல்லது அலங்காரம். "விளைச்சலுக்கு ஏற்ற புள்ளிகளை உருவாக்க" அல்லது "வரைபடத்தை மிகவும் உறுதியானதாக மாற்ற" AIயிடம் கேட்பது தரவு மோசடி ஆகும். தரவு அப்படியே தெரிவிக்கப்படுகிறது; ஆவணப்படுத்தப்பட்ட, நியாயமான காரணத்துடன் மட்டுமே புறம்போக்குகள் அகற்றப்படுகின்றன.

பங்களிப்பின் வெளிப்படைத்தன்மை. நீங்கள் ஒரு ஆய்வில் AI ஐப் பயன்படுத்தியிருந்தால் - குறியீடு எழுதுதல், மொழித் திருத்தம், பகுப்பாய்வு - பொருத்தமான இடத்தில் அதைத் தெளிவுபடுத்துவது நியாயமானது. பல பத்திரிகைகள் மற்றும் நிறுவனங்களுக்கு இது தேவைப்படுகிறது.

ஆசிரியர் மற்றும் பொறுப்பு. AI ஒரு எழுத்தாளர் அல்ல; ஒரு படைப்பின் உள்ளடக்கத்திற்கு பொறுப்பேற்க முடியாது. பொறுப்பு எப்போதும் மனித எழுத்தாளர்களிடம் உள்ளது. AI ஆல் உருவாக்கப்பட்ட பிழையை "வாகனம் உருவாக்கியது" என்று கூறி பாதுகாக்க முடியாது.

மறுஉருவாக்கம். ஒரு விஞ்ஞான முடிவுக்கு, முறை (பயன்படுத்தப்படும் குறியீடு, அளவுருக்கள், AI தூண்டுதல்கள் உட்பட) தெளிவாக ஆவணப்படுத்தப்பட வேண்டும், இதனால் மற்றவர்கள் அதைப் பிரதிபலிக்க முடியும்.

மூன்று சிறிய வழக்குகள்

வழக்கு 1 - ரகசிய தரவு கசிவு. ஒரு ஆராய்ச்சியாளர், ஒரு நிறுவனத்துடனான வெளிப்படுத்தாத ஒப்பந்தத்திலிருந்து அளவீட்டுத் தரவை "விரைவான வரைபடத்திற்காக" பொதுவான AI கருவியில் ஒட்டினார். இந்த கருவி உள்ளீடுகளை சேமிக்க முடியும் என்பதை அவர் பின்னர் உணர்ந்தார். ஒப்பந்த மீறல் மற்றும் முன்னுரிமை இழப்பு ஏற்பட்டுள்ளது. பாடம்: அங்கீகரிக்கப்படாத கருவியில் ரகசியத் தரவு ஒருபோதும் உள்ளிடப்படாது.

வழக்கு 2 - அழகுபடுத்தும் அச்சு. சோதனைத் தரவு கோட்பாட்டுடன் முழுமையாகப் பொருந்தாததால், "தரவைக் கோட்பாட்டிற்கு நெருக்கமாகக் காட்டும்" திருத்தத்தை ஒரு மாணவர் AIயிடம் கேட்டார். அவரது ஆலோசகர் இதைக் கவனித்து அவரைத் தடுத்து நிறுத்தினார்: ஒரு முரண்பாடு என்பது சோதனையில் முறையான பிழை அல்லது சுவாரஸ்யமான புதிய இயற்பியல்-விசாரணை செய்யப்பட வேண்டிய ஒன்று, மறைக்கப்படவில்லை. தரவு நேர்மையாகப் புகாரளிக்கப்பட்டது மற்றும் முறையான பிழை கண்டறியப்பட்டது.

வழக்கு 3 - வெளிப்படைத்தன்மை பெற்றது. ஒரு குழு AI இன் உதவியுடன் ஒரு காகிதத்திற்கான தரவு பகுப்பாய்வு குறியீட்டை எழுதி, இதை முறைகள் பிரிவில் தெளிவாகக் கூறியது; கூடுதல் கோப்புகளாக குறியீடு மற்றும் அறிவுறுத்தல்களைப் பகிர்ந்துள்ளார். ஒரு நடுவர் குறியீட்டை மதிப்பாய்வு செய்து ஒரு சிறிய திருத்தத்தை பரிந்துரைத்தார். வெளிப்படைத்தன்மை வெளியிடுவதற்கு முன்பே பிழையைப் பிடித்தது மற்றும் ஆய்வின் நம்பகத்தன்மையை அதிகரித்தது.

நகலெடுக்கக்கூடிய நான்கு வார்ப்புருக்கள்

1) மாயத்தோற்றம் திரையிடல்:

மாயத்தோற்றங்களுக்காக பின்வரும் இயற்பியல் வெளியீட்டை ஸ்கேன் செய்யவும்: ஏதேனும் போலி மாறிலிகள், போலியான சூத்திரம்/சட்டப் பெயர்கள், அலகு/ஆர்டர் பிழைகள், சரிபார்க்கப்படாத எண் முடிவுகள் மற்றும் உறுதிப்படுத்தப்படாத பண்புக்கூறுகள் உள்ளதா? ஒவ்வொரு சந்தேகத்திற்கிடமான உருப்படியையும் கொடியிட்டு, அதை எவ்வாறு சரிபார்க்க வேண்டும் என்பதைக் குறிப்பிடவும் (குறிப்பு, குறியீடு, DOI). வெளியீடு: [இங்கே]

2) தரவு தனியுரிமை முன் சரிபார்ப்பு:

பின்வரும் தரவு/உரையை AI கருவியில் உள்ளிடுவதற்கு முன் மதிப்பீடு செய்யவும்: அதில் வெளியிடப்படாத, ரகசியமான, தனிப்பட்ட அல்லது ஒப்பந்தப்படி பாதுகாக்கப்பட்ட தகவல்கள் உள்ளதா? அப்படியானால், நான் அதை எப்படி அநாமதேயமாக்குவது அல்லது குறைக்கலாம் என்று பரிந்துரைக்கவும். உறுதியாக தெரியவில்லை என்றால், "கார்ப்பரேட் கொள்கையைச் சரிபார்க்கவும்" என்று கூறவும். உள்ளடக்கம்: [இங்கே]

3) வரைவு வெளிப்படைத்தன்மை/பங்களிப்பு அறிக்கை:

ஒரு ஆய்வில், நான் AI ஐப் பயன்படுத்தினேன்: [குறியீடு / மொழி திருத்தம் / பகுப்பாய்வு, முதலியன]. இதை நேர்மையாக ஆவணப்படுத்தும் "AI பயன்பாட்டு அறிக்கை" என்ற சிறிய வரைவை எழுதவும். எந்தெந்த பாகங்கள் மனிதர்களால் சரிபார்க்கப்பட்டன என்பதையும் இது குறிக்க வேண்டும்.

4) அறிவியல் ஒருமைப்பாட்டை உறுதி செய்தல்:

பின்வரும் பகுப்பாய்வு/முடிவுக்கான ஒருமைப்பாடு சரிபார்ப்பைச் செய்யவும்: (அலங்காரம் இல்லை) எனத் தெரிவிக்கப்பட்ட தரவு, நிச்சயமற்ற தன்மைகள் பதிவாகியுள்ளன, மீண்டும் உருவாக்கக்கூடிய முறையில் ஆவணப்படுத்தப்பட்ட முறை, AI இன் பயன்பாடு வெளிப்படையானதா? ஏதேனும் குறைபாடுகளை பட்டியலிடுங்கள். உள்ளடக்கம்: [இங்கே]

பலவீனமான வரியில் / வலுவான வரியில்

பலவீனம்: "கோட்பாட்டிற்கு ஏற்றவாறு விளைச்சலைத் திருத்தவும் மற்றும் வரைபடத்தை உறுதிசெய்யவும்."

முடிவு: தரவு மோசடி; விஞ்ஞான ஒருமைப்பாட்டின் நேரடி மீறல், மீளமுடியாத நற்பெயரை இழப்பு.

வலிமையானது: "மகசூல் கோட்பாட்டுடன் முழுமையாக உடன்படவில்லை. இந்த முரண்பாட்டின் சாத்தியமான காரணங்களை பகுப்பாய்வு செய்ய எனக்கு உதவுங்கள் (முறையான பிழை, புள்ளிவிவர ஏற்ற இறக்கம், விடுபட்ட மாதிரி அல்லது புதிய விளைவு); தரவை மாற்றாமல் நேர்மையாக முரண்பாட்டை எவ்வாறு புகாரளிப்பது என்று பரிந்துரைக்கவும்."

முடிவு: அறிவியல் ஒருமைப்பாட்டிற்கான நேர்மையான, விசாரணை மற்றும் உண்மையுள்ள அணுகுமுறை; மோதல் கண்டுபிடிப்புக்கான வாய்ப்பாகிறது.

பொதுவான தவறுகள்

• குழப்பமான மாயத்தோற்றம் தன்னம்பிக்கை. AI நம்பிக்கையுடன் பேசுவதால் துல்லியத்திற்கு உத்தரவாதம் இல்லை; மிகத் துல்லியமான வாக்கியம் கூட புனையப்பட்டதாக இருக்கலாம்.
• அனுமதியின்றி வாகனத்தில் ரகசியத் தரவை உள்ளிடுதல். ஒருமுறை பகிர்ந்தால், தரவை மீட்டெடுக்க முடியாது; முன்னுரிமை மற்றும் ரகசியத்தன்மை இழக்கப்படுகிறது.
• அழகுபடுத்தும் தரவு. தரவுகளை "பொருத்தம் கோட்பாட்டிற்கு" மாற்றுவது மிகவும் தீவிரமான அறிவியல் குற்றங்களில் ஒன்றாகும்.
• AI இன் பயன்பாட்டை மறைத்தல். வெளிப்படைத்தன்மை என்பது நேர்மையின் தேவை மற்றும் பல நிறுவனங்களில் கட்டாயமாகும்.
• வாகனத்தின் மீது பொறுப்பை வைப்பது. "AI அதைச் செய்தது" என்பது ஒரு பாதுகாப்பு அல்ல; இறுதி பொறுப்பு எப்போதும் மனிதனிடம் உள்ளது.

உதவிக்குறிப்பு: AI- இயங்கும் ஒவ்வொரு ஆய்வின் முடிவிலும், மூன்று கேள்விகளை நீங்களே கேட்டுக்கொள்ளுங்கள்: (1) இந்த வெளியீட்டில் உள்ள ஒவ்வொரு உண்மை, எண் மற்றும் பண்புக்கூறு ஆகியவை சுயாதீனமாக சரிபார்க்கப்பட்டதா? (2) நான் பயன்படுத்திய தரவுகளில் நான் உள்ளிடக்கூடாத ரகசிய/தனிப்பட்ட தகவல்கள் உள்ளதா? (3) எனது AI பயன்பாடு மற்றும் வழிமுறைகளை வேறு யாரேனும் நகலெடுக்கும் வகையில் நான் ஆவணப்படுத்தியுள்ளேனா? இந்த மூன்று கேள்விகளுக்கும் உங்களால் தெளிவான "ஆம்" என்று பதிலளிக்க முடியாவிட்டால், ஆய்வு இன்னும் முடிக்கப்படவில்லை.

சுருக்கமாக

அறிவியல் ஒருமைப்பாடு என்பது இயற்பியலின் இருப்புக்கான அடிப்படையாகும், மேலும் AI இன் வயதில் இது மிகவும் முக்கியமானது. தவறான மாறிலிகள், தவறான விதிகள், அலகு பிழைகள், தவறான முடிவுகள் மற்றும் தவறான குறிப்புகள் போன்ற வடிவங்களில் மாயை இயற்பியலில் தோன்றும்; ஒவ்வொன்றும் அதன் சொந்த தனிப்பட்ட சரிபார்ப்பு முறை மூலம் கைப்பற்றப்பட்டது. ரகசிய மற்றும் தனிப்பட்ட தரவு அங்கீகரிக்கப்படாத கருவிகளில் உள்ளிடப்படவில்லை; தரவு ஒருபோதும் அழகுபடுத்தப்படவில்லை; AI பயன்பாடு வெளிப்படையாக ஆவணப்படுத்தப்பட்டுள்ளது; மற்றும் இறுதி பொறுப்பு எப்போதும் மனிதனிடம் உள்ளது. இந்தத் தொகுதி முழுவதும் நீங்கள் கற்றுக் கொள்ளும் ஒரே ஒரு துறை மட்டுமே உள்ளது: AI என்பது ஒரு சக்திவாய்ந்த முடுக்கி, ஆனால் சரிபார்ப்பு, ஒருமைப்பாடு மற்றும் பொறுப்பு ஆகியவை திறமையான இயற்பியலாளரின் தோள்களில் உள்ளது - அதாவது, நீங்கள். சரிபார்க்கப்படாத AI வெளியீடு ஒருபோதும் இயற்பியலாளரின் உறுதிப்பாட்டிற்கு மாற்றாக இருக்காது.

விண்ணப்ப பணி

இந்தத் தொகுதியில் நீங்கள் உருவாக்கிய AI வெளியீட்டைத் (கணக்கு, பகுப்பாய்வு அல்லது உரை) தேர்ந்தெடுக்கவும். 1. டெம்ப்ளேட்டுடன் மாயத்தோற்றங்களுக்கான திரை: ஏதேனும் போலி மாறிலிகள், போலியான சூத்திரங்கள், அலகு பிழைகள் அல்லது சரிபார்க்கப்படாத பண்புக்கூறுகள் உள்ளதா? டெம்ப்ளேட் 2 மூலம், நீங்கள் பயன்படுத்தும் தரவு தனியுரிமைக்கு உகந்ததா என்பதை மதிப்பிடவும். இறுதியாக, டெம்ப்ளேட் 3 உடன் ஒரு சிறிய AI பயன்பாடு/வெளிப்படைத்தன்மை அறிக்கையை வரையவும். 5-6 வாக்கியங்களில் எழுதவும்: ஸ்கேன் எதை வெளிப்படுத்தியது, என்ன சரிபார்ப்பு நடவடிக்கைகளை எடுத்தீர்கள்?

சரிபார்ப்பு பட்டியல்

• [ ] ஒவ்வொரு மாறிலி, சூத்திரம் மற்றும் வெளியீட்டின் முடிவு ஆகியவற்றை நான் சுயாதீனமாக சரிபார்த்தேன்.
• [ ] நான் ஒவ்வொரு மேற்கோளையும் DOI/மூலத்துடன் சரிபார்த்துள்ளேன்.
• [ ] அனுமதியின்றி கருவியில் ரகசிய/தனிப்பட்ட தரவை உள்ளிடவில்லை என்பதைச் சரிபார்த்துள்ளேன்.
• [ ] தரவை அழகுபடுத்தாமல் அப்படியே புகாரளித்தேன்.
• [ ] நான் AI இன் பயன்பாட்டை வெளிப்படையான மற்றும் மீண்டும் உருவாக்கக்கூடிய முறையில் ஆவணப்படுத்தியுள்ளேன்.
• [ ] இறுதி பொறுப்பு என்னுடையது என்பதை நான் ஏற்றுக்கொண்டேன்; நான் வாகனத்தில் எந்த தவறும் செய்யவில்லை.

தொகுதி தேர்வு

1. இயற்பியலில் செயற்கை நுண்ணறிவுக்கான மிகத் துல்லியமான நிலைப்பாடு எது?

• A) செயற்கை நுண்ணறிவு என்பது ஒரு குறியீடு, வரைவு மற்றும் எடிட்டிங் உதவியாளர்; அலகு, பதவி, சரிபார்ப்பு மற்றும் நெறிமுறை முடிவுகளுக்கான பொறுப்பு மனிதனிடம் உள்ளது ✔
• B) செயற்கை நுண்ணறிவு ஒரு கால்குலேட்டர் மற்றும் அது தரும் எண் முடிவுகள் எப்போதும் துல்லியமாக இருக்கும்
• சி) செயற்கை நுண்ணறிவு கணக்கீட்டில் மட்டுமே வேலை செய்கிறது, சோதனை பகுப்பாய்வு மற்றும் கற்பித்தல் ஆகியவற்றுடன் எந்த தொடர்பும் இல்லை
• D) செயற்கை நுண்ணறிவு மனிதர்களை விட பாரபட்சமற்றது என்பதால், அலகு மற்றும் முடிவு முடிவுகளை அதனிடமே விட்டுவிட வேண்டும்.

விளக்கம்: செயற்கை நுண்ணறிவு; இது குறியீட்டை எழுதுவது, வரைவுகளை உருவாக்குவது, வழித்தோன்றல் கட்டமைப்பை உருவாக்குவது மற்றும் ஒழுங்கமைப்பது போன்ற உதவியாளர். எவ்வாறாயினும், முடிவின் அலகு மற்றும் ஒழுங்கு சரிபார்ப்புக்கான இறுதிப் பொறுப்பு, பாதுகாப்புச் சட்டங்கள், நிலையான மற்றும் குறிப்பு உறுதிப்படுத்தல் ஆகியவற்றுடன் அதை உறுதிப்படுத்துவது திறமையான இயற்பியலாளருக்கு சொந்தமானது. பெரிய மொழி மாதிரி ஒரு கால்குலேட்டர் அல்லது இயற்பியல் இயந்திரம் அல்ல; 'அடுத்த வாய்ப்புள்ள வார்த்தையை' உருவாக்கும் உரை ஜெனரேட்டர் மற்றும் அதன் சரிபார்க்கப்படாத வெளியீடு தவறான மதிப்பு, வடிவமைப்பு அல்லது முடிவுக்கு வழிவகுக்கும்.

2. ஒரு பெரிய மொழி மாதிரியில் நீங்கள் அச்சிடும் கணக்கீட்டுக் குறியீட்டின் எண்ணியல் முடிவுக்கான மிகவும் துல்லியமான தோராயம் என்ன?

• A) அந்த எண்ணை நம்பி அந்த மாதிரி 'இந்தக் குறியீடு அதைத் தருகிறது' என்று சொல்கிறது, ஏனென்றால் அவர் குறியீட்டை எழுதியுள்ளார்
• B) குறியீட்டை நீங்களே இயக்கவும் மற்றும் வெளியீட்டைப் பார்க்கவும்; ✔ மாதிரியின் வாய்மொழி எண் கணிப்பு மீது நம்பிக்கை இல்லை
• C) அதை இயக்காமல், அது எப்படி வாசிக்கப்படுகிறது என்பதைப் பார்ப்பதன் மூலம் குறியீட்டை சரியானதாக ஏற்றுக்கொள்வது
• D) முடிவு மீண்டும் மாதிரியிடம் நேரடியாகக் கேட்கப்பட்டு, அதே எண்ணைச் சொன்னால், அது சரியானதாகக் கருதப்படுகிறது.

விளக்கம்: ஒரு எல்எல்எம் தனது தலையில் எழுதிய குறியீட்டின் வெளியீட்டை 'கணக்கிட்டு' தவறான எண்ணை வழங்கலாம்; அதேசமயம் அதே குறியீட்டை இயக்கும்போது அது சரியான முடிவை அளிக்கிறது. நிர்ணயம் என்பது செயல்படுத்தப்படும் குறியீடு; இது மாதிரியின் வாய்மொழி கணிப்பு அல்ல. எனவே, குறியீடு எப்போதும் உங்கள் சொந்த சூழலில் இயங்க வேண்டும் மற்றும் வெளியீடு பார்க்கப்பட வேண்டும்.

3. உராய்வு இல்லாத இயக்கவியல் அமைப்பின் உருவகப்படுத்துதல் இயற்பியலைத் துல்லியமாகப் பிரதிபலிக்கிறதா என்பதைச் சோதிக்க மிகவும் சக்திவாய்ந்த வழி எது?

• A) விளக்கப்படம் பார்வைக்கு நேர்த்தியாகவும் உறுதியுடனும் இருப்பதைப் பார்க்கவும்
• B) ஒரே ஒரு முறை படியுடன் உருவகப்படுத்துதலை இயக்குதல் மற்றும் முடிவை நம்புதல்
• C) மொத்த ஆற்றல் அல்லது வேகம் போன்ற பாதுகாக்கப்பட வேண்டிய அளவைக் கண்காணித்தல் மற்றும் அது நிலையானதா என்பதைச் சரிபார்த்தல் ✔
• D) உருவகப்படுத்துதல் எவ்வளவு வேகமாக இயங்குகிறது என்பதை மதிப்பீடு செய்தல்

விளக்கம்: உராய்வு இல்லாத அமைப்பில், மொத்த ஆற்றல் (மற்றும் வேகம், ஏதேனும் இருந்தால்) பாதுகாக்கப்பட வேண்டும். உருவகப்படுத்துதல் முழுவதும் இந்த அளவைக் கண்காணித்து, அது மாறாமல் இருக்கிறதா என்பதைப் பார்ப்பது எண்ணியல் குறைபாடுகளை வெளிப்படுத்துகிறது (எ.கா. ஆதிகால ஆய்லர் முறை தொடர்ந்து ஆற்றலை அதிகரிக்கிறது). ஆற்றல் நகர்கிறது என்றால், உருவகப்படுத்துதல் நம்பமுடியாதது; இது ஒரு நல்ல கிராஃபிக்கை உருவாக்குவதால் அது சரியானது என்று அர்த்தமல்ல.

4. சோதனை தரவுகளுக்கு மாதிரியை பொருத்தும்போது பின்வருவனவற்றில் எது சரியான அணுகுமுறை?

• A) எல்லாப் புள்ளிகளையும் கடந்து செல்வதால், தரவுக்கு மிகவும் பொருத்தமான உயர்நிலை பல்லுறுப்புக்கோவையைத் தேர்ந்தெடுப்பது
• B) அளவுருக்களை தெளிவின்றி ஒற்றை எண்ணாக வழங்குதல்
• C) வளைவு எவ்வளவு அழகாக இருக்கிறது என்பதைப் பார்த்து பொருத்தத்தின் தரத்தை அறிவிப்பது.
• D) இயற்பியலில் இருந்து மாதிரியைத் தேர்ந்தெடுத்தல், அளவுருக்களை அவற்றின் நிச்சயமற்ற தன்மைகளுடன் அறிக்கை செய்தல் மற்றும் எச்சங்களுடன் பொருத்தத்தை மதிப்பீடு செய்தல் ✔

விளக்கம்: நிகழ்வுக்குக் கீழ்ப்படிய வேண்டிய இயற்பியல் விதியிலிருந்து மாதிரியைத் தேர்ந்தெடுக்க வேண்டும், தரவைப் பார்த்து 'எது மிகவும் பொருத்தமானது' என்று யோசிப்பதன் மூலம் அல்ல. போதுமான இலவச அளவுருக்கள் (எ.கா. உயர் நிலை பல்லுறுப்புக்கோவை) எந்தத் தரவிற்கும் 'சரியான' ஆனால் உடல் ரீதியாக அர்த்தமற்ற பொருத்தத்தை (அதிக பொருத்தம்) உருவாக்க முடியும். அளவுருக்கள் அவற்றின் நிச்சயமற்ற தன்மையுடன் தெரிவிக்கப்பட வேண்டும், எஞ்சியவற்றுடன் பொருத்தத்தின் தரம் மதிப்பீடு செய்யப்பட வேண்டும் மற்றும் உடல் நம்பகத்தன்மையை சரிபார்க்க வேண்டும்.

5. ஒரு அளவீட்டை மீண்டும் மீண்டும் செய்வது எந்த வகையான நிச்சயமற்ற தன்மையைக் குறைக்கிறது?

• A) சீரற்ற நிச்சயமற்ற தன்மை; முறையான நிச்சயமற்ற தன்மை மீண்டும் மீண்டும் செய்வதால் குறையாது, காரணத்தைக் கண்டறிந்து சரி செய்ய வேண்டும் ✔
• பி) முறையான நிச்சயமற்ற தன்மை; ஏனெனில் இது மறுசீரமைப்பு பிழையை நீக்குகிறது
• C) இரண்டு தெளிவின்மைகளையும் முற்றிலும் நீக்குகிறது
• D) அவற்றில் எதையும் குறைக்காது; நிச்சயமற்ற தன்மை அளவீடுகளின் எண்ணிக்கையிலிருந்து சுயாதீனமாக உள்ளது

விளக்கம்: மீண்டும் மீண்டும் அளவீடு செய்வது சீரற்ற நிச்சயமற்ற தன்மையைக் குறைக்கிறது (சராசரி std/√N இன் நிலையான பிழையுடன்) முடிவுகளின் சீரற்ற விநியோகத்தின் விளைவாக. மறுபுறம், முறையான நிச்சயமற்ற தன்மையானது, எப்போதும் ஒரே திசையில் விலகும் ஒரு பிழையாகும் (உதாரணமாக, ஒரு தவறான அளவீடு செய்யப்பட்ட இருப்பு) மற்றும் மீண்டும் மீண்டும் குறையாது; இருப்பினும், காரணத்தைக் கண்டுபிடித்து சரிசெய்ய முடியும். பல அளவீடுகளுடன் 'மிகச் சிறிய' நிச்சயமற்ற தன்மையைப் புகாரளிப்பது அடிப்படையான முறையான பிழையை மறைக்கக்கூடும்.

6. AI ஆல் பெறப்பட்ட பிழை பரப்புதல் சூத்திரத்தை சரிபார்க்க மிகவும் நம்பகமான சுயாதீனமான வழி எது?

• A) திரவம் மற்றும் உறுதியானதாக தோன்றுவதற்கு சூத்திரத்தை நம்புதல்
• B) உள்ளீடுகளை அவற்றின் நிச்சயமற்ற தன்மையுடன் தோராயமாக மாதிரியாக்கும் மான்டே கார்லோ கணக்கீட்டின் மூலம் குறுக்கு சரிபார்ப்பு ✔
• C) மீண்டும் அதே ஃபார்முலாவை செயற்கை நுண்ணறிவரிடம் கேட்டு, அதே முடிவைக் கொடுக்கும் என்று எதிர்பார்ப்பது
• D) நிச்சயமற்ற தன்மைகளை நேரடியாக சேகரித்து, முடிவுடன் ஒப்பிடுதல்

விளக்கம்: AI பெரும்பாலும் பகுதி வழித்தோன்றல் குணகங்கள் மற்றும் சதுர மூல கட்டமைப்பை பிழை பரவல் சூத்திரங்களில் கலக்கிறது. இதை சுயாதீனமாக அடைவதற்கான ஒரு சக்திவாய்ந்த வழி Monte Carlo கிராஸ்-செக்கிங் ஆகும்: ஒவ்வொரு உள்ளீட்டையும் அதன் நிச்சயமற்ற தன்மையுடன் தோராயமாக மாதிரியாக்குவது, செயல்பாட்டை ஆயிரக்கணக்கான முறை கணக்கிடுவது மற்றும் வெளியீட்டின் நிலையான விலகலை சூத்திரத்தால் கொடுக்கப்பட்ட நிச்சயமற்ற தன்மையுடன் ஒப்பிடுவது. இரண்டு சுயாதீன முறைகளின் சந்திப்பு நம்பிக்கையை அதிகரிக்கிறது.

7. குறியீட்டு இயற்பியலின் நீண்ட வழித்தோன்றலில் AI மற்றும் SymPy க்கு இடையேயான உழைப்பின் சரியான பிரிவு என்ன?

• A) SymPy வழித்தோன்றலின் யோசனையை உருவாக்குகிறது, AI ஒவ்வொரு அடியையும் துல்லியமாக சரிபார்க்கிறது
• B) இரண்டும் தேவையற்றது; நீண்ட வழித்தோன்றல்கள் கைமுறையாக மட்டுமே செய்யப்பட வேண்டும்
• C) AI வழித்தோன்றலின் கட்டமைப்பை உருவாக்குகிறது, SymPy ஒவ்வொரு இயற்கணித படியையும் துல்லியமாக சரிபார்க்கிறது ✔
• D) செயற்கை நுண்ணறிவு அதன் சொந்த வழித்தோன்றலை செய்கிறது, சரிபார்ப்பு தேவையில்லை, ஏனெனில் அது சரளமாக தெரிகிறது

விளக்கம்: AI வழித்தோன்றலை உத்திகளை உருவாக்குகிறது மற்றும் பாதையை விளக்குகிறது, ஆனால் நீண்ட இயற்கணிதத்தில் இது குறி பிழைகள், தப்பித்த சொற்கள் மற்றும் தவறான எளிமைப்படுத்தல்களை செய்கிறது. மறுபுறம், SymPy விதிகளின்படி செயல்படுகிறது மற்றும் ஒவ்வொரு இயற்கணித படியையும் துல்லியமாக சரிபார்க்கிறது. மிகவும் சக்திவாய்ந்த பணிப்பாய்வு இரண்டையும் ஒருங்கிணைக்கிறது: AI இலிருந்து எலும்புக்கூட்டைப் பெறுதல், ஒவ்வொரு அடியையும் SymPy மூலம் பெறுதல், வழித்தோன்றல்-ஒருங்கிணைந்த தலைகீழ் மற்றும் எல்லைக் கேஸ் மூலம் முடிவைச் சோதிக்கவும்.

8. இயற்பியல் சூத்திரத்தின் துல்லியத்தைப் பற்றி பரிமாண பகுப்பாய்வு என்ன சொல்கிறது?

• A) பரிமாண பகுப்பாய்வு எப்போதும் ஒரு சூத்திரம் சரியானது என்பதை உறுதியாக நிரூபிக்கிறது
• B) பரிமாண பகுப்பாய்வு இயற்பியலில் நடைமுறை மதிப்பைக் கொண்டிருக்கவில்லை
• சி) பரிமாண பகுப்பாய்வு சூத்திரத்தின் நிலையான காரணியை மட்டுமே அளிக்கிறது, அதன் நிலைத்தன்மையை அல்ல
• D) பரிமாணமாக இல்லாத ஒரு சூத்திரம் முற்றிலும் தவறானது; பரிமாண பகுப்பாய்வு எண்களை எண்ணாமல் பிழை பிடிக்கிறது ✔

விளக்கம்: இயற்பியல் சமன்பாட்டின் இரு பக்கங்களும் எண்ணியல் ரீதியாக சமமாக இருப்பதற்கு முன் பரிமாண ரீதியாக சமமாக இருக்க வேண்டும். பரிமாணத்தைப் பிடிக்காத ஒரு சூத்திரம் வெறுமனே தவறானது; இது எண்ணிக்கை கணக்கீட்டில் இருந்து எடுக்கப்பட்டது. பரிமாண பகுப்பாய்வு ஒரு சூத்திரம் சரியானது என்பதை உறுதியாக நிரூபிக்கவில்லை (அது ஒரு பரிமாணமற்ற நிலையான காரணி அல்லது கோணத்தை இழக்கலாம்), ஆனால் அது தவறானது என்பதை உறுதியாக நிரூபிக்கிறது; எனவே இது ஒவ்வொரு கணக்கின் முதல் மற்றும் மலிவான தணிக்கை ஆகும்.

9. மணிக்கு 36 கிமீ வேகத்தில் பயணிக்கும் ஒரு பொருளின் இயக்க ஆற்றலைக் கணக்கிடும் போது மிக முக்கியமான முதல் படி எது?

• A) அனைத்து உள்ளீடுகளையும் ஒற்றை அமைப்பு அலகுகளாக (SI) மாற்றுதல்; 36 km/h ஆக 10 m/s ஆக மாற்றுகிறது ✔
• B) km/h இல் உள்ள வேகத்தை m/s ஆக மாற்றாமல் நேரடியாக சூத்திரத்தில் வைப்பது
• C) அலகுகளை கணக்கில் எடுத்துக் கொள்ளாமல் எண்களை மட்டும் பெருக்குதல்
• D) முடிவைக் கணக்கிட்ட பிறகு ஆர்டரைச் சரிபார்க்க வேண்டிய அவசியமில்லை என்று கருதுவது

விளக்கம்: SI அடிப்படையிலான சூத்திரங்கள் (E = ½mv²) m/s இல் வேகத்தை எதிர்பார்க்கின்றன. ஒரு கணக்கீட்டில் km/h ஐ m உடன் அல்லது மணிநேரத்தை நொடிகள் கொண்டு குழப்புவது இயற்பியலில் மிகவும் பொதுவான தவறுகளில் ஒன்றாகும். முதலில் அனைத்து உள்ளீடுகளும் ஒற்றை அமைப்பு அலகுகளாக (SI) மாற்றப்பட வேண்டும்: 36 km/h = 10 m/s. கூட்டு அலகு மாற்றங்களில் AI மெளனப் பிழைகளைச் செய்ய முடியும் என்பதால், இந்த மாற்றம் கைமுறையாக அல்லது யூனிட்-அறிவுக் கருவி மூலம் சரிபார்க்கப்பட வேண்டும்.

10. அறிவியல் வரைபடத்தில் 'நேர்மை' அடிப்படையில் எந்த நடைமுறை சரியானது?

• A) நிச்சயமற்ற தன்மையை மறைத்தல், ஏனெனில் பிழை பார்கள் விளக்கப்படத்தை ஒழுங்கீனம் செய்கின்றன
• B) அலகுகளுடன் அச்சுகளை லேபிளிடுங்கள், சிதைவு இல்லாமல் அளவைத் தேர்ந்தெடுக்கவும், மற்றும் பிழைப் பட்டைகளுடன் நிச்சயமற்ற தன்மையைக் காட்டவும் ✔
• C) மிகவும் வியத்தகு வேறுபாட்டைக் காட்டும் வரம்பில் எப்போதும் y அச்சைத் தொடங்கவும்
• D) வாசகரால் அலகை யூகிக்க முடியும் என்பதால் அலகுகள் இல்லாமல் அச்சுகளை விடுதல்

விளக்கம்: ஒரு நேர்மையான அறிவியல் விளக்கப்படம்; இது அளவு மற்றும் அலகு கொண்ட அச்சுகளை அடையாளப்படுத்துகிறது, உணர்வுபூர்வமாகவும் சிதைவுமின்றி அளவைத் தேர்வுசெய்கிறது (மிகைப்படுத்துதலுக்காக பூஜ்ஜியத்திலிருந்து y-அச்சியைத் தொடங்குவது தவறாக வழிநடத்துகிறது), மேலும் அளவீட்டு நிச்சயமற்ற தன்மையை பிழைப் பட்டைகள் மூலம் தெரியும். நிச்சயமற்ற தன்மையை மறைப்பது தரவு உறுதியானதாக தோன்றி, சார்பு அல்லது உடன்படிக்கையின் தவறான தோற்றத்தை உருவாக்குகிறது. ஒரு கிராஃபிக் எவ்வளவு உறுதியானதாக இருக்கிறதோ, அவ்வளவு முக்கியமானது ஒருமைப்பாடு சரிபார்ப்பு.

11. செயற்கை நுண்ணறிவிலிருந்து இலக்கியம் மற்றும் மேற்கோள் ஆதரவைப் பெறும்போது மிகப்பெரிய ஆபத்து மற்றும் சரியான ஒழுக்கம் என்ன?

• A) செயற்கை நுண்ணறிவு மிகவும் மெதுவாக மேற்கோள்களை உருவாக்குவதால் நேரத்தை வீணடிக்கிறது
• B) செயற்கை நுண்ணறிவால் பரிந்துரைக்கப்பட்ட ஆதாரங்கள் எப்போதும் உண்மையானவை, சரிபார்ப்பு தேவையில்லை
• சி) செயற்கை நுண்ணறிவு உண்மையானதாக தோன்றும் ஆனால் இல்லாத பண்புகளை உருவாக்க முடியும்; ஒவ்வொரு மேற்கோளும் DOI/மூலத்துடன் சரிபார்க்கப்பட வேண்டும் மற்றும் உண்மையான தரவுத்தளத்திலிருந்து இலக்கியம் கண்டுபிடிக்கப்பட வேண்டும் ✔
• D) தயாரிக்கப்பட்ட மேற்கோள்கள் எளிதில் அடையாளம் காணப்படுகின்றன, ஏனெனில் அவை எப்போதும் உண்மையற்ற பத்திரிகை பெயர்களைப் பயன்படுத்துகின்றன

விளக்கம்: ஒரு பெரிய மொழி மாதிரி உண்மையான தரவுத்தளத்துடன் இணைக்கப்படவில்லை; மேற்கோள் வடிவங்களைப் பிரதிபலிப்பதன் மூலம், உண்மையான பத்திரிகைப் பெயர், நம்பகமான ஆசிரியர்கள் மற்றும் நியாயமான ஆண்டைக் கொண்ட கட்டுரைகளை இது உருவாக்க முடியும், ஆனால் அவை முற்றிலும் இல்லை. எனவே, உண்மையான தரவுத்தளங்களிலிருந்து இலக்கியம் கண்டுபிடிக்கப்பட வேண்டும், கையில் உள்ள உண்மையான உரையை சுருக்கமாக/மொழிபெயர்க்க மட்டுமே AI பயன்படுத்தப்பட வேண்டும், மேலும் ஒவ்வொரு மேற்கோளும் DOI அல்லது தலைப்பு மூலம் சுயாதீனமாக சரிபார்க்கப்பட வேண்டும். சரிபார்க்கப்படாத மேற்கோள் கல்வி நேர்மையை மீறுவதாகும்.

12. AI ஒரு கட்டுரையைச் சுருக்கமாகக் கூறும்போது நம்பகமான முடிவுகளைப் பெறுவதற்கு என்ன செய்ய வேண்டும்?

• அ) கட்டுரையின் தலைப்பை மட்டும் கொடுத்தால் போதும், உள்ளடக்கம் மாதிரி தெரியும்
• B) சுருக்கத்தை சரிபார்க்காமல் நேரடியாகப் பயன்படுத்துதல், ஏனெனில் அது திரவமாகத் தெரிகிறது
• C) ஒரே மாதிரியான சுருக்கத்தை இரண்டு முறை கேட்டு, அது ஒத்ததாக இருந்தால் அதை சரியானதாக ஏற்றுக்கொள்வது.
• D) அசல் உரையை மாதிரிக்குக் கொடுத்து, தயாரிக்கப்பட்ட சுருக்கத்தை அசல் உரையுடன் ஒப்பிட்டு எதுவும் சேர்க்கப்படவில்லை/ சிதைக்கப்படவில்லை என்பதைச் சரிபார்க்கவும் ✔

விளக்கம்: AI க்கு ஒரு கட்டுரையின் தலைப்பைக் கொடுத்து, சுருக்கத்தைக் கேட்பது, அந்தக் கட்டுரையைப் பார்க்காமலேயே 'நம்பத்தகுந்த சுருக்கம்' மாதிரியைக் கொண்டு வரும்; இந்த சுருக்கம் உண்மைக்கு எதிரானதாக இருக்கலாம். அசல் உரை மாதிரிக்கு அளிக்கப்பட்டு, உருவாக்கப்பட்ட சுருக்கத்தை அசல் உரையுடன் ஒப்பிடும்போது மட்டுமே நம்பகமான சுருக்கத்தைப் பெற முடியும். கூடுதலாக, சுருக்கமானது உரையில் இல்லாத முடிவுகளையும் எண்களையும் சேர்க்கவில்லை என்பதை சரிபார்க்க வேண்டும்.

13. இயற்பியல் பாடப் பொருள் உற்பத்தியில் செயற்கை நுண்ணறிவின் வெளியீடு எது உண்மை?

• A) ஒவ்வொரு தீர்வும் சுயாதீனமாக சரிபார்க்கப்பட வேண்டும், ஒப்புமைகளின் வரம்புகள் குறிப்பிடப்பட வேண்டும், மேலும் கவனத்தை சிதறடிப்பவர்கள் உண்மையான தவறான எண்ணங்களை குறிவைக்க வேண்டும் ✔
• B) செயற்கை நுண்ணறிவால் தயாரிக்கப்பட்ட பதில் விசை எப்போதும் சரியானது, தணிக்கை தேவையில்லை
• சி) எல்லா நிகழ்வுகளிலும் ஒப்புமைகள் சரியானவை, அவற்றின் வரம்புகளைக் குறிப்பிட வேண்டிய அவசியமில்லை.
• D) திசைதிருப்புபவர்கள் முற்றிலும் சீரற்ற முறையில் தேர்ந்தெடுக்கப்பட வேண்டும், ஏனெனில் தவறான தேர்வின் தன்மை முக்கியமற்றது.

விளக்கம்: கேள்விகள், எடுத்துக்காட்டுகள் மற்றும் ஒப்புமைகளை உருவாக்குவதில் AI வேகமாக உள்ளது, ஆனால் மூன்று புள்ளிகளில் சரிபார்ப்பு அவசியம்: ஒவ்வொரு பிரச்சனைக்கும் தீர்வு சுயாதீனமாக சரிபார்க்கப்பட வேண்டும் (கை அல்லது குறியீடு மூலம்), ஏனெனில் மாதிரியானது தீர்வில் கையொப்பம்/அலகு பிழைகளை ஏற்படுத்தலாம்; ஒவ்வொரு ஒப்புமையும் அது எங்கு உடைகிறது என்பதைக் குறிப்பிட வேண்டும், இல்லையெனில் அது ஒரு புதிய பிழையை உருவாக்கும்; திசைதிருப்புபவர்கள் உண்மையான தவறான எண்ணங்களை குறிவைக்க வேண்டும். பொறுப்பு ஆசிரியரிடம் உள்ளது; ஒரு தவறான பதில் விசை மாணவர்களை தவறாக புரிந்துகொள்வது கடினம்.

14. சோதனை தரவுகள் கோட்பாட்டுடன் முழுமையாக உடன்படாதபோது, ​​அறிவியல் ஒருமைப்பாட்டுடன் இணக்கமான நடத்தை என்ன?

• A) செயற்கை நுண்ணறிவைக் கொண்டிருப்பது, கோட்பாட்டிற்கு ஏற்றவாறு தரவுகளை ஒழுங்கமைத்து, வரைபடத்தை நம்பத்தகுந்த வகையில் காண்பிக்கும்
• B) முரண்பாட்டிற்கான காரணங்களை ஆய்வு செய்தல் (முறையான பிழை, மாதிரி இல்லாமை, புதிய விளைவு) மற்றும் தரவை மாற்றாமல் நேர்மையாக அறிக்கை செய்தல் ✔
• சி) கருத்து வேறுபாட்டைப் புறக்கணித்து, பொருந்தக்கூடிய புள்ளிகளை மட்டும் புகாரளித்தல்
• D) தரவை நீக்குதல் மற்றும் புதிய பரிசோதனை முடிவை பொருத்துதல்

விளக்கம்: 'கோட்பாட்டிற்கு ஏற்றவாறு தரவை ஒழுங்கமைக்க' AIயிடம் கேட்பது தரவு மோசடி மற்றும் அறிவியல் ஒருமைப்பாட்டின் மொத்த மீறலாகும். கருத்து வேறுபாடு என்பது ஆராயப்பட வேண்டிய ஒன்று, மறைக்கப்படவில்லை: இது ஒரு முறையான பிழை, புள்ளியியல் ஏற்ற இறக்கம், முறைமை இல்லாமை அல்லது ஒரு சுவாரஸ்யமான புதிய விளைவைக் குறிக்கலாம். நிச்சயமற்ற தன்மையுடன் தரவு அப்படியே தெரிவிக்கப்படுகிறது; இறுதி பொறுப்பு நபரிடம் உள்ளது மற்றும் 'கருவி அதை செய்தது' ஒரு தற்காப்பு அல்ல.