பொருளாதார அளவியல் மற்றும் புள்ளிவிவரங்களில் செயற்கை நுண்ணறிவு: பாத்திரங்கள், எல்லைகள், அங்கீகாரம் மற்றும் தனியுரிமை

ஆதாயங்கள்:

• அனுபவப் பணிகளில் (தரவு சுத்தம், குறியீடு, காட்சிப்படுத்தல், வரைவு விளக்கம்) செயற்கை நுண்ணறிவு உண்மையான நேரத்தைச் சேமிக்கிறது மற்றும் மாதிரித் தேர்வு, காரணக் கோரிக்கை மற்றும் வெளியீட்டு முடிவு போன்ற முடிவுகள் நிபுணரிடம் விடப்படும், பணி இடர் நிலைக்கு ஏற்ப வேறுபடுத்தி அறிய முடியும்.
• ஒவ்வொரு செயற்கை நுண்ணறிவு வெளியீட்டையும் (எண், குணகம், குறியீடு, கருத்து) மறுகணக்கீடு, மூலத்துடன் இணைத்தல் மற்றும் புள்ளிவிவர வடிகட்டுதல் ஆகியவற்றின் மூலம் சரிபார்க்கும் ஒரு ஒழுங்குமுறையைப் பயன்படுத்துவதற்கான திறன்.
• KVKK/GDPR மற்றும் தரவு பயன்பாட்டு ஒப்பந்தங்களின் எல்லைக்குள் மைக்ரோ டேட்டா மற்றும் ரகசிய/உரிமம் பெற்ற தரவுத் தொகுப்புகளைப் பாதுகாப்பாகச் செயலாக்கும் திறன் மற்றும் பொருத்தமான கருவிகளைத் தேர்ந்தெடுக்கும் பழக்கத்தைப் பெறுதல்.

அதே கேள்விகள் ஒவ்வொரு நாளும் பொருளாதார நிபுணர் அல்லது பயன்பாட்டு புள்ளியியல் நிபுணரின் மேசையில் மீண்டும் நிகழும்: இந்தத் தரவு நம்பகமானதா; இந்த விடுபட்ட மதிப்புகளை என்ன செய்வது? இந்த பின்னடைவின் குணகம் உண்மையில் என்ன சொல்கிறது? இந்த உறவு காரணமா அல்லது வெறுமனே தொடர்புள்ளதா? இந்த p-மதிப்பு முக்கியத்துவம் வாய்ந்ததாக இருப்பதால், நான் அதை கட்டுரையிலோ அல்லது கொள்கை விளக்கத்திலோ எழுதலாமா? இந்தக் கேள்விகளில் சில திரும்பத் திரும்பத் திரும்பக் கேட்கும், குறியீடானது மற்றும் நேரத்தைச் செலவழிக்கும்: தரவை சுத்தம் செய்தல், அதே வரைபடத்தை பத்து முறை வரைதல், R அல்லது பைதான் குறியீட்டை பிழைத்திருத்தம் செய்தல், முடிவுகளை அட்டவணையில் வரிசைப்படுத்துதல். மற்றவர்கள் ஒரு கண்டுபிடிப்பின் செல்லுபடியை, வெளியீட்டின் நேர்மை அல்லது கொள்கை முடிவின் துல்லியத்தை நேரடியாக தீர்மானிக்கிறார்கள்.

செயற்கை நுண்ணறிவு (சுருக்கமாக, AI - மனிதர்களைப் போல உரை மற்றும் குறியீட்டை உருவாக்கக்கூடிய கணினி அமைப்புகள், வடிவங்களை அடையாளம் கண்டு, தரவை சுருக்கி கருத்துகளை எழுதலாம்; இன்று அதிகம் பயன்படுத்தப்படும் வடிவம் பெரிய மொழி மாதிரிகள், அதாவது, பெரிய உரையில் பயிற்சி பெற்ற மற்றும் அடுத்த வார்த்தையைக் கணித்து வாக்கியங்களை உருவாக்கும் அமைப்புகள்) இந்த அட்டவணையின் நடுவில் உள்ளது. சரியாகப் பயன்படுத்தினால், இது மணிநேர தரவுச் சுத்திகரிப்புக் குறியீட்டை நிமிடங்களாகக் குறைக்கிறது, சிக்கலான புள்ளியியல் சோதனையின் தொடரியல் நினைவூட்டுகிறது அல்லது குணகத்தின் விளக்கத்தை உருவாக்குகிறது. தவறாகப் பயன்படுத்தப்படும் போது, ​​அது வெளித்தோற்றத்தில் உறுதியான ஆனால் முற்றிலும் புனையப்பட்ட எண்ணையோ, தவறான முக்கியத்துவத்தையோ அல்லது காரணமற்ற உறவையோ "கண்டுபிடிப்பதாக" முன்வைக்கிறது.

இந்த முதல் அலகு மென்பொருள் அறிமுகம் அல்ல. உங்கள் அனுபவப் பணிகளில் AI ஐ எங்கு வைக்க வேண்டும் மற்றும் எங்கு வைக்கக்கூடாது என்பதை தெளிவுபடுத்துவதே இதன் நோக்கம். Econometrics என்பது ஒரு "முறை-முக்கியமான" மற்றும் மறைமுகமாக "முடிவு-முக்கியமான" துறையாகும்: நீங்கள் உருவாக்கும் மாதிரியின் குணகம் மத்திய வங்கியின் வட்டி விகித முடிவு, ஒரு கட்டுப்பாட்டாளரின் கொள்கை மாற்றம் அல்லது ஒரு நிறுவனத்தின் மில்லியன் டாலர் முதலீடு ஆகியவற்றுக்கான உள்ளீடாக இருக்கலாம். ஆரம்பத்திலிருந்தே அடிப்படைக் கொள்கையை உருவாக்குவோம்: செயற்கை நுண்ணறிவு ஒரு பகுப்பாய்வு உதவியாளர், ஒரு ஆராய்ச்சியாளர் அல்ல. மாதிரித் தேர்வு, அடையாள உத்தி, காரணத்தை உறுதிப்படுத்துதல், வெளியீடு மற்றும் கொள்கை முடிவுகள் ஆகியவற்றின் பொறுப்பு மற்றும் இறுதி ஒப்புதல் திறமையான நிபுணரிடம் உள்ளது.

அனுபவ வேலைப்பாய்வு மற்றும் AI இன் இடத்தின் அடுக்குகள்

ஒரு அனுபவ ஆய்வை மூன்று அடுக்குகளாகப் பிரிப்பது பயனுள்ளது. மரணதண்டனை அடுக்கு என்பது அன்றாட தொழில்நுட்ப வேலை: தரவு சுத்தம் குறியீடு, வரைபடம் வரைதல், அட்டவணை வடிவமைப்பு, தொடரியல் பிழைத்திருத்தம். முறை அடுக்கு என்பது பகுப்பாய்வு முடிவாகும்: எந்த மாதிரி, எந்த அடையாள உத்தி, எந்த சோதனை, எந்த அனுமானச் சரிபார்ப்பு. விளக்கம் மற்றும் முடிவு அடுக்கு என்பது கண்டுபிடிப்புகளின் பொருள்: குணகம் என்ன சொல்கிறது, அது காரணமா, கொள்கைக்கு என்ன அர்த்தம், அது வெளியிடப்பட வேண்டும். AI மூன்று அடுக்குகளையும் தொடுகிறது, ஆனால் ஒவ்வொன்றிலும் வெவ்வேறு அதிகாரம் உள்ளது. செயல்படுத்தல் அடுக்கில், AI விரைவாக வரைவு செய்து குறியீட்டை உருவாக்குகிறது; விளக்கம் மற்றும் முடிவு அடுக்கில், உள்ளீடு மட்டுமே கொடுக்கப்பட்டு, நிபுணர் முடிவெடுக்கிறார்.

ஆரம்பத்தில் இருந்து சில அடிப்படை சொற்களை வரையறுப்போம். பொருளாதார மற்றும் சமூகத் தரவை புள்ளிவிவர முறைகள் மூலம் பகுப்பாய்வு செய்து உறவுகளை அளவிடும் கிளைதான் பொருளாதார அளவீடு. பின்னடைவு என்பது ஒன்று அல்லது அதற்கு மேற்பட்ட விளக்க மாறிகள் (சுயாதீன மாறிகள்) உடன் விளைவு மாறியின் (சார்பு மாறி) உறவை எண்ணியல் முறையில் மாதிரியாக்கும் ஒரு முறையாகும். குணகம் என்பது ஒரு விளக்க மாறியில் ஒரு யூனிட் மாற்றம் சராசரியாக எத்தனை அலகுகள் மாறுகிறது என்பதைக் காட்டும் எண் ஆகும். p-மதிப்பு என்பது கவனிக்கப்பட்ட விளைவு (அல்லது மிகவும் தீவிரமான விளைவு) தற்செயலாக எந்த விளைவும் இல்லாதபோது ஏற்படும் நிகழ்தகவு ஆகும். இந்தக் கருத்துக்களைப் பின்வரும் அலகுகளில் ஒவ்வொன்றாக விளக்குவோம்; இப்போதைக்கு, இதை அறிந்து கொள்ளுங்கள்: இவை அனைத்திலும், AI உங்களுக்கு புளூபிரிண்ட், குறியீடு மற்றும் விளக்கத்தை அளிக்கிறது, ஆனால் அது அறிவியல் முடிவுகளை எடுக்காது.

பின்வரும் அட்டவணை AI இன் பங்கு மற்றும் இடர் அளவை பணியின் மூலம் சுருக்கமாகக் கூறுகிறது:

தேடுதல்

AI இன் பங்கு

ஆபத்து நிலை

யார் அங்கீகரிக்கிறார்கள்

தரவு சுத்திகரிப்பு குறியீட்டை எழுதுதல்

குறியீடு ஜெனரேட்டர்

குறைந்த

ஆய்வாளர் தானே (குறியீடு சோதனையுடன்)

விளக்கப்படம்/அட்டவணை வரைவு

ஸ்கெட்ச் ஜெனரேட்டர்

குறைந்த

ஆய்வாளர்

சோதனை/மாதிரி தொடரியல் நினைவூட்டல்

குறிப்பு உதவியாளர்

குறைந்த நடுத்தர

ஆய்வாளர்

வரைவு குணகம் விளக்கம்

வரைவு எழுத்தாளர்

நடுத்தர

பொருளாதார நிபுணர்

மாதிரி/அடையாளம் உத்தி தேர்வு

துணை உள்ளீடு

உயர்

நிபுணர் ஆய்வாளர்

காரணக் கூற்று

ஒரு வரைவு, இறுதி வார்த்தை இல்லை

மிக உயர்ந்தது

நிபுணர் + சக மதிப்பாய்வு

வெளியீடு/கொள்கை முடிவு

உள்ளீடு மட்டுமே

மிக உயர்ந்தது

பொறுப்பான புலனாய்வாளர்/நிறுவனம்

இந்த அட்டவணையில் உள்ள ஒரு வரியை நினைவில் கொள்ளுங்கள்: ஆபத்து அதிகரிக்கும் போது, AI இன் பங்கு சுருங்குகிறது மற்றும் நிபுணர்களின் ஒப்புதல் அதிகரிக்கிறது.

ஏன் "சரிபார்ப்பு" என்பது இந்த வணிகத்தின் இதயம்

மொழி மாதிரிகள் தங்கள் பதிலில் நம்பிக்கையுடன் இருப்பதாகத் தெரிகிறது, ஆனால் அவை உறுதியாக இருக்காது. தொழில்நுட்ப மொழியில், இது மாயத்தோற்றம் என்று அழைக்கப்படுகிறது: இது ஒரு சரளமான வாக்கியத்தில் இல்லாத தகவல்களை மாதிரியின் புனையப்பட்டது, அது உண்மையாக இருந்தது. ஒரு பொருளாதார நிபுணருக்கு, இது ஒரு கொடிய பொறி. "2015-2020 க்கு இடையில் Türkiye இல் வேலையின்மை மற்றும் பணவீக்கத்திற்கு இடையே உள்ள தொடர்பு 0.62" போன்ற சரியான எண்ணை மாதிரி உங்களுக்கு வழங்க முடியும்; இருப்பினும், அவர் உங்கள் தரவைப் பார்த்ததில்லை, இந்த எண் முழுமையாக உருவாக்கப்பட்டுள்ளது. அல்லது "வெள்ளை சோதனை p-மதிப்பு 0.03" என்று கூறலாம்; அதேசமயம் அது எந்த சோதனையையும் நடத்தவில்லை. இது உண்மையில் இல்லாத ஒரு வாதத்துடன் R செயல்பாட்டை அழைக்கலாம். மூன்றையும் ஒரே சரளமாகப் பாடுகிறார்; சரியானதையும் தவறையும் பிரிக்கும் ஒரே விஷயம் உங்கள் அறிவு மற்றும் சரிபார்க்கும் பழக்கம்.

சரிபார்ப்பு ஒழுங்குமுறை மூன்று படிகளைக் கொண்டுள்ளது:

1. உங்கள் சொந்த சூழலில் மீண்டும் கணக்கிடவும் / இயக்கவும்: AI இன் நினைவகத்திலிருந்து அல்லாமல், R/Python இல் AI வழங்கிய ஒவ்வொரு எண், விகிதம், சோதனை முடிவு மற்றும் குணகம் ஆகியவற்றைக் கணக்கிடுங்கள். குறியீட்டை எழுத AI ஐப் பயன்படுத்தவும், முடிவை நினைவில் வைக்க வேண்டாம். குறியீட்டை இயக்கவும், நீங்கள் வெளியீட்டை உருவாக்குகிறீர்கள்.
2. ஆதாரத்திற்கான இணைப்பு: முறை விதிகள், சூத்திரங்கள் மற்றும் வரையறைகளுக்கு பாடப்புத்தகங்கள், முறைகள் கட்டுரைகள் மற்றும் அதிகாரப்பூர்வ ஆவணங்களை நம்புங்கள். AI இன் அறிக்கையை "இந்த சோதனையின் அனுமானம்" நம்பகமான ஆதாரத்துடன் உறுதிப்படுத்தவும்.
3. புள்ளியியல் வடிகட்டி: வெளியீடு புள்ளியியல் தர்க்கத்திற்கு முரணானதா என்பதை நிபுணர் கண்களால் சோதிக்கவும் (அனுமானங்கள், மாதிரி, விளைவு அளவு, நிச்சயமற்ற தன்மை). "அர்த்தமுள்ள ஆனால் அபத்தமான" முடிவை நிராகரிக்கவும்.

எச்சரிக்கை: AI-உருவாக்கப்பட்ட குணகம், சோதனை அல்லது விளக்கத்தை ஒரு கட்டுரை, ஆய்வறிக்கை அல்லது கொள்கைக் குறிப்பில் சரிபார்க்காமல் வைப்பது மதிப்பாய்வு செய்யப்படாத கண்டுபிடிப்பை வெளியிடுவது போன்றது. வெளியீடு சரளமாக இருப்பதால் மட்டும் உண்மை இல்லை; எண் உறுதியாகத் தோன்றுவதால், அது உண்மையல்ல.

தனியுரிமை: மைக்ரோ டேட்டா மற்றும் உரிமம் பெற்ற தரவு தனிப்பட்ட முறையில் பாதுகாக்கப்படுகின்றன

மைக்ரோடேட்டா (தனிநபர், குடும்பம், நிறுவனம் அல்லது நோயாளி மட்டத்தில் உள்ள ஒற்றை பதிவுகள்) பொருளாதார அளவீடுகளில் அடிக்கடி பயன்படுத்தப்படுகிறது. இந்தத் தரவுகளில் பெரும்பாலானவை தனிப்பட்ட தரவு மற்றும் Türkiye இல் KVKK (தனிப்பட்ட தரவு பாதுகாப்பு சட்டம்) மற்றும் ஐரோப்பாவில் GDPR ஆகியவற்றின் கீழ் பாதுகாக்கப்படுகிறது. கூடுதலாக, டர்க்ஸ்டாட், மத்திய வங்கிகள், குழு தரவு வழங்குநர்கள் மற்றும் வணிக ஆதாரங்கள் பெரும்பாலும் தரவு பயன்பாட்டு ஒப்பந்தத்துடன் தரவை வழங்குகின்றன; இந்த ஒப்பந்தங்கள் மூன்றாம் தரப்பினருக்கு தரவை மாற்றுவதை தடை செய்கிறது. அடையாளத் தகவல், வருமானம், உடல்நலம் அல்லது நிறுவன ரகசியங்கள் அடங்கிய அட்டவணையை பொது AI அரட்டைக் கருவியில் ஒட்டுவது KVKK/GDPR மீறல் மற்றும் ஒப்பந்த மீறலாகும்; ஏனெனில் தரவு வெளிப்புற சேவையகத்திற்கு செல்கிறது மற்றும் சில கருவிகளில் மாதிரி பயிற்சியில் பயன்படுத்தப்படலாம்.

விதி எளிதானது: தரவை அதன் சொந்த பாதுகாப்பான சூழலில் வைத்திருங்கள், குறியீடு மற்றும் முறைகளுக்கு மட்டும் AI ஐக் கேட்கவும். சிறந்த பணிப்பாய்வு இதுதான்: பகுப்பாய்வுக் குறியீட்டை AIயிடம் கேளுங்கள், உங்கள் சொந்த கணினி/எண்டர்பிரைஸ் சர்வரில் உண்மையான தரவுகளுடன் குறியீட்டை இயக்கவும். நீங்கள் உண்மையிலேயே தரவைப் பகிர வேண்டும் என்றால், அநாமதேயப்படுத்தவும் (ஐடி புலங்களை அகற்றவும்), ஒருங்கிணைக்கவும் (தனிநபர்களுக்குப் பதிலாக சராசரி/எண்ணிக்கை), மற்றும் நிறுவனக் கருவிகளைத் தேர்வுசெய்யவும், தரவு செயலாக்க ஒப்பந்தம் மற்றும் கல்வியில் உங்கள் தரவைப் பயன்படுத்த வேண்டாம்.

மூன்று சிறிய வழக்குகள்

வழக்கு 1 - பாதுகாப்பான மற்றும் திறமையான பயன்பாடு. ஒரு ஆராய்ச்சியாளர் முதலில் 6 மணிநேரம் கைமுறையாக 40,000 வரிசை வீட்டு பட்ஜெட் தரவுகளை சுத்தம் செய்தார். தரவைப் பகிராமல், அவர் மாறி பெயர்கள் மற்றும் கட்டமைப்பை AI க்கு விவரித்தார் மற்றும் ஒரு துப்புரவு குறியீட்டைக் கேட்டார். AI ஒரு R ஸ்கிரிப்டை உருவாக்கியது; ஆராய்ச்சியாளர் தனது சொந்த சூழலில் குறியீட்டை இயக்கி, ஒவ்வொரு படியின் வரிகளின் எண்ணிக்கை மற்றும் சுருக்க புள்ளிவிவரங்களை சரிபார்த்து, இரண்டு தர்க்க பிழைகளை சரி செய்தார். கால அளவு: 6 மணி நேரத்திற்கு பதிலாக 70 நிமிடங்கள். தரவு வெளியேறவில்லை; பொறுப்பு ஆய்வாளரிடமே இருந்தது.

வழக்கு 2 - சரிபார்க்கப்படாத எண் பொறி. "ஜிடிபி வளர்ச்சிக்கும் அன்னிய நேரடி முதலீட்டிற்கும் இடையே உள்ள நெகிழ்ச்சி என்ன" என்று ஒரு பட்டதாரி மாணவர் AIயிடம் கேட்டார். எந்தத் தரவையும் அணுகவில்லை என்றாலும் AI நம்பிக்கையுடன் "சுமார் 0.34" எண்ணிக்கையை வழங்கியது. மாணவர் இலக்கியச் சுருக்கத்தில் இதை எழுதினார்; ஆதாரம் குறித்து அவரது ஆலோசகர் கேட்டபோது, ​​அந்த எண்ணுக்கு எந்த அடிப்படையும் இல்லை என்பதும் முற்றிலும் ஜோடிக்கப்பட்ட எண் என்பதும் தெரியவந்தது. தவறு: AI இலிருந்து தரவு மற்றும் ஆதாரங்களை வழங்காமல் உறுதியான புள்ளிவிவரங்களை எதிர்பார்க்கிறது.

வழக்கு 3 - இரகசியத்தன்மை மற்றும் ஒப்பந்தத்தை மீறுதல். ஒரு பகுப்பாய்வாளர் எக்செல், உரிமம் பெற்ற நிறுவனப் பேனலில் இருந்து பெற்று, நிறுவனத்தின் பெயர் மற்றும் விற்றுமுதல் ஆகியவற்றைப் பொதுவில் கிடைக்கும் AI கருவியில் பதிவேற்றி, "பேனல் பின்னடைவைச் செய்" என்றார். தரவு வழங்குநரின் ஒப்பந்தம் மூன்றாம் தரப்பு அமைப்புகளுக்கு தரவை மாற்றுவதை தடை செய்தது; இந்த சம்பவம் இணக்க மதிப்பாய்வைத் தூண்டியது. நிறுவனத்தின் பெயர்களை அநாமதேய குறியீடுகளுடன் மாற்றுவது அல்லது தரவைப் பகிர்வது மற்றும் பேனல் பின்னடைவு குறியீட்டைக் கோரி அதன் சொந்த சூழலில் அதை இயக்குவது சரியான வழி.

பலவீனமான வரியில் / வலுவான வரியில்

பலவீனமான உடனடி:

பணவீக்கத்திற்கும் வேலையின்மைக்கும் இடையிலான உறவை ஆராய்ந்து குணகத்தைக் குறிப்பிடவும்.

இந்த கூற்று தவறானது: AI க்கு தரவு எதுவும் வழங்கப்படவில்லை, எந்த நாடு, எந்த காலம், எந்த மாதிரி என்பது தெளிவாக இல்லை. AI ஆனது உருவாக்கப்பட்ட குணகம் மூலம் மட்டுமே பதிலளிக்க முடியும்.

சக்திவாய்ந்த தூண்டுதல்:

உங்கள் பங்கு: நீங்கள் பொருளாதார அளவியல் ஆராய்ச்சியாளருக்கு உதவும் ஒரு பகுப்பாய்வு உதவியாளர். நான் உங்களுடன் தரவைப் பகிரவில்லை; எனக்கு RUNNABLE R குறியீடு வேண்டும். என்னிடம் வருடாந்திர குழு உள்ளது: மாறிகள் நாடு, ஆண்டு, வேலையின்மை, பணவீக்கம் (அனைத்து எண்களும்). பணி: 1) வேலையின்மைக்கான நிலையான விளைவுகள் பேனல் பின்னடைவுக் குறியீட்டை எழுதவும் ~ பணவீக்கம் (பிஎல்எம் தொகுப்பு), 2) குறியீட்டின் ஒவ்வொரு அடியையும் ஒரு கருத்து வரியுடன் விளக்கவும், 3) குணகம் தொடர்புடையதாக விளக்கப்பட வேண்டும் என்பதை நினைவில் கொள்க, காரணம் அல்ல, 4) நீங்கள் உறுதியாக தெரியாத செயல்பாட்டு வாதத்தை உருவாக்கவும்; எனது சொந்த சூழலில் முடிவை இயக்கி சரிபார்ப்பேன்.

இந்த கோரிக்கையில், தரவு எதுவும் பகிரப்படவில்லை, பங்கு, தொகுப்புகள், கருத்துகளின் எதிர்பார்ப்பு மற்றும் "புனையப்படுதல்" தடை ஆகியவை தெளிவாக உள்ளன. நீங்கள் இன்னும் இயங்கி, வெளியீட்டை நீங்களே சரிபார்க்கவும்.

பின்வரும் அட்டவணை இந்த பாடத்தில் ஒரு வாக்கிய விதிகளை சுருக்கமாகக் கூறுகிறது:

கொள்கை

என்ன அர்த்தம்

AI ஒரு உதவியாளர்

அறிவியல் முடிவும் பொறுப்பும் நிபுணரிடம் உள்ளது

குறியீட்டைக் கோரவும், முடிவை உருவாக்கவும்

AI எண்ணை நினைவில் கொள்ளவில்லை; நீங்கள் அதை இயக்கி கணக்கிடுங்கள்

தரவு வைத்து

மைக்ரோ/உரிமம் பெற்ற தரவு பாதுகாப்பான சூழலை விட்டு வெளியேறாது

சரிபார்க்க

ஒவ்வொரு சிக்கல், குறியீடு, கருத்து சரிபார்க்கப்பட்டது; கட்டுக்கதை நிராகரிக்கப்படுகிறது

பொதுவான தவறுகள்

• தரவை வழங்காமல் AI இலிருந்து உறுதியான புள்ளிவிவரங்களை எதிர்பார்க்கிறது. மாதிரியால் தரவை அணுக முடியாது; அது தரும் குணகம், தொடர்பு மற்றும் p-மதிப்பு ஆகியவை போலியானவை. எப்போதும் குறியீட்டைக் கேட்டு, முடிவை நீங்களே உருவாக்கவும்.
• மாயத்தோற்றம் செயல்பாடுகளை நம்பியிருக்கிறது. இல்லாத R/Python செயல்பாடு அல்லது வாதத்தை AI பரிந்துரைக்கலாம். குறியீட்டை இயக்கி சரிபார்க்காமல் ஏற்க வேண்டாம்.
• மைக்ரோடேட்டாவை பொதுக் கருவியில் பதிவேற்றுகிறது. இது KVKK/GDPR மற்றும் தரவு பயன்பாட்டு ஒப்பந்தத்தை மீறுவதாகும். தரவை அநாமதேயமாக்குங்கள் அல்லது பகிரவே வேண்டாம்.
• சரளத்தை துல்லியமாக தவறாகப் புரிந்துகொள்வது. நன்கு எழுதப்பட்ட மதிப்புரை தவறானதாக இருக்கலாம். வாக்கியத்தின் அழகு ஆதாரம் அல்ல.
• காரண மொழியை கட்டுப்பாடில்லாமல் ஏற்றுக்கொள்வது. YZ அடிக்கடி "X ஐ அதிகரிக்கிறது" என்று கூறுகிறது; அதேசமயம் பெரும்பாலான பின்னடைவுகள் உறவுகளை மட்டுமே காட்டுகின்றன. வடிவமைப்புடன் காரண உரிமைகோரலைப் பாதுகாக்கவும்.

உதவிக்குறிப்பு: AI உடன் பணிபுரியும் போது, ​​இந்த கேள்வியை நீங்களே கேட்டுக்கொள்ளுங்கள்: "ஒரு நடுவர் அல்லது தணிக்கையாளர் இந்த வெளியீட்டைக் கேட்டால், நான் ஆதாரத்தையும் கணக்கையும் காட்டலாமா?" பதில் இல்லை என்றால், வெளியீடு இன்னும் பயன்படுத்த தயாராக இல்லை.

சுருக்கமாக

AI ஆனது பொருளாதார அளவீடுகள் மற்றும் புள்ளியியல் பணிப்பாய்வுகளின் செயலாக்க அடுக்கில் (குறியீடு, சுத்தப்படுத்துதல், வரைபடம், வரைவு) உண்மையான மற்றும் மிகப்பெரிய முடுக்கத்தை வழங்குகிறது; இருப்பினும், மாதிரித் தேர்வு, காரணம், விளக்கம், வெளியீடு மற்றும் கொள்கை முடிவுகள் ஆகியவை நிபுணருக்குரியவை. மூன்று அடிப்படைத் துறைகள்: எண்ணை AIக்கு நினைவூட்ட வேண்டாம், குறியீட்டைக் கேட்டு, முடிவை நீங்களே உருவாக்கி சரிபார்க்கவும்; பாதுகாப்பான சூழலில் இருந்து மைக்ரோ/உரிமம் பெற்ற தரவை அகற்ற வேண்டாம்; ஒவ்வொரு வெளியீட்டையும் புள்ளிவிவர வடிகட்டி. சரிபார்க்கப்படாத AI வெளியீடு, மதிப்பாய்வு செய்யப்படாத கண்டுபிடிப்பைப் போலவே ஆபத்தானது.

விண்ணப்ப பணி

உங்கள் சொந்த (அல்லது உதாரணம்) தரவுத் தொகுப்பைக் கவனியுங்கள். தரவைப் பகிராமல், மாறி கட்டமைப்பை விவரிப்பதன் மூலம் விளக்கமான புள்ளிவிவரங்கள் மற்றும் எளிய வரைபடத்தை உருவாக்கும் R அல்லது பைதான் குறியீட்டை AIயிடம் கேளுங்கள். உள்வரும் குறியீட்டை உங்கள் சொந்த சூழலில் இயக்கவும். பின்னர் ஒரு சரிபார்ப்புப் பட்டியலை வைத்திருங்கள்: (1) குறியீடு பிழைகள் இல்லாமல் இயங்கினதா, (2) நீங்கள் எதிர்பார்த்தபடி வரிகள்/அவதானிப்புகளின் எண்ணிக்கை, (3) AI இன் கருத்து வாக்கியங்களில் எது காரண மொழியைப் பயன்படுத்துகிறது மற்றும் சரி செய்யப்பட வேண்டும். ஒரு பத்தியில், AI உங்களைக் காப்பாற்றிய நேரத்தைப் பற்றியும், குறைந்தபட்சம் ஒரு பிழையையாவது நீங்கள் பிடித்தது பற்றியும் எழுதுங்கள்.

சரிபார்ப்பு பட்டியல்

• [ ] நான் AI ஐ உறுதியான புள்ளிவிவரங்களைக் கேட்கச் செய்யவில்லை; நான் குறியீட்டைக் கேட்டு, முடிவை நானே தயாரித்தேன்.
• [ ] எனது சொந்த சூழலில் அது வழங்கிய ஒவ்வொரு எண்ணையும் சோதனை முடிவையும் மீண்டும் கணக்கிட்டேன்.
• [ ] அது பயன்படுத்தும் செயல்பாடுகள்/வாதங்கள் உண்மையில் உள்ளனவா என்பதை நான் சரிபார்த்தேன்.
• [ ] நான் மைக்ரோ/தனிப்பட்ட/உரிமம் பெற்ற தரவை பொதுக் கருவியில் பதிவேற்றவில்லை.
• [ ] காரண மொழியைக் கொண்ட கருத்துகளைக் குறித்தேன் மற்றும் அவற்றை தொடர்புடைய மொழிக்கு நகர்த்தினேன்.
• [ ] வெளியீட்டின் மூலத்தையும் கணக்கியலையும் தணிக்கையாளரிடம் என்னால் காட்ட முடிகிறது.