ரிசர்வ் (ஒதுக்கீடு) கணக்கு: ஐபிஎன்ஆர், செயின் லேடர் மற்றும் செயற்கை நுண்ணறிவு மூலம் சரிபார்ப்பு

ஆதாயங்கள்:

• சேத மேம்பாட்டு முக்கோணம், IBNR (ஏற்பட்ட ஆனால் பதிவாகாத சேதம்) மற்றும் செயற்கை நுண்ணறிவின் ஆதரவுடன் சங்கிலி-ஏணி முறை ஆகியவற்றை நிறுவும் திறன் மற்றும் வளர்ச்சி காரணிகளை விளக்குதல்
• போர்ன்ஹுட்டர்-ஃபெர்குசன் மற்றும் மேக் போன்ற மாற்று முறைகளுடன் முடிவுகளை ஒப்பிடும் திறன் மற்றும் செயற்கை நுண்ணறிவுடன் இருப்பு நிச்சயமற்ற தன்மையை (மாறுபாடு, நம்பிக்கை இடைவெளி) விளக்கும் திறன்
• செயற்கை நுண்ணறிவு மூலம் கணக்கிடப்பட்ட வழங்கல் எண்ணிக்கை ஒரு வரைவு, இறுதியானது அல்ல, மேலும் வளர்ச்சிக் காரணி மற்றும் நீதித்துறைத் திருத்தம் ஆகியவற்றின் தேர்வு பொறுப்பான ஆக்சுவரிக்கு சொந்தமானது என்று பராமரிக்க முடியும்.

ஒரு காப்பீட்டு நிறுவனம் இன்று ஒரு சேதத்தை செலுத்தும் போது, ​​அது உண்மையில் கடந்த காலத்தில் விற்ற பாலிசியின் கடனை செலுத்துகிறது. ஆனால் ஒவ்வொரு சேதமும் உடனடியாகப் புகாரளிக்கப்படுவதில்லை மற்றும் பதிவான ஒவ்வொரு சேதமும் உடனடியாக முழுமையாக செலுத்தப்படாது. இன்று ஒரு போக்குவரத்து விபத்து ஏற்படுகிறது, நிறுவனத்திற்கு மூன்று மாதங்களுக்குப் பிறகு அறிவிக்கப்படுகிறது, நீதிமன்ற செயல்முறை இரண்டு ஆண்டுகள் ஆகும், மேலும் நான்கு ஆண்டுகளுக்குப் பிறகு இறுதி கட்டணம் தெளிவாகிறது. எனவே, நிறுவனம் இன்னும் முழுமையாக செலுத்தப்படாத அல்லது இன்னும் தெரிவிக்கப்படாத சேதங்களுக்கு இன்று பணத்தை முன்பதிவு செய்ய வேண்டும். இந்த பணம் இருப்பு என்று அழைக்கப்படுகிறது, மேலும் அதன் துல்லியமான கணக்கீடு ஒரு காப்பீட்டு நிறுவனத்தின் மிக முக்கியமான செயல்பாடாகும். அவர் குறைவாக விட்டால், நிறுவனம் திவாலாகிவிடும்; அதிகமாக ஒதுக்கப்பட்டால், மூலதனம் வீணாகக் கட்டப்பட்டு, லாபம் மறைக்கப்படுகிறது.

இந்த அலகில், வழங்கல் கணக்கீட்டின் மையத்தில் உள்ள மூன்று கருத்துகளை நாங்கள் உள்ளடக்குவோம்: சேத மேம்பாட்டு முக்கோணம், IBNR மற்றும் சங்கிலி-ஏணி முறை. பின்னர் மாற்று முறைகள் (Bornhuetter-Ferguson, Mack) மற்றும் நிச்சயமற்ற தன்மையைக் கருத்தில் கொள்வோம். AI இந்த கணக்கீடுகளுக்கான குறியீட்டை எழுதுகிறது, முக்கோணத்தை நிரப்புகிறது, காரணிகளைக் கணக்கிட்டு முடிவை விளக்குகிறது; ஆனால் வளர்ச்சிக் காரணி தேர்வு, நீதித்துறைத் திருத்தம் மற்றும் இறுதி விதிப்பு எண்ணிக்கை ஆகியவற்றின் பொறுப்பு பொறுப்பான ஆக்சுவரியிடம் உள்ளது.

சேத வளர்ச்சி முக்கோணம் என்றால் என்ன?

வழங்கல் கணக்கீட்டின் அடிப்படையானது வளர்ச்சி முக்கோணம் / ரன்-ஆஃப் முக்கோணம் ஆகும். வரிசைகள் சேதம் ஏற்பட்ட காலத்தை (விபத்து ஆண்டு) காட்டுகின்றன, மேலும் அந்த சேதத்திற்கு (வளர்ச்சி ஆண்டு) எவ்வளவு செலுத்தப்பட்டது என்பதை நெடுவரிசைகள் காட்டுகின்றன. அது பின்வருமாறு கூறுகிறது: 2021 விபத்து ஆண்டின் 1 வது வளர்ச்சி ஆண்டில் 4 மில்லியன் செலுத்தப்பட்டது, 2 வது ஆண்டில் ஒட்டுமொத்தமாக 6.2 மில்லியன் செலுத்தப்பட்டது, 3 வது ஆண்டில் 7 மில்லியன் செலுத்தப்பட்டது. பழைய விபத்து ஆண்டுகள் முதிர்ச்சியடைந்தன (கிட்டத்தட்ட அனைத்து கொடுப்பனவுகளும் செய்யப்பட்டுள்ளன), அதே நேரத்தில் புதிய ஆண்டுகள் இன்னும் உருவாகின்றன. எனவே முக்கோணத்தின் பெயர்: கீழ் வலது மூலையில் காலியாக உள்ளது, ஏனெனில் புதிய ஆண்டுகளின் மேலும் வளர்ச்சி இன்னும் ஏற்படவில்லை. இந்த காலி மூலையை மதிப்பிடுவதே ஆக்சுவரியின் வேலை.

IBNR (ஈடுபட்டது ஆனால் அறிவிக்கப்படவில்லை) என்பது இந்த இடைவெளியின் ஒரு பகுதியாகும்: நிகழ்ந்த ஆனால் இதுவரை நிறுவனத்திடம் தெரிவிக்கப்படாத உரிமைகோரல்களின் எதிர்காலச் செலவு. IBNER (அறிக்கை செய்யப்பட்ட ஆனால் குறைவான முன்பதிவு செய்யப்பட்ட உரிமைகோரல்களின் கூடுதல் வளர்ச்சி) உள்ளது. நடைமுறையில், முக்கோண முறைகள் மொத்த தேவையான ஒதுக்கீட்டை மதிப்பிடுகின்றன (பணம் + எதிர்கால வளர்ச்சி); நீங்கள் செலுத்திய பகுதியைக் கழிக்கும்போது, ​​IBNR உட்பட, மீதமுள்ள ஒதுக்கீடு இருக்கும்.

உதவிக்குறிப்பு: முக்கோணத்தை இரண்டு வெவ்வேறு அடிப்படைகளில் அமைக்கலாம்: "சேதம் செலுத்தப்பட்டது" மற்றும் "சேதமடைந்தது (பணம் + அறியப்பட்ட இருப்பு)". இரண்டையும் ஒன்றாக ஆராய்வது, உரிமைகோரல் குழுக்களின் முன்பதிவு நடத்தையில் ஏற்படும் மாற்றத்தைக் கண்டறிய உதவுகிறது.

செயின்-ஏணி படி

சங்கிலி ஏணி மிகவும் பொதுவான மறுமொழி முறையாகும், மேலும் அதன் தர்க்கம் உள்ளுணர்வு உள்ளது: கடந்த காலத்தில் இழப்புகள் ஒரு வளர்ச்சி ஆண்டு முதல் அடுத்த ஆண்டு வரை சராசரியாக ஒரு குறிப்பிட்ட விகிதத்தில் வளர்ந்திருந்தால், புதிய ஆண்டுகள் இதே விகிதத்தில் வளரும். படிகள்:

1. ஒட்டுமொத்த முக்கோணத்தை அமைக்கவும். ஒவ்வொரு விபத்துக்கான ஒட்டுமொத்த கட்டண உரிமைகோரல்களை வளர்ச்சியின் ஆண்டு வாரியாக வரிசைப்படுத்தவும்.
2. வளர்ச்சி காரணிகளைக் கணக்கிடுங்கள். ஒவ்வொரு நெடுவரிசை பாஸுக்கும்: அடுத்த நெடுவரிசையின் கூட்டுத்தொகை / தற்போதைய நெடுவரிசையின் கூட்டுத்தொகை (இரண்டு நெடுவரிசைகளையும் ஆக்கிரமித்துள்ள வரிசைகளை மட்டுமே பயன்படுத்துதல்). எடுத்துக்காட்டாக, காரணி 1→2 1.45; காரணி 2→3 1.12 ஆக இருக்கலாம். இந்த காரணி வயது முதல் வயது காரணி என்று அழைக்கப்படுகிறது.
3. ஒட்டுமொத்த (அடுக்கப்பட்ட) காரணிகளைக் கண்டறியவும். ஒவ்வொரு ஆண்டும் இறுதிப் போட்டியை அடைய மீதமுள்ள காரணிகளைப் பெருக்குதல்.
4. காலியான மூலையை நிரப்பவும். ஒவ்வொரு புதிய விபத்து ஆண்டிலும் கடைசியாக அறியப்பட்ட மதிப்பை மீதமுள்ள காரணிகளால் பெருக்குவதன் மூலம் இறுதி சேதத்தை மதிப்பிடவும்.
5. பதிலைக் கணக்கிடுங்கள். இறுதி சேதம் - தேதி வரை செலுத்தப்பட்டது = எதிர்காலத்தில் செலுத்த வேண்டிய ஒதுக்கீடு (IBNR உட்பட).

பின்வரும் அட்டவணை ஒரு சிறிய உதாரணம் (ஒட்டுமொத்த கட்டண சேதம், மில்லியன் TL):

விபத்து ஆண்டு

வாருங்கள். 1

வாருங்கள். 2

வாருங்கள். 3

வாருங்கள். 4

2021

4.0

6.0

6.8

7.0

2022

4.4

6.5

7.3

?

2023

4.8

7.0

?

?

2024

5.2

?

?

?

இந்த முக்கோணத்தில், காரணி 1→2 தோராயமாக 1.47; 2→3 சுமார் 1.12; 3→4 என்பது தோராயமாக 1.03. 2024 இறுதி 5.2 × 1.47 × 1.12 × 1.03 ≈ 8.82 மில்லியன்; செலுத்தப்பட்ட தொகை 5.2 என்பதால், ஒதுக்கீடு ≈ 3.62 மில்லியன் TL ஆகும். AI இந்த எண்கணிதத்தை நொடிகளில் செய்கிறது, ஆனால் காரணிகள் நியாயமானதா என்பதை ஆக்சுவரி தீர்மானிக்கிறது.

மாற்று முறைகள் மற்றும் நிச்சயமற்ற தன்மை

சங்கிலி ஏணி மட்டும் போதுமானதாக இல்லை, ஏனெனில் வளர்ச்சி காரணிகள் சிறிய ஏற்ற இறக்கங்களுக்கு மிகவும் உணர்திறன் கொண்டவை, ஏனெனில் சமீபத்திய விபத்து ஆண்டுகளில் சிறிய தரவு உள்ளது; ஒரு பெரிய சேதம் ஒட்டுமொத்த மதிப்பீட்டையும் அழித்துவிடும். அதனால்தான் Bornhuetter-Ferguson (BF) முறை பயன்படுத்தப்படுகிறது: BF ஆனது வெளிப்புற எதிர்பார்க்கப்படும் இழப்பு விகிதத் தகவலைப் பயன்படுத்தி வளர்ச்சியடையாத பகுதியை மதிப்பிடுகிறது, இதனால் நிலையற்ற தன்மையை மென்மையாக்குகிறது. முதிர்ந்த ஆண்டுகளில் சங்கிலி ஏணி விரும்பப்படுகிறது, புதிய மற்றும் முதிர்ச்சியடையாத ஆண்டுகளில் BF விரும்பப்படுகிறது; ஒன்றாக அவர்கள் ஒரு சீரான மதிப்பீட்டைக் கொடுக்கிறார்கள்.

நிச்சயமற்ற தன்மையை அளவிட, மேக் முறை பயன்படுத்தப்படுகிறது: இது சங்கிலி ஏணி மதிப்பீட்டின் நிலையான பிழையை (மாறுபாடு) பகுப்பாய்வு செய்கிறது. கூடுதலாக, பதிலின் முழு நிகழ்தகவு விநியோகம் பூட்ஸ்ட்ராப் மூலம் உருவாக்கப்படலாம் (தரவை மீண்டும் மீண்டும் மாதிரியாக்குவதன் மூலம் உருவகப்படுத்துதல்); "மோசமான சூழ்நிலையில் எங்கள் பதில் என்னவாக இருக்கும்?" என்ற கேள்விக்கு (சொல்வென்சி II க்கு முக்கியமானது) இது பதிலளிக்கிறது. குறியீட்டை உருவாக்குவதிலும் இந்த முறைகளை ஒப்பிடுவதிலும் AI மிகவும் சக்தி வாய்ந்தது.

எச்சரிக்கை: வளர்ச்சி காரணி தேர்வு இயந்திரத்தனமானது அல்ல. ஒரு வருடத்தில், சட்டத்தில் மாற்றம், பெரிய அளவிலான வழக்குகள் அல்லது உரிமைகோரல் கட்டண விகிதத்தில் மாற்றம் ஆகியவை காரணிகளை சீர்குலைக்கலாம். "எளிய சராசரி, எடையுள்ள சராசரி, கடந்த 3 ஆண்டுகள்" தேர்வு நீதித்துறை மற்றும் நியாயப்படுத்தப்பட வேண்டும்.

இருப்புக் கணக்கியலில் AI ஐ எவ்வாறு பயன்படுத்துவது

1) சங்கிலி ஏணி குறியீடு:

சங்கிலி ஏணியைக் கணக்கிடும் பைத்தானில் கருத்துரையிடப்பட்ட குறியீட்டை எழுதவும். உள்ளீடு: ஒட்டுமொத்த செலுத்தப்பட்ட சேத முக்கோணம் (பட்டியல்களின் பட்டியல், விடுபட்ட செல்கள் எதுவுமில்லை). 1) ஒவ்வொரு நெடுவரிசை பாஸுக்கும் தொகுதி எடையுள்ள வயது காரணியைக் கணக்கிடுங்கள். 2) ஒட்டுமொத்த காரணிகளைக் கண்டறியவும். 3) வெற்று மூலையில் நிரப்பவும் மற்றும் ஒவ்வொரு விபத்து ஆண்டுக்கான இறுதி சேதத்தை மதிப்பிடவும். 4) இழப்பீட்டைக் கணக்கிட்டுத் தொகுக்கவும் (இறுதி - ஊதியம்). ஒவ்வொரு இடைநிலை படியையும் திரையில் அச்சிடவும்; நூலகத்தை உருவாக்க வேண்டாம், அடிப்படை பைத்தானைப் பயன்படுத்தவும்.

2) முறை ஒப்பீடு:

செயின் ஏணிக்கும் போர்ன்ஹுட்டர்-பெர்குசனுக்கும் உள்ள வித்தியாசத்தை ஒரு ஆக்சுவரிக்கு விளக்கவும்.- எந்த சூழ்நிலையில் எது நம்பகமானது?- புதிய (முதிர்ச்சியடையாத) விபத்து ஆண்டுகளில் BF ஏன் விரும்பப்படுகிறது?- BF க்கு தேவையான 'எதிர்பார்க்கப்படும் சேத விகிதத்தை' நான் எவ்வாறு தீர்மானிப்பது? ஒரு அட்டவணையில் நன்மை/தீமைகளை சுருக்கவும்.

3) காரணி நம்பகத்தன்மை சோதனை:

என்னிடம் பின்வரும் வயதுக்கு வயது காரணிகள் உள்ளன: 1->2: 1.47; 2->3: 1.12; 3->4: 1.03; 4->5: 1,45. மற்றவற்றுடன் ஒப்பிடும்போது 4->5 காரணி விசித்திரமாகத் தெரிகிறது.- இந்த ஜம்ப்க்கான சாத்தியமான காரணங்கள் என்னவாக இருக்கலாம் (ஒழுங்குமுறை, பெரிய சேதம், தரவு பிழை)?- சரிபார்க்க நான் என்ன சோதனைகள் செய்ய வேண்டும்? முடிவெடுப்பது; எனக்கு ஒரு சரிபார்ப்புப் பட்டியலைக் கொடுங்கள்.

4) நிச்சயமற்ற விளக்கம்:

எனது சங்கிலி ஏணியின் சிறந்த யூகம் 42 மில்லியன் TL, மேக் நிலையான பிழை 5.3 மில்லியன். மேலாளர் மற்றும் கட்டுப்பாட்டாளரிடம் இதை எப்படி விளக்குவது?- 75% மற்றும் 99.5% நிலைகள் எதைக் குறிக்கின்றன என்பதை எளிய மொழியில் விளக்கவும்.- 'ஒற்றை எண்ணுக்குப் பதிலாக வரம்பு' என்ற செய்தியை நான் எவ்வாறு தெரிவிப்பது?

பலவீனமான வரியில் / வலுவான வரியில்

பலவீனமான உடனடி:

எனது வெகுமதியைக் கணக்கிடுங்கள்.

முக்கோணம் இல்லை, முறை இல்லை, தரவு இல்லை. AI இடைவெளியைப் பொருத்துகிறது.

சக்திவாய்ந்த தூண்டுதல்:

உங்கள் பங்கு: முன்பதிவு உதவியாளர். நான் உங்களுக்கு ஒட்டுமொத்த கட்டண முக்கோணத்தை (அநாமதேய, மில்லியன் TL) தருகிறேன்:2021: [4.0, 6.0, 6.8, 7.0]2022: [4.4, 6.5, 7.3]2023: [4.8, 7.0]2024: [5.12] காரணிகளைக் கணக்கிடுங்கள் காட்டு எனவே உங்கள் மதிப்பீடு ஏன் மிகவும் நிச்சயமற்றது என்பதை விளக்குங்கள். இடைநிலை எண்களைக் காட்டுங்கள், அதனால் நான் அவற்றை கைமுறையாக சரிபார்க்க முடியும். நான் கொடுக்கும் டேட்டாவை மட்டும் பயன்படுத்தவும்.

மூன்று சிறிய வழக்குகள்

வழக்கு 1 - போதிய ஏற்பாடு. ஒரு நிறுவனம், அதன் வேகமாக வளர்ந்து வரும் டிராஃபிக் போர்ட்ஃபோலியோவில் கடந்த இரண்டு விபத்து ஆண்டுகளை நேரான சங்கிலி ஏணியுடன் கணக்கிட்டது. புதிய ஆண்டுகளின் காரணிகள் குறைவாக இருந்ததால், ஒதுக்கீடு 31 மில்லியன் TL என மதிப்பிடப்பட்டது. ஆக்சுவரி BF உடன் சரிபார்த்து, எதிர்பார்க்கப்படும் சேத விகிதத்தைப் பயன்படுத்தியபோது, ​​யதார்த்தமான பதில் 44 மில்லியன் TL. 13 மில்லியன் வித்தியாசம் ஒரு வருடம் கழித்து உண்மையான சேதங்களுடன் உறுதி செய்யப்பட்டது. பாடம்: புதிய ஆண்டுகளில், வெறும் சங்கிலி ஏணியை ஏமாற்றுகிறது.

வழக்கு 2 - சிதைந்த காரணி. AI உருவாக்கிய முக்கோணத்தில் 3→4 காரணி 1.42ஐ ஒரு உதவியாளர் பார்த்தார்; அதேசமயம் வரலாற்று சராசரி 1.05 ஆக இருந்தது. அது கேள்வி கேட்காமல் நிறைவேற்றப்பட்டிருந்தால், பதில் ஏறக்குறைய 30 சதவிகிதம் உயர்த்தப்பட்டிருக்கும். தரவு ஏற்றுவதில் ஏற்பட்ட பிழையால் இரண்டு விபத்து ஆண்டுகள் மாறியிருப்பது விசாரணையில் தெரியவந்தது. AI பிழையை உருவாக்கவில்லை, ஆனால் அது அதை கவனிக்கவில்லை; ஆக்சுவரியின் நியாயமான சோதனை பிடிபட்டது.

வழக்கு 3 - நிச்சயமற்ற தன்மையின் சரியான விளக்கக்காட்சி. ஒரு பொறுப்பான ஆக்சுவரி நிர்வாகத்திடம் "ஒதுக்கீடு 42 மில்லியன்" என்று மட்டுமே கூறினார். நிர்வாகம் இது உறுதி என்று எண்ணி லாபத்தைப் பங்கிட்டது. அடுத்த ஆண்டு, உண்மையான எண்ணிக்கை 48 மில்லியனாக இருந்தபோது, ​​​​ஒரு நெருக்கடி ஏற்பட்டது. அடுத்த காலக்கட்டத்தில், "சிறந்த யூகம் 42, ஆனால் 75% நிலை 46, 99.5% நிலை 55 மில்லியன்" என்று மேக் மற்றும் பூட்ஸ்ட்ராப் மூலம் ஒரு வரம்பை வழங்கியது; அதன்படி நிர்வாகம் தனது முடிவை எடுத்தது. AI பூட்ஸ்ட்ராப் குறியீடு மற்றும் விளக்கப்படத்தை தயாரிப்பதில் இது நிறைய நேரத்தை மிச்சப்படுத்தியது.

பொதுவான தவறுகள்

• சமீப வருடங்களாக விபத்துகளில் சங்கிலி ஏணியை மட்டுமே பயன்படுத்துகின்றனர். குறைவான தரவு என்பது ஆவியாகும் காரணி; BF உடன் சமநிலை.
• வளர்ச்சிக் காரணிகளை நியாயமான கட்டுப்பாட்டிற்கு உட்படுத்தவில்லை. ஒரு ஊழல் காரணி முழு பதிலையும் வீசுகிறது; வரலாற்று வடிவத்துடன் ஒப்பிடுக.
• எதிரொலியை ஒரு துல்லியமான எண்ணாக வழங்குதல். பதில் ஒரு யூகம்; நிச்சயமற்ற வரம்பு (மேக், பூட்ஸ்ட்ராப்) இல்லாமல் வழங்குவது தவறானது.
• பணம் மற்றும் உணரப்பட்ட முக்கோணத்தை குழப்புகிறது. இரண்டும் வெவ்வேறு விஷயங்களை அளவிடுகின்றன; ஒரு அடிப்படையில் தொடர்ந்து வேலை செய்யுங்கள் அல்லது இரண்டையும் உணர்வுபூர்வமாக ஒப்பிட்டுப் பாருங்கள்.
• பணவீக்கம் மற்றும் ஒழுங்குமுறை முறிவுகளை புறக்கணித்தல். கடந்த கால வளர்ச்சி முறை எதிர்காலத்தில் மாறாமல் இருக்கலாம்; கட்டமைப்பு மாற்றத்தையும் கருத்தில் கொள்ளுங்கள்.

சுருக்கமாக

இருப்பு என்பது எதிர்காலப் பொறுப்பின் தற்போதைய மதிப்பீடாகும் மற்றும் காப்பீட்டு நிறுவனத்தின் மிக முக்கியமான கணக்கீடு ஆகும். கடந்த கட்டண முறை வளர்ச்சி முக்கோணத்துடன் காணப்படுகிறது; சங்கிலி ஏணியானது வயதுக்கு ஏற்ற காரணிகளால் காலியான மூலையை நிரப்புகிறது மற்றும் IBNR உட்பட இறுதி சேதம் மற்றும் இழப்பீடு ஆகியவற்றை மதிப்பிடுகிறது. புதிய ஆண்டுகளில், BF மிகவும் நிலையானது; நிச்சயமற்ற தன்மை மேக் மற்றும் பூட்ஸ்ட்ராப் மூலம் அளவிடப்படுகிறது. AI முக்கோணத்தை நிரப்புகிறது, குறியீட்டை எழுதுகிறது மற்றும் முறைகளை ஒப்பிடுகிறது; ஆனால் காரணித் தேர்வு, நியாயத்தன்மை சரிபார்ப்பு மற்றும் இறுதி எண்ணிக்கை ஆகியவை பொறுப்பான ஆக்சுவரியின் தீர்ப்பு மற்றும் கையொப்பத்தைப் பொறுத்தது.

விண்ணப்ப பணி

அநாமதேய மினி முக்கோணத்தை உருவாக்கவும் (4 விபத்து ஆண்டுகள் × 4 வளர்ச்சி ஆண்டுகள் வரை). சங்கிலி ஏணியுடன் சமமானதைக் கணக்கிட AIயிடம் கேளுங்கள். வயதின் அடிப்படையில் வயது காரணிகள் மற்றும் 2 வருட இறுதியை கைமுறையாக சரிபார்க்கவும். "சமீபத்திய வருடத்தில் BF எப்படி வித்தியாசமான முடிவை உருவாக்கியிருக்கும்" என்று AIயிடம் கேட்டு, இரண்டு முறைகளையும் ஒப்பிடவும். காரணிகளில் ஒன்றை மனப்பூர்வமாக சிதைத்து (உதாரணமாக, ஒரு கலத்தை 10 மடங்கு பெரிதாக்கவும்) மற்றும் AI இன் பதில் எவ்வாறு மாறுகிறது மற்றும் நம்பகத்தன்மை சரிபார்ப்பு இதை எவ்வாறு பிடிக்கும் என்பதைக் கவனிக்கவும்.

சரிபார்ப்பு பட்டியல்

• [ ] செலுத்தப்பட்ட சேதம் அல்லது ஏற்பட்ட சேதத்தின் அடிப்படையில் நான் முக்கோணத்தை அமைக்க வேண்டுமா?
• [ ] வயது-வயது காரணிகளை வரலாற்று வடிவத்துடன் ஒப்பிட்டு நம்பகத்தன்மையை நான் சரிபார்த்திருக்கிறேனா?
• [ ] நான் புதிய/முதிர்ச்சியடையாத ஆண்டுகளில் BF உடன் குறுக்கு சோதனை செய்திருக்கிறேனா?
• [ ] நான் பதிலை ஒரு எண்ணைக் காட்டிலும் நிச்சயமற்ற வரம்பில் அளித்தேனா?
• [ ] நான் தனித்தனியாக இறுதி சேதம் மற்றும் எதிர் எண்கணிதத்தை மீண்டும் கணக்கிட்டிருக்கிறேனா?
• [ ] எனது காரணித் தேர்விற்கான நியாயத்தை (சராசரி வகை, காலம்) எழுத்துப்பூர்வமாக வைத்துள்ளேனா?