ఎండ్-టు-ఎండ్ వర్క్‌ఫ్లో, గోప్యత/KVKK, నీతి మరియు నాణ్యత నియంత్రణ

లాభాలు:

• 'AI ప్రొడ్యూస్ → హ్యూమన్ వెరిఫైస్ → హ్యూమన్ అప్రూవ్స్' సైకిల్‌తో క్లయింట్ జర్నీని ఎండ్-టు-ఎండ్ సురక్షితంగా ఆపరేట్ చేయగల సామర్థ్యం
• KVKK/గోప్యత పరిధిలో క్లయింట్ డేటాను రక్షించగల సామర్థ్యం మరియు ప్రతి అడుగులో నాలుగు నైతిక సూత్రాలను నేయడం
• ఐదు కీలక ప్రశ్నలతో (ఖాతా, మూలం, అలెర్జీ కారకం, అనామకత్వం, ఆమోదం) వారి అవుట్‌పుట్‌ను స్వీయ-తనిఖీ చేయడం ద్వారా అంతిమ బాధ్యత తీసుకునే సామర్థ్యం

మునుపటి పది యూనిట్లలో, పోషకాహారం మరియు డైటెటిక్స్ యొక్క వ్యక్తిగత పనులలో AIని ఎలా ఉపయోగించాలో మేము చూశాము: తీసుకోవడం, గణన, డేటాబేస్, ప్లాన్, రెసిపీ, అలెర్జీ, ట్రాకింగ్, విద్య, సాక్ష్యం. ఈ చివరి యూనిట్ వాటన్నింటినీ ఒకచోట చేర్చి, డైటీషియన్‌గా మీ రోజువారీ ప్రాక్టీస్‌లో AI ఎండ్-టు-ఎండ్, సురక్షితంగా మరియు నైతికంగా ఎలా ఆపరేట్ చేయాలో మీకు చూపుతుంది. ఎందుకంటే ప్రతి పనిని చక్కగా చేస్తే సరిపోదు; డేటా ఎక్కడికి వెళుతుంది, ఎవరు ఏమి నిర్ణయిస్తారు, మీరు ఎక్కడ ఆగి, మానవ ఆమోదం పొందుతారు - ఇవన్నీ స్థిరమైన వ్యవస్థను సృష్టించాలి. ఈ యూనిట్ మొత్తం మాడ్యూల్‌ను అనుసంధానించే మూడు ఎరుపు గీతలను కూడా స్పష్టం చేస్తుంది: గోప్యత (KVKK), నీతి మరియు అంతిమ మానవ సమ్మతి.

ఎండ్-టు-ఎండ్ క్లయింట్ ప్రయాణం

కింది పట్టికలో AI అమలులోకి వస్తుంది మరియు మానవ ఆమోదం అవసరమైన చోట డైటీషియన్ సందర్శన నుండి ఫాలో-అప్ వరకు క్లయింట్ యొక్క ప్రయాణాన్ని సంగ్రహిస్తుంది:

వేదిక

AI యొక్క ఉద్యోగం

మానవ ఆమోదం పాయింట్

1. రిసెప్షన్ కోసం తయారీ

ఇంటర్వ్యూ గైడ్, నోట్ ఎడిటింగ్

డైటీషియన్ ఇంటర్వ్యూ నిర్వహిస్తారు

2. మూల్యాంకనం

శక్తి/స్థూల ఖాతా డ్రాఫ్ట్

డైటీషియన్ మళ్లీ లెక్కలు వేస్తాడు

3. డేటాబేస్

సోర్స్ డేటాతో గణన

డైటీషియన్ విలువలను నిర్ధారిస్తారు

4. ప్రణాళిక

భోజన ఎంపికల రూపురేఖలు

డైటీషియన్ బ్యాలెన్స్ మరియు నిర్ధారిస్తుంది

5. రెసిపీ

వైవిధ్యం, శుద్ధీకరణ

పోషకాహారం మరియు రుచి ధృవీకరణ

6. భద్రత

అలెర్జెన్ ప్రీ-స్క్రీనింగ్

డైటీషియన్ పదజాలం నిర్ధారిస్తుంది

7. ట్రాకింగ్

ట్రెండ్ సారాంశం, సందేశం అవుట్‌లైన్

మానవులలో క్లినికల్ వివరణ మరియు సంబంధం

8. విద్య

కంటెంట్ అవుట్‌లైన్

శాస్త్రీయ/నైతిక తనిఖీ

9. సాక్ష్యం

సారాంశం, క్లిష్టమైన ప్రశ్న

మూలాధారం డైటీషియన్ ద్వారా ధృవీకరించబడింది

ఈ చార్ట్‌లోని సాధారణ నమూనాను చూడండి: AI ప్రతి దశలో బ్లూప్రింట్ లేదా ప్రాథమిక దశను ఉత్పత్తి చేస్తుంది; ప్రతి దశలో మానవ ఆమోదం పాయింట్ ఉంది. ఈ వ్యవస్థ "AI ఉత్పత్తి చేస్తుంది → హ్యూమన్ వెరిఫైస్ → హ్యూమన్ కన్ఫర్మ్స్" చక్రంపై ఆధారపడి ఉంటుంది. ఈ చక్రం విచ్ఛిన్నమైతే, మీరు వేగం పొందుతారు కానీ భద్రత మరియు జవాబుదారీతనం కోల్పోతారు.

గోప్యత మరియు KVKK: డేటాను రక్షించడం

క్లయింట్ డేటా (గుర్తింపు, ఆరోగ్య చరిత్ర, విశ్లేషణ, మందులు, కొలత) అనేది Türkiyeలోని KVKK మరియు ఐరోపాలోని GDPR పరిధిలోని "ప్రత్యేక వర్గం వ్యక్తిగత డేటా" మరియు అత్యధిక రక్షణకు అర్హమైనది. AI సాధనాలతో పనిచేసేటప్పుడు అనుసరించాల్సిన సూత్రాలు:

1. అనామకీకరించండి: పేరు, TR ID, పరిచయం, సంస్థ, పుట్టిన తేదీ వంటి గుర్తింపు డేటాను తీసివేయండి. "43 ఏళ్ల మహిళ, టైప్ 2 డయాబెటిస్" సరిపోతుంది.
2. కనీస డేటా: విధికి అవసరమైన కనీస డేటాను భాగస్వామ్యం చేయండి; ఇక లేదు.
3. సురక్షితమైన సాధనాన్ని ఎంచుకోండి: మోడల్ శిక్షణలో డేటా ఉపయోగించబడని డేటా ప్రాసెసింగ్ ఒప్పందంతో కార్పొరేట్ సాధనాలను ఎంచుకోండి.
4. స్పష్టమైన సమ్మతి: క్లయింట్‌కి అతని డేటా ఎలా ప్రాసెస్ చేయబడుతుందో తెలియజేయండి మరియు అతని సమ్మతిని పొందండి.
5. రికార్డింగ్ మరియు నిలుపుదల: డేటా ఎక్కడ నిల్వ చేయబడిందో మరియు దానికి యాక్సెస్ ఉన్నవారిని నియంత్రించండి; అనవసరమైన డేటాను తొలగించండి.

శ్రద్ధ: ఒక విశ్లేషణ PDF లేదా క్లయింట్ ఫైల్‌ను "వేగం కోసం" అనామకీకరించకుండా AI సాధనానికి అప్‌లోడ్ చేయడం KVKK ఉల్లంఘనకు దారితీయవచ్చు, అది ఒక్క క్లిక్‌తో పరిష్కరించడం కష్టం. వేగం ఎప్పుడూ గోప్యతను తుంగలో తొక్కదు. అనుమానం ఉంటే, భాగస్వామ్యం చేయవద్దు.

నైతిక చట్రం: నాలుగు సూత్రాలు

ఆరోగ్య నైతికత యొక్క నాలుగు శాస్త్రీయ సూత్రాలు పోషకాహార అభ్యాసానికి కూడా వర్తిస్తాయి: ప్రయోజనం (క్లయింట్ యొక్క శ్రేయస్సు కోసం పని చేయడం), అసమర్థత (ముఖ్యంగా భద్రత-క్లిష్టమైన నిర్ణయాలలో), స్వయంప్రతిపత్తి (క్లయింట్ యొక్క స్వంత నిర్ణయానికి గౌరవం, సమాచార సమ్మతి) మరియు న్యాయం (వనరులు, బడ్జెట్ మరియు సంస్కృతిలో తేడాలకు సున్నితంగా ఉండే కలుపుకొని సేవ). AI యొక్క ఉపయోగం ఈ సూత్రాలకు విరుద్ధంగా ఉండకూడదు: ధృవీకరించని అవుట్‌పుట్ హానిని కలిగిస్తుంది (అపరాధం కాని ఉల్లంఘన), క్లయింట్‌కు తెలియజేయకుండా డేటాను ప్రాసెస్ చేయడం స్వయంప్రతిపత్తిని ఉల్లంఘిస్తుంది, ఒకే సంస్కృతి ప్రకారం ప్రణాళికలను రూపొందించడం న్యాయాన్ని బలహీనపరుస్తుంది. నీతి అనేది తర్వాత జోడించిన పొర కాదు, కానీ ప్రతి అడుగులో అల్లిన క్రమశిక్షణ.

నాణ్యత నియంత్రణ: మీ స్వంత పనిని తనిఖీ చేయడం

ఎండ్-టు-ఎండ్ పని చేస్తున్నప్పుడు మీ స్వంత AI వినియోగాన్ని క్రమం తప్పకుండా ఆడిట్ చేయండి. ఒక సాధారణ స్వీయ-తనిఖీ: ప్రతి క్లయింట్ ప్రింట్‌అవుట్ కోసం, "నేను ఈ నంబర్‌ని ధృవీకరించానా? నేను ఈ అలెర్జీ కారకం కోసం పరీక్షించానా? నేను ఈ దావాను సమర్థించానా? నేను ఈ డేటాను అనామకంగా చేశానా? నేను ఈ ప్లాన్‌ని ఆమోదించానా?" మీరు ఈ ఐదు ప్రశ్నలకు "అవును" అని సమాధానం ఇవ్వలేకపోతే, అవుట్‌పుట్ ఇంకా సిద్ధంగా లేదు.

మూడు చిన్న కేసులు

కేసు 1 - గొలుసులోని బలహీనమైన లింక్. డైటీషియన్ AIతో ఇన్‌టేక్-ఖాతా-ప్రణాళిక గొలుసును త్వరగా సెటప్ చేస్తాడు కానీ భద్రతా దశను దాటవేస్తాడు (అలెర్జెన్ ధృవీకరణ); ఎందుకంటే ఇది "మునుపటి దశలు బాగుంటే, ఇది కూడా మంచిది" అని ఊహిస్తుంది. అయితే, క్లయింట్‌కు నువ్వుల అలెర్జీ ఉంది మరియు ప్లాన్‌లోని సాస్‌లో నువ్వులు ఉన్నాయి. గొలుసులోని ఒక లింక్ విచ్ఛిన్నమైతే, మొత్తం గొలుసు సురక్షితం కాదు. పాఠం: ప్రతి దశ యొక్క ఆమోదం పాయింట్ స్వతంత్రంగా ఉంటుంది; ఒకటి మరొకటి భర్తీ చేయదు.

కేసు 2 - గోప్యతా ఉల్లంఘన గొలుసు. సామర్థ్యం కోసం, ఒక క్లినిక్ అన్ని క్లయింట్ ఫైల్‌లను AI సాధనంలో పేరుతో లోడ్ చేయడానికి ప్రయత్నిస్తుంది మరియు భారీ ప్రణాళికను రూపొందించింది. ఇది KVKK ఉల్లంఘన అని మరియు సంస్థ నుండి డేటా బయటకు వెళ్లిందని ఆడిట్ వెల్లడిస్తుంది. క్లినిక్ ప్రక్రియను ఆపివేస్తుంది మరియు అనామక మరియు సంకోచించిన ప్రవాహానికి మారుతుంది. పాఠం: సమర్థత గోప్యతా దాడిని క్షమించదు; స్క్రాచ్ నుండి గోప్యత-రక్షితమైనట్లుగా సిస్టమ్‌ను సెటప్ చేయండి.

కేస్ 3 — సరైన ఎండ్-టు-ఎండ్ ఫ్లో. కొత్త క్లయింట్ కోసం, డైటీషియన్: (1) అనామక డేటాతో ఇంటర్వ్యూ గైడ్‌ను రూపొందిస్తుంది, (2) AI డ్రాఫ్ట్ మరియు గణనను మాన్యువల్‌గా వెరిఫై చేస్తుంది, (3) USDA నుండి పోషక విలువలను ఫీడ్ చేస్తుంది, (4) ఆప్షన్ ప్లాన్‌ను పొందడం మరియు బ్యాలెన్స్ చేయడం, (5) అలెర్జీ కారకాల కోసం స్క్రీన్‌లు ఒకదానికొకటి ప్రాతిపదికన, (6) క్లయింట్ వినియోగ ట్రెండ్ కోసం మొత్తంగా, వ్యక్తిగతీకరించిన విద్యను అందిస్తుంది. ఇది అడుగడుగునా ఆమోదం పాయింట్‌ను వర్తింపజేస్తుంది, డేటాను అనామకంగా ఉంచుతుంది మరియు ప్లాన్‌ను కూడా ఆమోదిస్తుంది. ఫలితం: భద్రత మరియు జవాబుదారీతనంతో రాజీ పడకుండా, AIతో ~40% సమయాన్ని ఆదా చేస్తుంది. పాఠం: సిస్టమ్ సరిగ్గా సెటప్ చేయబడినప్పుడు వేగం మరియు భద్రత కలిసి వస్తాయి.

కాపీ చేయగల ప్రాంప్ట్ టెంప్లేట్‌లు

ఎండ్-టు-ఎండ్ వర్కింగ్ ఫ్రేమ్‌వర్క్ టెంప్లేట్ మీ పాత్ర: డైటీషియన్‌కు డ్రాఫ్ట్ ప్రిపేర్ అసిస్టెంట్. ప్రతి ప్రింట్‌అవుట్ చివరిలో "డైటీషియన్ ఆమోదం అవసరం" అనే గమనికను ఉంచండి మరియు ఏ పాయింట్లను వెర్బేటిమ్ (ఖాతా, అలెర్జీ కారకం, మూలం) ధృవీకరించాలి అని జాబితా చేయండి. క్లయింట్ (అజ్ఞాత): [...]. అన్వేషణ: [దశ]. తయారు చేసిన డేటాను జోడించవద్దు; మీకు ఖచ్చితంగా తెలియని చోట గుర్తించండి.

గోప్యత ప్రీ-చెక్ టెంప్లేట్‌లు AI సాధనానికి ఇచ్చే ముందు గోప్యత కోసం క్రింది టెక్స్ట్‌ను స్కాన్ చేయండి: ఇది పేరు, ID, పరిచయం, సంస్థ, పుట్టిన తేదీ, విశ్లేషణ ID వంటి గుర్తింపు డేటాను కలిగి ఉందా? అలా అయితే, దానిని గుర్తు పెట్టండి మరియు అనామక సంస్కరణను సూచించండి. వచనం: [...]

క్వాలిటీ సెల్ఫ్-ఆడిట్ టెంప్లేట్ కింది క్లయింట్ ప్రింట్‌అవుట్ కోసం చెక్‌లిస్ట్‌ను వర్తింపజేయండి మరియు ప్రతి వస్తువును కలుసుకున్నట్లు/తప్పిపోయినట్లు గుర్తించండి: (1) ధృవీకరించబడిన ఖాతా, (2) మూలం నుండి పోషక విలువ, (3) ఇది అలెర్జీ కారకాల కోసం పరీక్షించబడింది, (4) డేటా అనామకంగా ఉంది, (5) క్లెయిమ్ డైటీషియన్ ఆమోదం ఉంది. ఏవైనా లోపాలను సూచించండి. అవుట్పుట్: [...]

నైతిక సమీక్ష టెంప్లేట్ఈ క్రింది ప్రణాళిక/కంటెంట్ నాలుగు నైతిక సూత్రాల పరంగా సమస్యను కలిగిస్తుందా: ప్రయోజనం, దుర్మార్గం లేనిది, స్వయంప్రతిపత్తి (సమ్మతి/సమాచారం), న్యాయం (బడ్జెట్/సాంస్కృతిక చేరిక)? ప్రతి పాలసీని క్లుప్తంగా విశ్లేషించి, మెరుగుదలలను సూచించండి. కంటెంట్: [...]

బలహీనమైన ప్రాంప్ట్ / బలమైన ప్రాంప్ట్

బలహీనమైన ప్రాంప్ట్:

నేను Ms. Ayşe యొక్క విశ్లేషణ మరియు ఫైల్‌ని జోడించాను, పూర్తి ప్రణాళిక బయటకు వస్తుంది.

పేరున్న డేటా, ఒక దశలో "పూర్తి ప్లాన్", ఆమోదం పాయింట్లు లేవు: KVKK ఉల్లంఘన మరియు ధృవీకరించని, అసురక్షిత అవుట్‌పుట్ రెండింటి ప్రమాదం.

శక్తివంతమైన ప్రాంప్ట్:

మీ పాత్ర: డ్రాఫ్ట్ అసిస్టెంట్; ఆమోదం డైటీషియన్‌కు చెందినది. క్లయింట్ (అనామక): 41 ఏళ్ల మహిళ, టైప్ 2 డయాబెటిస్, [సంబంధిత సంఖ్యా విలువలు, పేరు/గుర్తింపు NONE]. టాస్క్: డ్రాఫ్ట్ భోజన పథకం, ఎంపికలతో. ప్రతి భోజనం కోసం అంచనా వేసిన మాక్రోలు మరియు "తప్పక ధృవీకరించాలి" గమనిక. అలెర్జీ కారకం: నువ్వులు (ఏదీ జోడించవద్దు). ముగింపులో, డైటీషియన్ వ్యక్తిగతంగా ఏ పాయింట్లను తనిఖీ చేయవలసి ఉంటుందో జాబితా చేయండి. అమర్చిన డేటాను జోడిస్తోంది.

రెండవ ప్రాంప్ట్ డేటాను అనామకంగా మారుస్తుంది, అవుట్‌పుట్‌ను అడ్డుకుంటుంది, భద్రతా పరిమితి మరియు చెక్‌పాయింట్‌లను కలిగి ఉంటుంది; గోప్యత మరియు నాణ్యత రెండూ రక్షించబడతాయి.

సాధారణ తప్పులు

• గొలుసులోని లింక్‌ను దాటవేయడం: మునుపటి దశ బాగా ఉన్నందున భద్రత/ఆమోద దశను దాటవేయడం.
• సమర్థత కోసం గోప్యతను త్యాగం చేయడం: పేరున్న ఫైల్‌లను పెద్దమొత్తంలో అప్‌లోడ్ చేయడం — తీవ్రమైన KVKK ఉల్లంఘన.
• ఒక-షాట్ "పూర్తి ప్రణాళిక" కోసం ఎదురుచూస్తోంది: చెక్‌పాయింట్‌లను దాటవేసే బ్లాక్-బాక్స్ అవుట్‌పుట్‌పై ఆధారపడటం.
• నైతికత గురించి ఆలోచించడం: ప్రతి అడుగులో నేయడానికి బదులుగా చివరిలో నైతికతను గుర్తుంచుకోవడం.
• స్వీయ-తనిఖీని దాటవేయడం: ఐదు ప్రాథమిక ప్రశ్నలకు (ఖాతా/అలెర్జీ/మూలం/అనామక/ఆమోదం) వ్యతిరేకంగా పరీక్షించకుండా అవుట్‌పుట్‌ను ఉపయోగించడం.
• సమ్మతిని మర్చిపోవడం: క్లయింట్‌కి అతని డేటా ఎలా ప్రాసెస్ చేయబడుతుందో తెలియజేయడం లేదు.

సారాంశంలో

కృత్రిమ మేధస్సు పోషకాహారం మరియు ఆహార విధానాలను ఎండ్-టు-ఎండ్ ప్రాక్టీస్‌ని వేగవంతం చేస్తుంది; కానీ ప్రతి దశలో "AI ఉత్పత్తి → హ్యూమన్ వెరిఫైస్ → హ్యూమన్ కన్ఫర్మ్" అనే సైకిల్‌ను ప్రతి దశలో నిర్వహించినట్లయితే మాత్రమే అది సురక్షితంగా ఉంటుంది. క్లయింట్ డేటాను ఎల్లప్పుడూ అనామకీకరించండి, వేగం కోసం KVKK మరియు గోప్యతను త్యాగం చేయవద్దు, ప్రతి అడుగులో నాలుగు నీతి సూత్రాలను నేయండి మరియు ఐదు ప్రాథమిక ప్రశ్నలతో మీ అవుట్‌పుట్‌లను స్వీయ-ఆడిట్ చేయండి. గొలుసులోని ప్రతి లింక్ ఆమోదం యొక్క స్వతంత్ర స్థానం; వాటిలో ఒకటి విచ్ఛిన్నమైనప్పుడు, సిస్టమ్ సురక్షితం కాదు. గుర్తుంచుకోండి: AI మీ వృత్తిని బలపరుస్తుంది, కానీ దానిని భర్తీ చేయదు. రోగ నిర్ధారణ, చికిత్స నిర్ణయం మరియు తుది ప్రణాళిక ఆమోదం-శాస్త్రం, నీతి మరియు సంతకం-డైటీషియన్‌కు చెందినవి. AI మీ ఫాస్ట్ అసిస్టెంట్; మీరు బాధ్యతాయుతమైన నిపుణుడు.

అప్లికేషన్ టాస్క్

ప్రారంభం నుండి ముగింపు వరకు మినీ క్లయింట్ ఫ్లోను సెటప్ చేయండి: అనామక ప్రొఫైల్‌ను ఎంచుకోండి, వరుసగా (1) ఇంటర్వ్యూ గైడ్, (2) ఖాతా రూపురేఖలు + ధృవీకరణ, (3) సోర్స్ డేటాతో కూడిన భోజనం, (4) అలర్జీ స్క్రీనింగ్, (5) శిక్షణ కరపత్రాన్ని రూపొందించండి. ప్రతి దశలో మీరు ఏ మానవ తనిఖీ కేంద్రాన్ని వర్తింపజేశారో వ్రాయండి. ఆపై మొత్తం ప్రవాహానికి "నాణ్యత స్వీయ-ఆడిట్ టెంప్లేట్"ని వర్తింపజేయండి, ఏవైనా ఖాళీలను కనుగొని పరిష్కరించండి. చివరగా, మీ డేటా నిజంగా అనామకమైనదని నిర్ధారించడానికి “గోప్యతా ముందస్తు తనిఖీ”ని అమలు చేయండి.

చెక్లిస్ట్

• [ ] నేను ప్రతి దశలో “AI జనరేట్స్ → వెరిఫై → వెరిఫై” సైకిల్‌ని వర్తింపజేసాను.
• [ ] నేను క్లయింట్ డేటాను అజ్ఞాతీకరించాను మరియు కనిష్ట డేటాను షేర్ చేసాను.
• [ ] నేను సురక్షితమైన/ఒప్పందించిన వాహనాన్ని ఉపయోగించాను; నేను సమ్మతిని పొందాను.
• [ ] నేను నాలుగు నైతిక సూత్రాలను గమనించాను (ప్రయోజనం, అపరాధం కానిది, స్వయంప్రతిపత్తి, న్యాయం).
• [ ] నేను ఐదు కీలక ప్రశ్నలతో అవుట్‌పుట్‌ని స్వయంగా తనిఖీ చేసాను.
• [ ] డైటీషియన్‌గా, నేను తుది ఆమోదం ఇచ్చాను; నేను బాధ్యత వహిస్తాను.

మాడ్యూల్ పరీక్ష

1. డైటీషియన్ కృత్రిమ మేధస్సు ద్వారా లెక్కించబడిన రోజువారీ కేలరీల లక్ష్యాన్ని తనిఖీ చేయకుండా క్లయింట్ ప్లాన్‌కు బదిలీ చేస్తాడు. ఈ విధానంలో ప్రాథమిక తప్పు ఏమిటి?

• ఎ) ధృవీకరణ లేకుండా కృత్రిమ మేధస్సు అవుట్‌పుట్ ఉపయోగించబడదు; ఖాతా డ్రాఫ్ట్ తప్పనిసరిగా మళ్లీ లెక్కించి, డైటీషియన్ ✔చే ఆమోదించబడాలి
• బి) కృత్రిమ మేధస్సు ఎల్లప్పుడూ కేలరీల సంఖ్యను తక్కువగా అంచనా వేస్తుంది
• సి) కేలరీల గణనకు బదులుగా, స్థూల గణన మాత్రమే చేయాలి.
• డి) ఈ-మెయిల్‌కు బదులుగా ప్లాన్‌ని క్లయింట్‌కు కాగితంపై అందించి ఉండాలి.

వివరణ: ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ సరిగ్గా గణన చేయగలిగినప్పటికీ, ఇది కార్యాచరణ గుణకం వంటి ఊహలను కూడా తప్పుగా తీసుకోగలదు మరియు అదే విశ్వాసంతో తప్పు ఫలితాలను అందించగలదు. డైటెటిక్స్ అనేది భద్రత-క్లిష్టమైన రంగం; ప్రతి ఖాతా తప్పనిసరిగా డైటీషియన్ ద్వారా మళ్లీ ధృవీకరించబడాలి మరియు తుది ఆమోదం తప్పనిసరిగా మానవునికి చెందాలి.

2. క్లయింట్ డేటాను కృత్రిమ మేధస్సు సాధనానికి బదిలీ చేసేటప్పుడు గోప్యత (KVKK) పరంగా ఉత్తమ ప్రవర్తన ఏమిటి?

• ఎ) క్లయింట్ పూర్తి పేరు మరియు విశ్లేషణ PDF వేగం కోసం అప్‌లోడ్ చేయాలి.
• బి) వ్యక్తిగతంగా గుర్తించదగిన సమాచారాన్ని తీసివేయడం ద్వారా మరియు డేటాను అనామకంగా మార్చడం ద్వారా అవసరమైన క్లినికల్ సమాచారాన్ని మాత్రమే భాగస్వామ్యం చేయాలి ✔
• సి) డేటా ఎన్‌క్రిప్ట్ చేయబడితే, పేరు సమాచారాన్ని కూడా పంపవచ్చు
• D) ప్రయోజనం బాగున్నందున క్లయింట్‌ని అడగకుండానే మొత్తం ఫైల్‌ని షేర్ చేయవచ్చు

వివరణ: క్లయింట్ ఆరోగ్య డేటా అనేది ప్రత్యేక వ్యక్తిగత డేటా. పేరు, TR ID మరియు సంప్రదింపు సమాచారం వంటి సమాచారాన్ని గుర్తించడం తీసివేయబడాలి మరియు డేటాను అనామకంగా మార్చాలి; విధికి అవసరమైన కనీస డేటాను షేర్ చేయాలి. రా ఫైల్‌ను పేరుతో అప్‌లోడ్ చేయడం తీవ్రమైన ఉల్లంఘన.

3. కృత్రిమ మేధస్సు 2000 కిలో కేలరీలు లక్ష్యంగా '220 గ్రా కార్బోహైడ్రేట్లు, 150 గ్రా ప్రోటీన్, 90 గ్రా కొవ్వు' ఇస్తుంది. డైటీషియన్ చేయవలసిన మొదటి ధృవీకరణ ఏమిటి?

• ఎ) ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ అంకగణితంలో దోష రహితంగా ఉన్నందున, విలువలను అలాగే అంగీకరించడం
• బి) ప్రోటీన్ మొత్తాన్ని మాత్రమే నియంత్రించడం సరిపోతుంది
• సి) స్థూల గ్రాములను తిరిగి 4/4/9తో గుణించండి, మొత్తం లక్ష్య కేలరీలను చేరుకుందో లేదో తనిఖీ చేయండి ✔
• D) మాక్రోల ఆధారంగా క్యాలరీ లక్ష్యాన్ని 2290కి పెంచడం

వివరణ: మాక్రోలు 4/4/9తో తిరిగి గుణించబడతాయి: 220x4 + 150x4 + 90x9 = 880 + 600 + 810 = 2290 కిలో కేలరీలు. మొత్తం లక్ష్యాన్ని 290 కిలో కేలరీలు మించిపోయింది; విలువలు అస్థిరంగా ఉన్నాయి. AI స్థూల లోపాలను పట్టుకోవడానికి వెనుక గుణకారం అనేది సరళమైన మరియు అత్యంత శక్తివంతమైన మార్గం.

4. పోషక విలువ డేటాలో కృత్రిమ మేధస్సు యొక్క బలహీనమైన మరియు అత్యంత ప్రమాదకరమైన పాయింట్ ఏది?

• ఎ) ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ ఎల్లప్పుడూ మెట్రిక్ యూనిట్లలో పోషక విలువలను ఇస్తుంది
• బి) కృత్రిమ మేధస్సుకు కూరగాయల విలువలు మాత్రమే తెలుసు
• సి) కృత్రిమ మేధస్సు నెమ్మదిగా ఉంటుంది, ఎందుకంటే ఇది చాలా దశాంశాలతో పోషక విలువలను ఇస్తుంది.
• D) కృత్రిమ మేధస్సు పోషక విలువలను దాని జ్ఞాపకశక్తి నుండి ఉత్పత్తి చేసేటప్పుడు వాటిని స్వీకరించగలదు; కాబట్టి విలువలు గుర్తించబడిన డేటాబేస్ నుండి తీసుకోవాలి ✔

వివరణ: భాషా నమూనా సంఖ్యలను గుర్తుంచుకోదు, అది వాటిని సంభావ్యంగా ఉత్పత్తి చేస్తుంది; అందువల్ల, ఇది ఆహారం యొక్క ప్రోటీన్/క్యాలరీ విలువను నిష్ణాతులుగా కానీ తప్పుగా (భ్రాంతి) ఇవ్వవచ్చు. ఈ కారణంగా, పోషక విలువలు బాగా తెలిసిన డేటాబేస్ల నుండి తీసుకోవాలి మరియు కృత్రిమ మేధస్సు ఆ డేటాతో మాత్రమే పని చేయాలి.

5. భోజన పథకంలో, కృత్రిమ మేధస్సు కేలరీలు మరియు మాక్రోలను ఖచ్చితంగా ఉంచింది, అయితే రోజంతా తెల్ల రొట్టె, పాస్తా మరియు చికెన్‌ని కలిగి ఉంటుంది. ఇక్కడ ఏమి లేదు?

• ఎ) ఇది స్థూలాలను కలిగి ఉన్నప్పటికీ, ఫైబర్, కూరగాయలు మరియు సూక్ష్మపోషకాల సమతుల్యత సాధించబడదు; పోషక వైవిధ్యం ✔ పరంగా ప్రణాళిక సరిపోదు
• బి) క్యాలరీ లక్ష్యం చాలా ఎక్కువగా సెట్ చేయబడింది
• సి) ప్రొటీన్లు ఎక్కువగా ఉన్నందున సమస్య ఉంది
• డి) భోజనాల సంఖ్య మూడు కంటే ఎక్కువ ఉండాలి

వివరణ: స్థూల లక్ష్యాన్ని చేధించడం అనేది ప్రణాళిక ఆరోగ్యకరమైనదని సూచించదు. ఫైబర్, కూరగాయలు మరియు సూక్ష్మపోషక సమతుల్యత (విటమిన్లు, ఖనిజాలు) కూడా అందించాలి. ఈ బ్యాలెన్స్ తీర్పు డైటీషియన్‌కు చెందినది; స్థూల ఖచ్చితత్వం మాత్రమే సరిపోదు.

6. హాజెల్ నట్స్ కు అలెర్జీ ఉన్న క్లయింట్ కోసం, కృత్రిమ మేధస్సు 'బాదం వెన్న వాడండి' వంటి ప్రత్యామ్నాయాన్ని సూచిస్తుంది. డైటీషియన్ ఈ సిఫార్సును ఎందుకు అసురక్షితంగా పరిగణించవచ్చు?

• ఎ) బాదం ముద్ద హాజెల్ నట్ పేస్ట్ కంటే ఖరీదైనది
• B) బాదం గింజలు హాజెల్ నట్స్ వలె అదే చెట్టు గింజ అలెర్జీ సమూహంలో ఉండవచ్చు; ప్రత్యామ్నాయం ప్రమాదకరం ఎందుకంటే ఇది ఒకే సమూహంలోకి వస్తుంది ✔
• సి) బాదం పేస్ట్‌లో కేలరీలు చాలా ఎక్కువ
• డి) బాదం పేస్ట్ టర్కిష్ వంటకాలకు తగినది కాదు.

వివరణ: హాజెల్‌నట్‌లు మరియు బాదంపప్పులు ఒకే 'ట్రీ నట్' అలెర్జీ గ్రూపులో ఉన్నాయి. అలెర్జీ సమూహం ఆధారంగా నిర్వహించబడుతుంది, ఒకే ఆహారం కాదు; ప్రత్యామ్నాయం అదే సమూహంలోకి వస్తే, అది ప్రమాదకరం. డైటీషియన్‌కు అలెర్జీ సమూహాన్ని తెలుసు మరియు ప్రత్యామ్నాయాన్ని ఖచ్చితంగా ధృవీకరిస్తారు.

7. వార్ఫరిన్ (రక్తం పలుచగా) తీసుకునే క్లయింట్ కోసం విటమిన్ K అధికంగా ఉండే ఆకు కూరలను ఉపయోగించడం సరైన విధానం ఏమిటి?

• ఎ) పచ్చి ఆకులతో కూడిన అన్ని ఆహారాలను ఖచ్చితంగా నిషేధించాలి
• బి) విటమిన్ కె తీసుకోవడం అనుమతించాలి మరియు అస్సలు పరిగణనలోకి తీసుకోకూడదు
• C) విటమిన్ K తీసుకోవడం స్థిరంగా ఉండాలి మరియు పరిస్థితిని వైద్యునితో పంచుకోవాలి ✔
• డి) రాత్రి భోజనంలో మాత్రమే ఆకు కూరలు తినాలి

వివరణ: వార్ఫరిన్ వాడుతున్న వారికి, విటమిన్ K ని పూర్తిగా నిషేధించడం లక్ష్యం కాదు, కానీ వారి తీసుకోవడం స్థిరంగా ఉంచడం; పెద్ద హెచ్చుతగ్గులు ఔషధం యొక్క ప్రభావాన్ని దెబ్బతీస్తాయి. ఈ 'కీప్ కాన్‌సిస్టెంట్' రకం పరిమితి అనేది AIలో లేని వైద్యపరమైన అధునాతనత మరియు వైద్యునితో భాగస్వామ్యం చేయబడింది.

8. క్లయింట్ ఒక వారంలో 1 కిలోల 'పెరుగుదల'ని గమనించినప్పుడు సరైన వివరణ ఎలా ఇవ్వబడుతుంది?

• ఎ) ప్రణాళికను మొదటి నుండి తక్కువ కేలరీలతో వెంటనే వ్రాయాలి
• బి) క్లయింట్ బరువును ఆపేలా చేయాలి.
• సి) ఒక వారం పెరుగుదల ఖచ్చితమైన బరువు పెరుగుటగా పరిగణించబడుతుంది.
• D) బహుళ-వారం ట్రెండ్‌లను పరిశీలించాలి, ఒక్క కొలత కాదు; స్వల్పకాలిక హెచ్చుతగ్గులు (నీటి నిలుపుదల వంటివి) వైద్యపరంగా మూల్యాంకనం చేయాలి ✔

వివరణ: ఒకే కొలత తప్పుదారి పట్టించేది; నీరు నిలుపుదల, రుతుచక్రం మరియు ఉప్పు తీసుకోవడం వంటి అంశాలు స్వల్పకాలిక హెచ్చుతగ్గులను సృష్టిస్తాయి. ముఖ్యమైనది బహుళ-వారాల ధోరణి. ఈ వైద్యపరమైన వివరణ డైటీషియన్ ద్వారా చేయబడుతుంది; AI డేటాను మాత్రమే నిర్వహిస్తుంది.

9. ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ సోషల్ మీడియా స్కెచ్‌లో 'గ్రీన్ టీ కొవ్వును కాల్చివేస్తుంది మరియు జీవక్రియను వేగవంతం చేస్తుంది' అనే వాక్యాన్ని ఉత్పత్తి చేస్తుంది. డైటీషియన్ యొక్క నైతిక బాధ్యత ఏమిటి?

• ఎ) సాక్ష్యంపై అతిశయోక్తి దావా ఆధారంగా, దానిని కొలిచిన భాషలోకి అనువదించడం మరియు సాధారణ సమాచార హెచ్చరికను జోడించడం ✔
• బి) దృష్టిని ఆకర్షిస్తున్నందున దావాను అలాగే ప్రచురించడం
• సి) వాక్యాన్ని మరింత బలోపేతం చేసి, 'క్యాన్సర్‌ను నిరోధిస్తుంది' అని జోడించండి
• డి) గ్రీన్ టీ గురించి మాట్లాడటం నిషేధించబడినందున కంటెంట్‌ను అస్సలు ప్రచురించడం లేదు

వివరణ: కృత్రిమ మేధస్సు అతిశయోక్తి మరియు పేలవంగా నిరూపించబడిన దావాలు చేయడానికి అవకాశం ఉంది. డైటీషియన్ ఈ క్లెయిమ్‌లను సాక్ష్యం స్థాయికి అనుగుణంగా నియంత్రించాలి, నిశ్చయత మరియు అద్భుతం యొక్క భాషను తీసివేయాలి మరియు 'ఇది సాధారణ సమాచారం' అనే హెచ్చరికను జోడించాలి. ఆరోగ్య దావాలలో నిజాయితీ అనేది ఒక నైతిక బాధ్యత.

10. డైటీషియన్ ప్రెజెంటేషన్ కోసం 'అడపాదడపా ఉపవాసం యొక్క ప్రయోజనాలను రుజువు చేసే 3 అధ్యయనాలు' కోసం కృత్రిమ మేధస్సును అడుగుతాడు. ఈ అభ్యర్థన యొక్క ప్రధాన ప్రమాదం ఏమిటి?

• ఎ) ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ చాలా పనిని ఇస్తుంది మరియు డైటీషియన్‌ను అలసిపోతుంది
• B) కృత్రిమ మేధస్సు ఉనికిలో లేని అధ్యయనాలు, రచయితలు మరియు పత్రికలను కనుగొనగలదు; ప్రాథమిక మూలం ✔ నుండి ధృవీకరణ లేకుండా మూలాధారాలు ఉపయోగించబడవు
• సి) కృత్రిమ మేధస్సు అధ్యయనాలు ఆంగ్లంలో మాత్రమే ఇవ్వబడ్డాయి
• D) ప్రదర్శన కోసం మూడు అధ్యయనాలు ఎల్లప్పుడూ సరిపోవు

వివరణ: భాషా నమూనాలు వాస్తవానికి ఉనికిలో లేని రచనలు, రచయితలు మరియు పత్రికలను కనుగొనగలవు (మూల భ్రాంతి). కృత్రిమ మేధస్సు సాహిత్య శోధన ఇంజిన్ కాదు. సరైన మార్గం: పబ్మెడ్/కోక్రాన్ నుండి నిజమైన మూలాలను కనుగొని వాటిని AI ద్వారా సంగ్రహించండి; ప్రతి సూచన ప్రాథమిక మూలం నుండి ధృవీకరించబడుతుంది.

11. 'అల్పాహారం తినే వారు సన్నబడతారు' అని ఒక పరిశీలనా అధ్యయనం నుండి 'అల్పాహారం మిమ్మల్ని బరువు కోల్పోతుంది' అని నిర్ధారించడం ఎందుకు తప్పు?

• ఎ) అధ్యయనం ఇంకా చెల్లుబాటు కాదు ఎందుకంటే ఇది చాలా కొత్తది.
• B) అల్పాహారం నిజానికి మీరు బరువు పెరుగుతుంది, అధ్యయనం తప్పు
• సి) పరిశీలనా అధ్యయనం సహసంబంధాన్ని మాత్రమే చూపుతుంది; కారణాన్ని రుజువు చేయదు, అనుబంధం ఇతర కారకాల వల్ల కావచ్చు ✔
• D) నమూనాలో మహిళలు మాత్రమే ఉన్నందున ఇది చెల్లదు

వివరణ: పరిశీలనా అధ్యయనం సహసంబంధాన్ని చూపుతుంది (కలిసి సంభవించడం), కారణం కాదు (ఒకటి మరొకదానికి కారణం). అల్పాహారం తినే వారు సాధారణంగా మరింత చురుకుగా మరియు క్రమంగా జీవించగలరు; సంబంధం ఇతర కారణాల వల్ల కావచ్చు. కారణంతో సహసంబంధాన్ని గందరగోళపరచడం అనేది ఒక సాధారణ సాక్ష్యం రీడింగ్ లోపం.

12. 24 గంటల పోషకాహార రిమైండర్‌లో, క్లయింట్ 'రోజుకు 2 చేతి నిండా గింజలు' అని చెప్పారు. AI అది '60 గ్రాములు' అని ఊహిస్తుంది. సరైన విధానం ఏమిటి?

• ఎ) 60 గ్రాముల కృత్రిమ మేధస్సు యొక్క ఊహ ఖచ్చితంగా పరిగణించబడుతుంది
• బి) గింజలు పూర్తిగా ప్లాన్ నుండి తీసివేయబడతాయి
• సి) 100 గ్రాములు సగటు విలువగా తీసుకోబడుతుంది
• D) భాగం అనేది కృత్రిమ మేధస్సు యొక్క ఊహ కాదు, క్లయింట్‌ని అడగడం ద్వారా లేదా స్కేల్‌తో కొలవడం ద్వారా ఇది స్పష్టం చేయబడుతుంది ✔

వివరణ: భాగం అంచనాలు వ్యక్తి నుండి వ్యక్తికి చాలా మారుతూ ఉంటాయి; ఒక చూపు 30 గ్రా లేదా 90 గ్రా కావచ్చు. AI యొక్క ఊహ అనేది ప్రారంభ పరిధి, కొలత కాదు. క్లయింట్‌ని అడగడం ద్వారా లేదా కిచెన్ స్కేల్‌ని ఉపయోగించడం ద్వారా వాస్తవ భాగాన్ని స్పష్టం చేయాలి.

13. పోషకాహార డేటాబేస్‌లు సాధారణంగా 100 గ్రాముల ముడికి విలువలను ఇస్తాయి. ఇది ఏ లోపం కారణం కావచ్చు?

• ఎ) వండిన భాగానికి ముడి విలువను వర్తింపజేయడం (లేదా వైస్ వెర్సా) తీవ్రమైన క్యాలరీ/స్థూల లోపాలను పరిచయం చేస్తుంది; కొలత యూనిట్ తప్పనిసరిగా స్పష్టం చేయాలి ✔
• బి) ముడి విలువలు ఎల్లప్పుడూ వండిన విలువల కంటే తక్కువగా ఉంటాయి, సమస్య లేదు
• సి) డేటాబేస్‌లు వండిన విలువలను మాత్రమే అందిస్తాయి కాబట్టి ఎటువంటి సమస్య ఉండదు.
• డి) పచ్చి/వండిన వ్యత్యాసం మాంసంలో మాత్రమే కనిపిస్తుంది, ధాన్యంలో కాదు.

వివరణ: వంట సమయంలో, ఆహారం నీటిని గ్రహిస్తుంది మరియు దాని బరువును మారుస్తుంది; 100 గ్రా ముడి బియ్యం వండినప్పుడు ~ 250-300 గ్రాములకు పెరుగుతుంది. వండిన మొత్తానికి ముడి విలువను వర్తింపజేయడం (లేదా వైస్ వెర్సా) తీవ్రమైన క్యాలరీ ఎర్రర్‌లకు దారి తీస్తుంది. ఉపయోగించిన విలువ పచ్చిదా లేదా వండినా అనేది ఎల్లప్పుడూ స్పష్టం చేయాలి.

14. మాడ్యూల్ అంతటా నొక్కిచెప్పబడిన కీలక సూత్రం డైటెటిక్స్‌లో కృత్రిమ మేధస్సు పాత్రను ఎలా వివరిస్తుంది?

• ఎ) అనుభవజ్ఞులైన డైటీషియన్ల స్థానంలో కృత్రిమ మేధస్సు సొంతంగా నిర్ణయాలు తీసుకోగలదు
• B) కృత్రిమ మేధస్సు సహాయకుడు మరియు డ్రాఫ్ట్ జనరేటర్; రోగ నిర్ధారణ, చికిత్స నిర్ణయం మరియు తుది ఆమోదం డైటీషియన్/వైద్యునికి చెందుతుంది ✔
• సి) కృత్రిమ మేధస్సు కేవలం విజువల్ డిజైన్ కోసం మాత్రమే ఉపయోగించబడుతుంది, లెక్కల కోసం కాదు
• డి) ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ అవుట్‌పుట్ ధృవీకరణ లేకుండా కూడా సురక్షితంగా ఉంటుంది, ఎందుకంటే ఇది శాస్త్రీయ మూలాలపై ఆధారపడి ఉంటుంది

వివరణ: కృత్రిమ మేధస్సు సహాయకుడిగా మరియు డ్రాఫ్ట్ జనరేటర్‌గా పునరావృతమయ్యే పనిని వేగవంతం చేస్తుంది, అయితే ఇది భద్రత-క్లిష్టమైన ప్రాంతంలో పని చేస్తున్నందున, రోగ నిర్ధారణ, పోషకాహార చికిత్స నిర్ణయం మరియు తుది ప్రణాళిక ఆమోదం సమర్థ నిపుణుడు (డైటీషియన్ మరియు, అవసరమైనప్పుడు, వైద్యుడు)కి చెందుతాయి. ధృవీకరించని అవుట్‌పుట్ సంతకం చేయని డ్రాఫ్ట్.