ปัญญาประดิษฐ์ทางเศรษฐมิติและสถิติ: บทบาท ขอบเขต การรับรองความถูกต้อง และความเป็นส่วนตัว

กำไร:

• ความสามารถในการแยกแยะว่าจุดใดในเวิร์กโฟลว์เชิงประจักษ์ (การล้างข้อมูล โค้ด การสร้างภาพ การตีความแบบร่าง) ปัญญาประดิษฐ์ช่วยประหยัดเวลาได้จริง และการตัดสินใจต่างๆ เช่น การเลือกแบบจำลอง การอ้างเหตุผล และการตัดสินใจในการตีพิมพ์จะเป็นของผู้เชี่ยวชาญ ตามระดับความเสี่ยงของงาน
• ความสามารถในการใช้ระเบียบวินัยในการตรวจสอบผลลัพธ์ของปัญญาประดิษฐ์แต่ละรายการ (ตัวเลข สัมประสิทธิ์ รหัส ความคิดเห็น) ผ่านขั้นตอนการคำนวณใหม่ เชื่อมโยงกับแหล่งที่มาและการกรองทางสถิติ
• ความสามารถในการประมวลผลข้อมูลขนาดเล็กและชุดข้อมูลที่เป็นความลับ/ได้รับอนุญาตอย่างปลอดภัยภายในขอบเขตของ KVKK/GDPR และข้อตกลงการใช้ข้อมูล และสร้างนิสัยในการเลือกเครื่องมือที่เหมาะสม

คำถามเดียวกันนี้เกิดขึ้นทุกวันบนโต๊ะของนักเศรษฐมิติหรือนักสถิติประยุกต์: ชุดข้อมูลนี้เชื่อถือได้หรือไม่ จะทำอย่างไรกับค่าที่หายไปเหล่านี้? สัมประสิทธิ์ของการถดถอยนี้บอกอะไรจริงๆ? ความสัมพันธ์นี้มีสาเหตุหรือเป็นเพียงความสัมพันธ์กัน? เนื่องจากค่า p นี้มีความสำคัญ ฉันสามารถเขียนลงในบทความหรือบทสรุปนโยบายได้หรือไม่ คำถามเหล่านี้บางข้อเป็นคำถามซ้ำๆ ต้องใช้โค้ดจำนวนมาก และใช้เวลานาน เช่น การล้างข้อมูล การพล็อตกราฟเดียวกันสิบครั้ง การดีบักโค้ด R หรือ Python การสตริงผลลัพธ์ลงในตาราง ส่วนอื่นๆ จะกำหนดความถูกต้องของการค้นพบ ความซื่อสัตย์ของสิ่งพิมพ์ หรือความถูกต้องของการตัดสินใจด้านนโยบายโดยตรง

ปัญญาประดิษฐ์ (AI โดยย่อคือ AI - ระบบคอมพิวเตอร์ที่สามารถสร้างข้อความและโค้ดได้เหมือนมนุษย์ จดจำรูปแบบ สรุปข้อมูล และเขียนความคิดเห็น รูปแบบที่ใช้มากที่สุดในปัจจุบันคือแบบจำลองภาษาขนาดใหญ่ กล่าวคือ ระบบที่ได้รับการฝึกฝนเกี่ยวกับข้อความขนาดใหญ่และสร้างประโยคโดยการทำนายคำถัดไป) นั่งอยู่ตรงกลางตารางนี้ เมื่อใช้อย่างถูกต้อง จะช่วยลดชั่วโมงการล้างข้อมูลโค้ดเหลือเป็นนาที เตือนคุณถึงไวยากรณ์ของการทดสอบทางสถิติที่ซับซ้อน หรือร่างการตีความค่าสัมประสิทธิ์ เมื่อใช้ไม่ถูกต้อง จะแสดงตัวเลขที่ดูเหมือนแน่ใจแต่สร้างขึ้นมาทั้งหมด นัยสำคัญที่ผิด หรือความสัมพันธ์ที่ไม่ใช่เชิงสาเหตุว่าเป็น "การค้นพบ"

หน่วยแรกนี้ไม่ใช่การแนะนำซอฟต์แวร์ จุดประสงค์คือเพื่อชี้แจงว่าควรใส่ AI ไว้ในขั้นตอนการทำงานเชิงประจักษ์ตรงไหน และไม่ควรใส่ตรงไหนเลย เศรษฐมิติเป็นทั้ง "วิธีวิกฤต" และ "วิกฤตต่อการตัดสินใจ" ทางอ้อม โดยค่าสัมประสิทธิ์ของแบบจำลองที่คุณสร้างสามารถเป็นข้อมูลประกอบการตัดสินใจเรื่องอัตราดอกเบี้ยของธนาคารกลาง การเปลี่ยนแปลงนโยบายของผู้กำกับดูแล หรือการลงทุนล้านดอลลาร์ของบริษัท เรามาวางหลักการพื้นฐานตั้งแต่ต้นกันดีกว่า: ปัญญาประดิษฐ์เป็นผู้ช่วยในการวิเคราะห์ ไม่ใช่นักวิจัย ความรับผิดชอบและการอนุมัติขั้นสุดท้ายสำหรับการเลือกแบบจำลอง กลยุทธ์การระบุ การยืนยันสาเหตุ การตีพิมพ์ และการตัดสินใจด้านนโยบายจะขึ้นอยู่กับผู้เชี่ยวชาญที่มีความสามารถ

เลเยอร์ของขั้นตอนการทำงานเชิงประจักษ์และตำแหน่งของ AI

การแบ่งการศึกษาเชิงประจักษ์ออกเป็นสามชั้นจะมีประโยชน์ เลเยอร์การดำเนินการเป็นงานด้านเทคนิคในแต่ละวัน: โค้ดล้างข้อมูล, การวาดกราฟ, การจัดรูปแบบตาราง, การแก้ไขไวยากรณ์ ชั้นวิธีการคือการตัดสินใจเชิงวิเคราะห์ ได้แก่ โมเดลใด กลยุทธ์การระบุตัวใด การทดสอบใด การตรวจสอบสมมติฐานใด ชั้นการตีความและการตัดสินใจคือความหมายของสิ่งที่ค้นพบ: สิ่งที่ค่าสัมประสิทธิ์กล่าวถึง เป็นสาเหตุหรือไม่ นโยบายมีความหมายต่อนโยบายอย่างไร หากมีการเผยแพร่ AI สัมผัสทั้งสามชั้น แต่มีอำนาจที่แตกต่างกันในแต่ละชั้น ที่เลเยอร์การดำเนินการ AI จะร่างและสร้างโค้ดอย่างรวดเร็ว ที่ชั้นการตีความและการตัดสินใจ จะมีการให้ข้อมูลเท่านั้นและผู้เชี่ยวชาญจะทำการตัดสินใจ

เรามานิยามคำศัพท์พื้นฐานบางประการตั้งแต่ต้นกันดีกว่า เศรษฐมิติเป็นสาขาที่วิเคราะห์ข้อมูลทางเศรษฐกิจและสังคมด้วยวิธีทางสถิติและวัดความสัมพันธ์ การถดถอยเป็นวิธีการที่สร้างแบบจำลองความสัมพันธ์เชิงตัวเลขของตัวแปรผลลัพธ์ (ตัวแปรตาม) กับตัวแปรอธิบายหนึ่งหรือหลายตัว (ตัวแปรอิสระ) ค่าสัมประสิทธิ์คือตัวเลขที่แสดงจำนวนหน่วยการเปลี่ยนแปลงโดยเฉลี่ยที่การเปลี่ยนแปลงหนึ่งหน่วยในตัวแปรอธิบายสัมพันธ์กับตัวแปรผลลัพธ์ ค่า p คือความน่าจะเป็นที่ผลลัพธ์ที่สังเกตได้ (หรือผลลัพธ์ที่รุนแรงกว่านั้น) จะเกิดขึ้นโดยบังเอิญเมื่อไม่มีผลกระทบเกิดขึ้นจริง เราจะอธิบายแนวคิดเหล่านี้ทีละรายการในหน่วยต่อไปนี้ สำหรับตอนนี้ โปรดทราบว่า AI จะให้พิมพ์เขียว รหัส และคำอธิบายแก่คุณ แต่ไม่ได้ทำการตัดสินใจทางวิทยาศาสตร์

ตารางต่อไปนี้สรุปบทบาทและระดับความเสี่ยงของ AI ตามภารกิจ:

ภารกิจ

บทบาทของเอไอ

ระดับความเสี่ยง

ใครอนุมัติ.

การเขียนโค้ดการฆ่าเชื้อข้อมูล

เครื่องกำเนิดรหัส

ต่ำ

นักวิเคราะห์เอง (พร้อมการทดสอบโค้ด)

แผนภูมิ/แบบร่างตาราง

เครื่องกำเนิดภาพร่าง

ต่ำ

นักวิเคราะห์

การแจ้งเตือนไวยากรณ์การทดสอบ/โมเดล

ผู้ช่วยอ้างอิง

ต่ำปานกลาง

นักวิเคราะห์

การตีความค่าสัมประสิทธิ์แบบร่าง

นักเขียนร่าง

ปานกลาง

นักเศรษฐมิติ

การเลือกรูปแบบ/กลยุทธ์การระบุ

อินพุตเสริม

สูง

นักวิจัยผู้เชี่ยวชาญ

การเรียกร้องสาเหตุ

แค่ร่างเท่านั้น ไม่ใช่คำสุดท้าย

สูงมาก

ผู้เชี่ยวชาญ+ผู้วิจารณ์

การเผยแพร่/การตัดสินใจเชิงนโยบาย

อินพุตเท่านั้น

สูงมาก

ผู้ตรวจสอบ/สถาบันที่รับผิดชอบ

โปรดทราบว่าบรรทัดเดียวในตารางนี้: เมื่อความเสี่ยงเพิ่มขึ้น บทบาทของ AI จะลดลงและการอนุมัติจากผู้เชี่ยวชาญก็เพิ่มขึ้น

เหตุใด "การยืนยัน" จึงเป็นหัวใจสำคัญของธุรกิจนี้

โมเดลภาษาดูเหมือนมั่นใจในคำตอบ แต่อาจไม่แน่ใจ ในภาษาเทคนิค สิ่งนี้เรียกว่าภาพหลอน ซึ่งเป็นการสร้างแบบจำลองของข้อมูลที่ไม่มีอยู่จริงในประโยคที่คล่องแคล่ว ราวกับว่ามันเป็นเรื่องจริง สำหรับนักเศรษฐมิติ นี่เป็นกับดักร้ายแรง แบบจำลองนี้สามารถให้ตัวเลขที่แน่นอน เช่น "ความสัมพันธ์ระหว่างการว่างงานและอัตราเงินเฟ้อในตุรกีระหว่างปี 2558-2563 คือ 0.62" อย่างไรก็ตาม เขาไม่เคยเห็นข้อมูลของคุณเลย และตัวเลขนี้ถูกสร้างขึ้นเรียบร้อยแล้ว หรืออาจบอกว่า “ค่า p-value ของการทดสอบสีขาวคือ 0.03”; โดยที่มันไม่ได้ทำการทดสอบใดๆ มันสามารถเรียกใช้ฟังก์ชัน R ด้วยอาร์กิวเมนต์ที่ไม่มีอยู่จริง เขาร้องเพลงทั้งสามเพลงด้วยความคล่องแคล่วเหมือนกัน สิ่งเดียวที่แยกถูกออกจากผิดคือความรู้และนิสัยในการตรวจสอบ

ระเบียบวินัยในการตรวจสอบประกอบด้วยสามขั้นตอน:

1. คำนวณใหม่/รันในสภาพแวดล้อมของคุณเอง: คำนวณทุกตัวเลข อัตราส่วน ผลการทดสอบ และค่าสัมประสิทธิ์ที่กำหนดโดย AI ใน R/Python ด้วยข้อมูลของคุณเอง ไม่ใช่จากหน่วยความจำของ AI ใช้ AI เขียนโค้ดไม่จำผลลัพธ์ รันโค้ด คุณสร้างผลลัพธ์
2. ลิงก์ไปยังแหล่งที่มา: อาศัยตำรา บทความวิธีการ และเอกสารอย่างเป็นทางการสำหรับกฎ สูตร และคำจำกัดความของวิธีการ ยืนยันคำกล่าวของ AI "สมมติฐานของการทดสอบนี้คือ" ด้วยแหล่งข้อมูลที่เชื่อถือได้
3. ตัวกรองทางสถิติ: ทดสอบกับผู้เชี่ยวชาญว่าผลลัพธ์ขัดแย้งกับตรรกะทางสถิติหรือไม่ (สมมติฐาน ตัวอย่าง ขนาดเอฟเฟกต์ ความไม่แน่นอน) ปฏิเสธผลลัพธ์ที่ "มีความหมายแต่ไร้สาระ"

ข้อควรระวัง: การใส่ค่าสัมประสิทธิ์ การทดสอบ หรือการตีความที่สร้างโดย AI ในบทความ วิทยานิพนธ์ หรือบันทึกนโยบาย โดยไม่ตรวจสอบความถูกต้องก็เหมือนกับการเผยแพร่ผลการวิจัยที่ไม่ได้รับการตรวจสอบ เพียงเพราะผลลัพธ์คล่องไม่เป็นความจริง เพียงเพราะตัวเลขดูแน่นอนจึงไม่มีจริง

ความเป็นส่วนตัว: ข้อมูลไมโครและข้อมูลลิขสิทธิ์ได้รับการคุ้มครองแบบส่วนตัว

Microdata (บันทึกเดี่ยวในระดับบุคคล ครัวเรือน บริษัท หรือผู้ป่วย) มักใช้ในเศรษฐมิติ ข้อมูลส่วนใหญ่เป็นข้อมูลส่วนบุคคลและได้รับการคุ้มครองภายใต้ KVKK (กฎหมายคุ้มครองข้อมูลส่วนบุคคล) ในตุรกีและ GDPR ในยุโรป นอกจากนี้ TurkStat ธนาคารกลาง ผู้ให้บริการข้อมูลการสำรวจ และแหล่งข้อมูลเชิงพาณิชย์มักจะให้ข้อมูลพร้อมข้อตกลงการใช้ข้อมูล ข้อตกลงเหล่านี้ห้ามการถ่ายโอนข้อมูลไปยังบุคคลที่สาม การวางตารางที่มีข้อมูลประจำตัว รายได้ สุขภาพ หรือความลับของบริษัทลงในเครื่องมือแชท AI สาธารณะถือเป็นการละเมิด KVKK/GDPR และการละเมิดสัญญา เพราะข้อมูลจะถูกส่งไปยังเซิร์ฟเวอร์ภายนอกและสามารถนำไปใช้ในการฝึกโมเดลในเครื่องมือบางอย่างได้

กฎนั้นง่าย: เก็บข้อมูลไว้ในสภาพแวดล้อมที่ปลอดภัย ถาม AI เฉพาะรหัสและวิธีการเท่านั้น ขั้นตอนการทำงานในอุดมคติคือ: ขอโค้ดการวิเคราะห์จาก AI จากนั้นคุณรันโค้ดด้วยข้อมูลจริงบนคอมพิวเตอร์/เซิร์ฟเวอร์องค์กรของคุณเอง หากคุณจำเป็นต้องแชร์ข้อมูลจริงๆ ให้ไม่เปิดเผยตัวตน (ลบช่อง ID) รวม (เฉลี่ย/จำนวนมากกว่ารายบุคคล) และเลือกเครื่องมือที่เป็นสถาบัน มีข้อตกลงการประมวลผลข้อมูล และไม่ใช้ข้อมูลของคุณในด้านการศึกษา

มินิเคสสามอัน

กรณีที่ 1 — การใช้งานที่ปลอดภัยและมีประสิทธิภาพ นักวิจัยคนหนึ่งใช้เวลา 6 ชั่วโมงในการทำความสะอาดข้อมูลงบประมาณครัวเรือน 40,000 แถวด้วยตนเอง โดยไม่ได้แชร์ข้อมูลเลยเขาแค่อธิบายชื่อตัวแปรและโครงสร้างให้ AI ฟังและขอรหัสทำความสะอาด AI สร้างสคริปต์ R; ผู้วิจัยรันโค้ดในสภาพแวดล้อมของตนเอง ตรวจสอบจำนวนบรรทัดและสถิติสรุปของแต่ละขั้นตอน และแก้ไขข้อผิดพลาดทางตรรกะสองประการ ระยะเวลา: 70 นาที แทนที่จะเป็น 6 ชั่วโมง ข้อมูลไม่เคยออกไป ความรับผิดชอบยังคงอยู่กับผู้วิจัย

กรณีที่ 2 — กับดักหมายเลขที่ไม่ได้รับการยืนยัน “อะไรคือความยืดหยุ่นระหว่างการเติบโตของ GDP และการลงทุนโดยตรงจากต่างประเทศ” นักศึกษาระดับบัณฑิตศึกษาถาม AI AI ให้ตัวเลข "ประมาณ 0.34" อย่างมั่นใจ แม้ว่าจะไม่สามารถเข้าถึงข้อมูลใดๆ ก็ตาม นักเรียนเขียนสิ่งนี้ไว้ในบทสรุปวรรณกรรม เมื่อที่ปรึกษาของเขาถามถึงแหล่งที่มา ปรากฎว่าตัวเลขดังกล่าวไม่มีพื้นฐานและถูกสร้างขึ้นมาทั้งหมด ข้อผิดพลาด: คาดหวังสถิติที่เป็นรูปธรรมจาก AI โดยไม่ให้ข้อมูลและทรัพยากรแก่มัน

กรณีที่ 3 — การรักษาความลับและการละเมิดสัญญา นักวิเคราะห์อัปโหลด Excel ซึ่งเขาได้รับจากกลุ่มวิจัยของบริษัทที่ได้รับใบอนุญาต ซึ่งมีชื่อบริษัทและผลประกอบการ ไปยังเครื่องมือ AI ที่เปิดเผยต่อสาธารณะ และกล่าวว่า "ทำการถดถอยของแผง" สัญญาของผู้ให้บริการข้อมูลห้ามการถ่ายโอนข้อมูลไปยังระบบของบุคคลที่สาม เหตุการณ์ดังกล่าวกระตุ้นให้มีการตรวจสอบการปฏิบัติตามข้อกำหนด วิธีที่ถูกต้องคือการแทนที่ชื่อบริษัทด้วยรหัสที่ไม่ระบุตัวตน หรือไม่เปิดเผยข้อมูล และขอเฉพาะรหัสการถดถอยของแผงและเรียกใช้ในสภาพแวดล้อมของตนเอง

พรอมต์อ่อน / พรอมต์แรง

พรอมต์ที่อ่อนแอ:

วิเคราะห์ความสัมพันธ์ระหว่างอัตราเงินเฟ้อกับการว่างงาน และระบุค่าสัมประสิทธิ์

คำกล่าวอ้างนี้ผิด: ไม่มีการให้ข้อมูลแก่ AI ยังไม่ชัดเจนว่าประเทศใด ยุคใด รุ่นใด AI สามารถตอบได้ด้วยค่าสัมประสิทธิ์ที่สร้างขึ้นเท่านั้น

พรอมต์อันทรงพลัง:

บทบาทของคุณ: คุณเป็นผู้ช่วยวิเคราะห์ที่ช่วยเหลือนักวิจัยเศรษฐมิติ ฉันไม่เปิดเผยข้อมูลกับคุณ ฉันแค่ต้องการโค้ด RUNNABLE R ฉันมีแผงข้อมูลประจำปี: ตัวแปรประเทศ, ปี, การว่างงาน, อัตราเงินเฟ้อ (ตัวเลขทั้งหมด) งาน: 1) เขียนโค้ดการถดถอยของแผงเอฟเฟกต์คงที่สำหรับการว่างงาน ~ อัตราเงินเฟ้อ (แพ็คเกจ plm) 2) อธิบายแต่ละขั้นตอนในโค้ดด้วยบรรทัดแสดงความคิดเห็น 3) โปรดทราบว่าค่าสัมประสิทธิ์ควรตีความว่าสัมพันธ์กัน ไม่ใช่ CAUSAL 4) สร้างอาร์กิวเมนต์ของฟังก์ชันที่คุณไม่แน่ใจ ฉันจะเรียกใช้และตรวจสอบผลลัพธ์ในสภาพแวดล้อมของฉันเอง

ในคำขอนี้ ไม่มีการแบ่งปันข้อมูล บทบาท แพ็คเกจ ความคาดหวังความคิดเห็น และการห้าม "การประดิษฐ์" มีความชัดเจน คุณยังคงทำงานและตรวจสอบผลลัพธ์ด้วยตัวเอง

ตารางต่อไปนี้สรุปกฎหนึ่งประโยคในบทเรียนนี้:

หลักการ

มันหมายความว่าอะไร

AI เป็นตัวช่วย

การตัดสินใจและความรับผิดชอบทางวิทยาศาสตร์เป็นของผู้เชี่ยวชาญ

ขอรหัสสร้างผลลัพธ์

AI จำหมายเลขไม่ได้ คุณเรียกใช้และคำนวณ

เก็บข้อมูล

ข้อมูลไมโคร/ลิขสิทธิ์จะไม่ออกจากสภาพแวดล้อมที่ปลอดภัย

ตรวจสอบ

ทุกปัญหา รหัส ความคิดเห็นได้รับการตรวจสอบ การประดิษฐ์ถูกปฏิเสธ

ข้อผิดพลาดทั่วไป

• คาดหวังสถิติที่เป็นรูปธรรมจาก AI โดยไม่ต้องให้ข้อมูล โมเดลไม่สามารถเข้าถึงข้อมูลได้ ค่าสัมประสิทธิ์ สหสัมพันธ์ และค่า p ที่ให้มานั้นเป็นของปลอม ขอรหัสและสร้างผลลัพธ์ด้วยตนเองเสมอ
• อาศัยฟังก์ชั่นประสาทหลอน AI อาจแนะนำฟังก์ชัน R/Python หรืออาร์กิวเมนต์ที่ไม่มีอยู่ อย่ายอมรับรหัสโดยไม่เรียกใช้และตรวจสอบ
• กำลังอัปโหลด Microdata ไปยังเครื่องมือสาธารณะ ถือเป็นการละเมิด KVKK/GDPR และข้อตกลงการใช้ข้อมูล ปิดบังข้อมูลหรือไม่เปิดเผยข้อมูลเลย
• เข้าใจผิดว่าคล่องเพื่อความถูกต้อง บทวิจารณ์ที่เขียนอย่างดีอาจไม่ถูกต้อง ความสวยงามของประโยคไม่สามารถพิสูจน์ได้
• การยอมรับภาษาเชิงสาเหตุโดยไม่มีการควบคุม YZ มักพูดว่า "X เพิ่ม Y"; ในขณะที่การถดถอยส่วนใหญ่แสดงเฉพาะความสัมพันธ์เท่านั้น ปกป้องการอ้างสิทธิ์เชิงสาเหตุด้วยการออกแบบ

เคล็ดลับ: เมื่อทำงานกับ AI ให้ถามตัวเองด้วยคำถามนี้: “หากผู้ตัดสินหรือผู้ตรวจสอบบัญชีขอผลลัพธ์นี้ ฉันสามารถแสดงแหล่งที่มาและบัญชีได้หรือไม่” หากคำตอบคือไม่ แสดงว่าเอาต์พุตยังไม่พร้อมใช้งาน

โดยสรุป

AI มอบการเร่งความเร็วที่แท้จริงและมหาศาลในเลเยอร์การดำเนินการ (โค้ด การล้างข้อมูล กราฟ แบบร่าง) ของเวิร์กโฟลว์เศรษฐมิติและสถิติ อย่างไรก็ตาม การเลือกแบบจำลอง สาเหตุ การตีความ การตีพิมพ์ และการตัดสินใจเชิงนโยบายเป็นของผู้เชี่ยวชาญ วินัยพื้นฐานสามประการ: อย่าเตือน AI ถึงตัวเลข ขอรหัสและสร้างและตรวจสอบผลลัพธ์ด้วยตัวเอง อย่าลบข้อมูลไมโคร/ลิขสิทธิ์ออกจากสภาพแวดล้อมที่ปลอดภัย ตัวกรองทางสถิติแต่ละเอาต์พุต ผลลัพธ์จาก AI ที่ไม่ได้รับการยืนยันนั้นมีความเสี่ยงพอๆ กับการค้นพบที่ไม่ได้รับการตรวจสอบ

งานสมัคร

พิจารณาชุดข้อมูลของคุณเอง (หรือตัวอย่าง) ถามรหัส AI สำหรับ R หรือ Python ที่สร้างสถิติเชิงพรรณนาและกราฟอย่างง่ายโดยเพียงแค่อธิบายโครงสร้างตัวแปรโดยไม่ต้องแชร์ข้อมูล เรียกใช้รหัสขาเข้าในสภาพแวดล้อมของคุณเอง จากนั้นเก็บรายการตรวจสอบ: (1) โค้ดทำงานโดยไม่มีข้อผิดพลาด (2) คือจำนวนบรรทัด/ข้อสังเกตตามที่คุณคาดหวัง (3) ประโยคความคิดเห็นใดของ AI ใช้ภาษาเชิงสาเหตุและควรได้รับการแก้ไข ในหนึ่งย่อหน้า ให้เขียนเกี่ยวกับเวลาที่ AI ช่วยคุณและข้อบกพร่องที่คุณพบอย่างน้อยหนึ่งรายการ

รายการตรวจสอบ

• [ ] ฉันไม่ได้ให้ AI ขอสถิติที่เป็นรูปธรรม ฉันขอรหัสและสร้างผลลัพธ์ด้วยตัวเอง
• [ ] ฉันคำนวณทุกตัวเลขใหม่และผลการทดสอบที่ให้ไว้ในสภาพแวดล้อมของฉันเอง
• [ ] ฉันตรวจสอบแล้วว่าฟังก์ชัน/อาร์กิวเมนต์ที่ใช้นั้นมีอยู่จริง
• [ ] ฉันไม่ได้อัปโหลดข้อมูลขนาดเล็ก/ส่วนบุคคล/ลิขสิทธิ์ไปยังเครื่องมือสาธารณะ
• [ ] ฉันทำเครื่องหมายความคิดเห็นที่มีภาษาเชิงสาเหตุและย้ายไปเป็นภาษาเชิงสัมพันธ์
• [ ] ฉันสามารถแสดงแหล่งที่มาและการบัญชีของผลลัพธ์ให้ผู้ตรวจสอบบัญชีทราบได้