اینڈ ٹو اینڈ ورک فلو، پرائیویسی/KVKK، اخلاقیات اور کوالٹی کنٹرول

فائدہ:

• 'AI پیدا کرتا ہے → انسانی تصدیق کرتا ہے → انسانی منظوری دیتا ہے' کے چکر کے ساتھ کلائنٹ کے سفر کو آخر سے آخر تک محفوظ طریقے سے چلانے کی صلاحیت
• KVKK/رازداری کے دائرہ کار میں کلائنٹ کے ڈیٹا کی حفاظت کرنے اور ہر قدم میں چار اخلاقی اصولوں کو باندھنے کی صلاحیت
• پانچ اہم سوالات (اکاؤنٹ، سورس، الرجین، گمنامی، منظوری) کے ساتھ ان کے آؤٹ پٹ کو خود چیک کرکے حتمی ذمہ داری لینے کی صلاحیت

پچھلی دس اکائیوں میں ہم نے دیکھا ہے کہ غذائیت اور غذائیت کے انفرادی کاموں میں AI کا استعمال کیسے کیا جاتا ہے: انٹیک، کیلکولیشن، ڈیٹا بیس، پلان، ترکیب، الرجی، ٹریکنگ، تعلیم، ثبوت۔ یہ حتمی یونٹ ان سب کو ایک ساتھ لاتا ہے اور آپ کو دکھاتا ہے کہ AI کو آخر سے آخر تک، محفوظ طریقے سے اور اخلاقی طور پر آپ کی روزمرہ کی مشق میں بطور غذائی ماہر کیسے چلانا ہے۔ کیونکہ ہر کام کو اچھی طرح کرنا کافی نہیں ہے۔ ڈیٹا کہاں جاتا ہے، کون فیصلہ کرتا ہے کہ آپ کہاں رکتے ہیں اور انسانی منظوری حاصل کرتے ہیں — ان سب کو ایک مستقل نظام بنانا چاہیے۔ یہ یونٹ تین سرخ لکیروں کو بھی واضح کرتا ہے جو پورے ماڈیول کو جوڑتی ہیں: رازداری (KVKK)، اخلاقیات اور حتمی انسانی رضامندی۔

ایک اختتام سے آخر تک کلائنٹ کا سفر

مندرجہ ذیل جدول میں گاہک کے غذائی ماہرین کے دورے سے فالو اپ تک کے سفر کا خلاصہ کیا گیا ہے، جہاں AI کام کرتا ہے اور جہاں انسانی منظوری ضروری ہے:

اسٹیج

AI کا کام

انسانی منظوری کا نقطہ

1. استقبال کی تیاری

انٹرویو گائیڈ، نوٹ ایڈیٹنگ

ماہر خوراک انٹرویو کرتا ہے۔

2. تشخیص

انرجی/میکرو اکاؤنٹ ڈرافٹ

غذائی ماہر دوبارہ گنتی کرتا ہے۔

3. ڈیٹا بیس

ماخذ ڈیٹا کے ساتھ حساب کتاب

غذائی ماہر اقدار کی تصدیق کرتا ہے۔

4. منصوبہ

کھانے کے اختیارات کا خاکہ

غذائی ماہر توازن اور تصدیق کرتا ہے۔

5. نسخہ

تغیر، تطہیر

غذائیت اور ذائقہ کی تصدیق

6. سیکورٹی

الرجین سے پہلے کی اسکریننگ

ماہر غذائیت اس کی تصدیق کرتا ہے۔

7. ٹریکنگ

رجحان کا خلاصہ، پیغام کا خاکہ

کلینیکل تشریح اور انسانوں میں تعلق

8. تعلیم

مواد کا خاکہ

سائنسی/اخلاقی آڈٹ

9. ثبوت

خلاصہ، تنقیدی سوال

ماخذ کی تصدیق ایک غذائی ماہر سے ہوتی ہے۔

اس چارٹ میں عام نمونہ دیکھیں: AI ہر مرحلے پر ایک بلیو پرنٹ یا ابتدائی مرحلہ تیار کرتا ہے۔ ہر مرحلے میں ایک انسانی منظوری کا نقطہ ہے. یہ نظام "AI پیدا کرتا ہے → انسانی تصدیق کرتا ہے → انسانی تصدیق کرتا ہے" کے چکر پر مبنی ہے۔ اگر یہ سائیکل ٹوٹ جاتا ہے، تو آپ رفتار حاصل کرتے ہیں لیکن سلامتی اور احتساب سے محروم ہوجاتے ہیں۔

رازداری اور KVKK: ڈیٹا کی حفاظت کرنا

کلائنٹ کا ڈیٹا (شناخت، صحت کی تاریخ، تجزیہ، ادویات، پیمائش) ترکی میں KVKK اور یورپ میں GDPR کے دائرہ کار میں "خصوصی زمرہ کا ذاتی ڈیٹا" ہے اور اعلیٰ ترین تحفظ کا مستحق ہے۔ AI ٹولز کے ساتھ کام کرتے وقت جن اصولوں پر عمل کرنا چاہیے:

1. نام ظاہر نہ کریں: شناختی ڈیٹا کو ہٹا دیں جیسے نام، TR ID، رابطہ، ادارہ، تاریخ پیدائش۔ "43 سالہ خاتون، ٹائپ 2 ذیابیطس" کافی ہے۔
2. کم از کم ڈیٹا: کام کے لیے درکار کم از کم ڈیٹا کا اشتراک کریں؛ مزید نہیں
3. ایک محفوظ ٹول کا انتخاب کریں: ڈیٹا پروسیسنگ کنٹریکٹ کے ساتھ کارپوریٹ ٹولز کا انتخاب کریں جہاں ماڈل ٹریننگ میں ڈیٹا استعمال نہیں کیا جاتا ہے۔
4. واضح رضامندی: کلائنٹ کو مطلع کریں کہ اس کے ڈیٹا پر کس طرح کارروائی کی جاتی ہے اور اس کی رضامندی حاصل کریں۔
5. ریکارڈنگ اور برقرار رکھنا: کنٹرول کریں کہ ڈیٹا کہاں محفوظ ہے اور کس کو اس تک رسائی حاصل ہے۔ غیر ضروری ڈیٹا کو حذف کریں۔

دھیان دیں: کسی AI ٹول پر تجزیہ پی ڈی ایف یا کلائنٹ فائل کو "رفتار کے لیے" نام ظاہر کیے بغیر اپ لوڈ کرنے کے نتیجے میں KVKK کی خلاف ورزی ہو سکتی ہے جس کا ایک کلک سے تدارک کرنا مشکل ہے۔ رفتار کبھی بھی رازداری کو نہیں ٹالتی۔ اگر شک ہو تو شیئر نہ کریں۔

اخلاقی فریم ورک: چار اصول

صحت کی اخلاقیات کے چار کلاسیکی اصول غذائیت کی مشق پر بھی لاگو ہوتے ہیں: فائدہ (کلائنٹ کی فلاح و بہبود کے لیے کام کرنا)، غیر مؤثریت (خاص طور پر حفاظتی اہم فیصلوں میں)، خود مختاری (کلائنٹ کے اپنے فیصلے کا احترام، باخبر رضامندی)، اور انصاف (جامع خدمت جو وسائل، بجٹ، ثقافت میں فرق کے لیے حساس ہے)۔ AI کے استعمال کو ان اصولوں سے متصادم نہیں ہونا چاہیے: غیر تصدیق شدہ آؤٹ پٹ نقصان کا باعث بن سکتا ہے (غیر خرابی کی خلاف ورزی)، کلائنٹ کو بتائے بغیر ڈیٹا پر کارروائی کرنا خود مختاری کی خلاف ورزی کرتا ہے، کسی ایک ثقافت کے مطابق منصوبے بنانا انصاف کو نقصان پہنچاتا ہے۔ اخلاقیات بعد میں جوڑی جانے والی پرت نہیں ہے، بلکہ ہر قدم پر ایک نظم و ضبط ہے۔

کوالٹی کنٹرول: اپنے کام کا معائنہ کرنا

اینڈ ٹو اینڈ کام کرتے ہوئے اپنے AI کے استعمال کا باقاعدہ آڈٹ کریں۔ ایک سادہ سی سیلف چیک: ہر کلائنٹ کے پرنٹ آؤٹ کے لیے، "کیا میں نے اس نمبر کی تصدیق کی؟ کیا میں نے اس الرجین کے لیے اسکریننگ کی؟ کیا میں نے اس دعوے کو ثابت کیا؟ کیا میں نے اس ڈیٹا کو گمنام کیا؟ کیا میں نے اس پلان کو منظور کیا؟" اگر آپ ان پانچ سوالوں کا "ہاں" میں جواب نہیں دے سکتے ہیں، تو آؤٹ پٹ ابھی تیار نہیں ہے۔

تین چھوٹے مقدمات

کیس 1 - سلسلہ میں کمزور لنک۔ ایک غذائی ماہر تیزی سے AI کے ساتھ انٹیک اکاؤنٹ پلان چین ترتیب دیتا ہے لیکن حفاظتی اقدام کو چھوڑ دیتا ہے (الرجن کی تصدیق)؛ کیونکہ یہ فرض کرتا ہے کہ "اگر پچھلے اقدامات اچھے تھے، تو یہ بھی اچھا ہے"۔ تاہم، کلائنٹ کو تل کی الرجی تھی اور پلان میں ایک چٹنی تل پر مشتمل تھی۔ زنجیر کی ایک کڑی ٹوٹ جائے تو پوری زنجیر غیر محفوظ ہو جاتی ہے۔ سبق: ہر مرحلے کی منظوری کا نقطہ آزاد ہے؛ ایک دوسرے کی جگہ نہیں لیتا۔

کیس 2 - رازداری کی خلاف ورزی کا سلسلہ۔ کارکردگی کے لیے، ایک کلینک تمام کلائنٹ فائلوں کو نام سے ایک AI ٹول میں لوڈ کرنے اور ایک بڑے پیمانے پر منصوبہ تیار کرنے کی کوشش کرتا ہے۔ ایک آڈٹ سے پتہ چلتا ہے کہ یہ KVKK کی خلاف ورزی ہے اور ڈیٹا ادارے سے باہر چلا گیا ہے۔ کلینک اس عمل کو روکتا ہے اور گمنام اور معاہدہ شدہ بہاؤ میں بدل جاتا ہے۔ سبق: کارکردگی رازداری کے حملے کو معاف نہیں کرتی۔ سسٹم کو شروع سے رازداری سے محفوظ کے طور پر ترتیب دیں۔

کیس 3 - درست اینڈ ٹو اینڈ فلو۔ ایک نئے کلائنٹ کے لیے، ایک غذائی ماہر: (1) گمنام ڈیٹا کے ساتھ ایک انٹرویو گائیڈ تیار کرتا ہے، (2) AI ڈرافٹ رکھتا ہے اور حساب کتاب کی دستی طور پر تصدیق کرتا ہے، (3) USDA سے غذائیت کی قدروں کو فیڈ کرتا ہے، (4) آپشن پلان کو حاصل کرتا ہے اور بیلنس کرتا ہے، (5) الرجین کے لیے اسکرینز ون ٹو ون پر، کلائنٹ کے لیے ذاتی استعمال، (6) تک رسائی فراہم کرتا ہے۔ ہفتہ وار پیروی. یہ ہر قدم پر منظوری کے نقطہ کو لاگو کرتا ہے، ڈیٹا کو گمنام رکھتا ہے، اور خود پلان کی منظوری دیتا ہے۔ نتیجہ: حفاظت اور جوابدہی پر سمجھوتہ کیے بغیر، AI کے ساتھ ~40% وقت بچاتا ہے۔ سبق: جب نظام درست طریقے سے ترتیب دیا جاتا ہے تو رفتار اور سیکورٹی ایک ساتھ آتے ہیں۔

کاپی کرنے کے قابل پرامپٹ ٹیمپلیٹس

آخر سے آخر تک ورکنگ فریم ورک ٹیمپلیٹ آپ کا کردار: ماہر غذائیت کے لیے اسسٹنٹ کی تیاری کا مسودہ۔ ہر پرنٹ آؤٹ کے آخر میں ایک نوٹ "ڈائیٹیشین کی منظوری درکار ہے" لگائیں اور فہرست بنائیں کہ کن نکات کی زبانی تصدیق کی ضرورت ہے (اکاؤنٹ، الرجین، ماخذ)۔ کلائنٹ (گمنام): [...]. جستجو: [مرحلہ]۔ تیار کردہ ڈیٹا شامل نہ کریں؛ نشان زد کریں جہاں آپ کو یقین نہیں ہے۔

پرائیویسی پری چیک ٹیمپلیٹس کسی AI ٹول کو دینے سے پہلے پرائیویسی کے لیے درج ذیل متن کو اسکین کریں: کیا اس میں شناختی ڈیٹا جیسے نام، ID، رابطہ، ادارہ، تاریخ پیدائش، تجزیہ ID شامل ہے؟ اگر ایسا ہے تو اسے نشان زد کریں اور گمنام ورژن تجویز کریں۔ متن: [...]

کوالٹی سیلف آڈٹ ٹیمپلیٹ درج ذیل کلائنٹ کے پرنٹ آؤٹ کے لیے ایک چیک لسٹ لگائیں اور ہر آئٹم کو میٹ/گم شدہ کے بطور نشان زد کریں: (1) اکاؤنٹ کی تصدیق شدہ ہے، (2) ذریعہ سے غذائیت کی قیمت ہے، (3) کیا الرجین کے لیے اس کی جانچ کی گئی ہے، (4) ڈیٹا گمنام ہے، (5) صحت مند ایپ ہے، (5) صحت سے متعلق دعویدار ہے۔ کسی کوتاہی کی نشاندہی کریں۔ آؤٹ پٹ: [...]

اخلاقی جائزہ ٹیمپلیٹ کیا مندرجہ ذیل منصوبہ/مواد چار اخلاقی اصولوں کے لحاظ سے کوئی مسئلہ پیدا کرتا ہے: فائدہ، عدم نقصان، خود مختاری (رضامندی/معلومات)، انصاف (بجٹ/ثقافتی شمولیت)؟ ہر پالیسی کا مختصراً جائزہ لیں اور بہتری تجویز کریں۔ مواد: [...]

کمزور فوری / مضبوط اشارہ

کمزور اشارہ:

میں نے محترمہ Ayşe کا تجزیہ اور فائل شامل کی، ایک مکمل منصوبہ سامنے آئے گا۔

نامزد ڈیٹا، ایک قدم میں "مکمل منصوبہ"، کوئی منظوری پوائنٹس نہیں: KVKK کی خلاف ورزی اور غیر تصدیق شدہ، غیر محفوظ آؤٹ پٹ دونوں کا خطرہ۔

طاقتور اشارہ:

آپ کا کردار: ڈرافٹ اسسٹنٹ؛ منظوری غذائیت کے ماہر کی ہے۔ کلائنٹ (گمنام): 41 سال کی خاتون، ٹائپ 2 ذیابیطس، [متعلقہ عددی اقدار، نام/شناخت کوئی نہیں]۔ ٹاسک: اختیارات کے ساتھ کھانے کی منصوبہ بندی کا مسودہ۔ ہر کھانے کے لیے تخمینہ شدہ میکرو اور ایک "ضروری تصدیق" نوٹ۔ الرجین: تل (کوئی شامل نہ کریں)۔ آخر میں، فہرست بنائیں کہ کون سے نکات کو خوراک کے ماہر کے ذریعے ذاتی طور پر چیک کرنے کی ضرورت ہے۔ فٹ شدہ ڈیٹا شامل کرنا۔

دوسرا پرامپٹ ڈیٹا کو گمنام کرتا ہے، آؤٹ پٹ کو روکتا ہے، سیکیورٹی کی رکاوٹ اور چوکیوں پر مشتمل ہوتا ہے۔ رازداری اور معیار دونوں محفوظ ہیں۔

عام غلطیاں

• سلسلہ میں ایک لنک کو چھوڑنا: سیکیورٹی/منظوری کے مرحلے کو چھوڑنا کیونکہ پچھلا مرحلہ اچھا تھا۔
• کارکردگی کے لیے رازداری کی قربانی دینا: نام کی فائلوں کو بڑی تعداد میں اپ لوڈ کرنا — KVKK کی سنگین خلاف ورزی۔
• ایک شاٹ "مکمل منصوبہ" کی توقع: بلیک باکس آؤٹ پٹ پر انحصار کرنا جو چیک پوائنٹس کو چھوڑ دیتا ہے۔
• اخلاقیات کے بارے میں بعد میں سوچنا: اخلاقیات کو ہر قدم پر باندھنے کے بجائے آخر میں یاد رکھنا۔
• خود چیکنگ کو نظرانداز کرنا: پانچ بنیادی سوالات (اکاؤنٹ/الرجن/ذریعہ/ گمنام/ منظوری) کے خلاف جانچ کیے بغیر آؤٹ پٹ کا استعمال کرنا۔
• رضامندی کو فراموش کرنا: کلائنٹ کو اس کے ڈیٹا پر کارروائی کے بارے میں مطلع نہ کرنا۔

خلاصہ میں

مصنوعی ذہانت غذائیت اور ڈائیٹکس کی مشق کو آخر تک تیز کر سکتی ہے۔ لیکن یہ تب ہی محفوظ رہے گا جب "AI پیدا کرتا ہے → انسانی تصدیق کرتا ہے → انسانی تصدیق کرتا ہے" کے چکر کو ہر مرحلے پر برقرار رکھا جاتا ہے۔ کلائنٹ کے ڈیٹا کو ہمیشہ گمنام رکھیں، رفتار کی خاطر KVKK اور رازداری کو قربان نہ کریں، اخلاقیات کے چار اصولوں کو ہر قدم پر باندھیں، اور پانچ بنیادی سوالات کے ساتھ اپنے نتائج کا خود آڈٹ کریں۔ سلسلہ میں ہر لنک منظوری کا ایک آزاد نقطہ ہے؛ جب ان میں سے کوئی ایک ٹوٹ جاتا ہے تو نظام غیر محفوظ ہو جاتا ہے۔ یاد رکھیں: AI آپ کے پیشے کو مضبوط کرتا ہے، لیکن اس کی جگہ نہیں لیتا۔ تشخیص، علاج کا فیصلہ، اور حتمی منصوبہ کی منظوری—سائنس، اخلاقیات، اور دستخط — غذائی ماہرین سے تعلق رکھتے ہیں۔ AI آپ کا تیز اسسٹنٹ ہے۔ آپ ذمہ دار ماہر ہیں۔

درخواست کا کام

شروع سے آخر تک ایک منی کلائنٹ کا بہاؤ ترتیب دیں: ایک گمنام پروفائل کا انتخاب کریں، ترتیب وار (1) انٹرویو گائیڈ تیار کریں، (2) اکاؤنٹ کا خاکہ + تصدیق، (3) سورس ڈیٹا کے ساتھ کھانا، (4) الرجین اسکریننگ، (5) ایک تربیتی ہینڈ آؤٹ۔ لکھیں کہ آپ نے ہر قدم پر کس انسانی چوکی کا اطلاق کیا ہے۔ پھر پورے بہاؤ پر "کوالٹی سیلف آڈٹ ٹیمپلیٹ" کا اطلاق کریں، کسی بھی خلا کو تلاش کریں اور اسے ٹھیک کریں۔ آخر میں، اس بات کی تصدیق کرنے کے لیے "پرائیویسی پری چیک" چلائیں کہ آپ کا ڈیٹا واقعی گمنام ہے۔

چیک لسٹ

• [ ] میں نے ہر مرحلے پر "AI generates → verify → validate" سائیکل کا اطلاق کیا۔
• میں نے کلائنٹ کا ڈیٹا گمنام کیا اور کم سے کم ڈیٹا شیئر کیا۔
• میں نے ایک محفوظ/معاہدہ شدہ گاڑی استعمال کی؛ میں نے رضامندی حاصل کی۔
• میں نے چار اخلاقی اصولوں کا مشاہدہ کیا (فائدہ، عدم تحفظ، خود مختاری، انصاف)۔
• [ ] میں نے پانچ اہم سوالات کے ساتھ آؤٹ پٹ کو خود چیک کیا۔
• ایک غذائی ماہر کے طور پر، میں نے حتمی منظوری دی تھی۔ میں ذمہ دار ہوں۔

ماڈیول امتحان

1. ایک غذائی ماہر مصنوعی ذہانت کے ذریعے حساب کیے گئے روزانہ کیلوری کے ہدف کو بغیر جانچے کلائنٹ کے پلان میں منتقل کرتا ہے۔ اس نقطہ نظر میں بنیادی غلطی کیا ہے؟

• A) مصنوعی ذہانت کی پیداوار کو تصدیق کے بغیر استعمال نہیں کیا جا سکتا۔ اکاؤنٹ کا مسودہ دوبارہ گنتی اور ماہر غذائیت سے منظور شدہ ہونا چاہیے ✔
• ب) مصنوعی ذہانت ہمیشہ کیلوری کی گنتی کو کم کرتی ہے۔
• ج) کیلوری کیلکولیشن کے بجائے صرف میکرو کیلکولیشن کیا جائے۔
• ڈی) منصوبہ کلائنٹ کو ای میل کے بجائے کاغذ پر دیا جانا چاہیے تھا۔

وضاحت: اگرچہ مصنوعی ذہانت درست طریقے سے حساب کر سکتی ہے، لیکن یہ ایک مفروضہ بھی لے سکتی ہے جیسے کہ سرگرمی کے گتانک کو غلط طریقے سے اور اسی اعتماد کے ساتھ غلط نتائج پیدا کر سکتا ہے۔ غذائیت ایک حفاظتی اہم شعبہ ہے؛ ہر اکاؤنٹ کی ایک ماہر غذائیت سے دوبارہ تصدیق ہونی چاہیے، اور حتمی منظوری کا تعلق انسان سے ہونا چاہیے۔

2. کلائنٹ ڈیٹا کو مصنوعی ذہانت کے ٹول میں منتقل کرتے وقت پرائیویسی (KVKK) کے لحاظ سے بہترین سلوک کیا ہے؟

• A) کلائنٹ کا پورا نام اور تجزیہ پی ڈی ایف کو رفتار کے مطابق اپ لوڈ کیا جانا چاہیے۔
• ب) ذاتی طور پر قابل شناخت معلومات کو ہٹا کر اور ڈیٹا کو گمنام رکھ کر صرف ضروری طبی معلومات کا اشتراک کیا جانا چاہیے ✔
• ج) اگر ڈیٹا انکرپٹڈ ہے تو نام کی معلومات بھی بھیجی جا سکتی ہیں۔
• D) پوری فائل کلائنٹ سے پوچھے بغیر شیئر کی جا سکتی ہے کیونکہ مقصد اچھا ہے۔

وضاحت: کلائنٹ کی صحت کا ڈیٹا خصوصی ذاتی ڈیٹا ہے۔ شناخت کرنے والی معلومات جیسے نام، TR ID، اور رابطے کی معلومات کو ہٹا دیا جانا چاہیے اور ڈیٹا کو گمنام رکھا جانا چاہیے۔ کام کے لیے درکار کم از کم ڈیٹا شیئر کیا جانا چاہیے۔ خام فائل کو نام سے اپ لوڈ کرنا سنگین خلاف ورزی ہے۔

3. مصنوعی ذہانت 2000 کلو کیلوری کے ہدف کے لیے '220 گرام کاربوہائیڈریٹ، 150 گرام پروٹین، 90 جی چربی' دیتی ہے۔ ماہر خوراک کو پہلی تصدیق کیا کرنی چاہیے؟

• A) اقدار کو جیسا کہ وہ ہیں قبول کرنا، کیونکہ مصنوعی ذہانت ریاضی میں غلطی سے پاک ہے۔
• ب) صرف پروٹین کی مقدار کو کنٹرول کرنا کافی ہے۔
• C) میکرو گرام کو 4/4/9 سے ضرب دیں تاکہ یہ معلوم ہو سکے کہ آیا کل ہدف کیلوریز تک پہنچتا ہے ✔
• ڈی) میکرو کی بنیاد پر کیلوری کے ہدف کو 2290 تک بڑھانا

وضاحت: میکروس کو 4/4/9 سے واپس ضرب کیا گیا: 220x4 + 150x4 + 90x9 = 880 + 600 + 810 = 2290 kcal۔ کل ہدف سے 290 کلو کیلوری۔ اقدار متضاد ہیں. بیک ضرب AI میکرو کی غلطیوں کو پکڑنے کا سب سے آسان اور طاقتور طریقہ ہے۔

4. غذائیت کی قیمت کے اعداد و شمار میں مصنوعی ذہانت کا سب سے کمزور اور سب سے خطرناک نقطہ کیا ہے؟

• A) مصنوعی ذہانت ہمیشہ میٹرک یونٹس میں غذائیت کی قدر دیتی ہے۔
• ب) مصنوعی ذہانت صرف سبزیوں کی قدروں کو جانتی ہے۔
• C) مصنوعی ذہانت سست ہے کیونکہ یہ بہت زیادہ اعشاریہ کے ساتھ غذائیت کی اقدار دیتی ہے۔
• D) مصنوعی ذہانت غذائیت کی اقدار کو اپنی یادداشت سے پیدا کرتے ہوئے ڈھال سکتی ہے۔ لہذا اقدار کو تسلیم شدہ ڈیٹا بیس سے لیا جانا چاہئے ✔

وضاحت: لینگویج ماڈل نمبرز کو یاد نہیں رکھتا، یہ ان کو ممکنہ طور پر پیدا کرتا ہے۔ لہٰذا، یہ کھانے کی پروٹین/کیلوری کی قیمت کو روانی سے دے سکتا ہے لیکن غلط طریقے سے (ہیلوسینیشن)۔ اس وجہ سے غذائیت کی قدریں معروف ڈیٹا بیس سے لی جانی چاہئیں اور مصنوعی ذہانت کو صرف اسی ڈیٹا کے ساتھ کام کرنا چاہیے۔

5. کھانے کی منصوبہ بندی میں، مصنوعی ذہانت نے کیلوریز اور میکرو کو بالکل درست رکھا ہے، لیکن پورا دن سفید روٹی، پاستا اور چکن پر مشتمل ہوتا ہے۔ یہاں کیا غائب ہے؟

• الف) اگرچہ اس میں میکرو موجود ہیں، فائبر، سبزیوں اور مائیکرو نیوٹرینٹس کا توازن حاصل نہیں ہوتا ہے۔ یہ منصوبہ غذائی تنوع کے لحاظ سے ناکافی ہے ✔
• ب) کیلوری کا ہدف بہت زیادہ مقرر کیا گیا ہے۔
• ج) پروٹین کی مقدار زیادہ ہونے کی وجہ سے مسئلہ ہے۔
• D) کھانے کی تعداد تین سے زیادہ ہونی چاہیے۔

وضاحت: حقیقت یہ ہے کہ میکرو ہدف کو نشانہ بناتا ہے اس بات کی نشاندہی نہیں کرتا کہ منصوبہ صحت مند ہے۔ فائبر، سبزیاں اور مائیکرو نیوٹرینٹ بیلنس (وٹامنز، منرلز) بھی فراہم کیے جائیں۔ یہ توازن کا فیصلہ ماہر غذائیت کا ہے۔ اکیلے میکرو درستگی کافی نہیں ہے۔

6. ایک کلائنٹ کے لیے جسے ہیزلنٹس سے الرجی ہے، مصنوعی ذہانت ایک متبادل تجویز کرتی ہے جیسے 'بادام کا مکھن استعمال کریں'۔ غذائی ماہرین اس سفارش کو غیر محفوظ کیوں سمجھ سکتے ہیں؟

• A) بادام کا پیسٹ ہیزلنٹ پیسٹ سے زیادہ مہنگا ہے۔
• ب) بادام ایک ہی ٹری نٹ الرجی گروپ میں ہو سکتے ہیں جیسے ہیزلنٹ۔ متبادل خطرناک ہو سکتا ہے کیونکہ یہ ایک ہی گروپ میں آتا ہے ✔
• ج) بادام کا پیسٹ کیلوریز میں بہت زیادہ ہوتا ہے۔
• D) بادام کا پیسٹ ترک کھانوں کے لیے موزوں نہیں ہے۔

وضاحت: ہیزلنٹس اور بادام ایک ہی 'ٹری نٹ' الرجی گروپ میں ہیں۔ الرجی کا انتظام گروپ کی بنیاد پر کیا جاتا ہے، ایک بھی خوراک نہیں۔ اگر متبادل ایک ہی گروپ میں آتا ہے تو یہ خطرناک ہے۔ غذائی ماہر الرجی گروپ کو جانتا ہے اور متبادل کی بالکل تصدیق کرتا ہے۔

7. وارفرین (خون کو پتلا کرنے والا) لینے والے کلائنٹ کے لیے وٹامن K سے بھرپور پتوں والی سبزیاں استعمال کرنے کا صحیح طریقہ کیا ہے؟

• الف) تمام سبز پتوں والی غذاؤں پر سختی سے پابندی لگائی جائے۔
• B) وٹامن K کی مقدار کی اجازت دی جانی چاہئے اور اس پر بالکل بھی غور نہیں کیا جانا چاہئے۔
• C) وٹامن K کی مقدار کو یکساں رکھا جائے اور صورتحال کو معالج کے ساتھ شیئر کیا جائے ✔
• د) پتوں والی سبزیاں صرف رات کے کھانے میں کھائی جائیں۔

وضاحت: وارفرین استعمال کرنے والوں کے لیے، مقصد وٹامن K پر مکمل پابندی لگانا نہیں ہے، بلکہ ان کی مقدار کو مستقل رکھنا ہے۔ بڑے اتار چڑھاؤ منشیات کے اثر کو متاثر کرتے ہیں۔ یہ 'مسلسل رکھیں' قسم کی رکاوٹ ایک طبی نفاست ہے جو AI میں غائب ہے اور اسے معالج کے ساتھ شیئر کیا جاتا ہے۔

8. جب ایک کلائنٹ ایک ہفتے میں 1 کلو گرام کا 'اضافہ' دیکھتا ہے تو صحیح تشریح کیسے کی جا سکتی ہے؟

• ا) پلان کو فوری طور پر شروع سے ہی کم کیلوریز کے ساتھ لکھا جانا چاہیے۔
• ب) کلائنٹ کو وزن بند کرنے کے لئے بنایا جانا چاہئے.
• ج) ایک ہفتے کے اضافے کو وزن میں اضافہ سمجھا جاتا ہے۔
• D) ایک سے زیادہ ہفتے کے رجحانات کو دیکھا جانا چاہئے، ایک پیمائش نہیں؛ قلیل مدتی اتار چڑھاؤ (جیسے پانی کی برقراری) کا طبی لحاظ سے جائزہ لیا جانا چاہیے ✔

وضاحت: ایک ہی پیمائش گمراہ کن ہے۔ پانی کی برقراری، ماہواری، اور نمک کی مقدار جیسے عوامل قلیل مدتی اتار چڑھاو پیدا کرتے ہیں۔ جو چیز اہم ہے وہ کثیر ہفتہ کا رجحان ہے۔ یہ طبی تشریح غذائی ماہرین کے ذریعہ کی گئی ہے۔ AI صرف ڈیٹا کو منظم کرتا ہے۔

9. مصنوعی ذہانت ایک سوشل میڈیا خاکے میں 'گرین ٹی چربی جلاتی ہے اور میٹابولزم کو تیز کرتی ہے' جملہ تیار کرتی ہے۔ غذائی ماہرین کی اخلاقی ذمہ داری کیا ہے؟

• A) ثبوت پر مبالغہ آمیز دعوے کی بنیاد رکھنا، اس کا ماپا زبان میں ترجمہ کرنا اور عام معلومات کی وارننگ شامل کرنا ✔
• ب) دعوے کی اشاعت جیسا کہ یہ ہے کیونکہ یہ توجہ مبذول کرتا ہے۔
• C) جملے کو مزید مضبوط کریں اور 'کینسر کو روکتا ہے' شامل کریں
• D) مواد کو بالکل شائع نہیں کرنا، کیونکہ سبز چائے کے بارے میں بات کرنا منع ہے۔

تفصیل: مصنوعی ذہانت مبالغہ آمیز اور ناقص ثابت شدہ دعوے کرنے کا شکار ہے۔ ماہر غذائیت کو ان دعووں کو ثبوت کی سطح کے مطابق معتدل کرنا چاہیے، یقین اور معجزے کی زبان کو ہٹانا چاہیے، اور 'یہ عمومی معلومات ہے' کا انتباہ شامل کرنا چاہیے۔ صحت کے دعووں میں ایمانداری ایک اخلاقی ذمہ داری ہے۔

10. ایک غذائی ماہر نے پریزنٹیشن کے لیے مصنوعی ذہانت کو '3 مطالعات وقفے وقفے سے روزہ رکھنے کے فوائد کو ثابت کرنے' کے لیے کہا۔ اس درخواست کا بنیادی خطرہ کیا ہے؟

• الف) مصنوعی ذہانت بہت زیادہ کام دیتی ہے اور غذائی ماہرین کو تھکا دیتی ہے۔
• ب) مصنوعی ذہانت غیر موجود مطالعات، مصنفین اور جرائد کو ایجاد کر سکتی ہے۔ ذرائع کو بنیادی ماخذ سے تصدیق کے بغیر استعمال نہیں کیا جا سکتا ✔
• C) مصنوعی ذہانت کے مطالعے صرف انگریزی میں دیے جاتے ہیں۔
• D) ایک پریزنٹیشن کے لیے تین مطالعات ہمیشہ ناکافی ہیں۔

وضاحت: زبان کے ماڈل ایسے کاموں، مصنفین، اور جرائد کو ایجاد کر سکتے ہیں جو حقیقت میں موجود نہیں ہیں (ماخذ فریب)۔ مصنوعی ذہانت کوئی لٹریچر سرچ انجن نہیں ہے۔ صحیح طریقہ: PubMed/Cochrane سے حقیقی ذرائع تلاش کریں اور AI کے ذریعے ان کا خلاصہ کریں؛ ہر حوالہ کی تصدیق بنیادی ماخذ سے ہوتی ہے۔

11. ایک مشاہداتی مطالعہ سے یہ نتیجہ اخذ کرنا کیوں غلط ہے کہ 'ناشتہ آپ کا وزن کم کرتا ہے' یہ ظاہر کرتا ہے کہ 'جو لوگ ناشتہ کرتے ہیں وہ پتلے ہوتے ہیں'؟

• A) مطالعہ ابھی تک درست نہیں ہے کیونکہ یہ بہت نیا ہے۔
• ب) ناشتہ درحقیقت آپ کا وزن بڑھاتا ہے، مطالعہ غلط ہے۔
• C) مشاہداتی مطالعہ صرف باہمی تعلق کو ظاہر کرتا ہے۔ سبب ثابت نہیں ہوتا، تعلق دیگر عوامل کی وجہ سے ہو سکتا ہے ✔
• D) یہ باطل ہے کیونکہ نمونہ صرف خواتین پر مشتمل ہے۔

وضاحت: مشاہداتی مطالعہ ارتباط کو ظاہر کرتا ہے (ایک ساتھ وقوع پذیر ہوتا ہے)، نہ کہ وجہ (ایک دوسرے کا سبب بنتا ہے)۔ جو لوگ ناشتہ کرتے ہیں وہ عام طور پر زیادہ فعال اور باقاعدگی سے زندگی گزار سکتے ہیں۔ تعلق دیگر عوامل کی وجہ سے ہو سکتا ہے۔ وجہ کے ساتھ مبہم تعلق ایک عام ثبوت پڑھنے کی غلطی ہے۔

12. 24 گھنٹے کی غذائیت کی یاد دہانی میں، کلائنٹ کہتا ہے 'دن میں 2 مٹھی بھر گری دار میوے'۔ AI فرض کرتا ہے کہ یہ '60 گرام' ہے۔ صحیح نقطہ نظر کیا ہے؟

• الف) مصنوعی ذہانت کا 60 گرام کا مفروضہ یقینی سمجھا جاتا ہے۔
• ب) گری دار میوے کو مکمل طور پر منصوبہ سے ہٹا دیا جاتا ہے
• C) 100 گرام اوسط قدر کے طور پر لیا جاتا ہے۔
• D) حصہ مصنوعی ذہانت کا مفروضہ نہیں ہے، اسے کلائنٹ سے پوچھ کر یا اسکیل سے ناپ کر واضح کیا جاتا ہے ✔

وضاحت: حصے کا تخمینہ فرد سے دوسرے شخص میں بہت مختلف ہوتا ہے۔ ایک مٹھی بھر 30 گرام یا 90 گرام ہو سکتی ہے۔ AI کا مفروضہ ایک ابتدائی حد ہے، پیمائش نہیں۔ اصل حصہ کلائنٹ سے پوچھ کر یا کچن اسکیل کا استعمال کرکے واضح کیا جانا چاہیے۔

13. غذائیت سے متعلق ڈیٹا بیس عام طور پر فی 100 گرام خام کی قدر دیتے ہیں۔ اس کی وجہ کیا خرابی ہو سکتی ہے؟

• A) پکے ہوئے حصے (یا اس کے برعکس) پر خام قدر کا اطلاق سنگین کیلوری/میکرو غلطیاں پیش کر سکتا ہے۔ پیمائش کی اکائی کو واضح کیا جانا چاہیے ✔
• ب) خام قدریں ہمیشہ پکی ہوئی قدروں سے کم ہوتی ہیں، کوئی حرج نہیں۔
• C) کوئی مسئلہ نہیں ہوگا کیونکہ ڈیٹا بیس صرف پکی ہوئی قدریں واپس کرتے ہیں۔
• D) کچے/پکے ہوئے فرق صرف گوشت میں دیکھا جاتا ہے، اناج میں نہیں۔

تفصیل: کھانا پکانے کے دوران، کھانا پانی جذب کرتا ہے اور اس کا وزن بدلتا ہے۔ 100 گرام کچے چاول پکانے پر ~ 250-300 گرام تک بڑھ جاتے ہیں۔ کچی قیمت کو پکی ہوئی مقدار (یا اس کے برعکس) پر لاگو کرنے سے کیلوری کی سنگین غلطیاں پیدا ہوں گی۔ یہ ہمیشہ واضح کیا جانا چاہئے کہ آیا استعمال شدہ قیمت خام ہے یا پکی۔

14. پورے ماڈیول میں جس کلیدی اصول پر زور دیا گیا ہے وہ ڈائیٹکس میں مصنوعی ذہانت کے کردار کو کیسے بیان کرتا ہے؟

• A) مصنوعی ذہانت تجربہ کار غذائی ماہرین کی جگہ لے کر اپنے طور پر فیصلے کر سکتی ہے۔
• ب) مصنوعی ذہانت ایک معاون اور ڈرافٹ جنریٹر ہے۔ تشخیص، علاج کا فیصلہ اور حتمی منظوری غذائیت کے ماہر/طبیب سے تعلق رکھتی ہے ✔
• C) مصنوعی ذہانت کا استعمال صرف بصری ڈیزائن کے لیے کیا جاتا ہے، حساب کے لیے نہیں۔
• D) مصنوعی ذہانت کی پیداوار بغیر تصدیق کے بھی محفوظ ہے کیونکہ یہ سائنسی ذرائع پر مبنی ہے۔

تفصیل: مصنوعی ذہانت ایک معاون اور ڈرافٹ جنریٹر کے طور پر دہرائے جانے والے کام کو تیز کرتی ہے، لیکن چونکہ یہ حفاظتی لحاظ سے اہم علاقے میں کام کر رہی ہے، اس لیے تشخیص، نیوٹریشن تھراپی کا فیصلہ اور حتمی پلان کی منظوری قابل ماہر (غذائیت کے ماہر اور، جب ضروری ہو، معالج) سے تعلق رکھتی ہے۔ غیر تصدیق شدہ آؤٹ پٹ ایک غیر دستخط شدہ مسودہ ہے۔