收益：
- 能够将清单（来源、帐户、口味、安全性、法律）嵌入到厨房工作流程中，以端到端验证 AI 输出
- 能够在创意和商业决策中应用配方原创性、版权、品牌安全和避免竞争对手模仿的原则。
- 能够将客户、供应商和处方数据的保密性、道德使用和透明度作为业务标准
在本模块的最后一个单元中，我们汇集了所有课程的基本支柱：在厨房中使用人工智能时保护完整性、诚实和权利的纪律。无论您是提出菜单创意、计算成本还是进行视觉效果处理，都会遇到同样的问题：此输出正确吗？是原创的吗？侵犯了谁的权利？谁的数据面临风险？该单元建立了像专业人士一样负责任地使用人工智能的清单。主要原则：人工智能是一个强有力的助手，但签名、承担责任、划定伦理边界的是人。
端到端验证清单
在整个模块中，每个单元都强调验证。现在让我们把这一切变成一个单一的反射。在释放 AI 输出之前，请使其通过以下五个门：
- 来源门：输出中的每个事实、数字、过敏原、监管信息是否都基于实际来源（供应商规范、官方表格、立法）？人工智能可能会说“好像它知道”的话，但可能是编造的（这称为幻觉——人工智能产生虚假信息，就好像它是真实的一样）。
- 账户门控：成本、份量、比例等数字是否已手动重新验证？
- 味觉门：所有包含菜谱/菜谱的东西是否都在厨房里煮熟并品尝过，并通过了味觉小组？
- 安全门：过敏原、食品安全、交叉污染、营养价值是否已得到人类和立法的确认？
- 法律/道德门：是否原创、是否无版权侵权、品牌是否安全、数据是否保密、是否具有误导性？
打印输出必须经过五扇门才能到达客人手中。应用哪些门因任务而异（菜单文本不会陷入品味门），但反应是相同的：验证，然后发布。
提示：与您的团队一起将这五扇门挂在厨房板上。当新的人工智能输出到达时，“它需要通过哪些大门”的问题会在几秒钟内澄清风险。
原创性、版权和竞争对手模仿
美食是一个创意领域，重视原创性。人工智能可以成为灵感；但自定义输出是您的工作。注意三个限制：
- 版权：让人工智能逐字生成受版权保护的文本、食谱或图像并将其用于商业用途可能会构成侵权。菜谱的尺寸通常不受版权保护，但原始菜谱文本、摄影和品牌元素却受版权保护。
- 竞争对手模仿：让人工智能复制竞争对手的招牌菜、菜单文本、徽标或视觉语言并将其放在自己的菜单上，既不道德，又存在品牌/版权风险。这就是灵感与模仿之间的界限：灵感转化，模仿复制。
- 注册商标：如果产品名称、口号或注册商标属于他人，在自己的产品上使用即属违法。人工智能可能会在不知不觉中建议一个专有名称；控制权是你的。
注意：“如果人工智能生产了它，那么它就是原创的”是错误的。人工智能受到其训练数据的启发，可以产生与现有研究非常相似的输出。验证原创性和版权清洁度是人类的责任。
数据隐私和透明度
烹饪行业中存在三种类型的敏感数据：客户数据（姓名、联系方式、预订、订单历史记录 - 受 KVKK 保护）、商业数据（招牌菜谱、供应商价格、成本结构）和人员数据。将它们输入不安全的工具是对隐私的侵犯。规则：除非必要，否则不要共享，如果必须共享、去识别化、使用公司和安全工具。
透明度也是一个道德层面。对客户和团队诚实：不将人工智能生成的图像呈现为真实的盘子，不做出虚假的健康/原产地声明，并如实使用“手工制作”或“本地”等表达方式。品牌信任是通过小小的诚实行为建立起来的，而一次欺骗就会破坏品牌信任。
三个迷你箱子
案例一——从仿品到原创。一位经理想要让人工智能复制一家著名餐厅的招牌和菜单文本。菜单顾问反对：这存在商标和版权风险，而且会削弱品牌自身的形象。相反，他们使用人工智能来获取灵感，用自己的烹饪身份重新想象盘子，并编写原创文本。结果既合法又干净且具有品牌特色。
案例2——保密纪律。一家连锁餐厅想要分析客户忠诚度数据。第一反应是将所有数据（包括姓名、电话）粘贴到工具中。计算停止：数据首先被去识别化（删除姓名/电话，只留下匿名行为字段）并使用公司安全工具。在 KVKK 风险为零的情况下进行了相同的分析。
案例3——出现幻觉。一名员工想将 YZ 关于一种成分的声明“这种香料富含这种维生素”作为菜单上的健康说明。酋长要求提供资源；该说法无法验证，是人工智能编造的。该注释没有出现在菜单中。规则：未经来源验证，不得发布任何事实/健康声明。人工智能的安全语气并不能保证准确性。
四个可复制模板
1）五门验证检查：
在发布以下人工智能输出之前，我将通过五个大门：来源、账户、品味、安全、法律/道德。确定哪些门对此输出有效，并列出我应该为每个有效门检查的内容。输出类型：[菜单文本/成本/过敏原/图像]。内容：[摘要]。
2）原创性和版权控制：
以下[菜单文本/盘子概念]是否是现有品牌或受版权保护作品的副本或非常相似？标记任何有被模仿风险的注册名称、口号或物品，并建议每个名称、标语或物品的原创性。内容：[文字]。
3）数据去标识化：
我正在准备以下数据进行分析。标记个人/身份字段（姓名、电话、地址、TR ID）并建议删除。提供足以进行分析的匿名字段列表（行为、频率、金额）。数据标题：[列表]。
4) 透明度/声明审核：
在下面的菜单/促销文字中标记每个事实或健康/原产地声明（“手工制作”、“本地”、“药用”、营养声明）。对于每一个：是否应该与来源进行验证，是否应该具有误导性，是否应该将其删除？文本：[内容]。
弱提示/强提示
弱：
给我写下这家著名餐厅的招牌菜单。
需要模仿；它存在侵犯版权、商标和原创性的风险。
强的：
您的角色：菜单顾问。建议我的品牌的签名塔巴克概念（简单、本地、现代），其灵感来自于[那种风格/美食]，但完全是原创的。复制现有品牌的产品或文字；使用注册名称。我将自定义输出并测试它。
负责任的人工智能使用维度（表）
尺寸
风险
预防措施
准确度
幻觉，号码错误
来源+账户验证
味道
发布鸡肋板块
烹饪、品尝、面板
安全性
过敏原/食品安全错误
立法+专家确认
原创性
版权/商标侵权
定制、控制
隐私
个人/商业数据泄露
去识别化、安全工具
透明度
误导性声明/图像
诚实的代表
常见错误
- 用“AI说”逃避责任。是签名的人；这不是防御。
- 将幻觉误认为是真实的。安全语气并不能保证准确性；求资源。
- 将仿品误认为原创。灵感改变，抄袭违反。
- 无需去识别化即可共享数据。客户和处方数据受到保护。
- 误导性声明/图像。透明度是品牌信任的基础。
综上所述
在厨房中负责任地使用人工智能可以归结为一个主干：验证，然后发布。五个大门——来源、会计、品味、安全、法律/道德——是每一个输出的过滤器。原创性和版权受到保护；灵感是汲取的，不是模仿的；避免注册商标和误导性声明。客户、处方和人员数据均使用安全工具进行去识别化和处理；透明度是品牌信任的基础。人工智能是一个强有力的助手，但决定、签名和责任始终属于人类。
应用任务
选择您在此模块中生成的 AI 输出（菜单、成本、过敏原或图像），并通过五个门检查表一一运行：对于每个门，写下您检查的内容和结果。然后执行真伪检查并验证有伪造风险的商品。最后准备一个假想的数据集，有去标识化方案（哪些字段会被释放），并写出透明原则句子。
清单
- [ ] 我将每个输出通过五个门（来源、账户、品味、安全、法律/道德）。
- [ ] 我向消息来源核实事实和健康声明。
- [ ] 我用AI输出作为个性化灵感，而不是模仿。
- [ ] 我避免侵犯注册商标和版权。
- [ ] 我对个人和商业数据进行去识别化处理，并使用安全工具对其进行处理。
- [ ] 我向客户和团队保持透明和诚实的陈述。
- [ ] 我将“责任始终在于人”作为一项商业原则。
模块考试
1. 厨师将人工智能制作的新菜谱直接放在菜单上，无需烹饪或品尝。这种方法的根本错误是什么？
- a) 手工烹饪人工智能输出并添加到菜单中，而无需经过厨师的品尝和感官认可；忽略了责任在于人✔
- B) 严禁在配方开发中使用人工智能
- C) 人工智能总是在食谱中产生过多的盐
- D) 配方未在表格中呈现
描述：AI无法体验味道、质地和气味；它只产生文本大纲。为了将菜谱纳入菜单，它必须由人类烹饪和品尝，并经过厨师的感官认可。未经验证的输出是有风险的，就像未经品尝的菜肴一样。
2. 在菜单工程中，分类为“星”的菜单项意味着什么？
- A) 低销量、低利润的商品
- B) 既畅销又高利润的商品，应在菜单中突出显示 ✔
- C) 畅销但利润低的商品
- D) 销量低但利润高的商品
描述：菜单工程在两个轴上评估项目：受欢迎程度（销售数量）和盈利能力（贡献率）。明星是指销量好、利润高的商品；要求将其列入菜单中。人工智能可以快速产生这种分类，但最终的菜单决定取决于厨师和企业。
3. 一盘食物的食物成本百分比是如何计算的？
- A) 销售价格除以材料成本乘以 100
- B) 销售价格减去材料成本
- C) 材料成本除以销售价格乘以 100 ✔
- D) 份数乘以单价
说明： 食品成本百分比的计算方法是将盘子的总材料（配方）成本除以销售价格，然后乘以 100。例如，如果售价 60 里拉的盘子售价为 200 里拉，则食品成本为 30%。人工智能可以进行此计算，但当前的价格和输入的浪费必须手动验证。
4、某餐厅将人工智能编制的过敏原清单打印在菜单上，未经任何核实，顾客榛子过敏发作。在这种情况下，根本性的错误是什么？
- A) 未经供应商规格、官方来源和交叉污染控制验证而发布过敏原输出 ✔
- B) 菜单中不应包含过敏原信息
- C) 过敏原列表太长
- D）人工智能不会按字母顺序列出过敏原
说明：过敏原信息承载着生命安全。如果没有与供应商产品规格、官方来源以及厨房交叉污染的现实进行验证，人工智能输出永远不可能成为最终标签。过敏原验证是人类的责任，不能跳过。
5. 当增加食谱的份数时，为什么简单地按比例乘以成分可能还不够？
- A）因为缩放时材料价格会自动变化
- B）因为人工智能无法执行乘法
- C) 因为总是禁止放大部分
- D) 由于香料、盐、烹饪时间和设备容量可能不会线性缩放，因此结果需要测试✔
说明：虽然配料是按比例缩放的，但香料、盐、烘烤时间和烘烤时间可能不是线性缩放的；此外，设备容量和浪费率也各不相同。人工智能计算比例很快，但结果需要通过厨房烹饪和品尝来验证。
6. 厨房中“mise en place”的概念是什么意思？
- A) 服务后洗碗和清洁订单
- B) 菜单定价法
- C) 开始服务之前，所有材料均已准备好并放置在车站的适当位置✔
- D) 客户预订系统
描述：Mise en place 是指所有食材在上菜前都已在工作站上切碎、测量并放置好；意思是“一切都各就其位”。人工智能可以帮助生成准备清单和起草准备计划，但计划会根据厨房的实际容量进行调整。
7. 如何最佳地利用人工智能来减少厨房里的食物浪费？
- A）自动做出所有采购决策，无需人工批准
- B) 找到一种方法向顾客展示损坏的产品
- C) 从过去的销售和浪费数据中显示废物来源，并制定减少方案，将决定权留给人们 ✔
- D) 完全消除库存盘点
描述：通过从过去的销售和浪费数据中提取模式，人工智能可以使浪费源可见（过量订购、错误部分、损坏）并建议减少方案。但预测是基于过去的；如果发生供应中断和季节性休息，则以买方和主管的决定为准。
8. 在菜单中使用人工智能制作的食物照片时，最重要的道德和法律限制是什么？
- A）图像不应是黑白的
- B) 图像只能是方形格式
- C) 图像必须具有非常高分辨率
- D) 图像不会误导性地代表实际提供的车牌，并且符合版权/品牌限制 ✔
描述：菜单视觉影响顾客的购买决策；因此，它不应误导性地代表实际提供的盘子。显示不存在的成分或实际未提供的服务的人工视觉效果可能被视为误导性广告。此外，必须遵守版权和商标安全。
9. HACCP 体系中的“关键控制点（CCP）”是什么意思？
- A) 菜单上最贵的菜品点
- B) 食品安全危害可以预防并降低到可接受水平的关键阶段 ✔
- C) 厨房工作人员最多的工位
- D) 餐厅最繁忙的服务时间
描述：关键控制点是指食品安全危害能够预防、消除或者降低到可接受水平的阶段；例如烹饪温度或冷却。人工智能可以制定 HACCP 计划草案和清单，但最终责任在于食品安全官员和立法。
10、人工智能在味觉测试和感官评价中不可或缺的局限性是什么？
- A）人工智能可以使味觉测试比人类更准确
- B) AI只能测量盐度
- C) 人工智能不能以任何方式用于味道测试
- D）人工智能无法通过物理方式体验味觉；最终的感官认可取决于人工小组和厨师的味觉✔
说明：人工智能无法以物理方式体验味道、气味和质地；它只能总结和分析人工小组给出的分数和评论。最终的感官认可始终取决于人类味觉小组和厨师的味觉。这是人类无法跳过的一步。
11. 菜单开发人员希望让人工智能复制竞争对手餐厅的招牌和菜单文本，并将其放在自己的菜单上。这种方法的主要问题是什么？
- A) 复制竞争对手的招牌产品和菜单文本完全违反原创性、版权和品牌安全 ✔
- B）人工智能在技术上无法执行复制过程
- C) 复制的菜单太长
- D) 竞争菜单的字体不同
说明：完全模仿竞争对手的招牌产品、菜单文本或品牌元素在原创性、版权和品牌安全方面存在风险且不道德。人工智能可以用来产生灵感和想法，但输出应该是原创的，不得复制注册商标和文字。
12. 一家餐厅将顾客姓名、联系方式和预订信息粘贴到公开的人工智能工具中并请求分析。这种行为的主要风险是什么？
- A）缓慢的分析
- B）人工智能无法读取土耳其语字符
- C) 通过将个人客户数据输入不安全的工具来侵犯隐私和 KVKK ✔
- D) 预订数量减少
说明：将客户个人数据（姓名、联系方式、习惯）粘贴到不安全的工具中违反隐私和 KVKK。当需要分析时，数据应匿名（删除姓名和联系人），并且应首选公司安全工具。
13. 从人工智能获取菜单的营养价值（热量、蛋白质、脂肪）信息时，最准确的方法是什么？
- A) 将人工智能给出的数值直接打印为官方标签
- B) 接受初步值并通过官方营养表、供应商数据或实验室分析进行验证 ✔
- C）在营养价值计算中根本不使用人工智能
- D）只关注卡路里而忽略其他值
描述：人工智能产生的营养价值是概括和预测；份量因品牌和烹饪方法而异。这些值只是初步值；未经供应商数据或实验室分析验证，官方营养表不能用作官方标签。
14. 哪种提示方法最能准确地从人工智能获得强大而可靠的厨房输出？
- A）问一个简短而模糊的问题，剩下的交给人工智能
- B) 写出详细的提示，包括角色、明确的任务、具体的输入、输出格式和禁止伪造的验证边界 ✔
- C) 通过添加尽可能多的表情符号来装饰请求
- D) 一遍又一遍地问同样的问题
说明：强大的提示；它有一个角色、一个明确的任务、具体的输入（份量、克重、限制、过敏原）、所需的输出格式和验证限制，例如“组成一个我没有给出数据的值”。模糊且无上下文的请求会产生薄弱且不可靠的输出。