Quiz collegato alla guida · Medio Livello
Bias di automazione: quiz sulla fiducia eccessiva nell'intelligenza artificiale
Riconosci il bias dell'automazione, gli errori di commissione e omissione, la revisione umana efficace e i modi per verificare se i revisori convalidano i consigli dell'IA.
Domanda 1 di 8
Quale comportamento descrive meglio il bias dell'automazione?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- Quale comportamento descrive meglio il bias dell'automazione?
- Una tendenza a sostituire il giudizio vigile con consigli automatizzati
- Un crash del software causato da un robot
- Un metodo per migliorare l'accuratezza del modello
- Un tipo di crittografia dei dati di addestramento
- Un utente segue una raccomandazione errata dell'IA. Che tipo di errore di automazione è questo?
- An omission error
- Un errore di commissione
- Una metrica di calibrazione
- Una cancellazione di dati
- Un revisore manca un risultato importante perché l'IA non lo ha segnalato. Qual è questo schema di errore?
- Commission
- Campionamento casuale
- Omission
- Calibrazione del modello
- Perché un'etichetta nominale “umano nel loop” è insufficiente?
- Il revisore potrebbe non avere tempo, prove, competenza o autorità per sfidare il sistema
- Gli esseri umani non commettono mai errori
- Il modello potrebbe essere open source
- Significa che il sistema non ha automazione
- Quale test può rivelare errori di commissione?
- Fornisci una raccomandazione corretta e chiedi il suo colore
- Presenta un suggerimento plausibile ma errato e osserva se il revisore lo coglie
- Rimuovi tutte le informazioni di origine
- Chiedi agli utenti se gli piace l'interfaccia
- Quale test può rivelare errori di omissione?
- Assicurati che il sistema non segnali un caso rilevante e verifica se il revisore se ne accorge tramite altre evidenze
- Testa solo un sistema che segnala sempre tutto
- Misura la velocità di caricamento della pagina
- Chiedi al modello di spiegare i suoi dati di addestramento
- Quali fattori possono influenzare la fiducia nei consigli automatizzati?
- Solo il conteggio dei parametri del modello
- Carico di lavoro, pressione temporale, interfaccia, competenza e prove indipendenti
- Solo il contrasto cromatico
- Il formato del file
- Cosa misura un audit significativo sui bias dell'automazione?
- Solo se esiste una casella di controllo per la revisione
- Se gli utenti apprezzano generalmente l'IA
- Sovrascritture, avvisi mancanti, ispezione delle prove e risultati a valle
- Il numero di funzionalità AI