引導式測驗 · 中等 等級
人工智慧在科學測驗的應用
透過問題設計、數據分離、不確定性、來源、跨儀器測試和聲明證據來評估科學人工智慧。
問題 1 的 8
在選擇科學 AI 方法前,研究者應先定義什麼?
預覽每個問題8 問題
當您參加測驗時,就會出現答案和解釋。
- 在選擇科學 AI 方法前,研究者應先定義什麼?
- 科學問題以及哪種觀測能推翻該主張
- 僅模型架構
- 期望的發表日期
- 無法被挑戰的結果
- 當讀數之間存在相關性時,為什麼隨機劃分訓練集/測試集可能會高估模型的泛化能力?
- 測試集變得更大
- 來自同一受試者、儀器或實驗的數據可能出現在不同的劃分中
- 隨機劃分消除了所有不確定性
- 模型無法使用數字進行訓練
- 研究人員應記錄哪些內容以支持可重現性?
- 僅記錄模型的最終預測
- 僅記錄論文標題
- 預處理、模型版本、相關隨機種子以及評估材料
- 生成的圖表數量
- 在將 AI 生成的假設視為有支持的科學主張之前,需要滿足什麼條件?
- 只要模型自信地解釋了它
- 只要它與熟悉的理論相符
- 僅當模型的得分很高時
- 在適當的實驗或獨立分析支持它之後
- 模型在儀器 A 的隨機讀數上表現良好,但在儀器 B 上表現不佳。團隊應該怎麼做?
- 報告兩者結果並調查校準或測量差異
- 僅報告較好的得分
- 基於隨機劃分聲稱整體性能
- 從記錄中移除儀器 B
- 為什麼要區分測量值和推斷值?
- 它消除了重複實驗的需要
- 它釐清了哪些部分是觀察結果,哪些部分是模型結論
- 它保證了因果解釋
- 它使缺失數據變得無關緊要
- 研究人員應了解校準、置信區間與預測區間的差異是什麼?
- 它們是可互換的分數
- 只使用最大值
- 它們回答不同的問題
- 用模型名稱取代它們
- 從原始資料到已發表圖表中應保留哪些資訊?
- 僅截圖圖表
- 模型的一般說明
- 軟體商標列表
- 從原始資料到圖表、表格或手稿的完整流程