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。

相關引導路徑人工智慧科學
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。

  1. 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
  2. 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
  3. 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
  4. 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
  5. 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
  6. 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
  7. 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
  8. 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