هل يعمل ذكاؤك الاصطناعي فعلاً؟‹لماذا التقييم هو صلب العملاختبر نفسك7 أسئلة عن «لماذا التقييم هو صلب العمل». اختر إجابة لكل سؤال، ثم اضغط «تحقّق من إجاباتي».1. ما الذي يجعل التراجعات الصامتة الإخفاق المميِّز لتطوير الذكاء الاصطناعي القائم على الانطباع؟أ. يتعطّل التطبيق تحت الضغط، لكن لحصة صغيرة فقط من الطلباتب. تتدهور الجودة من دون أي خطأ أو استثناء أو بناء فاشل ينبّه إليهاج. لا تظهر إلا عند تغيير مزوّد النموذج، ولا تظهر أبدًا داخل عائلة النماذج نفسهاد. سببها درجة الحرارة (Temperature) في أخذ العيّنات، وتختفي بمجرد خفضها2. كيف يختلف تأكيد التقييم عن تأكيد اختبار الوحدة التقليدي؟أ. التقييمات تؤكد التطابق الحرفي التام مع إجابة مرجعية مخزّنةب. التقييمات لا تُشغَّل إلا على حركة التشغيل الفعلي، ولا تُشغَّل أبدًا داخل خط التكامل المستمرج. التقييمات تؤكد خصائص وتقيس معدّلات عبر التشغيلات، لا مخرجًا حتميًا واحدًاد. التقييمات تتطلب نموذجًا حَكَمًا يصحّح كل حالة، لأن المخرجات نص حر3. حالة في منظومتك تنجح 70% من المرات. ما الاستجابة الصحيحة؟أ. خفّف المصحّح حتى تنجح الحالة باستمرار في كل تشغيلب. سجّل معدّل النجاح كقياس وراقب أي تحرّك فيهج. احذف الحالة، لأن النتيجة غير الحتمية لا يمكن أن تكون إشارة تراجعد. أعد تشغيل الحالة حتى تنجح وسجّل ذلك التشغيل نتيجةً لها4. ما الترتيب الصحيح عند بدء ممارسة التقييم؟أ. اختر مقاييس الصناعة القياسية أولًا، ثم اجمع بيانات تناسبهاب. اختر منصة تقييم أولًا، ثم قرّر ما الذي ينبغي أن تقيسه لكج. اقرأ آثار التتبّع الحقيقية وجمّع الإخفاقات، ثم ابنِ مقاييس لأكبر المجموعاتد. اكتب حالات اصطناعية تغطي كل ميزة في المنتج، ثم دع نموذجًا حَكَمًا يصنّفها5. لماذا يجب أن تفشل حالة التقييم الجديدة قبل أن تغيّر النظام؟أ. لأن تشغيل الحالة الفاشلة أرخص من تشغيل الحالة الناجحةب. للتأكد من أن المصحّح يختبر فعلًا السلوك الذي تنوي إصلاحهج. لأن الإطار المحيط يحتاج إلى خط أساس فاشل قبل أن يحسب درجةد. لاستيفاء متطلبات الدلالة الإحصائية في المنظومة6. تحسّنت الدرجة الإجمالية لتقييمك بعد تغيير ما. ما الذي يجب أن تتحقق منه قبل الإطلاق؟أ. أن التشغيل اكتمل أسرع من سابقه على العتاد نفسهب. أن نص إصدار النموذج سُجّل مع الدرجة الإجمالية لذلك التشغيلج. لا شيء إضافي، لأن الدرجة الإجمالية الأعلى هي تعريف التحسّند. النتائج حسب الشريحة ومقاييس الحماية، تحسّبًا لتراجع شريحة حرجة7. أي ممارسة تحمي منظومة التقييم على أفضل وجه من فرط التخصيص على طريقة غودهارت؟أ. الاحتفاظ بمجموعة اختبار محجوزة لا يضبط الفريق عليها أبدًا، وتُجدَّد من التشغيل الفعليب. زيادة عدد التشغيلات لكل حالة لتسوية ضوضاء أخذ العيّناتج. استخدام نموذج حَكَم أكبر يصعب التلاعب به عبر السمات السطحيةد. رفع درجة إجمالية واحدة إلى القيادة كي يبقى الهدف ثابتًاتحقّق من إجاباتيالوحدة التالية: بناء مجموعات التقييم ←