Capstone: AI Truth Lab
នេះមិនមែនជាមេរៀនអានប៉ុណ្ណោះទេ។ អ្នកនឹងយកចម្លើយ AI មួយ បំបែកវាជាClaims, កំណត់Risk, ស្វែងប្រភពដើម, តេស្តលេខ/Logic/Context, សម្រេច Verdict និងរក្សាAudit Trail ដែលអ្នកផ្សេងអាចត្រួតពិនិត្យឡើងវិញបាន។

- អនុវត្តជំនាញវគ្គទាំងមូលលើCase មួយពីដើមដល់ចប់។
- បង្កើត Claim Map និងRisk Queue ដោយបែងចែក Fact, Opinion, Inference និងPrediction។
- ប្រើ Truth Test Stack ដើម្បីពិនិត្យSource, Citation, Date, Number, Logic, Bias និងSafety។
- សរសេរ Verdict ដែលមានScope និងUncertainty—not ពាក្យ “ពិត/មិនពិត” ដាច់ខាតគ្រប់ករណី។
- ប្រគល់ Verification Packet និងAudit Trail ដែលអាចធ្វើឡើងវិញបាន។
១. Capstone Brief៖ អ្នកត្រូវបង្កើតអ្វី?
AI Truth Lab គឺជាលំហាត់ចុងក្រោយដែលបម្លែងចម្លើយ AI មួយទៅជា Evidence-backed Verdict—សេចក្ដីសម្រេចដែលភ្ជាប់ទៅភស្តុតាង និងបញ្ជាក់ព្រំដែនប្រើប្រាស់។ ជ្រើសចម្លើយមានClaims យ៉ាងតិច ៤ និងមានClaim មួយទាក់ទងលេខ កាលបរិច្ឆេទ ឬPrediction។ កុំប្រើព័ត៌មានសម្ងាត់របស់អ្នកក្នុងLab។
| Deliverable | ត្រូវមាន |
|---|---|
| ១. Frozen case | Prompt, AI answer, date/time, tool/model ប្រសិនបើដឹង និងintended use |
| ២. Claim map | Claim IDs, type, risk និងpriority |
| ៣. Evidence ledger | Source, locator, date/version, cross-check និងstatus |
| ៤. Test notes | Number/logic/context/bias/media/safety checks ដែលសមនឹងClaim |
| ៥. Verdict | Use, Revise, Reject ឬHold + rationale + uncertainty |
| ៦. Audit packet | Owner/reviewer, version history និងreview trigger |
សញ្ញាថាCapstone ល្អ៖ អ្នកផ្សេងអាចតាមពីVerdict ទៅClaim និងEvidence បាន; មិនមានCitation ក្លែងក្លាយ; Claim ខ្ពស់ត្រូវEvidence ខ្ពស់; និងមិនលាក់អ្វីដែលមិនទាន់ដឹង។

២. Triage៖ ចាត់ប្រភេទ Claim និងកំណត់Risk
អានចម្លើយទាំងមូលមួយដងសម្រាប់បរិបទ រួចបំបែកជា Atomic claims។ ចាត់ជា Fact (អាចផ្ទៀងផ្ទាត់), Opinion (ការវាយតម្លៃ), Inference (សន្និដ្ឋានពីEvidence) និងPrediction (អនាគតមិនទាន់កើត)។ បន្ទាប់មកដាក់Risk តាមផលប៉ះពាល់ និងReversibility—តើកំហុសអាចកែបានងាយ ឬបង្កការខាតបង់ធ្ងន់?
Risk Queue មិនមែន Reading Order
កុំចាំបាច់ពិនិត្យតាមលំដាប់កថាខណ្ឌ។ ចាប់ពីClaim ដែលអាចប្ដូរDecision, បង្កគ្រោះថ្នាក់ ឬងាយក្លែងបន្លំ ដូចជាលេខ កាលបរិច្ឆេទ Quote និងRecommendation។ Claim ជារចនាប័ទ្ម ឬOpinion ទាបអាចពិនិត្យក្រោយ។
៣. Truth Test Stack៖ តេស្ត ៦ ស្រទាប់
៤. Case Files ៣ និង Wrong/Better

៥. Interactive Truth Lab៖ វាយតម្លៃភាពរួចរាល់
ជ្រើសស្ថានភាពនៃCase របស់អ្នក។ Lab នឹងគណនា Readiness ប៉ុន្តែScore មិនជំនួសEvidence ឬអ្នកជំនាញទេ។ ប្រើClaim សាកល្បងដែលគ្មានPassword, ID, account number ឬព័ត៌មានសម្ងាត់។
កំហុសញឹកញាប់ និងវិធីកែ
៦. Capstone Workflow និង Final Verdict
លំហាត់អនុវត្ត
AI និយាយថា “ការប្រើទូរស័ព្ទមុនគេងតែងតែបន្ថយគុណភាពដំណេក 40%”។ បង្កើតClaims, Risk, Evidence plan និងVerdict បណ្ដោះអាសន្ន។
គំរូចម្លើយ/ពិនិត្យខ្លួនឯង
C-01 causal/general claim; C-02 exact 40%; “តែងតែ” ជាabsolute red flag។ ត្រូវprimary studies/guidance, population, exposure definition, outcome metric, sample, date និងalternative factors។ មុនមានEvidence គ្រប់៖ Verdict “Hold/Revise wording”; មិនអនុញ្ញាតលេខ40% ឬ“តែងតែ” ដោយគ្មានexact support។
AI និយាយថា “Gold នឹងឡើងសប្ដាហ៍ក្រោយ ព្រោះ RSI ទាប ហើយsetup នេះឈ្នះ 80%”។ រៀបVerification packet។
គំរូចម្លើយ/ពិនិត្យខ្លួនឯង
Label Prediction; កត់symbol/feed/timeframe/timestamp/RSI settings; សួរប្រភព80%, sample size, period, costs, out-of-sample test និងselection bias។ Recompute RSI និងសាកalternative scenario/invalidation។ Verdict មិនគួរលើស “Unverified prediction/Do not treat as signal” បើគ្មានreproducible test; គ្មានការធានាចំណេញ។
ពិនិត្យការយល់ដឹង
Key Takeaways
- Capstone ល្អភ្ជាប់Frozen case, Claim map, Evidence ledger, Tests, Verdict និងAudit trail។
- ពិនិត្យតាមRisk Queue—not តាមលំដាប់កថាខណ្ឌតែប៉ុណ្ណោះ។
- Primary source ត្រូវសមនឹងClaim; Link មួយមិនស្មើEvidence ទេ។
- Date/version, number, logic, context, bias និងsafety ជាតេស្តផ្សេងគ្នា។
- Self-critique របស់AI ជួយរកissue ប៉ុន្តែមិនជំនួសindependent evidence។
- Verdict ត្រូវបញ្ជាក់Scope, uncertainty និងnext action។
- Audit trail និងreview trigger ធ្វើឱ្យVerification អាចតាមដាន និងធ្វើឡើងវិញបាន។
ប្រភពសម្រាប់រៀនបន្ថែម
កំពុងបញ្ចប់វគ្គពិនិត្យចម្លើយ AI
បន្តអានគ្រប់ Checkpoint និងឆ្លើយFinal Quiz ដើម្បីបើកCourse Complete។
by 
