VERIFICATION FOUNDATIONS • LESSON 4

Confidence មិនមែនជា Accuracy

by Sot Dimong

២ សីហា 2026

AI អាចឆ្លើយយ៉ាងរលូន ប្រើពាក្យដាច់ខាត និងបង្ហាញលម្អិតច្រើន ប៉ុន្តែភាពជឿជាក់ក្នុងសម្លេងមិនមែនជាភស្តុតាងនៃភាពត្រឹមត្រូវទេ។

រយៈពេលប្រហែល ១៨ នាទី

Confidence Scanner • Level 4វាយតម្លៃចម្លើយតាម Evidence មិនមែនតាម Tone

0 XP

ចាប់ផ្តើម

សេចក្តីផ្តើម
មនុស្សងាយជឿចម្លើយដែលសរសេរល្អ មានលេខលម្អិត និងស្តាប់ទៅប្រាកដ។ AI ក៏អាចបង្កើតរូបរាងនៃភាពជឿជាក់នេះបាន ទោះ Claim ខាងក្នុងខុស ឬគ្មានប្រភពគាំទ្រក៏ដោយ។

គោលបំណងមេរៀននេះ
បន្ទាប់ពីរៀនចប់ អ្នកអាចបែងចែក Confidence ចេញពី Accuracy ស្គាល់សញ្ញាដែលបង្កើតអារម្មណ៍ថា “គួរឱ្យជឿ” និងប្រើ Evidence ដើម្បីសម្រេចថាតើចម្លើយអាចយកទៅប្រើបានឬអត់។

១. Confidence ក្នុងចម្លើយ AI ជាអ្វី?

Confidence នៅទីនេះសំដៅលើកម្រិតដែលចម្លើយមើលទៅ ឬស្តាប់ទៅប្រាកដ៖ ប្រើភាសាដាច់ខាត សរសេររលូន ឆ្លើយភ្លាម មានរចនាសម្ព័ន្ធល្អ និងផ្តល់លេខ ឈ្មោះ ឬ Citation លម្អិត។

សញ្ញាទាំងនេះបង្ហាញពីគុណភាពនៃការបង្ហាញ—not ភាពត្រឹមត្រូវនៃ Claim។ AI អាចប្រើ Tone ដូចគ្នាសម្រាប់ចម្លើយត្រឹមត្រូវ និងចម្លើយខុស។

Tone ប្រាកដពាក្យដូចជា «ពិតប្រាកដ», «ច្បាស់ណាស់» ឬ «គ្មានការសង្ស័យ» មិនមែនជាប្រភពទេ។

លម្អិតច្រើនលេខ កាលបរិច្ឆេទ និងឈ្មោះជាក់លាក់អាចត្រឹមត្រូវ ឬត្រូវបានបង្កើតឡើង។

ភាពរលូនប្រយោគស្អាតធ្វើឱ្យងាយអាន ប៉ុន្តែមិនអាចបញ្ជាក់ Claim បានទេ។

រូបរាងអាជីពតារាង Bullet និង Citation style អាចបង្កើនភាពជឿ ប៉ុន្តែត្រូវបើកប្រភពពិត។

២. Accuracy ត្រូវវាស់ដោយអ្វី?

Accuracy គឺកម្រិតដែល Claim ត្រូវគ្នានឹងការពិត ទិន្នន័យ និងបរិបទ។ វាត្រូវវាស់ដោយ Evidence ដែលអាចពិនិត្យបាន—not តាមអារម្មណ៍ថាចម្លើយឆ្លាត ឬសរសេរល្អ។

ប្រភពដើមឯកសារផ្លូវការ Paper ដើម ទិន្នន័យដើម ឬសេចក្តីប្រកាសពីម្ចាស់ព័ត៌មាន។

Cross-checkប្រៀបធៀបជាមួយប្រភពឯករាជ្យដែលមានគុណភាព និងមិនចម្លងគ្នា។

Context និង DateClaim អាចធ្លាប់ត្រឹមត្រូវ ប៉ុន្តែហួសសុពលភាព ឬមិនត្រូវនឹងបរិបទបច្ចុប្បន្ន។

Reproduceសាកគណនា បើក Link ឬធ្វើជំហានឡើងវិញ ដើម្បីឃើញថាលទ្ធផលអាចផលិតបានដូចគ្នា។

ច្បាប់ខ្លី៖ Confidence គឺអ្វីដែលអ្នក មានអារម្មណ៍ ពេលអាន។ Accuracy គឺអ្វីដែលអ្នក អាចបញ្ជាក់ ដោយ Evidence។

CONFIDENCE CALIBRATION LAB

សាកវាយតម្លៃ Signal

READY

ជ្រើសសញ្ញាមួយក្នុងចម្លើយ AI ហើយមើលថាវាបញ្ជាក់ Accuracy បានឬអត់ និងជំហានបន្ទាប់ដែលត្រូវធ្វើ។ នេះជាគំរូបង្ហាញ—not ការហៅ AI ពិត។

Tone ប្រាកដនិយាយដាច់ខាត

CalibrateTone ≠ Evidence

Weak signalមិនបញ្ជាក់ Accuracy

លទ្ធផលគំរូ៖ Tone ប្រាកដអាចធ្វើឱ្យអ្នកជឿ ប៉ុន្តែមិនបញ្ជាក់ Claim ទេ។ បំបែក Claim ហើយស្វែងរក Evidence។

៣. ហេតុអ្វីភាពរលូនអាចបោកបញ្ឆោតយើង?

ខួរក្បាលមនុស្សច្រើនយល់ថា អ្វីដែលងាយអាន និងងាយយល់គឺគួរឱ្យជឿជាង។ AI បង្កើតប្រយោគរលូនបានល្អ ដូច្នេះយើងអាចច្រឡំ presentation quality ជាមួយ evidence quality។

ចម្លើយខុសអាចមានទម្រង់ស្អាត ខណៈចម្លើយត្រឹមត្រូវអាចសរសេរធម្មតា។ ដូច្នេះត្រូវបំបែកការវាយតម្លៃជា ២ សំណួរ៖ «វាសរសេរល្អទេ?» និង «Claim នីមួយៗមានភស្តុតាងទេ?»

៤. Evidence មានទម្ងន់ខុសគ្នា

Evidence ខ្សោយAI និយាយដដែលម្តងទៀត, Blog មិនបង្ហាញប្រភព, Screenshot មិនឃើញបរិបទ, ឬប្រភពជាច្រើនចម្លងពីកន្លែងតែមួយ។

Evidence ខ្លាំងឯកសារដើម ទិន្នន័យដែលអាចទាញយកបាន Method ច្បាស់ និងប្រភពឯករាជ្យដែលផ្ទៀងផ្ទាត់គ្នា។

ចំនួន Link មិនស្មើនឹងគុណភាព Evidence ទេ។ Link ១០ ដែលចម្លងព័ត៌មានពីប្រភពខុសតែមួយ មិនខ្លាំងជាងប្រភពដើមមួយដែលអាចពិនិត្យបានឡើយ។

៥. Calibration៖ ភាពប្រាកដគួរត្រូវគ្នានឹង Evidence

Calibration មានន័យថា កម្រិតភាសាប្រាកដត្រូវសមនឹងកម្លាំងភស្តុតាង។ បើ Evidence ខ្សោយ ចម្លើយគួរប្រើភាសាដូចជា «អាច», «ទំនងជា», «មិនទាន់អាចបញ្ជាក់» និងប្រាប់អ្វីដែលត្រូវពិនិត្យបន្ថែម។

Calibrated«តាមប្រភព A និង B គិតត្រឹមថ្ងៃទី... Claim នេះមានភស្តុតាងគាំទ្រ ប៉ុន្តែមានដែនកំណត់...»

Overconfident«នេះពិត ១០០%» ដោយមិនបង្ហាញប្រភព Context កាលបរិច្ឆេទ ឬភាពមិនប្រាកដ។

៦. Workflow៖ Pause → Claim → Evidence → Cross-check → Decide

១) Pause កុំសម្រេចតាម Tone។ ២) Claim បំបែកសេចក្តីថ្លែងដែលអាចពិនិត្យបាន។ ៣) Evidence រកប្រភពដើម និងបើក Citation។ ៤) Cross-check ប្រៀបធៀបប្រភពឯករាជ្យ។ ៥) Decide ប្រើ កែសម្រួល ឬបដិសេធ Claim។

សាកអនុវត្ត • VERIFICATION PROMPT

ពិនិត្យចម្លើយខាងក្រោមដោយបែងចែក Confidence ចេញពី Accuracy។ ១) ដក Claim ដែលអាចផ្ទៀងផ្ទាត់បាន ២) សម្គាល់ពាក្យ ឬរចនាប័ទ្មដែលធ្វើឱ្យចម្លើយមើលទៅប្រាកដ ៣) បញ្ជាក់ Evidence ដែល Claim នីមួយៗត្រូវការ ៤) សម្គាល់ Citation ដែលត្រូវបើកពិនិត្យ ៥) វាយតម្លៃជា Verified, Uncertain ឬ Unsupported ៦) កែសរសេរឡើងវិញដោយប្រើកម្រិតភាពប្រាកដសមនឹងភស្តុតាង។ កុំយក Tone ឬភាពលម្អិតធ្វើជាភស្តុតាង។

៧. ពិនិត្យការយល់ដឹង

QUIZ ខ្លី

AI ឆ្លើយយ៉ាងប្រាកដថា «របាយការណ៍ឆ្នាំ 2025 បញ្ជាក់ថា 87%» និងដាក់ Link មួយ។ តើជំហានល្អបំផុតជាអ្វី?

ចម្លើយត្រឹមត្រូវ៖ ក។ លេខ និង Link បង្កើនភាពជាក់លាក់ ប៉ុន្តែ Accuracy ត្រូវបញ្ជាក់ដោយការបើកប្រភពដើម និងពិនិត្យថាវាគាំទ្រ Claim ក្នុង Context ត្រឹមត្រូវ។