kostyl.dev
Перевірка результатів, безпека та AI Native Workflow

Критичне мислення під час роботи з AI

Правдоподібність і достовірність, факти vs думки vs припущення, виявлення сумнівних тверджень та формулювання перевірочних запитань

Критичне мислення під час роботи з AI

🎯 Мета розділу

  • Розрізняти правдоподібність та достовірність інформації.
  • Відрізняти факти від думок та припущень у відповідях AI.
  • Навчитися формулювати перевірочні запитання.
  • Виробити звичку аналізувати відповідь AI перед її використанням.

🔑 Ключові терміни

  • Правдоподібність: інформація виглядає переконливо (але може бути неправдивою).
  • Достовірність: інформація підтверджена надійними джерелами.
  • Факт: об'єктивне твердження, яке можна перевірити.
  • Думка: суб'єктивна оцінка, що відображає чиюсь позицію.
  • Припущення: твердження без достатніх доказів.

Loading diagram...
@startuml
skinparam style plain
skinparam backgroundColor #FFFFFF
skinparam packageBackgroundColor #F8FAFC
skinparam packageBorderColor #64748B

rectangle "Згенерована відповідь AI" as RawAI #EFF6FF

package "Фільтр критичного мислення" #DBEAFE {
  rectangle "1. Класифікація твердження\n(Факт / Суб'єктивна думка / Припущення)" as C1
  rectangle "2. Аудит авторитетності\n(Чи названі реальні першоджерела?)" as C2
  rectangle "3. Аналіз маркерів упевненості\n(Слова: «завжди», «найкращий», «очевидно»)" as C3
}

package "Рішення та дія" #DCFCE7 {
  rectangle "Прийняття з верифікацією\n(Підтверджено документацією / тестами)" as Act_OK #DCFCE7
  rectangle "Відхилення / Уточнення запиту\n(Виявлено нестиковку або сумнів)" as Act_NO #FEE2E2
}

RawAI -> C1
C1 -> C2
C2 -> C3
C3 --> Act_OK : Факти збігаються
C3 --> Act_NO : Дані сумнівні

@enduml

Правдоподібність ≠ Достовірність

Це, мабуть, найважливіше розмежування у роботі з AI. AI генерує правдоподібні відповіді — такі, що звучать переконливо. Але правдоподібність не означає достовірність.

Приклад: «Дослідження Гарвардського університету 2022 року показало, що 73% студентів використовують AI для навчання.» Це звучить правдоподібно — відомий університет, конкретний рік, точна цифра. Але чи існує таке дослідження? Без перевірки ви не можете знати.

Факт, думка та припущення

Аналізуючи відповідь AI, важливо класифікувати кожне твердження:

Факт: «Python — інтерпретована мова програмування.» → Можна перевірити, підтверджено документацією.

Думка: «Python — найкраща мова для початківців.» → Суб'єктивна оцінка, залежить від контексту.

Припущення: «Через 5 років Python витіснить усі інші мови.» → Прогноз без достатніх підстав.

Коли AI говорить «найкращий», «завжди», «ніколи», «очевидно» — це маркери думки або припущення, а не факту. Зверніть на них увагу та перевірте.

Формулювання перевірочних запитань

Корисна техніка — після отримання відповіді задати AI перевірочні запитання:

  • «Яке джерело цієї інформації?»
  • «Чи може це бути неправдою? У яких випадках?»
  • «Назви контраргумент до цього твердження»
  • «Наскільки ти впевнений у цій відповіді?»
AI може відповісти на перевірочні запитання... ще однією галюцинацією. Наприклад, «вигадати» джерело. Тому перевірочні запитання — це лише перший крок. Справжня перевірка потребує зовнішніх джерел.

Практичні завдання

Запитання для самоконтролю

Галюцинації AI

Що таке галюцинація AI, вигадані факти та джерела, неіснуючі посилання, впевнено сформульовані помилки та чому промпт не захищає від галюцинацій

Перевірка результатів роботи AI

Систематична перевірка відповідності завданню, повноти, логіки та фактів, порівняння з джерелами та складання чек-листа перевірки

Copyright © 2026