조작 가능성을 파악하기 위해 시력이 있는 AI에게 확인 요청을 합니다. JSON 반환 {"prompt":"...","verification_step":"...","risky_assumptions":"..."}: prompt - 작업, verification_step - 정직한 읽기와 추측을 분리하는 기술, risky_assumptions - AI가 이 프레임에서 정확히 무엇을 발명할 수 있는지, 그리고 이를 포착하는 방법.
시력을 갖춘 AI는 진실을 "사진으로 찍는" 것이 아니라 가장 가능성 있는 것을 가정합니다. 선명한 사진에서는 이것이 거의 항상 사실이지만 흐릿하거나 눈부시거나 잘린 영역에서는 모델이 그럴듯한 것을 완성합니다. 즉, 3과 8을 혼동하고 거기에 없는 텍스트를 읽고 자신 있게 잘못된 브랜드 이름을 지정합니다. 그리고 어조는 정답만큼 자신감이 있습니다. 이것이 주요 함정입니다. 테스트 기술: 읽기와 해석을 분리합니다. AI에게 먼저 본 내용(예: 카운터의 각 숫자를 순서대로)을 그대로 다시 작성하고 별도로 해석하도록 요청합니다. "읽음"과 "결론" 사이의 불일치는 위험 신호입니다. 두 번째 기술: 읽을 수 없는 부분을 추측하는 대신 "알 수 없음"으로 표시하고 각 부분에 대해 자신이 얼마나 확신하는지 표시하라는 지시를 직접 받았습니다. 숨겨진 레버: 분쟁 지역을 다른 각도 또는 더 큰 각도에서 다시 촬영하고 두 답변을 비교합니다. 안정적인 일치가 하나의 확실한 일치보다 더 신뢰할 수 있습니다. 전형적인 초보 실수: 매끄럽고 자신감 있는 답변을 사실로 받아들이고 AI가 모호한 숫자를 허구로 채우도록 하는 것입니다.
즉각적인 AI 검토를 위해 솔루션을 제출할 수 있는 액세스 권한을 잠금 해제하세요.