লাভ:
- কোথায় এআই ত্বরান্বিত হচ্ছে এবং খাদ্য প্রকৌশলে কোথায় এটি ঝুঁকিপূর্ণ তার ঝুঁকি-ভিত্তিক শ্রেণিবিন্যাস
- খাদ্য নিরাপত্তা, পুষ্টি এবং আইনকে হ্যালুসিনেটিংকারী এলএলএম-এর ঝুঁকি চিনতে সক্ষম
- পরীক্ষাগার, খাদ্য নিরাপত্তা নীতি এবং আইনের সাথে AI আউটপুট যাচাই করুন এবং নৈতিক নীতিগুলি প্রয়োগ করতে সক্ষম হন
আজ শুক্রবার বিকেল, আপনি একটি দুগ্ধ কারখানার R&D অফিসে আছেন। বিপণন দল সোমবার সকালের মধ্যে "চিনি-মুক্ত, প্রোবায়োটিক পানীয়যোগ্য দই" এর জন্য একটি খসড়া লেবেল চায়৷ একজন প্রকৌশলী উত্তেজিতভাবে একটি AI চ্যাট টুলকে জিজ্ঞাসা করেন: "আমি এই পণ্যটিতে কত মিলিগ্রাম অ্যাসপার্টেম রাখতে পারি, তুর্কি ফুড কোডেক্সের সীমা কত?" কয়েক সেকেন্ডের মধ্যে মডেলটি একটি আত্মবিশ্বাসী উত্তর দেয়: "অ্যাসপার্টামের সর্বোচ্চ সীমা হল 600 মিলিগ্রাম/কেজি, কোডেক্স নিবন্ধ 12/3 অনুসারে অনুমোদিত।" উত্তরটি মসৃণ, বিশ্বাসযোগ্য এবং পেশাদার দেখায়। একমাত্র সমস্যা: উপাদান সংখ্যাটি কাল্পনিক, পণ্যের শ্রেণী অনুসারে সীমা পরিবর্তিত হয় এবং গাঁজনযুক্ত দুগ্ধজাত দ্রব্যগুলিতে মিষ্টির ব্যবহারের নিজস্ব সীমাবদ্ধতা রয়েছে। এই ইউনিটটি ঠিক এই মুহূর্তটি বর্ণনা করে, কিভাবে AI এর "আত্মবিশ্বাসী কিন্তু যাচাইকৃত" আউটপুট পরিচালনা করতে হয়।
একটি কেন্দ্রীয় নীতি এই মডিউল জুড়ে পুনরাবৃত্তি হবে: AI আউটপুট একটি প্রস্তাব, একটি ব্লুপ্রিন্ট, একটি শুরু বিন্দু; খাদ্য নিরাপত্তা নীতি এবং সরকারী আইন (তুর্কি ফুড কোডেক্স) দ্বারা যাচাই না করে পরীক্ষাগার ফলাফল কখনই চূড়ান্ত সিদ্ধান্ত, লেবেল বা উত্পাদনের ভিত্তি হিসাবে ব্যবহার করা যাবে না। আপনি একজন সিনিয়র ইন্টার্নের মতো এআই সম্পর্কে ভাবতে পারেন: দ্রুত, উত্পাদনশীল, ভাল পড়া, কিন্তু স্বাক্ষর কর্তৃপক্ষ ছাড়াই। প্রকৌশলী হিসাবে, আপনি এর খসড়া যাচাই করুন এবং স্বাক্ষর করুন।
এলএলএম কী করে এবং কী করে না?
বড় ভাষা মডেল (LLM) হল বিশাল পাঠ্য ডেটার উপর "পরবর্তী শব্দের পূর্বাভাস" নীতিতে প্রশিক্ষিত সিস্টেম। এটি তাদের নির্দিষ্ট কাজের ক্ষেত্রে ব্যতিক্রমী এবং অন্যদের জন্য বিপজ্জনক করে তোলে।
এলএলএম ভালো করে
এলএলএম আপনাকে অবিশ্বস্ত করে তোলে
পাঠ্য খসড়া, পদ্ধতি লেখা, সংক্ষিপ্তকরণ
সুনির্দিষ্ট সংখ্যাসূচক সীমা এবং ডোজ রিকল
আইডিয়া জেনারেশন এবং ব্রেনস্টর্মিং
বর্তমান আইন প্রবন্ধ উদ্ধৃতি
জটিল পাঠ্য, অনুবাদ সরলীকরণ
ত্রুটি-মুক্ত পুষ্টির মান গণনা করা
একটি কাঠামোগত টেবিল/টেমপ্লেট তৈরি করা
নির্দিষ্ট পণ্যের জন্য সুনির্দিষ্ট নিরাপত্তা সিদ্ধান্ত নেওয়া
চেকলিস্ট এবং প্রশ্ন প্রজন্ম
উৎস এবং রেফারেন্স নির্ভুলতা
এলএলএম "যা জানে না তা জানে না"। যদি তিনি অবদানের সীমা মনে না রাখেন তবে তিনি এটি খালি রাখেন না; এমন একটি সংখ্যা তৈরি করে যা পরিসংখ্যানগতভাবে যুক্তিসঙ্গত বলে মনে হয়। একে হ্যালুসিনেশন বলা হয় এবং এটি খাদ্য প্রকৌশলে সবচেয়ে ঝুঁকিপূর্ণ আচরণ।
হ্যালুসিনেশন: তিনটি খাদ্য-নির্দিষ্ট বিপদ
খাদ্য ডোমেনে, হ্যালুসিনেশন তিনটি জটিল আকারে ঘটে:
- উপযুক্ত সংযোজন সীমা/ডোজ: মডেলটি "500 mg/kg" এর একটি সংরক্ষণশীল সীমা দিতে পারে যখন এটি আসলে 150 mg/kg হয়। এটি একটি সরাসরি ভোক্তা স্বাস্থ্য এবং আইনি লঙ্ঘনের ঝুঁকি।
- বানোয়াট আইন প্রবন্ধ: এমন রেফারেন্স তৈরি করে যা আসলে বিদ্যমান নেই, যেমন "তুর্কি ফুড কোডেক্স রেগুলেশন আর্টিকেল 7/b"। সংখ্যাটি বাস্তবসম্মত মনে হলেও যাচাই করা যাবে না।
- ভুল পুষ্টির মান: প্রতি 100 গ্রাম পণ্যের প্রোটিন, শক্তি বা চিনির মান ভুলভাবে গণনা করে; এটি লেবেল এবং পুষ্টি দাবি ত্রুটির দিকে পরিচালিত করে।
মনোযোগ: যেকোন সংখ্যাগত সীমা, কোডেক্স আইটেম নম্বর বা LLM দ্বারা প্রদত্ত পুষ্টির মান মূল সরকারী উত্স থেকে নিশ্চিতকরণ ছাড়া ব্যবহার করা যাবে না (তুর্কি খাদ্য কোডেক্স প্রাসঙ্গিক বিজ্ঞপ্তি/নিয়ন্ত্রণ, তুরস্ক প্রজাতন্ত্রের কৃষি ও বনায়ন মন্ত্রকের প্রকাশনা)। মডেলটি "নিশ্চিত" দেখায় তার মানে এই নয় যে এটি সঠিক।
শ্রমের ঝুঁকিভিত্তিক বিভাজন
AI কে একটি ঝুঁকির অক্ষ বরাবর শ্রেণীবদ্ধ করা যেখানে এটি অবাধে ব্যবহার করা যেতে পারে এবং যেখানে কঠোর বৈধতা প্রয়োজন তা হল পদ্ধতি যা অনুশীলনে সবচেয়ে ভাল কাজ করে।
কোয়েস্ট
ঝুঁকির স্তর
এআই ভূমিকা
বাধ্যতামূলক যাচাইকরণ
পণ্যের নাম/ধারণা ধারণা
কম
ফ্রিল্যান্স প্রযোজক
মার্কেটিং পর্যালোচনা
পদ্ধতি/এসওপি খসড়া
নিম্ন মাঝারি
খসড়া লেখক
গুণমান পরিচালকের অনুমোদন
সংবেদনশীল পরীক্ষার প্রশ্নপত্রের খসড়া
কম
সহকারী
R&D নিয়ন্ত্রণ
সংযোজন ডোজ
উচ্চ
শুধুমাত্র পরামর্শ
কোডেক্স সীমা + পরীক্ষাগার
এইচএসিসিপি ক্রিটিক্যাল কন্ট্রোল পয়েন্ট (সিসিপি)
খুব উচ্চ
শুধু ধারণা একটি তালিকা
এইচএসিসিপি দল + সিদ্ধান্ত গাছ
অ্যালার্জেন ঘোষণা
খুব উচ্চ
খসড়া
প্রেসক্রিপশন ট্রেসেবিলিটি + আইন
তাপ চিকিত্সা পরামিতি (F-মান)
খুব উচ্চ
সাজেশন
প্রক্রিয়া কর্তৃপক্ষ + বৈধতা
নিয়মটি সহজ: যত বেশি আউটপুট সরাসরি ভোক্তা স্বাস্থ্য, নিয়ন্ত্রক সম্মতি বা উত্পাদন সুরক্ষাকে স্পর্শ করে, তত বেশি প্রয়োজনীয় মানব যাচাই।
দুর্বল প্রম্পট / শক্তিশালী প্রম্পট
একই প্রয়োজন, যখন দুটি ভিন্ন উপায়ে জিজ্ঞাসা করা হয়, ফলাফলের খুব ভিন্ন মানের দেয়।
দুর্বল প্রম্পট: "কোন প্রিজারভেটিভ দইতে রাখব এবং কতটা?" সমস্যা: মডেলটি একটি সঠিক ডোজ উদ্ভাবন করে, একটি উত্স দেয় না, পণ্যের বিভাগ বিবেচনা করে না এবং আপনি যাচাইয়ের বিষয়টি জানেন না।
দৃঢ় প্রম্পট: "গাঁজানো দুধের পণ্য (পানীয়যোগ্য দই) এবং প্রতিটির কার্যকারিতার জন্য সম্ভাব্য প্রতিরক্ষামূলক বিভাগগুলি তালিকাভুক্ত করুন। সঠিক ডোজ সুপারিশ করবেন না; পরিবর্তে প্রতিটি সংযোজনের জন্য একটি নোট যোগ করুন 'যেখান থেকে তুর্কি ফুডকোডেক্স বিজ্ঞপ্তি সীমা নিশ্চিত করা উচিত'। আউটপুট ফর্ম্যাট করুন। কেন এটি শক্তিশালী: মডেলের সাথে মানানসই করার চেষ্টা করবেন না, তবে এটি গঠন করুন এটি আউটপুটে যাচাইকরণের ধাপটি এম্বেড করে। সিদ্ধান্ত ইঞ্জিনিয়ারের কাছেই থাকে।
পার্থক্য হল মডেলটিকে "সিদ্ধান্ত" করার পরিবর্তে আপনি "এটি খসড়া তৈরি করুন এবং যাচাইকরণের পথটি আঁকুন"।
নীতিশাস্ত্র, বাণিজ্য গোপনীয়তা এবং সূত্র গোপনীয়তা
এআই ব্যবহারের নৈতিক মাত্রা তার প্রযুক্তিগত মাত্রার মতোই গুরুত্বপূর্ণ। একজন প্রকৌশলী হিসাবে, তার কোম্পানির সবচেয়ে মূল্যবান সম্পদ হল এর গোপন সূত্র এবং রেসিপি।
এথিক্স চেকলিস্ট (প্রম্পট লেখার আগে):[ ] আমি কি এই প্রম্পটে গোপন/পেটেন্ট করা ফর্মুলা রেট লিখি?[ ] আমি কি গ্রাহক-নির্দিষ্ট স্পেসিফিকেশন শেয়ার করি?[ ] আমি কি টুলটির ডেটা ব্যবহার নীতি জানি?[ ] যাচাই ছাড়াই আউটপুটকে প্রোডাকশন/লেবেলে স্থানান্তর করার ঝুঁকি আছে কি?
একটি পাবলিক AI টুলে সঠিক প্রেসক্রিপশন রেট টাইপ করার অর্থ হতে পারে ট্রেড সিক্রেট তৃতীয় পক্ষের সার্ভারে যায়। গোপনীয় তথ্যগুলিকে বিমূর্ত করে জিজ্ঞাসা করা একটি ভাল অভ্যাস ("A অবদান X%, B অবদান Y%)।"
টিপ: আপনার প্রম্পটগুলি "পাবলিক/বেনামী" রাখুন। প্রকৃত হারের পরিবর্তে পরিবর্তনশীল (X, Y) ব্যবহার করুন; আপনার নিজের স্প্রেডশীটে লুকানো সংখ্যাগুলি রেখে যুক্তি এবং কাঠামোর জন্য মডেলটি ব্যবহার করুন৷ এইভাবে আপনি ধারণা পেতে এবং গোপন রাখা.
মিনি কেস
একটি স্ন্যাক প্রস্তুতকারকের একজন ইন্টার্ন ইঞ্জিনিয়ার এআইকে একটি নতুন সিরিয়াল বারের লেবেলের জন্য একটি পুষ্টির টেবিলের জন্য জিজ্ঞাসা করেছিলেন। মডেলটি 40g বারের জন্য "8g প্রোটিন, 180kcal" উদ্ধৃত করেছে এবং চার্টটি পেশাদার দেখায়। অনুমোদন করার আগে, গুণমান ব্যবস্থাপক দলকে ম্যানুয়ালি রেসিপিটি গণনা করতেন: প্রকৃত মান ছিল 5.2 গ্রাম প্রোটিন এবং 165 কিলোক্যালরি। AI অনুরূপ পণ্যগুলির "গড়" ভবিষ্যদ্বাণী করেছে; এই পণ্যের জন্য প্রকৃত রেসিপি নয়. যদি চার্ট যাচাই না করেই ছাপা হয়, তাহলে পুষ্টির ভুল উপস্থাপনা আইনগত লঙ্ঘন এবং ভোক্তার আস্থার ক্ষতি উভয়ই হবে। এই ঘটনার পরে, দলটি লিখিত পদ্ধতিতে "AI পুষ্টির সারণী = খসড়া, রেসিপি থেকে গণনা = প্রকৃত" নিয়মটি যুক্ত করেছে।
সাধারণ ভুল
- AI দ্বারা প্রদত্ত অবদানের সীমা বা কোডেক্স আইটেম নম্বর যাচাই না করে রিপোর্ট/লেবেলে এটি রাখা।
- সঠিকতার সাথে মডেলের "আশ্বস্ত" এবং তরল টোন মিশ্রিত করা।
- পাবলিক AI সরঞ্জামগুলিতে গোপন সূত্র অনুপাত লেখা।
- উচ্চ-ঝুঁকির সিদ্ধান্তগুলি (সিসিপি, অ্যালার্জেন, তাপ চিকিত্সা) সম্পূর্ণরূপে AI-তে ছেড়ে দেওয়া।
- রেসিপি থেকে পুষ্টির মান গণনা করার পরিবর্তে AI পূর্বাভাসের উপর নির্ভর করা।
- একমাত্র সঠিক উত্তর হিসাবে একটি একক প্রম্পট উত্তর গ্রহণ করা এবং একটি বিকল্প/উৎস খুঁজছেন না।
- "আমি পরে করব" বলে যাচাইকরণের ধাপটি এড়িয়ে যাওয়া এবং সময়ের চাপে উৎপাদনে যাওয়া।
সংক্ষেপে
- AI খাদ্য প্রকৌশলে একটি শক্তিশালী ত্বরণকারী, তবে এটি একজন সিনিয়র ইন্টার্ন, সিদ্ধান্ত গ্রহণকারী নয়।
- এলএলএমগুলি সুনির্দিষ্ট সীমা, নিয়ন্ত্রক পদার্থ এবং পুষ্টির মান সম্পর্কে হ্যালুসিনেশন তৈরি করতে পারে; সাবলীলতা সঠিকতার কোন গ্যারান্টি নয়।
- ঝুঁকির উপর ভিত্তি করে কাজগুলিকে শ্রেণীবদ্ধ করুন: কম ঝুঁকিতে, উচ্চ ঝুঁকিতে (ডোজ, সিসিপি, অ্যালার্জেন, তাপ চিকিত্সা) সর্বদা মানব + আইন + পরীক্ষাগার দিয়ে যাচাই করুন।
- শক্তিশালী প্রম্পট মডেলটিকে সিদ্ধান্ত নিতে নয়, একটি খসড়া তৈরি করতে এবং যাচাইয়ের পথ দেখাতে বাধ্য করে।
- বাণিজ্য গোপনীয়তা এবং সূত্র গোপনীয়তা বজায় রাখা; বাস্তব হারের পরিবর্তে বেনামী ভেরিয়েবলের সাথে কাজ করুন।
- অফিসিয়াল সোর্স এবং ল্যাবরেটরি থেকে নিশ্চিত না হওয়া পর্যন্ত প্রতিটি AI আউটপুট একটি খসড়া মাত্র।
আবেদন টাস্ক
আপনার (বা একটি কাল্পনিক) খাদ্য ব্যবসায় 8টি ভিন্ন কাজ চিহ্নিত করুন যেখানে আপনি গত মাসে AI থেকে সাহায্য পেতে পারেন। এই ইউনিটের ঝুঁকি-ভিত্তিক টেবিলে প্রতিটি কাজ রাখুন: নিম্ন, মাঝারি, উচ্চ বা খুব উচ্চ ঝুঁকি। প্রতিটি উচ্চ এবং খুব উচ্চ ঝুঁকিপূর্ণ কাজের জন্য, একটি সারণীতে লিখুন কোন সরকারী উত্স (তুর্কি ফুড কোডেক্স প্রাসঙ্গিক যোগাযোগ), কোন পরীক্ষাগার পরীক্ষা এবং কোন বিশেষজ্ঞের অনুমোদনের সাথে এআই আউটপুট যাচাই করা উচিত। পরিশেষে, আপনার টিমের ব্যবহার করার জন্য "AI আউটপুট বৈধকরণ নিয়ম" এর একটি 5-আইটেমের তালিকা তৈরি করুন এবং নিশ্চিত করুন যে তাদের মধ্যে অন্তত একটি ট্রেড সিক্রেট/গোপনীয় সম্পর্কিত।