अर्थशास्त्र में कृत्रिम बुद्धिमत्ता का परिचय: भूमिकाएँ, सीमाएँ, मान्यता और डेटा नैतिकता

लाभ:

• यह भेद करने में सक्षम होने के नाते कि कृत्रिम बुद्धिमत्ता आर्थिक विश्लेषण (डेटा संकलन, ड्राफ्ट, कोड, सारांश) में वास्तविक समय बचाती है और कहाँ (पूर्वानुमान जिम्मेदारी, नीति निर्णय, आधिकारिक आंकड़ा) कार्य जोखिम स्तर के अनुसार निर्णय सक्षम अर्थशास्त्री पर छोड़ दिया जाता है।
• एक अनुशासन लागू करने की क्षमता जो प्रत्येक कृत्रिम बुद्धिमत्ता आउटपुट को मूल स्रोत (TURKSTAT/EVDS/IMF) से जोड़ने, उसकी पुनर्गणना करने और उसे आर्थिक सामान्य ज्ञान के फ़िल्टर के माध्यम से पारित करने के चरणों के माध्यम से सत्यापित करती है।
• नकली संख्याओं (मतिभ्रम), पुराने डेटा कट-ऑफ तिथियों और गोपनीय डेटा रिसाव के जोखिमों को पहचानने और सुरक्षित उपकरण और संसाधनों को चुनने की आदत हासिल करने की क्षमता।

एक अर्थशास्त्री का डेस्क वास्तव में एक डेटा और टेक्स्ट फैक्ट्री है: आप सुबह तुर्कस्टैट से मुद्रास्फीति डेटा की व्याख्या करते हैं, दोपहर में एक विकास एजेंसी के लिए एक नीति नोट लिखते हैं, एक समय श्रृंखला साफ़ करते हैं और शाम को पूर्वानुमान बनाने का प्रयास करते हैं। इस काम का अधिकांश हिस्सा यांत्रिक है, मानसिक नहीं: डेटा डाउनलोड करना, इकाइयों को परिवर्तित करना, तालिकाओं को संपादित करना, लंबी रिपोर्टों का सारांश देना, कोड लिखना। कृत्रिम बुद्धिमत्ता (एआई - बड़े भाषा मॉडल और सहायक उपकरण) बिल्कुल इसी यांत्रिक बोझ को कम करती है। लेकिन आइए एक वाक्य से शुरू करें जिसे हम इस पूरे मॉड्यूल में दोहराएंगे: कृत्रिम बुद्धिमत्ता अर्थशास्त्री की सहायक है, न कि विशेषज्ञ जो उसकी जगह लेता है। मुद्रास्फीति पूर्वानुमान, मौद्रिक नीति प्रस्ताव या सार्वजनिक रूप से उपलब्ध आंकड़े की जिम्मेदारी हमेशा उस व्यक्ति और संस्था की होती है जिसने उस पर हस्ताक्षर किए हैं।

इस इकाई को एक "उपयोगकर्ता मैनुअल" की तरह सोचें: यहां हम बताएंगे कि एआई कहां लगाना है, कहां नहीं लगाना है, और प्रत्येक आउटपुट को कैसे सत्यापित करना है। अन्य दस इकाइयाँ इस कंकाल पर मांस डालेंगी।

अर्थशास्त्र में कृत्रिम बुद्धिमत्ता किसमें तेजी लाती है और किसमें तेजी नहीं लाती?

आइए जोखिम स्तर के अनुसार कार्यों को तीन बक्सों में विभाजित करें। यह भेद संपूर्ण मॉड्यूल का कम्पास है।

हरा बॉक्स - एआई शक्तिशाली है, गति बढ़ाता है (अभी भी समीक्षा की गई है)। डेटा डाउनलोड कोड लिखना, डेटा को साफ़ करने के लिए कदम सुझाना, एक लंबी रिपोर्ट या लेख का सारांश देना, चार्ट के लिए कोड तैयार करना, टेक्स्ट को सरल बनाना और प्रारूपित करना, शर्तों को समझाना, अनुवाद, मसौदा नीति नोट कंकाल। यहां त्रुटि की लागत कम है और त्रुटियां आसानी से देखी जा सकती हैं।

पीला बॉक्स - एआई मदद करता है लेकिन मानव सत्यापन करता है। समय श्रृंखला मॉडल का निर्माण, प्रतिगमन व्याख्या, परिदृश्य गणना, संकेतक व्याख्या, साहित्य संश्लेषण। यहां AI एक ब्लूप्रिंट तैयार करता है; लेकिन संख्याएँ, धारणाएँ और आर्थिक तर्क पंक्ति दर पंक्ति जाँचे बिना कहीं नहीं जाते।

लाल बॉक्स - जिम्मेदारी मानव की है, एआई निर्णय नहीं ले सकता। आधिकारिक मुद्रास्फीति/विकास आंकड़े की अंतिम मंजूरी, मौद्रिक या राजकोषीय नीति प्रस्ताव का स्वामित्व, सार्वजनिक किए जाने वाले पूर्वानुमान पर हस्ताक्षर, एक राय जो निवेश/ऋण निर्णय में बदल जाती है। यहां AI केवल इनपुट उत्पन्न करता है; निर्णय, जिम्मेदारी और हस्ताक्षर व्यक्ति के हैं।

युक्ति: यदि आप निश्चित नहीं हैं कि किसी कार्य को किस बॉक्स में रखा जाए, तो यह प्रश्न पूछें: "यदि यह आउटपुट गलत हो जाता है तो किसे नुकसान होगा, और क्या त्रुटि आसानी से ध्यान में आ जाएगी?" यदि क्षति बड़ी है और त्रुटि छिपी हुई है, तो वह कार्य लाल के करीब है।

कृत्रिम बुद्धिमत्ता की तीन मूलभूत सीमाएँ

अर्थशास्त्र में इसे सुरक्षित रूप से उपयोग करने के लिए, पहले यह जानना होगा कि यह कहाँ लड़खड़ाता है।

1) मनगढ़ंत बातें (मतिभ्रम)। बड़ा भाषा मॉडल कभी-कभी आत्मविश्वास भरी भाषा में एक संख्या या स्रोत बना देता है जिसे वह नहीं जानता है। वाक्य "2023 चालू खाता घाटा $45.2 बिलियन था" सच लगता है लेकिन पूरी तरह से गलत हो सकता है। अर्थशास्त्र में, यह घातक है: एक गलत आंकड़ा एक रिपोर्ट, एक पूर्वानुमान, एक निर्णय को विषाक्त कर देता है।

2) डेटा कटऑफ़ तिथि। मॉडल का प्रशिक्षण डेटा एक निश्चित तिथि पर बंद हो जाता है। नवीनतम मुद्रास्फीति, नवीनतम ब्याज दर निर्णय और कल की विनिमय दर को इस जानकारी से बाहर रखा जा सकता है। एआई वास्तव में आपको "नवीनतम डेटा" के रूप में कई महीनों या वर्षों पुराना एक नंबर दे सकता है।

3) कारण अंधापन और संदर्भ की कमी। एआई भाषा में पैटर्न पकड़ता है; आर्थिक कारणता को "समझ" नहीं पाता है। वह "जब ब्याज दरें बढ़ती हैं, तो मुद्रास्फीति कम हो जाती है" जैसे वाक्य धाराप्रवाह बनाता है, लेकिन वह यह मूल्यांकन नहीं कर पाता कि वे किन परिस्थितियों में वैध हैं या किस देश में किस अवधि में इसके विपरीत हुआ। यह संरचनात्मक टूटन (संकट के साथ पैटर्न में बदलाव) नहीं देख सकता।

ध्यान दें: सिर्फ इसलिए कि एक वाक्य धाराप्रवाह और आत्मविश्वासपूर्ण है इसका मतलब यह नहीं है कि यह सही है। कृत्रिम बुद्धिमत्ता अपने सबसे विश्वसनीय रूप में सबसे अधिक गलत हो सकती है।

सत्यापन अनुशासन: स्रोत-खाता-फ़िल्टर

इस मॉड्यूल का हृदय एक ही आदत है। प्रत्येक AI आउटपुट को तीन चरणों के माध्यम से लें:

1. स्रोत. प्रत्येक संख्या और तथ्यात्मक दावा मूल स्रोत से जुड़ा हुआ है। तुर्कस्टैट से मुद्रास्फीति, सीबीआरटी से विनिमय दर और भुगतान संतुलन, आईएमएफ से वैश्विक प्रक्षेपण। आप आधिकारिक प्रकाशन का संदर्भ देते हैं, एआई द्वारा दिए गए आंकड़ों का नहीं।
2. बिल। आप प्रत्येक व्युत्पन्न संख्या को कम से कम एक बार मैन्युअल रूप से पुनर्गणना करते हैं। क्या विकास दर, वास्तविक मूल्य और सूचकांक सही फॉर्मूले से निकाले गए हैं? कागज पर एक अवधि की जाँच करें.
3. छलनी. आप आर्थिक सामान्य ज्ञान के माध्यम से परिणाम पारित करते हैं: क्या यह आकार उचित है? क्या संकेत सही है? ऐतिहासिक सीमा में? क्या कोई विरोधाभास है? एक अनुचित परिणाम अक्सर त्रुटि का संकेत होता है।

तीन मिनी मामले

केस 1 - नकली आकृति कैप्चर करना। एक विकास एजेंसी विश्लेषक ने YZ को "प्रांतीय आधार पर 2023 निर्यात आंकड़ों की एक तालिका बनाने" के लिए कहा। एआई ने एक अच्छी तस्वीर दी। स्रोत चरण में, विश्लेषक ने TUIK विदेशी व्यापार आंकड़ों को देखा और देखा कि तीन प्रांतों के आंकड़े वास्तविक डेटा से दोगुने थे; एआई ने लापता जानकारी को "उचित दिखने वाले" नंबरों से भर दिया था। विश्लेषक ने तालिका को फेंक दिया और डेटा को सीधे तुर्कस्टैट से खींच लिया। रिपोर्ट में शामिल होने से पहले ही मनगढ़ंत आंकड़ा पकड़ में आ गया।

केस 2 - पुराना डेटा ट्रैप। एक आर्थिक पत्रकार ने YZ से पूछा, "वर्तमान नीति दर क्या है?" उसने पूछा; उन्हें जो जवाब मिला वह आठ महीने पहले का रेट था. खाता/स्रोत की आदत रखने वाले पत्रकार ने सीबीआरटी के पिछले एमपीके (मौद्रिक नीति समिति) के फैसले को देखा और सही दर का इस्तेमाल किया। अगर उन्होंने न पूछा होता तो प्रकाशन में गलत दिलचस्पी जाती.

केस 3 - आर्थिक फ़िल्टर। एक छात्र-शोधकर्ता ने एआई से वास्तविक वेतन श्रृंखला की गणना कराई। परिणाम में कहा गया कि एक वर्ष में वास्तविक मजदूरी में 140 प्रतिशत की वृद्धि हुई। फ़िल्टर कदम चलन में आया: यह आकार अवास्तविक था। कोड में एआई ने गलत आधार के साथ डिफ्लेटर (मूल्य सुधारात्मक सूचकांक) का उपयोग किया था। त्रुटि पाई गई, सूत्र को ठीक किया गया, और परिणाम उचित सीमा के भीतर आ गया।

चार प्रतिलिपि योग्य टेम्पलेट

1) भूमिकाओं और सीमाओं को परिभाषित करने वाला सिस्टम प्रॉम्प्ट:

आपकी भूमिका: एक वरिष्ठ अर्थशास्त्री के सहायक विश्लेषण सहायक। नियम: (1) कोई भी संख्या मत बनाओ जो मैं तुम्हें नहीं देता। यदि आप नहीं जानते हैं, तो कहें "आपको इस डेटा को सत्यापित करने की आवश्यकता है"। (2) निर्दिष्ट करें कि आपके द्वारा प्रदान किए गए प्रत्येक नंबर के लिए किस आधिकारिक स्रोत (TURKSTAT/CBRT/IMF, आदि) से इसकी पुष्टि की जानी चाहिए। (3) कार्य-कारण का दावा करते समय स्थिति और अनिश्चितता को स्पष्ट रूप से बताएं। यदि आप समझ गये हों तो एक वाक्य में पुष्टि करें।

2) स्रोत-पुष्टि अनुरोध:

निम्नलिखित दावे का विश्लेषण करें: "[दावा]"। इसे सत्यापित करने के लिए मुझे कौन सा आधिकारिक/प्राथमिक स्रोत (संस्था, प्रकाशन नाम, श्रृंखला) देखना चाहिए, इसकी सूची बनाएं। पहचानें कि दावे में प्रत्येक संख्या किस परिभाषा और अवधि से संबंधित है। अपनी याददाश्त से नंबर न दें.

3) आउटपुट फ़िल्टर करने का संकेत:

आर्थिक स्थिरता के लिए निम्नलिखित विश्लेषण परिणाम की जाँच करें: क्या संकेत समझ में आता है, क्या ऐतिहासिक सीमा के भीतर परिमाण है, क्या इकाइयाँ सुसंगत हैं, क्या कोई छिपी हुई धारणा है? आपको जो भी संदिग्ध लगे उसे "सत्यापित करें" टैग से चिह्नित करें।

4) कार्य जोखिम वर्गीकरण अनुरोध:

मैं निम्नलिखित कार्य करूंगा: "[खोज]"। इसे हरा (यांत्रिक, कम जोखिम), पीला (ड्राफ्ट, मानव सत्यापित) या लाल (निर्णय/जिम्मेदारी मानव) के रूप में वर्गीकृत करें और एक वाक्य में बताएं कि क्यों।

कमजोर संकेत/मजबूत संकेत

कमजोर संकेत:

तुर्की की अर्थव्यवस्था के बारे में एक विश्लेषण लिखें।

संदर्भहीन और असीमित; एआई एक सामान्य, बिना स्रोत वाला, असत्यापित पाठ तैयार करता है।

शक्तिशाली संकेत:

आपकी भूमिका: विश्लेषण सहायक। मेरे पास तुर्कस्टैट (नीचे) से 2019-2024 वार्षिक सीपीआई और जीडीपी वृद्धि डेटा है। इस डेटा के आधार पर एक 3-पैराग्राफ मसौदा टिप्पणी लिखें; मैंने तुम्हें जो तालिका दी है, उसमें से प्रत्येक संख्या ले लो, बाहर से संख्याएँ मत जोड़ो; जहां आप अस्पष्ट हैं, वहां "सत्यापित होना चाहिए" लिखें। अंत में सूचीबद्ध करें कि मुझे किन बिंदुओं को मैन्युअल रूप से जांचना है। [तालिका]

यह संकेत भूमिका, संसाधन, बाधा और सत्यापन अपेक्षा को एक साथ देता है; आउटपुट श्रवण योग्य हो जाता है।

सामान्य गलतियां

• एआई द्वारा दिए गए नंबर को स्रोत मानना। एआई कोई संसाधन नहीं है; तुर्कस्टैट/सीबीआरटी/आईएमएफ स्रोत है।
• प्रवाह को सटीकता समझने की भूल करना। एक अच्छी तरह से लिखा गया वाक्य गलत हो सकता है.
• कार्य बॉक्स को बायपास करना. लाल बॉक्स की नौकरी को हरी जितनी जल्दी पास करना सबसे महंगी गलती है।
• डेटा कटऑफ़ तारीख भूल जाना. "वर्तमान" के लिए पूछना और पुराना नंबर प्राप्त करना।
• गोपनीय/बाज़ार-संवेदनशील डेटा को टूल में अंधाधुंध चिपकाना। एक गोपनीयता उल्लंघन जिसे हम अगली इकाई में देखेंगे।
• मैन्युअल गणना चरण को छोड़ें. व्युत्पन्न संख्या को बिल्कुल भी जाँचे बिना उपयोग करना।

संक्षेप में

कृत्रिम बुद्धिमत्ता एक शक्तिशाली सहायक है जो अर्थशास्त्री के यांत्रिक बोझ को काफी कम कर देती है; लेकिन पूर्वानुमान, नीति और आधिकारिक आंकड़ों की जिम्मेदारी मनुष्य की ही रहती है। कार्यों को हरे-पीले-लाल बक्सों में क्रमबद्ध करें, एआई की तीन मूलभूत सीमाओं (निर्माण, डेटा कटऑफ तिथि, कारणता अंधापन) को ध्यान में रखें, और प्रत्येक आउटपुट को स्रोत-खाता-फ़िल्टर अनुशासन के माध्यम से पास करें। ये तीन चरण बाकी मॉड्यूल के लिए सुरक्षा बेल्ट हैं।

आवेदन कार्य

अपनी नौकरी से एक वास्तविक सप्ताह चुनें और उस सप्ताह किए गए 10 आर्थिक कार्यों की सूची बनाएं (उदाहरण के लिए "मुद्रास्फीति डेटा की व्याख्या करें", "एक प्रांतीय निर्यात तालिका तैयार करें", "एक रिपोर्ट सारांश तैयार करें")। प्रत्येक कार्य को हरा/पीला/लाल के रूप में वर्गीकृत करें। फिर हरे बॉक्स में एक कार्य का चयन करें और एआई को ऊपर दिए गए टेम्प्लेट 1 और 3 का उपयोग करके ऐसा करने को कहें, और स्रोत-खाता-फ़िल्टर के साथ आउटपुट का निरीक्षण करें और आपको मिलने वाली कम से कम एक त्रुटि को नोट करें।

चेकलिस्ट

• [ ] मैंने कार्य को हरे/पीले/लाल बॉक्स में सही ढंग से रखा है।
• [ ] मैंने मुख्य आधिकारिक स्रोत से कृत्रिम बुद्धिमत्ता द्वारा दिए गए प्रत्येक नंबर की पुष्टि की।
• [ ] मैंने हाथ से कम से कम एक व्युत्पन्न संख्या की पुनर्गणना की।
• [ ] मैंने आर्थिक सामान्य ज्ञान (चिह्न, परिमाण, इकाई) के माध्यम से परिणाम को फ़िल्टर किया।
• [ ] मैंने डेटा कटऑफ़ तिथि और नवीनतम जोखिम की जाँच की।
• [ ] मैंने गोपनीय/संवेदनशील डेटा का उपयोग नहीं किया या सुरक्षित/अनुमोदित टूल का उपयोग नहीं किया।
• [ ] मैंने आउटपुट के स्वामित्व का दावा किया है, यह सुनिश्चित करते हुए कि मेरे पास अंतिम निर्णय और हस्ताक्षर हैं।