ਸਾਹਿਤ ਸਮੀਖਿਆ ਅਤੇ ਗਿਆਨ ਸੰਸ਼ਲੇਸ਼ਣ: ਆਰ.ਏ.ਜੀ., ਪ੍ਰਣਾਲੀਗਤ ਸੰਕਲਨ ਅਤੇ ਪਰਿਕਲਪਨਾ ਜਨਰੇਸ਼ਨ

ਲਾਭ:

• ਇਹ ਸਮਝਣ ਦੀ ਯੋਗਤਾ ਕਿ ਸਾਦੇ ਚੈਟ ਟੂਲ ਜਾਅਲੀ ਹਵਾਲੇ ਪੈਦਾ ਕਰਦੇ ਹਨ ਅਤੇ ਅਸਲ ਡੇਟਾਬੇਸ ਵਿੱਚ ਹਰੇਕ ਸਰੋਤ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਦੇ ਅਨੁਸ਼ਾਸਨ ਨੂੰ ਲਾਗੂ ਕਰਦੇ ਹਨ।
• RAG (ਸਰੋਤ ਨਿਰਭਰ ਪੀੜ੍ਹੀ) ਪਹੁੰਚ ਨਾਲ ਸਾਹਿਤ ਸੰਸ਼ਲੇਸ਼ਣ ਨੂੰ ਅਸਲ ਦਸਤਾਵੇਜ਼ਾਂ ਨਾਲ ਜੋੜ ਕੇ ਭਰਮ ਨੂੰ ਘਟਾਉਣ ਦੀ ਸਮਰੱਥਾ
• ਯੋਜਨਾਬੱਧ ਸਮੀਖਿਆ ਵਿੱਚ ਸ਼ੁਰੂਆਤੀ ਸਕ੍ਰੀਨਿੰਗ ਲਈ ਨਕਲੀ ਬੁੱਧੀ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅਤੇ ਅੰਤਮ ਫੈਸਲੇ ਅਤੇ ਪਾਰਦਰਸ਼ਤਾ ਨੂੰ ਮਨੁੱਖਾਂ ਦੇ ਹੱਥਾਂ ਵਿੱਚ ਰੱਖ ਕੇ ਸਬੂਤ ਦੀ ਬਜਾਏ ਅਨੁਮਾਨਾਂ ਦੀ ਸ਼ੁਰੂਆਤ ਵਜੋਂ ਵਿਆਖਿਆ ਕਰਨ ਦੀ ਯੋਗਤਾ

ਬਾਇਓਇੰਜੀਨੀਅਰਿੰਗ ਵਿੱਚ ਗਿਆਨ ਦਾ ਵਿਸਫੋਟ ਇੱਕ ਅਸਲ ਸਮੱਸਿਆ ਹੈ: ਹਰ ਸਾਲ ਸੈਂਕੜੇ ਹਜ਼ਾਰਾਂ ਲੇਖ ਪ੍ਰਕਾਸ਼ਿਤ ਹੁੰਦੇ ਹਨ, ਇੱਕ ਸਿੰਗਲ ਵਿਸ਼ੇ 'ਤੇ ਹਜ਼ਾਰਾਂ ਅਧਿਐਨਾਂ ਨੂੰ ਇਕੱਠਾ ਕਰਦੇ ਹਨ। ਇੱਕ ਪਰਿਕਲਪਨਾ ਸਥਾਪਤ ਕਰਨ, ਇੱਕ ਢੰਗ ਚੁਣਨ, ਜਾਂ ਨਤੀਜੇ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ, ਇੱਕ ਇੰਜੀਨੀਅਰ ਨੂੰ ਸੰਬੰਧਿਤ ਸਾਹਿਤ ਨੂੰ ਸਕੈਨ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ; ਪਰ ਇਸ ਵਿੱਚ ਹੱਥੀਂ ਹਫ਼ਤੇ ਲੱਗ ਜਾਂਦੇ ਹਨ। AI ਉਹਨਾਂ ਖੇਤਰਾਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ ਜਿੱਥੇ ਇਹ ਸਾਹਿਤ ਸਮੀਖਿਆ, ਸੰਖੇਪ ਅਤੇ ਜਾਣਕਾਰੀ ਸੰਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਧ ਸਮਾਂ ਬਚਾਉਂਦਾ ਹੈ। ਪਰ ਇਹ ਭੁਲੇਖੇ ਦਾ ਸਭ ਤੋਂ ਖ਼ਤਰਨਾਕ ਸਰੋਤ ਵੀ ਹੈ: AI ਗੈਰ-ਮੌਜੂਦ ਲੇਖ, ਮਨਘੜਤ DOI, ਅਤੇ ਜਾਅਲੀ ਖੋਜਾਂ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ। ਇਸ ਯੂਨਿਟ ਦਾ ਮੁੱਖ ਸਬਕ ਸਾਹਿਤ ਵਿੱਚ AI ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਸਮੇਂ ਹਰ ਦਾਅਵੇ ਨੂੰ ਮੂਲ ਸਰੋਤ ਨਾਲ ਜੋੜਨ ਦਾ ਅਨੁਸ਼ਾਸਨ ਹੈ।

ਇਸ ਯੂਨਿਟ ਵਿੱਚ, ਤੁਸੀਂ ਸਿੱਖੋਗੇ ਕਿ ਸੁਰੱਖਿਅਤ ਸਾਹਿਤ ਸਮੀਖਿਆ ਵਿੱਚ AI ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕਰਨੀ ਹੈ, ਕਿਉਂ RAG (Retrieval-Augmented Generation — AI ਅਸਲ ਦਸਤਾਵੇਜ਼ ਡੇਟਾਬੇਸ ਤੋਂ ਜਵਾਬ ਲੱਭਦਾ ਅਤੇ ਪੈਦਾ ਕਰਦਾ ਹੈ, ਨਾ ਕਿ ਇਸਦੀ ਮੈਮੋਰੀ ਤੋਂ) ਪਹੁੰਚ ਵਧੇਰੇ ਭਰੋਸੇਮੰਦ, ਵਿਵਸਥਿਤ ਸਮੀਖਿਆ ਸਮਰਥਨ ਅਤੇ ਪਰਿਕਲਪਨਾ ਪੈਦਾ ਕਰਨ ਵਾਲੀ ਹੈ।

ਪਲੇਨ ਚੈਟ ਟੂਲ ਖ਼ਤਰਨਾਕ ਕਿਉਂ ਹੈ?

ਜਦੋਂ ਤੁਸੀਂ ਕਿਸੇ ਭਾਸ਼ਾ ਮਾਡਲ ਨੂੰ "ਇਸ ਬਾਰੇ ਲੇਖਾਂ ਨੂੰ ਲੱਭਣ ਲਈ ਕਹਿੰਦੇ ਹੋ ਇਸਦਾ ਮਤਲਬ ਹੈ ਤਰਲ ਪਰ ਬਣਾਏ ਗਏ ਹਵਾਲੇ: ਲੇਖਕ ਦੇ ਨਾਮ, ਰਸਾਲੇ, ਸਾਲ, ਅਤੇ DOI ਜਿਵੇਂ ਕਿ ਉਹ ਅਸਲ ਸਨ। ਇਸ ਲਈ, ਸਾਹਿਤ ਸਮੀਖਿਆ ਵਿੱਚ ਕਦੇ ਵੀ ਦੋ ਨਿਯਮਾਂ ਦੀ ਉਲੰਘਣਾ ਨਾ ਕਰੋ: (1) ਅਸਲ ਡੇਟਾਬੇਸ ਵਿੱਚ ਹਰੇਕ ਸੰਦਰਭ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ (PubMed, Google Scholar, ਜਰਨਲ ਪੇਜ), (2) ਜੇਕਰ ਸੰਭਵ ਹੋਵੇ ਤਾਂ ਆਰਏਜੀ ਟੂਲ ਦੀ ਵਰਤੋਂ ਕਰੋ, (2) ਜੇ ਸੰਭਵ ਹੋਵੇ ਤਾਂ ਲੇਖ ਨਾਲ ਲਿੰਕ ਕੀਤਾ ਗਿਆ ਹੋਵੇ। Elicit, Consensus, Site).

ਸਾਵਧਾਨ: ਇੱਕ AI ਤੋਂ ਇੱਕ ਪ੍ਰਸੰਸਾ ਪੱਤਰ ਅਸਲੀ ਦਿਖਾਈ ਦੇ ਸਕਦਾ ਹੈ — ਸਹੀ ਫਾਰਮੈਟ ਵਿੱਚ, ਜਾਣੇ-ਪਛਾਣੇ ਜਰਨਲ, ਵਾਜਬ ਸਾਲ ਵਿੱਚ। ਇਸਦਾ ਮਤਲਬ ਇਹ ਨਹੀਂ ਹੈ ਕਿ ਇਹ ਮੌਜੂਦ ਹੈ। ਕਿਸੇ ਲੇਖ ਨੂੰ ਉਦੋਂ ਹੀ ਮੌਜੂਦ ਸਮਝੋ ਜਦੋਂ ਤੁਸੀਂ ਇਸਨੂੰ PubMed/DOI ਵਿੱਚ ਲੱਭਦੇ ਅਤੇ ਖੋਲ੍ਹਦੇ ਹੋ। ਤੁਹਾਡੇ ਪ੍ਰਕਾਸ਼ਨ ਵਿੱਚ ਇੱਕ ਮਨਘੜਤ ਹਵਾਲਾ ਸ਼ਾਮਲ ਕਰਨਾ ਇੱਕ ਗਲਤੀ ਹੈ ਜੋ ਤੁਹਾਡੀ ਵਿਗਿਆਨਕ ਪ੍ਰਤਿਸ਼ਠਾ ਨੂੰ ਤਬਾਹ ਕਰ ਸਕਦੀ ਹੈ।

RAG: ਸਰੋਤ-ਨਿਰਭਰ ਉਤਪਾਦਨ

RAG ਪਹੁੰਚ ਵਿੱਚ, AI ਪਹਿਲਾਂ ਇੱਕ ਅਸਲ ਦਸਤਾਵੇਜ਼ ਭੰਡਾਰ (ਜਾਂ ਤਾਂ ਤੁਹਾਡੇ ਦੁਆਰਾ ਅੱਪਲੋਡ ਕੀਤੇ ਗਏ PDF ਜਾਂ ਵਿਗਿਆਨਕ ਡੇਟਾਬੇਸ) ਤੋਂ ਸੰਬੰਧਿਤ ਅੰਸ਼ਾਂ ਨੂੰ ਲੱਭਦਾ ਹੈ, ਫਿਰ ਉਹਨਾਂ ਹਵਾਲੇ ਅਤੇ ਸਰੋਤ ਵੱਲ ਪੁਆਇੰਟਾਂ ਦੇ ਅਧਾਰ ਤੇ ਜਵਾਬ ਤਿਆਰ ਕਰਦਾ ਹੈ। ਇਹ ਭੁਲੇਖੇ ਨੂੰ ਬਹੁਤ ਘਟਾਉਂਦਾ ਹੈ ਕਿਉਂਕਿ ਮਾਡਲ ਨੂੰ "ਕਲਪਨਾ" ਦੀ ਬਜਾਏ "ਕੋਟ" ਕਰਨਾ ਪੈਂਦਾ ਹੈ। ਆਪਣੀ ਖੁਦ ਦੀ PDF ਲਾਇਬ੍ਰੇਰੀ ਨੂੰ ਇੱਕ RAG ਟੂਲ ਨੂੰ ਦੇਣਾ ਅਤੇ "ਇਹ 40 ਲੇਖ ਇਸ ਬਾਰੇ ਕੀ ਕਹਿੰਦੇ ਹਨ" ਪੁੱਛਣਾ ਸਿੱਧੀ ਗੱਲਬਾਤ ਨਾਲੋਂ ਬਹੁਤ ਜ਼ਿਆਦਾ ਭਰੋਸੇਯੋਗ ਹੈ; ਹਾਲਾਂਕਿ, ਅਸਲ ਲੇਖ ਵਿੱਚ ਹਰੇਕ ਹਵਾਲੇ ਦੇ ਬੀਤਣ ਨੂੰ ਦੇਖੋ।

ਸੁਝਾਅ: ਭਾਵੇਂ RAG ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ "ਸਰੋਤ ਦਾ ਹਵਾਲਾ ਦਿਓ ਅਤੇ ਮੇਰੇ ਦੁਆਰਾ ਪ੍ਰਦਾਨ ਕੀਤੇ ਗਏ ਦਸਤਾਵੇਜ਼ਾਂ ਤੋਂ ਜਵਾਬ ਦਿਓ, ਗੈਰ-ਦਸਤਾਵੇਜ਼ ਜਾਣਕਾਰੀ ਸ਼ਾਮਲ ਨਾ ਕਰੋ"। ਫਿਰ ਅਸਲ ਦਸਤਾਵੇਜ਼ ਵਿੱਚ ਮਾਡਲ ਪੁਆਇੰਟਸ ਨੂੰ ਲੱਭੋ। ਇਹ ਦੋ ਕਦਮ ਤੁਹਾਡੇ ਸੰਸਲੇਸ਼ਣ ਨੂੰ ਬਚਾਅ ਯੋਗ ਬਣਾਉਂਦੇ ਹਨ।

ਵਿਵਸਥਿਤ ਸਮੀਖਿਆ ਅਤੇ ਅਨੁਮਾਨ ਪੈਦਾ ਕਰਨਾ

ਇੱਕ ਵਿਵਸਥਿਤ ਸਮੀਖਿਆ - ਇੱਕ ਪਾਰਦਰਸ਼ੀ ਅਤੇ ਪੁਨਰ-ਉਤਪਾਦਨ ਯੋਗ ਵਿਧੀ ਵਿੱਚ ਸਾਰੇ ਸੰਬੰਧਿਤ ਸਾਹਿਤ ਨੂੰ ਸਕੈਨ ਕਰਕੇ ਇੱਕ ਖਾਸ ਸਵਾਲ ਦਾ ਜਵਾਬ ਦੇਣ ਲਈ - ਉੱਚ ਵਿਧੀ ਸੰਬੰਧੀ ਕਠੋਰਤਾ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ: ਖੋਜ ਰਣਨੀਤੀ, ਸ਼ਾਮਲ / ਬੇਦਖਲੀ ਮਾਪਦੰਡ, ਡੇਟਾ ਐਕਸਟਰੈਕਸ਼ਨ। AI ਇਸ ਪ੍ਰਕਿਰਿਆ ਦੇ ਮਕੈਨੀਕਲ ਹਿੱਸਿਆਂ (ਐਬਸਟਰੈਕਟ ਸਕ੍ਰੀਨਿੰਗ, ਸ਼ੁਰੂਆਤੀ ਸਕ੍ਰੀਨਿੰਗ, ਡੇਟਾ ਐਕਸਟਰੈਕਸ਼ਨ ਡਰਾਫਟ) ਨੂੰ ਤੇਜ਼ ਕਰਦਾ ਹੈ, ਪਰ ਹਰੇਕ ਫੈਸਲੇ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਅਤੇ ਪਾਰਦਰਸ਼ਤਾ (ਚਾਹੇ ਪੇਪਰ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨਾ ਜਾਂ ਬਾਹਰ ਕਰਨਾ) ਖੋਜਕਰਤਾ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ। AI ਸਾਹਿਤ ਵਿਚਲੇ ਪਾੜੇ ਨੂੰ ਦਰਸਾ ਕੇ ਪਰਿਕਲਪਨਾ ਦੀ ਪੀੜ੍ਹੀ ਨੂੰ ਵੀ ਪ੍ਰੇਰਿਤ ਕਰਦਾ ਹੈ; ਪਰ ਇਹ ਜੋ ਅਨੁਮਾਨ ਪੈਦਾ ਕਰਦਾ ਹੈ ਉਹ ਇੱਕ ਸ਼ੁਰੂਆਤੀ ਬਿੰਦੂ ਹੈ, ਸਬੂਤ ਨਹੀਂ।

ਤਿੰਨ ਛੋਟੇ ਕੇਸ

ਕੇਸ 1 - ਸਕੈਨਿੰਗ ਦੀ ਗਤੀ 10 ਗੁਣਾ ਵਧ ਗਈ। ਇੱਕ ਸਮੀਖਿਆ ਟੀਮ ਨੂੰ 1,850 ਲੇਖਾਂ ਦੇ ਐਬਸਟਰੈਕਟਾਂ ਵਿੱਚੋਂ ਦੀ ਜਾਂਚ ਕਰਨੀ ਪਈ। ਇੱਕ RAG-ਅਧਾਰਿਤ ਟੂਲ ਦੇ ਨਾਲ, ਸ਼ਾਮਿਲ/ਬੇਦਖਲੀ ਪੂਰਵ-ਯੋਗਤਾ 3 ਦਿਨਾਂ ਤੋਂ 5 ਘੰਟੇ ਤੱਕ ਚਲੀ ਗਈ। ਪਰ ਦੋ ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ 120 ਲੇਖਾਂ ਦੀ ਜਾਂਚ ਕੀਤੀ ਜਿਨ੍ਹਾਂ ਨੂੰ AI ਨੇ "ਬਾਹਰ" ਸਮਝਿਆ ਸੀ ਅਤੇ 9 ਝੂਠੇ ਖਾਤਮੇ ਮੁੜ ਪ੍ਰਾਪਤ ਕੀਤੇ ਸਨ; AI ਨੇ ਚੋਣ ਕੀਤੀ, ਮਨੁੱਖ ਨੇ ਅੰਤਿਮ ਫੈਸਲਾ ਲਿਆ।

ਕੇਸ 2 - ਮਨਘੜਤ ਹਵਾਲਾ ਫੜਿਆ ਗਿਆ। ਇੱਕ ਪੀਐਚਡੀ ਵਿਦਿਆਰਥੀ ਨੇ ਆਪਣੀ ਥੀਸਿਸ ਐਂਟਰੀ ਲਈ YZ ਨੂੰ 15 ਹਵਾਲਿਆਂ ਲਈ ਕਿਹਾ। ਜਦੋਂ ਉਸਨੇ PubMed 'ਤੇ ਜਾਂਚ ਕੀਤੀ, ਤਾਂ ਉਸਨੇ ਪਾਇਆ ਕਿ ਉਨ੍ਹਾਂ ਵਿੱਚੋਂ 6 ਬਿਲਕੁਲ ਮੌਜੂਦ ਨਹੀਂ ਸਨ ਅਤੇ 3 ਗਲਤ ਲੇਖਕ ਨੂੰ ਦਿੱਤੇ ਗਏ ਸਨ। ਸਾਦੇ ਚੈਟ ਟੂਲ ਨੇ ਇੱਕ ਯਥਾਰਥਵਾਦੀ ਪਰ ਨਕਲੀ ਪੁਸਤਕ ਸੂਚੀ ਤਿਆਰ ਕੀਤੀ ਹੈ। ਪੁਸ਼ਟੀਕਰਨ ਨੇ ਇੱਕ ਅਕਾਦਮਿਕ ਤਬਾਹੀ ਨੂੰ ਟਾਲ ਦਿੱਤਾ।

ਕੇਸ 3 - ਕਲਪਨਾ ਦੀ ਪ੍ਰੇਰਣਾ। ਇੱਕ ਮੈਟਾਬੋਲਿਕ ਇੰਜਨੀਅਰਿੰਗ ਟੀਮ ਨੇ AI ਨੂੰ 60 ਪੇਪਰਾਂ ਦਾ ਇੱਕ ਕਾਰਪਸ ਦਿੱਤਾ ਅਤੇ ਪੁੱਛਿਆ ਕਿ "ਕਿਹੜੇ ਮਾਰਗਾਂ ਦਾ ਅਧਿਐਨ ਕੀਤਾ ਗਿਆ ਹੈ?" ਏਆਈ ਨੇ ਇੱਕ ਅਣਟੈਸਟਡ ਐਨਜ਼ਾਈਮ ਮਿਸ਼ਰਨ ਵੱਲ ਇਸ਼ਾਰਾ ਕੀਤਾ. ਟੀਮ ਨੇ ਇਸਨੂੰ ਇੱਕ ਪਰਿਕਲਪਨਾ ਦੇ ਰੂਪ ਵਿੱਚ ਲਿਆ, ਇਸਨੂੰ ਸਾਹਿਤ ਵਿੱਚ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ, ਅਤੇ ਇੱਕ ਪ੍ਰਯੋਗ ਤਿਆਰ ਕੀਤਾ; ਆਖਰਕਾਰ, ਉਹ ਇੱਕ ਅਸਲੀ ਖੋਜ ਦੇ ਨਾਲ ਆਏ ਜੋ ਉਤਪਾਦਕਤਾ ਵਿੱਚ ਵਾਧਾ ਹੋਇਆ. ਪ੍ਰੇਰਨਾ AI ਤੋਂ ਆਈ, ਪ੍ਰਯੋਗ ਤੋਂ ਸਬੂਤ ਆਇਆ।

ਚਾਰ ਕਾਪੀ ਕਰਨ ਯੋਗ ਟੈਂਪਲੇਟ

1) ਸਰੋਤ-ਸਬੰਧਤ ਸਾਹਿਤ ਸੰਸ਼ਲੇਸ਼ਣ (RAG):

ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਵਿਗਿਆਨਕ ਸਮੀਖਿਆ ਸਹਾਇਕ। ਮੇਰੇ ਵੱਲੋਂ ਅੱਪਲੋਡ ਕੀਤੇ ਗਏ ਦਸਤਾਵੇਜ਼ਾਂ ਤੋਂ ਹੀ ਜਵਾਬ ਦਿਓ; ਕੋਈ ਵਾਧੂ-ਦਸਤਾਵੇਜ਼ ਜਾਣਕਾਰੀ ਨਾ ਜੋੜੋ। ਹਰੇਕ ਦਾਅਵੇ ਲਈ, ਸਰੋਤ ਦਸਤਾਵੇਜ਼ ਦਾ ਨਾਮ ਅਤੇ ਸੰਬੰਧਿਤ ਬੀਤਣ ਦਿਓ। ਇੱਕ ਸਵਾਲ ਜਿਸਦਾ ਜਵਾਬ ਦਸਤਾਵੇਜ਼ਾਂ ਵਿੱਚ ਨਹੀਂ ਹੈ, ਕਹੋ "ਇਹ ਦਸਤਾਵੇਜ਼ਾਂ ਵਿੱਚ ਨਹੀਂ ਹੈ"। ਹਵਾਲਾ, DOI, ਜਾਂ ਫਿਟਿੰਗ ਲੱਭਣਾ। ਸਵਾਲ: [ਸਵਾਲ]

2) ਹਵਾਲਾ ਤਸਦੀਕ ਅਨੁਸ਼ਾਸਨ:

ਮੈਂ ਤੁਹਾਨੂੰ ਇੱਕ ਵਿਸ਼ਾ ਦੇਵਾਂਗਾ। ਸੰਭਾਵੀ ਕੀਵਰਡ ਅਤੇ ਖੋਜ ਰਣਨੀਤੀ (ਪਬਮੇਡ ਸਿੰਟੈਕਸ ਦੇ ਨਾਲ) ਦਾ ਸੁਝਾਅ ਦਿਓ। ਪਰ ਤੁਹਾਡੀ ਲੇਖ ਸੂਚੀ ਨਕਲੀ ਹੈ; ਮੈਂ ਖੁਦ ਕਾਲ ਕਰਾਂਗਾ। ਮੈਨੂੰ ਦੱਸੋ ਕਿ ਇਸਦੀ ਬਜਾਏ ਮੈਨੂੰ ਕਿਹੜੇ ਸ਼ਰਤਾਂ, ਫਿਲਟਰਾਂ ਅਤੇ ਸਮਾਵੇਸ਼/ਬੇਦਖਲੀ ਮਾਪਦੰਡਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ।

3) ਪ੍ਰਣਾਲੀਗਤ ਸੰਕਲਨ ਖਾਤਮੇ ਲਈ ਸਹਾਇਤਾ:

ਮੈਂ ਤੁਹਾਨੂੰ ਲੇਖ ਦਾ ਸਿਰਲੇਖ + ਸੰਖੇਪ ਦੇਵਾਂਗਾ। ਹੇਠਾਂ ਦਿੱਤੇ ਸੰਮਿਲਨ ਮਾਪਦੰਡਾਂ (ਸ਼ਾਮਲ ਕਰੋ: [ਮਾਪਦੰਡ]) ਦੇ ਆਧਾਰ 'ਤੇ ਹਰੇਕ ਲਈ ਸ਼ਾਮਲ/ਬਾਹਰ ਕੱਢਣ/ਅਸਪਸ਼ਟ ਕਰਨ ਦਾ ਸੁਝਾਅ ਦਿਓ ਅਤੇ ਆਪਣਾ ਤਰਕ ਲਿਖੋ। ਮੈਂ ਹੱਥੀਂ "ਅਨਿਸ਼ਚਿਤ" ਲੋਕਾਂ ਦੀ ਸਮੀਖਿਆ ਕਰਾਂਗਾ। ਨੋਟ ਕਰੋ ਕਿ ਫੈਸਲਾ ਸ਼ੁਰੂਆਤੀ ਹੈ, ਅੰਤਿਮ ਨਹੀਂ; ਕਿਸੇ ਵੀ ਲੇਖ ਨੂੰ ਬਿਨਾਂ ਕਿਸੇ ਤਰਕ ਦੇ ਖ਼ਤਮ ਨਾ ਕਰੋ।

4) ਕਲਪਨਾ ਪੈਦਾ ਕਰਨਾ (ਧਿਆਨ ਨਾਲ):

ਮੈਂ ਤੁਹਾਨੂੰ ਕਿਸੇ ਵਿਸ਼ੇ 'ਤੇ ਖੋਜਾਂ ਦਾ ਸਾਰ ਦੇਵਾਂਗਾ। ਮੈਨੂੰ ਸਾਹਿਤ ਵਿੱਚ GAPS ਦੇ ਅਧਾਰ ਤੇ 3 ਪਰੀਖਣਯੋਗ ਪਰਿਕਲਪਨਾ ਦਾ ਸੁਝਾਅ ਦਿਓ ਅਤੇ ਬਿਨਾਂ ਜਾਂਚ ਕੀਤੇ ਸੰਜੋਗ। ਹਰੇਕ ਪਰਿਕਲਪਨਾ ਲਈ: ਆਧਾਰ ਦੱਸੋ, ਇਹ ਕਿਵੇਂ ਟੈਸਟ ਕੀਤਾ ਜਾਵੇਗਾ, ਅਤੇ ਇਹ ਕਿ ਇਹ ਇੱਕ START ਹੈ, ਸਬੂਤ ਨਹੀਂ। ਗੈਰ-ਮੌਜੂਦ ਸਬੂਤਾਂ 'ਤੇ ਭਰੋਸਾ ਨਾ ਕਰੋ।

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:

CRISPR ਨਾਲ ਐਨਜ਼ਾਈਮ ਇੰਜੀਨੀਅਰਿੰਗ ਬਾਰੇ ਮੇਰੇ ਲਈ 10 ਲੇਖ ਲੱਭੋ ਅਤੇ ਸੰਖੇਪ ਕਰੋ।

ਮਾਡਲ ਅਸਲ ਖੋਜਾਂ ਨਹੀਂ ਕਰਦਾ; ਸੰਭਾਵਤ ਤੌਰ 'ਤੇ ਜਾਅਲੀ ਹਵਾਲੇ ਤਿਆਰ ਕਰੇਗਾ।

ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:

ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਬਿਲਡ ਅਸਿਸਟੈਂਟ। ਮੇਰੇ ਵੱਲੋਂ ਅੱਪਲੋਡ ਕੀਤੇ ਗਏ ਸਿਰਫ਼ 12 PDFs ਦੇ ਆਧਾਰ 'ਤੇ, ਮੈਂ "CRISPR- ਆਧਾਰਿਤ ਐਂਜ਼ਾਈਮ ਇੰਜਨੀਅਰਿੰਗ" ਦੇ ਵਿਸ਼ੇ 'ਤੇ ਮੁੱਖ ਖੋਜਾਂ ਦਾ ਸੰਸ਼ਲੇਸ਼ਣ ਕਰਦਾ ਹਾਂ। ਹਰੇਕ ਖੋਜ ਲਈ, ਦਿਖਾਓ ਕਿ ਇਹ ਕਿਸ PDF ਤੋਂ ਆਈ ਹੈ ਅਤੇ ਪੂਰਾ ਬੀਤਣ। ਕੋਈ ਵੀ ਅਧਿਐਨ, DOI, ਜਾਂ ਨਤੀਜੇ ਨਾ ਜੋੜੋ ਜੋ PDF ਵਿੱਚ ਨਹੀਂ ਹਨ। ਕਿਸੇ ਵੀ ਉਪ-ਵਿਸ਼ੇ 'ਤੇ ਨਿਸ਼ਾਨ ਲਗਾਓ ਜੋ "ਇਹਨਾਂ ਦਸਤਾਵੇਜ਼ਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਨਹੀਂ" ਵਜੋਂ ਕਵਰ ਨਹੀਂ ਕੀਤੇ ਗਏ ਹਨ।

ਅੰਤਰ: ਅਸਲ ਦਸਤਾਵੇਜ਼ਾਂ ਨਾਲ ਲਿੰਕ ਕਰਨਾ, ਸਰੋਤ + ਬੀਤਣ ਦੀ ਜ਼ਰੂਰਤ, ਮਨਘੜਤ 'ਤੇ ਪਾਬੰਦੀ, ਅਤੇ ਦਾਇਰੇ ਦੀ ਇਮਾਨਦਾਰੀ।

ਸਾਹਿਤ ਕਾਰਜ ਅਤੇ ਭਰੋਸੇਯੋਗ ਪਹੁੰਚ

ਖੋਜ

ਖਤਰਨਾਕ ਸੜਕ

ਸੁਰੱਖਿਅਤ ਤਰੀਕਾ

ਤਸਦੀਕ

ਇੱਕ ਲੇਖ ਲੱਭੋ

ਚੈਟ ਨੂੰ "ਲੱਭੋ" ਕਹਿਣਾ

PubMed + RAG ਟੂਲ

DOI ਵਿੱਚ ਪੁਸ਼ਟੀ

ਸੰਖੇਪ

ਦਸਤਾਵੇਜ਼ਾਂ ਤੋਂ ਬਿਨਾਂ ਸੰਖੇਪ

ਲੋਡ ਕੀਤੀ PDF ਤੋਂ ਸੰਖੇਪ

ਅਸਲ ਬੀਤਣ ਵੇਖੋ

ਖਾਤਮਾ

AI ਵਿੱਚ ਅੰਨ੍ਹਾ ਭਰੋਸਾ

AI ਪੂਰਵ-ਯੋਗਤਾ + ਮਨੁੱਖੀ

ਦੂਜਾ ਸਮੀਖਿਅਕ

ਸੰਸਲੇਸ਼ਣ

ਮੁਫ਼ਤ ਉਤਪਾਦਨ

ਸਰੋਤ ਨਿਰਭਰ ਸੰਸਲੇਸ਼ਣ

ਹਵਾਲਾ ਚੈੱਕ

ਪਰਿਕਲਪਨਾ

ਇਸ ਨੂੰ "ਸਬੂਤ" ਲਈ ਗਲਤ ਸਮਝਣਾ

ਸ਼ੁਰੂਆਤੀ ਬਿੰਦੂ

ਪ੍ਰਯੋਗਾਤਮਕ ਟੈਸਟ

ਆਮ ਗਲਤੀਆਂ

• ਹਵਾਲਿਆਂ ਦੀ ਪੁਸ਼ਟੀ ਨਹੀਂ ਕੀਤੀ ਜਾ ਰਹੀ। AI ਯਥਾਰਥਵਾਦੀ ਪਰ ਨਕਲੀ ਸਰੋਤ ਪੈਦਾ ਕਰਦਾ ਹੈ; ਹਰੇਕ ਨੂੰ ਡੇਟਾਬੇਸ ਵਿੱਚ ਦਿਖਾਈ ਦੇਣਾ ਚਾਹੀਦਾ ਹੈ।
• ਇੱਕ ਕਾਲ ਲਈ ਸਧਾਰਨ ਚੈਟ ਨੂੰ ਗਲਤੀ. ਮਾਡਲ ਮੈਮੋਰੀ ਤੋਂ ਤਿਆਰ ਕਰਦਾ ਹੈ; ਅਸਲ ਖੋਜ ਲਈ RAG/ਡਾਟਾਬੇਸ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।
• ਖਤਮ ਕਰਨ ਦੇ ਫੈਸਲੇ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸੌਂਪਣਾ. ਗਲਤ ਖਾਤਮਾ ਸੰਕਲਨ ਨੂੰ ਤੋੜ ਦੇਵੇਗਾ; ਦੂਜਾ ਸਮੀਖਿਅਕ ਲੋੜੀਂਦਾ ਹੈ।
• ਸਬੂਤ ਲਈ ਇੱਕ ਅਨੁਮਾਨ ਨੂੰ ਗਲਤ ਕਰਨਾ. AI ਦੁਆਰਾ ਉਤਪੰਨ ਪਰਿਕਲਪਨਾ ਤਜਰਬੇ ਦੁਆਰਾ ਜਾਂਚ ਕੀਤੇ ਜਾਣ ਤੱਕ ਅਨੁਮਾਨ ਹੈ।
• ਦਾਇਰਾ ਵਧਾ ਰਿਹਾ ਹੈ। AI ਇਹ ਪ੍ਰਭਾਵ ਦੇ ਸਕਦਾ ਹੈ ਕਿ "ਮੈਂ ਸਭ ਕੁਝ ਸਕੈਨ ਕੀਤਾ"; ਤੁਸੀਂ ਅਸਲ ਦਾਇਰੇ ਦਾ ਦਸਤਾਵੇਜ਼ ਬਣਾਉਂਦੇ ਹੋ।

ਸਾਰੰਸ਼ ਵਿੱਚ

ਸਾਹਿਤ ਸਮੀਖਿਆ ਉਹ ਖੇਤਰ ਹੈ ਜਿੱਥੇ AI ਸਭ ਤੋਂ ਵੱਧ ਸਮਾਂ ਬਚਾਉਂਦਾ ਹੈ ਪਰ ਸਭ ਤੋਂ ਵੱਧ ਭਰਮ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਪਲੇਨ ਚੈਟ ਟੂਲ ਯਥਾਰਥਵਾਦੀ ਪਰ ਜਾਅਲੀ ਪ੍ਰਸੰਸਾ ਪੱਤਰ ਪੈਦਾ ਕਰ ਸਕਦੇ ਹਨ; ਇਸ ਲਈ ਅਸਲ ਡੇਟਾਬੇਸ ਦੇ ਵਿਰੁੱਧ ਹਰੇਕ ਸਰੋਤ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ ਅਤੇ, ਜੇ ਸੰਭਵ ਹੋਵੇ, ਤਾਂ RAG-ਅਧਾਰਿਤ ਟੂਲ ਦੀ ਵਰਤੋਂ ਕਰੋ ਜੋ ਅਸਲ ਦਸਤਾਵੇਜ਼ਾਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ। ਇੱਕ ਯੋਜਨਾਬੱਧ ਸਮੀਖਿਆ ਵਿੱਚ, AI ਸ਼ੁਰੂਆਤੀ ਸਕ੍ਰੀਨਿੰਗ ਕਰਦਾ ਹੈ, ਪਰ ਅੰਤਮ ਫੈਸਲਾ ਅਤੇ ਪਾਰਦਰਸ਼ਤਾ ਖੋਜਕਰਤਾ ਨਾਲ ਸਬੰਧਤ ਹੈ। AI ਪਰਿਕਲਪਨਾ ਪੀੜ੍ਹੀ ਨੂੰ ਪ੍ਰੇਰਿਤ ਕਰਦਾ ਹੈ; ਇਹ ਪਰਿਕਲਪਨਾ ਇੱਕ ਸ਼ੁਰੂਆਤੀ ਬਿੰਦੂ ਹੈ, ਸਬੂਤ ਨਹੀਂ, ਜਦੋਂ ਤੱਕ ਪ੍ਰਯੋਗ ਦੁਆਰਾ ਪੁਸ਼ਟੀ ਨਹੀਂ ਕੀਤੀ ਜਾਂਦੀ।

ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ

ਇੱਕ ਵਿਸ਼ਾ ਚੁਣੋ ਅਤੇ AI ਨੂੰ ਦੱਸੋ (ਇੱਕ ਸਧਾਰਨ ਚੈਟ ਟੂਲ ਦੁਆਰਾ) "ਇਸ ਵਿਸ਼ੇ 'ਤੇ 8 ਲੇਖ ਲੱਭੋ ਅਤੇ ਸੰਖੇਪ ਕਰੋ।" PubMed ਜਾਂ DOI ਦੇ ਵਿਰੁੱਧ ਦਿੱਤੇ ਹਰੇਕ ਸੰਦਰਭ ਦੀ ਇੱਕ-ਇੱਕ ਕਰਕੇ ਪੁਸ਼ਟੀ ਕਰੋ, ਅਤੇ ਗਿਣਤੀ ਕਰੋ ਕਿ ਕਿੰਨੇ ਅਸਲੀ ਹਨ। ਫਿਰ ਉਸੇ ਕੰਮ ਨੂੰ ਇੱਕ RAG ਟੂਲ ਨਾਲ ਦੁਹਰਾਓ ਜਾਂ ਕੁਝ PDF ਅਪਲੋਡ ਕਰਕੇ ਜੋ ਤੁਸੀਂ ਆਪਣੇ ਆਪ ਡਾਊਨਲੋਡ ਕੀਤੇ ਹਨ ਅਤੇ "ਸਿਰਫ਼ ਇਹਨਾਂ ਦਸਤਾਵੇਜ਼ਾਂ ਤੋਂ ਜਵਾਬ ਦਿਓ" ਹਦਾਇਤ ਦੇ ਨਾਲ। ਦੋ ਤਰੀਕਿਆਂ ਦੀ ਭਰੋਸੇਯੋਗਤਾ ਦੀ ਸੰਖੇਪ ਤੁਲਨਾ ਲਿਖੋ।

ਚੈੱਕਲਿਸਟ

• [ ] ਮੈਂ ਅਸਲ ਡੇਟਾਬੇਸ ਦੇ ਵਿਰੁੱਧ AI ਦੁਆਰਾ ਦਿੱਤੇ ਹਰ ਸੰਦਰਭ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਹੈ।
• [ ] ਮੈਂ ਸਾਹਿਤ ਸੰਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਇੱਕ ਸਰੋਤ-ਨਿਰਭਰ (RAG/ਲੋਡਡ ਦਸਤਾਵੇਜ਼) ਪਹੁੰਚ ਦੀ ਵਰਤੋਂ ਕੀਤੀ।
• [ ] ਮੈਂ ਇੱਕ ਦੂਜੇ ਸਮੀਖਿਅਕ ਨਾਲ ਸਕ੍ਰੀਨਿੰਗ ਫੈਸਲਿਆਂ ਦਾ ਆਡਿਟ ਕੀਤਾ।
• [ ] ਮੈਂ AI ਦੁਆਰਾ ਪੈਦਾ ਕੀਤੀ ਪਰਿਕਲਪਨਾ ਨੂੰ ਸਬੂਤ ਵਜੋਂ ਨਹੀਂ, ਪਰ ਜਾਂਚ ਕੀਤੇ ਜਾਣ ਦੀ ਸ਼ੁਰੂਆਤ ਵਜੋਂ ਮੰਨਿਆ।
• [ ] ਮੈਂ ਮੂਲ ਲੇਖ ਵਿੱਚ ਹਰੇਕ ਹਵਾਲੇ ਦੇ ਬੀਤਣ ਨੂੰ ਦੇਖਿਆ।
• [ ] ਮੈਂ ਇਮਾਨਦਾਰੀ ਨਾਲ ਸਕੈਨ ਦੀ ਅਸਲ ਸੀਮਾ ਅਤੇ ਸੀਮਾਵਾਂ ਦਾ ਦਸਤਾਵੇਜ਼ੀਕਰਨ ਕੀਤਾ ਹੈ।