ਲਾਭ:
- ਵਿਧੀ ਸੰਬੰਧੀ ਫੈਸਲਿਆਂ, ਪ੍ਰੋਂਪਟ ਅਤੇ ਮਾਡਲ ਜਾਣਕਾਰੀ ਨੂੰ ਰਿਕਾਰਡ ਕਰਕੇ ਖੋਜ ਨੂੰ ਖੋਜਣਯੋਗ ਬਣਾਉਣ ਦੀ ਸਮਰੱਥਾ
- ਪ੍ਰੋਸੈਸਡ ਡੇਟਾ ਤੋਂ ਕੱਚੇ ਡੇਟਾ ਨੂੰ ਵੱਖ ਕਰਨ ਅਤੇ ਸਾਰੇ ਪਰਿਵਰਤਨ ਕਦਮਾਂ ਨੂੰ ਦਸਤਾਵੇਜ਼ ਬਣਾਉਣ ਦੀ ਸਮਰੱਥਾ
- ਵਿਧੀ ਸੈਕਸ਼ਨ ਵਿੱਚ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੀ ਭੂਮਿਕਾ ਨੂੰ ਪਾਰਦਰਸ਼ੀ ਤੌਰ 'ਤੇ ਘੋਸ਼ਿਤ ਕਰਨ ਅਤੇ 'ਕੀ ਇਹ ਪ੍ਰਜਨਨਯੋਗ ਹੋ ਸਕਦਾ ਹੈ' ਟੈਸਟ ਨੂੰ ਲਾਗੂ ਕਰਨ ਦੇ ਯੋਗ ਹੋਣਾ
ਵਿਗਿਆਨ ਦੀ ਸਭ ਤੋਂ ਬੁਨਿਆਦੀ ਵਿਸ਼ੇਸ਼ਤਾ ਇਹ ਹੈ ਕਿ ਇੱਕ ਖੋਜ ਇੱਕ ਵਿਅਕਤੀ ਦੇ ਸ਼ਬਦ 'ਤੇ ਅਧਾਰਤ ਨਹੀਂ ਹੁੰਦੀ ਹੈ, ਪਰ ਇੱਕ ਪ੍ਰਕਿਰਿਆ 'ਤੇ ਅਧਾਰਤ ਹੁੰਦੀ ਹੈ ਜਿਸਦੀ ਦੂਜਿਆਂ ਦੁਆਰਾ ਪੁਸ਼ਟੀ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ। ਪ੍ਰਜਨਨਯੋਗਤਾ ਇੱਕ ਹੋਰ ਖੋਜਕਰਤਾ ਦੀ ਯੋਗਤਾ ਹੈ, ਇੱਕ ਅਧਿਐਨ ਦੇ ਡੇਟਾ ਅਤੇ ਵਿਧੀ ਨੂੰ ਲੈ ਕੇ, ਉਸੇ ਕਦਮਾਂ ਦੀ ਪਾਲਣਾ ਕਰਕੇ ਉਸੇ ਨਤੀਜੇ 'ਤੇ ਪਹੁੰਚਣ ਲਈ। ਇੱਕ ਸਮਾਨ ਸੰਕਲਪ ਪਾਰਦਰਸ਼ਤਾ ਹੈ: ਖੋਜਕਰਤਾ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਦਸਤਾਵੇਜ਼ੀ ਤੌਰ 'ਤੇ ਲਿਖਦਾ ਹੈ ਕਿ ਉਸਨੇ ਕੀ ਕੀਤਾ ਅਤੇ ਉਸਨੇ ਕਿਹੜਾ ਫੈਸਲਾ ਕਿਉਂ ਲਿਆ। ਏਆਈ ਦੇ ਯੁੱਗ ਵਿੱਚ, ਇਹ ਦੋ ਸੰਕਲਪਾਂ ਆਸਾਨ ਅਤੇ ਵਧੇਰੇ ਨਾਜ਼ੁਕ ਦੋਵੇਂ ਬਣ ਗਈਆਂ ਹਨ। ਆਸਾਨ, ਕਿਉਂਕਿ AI ਦਸਤਾਵੇਜ਼ ਪ੍ਰਕਿਰਿਆਵਾਂ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ; ਨਾਜ਼ੁਕ, ਕਿਉਂਕਿ ਜੇਕਰ ਤੁਸੀਂ AI ਦੇ ਫੈਸਲਿਆਂ ਦਾ ਕੋਈ ਨਿਸ਼ਾਨ ਨਹੀਂ ਛੱਡਦੇ, ਤਾਂ ਕੋਈ ਵੀ - ਇੱਥੋਂ ਤੱਕ ਕਿ ਤੁਸੀਂ ਵੀ ਨਹੀਂ - ਤੁਹਾਡੇ ਕੰਮ ਨੂੰ ਦੁਬਾਰਾ ਪੇਸ਼ ਨਹੀਂ ਕਰ ਸਕਦਾ ਹੈ। ਇਸ ਯੂਨਿਟ ਵਿੱਚ ਤੁਸੀਂ ਸਿੱਖੋਗੇ ਕਿ ਆਪਣੀ ਖੋਜ ਨੂੰ ਮੁੜ-ਉਤਪਾਦਨਯੋਗ ਅਤੇ ਪਾਰਦਰਸ਼ੀ ਕਿਵੇਂ ਬਣਾਇਆ ਜਾਵੇ।
ਸਮੱਸਿਆ ਦਾ ਮੁੱਖ ਕਾਰਨ ਇਹ ਹੈ: ਜਦੋਂ ਤੁਸੀਂ AI ਨਾਲ ਕੰਮ ਕਰਦੇ ਹੋ, ਤਾਂ ਤੁਸੀਂ ਬਹੁਤ ਸਾਰੇ ਛੋਟੇ ਫੈਸਲੇ ਲੈਂਦੇ ਹੋ - ਜੋ ਤੁਸੀਂ ਪ੍ਰੋਂਪਟ ਕਰਦੇ ਹੋ, ਕਿਹੜਾ ਮਾਡਲ, ਕਿਹੜੀ ਸੈਟਿੰਗ, ਤੁਸੀਂ ਕਿਹੜੀ ਆਉਟਪੁੱਟ ਸਵੀਕਾਰ ਕੀਤੀ ਸੀ ਅਤੇ ਤੁਸੀਂ ਕਿਸ ਨੂੰ ਅਸਵੀਕਾਰ ਕੀਤਾ ਸੀ। ਜੇਕਰ ਇਹ ਫੈਸਲਿਆਂ ਨੂੰ ਦਸਤਾਵੇਜ਼ੀ ਰੂਪ ਵਿੱਚ ਦਰਜ ਨਹੀਂ ਕੀਤਾ ਗਿਆ ਹੈ, ਤਾਂ ਤੁਸੀਂ ਇੱਕ ਵੱਖਰਾ ਆਉਟਪੁੱਟ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦੇ ਹੋ ਜਦੋਂ ਤੁਸੀਂ ਇੱਕ ਵੱਖਰੇ ਦਿਨ 'ਤੇ ਇੱਕੋ ਪ੍ਰੋਂਪਟ ਚਲਾਉਂਦੇ ਹੋ (ਭਾਸ਼ਾ ਦੇ ਮਾਡਲ ਹਰ ਵਾਰ ਇੱਕੋ ਜਿਹਾ ਜਵਾਬ ਨਹੀਂ ਦਿੰਦੇ ਹਨ)। ਜਦੋਂ ਇੱਕ ਸਮੀਖਿਅਕ ਜਾਂ ਸਹਿਕਰਮੀ ਪੁੱਛਦਾ ਹੈ ਕਿ "ਤੁਸੀਂ ਇਸ ਥੀਮ ਵਿਸ਼ਲੇਸ਼ਣ 'ਤੇ ਕਿਵੇਂ ਪਹੁੰਚੇ", "ਏਆਈ ਨੇ ਅਜਿਹਾ ਕਿਹਾ" ਇੱਕ ਵਿਗਿਆਨਕ ਜਵਾਬ ਨਹੀਂ ਹੈ। ਪਾਰਦਰਸ਼ਤਾ ਇਸ "ਬਲੈਕ ਬਾਕਸ" ਨੂੰ ਖੋਲ੍ਹਣ ਅਤੇ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਖੋਜਣਯੋਗ ਬਣਾਉਣ ਬਾਰੇ ਬਿਲਕੁਲ ਸਹੀ ਹੈ।
ਕਦਮ ਦਰ ਕਦਮ: ਇੱਕ ਖੋਜਣਯੋਗ ਖੋਜ ਦੀ ਸਥਾਪਨਾ ਕਰਨਾ
1. ਫੈਸਲੇ ਦੀ ਡਾਇਰੀ ਰੱਖੋ। ਹਰੇਕ ਮਹੱਤਵਪੂਰਨ ਵਿਧੀ ਸੰਬੰਧੀ ਫੈਸਲੇ — ਇਹ ਨਮੂਨਾ ਕਿਉਂ, ਇਹ ਕੋਡ ਕਿਉਂ, ਤੁਸੀਂ ਇਸ AI ਪ੍ਰਸਤਾਵ ਨੂੰ ਕਿਉਂ ਸਵੀਕਾਰ ਕੀਤਾ — ਇੱਕ ਮਿਤੀ ਜਰਨਲ ਵਿੱਚ ਲਿਖੋ। AI ਇਸ ਲੌਗ ਨੂੰ ਵਿਵਸਥਿਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ।
2. ਪ੍ਰੋਂਪਟ ਅਤੇ ਮਾਡਲ ਜਾਣਕਾਰੀ ਨੂੰ ਸੁਰੱਖਿਅਤ ਕਰੋ। ਤੁਹਾਡੇ ਦੁਆਰਾ ਵਰਤੇ ਗਏ ਹਰ ਪ੍ਰੋਂਪਟ ਦਾ ਰਿਕਾਰਡ ਰੱਖੋ, ਤੁਸੀਂ ਕਿਸ AI ਮਾਡਲ ਨੂੰ ਇਸ ਨੂੰ ਚਲਾਇਆ ਸੀ, ਅਤੇ ਕਿਸ ਮਿਤੀ ਨੂੰ। ਇਹ ਤੁਹਾਡੇ ਕੰਮ ਲਈ "ਸਮੱਗਰੀ ਸੂਚੀ" ਹੈ।
3. ਪ੍ਰੋਸੈਸਡ ਡੇਟਾ ਤੋਂ ਕੱਚੇ ਡੇਟਾ ਨੂੰ ਵੱਖ ਕਰੋ। ਅਸਲੀ ਡੇਟਾ ਨੂੰ ਬਿਨਾਂ ਕਿਸੇ ਬਦਲਾਅ ਦੇ ਰੱਖੋ; ਦਸਤਾਵੇਜ਼ੀ ਕਦਮਾਂ ਨਾਲ ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਸਾਰੇ ਪਰਿਵਰਤਨ (ਸਫਾਈ, ਏਨਕੋਡਿੰਗ) ਕਰੋ। ਇਸ ਲਈ ਹਰ ਕੋਈ ਸ਼ੁਰੂ ਤੋਂ ਦੇਖ ਸਕਦਾ ਹੈ।
4. AI ਦੀ ਭੂਮਿਕਾ ਨੂੰ ਸਪਸ਼ਟ ਰੂਪ ਵਿੱਚ ਲਿਖੋ। ਵਿਧੀ ਭਾਗ ਵਿੱਚ, ਇਮਾਨਦਾਰੀ ਨਾਲ ਦੱਸੋ ਕਿ ਕਿਹੜੇ ਕਾਰਜਾਂ ਵਿੱਚ ਅਤੇ ਤੁਸੀਂ AI ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕੀਤੀ ਹੈ। Most journals and institutions now require this.
5. ਜੇਕਰ ਸੰਭਵ ਹੋਵੇ ਤਾਂ ਡਾਟਾ ਅਤੇ ਕੋਡ ਸਾਂਝਾ ਕਰੋ। ਜਦੋਂ ਨੈਤਿਕਤਾ ਅਤੇ ਗੋਪਨੀਯਤਾ ਇਜਾਜ਼ਤ ਦਿੰਦੀ ਹੈ, ਓਪਨ ਰਿਪੋਜ਼ਟਰੀਆਂ ਵਿੱਚ ਅਗਿਆਤ ਡੇਟਾ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਕੋਡ ਨੂੰ ਸਾਂਝਾ ਕਰਨਾ ਪਾਰਦਰਸ਼ਤਾ ਦਾ ਸਿਖਰ ਹੈ।
ਸੰਕੇਤ: ਇੱਕ ਸਧਾਰਨ ਟੈਸਟ: "ਕੀ ਮੈਂ ਇਹ ਖੋਜ 6 ਮਹੀਨਿਆਂ ਵਿੱਚ ਦੁਬਾਰਾ ਕਰ ਸਕਦਾ ਹਾਂ?" ਜੇ ਤੁਸੀਂ ਆਪਣੇ ਪ੍ਰੋਂਪਟ, ਫੈਸਲਿਆਂ ਅਤੇ ਕਦਮਾਂ ਦਾ ਦਸਤਾਵੇਜ਼ ਨਹੀਂ ਬਣਾਇਆ ਹੈ, ਤਾਂ ਜਵਾਬ ਸਭ ਤੋਂ ਵੱਧ "ਨਹੀਂ" ਹੋਵੇਗਾ। ਇਸ ਨੂੰ ਆਪਣੇ ਲਈ ਉਤਪਾਦਕ ਬਣਾਓ; ਫਿਰ ਇਹ ਕਿਸੇ ਹੋਰ ਲਈ ਵੀ ਹੁੰਦਾ ਹੈ.
ਤਿੰਨ ਛੋਟੇ ਕੇਸ
Case 1 — Traceless analysis collapsed. ਇੱਕ ਖੋਜਕਰਤਾ ਨੇ AI ਨਾਲ ਇੱਕ ਥੀਮ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ ਪਰ ਰਿਕਾਰਡ ਨਹੀਂ ਕੀਤਾ ਕਿ ਉਸਨੇ ਕਿਹੜਾ ਪ੍ਰੋਂਪਟ ਵਰਤਿਆ ਹੈ। ਜਦੋਂ ਰੈਫਰੀ ਨੇ ਪੁੱਛਿਆ, "ਤੁਸੀਂ ਇਨ੍ਹਾਂ ਵਿਸ਼ਿਆਂ 'ਤੇ ਕਿਵੇਂ ਪਹੁੰਚੇ?" ਉਹ ਪ੍ਰਕਿਰਿਆ ਨਹੀਂ ਦਿਖਾ ਸਕਿਆ; ਇਸ ਵਾਰ ਡਾਇਰੀ ਰੱਖਦਿਆਂ ਉਸ ਨੂੰ ਮੁੜ ਵਿਸ਼ਲੇਸ਼ਣ ਦੁਹਰਾਉਣਾ ਪਿਆ। ਉਹ ਦੋ ਹਫ਼ਤੇ ਗੁਆ ਗਿਆ.
ਕੇਸ 2 - ਫੈਸਲੇ ਦਾ ਲੌਗ ਚਰਚਾ ਨੂੰ ਖਤਮ ਕਰਦਾ ਹੈ। ਇੱਕ ਟੀਮ ਵਿੱਚ ਇੱਕ ਅਸਹਿਮਤੀ ਪੈਦਾ ਹੋਈ ਕਿ "ਅਸੀਂ ਇਹਨਾਂ ਕੋਡਾਂ ਨੂੰ ਕਿਉਂ ਜੋੜਿਆ?" ਪਰ ਫੈਸਲੇ ਦੇ ਲੌਗ ਵਿੱਚ ਹਰੇਕ ਰਲੇਵੇਂ ਦੇ ਫੈਸਲੇ ਦੀ ਮਿਤੀ ਅਤੇ ਉਚਿਤਤਾ ਸ਼ਾਮਲ ਸੀ। ਦਲੀਲ ਮਿੰਟਾਂ ਵਿੱਚ ਹੱਲ ਹੋ ਗਈ ਸੀ ਜਦੋਂ AI ਨੇ ਲੌਗ ਦਾ ਸਾਰ ਕੀਤਾ ਅਤੇ ਇਸਨੂੰ ਕਾਲਕ੍ਰਮਿਕ ਰੂਪ ਵਿੱਚ ਪ੍ਰਦਰਸ਼ਿਤ ਕੀਤਾ।
ਕੇਸ 3 - ਪਾਰਦਰਸ਼ੀ ਖੁਲਾਸੇ ਨੇ ਭਰੋਸਾ ਬਣਾਇਆ। ਇੱਕ ਲੇਖ ਵਿੱਚ, ਲੇਖਕਾਂ ਨੇ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਲਿਖਿਆ ਹੈ ਕਿ ਅਸੀਂ AI ਦੀ ਵਰਤੋਂ "ਟ੍ਰਾਂਸਕ੍ਰਿਪਟ ਸੰਪਾਦਨ ਅਤੇ ਸ਼ੁਰੂਆਤੀ ਕੋਡ ਸੁਝਾਅ ਲਈ ਕੀਤੀ, ਦੋ ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਹੱਥੀਂ ਸਾਰੇ ਕੋਡਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ।" ਸਮੀਖਿਅਕਾਂ ਨੇ ਇਸ ਪਾਰਦਰਸ਼ਤਾ ਨੂੰ ਸਕਾਰਾਤਮਕ ਪਾਇਆ; ਇਹ ਇੱਕ ਬੰਦ AI ਦੀ ਵਰਤੋਂ ਕਰਨ ਨਾਲੋਂ ਬਹੁਤ ਜ਼ਿਆਦਾ ਭਰੋਸੇਮੰਦ ਪਾਇਆ ਗਿਆ ਸੀ।
ਚਾਰ ਕਾਪੀ ਕਰਨ ਯੋਗ ਟੈਂਪਲੇਟ
1) ਫੈਸਲਾ ਲੌਗ ਟੈਮਪਲੇਟ:
ਇੱਕ ਵਿਧੀਗਤ ਫੈਸਲੇ ਲੌਗ ਟੇਬਲ ਬਣਾਓ। ਕਾਲਮ: ਮਿਤੀ, ਫੈਸਲਾ, ਤਰਕ, ਵਿਕਲਪ, AI ਦੀ ਭੂਮਿਕਾ (ਜੇ ਕੋਈ ਹੈ), ਜਿਸ ਨੇ ਇਸਨੂੰ ਮਨਜ਼ੂਰੀ ਦਿੱਤੀ। ਇਸ ਸਾਰਣੀ ਵਿੱਚ ਹੇਠਾਂ ਮੇਰੇ ਫੈਸਲੇ ਦੇ ਨੋਟ ਸ਼ਾਮਲ ਕਰੋ ਅਤੇ ਕਿਸੇ ਵੀ ਗੁੰਮ ਹੋਏ ਤਰਕ ਨੂੰ "ਪੂਰਾ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ" ਵਜੋਂ ਚਿੰਨ੍ਹਿਤ ਕਰੋ। ਨੋਟ: [ਇੱਥੇ]
2) ਡਰਾਫਟ AI ਵਰਤੋਂ ਬਿਆਨ:
ਇੱਕ ਪੈਰੇ ਦਾ ਖਰੜਾ ਤਿਆਰ ਕਰੋ ਜੋ ਤਰੀਕਿਆਂ ਦੇ ਭਾਗ ਵਿੱਚ ਪਾਉਣ ਲਈ ਮੇਰੀ AI ਦੀ ਵਰਤੋਂ ਨੂੰ ਪਾਰਦਰਸ਼ੀ ਢੰਗ ਨਾਲ ਸਮਝਾਉਂਦਾ ਹੈ। ਮੈਂ ਇਸਨੂੰ ਇਹਨਾਂ ਕੰਮਾਂ ਵਿੱਚ ਵਰਤਿਆ: [ਸੂਚੀ]। ਮੈਂ ਇਸਨੂੰ ਹੇਠਾਂ ਦਿੱਤੇ ਕੰਮਾਂ ਵਿੱਚ ਨਹੀਂ ਵਰਤਿਆ: [ਸੂਚੀ]. ਮੈਂ ਸਾਰੇ ਆਉਟਪੁੱਟਾਂ ਦੀ ਦਸਤੀ ਪੁਸ਼ਟੀ ਕੀਤੀ। ਮਾਡਲ ਅਤੇ ਮਿਤੀ: [x]। ਇਮਾਨਦਾਰ, ਘਟੀਆ, ਅਕਾਦਮਿਕ ਭਾਸ਼ਾ ਦੀ ਵਰਤੋਂ ਕਰੋ।
3) ਪ੍ਰਜਨਨਯੋਗਤਾ ਨਿਰੀਖਣ:
ਮੈਂ ਆਪਣੀ ਖੋਜ ਪ੍ਰਕਿਰਿਆ ਦਾ ਵਰਣਨ ਕਰਦਾ ਹਾਂ: [ਸਾਰਾਂਸ਼]। ਕੀ ਕੋਈ ਹੋਰ ਖੋਜਕਰਤਾ ਇਸ ਨੂੰ ਦੁਬਾਰਾ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ? ਗੈਰ-ਦਸਤਾਵੇਜ਼ੀ, ਅਸਪਸ਼ਟ, ਜਾਂ ਅਣਪਛਾਤੇ ਕਦਮਾਂ ਦੀ ਸੂਚੀ ਬਣਾਓ: ਕਿਹੜਾ ਡੇਟਾ, ਕਿਹੜਾ ਪਰਿਵਰਤਨ, ਕਿਹੜਾ ਪ੍ਰੋਂਪਟ, ਕਿਹੜਾ ਫੈਸਲਾ ਗੁੰਮ ਹੈ? ਮੈਨੂੰ ਦੱਸੋ ਕਿ ਹਰੇਕ ਸਪੇਸ ਲਈ ਕੀ ਰਿਕਾਰਡ ਕਰਨਾ ਹੈ।
4) ਡੇਟਾ ਪ੍ਰੋਵੇਨੈਂਸ ਮੈਪ:
ਇੱਕ ਪ੍ਰਵਾਹ ਦੇ ਤੌਰ 'ਤੇ ਕੱਚੇ ਡੇਟਾ ਤੋਂ ਮੇਰੀ ਅੰਤਿਮ ਖੋਜ ਤੱਕ ਦੇ ਸਾਰੇ ਪਰਿਵਰਤਨ ਕਦਮਾਂ ਦੀ ਸੂਚੀ ਬਣਾਓ: ਕੱਚਾ ਡੇਟਾ → ਸਫਾਈ → ਕੋਡਿੰਗ → ਵਿਸ਼ਲੇਸ਼ਣ → ਖੋਜ। ਦਿਖਾਓ ਕਿ ਹਰ ਕਦਮ 'ਤੇ ਕੀ ਕੀਤਾ ਗਿਆ ਸੀ, ਕਿਸ ਸਾਧਨ ਨਾਲ ਅਤੇ ਕਿਸ ਫੈਸਲੇ ਨਾਲ. ਅਣਟਰੈਕ ਕੀਤੇ ਜਾਣ ਵਾਲੇ ਕਦਮ 'ਤੇ ਨਿਸ਼ਾਨ ਲਗਾਓ। ਪ੍ਰਕਿਰਿਆ: [ਇੱਥੇ]
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:
ਇਸ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਵਿਧੀ ਨੂੰ ਇੱਕ ਪੈਰੇ ਵਿੱਚ ਲਿਖੋ।
AI ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਦਸਤਾਵੇਜ਼ ਕੀਤੇ ਬਿਨਾਂ ਇੱਕ ਆਮ ਵਿਧੀ ਪੈਰਾ ਤਿਆਰ ਕਰਦਾ ਹੈ; ਇਹ ਫੈਸਲਾ ਕਿਵੇਂ ਲਿਆ ਗਿਆ ਸੀ ਅਤੇ ਕਿੱਥੇ AI ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਗਈ ਸੀ, ਇਹ ਅਸਪਸ਼ਟ ਹੈ। ਇਹ ਨਿਰਮਾਣਯੋਗ ਨਹੀਂ ਹੈ।
ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:
ਵਿਧੀ ਭਾਗ ਲਈ ਇੱਕ ਉਤਪਾਦਕ ਵਰਣਨ ਲਿਖੋ। ਹੇਠਾਂ ਦਿੱਤੀ ਜਾਣਕਾਰੀ ਦੀ ਵਰਤੋਂ ਕਰੋ: ਡੇਟਾ ਸਰੋਤ [x], ਨਮੂਨਾ [y], ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਪੜਾਅ [z], AI ਮਾਡਲ ਜੋ ਮੈਂ ਵਰਤਿਆ ਹੈ ਅਤੇ ਇਸਦੀ ਮਿਤੀ [t], AI [r] ਦੀ ਸਹੀ ਭੂਮਿਕਾ, ਮਨੁੱਖੀ ਤਸਦੀਕ ਪ੍ਰਕਿਰਿਆ [d]। ਇੰਨਾ ਠੋਸ ਲਿਖੋ ਕਿ ਕੋਈ ਹੋਰ ਇਹਨਾਂ ਕਦਮਾਂ ਦੀ ਪਾਲਣਾ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਦੁਬਾਰਾ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ। ਮੇਰੇ ਵੱਲੋਂ ਛੱਡੀ ਗਈ ਕਿਸੇ ਵੀ ਜਾਣਕਾਰੀ ਲਈ ਮੈਨੂੰ ਪੁੱਛੋ।
ਅੰਤਰ: ਦੂਜੀ ਪਹੁੰਚ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਠੋਸ, ਖੋਜਣਯੋਗ ਅਤੇ ਸੱਚਮੁੱਚ ਦੁਬਾਰਾ ਪੈਦਾ ਕਰਨ ਯੋਗ ਬਣਾਉਂਦੀ ਹੈ।
ਪਾਰਦਰਸ਼ਤਾ ਪਰਤਾਂ
ਪਰਤ
ਕੀ ਦਸਤਾਵੇਜ਼ੀ ਹੈ
ਇਹ ਮਹੱਤਵਪੂਰਨ ਕਿਉਂ ਹੈ?
ਫੈਸਲੇ ਦੀ ਡਾਇਰੀ
ਵਿਧੀ ਸੰਬੰਧੀ ਫੈਸਲੇ + ਤਰਕ
ਨਿਆਂਪਾਲਿਕਾ ਦਾ ਬਚਾਅ ਕਰਦਾ ਹੈ
ਤੁਰੰਤ ਰਜਿਸਟਰੇਸ਼ਨ
ਪ੍ਰੋਂਪਟ ਵਰਤਿਆ, ਮਾਡਲ, ਮਿਤੀ
AI ਨੂੰ ਟ੍ਰੈਕਟੇਬਲ ਬਣਾਉਂਦਾ ਹੈ
ਡਾਟਾ ਮੂਲ
ਕੱਚੇ → ਸੰਸਾਧਿਤ ਰੂਪਾਂਤਰਨ
ਕਦਮ ਖੋਲ੍ਹਦਾ ਹੈ
AI ਬਿਆਨ
ਏਆਈ ਦੀ ਭੂਮਿਕਾ ਅਤੇ ਸੀਮਾ
ਇਮਾਨਦਾਰੀ
ਸਾਂਝਾ ਕਰਨਾ
ਅਗਿਆਤ ਡੇਟਾ + ਕੋਡ
ਅੰਤਮ ਪਾਰਦਰਸ਼ਤਾ
ਆਮ ਗਲਤੀਆਂ
- ਪ੍ਰੋਂਪਟ ਨੂੰ ਸੁਰੱਖਿਅਤ ਨਹੀਂ ਕੀਤਾ ਜਾ ਰਿਹਾ। ਜੇਕਰ ਤੁਸੀਂ ਆਪਣੇ ਦੁਆਰਾ ਵਰਤੀ ਗਈ ਹਦਾਇਤ ਨੂੰ ਨਹੀਂ ਰੱਖਦੇ, ਤਾਂ ਤੁਸੀਂ ਪ੍ਰਕਿਰਿਆ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਨਹੀਂ ਕਰ ਸਕਦੇ ਹੋ।
- ਇਸਦਾ ਮਤਲਬ ਹੈ "ਏਆਈ ਨੇ ਅਜਿਹਾ ਕਿਹਾ." ਵਿਗਿਆਨਕ ਉਚਿਤਤਾ ਪ੍ਰਕਿਰਿਆ ਅਤੇ ਨਿਰਣਾ ਹੈ, ਮਾਡਲ ਦਾ ਸ਼ਬਦ ਨਹੀਂ।
- ਕੱਚੇ ਡੇਟਾ ਨੂੰ ਓਵਰਰਾਈਟ ਕਰਨਾ। ਅਸਲੀ ਰੱਖੋ; ਪਰਿਵਰਤਨਾਂ ਨੂੰ ਵੱਖਰਾ ਅਤੇ ਦਸਤਾਵੇਜ਼ੀ ਬਣਾਓ।
- AI ਦੀ ਵਰਤੋਂ ਨੂੰ ਲੁਕਾਉਣਾ। ਪਾਰਦਰਸ਼ੀ ਬਿਆਨ ਵਿਸ਼ਵਾਸ ਪੈਦਾ ਕਰਦਾ ਹੈ; ਛੁਪਾਉਣ ਨਾਲ ਵੱਕਾਰ ਦਾ ਨੁਕਸਾਨ ਹੁੰਦਾ ਹੈ।
- ਇਸ ਨੂੰ ਆਪਣੇ ਲਈ ਵੀ ਅਣਉਪਜਾਊ ਛੱਡ ਦੇਣਾ। ਅਜਿਹੀ ਨੌਕਰੀ ਜੋ ਤੁਸੀਂ 6 ਮਹੀਨਿਆਂ ਬਾਅਦ ਦੁਬਾਰਾ ਨਹੀਂ ਕਰ ਸਕਦੇ, ਵਿਗਿਆਨ ਨਹੀਂ ਹੈ।
ਸੰਖੇਪ ਵਿੱਚ
ਪ੍ਰਜਨਨਯੋਗਤਾ ਅਤੇ ਪਾਰਦਰਸ਼ਤਾ ਇੱਕ ਵਿਅਕਤੀ ਦੇ ਸ਼ਬਦ ਤੋਂ ਇੱਕ ਅਧਿਐਨ ਨੂੰ ਇੱਕ ਵਿਗਿਆਨ ਵਿੱਚ ਬਦਲ ਦਿੰਦੀ ਹੈ ਜਿਸਦੀ ਕੋਈ ਵੀ ਜਾਂਚ ਕਰ ਸਕਦਾ ਹੈ। ਏਆਈ ਨਾਲ ਕੰਮ ਕਰਨ ਵੇਲੇ ਇਹ ਹੋਰ ਵੀ ਨਾਜ਼ੁਕ ਹੈ, ਕਿਉਂਕਿ ਜੇ ਮਾਡਲ ਦੇ ਫੈਸਲਿਆਂ ਦੀ ਪਾਲਣਾ ਨਹੀਂ ਕੀਤੀ ਜਾਂਦੀ, ਤਾਂ ਪ੍ਰਕਿਰਿਆ ਬਲੈਕ ਬਾਕਸ ਬਣ ਜਾਂਦੀ ਹੈ। ਇੱਕ ਫੈਸਲੇ ਦਾ ਲੌਗ ਰੱਖੋ, ਪ੍ਰੋਂਪਟ ਅਤੇ ਮਾਡਲ ਜਾਣਕਾਰੀ ਨੂੰ ਰਿਕਾਰਡ ਕਰੋ, ਪ੍ਰੋਸੈਸਡ ਤੋਂ ਕੱਚੇ ਡੇਟਾ ਨੂੰ ਵੱਖ ਕਰੋ, ਇਮਾਨਦਾਰੀ ਨਾਲ AI ਦੀ ਭੂਮਿਕਾ ਦਾ ਐਲਾਨ ਕਰੋ, ਅਤੇ ਜਦੋਂ ਨੈਤਿਕਤਾ ਇਜਾਜ਼ਤ ਦਿੰਦੀ ਹੈ ਤਾਂ ਡੇਟਾ ਅਤੇ ਕੋਡ ਨੂੰ ਸਾਂਝਾ ਕਰੋ। ਇੱਕ ਅਧਿਐਨ ਜੋ "ਕੀ ਮੈਂ 6 ਮਹੀਨਿਆਂ ਬਾਅਦ ਆਪਣੇ ਆਪ ਨੂੰ ਦੁਬਾਰਾ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹਾਂ" ਟੈਸਟ ਪਾਸ ਕਰਦਾ ਹੈ, ਦੂਜਿਆਂ ਲਈ ਵੀ ਭਰੋਸੇਯੋਗ ਹੁੰਦਾ ਹੈ।
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
ਇੱਕ ਛੋਟੇ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਜੋ ਤੁਸੀਂ ਕਰ ਰਹੇ ਹੋ ਜਾਂ ਯੋਜਨਾ ਬਣਾ ਰਹੇ ਹੋ, "ਫੈਸਲਾ ਜਰਨਲ ਟੈਪਲੇਟ" ਦੇ ਨਾਲ ਜਾਇਜ਼ਤਾ ਦੇ ਨਾਲ ਘੱਟੋ-ਘੱਟ 5 ਵਿਧੀਗਤ ਫੈਸਲਿਆਂ ਨੂੰ ਰਿਕਾਰਡ ਕਰੋ। ਤੁਹਾਡੇ ਦੁਆਰਾ ਵਰਤੇ ਜਾਣ ਵਾਲੇ ਪ੍ਰੋਂਪਟ, ਮਾਡਲ ਅਤੇ ਮਿਤੀ ਨੂੰ ਇੱਕ ਵੱਖਰੀ ਫਾਈਲ ਵਿੱਚ ਰੱਖੋ। ਫਿਰ ਏਆਈ ਨੂੰ ਤੁਹਾਡੀ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਗੈਰ-ਦਸਤਾਵੇਜ਼ੀ ਗੈਪ ਲੱਭਣ ਅਤੇ ਹਰੇਕ ਪਾੜੇ ਨੂੰ ਬੰਦ ਕਰਨ ਲਈ "ਪ੍ਰੋਡਿਊਸੀਬਿਲਟੀ ਆਡਿਟ" ਟੈਂਪਲੇਟ ਦੀ ਵਰਤੋਂ ਕਰੋ। ਅੰਤ ਵਿੱਚ, "AI ਵਰਤੋਂ ਸਟੇਟਮੈਂਟ" ਦੀ ਇੱਕ ਰੂਪਰੇਖਾ ਲਿਖੋ ਅਤੇ ਵਿਧੀਆਂ ਦੇ ਭਾਗ ਵਿੱਚ ਇੱਕ ਪਾਰਦਰਸ਼ੀ ਪੈਰਾਗ੍ਰਾਫ਼ ਰੱਖੋ।
ਚੈੱਕਲਿਸਟ
- [ ] ਮੈਂ ਜਰਨਲ ਵਿੱਚ ਹਰੇਕ ਮਹੱਤਵਪੂਰਨ ਵਿਧੀ ਸੰਬੰਧੀ ਫੈਸਲੇ ਦੇ ਕਾਰਨ ਲਿਖੇ ਹਨ।
- [ ] ਮੈਂ ਉਹਨਾਂ ਪ੍ਰੋਂਪਟਾਂ ਨੂੰ ਰਿਕਾਰਡ ਕੀਤਾ ਜੋ ਮੈਂ ਵਰਤੇ, ਮਾਡਲ ਅਤੇ ਮਿਤੀ।
- [ ] ਮੈਂ ਕੱਚੇ ਡੇਟਾ ਨੂੰ ਬਦਲਿਆ ਨਹੀਂ ਰੱਖਿਆ ਅਤੇ ਪਰਿਵਰਤਨਾਂ ਦਾ ਦਸਤਾਵੇਜ਼ੀਕਰਨ ਕੀਤਾ।
- [ ] ਮੈਂ ਵਿਧੀ ਭਾਗ ਵਿੱਚ AI ਦੀ ਭੂਮਿਕਾ ਨੂੰ ਇਮਾਨਦਾਰੀ ਨਾਲ ਘੋਸ਼ਿਤ ਕੀਤਾ।
- [ ] ਮੈਂ "ਕੀ ਮੈਂ 6 ਮਹੀਨਿਆਂ ਬਾਅਦ ਦੁਬਾਰਾ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹਾਂ" ਟੈਸਟ ਲਾਗੂ ਕੀਤਾ।