ਲਾਭ:
- ਇਹ ਪਛਾਣ ਕਰਨ ਦੇ ਯੋਗ ਬਣੋ ਕਿ ਨਕਲੀ ਬੁੱਧੀ ਗਣਿਤ ਵਿੱਚ ਗਲਤੀਆਂ ਕਿਉਂ ਕਰਦੀ ਹੈ (ਭਾਸ਼ਾ ਦਾ ਮਾਡਲ ਹੋਣਾ, ਤਰਕ ਦੀ ਜਾਂਚ ਨਹੀਂ ਕਰਨਾ) ਅਤੇ ਸੱਤ ਮੁੱਖ ਕਿਸਮਾਂ ਦੀਆਂ ਗਲਤੀਆਂ
- ਇਹ ਸਮਝਾਉਣ ਦੀ ਯੋਗਤਾ ਕਿ ਇਹ ਸਮਝ ਕੇ ਹਰੇਕ ਕਦਮ ਦੀ ਤਸਦੀਕ ਕਰਨਾ ਕਿਉਂ ਜ਼ਰੂਰੀ ਹੈ ਕਿ ਗਲਤੀ ਦਾ ਪ੍ਰਚਾਰ ਕੀਤਾ ਗਿਆ ਹੈ ਅਤੇ ਗਣਿਤ ਵਿੱਚ ਸ਼ੁੱਧਤਾ ਬਾਈਨਰੀ ਹੈ।
- ਆਮ ਸਮਝ ਟੈਸਟਿੰਗ, ਮੈਗਨੀਟਿਊਡ ਚੈਕਿੰਗ ਦੇ ਆਰਡਰ, ਚੈਕਸਮ, ਕਰਾਸ-ਚੈਕਿੰਗ ਅਤੇ ਸੁਤੰਤਰ ਤਰੀਕਿਆਂ ਦੁਆਰਾ ਬਹੁ-ਪੱਧਰੀ ਤਸਦੀਕ ਅਨੁਸ਼ਾਸਨ ਨੂੰ ਲਾਗੂ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
ਇਹ ਇਕਾਈ ਮੋਡੀਊਲ ਦੇ ਦਿਲ ਵਿੱਚ ਵਿਚਾਰ ਨੂੰ ਡੂੰਘਾ ਕਰਦੀ ਹੈ: ਏਆਈ ਗਣਿਤ ਵਿੱਚ ਗਲਤੀਆਂ ਕਿਉਂ ਅਤੇ ਕਿਵੇਂ ਕਰਦਾ ਹੈ, ਇਹਨਾਂ ਗਲਤੀਆਂ ਦੀਆਂ ਕਿਸਮਾਂ ਕੀ ਹਨ ਅਤੇ ਅਸੀਂ ਉਹਨਾਂ ਨੂੰ ਯੋਜਨਾਬੱਧ ਢੰਗ ਨਾਲ ਕਿਵੇਂ ਫੜਦੇ ਹਾਂ? ਪਿਛਲੀਆਂ ਇਕਾਈਆਂ ਵਿੱਚ, ਅਸੀਂ ਹਰੇਕ ਵਿਸ਼ੇ ਲਈ ਤਸਦੀਕ ਵਿਧੀਆਂ ਵੇਖੀਆਂ ਹਨ; ਇੱਥੇ ਅਸੀਂ ਇੱਕ ਛੱਤ ਹੇਠ ਗਲਤੀਆਂ ਦੇ ਸਰੀਰ ਵਿਗਿਆਨ ਨੂੰ ਇਕੱਠਾ ਕਰਦੇ ਹਾਂ। ਬਿੰਦੂ ਇਹ ਹੈ, ਜਦੋਂ ਤੁਸੀਂ ਇੱਕ AI ਆਉਟਪੁੱਟ ਨੂੰ ਦੇਖਦੇ ਹੋ ਤਾਂ ਤੁਸੀਂ ਹੈਰਾਨ ਹੁੰਦੇ ਹੋ "ਇੱਥੇ ਇੱਕ ਗਲਤੀ ਕੀ ਹੋ ਸਕਦੀ ਹੈ?" ਇਹ ਇੱਕ ਪ੍ਰਮਾਣਿਕਤਾ ਮਾਨਸਿਕਤਾ ਪ੍ਰਾਪਤ ਕਰਨਾ ਹੈ ਜੋ ਪ੍ਰਤੀਬਿੰਬਤ ਤੌਰ 'ਤੇ ਸੋਚਦਾ ਹੈ.
ਰੀਮਾਈਂਡਰ: ਇੱਕ ਭੁਲੇਖਾ ਉਦੋਂ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਇੱਕ AI ਭਰੋਸੇ ਨਾਲ ਅਜਿਹੀ ਜਾਣਕਾਰੀ ਪੈਦਾ ਕਰਦਾ ਹੈ ਜੋ ਅਸਲ ਵਿੱਚ ਸੱਚ ਨਹੀਂ ਹੈ। ਗਣਿਤ ਵਿੱਚ, ਭਰਮ ਅਕਸਰ "ਪ੍ਰੇਰਕ ਪਰ ਝੂਠ" ਦੇ ਰੂਪ ਵਿੱਚ ਪ੍ਰਗਟ ਹੁੰਦਾ ਹੈ। AI ਗਲਤੀਆਂ ਕਿਉਂ ਕਰਦਾ ਹੈ? ਕਿਉਂਕਿ ਇਹ ਇੱਕ ਭਾਸ਼ਾ ਮਾਡਲ ਹੈ, ਨਾ ਕਿ ਇੱਕ ਤਰਕ ਇੰਜਣ — ਭਾਵ, ਇਹ ਅੰਕੜਾਤਮਕ ਪੈਟਰਨਾਂ ਨਾਲ ਟੈਕਸਟ ਬਣਾਉਂਦਾ ਹੈ, ਇਹ ਕਦਮਾਂ ਦੀ ਤਰਕਪੂਰਨ ਵੈਧਤਾ ਦੀ ਜਾਂਚ ਨਹੀਂ ਕਰਦਾ ਹੈ। ਇੱਕ "3-ਅੰਕ ਦਾ ਗੁਣਾ" ਅਤੇ ਇੱਕ "ਪ੍ਰਮਾਣਿਤ ਸਬੂਤ" ਉਸ ਲਈ ਇੱਕੋ ਕਿਸਮ ਦਾ ਪਾਠ ਤਿਆਰ ਕਰਨ ਦਾ ਕੰਮ ਹੈ; ਸ਼ੁੱਧਤਾ ਦੀ ਗਰੰਟੀ ਦੇਣ ਲਈ ਇਸ ਕੋਲ ਕੋਈ ਅੰਦਰੂਨੀ ਵਿਧੀ ਨਹੀਂ ਹੈ।
ਗਣਿਤ ਦੀਆਂ ਗਲਤੀਆਂ ਦੀ ਅੰਗ ਵਿਗਿਆਨ: ਸੱਤ ਕਿਸਮਾਂ
ਕਿਸਮਾਂ ਦੀ ਹੇਠ ਦਿੱਤੀ ਸੂਚੀ ਉਹਨਾਂ ਸਭ ਤੋਂ ਆਮ ਤਰੁਟੀਆਂ ਦਾ ਸਾਰ ਦਿੰਦੀ ਹੈ ਜੋ ਤੁਹਾਨੂੰ AI ਆਉਟਪੁੱਟ ਅਤੇ ਹਰੇਕ ਲਈ ਐਂਟੀਡੋਟ ਵਿੱਚ ਆਉਂਦੀਆਂ ਹਨ।
ਗਲਤੀ ਦੀ ਕਿਸਮ
ਇਹ ਕਿਹੋ ਜਿਹਾ ਦਿਸਦਾ ਹੈ
ਐਂਟੀਡੋਟ
ਗਣਿਤ ਗਲਤੀ
ਨੰਬਰ ਗਲਤੀ ਜਿਵੇਂ 7×8=54
ਕੈਲਕੁਲੇਟਰ/SymPy
ਸਾਈਨ ਗਲਤੀ
−(a−b)=−a−b
ਮੇਰਾ ਨਾਮ ਹੱਥੀਂ ਖੋਲ੍ਹੋ
ਬਣੀ ਹੋਈ ਪ੍ਰਮੇਯ
ਗੈਰ-ਮੌਜੂਦ ਥਿਊਰਮ ਨਾਮ
ਸਰੋਤ ਤੋਂ ਪੁਸ਼ਟੀ
ਨਿਯਮ ਦੀ ਗਲਤ ਵਰਤੋਂ
ਚੇਨ ਨਿਯਮ ਨੂੰ ਨਾ ਭੁੱਲੋ
"ਕਿਹੜਾ ਨਿਯਮ?" ਸਵਾਲ
ਛੱਡੀ ਗਈ ਸਥਿਤੀ
ਨਕਾਰਾਤਮਕ ਮੂਲ ਨੂੰ ਅਣਡਿੱਠ ਕਰੋ
ਸਾਰੀਆਂ ਸਥਿਤੀਆਂ ਦੀ ਸੂਚੀ ਬਣਾਓ
ਸਬੂਤ ਦਾ ਪਾੜਾ
"ਇਸ ਲਈ" ਬਿਨਾਂ ਕਿਸੇ ਤਰਕ ਦੇ
ਹਰ ਪਾਸਿਓਂ ਪੁੱਛਗਿੱਛ ਕਰ ਰਿਹਾ ਹੈ
ਪੁਰਾਣਾ/ਗਲਤ ਡਾਟਾ
ਪੁਰਾਣੀ ਜਾਣਕਾਰੀ
ਸੋਰਸਿੰਗ
ਗਣਿਤ ਨੂੰ ਵਿਸ਼ੇਸ਼ ਧਿਆਨ ਦੇਣ ਦੀ ਲੋੜ ਕਿਉਂ ਹੈ?
ਜ਼ਿਆਦਾਤਰ ਖੇਤਰਾਂ ਵਿੱਚ, ਇੱਕ ਛੋਟੀ ਜਿਹੀ ਗਲਤੀ ਦਾ ਇੱਕ ਛੋਟਾ ਜਿਹਾ ਨਤੀਜਾ ਹੁੰਦਾ ਹੈ. ਗਣਿਤ ਵਿੱਚ, ਗਲਤੀ ਫੈਲਦੀ ਅਤੇ ਵਧਦੀ ਹੈ। ਇੱਕ ਸਮੀਕਰਨ ਦੀ ਪਹਿਲੀ ਲਾਈਨ ਵਿੱਚ ਇੱਕ ਸੰਕੇਤ ਦੀ ਗਲਤੀ ਅਗਲੀਆਂ ਦਸ ਲਾਈਨਾਂ ਅਤੇ ਅੰਤਮ ਨਤੀਜੇ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਗਲਤ ਬਣਾ ਦਿੰਦੀ ਹੈ। ਇੱਕ ਸਬੂਤ ਦੇ ਵਿਚਕਾਰ ਇੱਕ ਪਾੜਾ ਪੂਰੇ ਸਬੂਤ ਨੂੰ ਅਵੈਧ ਬਣਾਉਂਦਾ ਹੈ। ਇਹ "ਨਾਜ਼ੁਕਤਾ" ਗਣਿਤ ਦੇ ਹਰ ਪੜਾਅ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਲਈ ਜ਼ਰੂਰੀ ਬਣਾਉਂਦੀ ਹੈ - "ਆਮ ਤੌਰ 'ਤੇ ਬੋਲਣਾ ਸੱਚ ਲੱਗਦਾ ਹੈ" ਕਾਫ਼ੀ ਨਹੀਂ ਹੈ।
ਇਸ ਤੋਂ ਇਲਾਵਾ, ਗਣਿਤ ਵਿਚ ਸੱਚ ਬਾਈਨਰੀ ਹੈ: ਨਤੀਜਾ ਜਾਂ ਤਾਂ ਸੱਚ ਹੈ ਜਾਂ ਝੂਠ, ਵਿਚਕਾਰ ਕੋਈ ਨਹੀਂ ਹੈ। ਪਾਠ ਸੰਖੇਪ ਵਿੱਚ "ਅੱਸੀ ਪ੍ਰਤੀਸ਼ਤ ਸਹੀ" ਨੂੰ ਸਵੀਕਾਰਯੋਗ ਮੰਨਿਆ ਜਾ ਸਕਦਾ ਹੈ; ਇੱਕ ਅਟੁੱਟ ਵਿੱਚ "ਅੱਸੀ ਪ੍ਰਤੀਸ਼ਤ ਸਹੀ" ਵਰਗੀ ਕੋਈ ਚੀਜ਼ ਨਹੀਂ ਹੈ - ਜਾਂ ਤਾਂ ਇਹ ਸਹੀ ਨਤੀਜਾ ਹੈ ਜਾਂ ਇਹ ਨਹੀਂ ਹੈ। ਇਹ ਦੋਹਰੀ ਪ੍ਰਕਿਰਤੀ ਤਸਦੀਕ ਨੂੰ ਵਧੇਰੇ ਨਾਜ਼ੁਕ ਅਤੇ (ਖੁਸ਼ਕਿਸਮਤੀ ਨਾਲ) ਵਧੇਰੇ ਸੰਭਵ ਬਣਾਉਂਦੀ ਹੈ: ਨਤੀਜਾ ਜਾਂ ਤਾਂ ਤਸਦੀਕ ਪਾਸ ਕਰਦਾ ਹੈ ਜਾਂ ਨਹੀਂ।
ਕਦਮ ਦਰ ਕਦਮ: ਯੋਜਨਾਬੱਧ ਤਸਦੀਕ ਦਾ ਅਨੁਸ਼ਾਸਨ
1. ਇੱਕ ਟੂਲ ਨਾਲ ਹਰੇਕ ਸੰਖਿਆਤਮਕ ਨਤੀਜੇ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ। AI 'ਤੇ ਭਰੋਸਾ ਕਰਨ ਲਈ ਗਣਿਤ ਨੂੰ ਕਦੇ ਨਾ ਛੱਡੋ; SymPy, ਕੈਲਕੁਲੇਟਰ ਜਾਂ ਹੱਥ ਨਾਲ।
2. SymPy ਨਾਲ ਹਰੇਕ ਪ੍ਰਤੀਕਾਤਮਕ ਨਤੀਜੇ ਦੀ ਜਾਂਚ ਕਰੋ। ਇੰਟੈਗਰਲ, ਡੈਰੀਵੇਟਿਵ, ਸਰਲੀਕਰਨ, ਸਮੀਕਰਨ—ਸਭ ਦੀ ਪੁਸ਼ਟੀ SymPy ਨਾਲ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ।
3. ਸਰੋਤ ਤੋਂ ਹਰੇਕ ਪ੍ਰਮੇਏ/ਫਾਰਮੂਲੇ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ। ਕੀ ਨਾਮ ਅਤੇ ਸਮੀਕਰਨ ਸਹੀ ਹਨ? ਬਣੇ ਹੋਏ ਸਿਧਾਂਤ ਸਭ ਤੋਂ ਧੋਖੇਬਾਜ਼ ਜਾਲ ਹਨ।
4. ਹਰ ਸਬੂਤ ਵਿੱਚ ਹਰ ਘਟਨਾ ਨੂੰ ਸਵਾਲ ਕਰੋ। "ਕੀ ਇਹ ਅਸਲ ਵਿੱਚ ਪਿਛਲੇ ਪੜਾਅ ਦੀ ਪਾਲਣਾ ਕਰਦਾ ਹੈ?" ਬੇਸ ਕੇਸ, ਅਪ੍ਰਤੱਖ ਧਾਰਨਾ, ਪਾੜੇ ਦੀ ਜਾਂਚ।
5. ਚੈੱਕ ਅਤੇ ਕਾਊਂਟਰਚੈੱਕ। ਉਲਟ ਕਾਰਵਾਈ, ਬਦਲ, ਸੀਮਾ ਅਵਸਥਾਵਾਂ, ਅਯਾਮੀ ਵਿਸ਼ਲੇਸ਼ਣ।
6. ਇਸਨੂੰ ਆਮ ਸਮਝ ਦੀ ਪ੍ਰੀਖਿਆ ਵਿੱਚ ਪਾਓ। ਕੀ ਨਤੀਜਾ ਵਾਜਬ ਹੈ? ਜੇਕਰ ਕੋਈ ਸੰਭਾਵਨਾ 1 ਤੋਂ ਵੱਧ ਹੈ, ਤਾਂ ਇੱਕ ਤਰੁੱਟੀ ਹੈ ਜੇਕਰ ਲੰਬਾਈ ਨੈਗੇਟਿਵ ਹੈ।
ਸੰਕੇਤ: ਸਭ ਤੋਂ ਤੇਜ਼ ਆਮ ਸੂਝ ਦਾ ਟੈਸਟ "ਮਾਹਰਤਾ ਦਾ ਕ੍ਰਮ" ਜਾਂਚ ਹੈ। ਕੀ ਨਤੀਜਾ ਅਨੁਮਾਨਿਤ ਸੀਮਾ ਦੇ ਅੰਦਰ ਹੈ? ਜੇਕਰ ਇੱਕ ਕਲਾਸ ਔਸਤ 250 ਹੈ (100 ਵਿੱਚੋਂ), ਜਾਂ ਇੱਕ ਸੰਭਾਵਨਾ 3.5 ਹੈ, ਤਾਂ ਤੁਹਾਨੂੰ ਵੇਰਵੇ ਨੂੰ ਦੇਖੇ ਬਿਨਾਂ ਪਤਾ ਲੱਗੇਗਾ ਕਿ ਕੋਈ ਗਲਤੀ ਹੈ। ਇਹ 5-ਸਕਿੰਟ ਦੀ ਜਾਂਚ ਬਡ ਵਿੱਚ ਬਹੁਤ ਸਾਰੇ ਹਾਸੋਹੀਣੇ ਨਤੀਜਿਆਂ ਨੂੰ ਖਤਮ ਕਰਦੀ ਹੈ।
ਤਿੰਨ ਛੋਟੇ ਕੇਸ
ਕੇਸ 1 - ਚੇਨ ਸਾਈਨ ਗਲਤੀ। ਇੱਕ ਵਿਦਿਆਰਥੀ ਨੇ ਪਾਇਆ ਕਿ ਇੱਕ 8-ਲਾਈਨ ਬੀਜਗਣਿਤ ਸਰਲੀਕਰਨ ਵਿੱਚ, AI ਦੁਆਰਾ ਲਾਈਨ 2 ਵਿੱਚ ਕੀਤੀ ਗਈ ਇੱਕ ਨਿਸ਼ਾਨੀ ਗਲਤੀ ਅਗਲੀਆਂ 6 ਲਾਈਨਾਂ ਵਿੱਚ ਫੈਲ ਗਈ। ਫਾਈਨਲ ਨਤੀਜਾ ਪੂਰੀ ਤਰ੍ਹਾਂ ਗਲਤ ਸੀ, ਪਰ ਏਆਈ ਨੇ ਇਸ ਨੂੰ ਪੂਰੇ ਭਰੋਸੇ ਨਾਲ ਪੇਸ਼ ਕੀਤਾ। ਜਦੋਂ ਵਿਦਿਆਰਥੀ ਨੇ SymPy ਨਾਲ ਸਕ੍ਰੈਚ ਤੋਂ ਇਸ ਨੂੰ ਸਰਲ ਬਣਾਇਆ, ਤਾਂ ਸਹੀ ਨਤੀਜਾ ਪ੍ਰਾਪਤ ਹੋਇਆ ਅਤੇ AI ਨੂੰ 2nd ਲਾਈਨ ਵਿੱਚ ਗਲਤੀ ਲੱਭਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੱਤੀ ਗਈ। ਇੱਕ ਸਿੰਗਲ ਚਿੰਨ੍ਹ ਨੇ 6 ਲਾਈਨਾਂ ਦਾ ਖੰਡਨ ਕੀਤਾ।
ਕੇਸ 2 - ਆਮ ਸਮਝ ਨੇ ਟੈਸਟ ਨੂੰ ਸੁਰੱਖਿਅਤ ਕੀਤਾ। ਇੱਕ ਅਧਿਆਪਕ ਕੋਲ ਇੱਕ ਸੰਭਾਵਨਾ ਸਮੱਸਿਆ ਦਾ ਹੱਲ ਇੱਕ AI ਸੀ; ਨਤੀਜਾ 1.4 ਸੀ. ਵੇਰਵਿਆਂ ਨੂੰ ਦੇਖੇ ਬਿਨਾਂ, ਅਧਿਆਪਕ ਨੇ ਕਿਹਾ "ਸੰਭਾਵਨਾ 1 ਤੋਂ ਵੱਧ ਨਹੀਂ ਹੋ ਸਕਦੀ" ਅਤੇ ਗਲਤੀ ਦੀ ਖੋਜ ਕੀਤੀ: AI ਨੇ ਗੈਰ-ਅਨੁਕੂਲ ਘਟਨਾਵਾਂ ਨੂੰ ਇਕੱਠਾ ਕੀਤਾ ਸੀ ਜਿਵੇਂ ਕਿ ਉਹ ਵੱਖਰੇ ਸਨ। ਇੱਕ ਆਮ ਸਮਝ ਟੈਸਟ ਨੇ ਸਕਿੰਟਾਂ ਵਿੱਚ ਗਲਤੀ ਨੂੰ ਦਰਸਾ ਦਿੱਤਾ।
ਕੇਸ 3 — ਮੇਡ-ਅੱਪ ਫਾਰਮੂਲਾ। ਇੱਕ ਇੰਜੀਨੀਅਰ ਨੇ ਏਆਈ ਨੂੰ ਇੱਕ ਲੜੀ ਦੀ ਰਕਮ ਲਈ "ਬੰਦ ਫਾਰਮੂਲਾ" ਲਈ ਕਿਹਾ। AI ਨੇ ਇੱਕ ਠੋਸ ਫਾਰਮੂਲਾ ਦਿੱਤਾ ਹੈ। ਇੰਜੀਨੀਅਰ ਨੇ ਫਾਰਮੂਲੇ ਅਤੇ ਹੱਥ ਜੋੜ ਕੇ n (n=3) ਦੇ ਛੋਟੇ ਮੁੱਲ ਲਈ ਫਾਰਮੂਲੇ ਦੀ ਜਾਂਚ ਕੀਤੀ; ਨਤੀਜੇ ਮੇਲ ਨਹੀਂ ਖਾਂਦੇ। ਫਾਰਮੂਲਾ ਬਣਾਇਆ ਗਿਆ ਸੀ। ਥੋੜੀ ਜਿਹੀ ਟਵੀਕਿੰਗ ਨੇ ਘੰਟਿਆਂ ਦੀ ਦੁਰਵਰਤੋਂ ਨੂੰ ਰੋਕਿਆ।
ਚਾਰ ਕਾਪੀ ਕਰਨ ਯੋਗ ਟੈਂਪਲੇਟ
1) ਮਲਟੀ-ਲੇਅਰ ਪੁਸ਼ਟੀਕਰਨ ਬੇਨਤੀ:
ਤੁਸੀਂ ਪਾਇਆ: [ਨਤੀਜਾ]। ਹੁਣ ਇਸ ਨੂੰ ਤਿੰਨ ਵੱਖ-ਵੱਖ ਤਰੀਕਿਆਂ ਨਾਲ ਪ੍ਰਮਾਣਿਤ ਕਰੋ: (1) ਇਸ ਨੂੰ ਉਲਟਾ ਹੈਸ਼ ਕਰਨਾ, (2) ਇੱਕ ਸਧਾਰਨ ਕਸਟਮ ਮੁੱਲ ਦੀ ਜਾਂਚ ਕਰਨਾ, (3) SymPy ਨਾਲ ਜਾਂਚ ਕਰਨ ਲਈ ਕੁਝ ਕੋਡ (ਮੈਂ ਆਉਟਪੁੱਟ ਦੇਖਾਂਗਾ)। ਮੈਨੂੰ ਦੱਸੋ ਕਿ ਕੀ ਸਾਰੇ ਤਿੰਨ ਤਰੀਕੇ ਇਕਸਾਰ ਹਨ; ਜੇਕਰ ਨਹੀਂ, ਤਾਂ ਦਿਖਾਓ ਕਿ ਕਿਸ ਪਗ ਵਿੱਚ ਕੋਈ ਤਰੁੱਟੀ ਹੈ।
2) ਆਮ ਸਮਝ/ਰੈਂਕ ਟੈਸਟ:
ਤੁਸੀਂ ਪਾਇਆ: [ਨਤੀਜਾ]। ਇਹ ਦੇਖਣ ਲਈ ਕਿ ਕੀ ਇਹ ਨਤੀਜਾ ਵਾਜਬ ਹੈ, ਇਸਨੂੰ ਆਮ ਸੂਝ ਦੇ ਟੈਸਟ ਵਿੱਚ ਪਾਓ: ਤੀਬਰਤਾ ਦਾ ਅਨੁਮਾਨਿਤ ਕ੍ਰਮ ਕੀ ਹੈ, ਕੀ ਚਿੰਨ੍ਹ ਸਹੀ ਹੈ, ਕੀ ਇਹ ਸੀਮਾਵਾਂ ਦੇ ਅੰਦਰ ਹੈ (ਉਦਾਹਰਨ ਲਈ ਸੰਭਾਵਨਾ 0-1)? ਜੇ ਇਹ ਵਾਜਬ ਨਹੀਂ ਹੈ, ਤਾਂ ਜਾਂਚ ਕਰੋ ਕਿ ਕਿੱਥੇ ਗਲਤੀ ਹੋ ਸਕਦੀ ਹੈ।
3) ਥਿਊਰਮ/ਫਾਰਮੂਲਾ ਪੁਸ਼ਟੀ:
ਕੀ ਤੁਸੀਂ ਅਸਲ ਵਿੱਚ ਮਿਆਰੀ ਅਤੇ ਸਹੀ ਵਰਤ ਰਹੇ ਹੋ? ਇਸਦੀ ਮਿਆਰੀ ਸਮੀਕਰਨ ਅਤੇ ਸ਼ਰਤਾਂ ਲਿਖੋ। ਇੱਕ ਖਾਤਾ ਦਿਖਾਓ ਜੋ ਇੱਕ ਛੋਟੇ ਨਮੂਨੇ ਨਾਲ ਇਸਦੀ ਜਾਂਚ ਕਰਦਾ ਹੈ (ਉਦਾਹਰਨ ਲਈ n=3)। ਜੇ ਇਹ ਇੱਕ ਬਣਿਆ ਫਾਰਮੂਲਾ ਹੈ ਜਾਂ ਕੋਈ ਅਜਿਹੀ ਚੀਜ਼ ਹੈ ਜਿਸ ਬਾਰੇ ਤੁਹਾਨੂੰ ਯਕੀਨ ਨਹੀਂ ਹੈ, ਤਾਂ ਇਸਨੂੰ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਕਹੋ।
4) ਗਲਤੀ ਮੋਡ ਨਿਦਾਨ:
ਮੈਨੂੰ ਪਤਾ ਹੈ ਕਿ ਹੇਠਾਂ ਦਿੱਤੇ ਹੱਲ ਵਿੱਚ ਇੱਕ ਬੱਗ ਹੈ. ਇਹਨਾਂ ਗਲਤੀ ਕਿਸਮਾਂ ਦੀ ਇੱਕ-ਇੱਕ ਕਰਕੇ ਜਾਂਚ ਕਰੋ: ਅੰਕਗਣਿਤ, ਚਿੰਨ੍ਹ, ਗਲਤ ਨਿਯਮ, ਛੱਡੀ ਗਈ ਸਥਿਤੀ, ਡੋਮੇਨ। ਮੈਨੂੰ ਦੱਸੋ ਕਿ ਇਹ ਕਿਸ ਕਿਸਮ ਦੀ ਗਲਤੀ ਹੈ ਅਤੇ ਕਿਸ ਪੜਾਅ 'ਤੇ ਹੈ। ਹੱਲ: [ਇੱਥੇ]
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ
ਕਮਜ਼ੋਰ: "ਕੀ ਇਹ ਸਿੱਟਾ ਸਹੀ ਹੈ?" [ਨਤੀਜਾ ਪੇਸਟ ਕਰੋ]
ਨਤੀਜਾ: AI ਅਕਸਰ "ਹਾਂ ਸਹੀ" ਕਹਿੰਦਾ ਹੈ (ਆਪਣੇ ਖੁਦ ਦੇ ਆਉਟਪੁੱਟ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਦੀ ਪ੍ਰਵਿਰਤੀ); ਭਰੋਸੇਯੋਗ ਨਹੀਂ ਕਿਉਂਕਿ ਕੋਈ ਸੁਤੰਤਰ ਆਡਿਟ ਨਹੀਂ ਹੈ।
ਮਜ਼ਬੂਤ: "ਇਸ ਨਤੀਜੇ ਦੀ ਸੁਤੰਤਰ ਤਰੀਕੇ ਨਾਲ ਜਾਂਚ ਕਰੋ: ਇੱਕ ਵੱਖਰੇ ਹੱਲ ਦੀ ਵਰਤੋਂ ਕਰੋ ਜਾਂ SymPy ਕੋਡ ਨਾਲ ਜਾਂਚ ਕਰੋ (ਮੈਂ ਕੋਡ ਚਲਾਵਾਂਗਾ)। ਸਿਰਫ਼ 'ਸੱਚਾ/ਗਲਤ' ਨਾ ਕਹੋ; ਦਿਖਾਓ ਕਿ ਤੁਸੀਂ ਕਿਹੜੀ ਜਾਂਚ ਕੀਤੀ ਅਤੇ ਨਤੀਜਾ। ਜੇਕਰ ਚੈਕਸਮ ਫੇਲ ਹੁੰਦਾ ਹੈ, ਤਾਂ ਗਲਤੀ ਲੱਭੋ।"
ਨਤੀਜਾ: ਇੱਕ ਸੁਤੰਤਰ ਨਿਯੰਤਰਣ ਵਿਧੀ ਨੂੰ ਚੁਣੌਤੀ ਦਿੱਤੀ ਗਈ ਹੈ; AI ਨੂੰ ਅੰਨ੍ਹੇਵਾਹ ਆਪਣੇ ਆਉਟਪੁੱਟ ਨੂੰ ਮਨਜ਼ੂਰੀ ਦੇਣ ਤੋਂ ਰੋਕਿਆ ਜਾਂਦਾ ਹੈ।
ਆਮ ਗਲਤੀਆਂ
- ਇਸਦੇ ਆਪਣੇ ਆਉਟਪੁੱਟ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਰਨ ਲਈ AI ਪ੍ਰਾਪਤ ਕਰਨਾ। "ਕੀ ਇਹ ਸੱਚ ਹੈ?" AI ਅਕਸਰ ਆਪਣੀ ਗਲਤੀ ਦੀ ਪੁਸ਼ਟੀ ਕਰਦਾ ਹੈ; ਸੁਤੰਤਰ ਢੰਗ ਦੀ ਲੋੜ ਹੈ.
- ਆਮ ਸਮਝ ਦੀ ਪ੍ਰੀਖਿਆ ਨੂੰ ਛੱਡਣਾ. 1 ਤੋਂ ਵੱਧ ਸੰਭਾਵਨਾ ਅਤੇ ਲੰਬਾਈ ਨਕਾਰਾਤਮਕ ਹੋਣ ਵਰਗੀਆਂ ਬਕਵਾਸ ਨੂੰ ਵੇਰਵਿਆਂ ਨੂੰ ਦੇਖੇ ਬਿਨਾਂ ਫੜਿਆ ਜਾ ਸਕਦਾ ਹੈ।
- ਇੱਕ ਸਿੰਗਲ ਪੁਸ਼ਟੀਕਰਨ 'ਤੇ ਭਰੋਸਾ ਕਰਨਾ। ਨਾਜ਼ੁਕ ਨਤੀਜਿਆਂ 'ਤੇ ਕਈ ਸੁਤੰਤਰ ਮਾਰਗਾਂ (ਹੈਸ਼ + ਸਿਮਪੀ + ਕਸਟਮ ਮੁੱਲ) ਦੀ ਵਰਤੋਂ ਕਰੋ।
- ਛੋਟੇ ਨਮੂਨਿਆਂ ਨਾਲ ਫਾਰਮੂਲੇ ਦੀ ਜਾਂਚ ਨਹੀਂ ਕੀਤੀ ਜਾ ਰਹੀ। ਬਣੇ ਫਾਰਮੂਲੇ ਛੋਟੇ ਮੁੱਲਾਂ ਜਿਵੇਂ ਕਿ n=2, n=3 'ਤੇ ਤੁਰੰਤ ਸਮੇਟਦੇ ਹਨ।
- ਭੁੱਲ ਹੈ ਕਿ ਬੱਗ ਪ੍ਰਚਾਰਿਆ ਗਿਆ ਹੈ. ਪਹਿਲੀ ਲਾਈਨ ਵਿੱਚ ਇੱਕ ਗਲਤੀ ਪੂਰੇ ਨਤੀਜੇ ਨੂੰ ਖਰਾਬ ਕਰ ਦਿੰਦੀ ਹੈ; ਜੇਕਰ ਤੁਹਾਨੂੰ ਕੋਈ ਗਲਤੀ ਮਿਲਦੀ ਹੈ, ਤਾਂ ਇਸਦੀ ਸ਼ੁਰੂਆਤ ਤੋਂ ਜਾਂਚ ਕਰੋ।
ਸਾਵਧਾਨ: AI ਦੇ ਭਰੋਸੇ ਅਤੇ ਇਸਦੀ ਸ਼ੁੱਧਤਾ ਵਿਚਕਾਰ ਕੋਈ ਸਬੰਧ ਨਹੀਂ ਹੈ। ਉਹ ਵਾਕ ਜੋ ਸਭ ਤੋਂ ਵੱਧ ਦ੍ਰਿੜ, ਸਭ ਤੋਂ ਵਧੀਆ, ਸਭ ਤੋਂ "ਯਕੀਨੀ" ਜਾਪਦਾ ਹੈ, ਪੂਰੀ ਤਰ੍ਹਾਂ ਗਲਤ ਹੋ ਸਕਦਾ ਹੈ। ਸੁਤੰਤਰ ਪੁਸ਼ਟੀਕਰਨ 'ਤੇ ਭਰੋਸਾ ਕਰੋ, ਟੋਨ 'ਤੇ ਨਹੀਂ। ਕੇਵਲ ਇੱਕ ਨਤੀਜੇ ਨੂੰ "ਸੱਚ" ਤੇ ਵਿਚਾਰ ਕਰੋ ਜਦੋਂ ਤੁਸੀਂ ਇਸਦੀ ਹੱਥ ਨਾਲ ਜਾਂ ਕਿਸੇ ਨਿਰਣਾਇਕ ਸਾਧਨ ਨਾਲ ਪੁਸ਼ਟੀ ਕਰਦੇ ਹੋ - ਇਸ ਲਈ ਨਹੀਂ ਕਿ AI ਕਹਿੰਦਾ ਹੈ "ਯਕੀਨੀ।"
ਸੰਖੇਪ ਵਿੱਚ
AI ਗਣਿਤ ਵਿੱਚ ਗਲਤੀਆਂ ਕਰਦਾ ਹੈ ਕਿਉਂਕਿ ਇਹ ਇੱਕ ਭਾਸ਼ਾ ਮਾਡਲ ਹੈ ਜੋ ਅੰਕੜਾਤਮਕ ਤੌਰ 'ਤੇ ਟੈਕਸਟ ਪੈਦਾ ਕਰਦਾ ਹੈ, ਨਾ ਕਿ ਇੱਕ ਇੰਜਣ ਜੋ ਤਰਕ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਦਾ ਹੈ। ਤਰੁਟੀਆਂ ਸੱਤ ਮੁੱਖ ਕਿਸਮਾਂ ਵਿੱਚ ਆਉਂਦੀਆਂ ਹਨ: ਅੰਕਗਣਿਤ, ਚਿੰਨ੍ਹ, ਮੇਡ-ਅੱਪ ਥਿਊਰਮ, ਨਿਯਮ ਦੀ ਗਲਤ ਵਰਤੋਂ, ਛੱਡਿਆ ਗਿਆ ਕੇਸ, ਸਬੂਤ ਅੰਤਰ, ਪੁਰਾਣਾ ਡੇਟਾ। ਗਣਿਤ ਵਿੱਚ, ਗਲਤੀ ਫੈਲਦੀ ਅਤੇ ਵਧਦੀ ਹੈ, ਸੱਚ ਬਾਈਨਰੀ ਹੁੰਦਾ ਹੈ — ਇਸ ਲਈ ਹਰ ਕਦਮ ਦੀ ਪੁਸ਼ਟੀ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ। ਵਿਵਸਥਿਤ ਅਨੁਸ਼ਾਸਨ: ਹਰੇਕ ਸੰਖਿਆਤਮਕ ਟੂਲ, SymPy ਦੇ ਨਾਲ ਹਰ ਪ੍ਰਤੀਕਾਤਮਕ ਨਤੀਜਾ, ਸਰੋਤ ਤੋਂ ਹਰ ਪ੍ਰਮੇਯ, ਹਰ ਸਬੂਤ ਨੂੰ ਸਵਾਲਾਂ ਦੁਆਰਾ ਪ੍ਰਮਾਣਿਤ ਕਰੋ; ਚੈੱਕ, ਕਾਊਂਟਰ-ਚੈੱਕ ਅਤੇ ਆਮ ਸਮਝ ਟੈਸਟਿੰਗ ਲਾਗੂ ਕਰੋ। AI ਦਾ ਭਰੋਸਾ ਸ਼ੁੱਧਤਾ ਦਾ ਸਬੂਤ ਨਹੀਂ ਹੈ।
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
ਦਰਮਿਆਨੀ ਲੰਬਾਈ (ਘੱਟੋ-ਘੱਟ 6-8 ਕਦਮ) ਦੇ ਹੱਲ ਨਾਲ ਕੋਈ ਸਮੱਸਿਆ ਚੁਣੋ ਅਤੇ AI ਨੂੰ ਇਸਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਕਹੋ। ਫਿਰ ਇਸ ਯੂਨਿਟ ਤੋਂ ਪੈਟਰਨ 1 ਅਤੇ 4 ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਮਲਟੀ-ਲੇਅਰ ਵੈਰੀਫਿਕੇਸ਼ਨ ਕਰੋ: (a) ਆਮ ਸਮਝ/ਰੈਂਕ ਟੈਸਟਿੰਗ, (b) SymPy ਨਾਲ ਜਾਂਚ, (c) ਵਿਸ਼ੇਸ਼ ਮੁੱਲ 'ਤੇ ਟੈਸਟਿੰਗ। ਫਿਰ ਇੱਕ ਜਾਣਬੁੱਝ ਕੇ "ਬੱਗ ਹੰਟ" ਅੱਖ ਨਾਲ ਹੱਲ ਲਾਈਨ ਰਾਹੀਂ ਜਾਓ ਅਤੇ ਜਾਂਚ ਕਰੋ ਕਿ ਸੱਤ ਕਿਸਮਾਂ ਵਿੱਚੋਂ ਕਿਹੜੀਆਂ ਗਲਤੀਆਂ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਹਰੇਕ ਗਲਤੀ ਨੂੰ ਇਸਦੀ ਕਿਸਮ ਦੇ ਨਾਲ ਰਿਕਾਰਡ ਕਰੋ।
ਚੈੱਕਲਿਸਟ
- [ ] ਮੈਂ ਇੱਕ ਨਿਰਣਾਇਕ ਸਾਧਨ ਨਾਲ ਹਰੇਕ ਸੰਖਿਆਤਮਕ ਨਤੀਜੇ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਹੈ।
- [ ] ਮੈਂ SymPy ਨਾਲ ਹਰੇਕ ਪ੍ਰਤੀਕਾਤਮਕ ਨਤੀਜੇ ਦੀ ਜਾਂਚ ਕੀਤੀ।
- [ ] ਮੈਂ ਸਰੋਤ ਤੋਂ ਵਰਤੇ ਗਏ ਪ੍ਰਮੇਏ/ਫਾਰਮੂਲੇ ਦੀ ਜਾਂ ਛੋਟੀ ਜਿਹੀ ਉਦਾਹਰਣ ਨਾਲ ਪੁਸ਼ਟੀ ਕੀਤੀ।
- [ ] ਮੈਂ ਵਿਸ਼ਾਲਤਾ ਟੈਸਟ ਦੇ ਆਮ ਗਿਆਨ/ਕ੍ਰਮ ਨੂੰ ਲਾਗੂ ਕੀਤਾ।
- [ ] ਮੈਂ ਇਸਦਾ ਸੁਤੰਤਰ ਢੰਗ ਨਾਲ ਆਡਿਟ ਕੀਤਾ (AI ਦੀ ਆਪਣੀ ਮਨਜ਼ੂਰੀ 'ਤੇ ਭਰੋਸਾ ਕੀਤੇ ਬਿਨਾਂ)।
- [ ] ਜਦੋਂ ਮੈਨੂੰ ਕੋਈ ਗਲਤੀ ਮਿਲੀ, ਮੈਂ ਸ਼ੁਰੂ ਤੋਂ ਹੱਲ ਦੀ ਦੁਬਾਰਾ ਜਾਂਚ ਕੀਤੀ।