ਲਾਭ:
- ਗ੍ਰੀਨਵਾਸ਼ਿੰਗ ਦੀਆਂ ਕਿਸਮਾਂ ਨੂੰ ਪਛਾਣਨ ਦੀ ਸਮਰੱਥਾ (ਅਨਿਸ਼ਚਿਤ, ਗੈਰ-ਪ੍ਰਮਾਣਿਤ, ਲੁਕਵੇਂ ਵਟਾਂਦਰੇ, ਅਤਿਕਥਨੀ ਵਾਲਾ ਭਵਿੱਖ) ਅਤੇ ਦਾਅਵੇ ਨੂੰ ਮਾਪਣਯੋਗ, ਸਰੋਤ ਅਤੇ ਸਕੋਪਡ ਬਣਾਉਣ ਦੀ ਸਮਰੱਥਾ।
- ਗੁਪਤਤਾ ਦੇ ਮਾਮਲੇ ਵਿੱਚ ਵਾਹਨ ਨੂੰ ਦਿੱਤੇ ਜਾਣ ਵਾਲੇ ਡੇਟਾ ਨੂੰ ਸ਼੍ਰੇਣੀਬੱਧ ਕਰਨ ਅਤੇ ਵਪਾਰਕ ਭੇਦ ਅਤੇ ਨਿੱਜੀ ਡੇਟਾ ਦੀ ਰੱਖਿਆ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
- ਪਰਿਭਾਸ਼ਾ ਤੋਂ ਤਸਦੀਕ ਤੱਕ ਇੱਕ ਅੰਤ-ਤੋਂ-ਅੰਤ ਕੁਆਲਿਟੀ ਗੇਟ ਨੂੰ ਲਾਗੂ ਕਰਨ ਅਤੇ 'AI ਨੇ ਕਿਹਾ' ਰੱਖਿਆ 'ਤੇ ਭਰੋਸਾ ਕੀਤੇ ਬਿਨਾਂ ਅੰਤਮ ਜ਼ਿੰਮੇਵਾਰੀ ਲੈਣ ਦੀ ਸਮਰੱਥਾ
ਇਸ ਮੋਡੀਊਲ ਦੀ ਹਰੇਕ ਇਕਾਈ ਵਿੱਚ ਇੱਕ ਸਿਧਾਂਤ ਦੁਹਰਾਇਆ ਗਿਆ ਸੀ: ਸੰਖਿਆ ਇੱਕ ਸਰੋਤ 'ਤੇ ਅਧਾਰਤ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ, ਦਾਅਵਾ ਸਬੂਤ 'ਤੇ ਅਧਾਰਤ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਇਹ ਅੰਤਿਮ ਇਕਾਈ ਉਸ ਸਿਧਾਂਤ ਨੂੰ ਜੋੜਦੀ ਹੈ। ਵਾਤਾਵਰਣ ਅਤੇ ਜਲਵਾਯੂ ਵਿੱਚ AI ਦਾ ਸਭ ਤੋਂ ਵੱਡਾ ਜੋਖਮ ਇੱਕ ਗਲਤ ਗਣਨਾ ਨਹੀਂ ਹੈ, ਸਗੋਂ ਇਹ ਇੱਕ ਵਿਸ਼ਵਾਸਯੋਗ ਪਰ ਬੇਬੁਨਿਆਦ ਕਹਾਣੀ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਇਸ ਯੂਨਿਟ ਵਿੱਚ ਤੁਸੀਂ ਸਿੱਖੋਗੇ ਕਿ ਗ੍ਰੀਨਵਾਸ਼ਿੰਗ ਨੂੰ ਕਿਵੇਂ ਪਛਾਣਨਾ ਅਤੇ ਰੋਕਣਾ ਹੈ, ਡੇਟਾ ਦੀ ਸ਼ੁੱਧਤਾ, ਨੈਤਿਕਤਾ ਅਤੇ ਗੋਪਨੀਯਤਾ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣਾ ਹੈ, ਅਤੇ ਇੱਕ ਅੰਤ-ਤੋਂ-ਅੰਤ ਵਰਕਫਲੋ ਜੋ ਪੂਰੇ ਮੋਡੀਊਲ ਨੂੰ ਇੱਕਜੁੱਟ ਕਰਦਾ ਹੈ।
ਗ੍ਰੀਨਵਾਸ਼ਿੰਗ ਦੀ ਅੰਗ ਵਿਗਿਆਨ
ਗ੍ਰੀਨਵਾਸ਼ਿੰਗ ਉਦੋਂ ਹੁੰਦੀ ਹੈ ਜਦੋਂ ਕੋਈ ਸੰਗਠਨ ਆਪਣੀ ਵਾਤਾਵਰਣ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਨੂੰ ਅਸਲ ਵਿੱਚ ਇਸ ਤੋਂ ਬਿਹਤਰ ਦਿਖਾਉਂਦਾ ਹੈ। ਕਿਉਂਕਿ AI ਪ੍ਰਚਲਿਤ ਅਤੇ ਪ੍ਰੇਰਨਾਦਾਇਕ ਟੈਕਸਟ ਬਣਾਉਣ ਵਿੱਚ ਬਹੁਤ ਵਧੀਆ ਹੈ, ਇਹ ਅਣਜਾਣੇ ਵਿੱਚ ਗ੍ਰੀਨਵਾਸ਼ਿੰਗ ਪੈਦਾ ਕਰਨ ਲਈ ਬਹੁਤ ਸੰਭਾਵਿਤ ਹੈ। ਮੁੱਖ ਕਿਸਮਾਂ:
ਗ੍ਰੀਨਵਾਸ਼ਿੰਗ ਦੀ ਕਿਸਮ
ਤੁਹਾਡਾ ਕੀ ਮਤਲਬ ਹੈ?
ਉਦਾਹਰਨ
ਅਸਪਸ਼ਟ ਦਾਅਵਾ
ਨਾ ਮਾਪਣਯੋਗ, ਪਰਿਭਾਸ਼ਿਤ ਸ਼ਬਦ
"ਈਕੋ-ਅਨੁਕੂਲ", "ਕੁਦਰਤੀ", "ਹਰਾ"
ਬਿਨਾਂ ਸਬੂਤ ਦੇ ਦਾਅਵਾ
ਬਿਨਾਂ ਡੇਟਾ ਦੇ ਨੰਬਰ/ਟੀਚਾ
"ਅਸੀਂ ਕਾਰਬਨ ਨਿਰਪੱਖ ਹਾਂ" (ਕੋਈ ਦਸਤਾਵੇਜ਼ ਨਹੀਂ)
ਗੁਪਤ ਵਟਾਂਦਰਾ
ਚੰਗੇ ਨੂੰ ਉਜਾਗਰ ਕਰਨਾ ਅਤੇ ਵੱਡੇ ਮਾੜੇ ਨੂੰ ਛੁਪਾਉਣਾ
"ਪੈਕੇਜਿੰਗ ਰੀਸਾਈਕਲ ਕਰਨ ਯੋਗ ਹੈ" ਪਰ ਉਤਪਾਦ ਬਹੁਤ ਪ੍ਰਦੂਸ਼ਿਤ ਹੈ
ਅਪ੍ਰਸੰਗਿਕ ਦਾਅਵਾ
ਜੋ ਪਹਿਲਾਂ ਹੀ ਜ਼ਰੂਰੀ/ਗੈਰ-ਮਹੱਤਵਪੂਰਨ ਹੈ ਉਸ ਨੂੰ ਗੁਣ ਵਜੋਂ ਪੇਸ਼ ਕਰਨਾ
"ਵਰਜਿਤ ਪਦਾਰਥ ਸ਼ਾਮਲ ਨਹੀਂ ਹੈ"
ਜਾਅਲੀ ਲੇਬਲ
ਬਨਾਵਟੀ/ਅਪ੍ਰਮਾਣਿਤ ਸਰਟੀਫਿਕੇਟ ਦੀ ਦਿੱਖ
ਸਵੈ-ਖੋਜ ਕੀਤਾ "ਹਰਾ" ਲੋਗੋ
ਬੇਮਿਸਾਲ ਭਵਿੱਖ
ਬਿਨਾਂ ਸਬੂਤ ਦੇ ਦੂਰ ਦੇ ਨਿਸ਼ਾਨੇ ਵਿਚ ਪਨਾਹ ਲੈਣਾ
"ਅਸੀਂ 2050 ਵਿੱਚ ਨਿਰਪੱਖ ਰਹਾਂਗੇ" (ਕੋਈ ਅੰਤਰਿਮ ਯੋਜਨਾ ਨਹੀਂ)
ਸੰਕੇਤ: ਇੱਕ ਚੰਗੇ ਵਾਤਾਵਰਣ ਸੰਬੰਧੀ ਦਾਅਵੇ ਵਿੱਚ ਤਿੰਨ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਹੁੰਦੀਆਂ ਹਨ: ਮਾਪਣਯੋਗ (ਇੱਕ ਸੰਖਿਆ), ਸਾਬਤ (ਸਬੂਤ ਦਾ ਇੱਕ ਟੁਕੜਾ), ਅਤੇ ਦਾਇਰੇ ਵਿੱਚ ਸਪਸ਼ਟ (ਸਾਫ਼ ਕਰੋ ਕਿ ਕਦੋਂ ਤੁਲਨਾ ਕੀਤੀ ਜਾ ਰਹੀ ਹੈ)। ਜੇਕਰ ਦਾਅਵਾ ਇਹਨਾਂ ਤਿੰਨਾਂ ਵਿੱਚੋਂ ਇੱਕ ਗੁੰਮ ਹੈ, ਤਾਂ ਇਸਨੂੰ ਪ੍ਰਕਾਸ਼ਿਤ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਬੰਦ ਕਰੋ।
ਡੇਟਾ ਸ਼ੁੱਧਤਾ: ਮੋਡੀਊਲ ਦਾ ਸੁਨਹਿਰੀ ਨਿਯਮ
ਤਸਦੀਕ ਅਨੁਸ਼ਾਸਨ ਜੋ ਅਸੀਂ ਹਰੇਕ ਇਕਾਈ ਵਿੱਚ ਦੇਖਦੇ ਹਾਂ ਇੱਕ ਇੱਕਲੇ ਵਾਕ ਵਿੱਚ ਸੰਖੇਪ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ: AI ਦੁਆਰਾ ਪੈਦਾ ਕੀਤੀ ਕੋਈ ਵੀ ਸੰਖਿਆ ਜਾਂ ਤੱਥ ਇੱਕ ਸੁਤੰਤਰ ਸਰੋਤ ਦੁਆਰਾ ਪੁਸ਼ਟੀ ਕੀਤੇ ਬਿਨਾਂ ਇੱਕ ਫੈਸਲੇ, ਰਿਪੋਰਟ ਜਾਂ ਦਾਅਵੇ ਵਿੱਚ ਨਹੀਂ ਬਦਲਦਾ ਹੈ। ਨਿਕਾਸ ਕਾਰਕ ਦੀ ਅਧਿਕਾਰਤ ਸਾਰਣੀ ਤੋਂ ਪੁਸ਼ਟੀ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਕਾਨੂੰਨ ਦੇ ਲੇਖ ਦੀ ਪੁਸ਼ਟੀ ਮੌਜੂਦਾ ਟੈਕਸਟ ਤੋਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਮਾਪ ਦੀ ਪੁਸ਼ਟੀ ਕੈਲੀਬਰੇਟਡ ਡਿਵਾਈਸ ਤੋਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਅਤੇ ਗਣਨਾ ਨੂੰ ਲਾਗੂ ਕੀਤੇ ਕੋਡ ਤੋਂ ਪੁਸ਼ਟੀ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਏਆਈ ਤੇਜ਼ ਕਰਦਾ ਹੈ; ਉਹ ਮਨੁੱਖ ਹੈ ਜੋ ਸੱਚਾ ਹੈ।
ਨੈਤਿਕਤਾ ਅਤੇ ਗੋਪਨੀਯਤਾ
ਨੈਤਿਕਤਾ: ਵਾਤਾਵਰਣ ਸੰਬੰਧੀ ਡੇਟਾ ਜਨਤਾ ਅਤੇ ਆਉਣ ਵਾਲੀਆਂ ਪੀੜ੍ਹੀਆਂ ਨਾਲ ਸਬੰਧਤ ਹੈ; ਡੇਟਾ ਮਾਲਸ਼, ਚੋਣਵੀਂ ਰਿਪੋਰਟਿੰਗ, ਜਾਂ ਅਨਿਸ਼ਚਿਤਤਾ ਨੂੰ ਲੁਕਾਉਣਾ ਇੱਕ ਨੈਤਿਕ ਉਲੰਘਣਾ ਹੈ। AI ਨੂੰ "ਰਿਪੋਰਟ ਨੂੰ ਬਿਹਤਰ ਦਿਖਾਉਣ" ਲਈ ਨਾ ਕਹੋ, ਸਗੋਂ "ਰਿਪੋਰਟ ਨੂੰ ਵਧੇਰੇ ਸਹੀ ਅਤੇ ਸਮਝਦਾਰੀ ਨਾਲ ਦਿਖਾਓ"।
ਗੁਪਤਤਾ: ਪਲਾਂਟ-ਪੱਧਰ ਦੇ ਉਤਪਾਦਨ ਦੇ ਅੰਕੜੇ, ਸਪਲਾਇਰ ਸਮਝੌਤੇ, ਅਣਜਾਣ ਨਿਕਾਸ ਡੇਟਾ ਵਪਾਰਕ ਰਾਜ਼ ਹੋ ਸਕਦੇ ਹਨ; ਕਰਮਚਾਰੀ ਦੀ ਯਾਤਰਾ ਜਾਂ ਸਥਾਨ ਡੇਟਾ ਨਿੱਜੀ ਡੇਟਾ ਹੋ ਸਕਦਾ ਹੈ। ਜਨਤਕ AI ਟੂਲਸ ਵਿੱਚ ਪੇਸਟ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਕਾਰਪੋਰੇਟ ਨੀਤੀ ਅਤੇ ਡਾਟਾ ਸੁਰੱਖਿਆ ਨਿਯਮਾਂ (ਉਦਾਹਰਨ ਲਈ KVKK/GDPR) ਦੀ ਜਾਂਚ ਕਰੋ; ਜੇ ਸੰਭਵ ਹੋਵੇ ਤਾਂ ਅਗਿਆਤ ਬਣਾਓ ਜਾਂ ਕਿਸੇ ਐਂਟਰਪ੍ਰਾਈਜ਼, ਡੇਟਾ-ਪਰੂਫ ਟੂਲ ਦੀ ਵਰਤੋਂ ਕਰੋ।
ਸਾਵਧਾਨ: "ਏਆਈ ਨੇ ਅਜਿਹਾ ਕਿਹਾ" ਕੋਈ ਬਚਾਅ ਨਹੀਂ ਹੈ। ਸੰਸਥਾ ਅਤੇ ਹਸਤਾਖਰਕਰਤਾ ਇੱਕ ਗਲਤ ਨਿਕਾਸ ਰਿਪੋਰਟ, ਗੁੰਮਰਾਹਕੁੰਨ ਵਿਗਿਆਪਨ ਜਾਂ ਲੀਕ ਹੋਏ ਗੁਪਤ ਡੇਟਾ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਹਨ। AI ਇੱਕ ਸਾਧਨ ਹੈ; ਉਹ ਇੱਕ ਅਜਿਹਾ ਵਿਅਕਤੀ ਹੈ ਜੋ ਜਵਾਬਦੇਹ ਹੈ।
ਐਂਡ-ਟੂ-ਐਂਡ ਵਰਕਫਲੋ: ਮੋਡੀਊਲ ਨੂੰ ਅਸੈਂਬਲ ਕਰੋ
ਸ਼ੁਰੂ ਤੋਂ ਅੰਤ ਤੱਕ ਭਰੋਸੇ ਨਾਲ ਵਾਤਾਵਰਣ ਸੰਬੰਧੀ ਦਾਅਵਾ ਜਾਂ ਰਿਪੋਰਟ ਤਿਆਰ ਕਰਨ ਲਈ ਇੱਥੇ ਛੇ ਕਦਮ ਹਨ:
1. ਪਰਿਭਾਸ਼ਿਤ ਕਰੋ। ਕੀ ਰਿਪੋਰਟ/ਦਾਅਵਾ ਕੀਤਾ ਜਾਵੇਗਾ? ਕੀ ਸਕੋਪ, ਯੂਨਿਟ, ਸਟੈਂਡਰਡ, ਪੀਰੀਅਡ ਸਪੱਸ਼ਟ ਹਨ?
2. ਡਾਟਾ ਇਕੱਠਾ ਕਰੋ ਅਤੇ ਪੁਸ਼ਟੀ ਕਰੋ। ਕੀ ਹਰੇਕ ਮੁੱਦੇ ਦਾ ਕੋਈ ਖੋਜਣਯੋਗ ਸਰੋਤ ਹੈ? ਕੀ ਕਾਰਕ ਅਧਿਕਾਰਤ ਹਨ?
3. ਗਣਨਾ ਕਰੋ ਅਤੇ ਪੁਸ਼ਟੀ ਕਰੋ। ਕੋਡ ਵਿੱਚ ਅੰਕ ਗਣਿਤ ਕਰੋ ਅਤੇ ਇਕਾਈਆਂ ਅਤੇ ਆਦੇਸ਼ਾਂ ਦੇ ਨਾਲ ਨਤੀਜਾ ਪ੍ਰਦਾਨ ਕਰੋ।
4. ਸਕੈਚ. AI ਨਾਲ ਟੈਕਸਟ ਪਿੰਜਰ ਬਣਾਓ; ਹਰੇਕ ਵਾਕ ਨੂੰ ਸਬੂਤ ਨਾਲ ਜੋੜੋ।
5. ਇਸਨੂੰ ਗ੍ਰੀਨਵਾਸ਼ਿੰਗ ਫਿਲਟਰ ਵਿੱਚੋਂ ਲੰਘੋ। ਅਸਪਸ਼ਟ, ਅਸਪਸ਼ਟ, ਅਤਿਕਥਨੀ ਵਾਲੇ ਬਿਆਨਾਂ ਨੂੰ ਖਤਮ ਕਰੋ।
6. ਪੁਸ਼ਟੀ ਕਰੋ ਅਤੇ ਜ਼ਿੰਮੇਵਾਰੀ ਲਓ। ਸੁਤੰਤਰ ਭਰੋਸਾ/ਮਾਹਰ ਨਿਯੰਤਰਣ; ਅੰਤਮ ਪ੍ਰਵਾਨਗੀ ਮਨੁੱਖ ਦੇ ਕੋਲ ਹੈ।
ਤਿੰਨ ਛੋਟੇ ਕੇਸ
ਕੇਸ 1 - ਤਰਕਸ਼ੀਲ ਪਰ ਬੇਬੁਨਿਆਦ। ਇੱਕ ਟੀਮ ਨੇ AI ਨੂੰ ਇੱਕ ਸਥਿਰਤਾ ਸੰਖੇਪ ਲਿਖਣਾ ਸੀ; ਟੈਕਸਟ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਸੀ, ਪਰ ਗੈਰ-ਗਿਣਤੀਯੋਗ ਵਾਕਾਂਸ਼ਾਂ ਨਾਲ ਭਰਿਆ ਹੋਇਆ ਸੀ ਜਿਵੇਂ ਕਿ "ਉਦਯੋਗ-ਮੋਹਰੀ ਸਥਿਰਤਾ," "ਨੇੜੇ-ਜ਼ੀਰੋ ਪ੍ਰਭਾਵ"। ਗ੍ਰੀਨਵਾਸ਼ਿੰਗ ਫਿਲਟਰ ਨੂੰ ਲਾਗੂ ਕਰਨਾ (ਹੇਠਾਂ ਟੈਂਪਲੇਟ 1) ਫਲੈਗ ਕੀਤੇ ਸੱਤ ਬੇਬੁਨਿਆਦ ਦਾਅਵਿਆਂ; ਹਰੇਕ ਨੂੰ ਜਾਂ ਤਾਂ ਇੱਕ ਸਾਬਤ ਸੰਖਿਆ ਨਾਲ ਬਦਲਿਆ ਗਿਆ ਸੀ ਜਾਂ ਹਟਾ ਦਿੱਤਾ ਗਿਆ ਸੀ। ਰਿਪੋਰਟ ਛੋਟੀ ਸੀ ਪਰ ਬਚਾਅ ਯੋਗ ਸੀ।
ਕੇਸ 2 - ਲੀਕ ਕੀਤਾ ਡੇਟਾ। ਇੱਕ ਵਿਸ਼ਲੇਸ਼ਕ ਨੇ ਜਨਤਕ ਤੌਰ 'ਤੇ ਉਪਲਬਧ ਏਆਈ ਟੂਲ ਵਿੱਚ ਅਜੇ ਤੱਕ ਖੁਲਾਸਾ ਨਹੀਂ ਕੀਤਾ ਜਾਣ ਵਾਲਾ ਸਹੂਲਤ ਨਿਕਾਸ ਡੇਟਾ ਪੇਸਟ ਕੀਤਾ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਬੇਨਤੀ ਕੀਤੀ। ਪਾਲਣਾ ਟੀਮ ਨੇ ਮਹਿਸੂਸ ਕੀਤਾ ਕਿ ਇਹ ਇੱਕ ਵਪਾਰਕ ਰਾਜ਼ ਸੀ ਅਤੇ ਸੰਭਾਵੀ ਰੈਗੂਲੇਟਰੀ ਖੁਲਾਸੇ ਦੀ ਉਲੰਘਣਾ ਸੀ; ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਰੋਕ ਦਿੱਤਾ ਗਿਆ ਸੀ, ਡੇਟਾ ਨੂੰ ਇੱਕ ਕਾਰਪੋਰੇਟ (ਲੀਕ-ਪਰੂਫ) ਟੂਲ ਵਿੱਚ ਭੇਜਿਆ ਗਿਆ ਸੀ। ਪਾਠ: ਟੂਲ ਨੂੰ ਦੇਣ ਤੋਂ ਪਹਿਲਾਂ ਡੇਟਾ ਦੀ ਸ਼੍ਰੇਣੀ (ਗੁਪਤ?) ਨਿਰਧਾਰਤ ਕਰੋ।
ਕੇਸ 3 — ਪ੍ਰਮਾਣਿਕਤਾ ਚੇਨ। ਇੱਕ ਸੰਸਥਾ ਨੇ ਆਪਣੀ ਪੂਰੀ ਸਾਲਾਨਾ ਰਿਪੋਰਟ ਲਈ ਇੱਕ "ਦਾਅਵਾ-ਸਬੂਤ" ਸਾਰਣੀ ਰੱਖੀ: ਹਰੇਕ ਵਾਕ ਵਿੱਚ ਹਰੇਕ ਸੰਖਿਆ ਦੇ ਉਲਟ ਇਸਦਾ ਸਰੋਤ ਹੈ। ਜਦੋਂ ਆਡੀਟਰ ਪਹੁੰਚਿਆ, ਤਾਂ ਉਹ ਮਿੰਟਾਂ ਦੇ ਅੰਦਰ ਹਰੇਕ ਦਾਅਵੇ ਨੂੰ ਟਰੈਕ ਕਰਨ ਦੇ ਯੋਗ ਸਨ; ਭਰੋਸਾ ਦੇਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਸੁਚਾਰੂ ਢੰਗ ਨਾਲ ਚਲੀ ਗਈ। ਇਹ ਅਨੁਸ਼ਾਸਨ ਮੋਡੀਊਲ ਦੀਆਂ ਸਾਰੀਆਂ ਇਕਾਈਆਂ ਦਾ ਧੁਰਾ ਸੀ ਅਤੇ ਅਸਲ ਸੰਸਾਰ ਵਿੱਚ ਸਮੇਂ ਅਤੇ ਮਾਨਤਾ ਨੂੰ ਬਚਾਉਂਦਾ ਸੀ।
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:
ਸਾਡੇ ਸਥਿਰਤਾ ਸੰਦੇਸ਼ ਨੂੰ ਹੋਰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਬਣਾਓ।
ਇਹ ਕਮਜ਼ੋਰ ਕਿਉਂ ਹੈ: "ਪ੍ਰਭਾਵਸ਼ਾਲੀ" ਦੀ ਇੱਛਾ ਏਆਈ ਨੂੰ ਹਾਈਪਰਬੋਲ ਅਤੇ ਅਸਪਸ਼ਟ ਪ੍ਰਸ਼ੰਸਾ ਵਿੱਚ ਧੱਕਦੀ ਹੈ; ਗ੍ਰੀਨਵਾਸ਼ਿੰਗ ਪੈਦਾ ਕਰਦਾ ਹੈ।
ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:
ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਵਾਤਾਵਰਣ ਸੰਚਾਰ ਸੰਪਾਦਕ ਅਤੇ ਗ੍ਰੀਨਵਾਸ਼ਿੰਗ ਆਡੀਟਰ। ਹੇਠਾਂ ਦਿੱਤੇ ਟੈਕਸਟ ਨੂੰ "ਚਮਕਦਾਰ" ਨਾ, ਹੋਰ ਸਹੀ ਅਤੇ ਸਮਝਣ ਯੋਗ ਬਣਾਓ। ਹਰ ਦਾਅਵਾ ਪੁੱਛਦਾ ਹੈ: ਕੀ ਇਹ ਮਾਪਣਯੋਗ ਹੈ, ਕੀ ਇਸਦਾ ਸਰੋਤ ਹੈ, ਕੀ ਇਸਦਾ ਦਾਇਰਾ ਸਪਸ਼ਟ ਹੈ? ਫਲੈਗ ਅਸਪਸ਼ਟ ("ਈਕੋ-ਅਨੁਕੂਲ"), ਗੈਰ-ਪ੍ਰਮਾਣਿਤ ("ਨਿਰਪੱਖ"), ਅਤੇ ਅਤਿਕਥਨੀ ਵਾਲੇ ਬਿਆਨ ਅਤੇ ਸਬੂਤ-ਆਧਾਰਿਤ, ਮਾਪੇ ਵਿਕਲਪਾਂ ਦਾ ਸੁਝਾਅ ਦਿੰਦੇ ਹਨ। ਉਸ ਦਾਅਵੇ ਨੂੰ ਹਟਾਓ ਜਿਸਦਾ ਕੋਈ ਸਬੂਤ ਨਹੀਂ ਹੈ। ਟੈਕਸਟ: [ਇੱਥੇ]
ਚਾਰ ਕਾਪੀ ਕਰਨ ਯੋਗ ਟੈਂਪਲੇਟ
1) ਗ੍ਰੀਨਵਾਸ਼ਿੰਗ ਕੰਟਰੋਲ ਫਿਲਟਰ:
ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਗ੍ਰੀਨਵਾਸ਼ਿੰਗ ਆਡੀਟਰ। ਹੇਠਾਂ ਦਿੱਤੇ ਟੈਕਸਟ ਵਿੱਚ ਹਰੇਕ ਵਾਤਾਵਰਣ ਸੰਬੰਧੀ ਦਾਅਵੇ ਨੂੰ ਸਾਰਣੀ ਵਿੱਚ ਰੱਖੋ: (ਦਾਅਵਾ | ਕੀ ਇਸ ਨੂੰ ਮਾਪਿਆ ਜਾ ਸਕਦਾ ਹੈ | ਕੀ ਕੋਈ ਸਬੂਤ ਹੈ | ਕੀ ਇਹ ਅਨਿਸ਼ਚਿਤ ਹੈ | ਫੈਸਲਾ)। ਉਹਨਾਂ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕਰੋ ਜੋ ਅਸਪਸ਼ਟ/ਅਪ੍ਰਮਾਣਿਤ/ਵਧਾਈ-ਪ੍ਰਾਪਤ ਹਨ ਅਤੇ ਹਰੇਕ ਲਈ ਇੱਕ ਮਾਪਿਆ, ਸਬੂਤ-ਆਧਾਰਿਤ ਵਿਕਲਪ ਦਾ ਸੁਝਾਅ ਦਿਓ। ਟੈਕਸਟ: [ਇੱਥੇ]
2) ਦਾਅਵਾ-ਸਬੂਤ ਮੈਚਿੰਗ ਸਾਰਣੀ:
ਹੇਠਾਂ ਦਿੱਤੇ ਰਿਪੋਰਟ ਟੈਕਸਟ ਤੋਂ ਹਰ ਸੰਖਿਆਤਮਕ ਅਤੇ ਤੱਥਾਂ ਦੇ ਦਾਅਵੇ ਨੂੰ ਹਟਾ ਦਿਓ। ਹਰੇਕ ਲਈ ਇੱਕ "ਸਰੋਤ" ਕਾਲਮ ਛੱਡੋ। ਕਿਸੇ ਵੀ ਦਾਅਵੇ ਨੂੰ "ਪ੍ਰੂਫ਼ ਲੋੜੀਂਦਾ" ਵਜੋਂ ਅਣ-ਨਿਰਧਾਰਤ ਸਰੋਤ ਨਾਲ ਚਿੰਨ੍ਹਿਤ ਕਰੋ। ਟੈਕਸਟ ਬਦਲੋ; ਚੈੱਕ ਕਰੋ। ਟੈਕਸਟ: [ਇੱਥੇ]
3) ਗੋਪਨੀਯਤਾ ਪ੍ਰੀ-ਚੈੱਕ:
ਇੱਕ AI ਟੂਲ ਵਿੱਚ ਇਸਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਹੇਠਾਂ ਦਿੱਤੇ ਡੇਟਾ ਦਾ ਵਰਗੀਕਰਨ ਕਰੋ: ਕੀ ਇਸ ਵਿੱਚ ਵਪਾਰਕ ਰਾਜ਼ (ਪੌਦੇ ਦਾ ਉਤਪਾਦਨ, ਸਪਲਾਇਰ ਕੀਮਤ), ਨਿੱਜੀ ਡੇਟਾ (ਨਾਮ, ਸਥਾਨ) ਜਾਂ ਅਣਦੱਸੀ ਵਿੱਤੀ ਜਾਣਕਾਰੀ ਸ਼ਾਮਲ ਹੈ? ਜੋਖਮ ਵਾਲੇ ਖੇਤਰਾਂ ਨੂੰ ਫਲੈਗ ਕਰੋ ਅਤੇ ਅਗਿਆਤਕਰਨ/ਹਟਾਉਣ ਦੀ ਸਿਫਾਰਸ਼ ਕਰੋ। ਡੇਟਾ ਉਦਾਹਰਨ: [ਇੱਥੇ]
4) ਐਂਡ-ਟੂ-ਐਂਡ ਕੁਆਲਿਟੀ ਗੇਟ:
ਹੇਠਾਂ ਵਾਤਾਵਰਨ ਰਿਪੋਰਟ/ਦਾਅਵਿਆਂ ਲਈ ਅੰਤਿਮ ਜਾਂਚ ਕਰੋ। ਕ੍ਰਮ ਵਿੱਚ: (1) ਸਕੋਪ-ਯੂਨਿਟ-ਸਟੈਂਡਰਡ ਸਪਸ਼ਟ ਹੈ, (2) ਹਰੇਕ ਨੰਬਰ ਨੂੰ ਸਰੋਤ ਕੀਤਾ ਗਿਆ ਹੈ, (3) ਕੀ ਗਣਿਤ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਗਈ ਹੈ, (4) ਕੀ ਗ੍ਰੀਨਵਾਸ਼ਿੰਗ ਹੈ, (5) ਗੁਪਤ/ਨਿੱਜੀ ਡੇਟਾ ਲੀਕ ਕੀਤਾ ਗਿਆ ਹੈ। ਹਰੇਕ ਆਈਟਮ ਲਈ ਪਾਸ/ਫੇਲ ਅਤੇ ਜਾਇਜ਼ ਠਹਿਰਾਓ। ਸਮੱਗਰੀ: [ਇੱਥੇ]
ਆਮ ਗਲਤੀਆਂ
- "ਪ੍ਰਭਾਵਸ਼ਾਲੀ" ਚਾਹੁੰਦੇ ਹੋ. ਇਹ AI ਨੂੰ ਹਾਈਪਰਬੋਲ ਅਤੇ ਗ੍ਰੀਨਵਾਸ਼ਿੰਗ ਵਿੱਚ ਧੱਕਦਾ ਹੈ; "ਸਹੀ ਅਤੇ ਸਮਝਣ ਯੋਗ" ਲਈ ਪੁੱਛੋ।
- ਅਸਪਸ਼ਟ ਦਾਅਵੇ ਵੱਲ ਧਿਆਨ ਨਹੀਂ ਦੇਣਾ। "ਈਕੋ-ਫਰੈਂਡਲੀ" ਵਰਗੇ ਵਾਕਾਂਸ਼ ਬੇਅੰਤ ਅਤੇ ਜੋਖਮ ਭਰੇ ਹਨ।
- ਇੱਕ ਓਪਨ ਟੂਲ ਵਿੱਚ ਗੁਪਤ ਡੇਟਾ ਨਿਰਯਾਤ ਕਰਨਾ। ਪਹਿਲਾਂ ਡੇਟਾ ਨੂੰ ਵਰਗੀਕ੍ਰਿਤ ਕਰੋ ਅਤੇ ਜੇ ਲੋੜ ਹੋਵੇ ਤਾਂ ਇਸਨੂੰ ਅਗਿਆਤ ਕਰੋ।
- ਨਾਲ ਬਚਾਅ ਕਰਦੇ ਹੋਏ "ਏਆਈ ਨੇ ਅਜਿਹਾ ਕਿਹਾ." ਜ਼ਿੰਮੇਵਾਰੀ ਹਮੇਸ਼ਾ ਵਿਅਕਤੀ ਦੀ ਹੁੰਦੀ ਹੈ।
- ਤਸਦੀਕ ਲੜੀ ਨੂੰ ਕਾਇਮ ਨਹੀਂ ਰੱਖਣਾ। ਹਰ ਦਾਅਵੇ ਦਾ ਸਰੋਤ ਆਡਿਟਯੋਗ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।
ਸੰਖੇਪ ਵਿੱਚ
ਵਾਤਾਵਰਣ ਅਤੇ ਜਲਵਾਯੂ ਵਿੱਚ ਸੁਰੱਖਿਅਤ ਢੰਗ ਨਾਲ AI ਦੀ ਵਰਤੋਂ ਕਰਨ ਦਾ ਸਾਰ ਇੱਕ ਅਨੁਸ਼ਾਸਨ ਹੈ: ਹਰੇਕ ਸੰਖਿਆ ਸਰੋਤ, ਹਰ ਦਾਅਵਾ ਸਾਬਤ, ਹਰੇਕ ਟੂਲ ਵਰਗੀਕ੍ਰਿਤ ਨੂੰ ਦਿੱਤਾ ਗਿਆ ਹਰ ਡੇਟਾ, ਹਰ ਅੰਤਿਮ ਫੈਸਲਾ ਮਨੁੱਖੀ। ਗ੍ਰੀਨਵਾਸ਼ਿੰਗ ਤਰਲ ਭਾਸ਼ਾ ਦਾ ਜਾਲ ਹੈ; ਇਸ ਤੋਂ ਬਚਣ ਦਾ ਤਰੀਕਾ ਇਹ ਹੈ ਕਿ ਉਹ ਦਾਅਵੇ ਕਰਨ ਜੋ ਮਾਪਣਯੋਗ, ਸਰੋਤ ਅਤੇ ਇੱਕ ਨਿਸ਼ਚਿਤ ਦਾਇਰੇ ਵਾਲੇ ਹਨ। AI; ਗਣਨਾ ਕਰਦਾ ਹੈ, ਸਕੈਨ ਕਰਦਾ ਹੈ, ਡਰਾਫਟ ਬਣਾਉਂਦਾ ਹੈ ਅਤੇ ਸੰਗਠਿਤ ਕਰਦਾ ਹੈ - ਪਰ ਇਹ ਸਮਰੱਥ ਮਾਹਰ ਹੈ ਜੋ ਪੁਸ਼ਟੀ ਕਰਦਾ ਹੈ, ਫੈਸਲਾ ਕਰਦਾ ਹੈ ਅਤੇ ਜਵਾਬਦੇਹ ਹੁੰਦਾ ਹੈ। ਉੱਚ-ਨਤੀਜੇ ਵਾਲੇ ਵਾਤਾਵਰਣ ਦੇ ਕੰਮ ਵਿੱਚ, AI ਆਉਟਪੁੱਟ ਮਾਹਰ ਤਸਦੀਕ ਅਤੇ ਪ੍ਰਮਾਣਿਕਤਾ ਦਾ ਬਦਲ ਨਹੀਂ ਹੈ; ਇਹ ਸਿਰਫ ਇਸ ਨੂੰ ਤੇਜ਼ ਕਰਦਾ ਹੈ।
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
ਇੱਕ ਡਿਲੀਵਰੀਯੋਗ ਚੁਣੋ ਜੋ ਤੁਸੀਂ ਪੂਰੇ ਮੋਡੀਊਲ ਵਿੱਚ ਤਿਆਰ ਕੀਤਾ ਹੈ (ਇੱਕ ਨਿਕਾਸ ਸੰਖੇਪ, ਇੱਕ ਪਾਣੀ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ, ਜਾਂ ਇੱਕ ESG ਸੈਕਸ਼ਨ)। ਪਹਿਲਾਂ ਟੈਮਪਲੇਟ 1 ਦੇ ਨਾਲ ਗ੍ਰੀਨਵਾਸ਼ਿੰਗ ਆਡਿਟ ਕਰੋ ਅਤੇ ਤੁਹਾਡੇ ਦੁਆਰਾ ਮਿਲੇ ਕਿਸੇ ਵੀ ਬੇਬੁਨਿਆਦ ਦਾਅਵਿਆਂ ਨੂੰ ਠੀਕ ਕਰੋ। ਫਿਰ ਦੂਜੇ ਟੈਂਪਲੇਟ ਨਾਲ ਦਾਅਵਾ-ਸਬੂਤ ਸਾਰਣੀ ਬਣਾਓ ਅਤੇ ਸਰੋਤਾਂ ਤੋਂ ਬਿਨਾਂ ਬਾਕੀ ਸੰਖਿਆਵਾਂ ਨੂੰ ਪੂਰਾ ਕਰੋ। ਅੰਤ ਵਿੱਚ, 4 ਟੇਪਲੇਟ ਦੇ ਨਾਲ ਅੰਤ ਤੋਂ ਅੰਤ ਤੱਕ ਗੁਣਵੱਤਾ ਵਾਲੇ ਗੇਟ ਨੂੰ ਲਾਗੂ ਕਰੋ; ਜਦੋਂ ਤੱਕ ਤੁਸੀਂ ਸਾਰੀਆਂ ਪੰਜ ਆਈਟਮਾਂ 'ਤੇ "ਪਾਸ" ਪ੍ਰਾਪਤ ਨਹੀਂ ਕਰਦੇ ਉਦੋਂ ਤੱਕ ਸਹੀ।
ਚੈੱਕਲਿਸਟ
- [ ] ਮੈਂ ਹਰੇਕ ਦਾਅਵੇ ਨੂੰ ਮਾਪਣਯੋਗ, ਸਰੋਤ ਅਤੇ ਸਕੋਪ ਵਿਸ਼ੇਸ਼ ਬਣਾਇਆ ਹੈ।
- [ ] ਮੈਂ ਗ੍ਰੀਨਵਾਸ਼ਿੰਗ ਫਿਲਟਰ ਨਾਲ ਅਸਪਸ਼ਟ / ਅਤਿਕਥਨੀ ਵਾਲੀ ਭਾਸ਼ਾ ਨੂੰ ਸਾਫ਼ ਕੀਤਾ।
- [ ] ਮੈਂ AI ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਹਰੇਕ ਨੰਬਰ ਦੀ ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਪੁਸ਼ਟੀ ਕੀਤੀ ਹੈ।
- [ ] ਮੈਂ ਗੁਪਤਤਾ ਲਈ ਟੂਲ ਨੂੰ ਦਿੱਤੇ ਡੇਟਾ ਨੂੰ ਵਰਗੀਕ੍ਰਿਤ/ਅਗਿਆਤ ਕੀਤਾ ਹੈ।
- [ ] ਮੇਰੇ ਕੋਲ ਅੰਕਗਣਿਤ ਕੋਡਿਡ ਸੀ ਅਤੇ ਇਸ ਨੂੰ ਇਕਾਈਆਂ ਅਤੇ ਰੈਂਕਾਂ ਦੇ ਨਾਲ ਪ੍ਰਦਾਨ ਕੀਤਾ ਗਿਆ ਸੀ।
- [ ] ਮੈਂ ਅੰਤਮ ਜ਼ਿੰਮੇਵਾਰੀ ਲਈ ਹੈ; ਮੈਂ "AI ਨੇ ਕਿਹਾ" ਬਚਾਅ 'ਤੇ ਭਰੋਸਾ ਨਹੀਂ ਕੀਤਾ।
ਮੋਡੀਊਲ ਪ੍ਰੀਖਿਆ
1. ਵਾਤਾਵਰਣ ਅਤੇ ਜਲਵਾਯੂ ਵਿੱਚ ਨਕਲੀ ਬੁੱਧੀ ਲਈ ਹੇਠ ਲਿਖੀਆਂ ਵਿੱਚੋਂ ਕਿਹੜੀ ਸਥਿਤੀ ਸਭ ਤੋਂ ਸਹੀ ਹੈ?
- ਏ) ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਕੋਡ, ਡੇਟਾ ਅਤੇ ਬਲੂਪ੍ਰਿੰਟਸ ਦਾ ਸਹਾਇਕ ਹੈ; ਕਾਰਕਾਂ, ਦਾਇਰੇ, ਸਬੂਤ ਅਤੇ ਨੈਤਿਕ ਫੈਸਲਿਆਂ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਮਨੁੱਖਾਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ ✔
- ਅ) ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਇੱਕ ਮਾਪਣ ਵਾਲਾ ਯੰਤਰ ਹੈ ਅਤੇ ਇਹ ਜੋ ਨਿਕਾਸੀ ਮੁੱਲ ਦਿੰਦਾ ਹੈ ਉਹ ਹਮੇਸ਼ਾ ਸਹੀ ਹੁੰਦੇ ਹਨ।
- C) ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਸਿਰਫ ਰਿਪੋਰਟਾਂ ਲਿਖਣ ਵਿੱਚ ਉਪਯੋਗੀ ਹੈ, ਇਸਦਾ ਲੇਖਾ-ਜੋਖਾ ਅਤੇ ਨਿਗਰਾਨੀ ਨਾਲ ਕੋਈ ਲੈਣਾ-ਦੇਣਾ ਨਹੀਂ ਹੈ
- ਡੀ) ਕਿਉਂਕਿ ਨਕਲੀ ਬੁੱਧੀ ਮਨੁੱਖਾਂ ਨਾਲੋਂ ਵਧੇਰੇ ਨਿਰਪੱਖ ਹੈ, ਸਾਰੇ ਵਾਤਾਵਰਣ ਸੰਬੰਧੀ ਫੈਸਲੇ ਇਸ 'ਤੇ ਛੱਡ ਦਿੱਤੇ ਜਾਣੇ ਚਾਹੀਦੇ ਹਨ।
ਵਰਣਨ: ਨਕਲੀ ਬੁੱਧੀ; ਇਹ ਇੱਕ ਸਹਾਇਕ ਹੈ ਜੋ ਕੋਡ ਲਿਖਦਾ ਹੈ, ਡੇਟਾ ਨੂੰ ਸੰਗਠਿਤ ਕਰਦਾ ਹੈ, ਡਰਾਫਟ ਤਿਆਰ ਕਰਦਾ ਹੈ ਅਤੇ ਸੰਖੇਪ ਕਰਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਨਿਕਾਸੀ ਕਾਰਕ, ਦਾਅਵਿਆਂ ਅਤੇ ਇਕਾਈ ਦੀ ਸ਼ੁੱਧਤਾ ਦੀ ਪੁਸ਼ਟੀ, ਦਾਅਵਿਆਂ ਦੀ ਪੁਸ਼ਟੀ ਅਤੇ ਅੰਤਮ ਜ਼ਿੰਮੇਵਾਰੀ ਸਮਰੱਥ ਮਾਹਰ ਦੇ ਕੋਲ ਹੈ। ਵੱਡੀ ਭਾਸ਼ਾ ਦਾ ਮਾਡਲ ਇੱਕ ਮਾਪਣ ਵਾਲਾ ਯੰਤਰ, ਕੈਲਕੁਲੇਟਰ, ਜਾਂ ਵਿਧਾਨ ਦਾ ਸਰੋਤ ਨਹੀਂ ਹੈ; ਇੱਕ ਟੈਕਸਟ ਜਨਰੇਟਰ ਹੈ ਜੋ 'ਅਗਲਾ ਸਭ ਤੋਂ ਵੱਧ ਸੰਭਾਵਿਤ ਸ਼ਬਦ' ਪੈਦਾ ਕਰਦਾ ਹੈ ਅਤੇ ਇਸਦਾ ਅਣ-ਪ੍ਰਮਾਣਿਤ ਆਉਟਪੁੱਟ ਇੱਕ ਗਲਤ ਰਿਪੋਰਟ ਜਾਂ ਦਾਅਵੇ ਵੱਲ ਲੈ ਜਾ ਸਕਦਾ ਹੈ।
2. ਗ੍ਰੀਨਹਾਉਸ ਗੈਸ ਇਨਵੈਂਟਰੀ ਵਿੱਚ 'ਸਰਗਰਮੀ ਡੇਟਾ × ਐਮੀਸ਼ਨ ਫੈਕਟਰ' ਦੀ ਗਣਨਾ ਕਰਨ ਲਈ ਕਿਹੜਾ ਤਰੀਕਾ ਸਹੀ ਹੈ?
- ਏ) ਉਸ ਕਾਰਕ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਜਿਸ ਨੂੰ ਨਕਲੀ ਬੁੱਧੀ ਯਾਦ ਰੱਖਦੀ ਹੈ ਅਤੇ ਇਸ ਨੂੰ ਹੱਥੀਂ ਕਰਨਾ
- ਅ) ਦੇਸ਼ ਅਤੇ ਸਾਲ ਦੁਆਰਾ ਅਧਿਕਾਰਤ ਸਾਰਣੀ ਤੋਂ ਫੈਕਟਰ ਲੈਣਾ ਅਤੇ ਐਗਜ਼ੀਕਿਊਟੇਬਲ ਕੋਡ ਨਾਲ ਜੋੜ ਬਣਾਉਣਾ ✔
- C) ਸਾਰੀਆਂ ਗੈਸਾਂ ਨੂੰ CO₂ ਵਜੋਂ ਗਿਣਨਾ ਅਤੇ GWP ਪਰਿਵਰਤਨ ਨੂੰ ਛੱਡਣਾ
- D) ਹਰੇਕ ਦੇਸ਼ ਲਈ ਡਿਫੌਲਟ (ਜਿਵੇਂ ਕਿ US) ਗਰਿੱਡ ਫੈਕਟਰ ਦੀ ਵਰਤੋਂ ਕਰਨਾ
ਵਰਣਨ: ਦੇਸ਼, ਸਾਲ ਅਤੇ ਬਾਲਣ ਦੁਆਰਾ ਨਿਕਾਸ ਦੇ ਕਾਰਕ ਵੱਖੋ-ਵੱਖ ਹੁੰਦੇ ਹਨ; 'ਰੀਮਾਈਂਡਿੰਗ' ਏਆਈ ਨੇ ਮਨਘੜਤ ਦੇ ਜੋਖਮ ਨੂੰ ਪੇਸ਼ ਕੀਤਾ ਹੈ। ਕਾਰਕ ਦੀ ਹਮੇਸ਼ਾ ਅਧਿਕਾਰਤ ਸਾਰਣੀ (IPCC, DEFRA/EPA, ਰਾਸ਼ਟਰੀ ਵਸਤੂ ਸੂਚੀ) ਤੋਂ ਪੁਸ਼ਟੀ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ; ਮਲਟੀ-ਲਾਈਨ ਟੋਟਲ ਐਗਜ਼ੀਕਿਊਟੇਬਲ ਕੋਡ ਨਾਲ ਕੀਤੇ ਜਾਣੇ ਚਾਹੀਦੇ ਹਨ, ਹੱਥੀਂ ਨਹੀਂ। ਮੀਥੇਨ ਅਤੇ N₂O ਜ਼ਰੂਰੀ ਤੌਰ 'ਤੇ ਸਹੀ GWP ਸੈੱਟ ਦੇ ਨਾਲ CO₂e ਵਿੱਚ ਬਦਲ ਜਾਂਦੇ ਹਨ।
3. GHG ਪ੍ਰੋਟੋਕੋਲ ਦੇ ਅਨੁਸਾਰ, ਖਰੀਦੀ ਗਈ ਬਿਜਲੀ ਦੇ ਉਤਪਾਦਨ ਦੇ ਨਤੀਜੇ ਵਜੋਂ ਨਿਕਾਸ ਨੂੰ ਕਿਸ ਦਾਇਰੇ ਵਿੱਚ ਸ਼ਾਮਲ ਕੀਤਾ ਜਾਂਦਾ ਹੈ?
- ਏ) ਸਕੋਪ 1
- ਅ) ਸਕੋਪ 3
- C) ਸਕੋਪ 2 ✔
- ਡੀ) ਇਹ ਕਿਸੇ ਦਾਇਰੇ ਵਿੱਚ ਸ਼ਾਮਲ ਨਹੀਂ ਹੈ ਅਤੇ ਇਸਦੀ ਰਿਪੋਰਟ ਨਹੀਂ ਕੀਤੀ ਗਈ ਹੈ
ਵਰਣਨ: ਸਕੋਪ 1 ਸੰਸਥਾ ਦੇ ਆਪਣੇ ਸਰੋਤਾਂ (ਬਾਇਲਰ, ਕੰਪਨੀ ਦੇ ਵਾਹਨ) ਤੋਂ ਸਿੱਧਾ ਨਿਕਾਸ ਹੈ। ਸਕੋਪ 2 ਖਰੀਦੀ ਗਈ ਊਰਜਾ (ਬਿਜਲੀ, ਭਾਫ਼, ਹੀਟਿੰਗ, ਕੂਲਿੰਗ) ਦੇ ਉਤਪਾਦਨ ਤੋਂ ਅਸਿੱਧੇ ਨਿਕਾਸ ਹੈ। ਸਕੋਪ 3 ਮੁੱਲ ਲੜੀ (ਸਪਲਾਈ, ਯਾਤਰਾ, ਉਤਪਾਦ ਦੀ ਵਰਤੋਂ) ਵਿੱਚ ਹੋਰ ਸਾਰੇ ਅਸਿੱਧੇ ਨਿਕਾਸ ਨੂੰ ਕਵਰ ਕਰਦਾ ਹੈ।
4. MACC (ਮਾਜਿਨਲ ਅਬੇਟਮੈਂਟ ਲਾਗਤ) ਦੁਆਰਾ ਘੱਟ ਕਰਨ ਦੇ ਉਪਾਵਾਂ ਨੂੰ ਤਰਜੀਹ ਦੇਣ ਵੇਲੇ ਕਿਹੜਾ ਸਹੀ ਹੈ?
- ਏ) ਸਭ ਤੋਂ ਮਹਿੰਗੇ ਅਤੇ ਤਕਨੀਕੀ ਉਪਾਅ ਹਮੇਸ਼ਾ ਪਹਿਲਾਂ ਲਏ ਜਾਂਦੇ ਹਨ
- ਅ) ਪਹਿਲਾਂ, ਆਫਸੈੱਟ ਖਰੀਦਿਆ ਜਾਂਦਾ ਹੈ ਅਤੇ 'ਨੈੱਟ ਜ਼ੀਰੋ' ਕਿਹਾ ਜਾਂਦਾ ਹੈ, ਕਟੌਤੀ ਬਾਅਦ ਵਿੱਚ ਲਈ ਛੱਡ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ।
- C) ਕਾਰਵਾਈ ਦਾ ਕ੍ਰਮ ਲਾਗਤ ਤੋਂ ਸੁਤੰਤਰ ਹੈ; ਸਾਰੇ ਇੱਕੋ ਸਮੇਂ ਲਾਗੂ ਹੁੰਦੇ ਹਨ
- D) ਨਕਾਰਾਤਮਕ ਲਾਗਤ (ਬਚਤ) ਦੇ ਉਪਾਅ ਪਹਿਲਾਂ ਲਏ ਜਾਂਦੇ ਹਨ, ਖਾਤਮੇ ਨੂੰ ਆਖਰੀ ਛੱਡ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ ✔
ਵਰਣਨ: MACC ਲਾਗਤ ਪ੍ਰਤੀ ਟਨ ਬਚੇ ਹੋਏ (€/ਟਨ) ਦੁਆਰਾ ਮਾਪਾਂ ਨੂੰ ਦਰਜਾ ਦਿੰਦਾ ਹੈ। ਨਕਾਰਾਤਮਕ ਲਾਗਤ ਉਪਾਅ (ਉਦਾਹਰਨ ਲਈ ਊਰਜਾ ਕੁਸ਼ਲਤਾ) ਦੋਵੇਂ ਨਿਕਾਸ ਨੂੰ ਘਟਾਉਂਦੇ ਹਨ ਅਤੇ ਪੈਸੇ ਦੀ ਬਚਤ ਕਰਦੇ ਹਨ; ਇਨ੍ਹਾਂ ਨੂੰ ਸਾਹਮਣੇ ਲਿਆਂਦਾ ਗਿਆ ਹੈ। ਉੱਚ-ਕੀਮਤ ਵਿਕਲਪ ਅਤੇ ਔਫਸੈੱਟ ਆਖਰੀ ਸਮੇਂ ਤੱਕ ਬਾਕੀ ਹਨ। ਹਟਾਉਣਾ ਘਟਾਉਣ ਦਾ ਬਦਲ ਨਹੀਂ ਹੈ, ਪਰ ਅਟੱਲ ਬਾਕੀ ਬਚੇ ਦਾ ਪੂਰਕ ਹੈ।
5. ਤੁਸੀਂ ਸੈਟੇਲਾਈਟ ਚਿੱਤਰ 'ਤੇ ਦੇਖਿਆ ਕਿ ਇੱਕ ਖੇਤਰ ਵਿੱਚ NDVI ਇੱਕ ਮਹੀਨੇ ਵਿੱਚ ਅਚਾਨਕ ਘਟ ਗਿਆ। ਤੁਹਾਨੂੰ ਪਹਿਲਾਂ ਕੀ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ?
- A) ਤੁਰੰਤ 'ਅਚਾਨਕ ਜੰਗਲਾਂ ਦੀ ਕਟਾਈ' ਅਲਾਰਮ ਵਧਾਓ ਅਤੇ ਜਨਤਾ ਨੂੰ ਇਸ ਦੀ ਘੋਸ਼ਣਾ ਕਰੋ
- ਅ) ਕਲਾਉਡ ਮਾਸਕ ਲਗਾ ਕੇ ਅਤੇ ਗੁਆਂਢੀ ਤਾਰੀਖਾਂ ਨਾਲ ਇਸਦੀ ਤੁਲਨਾ ਕਰਕੇ ਸਿਗਨਲ ਦੀ ਪ੍ਰਮਾਣਿਕਤਾ ਦੀ ਜਾਂਚ ਕਰਨਾ ✔
- C) ਇੱਕ ਸਿੰਗਲ ਚਿੱਤਰ ਨੂੰ ਵੇਖਣਾ ਅਤੇ ਇੱਕ ਸਹੀ ਪ੍ਰਤੀਸ਼ਤ ਨੁਕਸਾਨ ਦੀ ਰਿਪੋਰਟ ਕਰਨਾ
- ਡੀ) ਸੈਟੇਲਾਈਟ ਡੇਟਾ ਹਮੇਸ਼ਾ ਸਹੀ ਹੁੰਦਾ ਹੈ; ਕੋਈ ਵਾਧੂ ਜਾਂਚਾਂ ਦੀ ਲੋੜ ਨਹੀਂ
ਵਿਆਖਿਆ: ਸੈਟੇਲਾਈਟ ਡੇਟਾ ਦਾ ਸਭ ਤੋਂ ਆਮ ਜਾਅਲੀ ਸਿਗਨਲ ਕਲਾਉਡ ਹੈ। ਇੱਕ NDVI ਡ੍ਰੌਪ ਜੰਗਲ ਦਾ ਅਸਲ ਨੁਕਸਾਨ ਹੋ ਸਕਦਾ ਹੈ, ਜਾਂ ਇਹ ਉਸ ਦਿਨ ਚਿੱਤਰ ਉੱਤੇ ਇੱਕ ਬੱਦਲ ਹੋ ਸਕਦਾ ਹੈ। ਪਹਿਲਾਂ ਕਲਾਉਡ ਮਾਸਕ ਨੂੰ ਲਾਗੂ ਕਰਨਾ ਅਤੇ ਗੁਆਂਢੀ ਕਲਾਉਡ-ਮੁਕਤ ਮਿਤੀਆਂ ਨਾਲ ਤੁਲਨਾ ਕਰਨਾ ਜ਼ਰੂਰੀ ਹੈ; ਪਰਿਵਰਤਨ ਦਾ ਦਾਅਵਾ ਰੁਝਾਨ 'ਤੇ ਅਧਾਰਤ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ, ਨਾ ਕਿ ਕਿਸੇ ਇੱਕ ਮਿਤੀ 'ਤੇ, ਅਤੇ ਜੇਕਰ ਸੰਭਵ ਹੋਵੇ, ਤਾਂ ਇਸਦੀ ਜ਼ਮੀਨੀ ਸੱਚਾਈ ਨਾਲ ਪੁਸ਼ਟੀ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ।
6. ਦੋ ਫੈਕਟਰੀਆਂ ਦੇ ਪਾਣੀ ਦੇ ਪ੍ਰਭਾਵ ਦੀ ਤੁਲਨਾ ਕਰਦੇ ਸਮੇਂ ਕਿਹੜੀ ਪਹੁੰਚ ਸਹੀ ਹੈ?
- A) ਸਿਰਫ਼ ਪੂਰਨ ਲੀਟਰ ਨੂੰ ਵੇਖਣਾ ਅਤੇ ਉਸ ਨੂੰ ਘੋਸ਼ਿਤ ਕਰਨਾ ਜੋ ਸਭ ਤੋਂ ਵੱਧ ਖਪਤ ਕਰਦਾ ਹੈ
- ਅ) ਪਾਣੀ ਦਾ ਪ੍ਰਭਾਵ ਹਰ ਜਗ੍ਹਾ ਇੱਕੋ ਜਿਹਾ ਹੈ; ਖੇਤਰ ਮਹੱਤਵਪੂਰਨ ਨਹੀਂ ਹੈ
- C) ਖੇਤਰੀ ਪਾਣੀ ਦੇ ਤਣਾਅ ਦੁਆਰਾ ਖਪਤ ਨੂੰ ਵਜ਼ਨ ਕਰਨਾ ਅਤੇ ਅਸਲ ਪ੍ਰਭਾਵ ਦੀ ਤੁਲਨਾ ਕਰਨਾ ✔
- ਡੀ) ਹਰੇ, ਨੀਲੇ ਅਤੇ ਸਲੇਟੀ ਪਾਣੀ ਨੂੰ ਇੱਕ ਸੰਖਿਆ ਵਿੱਚ ਜੋੜਨਾ ਅਤੇ ਤਣਾਅ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਨਾ
ਵਿਆਖਿਆ: ਪਾਣੀ, ਕਾਰਬਨ ਦੇ ਉਲਟ, ਸਥਾਨਕ ਹੈ; ਪਾਣੀ ਦੀ ਸਮਾਨ ਮਾਤਰਾ ਦਾ ਅਰਥ ਹੈ ਉੱਚ ਪਾਣੀ ਦੇ ਤਣਾਅ ਵਾਲੇ ਖੇਤਰ ਵਿੱਚ ਬਹੁਤ ਜ਼ਿਆਦਾ ਗੰਭੀਰ ਵਾਤਾਵਰਣ ਪ੍ਰਭਾਵ। ਇਸ ਲਈ, ਪਾਣੀ ਦੇ ਪ੍ਰਭਾਵ ਦਾ ਮੁਲਾਂਕਣ ਨਾ ਸਿਰਫ਼ ਪੂਰਨ ਲੀਟਰ ਵਿੱਚ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ, ਸਗੋਂ ਖੇਤਰੀ ਪਾਣੀ ਦੇ ਤਣਾਅ ਦੁਆਰਾ ਵਜ਼ਨ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਇੱਕ ਖੇਤਰ ਵਿੱਚ ਇੱਕ ਸਹੂਲਤ ਜੋ ਬਹੁਤ ਘੱਟ ਖਪਤ ਕਰਦੀ ਹੈ ਪਰ ਬਹੁਤ ਖੁਸ਼ਕ ਹੈ, ਉਸ ਸਹੂਲਤ ਨਾਲੋਂ ਵਧੇਰੇ ਮਹੱਤਵਪੂਰਨ ਹੋ ਸਕਦੀ ਹੈ ਜੋ ਬਹੁਤ ਜ਼ਿਆਦਾ ਖਪਤ ਕਰਦੀ ਹੈ ਪਰ ਬਹੁਤ ਸਾਰਾ ਪਾਣੀ ਹੈ।
7. ਕੂੜਾ ਪ੍ਰਬੰਧਨ ਵਿੱਚ, ਨਕਲੀ ਬੁੱਧੀ ਨੇ ਇੱਕ ਰਸਾਇਣਕ ਰਹਿੰਦ-ਖੂੰਹਦ ਨੂੰ 'ਗੈਰ-ਖਤਰਨਾਕ' ਕੋਡ ਵਿੱਚ ਸ਼੍ਰੇਣੀਬੱਧ ਕੀਤਾ ਹੈ। ਸਹੀ ਵਿਵਹਾਰ ਕੀ ਹੈ?
- ਏ) ਇਸ ਨੂੰ ਸਿੱਧਾ ਉਸ ਕੋਡ ਤੋਂ ਖਤਮ ਕਰਨਾ ਕਿਉਂਕਿ ਨਕਲੀ ਬੁੱਧੀ ਅਜਿਹਾ ਕਹਿੰਦੀ ਹੈ
- ਅ) ਰਹਿੰਦ-ਖੂੰਹਦ ਦੇ ਕੋਡ ਮਹੱਤਵਪੂਰਨ ਨਹੀਂ ਹਨ; ਉਹ ਸਾਰੇ ਇੱਕੋ ਤਰੀਕੇ ਨਾਲ ਨਿਪਟਾਏ ਜਾਂਦੇ ਹਨ
- C) ਗੰਦਗੀ ਅਤੇ ਖਤਰੇ ਦੀ ਸ਼੍ਰੇਣੀ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਨਾ ਅਤੇ ਇਕੱਠੀ ਕੀਤੀ ਰਕਮ ਦੀ ਰਿਪੋਰਟ ਕਰਨਾ
- ਡੀ) ਸੁਰੱਖਿਆ ਡੇਟਾ ਸ਼ੀਟ (SDS) ਅਤੇ ਕਾਨੂੰਨ ਨਾਲ ਕਲਾਸ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨਾ, ਨਕਲੀ ਖੁਫੀਆ ਪ੍ਰਸਤਾਵ ਨੂੰ ਅੰਤਿਮ ਵਜੋਂ ਸਵੀਕਾਰ ਨਾ ਕਰਨਾ ✔
ਵਰਣਨ: ਖਤਰਨਾਕ ਰਹਿੰਦ-ਖੂੰਹਦ ਦਾ ਗਲਤ ਵਰਗੀਕਰਨ ਅਤੇ ਗੈਰ-ਰਜਿਸਟਰਡ ਨਿਪਟਾਰੇ ਸਭ ਤੋਂ ਭਾਰੀ ਪ੍ਰਵਾਨਿਤ ਵਾਤਾਵਰਣ ਅਪਰਾਧਾਂ ਵਿੱਚੋਂ ਇੱਕ ਹਨ। AI ਵੇਸਟ ਕੋਡ ਪ੍ਰਸਤਾਵ ਸਿਰਫ ਇੱਕ ਸ਼ੁਰੂਆਤੀ ਡਰਾਫਟ ਹੈ; ਖਤਰੇ ਦੀ ਸ਼੍ਰੇਣੀ ਦੀ ਹਮੇਸ਼ਾ ਪਦਾਰਥ ਦੀ ਸੁਰੱਖਿਆ ਡੇਟਾ ਸ਼ੀਟ (SDS) ਅਤੇ ਲਾਗੂ ਰਹਿੰਦ-ਖੂੰਹਦ ਦੇ ਨਿਯਮਾਂ ਦੁਆਰਾ ਪੁਸ਼ਟੀ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ। AI ਆਉਟਪੁੱਟ ਨੂੰ ਕਦੇ ਵੀ ਅੰਤਿਮ ਵੇਸਟ ਕੋਡ ਵਜੋਂ ਨਹੀਂ ਵਰਤਿਆ ਜਾਂਦਾ।
8. ਇੱਕ ਸਹੂਲਤ ਨੇ ਇਸਦੇ ਸਟੈਕ ਨਿਕਾਸ ਨੂੰ 20% ਘਟਾ ਦਿੱਤਾ ਹੈ। 'ਗੁਆਂਢ ਦੀ ਹਵਾ 20% ਸਾਫ਼ ਹੋ ਗਈ ਹੈ' ਕਹਿਣਾ ਗਲਤ ਕਿਉਂ ਹੈ?
- ਏ) ਨਿਕਾਸ ਅਤੇ ਇਕਾਗਰਤਾ ਵੱਖਰੀ ਹੈ; ਮੌਸਮ ਵਿੱਚ ਤਬਦੀਲੀਆਂ ਲਈ ਵੱਖਰੇ ਮਾਪ ਅਤੇ ਮਾਡਲਿੰਗ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ✔
- ਅ) ਨਿਕਾਸ ਅਤੇ ਇਕਾਗਰਤਾ ਇੱਕੋ ਚੀਜ਼ ਹੈ; ਕਮੀ ਹਵਾ ਵਿੱਚ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਪ੍ਰਤੀਬਿੰਬਿਤ ਹੁੰਦੀ ਹੈ
- C) ਚਿਮਨੀ ਮਾਪ ਹਮੇਸ਼ਾ ਆਂਢ-ਗੁਆਂਢ ਦਾ ਸਹੀ ਮੌਸਮ ਦਿੰਦਾ ਹੈ
- ਡੀ) ਮੌਸਮ ਵਿਗਿਆਨ ਹਵਾ ਦੀ ਗੁਣਵੱਤਾ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਨਹੀਂ ਕਰਦਾ, ਇਸ ਲਈ ਦਾਅਵਾ ਜਾਇਜ਼ ਹੈ
ਵਿਆਖਿਆ: ਨਿਕਾਸੀ (ਸਰੋਤ ਤੋਂ ਬਾਹਰ ਆਉਣ ਵਾਲੀ ਮਾਤਰਾ) ਅਤੇ ਇਕਾਗਰਤਾ (ਹਵਾ ਵਿੱਚ ਮਾਪੀ ਗਈ ਘਣਤਾ) ਵੱਖਰੀਆਂ ਚੀਜ਼ਾਂ ਹਨ। ਹਵਾ, ਤਾਪਮਾਨ ਅਤੇ ਟੌਪੋਗ੍ਰਾਫੀ ਇੱਕੋ ਜਿਹੇ ਨਿਕਾਸ ਦਾ ਕਾਰਨ ਬਣਦੀ ਹੈ ਜਿਸ ਦੇ ਨਤੀਜੇ ਵਜੋਂ ਬਹੁਤ ਵੱਖ-ਵੱਖ ਸੰਘਣਤਾ ਹੁੰਦੀ ਹੈ। ਭਾਵੇਂ ਸਟੈਕ ਨਿਕਾਸ ਵਿੱਚ ਕਮੀ ਅਸਲ ਹੈ, ਹਵਾ ਵਿੱਚ ਇਕਾਗਰਤਾ ਦਾ ਦਾਅਵਾ ਸਿਰਫ ਕੈਲੀਬਰੇਟਿਡ ਮਾਪ ਅਤੇ ਉਚਿਤ ਫੈਲਾਅ ਮਾਡਲ ਦੁਆਰਾ ਸਾਬਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ; ਨਹੀਂ ਤਾਂ ਇਹ ਬੇਬੁਨਿਆਦ ਅਤੇ ਗੁੰਮਰਾਹਕੁੰਨ ਹੈ।
9. ਈਐਸਜੀ ਰਿਪੋਰਟਿੰਗ ਵਿੱਚ, ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਟੈਕਸਟ ਵਿੱਚ ਇੱਕ ਵਾਕ ਹੈ 'ਅਸੀਂ ਆਪਣੀ ਪਾਣੀ ਦੀ ਖਪਤ ਨੂੰ 15% ਘਟਾ ਦਿੱਤਾ ਹੈ'। ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਨਿਯੰਤਰਣ ਕੀ ਹੈ?
- A) ਵਾਕ ਕਿੰਨਾ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਅਤੇ ਪ੍ਰਵਾਹ ਹੈ ਇਹ ਦੇਖਦੇ ਹੋਏ
- ਅ) ਤਸਦੀਕ ਕਰੋ ਕਿ ਨੰਬਰ ਇੱਕ ਖੋਜਣ ਯੋਗ ਸਰੋਤ (ਇਨਵੌਇਸ, ਮੀਟਰ, ਮਾਪ) ਨਾਲ ਜੁੜਿਆ ਹੋਇਆ ਹੈ ✔
- C) ਸੰਖਿਆ ਨੂੰ ਸਹੀ ਮੰਨਣਾ ਕਿਉਂਕਿ ਨਕਲੀ ਬੁੱਧੀ ਇਸ ਨੂੰ ਪੈਦਾ ਕਰਦੀ ਹੈ
- D) ਸੰਖਿਆ ਨੂੰ ਵਧੇਰੇ ਜ਼ੋਰਦਾਰ ਜਾਪਦਾ ਬਣਾਉਣ ਲਈ ਪ੍ਰਤੀਸ਼ਤ ਨੂੰ ਗੋਲ ਕਰਨਾ
ਵਿਆਖਿਆ: ਇੱਕ ESG ਰਿਪੋਰਟ ਦਾ ਮੁੱਲ ਇਸਦੇ ਸਭ ਤੋਂ ਕਮਜ਼ੋਰ ਡੇਟਾ ਦੀ ਖੋਜਯੋਗਤਾ ਹੈ, ਅਤੇ ਸੁਤੰਤਰ ਭਰੋਸਾ ਆਡੀਟਰ ਨੰਬਰ ਦੇ ਪਿੱਛੇ ਸਬੂਤ ਦੀ ਲੜੀ ਦੀ ਜਾਂਚ ਕਰਦੇ ਹਨ। AI ਨੇ ਇੱਕ ਅਜਿਹਾ ਸੰਖਿਆ ਤਿਆਰ ਕੀਤਾ ਹੋ ਸਕਦਾ ਹੈ ਜੋ ਪਿਛਲੀਆਂ ਲਿਖਤਾਂ ਤੋਂ 'ਵਾਜਬ' ਲੱਗ ਰਿਹਾ ਸੀ ਪਰ ਅਣਜਾਣ ਸੀ। ਇਨਵੌਇਸ/ਮੀਟਰ/ਸਰਟੀਫਿਕੇਟ ਦੇ ਆਧਾਰ 'ਤੇ ਟਰੇਸ ਕਰਨ ਯੋਗ ਸਰੋਤ ਨਾਲ ਲਿੰਕ ਕੀਤੇ ਬਿਨਾਂ ਹਰੇਕ ਡਿਜੀਟਲ ਦਾਅਵੇ ਨੂੰ ਰਿਪੋਰਟ ਵਿੱਚ ਦਾਖਲ ਨਹੀਂ ਹੋਣਾ ਚਾਹੀਦਾ।
10. ਇੱਕ ਹੀ ਭਵਿੱਖ ਦੀ ਬਜਾਏ ਜਲਵਾਯੂ ਜੋਖਮ ਮੁਲਾਂਕਣ ਵਿੱਚ ਕਈ ਦ੍ਰਿਸ਼ ਕਿਉਂ ਵਰਤੇ ਜਾਂਦੇ ਹਨ?
- ਏ) ਦ੍ਰਿਸ਼ ਸਜਾਵਟ ਹਨ; ਇੱਕ ਸਹੀ ਭਵਿੱਖ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਾਫ਼ੀ ਹੈ
- ਅ) ਕਿਉਂਕਿ ਨਕਲੀ ਬੁੱਧੀ ਭਵਿੱਖ ਦੇ ਹੜ੍ਹਾਂ ਦੀ ਸੰਭਾਵਨਾ ਨੂੰ ਸਹੀ ਪ੍ਰਤੀਸ਼ਤ ਦੇ ਸਕਦੀ ਹੈ, ਇੱਕ ਦ੍ਰਿਸ਼ ਕਾਫ਼ੀ ਹੈ
- C) ਸਥਿਤੀਆਂ ਦੇ ਅਧਾਰ ਤੇ ਭੌਤਿਕ ਅਤੇ ਪਰਿਵਰਤਨ ਜੋਖਮ ਪ੍ਰਤੀਕੂਲ ਹੋ ਸਕਦਾ ਹੈ; ਉਦੇਸ਼ ਧੀਰਜ ਦੀ ਪਰਖ ਕਰਨਾ ਹੈ ✔
- ਡੀ) ਭੌਤਿਕ ਅਤੇ ਪਰਿਵਰਤਨ ਜੋਖਮ ਇੱਕੋ ਚੀਜ਼ ਹਨ, ਵੱਖਰੇ ਦ੍ਰਿਸ਼ਾਂ ਦੀ ਕੋਈ ਲੋੜ ਨਹੀਂ ਹੈ
ਵਿਆਖਿਆ: ਭੌਤਿਕ ਜੋਖਮ (ਜਲਵਾਯੂ ਪ੍ਰਭਾਵ ਜਿਵੇਂ ਕਿ ਹੜ੍ਹ, ਸੋਕੇ) ਅਤੇ ਤਬਦੀਲੀ ਜੋਖਮ (ਕਾਰਬਨ ਦੀ ਕੀਮਤ, ਕਾਨੂੰਨ, ਤਕਨਾਲੋਜੀ ਸ਼ਿਫਟ) ਅਕਸਰ ਉਲਟ ਦਿਸ਼ਾਵਾਂ ਵਿੱਚ ਚਲਦੇ ਹਨ: ਜੇਕਰ ਸੰਸਾਰ ਤੇਜ਼ੀ ਨਾਲ ਘਟਾਉਂਦਾ ਹੈ, ਪਰਿਵਰਤਨ ਜੋਖਮ ਵਧਦਾ ਹੈ, ਸਰੀਰਕ ਜੋਖਮ ਘਟਦਾ ਹੈ; ਜੇ ਉਹ ਹੌਲੀ-ਹੌਲੀ ਕੰਮ ਕਰਦਾ ਹੈ, ਤਾਂ ਉਲਟ ਹੁੰਦਾ ਹੈ। ਇਸ ਲਈ, ਘੱਟੋ-ਘੱਟ ਇੱਕ ਘੱਟ (1.5-2°C) ਅਤੇ ਇੱਕ ਉੱਚ (3°C+) ਵਾਰਮਿੰਗ ਦ੍ਰਿਸ਼ ਦੀ ਜਾਂਚ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਉਦੇਸ਼ ਭਵਿੱਖ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨਾ ਨਹੀਂ ਹੈ, ਪਰ ਧੀਰਜ ਦੀ ਪਰਖ ਕਰਨਾ ਹੈ।
11. ਤੁਸੀਂ AI ਨੂੰ ਪੁੱਛਿਆ ਸੀ ਕਿ ਕੀ ਕੋਈ ਨਿਯਮ (ਜਿਵੇਂ ਕਿ CBAM) ਤੁਹਾਡੇ ਅਤੇ ਇਸਦੀ ਅੰਤਮ ਤਾਰੀਖਾਂ 'ਤੇ ਲਾਗੂ ਹੁੰਦਾ ਹੈ। ਤੁਹਾਨੂੰ ਕਿਵੇਂ ਵਿਹਾਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ?
- ਏ) ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੁਆਰਾ ਦਿੱਤੀਆਂ ਮਿਤੀਆਂ ਅਤੇ ਆਈਟਮਾਂ ਦੇ ਅਨੁਸਾਰ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਯੋਜਨਾ ਬਣਾਉਣਾ
- ਅ) ਅਧਿਕਾਰਤ ਕੋਡ ਸੂਚੀ ਨੂੰ ਨਾ ਦੇਖਦੇ ਹੋਏ, ਏਆਈ ਦੀ ਆਮ ਵਿਆਖਿਆ 'ਤੇ ਸਕੋਪ ਦੇ ਫੈਸਲੇ ਨੂੰ ਆਧਾਰਿਤ ਕਰਨਾ
- C) ਪਾਲਣਾ ਇੱਕ ਵਾਰ ਹੈ; ਇੱਕ ਵਾਰ ਜਦੋਂ ਤੁਸੀਂ ਪੁੱਛਦੇ ਹੋ, ਤਾਂ ਕਾਨੂੰਨ ਦੀ ਲਗਾਤਾਰ ਨਿਗਰਾਨੀ ਕਰਨ ਦੀ ਕੋਈ ਲੋੜ ਨਹੀਂ ਹੈ
- D) ਆਉਟਪੁੱਟ ਨੂੰ ਇੱਕ ਡਰਾਫਟ ਵਜੋਂ ਵਿਚਾਰੋ ਅਤੇ ਮੌਜੂਦਾ ਅਧਿਕਾਰਤ ਟੈਕਸਟ ਤੋਂ ਲੇਖ, ਮਿਤੀ, ਥ੍ਰੈਸ਼ਹੋਲਡ ਅਤੇ ਸਕੋਪ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ ✔
ਵਰਣਨ: ਰੈਗੂਲੇਟਰੀ ਗਿਆਨ ਜਲਦੀ ਪੁਰਾਣਾ ਹੋ ਜਾਂਦਾ ਹੈ; ਲੇਖ ਬਦਲਦੇ ਹਨ, ਤਾਰੀਖਾਂ ਮੁਲਤਵੀ ਹੁੰਦੀਆਂ ਹਨ, ਦਾਇਰੇ ਵਧਦੇ ਹਨ। AI ਦਾ ਸਿਖਲਾਈ ਡੇਟਾ ਇੱਕ ਨਿਸ਼ਚਤ ਮਿਤੀ 'ਤੇ ਫ੍ਰੀਜ਼ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਅਤੇ ਹੋ ਸਕਦਾ ਹੈ ਕਿ ਅੱਪ ਟੂ ਡੇਟ ਨਾ ਹੋਵੇ; ਇਸ ਤੋਂ ਇਲਾਵਾ, ਮਾਮਲਾ ਇਤਿਹਾਸ ਅਤੇ ਥ੍ਰੈਸ਼ਹੋਲਡ ਵਰਗੇ ਨਾਜ਼ੁਕ ਤੱਥਾਂ ਨੂੰ ਘੜ ਸਕਦਾ ਹੈ। ਸਕੋਪ ਦੇ ਫੈਸਲੇ ਦੀ ਪੁਸ਼ਟੀ ਅਧਿਕਾਰਤ ਉਤਪਾਦ/ਕੋਡ ਸੂਚੀ, ਸਾਰੀਆਂ ਮਿਤੀਆਂ ਅਤੇ ਥ੍ਰੈਸ਼ਹੋਲਡ ਦੁਆਰਾ ਲਾਗੂ ਅਧਿਕਾਰਤ ਟੈਕਸਟ ਦੁਆਰਾ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ; ਨਾਜ਼ੁਕ ਪਾਲਣਾ ਫੈਸਲਿਆਂ ਵਿੱਚ ਅਧਿਕਾਰਤ/ਮਾਹਰ ਦੀ ਰਾਏ ਪ੍ਰਾਪਤ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ।
12. ਨਿਮਨਲਿਖਤ ਵਾਤਾਵਰਣ ਸੰਬੰਧੀ ਦਾਅਵਿਆਂ ਵਿੱਚੋਂ ਕਿਸ ਵਿੱਚ ਗ੍ਰੀਨਵਾਸ਼ਿੰਗ ਦਾ ਸਭ ਤੋਂ ਘੱਟ ਜੋਖਮ ਹੈ?
- A) 'ਅਸੀਂ 2023 ਤੱਕ (ਸੁਤੰਤਰ ਤਸਦੀਕ ਦੇ ਨਾਲ) ਆਪਣੇ ਉਤਪਾਦਨ ਦੇ ਨਿਕਾਸ ਨੂੰ 18% ਘਟਾ ਦਿੱਤਾ ਹੈ' ✔
- ਅ) 'ਸਾਡੇ ਉਤਪਾਦ ਪੂਰੀ ਤਰ੍ਹਾਂ ਵਾਤਾਵਰਣ ਦੇ ਅਨੁਕੂਲ ਅਤੇ ਕੁਦਰਤੀ ਹਨ'
- C) 'ਸਾਡੀ ਕੰਪਨੀ ਕਾਰਬਨ ਨਿਰਪੱਖ ਹੈ' (ਬਿਨਾਂ ਕੋਈ ਦਸਤਾਵੇਜ਼ ਜਾਂ ਡੇਟਾ ਪ੍ਰਦਾਨ ਕੀਤੇ)
- ਡੀ) 'ਅਸੀਂ ਉਦਯੋਗ ਵਿੱਚ ਸਭ ਤੋਂ ਟਿਕਾਊ ਅਤੇ ਲਗਭਗ ਜ਼ੀਰੋ ਪ੍ਰਭਾਵ ਵਾਲੀ ਕੰਪਨੀ ਹਾਂ'
ਸਪੱਸ਼ਟੀਕਰਨ: ਇੱਕ ਚੰਗਾ ਵਾਤਾਵਰਣਕ ਦਾਅਵਾ ਮਾਪਣਯੋਗ ਹੈ (ਇੱਕ ਸੰਖਿਆ ਰੱਖਦਾ ਹੈ), ਸਾਬਤ (ਸਬੂਤ ਦੇ ਅਧਾਰ ਤੇ), ਅਤੇ ਦਾਇਰੇ ਵਿੱਚ ਖਾਸ ਹੈ (ਇਹ ਸਪੱਸ਼ਟ ਹੈ ਕਿ ਕਿਸ ਨਾਲ ਤੁਲਨਾ ਕੀਤੀ ਜਾ ਰਹੀ ਹੈ)। 'ਅਸੀਂ 2023 ਤੱਕ (ਸੁਤੰਤਰ ਤਸਦੀਕ ਦੇ ਨਾਲ) ਉਤਪਾਦਨ ਦੇ ਨਿਕਾਸ ਨੂੰ 18% ਘਟਾ ਦਿੱਤਾ ਹੈ' ਵਿੱਚ ਇਹ ਤਿੰਨ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਹਨ। 'ਈਕੋ-ਫ੍ਰੈਂਡਲੀ', 'ਕੁਦਰਤੀ', 'ਕਾਰਬਨ ਨਿਊਟਰਲ' (ਅਣਪ੍ਰਮਾਣਿਤ) ਵਰਗੇ ਵਾਕਾਂਸ਼ ਗੈਰ-ਪ੍ਰਮਾਣਿਤ ਜਾਂ ਅਸਪਸ਼ਟ ਹਨ ਅਤੇ ਗ੍ਰੀਨਵਾਸ਼ਿੰਗ ਦਾ ਖ਼ਤਰਾ ਰੱਖਦੇ ਹਨ।
13. ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਜਨਤਕ ਤੌਰ 'ਤੇ ਉਪਲਬਧ ਏਆਈ ਟੂਲ ਵਿੱਚ ਅਣਦੱਸੀ ਸਹੂਲਤ ਨਿਕਾਸ ਡੇਟਾ ਨੂੰ ਪੇਸਟ ਕਰਨਾ ਜੋਖਮ ਭਰਿਆ ਕਿਉਂ ਹੈ?
- ਏ) ਕੋਈ ਖਤਰਾ ਨਹੀਂ ਹੈ; ਵਾਤਾਵਰਣ ਸੰਬੰਧੀ ਡੇਟਾ ਹਮੇਸ਼ਾ ਜਨਤਕ ਤੌਰ 'ਤੇ ਉਪਲਬਧ ਹੁੰਦਾ ਹੈ
- ਅ) ਵਪਾਰਕ ਰਾਜ਼, ਅਣਦੱਸਿਆ ਡੇਟਾ ਅਤੇ ਨਿੱਜੀ ਡੇਟਾ ਲੀਕ ਹੋ ਸਕਦਾ ਹੈ; ਵਰਗੀਕਰਨ ਅਤੇ ਅਗਿਆਤਕਰਨ ਦੀ ਲੋੜ ਪਹਿਲਾਂ ✔
- C) ਜੋਖਮ ਸਿਰਫ ਇੱਕ ਗਣਨਾ ਗਲਤੀ ਹੈ, ਇਸਦਾ ਡੇਟਾ ਗੋਪਨੀਯਤਾ ਨਾਲ ਕੋਈ ਲੈਣਾ-ਦੇਣਾ ਨਹੀਂ ਹੈ
- D) ਇੱਕ ਵਾਰ ਵਾਹਨ ਨੂੰ ਡੇਟਾ ਦਿੱਤੇ ਜਾਣ ਤੋਂ ਬਾਅਦ, ਜ਼ਿੰਮੇਵਾਰੀ ਨਕਲੀ ਬੁੱਧੀ ਪ੍ਰਦਾਤਾ ਨੂੰ ਜਾਂਦੀ ਹੈ
ਖੁਲਾਸਾ: ਸਾਈਟ-ਪੱਧਰ ਦੇ ਉਤਪਾਦਨ ਅਤੇ ਨਿਕਾਸ ਡੇਟਾ ਵਪਾਰਕ ਭੇਦ ਹੋ ਸਕਦੇ ਹਨ ਅਤੇ ਅਣਦੱਸਿਆ ਵਿੱਤੀ/ਵਾਤਾਵਰਣ ਡੇਟਾ ਰੈਗੂਲੇਟਰੀ ਖੁਲਾਸੇ ਨਿਯਮਾਂ ਦੀ ਉਲੰਘਣਾ ਕਰ ਸਕਦਾ ਹੈ; ਕਰਮਚਾਰੀ ਦੀ ਸਥਿਤੀ/ਯਾਤਰਾ ਡਾਟਾ ਨਿੱਜੀ ਡਾਟਾ ਹੈ। ਕਿਸੇ ਓਪਨ ਟੂਲ ਨੂੰ ਇਸ ਕਿਸਮ ਦਾ ਡੇਟਾ ਦੇਣ ਤੋਂ ਪਹਿਲਾਂ, ਇਸ ਨੂੰ ਵਰਗੀਕ੍ਰਿਤ ਕਰਨਾ, ਜੇਕਰ ਲੋੜ ਹੋਵੇ ਤਾਂ ਇਸਨੂੰ ਅਗਿਆਤ ਕਰਨਾ, ਜਾਂ ਸੰਸਥਾਗਤ (ਡੇਟਾ-ਮੁਕਤ) ਟੂਲ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਜ਼ਰੂਰੀ ਹੈ। 'ਏਆਈ ਨੇ ਕਿਹਾ' ਕੋਈ ਬਚਾਅ ਨਹੀਂ ਹੈ; ਜ਼ਿੰਮੇਵਾਰੀ ਸੰਸਥਾ ਅਤੇ ਵਿਅਕਤੀ ਦੀ ਹੈ।
14. ਗ੍ਰੀਨਹਾਊਸ ਗੈਸ ਜਿਵੇਂ ਕਿ ਮੀਥੇਨ (CH₄) ਨੂੰ CO₂e ਵਿੱਚ ਬਦਲਦੇ ਸਮੇਂ ਕਿਹੜੀ ਧਾਰਨਾ ਵਰਤੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਇਹ ਮਹੱਤਵਪੂਰਨ ਕਿਉਂ ਹੈ?
- ਏ) AQI (ਹਵਾ ਗੁਣਵੱਤਾ ਸੂਚਕਾਂਕ); ਹਵਾ ਵਿੱਚ ਗੈਸ ਦਾ ਰੰਗ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ
- ਬੀ) ਐਨਡੀਵੀਆਈ (ਬਨਸਪਤੀ ਸੂਚਕਾਂਕ); ਗੈਸ ਦੇ ਮਿੱਟੀ ਦੇ ਪ੍ਰਭਾਵ ਨੂੰ ਮਾਪਦਾ ਹੈ
- C) GWP (ਗਲੋਬਲ ਵਾਰਮਿੰਗ ਸੰਭਾਵੀ); ਜੇਕਰ ਛੱਡਿਆ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਮੀਥੇਨ/N₂O ਪ੍ਰਭਾਵ ਨੂੰ ਬਹੁਤ ਘੱਟ ਅੰਦਾਜ਼ਾ ਲਗਾਇਆ ਜਾਵੇਗਾ ✔
- ਡੀ) ਕੋਈ ਗੁਣਾਂਕ ਦੀ ਲੋੜ ਨਹੀਂ; ਮੀਥੇਨ 1 ਤੋਂ 1 ਸਿੱਧੇ CO₂ ਵਾਂਗ ਗਿਣਦਾ ਹੈ
ਵਰਣਨ: GWP (ਗਲੋਬਲ ਵਾਰਮਿੰਗ ਪੋਟੈਂਸ਼ੀਅਲ) ਉਹ ਗੁਣਾਂਕ ਹੈ ਜੋ ਵੱਖ-ਵੱਖ ਗ੍ਰੀਨਹਾਊਸ ਗੈਸਾਂ ਦੇ ਹੀਟਿੰਗ ਪ੍ਰਭਾਵ ਨੂੰ CO₂ ਦੇ ਸਾਪੇਖਕ ਇੱਕ ਸਾਂਝੀ ਇਕਾਈ ਵਿੱਚ ਬਦਲਦਾ ਹੈ। ਮੀਥੇਨ ਦਾ 100 ਸਾਲ ਦਾ GWP ਲਗਭਗ 28 ਹੈ; ਇਸ ਲਈ 1 ਟਨ ਮੀਥੇਨ ਦਾ ਅਰਥ ਹੈ ਲਗਭਗ 28 ਟਨ CO₂e। ਜੇਕਰ GWP ਨੂੰ ਛੱਡ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਮੀਥੇਨ ਅਤੇ N₂O ਵਰਗੀਆਂ ਮਜ਼ਬੂਤ ਗੈਸਾਂ ਦੇ ਪ੍ਰਭਾਵ ਨੂੰ ਬਹੁਤ ਘੱਟ ਅੰਦਾਜ਼ਾ ਲਗਾਇਆ ਜਾਵੇਗਾ ਅਤੇ ਵਸਤੂ ਸੂਚੀ ਪੂਰੀ ਤਰ੍ਹਾਂ ਗਲਤ ਹੋਵੇਗੀ; ਇਹ ਵੀ ਦੱਸਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਕਿਹੜਾ GWP ਸੈੱਟ (ਉਦਾਹਰਨ ਲਈ IPCC AR6, 100 ਸਾਲ) ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ।