ਲਾਭ:
- ਜੋਖਮ-ਅਧਾਰਿਤ ਵਰਗੀਕਰਨ ਕਿੱਥੇ AI ਤੇਜ਼ੀ ਨਾਲ ਵਧ ਰਿਹਾ ਹੈ ਅਤੇ ਕਿੱਥੇ ਇਹ ਫੂਡ ਇੰਜੀਨੀਅਰਿੰਗ ਵਿੱਚ ਜੋਖਮ ਭਰਪੂਰ ਹੈ
- ਭੋਜਨ ਸੁਰੱਖਿਆ, ਪੋਸ਼ਣ ਅਤੇ ਕਾਨੂੰਨ ਨੂੰ ਭਰਮਾਉਣ ਵਾਲੇ ਐਲਐਲਐਮ ਦੇ ਜੋਖਮ ਨੂੰ ਪਛਾਣਨ ਦੀ ਸਮਰੱਥਾ
- ਪ੍ਰਯੋਗਸ਼ਾਲਾ, ਭੋਜਨ ਸੁਰੱਖਿਆ ਸਿਧਾਂਤਾਂ ਅਤੇ ਕਾਨੂੰਨਾਂ ਨਾਲ AI ਆਉਟਪੁੱਟ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਰੋ, ਅਤੇ ਨੈਤਿਕ ਸਿਧਾਂਤਾਂ ਨੂੰ ਲਾਗੂ ਕਰਨ ਦੇ ਯੋਗ ਹੋਵੋ
ਇਹ ਸ਼ੁੱਕਰਵਾਰ ਦੁਪਹਿਰ ਹੈ, ਤੁਸੀਂ ਇੱਕ ਡੇਅਰੀ ਫੈਕਟਰੀ ਦੇ R&D ਦਫਤਰ ਵਿੱਚ ਹੋ। ਮਾਰਕੀਟਿੰਗ ਟੀਮ ਸੋਮਵਾਰ ਸਵੇਰ ਤੱਕ "ਖੰਡ-ਮੁਕਤ, ਪ੍ਰੋਬਾਇਓਟਿਕ ਪੀਣ ਯੋਗ ਦਹੀਂ" ਲਈ ਇੱਕ ਡਰਾਫਟ ਲੇਬਲ ਚਾਹੁੰਦੀ ਹੈ। ਇੱਕ ਇੰਜੀਨੀਅਰ ਉਤਸੁਕਤਾ ਨਾਲ ਇੱਕ AI ਚੈਟ ਟੂਲ ਨੂੰ ਪੁੱਛਦਾ ਹੈ: "ਮੈਂ ਇਸ ਉਤਪਾਦ ਵਿੱਚ ਕਿੰਨੇ ਮਿਲੀਗ੍ਰਾਮ ਐਸਪਾਰਟੇਮ ਪਾ ਸਕਦਾ ਹਾਂ, ਤੁਰਕੀ ਫੂਡ ਕੋਡੈਕਸ ਦੀ ਸੀਮਾ ਕੀ ਹੈ?" ਸਕਿੰਟਾਂ ਦੇ ਅੰਦਰ ਮਾਡਲ ਇੱਕ ਭਰੋਸੇਮੰਦ ਜਵਾਬ ਦਿੰਦਾ ਹੈ: "ਐਸਪਾਰਟੇਮ ਦੀ ਅਧਿਕਤਮ ਸੀਮਾ 600 ਮਿਲੀਗ੍ਰਾਮ/ਕਿਲੋਗ੍ਰਾਮ ਹੈ, ਕੋਡੈਕਸ ਆਰਟੀਕਲ 12/3 ਦੇ ਅਨੁਸਾਰ ਆਗਿਆ ਹੈ।" ਜਵਾਬ ਨਿਰਵਿਘਨ, ਯਕੀਨਨ ਅਤੇ ਪੇਸ਼ੇਵਰ ਲੱਗਦਾ ਹੈ। ਸਿਰਫ ਸਮੱਸਿਆ: ਸਮੱਗਰੀ ਦੀ ਸੰਖਿਆ ਫਰਜ਼ੀ ਹੈ, ਉਤਪਾਦ ਸ਼੍ਰੇਣੀ ਦੁਆਰਾ ਸੀਮਾ ਵੱਖਰੀ ਹੁੰਦੀ ਹੈ, ਅਤੇ ਫਰਮੈਂਟਡ ਡੇਅਰੀ ਉਤਪਾਦਾਂ ਵਿੱਚ ਮਿੱਠੇ ਦੀ ਵਰਤੋਂ ਦੀਆਂ ਆਪਣੀਆਂ ਪਾਬੰਦੀਆਂ ਹਨ। ਇਹ ਇਕਾਈ ਬਿਲਕੁਲ ਇਸ ਪਲ ਦਾ ਵਰਣਨ ਕਰਦੀ ਹੈ, AI ਦੇ "ਭਰੋਸੇਮੰਦ ਪਰ ਅਪ੍ਰਮਾਣਿਤ" ਆਉਟਪੁੱਟ ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਬੰਧਿਤ ਕਰਨਾ ਹੈ।
ਇੱਕ ਕੇਂਦਰੀ ਸਿਧਾਂਤ ਇਸ ਮੋਡੀਊਲ ਵਿੱਚ ਦੁਹਰਾਇਆ ਜਾਵੇਗਾ: AI ਆਉਟਪੁੱਟ ਇੱਕ ਪ੍ਰਸਤਾਵ, ਇੱਕ ਬਲੂਪ੍ਰਿੰਟ, ਇੱਕ ਸ਼ੁਰੂਆਤੀ ਬਿੰਦੂ ਹੈ; ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਦੇ ਨਤੀਜੇ ਨੂੰ ਭੋਜਨ ਸੁਰੱਖਿਆ ਸਿਧਾਂਤਾਂ ਅਤੇ ਅਧਿਕਾਰਤ ਕਾਨੂੰਨ (ਤੁਰਕੀ ਫੂਡ ਕੋਡੈਕਸ) ਨਾਲ ਪ੍ਰਮਾਣਿਤ ਕੀਤੇ ਬਿਨਾਂ ਅੰਤਮ ਫੈਸਲੇ, ਲੇਬਲ ਜਾਂ ਉਤਪਾਦਨ ਲਈ ਅਧਾਰ ਵਜੋਂ ਕਦੇ ਵੀ ਨਹੀਂ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਤੁਸੀਂ ਇੱਕ ਸੀਨੀਅਰ ਇੰਟਰਨ ਵਾਂਗ ਏਆਈ ਬਾਰੇ ਸੋਚ ਸਕਦੇ ਹੋ: ਤੇਜ਼, ਲਾਭਕਾਰੀ, ਚੰਗੀ ਤਰ੍ਹਾਂ ਪੜ੍ਹਿਆ, ਪਰ ਦਸਤਖਤ ਅਧਿਕਾਰ ਤੋਂ ਬਿਨਾਂ। ਇੰਜੀਨੀਅਰ ਹੋਣ ਦੇ ਨਾਤੇ, ਤੁਸੀਂ ਇਸਦੇ ਡਰਾਫਟ ਦੀ ਪੁਸ਼ਟੀ ਕਰਦੇ ਹੋ ਅਤੇ ਇਸ 'ਤੇ ਦਸਤਖਤ ਕਰਦੇ ਹੋ।
LLM ਕੀ ਕਰਦਾ ਹੈ ਅਤੇ ਕੀ ਨਹੀਂ ਕਰਦਾ?
ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲ (LLM) ਵੱਡੇ ਟੈਕਸਟ ਡੇਟਾ 'ਤੇ "ਅਗਲੇ ਸ਼ਬਦ ਦੀ ਭਵਿੱਖਬਾਣੀ" ਦੇ ਸਿਧਾਂਤ 'ਤੇ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਸਿਸਟਮ ਹਨ। ਇਹ ਉਹਨਾਂ ਨੂੰ ਕੁਝ ਖਾਸ ਨੌਕਰੀਆਂ ਵਿੱਚ ਬੇਮਿਸਾਲ ਅਤੇ ਦੂਜਿਆਂ ਲਈ ਖਤਰਨਾਕ ਬਣਾਉਂਦਾ ਹੈ।
LLM ਚੰਗੀ ਤਰ੍ਹਾਂ ਕਰਦਾ ਹੈ
LLM ਤੁਹਾਨੂੰ ਭਰੋਸੇਯੋਗ ਨਹੀਂ ਬਣਾਉਂਦਾ
ਪਾਠ ਦਾ ਖਰੜਾ ਤਿਆਰ ਕਰਨਾ, ਵਿਧੀ ਲਿਖਣਾ, ਸੰਖੇਪ ਕਰਨਾ
ਸਟੀਕ ਸੰਖਿਆਤਮਕ ਸੀਮਾ ਅਤੇ ਖੁਰਾਕ ਰੀਕਾਲ
ਆਈਡੀਆ ਪੈਦਾ ਕਰਨਾ ਅਤੇ ਦਿਮਾਗ਼ ਪੈਦਾ ਕਰਨਾ
ਮੌਜੂਦਾ ਕਾਨੂੰਨ ਲੇਖ ਦਾ ਹਵਾਲਾ ਦਿੰਦੇ ਹੋਏ
ਗੁੰਝਲਦਾਰ ਪਾਠ, ਅਨੁਵਾਦ ਨੂੰ ਸਰਲ ਬਣਾਉਣਾ
ਗਲਤੀ-ਮੁਕਤ ਪੋਸ਼ਣ ਮੁੱਲ ਗਣਨਾ ਕਰਨਾ
ਇੱਕ ਢਾਂਚਾਗਤ ਸਾਰਣੀ/ਟੈਂਪਲੇਟ ਬਣਾਉਣਾ
ਖਾਸ ਉਤਪਾਦਾਂ ਲਈ ਖਾਸ ਸੁਰੱਖਿਆ ਫੈਸਲੇ ਲੈਣਾ
ਚੈੱਕਲਿਸਟ ਅਤੇ ਪ੍ਰਸ਼ਨ ਉਤਪੰਨ
ਸਰੋਤ ਅਤੇ ਹਵਾਲਾ ਸ਼ੁੱਧਤਾ
LLM "ਇਹ ਨਹੀਂ ਜਾਣਦਾ ਕਿ ਇਹ ਕੀ ਨਹੀਂ ਜਾਣਦਾ"। ਜੇਕਰ ਉਸਨੂੰ ਕੋਈ ਯੋਗਦਾਨ ਸੀਮਾ ਯਾਦ ਨਹੀਂ ਹੈ, ਤਾਂ ਉਹ ਇਸਨੂੰ ਖਾਲੀ ਨਹੀਂ ਛੱਡਦਾ; ਇੱਕ ਸੰਖਿਆ ਘੜਦਾ ਹੈ ਜੋ ਅੰਕੜਾਤਮਕ ਤੌਰ 'ਤੇ ਵਾਜਬ ਲੱਗਦਾ ਹੈ। ਇਸ ਨੂੰ ਭਰਮ ਕਿਹਾ ਜਾਂਦਾ ਹੈ ਅਤੇ ਇਹ ਫੂਡ ਇੰਜੀਨੀਅਰਿੰਗ ਵਿੱਚ ਸਭ ਤੋਂ ਖਤਰਨਾਕ ਵਿਵਹਾਰ ਹੈ।
ਭਰਮ: ਤਿੰਨ ਭੋਜਨ-ਵਿਸ਼ੇਸ਼ ਖ਼ਤਰੇ
ਭੋਜਨ ਡੋਮੇਨ ਵਿੱਚ, ਭਰਮ ਤਿੰਨ ਗੰਭੀਰ ਰੂਪਾਂ ਵਿੱਚ ਵਾਪਰਦਾ ਹੈ:
- ਫਿਟਿੰਗ ਐਡਿਟਿਵ ਸੀਮਾ/ਖੁਰਾਕ: ਮਾਡਲ "500 ਮਿਲੀਗ੍ਰਾਮ/ਕਿਲੋਗ੍ਰਾਮ" ਦੀ ਰੱਖਿਆਤਮਕ ਸੀਮਾ ਦੇ ਸਕਦਾ ਹੈ ਜਦੋਂ ਇਹ ਅਸਲ ਵਿੱਚ 150 ਮਿਲੀਗ੍ਰਾਮ/ਕਿਲੋਗ੍ਰਾਮ ਹੋਵੇ। ਇਹ ਖਪਤਕਾਰਾਂ ਦੀ ਸਿਹਤ ਅਤੇ ਕਾਨੂੰਨੀ ਉਲੰਘਣਾ ਦਾ ਸਿੱਧਾ ਖਤਰਾ ਹੈ।
- ਘੜਿਆ ਹੋਇਆ ਕਾਨੂੰਨ ਲੇਖ: ਅਜਿਹੇ ਸੰਦਰਭ ਪੈਦਾ ਕਰਦਾ ਹੈ ਜੋ ਅਸਲ ਵਿੱਚ ਮੌਜੂਦ ਨਹੀਂ ਹਨ, ਜਿਵੇਂ ਕਿ "ਤੁਰਕੀ ਫੂਡ ਕੋਡੈਕਸ ਰੈਗੂਲੇਸ਼ਨ ਲੇਖ 7/ਬੀ"। ਨੰਬਰ ਯਥਾਰਥਵਾਦੀ ਲੱਗਦਾ ਹੈ ਪਰ ਪੁਸ਼ਟੀ ਨਹੀਂ ਕੀਤੀ ਜਾ ਸਕਦੀ।
- ਗਲਤ ਪੋਸ਼ਣ ਮੁੱਲ: ਪ੍ਰੋਟੀਨ, ਊਰਜਾ ਜਾਂ ਖੰਡ ਦੇ ਮੁੱਲ ਪ੍ਰਤੀ 100 ਗ੍ਰਾਮ ਉਤਪਾਦ ਦੀ ਗਲਤ ਗਣਨਾ ਕਰਦਾ ਹੈ; ਇਹ ਲੇਬਲ ਅਤੇ ਪੋਸ਼ਣ ਦਾਅਵਿਆਂ ਦੀਆਂ ਗਲਤੀਆਂ ਵੱਲ ਖੜਦਾ ਹੈ।
ਧਿਆਨ ਦਿਓ: LLM ਦੁਆਰਾ ਦਿੱਤੀ ਗਈ ਕੋਈ ਵੀ ਸੰਖਿਆਤਮਕ ਸੀਮਾ, ਕੋਡੈਕਸ ਆਈਟਮ ਨੰਬਰ ਜਾਂ ਪੌਸ਼ਟਿਕ ਮੁੱਲ ਦੀ ਵਰਤੋਂ ਮੂਲ ਅਧਿਕਾਰਤ ਸਰੋਤ (ਤੁਰਕੀ ਫੂਡ ਕੋਡੈਕਸ ਸੰਬੰਧਿਤ ਸੰਚਾਰ/ਨਿਯਮ, ਤੁਰਕੀ ਗਣਰਾਜ ਦੇ ਖੇਤੀਬਾੜੀ ਅਤੇ ਜੰਗਲਾਤ ਮੰਤਰਾਲੇ ਦੇ ਪ੍ਰਕਾਸ਼ਨ) ਤੋਂ ਪੁਸ਼ਟੀ ਕੀਤੇ ਬਿਨਾਂ ਨਹੀਂ ਕੀਤੀ ਜਾ ਸਕਦੀ। ਸਿਰਫ਼ ਇਸ ਲਈ ਕਿ ਮਾਡਲ "ਯਕੀਨੀ" ਦਿਸਦਾ ਹੈ, ਇਸਦਾ ਮਤਲਬ ਇਹ ਨਹੀਂ ਹੈ ਕਿ ਇਹ ਸਹੀ ਹੈ।
ਕਿਰਤ ਦੀ ਜੋਖਮ-ਅਧਾਰਿਤ ਵੰਡ
AI ਨੂੰ ਇੱਕ ਜੋਖਮ ਦੇ ਧੁਰੇ ਦੇ ਨਾਲ ਵਰਗੀਕ੍ਰਿਤ ਕਰਨਾ ਜਿੱਥੇ ਇਸਨੂੰ ਸੁਤੰਤਰ ਰੂਪ ਵਿੱਚ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ ਅਤੇ ਜਿੱਥੇ ਸਖਤ ਪ੍ਰਮਾਣਿਕਤਾ ਦੀ ਲੋੜ ਹੈ, ਉਹ ਪਹੁੰਚ ਹੈ ਜੋ ਅਭਿਆਸ ਵਿੱਚ ਸਭ ਤੋਂ ਵਧੀਆ ਕੰਮ ਕਰਦੀ ਹੈ।
ਖੋਜ
ਜੋਖਮ ਦਾ ਪੱਧਰ
AI ਭੂਮਿਕਾ
ਲਾਜ਼ਮੀ ਪੁਸ਼ਟੀਕਰਨ
ਉਤਪਾਦ ਦਾ ਨਾਮ/ਸੰਕਲਪ ਵਿਚਾਰ
ਘੱਟ
ਫ੍ਰੀਲਾਂਸ ਨਿਰਮਾਤਾ
ਮਾਰਕੀਟਿੰਗ ਸਮੀਖਿਆ
ਪ੍ਰਕਿਰਿਆ/ਐਸਓਪੀ ਡਰਾਫਟ
ਘੱਟ-ਮੱਧਮ
ਡਰਾਫਟ ਲੇਖਕ
ਕੁਆਲਿਟੀ ਮੈਨੇਜਰ ਦੀ ਪ੍ਰਵਾਨਗੀ
ਸੰਵੇਦੀ ਟੈਸਟ ਪ੍ਰਸ਼ਨਾਵਲੀ ਡਰਾਫਟ
ਘੱਟ
ਸਹਾਇਕ
ਆਰ ਐਂਡ ਡੀ ਕੰਟਰੋਲ
ਐਡੀਟਿਵ ਖੁਰਾਕ
ਉੱਚ
ਸਿਰਫ਼ ਸੁਝਾਅ
ਕੋਡੈਕਸ ਸੀਮਾ + ਪ੍ਰਯੋਗਸ਼ਾਲਾ
HACCP ਕ੍ਰਿਟੀਕਲ ਕੰਟਰੋਲ ਪੁਆਇੰਟ (CCP)
ਬਹੁਤ ਉੱਚਾ
ਸਿਰਫ਼ ਵਿਚਾਰਾਂ ਦੀ ਇੱਕ ਸੂਚੀ
HACCP ਟੀਮ + ਫੈਸਲੇ ਦਾ ਰੁੱਖ
ਐਲਰਜੀਨ ਘੋਸ਼ਣਾ
ਬਹੁਤ ਉੱਚਾ
ਡਰਾਫਟ
ਨੁਸਖ਼ੇ ਦੀ ਖੋਜਯੋਗਤਾ + ਵਿਧਾਨ
ਹੀਟ ਟ੍ਰੀਟਮੈਂਟ ਪੈਰਾਮੀਟਰ (F-ਮੁੱਲ)
ਬਹੁਤ ਉੱਚਾ
ਸੁਝਾਅ
ਪ੍ਰਕਿਰਿਆ ਅਥਾਰਟੀ + ਪ੍ਰਮਾਣਿਕਤਾ
ਨਿਯਮ ਸਧਾਰਨ ਹੈ: ਜਿੰਨਾ ਜ਼ਿਆਦਾ ਆਉਟਪੁੱਟ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਖਪਤਕਾਰਾਂ ਦੀ ਸਿਹਤ, ਰੈਗੂਲੇਟਰੀ ਪਾਲਣਾ ਜਾਂ ਉਤਪਾਦਨ ਸੁਰੱਖਿਆ ਨੂੰ ਛੂਹਦਾ ਹੈ, ਓਨਾ ਹੀ ਜ਼ਰੂਰੀ ਮਨੁੱਖੀ ਤਸਦੀਕ ਹੁੰਦਾ ਹੈ।
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ
ਇੱਕੋ ਲੋੜ, ਜਦੋਂ ਦੋ ਵੱਖ-ਵੱਖ ਤਰੀਕਿਆਂ ਨਾਲ ਪੁੱਛੀ ਜਾਂਦੀ ਹੈ, ਨਤੀਜੇ ਦੀ ਬਹੁਤ ਵੱਖਰੀ ਗੁਣਵੱਤਾ ਦਿੰਦੀ ਹੈ।
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ: "ਮੈਨੂੰ ਦਹੀਂ ਵਿੱਚ ਕਿਹੜਾ ਪ੍ਰੀਜ਼ਰਵੇਟਿਵ ਪਾਉਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਕਿੰਨਾ?" ਸਮੱਸਿਆ: ਮਾਡਲ ਇੱਕ ਸਹੀ ਖੁਰਾਕ ਦੀ ਖੋਜ ਕਰਦਾ ਹੈ, ਇੱਕ ਸਰੋਤ ਨਹੀਂ ਦਿੰਦਾ, ਉਤਪਾਦ ਸ਼੍ਰੇਣੀ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਨਹੀਂ ਰੱਖਦਾ, ਅਤੇ ਤੁਹਾਨੂੰ ਪੁਸ਼ਟੀਕਰਨ ਦੇ ਬਿੰਦੂ ਨਹੀਂ ਪਤਾ।
ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ: "ਖਾਣੇ ਵਾਲੇ ਦੁੱਧ ਉਤਪਾਦ (ਪੀਣ ਯੋਗ ਦਹੀਂ) ਅਤੇ ਹਰੇਕ ਦੇ ਕੰਮ ਲਈ ਸੰਭਾਵੀ ਸੁਰੱਖਿਆ ਸ਼੍ਰੇਣੀਆਂ ਦੀ ਸੂਚੀ ਬਣਾਓ। ਸਹੀ ਖੁਰਾਕ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਨਾ ਕਰੋ; ਇਸ ਦੀ ਬਜਾਏ ਹਰੇਕ ਜੋੜ ਲਈ ਇੱਕ ਨੋਟ ਸ਼ਾਮਲ ਕਰੋ 'ਜਿਸ ਤੋਂ ਤੁਰਕੀ ਫੂਡਕੋਡੈਕਸ ਨੋਟੀਫਿਕੇਸ਼ਨ ਦੀ ਸੀਮਾ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ'। ਆਉਟਪੁੱਟ ਨੂੰ ਫਾਰਮੈਟ ਕਰੋ। ਇਹ ਮਜ਼ਬੂਤ ਕਿਉਂ ਹੈ: ਮਾਡਲ ਨੂੰ ਫਿੱਟ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਨਾ ਕਰੋ, ਪਰ ਇਸਨੂੰ ਬਣਤਰ ਬਣਾਓ ਇਹ ਆਉਟਪੁੱਟ ਵਿੱਚ ਪੁਸ਼ਟੀਕਰਨ ਪੜਾਅ ਨੂੰ ਏਮਬੈਡ ਕਰਦਾ ਹੈ। ਫੈਸਲਾ ਇੰਜੀਨੀਅਰ ਕੋਲ ਰਹਿੰਦਾ ਹੈ।
ਫਰਕ ਇਹ ਹੈ ਕਿ ਮਾਡਲ ਨੂੰ "ਫੈਸਲਾ ਕਰੋ" ਬਣਾਉਣ ਦੀ ਬਜਾਏ, ਤੁਸੀਂ "ਇਸ ਨੂੰ ਡਰਾਫਟ ਬਣਾਉਂਦੇ ਹੋ ਅਤੇ ਪੁਸ਼ਟੀਕਰਨ ਮਾਰਗ ਖਿੱਚਦੇ ਹੋ"।
ਨੈਤਿਕਤਾ, ਵਪਾਰਕ ਰਾਜ਼ ਅਤੇ ਫਾਰਮੂਲਾ ਗੁਪਤਤਾ
AI ਦੀ ਵਰਤੋਂ ਦਾ ਨੈਤਿਕ ਪਹਿਲੂ ਇਸ ਦੇ ਤਕਨੀਕੀ ਮਾਪ ਜਿੰਨਾ ਹੀ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਇੱਕ ਇੰਜੀਨੀਅਰ ਵਜੋਂ, ਉਸਦੀ ਕੰਪਨੀ ਦੀ ਸਭ ਤੋਂ ਕੀਮਤੀ ਸੰਪੱਤੀ ਇਸ ਦੇ ਗੁਪਤ ਫਾਰਮੂਲੇ ਅਤੇ ਪਕਵਾਨਾਂ ਹਨ।
ਨੈਤਿਕਤਾ ਦੀ ਜਾਂਚ ਸੂਚੀ (ਪ੍ਰੋਂਪਟ ਲਿਖਣ ਤੋਂ ਪਹਿਲਾਂ):[ ] ਕੀ ਮੈਂ ਇਸ ਪ੍ਰੋਂਪਟ 'ਤੇ ਗੁਪਤ/ਪੇਟੈਂਟ ਫਾਰਮੂਲਾ ਦਰਾਂ ਲਿਖਦਾ ਹਾਂ?[ ] ਕੀ ਮੈਂ ਗਾਹਕ-ਵਿਸ਼ੇਸ਼ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨੂੰ ਸਾਂਝਾ ਕਰਦਾ ਹਾਂ?[ ] ਕੀ ਮੈਂ ਟੂਲ ਦੀ ਡਾਟਾ ਵਰਤੋਂ ਨੀਤੀ ਨੂੰ ਜਾਣਦਾ ਹਾਂ?[] ਕੀ ਬਿਨਾਂ ਪੁਸ਼ਟੀ ਕੀਤੇ ਆਉਟਪੁੱਟ ਨੂੰ ਉਤਪਾਦਨ/ਲੇਬਲ ਵਿੱਚ ਤਬਦੀਲ ਕਰਨ ਦਾ ਕੋਈ ਖਤਰਾ ਹੈ?[ ] ਜੋ ਕਿ ਖਪਤਕਾਰ ਨੂੰ ਪ੍ਰਭਾਵਤ ਕਰਨ ਦਾ ਫੈਸਲਾ ਕਰਦਾ ਹੈ?
ਜਨਤਕ AI ਟੂਲ ਵਿੱਚ ਸਹੀ ਨੁਸਖ਼ੇ ਦੀਆਂ ਦਰਾਂ ਨੂੰ ਟਾਈਪ ਕਰਨ ਦਾ ਮਤਲਬ ਹੋ ਸਕਦਾ ਹੈ ਕਿ ਵਪਾਰਕ ਰਾਜ਼ ਤੀਜੀ-ਧਿਰ ਦੇ ਸਰਵਰਾਂ ਨੂੰ ਜਾਂਦਾ ਹੈ। ਗੁਪਤ ਜਾਣਕਾਰੀ ਨੂੰ ਦੂਰ ਕਰਕੇ ਪੁੱਛਣਾ ਇੱਕ ਚੰਗੀ ਆਦਤ ਹੈ ("A ਯੋਗਦਾਨ X%, B ਯੋਗਦਾਨ Y%)।"
ਸੁਝਾਅ: ਆਪਣੇ ਪ੍ਰੋਂਪਟ "ਜਨਤਕ/ਅਗਿਆਤ" ਰੱਖੋ। ਅਸਲ ਦਰਾਂ ਦੀ ਬਜਾਏ ਵੇਰੀਏਬਲ (X, Y) ਦੀ ਵਰਤੋਂ ਕਰੋ; ਆਪਣੀ ਖੁਦ ਦੀ ਸਪ੍ਰੈਡਸ਼ੀਟ ਵਿੱਚ ਲੁਕਵੇਂ ਨੰਬਰਾਂ ਨੂੰ ਰੱਖਦੇ ਹੋਏ ਤਰਕ ਅਤੇ ਢਾਂਚੇ ਲਈ ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕਰੋ। ਇਸ ਤਰ੍ਹਾਂ ਤੁਸੀਂ ਵਿਚਾਰ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹੋ ਅਤੇ ਗੁਪਤ ਰੱਖਦੇ ਹੋ।
ਮਿੰਨੀ ਕੇਸ
ਇੱਕ ਸਨੈਕ ਨਿਰਮਾਤਾ ਦੇ ਇੱਕ ਇੰਟਰਨਲ ਇੰਜੀਨੀਅਰ ਨੇ AI ਨੂੰ ਇੱਕ ਨਵੀਂ ਸੀਰੀਅਲ ਬਾਰ ਦੇ ਲੇਬਲ ਲਈ ਇੱਕ ਪੋਸ਼ਣ ਸਾਰਣੀ ਲਈ ਕਿਹਾ। ਮਾਡਲ ਨੇ 40g ਬਾਰ ਲਈ "8g ਪ੍ਰੋਟੀਨ, 180kcal" ਦਾ ਹਵਾਲਾ ਦਿੱਤਾ, ਅਤੇ ਚਾਰਟ ਪੇਸ਼ੇਵਰ ਲੱਗ ਰਿਹਾ ਸੀ। ਮਨਜ਼ੂਰੀ ਦੇਣ ਤੋਂ ਪਹਿਲਾਂ, ਗੁਣਵੱਤਾ ਪ੍ਰਬੰਧਕ ਨੇ ਟੀਮ ਨੂੰ ਹੱਥੀਂ ਵਿਅੰਜਨ ਦੀ ਗਣਨਾ ਕੀਤੀ: ਅਸਲ ਮੁੱਲ 5.2 g ਪ੍ਰੋਟੀਨ ਅਤੇ 165 kcal ਸੀ। ਏਆਈ ਨੇ ਸਮਾਨ ਉਤਪਾਦਾਂ ਦੀ "ਔਸਤ" ਦੀ ਭਵਿੱਖਬਾਣੀ ਕੀਤੀ; ਇਹ ਉਤਪਾਦ ਲਈ ਅਸਲ ਵਿਅੰਜਨ ਨਹੀਂ ਹੈ. ਜੇਕਰ ਚਾਰਟ ਬਿਨਾਂ ਤਸਦੀਕ ਦੇ ਛਾਪਿਆ ਗਿਆ ਸੀ, ਤਾਂ ਪੋਸ਼ਣ ਸੰਬੰਧੀ ਗਲਤ ਪੇਸ਼ਕਾਰੀ ਕਾਨੂੰਨੀ ਉਲੰਘਣਾ ਅਤੇ ਖਪਤਕਾਰਾਂ ਦੇ ਵਿਸ਼ਵਾਸ ਦਾ ਨੁਕਸਾਨ ਦੋਵੇਂ ਹੋਵੇਗੀ। ਇਸ ਘਟਨਾ ਤੋਂ ਬਾਅਦ, ਟੀਮ ਨੇ ਲਿਖਤੀ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਨਿਯਮ "AI ਪੋਸ਼ਣ ਸਾਰਣੀ = ਡਰਾਫਟ, ਪਕਵਾਨਾਂ ਤੋਂ ਗਣਨਾ = ਅਸਲ" ਨੂੰ ਜੋੜਿਆ।
ਆਮ ਗਲਤੀਆਂ
- AI ਦੁਆਰਾ ਦਿੱਤੇ ਯੋਗਦਾਨ ਦੀ ਸੀਮਾ ਜਾਂ ਕੋਡੈਕਸ ਆਈਟਮ ਨੰਬਰ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੇ ਬਿਨਾਂ ਇਸ ਨੂੰ ਰਿਪੋਰਟ/ਲੇਬਲ 'ਤੇ ਲਗਾਉਣਾ।
- ਸ਼ੁੱਧਤਾ ਦੇ ਨਾਲ ਮਾਡਲ ਦੇ "ਯਕੀਨੀ" ਅਤੇ ਤਰਲ ਟੋਨ ਨੂੰ ਮਿਲਾਉਣਾ.
- ਜਨਤਕ AI ਸਾਧਨਾਂ ਵਿੱਚ ਗੁਪਤ ਫਾਰਮੂਲਾ ਅਨੁਪਾਤ ਲਿਖਣਾ।
- ਉੱਚ-ਜੋਖਮ ਵਾਲੇ ਫੈਸਲੇ (ਸੀਸੀਪੀ, ਐਲਰਜੀਨ, ਹੀਟ ਟ੍ਰੀਟਮੈਂਟ) ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ AI 'ਤੇ ਛੱਡਣਾ।
- ਵਿਅੰਜਨ ਤੋਂ ਪੌਸ਼ਟਿਕ ਮੁੱਲ ਦੀ ਗਣਨਾ ਕਰਨ ਦੀ ਬਜਾਏ AI ਪੂਰਵ ਅਨੁਮਾਨ 'ਤੇ ਭਰੋਸਾ ਕਰਨਾ।
- ਇੱਕਲੇ ਤੁਰੰਤ ਜਵਾਬ ਨੂੰ ਇੱਕੋ-ਇੱਕ ਸਹੀ ਜਵਾਬ ਵਜੋਂ ਸਵੀਕਾਰ ਕਰਨਾ ਅਤੇ ਕਿਸੇ ਵਿਕਲਪ/ਸਰੋਤ ਦੀ ਤਲਾਸ਼ ਨਾ ਕਰਨਾ।
- "ਮੈਂ ਇਸਨੂੰ ਬਾਅਦ ਵਿੱਚ ਕਰਾਂਗਾ" ਕਹਿ ਕੇ ਪੁਸ਼ਟੀਕਰਨ ਪੜਾਅ ਨੂੰ ਛੱਡਣਾ ਅਤੇ ਸਮੇਂ ਦੇ ਦਬਾਅ ਹੇਠ ਉਤਪਾਦਨ ਵੱਲ ਵਧਣਾ।
ਸੰਖੇਪ ਵਿੱਚ
- AI ਫੂਡ ਇੰਜੀਨੀਅਰਿੰਗ ਵਿੱਚ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਐਕਸਲੇਟਰ ਹੈ, ਪਰ ਇਹ ਇੱਕ ਸੀਨੀਅਰ ਇੰਟਰਨ ਹੈ, ਇੱਕ ਫੈਸਲਾ ਲੈਣ ਵਾਲਾ ਨਹੀਂ।
- LLM ਸਟੀਕ ਸੀਮਾ, ਰੈਗੂਲੇਟਰੀ ਪਦਾਰਥ, ਅਤੇ ਪੌਸ਼ਟਿਕ ਮੁੱਲ ਦੇ ਭਰਮ ਪੈਦਾ ਕਰ ਸਕਦੇ ਹਨ; ਪ੍ਰਵਾਹ ਸ਼ੁੱਧਤਾ ਦੀ ਕੋਈ ਗਰੰਟੀ ਨਹੀਂ ਹੈ।
- ਜੋਖਮ ਦੇ ਅਧਾਰ 'ਤੇ ਕਾਰਜਾਂ ਦਾ ਵਰਗੀਕਰਨ ਕਰੋ: ਘੱਟ ਜੋਖਮ ਵਿੱਚ, ਉੱਚ ਜੋਖਮ ਵਿੱਚ (ਖੁਰਾਕ, ਸੀਸੀਪੀ, ਐਲਰਜੀਨ, ਗਰਮੀ ਦਾ ਇਲਾਜ) ਦੀ ਸੁਤੰਤਰ ਵਰਤੋਂ ਕਰੋ ਹਮੇਸ਼ਾਂ ਮਨੁੱਖੀ + ਵਿਧਾਨ + ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਨਾਲ ਪੁਸ਼ਟੀ ਕਰੋ।
- ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰੋਂਪਟ ਮਾਡਲ ਨੂੰ ਫੈਸਲਾ ਲੈਣ ਲਈ ਨਹੀਂ, ਪਰ ਇੱਕ ਡਰਾਫਟ ਤਿਆਰ ਕਰਨ ਅਤੇ ਤਸਦੀਕ ਦਾ ਰਸਤਾ ਦਿਖਾਉਣ ਲਈ ਮਜ਼ਬੂਰ ਕਰਦਾ ਹੈ।
- ਵਪਾਰਕ ਰਾਜ਼ ਅਤੇ ਫਾਰਮੂਲਾ ਗੁਪਤਤਾ ਨੂੰ ਕਾਇਮ ਰੱਖਣਾ; ਅਸਲ ਦਰਾਂ ਦੀ ਬਜਾਏ ਅਗਿਆਤ ਵੇਰੀਏਬਲ ਨਾਲ ਕੰਮ ਕਰੋ।
- ਅਧਿਕਾਰਤ ਸਰੋਤ ਅਤੇ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਦੁਆਰਾ ਪੁਸ਼ਟੀ ਕੀਤੇ ਜਾਣ ਤੱਕ ਹਰੇਕ AI ਆਉਟਪੁੱਟ ਸਿਰਫ ਇੱਕ ਡਰਾਫਟ ਹੈ।
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
ਆਪਣੇ (ਜਾਂ ਇੱਕ ਕਾਲਪਨਿਕ) ਭੋਜਨ ਕਾਰੋਬਾਰ ਵਿੱਚ 8 ਵੱਖ-ਵੱਖ ਕਾਰਜਾਂ ਦੀ ਪਛਾਣ ਕਰੋ ਜਿੱਥੇ ਤੁਸੀਂ ਪਿਛਲੇ ਮਹੀਨੇ AI ਤੋਂ ਮਦਦ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦੇ ਹੋ। ਇਸ ਯੂਨਿਟ ਵਿੱਚ ਹਰੇਕ ਕੰਮ ਨੂੰ ਜੋਖਮ-ਅਧਾਰਤ ਸਾਰਣੀ ਵਿੱਚ ਰੱਖੋ: ਘੱਟ, ਮੱਧਮ, ਉੱਚ, ਜਾਂ ਬਹੁਤ ਜ਼ਿਆਦਾ ਜੋਖਮ। ਹਰੇਕ ਉੱਚ ਅਤੇ ਬਹੁਤ ਉੱਚ ਜੋਖਮ ਵਾਲੇ ਕਾਰਜ ਲਈ, ਇੱਕ ਸਾਰਣੀ ਵਿੱਚ ਲਿਖੋ ਕਿ ਕਿਹੜਾ ਅਧਿਕਾਰਤ ਸਰੋਤ (ਤੁਰਕੀ ਫੂਡ ਕੋਡੈਕਸ ਸੰਬੰਧਿਤ ਸੰਚਾਰ), ਕਿਹੜਾ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਟੈਸਟ ਅਤੇ ਕਿਸ ਮਾਹਰ ਦੀ ਪ੍ਰਵਾਨਗੀ ਨਾਲ AI ਆਉਟਪੁੱਟ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ। ਅੰਤ ਵਿੱਚ, ਤੁਹਾਡੀ ਟੀਮ ਦੀ ਵਰਤੋਂ ਕਰਨ ਲਈ "AI ਆਉਟਪੁੱਟ ਪ੍ਰਮਾਣਿਕਤਾ ਨਿਯਮਾਂ" ਦੀ ਇੱਕ 5-ਆਈਟਮ ਸੂਚੀ ਬਣਾਓ ਅਤੇ ਇਹ ਯਕੀਨੀ ਬਣਾਓ ਕਿ ਉਹਨਾਂ ਵਿੱਚੋਂ ਘੱਟੋ-ਘੱਟ ਇੱਕ ਵਪਾਰਕ ਗੁਪਤ/ਗੁਪਤ ਹੈ।