ਲਾਭ:
- ਪ੍ਰੋਸੈਸਿੰਗ, ਗੁਣਵੱਤਾ ਨਿਯੰਤਰਣ ਅਤੇ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਦੇ ਨਤੀਜਿਆਂ ਦੀ ਰਿਪੋਰਟਿੰਗ ਵਿੱਚ AI ਦੀ ਕੁਸ਼ਲਤਾ ਨਾਲ ਵਰਤੋਂ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
- ਏਆਈ ਦੇ ਨਾਲ ਭੂ-ਵਿਗਿਆਨਕ/ਭੂ-ਤਕਨੀਕੀ ਰਿਪੋਰਟ ਡਰਾਫਟ, ਸਾਹਿਤ ਸਮੀਖਿਆ ਅਤੇ ਡੇਟਾ ਸੰਖੇਪ ਨੂੰ ਤੇਜ਼ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
- ਟਰੇਸੇਬਿਲਟੀ, ਸਰੋਤ ਪੁਸ਼ਟੀਕਰਨ ਅਤੇ ਇੰਜੀਨੀਅਰ ਦੀ ਮਨਜ਼ੂਰੀ ਦੇ ਨਾਲ ਸਵੈਚਲਿਤ ਤੌਰ 'ਤੇ ਤਿਆਰ ਸਮੱਗਰੀ ਨੂੰ ਸੁਰੱਖਿਅਤ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
ਭੂ-ਵਿਗਿਆਨਕ ਇੰਜੀਨੀਅਰ ਦੀ ਨੌਕਰੀ ਦਾ ਇੱਕ ਅਦਿੱਖ ਪਰ ਵੱਡਾ ਹਿੱਸਾ ਦਫਤਰ ਵਿੱਚ ਹੁੰਦਾ ਹੈ: ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਦੇ ਨਤੀਜਿਆਂ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰਨਾ, ਗੁਣਵੱਤਾ ਨਿਯੰਤਰਣ, ਡੇਟਾ ਸਾਰਣੀ ਬਣਾਉਣਾ, ਰਿਪੋਰਟਾਂ ਲਿਖਣਾ, ਸਾਹਿਤ ਨੂੰ ਸਕੈਨ ਕਰਨਾ, ਅਤੇ ਨਕਸ਼ੇ ਅਤੇ ਅੰਕੜੇ ਤਿਆਰ ਕਰਨਾ। ਇਹ ਨੌਕਰੀਆਂ ਦੁਹਰਾਉਣ ਵਾਲੀਆਂ, ਸਮਾਂ ਬਰਬਾਦ ਕਰਨ ਵਾਲੀਆਂ ਅਤੇ ਧਿਆਨ ਦੇਣ ਵਾਲੀਆਂ ਹਨ; ਇਹ ਬਿਲਕੁਲ ਉਹ ਖੇਤਰ ਹੈ ਜਿੱਥੇ ਨਕਲੀ ਬੁੱਧੀ ਸਭ ਤੋਂ ਵੱਧ ਸਮਾਂ ਬਚਾਉਂਦੀ ਹੈ। ਪਰ ਇੱਥੇ ਇੱਕ ਜਾਲ ਵੀ ਹੈ: ਰਿਪੋਰਟ ਇੱਕ ਇੰਜੀਨੀਅਰਿੰਗ ਫੈਸਲੇ ਲਈ ਅਧਿਕਾਰਤ ਅਧਾਰ ਹੈ। ਇੱਕ ਮਨਘੜਤ ਸਰੋਤ, ਇੱਕ ਗਲਤ ਕਾਪੀ ਕੀਤਾ ਗਿਆ ਨੰਬਰ, ਜਾਂ ਇੱਕ ਅਣਪਛਾਣਯੋਗ ਦਾਅਵਾ ਕਿਸੇ ਦਾ ਧਿਆਨ ਨਾ ਕੀਤੇ ਇੱਕ ਵਹਿੰਦੇ ਟੈਕਸਟ ਵਿੱਚ ਖਿਸਕ ਸਕਦਾ ਹੈ, ਅਤੇ ਨਤੀਜੇ ਗੰਭੀਰ ਹੋ ਸਕਦੇ ਹਨ। ਇਸ ਯੂਨਿਟ ਦਾ ਉਦੇਸ਼ ਇੱਕ ਅਨੁਸ਼ਾਸਨ ਸਥਾਪਤ ਕਰਨਾ ਹੈ ਜੋ ਅੰਤ-ਤੋਂ-ਅੰਤ ਦਫਤਰੀ ਕੁਸ਼ਲਤਾ ਵਿੱਚ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਟਰੇਸੇਬਿਲਟੀ, ਸਰੋਤ ਪੁਸ਼ਟੀਕਰਨ ਅਤੇ ਇੰਜੀਨੀਅਰ ਦੀ ਪ੍ਰਵਾਨਗੀ ਵਿੱਚ ਕਦੇ ਵੀ ਢਿੱਲ ਨਹੀਂ ਦਿੰਦਾ।
ਇਸ ਯੂਨਿਟ ਵਿੱਚ ਅਸੀਂ ਤਿੰਨ ਦਫਤਰੀ ਮੋਰਚਿਆਂ ਨੂੰ ਕਵਰ ਕਰਾਂਗੇ: ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਨਤੀਜਾ ਪ੍ਰੋਸੈਸਿੰਗ ਅਤੇ QA/QC (ਵਿਸ਼ਲੇਸ਼ਣ ਡੇਟਾ ਦੀ ਸਫਾਈ ਅਤੇ ਯਕੀਨੀ ਬਣਾਉਣਾ), ਰਿਪੋਰਟ ਅਤੇ ਸਾਹਿਤ ਉਤਪਾਦਨ (ਡਰਾਫਟ, ਐਬਸਟਰੈਕਟਿੰਗ ਅਤੇ ਸਕ੍ਰੀਨਿੰਗ ਪ੍ਰਵੇਗ), ਅਤੇ ਵਰਕਫਲੋ ਆਟੋਮੇਸ਼ਨ (ਦੁਹਰਾਉਣ ਵਾਲੇ ਕੰਮਾਂ ਨੂੰ ਨਿਯਮਤ ਕਰਨਾ)। ਹਰ ਕਦਮ 'ਤੇ, AI ਇੱਕ ਡਰਾਫਟਰ ਅਤੇ ਆਯੋਜਕ ਹੈ; ਸਮੱਗਰੀ ਦੀ ਸ਼ੁੱਧਤਾ, ਸਰੋਤ ਅਤੇ ਅੰਤਮ ਪ੍ਰਵਾਨਗੀ ਇੰਜੀਨੀਅਰ ਦੀ ਹੈ।
ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਨਤੀਜਾ ਪ੍ਰੋਸੈਸਿੰਗ ਅਤੇ QA/QC
ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਦੇ ਨਤੀਜੇ (ਗ੍ਰੇਡ ਵਿਸ਼ਲੇਸ਼ਣ, ਮਿੱਟੀ ਸੂਚਕਾਂਕ ਟੈਸਟ, ਪਾਣੀ ਦੀ ਰਸਾਇਣ ਵਿਗਿਆਨ) ਅਕਸਰ ਵੱਖ-ਵੱਖ ਫਾਰਮੈਟਾਂ ਵਿੱਚ, ਵੱਖ-ਵੱਖ ਇਕਾਈਆਂ ਵਿੱਚ ਅਤੇ ਕਈ ਵਾਰ ਗਲਤ ਢੰਗ ਨਾਲ ਆਉਂਦੇ ਹਨ। AI ਇਸ ਡੇਟਾ ਨੂੰ ਇੱਕ ਸਿੰਗਲ ਸਕੀਮਾ ਵਿੱਚ ਫਿੱਟ ਕਰਦਾ ਹੈ, ਯੂਨਿਟ ਦੀ ਅਸੰਗਤਤਾ ਨੂੰ ਕੈਪਚਰ ਕਰਦਾ ਹੈ, ਖੋਜ ਦੀ ਸੀਮਾ ਤੋਂ ਹੇਠਾਂ ਫਲੈਗ ਕਰਦਾ ਹੈ ਅਤੇ QA/QC ਨਮੂਨਿਆਂ (ਖਾਲੀ ਨਮੂਨਾ, ਮਿਆਰੀ ਹਵਾਲਾ ਸਮੱਗਰੀ, ਪੁਨਰ-ਵਿਸ਼ਲੇਸ਼ਣ) ਦੀ ਜਾਂਚ ਕਰਦਾ ਹੈ। QA/QC (ਗੁਣਵੱਤਾ ਭਰੋਸਾ/ਗੁਣਵੱਤਾ ਨਿਯੰਤਰਣ) ਉਹ ਨਿਰੀਖਣ ਹੈ ਜੋ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਦੀ ਭਰੋਸੇਯੋਗਤਾ ਨੂੰ ਸਾਬਤ ਕਰਦਾ ਹੈ: ਜੇਕਰ ਖਾਲੀ ਨਮੂਨੇ ਵਿੱਚ ਗੰਦਗੀ ਹੈ, ਮਿਆਰ ਵਿੱਚ ਵਿਵਹਾਰ, ਦੁਹਰਾਏ ਗਏ ਨਮੂਨੇ ਵਿੱਚ ਗੈਰ-ਪਾਲਣਾ, ਡੇਟਾ ਸ਼ੱਕੀ ਹੈ।
ਨਾਜ਼ੁਕ ਬਿੰਦੂ: ਏਆਈ ਕਦੇ ਵੀ ਚੁੱਪ-ਚਾਪ ਕਿਸੇ ਮੁੱਲ ਨੂੰ ਨਹੀਂ ਮਿਟਾਉਂਦਾ ਜਾਂ ਠੀਕ ਨਹੀਂ ਕਰਦਾ। ਇਸਦਾ ਕੰਮ ਸਮੱਸਿਆ ਵਾਲੀਆਂ ਲਾਈਨਾਂ ਨੂੰ ਫਲੈਗ ਕਰਨਾ ਅਤੇ ਇੰਜੀਨੀਅਰ ਨੂੰ ਫੈਸਲਾ ਲੈਣ ਦੇਣਾ ਹੈ। ਇੱਕ ਆਊਟਲੀਅਰ ਇੱਕ ਸੱਚਾ ਉੱਚ ਧਾਤ ਜਾਂ ਇੱਕ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਗਲਤੀ ਹੋ ਸਕਦਾ ਹੈ; ਇੰਜਨੀਅਰ ਪ੍ਰਸੰਗ ਦੇ ਨਾਲ ਇਹ ਅੰਤਰ ਕਰਦਾ ਹੈ। ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਡੇਟਾ ਦੀ ਜਾਂਚ ਕਰਦੀ ਹੈ, ਇਸ ਨੂੰ ਸਾਫ਼ ਨਹੀਂ ਕਰਦੀ।
ਸੰਕੇਤ: ਲੈਬ ਡੇਟਾ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰਦੇ ਸਮੇਂ ਹਰ ਪ੍ਰੋਂਪਟ 'ਤੇ "ਸਿਰਫ਼ ਨਿਸ਼ਾਨ ਲਗਾਓ, ਨਾ ਬਦਲੋ" ਨਿਯਮ ਨੂੰ ਦੁਹਰਾਓ। AI ਦੀ ਸਭ ਤੋਂ ਧੋਖੇਬਾਜ਼ ਗਲਤੀ ਉਦੋਂ ਹੁੰਦੀ ਹੈ ਜਦੋਂ ਇਹ ਚੰਗੇ ਇਰਾਦਿਆਂ ਨਾਲ ਕਿਸੇ ਮੁੱਲ ਨੂੰ "ਸਹੀ" ਕਰਕੇ ਅਤੇ ਇਸ ਨੂੰ ਮਹਿਸੂਸ ਨਾ ਕਰਕੇ ਕੱਚੇ ਡੇਟਾ ਨੂੰ ਵਿਗਾੜਦਾ ਹੈ।
ਰਿਪੋਰਟ ਅਤੇ ਸਾਹਿਤ ਉਤਪਾਦਨ
AI ਰਿਪੋਰਟ ਲਿਖਣ ਵਿੱਚ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਡਰਾਫਟਰ ਹੈ: ਵਿਧੀ ਭਾਗ, ਸ਼ੁਰੂਆਤੀ ਸੰਦਰਭ, ਸਿੱਟਾ ਸੰਖੇਪ ਨੂੰ ਮਿੰਟਾਂ ਵਿੱਚ ਡਰਾਫਟ ਕਰਦਾ ਹੈ; ਸਾਹਿਤ ਦੇ ਇੱਕ ਲੰਬੇ ਸਰੀਰ ਨੂੰ ਸੰਖੇਪ; ਇੱਕ ਗੁੰਝਲਦਾਰ ਸਾਰਣੀ ਨੂੰ ਸਾਦੇ ਪਾਠ ਵਿੱਚ ਬਦਲਦਾ ਹੈ। ਪਰ ਦੋ ਖ਼ਤਰੇ ਸਪੱਸ਼ਟ ਹਨ। ਪਹਿਲਾ ਹੈ ਮਨਘੜਤ ਸਰੋਤ: ਮਾਡਲ ਭਰੋਸੇ ਨਾਲ ਇੱਕ ਗੈਰ-ਮੌਜੂਦ ਲੇਖ, ਇੱਕ ਗਲਤ ਲੇਖਕ, ਜਾਂ ਇੱਕ ਗੈਰ-ਮੌਜੂਦ ਕੈਨਨ ਲੇਖ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ। ਦੂਜਾ, ਨੰਬਰ ਹੈਂਡਲਿੰਗ ਗਲਤੀ: ਟੈਕਸਟ ਵਿੱਚ ਪਾਸ ਕਰਨ ਵੇਲੇ ਇੱਕ ਗ੍ਰੇਡ, ਇੱਕ ਸੁਰੱਖਿਆ ਗੁਣਾਂਕ ਜਾਂ ਡੂੰਘਾਈ ਨੂੰ ਗਲਤ ਢੰਗ ਨਾਲ ਟ੍ਰਾਂਸਫਰ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ।
ਇਸ ਲਈ ਸੁਨਹਿਰੀ ਨਿਯਮ: AI ਡਰਾਫਟ ਤਿਆਰ ਕਰਦਾ ਹੈ, ਇੰਜੀਨੀਅਰ ਤਸਦੀਕ ਕਰਦਾ ਹੈ ਅਤੇ ਇਸਦਾ ਮਾਲਕ ਹੈ। ਹਰੇਕ ਸਰੋਤ ਦੀ ਮੂਲ ਤੋਂ ਪੁਸ਼ਟੀ ਕੀਤੀ ਜਾਂਦੀ ਹੈ (ਅਪੋਕਰੀਫਲ ਹਵਾਲੇ ਸਭ ਤੋਂ ਆਮ ਕਿਸਮ ਦੇ ਭੁਲੇਖੇ ਹਨ); ਹਰੇਕ ਨੰਬਰ ਦੀ ਤੁਲਨਾ ਕੱਚੇ ਡੇਟਾ ਨਾਲ ਕੀਤੀ ਜਾਂਦੀ ਹੈ; ਹਰ ਤਕਨੀਕੀ ਦਾਅਵੇ ਨੂੰ ਇੰਜੀਨੀਅਰਿੰਗ ਦੇ ਗਿਆਨ ਨਾਲ ਪਰਖਿਆ ਜਾਂਦਾ ਹੈ। ਇੱਕ ਵਾਰ ਰਿਪੋਰਟ 'ਤੇ ਹਸਤਾਖਰ ਕੀਤੇ ਜਾਣ ਤੋਂ ਬਾਅਦ, ਇਸ ਵਿੱਚ ਹਰ ਵਾਕ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਹਸਤਾਖਰ ਕਰਨ ਵਾਲੇ ਦੀ ਹੁੰਦੀ ਹੈ - "AI ਨੇ ਇਸਨੂੰ ਲਿਖਿਆ" ਕੋਈ ਬਹਾਨਾ ਨਹੀਂ ਹੈ।
ਧਿਆਨ ਦਿਓ: ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੀ ਗਈ ਬਿਬਲੀਓਗ੍ਰਾਫੀ ਨੂੰ ਕਦੇ ਵੀ ਸਵੀਕਾਰ ਨਾ ਕਰੋ ਜਿਵੇਂ ਕਿ ਇਹ ਹੈ। ਬਣਾਏ ਗਏ ਪਰ ਯਥਾਰਥਵਾਦੀ ਦਿੱਖ ਵਾਲੇ ਹਵਾਲੇ (ਪ੍ਰਤੀਤ ਤੌਰ 'ਤੇ ਸਹੀ ਲੇਖਕ, ਜਰਨਲ, ਸਾਲ) ਸਭ ਤੋਂ ਆਮ ਅਤੇ ਖਤਰਨਾਕ ਭੁਲੇਖੇ ਹਨ। ਸੁਤੰਤਰ ਡੇਟਾਬੇਸ ਦੇ ਵਿਰੁੱਧ ਹਰੇਕ ਸੰਦਰਭ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ।
ਵਰਕਫਲੋ ਆਟੋਮੇਸ਼ਨ ਅਤੇ ਟਰੇਸੇਬਿਲਟੀ
ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੇ ਨਾਲ ਦੁਹਰਾਉਣ ਵਾਲੇ ਕੰਮਾਂ (ਮਾਸਿਕ ਵਾਟਰ ਮਾਨੀਟਰਿੰਗ ਡੇਟਾ ਨੂੰ ਪ੍ਰੋਸੈਸ ਕਰਨਾ, ਇੱਕ ਸਟੈਂਡਰਡ ਰਿਪੋਰਟ ਟੈਂਪਲੇਟ ਭਰਨਾ, ਡ੍ਰਿਲਿੰਗ ਟੇਬਲ ਨੂੰ ਜੋੜਨਾ) ਨੂੰ ਸਵੈਚਾਲਤ ਕਰਨਾ ਬਹੁਤ ਵਧੀਆ ਕੁਸ਼ਲਤਾ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਪਰ ਆਟੋਮੇਸ਼ਨ ਗਲਤੀ ਨੂੰ ਆਟੋਮੈਟਿਕ ਵੀ ਕਰ ਸਕਦੀ ਹੈ: ਇੱਕ ਵਾਰ ਸਥਾਪਿਤ ਹੋਣ ਤੋਂ ਬਾਅਦ ਇੱਕ ਗਲਤ ਨਿਯਮ ਹਰ ਦੌੜ 'ਤੇ ਚੁੱਪਚਾਪ ਦੁਹਰਾਇਆ ਜਾਂਦਾ ਹੈ। ਇਸ ਲਈ ਸਵੈਚਲਿਤ ਵਰਕਫਲੋ ਦਾ ਪਤਾ ਲਗਾਉਣ ਯੋਗ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ: ਰਿਕਾਰਡ ਕਰਨਾ ਕਿ ਕਿਹੜਾ ਇੰਪੁੱਟ, ਕਿਹੜਾ ਪੜਾਅ, ਕਿਹੜਾ ਮਾਡਲ ਸੰਸਕਰਣ ਹਰੇਕ ਆਉਟਪੁੱਟ ਤੋਂ ਆਉਂਦਾ ਹੈ; ਜਦੋਂ ਕੋਈ ਗਲਤੀ ਪਾਈ ਜਾਂਦੀ ਹੈ, ਤਾਂ ਮੂਲ ਕਾਰਨ ਅਤੇ ਸਾਰੇ ਪ੍ਰਭਾਵਿਤ ਆਉਟਪੁੱਟ ਦਾ ਪਤਾ ਲਗਾਉਣ ਯੋਗ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।
ਟਰੇਸੇਬਿਲਟੀ ਦਾ ਅਰਥ ਹੈ ਅਭਿਆਸ ਵਿੱਚ: ਇਨਪੁਟ ਡੇਟਾ ਦਾ ਸਰੋਤ ਅਤੇ ਮਿਤੀ, ਲਾਗੂ ਕੀਤੇ ਗਏ ਪਰਿਵਰਤਨ, ਪ੍ਰੋਂਪਟ/ਮਾਡਲ ਵਰਜਨ ਵਰਤੇ ਗਏ ਅਤੇ ਮਨੁੱਖੀ ਪ੍ਰਵਾਨਗੀ ਦੇ ਪੜਾਅ ਨੂੰ ਰਿਕਾਰਡ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਇਹ ਡੀਬੱਗਿੰਗ ਅਤੇ ਇੰਜੀਨੀਅਰਿੰਗ ਦੇਣਦਾਰੀ ਦੋਵਾਂ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ। ਬੇਕਾਬੂ ਆਟੋਮੇਸ਼ਨ, ਭਾਵੇਂ ਕਿੰਨੀ ਵੀ ਤੇਜ਼ ਹੋਵੇ, ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਕਾਰੋਬਾਰ ਵਿੱਚ ਅਸਵੀਕਾਰਨਯੋਗ ਹੈ।
ਤਿੰਨ ਮਿੰਨੀ ਕੇਸ: ਨੰਬਰ ਦੁਆਰਾ
ਕੇਸ 1 — QA/QC ਡਰਾਫਟ ਨੂੰ ਕੈਪਚਰ ਕਰਨਾ। ਇੱਕ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਸ਼ਿਪਮੈਂਟ ਵਿੱਚ 320 ਗ੍ਰੇਡ ਦੇ ਨਮੂਨੇ ਸਨ। AI QA/QC ਸਕ੍ਰੀਨਿੰਗ ਨੇ ਪਿਛਲੇ 40 ਨਮੂਨਿਆਂ - ਇੰਸਟ੍ਰੂਮੈਂਟ ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਡ੍ਰਾਈਫਟ ਵਿੱਚ ਯੋਜਨਾਬੱਧ ਤੌਰ 'ਤੇ 8% ਅੰਡਰ-ਰੀਡਿੰਗ ਦੇ ਤੌਰ 'ਤੇ ਮਿਆਰੀ ਸੰਦਰਭ ਸਮੱਗਰੀ ਨੂੰ ਫਲੈਗ ਕੀਤਾ। ਇਹ ਯੋਜਨਾਬੱਧ ਗਲਤੀ ਇੱਕ ਸਮੱਸਿਆ ਸੀ ਜਿਸਦਾ ਹੱਥੀਂ ਖੋਜਣਾ ਬਹੁਤ ਮੁਸ਼ਕਲ ਸੀ ਪਰ ਪੂਰੇ ਬੈਚ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕੀਤਾ; ਸ਼ਿਪਮੈਂਟ ਦਾ ਮੁੜ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ ਗਿਆ ਸੀ। ਉਸਨੇ ਪੈਟਰਨ ਦਾ ਫੈਸਲਾ ਨਹੀਂ ਕੀਤਾ, ਉਸਨੇ ਪੈਟਰਨ ਨੂੰ ਦ੍ਰਿਸ਼ਮਾਨ ਬਣਾਇਆ।
ਕੇਸ 2 — ਬਨਾਵਟੀ ਸਰੋਤ। ਏਆਈ ਨੇ ਇੱਕ ਭੂ-ਤਕਨੀਕੀ ਰਿਪੋਰਟ ਦੇ ਸਾਹਿਤ ਭਾਗ ਦਾ ਖਰੜਾ ਤਿਆਰ ਕੀਤਾ ਅਤੇ ਛੇ ਹਵਾਲੇ ਤਿਆਰ ਕੀਤੇ। ਤਸਦੀਕ ਦੇ ਦੌਰਾਨ, ਇਹ ਪਾਇਆ ਗਿਆ ਕਿ ਉਹਨਾਂ ਵਿੱਚੋਂ ਦੋ ਕਦੇ ਵੀ ਮੌਜੂਦ ਨਹੀਂ ਸਨ ਅਤੇ ਇੱਕ ਗਲਤ ਜਰਨਲ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਸੀ। ਜੇਕਰ ਇੱਕ ਸੁਤੰਤਰ ਡੇਟਾਬੇਸ ਦੇ ਵਿਰੁੱਧ ਹਵਾਲਿਆਂ ਦੀ ਇੱਕ-ਇੱਕ ਕਰਕੇ ਜਾਂਚ ਨਹੀਂ ਕੀਤੀ ਗਈ ਸੀ, ਤਾਂ ਮਨਘੜਤ ਸਰੋਤਾਂ ਨੇ ਇੱਕ ਹਸਤਾਖਰਿਤ ਇੰਜੀਨੀਅਰਿੰਗ ਰਿਪੋਰਟ ਦਰਜ ਕੀਤੀ ਹੋਵੇਗੀ। ਖਰੜਾ ਤੇਜ਼ ਹੋਇਆ; ਪੁਸ਼ਟੀਕਰਨ ਸੁਰੱਖਿਅਤ ਕੀਤਾ ਗਿਆ।
ਕੇਸ 3 - ਟਰੇਸੇਬਿਲਟੀ ਦੇ ਨਾਲ ਮੂਲ ਕਾਰਨ। ਮਾਸਿਕ ਪਾਣੀ ਦੀ ਨਿਗਰਾਨੀ ਆਟੋਮੇਸ਼ਨ ਵਿੱਚ, ਇੱਕ ਨਿਰੀਖਣ ਖੂਹ ਦੇ ਮੁੱਲ ਤਿੰਨ ਮਹੀਨਿਆਂ ਲਈ ਗਲਤ ਯੂਨਿਟ ਵਿੱਚ ਰਿਪੋਰਟ ਕੀਤੇ ਗਏ ਸਨ. ਟਰੇਸੇਬਿਲਟੀ ਰਿਕਾਰਡ ਲਈ ਧੰਨਵਾਦ, ਇਹ ਕੁਝ ਮਿੰਟਾਂ ਦੇ ਅੰਦਰ ਲੱਭਿਆ ਗਿਆ ਜਿਸ 'ਤੇ ਤਬਦੀਲੀ ਦੇ ਪੜਾਅ 'ਤੇ ਗਲਤੀ ਸ਼ੁਰੂ ਹੋਈ ਅਤੇ ਤਿੰਨ ਪ੍ਰਭਾਵਿਤ ਰਿਪੋਰਟਾਂ ਦੀ ਪੂਰੀ ਸੂਚੀ ਬਣਾਈ ਗਈ। ਜੇਕਰ ਕੋਈ ਰਿਕਾਰਡ ਨਹੀਂ ਰੱਖਿਆ ਗਿਆ ਸੀ, ਤਾਂ ਇਹ ਅਸਪਸ਼ਟ ਰਹੇਗਾ ਕਿ ਕਿਹੜੇ ਪ੍ਰਿੰਟਆਊਟ ਖਰਾਬ ਸਨ ਅਤੇ ਸਾਰਾ ਪੁਰਾਲੇਖ ਸ਼ੱਕੀ ਹੋ ਜਾਵੇਗਾ।
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:
ਇਸ ਪ੍ਰੋਜੈਕਟ ਲਈ ਇੱਕ ਭੂ-ਤਕਨੀਕੀ ਰਿਪੋਰਟ ਲਿਖੋ, ਸਾਹਿਤ ਸ਼ਾਮਲ ਕਰੋ। [ਡਾਟਾ]
ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:
ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਰਿਪੋਰਟ ਡਰਾਫਟਰ। ਹੇਠਾਂ ਦਿੱਤੇ ਡੇਟਾ ਦੇ ਨਾਲ ਇੱਕ ਰਿਪੋਰਟ ਦਾ ਖਰੜਾ ਤਿਆਰ ਕਰੋ ਪਰ: 1) ਸਿਰਫ ਮੇਰੇ ਦੁਆਰਾ ਦਿੱਤੇ ਡੇਟਾ ਦੇ ਅਧਾਰ ਤੇ; ਨੰਬਰ, ਸਰੋਤ ਜਾਂ ਖੋਜ ਨੂੰ ਨਾ ਬਣਾਓ। 2) ਬਰੈਕਟਾਂ ਨਾਲ ਦਿਖਾਓ ਕਿ ਹਰੇਕ ਨੰਬਰ ਕਿਸ ਤੋਂ ਆਉਂਦਾ ਹੈ। 3) ਸਾਹਿਤ ਲਈ ਅਸਲ ਸਰੋਤ ਬਣਾਉਣ ਦੀ ਬਜਾਏ, ਇੱਕ ਪਲੇਸਹੋਲਡਰ ਰੱਖੋ "[ਵਿਸ਼ੇ] ਬਾਰੇ ਪ੍ਰਮਾਣਿਤ ਸਰੋਤ ਇੱਥੇ ਜੋੜਿਆ ਜਾਵੇਗਾ"। 4) "ਇੰਜੀਨੀਅਰ ਪੁਸ਼ਟੀ ਦੀ ਲੋੜ ਹੈ" ਦੇ ਤੌਰ 'ਤੇ ਕਿਸੇ ਵੀ ਥਾਂ 'ਤੇ ਨਿਸ਼ਾਨ ਲਗਾਓ ਜਿਸ ਬਾਰੇ ਤੁਹਾਨੂੰ ਯਕੀਨ ਨਹੀਂ ਹੈ। ਅੰਤਮ ਸਮੱਗਰੀ ਅਤੇ ਸਾਰੇ ਸਰੋਤਾਂ ਦੀ ਮੇਰੇ ਦੁਆਰਾ ਪੁਸ਼ਟੀ ਕੀਤੀ ਜਾਵੇਗੀ। ਡੇਟਾ ਅਗਿਆਤ ਹੈ।
ਚਾਰ ਕਾਪੀ ਕਰਨ ਯੋਗ ਨਮੂਨੇ
1) ਪ੍ਰਯੋਗਸ਼ਾਲਾ QA/QC ਨਿਰੀਖਣ:
ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਦੇ ਨਤੀਜਿਆਂ ਦੀ ਸਾਰਣੀ ਦੀ ਜਾਂਚ ਕਰੋ: ਯੂਨਿਟ ਦੀ ਵਿਗਾੜ, ਖੋਜ ਸੀਮਾ ਤੋਂ ਹੇਠਾਂ ਦੇ ਚਿੰਨ੍ਹ, ਖਾਲੀ ਨਮੂਨੇ ਵਿੱਚ ਗੰਦਗੀ, ਮਿਆਰੀ ਸੰਦਰਭ ਵਿੱਚ ਵਿਵਸਥਿਤ ਡ੍ਰਾਈਫਟ, ਦੁਹਰਾਉਣ ਵਾਲੇ ਨਮੂਨੇ ਵਿੱਚ ਗੈਰ-ਪਾਲਣਾ। ਸਿਰਫ਼ ਸਮੱਸਿਆ ਵਾਲੀਆਂ ਕਤਾਰਾਂ ਨੂੰ example_id ਨਾਲ ਚਿੰਨ੍ਹਿਤ ਕਰੋ; ਕਿਸੇ ਵੀ ਮੁੱਲ ਨੂੰ ਨਾ ਮਿਟਾਓ ਜਾਂ ਠੀਕ ਨਾ ਕਰੋ। ਫੈਸਲਾ ਮੇਰਾ ਹੈ।
2) ਸਰੋਤ ਪੁਸ਼ਟੀ ਨੂੰ ਲਾਗੂ ਕਰੋ:
ਇਸ ਟੈਕਸਟ ਵਿੱਚ ਸਾਰੇ ਸੰਖਿਆਤਮਕ ਦਾਅਵਿਆਂ ਅਤੇ ਸਰੋਤ ਹਵਾਲੇ ਕੱਢੋ ਅਤੇ ਇੱਕ ਚੈਕਲਿਸਟ ਬਣਾਓ: ਇੰਪੁੱਟ ਜਿਸ 'ਤੇ ਹਰੇਕ ਨੰਬਰ ਅਧਾਰਤ ਹੈ, ਹਰੇਕ ਸਰੋਤ ਦਾ ਹਵਾਲਾ ਜਿਸ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਦੀ ਲੋੜ ਹੈ। ਸਰੋਤ ਨਿਰਮਾਣ; ਜਿੱਥੇ ਤੁਸੀਂ ਤਸਦੀਕ ਨਹੀਂ ਕਰ ਸਕਦੇ ਹੋ ਉੱਥੇ "ਤਸਦੀਕ ਹੋਣਾ ਲਾਜ਼ਮੀ ਹੈ" ਮਾਰਕ ਕਰੋ।
3) ਟਰੇਸੇਬਿਲਟੀ ਰਿਕਾਰਡ ਫਰੇਮਵਰਕ:
ਇਸ ਸਵੈਚਲਿਤ ਵਰਕਫਲੋ ਲਈ ਇੱਕ ਟਰੇਸੇਬਿਲਟੀ ਰਿਕਾਰਡ ਟੈਮਪਲੇਟ ਦਾ ਪ੍ਰਸਤਾਵ ਕਰੋ: ਇਨਪੁਟ ਸਰੋਤ ਅਤੇ ਮਿਤੀ, ਪਰਿਵਰਤਨ ਲਾਗੂ ਕੀਤੇ ਗਏ, ਪ੍ਰੋਂਪਟ/ਮਾਡਲ ਵਰਜਨ ਵਰਤਿਆ ਗਿਆ, ਮਨੁੱਖੀ ਮਨਜ਼ੂਰੀ ਕਦਮ। ਦਿਖਾਓ ਕਿ ਜਦੋਂ ਕੋਈ ਗਲਤੀ ਮਿਲਦੀ ਹੈ ਤਾਂ ਮੂਲ ਕਾਰਨ ਅਤੇ ਪ੍ਰਭਾਵਿਤ ਆਉਟਪੁੱਟ ਤੱਕ ਕਿਵੇਂ ਪਹੁੰਚਣਾ ਹੈ।
4) ਇਕਸਾਰਤਾ ਜਾਂਚ ਦੀ ਰਿਪੋਰਟ ਕਰੋ:
ਅੰਦਰੂਨੀ ਇਕਸਾਰਤਾ ਲਈ ਆਪਣੀ ਰਿਪੋਰਟ ਡਰਾਫਟ ਨੂੰ ਸਕੈਨ ਕਰੋ: ਕੀ ਸਾਰਾਂਸ਼ ਵਿਚਲੇ ਸੰਖਿਆਵਾਂ ਮੁੱਖ ਭਾਗ ਨਾਲ ਮੇਲ ਖਾਂਦੀਆਂ ਹਨ, ਟੇਬਲ ਅਤੇ ਟੈਕਸਟ ਟਕਰਾਅ ਕਰਦੇ ਹਨ, ਕੀ ਇਕਾਈਆਂ ਪੂਰੀ ਤਰ੍ਹਾਂ ਇਕਸਾਰ ਹੁੰਦੀਆਂ ਹਨ, ਕੀ ਇੱਥੇ ਪਰਿਭਾਸ਼ਿਤ ਸੰਖੇਪ ਸ਼ਬਦ ਹਨ? ਸਮੱਸਿਆਵਾਂ ਦੀ ਸੂਚੀ ਬਣਾਓ; ਸਮੱਗਰੀ ਦਾ ਫੈਸਲਾ ਮੇਰਾ ਹੈ।
ਦਫ਼ਤਰ ਡਿਊਟੀ, ਕਮਾਈ ਅਤੇ ਕੰਟਰੋਲ
ਖੋਜ
AI ਲਾਭ
ਮੁੱਖ ਜੋਖਮ
ਲਾਜ਼ਮੀ ਜਾਂਚ
ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਡਾਟਾ ਪ੍ਰੋਸੈਸਿੰਗ
ਉੱਚ
ਚੁੱਪ ਸੁਧਾਰ
"ਮਾਰਕ ਕਰੋ, ਮਿਟਾਓ" + ਕੱਚਾ ਡੇਟਾ
QA/QC ਨਿਰੀਖਣ
ਉੱਚ
ਸਲਾਈਡ ਨੂੰ ਨਾ ਛੱਡੋ
ਅੰਨ੍ਹਾ/ਮਿਆਰੀ/ਮੁੜ ਪੁਸ਼ਟੀ
ਰਿਪੋਰਟ ਡਰਾਫਟ
ਉੱਚ
ਬਣਿਆ ਮੁੱਦਾ/ਸਰੋਤ
ਨੰਬਰ ਅਤੇ ਸਰੋਤ ਪੁਸ਼ਟੀ
ਸਾਹਿਤ ਸਮੀਖਿਆ
ਉੱਚ
ਬਣਾਇਆ-ਅੱਪ ਹਵਾਲਾ
ਸੁਤੰਤਰ ਡਾਟਾਬੇਸ ਤਸਦੀਕ
ਵਰਕਫਲੋ ਆਟੋਮੇਸ਼ਨ
ਬਹੁਤ ਉੱਚਾ
ਗਲਤੀ ਦਾ ਦੁਹਰਾਓ
ਟਰੇਸੇਬਿਲਟੀ ਰਿਕਾਰਡ
ਸੁਝਾਅ: ਆਟੋਮੇਸ਼ਨ ਸੈਟ ਅਪ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ, "ਮੈਨੂੰ ਕਿਵੇਂ ਪਤਾ ਲੱਗੇਗਾ ਕਿ ਇਹ ਵਰਕਫਲੋ ਗਲਤ ਢੰਗ ਨਾਲ ਕੰਮ ਕਰ ਰਿਹਾ ਹੈ?" ਸਵਾਲ ਦਾ ਜਵਾਬ ਦਿਓ। ਜੇਕਰ ਜਵਾਬ ਸਪੱਸ਼ਟ ਨਹੀਂ ਹੈ, ਤਾਂ ਪਹਿਲਾਂ ਟਰੇਸੇਬਿਲਟੀ ਅਤੇ ਕੰਟਰੋਲ ਪੁਆਇੰਟ ਸ਼ਾਮਲ ਕਰੋ; ਸਪੀਡ ਕੰਟਰੋਲੇਬਿਲਟੀ ਤੋਂ ਬਾਅਦ ਆਉਂਦੀ ਹੈ।
ਆਮ ਗਲਤੀਆਂ
- ਮੁੱਲ ਨੂੰ ਚੁੱਪਚਾਪ ਠੀਕ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ। AI "ਸੁਧਾਰ" ਕੱਚੇ ਡੇਟਾ ਸਭ ਤੋਂ ਧੋਖੇਬਾਜ਼ ਗਲਤੀ ਹੈ; ਨਿਯਮ ਹਮੇਸ਼ਾ "ਨਿਸ਼ਾਨ, ਨਾ ਬਦਲੋ" ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।
- ਬਿਬਲੀਓਗ੍ਰਾਫੀ ਦੀ ਪੁਸ਼ਟੀ ਨਹੀਂ ਕੀਤੀ ਜਾ ਰਹੀ। ਬਣਾਏ ਗਏ ਸੰਦਰਭ ਸਭ ਤੋਂ ਆਮ ਭਰਮ ਹਨ; ਹਰੇਕ ਛਾਪ ਦੀ ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਪੁਸ਼ਟੀ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ।
- ਨੰਬਰ ਕੈਰੀ ਦੀ ਜਾਂਚ ਨਹੀਂ ਕਰ ਰਿਹਾ। ਇੱਕ ਟੈਨਰ ਜਾਂ ਸੁਰੱਖਿਆ ਗੁਣਾਂਕ ਜੋ ਟੈਕਸਟ ਵਿੱਚ ਲੰਘਣ ਵੇਲੇ ਵਿਗੜਦਾ ਹੈ, ਤਰਕਸ਼ੀਲ ਟੈਕਸਟ ਵਿੱਚ ਲੁਕਿਆ ਹੋਇਆ ਹੈ।
- ਅਣਟਰੇਸੇਬਲ ਆਟੋਮੇਸ਼ਨ ਦੀ ਸਥਾਪਨਾ। ਇੱਕ ਵਰਕਫਲੋ ਵਿੱਚ ਜੋ ਰਿਕਾਰਡ ਨਹੀਂ ਰੱਖਦਾ ਹੈ, ਗਲਤੀ ਦਾ ਮੂਲ ਕਾਰਨ ਅਤੇ ਪ੍ਰਭਾਵ ਨਿਰਧਾਰਤ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ।
- ਇਸ ਬਹਾਨੇ ਦੀ ਸ਼ਰਨ ਲੈ ਕਿ "ਏ.ਆਈ. ਨੇ ਲਿਖਿਆ"। ਹਸਤਾਖਰ ਕੀਤੇ ਹਰੇਕ ਵਾਕ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਹਸਤਾਖਰ ਕਰਨ ਵਾਲੇ ਦੀ ਹੁੰਦੀ ਹੈ; ਪ੍ਰਵਾਨਗੀ ਵਿੱਚ ਢਿੱਲ ਨਹੀਂ ਦਿੱਤੀ ਜਾ ਸਕਦੀ।
ਸੰਖੇਪ ਵਿੱਚ
- ਦਫਤਰ ਦਾ ਕੰਮ ਉਹ ਖੇਤਰ ਹੈ ਜਿੱਥੇ ਨਕਲੀ ਬੁੱਧੀ ਸਭ ਤੋਂ ਵੱਧ ਸਮਾਂ ਬਚਾਉਂਦੀ ਹੈ; ਪਰ ਰਿਪੋਰਟ ਫੈਸਲੇ ਲਈ ਅਧਿਕਾਰਤ ਆਧਾਰ ਹੈ ਅਤੇ ਗਲਤੀਆਂ ਮਹਿੰਗੀਆਂ ਹਨ।
- ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਦੇ ਡੇਟਾ ਵਿੱਚ, ਏਆਈ ਆਡਿਟ, ਸਾਫ਼ ਨਹੀਂ; ਨਿਯਮ "ਨਿਸ਼ਾਨ, ਮਿਟਾਓ/ਸਹੀ" ਹੈ, ਫੈਸਲਾ ਇੰਜੀਨੀਅਰ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ।
- ਰਿਪੋਰਟਾਂ ਅਤੇ ਸਾਹਿਤ ਵਿੱਚ ਸਰੋਤਾਂ ਅਤੇ ਸੰਖਿਆਵਾਂ ਨੂੰ ਫਰਜ਼ੀ ਕਰਨਾ ਸਭ ਤੋਂ ਆਮ ਜੋਖਮ ਹਨ; ਹਰ ਸਰੋਤ ਅਤੇ ਨੰਬਰ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।
- ਆਟੋਮੇਸ਼ਨ ਗਲਤੀ ਦੇ ਨਾਲ-ਨਾਲ ਗਤੀ ਨੂੰ ਵਧਾ ਸਕਦੀ ਹੈ; ਟਰੇਸੇਬਿਲਟੀ ਰਿਕਾਰਡ ਮੂਲ ਕਾਰਨ ਅਤੇ ਪ੍ਰਭਾਵਿਤ ਆਉਟਪੁੱਟ ਨੂੰ ਸੁਰੱਖਿਅਤ ਕਰਦਾ ਹੈ।
- ਇੰਜੀਨੀਅਰ ਹਸਤਾਖਰਿਤ ਸਮੱਗਰੀ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਹੈ; "ਏਆਈ ਨੇ ਇਹ ਲਿਖਿਆ" ਕੋਈ ਬਹਾਨਾ ਨਹੀਂ ਹੈ।
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
ਇੱਕ ਅਗਿਆਤ ਲੈਬ ਨਤੀਜੇ ਸਾਰਣੀ (ਜਾਂ ਪ੍ਰਤੀਨਿਧੀ ਡੇਟਾ) ਪ੍ਰਾਪਤ ਕਰੋ। "ਪ੍ਰਯੋਗਸ਼ਾਲਾ QA/QC ਆਡਿਟ" ਟੈਮਪਲੇਟ ਨਾਲ ਮਾਡਲ ਫਲੈਗ ਸਮੱਸਿਆ ਲਾਈਨਾਂ ਰੱਖੋ; ਸੁਚੇਤ ਰੂਪ ਵਿੱਚ ਇੱਕ ਮਿਆਰੀ ਸੰਦਰਭ ਮੁੱਲ ਨੂੰ ਬਦਲੋ ਅਤੇ ਜਾਂਚ ਕਰੋ ਕਿ ਕੀ ਮਾਡਲ ਇਸਨੂੰ ਫੜਦਾ ਹੈ ਅਤੇ ਮੁੱਲ ਨੂੰ ਮਿਟਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦਾ ਹੈ। ਫਿਰ, ਇੱਕ ਛੋਟੀ ਰਿਪੋਰਟ ਸੈਕਸ਼ਨ ਦਾ ਖਰੜਾ ਤਿਆਰ ਕਰੋ ਅਤੇ ਇਸ ਵਿੱਚ ਹਰ ਮੁੱਦੇ ਅਤੇ ਸਰੋਤ ਨੂੰ "ਸਰੋਤ ਪੁਸ਼ਟੀਕਰਨ ਚੁਣੌਤੀ" ਟੈਂਪਲੇਟ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇੱਕ ਚੈਕਲਿਸਟ ਵਿੱਚ ਪਾਓ।
ਚੈੱਕਲਿਸਟ
- [ ] ਮੈਂ ਹਮੇਸ਼ਾ ਲੈਬ ਡੇਟਾ 'ਤੇ AI 'ਤੇ "ਨਿਸ਼ਾਨ, ਮਿਟਾਓ/ਸਹੀ" ਨਿਯਮ ਲਾਗੂ ਕਰਦਾ ਹਾਂ।
- [ ] ਮੈਂ QA/QC ਨਮੂਨਿਆਂ (ਖਾਲੀ, ਮਿਆਰੀ, ਦੁਹਰਾਓ) ਨਾਲ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਭਰੋਸੇਯੋਗਤਾ ਦੀ ਜਾਂਚ ਕਰਦਾ ਹਾਂ।
- [ ] ਮੈਂ ਰਿਪੋਰਟ ਅਤੇ ਸਾਹਿਤ ਵਿੱਚ ਹਰੇਕ ਸਰੋਤ ਅਤੇ ਸੰਖਿਆ ਦੀ ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਪੁਸ਼ਟੀ ਕਰਦਾ ਹਾਂ।
- [ ] ਮੈਂ ਟਰੇਸੇਬਿਲਟੀ ਦੇ ਨਾਲ ਆਟੋਮੇਸ਼ਨ ਵਰਕਫਲੋ ਸੈਟ ਅਪ ਕਰਦਾ ਹਾਂ।
- [ ] ਮੈਂ ਸਵੀਕਾਰ ਕਰਦਾ/ਕਰਦੀ ਹਾਂ ਕਿ ਮੇਰੇ ਵੱਲੋਂ ਦਸਤਖਤ ਕੀਤੀ ਗਈ ਸਮੱਗਰੀ ਲਈ ਮੇਰੀ ਪੂਰੀ ਜ਼ਿੰਮੇਵਾਰੀ ਹੈ।