యూనిట్ 5 / 12

భ్రాంతి మరియు విశ్వసనీయత యొక్క పరిమితులు

లాభాలు:

  • భ్రాంతి అంటే ఏమిటి మరియు అది ఎందుకు సంభవిస్తుందో వివరించగలరు
  • AI అవుట్‌పుట్ ఎప్పుడు ధృవీకరించబడాలి అని నిర్ణయించవచ్చు
  • విశ్వసనీయతను పెంచే ఆచరణాత్మక పద్ధతులను అన్వయించవచ్చు

AI అక్షరాస్యత యొక్క అత్యంత క్లిష్టమైన అంశం ఈ యూనిట్‌లో ఉండవచ్చు: మోడల్ మేకింగ్, అంటే భ్రాంతి. ఈ పదాన్ని అర్థం చేసుకోవడం AIని ఉపయోగించే ఎవరికైనా అత్యంత ప్రాథమిక భద్రతా జాగ్రత్త. ఎందుకంటే భ్రాంతిని గుర్తించని వినియోగదారు తప్పుడు సమాచారాన్ని తప్పుగా తప్పు పట్టవచ్చు మరియు దానిని వ్యాపార నిర్ణయం, కస్టమర్ కమ్యూనికేషన్ లేదా అధికారిక పత్రానికి బదిలీ చేయవచ్చు. ఈ యూనిట్‌లో, భ్రాంతి అంటే ఏమిటి, అది ఎందుకు అనివార్యం మరియు దాని నుండి ఎలా రక్షించుకోవాలో మీరు నేర్చుకుంటారు.

భ్రాంతి అంటే ఏమిటి?

భ్రాంతి అనేది ఒక భాషా నమూనా వాస్తవానికి లేని సమాచారాన్ని నిష్ణాతులుగా మరియు నమ్మకంగా ఉన్న భాషలో ఉత్పత్తి చేస్తే, అది నిజం. మోడల్ అబద్ధం ఉద్దేశించదు; "అత్యంత సంభావ్య కొనసాగింపు" మాత్రమే ఉత్పత్తి చేయడంలో, ఇది సంభావ్యంగా అనిపించే వచనాన్ని సృష్టిస్తుంది, కానీ వాస్తవానికి తప్పు.

ఉదాహరణ: మీరు ఒక మోడల్‌కి చెబితే “టాపిక్‌పై అకడమిక్ సోర్స్‌ను సిఫార్సు చేయండి ప్రతిదీ సరైన ఫార్మాట్‌లో మరియు నమ్మకంగా కనిపిస్తుంది; కానీ మూలం పూర్తిగా ఊహాత్మకమైనది. ఇది భ్రాంతికి ఒక అద్భుతమైన ఉదాహరణ.

ఇది ఎందుకు జరుగుతుంది? (యూనిట్ టూ గుర్తుంచుకో)

భ్రాంతి యొక్క మూలం మోడల్ యొక్క పని సూత్రంలో ఉంది. మోడల్ "వాస్తవాల ఎన్సైక్లోపీడియా" కాదు; ఇది "సంభావ్యత యంత్రం". దీని పని మీ ప్రశ్నకు సాధ్యమైనంత సున్నితమైన కొనసాగింపును అందించడం; ఇది అత్యంత ఖచ్చితమైన సమాచారాన్ని తీసుకురావడం గురించి కాదు. మోడల్:

  • అతనికి తెలియనిది అతనికి తెలియదు; ఖాళీగా ఉన్నప్పుడు, అతను "నాకు తెలియదు" అని చెప్పడం కంటే సాధ్యమైన సమాధానాన్ని పూరించడానికి మొగ్గు చూపుతాడు.
  • వాస్తవికతను నియంత్రించడానికి దీనికి ఎటువంటి యంత్రాంగం లేదు; ఇది ఉత్పత్తి చేసే వచనం ప్రపంచానికి సరిపోతుందో లేదో తనిఖీ చేయదు.
  • పటిమ మరియు ఖచ్చితత్వం అతనికి రెండు వేర్వేరు విషయాలు; ఇది సరళంగా ఉన్నందున అది సరైనదని అర్థం కాదు.
హెచ్చరిక: భ్రాంతి అనేది "వైకల్యం" కాదు; ఇది సాంకేతికత యొక్క అంతర్లీన లక్షణం. కొత్త మోడల్స్ దీనిని తగ్గిస్తాయి కానీ పూర్తిగా తొలగించలేవు. అందువల్ల, "నాన్-హేలూసినేషన్ మోడల్" కోసం వేచి ఉండకుండా, భ్రాంతితో జీవించడం నేర్చుకోవడం అవసరం.

భ్రాంతుల ప్రమాదం ఎక్కడ ఎక్కువగా ఉంది?

ప్రతి ఫలితం సమానంగా ప్రమాదకరం కాదు. ఎప్పుడు ప్రమాదం పెరుగుతుంది:

అధిక ప్రమాదం

తక్కువ ప్రమాదం

ఖచ్చితమైన గణాంకాలు, తేదీలు, గణాంకాలు

సాధారణ ఆలోచనలను రూపొందించడం, మెదడును కదిలించడం

మూలాలు, కోట్‌లు, సూచనలను అభ్యర్థిస్తోంది

వచనం యొక్క స్వరాన్ని మార్చండి

సముచిత, ప్రత్యేక అంశాలు

సాధారణ, సాధారణ విషయాలు

ప్రస్తుత సంఘటనలు మరియు వ్యక్తులు

మీ వచనాన్ని సంగ్రహించండి

మీ కంపెనీకి సంబంధించిన నిర్దిష్ట అంతర్గత సమాచారం

వ్యాకరణ దిద్దుబాటు

మూడు మినీ కేసులు

కేసు 1 - ప్రెజెంటేషన్‌లోకి నకిలీ వ్యక్తి ప్రవేశించారు. పరిశ్రమ నివేదిక కోసం ఒక ఉద్యోగి AIని "2023 ఇ-కామర్స్ వృద్ధి రేటు మరియు టర్కియేలో మూలం" కోసం అడిగారు. మోడల్ నమ్మదగిన శాతం (48%) మరియు సంస్థ పేరును అందించింది. ఉద్యోగి దానిని ధృవీకరించకుండా ప్రదర్శనలో ఉంచాడు; ఫిగర్ కల్పితమని సమావేశంలో తేలడంతో ప్రెజెంటేషన్, కంపెనీ ప్రతిష్ట రెండూ దెబ్బతిన్నాయి. అదే ఉద్యోగి అధికారిక మూలం నుండి ఫిగర్ అందుకున్నట్లయితే, ఎటువంటి సమస్య ఉండదు.

కేసు 2 — ఉనికిలో లేని చట్టం. ఒక సహాయకుడు AIని ఒక పిటిషన్ కోసం "సంబంధిత చట్టం" కోసం అడిగాడు. మోడల్ వాస్తవికంగా కనిపించే అంశం సంఖ్య మరియు వచనాన్ని ఉత్పత్తి చేసింది; కానీ ఆ వస్తువు అక్కడ లేదు. అదృష్టవశాత్తూ, న్యాయ విభాగం డెలివరీకి ముందు దానిని గమనించింది. పాఠం: చట్టపరమైన అనులేఖనాలు ఎల్లప్పుడూ ప్రాథమిక మూలం నుండి ధృవీకరించబడతాయి.

కేస్ 3 - సరైన పద్ధతి, సురక్షితమైన ఫలితం. అదే బృందంలోని మరొక ఉద్యోగి AI ముసాయిదా నివేదికను కలిగి ఉన్నాడు, అధికారిక డేటా నుండి అన్ని సంఖ్యలను స్వయంగా నమోదు చేసి, "ఈ టెక్స్ట్‌లో లేని సంఖ్యలను జోడించమని" అతనికి సూచించాడు. ఫలితం వేగంగా మరియు ఖచ్చితమైనది. తేడా: AI డ్రాఫ్ట్, హ్యూమన్ ఫెడ్ ఫ్యాక్ట్స్ రాసింది.

బలహీనమైన ప్రాంప్ట్ / బలమైన ప్రాంప్ట్

బలహీనమైన ప్రాంప్ట్: రచయిత మరియు సంవత్సరంతో ఈ విషయంపై 3 అత్యంత ముఖ్యమైన విద్యాసంబంధ మూలాలను ఇవ్వండి.

ఫలితం: మోడల్ ఉనికిలో లేని మూలాలకు సురక్షితంగా సరిపోతుంది.

శక్తివంతమైన ప్రాంప్ట్: నేను క్రింద అతికించిన వచనం ఆధారంగా సారాంశాన్ని వ్రాయండి. ఈ వచనంలోని సమాచారాన్ని మాత్రమే ఉపయోగించండి. టెక్స్ట్‌లో లేని పేర్లు, సంఖ్యలు లేదా మూలాలను జోడించవద్దు. మీకు ఖచ్చితంగా తెలియకుంటే, "టెక్స్ట్‌లో పేర్కొనబడలేదు" అని వ్రాయండి.<text>[ఇక్కడ అతికించండి]</text>

ఫలితం: మోడల్ మీ నుండి మూలాన్ని పొందుతుంది కాబట్టి, అమరిక స్థలం ఇరుకైనదిగా మారుతుంది.

విశ్వసనీయతను పెంచే ప్రాక్టికల్ టెక్నిక్స్

మీ సమాధానం (సంఖ్య, తేదీ, పేరు, మూలం)లో ప్రతి ధృవీకరించదగిన దావాను గుర్తించండి మరియు వాటిని ప్రత్యేక "తప్పక తనిఖీ చేయవలసిన" జాబితాలో ఉంచండి.

ఈ ప్రశ్నకు సమాధానం చెప్పండి. మీకు ఖచ్చితంగా తెలియకపోతే, ఊహించవద్దు; "నాకు ఖచ్చితంగా తెలియదు" అని చెప్పండి మరియు మీకు ఏమి తెలియదని వివరించండి. విషయం: [విషయం]

ఒకే ప్రశ్నకు రెండు రకాలుగా సమాధానమివ్వండి మరియు రెండు సమాధానాల మధ్య వైరుధ్యాలను గుర్తించండి. కాబట్టి ఏ పాయింట్లు సందేహాస్పదంగా ఉన్నాయో చూద్దాం. ప్రశ్న: [ప్రశ్న]

నేను దిగువ వచనాన్ని ధృవీకరిస్తాను. నేను ప్రాముఖ్యమైన క్రమంలో తనిఖీ చేయాల్సిన ప్రమాదకర క్లెయిమ్‌లను జాబితా చేయండి మరియు ప్రతిదాన్ని నేను ఎక్కడ ధృవీకరించవచ్చో సూచించండి. వచనం: [ఇక్కడ అతికించండి]

అదనంగా, ఈ అలవాట్లను అనుసరించండి:

  1. మీరు మూలాన్ని అందించండి. సంబంధిత పత్రాన్ని టెక్స్ట్‌లో అతికించి, "దీని ఆధారంగా మాత్రమే సమాధానం ఇవ్వండి" అని చెప్పండి.
  2. ఎల్లప్పుడూ ధృవీకరించదగిన వాస్తవాలను తనిఖీ చేయండి. స్వతంత్ర, విశ్వసనీయ మూలం నుండి సంఖ్యలు, తేదీలు, పేర్లు, కోట్‌లు మరియు మూలాలను ధృవీకరించండి.
  3. మోడల్ గురించి అతనికి ఖచ్చితంగా తెలియదని సూచించమని అతనిని అడగండి. ఇది ప్రమాదాన్ని తగ్గిస్తుంది కానీ పూర్తిగా తొలగించదు.
  4. అధిక-రిస్క్ జాబ్‌ల కోసం, అవుట్‌పుట్‌ని నిపుణుడిని తనిఖీ చేయండి. చట్టపరమైన, ఆర్థిక మరియు ఆరోగ్య సంబంధిత అవుట్‌పుట్‌లు తప్పనిసరిగా మానవ నిపుణుల ఫిల్టర్ ద్వారానే పాస్ చేయాలి.
  5. AIని "ప్రారంభ బిందువుగా" ఉపయోగించండి, "చివరి పదం"గా కాదు. డ్రాఫ్ట్ అతని నుండి; ధృవీకరణ మరియు నిర్ణయం మీదే.
జాగ్రత్త: "మోడల్ రెండుసార్లు చెప్పింది, అది నిజం" లాజిక్ తప్పు. అదే తప్పును నమ్మకంగా పునరావృతం చేయవచ్చు. పునరావృతం ఖచ్చితత్వానికి రుజువు కాదు.

సాధారణ తప్పులు

సాధారణ తప్పులు

  • మూలాధారాలను ధృవీకరించకుండా వాటిని ఉపయోగించడం. ఇది మోడల్ పుస్తకాలు, కథనాలు, చట్టం యొక్క వ్యాసాలు మరియు లింక్‌లను సృష్టించగలదు; ప్రతి సూచన తప్పనిసరిగా ధృవీకరించబడాలి.
  • ఖచ్చితత్వం కోసం కాన్ఫిడెంట్ టోన్‌ను తప్పుగా అర్థం చేసుకోవడం. భ్రాంతి గురించిన అత్యంత ప్రమాదకరమైన విషయం ఏమిటంటే అది నమ్మకంగా అనిపించడం.
  • "మీరు వెరిఫై చేయండి" అని మోడల్ చెబితే సరిపోతుంది. మోడల్ యొక్క స్వీయ-ధృవీకరణ అనేది స్వతంత్ర ధ్రువీకరణ కాదు.
  • అధిక-రిస్క్ అవుట్‌పుట్‌ని నిపుణుడికి చూపించకుండా ఉపయోగించడం. డబ్బు, చట్టం మరియు ఆరోగ్యంలో మానవ నియంత్రణ అవసరం.

సారాంశంలో

  • భ్రాంతి అనేది మోడల్ ఉనికిలో లేని సమాచారాన్ని నిజమని తేలికగా మరియు నమ్మకంగా ఉత్పత్తి చేయడం.
  • కారణం లోపం కాదు, కానీ మోడల్ యొక్క సంభావ్యతను అంచనా వేసే స్వభావం; పూర్తిగా తొలగించడం సాధ్యం కాదు.
  • ఖచ్చితమైన గణాంకాలు, మూలాలు, తాజా సమాచారం మరియు సముచిత సమస్యల విషయానికి వస్తే ముఖ్యంగా ప్రమాదం ఎక్కువగా ఉంటుంది.
  • మిమ్మల్ని మీరు రక్షించుకోవడానికి: మూలాన్ని అందించండి, వాస్తవాలను ధృవీకరించండి, "మీకు ఖచ్చితంగా తెలియకుంటే, నాకు చెప్పండి" అని చెప్పండి, అధిక-రిస్క్ అవుట్‌పుట్‌ని నిపుణుడి ద్వారా తనిఖీ చేయండి.
  • AIని ప్రారంభ బిందువుగా ఉపయోగించండి; అంతిమ ధృవీకరణ మరియు బాధ్యత ఎల్లప్పుడూ మీతోనే ఉంటుంది.

అప్లికేషన్ టాస్క్

నైపుణ్యం అవసరమయ్యే సబ్జెక్ట్‌పై "3 అకడమిక్ సోర్స్‌లను సూచించమని" మీ AI సాధనానికి చెప్పండి మరియు ఇంటర్నెట్‌లో అది సూచించే మూలాధారాలను నిర్ధారించడానికి ప్రయత్నించండి; ఎన్ని వాస్తవమో గమనించండి. ఆపై అదే పనిని "మీరు మూలాన్ని ఇవ్వండి" పద్ధతితో పునరావృతం చేయండి మరియు తేడాను గమనించండి.

చెక్‌లిస్ట్

  • [ ] భ్రాంతి అంటే ఏమిటి మరియు అది ఎందుకు సంభవిస్తుందో నేను వివరించగలను.
  • [ ] నేను అధిక మరియు తక్కువ భ్రాంతి ప్రమాద పనుల మధ్య తేడాను గుర్తించగలను.
  • [ ] నేను మోడల్‌కు మూలాన్ని ఇవ్వడం ద్వారా కల్పన ప్రమాదాన్ని తగ్గించగలను.
  • [ ] నేను సంఖ్యలు, తేదీలు, పేర్లు మరియు మూలాలను స్వతంత్రంగా ధృవీకరిస్తాను.
  • [ ] నేను నమ్మకంగా ఉండే స్వరాన్ని ఖచ్చితత్వానికి సాక్ష్యంగా పరిగణించను.