యూనిట్లు
1. ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ మరియు ప్రాంప్ట్ పరిచయం: మోడల్ 'థింక్' ఎలా 2. మంచి ప్రాంప్ట్ అనాటమీ: పాత్ర, సందర్భం, విధి, ఆకృతి, ఉదాహరణ, నిర్బంధం 3. సూచనల స్పష్టత: అనిశ్చితిని కొలవగల సూచనగా అనువదించడం 4. సందర్భ నిర్వహణ: మోడల్‌కు సరైన నేపథ్యాన్ని ఇవ్వడం 5. కొన్ని-షాట్ నమూనా: ఉదాహరణ ద్వారా బోధన 6. చైన్ ఆఫ్ థాట్ 7. ఫార్మాట్ ఫోర్సింగ్: టేబుల్, JSON, జాబితా, టెంప్లేట్ 8. పునరావృతం మరియు ప్రాంప్ట్ మెరుగుదల 9. పాత్ర మరియు వ్యక్తిగత ఇంజనీరింగ్ 10. సాధారణ ప్రాంప్ట్ లోపాలు మరియు పరిష్కారాలు 11. ప్రమాణీకరణ, సరిహద్దులు, గోప్యత మరియు నీతి 12. ప్రాంప్ట్ లైబ్రరీ మరియు ఎండ్-టు-ఎండ్ వర్క్‌ఫ్లోను ఏర్పాటు చేస్తోంది
యూనిట్ 11 / 12

ప్రమాణీకరణ, సరిహద్దులు, గోప్యత మరియు నీతి

లాభాలు:

  • మోడల్ భ్రాంతులను కలిగిస్తుందని మరియు ప్రతి అవుట్‌పుట్ తప్పనిసరిగా ధృవీకరించబడుతుందని అర్థం చేసుకుంటుంది
  • గోప్యమైన మరియు వ్యక్తిగత డేటాను ప్రాంప్ట్‌లో ఉంచడం వల్ల కలిగే నష్టాలు మరియు సురక్షితమైన ప్రత్యామ్నాయాలను తెలుసు
  • కృత్రిమ మేధస్సు వినియోగంలో నీతి, కాపీరైట్ మరియు బాధ్యత పరిమితులను వర్తింపజేస్తుంది

ప్రాంప్ట్‌లను ఎలా వ్రాయాలో ప్రావీణ్యం సంపాదించడం సరిపోదు; కృత్రిమ మేధస్సును బాధ్యతాయుతంగా ఉపయోగించడం నేర్చుకోవడం కూడా అవసరం. ఈ యూనిట్ సాంకేతిక నైపుణ్యం పైన తప్పనిసరిగా ఉంచవలసిన భద్రతా పొర. AI వేగవంతమైన, నమ్మదగిన మరియు తరచుగా ఖచ్చితమైన సమాధానాలను ఉత్పత్తి చేస్తుంది; కానీ కొన్నిసార్లు ఇది అదే విశ్వాసంతో పూర్తిగా తప్పుడు సమాచారాన్ని ఉత్పత్తి చేస్తుంది, సున్నితమైన డేటాను ప్రమాదంలో ఉంచుతుంది మరియు నైతిక సరిహద్దులను నెట్టివేస్తుంది. ఈ యూనిట్‌లో మేము ధృవీకరణ అవుట్‌పుట్, మోడల్ పరిమితులు, గోప్యత మరియు నైతిక బాధ్యతలను కవర్ చేస్తాము. ఈ జ్ఞానం లేకుండా, అన్ని ఇతర పద్ధతులు అసంపూర్ణంగా ఉంటాయి.

భ్రాంతి: మోడల్‌ను అమర్చడం

మోడల్ అవాస్తవ సమాచారాన్ని నమ్మకమైన భాషలో ఉత్పత్తి చేయడాన్ని భ్రాంతి అంటారు. ఉనికిలో లేని మూలం, సరికాని తేదీ, కల్పిత గణాంకాలు లేదా ఎప్పుడూ వ్రాయబడని చట్టం వీటికి ఉదాహరణలు. ఎందుకు జరుగుతుంది? ఎందుకంటే మోడల్ "సత్యాన్ని తెలుసుకోవడానికి" కాకుండా "సాధ్యమైన కొనసాగింపును రూపొందించడానికి" రూపొందించబడింది (మొదటి యూనిట్‌లోని లాజిక్‌ను గుర్తుంచుకోండి). ఒక వాక్యం వ్యాకరణపరంగా సాధ్యమైనందున అది వాస్తవంగా నిజం కాదు.

దీని యొక్క ఆచరణాత్మక అంతరార్థం స్పష్టంగా ఉంది: AI ద్వారా ఉత్పత్తి చేయబడిన ప్రతి వాస్తవం స్వతంత్రంగా ధృవీకరించబడే వరకు ఒక దావా, వాస్తవం కాదు. ముఖ్యంగా, ఎల్లప్పుడూ తనిఖీ చేయండి:

  • సంఖ్యలు మరియు గణాంకాలు
  • పేర్లు, తేదీలు, స్థలాల పేర్లు
  • ఉల్లేఖనాలు మరియు మూల సూచనలు
  • చట్టపరమైన నిబంధనలు, సాంకేతిక ప్రమాణాలు, వైద్య/ఆర్థిక సమాచారం

ధ్రువీకరణ అలవాటు

మీరు ప్రాంప్ట్ టెక్నిక్‌తో ధృవీకరణను తగ్గించవచ్చు కానీ రీసెట్ చేయలేరు. రెండు పొరలలో పని చేయండి:

  1. ప్రాంప్ట్ లేయర్: "నేను ఇచ్చే మూలంపై మాత్రమే ఆధారపడండి, లేని సమాచారాన్ని జోడించవద్దు, మీకు ఖచ్చితంగా తెలియకపోతే 'నాకు తెలియదు' అని వ్రాయండి, ప్రతి దావా మూలాన్ని చూపండి" వంటి మోడల్ పరిమితులను ఇవ్వండి. ఇది అమరికను తగ్గిస్తుంది.
  2. మానవ పొర: మూలం నుండి ప్రతి క్లిష్టమైన వాస్తవాన్ని మీరే ధృవీకరించండి. ఈ దశ చర్చించబడదు; ముఖ్యంగా ప్రచురించబడే, నిర్ణయాలకు ఆధారం అయ్యే లేదా ఇతరులను ప్రభావితం చేసే కంటెంట్‌కు ఇది తప్పనిసరి.

పరిమితులు: మోడల్ బాగా చేయనిది

ప్రాంతం

ప్రమాదం

సరైన విధానం

ప్రస్తుత సంఘటనలు

శిక్షణ డేటా పాతది కావచ్చు

తేదీ/ప్రస్తుత మూలం నుండి ధృవీకరించండి

ఖచ్చితమైన సంఖ్యలు

అమర్చడానికి అధిక సంభావ్యత ఉంది

కాలిక్యులేటర్/మూలంతో తనిఖీ చేయండి

లీగల్/మెడికల్/ఫైనాన్షియల్

తీవ్రమైన హాని కలిగించే ప్రమాదం

నిజమైన నిపుణుడిని సంప్రదించండి, దానిపై మాత్రమే ఆధారపడకండి

మూలం/ఆధారం

ఉనికిలో లేని వనరులను ఉత్పత్తి చేయగలదు

మూలం యొక్క ప్రామాణికతను మీరే తనిఖీ చేయండి

అరుదైన/సముచిత అంశం

ఉపరితలం లేదా సరికానిది

నిపుణుల జ్ఞానంతో పోల్చండి

మోడల్ సహాయకుడు, తుది అధికారం కాదు. బాధ్యత ఎల్లప్పుడూ దానిని ఉపయోగించే వ్యక్తిపై ఉంటుంది.

గోప్యత మరియు వ్యక్తిగత డేటా

మీరు పబ్లిక్ AI సాధనంలో టైప్ చేసే వచనం ఆ సాధనం యొక్క ప్రాసెసింగ్ విధానాలకు లోబడి ఉంటుంది మరియు మీ సంస్థ నియంత్రణలో ఉండకపోవచ్చు. అందువల్ల, ఆలోచించకుండా గోప్యమైన మరియు వ్యక్తిగత డేటాను నమోదు చేయడం తీవ్రమైన ప్రమాదం. Türkiyeలో వ్యక్తిగత డేటా ప్రాసెసింగ్ KVKK (వ్యక్తిగత డేటా రక్షణ చట్టం)చే నియంత్రించబడుతుంది; సంస్థలు కూడా తరచుగా వారి స్వంత డేటా విధానాలను కలిగి ఉంటాయి.

సురక్షితమైన పని మార్గాలు:

  • అనామకం/ముసుగు: అసలు పేరుకు బదులుగా "కస్టమర్", వాస్తవ సంఖ్యకు బదులుగా "[ఖాతా సంఖ్య]" అని వ్రాయండి. ఎక్కువ సమయం, "3-సంవత్సరాల కార్పొరేట్ కస్టమర్" అని చెప్పడం ట్రిక్ చేస్తుంది.
  • సంస్థ-ఆమోదిత సాధనాన్ని ఉపయోగించండి: కొన్ని సంస్థలు డేటాను లీక్ చేయని ఒప్పంద/సంస్థాగత సాధనాలను అందిస్తాయి. వాటిపై మాత్రమే సున్నితమైన డేటాను ప్రాసెస్ చేయండి.
  • అవసరం లేని వాటిని ఇవ్వకండి: టాస్క్ చేయడానికి వాస్తవంగా అవసరం లేని సున్నితమైన వివరాలను చేర్చవద్దు.
  • పాలసీని తెలుసుకోండి: మీ సంస్థ యొక్క కృత్రిమ మేధస్సు వినియోగ నియమాలను తెలుసుకోండి మరియు వాటిని పాటించండి.

నీతి మరియు కాపీరైట్

బాధ్యతాయుతమైన ఉపయోగం గోప్యతతో ముగియదు. మూడు సూత్రాలు:

  1. పారదర్శకత: సందర్భానికి అవసరమైతే (ఉదాహరణకు, మానవ శ్రమను ఆశించే చోట) AI- రూపొందించిన కంటెంట్‌ను సముచితంగా క్రెడిట్ చేయండి. మోసపూరిత వినియోగాన్ని నివారించండి.
  2. కాపీరైట్ మరియు వాస్తవికత: మోడల్ అవుట్‌పుట్ ఇతర రచనలను పోలి ఉండవచ్చు. వాణిజ్య ఉపయోగం ముందు వాస్తవికతను మరియు హక్కుల స్థితిని సమీక్షించండి; వేరొకరి బ్రాండ్/పనిని అనుకరించవద్దు.
  3. దుష్ప్రవర్తన: తప్పుదారి పట్టించే, వివక్షత, అవకతవకలు లేదా లక్ష్యంగా ఉండే కంటెంట్‌ని సృష్టించడానికి ఉపయోగించవద్దు. సాధనం యొక్క శక్తి బాధ్యతను పెంచుతుంది.

నాలుగు కాపీ చేయగల టెంప్లేట్లు

1) పరిమితి పరిమితి అమరిక:

కేవలం దిగువ మూలంపై ఆధారపడండి. సోర్స్‌లో లేని ఏ సమాచారాన్ని జోడించవద్దు. మీకు ఖచ్చితంగా తెలియని చోట "మూలంలో లేదు" అని వ్రాయండి. ప్రతి ముఖ్యమైన క్లెయిమ్ పక్కన, దాని ఆధారంగా ఉన్న లైన్‌ను సూచించండి. మూలం: [టెక్స్ట్]

2) సంగ్రహ ధృవీకరణ జాబితా:

దిగువ టెక్స్ట్‌లో ధృవీకరించాల్సిన అన్ని వాస్తవాలను (నంబర్, తేదీ, పేరు, దావా) జాబితా చేయండి. ప్రతిదానికీ నేను ఎలా వెరిఫై చేయవచ్చో క్లుప్తంగా సూచించండి. వచనం: [అవుట్‌పుట్]

3) అనామకీకరణ:

కింది వచనంలో మొత్తం వ్యక్తిగత/రహస్య డేటాను మాస్క్ చేయండి: పేర్లు [PERSON], కంపెనీ [కంపెనీ], నంబర్‌లు [NUMBER]. చెక్కుచెదరకుండా అర్థంతో అనామక సంస్కరణను ఇవ్వండి. వచనం: [టెక్స్ట్]

4) నైతిక సమీక్ష:

ఈ కంటెంట్‌ని ప్రచురించే ముందు నైతికంగా మూల్యాంకనం చేయండి: ఇది తప్పుదారి పట్టించేలా, వివక్షాపూరితమైనదా లేదా అన్యాయమా? ఉంటే దాన్ని ఫ్లాగ్ చేయండి మరియు దిద్దుబాట్లను సూచించండి. కంటెంట్: [టెక్స్ట్]

బలహీనమైన ప్రాంప్ట్ / బలమైన ప్రాంప్ట్

బలహీనమైన (ప్రమాదకరం):

Ahmet Yılmaz (TC: ...) ఒప్పందంలోని సమస్యలను కనుగొని, దానిని పరిశ్రమ సగటులతో సరిపోల్చండి.

బలమైన (సురక్షితమైనది):

దిగువ కాంట్రాక్ట్ టెక్స్ట్‌లో ప్రమాదకర నిబంధనలను కనుగొనండి. - వ్యక్తిగత డేటా ఉపయోగం; పార్టీలను [కంపెనీ-A] మరియు [వ్యక్తి]గా సూచించనివ్వండి.- వచనంలో వ్రాసిన వాటిపై మాత్రమే ఆధారపడండి; పరిశ్రమ సగటు రూపొందించబడింది, "డేటా అందుబాటులో లేదు" అని వ్రాయండి.- ప్రతి ప్రమాదాన్ని దాని అంశంతో చూపండి. వచనం (అజ్ఞాతవాసి): [టెక్స్ట్]

శక్తివంతమైన వెర్షన్ వ్యక్తిగత డేటాను రక్షిస్తుంది మరియు నకిలీ పరిశ్రమ డేటాను బ్లాక్ చేస్తుంది; అవుట్‌పుట్ న్యాయ బృందం సమీక్షకు సిద్ధంగా ఉంది.

మూడు మినీ కేసులు

కేస్ 1 - ఫాబ్రికేటెడ్ సోర్స్. ఒక పరిశోధకుడు మోడల్ ఇచ్చిన 3 "విద్యాపరమైన మూలాలను" వాటిని ధృవీకరించకుండా ప్రదర్శనలో ఉంచారు; రెండు మూలాధారాలు అందుబాటులో లేవు. ప్రదర్శనకు ముందు ఒక సహోద్యోగి దానిని గమనించాడు. ఆ తర్వాత, బృందం "ప్రచురించే ముందు ప్రతి వనరును వ్యక్తిగతంగా కనుగొని తెరవండి" అనే నియమాన్ని అనుసరించింది.

కేసు 2 - గోప్యత. ఒక ఉద్యోగి వాస్తవ కస్టమర్ ఒప్పందాన్ని చెక్కుచెదరకుండా పబ్లిక్ టూల్‌లో అతికించి, సారాంశాన్ని అడిగారు. సంస్థ యొక్క సమాచార భద్రతా బృందం దీనిని గుర్తించినప్పుడు, ప్రక్రియ సమీక్షించబడింది; సున్నితమైన పత్రాలు ఇప్పుడు సంస్థ ఆమోదించిన కార్పొరేట్ సాధనంలో మాత్రమే ప్రాసెస్ చేయబడతాయి మరియు అనామకంగా ఉంటాయి.

కేసు 3 - నిర్ణయ బాధ్యత. మోడల్ అందించిన పన్ను వివరణ ఆధారంగా ఒక చిన్న వ్యాపార యజమాని చర్య తీసుకోబోతున్నాడు; వ్యాఖ్య ప్రస్తుత చట్టానికి అనుగుణంగా లేదు. తన ఆర్థిక సలహాదారుని సంప్రదించగా తప్పు పట్టుకుంది. పాఠం స్పష్టంగా ఉంది: AI సిద్ధం చేస్తుంది, నిపుణుడు మరియు మానవుడు నిర్ణయిస్తారు.

చిట్కా: వాస్తవాన్ని "ధృవీకరించబడలేదు" అని గుర్తు పెట్టడం అలవాటు చేసుకోండి. మీరు నిర్ధారించే వరకు అవుట్‌పుట్‌లో ప్రతి సంఖ్య మరియు మూలానికి పక్కన చెక్ మార్క్ ఉంచండి; ఈ సాధారణ క్రమశిక్షణ తప్పుడు సమాచారం నిశ్శబ్దంగా వ్యాప్తి చెందకుండా నిరోధిస్తుంది.
జాగ్రత్త: "AI అలా చెప్పింది" అనేది సాకు కాదు. మీరు ప్రచురించే, పంపే లేదా మీ నిర్ణయాల ఆధారంగా ఏదైనా కంటెంట్‌కు మీరు బాధ్యత వహిస్తారు. వాహనం యొక్క వేగం మీ తనిఖీ బాధ్యత నుండి మీకు ఉపశమనం కలిగించదు.

సాధారణ తప్పులు

  • ఫ్లూయెంట్ అవుట్‌పుట్ సరైనదని తప్పుబడుతోంది. ఒప్పించే భాషను సత్యానికి రుజువుగా తప్పుబడుతోంది.
  • దాన్ని తనిఖీ చేయకుండా మూలాన్ని ఉపయోగించడం. ఉనికిలో లేని మూలాన్ని ప్రచురించడం.
  • ఆలోచించకుండా గోప్యమైన డేటాను నమోదు చేయడం. సున్నితమైన పత్రాలను అనామకీకరించకుండా అతికించడం.
  • నైపుణ్యాన్ని మోడల్‌కు మాత్రమే వదిలివేయడం. చట్టపరమైన/వైద్య/ఆర్థిక నిర్ణయాలను ధృవీకరించడంలో వైఫల్యం.
  • వాహనంపై బాధ్యతను ఉంచడం. "AI అలా చెప్పింది" అని చెప్పడం ద్వారా నియంత్రణను తప్పించుకోవడం.

సారాంశంలో

  • భ్రాంతి అనేది మోడల్ నమ్మకంగా అసలైన వాటిని ఉత్పత్తి చేసినప్పుడు; ధృవీకరించబడే వరకు ప్రతి వాస్తవం దావా.
  • ధృవీకరణ రెండు రెట్లు: సత్వర పరిమితులు కల్పనను తగ్గిస్తాయి, మానవ తనిఖీ దానిని పట్టుకుంటుంది.
  • మోడల్ ప్రస్తుత, ఖచ్చితమైన, చట్టపరమైన/వైద్యం/ఆర్థిక విషయాలకు పరిమితం చేయబడింది; అనేది అంతిమ అధికారం కాదు.
  • సంస్థ (KVKK మరియు ఇన్‌స్టిట్యూషన్ విధానం) ఆమోదించిన సాధనంలో మాత్రమే గోప్యమైన మరియు వ్యక్తిగత డేటా లేదా ప్రాసెస్‌ను అనామకీకరించండి.
  • నైతిక, కాపీరైట్ మరియు దుష్ప్రవర్తన రహిత సూత్రాలకు అనుగుణంగా; కంటెంట్ బాధ్యత ఎల్లప్పుడూ వ్యక్తిపై ఉంటుంది.

అప్లికేషన్ టాస్క్

మీరు ఇటీవల రూపొందించిన ప్రింట్‌అవుట్‌ని తీసుకోండి మరియు దానిలోని అన్ని వాస్తవాలను (నంబర్, తేదీ, పేరు, మూలం, దావా) ధృవీకరణ జాబితాగా సేకరించండి. ప్రతిదానికి ధృవీకరణ పద్ధతిని వ్రాసి, వాటిలో కనీసం మూడింటిని తనిఖీ చేయండి. అలాగే, అదే అవుట్‌పుట్ ఇన్‌పుట్‌లో గోప్యమైన/వ్యక్తిగత డేటా ఉందో లేదో తనిఖీ చేయండి మరియు అవసరమైతే దాన్ని అనామకంగా మార్చండి.

చెక్లిస్ట్

  • [ ] భ్రాంతి అంటే ఏమిటి మరియు అది ఎందుకు జరుగుతుందో నేను వివరించగలను.
  • [ ] నేను స్వతంత్ర మూలం నుండి వాస్తవ అవుట్‌పుట్‌ని ధృవీకరిస్తాను.
  • [ ] నేను గోప్యమైన/వ్యక్తిగత డేటాను అజ్ఞాతం చేస్తాను లేదా సురక్షిత సాధనంలో ప్రాసెస్ చేస్తాను.
  • [ ] నేను చట్టపరమైన/వైద్యం/ఆర్థిక విషయాలపై నిజమైన నిపుణుడిని సంప్రదిస్తాను.
  • [ ] నేను కంటెంట్‌కు బాధ్యత వహిస్తానని అంగీకరిస్తున్నాను.