فائدہ:
- ماحولیاتی قانون سازی (قانون، ضابطہ، مواصلات) کے درجہ بندی کو تسلیم کرنے اور قدر کے ذرائع کو محدود کرنے کی صلاحیت
- قانون سازی کی اسکیننگ اور سوال پیدا کرنے اور سرکاری متن کی ہدایت کے لیے AI استعمال کرنے کی اہلیت
- سرکاری گزٹ/سرکاری ذریعہ سے AI کے ذریعہ دی گئی مادہ نمبر اور حدود کی تصدیق کرنے کی اہلیت
ایک ماحولیاتی مشاورتی فرم میں، آپ ڈائی ہاؤس کی نئی سہولت کے لیے گندے پانی کے اخراج کا اجازت نامہ تیار کر رہے ہیں۔ گاہک پوچھتا ہے کہ "رنگ اور سی او ڈی کی حد اقدار کیا ہیں، یہ کس چیز پر مبنی ہے؟" وہ پوچھتا ہے اور وقت محدود ہے۔ آپ کا پہلا جذبہ زبان کے ماڈل سے پوچھنا ہے: "پانی کی آلودگی پر قابو پانے کے ضوابط کے مطابق ٹیکسٹائل انڈسٹری کے اخراج کی حدود کیا ہیں؟" ایل ایل ایم ٹیبلر حدود، آئٹم نمبرز اور تاریخیں سیکنڈوں میں فراہم کرتا ہے۔ یہ سب بہت رسمی اور قائل لگتا ہے۔ لیکن یہاں جال ہے: زبان کا ماڈل اعدادوشمار کے مطابق متن تیار کرتا ہے۔ وہ کامل سنجیدگی کے ساتھ غیر موجود مضمون نمبر، منسوخ شدہ ضابطہ یا غلط حد کی قیمت بنا سکتا ہے۔ اس یونٹ میں، ہم قانون سازی کو اس کی صحیح پرتوں میں جاننے، قانون سازی کی تحقیق میں AI کو محفوظ طریقے سے استعمال کرنے، اور سرکاری گزٹ سے ہر مسئلے کی تصدیق کے نظم و ضبط کا احاطہ کرتے ہیں۔
قانون سازی کا درجہ بندی
ماحولیاتی قانون ایک درجہ بندی کے اندر کام کرتا ہے؛ نیچے والا قدم اوپر والے قدم سے متصادم نہیں ہو سکتا۔ یہ جاننا کہ حد کی قدر کہاں سے آتی ہے آپ کو اسے صحیح ذریعہ میں تلاش کرنے کی اجازت دیتا ہے۔
قدم
کون اتارتا ہے؟
پابند
ماحولیاتی مثال
قانون
قانون ساز (پارلیمنٹ)
اوپر، فریم
ماحولیاتی قانون
ضابطہ
وزارت/ وزراء کی کونسل
قانون کا اطلاق اور تفصیلات
پانی کی آلودگی پر قابو پانے کا ضابطہ
اطلاع
وزارت
تکنیکی تفصیل، پیمائش/حد کی میزیں۔
پیمائش اور تجزیہ کے پیغامات
سرکلر/ہدایت
انتظامیہ
داخلی ایپلیکیشن ری ڈائریکشن
درخواست کے سرکلر
حد کی قدریں (خارج کی حدیں، اخراج کی حدیں) اکثر ضابطہ ضمیمہ (ٹیبلز) یا کمیونیکیز میں پائی جاتی ہیں۔ تو "میں کون سی دستاویز دیکھوں؟" سوال یہ ہے کہ "نمبر کیا ہے؟" سوال سے پہلے آتا ہے.
منسوخی اور نفاذ کا خطرہ
قانون سازی زندہ ہے: قواعد و ضوابط بدل جاتے ہیں، مضامین کو منسوخ کر دیا جاتا ہے (منسوخ کر دیا جاتا ہے)، نئی تاریخ والے متن پرانے کو منسوخ کر دیتے ہیں۔
جانچنے کے لیے تاریخی حالات: - مؤثر تاریخ: متن کب نافذ ہوا؟ - تاریخ تبدیل کریں: کیا متعلقہ مضمون بعد میں تبدیل کر دیا گیا ہے؟ - منسوخی کی حیثیت: کیا آرٹیکل/ریگولیشن کو منسوخ کر دیا گیا ہے؟ - عبوری دفعات: کیا موجودہ سہولیات کے لیے مستثنیات/ التوا ہیں؟
دھیان دیں: LLM کا تربیتی ڈیٹا ایک خاص تاریخ تک ہے اور اس تاریخ کے بعد تبدیل ہونے والی قانون سازی کو نہیں جانتا۔ مزید برآں، تربیتی ڈیٹا میں ایک پرانا ضابطہ ہو سکتا ہے جو متروک ہو چکا ہے۔ ماڈل اسے اس طرح پیش کر سکتا ہے جیسے یہ اپ ٹو ڈیٹ ہو۔ حد کی قدر استعمال کرنے سے پہلے، آپ کو سرکاری گزٹ/ سرکاری قانون سازی کے پورٹل سے تصدیق کرنی چاہیے کہ جس متن پر یہ مبنی ہے وہ آج سے نافذ العمل ہے۔
AI کے جعلی آئٹم نمبر بنانے کا خطرہ
لینگویج ماڈل کا سب سے خطرناک رویہ یہ ہے کہ یہ ایسے حوالے تیار کرتا ہے جو باضابطہ طور پر درست ہیں لیکن مواد میں موجود نہیں ہیں۔ "آرٹیکل 26 کے مطابق" یا "ملحقہ جدول 19 میں" جیسے جملے خالصتاً فریب سے بھرپور ہو سکتے ہیں۔
کمزور اشارہ: "آئٹم نمبروں کے ساتھ ٹیکسٹائل کے گندے پانی کے اخراج کی حد دیں۔"-> ماڈل آئٹم نمبر اور نمبر تیار کرتا ہے جو بظاہر درست معلوم ہوتے ہیں لیکن ان کی تصدیق نہیں ہوتی۔ مضبوط اشارہ: "وضاحت کریں کہ ٹیکسٹائل/ڈائی ہاؤس کی سہولت کے گندے پانی کے اخراج کے اجازت نامے کے لیے مجھے کون سی قانون سازی اور کس قسم کے ضمیمہ/ٹیبل کی جانچ کرنی چاہیے۔ آپ کا کام: 1) اس موضوع اور کس سیکشن میں ضوابط اور مکالمے کی ممکنہ اقسام کی شناخت کریں (جو مل سکتا ہے)۔ 2) کوئی ٹھوس مضمون نمبر یا عددی حد مت بنائیں۔ اس کے بجائے 'سرکاری گزٹ میں تصدیق کے لیے' پلیس ہولڈر لگائیں۔ 3) فہرست بنائیں کہ کون سے کلیدی اصطلاحات (سیکٹر کا نام، پیرامیٹر) مجھے سرکاری متن میں تلاش کرتے وقت استعمال کرنا چاہیے۔ 4) مجھے تاریخی خطرات (منسوخ، ترمیم، عبوری شق) کی یاد دلائیں جن کی مجھے جانچ کرنی چاہیے۔"
طاقتور پرامپٹ ماڈل اسے سرچ اور نیویگیشن ٹول کے طور پر استعمال کرتا ہے — "مجھے کس دستاویز کو دیکھنا چاہیے، کس اصطلاح کے ساتھ؟" - نمبر کے ماخذ کے طور پر نہیں۔
مشورہ: LLM کو ریگولیٹری تحقیق میں استعمال کرنے کا سب سے محفوظ طریقہ یہ ہے کہ اسے "ریسرچ کمپاس" کے طور پر رکھا جائے بجائے کہ "جوابی مشین"۔ ماڈل سے سوالات پیدا کریں: "اس سہولت کے لیے کیا اجازت، کون سے پیرامیٹرز، کون سے ممکنہ ضابطے نافذ ہیں؟" پھر ان سوالات کے جوابات سرکاری متن سے تلاش کریں۔ ماڈل ہدایت کرتا ہے؛ سرکاری گزٹ فیصلہ کرتا ہے۔
تصدیقی ورک فلو: سرکاری گزٹ سے تصدیق
ہر شمارے اور آئٹم نمبر کے لیے پیروی کرنے کا سلسلہ:
1) LLM سے موضوع/دستاویز کی قسم/کلیدی اصطلاح حاصل کریں (مضمون نمبر پر بھروسہ نہ کریں)۔ مضمون نمبر اور حد کو اپنی آنکھوں سے دیکھیں۔ 5) عبوری دفعات اور تازہ ترین ترامیم کی جانچ کریں۔ 6) رپورٹ میں ماخذ کو مکمل حوالہ کے ساتھ لکھیں: [ضابطے کا نام]، [آرٹیکل/ضمیمہ نمبر]، [سرکاری گزٹ کی تاریخ اور نمبر]۔
مثال: LLM آؤٹ پٹ کی جانچ کرنا
# LLM کے حوالہ جات کو "تصدیق شدہ" میں ترجمہ کرنا checklistllm_iddialari = [ {"ذریعہ": "SKKY", "item": "Anex Table 10.7", "parameter": "COD", "limit_mgL": 300, "status": "NOT {VRIFIED", "Source:""}"۔ "آرٹیکل 26"، "پیرامیٹر": "پی ایچ"، "حد": "6-9"، "حیثیت": "تصدیق نہیں کی گئی"}،] llm_claims میں k کے لیے: # سرکاری گزٹ سے 'تصدیق شدہ' کے بغیر کوئی بھی رپورٹ درج نہیں کر سکتا {k['source']} / {k['article']} / {k['parameter']}")# ہر سطر کو دستی طور پر سرکاری گزٹ کے متن میں ملنا چاہیے اور اسٹیٹس کو اپ ڈیٹ کیا جانا چاہیے۔
یہ نقطہ نظر ماڈل آؤٹ پٹ کو براہ راست قبول کیے جانے والے "سچائی" کے بجائے تصدیق کیے جانے والے دعووں کی فہرست کے طور پر پیش کرتا ہے۔
منی کیس
ایک ماحولیاتی افسر نے "متعلقہ ضابطہ آرٹیکل 18" کے حوالے سے ہوا کے اخراج کی رپورٹ میں فلو گیس کی حد کی قدر لکھی، جو اسے LLM سے موصول ہوئی۔ رپورٹ انتظامیہ کے سامنے پیش کی گئی تو آڈیٹر نے مضمون کھولا۔ آرٹیکل 18 ایک بالکل مختلف مسئلہ (مانیٹرنگ کی ذمہ داری) سے نمٹتا ہے اور ماڈل کی طرف سے دی گئی عددی حد موجودہ متن میں بالکل بھی موجود نہیں تھی - قیمت ایک نوٹیفکیشن کی تھی جسے دو سال قبل منسوخ کر دیا گیا تھا۔ رپورٹ واپس کر دی گئی، اس عمل میں ہفتوں کی تاخیر ہوئی اور کمپنی کا اعتماد ختم ہو گیا۔ مزید تفتیش پر، موجودہ سرکلر کے ضمیمہ میں ایک مختلف نمبر کے ساتھ حد پائی گئی۔ ایک سرکاری گزٹ کنٹرول اس سارے نقصان کو روک سکتا تھا۔ سبق: ماڈل حوالہ "میک اپ" کر سکتا ہے، اور جب ایسا ہوتا ہے، تو یہ انتہائی قائل ہوتا ہے۔
عام غلطیاں
- سرکاری گزٹ میں تصدیق کیے بغیر ایل ایل ایم کے ذریعہ دی گئی مادہ نمبر اور حد کی قیمت کا استعمال کرنا۔
- منسوخ شدہ ضابطے کو موجودہ سمجھنا۔
- اس بات کو نظر انداز کرتے ہوئے کہ ماڈل کو اس قانون سازی کا علم نہیں ہے جو تربیت کی تاریخ کے بعد تبدیل ہوا ہے۔
- غلط پرت (قانون) میں حد کی قدر تلاش کرنا؛ جبکہ قیمت ضابطے کے ضمیمہ/اطلاع میں ہے۔
- عبوری دفعات اور موجودہ سہولت مستثنیات کو نظرانداز کرنا۔
- مکمل حوالہ کے ساتھ ماخذ کی دستاویز نہ کرنا (ضابطے کا نام، مضمون/ضمیمہ، آر جی تاریخ اور نمبر)۔
- ماڈل کو "جوابی مشین" کے طور پر استعمال نہ کریں اور اسے ریسرچ کمپاس کے طور پر استعمال کریں۔
خلاصہ میں
- ماحولیاتی قانون سازی قانون-ضابطہ-اطلاعات-سرکلر درجہ بندی میں کام کرتی ہے۔ حد کی اقدار عام طور پر ضابطے کے ضمیمہ میں یا نوٹیفکیشن میں ہوتی ہیں۔
- قانون سازی زندہ ہے؛ منسوخی، ترمیم اور مؤثر تاریخ ہر مسئلے کی درستگی کو متاثر کرتی ہے۔
- LLM قابل اعتماد لیکن غیر موجود آئٹم نمبر، منسوخ شدہ متن، اور غلط حدود (فریب) پیدا کر سکتا ہے۔
- ماڈل کو استعمال کرنے کا محفوظ طریقہ یہ ہے کہ اسے جوابات کے ذریعہ کے طور پر استعمال نہ کیا جائے بلکہ "مجھے کون سی دستاویز دیکھنا چاہئے، کن شرائط کے ساتھ؟" ایک کمپاس بنانا ہے.
- ہر مضمون اور شمارے کی موجودہ سرکاری گزٹ/قانون سازی کے پورٹل کے متن سے بصری طور پر تصدیق ہونی چاہیے اور اس کا ماخذ مکمل نقوش کے ساتھ لکھا جانا چاہیے۔
- AI آؤٹ پٹ ایک ابتدائی تحقیقی مسودہ ہے۔ کسی بھی قانون سازی کا حوالہ سرکاری متن کی تصدیق کے بغیر کسی رپورٹ یا فیصلے کی بنیاد کے طور پر استعمال نہیں کیا جا سکتا۔
درخواست کا کام
ایک ٹھوس منظر نامہ کا انتخاب کریں (مثلاً کسی سہولت کے گندے پانی کے اخراج یا فلو گیس کے اخراج کے لیے محدود قدر کا مطالعہ)۔ سب سے پہلے، ایک مضبوط اشارہ لکھیں اور LLM کو صرف رہنمائی کے لیے استعمال کریں: کس قسم کا ضابطہ/نوٹس، کون سا ضابطہ/ٹیبل اور کن کلیدی اصطلاحات کے ساتھ آپ کو دیکھنے کی ضرورت ہے۔ ماڈل کی طرف سے دیے گئے تمام آئٹم نمبرز اور نمبرز کو "تصدیق شدہ نہیں" کے لیبل والی کلیم لسٹ میں لکھیں۔ پھر حقیقی سرکاری ذریعہ سے متعلقہ موجودہ متن تلاش کریں (سرکاری گزٹ / سرکاری قانون سازی پورٹل)؛ تصدیق کریں کہ یہ نافذ ہے اور منسوخ نہیں کیا گیا ہے۔ متعلقہ مادہ/ضمیمہ اور حد قدر کی بصری طور پر تصدیق کریں۔ ہر تصدیق شدہ شے کے لیے مکمل اقتباس (ضابطے کا نام، مضمون/ضمیمہ نمبر، OG تاریخ اور نمبر) لکھیں۔ آخر میں، "LLM کی طرف سے دیا گیا کون سا حوالہ غلط/نامکمل/من گھڑت نکلا؟" ایک پیراگراف سے سوال کا اندازہ لگائیں۔