എന്തുകൊണ്ടാണ് AI ചിലപ്പോൾ കാര്യങ്ങൾ ശരിയാക്കുന്നത് [വീഡിയോയും ക്വിസും]

ചുരുക്ക ഉത്തരം: പരിശോധിച്ചുറപ്പിച്ച വസ്തുതകൾക്കല്ല, മറിച്ച് വിശ്വസനീയമായ അടുത്ത വാക്കുകൾ പ്രവചിക്കുന്നതിനാലാണ് AI ചിലപ്പോൾ കാര്യങ്ങൾ കെട്ടിച്ചമയ്ക്കുന്നത് - ഒഴുക്ക് തെളിവല്ല. വിഷയം ഒരു പ്രത്യേക വിഷയമോ, ഉയർന്ന പ്രാധാന്യമുള്ളതോ, കൃത്യമായ പേരുകളും സംഖ്യകളും ആവശ്യപ്പെടുന്നതോ ആയിരിക്കുമ്പോൾ, നിങ്ങൾ മറുപടി അടിസ്ഥാനപ്പെടുത്തി കഠിനമായ അവകാശവാദങ്ങൾ പരിശോധിച്ചില്ലെങ്കിൽ, വിടവുകൾ ആത്മവിശ്വാസത്തോടെയുള്ള ഊഹങ്ങൾ കൊണ്ട് നിറയും.

ഇതിനു ശേഷം നിങ്ങൾക്ക് വായിക്കാൻ ഇഷ്ടപ്പെട്ടേക്കാവുന്ന ലേഖനങ്ങൾ:

🔗 ഗൂഗിളിനെപ്പോലെ AI-യെ പരിഗണിക്കുന്നത് നിർത്തുക.
മികച്ച AI ഫലങ്ങൾക്ക് വ്യത്യസ്തമായ സമീപനം ആവശ്യമായി വരുന്നത് എന്തുകൊണ്ടാണെന്ന് മനസ്സിലാക്കുക.

🔗 നിങ്ങളുടെ ആദ്യത്തെ ശരിയായ AI പ്രോംപ്റ്റ്
ലളിതമായ ഒരു ഘടന ഉപയോഗിച്ച് വ്യക്തവും ഫലപ്രദവുമായ ഒരു പ്രോംപ്റ്റ് നിർമ്മിക്കുക.

🔗 ഒരു മികച്ച AI പ്രോംപ്റ്റിന്റെ 4 ഭാഗങ്ങൾ
AI പ്രോംപ്റ്റിന്റെ ഗുണനിലവാരം മെച്ചപ്പെടുത്തുന്ന നാല് അവശ്യ ഘടകങ്ങൾ കണ്ടെത്തുക.

🔗 യഥാർത്ഥത്തിൽ എന്താണ് AI?
കൃത്രിമബുദ്ധിയെ ലളിതവും പ്രായോഗികവും ദൈനംദിന ജീവിതശൈലിയിൽ മനസ്സിലാക്കുക.

പ്രധാന കാര്യങ്ങൾ:

പ്രവചനം അറിയാതെ: ഒഴുക്കോടെയുള്ള ഗദ്യത്തെ ഒരു മാതൃക പൂർത്തീകരണമായി കണക്കാക്കുക, ഒരിക്കലും സത്യപ്രതിജ്ഞ ചെയ്ത തെളിവായി കണക്കാക്കരുത്.

ആത്മവിശ്വാസ കെണി: ഉറച്ച സ്വരമാണ് ശൈലി; ചാറ്റിന് പുറത്ത് കൃത്യതയ്ക്കായി പ്രത്യേക പരിശോധന ആവശ്യമാണ്.

വ്യാജ പാക്കേജിംഗ്: കൃത്യമായ റഫറൻസ് ലിസ്റ്റുകളെ വിശ്വസിക്കുന്നതിന് മുമ്പ് ഉദ്ധരണി തലക്കെട്ടുകളും ഉദ്ധരണികളും സ്വയം തിരയുക.

മറുപടി അടിസ്ഥാനമാക്കുക: ഉറവിട കുറിപ്പുകൾ ഒട്ടിക്കുക, കണ്ടുപിടിച്ച URL-കൾ, പഠനങ്ങൾ അല്ലെങ്കിൽ സ്ഥിതിവിവരക്കണക്കുകൾ നിരോധിക്കുക.

ഹ്യൂമൻ ഓഡിറ്റ്: ഏറ്റവും അപകടകരമായ ക്ലെയിം ആദ്യം കണ്ടെത്തുക, പ്രത്യേകിച്ച് ആരോഗ്യം, നിയമം അല്ലെങ്കിൽ ധനകാര്യം എന്നിവയ്ക്ക്.

പ്രവചനം അറിയുന്നതിന് തുല്യമല്ല

ഇതാണ് ശരിയായ വിശദീകരണം: മിക്ക ചാറ്റ് മോഡലുകളും പാറ്റേൺ മെഷീനുകളാണ്. നിങ്ങൾ ഒരു ചോദ്യം ചോദിക്കുന്നു. ഒരു നല്ല ഉത്തരത്തിന്റെ ആകൃതിക്ക് അനുയോജ്യമായ ഒരു മറുപടി അവ സൃഷ്ടിക്കുന്നു. ആ ആകൃതിയിൽ വസ്തുതകൾ, സ്വരസൂചകം, ഘടന - മുഴുവൻ വസ്ത്രധാരണവും ഉൾപ്പെടുന്നു. ചിലപ്പോൾ വസ്ത്രധാരണം യഥാർത്ഥ അറിവിനെ പൊതിയുന്നു. ചിലപ്പോൾ അത് ഒരു വിടവ് നികത്തുന്ന ആത്മവിശ്വാസമുള്ള ഒരു ഊഹത്തെ പൊതിയുന്നു.

ഒരു അയഞ്ഞ രൂപകം സഹായകരമാകുമെന്ന് ഞാൻ കരുതുന്നു, പിന്നെ ഞാൻ അത് കുറച്ചു പിന്നിലേക്ക് കൊണ്ടുപോകാം. ഒരു ദശലക്ഷം പാട്ടുകൾ കേട്ട ഒരു ജാസ് പിയാനിസ്റ്റിനെ സങ്കൽപ്പിക്കുക. അവരോട് "ആ നീല സ്യൂട്ട്കേസിനെക്കുറിച്ചുള്ള ഒന്ന്" പ്ലേ ചെയ്യാൻ ആവശ്യപ്പെടുക, അവർ ഒരിക്കലും നിലവിലില്ലാത്ത ഒരു മനോഹരമായ ട്യൂൺ കണ്ടുപിടിച്ചേക്കാം - കാരണം അഭ്യർത്ഥന അങ്ങനെ തന്നെയായിരുന്നു. കാത്തിരിക്കുക - അത് കലാപരമായ കഴിവിനെ അമിതമായി വിൽക്കുന്നു. ഇത് സ്റ്റിറോയിഡുകളിൽ ഓട്ടോകംപ്ലീറ്റ് പോലെയാണ്. ട്രൂത്ത് എന്ന് ലേബൽ ചെയ്ത ഒരു ഫയലിംഗ് കാബിനറ്റ് തുറക്കുകയല്ല, മറിച്ച് ഒരു വിശ്വസനീയമായ ഖണ്ഡികയാണ് മോഡൽ പൂർത്തിയാക്കുന്നത്.

അതുകൊണ്ട് ആളുകൾ Why AI Sometimes Makes Things Up എന്ന് ചോദിക്കുമ്പോൾ , ചെറിയ ഉത്തരം ഇതാണ്: സ്ഥിതിവിവരക്കണക്കനുസരിച്ച് ശരിയാണെന്ന് തോന്നുന്ന കാര്യങ്ങൾ കൊണ്ട് വിടവുകൾ നികത്തപ്പെടും . ഒരു അവലംബം നഷ്ടപ്പെട്ടാൽ, അക്കാദമിക് ആയി തോന്നുന്ന ഒന്ന് കണ്ടുപിടിക്കാൻ മോഡലിനെ പ്രേരിപ്പിക്കുന്നു. ഒരു സംഖ്യയെക്കുറിച്ച് ഉറപ്പില്ലാത്തതിനാൽ, അത് ഒരു വൃത്തിയുള്ള രൂപം നൽകുന്നു. ഒരു വ്യക്തിയുടെ മധ്യനാമമില്ലാതെ, അത് കാലഘട്ടത്തിനും സംസ്കാരത്തിനും അനുയോജ്യമായ ഒന്ന് കെട്ടിച്ചമയ്ക്കുന്നു. ആദ്യം അൽപ്പം ആശ്ചര്യകരമാണ്. ഒരിക്കൽ നിങ്ങൾ പാറ്റേൺ കണ്ടുകഴിഞ്ഞാൽ, അത്രയല്ല.

• തെളിയിക്കപ്പെട്ട സത്യമല്ല, ഒഴുക്കുള്ള വാചകമാണ് തലമുറയുടെ ലക്ഷ്യം.
• ശൂന്യമായ അറിവിന്റെ വിടവുകളിലേക്ക് ഇപ്പോഴും വാക്കുകൾ ഒഴുകിയെത്തുന്നു.
• മോഡലിന്റെ റാങ്കിംഗിൽ "ശരിയാണ്" എന്നതിനെക്കാൾ "ശരിയാണ്" എന്നതിന്റെ സാധ്യത കൂടുതലായിരിക്കും.

ആത്മവിശ്വാസവും കൃത്യതയും തമ്മിലുള്ള വ്യത്യാസം - അസഹ്യമായ വിടവ്

ഉറപ്പില്ലാത്തപ്പോൾ മനുഷ്യർ സംരക്ഷണം തേടുന്നു. നമ്മൾ "എനിക്ക് തോന്നുന്നു," "ഒരുപക്ഷേ," "ഞാൻ പരിശോധിക്കേണ്ടതുണ്ട്" എന്ന് പറയുന്നു. മോഡലുകൾക്കും സംരക്ഷണം നൽകാൻ കഴിയും - നിങ്ങൾ അവരോട് ആവശ്യപ്പെട്ടാൽ - എന്നാൽ ഡിഫോൾട്ട് ഔട്ട്‌പുട്ടുകൾ പലപ്പോഴും ആത്മവിശ്വാസത്തോടെയുള്ള ഒരു ബ്രീഫിംഗ്. ആ പോളിഷ് സഹായത്തിനായുള്ള പരിശീലനത്തിന്റെ ഒരു സവിശേഷതയാണ്, എല്ലാ അവകാശവാദങ്ങളും അടിസ്ഥാനപ്പെടുത്തിയിരുന്നു എന്നതിന്റെ സൂചനയല്ല.

ആത്മവിശ്വാസവും കൃത്യതയും വ്യത്യസ്ത ഡയലുകളാണ്. ഒന്ന് ഉയർന്ന നിലയിൽ കുലുക്കുമ്പോൾ മറ്റൊന്ന് പൂജ്യത്തിനടുത്ത് ഇരിക്കാം. തെറ്റായ ഒരു പ്രക്രിയയെ പൂർണ്ണ ഉറപ്പോടെ വിശദീകരിക്കുന്ന സഹപ്രവർത്തകനോടും നിങ്ങൾക്ക് ഇത് അനുഭവപ്പെട്ടിട്ടുണ്ടാകും. വേഗതയേറിയതും മികച്ച ഫോർമാറ്റിംഗും ഒഴികെ, AI-ക്ക് അതേ നൃത്തം ചെയ്യാൻ കഴിയും.

പ്രായോഗിക പഠനം: ഉറച്ച പദപ്രയോഗങ്ങളെ തെളിവായിട്ടല്ല, സ്റ്റൈലായി കണക്കാക്കുക. ഒരു മറുപടിയിൽ നിങ്ങൾക്ക് പരിശോധിക്കാൻ കഴിയുന്ന ഉറവിടങ്ങളില്ലെങ്കിൽ, അനിശ്ചിതത്വം അംഗീകരിക്കുന്നില്ലെങ്കിൽ, നിർദ്ദിഷ്ട പേരുകളുടെയോ സംഖ്യകളുടെയോ ഒരു കൂമ്പാരമുണ്ടെങ്കിൽ - വേഗത കുറയ്ക്കുക. അടിസ്ഥാനരഹിതമായ പ്രത്യേകത ഒരു ക്ലാസിക് രീതിയാണ്. 

• ഉറപ്പുള്ള സ്വരം ≠ പരിശോധിച്ച ഉള്ളടക്കം.
• മോഡലിനോട് മനഃപൂർവ്വം അനിശ്ചിതത്വം അടയാളപ്പെടുത്താൻ ആവശ്യപ്പെടുക.
• വ്യാജമായ ഒരു എയർടൈറ്റ് ബ്രീഫിനേക്കാൾ "എനിക്ക് ഉറപ്പില്ലാത്തത് ഇതാണ്" എന്ന് പറയുന്നത് നല്ലത്.

യഥാർത്ഥമെന്ന് തോന്നിക്കുന്ന കെട്ടിച്ചമച്ച അവലംബങ്ങളും വിശദാംശങ്ങളും

ഇത് വളരെ പ്രൊഫഷണലായി കാണപ്പെടുന്നതിനാൽ ഇത് കുത്തുന്നു. വ്യാജ പേപ്പർ ശീർഷകങ്ങൾ. വ്യാജ ജേണൽ പേരുകൾ. ക്ലിക്കുചെയ്യാൻ കഴിയുന്നതായി തോന്നുന്ന വ്യാജ URL-കൾ. പ്രശസ്തരായ ആളുകളുടേതാണെന്ന് ആരോപിക്കപ്പെടുന്ന വ്യാജ ഉദ്ധരണികൾ. ഫോർമാറ്റിംഗ് പലപ്പോഴും മികച്ചതാണ് - ഇറ്റാലിക് സ്റ്റൈലിംഗ്, വർഷാകൃതിയിലുള്ള പ്ലെയ്‌സ്‌ഹോൾഡറുകൾ ഇവിടെ മനഃപൂർവ്വം ഒഴിവാക്കിയിരിക്കുന്നു, രചയിതാവിനെ ശബ്‌ദിപ്പിക്കുന്ന പേരുകൾ - പാക്കേജിംഗ് തന്ത്രങ്ങൾ ഒഴിവാക്കുന്നു.

ഇത് ഒരു വ്യക്തമായ കാരണത്താലാണ് സംഭവിക്കുന്നത്. പരിശീലന വാചകത്തിൽ ഉദ്ധരണിയുടെ ആകൃതി സാധാരണമാണ്. നിങ്ങൾ "ഉറവിടങ്ങൾ" ആവശ്യപ്പെടുമ്പോൾ, ഒരു യഥാർത്ഥ റെക്കോർഡ് വീണ്ടെടുക്കാതെ തന്നെ മോഡൽ രൂപം . മെമ്മറിയിൽ നിന്ന് ഒരു രസീത് എടുക്കാൻ ആരോടെങ്കിലും ആവശ്യപ്പെടുന്നത് പോലെയാണ് ഇത്. ഒരു രസീത് പോലെ തോന്നിക്കുന്ന എന്തെങ്കിലും നിങ്ങൾക്ക് ലഭിക്കും. സ്റ്റോർ ഒരിക്കലും നിലവിലില്ലായിരിക്കാം.

വിദൂര ജോലിയുടെ ഉൽപ്പാദനക്ഷമതയെക്കുറിച്ചുള്ള ഒരു പഠനം കണ്ടുപിടിച്ച ഒരു ഡ്രാഫ്റ്റ്, പ്രാകൃതമായി കാണപ്പെടുന്ന എഴുത്തുകാരുടെ പട്ടിക ഉപയോഗിച്ച് ഞാൻ ഒരിക്കൽ കണ്ടു. അത് പിയർ റിവ്യൂ ചെയ്തതായി തോന്നി. അതൊന്നും ആയിരുന്നില്ല. അതാണ് അപകടം: പാക്കേജിംഗ് ചെലവേറിയതായി തോന്നുമ്പോൾ നിങ്ങളുടെ തലച്ചോറ് വിശ്രമിക്കുന്നു. വിശ്രമിക്കരുത്. 

• നിങ്ങൾക്ക് സ്വയം തിരയാൻ കഴിയുന്ന ശീർഷകങ്ങൾ ആവശ്യപ്പെടുക - തുടർന്ന് അവ ആത്മാർത്ഥമായി തിരയുക.
• നിങ്ങൾ ഒരിക്കലും ആവശ്യപ്പെടാത്ത വൃത്തിയുള്ള ഉദ്ധരണി-പ്ലസ്-ആട്രിബ്യൂഷൻ ബണ്ടിലുകളെക്കുറിച്ച് സംശയാലുവായിരിക്കുക.
• ഒരു "ഉറവിടം" പെട്ടെന്ന് കണ്ടെത്താൻ കഴിയുന്നില്ലെങ്കിൽ, അവകാശവാദത്തെ പിന്തുണയ്ക്കാത്തതായി കണക്കാക്കുക.

കണ്ടുപിടുത്തത്തിന്റെ അപകടസാധ്യത ഏറ്റവും കൂടുതലായിരിക്കുമ്പോൾ

എല്ലാ ചാറ്റുകളും ഒരുപോലെ അപകടകരമല്ല. കാപ്പിയെക്കുറിച്ചുള്ള ഒരു കവിതയ്ക്ക് സ്വതന്ത്രമായി രൂപകങ്ങൾ സൃഷ്ടിക്കാൻ കഴിയും - അതാണ് പ്രധാന കാര്യം. ഒരു മരുന്നിന്റെ അളവ്, നിയമപരമായ സമയപരിധി, ഒരു മത്സരാർത്ഥിയുടെ വിലനിർണ്ണയ നയം, അല്ലെങ്കിൽ പ്രസിദ്ധീകരിച്ച ഒരു ലേഖനത്തിന്റെ ചരിത്രപരമായ അവകാശവാദം എന്നിവ വ്യത്യസ്തമായ ഒരു ഗ്രഹത്തിലാണ് ജീവിക്കുന്നത്.

വിഷയം ഒരു പ്രത്യേക വിഷയമോ, സമീപകാല അനുഭവമോ, വളരെ നിർദ്ദിഷ്ടമോ ആകുമ്പോൾ അപകടസാധ്യത വർദ്ധിക്കുന്നു. കൃത്യമായ സംഖ്യകൾ, പേരുള്ള രേഖകൾ, സ്വകാര്യ കമ്പനി ഇന്റേണലുകൾ, അല്ലെങ്കിൽ "പത്ത് പിയർ-റിവ്യൂഡ് പഠനങ്ങളുടെ പട്ടിക" എന്നിവയ്ക്കായി നിങ്ങൾ ശ്രമിക്കുമ്പോഴും അപകടസാധ്യത വർദ്ധിക്കുന്നു. കൂടുതൽ കൃത്യമായ ചോദ്യം, മോഡലിന് വിശ്വസനീയമായ ഫില്ലർ ഉപയോഗിച്ച് ശൂന്യത പൂരിപ്പിക്കാനുള്ള പ്രലോഭനം വർദ്ധിക്കുന്നു.

ശ്രദ്ധാപൂർവ്വമായ ഹ്രസ്വ ഉത്തരങ്ങളേക്കാൾ അപകടകരമായിരിക്കാം നീണ്ട ഉത്തരങ്ങൾ. ദൈർഘ്യം പരിശ്രമം പോലെ തോന്നുന്നു. ശ്രമം കരുതൽ പോലെ തോന്നുന്നു. കരുതൽ സത്യമായി കാണപ്പെടുന്നു. മോശം വസ്തുതകൾ സ്ലൈഡ് ഡെക്കുകളിലേക്ക് വഴുതി വീഴുന്നത് പോലെയാണ് ആ സർപ്പമായ ഇംപ്രഷനുകളുടെ ശൃംഖല. 

• ഉയർന്ന അപകടസാധ്യത: ആരോഗ്യം, നിയമം, ധനകാര്യം, അനുസരണം, സുരക്ഷ, പേരുള്ള ആളുകൾ, കൃത്യമായ സ്ഥിതിവിവരക്കണക്കുകൾ.
• ഇടത്തരം റിസ്ക്: പ്രത്യേക വ്യവസായ പ്രക്രിയകൾ, ഉപകരണ ക്രമീകരണങ്ങൾ, "മികച്ച രീതികൾ" പട്ടികകൾ.
• കുറഞ്ഞ അപകടസാധ്യത: ബ്രെയിൻസ്റ്റോമിംഗ്, ഔട്ട്‌ലൈനിംഗ്, നിങ്ങളുടെ സ്വന്തം ഡ്രാഫ്റ്റ് മാറ്റിയെഴുതൽ, ടോൺ എഡിറ്റുകൾ.

വിശ്വസനീയമായ vs ഷേക്കി ഔട്ട്‌പുട്ടുകൾ - ഒരു ദ്രുത താരതമ്യം

ഒരു മേശയിൽ ആവേശകരമായ സംസാരം ഉണ്ടാകാം. നേരിയ തമാശകളും ഇതിൽ ഉൾപ്പെടുന്നു, കാരണം സാധാരണ സംഭാഷണങ്ങൾ വിചിത്രമാണ്.

ആ മാനസിക സ്കോർകാർഡ് അടുത്തുതന്നെ വയ്ക്കുക. ഒരു ഫോട്ടോയിൽ അല്പം വികൃതമായ പുഞ്ചിരി കാണുന്നത് പോലെ, നിങ്ങൾക്ക് വിറയ്ക്കുന്ന ഔട്ട്‌പുട്ടുകൾ കാണാൻ തുടങ്ങും - എന്തോ ഒന്ന് പോസ് ചെയ്തിരിക്കുന്നത് പോലെ.

പരിഭ്രാന്തരാകാതെ കണ്ടുപിടിച്ച ഉത്തരങ്ങൾ എങ്ങനെ കണ്ടെത്താം

എല്ലാ നാമവിശേഷണങ്ങളും പരിശോധിക്കേണ്ടതില്ല. പ്രാധാന്യമുള്ള അവകാശവാദങ്ങൾക്ക് വിലകുറഞ്ഞ ഒരു സ്ഥിരീകരണ ശീലം നിങ്ങൾക്ക് ആവശ്യമാണ്. ഏറ്റവും മൂർച്ചയുള്ള വശം കൃത്യമായി പരിശോധിക്കുക: നമ്പർ, പേര്, നയം, ഉദ്ധരണി. ആ ഭാഗം പരാജയപ്പെട്ടാൽ, ബാക്കി ഉത്തരം പ്രൊബേഷനിലാണ്.

മറ്റൊരു കാര്യം: ആന്തരിക വൈരുദ്ധ്യം. ഒരു ഉപകരണം "എല്ലായ്‌പ്പോഴും" X-നെ പിന്തുണയ്ക്കുന്നു എന്ന് മോഡൽ പറയുന്നു, പിന്നീട് അത് സ്റ്റാൻഡേർഡ് ആണെന്ന് ഒരു അപവാദത്തെ വിവരിക്കുന്നു. അല്ലെങ്കിൽ അത് ഒരു സവിശേഷത കണ്ടുപിടിക്കുന്നു, തുടർന്ന് അത് എങ്ങനെ ഓഫ് ചെയ്യാമെന്ന് വിശദീകരിക്കുന്നു - വാതിലുകൾ നിരന്തരം കണ്ടുപിടിക്കുന്ന ഒരു സ്വപ്നം പോലെ. മൃദുലതകളെ ഉണർത്തുന്ന ഫോളോ-അപ്പുകളോട് ചോദിക്കുക. കണ്ടുപിടിച്ച ലോകങ്ങൾ സമ്മർദ്ദത്തിൽ ആടിയുലയുന്നു.

"വളരെ പെർഫെക്റ്റ്" ആയ പാക്കേജിംഗും ശ്രദ്ധിക്കുക. ഓരോ ഖണ്ഡികയും ഒരുപോലെ മിനുസപ്പെടുത്തിയിരിക്കുന്നു. എല്ലാ ശുപാർശകളും ഒരുപോലെ ആത്മവിശ്വാസമുള്ളതാണ്. യഥാർത്ഥ വൈദഗ്ധ്യത്തിന് സാധാരണയായി ഘടനയുണ്ട് - മുന്നറിയിപ്പുകൾ, വിപരീതഫലങ്ങൾ, "അത് ആശ്രയിച്ചിരിക്കുന്നു." ഫ്ലാറ്റ് പെർഫെക്ഷൻ അധിക സൂക്ഷ്മപരിശോധനയ്ക്ക് അർഹമാണ്. 

• മുഴുവൻ ഉപന്യാസവുമല്ല, ആദ്യം ഏറ്റവും അപകടകരമായ അവകാശവാദം ഏതാണെന്ന് പരിശോധിക്കുക.
• "എന്തിനെക്കുറിച്ചാണ് നിങ്ങൾക്ക് ഏറ്റവും ഉറപ്പില്ലാത്തത്?" എന്ന് ചോദിച്ച് മുഖംമൂടി തെന്നിമാറുന്നുണ്ടോ എന്ന് നോക്കുക.
• ചാറ്റിന് പുറത്തുള്ള പേരുകൾ, ശീർഷകങ്ങൾ, നമ്പറുകൾ എന്നിവ പരസ്പരം പരിശോധിക്കുക.
• സ്വതന്ത്രമായി ഒഴുകുന്ന വസ്തുതകൾക്ക് മുകളിൽ നിങ്ങൾ ഒട്ടിച്ച വാചകവുമായി ബന്ധപ്പെട്ട ഉത്തരങ്ങൾ തിരഞ്ഞെടുക്കുക.

കണ്ടുപിടുത്തങ്ങളെ കുറയ്ക്കുന്ന പെട്ടെന്നുള്ള ശീലങ്ങൾ

ഒരു മാന്ത്രിക വാക്യം കൊണ്ട് നിങ്ങൾക്ക് ഭ്രമാത്മകത ഇല്ലാതാക്കാൻ കഴിയില്ല - ക്ഷമിക്കണം - പക്ഷേ നിങ്ങൾക്ക് സ്ഫോടന ദൂരം കുറയ്ക്കാൻ കഴിയും. നല്ല പ്രോംപ്റ്റുകൾ ഗെയിമിനെ നിയന്ത്രിക്കുന്നു. മോശം പ്രോംപ്റ്റുകൾ മെച്ചപ്പെടുത്തലിനെ ക്ഷണിക്കുന്നു.

ഇതുപോലുള്ള ശീലങ്ങൾ പരീക്ഷിച്ചു നോക്കൂ. അവ വരണ്ടതായി തോന്നും. സമർത്ഥമായ തന്ത്രപരമായ നിർദ്ദേശങ്ങളേക്കാൾ അവ പലപ്പോഴും പ്രവർത്തിക്കും.

• അറിവിന്റെ വ്യാപ്തി: "ഞാൻ ഒട്ടിക്കുന്ന കുറിപ്പുകൾ മാത്രം ഉപയോഗിക്കുക. നഷ്ടപ്പെട്ടാൽ, നിങ്ങൾക്കറിയില്ല എന്ന് പറയുക."
• വ്യാജ ഉറവിടങ്ങൾ നിരോധിക്കുക: "അവലംബങ്ങൾ, ഉദ്ധരണികൾ അല്ലെങ്കിൽ URL-കൾ എന്നിവ കണ്ടുപിടിക്കരുത്."
• ഫോഴ്‌സ് അനിശ്ചിതത്വ ലേബലുകൾ: "ഓരോ ബുള്ളറ്റും ടാഗ് ചെയ്യുക: അറിയപ്പെടുന്നത് / അനുമാനിച്ചത് / ഊഹിക്കുക."
• ഇതരമാർഗങ്ങൾ ചോദിക്കുക: "രണ്ട് ഓപ്ഷനുകൾ നൽകുക, ഓരോന്നും എന്തുകൊണ്ട് തെറ്റായിരിക്കാം."
• ഒരു സംശയ നിവാരണത്തിന് അഭ്യർത്ഥിക്കുക: "നിങ്ങൾ നടത്തിയ അനുമാനങ്ങൾ പട്ടികപ്പെടുത്തുക."
• അന്തരീക്ഷത്തേക്കാൾ ഘടനയ്ക്ക് മുൻഗണന നൽകുക: പട്ടികകൾ, ചെക്ക്‌ലിസ്റ്റുകൾ, ക്ലെയിം/തെളിവ് നിരകൾ.

അതിശയകരമെന്നു പറയട്ടെ, " എനിക്കറിയില്ല " എന്ന് പറയുന്നതിൽ തെറ്റൊന്നുമില്ല എന്ന് മോഡലിനോട് പറയുന്നത് ഉറപ്പ് വരുത്താനുള്ള സാമൂഹിക സമ്മർദ്ദം കുറയ്ക്കുന്നു. മോഡലുകൾ അസൈൻമെന്റിനെ പ്രതിഫലിപ്പിക്കുന്നു. അസൈൻമെന്റ് എല്ലാ വിലയിലും പൂർണ്ണതയെ പ്രതിഫലിപ്പിക്കുന്നുവെങ്കിൽ, ഫോർമാറ്റിംഗിനൊപ്പം നിങ്ങൾക്ക് ഫിക്ഷൻ ലഭിക്കും. അസൈൻമെന്റ് വിടവുകളെക്കുറിച്ചുള്ള വ്യക്തമായ സംസാരത്തിന് പ്രതിഫലം നൽകുന്നുവെങ്കിൽ, നിങ്ങൾക്ക് കുറച്ച് തിളക്കമുള്ള നുണകൾ മാത്രമേ ലഭിക്കൂ.

അതെ - തുടർനടപടികൾ പ്രധാനമാണ്. ആദ്യ മറുപടികൾ ഡ്രാഫ്റ്റുകളാണ്. "ആ ഉദ്ധരണി വ്യാജമായി തോന്നുന്നു - നിങ്ങൾക്ക് പരിശോധിക്കാൻ കഴിയാത്ത എന്തും നീക്കം ചെയ്യുക" എന്നത് തികച്ചും സാധാരണമായ ഒരു രണ്ടാമത്തെ സന്ദേശമാണ്. ആദ്യ നാണയത്തിൽ സത്യം പറയുന്ന ഒരു വെൻഡിംഗ് മെഷീൻ പോലെയല്ല, എഡിറ്റിംഗ് പോലെയാണ് ചാറ്റിനെ പരിഗണിക്കുക.

ഗ്രൗണ്ടിംഗ്, തുടർനടപടികൾ, അനിശ്ചിതത്വത്തോടെ ജീവിക്കൽ

ഗ്രൗണ്ടിംഗ് എന്നാൽ മോഡലിന്റെ മെച്ചപ്പെടുത്തലിന് പുറത്തുള്ള ഒന്നുമായി ഉത്തരം ബന്ധിപ്പിക്കുക എന്നാണ്: നിങ്ങൾ ഒട്ടിച്ച നയ രേഖ, നിങ്ങളുടെ സ്പ്രെഡ്ഷീറ്റ്, നിങ്ങളുടെ മീറ്റിംഗ് കുറിപ്പുകൾ, നിങ്ങൾ സ്വയം പരിശോധിക്കുന്ന ഒരു അറിയപ്പെടുന്ന പൊതു പേജ്. ഉത്തരം ആ വേലിക്കുള്ളിൽ തന്നെ തുടരേണ്ടിവരുമ്പോൾ, കണ്ടുപിടുത്തത്തിന് പ്രവർത്തിക്കാൻ ഇടം കുറവാണ്.

തുടർനടപടികളാണ് രണ്ടാമത്തെ വേലി. "ആ നമ്പർ എവിടെ നിന്നാണ് വന്നത്?" "ഏത് ഭാഗമാണ് അനുമാനം?" "പേരിട്ട പഠനങ്ങളൊന്നുമില്ലാതെ മാറ്റിയെഴുതുക." ഓരോ ചോദ്യവും ഒരു ചെറിയ ഓഡിറ്റാണ്. ഈ ഉപകരണങ്ങൾ ഉപയോഗിക്കാനുള്ള മുതിർന്നവരുടെ രീതി അതാണെന്ന് ഞാൻ കരുതുന്നു - ആരാധനയല്ല, പരിഭ്രാന്തിയല്ല, ഓഡിറ്റുകൾ മാത്രം.

നിങ്ങളുടെ പ്രവർത്തന പ്രവാഹത്തിൽ അനിശ്ചിതത്വം ഒരു പ്രശ്നമല്ല. കാലാവസ്ഥയാണ് കാരണം. ചില ദിവസങ്ങളിൽ മോഡൽ നിങ്ങളുടെ സ്വന്തം വാചകത്തിന്റെ സംഗ്രഹം തയ്യാറാക്കുന്നു. ചില ദിവസങ്ങളിൽ ഒരിക്കലും യോഗം ചേരാത്ത ഒരു ഉപസമിതിയെ അവർ കണ്ടുപിടിക്കുന്നു. ഏത് ഔട്ട്‌പുട്ടുകൾക്കാണ് റെയിൻകോട്ട് വേണ്ടതെന്ന് തീരുമാനിക്കുക എന്നതാണ് നിങ്ങളുടെ ജോലി. 

• കൃത്യത പ്രധാനമാകുമ്പോൾ ഉറവിട മെറ്റീരിയൽ ഒട്ടിക്കുക.
• ക്ലെയിം-ലെവൽ കോൺഫിഡൻസ് ടാഗുകൾക്കായി ആവശ്യപ്പെടുക.
• ഗൗരവമേറിയ തീരുമാനങ്ങൾ എടുക്കാൻ ഒരു മനുഷ്യനെ കൂടെ നിർത്തുക
• സൃഷ്ടിപരമായ ജോലികൾക്കായി "സൃഷ്ടിപരമായ സ്വാതന്ത്ര്യം" സംരക്ഷിക്കുക - അനുസരണത്തിനല്ല.

ഒഴുക്കിനിടയിൽ ഭ്രമാത്മകത പിടിപെട്ടാൽ എന്തുചെയ്യണം?

സ്പൈറൽ ആകരുത്. ഉപകരണം നിങ്ങളെ വ്യക്തിപരമായി വഞ്ചിച്ചതുപോലെ എന്നെന്നേക്കുമായി അതിനെ നിഷേധിക്കരുത് - പ്രേരണ മൂർച്ചയുള്ളതായി തോന്നിയേക്കാം. ത്രെഡ് ശരിയാക്കി മുന്നോട്ട് പോകുക.

ഒരു ലളിതമായ വീണ്ടെടുക്കൽ ലൂപ്പ്:

• "ആ ഉറവിടം കെട്ടിച്ചമച്ചതാണെന്ന് തോന്നുന്നു. പിന്തുണയ്ക്കാത്ത അവകാശവാദങ്ങൾ നീക്കം ചെയ്യുക" എന്ന് വിളിച്ചു പറയുക
• റീ-ആങ്കർ ചെയ്യുക: യഥാർത്ഥ പ്രമാണം, ഉദ്ധരണി അല്ലെങ്കിൽ ഡാറ്റ ഒട്ടിക്കുക.
• ചുരുക്കത്തിൽ പുനർനിർമ്മിക്കുക: ശൂന്യമായ പോളിഷ് നിറഞ്ഞ ഒരു പുതിയ ഉപന്യാസത്തിനല്ല, മറിച്ച് തിരുത്തിയ ഒരു ഭാഗം ആവശ്യപ്പെടുക.
• മൂർച്ചയുള്ള അരികുകൾ വീണ്ടും പരിശോധിക്കുക: പേരുകൾ, അക്കങ്ങൾ, പ്രക്രിയ ഘട്ടങ്ങൾ.
• വിശ്വാസ നിലവാരം തീരുമാനിക്കുക: ബ്രെയിൻസ്റ്റോമിംഗ് പാർട്ണർ vs ഡ്രാഫ്റ്റ് അസിസ്റ്റന്റ് vs "ഈ വിഷയത്തിന് വേണ്ടിയല്ല."

നിയന്ത്രണങ്ങൾ കർശനമാക്കിയാൽ, ഒരു ഭ്രമാത്മകത പിടികൂടുന്നത് സംഭാഷണത്തിന്റെ ബാക്കി ഭാഗം മെച്ചപ്പെടുത്തും. മോഡലിന് "കുറ്റബോധം തോന്നുന്നില്ല", പക്ഷേ നിങ്ങളുടെ വ്യക്തമായ നിർദ്ദേശങ്ങൾ അത് എന്തിനുവേണ്ടിയാണ് ഒപ്റ്റിമൈസ് ചെയ്യുന്നതെന്ന് മാറ്റുന്നു. നിങ്ങൾ നയിക്കുകയാണ്. കണ്ടുപിടുത്തം പ്രകടമാകുമ്പോൾ കൂടുതൽ കഠിനമായി പ്രവർത്തിക്കുക. 

ഇത് നിശബ്ദമായി പ്രാധാന്യമുള്ള ദൈനംദിന സാഹചര്യങ്ങൾ

ജോലി ഇമെയിലുകൾ: കണ്ടുപിടിച്ച "ഇൻഡസ്ട്രി സ്റ്റാൻഡേർഡ് ടൈംലൈൻ" നിങ്ങൾക്ക് നിറവേറ്റാൻ കഴിയാത്ത പ്രതീക്ഷകൾ സജ്ജമാക്കും. സ്കൂളും പഠനവും: നിങ്ങൾ ശ്രദ്ധിക്കുന്നതിനുമുമ്പ് ഒരു വ്യാജ വിശദീകരണം നിങ്ങളുടെ തലയിൽ കയറിക്കൂടും. ഉപഭോക്തൃ പിന്തുണാ ഡ്രാഫ്റ്റുകൾ: ഒരു കെട്ടിച്ചമച്ച റീഫണ്ട് നിയമം ഒരു വാഗ്ദാനമായി മാറുന്നു. സൃഷ്ടിപരമായ എഴുത്ത്: കണ്ടുപിടിക്കുക - അതാണ് കളിസ്ഥലം.

തെറ്റായ വാക്കുകൾക്ക് പണമോ, വിശ്വാസമോ, ഗ്രേഡുകളോ, സുരക്ഷയോ നഷ്ടമാകുന്നുണ്ടെങ്കിൽ, സ്ഥിരീകരണം ഒരു ഓപ്ഷണൽ ജോലിയല്ല. തെറ്റായ വാക്കുകൾക്ക് ഒരു തോളിൽ ചവിട്ടൽ മാത്രമേ നഷ്ടമാകുന്നുള്ളൂവെങ്കിൽ, വിശ്രമിക്കുക. പരിണതഫലങ്ങളുമായി ജാഗ്രത പാലിക്കുക എന്നതാണ് ഇവിടെ മുതിർന്നവരുടെ കഴിവ് - "ഭ്രമാത്മകത" എന്ന വാക്ക് മനഃപാഠമാക്കുന്നതിനേക്കാൾ കൂടുതൽ

കൂടാതെ: ടീമുകൾ "സ്പെൽചെക്ക് പാസായി" എന്നത് സാധാരണവൽക്കരിക്കുന്ന രീതിയിൽ "ഞാൻ ഈ അവകാശവാദം സ്ഥിരീകരിച്ചു" എന്നത് സാധാരണവൽക്കരിക്കണം. അല്ലെങ്കിൽ ഒരു മിനുസപ്പെടുത്തിയ ഖണ്ഡിക ഒറ്റരാത്രികൊണ്ട് ഗോത്ര അറിവായി മാറുന്നു. അയ്യോ.

പ്രധാന കാര്യങ്ങൾ

അപ്പോൾ - Why AI Sometimes Makes Things Up എന്നതിന്റെ അർത്ഥം ഇതാണ്: ഈ സംവിധാനങ്ങൾ വിശ്വസനീയമായ ഭാഷ പ്രവചിക്കുന്നു, പാറ്റേൺ-മാച്ചിംഗ് ഉപയോഗിച്ച് വിടവുകൾ നികത്തുന്നു, കൂടാതെ അത് ചെയ്യുമ്പോൾ പലപ്പോഴും ഉറപ്പുള്ളതായി തോന്നുന്നു. ആ കോമ്പിനേഷൻ ആത്മവിശ്വാസത്തോടെയുള്ള തെറ്റായ ഉത്തരങ്ങൾ, കെട്ടിച്ചമച്ച ഉദ്ധരണികൾ, ഒരിക്കലും സംഭവിക്കാത്ത വൃത്തിയുള്ള വിശദാംശങ്ങൾ എന്നിവ സൃഷ്ടിക്കുന്നു.

ഉപകരണത്തെ ഭയപ്പെടേണ്ടതില്ല. നിങ്ങൾക്ക് ശീലങ്ങൾ ആവശ്യമാണ്. കഠിനമായ അവകാശവാദങ്ങൾ കൃത്യമായി പരിശോധിക്കുക. കണ്ടുപിടിച്ച ഉറവിടങ്ങൾ നിരോധിക്കുക. മൂർത്തമായ സന്ദർഭം ഒട്ടിക്കുക. അനിശ്ചിതത്വം ആവശ്യപ്പെടുക. ഓഡിറ്റുകളായി ഫോളോ-അപ്പുകൾ ഉപയോഗിക്കുക. കുറഞ്ഞ ഓഹരികളുള്ള സൃഷ്ടിപരമായ പ്രവർത്തനങ്ങൾക്കായി ഫ്രീ-വീലിംഗ് ജനറേഷൻ സംരക്ഷിക്കുക.

ഒഴുക്ക് എന്നത് ഒരു കഥാപാത്രത്തിന്റെ റഫറൻസല്ല. വളരെ വേഗത്തിൽ ടൈപ്പ് ചെയ്യുന്ന, ചിലപ്പോൾ ഒരിക്കലും നടക്കാത്ത ഒരു മീറ്റിംഗ് കണ്ടുപിടിക്കുന്ന, മേൽനോട്ടത്തിൽ മികവ് പുലർത്താൻ കഴിയുന്ന ഒരു കഴിവുള്ള ഇന്റേണിനെപ്പോലെ പെരുമാറുക. മേൽനോട്ടം നിലനിർത്തുക. ബുദ്ധി നിലനിർത്തുക. സംശയത്തെ ലഘുവായി നിലനിർത്തുക, പക്ഷേ അടിസ്ഥാനപരമായി നിലനിർത്തുക. അങ്ങനെയാണ് ഫിക്ഷനെ വസ്തുതയായി അവതരിപ്പിക്കാതെ നിങ്ങൾക്ക് നേട്ടങ്ങൾ ലഭിക്കുന്നത്.

പ്രായോഗിക ഉദാഹരണം: ഒരു മത്സരാർത്ഥി ഗവേഷണ ലഘുലേഖയിൽ കണ്ടുപിടിച്ച ഉദ്ധരണികൾ കണ്ടെത്തൽ

മിനുക്കിയ ഒരു ഖണ്ഡിക ഒരു ക്ലയന്റ് ഡെക്കിൽ എത്താൻ പോകുന്ന വരെ ഭ്രമാത്മകത അമൂർത്തമായി തോന്നുന്നു. ചാറ്റ്ബോട്ട് ഉപേക്ഷിക്കാതെ, ഗവേഷണത്തിന്റെ വേഷം ധരിച്ച ഫിക്ഷൻ വിതരണം ചെയ്യുന്നത് നിർത്താൻ ഒരു യുകെ മാർക്കറ്റിംഗ് അനലിസ്റ്റ് ഈ ഗൈഡിലെ ശീലങ്ങൾ ഉപയോഗിച്ചതെങ്ങനെയെന്ന് ഇതാ.

രംഗം

ഒരു സെയിൽസ് കിക്കോഫിനായി ഒരു പേജ് മത്സരാർത്ഥിയുടെ ബ്രീഫ് ഡ്രാഫ്റ്റ് ചെയ്യാൻ സാമിന് രണ്ട് മണിക്കൂർ സമയമുണ്ട്. ചോദ്യം പരിചിതമാണ്: ശക്തികൾ, വിലനിർണ്ണയ സിഗ്നലുകൾ, "കുറച്ച് വിശ്വസനീയമായ ഉറവിടങ്ങൾ." പഴയ ശീലത്തിൽ, സാം "ഉറവിടങ്ങളുമായി മത്സരാർത്ഥി X സംഗ്രഹിക്കുക" എന്ന് ടൈപ്പ് ചെയ്തു, മൂന്ന് അക്കാദമിക് രൂപത്തിലുള്ള സൈറ്റേഷനുകളും കൃത്യമായ മാർക്കറ്റ്-ഷെയർ ശതമാനവും ഉള്ള ഒരു വൃത്തിയുള്ള ബ്രീഫ് ലഭിച്ചു. അത് ബ്രീഫ് ചെയ്തതായി തോന്നി. ഇത് മിക്കവാറും കണ്ടുപിടിച്ചതാണ്. ഒരു ശീർഷകം കണ്ടെത്താനായില്ല. മത്സരാർത്ഥിയുടെ സൈറ്റിൽ എവിടെയും ഷെയർ ഫിഗർ പ്രത്യക്ഷപ്പെട്ടില്ല.

സാമിന് മികച്ച ശബ്‌ദമുള്ള ഒരു മാതൃക ആവശ്യമില്ല. സാമിന് അടിസ്ഥാനപരമായ ഒരു വർക്ക്‌ഫ്ലോ ആവശ്യമാണ്: ഉറവിട കുറിപ്പുകൾ ഒട്ടിക്കുക, വ്യാജ ഉറവിടങ്ങൾ നിരോധിക്കുക, അനിശ്ചിതത്വ ലേബലുകൾ നിർബന്ധിക്കുക, ആദ്യം ഏറ്റവും മൂർച്ചയുള്ള അവകാശവാദം പരിശോധിക്കുക, തുടർന്ന് തകർന്ന ഭാഗം മാത്രം പുനർനിർമ്മിക്കുക.

ടീമിന് വിശ്വസിക്കാൻ കഴിയുന്ന ഒരു ലഘുലേഖയാണ് ലക്ഷ്യം - ഓർമ്മയിൽ നിന്ന് എടുക്കുന്ന ഒരു രസീത് പോലെ തോന്നിക്കുന്ന ഒരു രസീത് അല്ല.

അസിസ്റ്റന്റിന് എന്താണ് വേണ്ടത്

• സാമിന്റെ കൈവശം ഇതിനകം തന്നെ ഉറവിട മെറ്റീരിയൽ ഉണ്ട്: ഹോംപേജ് പകർപ്പ്, വിലനിർണ്ണയ പേജ് വാചകം, രണ്ട് സമീപകാല പിന്തുണ ടിക്കറ്റുകൾ, നഷ്ടപ്പെട്ട ഇടപാടിൽ നിന്നുള്ള കുറിപ്പുകൾ
• ഒരു കർക്കശമായ നിയമം: വസ്തുതാപരമായ അവകാശവാദങ്ങൾക്ക് ഒട്ടിച്ച വാചകം മാത്രം ഉപയോഗിക്കുക; കുറിപ്പുകൾ നിശബ്ദമാകുമ്പോൾ "എനിക്കറിയില്ല" എന്ന് പറയുക
• കണ്ടുപിടിച്ച സൈറ്റേഷനുകൾ, ഉദ്ധരണികൾ, URL-കൾ, സ്ഥിതിവിവരക്കണക്കുകൾ എന്നിവയ്ക്ക് നിരോധനം
• അറിയപ്പെടുന്ന / അനുമാനിച്ച / ഊഹിച്ചതിനെ വേർതിരിക്കുന്ന ഒരു ഔട്ട്‌പുട്ട് ആകൃതി
• ഡെക്ക് പങ്കിടുന്നതിന് മുമ്പ് പേരുകൾ, അക്കങ്ങൾ, ഏതെങ്കിലും "ഉറവിട" ശീർഷകങ്ങൾ എന്നിവ ഒരു മനുഷ്യ പരിശോധനയ്ക്ക് സമയമായി
• വിടവുകൾ നികത്തുന്നതിന് പകരം മൂന്ന് വ്യക്തതയുള്ള ചോദ്യങ്ങൾ വരെ ചോദിക്കാനുള്ള അനുമതി

ഉദാഹരണ നിർദ്ദേശം

സന്ദേശം 1 - അടിസ്ഥാന സംക്ഷിപ്തം: താഴെ ഞാൻ ഒട്ടിച്ച കുറിപ്പുകൾ മാത്രം ഉപയോഗിച്ച്, വിൽപ്പനയ്ക്കായി ഒരു പേജ് മത്സരാർത്ഥി സംക്ഷിപ്തം തയ്യാറാക്കുക. വിഭാഗങ്ങൾ: അവർ എന്താണ് അവകാശപ്പെടുന്നത് / ഉപഭോക്താക്കൾ എന്താണ് പരാതിപ്പെടുന്നത് / വിലനിർണ്ണയ സിഗ്നലുകൾ / തുറന്ന ചോദ്യങ്ങൾ. ഉദ്ധരണികളോ ഉദ്ധരണികളോ URL-കളോ സ്ഥിതിവിവരക്കണക്കുകളോ കണ്ടുപിടിക്കരുത്. കുറിപ്പുകളിൽ ഒരു വസ്തുത ഇല്ലെങ്കിൽ, "അജ്ഞാതം" എന്ന് എഴുതി തുറന്ന ചോദ്യങ്ങൾക്ക് കീഴിൽ പട്ടികപ്പെടുത്തുക. ഓരോ ബുള്ളറ്റും ടാഗ് ചെയ്യുക: അറിയപ്പെടുന്നത് / അനുമാനിച്ചത് / ഊഹിക്കുക. യുകെ ഇംഗ്ലീഷ്. ആമുഖമില്ല.

സന്ദേശം 2 - സംശയ നിവാരണ പാസ്: നിങ്ങൾ നടത്തിയ എല്ലാ അനുമാനങ്ങളും പട്ടികപ്പെടുത്തുക. ഒട്ടിച്ചിരിക്കുന്ന ഒരു വാക്യം പിന്തുണയ്ക്കുന്നില്ലെങ്കിൽ, ഊഹം എന്ന് ടാഗ് ചെയ്‌തിരിക്കുന്ന എന്തും നീക്കം ചെയ്യുക. നിങ്ങൾ മുമ്പ് ഒരു ഉറവിടം കണ്ടുപിടിച്ചിട്ടുണ്ടെങ്കിൽ, അത് ഇല്ലാതാക്കി അങ്ങനെ പറയുക.

സന്ദേശം 3 - ചുരുക്കത്തിൽ പുനർനിർമ്മിക്കുക: ആ മാർക്കറ്റ്-ഷെയർ ലൈൻ പിന്തുണയ്ക്കുന്നില്ല. എന്റെ കുറിപ്പുകളിൽ പ്രത്യക്ഷപ്പെടുന്നില്ലെങ്കിൽ, വിലനിർണ്ണയ സിഗ്നലുകൾ വിഭാഗം മാത്രം നമ്പറുകളില്ലാതെ മാറ്റിയെഴുതുക. മറ്റ് വിഭാഗങ്ങൾ സൂക്ഷിക്കുക.

എങ്ങനെ പരീക്ഷിക്കാം

• ഒരു സ്വതന്ത്ര ചോദ്യം ("മത്സരാർത്ഥി X-നെ മൂന്ന് പിയർ-റിവ്യൂ ചെയ്ത ഉറവിടങ്ങൾ ഉപയോഗിച്ച് സംഗ്രഹിക്കുക") പ്രവർത്തിപ്പിക്കുക, കൂടാതെ മുകളിലുള്ള അടിസ്ഥാനപരമായ ചുരുക്കവിവരണവും നൽകുക. കണ്ടുപിടിച്ച ശീർഷകങ്ങളും വ്യാജ സ്ഥിതിവിവരക്കണക്കുകളും താരതമ്യം ചെയ്യുക.
• ആദ്യം ഏറ്റവും അപകടകരമായ ക്ലെയിം ഏതാണെന്ന് കണ്ടെത്തുക (ഒരു നമ്പർ അല്ലെങ്കിൽ പേരുള്ള പഠനം), മുഴുവൻ പേജും അല്ല.
• ചോദിക്കുക: "എന്തിനെക്കുറിച്ചാണ് നിങ്ങൾക്ക് ഏറ്റവും ഉറപ്പില്ലാത്തത്?" ശക്തമായ ഉത്തരം വിടവുകൾ സൃഷ്ടിക്കുന്നു; വിറയ്ക്കുന്ന ഉത്തരം ഇരട്ടിയാക്കുന്നു.
• എഡ്ജ് കേസ്: ഒട്ടിച്ച കുറിപ്പുകളിൽ നിന്ന് വിലനിർണ്ണയം നീക്കം ചെയ്ത്, ഒരു പ്ലാൻ വില കണ്ടുപിടിക്കുന്നതിനുപകരം അജ്ഞാതമെന്ന് പറയുന്ന ഡ്രാഫ്റ്റ് സ്ഥിരീകരിക്കുക.
• പങ്കിടുന്നതിന് മുമ്പുള്ള സ്വീകാര്യതാ പരിശോധനകൾ: (1) എല്ലാ "അറിയപ്പെടുന്ന" ബുള്ളറ്റുകളും ഒട്ടിച്ച വരിയിലേക്ക് മാപ്പ് ചെയ്യുന്നു, (2) പൂജ്യം കെട്ടിച്ചമച്ച ഉദ്ധരണികൾ, (3) തുറന്ന ചോദ്യങ്ങൾ യഥാർത്ഥ വിടവുകൾ പട്ടികപ്പെടുത്തുന്നു, (4) ശേഷിക്കുന്ന ഏതെങ്കിലും തലക്കെട്ട് നിങ്ങൾ സ്വയം തിരഞ്ഞു, (5) പിന്നിൽ ഒരു കുറിപ്പില്ലാതെ കൃത്യമായ സ്ഥിതിവിവരക്കണക്കുകൾ ഇല്ല.

ഫലമായി

ചിത്രീകരണ ഫലം (പ്രസിദ്ധീകരിച്ച പഠനമല്ല, ഒരു വിശകലന വിദഗ്ദ്ധന്റെ മത്സരാർത്ഥിയുടെ സംക്ഷിപ്ത വർക്ക്ഫ്ലോയുടെ ഉദാഹരണ എസ്റ്റിമേറ്റ്): 8 ബ്രീഫിംഗ് ടാസ്‌ക്കുകളിൽ, "നോട്ട്സ് ഓപ്പൺ" മുതൽ "ഡ്രാഫ്റ്റ് റെഡി ഫോർ ഹ്യൂമൻ ഫാക്റ്റ്-ചെക്ക്" വരെയുള്ള വാൾ-ക്ലോക്ക് സമയം ഏകദേശം 12 മിനിറ്റ് (വൺ-ഷോട്ട് പോളിഷ് ചെയ്ത ഫിക്ഷൻ) എന്ന ശരാശരിയിൽ നിന്ന് ഏകദേശം 15 മിനിറ്റായി ചെറുതായി ഉയർന്നു - എന്നാൽ ക്ലീനപ്പും നാണക്കേടും ഉണ്ടാകാനുള്ള സാധ്യത കുറഞ്ഞു. ക്ലെയിമുകൾ മുൻകൂട്ടി ടാഗ് ചെയ്‌ത് കണ്ടുപിടിച്ച ഉറവിടങ്ങൾ നിരോധിച്ചപ്പോൾ ഹാർഡ് ക്ലെയിമുകളുടെ മനുഷ്യ പരിശോധന ഏകദേശം 18 മിനിറ്റ് (വ്യാജ ശീർഷകങ്ങൾ പിന്തുടരുകയും വീണ്ടും എഴുതുകയും ചെയ്യൽ) എന്ന ശരാശരിയിൽ നിന്ന് ഏകദേശം 6 മിനിറ്റായി കുറഞ്ഞു, അതിനാൽ മൊത്തം സമയം ഒരു ബ്രീഫിന് ഏകദേശം 9 മിനിറ്റ് അല്ലെങ്കിൽ സെറ്റിലുടനീളം ഏകദേശം 72 മിനിറ്റ് കുറഞ്ഞു. ഒരു സ്വീകാര്യത ചെക്ക്‌ലിസ്റ്റിൽ (കണ്ടുപിടിച്ച അവലംബങ്ങളൊന്നുമില്ല, പിന്തുണയ്ക്കാത്ത സ്ഥിതിവിവരക്കണക്കുകളില്ല, അറിയപ്പെടുന്ന/അനുമാനിച്ച/ഊഹിച്ച ടാഗുകൾ നിലവിലുണ്ട്, വിടവുകൾ പേരിടുന്ന തുറന്ന ചോദ്യങ്ങൾ), 8 ഗ്രൗണ്ടഡ് ഡ്രാഫ്റ്റുകളിൽ 7 എണ്ണം ആദ്യ അവലോകനത്തിൽ പാസായി, 8 വൺ-ഷോട്ട് ഡ്രാഫ്റ്റുകളിൽ 2 എണ്ണം. പരിമിതികൾ: ചെറിയ സാമ്പിൾ, ഒരു വിശകലന വിദഗ്ദ്ധൻ, ഒരു സംക്ഷിപ്ത തരം; വ്യക്തമായ പൊതു വിലനിർണ്ണയമുള്ള എളുപ്പമുള്ള മത്സരാർത്ഥികൾ വിടവ് കുറയ്ക്കുന്നു; "പരിശോധനാ സമയം" എന്നതിൽ സംശയാസ്പദമായ ശീർഷകങ്ങൾക്കായുള്ള വെബ് തിരയലുകൾ ഉൾപ്പെടുന്നു.

നിങ്ങളുടെ സ്വന്തം പതിപ്പ് അളക്കാൻ: നിങ്ങളുടെ നിലവിലുള്ള ശീലം ഉൾക്കൊള്ളുന്ന 5 ബ്രീഫുകളും ഒട്ടിച്ച ഉറവിടങ്ങൾ + നിരോധിച്ച കണ്ടുപിടിച്ച സൈറ്റേഷനുകൾ + ക്ലെയിം ടാഗുകൾ എന്നിവയുള്ള 5 ബ്രീഫുകളും പ്രവർത്തിപ്പിക്കുക; ഡിനോമിനേറ്റർ കാണിച്ചിരിക്കുന്നതിനൊപ്പം മീഡിയൻ ഡ്രാഫ്റ്റ് സമയം, മീഡിയൻ വെരിഫിക്കേഷൻ സമയം, ചെക്ക്‌ലിസ്റ്റ് പാസ് നിരക്ക് എന്നിവ രേഖപ്പെടുത്തുക.

എന്ത് തെറ്റ് സംഭവിക്കാം?

• ഒഴുക്കുള്ള ഭാഷ: മികച്ച വ്യാകരണവും വൃത്തിയുള്ള ഭാഷയും നിങ്ങളെ സ്‌പോട്ട്-ചെക്ക് ഒഴിവാക്കാൻ സഹായിക്കുന്നു.
• സൈറ്റേഷൻ കോസ്‌പ്ലേ: ഒട്ടിച്ച മെറ്റീരിയൽ ഇല്ലാതെ "ഉറവിടങ്ങൾ" ചോദിക്കുന്നത് പൊരുത്തപ്പെടുന്ന രേഖയില്ലാതെ സ്കോളർഷിപ്പിന്റെ രൂപത്തെ ക്ഷണിക്കുന്നു.
• പൂർണ്ണമായ ലിസ്റ്റുകൾ: നിങ്ങളുടെ കുറിപ്പുകളിൽ മൂന്നെണ്ണം മാത്രമേ ഉള്ളൂവെങ്കിൽ "എനിക്ക് പത്ത് പഠനങ്ങൾ തരൂ" എന്ന റിവാർഡ് ഫില്ലർ.
• മുഴുവൻ ഉപന്യാസവും പുനർനിർമ്മിക്കുന്നു: ഒരു വ്യാജ വരിക്ക് ശേഷം, ആ ഭാഗം ഇടുങ്ങിയ രീതിയിൽ മാറ്റിയെഴുതാൻ ആവശ്യപ്പെടുക - പുതിയൊരു മിനുക്കുപണിയല്ല.
• ഉയർന്ന പ്രാധാന്യമുള്ള വിഷയങ്ങൾ: ആരോഗ്യം, നിയമം, ധനകാര്യം, അനുസരണം എന്നിവയ്ക്ക് ഒരു വിൽപ്പന സംഭാഷണ ലഘുലേഖയേക്കാൾ ശക്തമായ മാനുഷിക കവാടങ്ങൾ ആവശ്യമാണ്.
• മനുഷ്യ ലൂപ്പില്ല: ടാഗ് ചെയ്‌ത ഒരു ഡ്രാഫ്റ്റിന് ഒട്ടിച്ച വാചകം ഇപ്പോഴും തെറ്റായി വായിക്കാൻ കഴിയും. പങ്കിടൽ ബട്ടൺ ഇപ്പോഴും സാമിന്റെ കൈവശമാണ്.

പ്രായോഗിക ഉപദേശം

വിശ്വസനീയമായ ഭാഷയെ വിടവുകളിലേക്ക് പ്രവചിക്കുന്നതിനാലാണ് AI കാര്യങ്ങൾ കെട്ടിച്ചമയ്ക്കുന്നത് - അത് നിങ്ങളെ കബളിപ്പിക്കാൻ ആഗ്രഹിക്കുന്നതുകൊണ്ടല്ല. ഒഴുക്കിനെ തെളിവായിട്ടല്ല, സ്റ്റൈലായി കണക്കാക്കുക. വേലി ഒട്ടിക്കുക, വ്യാജ ഉറവിടങ്ങൾ നിരോധിക്കുക, അനിശ്ചിതത്വം ലേബൽ ചെയ്യുക, ഏറ്റവും മൂർച്ചയുള്ള അവകാശവാദം പരിശോധിക്കുക, എന്തെങ്കിലും തെറ്റുകൾ സംഭവിക്കുമ്പോൾ ത്രെഡ് ശരിയാക്കുക. ഒരിക്കലും സംഭവിക്കാത്ത ആത്മവിശ്വാസമുള്ള ഒരു കഥ നൽകാതെ നിങ്ങൾ ഒരു ഫാസ്റ്റ് ഡ്രാഫ്റ്റിംഗ് പങ്കാളിയുടെ നേട്ടം നിലനിർത്തുന്നത് അങ്ങനെയാണ്.

പതിവുചോദ്യങ്ങൾ

എന്തുകൊണ്ടാണ് AI ചിലപ്പോൾ കാര്യങ്ങൾ കെട്ടിച്ചമയ്ക്കുന്നത്?

മിക്ക ചാറ്റ് മോഡലുകളും പാറ്റേൺ മെഷീനുകളാണ്: അവ സൃഷ്ടിക്കുന്നത് ഒരു നല്ല ഉത്തരത്തിന്റെ ആകൃതിക്ക് അനുയോജ്യമായ ഒരു മറുപടിയാണ്, സത്യം എന്ന് ലേബൽ ചെയ്‌തിരിക്കുന്ന പരിശോധിച്ച ഫയലിംഗ് കാബിനറ്റിനല്ല. സ്ഥിതിവിവരക്കണക്കനുസരിച്ച് ശരിയെന്ന് തോന്നുന്ന എന്തും കൊണ്ട് വിടവുകൾ നിറയും - അക്കാദമിക് ആയി തോന്നുന്ന ഒരു ഉദ്ധരണി, ഒരു വൃത്തിയുള്ള സംഖ്യ, അല്ലെങ്കിൽ യുഗത്തിന് അനുയോജ്യമായ ഒരു വിശദാംശങ്ങൾ. ഒഴുക്കുള്ള വാചകമാണ് തലമുറയുടെ ലക്ഷ്യം, അതിനാൽ "ശരിയായി തോന്നുന്നത്" എന്നത് "ശരിയാണ്" എന്നതിനെ മറികടക്കും. അതുകൊണ്ടാണ് കണ്ടുപിടിച്ച ഉത്തരങ്ങൾ പലപ്പോഴും തികഞ്ഞ വ്യാകരണവും വൃത്തിയുള്ള ബുള്ളറ്റുകളും ഉപയോഗിച്ച് എത്തുന്നത്.

AI ആത്മവിശ്വാസം കൃത്യതയ്ക്ക് തുല്യമാണോ?

ഇല്ല. ആത്മവിശ്വാസവും കൃത്യതയും വ്യത്യസ്ത ഡയലുകളാണ് - ഒന്ന് ഉയർന്ന നിലയിൽ ഇരിക്കുമ്പോൾ മറ്റൊന്ന് പൂജ്യത്തോടടുത്ത് നിൽക്കാം. എല്ലാ അവകാശവാദങ്ങളും അടിസ്ഥാനപ്പെടുത്തിയതുകൊണ്ടല്ല, പരിശീലനം സഹായകരമായ പോളിഷ് പ്രതിഫലം നൽകുന്നതിനാൽ സ്ഥിരസ്ഥിതി ഔട്ട്‌പുട്ടുകൾ പലപ്പോഴും ആത്മവിശ്വാസമുള്ള ഒരു ബ്രീഫിംഗ് പോലെയാണ് വായിക്കപ്പെടുന്നത്. ഉറച്ച പദപ്രയോഗത്തെ തെളിവായിട്ടല്ല, മറിച്ച് ഒരു സ്റ്റൈലായി കണക്കാക്കുക. ഒരു മറുപടിക്ക് പരിശോധിക്കാവുന്ന ഉറവിടങ്ങളില്ല, അനിശ്ചിതത്വമില്ല, കൂടാതെ ധാരാളം നിർദ്ദിഷ്ട പേരുകളോ നമ്പറുകളോ ഉണ്ടെങ്കിൽ, വേഗത കുറയ്ക്കുക.

എന്തുകൊണ്ടാണ് ചാറ്റ്ബോട്ടുകൾ സൈറ്റേഷനുകളും വ്യാജ ഉറവിടങ്ങളും കണ്ടുപിടിക്കുന്നത്?

പരിശീലന വാചകത്തിൽ ഉദ്ധരണിയുടെ ആകൃതി സാധാരണമാണ്, അതിനാൽ "ഉറവിടങ്ങൾ" ആവശ്യപ്പെടുന്നത് യഥാർത്ഥ റെക്കോർഡ് വീണ്ടെടുക്കാതെ തന്നെ സ്കോളർഷിപ്പിന്റെ രൂപത്തിലേക്ക് നയിച്ചേക്കാം - മെമ്മറിയിൽ നിന്ന് ഒരു രസീത് എടുക്കുന്നത് പോലെ. വ്യാജ പേപ്പർ ശീർഷകങ്ങൾ, ജേണൽ പേരുകൾ, URL-കൾ, ആട്രിബ്യൂട്ട് ചെയ്ത ഉദ്ധരണികൾ എന്നിവ പലപ്പോഴും സ്കിമ്മർമാരെ കബളിപ്പിക്കാൻ പര്യാപ്തമായി പ്രൊഫഷണലായി കാണപ്പെടുന്നു. നിങ്ങൾക്ക് സ്വയം തിരയാൻ കഴിയുന്ന ശീർഷകങ്ങൾ ആവശ്യപ്പെടുക; ഒരു ഉറവിടം വേഗത്തിൽ കണ്ടെത്താൻ കഴിയുന്നില്ലെങ്കിൽ, ക്ലെയിമിനെ പിന്തുണയ്ക്കാത്തതായി കണക്കാക്കുക.

AI കണ്ടുപിടുത്തത്തിന്റെ അപകടസാധ്യത ഏറ്റവും കൂടുതലായിരിക്കുന്നത് എപ്പോഴാണ്?

പ്രത്യേക വിഷയങ്ങൾ, സമീപകാല അനുഭവങ്ങൾ, അല്ലെങ്കിൽ വളരെ നിർദ്ദിഷ്ട വിഷയങ്ങൾ എന്നിവയ്ക്കായി അപകടസാധ്യത ഉയരുന്നു, കൂടാതെ കൃത്യമായ സംഖ്യകൾ, പേരുള്ള രേഖകൾ, സ്വകാര്യ ഇന്റേണലുകൾ, അല്ലെങ്കിൽ പിയർ-റിവ്യൂ ചെയ്ത പഠനങ്ങളുടെ നീണ്ട പട്ടികകൾ എന്നിവയ്ക്കായി നിങ്ങൾ ശ്രമിക്കുമ്പോൾ അപകടസാധ്യത വർദ്ധിക്കുന്നു. ഉയർന്ന അപകടസാധ്യതയുള്ള മേഖലകളിൽ ആരോഗ്യം, നിയമം, ധനകാര്യം, അനുസരണം, സുരക്ഷ, പേരുള്ള ആളുകൾ, കൃത്യമായ സ്ഥിതിവിവരക്കണക്കുകൾ എന്നിവ ഉൾപ്പെടുന്നു. ബ്രെയിൻസ്റ്റോമിംഗ്, ഔട്ട്‌ലൈനിംഗ്, നിങ്ങളുടെ സ്വന്തം ഡ്രാഫ്റ്റ് വീണ്ടും എഴുതൽ, ടോൺ എഡിറ്റുകൾ എന്നിവ സാധാരണയായി അപകടസാധ്യത കുറവാണ്. നീണ്ട ശ്രദ്ധേയമായ ഉത്തരങ്ങൾ അവയേക്കാൾ സുരക്ഷിതമാണെന്ന് തോന്നാം.

ഓരോ വാക്കും പരിശോധിക്കാതെ എനിക്ക് എങ്ങനെ കണ്ടുപിടിച്ച AI ഉത്തരങ്ങൾ കണ്ടെത്താനാകും?

ആദ്യം ഏറ്റവും മൂർച്ചയുള്ള ഭാഗം പരിശോധിക്കുക - നമ്പർ, പേര്, നയം അല്ലെങ്കിൽ ഉദ്ധരണി. അത് പരാജയപ്പെട്ടാൽ, ബാക്കിയുള്ളത് പ്രൊബേഷനിൽ വയ്ക്കുക. ആന്തരിക വൈരുദ്ധ്യങ്ങളും മുന്നറിയിപ്പുകളോ വിട്ടുവീഴ്ചകളോ ഇല്ലാതെ "വളരെ മികച്ച" പാക്കേജിംഗും ശ്രദ്ധിക്കുക. മോഡലിന് ഏറ്റവും ഉറപ്പില്ലാത്തത് എന്തിനെക്കുറിച്ചാണെന്ന് ചോദിക്കുക, ചാറ്റിന് പുറത്തുള്ള പേരുകളും ശീർഷകങ്ങളും പരസ്പരം പരിശോധിക്കുക, സ്വതന്ത്രമായി ഒഴുകുന്ന വസ്തുതകൾക്ക് മുകളിൽ നിങ്ങൾ ഒട്ടിച്ച വാചകവുമായി ബന്ധിപ്പിച്ച ഉത്തരങ്ങൾ തിരഞ്ഞെടുക്കുക.

ഏതൊക്കെ പെട്ടെന്നുള്ള ശീലങ്ങളാണ് AI ഭ്രമാത്മകത കുറയ്ക്കുന്നത്?

ഒരു മാന്ത്രിക വാക്യം കൊണ്ട് നിങ്ങൾക്ക് ഭ്രമാത്മകത ഇല്ലാതാക്കാൻ കഴിയില്ല, പക്ഷേ നിങ്ങൾക്ക് സ്ഫോടന ദൂരം ചുരുക്കാൻ കഴിയും. ഒട്ടിച്ച കുറിപ്പുകളിലേക്ക് അറിവ് വ്യാപിപ്പിക്കുകയും എന്തെങ്കിലും നഷ്ടപ്പെട്ടാൽ "എനിക്കറിയില്ല" എന്ന് പറയുകയും ചെയ്യുക. കണ്ടുപിടിച്ച അവലംബങ്ങൾ, ഉദ്ധരണികൾ, URL-കൾ എന്നിവ നിരോധിക്കുക. അറിയപ്പെടുന്ന / അനുമാനിച്ച / ഊഹിച്ച പോലുള്ള ടാഗുകൾ നിർബന്ധിക്കുക, അനുമാനങ്ങൾ ചോദിക്കുക, ക്ലെയിം/തെളിവ് ഘടന തിരഞ്ഞെടുക്കുക. "എനിക്കറിയില്ല" എന്ന് പറയുന്നത് ശരിയാണെന്ന് മോഡലിനോട് പറയുന്നത് തെറ്റായ ഉറപ്പ് നടത്താനുള്ള സമ്മർദ്ദം കുറയ്ക്കുന്നു.

വസ്തുതാപരമായ ജോലികൾക്കായി AI ഉപയോഗിക്കുമ്പോൾ ഗ്രൗണ്ടിംഗ് എന്താണ് അർത്ഥമാക്കുന്നത്?

ഗ്രൗണ്ടിംഗ് ഉത്തരത്തെ മോഡലിന്റെ മെച്ചപ്പെടുത്തലിന് പുറത്തുള്ള ഒന്നുമായി ബന്ധിപ്പിക്കുന്നു - നിങ്ങളുടെ നയ രേഖ, സ്പ്രെഡ്‌ഷീറ്റ്, മീറ്റിംഗ് കുറിപ്പുകൾ, അല്ലെങ്കിൽ നിങ്ങൾ സ്വയം പരിശോധിക്കുന്ന ഒരു പൊതു പേജ്. മറുപടികൾ ആ വേലിക്കുള്ളിൽ തന്നെ തുടരേണ്ടിവരുമ്പോൾ, കണ്ടുപിടുത്തത്തിന് ഇടം കുറവാണ്. ഫോളോ-അപ്പുകൾ രണ്ടാമത്തെ വേലിയായി പ്രവർത്തിക്കുന്നു: ഒരു സംഖ്യ എവിടെ നിന്ന് വന്നു, ഏത് ഭാഗം അനുമാനമാണെന്ന് ചോദിക്കുക, അല്ലെങ്കിൽ പേരുള്ള പഠനങ്ങൾ ഇല്ലാതെ വീണ്ടും എഴുതുക. ഉയർന്ന അപകടസാധ്യതയുള്ള തീരുമാനങ്ങൾക്കായി ഒരു മനുഷ്യനെ ലൂപ്പിൽ സൂക്ഷിക്കുക.

സംഭാഷണത്തിനിടയിൽ ഒരു ഭ്രമാത്മകത അനുഭവപ്പെട്ടാൽ ഞാൻ എന്തുചെയ്യണം?

പുതിയൊരു മിനുക്കിയ ഉപന്യാസം അഭ്യർത്ഥിക്കുന്നതിനുപകരം, യഥാർത്ഥ പ്രമാണമോ ഡാറ്റയോ ഉപയോഗിച്ച് വീണ്ടും ആങ്കർ ചെയ്യുക, തകർന്ന ഭാഗം മാത്രം പുനർനിർമ്മിക്കുക. പേരുകൾ, അക്കങ്ങൾ, പ്രോസസ്സ് ഘട്ടങ്ങൾ - മൂർച്ചയുള്ള അരികുകൾ വീണ്ടും പരിശോധിക്കുക - തുടർന്ന് ഉപകരണം ഒരു ബ്രെയിൻസ്റ്റോമിംഗ് പങ്കാളിയാണോ, ഡ്രാഫ്റ്റ് അസിസ്റ്റന്റ് ആണോ, അതോ "ഈ വിഷയത്തിന് വേണ്ടിയല്ല" എന്ന് തീരുമാനിക്കുക. വ്യക്തമായ നിയന്ത്രണങ്ങൾ മോഡൽ എന്തിനുവേണ്ടിയാണ് ഒപ്റ്റിമൈസ് ചെയ്യുന്നതെന്ന് മാറ്റുന്നു; കണ്ടുപിടുത്തം പ്രത്യക്ഷപ്പെടുമ്പോൾ കൂടുതൽ ശ്രദ്ധയോടെ നീങ്ങുക.

ഒരു മത്സരാർത്ഥി ഗവേഷണ ലഘുലേഖയിൽ കണ്ടുപിടിച്ച ഉദ്ധരണികൾ എങ്ങനെ നിർത്താം?

നിങ്ങളുടെ കൈവശമുള്ള ഉറവിട കുറിപ്പുകൾ ഒട്ടിക്കുക, വ്യാജ ഉറവിടങ്ങളും പിന്തുണയ്ക്കാത്ത സ്ഥിതിവിവരക്കണക്കുകളും നിരോധിക്കുക, കൂടാതെ അറിയപ്പെടുന്ന / അനുമാനിച്ച / ഊഹ ടാഗുകളും ഒരു തുറന്ന ചോദ്യ പട്ടികയും ആവശ്യമാണ്. ആദ്യം ഏറ്റവും അപകടകരമായ ക്ലെയിം കണ്ടെത്തുക, പിന്തുണയില്ലാതെ ഊഹങ്ങൾ നീക്കം ചെയ്യുന്ന ഒരു സംശയ പാസ് പ്രവർത്തിപ്പിക്കുക, ഒരു നമ്പർ പിന്തുണയ്ക്കുന്നില്ലെങ്കിൽ തകർന്ന വിഭാഗം മാത്രം മാറ്റിയെഴുതുക. സ്വീകാര്യത എന്നാൽ എല്ലാ "അറിയപ്പെടുന്ന" ബുള്ളറ്റുകളും ഒട്ടിച്ച ഒരു വരയിലേക്ക് മാപ്പ് ചെയ്യുന്നു, ശേഷിക്കുന്ന ഏതെങ്കിലും തലക്കെട്ട് ഒരു മനുഷ്യൻ തിരയുന്നു എന്നാണ്.

എപ്പോഴാണ് AI സ്വതന്ത്രമായി കണ്ടുപിടിക്കാൻ അനുവദിക്കുന്നത് ശരിയാകുന്നത്?

സർഗ്ഗാത്മക എഴുത്തും മറ്റ് താഴ്ന്ന ലക്ഷ്യങ്ങളുള്ള ജോലികളും രൂപകങ്ങൾ സ്വതന്ത്രമായി കണ്ടുപിടിക്കാൻ സഹായിക്കും - അതാണ് കളിസ്ഥലം. അനന്തരഫലവുമായി ജാഗ്രത പാലിക്കുക: തെറ്റായ വാക്കുകൾക്ക് പണമോ വിശ്വാസമോ ഗ്രേഡുകളോ സുരക്ഷയോ നഷ്ടമാകുകയാണെങ്കിൽ, സ്ഥിരീകരണം ഓപ്ഷണലല്ല. അവയ്ക്ക് ഒരു തോളിൽ തോൾ ചേർക്കേണ്ടി വന്നാൽ, വിശ്രമിക്കുക. ഒഴുക്ക് ഒരു കഥാപാത്ര റഫറൻസല്ല; വസ്തുതാപരമായ പ്രവർത്തനങ്ങളിൽ ഇപ്പോഴും മേൽനോട്ടം ആവശ്യമുള്ള ഒരു ഫാസ്റ്റ് ഇന്റേൺ പോലെ മോഡലിനെ പരിഗണിക്കുക.

അവലംബം

1. ഓപ്പൺഎഐ - openai.com
2. ആന്ത്രോപിക് - ആന്ത്രോപിക്.കോം
3. എൻഐഎസ്ടി - nist.gov
4. ഐബിഎം - ibm.com
5. ഗൂഗിൾ AI - ai.google.dev
6. ഗൂഗിൾ ക്ലൗഡ് - ഗ്രൗണ്ടിംഗ് - docs.cloud.google.com