AI ଦେଇଥିବା ଫଳାଫଳର ସତ୍ୟତା କିପରି ଯାଞ୍ଚ କରିବେ

ବିଶ୍ୱାସଯୋଗ୍ୟ ମନେ ହେଉଥିବା ଉତ୍ତର କାହିଁକି ଯଥେଷ୍ଟ ନୁହେଁ?

ବିଶ୍ୱାସଯୋଗ୍ୟ ଲାଗୁଥିବା ଉତ୍ତର ଯଥେଷ୍ଟ ନୁହେଁ, କାରଣ ସୃଜନଶୀଳ AI ଏକ ମିଥ୍ୟା ବକ୍ତବ୍ୟ, ଏକ ମନଗଢ଼ା ଉତ୍ସ ଉଲ୍ଲେଖ କିମ୍ବା ଭୁଲ୍ ପ୍ରସଙ୍ଗରେ ବ୍ୟବହୃତ ଏକ ସଠିକ୍ ତଥ୍ୟ—ସବୁକିଛି ସମାନ ଆତ୍ମବିଶ୍ୱାସପୂର୍ଣ୍ଣ ଭାଷାରେ ଦେଇପାରେ। ସାବଲୀଳ ଭାଷା ଯୋଗୁଁ ଏହି ସମସ୍ୟାଗୁଡ଼ିକ ସହଜରେ ଆଖିରୁ ଖସିଯାଏ। NISTର ସୃଜନଶୀଳ AI ପ୍ରୋଫାଇଲ୍ ମନଗଢ଼ା ତଥ୍ୟ ଉପସ୍ଥାପନକୁ ଏକ ବିପଦ ଭାବେ ଚିହ୍ନଟ କରେ ଏବଂ ଏହାର ପ୍ରସ୍ତାବିତ ପଦକ୍ଷେପ ମଧ୍ୟରେ AI ଫଳାଫଳରେ ଥିବା ଉତ୍ସ ଓ ଉତ୍ସ ଉଲ୍ଲେଖର ସମୀକ୍ଷା ଏବଂ ଯାଞ୍ଚକୁ ସାମିଲ କରେ।

NIST ଏହା ମଧ୍ୟ ଉଲ୍ଲେଖ କରିଛି ଯେ AIର ଉତ୍ତରରେ ମନଗଢ଼ା ଯୁକ୍ତି କିମ୍ବା ଉଦ୍ଧୃତି ଥାଇପାରେ, ଯାହା ଉତ୍ତରକୁ ଯଥାର୍ଥ ବୋଲି ଦର୍ଶାଉଥିବା ପରି ଲାଗେ। ଏହା ଫଳରେ ଲୋକେ ତାହାକୁ ଅଯଥା ବିଶ୍ୱାସ କରିପାରନ୍ତି। ସୁସଂଗଠିତ ଯୁକ୍ତିକ୍ରମ ଥିବାର ଅର୍ଥ ନୁହେଁ ଯେ ନିଷ୍କର୍ଷଟି ଠିକ୍। AIର ଭ୍ରମଜନିତ ତଥ୍ୟ ସମ୍ବନ୍ଧୀୟ ମାର୍ଗଦର୍ଶିକାରେ ଏହା କାହିଁକି ଘଟେ ତାହା ବୁଝାଯାଇଛି; ଏହି ମାର୍ଗଦର୍ଶିକାଟି ନିୟମିତ ଯାଞ୍ଚ ପ୍ରକ୍ରିୟା ବିଷୟରେ।

ଆପଣ ପ୍ରଥମେ କେଉଁ ଦାବିଗୁଡ଼ିକ ଯାଞ୍ଚ କରିବା ଉଚିତ?

ଯେଉଁ ଦାବି ଭୁଲ୍ ହେଲେ ସବୁଠାରୁ ଗୁରୁତର ପରିଣାମ ହୋଇପାରେ ଏବଂ ଯେଉଁ ଦାବି ମନଗଢ଼ା ହେବାର ସମ୍ଭାବନା ସବୁଠାରୁ ଅଧିକ, ସେଗୁଡ଼ିକୁ ପ୍ରଥମେ ଯାଞ୍ଚ କରନ୍ତୁ। କମ୍ ଜୋଖିମ ଥିବା ଆଭ୍ୟନ୍ତରୀଣ ଖସଡ଼ାର ପ୍ରତ୍ୟେକ ଶବ୍ଦ ଯାଞ୍ଚ କରିବା କ୍ୱଚିତ୍ ଆବଶ୍ୟକ ହୁଏ, କିନ୍ତୁ ଗ୍ରାହକଙ୍କ ପାଇଁ ପ୍ରସ୍ତାବରେ ଥିବା ସଂଖ୍ୟା ସବୁବେଳେ ଯାଞ୍ଚ କରିବା ଆବଶ୍ୟକ। ସାଧାରଣ ପ୍ରକାରର ଦାବିଗୁଡ଼ିକ ମଧ୍ୟରୁ କେଉଁଟିକୁ ଆଗେ ଯାଞ୍ଚ କରିବେ, ଏହି ସାରଣୀ ତାହା ବାଛିବାର ଏକ ବ୍ୟବହାରିକ ଉପାୟ। ଆପଣଙ୍କ ଦଳର କାମ ଏବଂ ଅନୁମୋଦନ ନିୟମ ଅନୁସାରେ ଏହାକୁ ବଦଳାନ୍ତୁ।

ଉଦ୍ଧୃତ ସୂତ୍ରକୁ ଆପଣ କିପରି ଯାଞ୍ଚ କରିବା ଉଚିତ?

ପ୍ରକୃତ ଉତ୍ସ ଖୋଲନ୍ତୁ ଏବଂ ଉକ୍ତିକୁ ସମର୍ଥନ କରୁଥିବା ଅଂଶ ଖୋଜନ୍ତୁ। ଲେଖକ କିମ୍ବା ପ୍ରକାଶକ, ତାରିଖ, ପରିସର ଓ ଯେକୌଣସି ସର୍ତ୍ତ ବା ସୀମା ଯାଞ୍ଚ କରନ୍ତୁ। ପୃଷ୍ଠାଟି ଯଦି ଭିନ୍ନ ଜନସମୂହ, ସମୟସୀମା ବା ପ୍ରଶ୍ନ ବିଷୟରେ ଆଲୋଚନା କରୁଥାଏ, ତେବେ ଲିଙ୍କ୍‌ଟି ପ୍ରକୃତ ହେବା ଯଥେଷ୍ଟ ନୁହେଁ। ଅନ୍ୟ ଜଣେ ଯେପରି ସେହି ଯାଞ୍ଚ ପୁଣି କରିପାରିବେ, ସେଥିପାଇଁ ଉତ୍ସଟି ଲେଖି ରଖନ୍ତୁ।

ସମର୍ଥନ କରୁଥିବା ଅଂଶଟି ପାଉନଥିଲେ, ମଡେଲକୁ ନିଜେ ଦେଇଥିବା ସନ୍ଦର୍ଭ ନିଶ୍ଚିତ କରିବାକୁ କହି ସେତିକିରେ ଅଟକିଯାଆନ୍ତୁ ନାହିଁ। ନଥିବା ପ୍ରମାଣ ମାଗନ୍ତୁ, ବକ୍ତବ୍ୟଟି ହଟାନ୍ତୁ କିମ୍ବା ଅସମାଧାନିତ ବୋଲି ଚିହ୍ନିତ କରନ୍ତୁ। ଦ୍ୱିତୀୟ ମଡେଲ ପ୍ରଶ୍ନ ପ୍ରସ୍ତାବ କରିପାରେ, କିନ୍ତୁ ଦୁଇଟି ମଡେଲର ସହମତି ସ୍ୱାଧୀନ ଯାଞ୍ଚ ନୁହେଁ। ଉଭୟ ଏକା ଭଳି ବିଶ୍ୱାସଯୋଗ୍ୟ ମନେ ହେଉଥିବା ଭୁଲ ଶିଖିଥାଇପାରନ୍ତି।

ସଂଖ୍ୟା ଓ ଯୁକ୍ତି କିପରି ଯାଞ୍ଚ କରିବେ?

ଦିଆଯାଇଥିବା ତଥ୍ୟରୁ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ସଂଖ୍ୟାଗୁଡ଼ିକୁ ଏକ ସ୍ୱାଧୀନ ପଦ୍ଧତିରେ ପୁଣି ଗଣନା କରନ୍ତୁ, ଯେପରିକି ସୂତ୍ର, ପିଭଟ୍ ସାରଣୀ କିମ୍ବା କାଲକୁଲେଟର୍। ଏକକ, ସମୟସୀମା ଓ ତୁଳନାର ଆଧାର ନିଶ୍ଚିତ କରନ୍ତୁ। ମୋଟ ଠିକ୍ ଥାଇପାରେ, କିନ୍ତୁ ତାହା କାହିଁକି ବଦଳିଲା ସେ ବ୍ୟାଖ୍ୟାର ସମର୍ଥନରେ ପ୍ରମାଣ ନଥାଇପାରେ, ତେଣୁ ଗଣନାକୁ କାରଣ ସମ୍ପର୍କିତ ଯେକୌଣସି ଦାବିଠାରୁ ଅଲଗା ରଖନ୍ତୁ।

ଏକ କାଳ୍ପନିକ ସାରଣୀରେ, ରାଜସ୍ୱ 80ରୁ 92 ଏକକକୁ ଏବଂ ଖର୍ଚ୍ଚ 50ରୁ 61 ଏକକକୁ ବଢ଼େ। ପରିବର୍ତ୍ତନ ଯଥାକ୍ରମେ 12 ଓ 11 ଏକକ, ତେଣୁ ଲାଭ 30ରୁ 31 ଏକକକୁ ବଢ଼େ। କେବଳ ସାରଣୀରୁ ଜଣାପଡ଼େ ନାହିଁ ଯେ ଏହି ପରିବର୍ତ୍ତନ ନୂଆ ଗ୍ରାହକ, ମୂଲ୍ୟ ପରିବର୍ତ୍ତନ କିମ୍ବା ସମୟଗତ କାରଣରୁ ହୋଇଛି। ଏକ ଦାୟିତ୍ୱପୂର୍ଣ୍ଣ ସାରାଂଶ ପରିବର୍ତ୍ତନକୁ ଉଲ୍ଲେଖ କରେ ଓ କାରଣକୁ ଅନିର୍ଣ୍ଣୀତ ରଖେ, କିମ୍ବା ତାହା ସ୍ପଷ୍ଟ କରିବା ପାଇଁ କେଉଁ ପ୍ରମାଣ ଦରକାର ତାହା କୁହେ। ଶତକଡ଼ା ଓ ପ୍ରତିଶତ ଅଙ୍କ ମଧ୍ୟରେ ଦ୍ୱନ୍ଦ୍ୱ ହେଉଛି କି ନାହିଁ ମଧ୍ୟ ଦେଖନ୍ତୁ, କାରଣ ସ୍ୱୟଂଚାଳିତ ଭାବେ ତିଆରି ସାରାଂଶରେ ଏହା ସାଧାରଣତଃ ଦେଖାଯାଏ।

AI ତିଆରି କରିଥିବା ଦଲିଲର ସାରାଂଶରେ ଥିବା ତଥ୍ୟ କିପରି ଯାଞ୍ଚ କରିବେ?

କୃତ୍ରିମ ବୁଦ୍ଧିମତ୍ତା ତିଆରି କରିଥିବା ସାରାଂଶ କ’ଣ କହୁଛି ଏବଂ କ’ଣ ଛାଡ଼ିଦେଇଛି, ଯାଞ୍ଚ କରନ୍ତୁ। ପ୍ରଥମେ ସାରାଂଶରୁ ତିନି କିମ୍ବା ଚାରୋଟି କଥନ ବାଛନ୍ତୁ ଏବଂ ମୂଳ ପାଠ୍ୟରେ ପ୍ରତ୍ୟେକଟି ଖୋଜନ୍ତୁ। ତା’ପରେ ମୂଳ ପାଠ୍ୟର ଶୀର୍ଷକ କିମ୍ବା ପ୍ରତ୍ୟେକ ବିଭାଗର ପ୍ରଥମ ଧାଡ଼ି ପଢ଼ନ୍ତୁ ଏବଂ କୌଣସି ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ କଥା ବାଦ୍ ପଡ଼ିଛି କି ନାହିଁ ଦେଖନ୍ତୁ। ଶେଷରେ, ଛାଡ଼ିଯାଇଥିବା ସର୍ତ୍ତସୂଚକ ଶବ୍ଦ ଖୋଜନ୍ତୁ: ‘ହୋଇପାରେ’ ବଦଳରେ ‘ହେବ’, ‘କେତେକ କ୍ଷେତ୍ରରେ’ ବଦଳରେ ‘ସବୁବେଳେ’, କିମ୍ବା ‘ଅନୁମୋଦନ ସାପେକ୍ଷ’ ସମ୍ପୂର୍ଣ୍ଣ ଉଭେଇଯିବା।

ସାରାଂଶ ଆଧାରରେ ନିଷ୍ପତ୍ତି ନିଆଯିବାର ଥିଲେ, ସାରାଂଶ କରିବା ପୂର୍ବରୁ ପ୍ରତ୍ୟେକ ବିନ୍ଦୁ ପାଇଁ ଉଦ୍ଧୃତି ଦେବାକୁ ଉପକରଣକୁ କୁହନ୍ତୁ। Claude ପାଇଁ Anthropicର ଦଲିଲରେ ଦୀର୍ଘ ଦଲିଲ ନିମନ୍ତେ ଏହି ପଦ୍ଧତି ସୁପାରିସ କରାଯାଇଛି। ଏହା ସହିତ, ଉଦ୍ଧୃତି ଦ୍ୱାରା ସମର୍ଥନ କରିପାରୁନଥିବା ଯେକୌଣସି ଦାବି ହଟାଇବାକୁ ଉପକରଣକୁ କହିବାକୁ ମଧ୍ୟ ସୁପାରିସ କରାଯାଇଛି। ଏହା ସାରାଂଶ ଯାଞ୍ଚକୁ ଶୀଘ୍ର କରେ, ତଥାପି ଆପଣଙ୍କୁ ଉଦ୍ଧୃତିଗୁଡ଼ିକୁ ମୂଳ ପୃଷ୍ଠା ସହ ମିଳାଇ ପଢ଼ିବାକୁ ପଡ଼ିବ।

ସମ୍ପୂର୍ଣ୍ଣ ତଥ୍ୟ ଯାଞ୍ଚ କିପରି କରାଯାଏ?

ଅଭ୍ୟାସ ପାଇଁ ଏଠାରେ ଜାଣିଶୁଣି ତ୍ରୁଟି ରଖାଯାଇଥିବା ଏକ ଖସଡ଼ା ଦିଆଯାଇଛି। କେଷ୍ଟ୍ରେଲ୍ ଷ୍ଟୁଡିଓ ନାମକ ଏକ କାଳ୍ପନିକ ସଂସ୍ଥା ଏକ ସହାୟକକୁ ଗ୍ରାହକ ଦେଇଥିବା ଉତ୍ପାଦ ବିବରଣୀର ସାରାଂଶ ଏକ ପ୍ରସ୍ତାବ ଉପସ୍ଥାପନା ପାଇଁ ଗୋଟିଏ ଅନୁଚ୍ଛେଦରେ ଲେଖିବାକୁ କହିଲା। ବିବରଣୀରେ କୁହାଯାଇଛି ଯେ ଗ୍ରାହକଙ୍କ ଯୋଜନା ପ୍ରସ୍ତୁତି ଆପ୍ ମାର୍ଚ୍ଚ 2025ରେ ଆରମ୍ଭ ହୋଇଥିଲା, ଏଥିରେ ଏକ ମାଗଣା ସ୍ତର ଏବଂ ଏକ ସଶୁଳ୍କ ସ୍ତର ଅଛି, ଏବଂ ଏହାର ନିଜସ୍ୱ 200 ଜଣ ବ୍ୟବହାରକାରୀଙ୍କ ସର୍ବେକ୍ଷଣରୁ ଜଣାପଡ଼ିଛି ଯେ ଅଧିକାଂଶ ଏହାକୁ ପ୍ରତି ସପ୍ତାହରେ ବ୍ୟବହାର କରୁଥିଲେ।

AI ଖସଡ଼ା: 2024 ଆରମ୍ଭରେ ଉନ୍ମୋଚିତ ଏହି ଆପ୍ ଅଳ୍ପ ସମୟରେ ବ୍ରିଟେନର ସବୁଠାରୁ ଲୋକପ୍ରିୟ ଯୋଜନା ପ୍ରସ୍ତୁତି ଆପ୍‌ଗୁଡ଼ିକ ମଧ୍ୟରୁ ଗୋଟିଏ ହୋଇଛି। ଏକ ସାମ୍ପ୍ରତିକ ସ୍ୱତନ୍ତ୍ର ସର୍ବେକ୍ଷଣ ଅନୁସାରେ 85 ପ୍ରତିଶତ ବ୍ୟବହାରକାରୀ ପ୍ରତିଦିନ ଏହାକୁ ଖୋଲନ୍ତି। ଏଥିରେ ଏକ ମାଗଣା ସ୍ତର ଏବଂ ଏକ ପ୍ରିମିୟମ୍ ସ୍ତର ଅଛି।

ପ୍ରତ୍ୟେକ ଦାବିର ଯାଞ୍ଚ। ଉନ୍ମୋଚନ ତାରିଖ: ସଂକ୍ଷିପ୍ତ ବିବରଣୀରେ ମାର୍ଚ୍ଚ 2025 କୁହାଯାଇଛି, ତେଣୁ 2024 ଆରମ୍ଭ ବୋଲି କହିବା ଭୁଲ। ବ୍ରିଟେନର ସବୁଠାରୁ ଲୋକପ୍ରିୟ ଯୋଜନା ସାଧନଗୁଡ଼ିକ ମଧ୍ୟରୁ ଗୋଟିଏ: ସଂକ୍ଷିପ୍ତ ବିବରଣୀରେ ଏହାର ସମର୍ଥନରେ କିଛି ନାହିଁ, ତେଣୁ ଏହାକୁ ହଟାନ୍ତୁ। ସାମ୍ପ୍ରତିକ ସ୍ୱାଧୀନ ସର୍ବେକ୍ଷଣ: ସଂକ୍ଷିପ୍ତ ବିବରଣୀରେ ଗ୍ରାହକ ନିଜ ବ୍ୟବହାରକାରୀଙ୍କ ମଧ୍ୟରେ କରିଥିବା ସର୍ବେକ୍ଷଣ ବିଷୟରେ କୁହାଯାଇଛି, ତେଣୁ ସ୍ୱାଧୀନ ବୋଲି କହିବା ମିଥ୍ୟା। 85 ପ୍ରତିଶତ ପ୍ରତିଦିନ: ସଂକ୍ଷିପ୍ତ ବିବରଣୀ ଅନୁସାରେ ଅଧିକାଂଶ ଏହାକୁ ସାପ୍ତାହିକ ଭାବେ ବ୍ୟବହାର କରୁଥିଲେ, ତେଣୁ ଉଭୟ ସଂଖ୍ୟା ଓ ବ୍ୟବହାରର ବାରମ୍ବାରତା ମନଗଢ଼ା। ମାଗଣା ଓ ସଶୁଳ୍କ ସ୍ତର: ଏହାର ସମର୍ଥନରେ ତଥ୍ୟ ଅଛି।

ସମୀକ୍ଷିତ ଅନୁଚ୍ଛେଦ: March 2025ରେ ଉନ୍ମୋଚିତ ଏହି ଆପ୍‌ରେ ମାଗଣା ଓ ଦେୟଯୁକ୍ତ ସ୍ତର ଅଛି। ଗ୍ରାହକ ନିଜେ 200 ଉପଭୋକ୍ତାଙ୍କୁ ନେଇ କରିଥିବା ସର୍ବେକ୍ଷଣରେ ଅଧିକାଂଶ କହିଥିଲେ ଯେ ସେମାନେ ଏହାକୁ ପ୍ରତି ସପ୍ତାହରେ ବ୍ୟବହାର କରନ୍ତି। ସମୀକ୍ଷା ଟିପ୍ପଣୀରେ ଚାରୋଟି ସଂଶୋଧନ ଏବଂ ହଟାଯାଇଥିବା ଗୋଟିଏ ଦାବି ତାଲିକାଭୁକ୍ତ ଅଛି, ଏବଂ ଉପସ୍ଥାପନାଟି ଗ୍ରାହକଙ୍କ ପାଖକୁ ଯିବା ପୂର୍ବରୁ ଗ୍ରାହକ ଖାତା ଦାୟିତ୍ୱରେ ଥିବା ମୁଖ୍ୟ ତାହାକୁ ଅନୁମୋଦନ କରନ୍ତି।

AI ଦେଇଥିବା ଉତ୍ତରର ତଥ୍ୟଗତ ସତ୍ୟତା ଯାଞ୍ଚ କରିବାରେ ଏହା ଆପଣଙ୍କୁ ସାହାଯ୍ୟ କରିପାରିବ କି?

AI ତଥ୍ୟ ଯାଞ୍ଚକୁ ସଂଗଠିତ କରିବାରେ ସାହାଯ୍ୟ କରିପାରେ, କିନ୍ତୁ ତାହା ସମ୍ପୂର୍ଣ୍ଣ କରିପାରେ ନାହିଁ। ଉପଯୋଗୀ ଅନୁରୋଧଗୁଡ଼ିକ ହେଲା: ଏହି ଖସଡ଼ାର ପ୍ରତ୍ୟେକ ତଥ୍ୟଭିତ୍ତିକ ଦାବିକୁ କ୍ରମାଙ୍କିତ ତାଲିକାରେ ଲେଖ; ପ୍ରତ୍ୟେକ ଦାବି ପାଇଁ ସଂଲଗ୍ନ ଉତ୍ସରୁ ତାହାକୁ ସମର୍ଥନ କରୁଥିବା ବାକ୍ୟ ଉଦ୍ଧୃତ କର କିମ୍ବା ସମର୍ଥନ ନାହିଁ ବୋଲି ଲେଖ; ଏବଂ ଉତ୍ସରେ ନଥିବା ଯେକୌଣସି ସଂଖ୍ୟା ଚିହ୍ନଟ କର। ଏଗୁଡ଼ିକ ଏକ ଅନୁଚ୍ଛେଦକୁ ଯାଞ୍ଚ ତାଲିକାରେ ପରିଣତ କରେ।

କୃତ୍ରିମ ବୁଦ୍ଧିମତ୍ତା ଯାହା କରିପାରିବ ନାହିଁ, ତାହା ହେଉଛି ଏକ ସ୍ୱାଧୀନ ଯାଞ୍ଚକାରୀର ଭୂମିକା ନେବା। ସେହି ସାଧନକୁ ତାହାର ଉତ୍ତର ଠିକ୍ କି ନାହିଁ ପଚାରିଲେ, ତାହା ସାଧାରଣତଃ ଆଶ୍ୱାସନ ଦେଇଥାଏ। ଏକା ପ୍ରଶ୍ନକୁ ଅନେକ ଥର ପଚାରି ଉତ୍ତରଗୁଡ଼ିକୁ ତୁଳନା କରିବା—Anthropicର ଦଲିଲରେ ବର୍ଣ୍ଣିତ ଏକ ପଦ୍ଧତି—ଅସଙ୍ଗତିଗୁଡ଼ିକୁ ସାମ୍ନାକୁ ଆଣିପାରେ, କିନ୍ତୁ ଉତ୍ତରଗୁଡ଼ିକ ପରସ୍ପର ସହ ମେଳ ଖାଇଲେ ମଧ୍ୟ ସବୁଗୁଡ଼ିକ ଏକାଭଳି ଭୁଲ୍ ହୋଇପାରେ। ଶେଷ ପଦକ୍ଷେପ ସବୁବେଳେ ହେଉଛି ମୂଳ ଉତ୍ସ ଖୋଲି ଦେଖିବା କିମ୍ବା ସଂଖ୍ୟାଟିକୁ ପୁଣି ଗଣନା କରିବା।

ସମୀକ୍ଷାର ରେକର୍ଡରେ କ’ଣ କ’ଣ ରହିବା ଉଚିତ?

ମୂଳ ଦାବି, ତାହା ଯାଞ୍ଚ କରିବାକୁ ବ୍ୟବହୃତ ଉତ୍ସ କିମ୍ବା ଗଣନା, ସଂଶୋଧନ ଏବଂ ଏପର୍ଯ୍ୟନ୍ତ ସମାଧାନ ହୋଇନଥିବା ପ୍ରଶ୍ନର ରେକର୍ଡ ରଖନ୍ତୁ। ଫଳାଫଳଟି ଉଦ୍ଦିଷ୍ଟ ବ୍ୟବହାର ପାଇଁ ଉପଯୁକ୍ତ କି ନୁହେଁ ନିଷ୍ପତ୍ତି ନେବାକୁ ଦାୟୀ ବ୍ୟକ୍ତିଙ୍କ ନାମ ଦିଅନ୍ତୁ। ସବୁ ବିପଦ ଦୂର ହୋଇଯାଇଛି ବୋଲି ଦାବି ନକରି ଏହି ରେକର୍ଡ ସମୀକ୍ଷାକୁ ଯାଞ୍ଚଯୋଗ୍ୟ କରେ।

ସମୀକ୍ଷାର ରେକର୍ଡ ରଖିବା ପାଇଁ ବିଶେଷ ସଫ୍ଟୱେର୍ ଦରକାର ନାହିଁ। ଅଧିକାଂଶ ଆଭ୍ୟନ୍ତରୀଣ କାମ ପାଇଁ ଦସ୍ତାବିଜର ଶେଷରେ ଏକ ଛୋଟ ଟିପ୍ପଣୀ କିମ୍ବା ମନ୍ତବ୍ୟର ଧାରା ଯଥେଷ୍ଟ। ଗ୍ରାହକଙ୍କୁ ଦେବାକୁ ଥିବା କାମ ପାଇଁ ନିଜର ସାଧାରଣ ଅନୁମୋଦନ ପ୍ରକ୍ରିୟା ଅନୁସରଣ କରନ୍ତୁ; କୃତ୍ରିମ ବୁଦ୍ଧିମତ୍ତାର ସହାୟତା ନେଲେ ମଧ୍ୟ ଚୂଡ଼ାନ୍ତ ଅନୁମୋଦନ କିଏ ଦେବେ, ତାହା ବଦଳେ ନାହିଁ।

କେଉଁ ପରିସ୍ଥିତିରେ ଏହି ଯାଞ୍ଚ ତାଲିକା ଯଥେଷ୍ଟ ନୁହେଁ?

ଏହି ଯାଞ୍ଚତାଲିକା ଏକ ନିୟମିତ କାର୍ଯ୍ୟପଦ୍ଧତି, ସଠିକତାର ପ୍ରମାଣପତ୍ର ନୁହେଁ। ଆଇନଗତ ପରାମର୍ଶ, ନିୟାମକ ସଂସ୍ଥାରେ ଦାଖଲ କରାଯାଉଥିବା ଦଲିଲ, ଚିକିତ୍ସା କିମ୍ବା ସୁରକ୍ଷା ସମ୍ବନ୍ଧୀୟ ସୂଚନା, ନିରୀକ୍ଷିତ ଆର୍ଥିକ ଆକଳନ କିମ୍ବା କୌଣସି ବ୍ୟକ୍ତିଙ୍କ ନିଯୁକ୍ତି ସମ୍ବନ୍ଧୀୟ ନିଷ୍ପତ୍ତି ପାଇଁ ଏହା ଯଥେଷ୍ଟ ନୁହେଁ। ଚିଠା ଯେଉଁ ଉପକରଣରେ ତିଆରି ହୋଇଥାଉ ନା କାହିଁକି, ଏସବୁ ପାଇଁ ଜଣେ ଯୋଗ୍ୟ ସମୀକ୍ଷକ ଓ ମୂଳ ଉତ୍ସ ଆବଶ୍ୟକ।

ଏହା ଆପଣଙ୍କ ଆବଶ୍ୟକତାଠାରୁ ଅଧିକ ମଧ୍ୟ ହୋଇପାରେ। ଚିନ୍ତାମନ୍ଥନ, ବୈଠକର ଆଲୋଚ୍ୟ ବିଷୟ ପାଇଁ ଧାରଣା ତାଲିକା କିମ୍ବା କେବଳ ଆପଣ ପଢ଼ିବାକୁ ଥିବା ଏକ ପ୍ରାରମ୍ଭିକ ଚିଠାରେ ପ୍ରତ୍ୟେକ ଦାବି ଯାଞ୍ଚ କରିବା କ୍ୱଚିତ୍ ଆବଶ୍ୟକ ହୁଏ। ଭୁଲ୍ ହେଲେ ତାହାର ପରିଣାମ ଅନୁସାରେ ଯାଞ୍ଚର ଗଭୀରତା ଧାର୍ଯ୍ୟ କରନ୍ତୁ।

ଉତ୍ସ ଓ ପରିସର

NIST, AI 600-1: ସୃଜନଶୀଳ AI ପରିଚୟପତ୍ର, ଜୁଲାଇ 2024 ↗

Anthropic, Claude ଦସ୍ତାବିଜ: ହାଲୁସିନେସନ୍ କମାନ୍ତୁ, 16 ଅକ୍ଟୋବର 2026ରେ ଦେଖାଯାଇଛି ↗