AI ନିର୍ଦ୍ଦେଶ ଲେଖିବାର କୌଶଳ କ’ଣ?
ଭାଷା ମଡେଲ୍କୁ ଦିଆଯାଉଥିବା ତଥ୍ୟ ଓ ନିର୍ଦ୍ଦେଶକୁ ଏପରି ପ୍ରସ୍ତୁତ ଓ ପରିମାର୍ଜନ କରିବା, ଯାହାଫଳରେ ତାହାର ଉତ୍ତର ଏକ ବାସ୍ତବ ଉଦ୍ଦେଶ୍ୟ ପୂରଣ କରିବ, ତାହା ହିଁ ନିର୍ଦ୍ଦେଶ ଲେଖନ ଓ ପରିମାର୍ଜନ। OpenAI Academy ମଧ୍ୟ ପ୍ରାୟ ସମାନ ଭାଷାରେ ଏହାକୁ ବର୍ଣ୍ଣନା କରେ: ଯଥାସମ୍ଭବ ସର୍ବୋତ୍ତମ ଉତ୍ତର ପାଇବା ପାଇଁ ଆପଣ ଦେଉଥିବା ତଥ୍ୟ ଓ ନିର୍ଦ୍ଦେଶକୁ ପ୍ରସ୍ତୁତ ଓ ପରିମାର୍ଜନ କରିବା। ଏହା ଟାଇପ୍ କରାଯାଇଥିବା ଲେଖା, ଲେପନ କରାଯାଇଥିବା ଦଲିଲ, ସେୟାର୍ କରାଯାଇଥିବା ଫାଇଲ୍ କିମ୍ବା ଏକ ଚିତ୍ର ହୋଇପାରେ।
ଏହି ପଦଟି ଦୁଇଟି ଭିନ୍ନ କାମକୁ ବୁଝାଏ। ଏକ ମଡେଲ୍ ଉପରେ ଆଧାର କରି ସଫ୍ଟୱେର୍ ତିଆରି କରୁଥିବା ବିକାଶକାରୀମାନେ ସିଷ୍ଟମ୍ ନିର୍ଦ୍ଦେଶ ଲେଖନ୍ତି, ମୂଲ୍ୟାଙ୍କନ ପାଇଁ ଥିବା ତଥ୍ୟ ସମୂହ ସହ ସେଗୁଡ଼ିକୁ ପରୀକ୍ଷା କରନ୍ତି ଏବଂ ସେଗୁଡ଼ିକୁ ସଂସ୍କରଣ ନିୟନ୍ତ୍ରଣ ଅଧୀନରେ ରଖନ୍ତି; OpenAI ଏବଂ Anthropic ର ବିକାଶକାରୀ ଦଲିଲଗୁଡ଼ିକ ମୁଖ୍ୟତଃ ସେମାନଙ୍କ ପାଇଁ ଲେଖାଯାଇଛି। ଅନ୍ୟ ସମସ୍ତେ ନିଜ ଦୈନନ୍ଦିନ କାମର ଅଂଶ ଭାବେ ChatGPT, Claude, Gemini କିମ୍ବା Copilot ରେ ନିଜ ଅନୁରୋଧ ଲେଖନ୍ତି। ଏହି ମାର୍ଗଦର୍ଶିକା ଦ୍ୱିତୀୟ ଗୋଷ୍ଠୀ ପାଇଁ: ବିପଣନ କର୍ମୀ, ଗ୍ରାହକ ଖାତା ପରିଚାଳକ, ନିଯୁକ୍ତିକର୍ତ୍ତା, ବିଶ୍ଳେଷକ ଏବଂ ପରିଚାଳନା କର୍ମଚାରୀ, ଯେଉଁମାନେ ଏକ ନୂଆ ପେସା ନୁହେଁ, ନିର୍ଭରଯୋଗ୍ୟ ଉତ୍ତର ଚାହାନ୍ତି।
ସେହି ଦ୍ୱିତୀୟ ଗୋଷ୍ଠୀ ପାଇଁ, AI ନିର୍ଦ୍ଦେଶ ତିଆରି କରିବା ପ୍ରୋଗ୍ରାମିଂ ଅପେକ୍ଷା ଜଣେ ଦକ୍ଷ ସହକର୍ମୀଙ୍କ ପାଇଁ ଭଲ କାର୍ଯ୍ୟବିବରଣୀ ଲେଖିବା ସହିତ ଅଧିକ ସମାନ। Anthropic ପରାମର୍ଶ ଦିଏ ଯେ ମଡେଲ୍କୁ ଜଣେ ଅତ୍ୟନ୍ତ ଦକ୍ଷ କିନ୍ତୁ ନୂଆ କର୍ମଚାରୀ ଭାବେ ଭାବନ୍ତୁ, ଯିଏ ଆପଣଙ୍କ ନିୟମ ଓ କାର୍ଯ୍ୟପ୍ରବାହ ବିଷୟରେ ଜାଣିନାହାନ୍ତି। ଏହାକୁ ପରଖିବାର ଏକ ବ୍ୟବହାରିକ ଉପାୟ ହେଉଛି: କାମ ବିଷୟରେ ଅଳ୍ପ ଜାଣିଥିବା ଜଣେ ସହକର୍ମୀଙ୍କୁ ନିର୍ଦ୍ଦେଶଟି ଦେଖାନ୍ତୁ ଏବଂ ସେ ତାହା ଅନୁସରଣ କରିପାରିବେ କି ନାହିଁ ପଚାରନ୍ତୁ। ସେ ଯଦି ଦ୍ୱନ୍ଦ୍ୱରେ ପଡ଼ନ୍ତି, ମଡେଲ୍ ମଧ୍ୟ ଦ୍ୱନ୍ଦ୍ୱରେ ପଡ଼ିବାର ସମ୍ଭାବନା ରହିଛି।
ଏକ ଭଲ ପ୍ରମ୍ପ୍ଟରେ କ’ଣ ରହିବା ଦରକାର?
ଭଲ ନିର୍ଦ୍ଦେଶରେ କାର୍ଯ୍ୟଟି ସ୍ପଷ୍ଟ ଥାଏ, ପ୍ରସଙ୍ଗ ଦିଆଯାଇଥାଏ, ମୂଳ ସାମଗ୍ରୀ ଦିଆଯାଏ କିମ୍ବା ତାହା କେଉଁଠି ମିଳିବ କୁହାଯାଏ ଏବଂ କେଉଁ ପ୍ରକାର ଉତ୍ତର ଦରକାର ତାହା ବର୍ଣ୍ଣନା କରାଯାଏ। ଏଥିପାଇଁ ଚାରିଟି ପ୍ରମୁଖ ସେବା ପ୍ରଦାନକାରୀ ଭିନ୍ନ ଶବ୍ଦ ବ୍ୟବହାର କରନ୍ତି, କିନ୍ତୁ ସେମାନଙ୍କ ପରାମର୍ଶ ସେହି କେତୋଟି ମୂଳ ଉପାଦାନ ଉପରେ କେନ୍ଦ୍ରିତ।
Microsoft, Copilot ପାଇଁ ଚାରୋଟି ଅଂଶ ବର୍ଣ୍ଣନା କରେ: ଲକ୍ଷ୍ୟ, ପ୍ରସଙ୍ଗ, ଉତ୍ସ ଓ ଆଶା, ଏବଂ କେବଳ ଏକ ସ୍ପଷ୍ଟ ଲକ୍ଷ୍ୟ ହିଁ ଅନିବାର୍ଯ୍ୟ ବୋଲି ଉଲ୍ଲେଖ କରେ। OpenAI Academy ତିନୋଟି ପଦକ୍ଷେପ ବର୍ଣ୍ଣନା କରେ: କାମଟି କୁହନ୍ତୁ, ସହାୟକ ପୃଷ୍ଠଭୂମି କିମ୍ବା ଦଲିଲ ଯୋଡ଼ନ୍ତୁ, ଏବଂ ଭୂମିକା, ପାଠକ କିମ୍ବା ଫର୍ମାଟ୍ ସହିତ ଆପଣ ଚାହୁଁଥିବା ଫଳାଫଳ ବର୍ଣ୍ଣନା କରନ୍ତୁ। Google, Gemini ବ୍ୟବହାରକାରୀଙ୍କୁ ସ୍ୱାଭାବିକ ଭାଷା ବ୍ୟବହାର କରିବାକୁ, ସ୍ପଷ୍ଟ ଓ ସଂକ୍ଷିପ୍ତ ରହିବାକୁ, ପ୍ରସଙ୍ଗ ଦେବାକୁ ଏବଂ ନିର୍ଦ୍ଦିଷ୍ଟ ମୁଖ୍ୟ ଶବ୍ଦ ବ୍ୟବହାର କରିବାକୁ ପରାମର୍ଶ ଦିଏ। Anthropic ସ୍ପଷ୍ଟ ଓ ସୁନିର୍ଦ୍ଦିଷ୍ଟ ନିର୍ଦ୍ଦେଶ ସହିତ ସେଗୁଡ଼ିକ ପଛର କାରଣ ଦେବାକୁ କୁହେ, କାରଣ କୌଣସି ନିୟମ କାହିଁକି ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ତାହା ଜାଣିଲେ ମଡେଲ୍କୁ ତାହା ପ୍ରୟୋଗ କରିବାରେ ସାହାଯ୍ୟ ମିଳେ।
କାମ
ଗୋଟିଏ କ୍ରିୟା ଏବଂ ଗୋଟିଏ ପ୍ରଦାନଯୋଗ୍ୟ ଫଳ। ଖସଡ଼ା ଲେଖନ୍ତୁ, ସାରାଂଶ କରନ୍ତୁ, ତୁଳନା କରନ୍ତୁ, ତଥ୍ୟ ବାହାର କରନ୍ତୁ, ପୁଣି ଲେଖନ୍ତୁ କିମ୍ବା ସମାଲୋଚନାମୂଳକ ସମୀକ୍ଷା କରନ୍ତୁ, ଏବଂ ଫଳ କ’ଣ ହେବ ତାହା କୁହନ୍ତୁ: ଏକ 150-ଶବ୍ଦର ଇମେଲ୍, ଗୋଟିଏ ସାରଣୀ, ତିନୋଟି ବିକଳ୍ପ।
ପ୍ରସଙ୍ଗ
ପାଠକ କିଏ, ଉତ୍ତରଟି କେଉଁ ନିଷ୍ପତ୍ତି ନେବାରେ ସାହାଯ୍ୟ କରିବ ଏବଂ ପୂର୍ବରୁ କ’ଣ ଘଟିସାରିଛି। ଅଧିକାଂଶ ନିର୍ଦ୍ଦେଶରେ ଏହି ଅଂଶଟି ଛାଡ଼ି ଦିଆଯାଏ।
ଉତ୍ସ
ଉତ୍ତରଟି ଯେଉଁ ସାମଗ୍ରୀ ଉପରେ ନିର୍ଭର କରିବା ଆବଶ୍ୟକ: ପେଷ୍ଟ କରାଯାଇଥିବା ଟିପ୍ପଣୀ, ସଂଲଗ୍ନ ଫାଇଲ୍ କିମ୍ବା ନାମ ଉଲ୍ଲେଖ କରାଯାଇଥିବା ଦଲିଲ। ସାଧନଟି ଏହା ବାହାରର ତଥ୍ୟ ବ୍ୟବହାର କରିପାରିବ କି ନାହିଁ, ତାହା କୁହନ୍ତୁ।
ସୀମାବଦ୍ଧତା
ଦୈର୍ଘ୍ୟ, ଭାଷାଶୈଳୀ, ଅପରିବର୍ତ୍ତିତ ରହିବାକୁ ଥିବା ତଥ୍ୟ ଏବଂ ଉତ୍ତରରେ ଅନୁମାନ କରିବା ଉଚିତ ନଥିବା ବିଷୟ, ଯେପରିକି ଦିଆଯାଇନଥିବା ଫଳାଫଳ, ତାରିଖ କିମ୍ବା ନାମ।
ଫଳାଫଳର ଢାଞ୍ଚା
ଫର୍ମାଟ୍, ଶୀର୍ଷକ, ନାମିତ ସ୍ତମ୍ଭ ଥିବା ଏକ ସାରଣୀ, କିମ୍ବା ସୂଚନା ନଥିଲେ ପ୍ରଶ୍ନର ଏକ ସଂକ୍ଷିପ୍ତ ତାଲିକା।
ଯାଞ୍ଚ କରନ୍ତୁ
ଉତ୍ତରଟି ବ୍ୟବହାର କରିବା ପୂର୍ବରୁ ଆପଣ କ’ଣ ଯାଞ୍ଚ କରିବେ। ଏହାକୁ ଲେଖି ରଖିଲେ ସମୀକ୍ଷା ନିରପେକ୍ଷ ରହେ।
| ପ୍ରଦାନକାରୀଙ୍କ ମାର୍ଗଦର୍ଶନ | ସେମାନଙ୍କ ସର୍ତ୍ତାବଳୀ | ଏହା କ’ଣ ଯୋଡ଼େ |
|---|---|---|
| Microsoft Copilot | ଲକ୍ଷ୍ୟ, ପ୍ରସଙ୍ଗ, ଉତ୍ସ, ପ୍ରତ୍ୟାଶା | ବ୍ୟବହାର କରିବାକୁ ଥିବା ଫାଇଲ୍, ଇମେଲ୍ ବା ପୃଷ୍ଠାର ନାମ ଦିଅନ୍ତୁ; ଏକାଧିକ ଥର ପ୍ରଶ୍ନୋତ୍ତର ହୋଇପାରେ ବୋଲି ଆଶା ରଖନ୍ତୁ |
| OpenAI ChatGPT | କାମ, ପୃଷ୍ଠଭୂମି, ଚାହୁଁଥିବା ଫଳାଫଳ | ନିର୍ଦ୍ଦେଶ ଲେଖିବାର କୌଣସି ଗୋଟିଏ ନିଖୁଣ ଉପାୟ ନାହିଁ; କଥାବାର୍ତ୍ତା ଚାଲିଥିବା ବେଳେ ତାହାକୁ ସୁଧାରନ୍ତୁ |
| Google Gemini | ସ୍ୱାଭାବିକ ଭାଷା, ସ୍ପଷ୍ଟତା, ପ୍ରସଙ୍ଗ, ମୁଖ୍ୟ ଶବ୍ଦ | ଜଟିଳ କାମକୁ ଅଲଗା ଅଲଗା ନିର୍ଦ୍ଦେଶରେ ବାଣ୍ଟନ୍ତୁ |
| Anthropic Claude | ସ୍ପଷ୍ଟ ଓ ସିଧାସଳଖ, ପ୍ରସଙ୍ଗ, ଉଦାହରଣ, ଗଠନ | ଏକ ନିୟମ କାହିଁକି ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ତାହା ବୁଝାନ୍ତୁ; ଚାହୁଁଥିବା ଢାଞ୍ଚା ଦେଖାଇବା ପାଇଁ ଉଦାହରଣ ବ୍ୟବହାର କରନ୍ତୁ |
ପର୍ଯ୍ୟାୟକ୍ରମେ ଏକ ଭଲ ନିର୍ଦ୍ଦେଶ କିପରି ଲେଖିବେ?
ସମୀକ୍ଷକ ଯେଉଁ କ୍ରମରେ ପଢ଼ିବେ, ସେହି କ୍ରମରେ ନିର୍ଦ୍ଦେଶ ଲେଖନ୍ତୁ: ପ୍ରଥମେ କାମ, ତା’ପରେ ତଥ୍ୟ, ତା’ପରେ ନିୟମ ଓ ଫର୍ମାଟ୍। ଏଠାରେ 40 ଜଣ କର୍ମଚାରୀ ଥିବା ଏକ କାଳ୍ପନିକ ମାଲ ପରିବହନ ବ୍ୟବସ୍ଥାପନ ସଂସ୍ଥା, ହାର୍ବର ଲେନ୍ ଲଜିଷ୍ଟିକ୍ସ ପାଇଁ ଏହି କ୍ରମ ବ୍ୟବହାର କରାଯାଇଛି। ଏହାର ଗ୍ରାହକ ଖାତା ପରିଚାଳକଙ୍କୁ ମାଲ ପହଞ୍ଚିବାରେ ବିଳମ୍ବ ବିଷୟରେ ଜଣେ ଗ୍ରାହକଙ୍କୁ ଜଣାଇବାକୁ ହେବ।
1. କ’ଣ ପ୍ରସ୍ତୁତ କରିବେ ତାହା ସ୍ଥିର କରନ୍ତୁ
ଜଣେ ଗ୍ରାହକ ସଂସ୍ଥାର ଯୋଗାଯୋଗ ବ୍ୟକ୍ତିଙ୍କୁ 150 ଶବ୍ଦରୁ କମ୍ ମଧ୍ୟରେ ଲେଖାଯାଇଥିବା ଇମେଲ୍, ଯେଉଁଥିରେ ବିଳମ୍ବର କାରଣ ଓ ପରବର୍ତ୍ତୀ ସୂଚନା ଦେବାର ସମୟ ରହିଛି।
2. ପ୍ରଥମେ ତଥ୍ୟ ସଂଗ୍ରହ କରନ୍ତୁ
ଦିଆଯାଇଥିବା ତଥ୍ୟ: ସୀମାଶୁଳ୍କ ସମ୍ବନ୍ଧୀୟ କାଗଜପତ୍ର ଯାଞ୍ଚ ପାଇଁ କଣ୍ଟେନରଟି ବନ୍ଦରରେ ଅଟକିଛି; ବିତରଣର ନୂଆ ଆନୁମାନିକ ଦିନ ହେଉଛି ଗୁରୁବାର; ପରବର୍ତ୍ତୀ ସୂଚନା ଆସନ୍ତାକାଲି 4pm ସୁଦ୍ଧା ପଠାଯିବ। ଏହା ଛଡ଼ା ଆଉ କିଛି ଜଣାନାହିଁ।
3. ଲେଖାଟି କାହା ପାଇଁ, ତାହା ସ୍ପଷ୍ଟ କରନ୍ତୁ
ଜଣେ କ୍ରୟ ବିଭାଗ ମୁଖ୍ୟ, ଯାହାଙ୍କୁ ନିଜ ଗୋଦାମ ଦଳକୁ ସୂଚନା ଦେବାକୁ ହେବ। ସେ ତାରିଖ ଚାହାନ୍ତି, ଆଶ୍ୱାସନ ନୁହେଁ।
4. ସୀମା ସ୍ଥିର କରନ୍ତୁ
ଯାଞ୍ଚ କାହିଁକି ହେଲା ସେ ବିଷୟରେ ଅନୁମାନ କରନ୍ତୁ ନାହିଁ, ଗୁରୁବାର ନିଶ୍ଚିତ ହେବ ବୋଲି ପ୍ରତିଶ୍ରୁତି ଦିଅନ୍ତୁ ନାହିଁ ଏବଂ ଥରେରୁ ଅଧିକ କ୍ଷମା ମାଗନ୍ତୁ ନାହିଁ।
5. ଚାହୁଁଥିବା ଗଠନ ବର୍ଣ୍ଣନା କରନ୍ତୁ
ବିଷୟ ପଂକ୍ତି, ତିନୋଟି ଛୋଟ ଅନୁଚ୍ଛେଦ, ତା’ପରେ ପଠାଇବା ପୂର୍ବରୁ ଗ୍ରାହକ ଖାତା ପରିଚାଳକ ଯାହା ଯାହା ନିଶ୍ଚିତ କରିବା ଦରକାର, ସେସବୁର ତାଲିକା ଗୋଟିଏ ପଂକ୍ତିରେ।
6. ପଢ଼ନ୍ତୁ ଓ ସଂଶୋଧନ କରନ୍ତୁ
ଚିଠାର ପ୍ରତ୍ୟେକ ବାକ୍ୟକୁ ତଥ୍ୟ ସହ ତୁଳନା କରନ୍ତୁ, ତାପରେ ପୁଣି ଆରମ୍ଭ କରିବା ବଦଳରେ ସଂଶୋଧନ ପାଇଁ ଗୋଟିଏ ନିର୍ଦ୍ଦିଷ୍ଟ ନିର୍ଦ୍ଦେଶ ଦିଅନ୍ତୁ।
ଏକ ଦୁର୍ବଳ ପ୍ରମ୍ପ୍ଟ ଓ ଏକ ସୁଦୃଢ଼ ପ୍ରମ୍ପ୍ଟକୁ ପାଖାପାଖି ରଖି ଦେଖିଲେ ସେଗୁଡ଼ିକ କିପରି ହୋଇଥାଏ?
ଏକ ଦୁର୍ବଳ ନିର୍ଦ୍ଦେଶ କେବଳ ବିଷୟ କହେ; ଏକ ସୁଦୃଢ଼ ନିର୍ଦ୍ଦେଶ ପାଠକ, କାମ, ଉତ୍ସ ଏବଂ ସୀମା ସ୍ପଷ୍ଟ କରେ। ହାର୍ବର ଲେନ୍ ଉଦାହରଣରେ ଦୁର୍ବଳ ନିର୍ଦ୍ଦେଶଟି ହେଉଛି: ମାଲ ପଠାଇବାରେ ବିଳମ୍ବ ବିଷୟରେ ଗ୍ରାହକଙ୍କୁ ଏକ ଇମେଲ୍ ଲେଖ। ଏହି ଅନୁରୋଧର ସାଧାରଣ ଉତ୍ତର ଭଦ୍ର ଓ ଆତ୍ମବିଶ୍ୱାସପୂର୍ଣ୍ଣ ହୋଇଥାଏ, କିନ୍ତୁ ଏଥିରେ ମନଗଢ଼ା କଥା ରହେ: ବିଳମ୍ବର ଏକ କାରଣ, ଏକ ନିଶ୍ଚିତ ନୂଆ ତାରିଖ ଏବଂ କେହି ଅନୁମୋଦନ କରିନଥିବା କ୍ଷତିପୂରଣ ପ୍ରସ୍ତାବ।
ଅଧିକ ସ୍ପଷ୍ଟ ଓ ସଠିକ୍ ରୂପ: ଗ୍ରାହକ ସମ୍ପର୍କ ପରିଚାଳକଙ୍କ ତରଫରୁ ଗ୍ରାହକ ସଂସ୍ଥାର କ୍ରୟ ବିଭାଗ ମୁଖ୍ୟଙ୍କୁ ଏକ ଇମେଲ୍ ଖସଡ଼ା ଲେଖନ୍ତୁ। ଉଦ୍ଦେଶ୍ୟ: ମାଲ ପହଞ୍ଚିବାରେ ବିଳମ୍ବ ବିଷୟରେ ଜଣାଇବା, ଯାହାଫଳରେ ସେ ନିଜ ଗୋଦାମ ଦଳକୁ ନୂଆ ସୂଚନା ଦେଇପାରିବେ। କେବଳ ଏହି ତଥ୍ୟଗୁଡ଼ିକ ବ୍ୟବହାର କରନ୍ତୁ: ସୀମାଶୁଳ୍କ ସମ୍ବନ୍ଧୀୟ ଦଲିଲ ଯାଞ୍ଚ ପାଇଁ କଣ୍ଟେନର୍ଟି ବନ୍ଦରରେ ଅଟକିଛି; ମାଲ ପହଞ୍ଚିବାର ଆନୁମାନିକ ଦିନ ଏବେ ଗୁରୁବାର; ଆମେ ଆସନ୍ତାକାଲି 4pm ସୁଦ୍ଧା ପରବର୍ତ୍ତୀ ସୂଚନା ପଠାଇବୁ। ଗୁରୁବାରକୁ ଏକ ଆନୁମାନିକ ଦିନ ଭାବେ ଉଲ୍ଲେଖ କରନ୍ତୁ। ଯାଞ୍ଚର କାରଣ ଦିଅନ୍ତୁ ନାହିଁ କିମ୍ବା କ୍ଷତିପୂରଣ ଦେବାର ପ୍ରସ୍ତାବ ରଖନ୍ତୁ ନାହିଁ। ଏହାକୁ 150 ଶବ୍ଦରୁ କମ୍ ରଖନ୍ତୁ, ଭାଷା ସରଳ ଓ ଶାନ୍ତ ରଖନ୍ତୁ ଏବଂ ଅତି ବେଶିରେ ଥରେ କ୍ଷମା ମାଗନ୍ତୁ। ଇମେଲ୍ ପରେ, ପଠାଇବା ପୂର୍ବରୁ ମୁଁ କେଉଁ ବିବରଣୀ ନିଶ୍ଚିତ କରିବା ଉଚିତ ତାହା ତାଲିକା କରନ୍ତୁ।
ଦ୍ୱିତୀୟ ନିର୍ଦ୍ଦେଶଟି ଅଧିକ ଲମ୍ବା, କିନ୍ତୁ ଲମ୍ବା ହେବା ଏଠାରେ ମୁଖ୍ୟ କଥା ନୁହେଁ। ଯୋଡ଼ାଯାଇଥିବା ପ୍ରତ୍ୟେକ ବାକ୍ୟ ସମୀକ୍ଷକଙ୍କୁ କିଛି ନା କିଛି ଯାଞ୍ଚ କରିବାର ସୁଯୋଗ ଦିଏ: ବ୍ୟବହୃତ ତଥ୍ୟ, ଏଡ଼ାଇ ଦିଆଯାଇଥିବା ଦାବି, ଶବ୍ଦ ସୀମା ଏବଂ ଉଠାଯାଇଥିବା ପ୍ରଶ୍ନ। ଯଦି ଖସଡ଼ାରେ ତଥାପି କୁହାଯାଏ ଯେ ଗ୍ରାହକଙ୍କ ପକ୍ଷରୁ କାଗଜପତ୍ରରେ ହୋଇଥିବା ତ୍ରୁଟି ଯୋଗୁଁ ବିଳମ୍ବ ହୋଇଥିଲା, ତେବେ ସମୀକ୍ଷକ ତୁରନ୍ତ ବୁଝିପାରିବେ ଯେ ମଡେଲ୍ ମୂଳ ସାମଗ୍ରୀ ବାହାରକୁ ଯାଇଛି ଏବଂ ସେହି ବାକ୍ୟଟିକୁ ହଟାଇପାରିବେ।
କୃତ୍ରିମ ବୁଦ୍ଧିମତ୍ତାକୁ ନିର୍ଦ୍ଦେଶ ଦେବାର କିଛି ଉନ୍ନତ କୌଶଳ କ’ଣ?
ମୌଳିକ କୌଶଳ ପରେ ସବୁଠାରୁ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ପଦ୍ଧତିଗୁଡ଼ିକ ହେଲା ଉଦାହରଣ ଦେବା, ଢାଞ୍ଚା ନିର୍ଦ୍ଦିଷ୍ଟ କରିବା, ବଡ଼ କାର୍ଯ୍ୟକୁ ଛୋଟ ଭାଗରେ ବାଣ୍ଟିବା, ବିକଳ୍ପ ମାଗିବା ଏବଂ କ’ଣ କରିବାକୁ ହେବ ସେହି ରୂପରେ ନିର୍ଦ୍ଦେଶ ଦେବା। ଏଗୁଡ଼ିକ ମଧ୍ୟରୁ କୌଣସିଟି ପାଇଁ ବୈଷୟିକ ଦକ୍ଷତା ଦରକାର ନାହିଁ।
ପ୍ରଦାନକାରୀମାନେ ପ୍ରତ୍ୟେକ ବିବରଣୀ ଉପରେ ଏକମତ ନୁହନ୍ତି, ଏବଂ ଏହି ମତଭେଦ ବିଷୟରେ ଜାଣିବା ଉପଯୋଗୀ। Anthropic ଦୀର୍ଘ ଦସ୍ତାବିଜଗୁଡ଼ିକୁ ପ୍ରମ୍ପ୍ଟର ଆରମ୍ଭ ଆଡ଼କୁ, ପ୍ରଶ୍ନର ଉପରେ ରଖିବାକୁ ପରାମର୍ଶ ଦିଏ। Microsoft କହେ ଯେ Copilot ପ୍ରମ୍ପ୍ଟର ପରବର୍ତ୍ତୀ ଅଂଶଗୁଡ଼ିକୁ ଅଧିକ ଗୁରୁତ୍ୱ ଦିଆଯିବାର ସମ୍ଭାବନା ରହିଛି ଏବଂ ଉତ୍ସର ସନ୍ଦର୍ଭଗୁଡ଼ିକୁ ଶେଷ ଆଡ଼କୁ ରଖିବାକୁ ପରାମର୍ଶ ଦିଏ। OpenAI ର ବିକାଶକାରୀ ମାର୍ଗଦର୍ଶିକା ମଧ୍ୟ କହେ ଯେ ଦିଆଯାଇଥିବା ପୃଷ୍ଠଭୂମି ସୂଚନା ସାଧାରଣତଃ ଶେଷ ଆଡ଼କୁ ରଖିବା ସବୁଠାରୁ ଭଲ। ଏଥିରୁ ସ୍ପଷ୍ଟ ନିଷ୍କର୍ଷ ହେଉଛି ଯେ କେଉଁଠି ରଖିବେ ତାହା ସାଧନ ଉପରେ ନିର୍ଭର କରେ। ତେଣୁ ସବୁଠି ଗୋଟିଏ ନିୟମ ଲାଗୁ କରିବା ବଦଳରେ, ଆପଣଙ୍କ ପାଇଁ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ କୌଣସି କାମରେ ଉଭୟ କ୍ରମ ପରୀକ୍ଷା କରନ୍ତୁ।
ଏକ ଉଦାହରଣ ଦେଖାନ୍ତୁ
ଆପଣ ଚାହୁଁଥିବା ଫଳାଫଳର ଗୋଟିଏ କିମ୍ବା ଦୁଇଟି ଉଦାହରଣ ଲଗାନ୍ତୁ, ଯେପରିକି ଆପଣଙ୍କ ପରିଚାଳକଙ୍କୁ ଭଲ ଲାଗିଥିବା ପୂର୍ବର ଏକ କାମର ସ୍ଥିତି ବିବରଣୀ। Anthropic ଅନୁସାରେ, ଫଳାଫଳର ରୂପ, ଭାଷାଶୈଳୀ ଓ ଗଠନକୁ ଠିକ୍ ଦିଗ ଦେବାର ସବୁଠାରୁ ନିର୍ଭରଯୋଗ୍ୟ ଉପାୟମାନଙ୍କ ମଧ୍ୟରେ ଉଦାହରଣ ଅନ୍ୟତମ। ଉପଲବ୍ଧ ଥିଲେ ଭଲ ଫଳ ପାଇଁ ତିନିରୁ ପାଞ୍ଚଟି ଭିନ୍ନ ଧରଣର ଉଦାହରଣ ଦେବାକୁ ଏହା ପରାମର୍ଶ ଦିଏ।
ନିର୍ଦ୍ଦେଶଗୁଡ଼ିକୁ ଦିଆଯାଇଥିବା ବିଷୟବସ୍ତୁଠାରୁ ଅଲଗା କରନ୍ତୁ
ନିର୍ଦ୍ଦେଶ, ଉତ୍ସ ଟିପ୍ପଣୀ ଏବଂ ଉଦାହରଣ ପରି ଶୀର୍ଷକ କିମ୍ବା ନାମ ଦିଆଯାଇଥିବା ଖଣ୍ଡ ବ୍ୟବହାର କରନ୍ତୁ, ଯାହାଦ୍ୱାରା ମଡେଲ୍ ଆପଣଙ୍କ ନିୟମକୁ ଏହା କାମ କରୁଥିବା ପାଠ୍ୟଠାରୁ ଅଲଗା କରିପାରିବ। ଏଥିପାଇଁ Anthropic ଟ୍ୟାଗ୍ ବ୍ୟବହାର କରିବାକୁ ପରାମର୍ଶ ଦିଏ; ସାଧାରଣ ଶୀର୍ଷକ ଯେକୌଣସି ଚାଟ୍ ସାଧନରେ କାମ କରେ।
କାମକୁ ଛୋଟ ଭାଗରେ ବାଣ୍ଟନ୍ତୁ
ପ୍ରଥମେ ଏକ ରୂପରେଖା ମାଗନ୍ତୁ, ତାହାକୁ ଅନୁମୋଦନ କରନ୍ତୁ, ତା’ପରେ ଚିଠା ମାଗନ୍ତୁ। ସମ୍ପର୍କିତ କାମଗୁଡ଼ିକୁ ଅଲଗା ଅଲଗା ନିର୍ଦ୍ଦେଶରେ ଭାଗ କରିବାକୁ Google ପରାମର୍ଶ ଦିଏ, ଏବଂ ବଡ଼ କାମକୁ ଛୋଟ ଛୋଟ ଭାଗରେ ବାଣ୍ଟିବାକୁ OpenAI Academy ପରାମର୍ଶ ଦିଏ।
ବିକଳ୍ପ ଓ ପ୍ରାଥମିକତା ମାଗନ୍ତୁ
ତିନୋଟି ବିକଳ୍ପ ଓ ପ୍ରତ୍ୟେକର ଲାଭ ଏବଂ ସୀମାବଦ୍ଧତା ମାଗନ୍ତୁ, ଏବଂ କେଉଁଟି ସବୁଠାରୁ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ତାହା କୁହନ୍ତୁ: ସଠିକତା, ସଂକ୍ଷିପ୍ତତା କିମ୍ବା ଗତି।
କେବଳ କ’ଣ ଏଡ଼ାଇବାକୁ ହେବ ନୁହେଁ, କ’ଣ କରିବାକୁ ହେବ ତାହା କୁହନ୍ତୁ
Microsoft ଏବଂ Anthropic ଉଭୟ କ’ଣ କରିବାକୁ ହେବ ତାହା ସ୍ପଷ୍ଟ କରୁଥିବା ଭାଷାରେ ନିର୍ଦ୍ଦେଶ ଦେବାକୁ ପରାମର୍ଶ ଦିଅନ୍ତି। ବିନ୍ଦୁ ଆକାରରେ ଲେଖ ନାହିଁ ବଦଳରେ, ଛୋଟ ଓ ସରଳ ଅନୁଚ୍ଛେଦରେ ଲେଖ ବୋଲି କୁହନ୍ତୁ। ଯେଉଁ ତଥ୍ୟ କିମ୍ବା ଦାବି କଦାପି ଉଲ୍ଲେଖ ହେବା ଉଚିତ ନୁହେଁ, କେବଳ ସେଗୁଡ଼ିକ ପାଇଁ ନିଷେଧ ନିୟମ ରଖନ୍ତୁ।
ପ୍ରଶ୍ନ ପଚାରିବାକୁ ଉତ୍ସାହିତ କରନ୍ତୁ
ଶେଷରେ ଲେଖନ୍ତୁ: ଖସଡ଼ା ଲେଖିବା ପୂର୍ବରୁ, କୌଣସି ଜରୁରୀ ତଥ୍ୟ ନଥିଲେ ମୋତେ ସର୍ବାଧିକ ତିନୋଟି ପ୍ରଶ୍ନ ପଚାର। ଏହା ଏପରି ଅଭାବଗୁଡ଼ିକୁ ସାମ୍ନାକୁ ଆଣେ, ଯାହାକୁ ମଡେଲ୍ ଅନ୍ୟଥା ଅନୁମାନ କରି ପୂରଣ କରିଥାନ୍ତା।
ପ୍ରଥମ ଉତ୍ତରରେ କାମ କ୍ୱଚିତ୍ ସମ୍ପୂର୍ଣ୍ଣ ହୁଏ କାହିଁକି?
ପ୍ରଥମ ଉତ୍ତରଟି ହେଉଛି ଆପଣଙ୍କ ମତାମତ ଦେବା ପାଇଁ ଏକ ଖସଡ଼ା, ଏବଂ ସେବା ପ୍ରଦାନକାରୀମାନେ ମଧ୍ୟ ସେହି କଥା କୁହନ୍ତି। Microsoft କହେ ଯେ ପ୍ରଥମ ଫଳାଫଳ ପ୍ରାୟତଃ ଚୂଡ଼ାନ୍ତ କିମ୍ବା ସବୁଠାରୁ ଭଲ ଉତ୍ତର ହୋଇନଥାଏ ଏବଂ ଆପଣଙ୍କୁ କିଛି ପର୍ଯ୍ୟାୟର ପ୍ରଶ୍ନୋତ୍ତର ପାଇଁ ପ୍ରସ୍ତୁତ ରହିବା ଉଚିତ। ପୁଣି ଆରମ୍ଭରୁ ଆରମ୍ଭ କରିବା ପରିବର୍ତ୍ତେ ସେହି କଥୋପକଥନରେ ଉତ୍ତରକୁ ସୁଧାରିବା ପାଇଁ OpenAI Academy ପରାମର୍ଶ ଦିଏ।
ଏକ ଭଲ ପରବର୍ତ୍ତୀ ନିର୍ଦ୍ଦେଶ ନିର୍ଦ୍ଦିଷ୍ଟ ସମସ୍ୟାକୁ ଚିହ୍ନଟ କରେ। ଏହାକୁ ଛୋଟ କର ବୋଲି କହିବା ଅପେକ୍ଷା ଏହି ନିର୍ଦ୍ଦେଶ ଅଧିକ ସ୍ପଷ୍ଟ: ପ୍ରଥମ ଅନୁଚ୍ଛେଦକୁ ଦୋହରାଉଥିବା ଦ୍ୱିତୀୟ ଅନୁଚ୍ଛେଦଟି କାଟିଦିଅ ଏବଂ ପରବର୍ତ୍ତୀ ସୂଚନା ଦେବା ସମୟକୁ ଆରମ୍ଭ ବାକ୍ୟକୁ ଆଣ। Microsoft ମଧ୍ୟ କହେ ଯେ ସମାନ ନିର୍ଦ୍ଦେଶ ପ୍ରତ୍ୟେକ ଥର ଭିନ୍ନ ଫଳ ଦେଇପାରେ, ତେଣୁ ଥରେ କାମ କରିଥିବା ନିର୍ଦ୍ଦେଶ ସବୁଥର କାମ କରିବ ବୋଲି ପ୍ରମାଣ ନୁହେଁ। ବାରମ୍ବାର ହେଉଥିବା କାମ ପାଇଁ ଏହାକୁ ଭରସାଯୋଗ୍ୟ ମାନିବା ପୂର୍ବରୁ ଅନେକ ଭିନ୍ନ ତଥ୍ୟ ଦେଇ ପରୀକ୍ଷା କରନ୍ତୁ।
ଏହା ଏକ ଚାକିରି ଭୂମିକା ସହ କିପରି ଜଡ଼ିତ, ଦେଖିବାକୁ ଚାହୁଁଛନ୍ତି କି?
ଦଳ ପାଇଁ ଯୋଜନାରେ ଥିବା ପରୀକ୍ଷାମୂଳକ ବ୍ୟବହାର ବିଷୟରେ ଜାଣନ୍ତୁ ↗ChatGPT, Claude, Copilot ଓ Gemini ପାଇଁ ଭିନ୍ନ ନିର୍ଦ୍ଦେଶ ଦରକାର କି?
ପ୍ରତ୍ୟେକ ସହାୟକରେ ମୌଳିକ ନୀତି ସମାନ; ପାର୍ଥକ୍ୟ ହେଉଛି ପ୍ରତ୍ୟେକ ସାଧନ କେଉଁ ସୂଚନା ଦେଖିପାରେ। ସ୍ପଷ୍ଟ କାମ, ବାସ୍ତବ ପୃଷ୍ଠଭୂମି, ସୀମା ନିର୍ଦ୍ଧାରିତ ଉତ୍ସ ଏବଂ ନିର୍ଦ୍ଦିଷ୍ଟ ଉପସ୍ଥାପନ ଢାଞ୍ଚା—ଏହି ଚାରୋଟି ସହାୟକରେ ଫଳାଫଳକୁ ଉନ୍ନତ କରିବ।
ବ୍ୟବହାରିକ ପାର୍ଥକ୍ୟ ଅନ୍ୟ ସାଧନ ଓ ତଥ୍ୟ ଉତ୍ସ ସହ ସଂଯୋଗରୁ ଆସେ। ଫରୱାର୍ଡ ସ୍ଲାଶ୍ ଟାଇପ୍ କରି Microsoft 365 Copilotକୁ ନିର୍ଦ୍ଦିଷ୍ଟ ନାମ ଥିବା ଫାଇଲ୍, ବୈଠକ, ବ୍ୟକ୍ତି ଓ ଇମେଲ୍ର ସନ୍ଦର୍ଭ ଦିଆଯାଇପାରେ, ତେବେ ଆପଣ କାହାର ସନ୍ଦର୍ଭ ଦେଇପାରିବେ ତାହା ଆପଣଙ୍କ ଲାଇସେନ୍ସ ଓ ସେଟିଂସ୍ ଉପରେ ନିର୍ଭର କରେ। Google Workspaceରେ ଥିବା Gemini ପରି ଅଫିସ୍ ସଫ୍ଟୱେର୍ ସମୂହରେ ଅନ୍ତର୍ଭୁକ୍ତ ସହାୟକଗୁଡ଼ିକ ଆପଣଙ୍କ ଯୋଜନା ଓ ପ୍ରଶାସକଙ୍କ ସେଟିଂସ୍ ଅନୁସାରେ କାମ ସମ୍ବନ୍ଧୀୟ ଫାଇଲ୍ଗୁଡ଼ିକୁ ପଢ଼ିପାରନ୍ତି। ଆପଣଙ୍କ ସଂସ୍ଥା ଅନ୍ୟ ଉତ୍ସଗୁଡ଼ିକୁ ସଂଯୋଗ କରିନଥିଲେ, ସ୍ୱତନ୍ତ୍ର ଚାଟ୍ ସହାୟକଗୁଡ଼ିକ ମୁଖ୍ୟତଃ ଆପଣ ଲେପନ କିମ୍ବା ଅପଲୋଡ୍ କରିଥିବା ବିଷୟବସ୍ତୁ ଆଧାରରେ କାମ କରନ୍ତି। ସଦ୍ୟତମ ମୂଲ୍ୟ ତାଲିକା ବ୍ୟବହାର କରିବାକୁ ନିର୍ଦ୍ଦେଶ ଲେଖିବା ପୂର୍ବରୁ, ସାଧନଟି ପ୍ରକୃତରେ ସେହି ତାଲିକାକୁ ପଢ଼ିପାରୁଛି କି ନାହିଁ ଯାଞ୍ଚ କରନ୍ତୁ; ନଚେତ୍ ଏହା ନ ଜଣାଇ ସାଧାରଣ ଜ୍ଞାନ ଆଧାରରେ ଉତ୍ତର ଦେଇପାରେ।
ନିର୍ଦ୍ଦିଷ୍ଟ ସାଧନର ଉଦାହରଣ ପାଇଁ, କାମରେ ChatGPT ନିର୍ଦ୍ଦେଶ ଓ Copilot ନିର୍ଦ୍ଦେଶ ବିଷୟକ ସମ୍ପର୍କିତ ମାର୍ଗଦର୍ଶିକା, ଏବଂ କାର୍ଯ୍ୟକ୍ଷେତ୍ରରେ AI ସାଧନ ବ୍ୟବହାରର ବିସ୍ତୃତ ମାର୍ଗଦର୍ଶିକା ଦେଖନ୍ତୁ।
କାର୍ଯ୍ୟକ୍ଷେତ୍ରରେ କୃତ୍ରିମ ବୁଦ୍ଧିମତ୍ତାକୁ ନିର୍ଦ୍ଦେଶ ଦେବାବେଳେ ସବୁଠାରୁ ସାଧାରଣ ଭୁଲଗୁଡ଼ିକ କ’ଣ?
ସାଧାରଣ ଭୁଲଗୁଡ଼ିକ ହେଲା ତଥ୍ୟ ନଦେଇ ଲେଖାକୁ ଅଧିକ ସୁନ୍ଦର କରିବାକୁ କହିବା, ଯାଦୁ ଭଳି କାମ କରିବ ବୋଲି ଭାବି କିଛି ନିର୍ଦ୍ଦିଷ୍ଟ ବାକ୍ୟାଂଶ ଉପରେ ନିର୍ଭର କରିବା ଏବଂ ଆତ୍ମବିଶ୍ୱାସର ସହ ଦିଆଯାଇଥିବା ଉତ୍ତରକୁ ବିଶ୍ୱାସ କରିବା। ଏଗୁଡ଼ିକ ବିଷୟରେ ଜାଣିଗଲେ ପ୍ରତ୍ୟେକଟିକୁ ସହଜରେ ଚିହ୍ନଟ କରିହୁଏ।
କେବଳ କାର୍ଯ୍ୟଭୂମିକା, ସାରବସ୍ତୁ ନାହିଁ
ଜଣେ ବିଶ୍ୱସ୍ତରୀୟ ବିପଣନ ବିଶେଷଜ୍ଞ ଭଳି କାମ କର ବୋଲି କହିବା ମଡେଲ୍କୁ ଏକ ବେଶ ଦିଏ, କାମ ନୁହେଁ। ଗୋଟିଏ ଧାଡ଼ିରେ ଭୂମିକା ଜଣାଇଲେ ଭାଷାଶୈଳୀରେ ସାହାଯ୍ୟ ମିଳିପାରେ, କିନ୍ତୁ ତାହା ପାଠକ, ତଥ୍ୟ ଓ ସୀମା ସମ୍ବନ୍ଧୀୟ ନିର୍ଦ୍ଦେଶର ବିକଳ୍ପ ନୁହେଁ।
କୌଣସି ଉତ୍ସ ନାହିଁ
କୌଣସି ଆଧାର ସାମଗ୍ରୀ ନଦେଇ ବଜାରର ସାରାଂଶ ମାଗିଲେ ସାଧାରଣ କଥା ଏବଂ ବେଳେବେଳେ ମନଗଢ଼ା ସଂଖ୍ୟା ମିଳିବାର ସମ୍ଭାବନା ରହେ।
ଅସ୍ପଷ୍ଟ ସଂଶୋଧନ
ଏହାକୁ ଭଲ କରନ୍ତୁ କହିଲେ କୌଣସି ଦିଗନିର୍ଦ୍ଦେଶ ମିଳେ ନାହିଁ। କେଉଁ ବାକ୍ୟ, କଣ ସମସ୍ୟା ଏବଂ କଣ ପରିବର୍ତ୍ତନ ଦରକାର ତାହା ସ୍ପଷ୍ଟ କରନ୍ତୁ।
ଗୋଟିଏ ବହୁତ ବଡ଼ ନିର୍ଦ୍ଦେଶ
ଗୋଟିଏ ଅନୁରୋଧରେ ଗବେଷଣା, ବିଶ୍ଳେଷଣ, ଖସଡ଼ା ଲେଖନ ଓ ଫର୍ମାଟ୍ ସଜାଇବାକୁ ଏକାଠି କଲେ ତ୍ରୁଟି ଖୋଜିବା କଷ୍ଟକର ହୁଏ। ଏହାକୁ ଅଲଗା ଅଲଗା କରନ୍ତୁ।
ଯାହା ଲଗାଇବା ଉଚିତ ନୁହେଁ, ତାହା ଲଗାଇବା
ଗ୍ରାହକଙ୍କ ଚୁକ୍ତିନାମା, ବ୍ୟକ୍ତିଗତ ତଥ୍ୟ କିମ୍ବା ଅପ୍ରକାଶିତ ପରିସଂଖ୍ୟାନ କେବଳ ସେହି ତଥ୍ୟ ପାଇଁ ଆପଣଙ୍କ କମ୍ପାନୀ ଅନୁମୋଦନ କରିଥିବା ସାଧନରେ ହିଁ ଦିଆଯିବା ଉଚିତ।
ସାବଲୀଳତାକୁ ପ୍ରମାଣ ବୋଲି ଧରିନେବା
ଭଲ ଭାବେ ଲେଖାଯାଇଥିବା ଉତ୍ତରରେ ମଧ୍ୟ ଭୁଲ୍ ତଥ୍ୟ ଥାଇପାରେ। ତାହାକୁ ମୂଳ ସାମଗ୍ରୀ ସହ ମେଳାଇ ଯାଞ୍ଚ କରନ୍ତୁ।
ମିଳିଥିବା ଉତ୍ତରକୁ ଆପଣ କିପରି ଯାଞ୍ଚ କରିବା ଉଚିତ?
ପ୍ରତ୍ୟେକ ତଥ୍ୟଭିତ୍ତିକ ବାକ୍ୟକୁ ଆପଣ ଦେଇଥିବା ଉତ୍ସ ସହିତ ମେଳାଇ ଯାଞ୍ଚ କରନ୍ତୁ, ଏବଂ ଉତ୍ସରେ ନଥିବା ଯେକୌଣସି କଥାକୁ ଦୁଇଥର ଯାଞ୍ଚ କରନ୍ତୁ। ଏହିଠାରେ ନିର୍ଦ୍ଦେଶ ପ୍ରସ୍ତୁତିର କୌଶଳ ଓ ସମୀକ୍ଷା ଏକାଠି ହୁଅନ୍ତି: ସ୍ପଷ୍ଟ ସୀମା ଥିବା ନିର୍ଦ୍ଦେଶ ଯାଞ୍ଚକୁ ଶୀଘ୍ର କରେ, କାରଣ ଉତ୍ତରରେ କ’ଣ କହିବାକୁ ଅନୁମତି ଥିଲା ତାହା ଆପଣ ଠିକ୍ ଭାବରେ ଜାଣନ୍ତି।
Microsoft ସ୍ପଷ୍ଟ ଭାବେ କୁହେ ଯେ Copilot ର ଉତ୍ତର ଭୁଲ୍ ହୋଇପାରେ ଏବଂ ସେଗୁଡ଼ିକର ସମୀକ୍ଷା ଓ ସତ୍ୟତା ଯାଞ୍ଚ କରାଯିବା ଉଚିତ। ଏହା ପ୍ରତ୍ୟେକ ସହାୟକ ପାଇଁ ପ୍ରଯୁଜ୍ୟ। ଅତିରିକ୍ତ ଭାବେ ଯୋଡ଼ାଯାଇଥିବା କାରଣ, ତାରିଖ, ନାମ, ସଂଖ୍ୟା ଓ ପ୍ରତିଶ୍ରୁତି ଅଛି କି ନାହିଁ ଦେଖନ୍ତୁ। ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ସଂଖ୍ୟାଗୁଡ଼ିକୁ ସ୍ୱତନ୍ତ୍ର ଭାବେ ପୁଣି ଗଣନା କରନ୍ତୁ। ମଡେଲ୍ କୌଣସି ଉତ୍ସ ଉଲ୍ଲେଖ କଲେ, ତାହା ଖୋଲି ସମ୍ପୃକ୍ତ ଅଂଶଟି ଖୋଜନ୍ତୁ। AI ଫଳାଫଳର ତଥ୍ୟ ଯାଞ୍ଚ କିପରି କରିବେ ସେ ବିଷୟର ମାର୍ଗଦର୍ଶିକାରେ ଏହା ବିସ୍ତୃତ ଭାବେ ବୁଝାଯାଇଛି।
ଦଳଗୁଡ଼ିକ AI ପାଇଁ ପ୍ରଭାବଶାଳୀ ନିର୍ଦ୍ଦେଶ ଲେଖିବା କିପରି ଶିଖନ୍ତି?
ଦଳଗୁଡ଼ିକ ନିଜର ବାରମ୍ବାର କରୁଥିବା କାମରେ ଅଭ୍ୟାସ କରି ଏବଂ ଏକ ସ୍ପଷ୍ଟ ମାନଦଣ୍ଡ ସହ ଫଳାଫଳ ତୁଳନା କରି AI କୁ ନିର୍ଦ୍ଦେଶ ଦେବା ସବୁଠାରୁ ଶୀଘ୍ର ଶିଖନ୍ତି। ପ୍ରତ୍ୟେକ ବ୍ୟକ୍ତି ପ୍ରକୃତରେ ପ୍ରସ୍ତୁତ କରୁଥିବା ଇମେଲ୍, ସାରାଂଶ ଓ ବିଶ୍ଳେଷଣ ଉପରେ ବାରମ୍ବାର ଚେଷ୍ଟା କରିବା ଏବଂ ସେଗୁଡ଼ିକର ସମୀକ୍ଷା କରିବା ତୁଳନାରେ, AI ନିର୍ଦ୍ଦେଶର ଢାଞ୍ଚା ବିଷୟରେ ଏକ ସାଧାରଣ ପାଠ୍ୟକ୍ରମ କମ୍ ସହାୟକ ହୁଏ।
ଏକ ଉପଯୋଗୀ ଅଭ୍ୟାସ ଚକ୍ରର ଚାରିଟି ଅଂଶ ଥାଏ: ଆବଶ୍ୟକ ତଥ୍ୟ ସହିତ ଦିଆଯାଇଥିବା ଏକ ବାସ୍ତବସମ୍ମତ କାମ, ପ୍ରଥମ ନିର୍ଦ୍ଦେଶ, ଏକ ସଂଶୋଧନ ଏବଂ ବ୍ୟକ୍ତି ଜଣକ କ’ଣ ବଦଳାଇଲେ ଓ କାହିଁକି ବଦଳାଇଲେ ତାହା ବୁଝାଉଥିବା ଏକ ସଂକ୍ଷିପ୍ତ ଟିପ୍ପଣୀ। ଜଣେ ପରିଚାଳକ କିମ୍ବା ସହକର୍ମୀ କେବଳ ଅନ୍ତିମ ଲେଖା ନୁହେଁ, ସେହି ଟିପ୍ପଣୀର ମଧ୍ୟ ସମୀକ୍ଷା କରନ୍ତି। ନିର୍ଦ୍ଦେଶ ତିଆରି କରିବାର ପ୍ରଶିକ୍ଷଣରେ ସମୀକ୍ଷା ପର୍ଯ୍ୟାୟକୁ ଛାଡ଼ିଦେଲେ, ଭଲ ବିଚାରବୁଦ୍ଧି ବଦଳରେ ଲମ୍ବା ନିର୍ଦ୍ଦେଶକୁ ଅଧିକ ମୂଲ୍ୟ ଦିଆଯିବାର ପ୍ରବଣତା ରହେ।
ସେହି ଅଭ୍ୟାସ ଚକ୍ରକୁ ଆଧାର କରି Tosheo.ai ତିଆରି କରାଯାଉଛି। ଯୋଜନାଧୀନ ଉତ୍ପାଦରେ ପ୍ରତ୍ୟେକ କର୍ମଚାରୀଙ୍କୁ ଏକ ସଂକ୍ଷିପ୍ତ ଦକ୍ଷତା ଯାଞ୍ଚ ଦିଆଯିବ, ତା’ପରେ 10 ରୁ 15 ମିନିଟ୍ର କାର୍ଯ୍ୟଭୂମିକା ଅନୁଯାୟୀ ପାଠ ଦିଆଯିବ। ପ୍ରତ୍ୟେକ ପାଠ ଶେଷରେ ଏକ ବାସ୍ତବ ଏଆଇ ସାଧନରେ ନିଜେ କାମ କରିବାକୁ ହେବ। ସ୍ପଷ୍ଟ ଭାବେ ଦେଖିହେଉଥିବା ମାନଦଣ୍ଡଭିତ୍ତିକ ଅଙ୍କଦାନ ମାର୍ଗଦର୍ଶିକା ଅନୁସାରେ ଏହାର ମୂଲ୍ୟାୟନ ହେବ ଓ ନିର୍ଦ୍ଦିଷ୍ଟ ମତାମତ ମିଳିବ। ଉତ୍ପାଦ ଏଯାଏଁ ନିର୍ମାଣ-ପୂର୍ବ ପର୍ଯ୍ୟାୟରେ ଅଛି, ତେଣୁ ଏହା ଫଳାଫଳ ନୁହେଁ, ଯୋଜନାଧୀନ ପରିସରର ବର୍ଣ୍ଣନା। ପ୍ରଥମେ ଏହାକୁ କାର୍ଯ୍ୟସ୍ଥଳର କାମରେ କିପରି ଲାଗୁ କରାଯାଏ ଦେଖିବାକୁ ଚାହିଁଲେ, ବ୍ୟବସାୟ ପାଇଁ ପ୍ରମ୍ପ୍ଟ ଇଞ୍ଜିନିୟରିଂ ସମ୍ପର୍କିତ ସହଯୋଗୀ ମାର୍ଗଦର୍ଶିକାରେ ସମାଧାନ ସହ ଅଧିକ ଉଦାହରଣ ଅଛି।
କେଉଁ ପରିସ୍ଥିତିରେ କୃତ୍ରିମ ବୁଦ୍ଧିମତ୍ତା ପାଇଁ ନିର୍ଦ୍ଦେଶ ତିଆରି ଓ ପରିମାର୍ଜନ କରିବା ସମାଧାନ ନୁହେଁ?
ଯେଉଁ କାମ ପାଇଁ ଉପକରଣ ପାଖରେ ନଥିବା ତଥ୍ୟ ଦରକାର, କେବଳ ଜଣେ ମଣିଷ ନେଇପାରୁଥିବା ନିଷ୍ପତ୍ତି ଦରକାର, କିମ୍ବା ଯେଉଁ କାମ ପାଇଁ ଉପକରଣଟି ଅନୁପଯୁକ୍ତ, ସେହି କାମର ସମସ୍ୟା ନିର୍ଦ୍ଦେଶ ଲେଖନ ଓ ପରିମାର୍ଜନ ଦ୍ୱାରା ସମାଧାନ ହୋଇପାରିବ ନାହିଁ। Anthropicର ନିଜସ୍ୱ ପରିଚୟ ଲେଖାରେ ମଧ୍ୟ କୁହାଯାଇଛି ଯେ ପ୍ରତ୍ୟେକ ବିଫଳତାର ସର୍ବୋତ୍ତମ ସମାଧାନ ନିର୍ଦ୍ଦେଶ ବଦଳାଇବା ନୁହେଁ; ବେଳେବେଳେ ଏକ ଭିନ୍ନ ମଡେଲ୍, ଭିନ୍ନ ଉପକରଣ କିମ୍ବା ଭିନ୍ନ ପ୍ରକ୍ରିୟା ହିଁ ସମାଧାନ ହୋଇଥାଏ।
ସାରାଂଶରେ ବାରମ୍ବାର ସଂଖ୍ୟାଗତ ତଥ୍ୟ ଛାଡ଼ି ହୋଇଯାଉଥିଲେ, ଏହାର କାରଣ ଆପଣଙ୍କ ନିର୍ଦ୍ଦେଶର ଶବ୍ଦବିନ୍ୟାସ ନହୋଇ, ସହାୟକ ଠିକ୍ ଭାବେ ପଢ଼ିପାରୁନଥିବା କୌଣସି ଫାଇଲ ହୋଇପାରେ। ଖସଡ଼ା ବାରମ୍ବାର ବ୍ରାଣ୍ଡର ଶୈଳୀ ସହ ମେଳ ଖାଉନଥିଲେ, ଅଧିକ ବିଶେଷଣ ବଦଳରେ ଏକ ପ୍ରକୃତ ଶୈଳୀ ନିର୍ଦ୍ଦେଶିକା ଓ ଉଦାହରଣ ଦରକାର ହୋଇପାରେ। ଫଳାଫଳ କାହାର ଦରମା, ଅଧିକାର, ସ୍ୱାସ୍ଥ୍ୟ କିମ୍ବା ଆଇନଗତ ସ୍ଥିତିକୁ ପ୍ରଭାବିତ କରୁଥିଲେ, ଭଲ ନିର୍ଦ୍ଦେଶ ଦେଲେ ମଧ୍ୟ ଜଣେ ଯୋଗ୍ୟ ସମୀକ୍ଷକଙ୍କ ଆବଶ୍ୟକତା ଦୂର ହୁଏ ନାହିଁ।
ଏହା ଶିଖୁଥିବା ସମସ୍ତଙ୍କ ପାଇଁ ମଧ୍ୟ Tosheo.ai ଠିକ୍ ବିକଳ୍ପ ନୁହେଁ। ଏହା 5 ରୁ 200 ଜଣିଆ ଦଳର ଅଣବୈଷୟିକ କର୍ମଚାରୀଙ୍କ ପାଇଁ ଯୋଜନା କରାଯାଇଛି। ମଡେଲ୍ର ଏପିଆଇ ଆଧାରରେ ଆପ୍ଲିକେସନ୍ ତିଆରି କରୁଥିବା ଇଞ୍ଜିନିୟରମାନଙ୍କ ପାଇଁ OpenAI ଓ Anthropic ର ବିକାଶକାରୀ ଦସ୍ତାବିଜ ଅଧିକ ଉପଯୋଗୀ ହେବ। ସେଗୁଡ଼ିକରେ ସିଷ୍ଟମ୍ ନିର୍ଦ୍ଦେଶ, ମୂଲ୍ୟାୟନ ଓ ସଂସ୍କରଣ ନିୟନ୍ତ୍ରଣ ବିଷୟ ରହିଛି। Anthropic ର ମାଗଣା ଅଭ୍ୟାସଭିତ୍ତିକ ପ୍ରମ୍ପ୍ଟ ଲେଖନ ପାଠ୍ୟକ୍ରମ ମଧ୍ୟ ସେମାନଙ୍କ ପାଇଁ ଅଧିକ ଉପଯୋଗୀ ହେବ।
ଏହି ମାର୍ଗଦର୍ଶିକାରେ ଆପଣ ପରେ କେଉଁ ଅଂଶ ପଢ଼ିବା ଉଚିତ?
ଏହି ବିଭାଗର ପ୍ରତ୍ୟେକ ମାର୍ଗଦର୍ଶିକା ଗୋଟିଏ ବ୍ୟବହାରିକ ପ୍ରଶ୍ନର ଉତ୍ତର ଦିଏ। ଆପଣ ଏବେ ବ୍ୟବହାର କରୁଥିବା ସାଧନ କିମ୍ବା କରୁଥିବା କାମ ସହ ମେଳ ଖାଉଥିବା ମାର୍ଗଦର୍ଶିକାରୁ ଆରମ୍ଭ କରନ୍ତୁ।
ନିର୍ଦ୍ଦେଶ ନମୁନା
ସାରାଂଶ, ଇମେଲ୍, ତୁଳନା ଓ ପୁନର୍ଲେଖନ ପାଇଁ ପୁନଃବ୍ୟବହାରଯୋଗ୍ୟ ନମୁନା ଓ ଢାଞ୍ଚା, ସହିତ ଦଳର ସଂଗ୍ରହକୁ ଅଦ୍ୟତନ ରଖିବା ପାଇଁ ମାର୍ଗଦର୍ଶନ।
କାମ ପାଇଁ ChatGPT ନିର୍ଦ୍ଦେଶ
ସାଧାରଣ କାମ ପାଇଁ ଆବଶ୍ୟକତା ଅନୁସାରେ ବଦଳାଇ ବ୍ୟବହାର କରିହେବା ଭଳି ChatGPT ନିର୍ଦ୍ଦେଶ, ପ୍ରତ୍ୟେକ ସହିତ ଦେବାକୁ ଥିବା ତଥ୍ୟ ଓ କରିବାକୁ ଥିବା ଯାଞ୍ଚ।
Copilot ପାଇଁ ନିର୍ଦ୍ଦେଶ
Outlook, Teams, Word ଓ Copilot Chatରେ Microsoft 365 Copilot ପାଇଁ ନିର୍ଦ୍ଦେଶ, ଯେଉଁଥିରେ Copilotକୁ ଠିକ୍ ଫାଇଲ୍ କିପରି ଦେଖାଇବେ ତାହା ମଧ୍ୟ ରହିଛି।
ବ୍ୟବସାୟ ପାଇଁ ନିର୍ଦ୍ଦେଶ ଲେଖନ ଓ ପରିମାର୍ଜନ
ବ୍ୟବସାୟିକ ପ୍ରମ୍ପ୍ଟ, ତାହାର ସଂଶୋଧନ ଓ ସମୀକ୍ଷା ଟିପ୍ପଣୀର ଏକ ବିସ୍ତୃତ ଉଦାହରଣ।
ବ୍ୟବସାୟିକ ଲେଖାଲେଖି ପାଇଁ AI
AI ଦ୍ୱାରା ତିଆରି ଖସଡ଼ାକୁ ଆପଣ ନିଜ ନାମରେ ପଠାଇବାକୁ ପ୍ରସ୍ତୁତ ଥିବା ଏକ ବାର୍ତ୍ତାରେ କିପରି ପରିଣତ କରିବେ।
ଉତ୍ସ ଓ ପରିସର
OpenAI Academy, ନିର୍ଦ୍ଦେଶ ଲେଖିବା ସମ୍ବନ୍ଧୀୟ ସାମଗ୍ରୀ, ଦେଖାଯାଇଥିବା ତାରିଖ 16 October 2026 ↗
OpenAI API ଦଲିଲ, ନିର୍ଦ୍ଦେଶ ପ୍ରସ୍ତୁତି କୌଶଳ, ଦେଖାଯାଇଥିବା ତାରିଖ 16 October 2026 ↗
Anthropic, Claude ଦସ୍ତାବିଜ: ପ୍ରମ୍ପ୍ଟ ଲେଖିବାର ଉତ୍ତମ ପଦ୍ଧତି, 16 ଅକ୍ଟୋବର 2026ରେ ଦେଖାଯାଇଛି ↗
Anthropic, Claude ଦସ୍ତାବିଜ: ପ୍ରମ୍ପ୍ଟ ଇଞ୍ଜିନିୟରିଂର ସଂକ୍ଷିପ୍ତ ପରିଚୟ, 16 ଅକ୍ଟୋବର 2026ରେ ଦେଖାଯାଇଛି ↗
Microsoft ସହାୟତା, Microsoft Copilot ରେ ନିର୍ଦ୍ଦେଶ ଲେଖିବା ଆରମ୍ଭ କରନ୍ତୁ, 16 ଅକ୍ଟୋବର 2026 ରେ ଦେଖାଯାଇଛି ↗
Microsoft ସହାୟତା, ଭଲ ନିର୍ଦ୍ଦେଶ ଦେଇ Copilot ରୁ ଉନ୍ନତ ଉତ୍ତର ପାଆନ୍ତୁ, 16 October 2026 ରେ ଦେଖାଯାଇଛି ↗