AI ਦਾ ਭਰਮ ਕੀ ਹੁੰਦਾ ਹੈ?
AI ਦਾ ਭਰਮ-ਜਨਿਤ ਜਵਾਬ ਕਿਸੇ ਜਨਰੇਟਿਵ AI ਟੂਲ ਦਾ ਅਜਿਹਾ ਨਤੀਜਾ ਹੁੰਦਾ ਹੈ ਜੋ ਭਰੋਸੇ ਨਾਲ ਪੇਸ਼ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਪਰ ਗ਼ਲਤ, ਘੜਿਆ ਹੋਇਆ ਜਾਂ ਦਿੱਤੀ ਗਈ ਜਾਣਕਾਰੀ ਤੋਂ ਅਸਮਰਥਿਤ ਹੁੰਦਾ ਹੈ। NIST ਦੀ ਜਨਰੇਟਿਵ AI ਪ੍ਰੋਫ਼ਾਈਲ ਇਸੇ ਲਈ ਮਨਘੜਤ ਬਿਆਨ ਦਾ ਸ਼ਬਦ ਵਰਤਦੀ ਹੈ ਅਤੇ ਇਸ ਨੂੰ ਅਜਿਹੀਆਂ ਜਨਰੇਟਿਵ ਪ੍ਰਣਾਲੀਆਂ ਵਜੋਂ ਦਰਸਾਉਂਦੀ ਹੈ ਜੋ ਗ਼ਲਤ ਜਾਂ ਝੂਠੀ ਸਮੱਗਰੀ ਬਣਾਉਂਦੀਆਂ ਅਤੇ ਭਰੋਸੇ ਨਾਲ ਪੇਸ਼ ਕਰਦੀਆਂ ਹਨ। NIST ਇਸ ਪਰਿਭਾਸ਼ਾ ਵਿੱਚ ਉਹ ਨਤੀਜੇ ਵੀ ਸ਼ਾਮਲ ਕਰਦਾ ਹੈ ਜੋ ਦਿੱਤੀ ਹਦਾਇਤ ਜਾਂ ਹੋਰ ਇਨਪੁੱਟ ਤੋਂ ਭਟਕਦੇ ਹਨ, ਜਾਂ ਉਸੇ ਗੱਲਬਾਤ ਵਿੱਚ ਪਹਿਲਾਂ ਕਹੀਆਂ ਗੱਲਾਂ ਦਾ ਖੰਡਨ ਕਰਦੇ ਹਨ।
ਹੈਲੂਸੀਨੇਸ਼ਨ ਸ਼ਬਦ ਇੱਕ ਰੂਪਕ ਹੈ ਅਤੇ ਕੁਝ ਹੱਦ ਤੱਕ ਗੁੰਮਰਾਹ ਵੀ ਕਰਦਾ ਹੈ। ਟੂਲ ਨੂੰ ਅਜਿਹੀਆਂ ਚੀਜ਼ਾਂ ਨਹੀਂ ਦਿਸ ਰਹੀਆਂ ਜੋ ਮੌਜੂਦ ਨਹੀਂ ਹਨ। ਇਹ ਸੰਦਰਭ ਮੁਤਾਬਕ ਅੰਕੜਿਆਂ ਦੇ ਆਧਾਰ ’ਤੇ ਸੰਭਾਵੀ ਲਿਖਤ ਤਿਆਰ ਕਰ ਰਿਹਾ ਹੈ, ਅਤੇ ਕਈ ਵਾਰ ਭਰੋਸੇਯੋਗ ਲੱਗਣ ਵਾਲੀ ਲਿਖਤ ਗ਼ਲਤ ਹੁੰਦੀ ਹੈ। ਇਸੇ ਲਈ ਹੈਲੂਸੀਨੇਸ਼ਨ ਘੱਟ ਹੀ ਗ਼ਲਤੀ ਵਰਗੀ ਲੱਗਦੀ ਹੈ। ਇਹ ਇੱਕ ਆਮ, ਚੰਗੀ ਤਰ੍ਹਾਂ ਲਿਖੇ ਜਵਾਬ ਵਰਗੀ ਲੱਗਦੀ ਹੈ।
ChatGPT ਨੂੰ ਤੱਥਾਂ ਬਾਰੇ ਭਰਮ ਕਿਉਂ ਹੁੰਦੇ ਹਨ?
ChatGPT ਅਤੇ ਇਸ ਵਰਗੇ ਟੂਲ ਮਨਘੜਤ ਜਾਣਕਾਰੀ ਦਿੰਦੇ ਹਨ ਕਿਉਂਕਿ ਉਹ ਲਿਖਤ ਨੂੰ ਸੰਭਾਵਿਤ ਢੰਗ ਨਾਲ ਅੱਗੇ ਵਧਾਉਣ ਲਈ ਬਣਾਏ ਗਏ ਹਨ, ਨਾ ਕਿ ਤਸਦੀਕਸ਼ੁਦਾ ਤੱਥ ਲੱਭ ਕੇ ਲਿਆਉਣ ਲਈ। NIST ਮਨਘੜਤ ਜਾਣਕਾਰੀ ਬਣਾਉਣ ਨੂੰ ਜਨਰੇਟਿਵ ਮਾਡਲਾਂ ਦੀ ਬਣਤਰ ਦਾ ਇੱਕ ਕੁਦਰਤੀ ਨਤੀਜਾ ਦੱਸਦਾ ਹੈ: ਇਹ ਆਪਣੀ ਸਿਖਲਾਈ ਦੇ ਡਾਟੇ ਦੀ ਅੰਕੜਾਤਮਕ ਵੰਡ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਂਦੇ ਹਨ, ਅਤੇ ਭਾਵੇਂ ਇਸ ਨਾਲ ਸਹੀ ਨਤੀਜੇ ਮਿਲ ਸਕਦੇ ਹਨ, ਪਰ ਤੱਥਾਂ ਦੇ ਪੱਖੋਂ ਗ਼ਲਤ ਜਾਂ ਆਪਸ ਵਿੱਚ ਬੇਮੇਲ ਨਤੀਜੇ ਵੀ ਮਿਲ ਸਕਦੇ ਹਨ। NIST ਮੁਤਾਬਕ ਇਹ ਸਮੱਸਿਆ ਖ਼ਾਸ ਕਰਕੇ ਖੁੱਲ੍ਹੇ ਅਤੇ ਲੰਮੇ ਜਵਾਬਾਂ ਅਤੇ ਮਾਹਰ ਗਿਆਨ ਦੀ ਲੋੜ ਵਾਲੇ ਸਵਾਲਾਂ ਵਿੱਚ ਅਹਿਮ ਹੈ।
ਕਲਾਈ, ਨਾਖੁਮ, ਵੇਮਪਾਲਾ ਅਤੇ ਝਾਂਗ ਦਾ 2025 ਦਾ ਇੱਕ ਖੋਜ ਪੱਤਰ ਇਸ ਵਿਆਖਿਆ ਦਾ ਦੂਜਾ ਹਿੱਸਾ ਪੇਸ਼ ਕਰਦਾ ਹੈ। ਲੇਖਕਾਂ ਦੀ ਦਲੀਲ ਹੈ ਕਿ ਸਿਖਲਾਈ ਅਤੇ ਮੁਲਾਂਕਣ ਦੀਆਂ ਪ੍ਰਕਿਰਿਆਵਾਂ ਅਕਸਰ ਅਨਿਸ਼ਚਿਤਤਾ ਮੰਨਣ ਦੀ ਬਜਾਏ ਅੰਦਾਜ਼ਾ ਲਾਉਣ ਨੂੰ ਵੱਧ ਅੰਕ ਦਿੰਦੀਆਂ ਹਨ, ਕਿਉਂਕਿ ਅੰਦਾਜ਼ਾ ਲਾਉਣ ਵਾਲਾ ਮਾਡਲ ਕਈ ਮਿਆਰੀ ਟੈਸਟਾਂ ਵਿੱਚ ਉਸ ਮਾਡਲ ਨਾਲੋਂ ਵੱਧ ਅੰਕ ਲੈਂਦਾ ਹੈ ਜੋ ਕਹਿੰਦਾ ਹੈ ਕਿ ਉਸ ਨੂੰ ਜਵਾਬ ਨਹੀਂ ਪਤਾ। ਉਨ੍ਹਾਂ ਦੇ ਨਜ਼ਰੀਏ ਅਨੁਸਾਰ, ਮਾਡਲਾਂ ਨੂੰ ਟੈਸਟਾਂ ਵਿੱਚ ਚੰਗਾ ਪ੍ਰਦਰਸ਼ਨ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਇਸ ਦੇ ਪਿੱਛੇ ਦੀ ਸਹੀ ਪ੍ਰਕਿਰਿਆ ਭਾਵੇਂ ਜੋ ਵੀ ਹੋਵੇ, ਕਰਮਚਾਰੀ ਲਈ ਅਮਲੀ ਸਬਕ ਉਹੀ ਹੈ: ਸਾਧਨ ਦਾ ਭਰੋਸੇ ਨਾਲ ਜਵਾਬ ਦੇਣਾ ਇਹ ਨਹੀਂ ਦੱਸਦਾ ਕਿ ਕੋਈ ਬਿਆਨ ਸੱਚ ਹੈ ਜਾਂ ਨਹੀਂ।
ਜਦੋਂ ਤੁਸੀਂ ਕਿਸੇ ਘੱਟ ਜਾਣੀ-ਪਛਾਣੀ, ਹਾਲੀਆ, ਬਹੁਤ ਖ਼ਾਸ ਜਾਂ ਤੁਹਾਡੀ ਦਿੱਤੀ ਸਮੱਗਰੀ ਤੋਂ ਬਾਹਰਲੀ ਗੱਲ ਬਾਰੇ ਪੁੱਛਦੇ ਹੋ ਤਾਂ AI ਵੱਲੋਂ ਮਨਘੜਤ ਗੱਲ ਨੂੰ ਤੱਥ ਵਜੋਂ ਪੇਸ਼ ਕਰਨ ਦੀ ਸੰਭਾਵਨਾ ਵੱਧ ਹੁੰਦੀ ਹੈ: ਕੋਈ ਸਹੀ ਅੰਕੜਾ, ਕਿਸੇ ਖ਼ਾਸ ਵਿਅਕਤੀ ਦੀ ਭੂਮਿਕਾ, ਕੋਈ ਹਵਾਲਾ, ਅਦਾਲਤੀ ਕੇਸ ਜਾਂ ਕਿਸੇ ਉਤਪਾਦ ਦੀ ਮੌਜੂਦਾ ਕੀਮਤ। ਜਦੋਂ ਟੂਲ ਨੂੰ ਸਿਰਫ਼ ਤੁਹਾਡੇ ਚਿਪਕਾਏ ਦਸਤਾਵੇਜ਼ ਦੇ ਆਧਾਰ 'ਤੇ ਕੰਮ ਕਰਨ ਲਈ ਕਿਹਾ ਜਾਂਦਾ ਹੈ ਤਾਂ ਇਹ ਸੰਭਾਵਨਾ ਘੱਟ ਹੁੰਦੀ ਹੈ, ਪਰ ਫਿਰ ਵੀ ਮੌਜੂਦ ਰਹਿੰਦੀ ਹੈ।
ਕੰਮ ਦੌਰਾਨ AI ਦੇ ਮਨਘੜਤ ਜਵਾਬ ਕਿਹੋ ਜਿਹੇ ਹੁੰਦੇ ਹਨ?
ਕੰਮ ਵਾਲੀ ਥਾਂ 'ਤੇ, AI ਦੇ ਮਨਘੜਤ ਜਵਾਬ ਆਮ ਤੌਰ 'ਤੇ ਛੋਟੇ, ਖ਼ਾਸ ਵੇਰਵਿਆਂ ਦੇ ਰੂਪ ਵਿੱਚ ਹੁੰਦੇ ਹਨ ਜੋ ਸੁਣਨ ਨੂੰ ਸਹੀ ਲੱਗਦੇ ਹਨ। ਇਸ ਸੂਚੀ ਵਿੱਚ ਉਹ ਰੂਪ ਸ਼ਾਮਲ ਹਨ ਜਿਨ੍ਹਾਂ ਨਾਲ ਕਰਮਚਾਰੀਆਂ ਦਾ ਸਭ ਤੋਂ ਵੱਧ ਵਾਹ ਪੈਂਦਾ ਹੈ। ਇਨ੍ਹਾਂ ਰੂਪਾਂ ਨੂੰ ਪਛਾਣਨਾ ਸਿੱਖਣ ਨਾਲ ਉਨ੍ਹਾਂ ਨੂੰ ਫੜਨਾ ਸੌਖਾ ਹੋ ਜਾਂਦਾ ਹੈ।
ਮਨਘੜਤ ਸਰੋਤ
ਅਜਿਹਾ ਸਰੋਤ-ਹਵਾਲਾ, ਰਿਪੋਰਟ ਦਾ ਸਿਰਲੇਖ, URL ਜਾਂ ਉਧਰਣ ਜੋ ਮੌਜੂਦ ਹੀ ਨਹੀਂ ਹੈ, ਜਾਂ ਮੌਜੂਦ ਹੈ ਪਰ ਕੁਝ ਹੋਰ ਕਹਿੰਦਾ ਹੈ।
ਮਨਘੜਤ ਵੇਰਵੇ
ਅਜਿਹੀ ਤਾਰੀਖ਼, ਕੀਮਤ, ਪ੍ਰਤੀਸ਼ਤ, ਨਾਮ ਜਾਂ ਅਹੁਦਾ ਜੋ ਤੁਹਾਡੀ ਦਿੱਤੀ ਸਮੱਗਰੀ ਵਿੱਚ ਕਿਤੇ ਵੀ ਨਹੀਂ ਹੈ।
ਵਧਾ ਕੇ ਦਰਸਾਈ ਗਈ ਨਿਸ਼ਚਿਤਤਾ
ਅਜਿਹਾ ਸਾਰ ਜੋ ਸੰਭਾਵਨਾ ਨੂੰ ਯਕੀਨੀ ਗੱਲ ਵਿੱਚ, ਜਾਂ ਸੁਝਾਈ ਤਾਰੀਖ਼ ਨੂੰ ਪੱਕੀ ਤਾਰੀਖ਼ ਵਿੱਚ ਬਦਲ ਦਿੰਦਾ ਹੈ।
ਬਿਨਾਂ ਸਬੂਤ ਦੱਸੇ ਕਾਰਨ
ਕਿਸੇ ਅੰਕ ਦੇ ਬਦਲਣ ਦਾ ਅਜਿਹਾ ਕਾਰਨ ਜੋ ਡਾਟੇ ਤੋਂ ਸਾਬਤ ਨਹੀਂ ਹੁੰਦਾ।
ਘੜੀ ਹੋਈ ਤਰਕ-ਪ੍ਰਕਿਰਿਆ
ਸੁਚੱਜਾ, ਪੜਾਅ-ਦਰ-ਪੜਾਅ ਤਰਕ ਜੋ ਗ਼ਲਤ ਜਵਾਬ ਤੱਕ ਲੈ ਜਾਂਦਾ ਹੈ। NIST ਦੱਸਦਾ ਹੈ ਕਿ ਮਾਡਲ ਕਈ ਵਾਰ ਜਵਾਬ ਲਈ ਤਰਕਪੂਰਨ ਪੜਾਅ ਦਿੰਦੇ ਹਨ, ਭਾਵੇਂ ਜਵਾਬ ਗ਼ਲਤ ਹੀ ਹੋਵੇ।
ਆਪਣੇ ਹੀ ਕਥਨ ਦਾ ਖੰਡਨ
ਅਜਿਹਾ ਬਿਆਨ ਜੋ ਸਾਧਨ ਵੱਲੋਂ ਕੁਝ ਸੁਨੇਹੇ ਪਹਿਲਾਂ ਕਹੀ ਗੱਲ ਨਾਲ ਟਕਰਾਉਂਦਾ ਹੋਵੇ।
ਜਦੋਂ AI ਦੀ ਘੜੀ ਹੋਈ ਗਲਤ ਜਾਣਕਾਰੀ ਪਕੜ ਵਿੱਚ ਨਹੀਂ ਆਉਂਦੀ ਤਾਂ ਕੀ ਹੁੰਦਾ ਹੈ?
ਸਭ ਤੋਂ ਜਾਣੀ-ਪਛਾਣੀ ਜਨਤਕ ਮਿਸਾਲ ਮਾਟਾ ਬਨਾਮ ਅਵਿਆਂਕਾ ਹੈ, ਜਿਸ ਦਾ ਫ਼ੈਸਲਾ ਨਿਊਯਾਰਕ ਦੇ ਦੱਖਣੀ ਜ਼ਿਲ੍ਹੇ ਲਈ ਅਮਰੀਕੀ ਜ਼ਿਲ੍ਹਾ ਅਦਾਲਤ ਨੇ 22 ਜੂਨ 2023 ਨੂੰ ਕੀਤਾ ਸੀ। ਵਕੀਲਾਂ ਨੇ ਅਦਾਲਤ ਵਿੱਚ ਇੱਕ ਦਸਤਾਵੇਜ਼ ਦਾਖ਼ਲ ਕੀਤਾ ਜਿਸ ਵਿੱਚ ChatGPT ਵੱਲੋਂ ਬਣਾਏ ਜਾਅਲੀ ਹਵਾਲਿਆਂ ਅਤੇ ਜਾਅਲੀ ਉਧਰਨਾਂ ਵਾਲੇ ਅਜਿਹੇ ਨਿਆਂਇਕ ਫ਼ੈਸਲੇ ਸਨ ਜੋ ਅਸਲ ਵਿੱਚ ਮੌਜੂਦ ਹੀ ਨਹੀਂ ਸਨ। ਅਦਾਲਤ ਨੇ ਬਦਨੀਅਤੀ ਪਾਈ ਅਤੇ ਵਕੀਲਾਂ ਤੇ ਉਨ੍ਹਾਂ ਦੀ ਫ਼ਰਮ ਉੱਤੇ ਸਾਂਝੇ ਤੌਰ ਉੱਤੇ ਅਤੇ ਹਰੇਕ ਉੱਤੇ ਵੱਖਰੇ ਤੌਰ ਉੱਤੇ 5,000 ਅਮਰੀਕੀ ਡਾਲਰ ਦਾ ਜੁਰਮਾਨਾ ਲਾਇਆ। ਉਨ੍ਹਾਂ ਨੂੰ ਆਪਣੇ ਮੁਵੱਕਿਲ ਅਤੇ ਉਨ੍ਹਾਂ ਜੱਜਾਂ ਨੂੰ ਚਿੱਠੀ ਲਿਖਣ ਲਈ ਵੀ ਕਿਹਾ ਗਿਆ ਜਿਨ੍ਹਾਂ ਦੇ ਨਾਂ ਘੜੇ ਹੋਏ ਫ਼ੈਸਲਿਆਂ ਨਾਲ ਝੂਠੇ ਤੌਰ ਉੱਤੇ ਜੋੜੇ ਗਏ ਸਨ। ਜੁਰਮਾਨਾ ਤੈਅ ਕਰਦਿਆਂ ਅਦਾਲਤ ਨੇ ਨੋਟ ਕੀਤਾ ਕਿ ਫ਼ਰਮ ਨੇ ਆਪਣੇ ਵਕੀਲਾਂ ਅਤੇ ਸਟਾਫ਼ ਲਈ ਤਕਨੀਕੀ ਯੋਗਤਾ ਅਤੇ AI ਟੂਲਾਂ ਬਾਰੇ ਲਾਜ਼ਮੀ ਨਿਰੰਤਰ ਕਾਨੂੰਨੀ ਸਿੱਖਿਆ ਦਾ ਪ੍ਰਬੰਧ ਕੀਤਾ ਸੀ: ਦੂਜੇ ਸ਼ਬਦਾਂ ਵਿੱਚ, ਘਟਨਾ ਵਾਪਰਨ ਤੋਂ ਬਾਅਦ ਸਿਖਲਾਈ।
ਸਬਕ ਇਹ ਨਹੀਂ ਕਿ ਵਕੀਲ ਲਾਪਰਵਾਹ ਹੁੰਦੇ ਹਨ। ਸਬਕ ਇਹ ਹੈ ਕਿ ਘੜਿਆ ਹੋਇਆ ਹਵਾਲਾ ਬਿਲਕੁਲ ਅਸਲੀ ਵਰਗਾ ਦਿਸਦਾ ਹੈ, ਅਤੇ ਉਸ ਉੱਤੇ ਭਰੋਸਾ ਕਰਨ ਵਾਲੇ ਵਿਅਕਤੀ ਨੇ ਉਹ ਇੱਕ ਕਦਮ ਛੱਡ ਦਿੱਤਾ ਜੋ ਇਸ ਨੂੰ ਫੜ ਲੈਂਦਾ: ਸਰੋਤ ਖੋਲ੍ਹਣਾ। ਕੰਮਕਾਜ ਵਿੱਚ AI ਦੇ ਜ਼ਿਆਦਾਤਰ ਭਰਮ ਇਸ ਤੋਂ ਛੋਟੇ ਹੁੰਦੇ ਹਨ, ਜਿਵੇਂ ਗਾਹਕ ਦੀ ਈਮੇਲ ਵਿੱਚ ਡਿਲਿਵਰੀ ਦੀ ਗਲਤ ਤਾਰੀਖ਼ ਜਾਂ ਪੇਸ਼ਕਾਰੀ ਵਿੱਚ ਘੜਿਆ ਹੋਇਆ ਅੰਕੜਾ, ਪਰ ਨਾਕਾਮੀ ਉਹੀ ਹੈ।
ਦੇਖਣਾ ਚਾਹੁੰਦੇ ਹੋ ਕਿ ਇਹ ਕਿਸੇ ਭੂਮਿਕਾ ਨਾਲ ਕਿਵੇਂ ਜੁੜਦਾ ਹੈ?
ਟੀਮ ਲਈ ਯੋਜਿਤ ਅਜ਼ਮਾਇਸ਼ ਬਾਰੇ ਜਾਣੋ ↗ਕੀ AI ਦੇ ਮਨਘੜਤ ਜਵਾਬ ਅਜੇ ਵੀ ਇੱਕ ਸਮੱਸਿਆ ਹਨ?
ਹਾਂ। ਸੇਵਾ ਪ੍ਰਦਾਤਾਵਾਂ ਨੇ ਮਦਦਗਾਰ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਜੋੜੀਆਂ ਹਨ, ਜਿਵੇਂ ਹਵਾਲਿਆਂ ਸਮੇਤ ਵੈੱਬ ਖੋਜ ਅਤੇ ਅੱਪਲੋਡ ਕੀਤੀਆਂ ਫ਼ਾਈਲਾਂ ਤੋਂ ਜਵਾਬ ਦੇਣ ਦੀ ਸਮਰੱਥਾ, ਪਰ ਕਿਸੇ ਨੇ ਵੀ AI ਦੀਆਂ ਘੜੀਆਂ ਹੋਈਆਂ ਗੱਲਾਂ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਖ਼ਤਮ ਕਰਨ ਦਾ ਦਾਅਵਾ ਨਹੀਂ ਕੀਤਾ। Claude ਲਈ Anthropic ਦੇ ਆਪਣੇ ਦਸਤਾਵੇਜ਼ ਕਹਿੰਦੇ ਹਨ ਕਿ ਇਸ ਦੀਆਂ ਸਿਫ਼ਾਰਸ਼ੀ ਤਕਨੀਕਾਂ ਘੜੀਆਂ ਹੋਈਆਂ ਗੱਲਾਂ ਨੂੰ ਘਟਾਉਂਦੀਆਂ ਹਨ ਪਰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਖ਼ਤਮ ਨਹੀਂ ਕਰਦੀਆਂ, ਅਤੇ ਅਹਿਮ ਜਾਣਕਾਰੀ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਦੀ ਸਲਾਹ ਦਿੰਦੇ ਹਨ, ਖ਼ਾਸ ਕਰਕੇ ਗੰਭੀਰ ਨਤੀਜਿਆਂ ਵਾਲੇ ਫ਼ੈਸਲਿਆਂ ਲਈ। Gmail ਅਤੇ Sheets ਵਿੱਚ Gemini ਲਈ Google ਦੇ ਮਦਦ ਪੰਨੇ ਚੇਤਾਵਨੀ ਦਿੰਦੇ ਹਨ ਕਿ Gemini ਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਗ਼ਲਤ ਜਾਂ ਅਣਉਚਿਤ ਜਾਣਕਾਰੀ ਸੁਝਾ ਸਕਦੀਆਂ ਹਨ।
ਇਸ ਦਾਅਵੇ ਨੂੰ ਸ਼ੱਕ ਨਾਲ ਦੇਖੋ ਕਿ ਕੋਈ ਟੂਲ ਹੁਣ ਮਨਘੜਤ ਗੱਲਾਂ ਨੂੰ ਤੱਥ ਵਜੋਂ ਪੇਸ਼ ਨਹੀਂ ਕਰਦਾ। ਬਿਹਤਰ ਸਵਾਲ ਇਹ ਹੈ ਕਿ ਕੋਈ ਖ਼ਾਸ ਟੂਲ ਤੁਹਾਡੇ ਮਕਸਦ ਲਈ ਕਿਹੜੇ ਕੰਮ, ਕਿਹੜੀਆਂ ਜਾਂਚਾਂ ਨਾਲ, ਕਾਫ਼ੀ ਭਰੋਸੇਯੋਗ ਢੰਗ ਨਾਲ ਕਰ ਸਕਦਾ ਹੈ।
ਤੁਸੀਂ AI ਵੱਲੋਂ ਝੂਠੀਆਂ ਗੱਲਾਂ ਨੂੰ ਤੱਥਾਂ ਵਜੋਂ ਪੇਸ਼ ਕਰਨ ਦੀਆਂ ਘਟਨਾਵਾਂ ਕਿਵੇਂ ਘਟਾ ਸਕਦੇ ਹੋ?
ਟੂਲ ਨੂੰ ਆਪਣੇ ਵੱਲੋਂ ਘੜਨ ਲਈ ਘੱਟ ਗੁੰਜਾਇਸ਼ ਦੇ ਕੇ ਤੁਸੀਂ AI ਦੀਆਂ ਮਨਘੜਤ ਗੱਲਾਂ ਘਟਾਉਂਦੇ ਹੋ: ਇਸ ਨੂੰ ਸਰੋਤ ਦਿਓ, ਸਿਰਫ਼ ਉਸੇ ਸਰੋਤ ਦੀ ਵਰਤੋਂ ਕਰਨ ਲਈ ਕਹੋ, ਇਸ ਨੂੰ ਇਹ ਕਹਿਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿਓ ਕਿ ਇਸ ਨੂੰ ਨਹੀਂ ਪਤਾ, ਅਤੇ ਹਰ ਦਾਅਵੇ ਲਈ ਸਬੂਤ ਦਿਖਾਉਣ ਲਈ ਕਹੋ। ਹੇਠਾਂ ਦਿੱਤੀਆਂ ਤਕਨੀਕਾਂ ਟੂਲ ਪ੍ਰਦਾਤਾਵਾਂ ਦੇ ਮਾਰਗਦਰਸ਼ਨ ਤੋਂ ਲਈਆਂ ਗਈਆਂ ਹਨ, ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਮਨਘੜਤ ਜਵਾਬ ਘਟਾਉਣ ਬਾਰੇ Anthropic ਦੇ ਦਸਤਾਵੇਜ਼ ਵੀ ਸ਼ਾਮਲ ਹਨ, ਅਤੇ ਇਨ੍ਹਾਂ ਨੂੰ ਗ਼ੈਰ-ਤਕਨੀਕੀ ਕੰਮ ਲਈ ਢਾਲਿਆ ਗਿਆ ਹੈ। ਇਨ੍ਹਾਂ ਵਿੱਚੋਂ ਕੋਈ ਵੀ ਜਾਂਚ ਕਰਨ ਦੀ ਲੋੜ ਖ਼ਤਮ ਨਹੀਂ ਕਰਦੀ।
ਕਈ ਤਕਨੀਕਾਂ ਨੂੰ ਜੋੜਦੀ ਨਮੂਨਾ ਹਦਾਇਤ: ਸਿਰਫ਼ ਹੇਠਾਂ ਦਿੱਤੀ ਨੀਤੀ ਦੇ ਪਾਠ ਦੀ ਵਰਤੋਂ ਕਰਕੇ, ਰਵਾਨਗੀ ਤੋਂ 48 ਘੰਟਿਆਂ ਦੇ ਅੰਦਰ ਬੁੱਕ ਕੀਤੇ ਕਰਮਚਾਰੀਆਂ ਦੇ ਸਫ਼ਰ 'ਤੇ ਲਾਗੂ ਹੋਣ ਵਾਲੇ ਤਿੰਨ ਨਿਯਮਾਂ ਦੀ ਸੂਚੀ ਬਣਾਓ। ਹਰ ਨਿਯਮ ਲਈ, ਉਹ ਅਸਲ ਵਾਕ ਜਿਉਂ ਦਾ ਤਿਉਂ ਦਿਓ ਜਿਸ ਤੋਂ ਨਿਯਮ ਲਿਆ ਗਿਆ ਹੈ। ਜੇ ਨੀਤੀ ਵਿੱਚ ਕਿਸੇ ਗੱਲ ਦਾ ਜ਼ਿਕਰ ਨਹੀਂ ਹੈ, ਤਾਂ ਲਿਖੋ ਜ਼ਿਕਰ ਨਹੀਂ ਕੀਤਾ ਗਿਆ। ਆਮ ਗਿਆਨ ਦੀ ਵਰਤੋਂ ਨਾ ਕਰੋ।
ਸਰੋਤ ਦਿਓ
ਟੂਲ ਨੂੰ ਇਹ ਪੁੱਛਣ ਦੀ ਬਜਾਏ ਕਿ ਉਸ ਨੂੰ ਕੀ ਪਤਾ ਹੈ, ਦਸਤਾਵੇਜ਼ ਪੇਸਟ ਕਰੋ ਜਾਂ ਨੱਥੀ ਕਰੋ। ਦਿੱਤੀ ਸਮੱਗਰੀ ਉੱਤੇ ਆਧਾਰਿਤ ਕੰਮਾਂ ਵਿੱਚ ਖੁੱਲ੍ਹੇ ਸਵਾਲਾਂ ਦੇ ਮੁਕਾਬਲੇ ਘੱਟ ਗਲਤੀਆਂ ਹੁੰਦੀਆਂ ਹਨ।
ਇਸ ਨੂੰ ਸਰੋਤ ਤੱਕ ਸੀਮਤ ਰੱਖੋ
ਸਪਸ਼ਟ ਤੌਰ ਉੱਤੇ ਕਹੋ ਕਿ ਸਿਰਫ਼ ਦਿੱਤੀ ਸਮੱਗਰੀ ਵਰਤੀ ਜਾਵੇ, ਆਮ ਗਿਆਨ ਨਹੀਂ।
ਨਾ ਜਾਣਨ ਦੀ ਗੁੰਜਾਇਸ਼ ਦਿਓ
ਇਸ ਨੂੰ ਕਹੋ ਕਿ ਜਾਣਕਾਰੀ ਦੀਆਂ ਖਾਲੀ ਥਾਵਾਂ ਆਪਣੇ ਵੱਲੋਂ ਭਰਨ ਦੀ ਬਜਾਏ ਲਿਖੇ ਕਿ ਦੱਸਿਆ ਨਹੀਂ ਗਿਆ ਜਾਂ ਮੇਰੇ ਕੋਲ ਲੋੜੀਂਦੀ ਜਾਣਕਾਰੀ ਨਹੀਂ ਹੈ।
ਹਵਾਲੇ ਮੰਗੋ
ਲੰਬੇ ਦਸਤਾਵੇਜ਼ਾਂ ਲਈ, ਇਸ ਨੂੰ ਪਹਿਲਾਂ ਹੂਬਹੂ ਵਾਕ ਕੱਢਣ ਲਈ ਕਹੋ, ਫਿਰ ਉਨ੍ਹਾਂ ਹਵਾਲਿਆਂ ਦੇ ਆਧਾਰ ’ਤੇ ਜਵਾਬ ਦੇਣ ਲਈ ਕਹੋ।
ਇਸ ਤੋਂ ਆਪਣੇ ਦਾਅਵਿਆਂ ਦੀ ਜਾਂਚ ਕਰਵਾਓ
ਖਰੜਾ ਬਣਾਉਣ ਤੋਂ ਬਾਅਦ, ਇਸ ਨੂੰ ਹਰ ਦਾਅਵੇ ਦੇ ਸਮਰਥਨ ਵਿੱਚ ਇੱਕ ਹਵਾਲਾ ਲੱਭਣ ਲਈ ਕਹੋ ਅਤੇ ਜਿਸ ਦਾਅਵੇ ਦਾ ਸਮਰਥਨ ਨਾ ਮਿਲੇ, ਉਸ ਨੂੰ ਹਟਾਉਣ ਲਈ ਕਹੋ।
ਹੋਰ ਸੀਮਤ ਦਾਇਰੇ ਵਾਲੇ ਸਵਾਲ ਪੁੱਛੋ
ਇੱਕ ਲੰਮੇ, ਖੁੱਲ੍ਹੇ ਵਿਸ਼ੇ ਵਾਲੇ ਲੇਖ ਦੀ ਬਜਾਏ ਇੱਕ ਵਾਰ ਵਿੱਚ ਇੱਕ ਖ਼ਾਸ ਸਵਾਲ ਦੇ ਜਵਾਬ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨੀ ਸੌਖੀ ਹੁੰਦੀ ਹੈ।
ਵੱਖ-ਵੱਖ ਵਾਰ ਚਲਾਉਣ ਦੇ ਨਤੀਜਿਆਂ ਦੀ ਤੁਲਨਾ ਕਰੋ
ਇੱਕੋ ਸਵਾਲ ਦੋ ਵਾਰ ਪੁੱਛੋ। ਜੇ ਜਵਾਬ ਕਿਸੇ ਤੱਥ ਬਾਰੇ ਵੱਖਰੇ ਹੋਣ, ਤਾਂ ਉਸ ਤੱਥ ਨੂੰ ਅਪ੍ਰਮਾਣਿਤ ਮੰਨੋ।
AI ਦੀ ਮਨਘੜਤ ਜਾਣਕਾਰੀ ਨੂੰ ਫੜਨਾ ਅਮਲ ਵਿੱਚ ਕਿਹੋ ਜਿਹਾ ਹੁੰਦਾ ਹੈ?
ਦੰਦਾਂ ਦੇ ਇਲਾਜ ਦੀਆਂ ਸਪਲਾਈਆਂ ਵੰਡਣ ਵਾਲੀ ਇੱਕ ਕਾਲਪਨਿਕ 25-ਵਿਅਕਤੀਆਂ ਦੀ ਕੰਪਨੀ, ਨੌਰਥਗੇਟ ਸਪਲਾਈ, ਦੀ ਮਿਸਾਲ ਲਓ। ਇੱਕ ਵਿਕਰੀ ਕੋਆਰਡੀਨੇਟਰ ਕੰਪਨੀ ਦੀ ਦੋ ਪੰਨਿਆਂ ਦੀ ਵਾਪਸੀ ਨੀਤੀ ਚਿਪਕਾਉਂਦਾ ਹੈ ਅਤੇ ਸਹਾਇਕ ਨੂੰ ਪੁੱਛਦਾ ਹੈ: ਖੋਲ੍ਹੇ ਹੋਏ ਉਤਪਾਦ ਕਿੰਨੇ ਸਮੇਂ ਅੰਦਰ ਵਾਪਸ ਕੀਤੇ ਜਾ ਸਕਦੇ ਹਨ, ਅਤੇ ਕੀ ਮੁੜ ਸਟਾਕ ਵਿੱਚ ਰੱਖਣ ਦੀ ਕੋਈ ਫੀਸ ਹੈ? ਦਿੱਤੀ ਨੀਤੀ ਮੁਤਾਬਕ ਬਿਨਾਂ ਖੋਲ੍ਹੀਆਂ ਵਸਤਾਂ 30 ਦਿਨਾਂ ਅੰਦਰ ਵਾਪਸ ਕੀਤੀਆਂ ਜਾ ਸਕਦੀਆਂ ਹਨ, ਖੋਲ੍ਹੀਆਂ ਵਸਤਾਂ ਸਿਰਫ਼ ਖ਼ਰਾਬ ਹੋਣ ਉੱਤੇ ਵਾਪਸ ਕੀਤੀਆਂ ਜਾ ਸਕਦੀਆਂ ਹਨ, ਅਤੇ ਮੁੜ ਸਟਾਕ ਵਿੱਚ ਰੱਖਣ ਦੀ ਫੀਸ ਬਾਰੇ ਕੁਝ ਨਹੀਂ ਲਿਖਿਆ।
ਪਹਿਲਾ ਜਵਾਬ: ਖੋਲ੍ਹੇ ਗਏ ਉਤਪਾਦ 14 ਦਿਨਾਂ ਦੇ ਅੰਦਰ ਵਾਪਸ ਕੀਤੇ ਜਾ ਸਕਦੇ ਹਨ, ਪਰ ਉਨ੍ਹਾਂ ਨੂੰ ਮੁੜ ਸਟਾਕ ਵਿੱਚ ਰੱਖਣ ਲਈ 15 ਫ਼ੀਸਦੀ ਫ਼ੀਸ ਲੱਗੇਗੀ। ਦੋਵੇਂ ਗੱਲਾਂ ਘੜੀਆਂ ਗਈਆਂ ਹਨ। ਨੀਤੀ ਵਿੱਚ ਕਿਤੇ ਵੀ 14 ਦਿਨਾਂ ਜਾਂ ਕਿਸੇ ਫ਼ੀਸ ਦਾ ਜ਼ਿਕਰ ਨਹੀਂ ਹੈ। ਇਹ ਗੱਲਾਂ ਭਰੋਸੇਯੋਗ ਲੱਗਦੀਆਂ ਹਨ ਕਿਉਂਕਿ ਕਈ ਵਾਪਸੀ ਨੀਤੀਆਂ ਵਿੱਚ ਇਹ ਹੁੰਦੀਆਂ ਹਨ। ਅੰਕੜਿਆਂ ਦੇ ਆਧਾਰ ’ਤੇ ਸੰਭਾਵੀ ਲੱਗਣ ਵਾਲਾ ਜਵਾਬ ਠੀਕ ਇਸੇ ਤਰ੍ਹਾਂ ਗ਼ਲਤ ਹੋ ਜਾਂਦਾ ਹੈ।
ਤਾਲਮੇਲਕਰਤਾ ਉੱਪਰ ਦਿੱਤੇ ਤਰੀਕਿਆਂ ਨਾਲ ਸਵਾਲ ਦੁਬਾਰਾ ਪੁੱਛਦਾ ਹੈ: ਸਿਰਫ਼ ਨੀਤੀ ਵਰਤੋ, ਵਾਕ ਦਾ ਹਵਾਲਾ ਦਿਓ, ਜਾਣਕਾਰੀ ਨਾ ਹੋਵੇ ਤਾਂ ਦਰਜ ਨਹੀਂ ਲਿਖੋ। ਦੂਜਾ ਜਵਾਬ: ਖੋਲ੍ਹੀਆਂ ਵਸਤੂਆਂ: ਸਿਰਫ਼ ਨੁਕਸਦਾਰ ਹੋਣ ਉੱਤੇ ਵਾਪਸ ਕੀਤੀਆਂ ਜਾ ਸਕਦੀਆਂ ਹਨ (ਹਵਾਲਾ: ਖੋਲ੍ਹੀਆਂ ਵਸਤੂਆਂ ਸਿਰਫ਼ ਉਦੋਂ ਵਾਪਸ ਕੀਤੀਆਂ ਜਾ ਸਕਦੀਆਂ ਹਨ ਜਦੋਂ ਉਤਪਾਦ ਨੁਕਸਦਾਰ ਹੋਵੇ)। ਮੁੜ ਸਟਾਕ ਵਿੱਚ ਰੱਖਣ ਦੀ ਫੀਸ: ਦਰਜ ਨਹੀਂ। ਉਸ ਜਵਾਬ ਨੂੰ ਦਸਤਾਵੇਜ਼ ਨਾਲ ਮਿਲਾ ਕੇ ਕੁਝ ਸਕਿੰਟਾਂ ਵਿੱਚ ਜਾਂਚਿਆ ਜਾ ਸਕਦਾ ਹੈ, ਅਤੇ ਫੀਸਾਂ ਬਾਰੇ ਅਧੂਰੀ ਜਾਣਕਾਰੀ ਗਾਹਕ ਦੀ ਈਮੇਲ ਵਿੱਚ ਜਾਣ ਦੀ ਬਜਾਏ ਨੀਤੀ ਦੇ ਜ਼ਿੰਮੇਵਾਰ ਵਿਅਕਤੀ ਕੋਲ ਜਾਂਦੀ ਹੈ।
AI ਵੱਲੋਂ ਕਿਸੇ ਗਲਤ ਗੱਲ ਨੂੰ ਤੱਥ ਵਜੋਂ ਪੇਸ਼ ਕਰਨ ਦਾ ਪਤਾ ਲੱਗਣ ਤੋਂ ਬਾਅਦ ਕਰਮਚਾਰੀ ਨੂੰ ਕੀ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ?
ਝੂਠੇ ਬਿਆਨ ਨੂੰ ਹਟਾਓ ਜਾਂ ਠੀਕ ਕਰੋ, ਫਿਰ ਪਤਾ ਕਰੋ ਕਿ ਕੀ ਕਿਸੇ ਨੇ ਪਹਿਲਾਂ ਹੀ ਉਸ 'ਤੇ ਭਰੋਸਾ ਕਰਕੇ ਕੋਈ ਕਦਮ ਚੁੱਕਿਆ ਹੈ। ਜੇ ਨਤੀਜਾ ਸਿਰਫ਼ ਖਰੜਾ ਸੀ, ਤਾਂ ਉਸ ਨੂੰ ਠੀਕ ਕਰੋ ਅਤੇ ਅੱਗੇ ਵਧੋ, ਪਰ ਆਪਣੀ ਸਮੀਖਿਆ ਵਿੱਚ ਲਿਖੋ ਕਿ ਸਾਧਨ ਨੇ ਉਹ ਵੇਰਵਾ ਘੜਿਆ ਸੀ। ਜੇ ਇਹ ਪਹਿਲਾਂ ਹੀ ਭੇਜਿਆ, ਸਾਂਝਾ ਕੀਤਾ ਜਾਂ ਕਿਸੇ ਫ਼ੈਸਲੇ ਲਈ ਵਰਤਿਆ ਜਾ ਚੁੱਕਾ ਹੈ, ਤਾਂ ਜ਼ਿੰਮੇਵਾਰ ਵਿਅਕਤੀ ਨੂੰ ਦੱਸੋ ਤਾਂ ਜੋ ਉਹ ਇਸ ਨੂੰ ਠੀਕ ਕਰ ਸਕੇ। ਜਿਹੜਾ ਦਸਤਾਵੇਜ਼ ਹੋਰ ਲੋਕ ਪਹਿਲਾਂ ਹੀ ਪੜ੍ਹ ਚੁੱਕੇ ਹਨ, ਉਸ ਨੂੰ ਚੁੱਪਚਾਪ ਨਾ ਬਦਲੋ।
ਸਹਿਕਰਮੀਆਂ ਨੂੰ ਇਹ ਦੱਸਣਾ ਵੀ ਮਦਦਗਾਰ ਹੁੰਦਾ ਹੈ ਕਿ ਕਿਸ ਤਰ੍ਹਾਂ ਦੇ ਸਵਾਲਾਂ ਨਾਲ ਗਲਤੀ ਹੋਈ। ਗਲਤੀਆਂ ਦੀਆਂ ਉਦਾਹਰਨਾਂ ਸਾਂਝੀਆਂ ਕਰਨ ਵਾਲੀ ਟੀਮ ਉਸ ਟੀਮ ਨਾਲੋਂ ਤੇਜ਼ੀ ਨਾਲ ਸਿੱਖਦੀ ਹੈ ਜਿੱਥੇ ਹਰ ਵਿਅਕਤੀ ਨੂੰ ਉਹੀ ਗਲਤੀ ਵੱਖਰੇ ਤੌਰ ’ਤੇ ਪਤਾ ਲੱਗਦੀ ਹੈ। ਕਿਸੇ ਖਰੜੇ ਦੀ ਜਾਂਚ ਕਰਨ ਦਾ ਕਦਮ-ਦਰ-ਕਦਮ ਤਰੀਕਾ AI ਦੇ ਜਵਾਬਾਂ ਦੀ ਤੱਥ-ਜਾਂਚ ਵਾਲੀ ਗਾਈਡ ਵਿੱਚ ਦਿੱਤਾ ਗਿਆ ਹੈ।
AI ਦਾ ਮਾੜਾ ਜਵਾਬ ਕਦੋਂ ਤੱਥਾਂ ਦੀ ਘੜਤ ਨਹੀਂ ਹੁੰਦਾ?
ਹਰ ਮਾੜਾ ਜਵਾਬ AI ਦਾ ਭਰਮ ਨਹੀਂ ਹੁੰਦਾ, ਅਤੇ ਇਸ ਦਾ ਹੱਲ ਵੀ ਵੱਖਰਾ ਹੁੰਦਾ ਹੈ। ਜੇ ਟੂਲ ਪੁਰਾਣਾ ਜਵਾਬ ਦਿੰਦਾ ਹੈ ਕਿਉਂਕਿ ਉਸ ਦੀ ਸਿਖਲਾਈ ਤੋਂ ਬਾਅਦ ਜਾਣਕਾਰੀ ਬਦਲ ਗਈ ਸੀ, ਤਾਂ ਹੱਲ ਮੌਜੂਦਾ ਸਰੋਤ ਹੈ। ਜੇ ਉਹ ਪੱਖਪਾਤੀ ਜਾਂ ਇੱਕਪਾਸੜ ਜਵਾਬ ਦਿੰਦਾ ਹੈ, ਤਾਂ ਮਸਲਾ ਗੱਲ ਪੇਸ਼ ਕਰਨ ਦੇ ਢੰਗ ਅਤੇ ਨਿਰਪੱਖਤਾ ਦਾ ਹੈ, ਨਾ ਕਿ ਗੱਲ ਘੜਨ ਦਾ। ਜੇ ਉਹ ਅਸਪਸ਼ਟ ਹਦਾਇਤ ਦੇ ਆਧਾਰ 'ਤੇ ਵਾਜਬ ਪਰ ਅਣਚਾਹਿਆ ਨਤੀਜਾ ਦਿੰਦਾ ਹੈ, ਤਾਂ ਹੱਲ ਵਧੇਰੇ ਸਪਸ਼ਟ ਹਦਾਇਤ ਹੈ। ਅਤੇ ਜੇ ਕੋਈ ਜਾਣਬੁੱਝ ਕੇ ਗੁਮਰਾਹ ਕਰਨ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ, ਤਾਂ ਇਹ ਆਚਰਨ ਦਾ ਮਾਮਲਾ ਹੈ, ਸਿਖਲਾਈ ਦਾ ਨਹੀਂ।
ਇਹ ਗਾਈਡ ਇਹ ਵੀ ਨਹੀਂ ਦੱਸ ਸਕਦੀ ਕਿ ਕੋਈ ਟੂਲ ਵੱਡੇ ਪ੍ਰਭਾਵ ਵਾਲੇ ਕਿਸੇ ਖਾਸ ਕੰਮ ਲਈ ਸੁਰੱਖਿਅਤ ਹੈ। ਵਿਅਕਤੀਆਂ ਬਾਰੇ ਕਾਨੂੰਨੀ, ਡਾਕਟਰੀ, ਵਿੱਤੀ ਜਾਂ ਰੁਜ਼ਗਾਰ-ਸਬੰਧੀ ਫ਼ੈਸਲਿਆਂ ਲਈ ਯੋਗ ਸਮੀਖਿਅਕ ਦੀ ਮਦਦ ਲਓ, ਭਾਵੇਂ ਸਮੱਗਰੀ ਕਿਸੇ ਵੀ ਤਰੀਕੇ ਨਾਲ ਤਿਆਰ ਕੀਤੀ ਗਈ ਹੋਵੇ।
ਸਰੋਤ ਅਤੇ ਦਾਇਰਾ
NIST, AI 600-1: ਜਨਰੇਟਿਵ AI ਪ੍ਰੋਫ਼ਾਈਲ, ਜੁਲਾਈ 2024 ↗
ਕਲਾਈ, ਨਾਖੁਮ, ਵੇਮਪਾਲਾ ਅਤੇ ਝਾਂਗ, ਭਾਸ਼ਾ ਮਾਡਲ ਮਨਘੜਤ ਗੱਲਾਂ ਕਿਉਂ ਕਰਦੇ ਹਨ, arXiv, 4 September 2025 ↗
Anthropic, Claude ਦਸਤਾਵੇਜ਼: ਮਨਘੜਤ ਜਵਾਬ ਘਟਾਓ, 16 October 2026 ਨੂੰ ਵੇਖਿਆ ਗਿਆ ↗
ਮਾਤਾ ਬਨਾਮ ਅਵਿਆਂਕਾ, ਇੰਕ., 678 F.Supp.3d 443 (S.D.N.Y., 22 June 2023), CLLA ਵੱਲੋਂ ਉਪਲਬਧ ਕਰਵਾਈ ਕਾਪੀ ↗
Gmail ਮਦਦ, Gmail ਵਿੱਚ Gemini ਨਾਲ ਸਹਿਯੋਗ ਕਰੋ, 16 October 2026 ਨੂੰ ਵੇਖਿਆ ਗਿਆ ↗