ਚੈਟਬੋਟ ਇੱਕੋ ਸਵਾਲ ਦੇ ਵੱਖ-ਵੱਖ ਜਵਾਬ ਕਿਉਂ ਦਿੰਦਾ ਹੈ?
ਚੈਟਬੋਟ ਇੱਕੋ ਸਵਾਲ ਦੇ ਵੱਖ-ਵੱਖ ਜਵਾਬ ਦਿੰਦਾ ਹੈ ਕਿਉਂਕਿ ਉਹ ਅੱਗੇ ਆ ਸਕਣ ਵਾਲੇ ਸ਼ਬਦਾਂ ਵਿੱਚੋਂ ਚੋਣ ਕਰਕੇ ਹਰ ਜਵਾਬ ਬਣਾਉਂਦਾ ਹੈ, ਅਤੇ ਇਸ ਚੋਣ ਵਿੱਚ ਆਮ ਤੌਰ 'ਤੇ ਕੁਝ ਬੇਤਰਤੀਬੀ ਸ਼ਾਮਲ ਹੁੰਦੀ ਹੈ। ਉਹ ਪਹਿਲਾਂ ਤੋਂ ਸੰਭਾਲਿਆ ਹੋਇਆ ਕੋਈ ਇੱਕ ਜਵਾਬ ਨਹੀਂ ਕੱਢ ਰਿਹਾ ਹੁੰਦਾ।
ਫੇਅਰਲਾਈਨ ਆਰਕੀਟੈਕਟਸ ਨਾਂ ਦੀ ਇੱਕ ਕਾਲਪਨਿਕ 30-ਵਿਅਕਤੀਆਂ ਵਾਲੀ ਆਰਕੀਟੈਕਚਰ ਫ਼ਰਮ ਦੀ ਕਲਪਨਾ ਕਰੋ। ਇੱਕ ਭਾਈਵਾਲ ਦਫ਼ਤਰ ਪ੍ਰਬੰਧਕ, ਰੋਵਨ, ਨੂੰ ਫ਼ਰਮ ਵੱਲੋਂ AI ਸਹਾਇਕ ਅਪਣਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਤਿੰਨ ਗੱਲਾਂ ਸਮਝਾਉਣ ਲਈ ਕਹਿੰਦਾ ਹੈ। ਰੋਵਨ ਦੇ ਨੋਟ ਇਹ ਹਨ: 'ਇਸ ਨੂੰ ਮਨਜ਼ੂਰਸ਼ੁਦਾ ਵਿਕਾਸ ਦੇ ਨਿਯਮਾਂ ਬਾਰੇ ਦੋ ਵਾਰ ਪੁੱਛਿਆ, ਦੋ ਵੱਖਰੇ ਜਵਾਬ ਮਿਲੇ'; 'ਇਸ ਨੇ ਯੋਜਨਾਬੰਦੀ ਮਾਰਗਦਰਸ਼ਨ ਦੇ ਅਜਿਹੇ ਦਸਤਾਵੇਜ਼ ਨੰਬਰ ਦਾ ਹਵਾਲਾ ਦਿੱਤਾ ਜੋ ਮੌਜੂਦ ਹੀ ਨਹੀਂ'; 'ਤਸਵੀਰ ਵਾਲੇ ਟੂਲ ਨੇ ਨਵੇਂ ਸਟੂਡੀਓ ਦਾ ਸੋਹਣਾ ਸਕੈਚ ਬਣਾਇਆ ਪਰ ਖਿੜਕੀਆਂ ਸਿੱਧ ਵਿੱਚ ਨਹੀਂ ਹਨ'। ਭਾਈਵਾਲ ਜਾਣਨਾ ਚਾਹੁੰਦਾ ਹੈ ਕਿ ਕੀ ਟੂਲ ਖ਼ਰਾਬ ਹੈ। ਇਹ ਖ਼ਰਾਬ ਨਹੀਂ ਹੈ। ਇਹ ਬਿਲਕੁਲ ਉਹੀ ਕਰ ਰਿਹਾ ਹੈ ਜਿਸ ਲਈ ਇਸ ਨੂੰ ਬਣਾਇਆ ਗਿਆ ਸੀ।
ਜਨਰੇਟਿਵ AI ਮਾਡਲ ਨੂੰ ਸਿਖਲਾਈ ਕਿਵੇਂ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ?
ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲ ਨੂੰ ਪਹਿਲਾਂ ਲਿਖਤ ਦੇ ਬਹੁਤ ਵੱਡੇ ਸੰਗ੍ਰਹਿ ’ਤੇ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ ਤਾਂ ਜੋ ਉਹ ਲਿਖਤ ਦੇ ਅਗਲੇ ਹਿੱਸੇ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰ ਸਕੇ। ਫਿਰ ਉਸ ਨੂੰ ਹਦਾਇਤਾਂ ਦੀ ਪਾਲਣਾ ਕਰਨ ਅਤੇ ਮਦਦਗਾਰ ਜਵਾਬ ਦੇਣ ਲਈ ਹੋਰ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ। Anthropic ਦੀ ਸ਼ਬਦਾਵਲੀ ਮੁਤਾਬਕ, ਪੂਰਵ-ਸਿਖਲਾਈ ਵਿੱਚ ਬਿਨਾਂ ਲੇਬਲ ਵਾਲੇ ਵੱਡੇ ਲਿਖਤ-ਸੰਗ੍ਰਹਿ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਪਿਛਲੇ ਸੰਦਰਭ ਦੇ ਆਧਾਰ ’ਤੇ ਅਗਲੇ ਸ਼ਬਦ ਦੀ ਭਵਿੱਖਬਾਣੀ ਸਿਖਾਈ ਜਾਂਦੀ ਹੈ। ਇਸ ਤੋਂ ਬਾਅਦ ਹੋਰ ਬਾਰੀਕ ਸਿਖਲਾਈ ਅਤੇ ਮਨੁੱਖੀ ਫੀਡਬੈਕ ਰਾਹੀਂ ਪ੍ਰਬਲਨ ਸਿਖਲਾਈ ਹੁੰਦੀ ਹੈ, ਜਿਸ ਵਿੱਚ ਲੋਕ ਉਦਾਹਰਨ ਵਜੋਂ ਦਿੱਤੇ ਜਵਾਬਾਂ ਨੂੰ ਦਰਜਾ ਦਿੰਦੇ ਹਨ ਅਤੇ ਮਾਡਲ ਬਿਹਤਰ ਜਵਾਬਾਂ ਨੂੰ ਤਰਜੀਹ ਦੇਣਾ ਸਿੱਖਦਾ ਹੈ।
ਮਾਡਲ ਹਰ ਦਸਤਾਵੇਜ਼ ਦੀ ਨਕਲ ਨਹੀਂ ਰੱਖਦਾ। ਇਹ ਆਪਣੇ ਅੰਦਰਲੇ ਅਰਬਾਂ ਅੰਕਾਂ ਨੂੰ ਉਦੋਂ ਤੱਕ ਬਦਲਦਾ ਹੈ ਜਦੋਂ ਤੱਕ ਇਸ ਦੇ ਅਨੁਮਾਨ ਡਾਟੇ ਦੇ ਪੈਟਰਨਾਂ ਨਾਲ ਮੇਲ ਨਹੀਂ ਖਾਂਦੇ। ਅੰਤ ਵਿੱਚ ਇਸ ਕੋਲ ਖੋਜ ਕਰਨ ਯੋਗ ਲਾਇਬ੍ਰੇਰੀ ਦੀ ਬਜਾਏ ਇਸ ਗੱਲ ਦੀ ਬਹੁਤ ਵਿਸਤ੍ਰਿਤ ਸਮਝ ਵਰਗੀ ਚੀਜ਼ ਹੁੰਦੀ ਹੈ ਕਿ ਭਾਸ਼ਾ ਅਤੇ ਵਿਚਾਰ ਆਮ ਤੌਰ ’ਤੇ ਆਪਸ ਵਿੱਚ ਕਿਵੇਂ ਜੁੜਦੇ ਹਨ।
ਟੋਕਨ ਕੀ ਹੁੰਦੇ ਹਨ, ਅਤੇ ਮਾਡਲ ਉਨ੍ਹਾਂ ਦਾ ਅਨੁਮਾਨ ਕਿਵੇਂ ਲਗਾਉਂਦਾ ਹੈ?
ਟੋਕਨ ਉਹ ਛੋਟੀਆਂ ਇਕਾਈਆਂ ਹਨ ਜੋ ਮਾਡਲ ਪੜ੍ਹਦਾ ਅਤੇ ਲਿਖਦਾ ਹੈ, ਅਕਸਰ ਕੋਈ ਸ਼ਬਦ ਜਾਂ ਸ਼ਬਦ ਦਾ ਹਿੱਸਾ। ਮਾਡਲ ਅਗਲੇ ਸੰਭਾਵੀ ਟੋਕਨ ਦਾ ਵਾਰ-ਵਾਰ ਅਨੁਮਾਨ ਲਾ ਕੇ ਲਿਖਦਾ ਹੈ। Google ਦਾ ਮਸ਼ੀਨੀ ਸਿਖਲਾਈ ਕੋਰਸ ਭਾਸ਼ਾ ਮਾਡਲ ਨੂੰ ਇੱਕ ਲੰਬੀ ਲੜੀ ਵਿੱਚ ਕਿਸੇ ਟੋਕਨ ਜਾਂ ਟੋਕਨਾਂ ਦੀ ਲੜੀ ਦੇ ਆਉਣ ਦੀ ਸੰਭਾਵਨਾ ਦਾ ਅੰਦਾਜ਼ਾ ਲਾਉਣ ਵਾਲਾ ਦੱਸਦਾ ਹੈ ਅਤੇ ਨੋਟ ਕਰਦਾ ਹੈ ਕਿ ਲਗਭਗ 400 ਟੋਕਨ ਕਰੀਬ 300 ਅੰਗਰੇਜ਼ੀ ਸ਼ਬਦਾਂ ਦੇ ਬਰਾਬਰ ਹੁੰਦੇ ਹਨ।
ਹਰ ਪੜਾਅ ਉੱਤੇ ਮਾਡਲ ਅਗਲੇ ਕਈ ਸੰਭਾਵੀ ਟੋਕਨਾਂ ਨੂੰ ਅੰਕ ਦਿੰਦਾ ਹੈ। ਫਿਰ ਐਪਲੀਕੇਸ਼ਨ ਇੱਕ ਟੋਕਨ ਚੁਣਦੀ ਹੈ—ਕਦੇ ਸਭ ਤੋਂ ਵੱਧ ਸੰਭਾਵੀ, ਪਰ ਅਕਸਰ ਸੰਭਾਵੀ ਵਿਕਲਪਾਂ ਵਿੱਚੋਂ ਨਮੂਨੇ ਵਜੋਂ ਚੁਣਿਆ ਹੋਇਆ। ਟੈਂਪਰੇਚਰ ਨਾਮ ਦੀ ਸੈਟਿੰਗ ਨਿਰਧਾਰਤ ਕਰਦੀ ਹੈ ਕਿ ਇਹ ਚੋਣ ਕਿੰਨੀ ਵੱਖਰੀ ਹੋ ਸਕਦੀ ਹੈ: ਉੱਚੇ ਮੁੱਲਾਂ ਨਾਲ ਸ਼ਬਦਾਵਲੀ ਵਿੱਚ ਵਧੇਰੇ ਵੰਨ-ਸੁਵੰਨਤਾ ਆਉਂਦੀ ਹੈ, ਘੱਟ ਮੁੱਲਾਂ ਨਾਲ ਸ਼ਬਦਾਵਲੀ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣਾ ਸੌਖਾ ਹੁੰਦਾ ਹੈ। Anthropic ਦੱਸਦਾ ਹੈ ਕਿ ਸਭ ਤੋਂ ਘੱਟ ਟੈਂਪਰੇਚਰ ਉੱਤੇ ਵੀ ਨਤੀਜੇ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਿਸ਼ਚਿਤ ਨਹੀਂ ਹੁੰਦੇ। ਇਹ ਰੋਵਨ ਦੇ ਪਹਿਲੇ ਨੋਟ ਦਾ ਜਵਾਬ ਹੈ।
AI ਨਾਲ ਤਸਵੀਰਾਂ ਬਣਾਉਣ ਵਾਲੇ ਟੂਲ ਕਿਵੇਂ ਕੰਮ ਕਰਦੇ ਹਨ?
ਕਈ AI ਚਿੱਤਰ ਬਣਾਉਣ ਵਾਲੇ ਟੂਲ ਡਿਫਿਊਜ਼ਨ ਨਾਮਕ ਤਰੀਕਾ ਵਰਤਦੇ ਹਨ: ਮਾਡਲ ਚਿੱਤਰਾਂ ਵਿੱਚੋਂ ਬੇਤਰਤੀਬ ਦਾਣੇਦਾਰ ਬਿੰਦੂ ਹਟਾਉਣਾ ਸਿੱਖਦਾ ਹੈ, ਫਿਰ ਅਜਿਹੇ ਬੇਤਰਤੀਬ ਬਿੰਦੂਆਂ ਤੋਂ ਸ਼ੁਰੂ ਕਰਕੇ ਅਤੇ ਤੁਹਾਡੇ ਲਿਖਤੀ ਵੇਰਵੇ ਦੀ ਸੇਧ ਵਿੱਚ ਕਦਮ-ਦਰ-ਕਦਮ ਸੁਧਾਰ ਕਰਕੇ ਨਵਾਂ ਚਿੱਤਰ ਬਣਾਉਂਦਾ ਹੈ। ਹੱਗਿੰਗ ਫੇਸ ਦਾ ਡਿਫਿਊਜ਼ਨ ਕੋਰਸ ਦੱਸਦਾ ਹੈ ਕਿ ਸਿਖਲਾਈ ਦੌਰਾਨ ਵੱਖ-ਵੱਖ ਮਾਤਰਾ ਵਿੱਚ ਬੇਤਰਤੀਬ ਬਿੰਦੂ ਜੋੜ ਕੇ ਮਾਡਲ ਨੂੰ ਚਿੱਤਰ ਠੀਕ ਕਰਨਾ ਸਿਖਾਇਆ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਨਵਾਂ ਚਿੱਤਰ ਬਣਾਉਣ ਵੇਲੇ ਬੇਤਰਤੀਬ ਬਿੰਦੂਆਂ ਨੂੰ ਹੌਲੀ-ਹੌਲੀ ਸੁਧਾਰਿਆ ਜਾਂਦਾ ਹੈ ਜਦੋਂ ਤੱਕ ਕੋਈ ਚਿੱਤਰ ਉੱਭਰ ਨਹੀਂ ਆਉਂਦਾ।
ਕਿਉਂਕਿ ਮਾਡਲ ਕਿਸੇ ਆਰਕੀਟੈਕਟ ਦੇ ਨਕਸ਼ੇ ਦੀ ਪਾਲਣਾ ਕਰਨ ਦੀ ਬਜਾਏ ਅਸਲੀ ਵਰਗੇ ਲੱਗਣ ਵਾਲੇ ਪਿਕਸਲ ਬਣਾਉਂਦਾ ਹੈ, ਇਸ ਲਈ ਖਿੜਕੀਆਂ ਦੀ ਸੇਧ, ਬੋਰਡਾਂ ਉੱਤੇ ਲਿਖਤ ਜਾਂ ਉਂਗਲਾਂ ਦੀ ਗਿਣਤੀ ਵਰਗੇ ਵੇਰਵੇ ਗਲਤ ਹੋ ਸਕਦੇ ਹਨ। ਇਹ ਰੋਵਨ ਦੀ ਤੀਜੀ ਟਿੱਪਣੀ ਹੈ।
ਤੁਸੀਂ ਇਨ੍ਹਾਂ ਟੂਲਾਂ ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕਰਦੇ ਹੋ, ਇਸ ਲਈ ਇਸ ਦਾ ਕੀ ਮਤਲਬ ਹੈ?
ਇਸ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਤੁਹਾਨੂੰ ਟੂਲ ਦੀ ਯਾਦਦਾਸ਼ਤ ਉੱਤੇ ਭਰੋਸਾ ਕਰਨ ਦੀ ਬਜਾਏ ਉਸ ਨੂੰ ਉਹ ਤੱਥ ਦੇਣੇ ਚਾਹੀਦੇ ਹਨ ਜਿਨ੍ਹਾਂ ਦੇ ਆਧਾਰ ਉੱਤੇ ਤੁਸੀਂ ਕੰਮ ਕਰਵਾਉਣਾ ਚਾਹੁੰਦੇ ਹੋ। ਕਮਜ਼ੋਰ ਪ੍ਰੌਮਪਟ: 'ਘਰ ਦੇ ਪਿਛਲੇ ਪਾਸੇ ਵਾਧੂ ਉਸਾਰੀ ਲਈ ਮਨਜ਼ੂਰਸ਼ੁਦਾ ਵਿਕਾਸ ਦੇ ਨਿਯਮ ਕੀ ਹਨ?' ਜਵਾਬ ਸੁਚੱਜਾ ਹੁੰਦਾ ਹੈ, ਹਰ ਕੋਸ਼ਿਸ਼ ਵਿੱਚ ਬਦਲਦਾ ਹੈ ਅਤੇ ਵੱਖ-ਵੱਖ ਸਾਲਾਂ ਜਾਂ ਦੇਸ਼ਾਂ ਦੇ ਨਿਯਮ ਰਲਾ ਸਕਦਾ ਹੈ। ਇਸ ਵਿੱਚ ਅਸਲੀ ਜਾਪਦਾ ਪਰ ਘੜਿਆ ਹੋਇਆ ਦਸਤਾਵੇਜ਼ੀ ਹਵਾਲਾ ਵੀ ਹੋ ਸਕਦਾ ਹੈ, ਜਿਸ ਤੋਂ ਰੋਵਨ ਦੀ ਦੂਜੀ ਟਿੱਪਣੀ ਦਾ ਕਾਰਨ ਸਮਝ ਆਉਂਦਾ ਹੈ।
ਸੁਧਾਰਿਆ ਨਿਰਦੇਸ਼: ਰੋਵਨ ਅਧਿਕਾਰਤ ਉਸਾਰੀ ਯੋਜਨਾਬੰਦੀ ਸੰਬੰਧੀ ਮਾਰਗਦਰਸ਼ਨ ਦਾ ਸੰਬੰਧਿਤ ਹਿੱਸਾ ਚਿਪਕਾ ਕੇ ਪੁੱਛਦਾ ਹੈ: 'ਸਿਰਫ਼ ਹੇਠਾਂ ਦਿੱਤੇ ਪਾਠ ਦੀ ਵਰਤੋਂ ਕਰਕੇ, ਪਿਛਲੇ ਪਾਸੇ ਇੱਕ ਮੰਜ਼ਿਲਾ ਵਾਧੇ ਦੇ ਆਕਾਰ ਦੀਆਂ ਹੱਦਾਂ ਦਾ ਸਾਰ ਇੱਕ ਸਾਰਣੀ ਵਿੱਚ ਦਿਓ। ਜੇ ਪਾਠ ਵਿੱਚ ਕਿਸੇ ਗੱਲ ਬਾਰੇ ਜਾਣਕਾਰੀ ਨਹੀਂ ਹੈ, ਤਾਂ ਕਹੋ ਕਿ ਇਸ ਦਾ ਜ਼ਿਕਰ ਨਹੀਂ ਹੈ।' ਹੁਣ ਮਾਡਲ ਦਾ ਕੰਮ ਉਸ ਪਾਠ ਨੂੰ ਆਪਣੇ ਸ਼ਬਦਾਂ ਵਿੱਚ ਪੇਸ਼ ਕਰਨਾ ਅਤੇ ਤਰਤੀਬ ਦੇਣਾ ਹੈ ਜੋ ਉਸ ਨੂੰ ਦਿਸ ਰਿਹਾ ਹੈ। ਇਹ ਕੰਮ ਉਹ ਚੰਗੀ ਤਰ੍ਹਾਂ ਕਰਦਾ ਹੈ ਅਤੇ ਰੋਵਨ ਹਰ ਲਾਈਨ ਨੂੰ ਸਰੋਤ ਨਾਲ ਮਿਲਾ ਕੇ ਜਾਂਚ ਸਕਦਾ ਹੈ।
ਜਨਰੇਟਿਵ AI ਦੀਆਂ ਸੀਮਾਵਾਂ ਕੀ ਹਨ?
ਮੁੱਖ ਹੱਦਾਂ ਇਹ ਹਨ ਕਿ ਸਮੱਗਰੀ ਬਣਾਉਣ ਵਾਲਾ AI ਝੂਠੀਆਂ ਗੱਲਾਂ ਵੀ ਭਰੋਸੇ ਨਾਲ ਕਹਿ ਸਕਦਾ ਹੈ, ਖੋਜ ਜਾਂ ਦਸਤਾਵੇਜ਼ਾਂ ਨਾਲ ਜੁੜਿਆ ਨਾ ਹੋਵੇ ਤਾਂ ਇਸ ਦਾ ਗਿਆਨ ਇੱਕ ਨਿਰਧਾਰਤ ਸਮੇਂ ਤੱਕ ਹੀ ਹੁੰਦਾ ਹੈ, ਇਹ ਸਿਰਫ਼ ਉਸ ਜਾਣਕਾਰੀ ਨਾਲ ਕੰਮ ਕਰ ਸਕਦਾ ਹੈ ਜੋ ਇਸ ਦੀ ਸੰਦਰਭ-ਸੀਮਾ ਵਿੱਚ ਆਉਂਦੀ ਹੈ, ਅਤੇ ਇਹ ਆਪਣੇ ਸਿਖਲਾਈ ਡਾਟੇ ਦੇ ਪੱਖਪਾਤ ਨੂੰ ਦਰਸਾ ਸਕਦਾ ਹੈ। ਇਨ੍ਹਾਂ ਵਿੱਚੋਂ ਕੋਈ ਵੀ ਅਜਿਹੀ ਖ਼ਰਾਬੀ ਨਹੀਂ ਜੋ ਹੋਰ ਨਿਮਰਤਾ ਨਾਲ ਪੁੱਛਣ ਨਾਲ ਠੀਕ ਹੋ ਜਾਵੇ; ਇਹ ਮਾਡਲਾਂ ਦੇ ਕੰਮ ਕਰਨ ਦੇ ਤਰੀਕੇ ਤੋਂ ਪੈਦਾ ਹੁੰਦੀਆਂ ਹਨ।
ਤੱਥਾਂ, ਅੰਕੜਿਆਂ, ਨਾਵਾਂ ਅਤੇ ਹਵਾਲਿਆਂ ਦੀ ਜਾਂਚ ਕਿਸੇ ਭਰੋਸੇਯੋਗ ਸਰੋਤ ਨਾਲ ਕਰੋ, ਅਤੇ ਜਦੋਂ ਵੀ ਸਹੀ ਜਾਣਕਾਰੀ ਜ਼ਰੂਰੀ ਹੋਵੇ, ਟੂਲ ਨੂੰ ਸਰੋਤ ਸਮੱਗਰੀ ਦਿਓ।
ਇਸ ਪਾਠ ਦੀ Tosheo.ai ਦੀ ਪਾਠ-ਸੂਚੀ ਵਿੱਚ ਕੀ ਥਾਂ ਹੈ?
ਜਨਰੇਟਿਵ AI ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ, AI ਦੀਆਂ ਬੁਨਿਆਦੀ ਗੱਲਾਂ ਵਾਲੀ ਸ਼੍ਰੇਣੀ ਵਿੱਚ ਆਉਂਦਾ ਹੈ। ਇਹ ਨਵੇਂ ਸਿੱਖਣ ਵਾਲਿਆਂ ਲਈ AI ਦੇ ਸ਼ੁਰੂਆਤੀ ਪਾਠਾਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ ਅਤੇ ਜਨਰੇਟਿਵ AI ਕੋਰਸ ਦਾ ਪਹਿਲਾ ਪਾਠ ਹੈ। Tosheo.ai ਉੱਤੇ ਅਮਲੀ ਕੰਮ ਵਿੱਚ ਤੁਹਾਨੂੰ ਪਹਿਲਾਂ ਇਹ ਅਨੁਮਾਨ ਲਗਾਉਣਾ ਹੁੰਦਾ ਹੈ ਕਿ ਟੈਂਪਰੇਚਰ ਵਰਗੀਆਂ ਸੈਟਿੰਗਾਂ ਬਦਲਣ ਜਾਂ ਸਰੋਤ ਪਾਠ ਦੇਣ ਨਾਲ ਟੂਲ ਕਿਵੇਂ ਵਰਤਾਅ ਕਰੇਗਾ, ਅਤੇ ਫਿਰ ਇਸ ਨੂੰ ਪਰਖਣਾ ਹੁੰਦਾ ਹੈ। ਅੰਕ ਦੇਣ ਦੇ ਮਾਪਦੰਡਾਂ ਅਨੁਸਾਰ ਮਿਲਣ ਵਾਲੀ ਪ੍ਰਤੀਕਿਰਿਆ ਇਹ ਜਾਂਚਦੀ ਹੈ ਕਿ ਤੁਹਾਡੀ ਵਿਆਖਿਆ ਕਿਸੇ ਸਹਿਕਰਮੀ ਨੂੰ ਸਮਝ ਆਵੇਗੀ ਜਾਂ ਨਹੀਂ।