செயற்கை நுண்ணறிவின் பதில்களால் ஆதாரங்களை மதிப்பிடுவது ஏன் இன்னும் முக்கியமாகிறது?

AI பதில்கள் கூற்றுகளைச் சரளமாகவும், அதிகாரப்பூர்வமாகத் தோன்றும் மேற்கோள்களுடனும் முன்வைக்கின்றன. அந்த மேற்கோள் இல்லாதபோதும் அல்லது பதில் கூறுவதை அந்த ஆதாரம் சொல்லாதபோதும் இப்படிச் செய்யக்கூடும். இதனால் ஆதாரங்களை மதிப்பிடுவது இன்னும் முக்கியமாகிறது. நம்பிக்கையான தொனி ஆதாரமாகாது.

லூமென் ஃபுட்ஸ் என்ற கற்பனையான, 15 பேர் கொண்ட சிற்றுண்டி நிறுவனத்தை எடுத்துக்கொள்ளுங்கள். சில்லறை விற்பனையாளரிடம் முன்வைக்கும் வணிக விளக்கத்தில் முக்கியமாகக் காட்ட ஒரு புள்ளிவிவரம் சந்தைப்படுத்தல் தலைவர் அடேவுக்குத் தேவைப்படுகிறது. அவர் செயற்கை நுண்ணறிவு உதவியாளரிடம் கேட்கும்போது கிடைக்கும் பதில்: 'இப்போது ஐக்கிய இராச்சியத்தில் பொருட்கள் வாங்குவோரில் 68% பேர் குறைந்த சர்க்கரை கொண்ட சிற்றுண்டிகளைத் தேர்ந்தெடுக்கிறார்கள் (உலகளாவிய சிற்றுண்டிப் போக்குகள் அறிக்கை 2024, சில்லறை வணிக நுண்ணறிவு நிறுவனம்).' இரண்டாவது தேடலில், 'பொருட்கள் வாங்கும் 10 பேரில் 7 பேர் குறைந்த சர்க்கரையை விரும்புகிறார்கள்' என்று மீண்டும் கூறும் ஒரு வலைப்பதிவு கிடைக்கிறது; அதில் ஆதார இணைப்பு இல்லை. வணிக விளக்கம் வெள்ளிக்கிழமை நடைபெறுகிறது. இரண்டு புள்ளிவிவரங்களுமே பயன்படுத்தக்கூடியவைபோல் தெரிகின்றன.

ஒரு தகவல் மூலத்தைப் படிப்படியாக எப்படி மதிப்பிடுவது?

ஓர் ஆதாரத்தைப் பயன்படுத்துவதற்கு முன் சற்று நிறுத்தி, அதன் பின்னணியில் இருப்பவர் யார் என்பதை அந்த ஆதாரத்திற்கு வெளியே சரிபார்த்து, அதே கூற்றைப் பற்றி மேலும் சிறந்த தகவல்களைத் தேடி, அந்தக் கூற்றின் மூலத்தைத் தடமறிந்து மதிப்பிடுங்கள். எண்ணிம அறிவுத் திறன் நிபுணர் மைக் கால்ஃபீல்ட் உருவாக்கிய SIFT முறை என நூலக வழிகாட்டிகள் இதைக் கற்பிக்கின்றன: நிறுத்துங்கள், ஆதாரத்தை ஆராயுங்கள், சிறந்த தகவல்களைக் கண்டறியுங்கள், கூற்றுகளை அவற்றின் அசல் சூழல் வரை தடமறியுங்கள்.

1. நிறுத்துங்கள்

ஒரு கூற்று நீங்கள் கண்டறிய விரும்பியதையே சொல்லும்போது கவனமாக இருங்கள். அப்போதுதான் அதைச் சரிபார்க்கும் வாய்ப்பு மிகக் குறைவாக இருக்கும்.

2. பிற ஆதாரங்களையும் படித்து நம்பகத்தன்மையைச் சரிபாருங்கள்

அந்தத் தகவல் மூலத்தை விட்டு வெளியேறி, அதன் வெளியீட்டாளர் அல்லது ஆசிரியரைப் பற்றி மற்றவர்கள் என்ன சொல்கிறார்கள் என்று தேடுங்கள். புதிய தாவல்களைத் திறந்து, சுயாதீனமான மூலங்கள் என்ன சொல்கின்றன என்பதைப் பார்ப்பதே பக்கவாட்டு வாசிப்பு. அந்த மூலமே எழுதியுள்ள அறிமுகப் பக்கத்தைவிட இது அதிகத் தகவல்களைத் தரும்.

3. தேதியைச் சரிபாருங்கள்

கட்டுரை எப்போது வெளியிடப்பட்டது என்பதை மட்டுமல்லாமல், தரவு எப்போது சேகரிக்கப்பட்டது என்பதையும் கண்டறியுங்கள். 2024 கட்டுரை ஒன்று 2017 புள்ளிவிவரங்களை மேற்கோள் காட்டக்கூடும்.

4. சான்றுகளைச் சரிபாருங்கள்

மாதிரியின் அளவு, யாரிடம் கேட்கப்பட்டது, கேட்கப்பட்ட துல்லியமான கேள்வி, பயன்படுத்தப்பட்ட முறை ஆகியவற்றைப் பாருங்கள். பயன்படுத்தப்பட்ட முறை குறிப்பிடப்படாத புள்ளிவிவரம், எண்ணைச் சேர்த்துச் சொல்லப்படும் வதந்திதான்.

5. சார்பு உள்ளதா எனச் சரிபார்க்கவும்

அந்தக் கூற்றை நீங்கள் நம்பினால் யாருக்கு நன்மை கிடைக்கும் என்று கேளுங்கள். குறைந்த சர்க்கரைப் பொருட்களை விற்கும் நிறுவனம் வெளியிடும் குறைந்த சர்க்கரை குறித்த புள்ளிவிவரத்திற்குக் கூடுதல் உறுதிப்படுத்தல் தேவை.

6. மூலத்தைத் தேடிக் கண்டறியவும்

முதன்மை ஆதாரத்தை அடையும் வரை மேற்கோள்களைப் பின்தொடர்ந்து, அந்த எண் இடம்பெற்றுள்ள வாக்கியத்தைப் படியுங்கள்.

AI கருவி வழங்கும் மேற்கோள்களை எப்படிச் சரிபார்ப்பது?

AI தரும் மேற்கோள்களை மூன்று படிகளில் சரிபாருங்கள்: ஆதாரம் உண்மையில் உள்ளதா, AI கூறுவதையே அது சொல்கிறதா, மற்றொரு சுருக்கத்தின் சுருக்கமாக இல்லாமல் அது மூல ஆதாரம்தானா என்பதை உறுதிப்படுத்துங்கள். உண்மையானவை போலத் தோன்றும் மேற்கோள்கள் உட்பட, தகவல்களை AI கருவிகள் புனையக்கூடும் என்று நூலகங்களின் AI வழிகாட்டிகள் எச்சரிக்கின்றன.

AI வழங்கும் இணைப்பை மட்டும் சொடுக்காமல், அறிக்கையின் சரியான தலைப்பையும் வெளியீட்டாளரையும் கொண்டு நீங்களே தேடுங்கள். அது கிடைத்தால், ஆவணத்தின் தேடல் வசதியைப் பயன்படுத்தி அந்த எண்ணிக்கையைக் கண்டறியுங்கள். கருவியால் இணையத்தில் உலவவோ தேடவோ முடிந்தால், சரியான வாக்கியத்தை மேற்கோள் காட்டி, பக்க எண்ணையும் குறிப்பிடச் சொல்லுங்கள். பின்னர் அந்த மேற்கோளை ஆவணத்துடன் ஒப்பிடுங்கள். மூலத்தைக் கண்டுபிடிக்க முடியாவிட்டால், அந்தக் கூற்று எவ்வளவு துல்லியமாகத் தோன்றினாலும் அதைச் சரிபார்க்கப்படாததாகவே கருதுங்கள்.

பலவீனமான ஆதார மதிப்பீடும் கவனமான ஆதார மதிப்பீடும் எப்படி இருக்கும்?

பலவீனமான அணுகுமுறை: அடே, 'பிரிட்டன் வாடிக்கையாளர்களில் 68% பேர் குறைந்த சர்க்கரையுள்ள சிற்றுண்டிகளைத் தேர்ந்தெடுக்கிறார்கள்' என்பதை இரண்டாவது காட்சிப்பக்கத்தில் வைத்து, AI கொடுத்த மேற்கோளைச் சிறிய எழுத்தில் சேர்க்கிறார். கூட்டத்தில், சில்லறை விற்பனையாளரின் கொள்முதல் பொறுப்பாளர் அந்த அறிக்கையைக் கேட்கிறார். அடே தேடியபோது, ரீடெய்ல் இன்சைட் இன்ஸ்டிடியூட் என்ற நிறுவனமோ அந்தத் தலைப்பிலான அறிக்கையோ இல்லை என்பது தெரியவருகிறது. முழு விற்பனை முன்மொழிவின் நம்பகத்தன்மையும் குறைகிறது.

கவனமான அணுகுமுறை: அடே அறிக்கையின் தலைப்பைத் தேடுகிறார்; எதுவும் கிடைக்காததால் 68% என்ற எண்ணிக்கையை நிராகரிக்கிறார். வலைப்பதிவில் உள்ள '10 பேரில் 7 பேர்' என்ற கூற்றின் மூலத்தைத் தேடும்போது, அது இனிப்பூட்டித் தயாரிப்பு நிறுவனம் வெளியிட்ட கருத்துக்கணிப்பிலிருந்து வந்தது என்பதைக் கண்டறிகிறார். அதில் பங்கேற்ற இணையவழிக் குழு சிறியது; கேள்வியும் ஒரு குறிப்பிட்ட பதிலைத் தூண்டும் வகையில் இருந்தது. பின்னர் அவர் மேலும் நம்பகமான தகவல்களைத் தேடி, ஆய்வு முறை தெளிவாகக் குறிப்பிடப்பட்டுள்ள அரசின் உணவுக் கணக்கெடுப்பைக் கண்டுபிடிக்கிறார். அது குறைவான அளவிலான போக்கையே தெரிவிக்கிறது; களப்பணி நடந்த தேதிகளையும் தெளிவாகக் குறிப்பிடுகிறது. இப்போது அவரது விளக்கக்காட்சிப் பக்கம் அந்தக் கணக்கெடுப்பு காட்டுவதையே சொல்கிறது, வெளியிட்ட அமைப்பையும் ஆண்டையும் குறிப்பிடுகிறது, அட்டவணைக்கான இணைப்பையும் தருகிறது. கூற்றின் அளவு குறைந்தாலும், வாங்குபவரின் கேள்வியை அது எதிர்கொள்ள முடிகிறது.

தகவல் ஆதாரங்களை மதிப்பிடும்போது ஏற்படும் பொதுவான தவறுகள் என்ன?

ஒரு ஆதாரம் எவ்வளவு தொழில்முறையாகத் தெரிகிறது என்பதை வைத்து அதை மதிப்பிடுவதே மிகவும் பொதுவான தவறு. அந்தத் தோற்றத்தை எளிதில் போலியாக உருவாக்கலாம். பிற தவறுகள்: தலைப்பும் ஆண்டும் இருப்பதால் AI வழங்கும் மேற்கோளை நம்புவது, ஆதாரத்தின் சொந்த அறிமுகப் பக்கத்தை மட்டும் பார்ப்பது, பழைய தரவை மேற்கோள் காட்டும் புதிய கட்டுரையைப் பயன்படுத்துவது, அசல் ஆதாரத்தைத் தேடாமல் இரண்டாம் நிலை அறிக்கையோடு நிறுத்துவது, ஒரே மூலத்திலிருந்து நகலெடுத்த எண்ணைப் பல வலைப்பதிவுகள் கூறுவதைத் தனித்தனி உறுதிப்படுத்தல்களாகக் கருதுவது.

Tosheo.ai பாடத் தொகுப்பில் ஆதாரங்களை மதிப்பிடுதல் எந்தப் பகுதியில் இடம்பெறுகிறது?

ஆதாரங்களை மதிப்பிடுதல் என்பது விமர்சனச் சிந்தனைப் பாடத்திட்டத்தில், விமர்சனச் சிந்தனைப் பிரிவில் உள்ளது. பலவீனமான வாதங்களைக் கண்டறிதல், AI வெளியீட்டைச் சரிபார்த்தல் ஆகிய பாடங்களுடன் இது இடம்பெறுகிறது. Tosheo.ai இல், செய்முறைப் பணியில் உண்மையான மற்றும் புனையப்பட்ட மேற்கோள்கள் கலந்த ஒரு கூற்று உங்களுக்கு வழங்கப்படும். மதிப்பீட்டு அளவுகோல்களின் அடிப்படையிலான கருத்துகள், நீங்கள் எந்தச் சரிபார்ப்புகளைத் தவறவிட்டீர்கள் என்பதையும், அவற்றைச் செய்திருந்தால் என்ன தெரியவந்திருக்கும் என்பதையும் காட்டும்.

மூலங்களும் வரம்பும்

டிஜிட்டல் இன்குவைரி குரூப், சிவிக் ஆன்லைன் ரீசனிங், பிற தளங்களுடன் ஒப்பிட்டுச் சரிபார்க்கும் வாசிப்பு முறையைக் கற்பித்தல் (சரிபார்த்த நாள்: 19 அக்டோபர் 2026) ↗

ஸ்காட்ஸ்டேல் சமூகக் கல்லூரி நூலகம், SIFT முறை (சரிபார்க்கப்பட்ட நாள்: 19 October 2026) ↗

மான்டெவாலோ பல்கலைக்கழக நூலகம், AI வெளியீட்டையும் மேற்கோள்களையும் உண்மைச் சரிபார்ப்பு செய்தல் (சரிபார்க்கப்பட்டது 19 October 2026) ↗