ਏਆਈ ਚੈਟਬੋਟ ਤੱਥਾਂ ਦੀ ਜਾਂਚ ਕਰਦੇ ਹਨ? ਝੂਠੀ ਜਾਣਕਾਰੀ ਦਾ ਸਰੋਤ

ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਚੈਟਬੋਟਸ ਦੀ ਗੁਣਵੱਤਾ ਅਤੇ ਸ਼ੁੱਧਤਾ ਉਹਨਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਅਤੇ ਪ੍ਰੋਗਰਾਮ ਕਰਨ ਦੇ ਤਰੀਕੇ ‘ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ। ਇਸ ਨਾਲ ਚਿੰਤਾਵਾਂ ਪੈਦਾ ਹੋਈਆਂ ਹਨ ਕਿਉਂਕਿ ਇਹ ਸੰਦ ਰਾਜਨੀਤਿਕ ਪ੍ਰਭਾਵਾਂ ਜਾਂ ਨਿਯੰਤਰਣ ਦੇ ਅਧੀਨ ਹੋ ਸਕਦੇ ਹਨ। ਖਾਸ ਤੌਰ ‘ਤੇ ਤਕਨੀਕੀ ਪਲੇਟਫਾਰਮਾਂ ‘ਤੇ ਮਨੁੱਖੀ ਤੱਥਾਂ ਦੀ ਜਾਂਚ ਨੂੰ ਘਟਾਉਣ ਨਾਲ, ਉਪਭੋਗਤਾ ਭਰੋਸੇਯੋਗ ਜਾਣਕਾਰੀ ਲੱਭਣ ਲਈ ਵੱਧ ਤੋਂ ਵੱਧ AI ਚੈਟਬੋਟਸ ‘ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ। ਹਾਲਾਂਕਿ, ਇਹਨਾਂ ਚੈਟਬੋਟਸ ਨੂੰ ਵੀ ਝੂਠੀ ਜਾਣਕਾਰੀ ਪੈਦਾ ਕਰਨ ਲਈ ਸੰਵੇਦਨਸ਼ੀਲ ਦਿਖਾਇਆ ਗਿਆ ਹੈ।

ਟਕਰਾਅ ਦੌਰਾਨ ਏਆਈ ਤੱਥਾਂ ਦੀ ਜਾਂਚ ‘ਤੇ ਨਿਰਭਰਤਾ ਅਤੇ ਇਸ ਦੀਆਂ ਕਮੀਆਂ

ਭਾਰਤ ਅਤੇ ਪਾਕਿਸਤਾਨ ਵਿਚਾਲੇ ਚਾਰ ਦਿਨਾਂ ਦੇ ਸੰਘਰਸ਼ ਦੌਰਾਨ, ਸੋਸ਼ਲ ਮੀਡੀਆ ਉਪਭੋਗਤਾ ਤਸਦੀਕ ਲਈ ਏਆਈ ਚੈਟਬੋਟਸ ਵੱਲ ਮੁੜ ਗਏ। ਹਾਲਾਂਕਿ, ਉਹਨਾਂ ਨੂੰ ਝੂਠੀ ਜਾਣਕਾਰੀ ਮਿਲੀ, ਜਿਸ ਨੇ ਤੱਥਾਂ ਦੀ ਜਾਂਚ ਕਰਨ ਵਾਲੇ ਸਾਧਨਾਂ ਵਜੋਂ ਇਹਨਾਂ ਚੈਟਬੋਟਸ ਦੀ ਅਵਿਸ਼ਵਾਸਯੋਗਤਾ ਨੂੰ ਉਜਾਗਰ ਕੀਤਾ ਹੈ। ਜਿਵੇਂ ਕਿ ਤਕਨੀਕੀ ਪਲੇਟਫਾਰਮ ਹੌਲੀ ਹੌਲੀ ਮਨੁੱਖੀ ਤੱਥਾਂ ਦੀ ਜਾਂਚ ਕਰਨ ਵਾਲਿਆਂ ਦੀ ਗਿਣਤੀ ਨੂੰ ਘਟਾਉਂਦੇ ਹਨ, ਉਪਭੋਗਤਾ ਭਰੋਸੇਯੋਗ ਜਾਣਕਾਰੀ ਲੱਭਣ ਲਈ AI-ਸੰਚਾਲਿਤ ਚੈਟਬੋਟਸ ‘ਤੇ ਨਿਰਭਰ ਕਰ ਰਹੇ ਹਨ, ਜਿਸ ਵਿੱਚ xAI ਦਾ Grok, OpenAI ਦਾ ChatGPT, ਅਤੇ Google ਦਾ Gemini ਸ਼ਾਮਲ ਹਨ। ਪਰ ਇਹ ਪਾਇਆ ਗਿਆ ਹੈ ਕਿ ਇਹ AI ਚੈਟਬੋਟਸ ਅਕਸਰ ਝੂਠੀ ਜਾਣਕਾਰੀ ਨਾਲ ਭਰੇ ਜਵਾਬ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ।

ਐਲੋਨ ਮਸਕ ਦੇ ਪਲੇਟਫਾਰਮ X (ਪਹਿਲਾਂ ਟਵਿੱਟਰ) ‘ਤੇ ਇੱਕ ਆਮ ਪੁੱਛਗਿੱਛ ਉੱਭਰ ਕੇ ਸਾਹਮਣੇ ਆਈ ਹੈ, "@Grok, ਕੀ ਇਹ ਸੱਚ ਹੈ?" Grok ਵਿੱਚ ਪਲੇਟਫਾਰਮ ਵਿੱਚ ਇੱਕ AI ਸਹਾਇਕ ਬਣਾਇਆ ਗਿਆ ਹੈ, ਜੋ ਕਿ ਸੋਸ਼ਲ ਮੀਡੀਆ ਉੱਤੇ ਤੁਰੰਤ ਡੀਬੰਕਿੰਗ ਦੀ ਮੰਗ ਕਰਨ ਦੇ ਵਧਦੇ ਰੁਝਾਨ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਹਾਲਾਂਕਿ, AI ਚੈਟਬੋਟਸ ਦੁਆਰਾ ਦਿੱਤੇ ਗਏ ਜਵਾਬ ਅਕਸਰ ਝੂਠੀ ਜਾਣਕਾਰੀ ਨਾਲ ਭਰੇ ਹੁੰਦੇ ਹਨ।

ਏਆਈ ਚੈਟਬੋਟਸ ਦੁਆਰਾ ਗਲਤ ਜਾਣਕਾਰੀ ਫੈਲਾਉਣ ਦੀਆਂ ਉਦਾਹਰਣਾਂ

Grok ਇਸ ਸਮੇਂ ਨਵੀਂ ਜਾਂਚ ਦੇ ਅਧੀਨ ਹੈ ਕਿਉਂਕਿ ਰਿਪੋਰਟਾਂ ਹਨ ਕਿ ਇਹ ਗੈਰ-ਸੰਬੰਧਿਤ ਪੁੱਛਗਿੱਛਾਂ ਵਿੱਚ "ਗੋਰਿਆਂ ਦੇ ਨਸਲਕੁਸ਼ੀ" ਦੇ ਸੱਜੇ-ਪੱਖੀ ਸਾਜ਼ਿਸ਼ ਸਿਧਾਂਤ ਨੂੰ ਪਾ ਰਿਹਾ ਹੈ। ਇਸਨੇ ਗਲਤ ਤਰੀਕੇ ਨਾਲ ਸੂਡਾਨ ਦੇ ਖਾਰਟੋਮ ਹਵਾਈ ਅੱਡੇ ਦੀ ਇੱਕ ਪੁਰਾਣੀ ਵੀਡੀਓ ਕਲਿੱਪ ਨੂੰ ਭਾਰਤ-ਪਾਕਿਸਤਾਨ ਸੰਘਰਸ਼ ਦੌਰਾਨ ਪਾਕਿਸਤਾਨੀ ਨੂਰ ਖਾਨ ਏਅਰ ਬੇਸ ‘ਤੇ ਮਿਜ਼ਾਈਲ ਹਮਲਾ ਦੱਸਿਆ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਨੇਪਾਲ ਵਿੱਚ ਇੱਕ ਇਮਾਰਤ ਨੂੰ ਲੱਗੀ ਅੱਗ ਦਾ ਇੱਕ ਗੈਰ-ਸੰਬੰਧਿਤ ਵੀਡੀਓ ਗਲਤ ਤਰੀਕੇ ਨਾਲ ਭਾਰਤ ‘ਤੇ ਹਮਲੇ ਦੇ ਜਵਾਬ ਵਿੱਚ ਪਾਕਿਸਤਾਨ ਨੂੰ "ਸੰਭਾਵਿਤ" ਦਿਖਾਉਣ ਲਈ ਦੱਸਿਆ ਗਿਆ ਸੀ।

Grok ਨੇ ਹਾਲ ਹੀ ਵਿੱਚ ਇੱਕ ਵੀਡੀਓ ਨੂੰ "ਸੱਚਾ" ਵੀ ਲਗਾਇਆ ਹੈ, ਜਿਸ ਵਿੱਚ ਐਮਾਜ਼ਾਨ ਨਦੀ ਵਿੱਚ ਇੱਕ ਵਿਸ਼ਾਲ ਐਨਾਕੌਂਡਾ ਫੋਟੋ ਖਿੱਚਣ ਦਾ ਦਾਅਵਾ ਕੀਤਾ ਗਿਆ ਹੈ, ਇਸਦੇ ਝੂਠੇ ਦਾਅਵੇ ਦਾ ਸਮਰਥਨ ਕਰਨ ਲਈ ਵਿਸ਼ਵਾਸਯੋਗ-ਆਵਾਜ਼ ਵਾਲੇ ਵਿਗਿਆਨਕ ਮੁਹਿੰਮਾਂ ਦਾ ਹਵਾਲਾ ਦਿੰਦੇ ਹੋਏ। ਅਸਲ ਵਿੱਚ, ਵੀਡੀਓ AI ਦੁਆਰਾ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਸੀ। ਲਾਤੀਨੀ ਅਮਰੀਕਾ ਦੇ ਏਐੱਫਪੀ ਤੱਥਾਂ ਦੀ ਜਾਂਚ ਕਰਨ ਵਾਲਿਆਂ ਨੇ ਨੋਟ ਕੀਤਾ ਕਿ ਕਈ ਉਪਭੋਗਤਾਵਾਂ ਨੇ ਕਲਿੱਪ ਦੀ ਪ੍ਰਮਾਣਿਕਤਾ ਦੇ ਸਬੂਤ ਵਜੋਂ ਗਰੋਕ ਦੇ ਮੁਲਾਂਕਣ ਦਾ ਹਵਾਲਾ ਦਿੱਤਾ।

ਤੱਥਾਂ ਦੀ ਜਾਂਚ ਕਰਨ ਵਾਲਿਆਂ ਵਿੱਚ ਨਿਵੇਸ਼ ਵਿੱਚ ਕਮੀ

ਜਿਵੇਂ ਕਿ X ਅਤੇ ਹੋਰ ਵੱਡੀਆਂ ਤਕਨੀਕੀ ਕੰਪਨੀਆਂ ਮਨੁੱਖੀ ਤੱਥਾਂ ਦੀ ਜਾਂਚ ਕਰਨ ਵਾਲਿਆਂ ਵਿੱਚ ਆਪਣੇ ਨਿਵੇਸ਼ ਨੂੰ ਘਟਾਉਂਦੀਆਂ ਹਨ, ਉਪਭੋਗਤਾ ਵੱਧ ਤੋਂ ਵੱਧ Grok ‘ਤੇ ਤੱਥਾਂ ਦੀ ਜਾਂਚ ਕਰਨ ਵਾਲੇ ਵਜੋਂ ਨਿਰਭਰ ਕਰਦੇ ਹਨ। ਨਿਊਜ਼ ਮਾਨੀਟਰਿੰਗ ਸੰਗਠਨ ਨਿਊਜ਼ਗਾਰਡ ਦੇ ਇੱਕ ਖੋਜਕਰਤਾ ਮੈਕੇਂਜ਼ੀ ਸੈਰਜੈਂਟ ਨੇ ਚੇਤਾਵਨੀ ਦਿੱਤੀ, "ਸਾਡੀ ਖੋਜ ਨੇ ਵਾਰ-ਵਾਰ ਪਾਇਆ ਹੈ ਕਿ AI ਚੈਟਬੋਟਸ ਖ਼ਬਰਾਂ ਅਤੇ ਜਾਣਕਾਰੀ ਦੇ ਭਰੋਸੇਯੋਗ ਸਰੋਤ ਨਹੀਂ ਹਨ, ਖਾਸ ਕਰਕੇ ਜਦੋਂ ਇਹ ਤਾਜ਼ਾ ਖ਼ਬਰਾਂ ਦੀ ਗੱਲ ਆਉਂਦੀ ਹੈ।"

ਨਿਊਜ਼ਗਾਰਡ ਦੀ ਖੋਜ ਵਿੱਚ ਪਾਇਆ ਗਿਆ ਕਿ 10 ਪ੍ਰਮੁੱਖ ਚੈਟਬੋਟਸ ਝੂਠੀ ਜਾਣਕਾਰੀ ਨੂੰ ਦੁਹਰਾਉਣ ਲਈ ਸੰਵੇਦਨਸ਼ੀਲ ਹਨ, ਜਿਸ ਵਿੱਚ ਰੂਸੀ ਗਲਤ ਜਾਣਕਾਰੀ ਦੇ ਬਿਰਤਾਂਤ ਅਤੇ ਆਸਟਰੇਲੀਆ ਦੀਆਂ ਹਾਲੀਆ ਚੋਣਾਂ ਨਾਲ ਜੁੜੇ ਝੂਠੇ ਜਾਂ ਗੁੰਮਰਾਹਕੁੰਨ ਦਾਅਵੇ ਸ਼ਾਮਲ ਹਨ। ਕੋਲੰਬੀਆ ਯੂਨੀਵਰਸਿਟੀ ਦੇ ਡਿਜੀਟਲ ਜਰਨਲਿਜ਼ਮ ਦੇ ਟੋਵ ਸੈਂਟਰ ਦੁਆਰਾ ਹਾਲ ਹੀ ਵਿੱਚ ਅੱਠ AI ਖੋਜ ਸਾਧਨਾਂ ‘ਤੇ ਕੀਤੀ ਗਈ ਇੱਕ ਖੋਜ ਵਿੱਚ ਪਾਇਆ ਗਿਆ ਕਿ ਚੈਟਬੋਟਸ "ਆਮ ਤੌਰ ‘ਤੇ ਉਹਨਾਂ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇਣ ਤੋਂ ਇਨਕਾਰ ਕਰਨ ਵਿੱਚ ਬੁਰੇ ਹੁੰਦੇ ਹਨ ਜਿਨ੍ਹਾਂ ਦੇ ਜਵਾਬ ਉਹ ਸਹੀ ਢੰਗ ਨਾਲ ਨਹੀਂ ਦੇ ਸਕਦੇ ਹਨ," ਇਸ ਦੀ ਬਜਾਏ ਗਲਤ ਜਾਂ ਅਟਕਲਾਂ ਵਾਲੇ ਜਵਾਬ ਪੇਸ਼ ਕਰਦੇ ਹਨ।

ਏਆਈ ਨਕਲੀ ਤਸਵੀਰਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਅਤੇ ਵੇਰਵੇ ਬਣਾਉਣ ਵਿੱਚ ਸੰਘਰਸ਼ ਕਰਦੀ ਹੈ

ਜਦੋਂ ਏਐੱਫਪੀ ਦੇ ਉਰੂਗਵੇ ਵਿੱਚ ਤੱਥਾਂ ਦੀ ਜਾਂਚ ਕਰਨ ਵਾਲਿਆਂ ਨੇ Gemini ਨੂੰ ਇੱਕ AI ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੀ ਇੱਕ ਔਰਤ ਦੀ ਤਸਵੀਰ ਬਾਰੇ ਪੁੱਛਿਆ, ਤਾਂ ਇਸਨੇ ਨਾ ਸਿਰਫ਼ ਤਸਵੀਰ ਦੀ ਪ੍ਰਮਾਣਿਕਤਾ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ, ਸਗੋਂ ਉਸਦੀ ਪਛਾਣ ਅਤੇ ਤਸਵੀਰ ਕਿੱਥੇ ਖਿੱਚੀ ਗਈ ਸੀ, ਬਾਰੇ ਵੇਰਵੇ ਵੀ ਘੜੇ।

ਇਸ ਤਰ੍ਹਾਂ ਦੀਆਂ ਖੋਜਾਂ ਨੇ ਚਿੰਤਾਵਾਂ ਪੈਦਾ ਕੀਤੀਆਂ ਹਨ, ਕਿਉਂਕਿ ਸਰਵੇਖਣਾਂ ਤੋਂ ਪਤਾ ਚੱਲਦਾ ਹੈ ਕਿ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕਰਨ ਅਤੇ ਤਸਦੀਕ ਲਈ ਔਨਲਾਈਨ ਉਪਭੋਗਤਾ ਵੱਧ ਤੋਂ ਵੱਧ ਰਵਾਇਤੀ ਖੋਜ ਇੰਜਣਾਂ ਦੀ ਬਜਾਏ AI ਚੈਟਬੋਟਸ ਵੱਲ ਮੁੜਦੇ ਹਨ।

ਫੈਕਟ-ਚੈਕਿੰਗ ਲਈ ਮੈਟਾ ਦਾ ਤਰੀਕਾ ਬਦਲਣਾ

ਇਸ ਸਾਲ ਦੇ ਸ਼ੁਰੂ ਵਿੱਚ, ਮੈਟਾ ਨੇ ਐਲਾਨ ਕੀਤਾ ਕਿ ਉਹ ਅਮਰੀਕਾ ਵਿੱਚ ਆਪਣੀ ਤੀਜੀ-ਧਿਰ ਦੀ ਤੱਥਾਂ-ਜਾਂਚ ਪ੍ਰੋਗਰਾਮ ਨੂੰ ਖਤਮ ਕਰ ਦੇਵੇਗਾ, ਅਤੇ ਝੂਠੀ ਜਾਣਕਾਰੀ ਨੂੰ ਖਤਮ ਕਰਨ ਦਾ ਕੰਮ ਆਮ ਉਪਭੋਗਤਾਵਾਂ ‘ਤੇ ਛੱਡ ਦੇਵੇਗਾ, ਇੱਕ ਮਾਡਲ ਜਿਸਨੂੰ "ਕਮਿਊਨਿਟੀ ਨੋਟਸ" ਕਿਹਾ ਜਾਂਦਾ ਹੈ, ਜੋ ਕਿ X ਦੁਆਰਾ ਪ੍ਰਸਿੱਧ ਕੀਤਾ ਗਿਆ ਹੈ। ਹਾਲਾਂਕਿ, ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਵਾਰ-ਵਾਰ ਝੂਠੀ ਜਾਣਕਾਰੀ ਨਾਲ ਨਜਿੱਠਣ ਵਿੱਚ "ਕਮਿਊਨਿਟੀ ਨੋਟਸ" ਦੀ ਪ੍ਰਭਾਵਸ਼ੀਲਤਾ ‘ਤੇ ਸਵਾਲ ਉਠਾਏ ਹਨ।

ਮਨੁੱਖੀ ਤੱਥਾਂ ਦੀ ਜਾਂਚ ਕਰਨ ਵਿੱਚ ਚੁਣੌਤੀਆਂ ਅਤੇ ਵਿਵਾਦ

ਮਨੁੱਖੀ ਤੱਥਾਂ ਦੀ ਜਾਂਚ ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਇੱਕ ਧਰੁਵੀਕਰਨ ਵਾਲੇ ਰਾਜਨੀਤਿਕ ਮਾਹੌਲ ਵਿੱਚ ਇੱਕ ਫਲੈਸ਼ਪੁਆਇੰਟ ਹੈ, ਖਾਸ ਕਰਕੇ ਅਮਰੀਕਾ ਵਿੱਚ, ਜਿੱਥੇ ਰੂੜੀਵਾਦੀ ਵਕੀਲਾਂ ਦਾ ਮੰਨਣਾ ਹੈ ਕਿ ਇਹ ਬੋਲਣ ਦੀ ਆਜ਼ਾਦੀ ਨੂੰ ਦਬਾਉਂਦਾ ਹੈ ਅਤੇ ਸੱਜੇ-ਪੱਖੀ ਸਮੱਗਰੀ ਨੂੰ ਸੈਂਸਰ ਕਰਦਾ ਹੈ—ਇੱਕ ਦਾਅਵਾ ਜੋ ਪੇਸ਼ੇਵਰ ਤੱਥਾਂ ਦੀ ਜਾਂਚ ਕਰਨ ਵਾਲਿਆਂ ਦੁਆਰਾ ਜ਼ੋਰਦਾਰ ਢੰਗ ਨਾਲ ਵਿਰੋਧ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਏਐੱਫਪੀ ਵਰਤਮਾਨ ਵਿੱਚ 26 ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਫੇਸਬੁੱਕ ਦੀ ਤੱਥਾਂ ਦੀ ਜਾਂਚ ਪ੍ਰੋਗਰਾਮ ਨਾਲ ਸਹਿਯੋਗ ਕਰ ਰਿਹਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਏਸ਼ੀਆ, ਲਾਤੀਨੀ ਅਮਰੀਕਾ ਅਤੇ ਯੂਰਪੀਅਨ ਯੂਨੀਅਨ ਸ਼ਾਮਲ ਹਨ।

ਰਾਜਨੀਤਿਕ ਪ੍ਰਭਾਵ ਅਤੇ ਏਆਈ ਚੈਟਬੋਟਸ

ਏਆਈ ਚੈਟਬੋਟਸ ਦੀ ਗੁਣਵੱਤਾ ਅਤੇ ਸ਼ੁੱਧਤਾ ਵੱਖ-ਵੱਖ ਹੁੰਦੀ ਹੈ, ਇਸ ਕਰਕੇ ਉਹਨਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਅਤੇ ਪ੍ਰੋਗਰਾਮ ਕਰਨ ਦੇ ਤਰੀਕੇ ‘ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਇਸ ਚਿੰਤਾ ਦਾ ਕਾਰਨ ਬਣਦਾ ਹੈ ਕਿ ਉਹਨਾਂ ਦਾ ਆਉਟਪੁੱਟ ਰਾਜਨੀਤਿਕ ਪ੍ਰਭਾਵਾਂ ਜਾਂ ਨਿਯੰਤਰਣ ਦੇ ਅਧੀਨ ਹੋ ਸਕਦਾ ਹੈ। ਹਾਲ ਹੀ ਵਿੱਚ, ਮਸਕ ਦੀ xAI ਨੇ ਦੱਖਣੀ ਅਫ਼ਰੀਕਾ ਵਿੱਚ ਗਰੋਕ ਦੁਆਰਾ ਬਿਨਾਂ ਮੰਗੀ "ਗੋਰਿਆਂ ਦੇ ਨਸਲਕੁਸ਼ੀ" ਦੇ ਹਵਾਲੇ ਤਿਆਰ ਕੀਤੇ ਜਾਣ ਦਾ ਕਾਰਨ "ਅਣਅਧਿਕਾਰਤ ਤਬਦੀਲੀਆਂ" ਨੂੰ ਦੱਸਿਆ। ਜਦੋਂ ਇੱਕ AI ਮਾਹਰ ਡੇਵਿਡ ਕਸਵੈੱਲ ਨੇ ਗਰੋਕ ਨੂੰ ਪੁੱਛਿਆ ਕਿ ਕਿਸ ਨੇ ਇਸਦੇ ਸਿਸਟਮ ਪ੍ਰੋਂਪਟ ਨੂੰ ਸੋਧਿਆ ਹੋ ਸਕਦਾ ਹੈ, ਤਾਂ ਚੈਟਬੋਟ ਨੇ ਮਸਕ ਨੂੰ "ਸਭ ਤੋਂ ਵੱਧ ਸੰਭਾਵਿਤ" ਦੋਸ਼ੀ ਵਜੋਂ ਸੂਚੀਬੱਧ ਕੀਤਾ।

ਮਸਕ ਦੱਖਣੀ ਅਫ਼ਰੀਕਾ ਵਿੱਚ ਪੈਦਾ ਹੋਇਆ ਇੱਕ ਅਰਬਪਤੀ ਹੈ ਅਤੇ ਰਾਸ਼ਟਰਪਤੀ ਡੋਨਾਲਡ ਟਰੰਪ ਦਾ ਸਮਰਥਕ ਹੈ। ਉਸਨੇ ਪਹਿਲਾਂ ਬਿਨਾਂ ਕਿਸੇ ਆਧਾਰ ਦੇ ਦਾਅਵੇ ਫੈਲਾਏ ਹਨ ਕਿ ਦੱਖਣੀ ਅਫ਼ਰੀਕਾ ਦੇ ਨੇਤਾ "ਖੁੱਲ੍ਹੇਆਮ ਗੋਰਿਆਂ ਦੇ ਨਸਲਕੁਸ਼ੀ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰ ਰਹੇ ਹਨ।"

ਏਆਈ ਚੈਟਬੋਟਸ ਦੁਆਰਾ ਸੰਵੇਦਨਸ਼ੀਲ ਮੁੱਦਿਆਂ ਨੂੰ ਸੰਭਾਲਣ ਬਾਰੇ ਚਿੰਤਾਵਾਂ

ਅੰਤਰਰਾਸ਼ਟਰੀ ਤੱਥਾਂ ਦੀ ਜਾਂਚ ਨੈਟਵਰਕ ਦੇ ਨਿਰਦੇਸ਼ਕ ਐਂਜੀ ਹੋਲਨ ਨੇ ਕਿਹਾ, "ਅਸੀਂ ਦੇਖਿਆ ਹੈ ਕਿ ਏਆਈ ਸਹਾਇਕ ਨਤੀਜਿਆਂ ਨੂੰ ਘੜ ਸਕਦੇ ਹਨ ਜਾਂ ਪੱਖਪਾਤੀ ਜਵਾਬ ਦੇ ਸਕਦੇ ਹਨ ਜਦੋਂ ਮਨੁੱਖੀ ਕੋਡਰਾਂ ਦੁਆਰਾ ਵਿਸ਼ੇਸ਼ ਤੌਰ ‘ਤੇ ਨਿਰਦੇਸ਼ਾਂ ਨੂੰ ਬਦਲਿਆ ਜਾਂਦਾ ਹੈ। ਮੈਨੂੰ ਖਾਸ ਤੌਰ ‘ਤੇ ਚਿੰਤਾ ਹੈ ਕਿ ਗਰੋਕ ਬਹੁਤ ਸੰਵੇਦਨਸ਼ੀਲ ਮਾਮਲਿਆਂ ਨਾਲ ਸਬੰਧਤ ਬੇਨਤੀਆਂ ਨੂੰ ਕਿਵੇਂ ਸੰਭਾਲਦਾ ਹੈ ਜਦੋਂ ਪ੍ਰੀ-ਅਧਿਕਾਰਤ ਜਵਾਬ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਨਿਰਦੇਸ਼ ਪ੍ਰਾਪਤ ਹੁੰਦੇ ਹਨ।"

ਏਆਈ ਦੀ ਸ਼ੁੱਧਤਾ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਦੀ ਮਹੱਤਤਾ

ਏਆਈ ਚੈਟਬੋਟਸ ਦੀ ਵੱਧ ਰਹੀ ਪ੍ਰਸਿੱਧੀ ਜਾਣਕਾਰੀ ਦੇ ਪ੍ਰਸਾਰ ਲਈ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਚੁਣੌਤੀ ਪੇਸ਼ ਕਰਦੀ ਹੈ। ਜਦੋਂ ਕਿ ਉਹ ਜਾਣਕਾਰੀ ਤੱਕ ਪਹੁੰਚ ਕਰਨ ਦਾ ਇੱਕ ਤੇਜ਼ ਅਤੇ ਸੁਵਿਧਾਜਨਕ ਤਰੀਕਾ ਪੇਸ਼ ਕਰਦੇ ਹਨ, ਉਹ ਗਲਤੀਆਂ ਕਰਨ ਅਤੇ ਝੂਠੀ ਜਾਣਕਾਰੀ ਫੈਲਾਉਣ ਲਈ ਵੀ ਸੰਵੇਦਨਸ਼ੀਲ ਹੁੰਦੇ ਹਨ। ਜਿਵੇਂ ਕਿ ਉਪਭੋਗਤਾ ਤੱਥਾਂ ਦੀ ਜਾਂਚ ਲਈ ਇਹਨਾਂ ਸਾਧਨਾਂ ‘ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ, ਉਹਨਾਂ ਦੀ ਸ਼ੁੱਧਤਾ ਅਤੇ ਭਰੋਸੇਯੋਗਤਾ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣਾ ਜ਼ਰੂਰੀਹੋ ਜਾਂਦਾ ਹੈ।

ਤਕਨੀਕੀ ਕੰਪਨੀਆਂ, ਤੱਥਾਂ ਦੀ ਜਾਂਚ ਕਰਨ ਵਾਲੀਆਂ ਸੰਸਥਾਵਾਂ ਅਤੇ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਏਆਈ ਚੈਟਬੋਟਸ ਦੀ ਗੁਣਵੱਤਾ ਅਤੇ ਭਰੋਸੇਯੋਗਤਾ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ ਇਕੱਠੇ ਕੰਮ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਇਸ ਵਿੱਚ ਸਖਤ ਸਿਖਲਾਈ ਪ੍ਰੋਟੋਕੋਲ ਲਾਗੂ ਕਰਨਾ, ਏਆਈ ਦੁਆਰਾ ਤਿਆਰ ਜਾਣਕਾਰੀ ਨੂੰ ਤਸਦੀਕ ਕਰਨ ਲਈ ਮਨੁੱਖੀ ਤੱਥਾਂ ਦੀ ਜਾਂਚ ਕਰਨ ਵਾਲਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰਨਾ, ਅਤੇ ਝੂਠੀ ਜਾਣਕਾਰੀ ਨੂੰ ਖੋਜਣ ਅਤੇ ਖਤਮ ਕਰਨ ਲਈ ਵਿਧੀ ਵਿਕਸਿਤ ਕਰਨਾ ਸ਼ਾਮਲ ਹੈ।

ਭਵਿੱਖ ਵੱਲ ਦੇਖਦੇ ਹੋਏ

ਜਿਵੇਂ ਕਿ AI ਤਕਨਾਲੋਜੀ ਦਾ ਵਿਕਾਸ ਜਾਰੀ ਹੈ, AI ਚੈਟਬੋਟਸ ਸਾਡੇ ਦੁਆਰਾ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕਰਨ ਅਤੇ ਖਪਤ ਕਰਨ ਦੇ ਤਰੀਕੇ ਵਿੱਚ ਇੱਕ ਵੱਡੀ ਭੂਮਿਕਾ ਨਿਭਾਉਣਗੇ। ਹਾਲਾਂਕਿ, ਇਹਨਾਂ ਸਾਧਨਾਂ ਤੱਕ ਆਲੋਚਨਾਤਮਕ ਢੰਗ ਨਾਲ ਪਹੁੰਚ ਕਰਨਾ ਅਤੇ ਉਹਨਾਂ ਦੀਆਂ ਸੀਮਾਵਾਂ ਤੋਂ ਜਾਣੂ ਹੋਣਾ ਮਹੱਤਵਪੂਰਨ ਹੈ। AI ਚੈਟਬੋਟਸ ਦੀ ਸ਼ੁੱਧਤਾ ਅਤੇ ਭਰੋਸੇਯੋਗਤਾ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਕਦਮ ਚੁੱਕ ਕੇ, ਅਸੀਂ ਝੂਠੀ ਜਾਣਕਾਰੀ ਦੇ ਪ੍ਰਸਾਰ ਨਾਲ ਜੁੜੇ ਜੋਖਮਾਂ ਨੂੰ ਘਟਾਉਂਦੇ ਹੋਏ, ਉਹਨਾਂ ਦੀ ਸੰਭਾਵਨਾ ਦਾ ਲਾਭ ਲੈ ਸਕਦੇ ਹਾਂ।

ਏਆਈ ਸਾਧਨਾਂ ਵਿੱਚ ਪੱਖਪਾਤ

AI ਟੂਲਜ਼ ਵਿੱਚ ਪੱਖਪਾਤ ਮੌਜੂਦ ਹੋ ਸਕਦੇ ਹਨ, ਭਾਵੇਂ ਉਹ ਡਾਟਾ ਵਿੱਚ ਹੋਣ ਜਿਸ ਵਿੱਚ ਉਹ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹਨ ਜਾਂ ਉਹਨਾਂ ਦੇ ਪ੍ਰੋਗਰਾਮਿੰਗ ਦੇ ਤਰੀਕੇ ਵਿੱਚ। ਇਹ ਪੱਖਪਾਤ ਗਲਤ ਜਾਂ ਗੁੰਮਰਾਹਕੁੰਨ ਨਤੀਜੇ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ। ਇੱਕ ਉਦਾਹਰਣ Grok ਹੈ, ਜਿਸਨੇ ਗੈਰ-ਸੰਬੰਧਿਤ ਸਵਾਲਾਂ ਵਿੱਚ ਸੱਜੇ-ਪੱਖੀ ਸਾਜ਼ਿਸ਼ ਸਿਧਾਂਤ "ਗੋਰਿਆਂ ਦੀ ਨਸਲਕੁਸ਼ੀ" ਨੂੰ ਪਾਇਆ, ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ AI ਸਿਸਟਮ ਹਾਨੀਕਾਰਕ ਵਿਚਾਰਧਾਰਾਵਾਂ ਨੂੰ ਕਿਵੇਂ ਫੈਲਾ ਸਕਦੇ ਹਨ।

AI ਟੂਲਸ ਵਿੱਚ ਪੱਖਪਾਤ ਕਈ ਕਾਰਕਾਂ ਕਰਕੇ ਹੋ ਸਕਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:

• ਸਿਖਲਾਈ ਡਾਟਾ ਵਿੱਚ ਪੱਖਪਾਤ: AI ਸਿਸਟਮ ਸਿਖਲਾਈ ਡਾਟਾਸੈੱਟਾਂ ਦੁਆਰਾ ਸਿੱਖਦੇ ਹਨ। ਜੇਕਰ ਇਹਨਾਂ ਡਾਟਾਸੈੱਟਾਂ ਵਿੱਚ ਪੱਖਪਾਤ ਸ਼ਾਮਲ ਹਨ, ਤਾਂ AI ਸਿਸਟਮ ਵੀ ਇਹਨਾਂ ਪੱਖਪਾਤਾਂ ਨੂੰ ਸਿੱਖਣਗੇ। ਉਦਾਹਰਨ ਲਈ, ਜੇਕਰ ਇੱਕ AI ਸਿਸਟਮ ਨੂੰ ਮੁੱਖ ਤੌਰ ‘ਤੇ ਮਰਦਾਂ ਦੁਆਰਾ ਲਿਖੇ ਲੇਖਾਂ ਦੁਆਰਾ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ, ਤਾਂ ਇਹ ਔਰਤਾਂ ਪ੍ਰਤੀ ਪੱਖਪਾਤੀ ਹੋ ਸਕਦਾ ਹੈ।

• ਐਲਗੋਰਿਦਮ ਵਿੱਚ ਪੱਖਪਾਤ: AI ਸਿਸਟਮ ਬਣਾਉਣ ਲਈ ਵਰਤੇ ਜਾਂਦੇ ਐਲਗੋਰਿਦਮ ਵਿੱਚ ਵੀ ਪੱਖਪਾਤ ਸ਼ਾਮਲ ਹੋ ਸਕਦੇ ਹਨ। ਉਦਾਹਰਨ ਲਈ, ਜੇਕਰ ਇੱਕ ਐਲਗੋਰਿਦਮ ਨੂੰ ਕੁਝ ਸਮੂਹਾਂ ਤੋਂ ਜਵਾਬਾਂ ਨੂੰ ਤਰਜੀਹ ਦੇਣ ਲਈ ਡਿਜ਼ਾਈਨ ਕੀਤਾ ਗਿਆ ਹੈ, ਤਾਂ ਇਹ ਦੂਜੇ ਸਮੂਹਾਂ ਨਾਲ ਵਿਤਕਰਾ ਕਰ ਸਕਦਾ ਹੈ।

• ਮਨੁੱਖੀ ਦਖਲਅੰਦਾਜ਼ੀ ਦੁਆਰਾ ਪੱਖਪਾਤ: ਭਾਵੇਂ AI ਸਿਸਟਮ ਨੂੰ ਪੱਖਪਾਤ ਰਹਿਤ ਡਾਟੇ ਦੁਆਰਾ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ, ਮਨੁੱਖੀ ਦਖਲਅੰਦਾਜ਼ੀ ਪੱਖਪਾਤ ਦਾ ਕਾਰਨ ਬਣ ਸਕਦੀ ਹੈ। ਉਦਾਹਰਨ ਲਈ, ਜੇਕਰ ਮਨੁੱਖੀ ਕੋਡਰਾਂ ਨੂੰ ਕਿਸੇ ਖਾਸ ਸਵਾਲ ਦਾ ਜਵਾਬ ਦਿੰਦੇ ਸਮੇਂ ਪ੍ਰੀ-ਅਧਿਕਾਰਤ ਜਵਾਬ ਦੇਣ ਲਈ ਕਿਹਾ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਇਹ ਪੱਖਪਾਤ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ।

AI ਟੂਲਸ ਵਿੱਚ ਪੱਖਪਾਤ ਨੂੰ ਹੱਲ ਕਰਨਾ ਬਹੁਤ ਮਹੱਤਵਪੂਰਨ ਹੈ, ਕਈ ਕਾਰਨਾਂ ਕਰਕੇ, ਜਿਸ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:

• ਨਿਰਪੱਖਤਾ: ਜੇਕਰ AI ਸਿਸਟਮ ਵਿੱਚ ਪੱਖਪਾਤ ਸ਼ਾਮਲ ਹਨ, ਤਾਂ ਇਹ ਕੁਝ ਸਮੂਹਾਂ ਨਾਲ ਅਨੁਚਿਤ ਹੋ ਸਕਦਾ ਹੈ। ਉਦਾਹਰਨ ਲਈ, ਜੇਕਰ ਇੱਕ AI ਸਿਸਟਮ ਨੂੰ ਭਰਤੀ ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਇਹ ਹਾਸ਼ੀਏ ਵਾਲੇ ਸਮੂਹਾਂ ਪ੍ਰਤੀ ਪੱਖਪਾਤੀ ਹੋ ਸਕਦਾ ਹੈ।

• ਸ਼ੁੱਧਤਾ: ਜੇਕਰ AI ਸਿਸਟਮ ਵਿੱਚ ਪੱਖਪਾਤ ਸ਼ਾਮਲ ਹਨ, ਤਾਂ ਇਹ ਜਾਣਕਾਰੀ ਸਹੀ ਢੰਗ ਨਾਲ ਪ੍ਰਦਾਨ ਕਰਨ ਦੇ ਯੋਗ ਨਹੀਂ ਹੋ ਸਕਦਾ। ਉਦਾਹਰਨ ਲਈ, ਜੇਕਰ ਇੱਕ AI ਸਿਸਟਮ ਨੂੰ ਡਾਕਟਰੀ ਸਲਾਹ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਇਹ ਗਲਤ ਜਾਂ ਗੁੰਮਰਾਹਕੁੰਨ ਸਲਾਹ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦਾ ਹੈ।

• ਵਿਸ਼ਵਾਸ: ਜੇਕਰ ਲੋਕ ਵਿਸ਼ਵਾਸ ਨਹੀਂ ਕਰਦੇ ਕਿ AI ਸਿਸਟਮ ਨਿਰਪੱਖ ਅਤੇ ਸਹੀ ਹਨ, ਤਾਂ ਉਹ ਉਹਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਸੰਭਾਵਨਾ ਘੱਟ ਰੱਖਦੇ ਹਨ।

AI ਟੂਲਸ ਵਿੱਚ ਪੱਖਪਾਤ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਬਹੁਪੱਖੀ ਪਹੁੰਚ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਜਿਸ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:

• ਪੱਖਪਾਤ ਰਹਿਤ ਡਾਟਾ ਇਕੱਠਾ ਕਰਨਾ: ਇਹ ਯਕੀਨੀ ਬਣਾਉਣਾ ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿ AI ਸਿਸਟਮ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਵਰਤੇ ਜਾਂਦੇ ਡਾਟਾਸੈੱਟ ਪੱਖਪਾਤ ਰਹਿਤ ਹਨ। ਇਸ ਲਈ ਬਹੁਤ ਯਤਨਾਂ ਦੀ ਲੋੜ ਹੋ ਸਕਦੀ ਹੈ, ਕਿਉਂਕਿ ਡਾਟੇ ਵਿੱਚ ਪੱਖਪਾਤ ਨੂੰ ਲੱਭਣਾ ਅਤੇ ਹਟਾਉਣਾ ਮੁਸ਼ਕਲ ਹੋ ਸਕਦਾ ਹੈ।

• ਪੱਖਪਾਤ ਰਹਿਤ ਐਲਗੋਰਿਦਮ ਵਿਕਸਿਤ ਕਰਨਾ: AI ਸਿਸਟਮ ਬਣਾਉਣ ਲਈ ਵਰਤੇ ਜਾਂਦੇ ਐਲਗੋਰਿਦਮ ਪੱਖਪਾਤ ਰਹਿਤ ਹੋਣੇ ਚਾਹੀਦੇ ਹਨ। ਇਸ ਲਈ ਪੱਖਪਾਤ ਦੀ ਸੰਭਾਵਨਾ ਘੱਟ ਐਲਗੋਰਿਦਮ ਬਣਾਉਣ ਲਈ ਨਵੀਂ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਤਕਨੀਕਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਲੋੜ ਹੋ ਸਕਦੀ ਹੈ।

• ਮਨੁੱਖੀ ਦਖਲਅੰਦਾਜ਼ੀ: AI ਸਿਸਟਮ ਵਿੱਚ ਪੱਖਪਾਤ ਨੂੰ ਠੀਕ ਕਰਨ ਲਈ ਮਨੁੱਖੀ ਦਖਲਅੰਦਾਜ਼ੀ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ। ਉਦਾਹਰਨ ਲਈ, ਮਨੁੱਖੀ ਕੋਡਰ AI ਸਿਸਟਮ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਜਵਾਬਾਂ ਦੀ ਸਮੀਖਿਆ ਕਰ ਸਕਦੇ ਹਨ ਅਤੇ ਕਿਸੇ ਵੀ ਮੌਜੂਦ ਪੱਖਪਾਤ ਨੂੰ ਠੀਕ ਕਰ ਸਕਦੇ ਹਨ।

• ਪਾਰਦਰਸ਼ਤਾ: AI ਸਿਸਟਮਾਂ ਦੇ ਉਪਭੋਗਤਾਵਾਂ ਲਈ AI ਸਿਸਟਮ ਵਿੱਚ ਮੌਜੂਦ ਹੋ ਸਕਣ ਵਾਲੇ ਕਿਸੇ ਵੀ ਪੱਖਪਾਤ ਤੋਂ ਜਾਣੂ ਹੋਣਾ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਇਹ AI ਸਿਸਟਮ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਵਰਤੇ ਗਏ ਡੇਟਾ ਅਤੇ AI ਸਿਸਟਮ ਬਣਾਉਣ ਲਈ ਵਰਤੇ ਗਏ ਐਲਗੋਰਿਦਮ ਬਾਰੇ ਜਾਣਕਾਰੀ ਪ੍ਰਦਾਨ ਕਰਕੇ ਪ੍ਰਦਾਨ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ।

AI ਟੂਲਸ ਵਿੱਚ ਪੱਖਪਾਤ ਨੂੰ ਹੱਲ ਕਰਨਾ ਇੱਕ ਚੱਲ ਰਹੀ ਚੁਣੌਤੀ ਹੈ, ਪਰ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਜ਼ਰੂਰੀ ਹੈ ਕਿ ਇਹ ਟੂਲ ਨਿਰਪੱਖ, ਸਹੀ ਅਤੇ ਭਰੋਸੇਮੰਦ ਹਨ।

ਏਆਈ ਤੱਥਾਂ ਦੀ ਜਾਂਚ ਦੀਆਂ ਸੀਮਾਵਾਂ

ਜਦੋਂ ਕਿ ਨਕਲੀ ਜਾਣਕਾਰੀ ਦੀ ਪਛਾਣ ਕਰਨ ਵਿੱਚ ਏਆਈ ਤੱਥਾਂ ਦੀ ਜਾਂਚ ਦੇ ਸਾਧਨਾਂ ਨੇ ਤਰੱਕੀ ਕੀਤੀ ਹੈ, ਪਰ ਉਹਨਾਂ ਦੀ ਸਮਰੱਥਾ ਅਤੇ ਪ੍ਰਭਾਵਸ਼ੀਲਤਾ ਦੇ ਰੂਪ ਵਿੱਚ ਅਜੇ ਵੀ ਸੀਮਾਵਾਂ ਹਨ। ਇਹ ਸੀਮਾਵਾਂ ਕਈ ਕਾਰਕਾਂ ਕਰਕੇ ਹੁੰਦੀਆਂ ਹਨ:

• ਪਿਛੋਕੜ ਨੂੰ ਸਮਝਣਾ: AI ਸਿਸਟਮਾਂ ਲਈ ਗੁੰਝਲਦਾਰ ਪਿਛੋਕੜ ਅਤੇ ਸੂਖਮ ਨੁਕਤਿਆਂ ਨੂੰ ਸਮਝਣਾ ਮੁਸ਼ਕਲ ਹੈ ਜੋ ਸਹੀ ਤੱਥਾਂ ਦੀ ਜਾਂਚ ਲਈ ਜ਼ਰੂਰੀ ਹਨ। ਉਦਾਹਰਨ ਲਈ, AI ਸਿਸਟਮ ਵਿਅੰਗ ਜਾਂ ਹਾਸੇ ਨੂੰ ਸੱਚਾਈ ਦੇ ਬਿਆਨ ਤੋਂ ਵੱਖ ਨਹੀਂ ਕਰ ਸਕਦਾ।

• ਸੂਖਮ ਗਲਤ ਜਾਣਕਾਰੀ ਦੀ ਖੋਜ: AI ਸਿਸਟਮਾਂ ਲਈ ਸੂਖਮ ਗਲਤ ਜਾਣਕਾਰੀ ਨੂੰ ਖੋਜਣਾ ਮੁਸ਼ਕਲ ਹੋ ਸਕਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ ਪ੍ਰਸੰਗ ਤੋਂ ਬਾਹਰ ਕੱਢੇ ਤੱਥ ਜਾਂ ਤੱਥਾਂ ਦੀ ਚੋਣਵੇਂ ਰੂਪ ਵਿੱਚ ਰਿਪੋਰਟ ਕਰਨਾ।

• ਖੇਤਰ ਦੀ ਮੁਹਾਰਤ ਦੀ ਘਾਟ: AI ਸਿਸਟਮਾਂ ਵਿੱਚ ਅਕਸਰ ਖਾਸ ਵਿਸ਼ਿਆਂ ਦੀ ਜਾਂਚ ਕਰਨ ਲਈ ਲੋੜੀਂਦੀ ਖੇਤਰ ਦੀ ਮੁਹਾਰਤ ਦੀ ਘਾਟ ਹੁੰਦੀ ਹੈ। ਉਦਾਹਰਨ ਲਈ, AI ਸਿਸਟਮ ਕੋਲ ਸਿਹਤ ਨਾਲ ਸਬੰਧਤ ਦਾਅਵਿਆਂ ਦੀ ਸਹੀ ਢੰਗ ਨਾਲ ਜਾਂਚ ਕਰਨ ਲਈ ਲੋੜੀਂਦਾ ਡਾਕਟਰੀ ਗਿਆਨ ਨਹੀਂ ਹੋ ਸਕਦਾ।

• ਵਿਰੋਧੀ ਛੇੜਛਾੜ: ਗਲਤ ਜਾਣਕਾਰੀ ਫੈਲਾਉਣ ਵਾਲੇ ਤੱਥਾਂ ਦੀ ਜਾਂਚ ਪ੍ਰਣਾਲੀਆਂ ਨਾਲ ਛੇੜਛਾੜ ਕਰਨ ਅਤੇ ਉਹਨਾਂ ਤੋਂ ਬਚਣ ਲਈ ਨਵੇਂ ਤਰੀਕਿਆਂ ਦਾ ਵਿਕਾਸ ਕਰਦੇ ਰਹਿੰਦੇ ਹਨ। AI ਸਿਸਟਮਾਂ ਨੂੰ ਇਹਨਾਂ ਨਵੀਆਂ ਰਣਨੀਤੀਆਂ ਨਾਲ ਤਾਲਮੇਲ ਰੱਖਣ ਲਈ ਲਗਾਤਾਰ ਅੱਪਡੇਟ ਅਤੇ ਸੁਧਾਰ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।

• ਭਾਸ਼ਾਈ ਰੁਕਾਵਟਾਂ: AI ਤੱਥਾਂ ਦੀ ਜਾਂਚ ਦੇ ਸਾਧਨ ਵੱਖੋ-ਵੱਖਰੀਆਂ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਗਲਤ ਜਾਣਕਾਰੀ ਨਾਲ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਨਜਿੱਠਣ ਵਿੱਚ ਅਸਮਰੱਥ ਹੋ ਸਕਦੇ ਹਨ। ਵੱਖੋ-ਵੱਖਰੀਆਂ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਸੂਖਮ ਨੁਕਤਿਆਂ ਦਾ ਅਨੁਵਾਦ ਅਤੇ ਸਮਝਣਾ ਚੁਣੌਤੀਪੂਰਨ ਹੈ, ਅਤੇ ਇਸਦੇ ਲਈ ਵਿਸ਼ੇਸ਼ ਭਾਸ਼ਾਈ ਗਿਆਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।

• ਗਲਤ ਰਿਪੋਰਟਾਂ ਦਾ ਖਤਰਾ: AI ਤੱਥਾਂ ਦੀ ਜਾਂਚ ਪ੍ਰਣਾਲੀਆਂ ਗਲਤੀਆਂ ਕਰ ਸਕਦੀਆਂ ਹਨ, ਜਿਸ ਨਾਲ ਸਹੀ ਜਾਣਕਾਰੀ ਨੂੰ ਗਲਤ ਜਾਣਕਾਰੀ ਵਜੋਂ ਨਿਸ਼ਾਨਬੱਧ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਇਹਨਾਂ ਗਲਤ ਰਿਪੋਰਟਾਂ ਦੇ ਗੰਭੀਰ ਨਤੀਜੇ ਹੋ ਸਕਦੇ ਹਨ, ਜਿਵੇਂ ਕਿ ਜਾਇਜ਼ ਸਮੱਗਰੀ ਨੂੰ ਸੈਂਸਰ ਕਰਨਾ ਜਾਂ ਵਿਅਕਤੀਆਂ ਜਾਂ ਸੰਸਥਾਵਾਂ ਦੀ ਸਾਖ ਨੂੰ ਨੁਕਸਾਨ ਪਹੁੰਚਾਉਣਾ।

AI ਤੱਥਾਂ ਦੀ ਜਾਂਚ ਦੀਆਂ ਸੀਮਾਵਾਂ ਨੂੰ ਘਟਾਉਣ ਲਈ, ਮਨੁੱਖੀ ਮੁਹਾਰਤ ਨੂੰ AI ਸਾਧਨਾਂ ਨਾਲ ਜੋੜਨਾ ਜ਼ਰੂਰੀ ਹੈ। ਮਨੁੱਖੀ ਤੱਥਾਂ ਦੀ ਜਾਂਚ ਕਰਨ ਵਾਲੇ ਪਿਛੋਕੜ, ਖੇਤਰ ਦੀ ਮੁਹਾਰਤ ਅਤੇ ਆਲੋਚਨਾਤਮਕ ਸੋਚ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦੇ ਹਨ ਜੋ ਸਵੈਚਾਲਤ ਸਿਸਟਮਾਂ ਲਈ ਨਕਲ ਕਰਨਾ ਮੁਸ਼ਕਲ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਪਾਰਦਰਸ਼ਤਾ ਅਤੇ ਨਿਰੰਤਰ ਸੁਧਾਰ AI ਤੱਥਾਂ ਦੀ ਜਾਂਚ ਪ੍ਰਣਾਲੀਆਂ ਦੀ ਪ੍ਰਭਾਵਸ਼ਸ਼ੀਲਤਾ ਅਤੇ ਭਰੋਸੇਯੋਗਤਾ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਜ਼ਰੂਰੀ ਹਨ।

ਜੋਖਮਾਂ ਨੂੰ ਘਟਾਉਣ ਅਤੇ ਏਆਈ ਤੱਥਾਂ ਦੀ ਜਾਂਚ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ ਰਣਨੀਤੀਆਂ

ਏਆਈ ਤੱਥਾਂ ਦੀ ਜਾਂਚ ਦੇ ਜੋਖਮਾਂ ਨੂੰ ਘਟਾਉਣ ਅਤੇ ਇਸਦੀ ਸ਼ੁੱਧਤਾ ਅਤੇ ਭਰੋਸੇਯੋਗਤਾ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ ਇੱਕ ਬਹੁਪੱਖੀ ਪਹੁੰਚ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਜਿਸ ਵਿੱਚ ਤਕਨੀਕੀ ਸੁਧਾਰ, ਮਨੁੱਖੀ ਨਿਗਰਾਨੀ ਅਤੇ ਨੈਤਿਕ ਵਿਚਾਰ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ। ਇੱਥੇ ਕੁਝ ਮੁੱਖ ਰਣਨੀਤੀਆਂ ਹਨ:

• ਸਿਖਲਾਈ ਡਾਟਾ ਵਿੱਚ ਵਾਧਾ: ਵਿਭਿੰਨ, ਵਿਆਪਕ ਅਤੇ ਸੱਚਾਈ ਦੇ ਜਾਣਕਾਰੀ ਸਰੋਤਾਂ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਕੇ ਏਆਈ ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਵਰਤੇ ਜਾਂਦੇ ਸਿਖਲਾਈ ਡਾਟਾ ਵਿੱਚ ਸੁਧਾਰ ਕਰੋ। ਇਹ ਯਕੀਨੀ ਬਣਾਓ ਕਿ ਡਾਟਾ ਪੱਖਪਾਤ ਰਹਿਤ, ਆਧੁਨਿਕ ਅਤੇ ਵਿਸ਼ਿਆਂ ਅਤੇ ਦ੍ਰਿਸ਼ਟੀਕੋਣਾਂ ਦੀ ਇੱਕ ਵਿਸ਼ਾਲ ਸ਼੍ਰੇਣੀ ਨੂੰ ਕਵਰ ਕਰਦਾ ਹੈ।

• ਮਨੁੱਖੀ ਮਾਹਰਾਂ ਨੂੰ ਜੋੜਨਾ: ਏਆਈ ਤੱਥਾਂ ਦੀ ਜਾਂਚ ਦੀ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਮਨੁੱਖੀ ਤੱਥਾਂ ਦੀ ਜਾਂਚ ਕਰਨ ਵਾਲਿਆਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਕੇ AI ਦੀਆਂ ਸੀਮਾਵਾਂ ਨੂੰ ਪੂਰਾ ਕਰਨਾ। ਮਨੁੱਖੀ ਮਾਹਰ ਪਿਛੋਕੜ, ਆਲੋਚਨਾਤਮਕ ਸੋਚ ਅਤੇ ਖੇਤਰ ਦੀ ਮੁਹਾਰਤ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦੇ ਹਨ ਜੋ ਸਵੈਚਾਲਤ ਸਿਸਟਮਾਂ ਲਈ ਨਕਲ ਕਰਨਾ ਮੁਸ਼ਕਲ ਹੈ।

• ਮਿਸ਼ਰਤ ਤਰੀਕਿਆਂ ਦਾ ਵਿਕਾਸ: ਮਿਸ਼ਰਤ ਤਰੀਕਿਆਂ ਦਾ ਵਿਕਾਸ ਕਰੋ ਜੋ AI ਤਕਨਾਲੋਜੀ ਨੂੰ ਮਨੁੱਖੀ ਨਿਗਰਾਨੀ ਨਾਲ ਜੋੜਦੇ ਹਨ। AI ਦੀ ਵਰਤੋਂ ਗਲਤ ਜਾਣਕਾਰੀ ਦੀ ਸੰਭਾਵਿਤਤਾ ਨੂੰ ਪਛਾਣਨ ਲਈ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ, ਜਦੋਂ ਕਿ ਮਨੁੱਖੀ ਤੱਥਾਂ ਦੀ ਜਾਂਚ ਕਰਨ ਵਾਲੇ ਨਤੀਜਿਆਂ ਦੀ ਸਮੀਖਿਆ ਅਤੇ ਪ੍ਰਮਾਣਿਤ ਕਰ ਸਕਦੇ ਹਨ।

• ਪਾਰਦਰਸ਼ੀ ਪ੍ਰਕਿਰਿਆਵਾਂ ਨੂੰ ਲਾਗੂ ਕਰਨਾ: ਪਾਰਦਰਸ਼ੀ ਤੱਥਾਂ ਦੀ ਜਾਂਚ ਦੀਆਂ ਪ੍ਰਕਿਰਿਆਵਾਂ ਅਤੇ ਤਰੀਕਿਆਂ ਨੂੰ ਸਥਾਪਿਤ ਕਰੋ ਤਾਂ ਜੋ ਉਪਭੋਗਤਾ ਇਹ ਸਮਝ ਸਕਣ ਕਿ ਸਿੱਟੇ ਕਿਵੇਂ ਕੱਢੇ ਜਾਂਦੇ ਹਨ ਅਤੇ ਸ਼ੁੱਧਤਾ ਦਾ ਮੁਲਾਂਕਣ ਕਰ ਸਕਣ। ਡਾਟਾ ਸਰੋਤਾਂ, ਐਲਗੋਰਿਦਮ ਅਤੇ ਮਨੁੱਖੀ ਸ਼ਮੂਲੀਅਤ ਬਾਰੇ ਜਾਣਕਾਰੀ ਪ੍ਰਦਾਨ ਕਰੋ।

• ਮੀਡੀਆ ਸਾਖਰਤਾ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਨਾ: ਵਿਅਕਤੀਆਂ ਨੂੰ ਜਾਣਕਾਰੀ ਦਾ ਆਲੋਚਨਾਤਮਕ ਢੰਗ ਨਾਲ ਮੁਲਾਂਕਣ ਕਰਨ, ਗਲਤ ਜਾਣਕਾਰੀ ਦੀ ਪਛਾਣ ਕਰਨ ਅਤੇ ਸੂਝਵਾਨ ਫੈਸਲੇ ਲੈਣ ਵਿੱਚ ਮਦਦ ਕਰਨ ਲਈ ਸਿੱਖਿਆ ਪ੍ਰੋਗਰਾਮਾਂ ਅਤੇ ਜਾਗਰੂਕਤਾ ਮੁਹਿੰਮਾਂ ਰਾਹੀਂ ਮੀਡੀਆ ਸਾਖਰਤਾ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰੋ।

• ਕਰਾਸ-ਉਦਯੋਗ ਸਹਿਯੋਗ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਨਾ: ਤਕਨੀਕੀ ਕੰਪਨੀਆਂ, ਤੱਥਾਂ ਦੀ ਜਾਂਚ ਕਰਨ ਵਾਲੀਆਂ ਸੰਸਥਾਵਾਂ, ਖੋਜਕਰਤਾਵਾਂ ਅਤੇ ਨੀਤੀ ਨਿਰਮਾਤਾਵਾਂ ਵਿਚਕਾਰ ਗਿਆਨ, ਵਧੀਆ ਅਭਿਆਸਾਂ ਅਤੇ ਸਰੋਤਾਂ ਨੂੰ ਸਾਂਝਾ ਕਰਨ ਲਈ ਸਹਿਯੋਗ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰੋ। ਏਆਈ ਤੱਥਾਂ ਦੀ ਜਾਂਚ ਵਿੱਚ ਚੁਣੌਤੀਆਂ ਅਤੇ ਮੌਕਿਆਂ ਦਾ ਸਾਂਝੇ ਤੌਰ ‘ਤੇ ਹੱਲ ਕਰਨ ਲਈ ਇਕੱਠੇ ਕੰਮ ਕਰੋ।

• ਭਾਸ਼ਾਈ ਰੁਕਾਵਟਾਂ ਨੂੰ ਸੰਬੋਧਿਤ ਕਰਨਾ: ਵੱਖੋ-ਵੱਖਰੀਆਂ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਗਲਤ ਜਾਣਕਾਰੀ ਨਾਲ ਪ੍ਰਭਾਵਸ਼ਸ਼ੀਲ ਢੰਗ ਨਾਲ ਨਜਿੱਠਣ ਦੇ ਸਮਰੱਥ ਏਆਈ ਤੱਥਾਂ ਦੀ ਜਾਂਚ ਦੇ ਸਾਧਨਾਂ ਦਾ ਵਿਕਾਸ ਕਰੋ। ਮਸ਼ੀਨੀ ਅਨੁਵਾਦ ਵਿੱਚ ਨਿਵੇਸ਼ ਕਰੋ ਅਤੇ ਹਰੇਕ ਭਾਸ਼ਾ ਲਈ ਵਿਸ਼ੇਸ਼ ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦਿਓ।

• ਨਿਰੰਤਰ ਮੁਲਾਂਕਣ ਅਤੇ ਸੁਧਾਰ: ਏਆਈ ਤੱਥਾਂ ਦੀ ਜਾਂਚ ਪ੍ਰਣਾਲੀਆਂ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਦਾ ਨਿਰੰਤਰ ਮੁਲਾਂਕਣ ਕਰੋ, ਸੁਧਾਰ ਦੇ ਖੇਤਰਾਂ ਦੀ ਪਛਾਣ ਕਰੋ ਅਤੇ ਐਲਗੋਰਿਦਮ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਓ। ਸ਼ੁੱਧਤਾ ਅਤੇ ਭਰੋਸੇਯੋਗਤਾ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਨਿਯਮਿਤ ਆਡਿਟ ਅਤੇ ਟੈਸਟਿੰਗ ਕਰੋ।

• ਨੈਤਿਕ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ ਸਥਾਪਿਤ ਕਰਨਾ: ਏਆਈ ਤੱਥਾਂ ਦੀ ਜਾਂਚ ਦੇ ਵਿਕਾਸ ਅਤੇ ਤਾਇਨਾਤੀ ਲਈ ਨੈਤਿਕ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ ਸਥਾਪਿਤ ਕਰੋ, ਪੱਖਪਾਤ, ਪਾਰਦਰਸ਼ਤਾ, ਜਵਾਬਦੇਹੀ ਅਤੇ ਮਨੁੱਖੀ ਅਧਿਕਾਰਾਂ ਦੇ ਸਨਮਾਨ ਵਰਗੇ ਮੁੱਦਿਆਂ ਨੂੰ ਸੰਬੋਧਿਤ ਕਰੋ। ਇਹ ਯਕੀਨੀ ਬਣਾਓ ਕਿ ਏਆਈ ਤੱਥਾਂ ਦੀ ਜਾਂਚ ਪ੍ਰਣਾਲੀਆਂ ਦੀ ਵਰਤੋਂ ਨਿਰਪੱਖ, ਨਿਰਪੱਖ ਅਤੇ ਜ਼ਿੰਮੇਵਾਰ ਢੰਗ ਨਾਲ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।

ਇਹਨਾਂ ਰਣਨੀਤੀਆਂ ਨੂੰ ਲਾਗੂ ਕਰਕੇ, ਅਸੀਂ ਏਆਈ ਤੱਥਾਂ ਦੀ ਜਾਂਚ ਦੀ ਸ਼ੁੱਧਤਾ ਅਤੇ ਭਰੋਸੇਯੋਗਤਾ ਵਿੱਚ ਸੁਧਾਰ ਕਰ ਸਕਦੇ ਹਾਂ, ਜੋਖਮਾਂ ਨੂੰ ਘਟਾ ਸਕਦੇ ਹਾਂ ਅਤੇ ਗਲਤ ਜਾਣਕਾਰੀ ਦਾ ਮੁਕਾਬਲਾ ਕਰਨ ਲਈ ਇਸਦੀ ਸੰਭਾਵਨਾ ਨੂੰ ਵੱਧ ਤੋਂ ਵੱਧ ਕਰ ਸਕਦੇ ਹਾਂ।

ਜਾਣਕਾਰੀ ਸਾਖਰਤਾ ਅਤੇ ਆਲੋਚਨਾਤਮਕ ਸੋਚ ਦੀ ਭੂਮਿਕਾ

ਔਨਲਾਈਨ ਜਾਣਕਾਰੀ ਦੀ ਵੱਡੀ ਮਾਤਰਾ ਅਤੇ AI ਚੈਟਬੋਟਸ ਦੁ