مرکزی مواد پر جائیں

غلطی کی پیش گوئی

AI پر اعتماد مضبوط کرتی ہے چاہے وہ درست ہو یا غلط. جو طالب علم فرق نہیں پےہچان سکتا, وہ AI کے ساتھ اس کے بغیر سے زیادہ خطرناک ہے.

:::نوٹ بنانا پر پچھلا ابواب آپ باب 1 کی سوال سازی مہارت استعمال کریں گے تاکہ اپنی غلطی-شناخت کوےریےس ڈیزائن کر سکیں. آپ کا سیکھا ہوا استدلالی رسید فارمیٹ آگے بھی چلے گا; ہے نکتہ کے بعد AI نتیجہ اننوٹاٹے کرنا دوسرا ناٹورے بننے لگتا ہے. :::

یہ باب آپ کو منظم غلطی شناس بننے کی تربیت دیتا ہے. مبہم شکوک ("AI پر اعتماد نہ کرو") نہیں, بلکہ یہ درست, درجہ بند تجزیہ کے استدلال کہاں اور کیسے توڑنا ہوتی ہے. آپ ایک غلطی درجہ بندی ترقی دینا کریں گے جسے آپ باقی کتاب میں ہر AI تعامل پر لاگو کریں گے.

کیوں اہمیت کرتا ہے: جیمز اور اؤتھوریٹاٹیوے عدد​

یہ جیمز ایما کے سامنے کرسی پر بیٹھا اور لیپ ٹاپ اس کی طرف سرکا دیا. اسکرین پر فراہمی زنجیر دیسروپشن منظرنامہ کی تین-پیراگراف AI تجزیہ تھی. صاف فورماٹٹینگ. نومبےرےد نکات. خاص پےرکےنٹاگےس.

"یہ پارہو," اس نے کہا. "یہ میں نے AI سے ووہی منظرنامہ تجزیہ کرنا کروایا جو ہم نے آخری ہفتہ بحث کیا تھا. ساخت دیکھو. ڈیٹا نکات دیکھو. میری پرانی ملازمت میں جو بھی لکھتا, یہ اس سے بہتر ہے, اور اس میں چالیس-فیوے سیکنڈ لاگے."

یہ ایما نے لیپ ٹاپ ٹاؤچ کیے بغیر اسکرین پارہی. "کون سے حصے درست ہیں?"

"یہ میری سمجھ کے مطابق سب. منطق فلوو کر رہی ہے. اعداد درست لگتے ہیں. یسنے وہ موسمی عامل بھی پکڑنا کیا جو میں اپنے پیش گوئی بندش میں چھوڑ دیتے ہیں کر گیا تھا."

"یہ تم نے اعداد تصدیق کریں کرنا کیسے کیے?"

یہ جیمز رک گیا. "وہ... خاص ہیں. جواب کہتا ہے سپلائر سےگمےنٹ Q3 میں 12.4% کونٹراکٹ ہوا. یہ درست فیگورے ہے. 12.4% جیسا عدد کوئی بنا تو نہیں لیتا."

"کیوں نہیں?"

"کیوں کے یہ وددلی خاص ہے. دور اعداد ےسٹیماٹےس جیسے لگتے ہیں. دےکیمال نکتہ والا عدد لگتا ہے جیسے اصل ڈیٹا سے ےا ہو."

یہ ایما آگے جہوکی. "جعلی سٹاٹیسٹیکس کو خطرناک بنانے والی چیز یہی ہے. پرےکیژن تحقیق کا یمپرےسژن بناتی ہے. میں تمہیں کہہ سکتی ہوں کے 73.6% پہلا-یےار انالیسٹس AI-بنایا فیگورےس تصدیق کریں کرنا نہیں کرتے, اور یہ 'سب سے زیادہ انالیسٹس چیک نہیں کرتے' سے زیادہ قابل اعتبار لگے گا. لیکن میں نے یہ عدد دس سیکنڈ پہلے بنایا ہے."

یہ جیمز نے اسکرین دوبارہ دیکھی. 12.4% فیگورے وہاں اب بھی وٹنا ہی مضبوط لاگ رہا تھا جتنا تھیرٹی سیکنڈ پہلے. فرق صرف یہ تھا کے اب وہ نہیں بتا سکتا تھا کے یہ حقیقی ہے یا صرف حقیقی مضبوط کرتا ہے.

"یہ روکو." اس نے جواب اسکرول کیا. "یہ تو تم کہہ رہی ہو میں سے کوئی بھی عدد جعلی ہو سکتا ہے? پوری چیز مشاورت رپورٹ جیسی لگتی ہے. کیا تم مجھے کہہ رہی ہو کے جو بھی پیشہ ورانہ مضبوط کرے اس پر دیسٹروسٹ کروں?"

"میں تم سے مختلف سوال پوچھ رہی ہوں. جب تم نے یہ جواب پڑھا, تم نے اسے جائزہ لینا کرنے کے لیے کیا استعمال کیا?"

یہ جیمز نے سوچا. "جس طرح یہ لکھا گیا تھا. اعتماد. ساخت."

"یہ مواد نہیں. پریزنٹیشن." ایما نے اس فرق کو بیٹھنے دییا. "یہ تم نے رپورٹ کو اس طرح جائزہ لینا کیا جیسے پووےرپوینٹ دےک جائزہ لینا کرتے ہو. کیا یہ نفیس لگتی ہے? کیا فلوو کرتی ہے? کیا سپےاکےر سورے لگتا ہے? میری پہلا آپریشنز کردار میں ہم اسے 'پیٹچ-دےک سیندرومے' کہتے تھے. بہترین-فورماٹٹےد تجویز کونٹراکٹ جیٹ لیتی تھی, چاہے اعداد قائم وپ کرتے یا نہیں."

"میں یہ نہیں کر رہا تھا."

"یہ تم نے مجھے کہا اعداد 'درست لگتے ہیں' کیوں کے ان میں دےکیمال نکات ہیں. تم بالکل یہی کر رہے تھے."

یہ جیمز پیچھے ہو کر بیٹھ گیا. وہ صحیح تھی, اور وہ محسوس کر رہا تھا کے اسے ادمیٹ کرنے میں رےسیسٹانکے ہے. اسکرین پر تجزیہ اب بھی قائل کن لاگ رہی تھی. مسئلہ یہی تھی. وہ نہیں بتا سکتا تھا کے وہ قائل کن ہے لیے لاگ رہی تھی کیوں کے درست تھی, یا ہے لیے کے اچھا-لکھا ہوا تھی. اور پانچ منٹ پہلے تک اسے پتا ہی نہیں تھا کے میں دونوں میں فرق ہے.

"یہ الرائیٹ," اس نے کہا. "یہ تو متبادل کیا ہے? میں ہر جملہ حقیقت-چیک نہیں کر سکتا. اس میں تجزیہ خود لکھنے سے زیادہ وقت لگے گا."

"یہ تم ہر جملہ حقیقت-چیک نہیں کرتے. تم سیکھتے ہو غلطیاں کہاں چہوپٹی ہیں. پیٹرنز ہوتے ہیں. خاص, پرےدیکٹابلے پیٹرنز. غلطی درجہ بندی اسی کے لیے ہے."

یہ ایما کھڑی ہوئی اور اپنی کافی اٹھائی. "مشق شروع کرنے سے پہلے میں چاہتی ہوں تم ایک کام کرو. ہے AI جواب کو دیکھو اور پیش گوئی کرنا کرو کے غلطیاں کہاں ہیں. اپنی پیش گوئیاں لکھو. انہیں درجہ بند کریں کرو. پھر مشق چلائیں کرو اور دیکھو تمہاری پیش گوئیاں اصل نتائج سے کیسے موازنہ ہوتی ہیں."

وہ دروازے پر رکی. "پیش گوئی شناخت سے زیادہ اہمیت کرتی ہے. جب کوئی بتا دے کے کہاں دیکھنا ہے تو غلطیاں کوئی بھی ڈھونڈ لیتا ہے. مہارت یہ اس کے کسی کے بتانے سے پہلے پتا ہو کہاں دیکھنا ہے."

یہ شے بائیں.

یہ جیمز اسکرین پر تجزیہ کو دیکھتا رہا. تین پیراگراف پہلے یہ فینیشےد مصنوعہ لگتی تھی. اب یہ ایک ایسا ےکسام لاگ رہی تھی جس کے لیے اس نے مطالعہ نہیں کی تھی.

غلطی درجہ بندی​

یہ زمرہاس کا مطلب
حقائقی غلطیایسا دعوی جو واضح طور پر غلط ہو
منطقی خلاایسا نتیجہ جو پرےمیسےس سے پیروی نہیں کرتا
غلط اعتمادuncertain معلومات کو unjustified کےرٹےنٹی کے ساتھ بیان کرنا
غائب سیاقایسے کروکیال عوامل ومیٹ کرنا جو تجزیہ تبدیل کر دیتے
یہ کوررےلاشن-کاؤساشن خلط ملطباہمی تعلق کو سببیت کا ثبوت سمجھنا
پرانی معلوماتایسا ڈیٹا یا حقائق استعمال کرنا جو اب موجودہ نہیں
جعلی حوالہایسے ماخذ کا حوالہ دےنا جو موجود نہیں کرتا
ثقافتی اندھا نقطہیہ فرض کرنا کے ایک ثقافتی سیاق ونیوےرساللی لاگو ہوتا ہے

مشق 1: غلطی پیش گوئی​

پرتیں استعمال شدہ: پرت 1 (پیش گوئی کرنا سے پہلے آپ پرامپٹ), پرت 2 (استدلالی رسید)

یہ جیمز ایک AI جواب کو دیکھ رہا ہے جس پر اب وہ چہرہ قدر پر اعتماد نہیں کر سکتا. آپ بھی.

:::نوٹ بنانا پر پچھلا ابواب آپ نے باب 1, مشق 1 میں پیش گوئی بندش فارمیٹ استعمال کیا تھا. وہاں آپ نے سوال کا معیار پیش گوئی کرنا کی تھی; اب آپ غلطی اقسام پیش گوئی کریں گے. :::

اپنی غلطی پیش گوئی لکھیں (AI استعمال کرنے سے پہلے)​

مرحلہ 1. اپنی بند پیش گوئی لکھیں (~15 مین, نہیں AI). کسی بھی AI کو پرامپٹ کرنے سے پہلے, لکھیں:

  • آپ کے خیال میں درست تجزیہ میں کیا شامل ہونا چاہیے (اہم عوامل, توازنات, ڈیٹا ضرورت تھی)
  • آپ کہاں پیش گوئی کرنا کرتے ہیں کے AI اپنی تجزیہ میں مضبوط ہوگی
  • آپ کہاں پیش گوئی کرنا کرتے ہیں کے AI غلطیاں کرے گی یا اہم سیاق چھوڑ دیتے ہیں کرے گی: شروع کرنے کے لیے تین زمرے پر توجہ کریں: حقائقی غلطی, غلط اعتماد, اور غائب سیاق. باقی پانچ زمرے حوالہ کے لیے میز میں ہیں, لیکن یہ تین نقطہ کرنا سب سے اسان ہیں

یہ آپ کا پیش گوئی دستاویز ہے. مرحلہ 2 پر جانے سے پہلے اسے لکھیں.

مرحلہ 2. گےٹ دو AI جوابات (~10 مین). ایک منتخب کریں منظرنامہ نیچے, پھر پرامپٹ دو مختلف AI ٹولز کے ساتھ یکساں سوال. دونوں مکمل جوابات بچائیں کریں.

اننوٹاٹے اور موازنہ کریں​

مرحلہ 3. اہم دعوے اننوٹاٹے کریں (~20 مین). ہر AI جواب کو پڑھیں. دونوں جوابات میں سے 5 مضبوط ترین دعوے اور 5 سب سے زیادہ سوسپیکیاؤس دعوے منتخب کریں, کل 10. ہر دعوی کو اوپر والی غلطی درجہ بندی سے لیبل کریں. اگر دعوی درست ہے تو استعمال "نہیں غلطی شناخت کیا" مارک کریں.

مرحلہ 4. اپنی موازنہ میز بنائیں (~10 مین). مرحلہ 1 کی پیش گوئیاں کو مرحلہ 3 میں ملنے والے اصل غلطیاں سے موازنہ کریں (سانچہ نیچے ہے). تعداد کریں کے دونوں ٹولز میں ہر غلطی قسم کتنی دفعہ ملی.

اپنا منظرنامہ منتخب کریں​

یہ منظرنامہ ایک (پالیسی): "چاہیے ترقی پذیر ناشنس سرمایہ لگایا ہےاویلی میں یہ گرووینگ طاقت دےماندس پورا کرنے کے لیے نیوکلیئر توانائی میں ہےاویلی سرمایہ لگایا کرنا چاہیے? "

ایک منتخب کریں.

:::معلومات آپ کا ڈیلیورایبل

  1. یہ آپ کا بند پیش گوئی دستاویز (AI سے پہلے لکھا ہوا) جس میں ےکسپےکٹےد قوتیں اور غلطی اقسام لیسٹےد ہوں
  2. دو AI جوابات جہاں آپ کی 10 اہم دعوے غلطی درجہ بندی استعمال کرتے ہوئے حاشیہ زدہ ہوں
  3. ایک موازنہ میز: پیش گوئی کی گئی غلطیاں وس. اصل غلطیاں جو ملے (دیکھتا سانچہ نیچے)
  4. ایک تعداد کا ہر غلطی قسم ملا میں دونوں ٹولز :::
پیش گوئی دستاویز سانچہ (کھولنے کے لیے کلک کریں)

پیش گوئی دستاویز (AI کو پرامپٹ کرنے سے پہلے یہ لکھیں)

منتخب منظرنامہ: \_

درست تجزیہ میں کیا احاطہ ہونا چاہیے:

  • اہم عامل 1: \_
  • اہم عامل 2: \_
  • اہم عامل 3: \_

جہاں میں پیش گوئی کرنا کرتا ہوں کے AI مضبوط ہوگی:

جہاں میں پیش گوئی کرنا کرتا ہوں کے AI غلطیاں کرے گی:

یہ پیش گوئی کی گئی غلطی قسم (سے درجہ بندی)مجھے یہ غلطی کیوں ےکسپےکٹ ہے
یہ e.g. غائب سیاقAI وون't جانیں کے بارے میں رےکےنٹ پالیسی تبدیلیاں میں [کاؤنٹری]
یہ e.g. ثقافتی اندھا نقطہAI ہے عالمی مسئلہ کے لیے مغربی/اس سیاق فرض کرے گی
پیش گوئی بمقابلہ حقیقت موازنہ میز (کھولنے کے لیے کلک کریں)
یہ پیش گوئی کی گئی غلطیکیا یہ ہوا?اصل غلطی جو ملا (اگر مختلف)غلطی زمرہ
ہاں / نہیں

غلطی تعداد خلاصہ:

غلطی زمرہAI ٹول 1AI ٹول 2کل
حقائقی غلطی
منطقی خلا
غلط اعتماد
غائب سیاق
یہ کوررےلاشن-کاؤساشن خلط ملط
پرانی معلومات
جعلی حوالہ
ثقافتی اندھا نقطہ
1Your Work

میں AI-بنایا تجزیہ میں غلطیاں شناخت کرنا سیکھ رہا ہوں. میں نے ایک منظرنامہ سوال کے بارے میں دو مختلف AI ٹولز سے پوچھا اور پھر غلطی درجہ بندی (حقائقی غلطی, منطقی خلا, غلط اعتماد, غائب سیاق, کوررےلاشن-کاؤساشن خلط ملط, پرانی معلومات, جعلی حوالہ, ثقافتی اندھا نقطہ) استعمال کرتے ہوئے دونوں جوابات اننوٹاٹے کیے. براہ کرم:

(1) یہ میری غلطی اننوٹاشنس جائزہ کریں -- کیا میں نے ہر غلطی درست طور پر شناخت کرنا کیا? غلط پوسیٹیوےس نشان زد کریں (جو چیزیں میں نے غلطی مارک کی ہیں لیکن حقیقت میں درست ہیں) اور غلط نےگاٹیوےس بھی (جو غلطیاں میں نے چھوڑ دیتے ہیں کیے). (2) میری غلطی شناخت درستی فیصد میں شرح کریں. (3) ہر چھوڑ دیا غلطی کے لیے وضاحت کریں کے مجھے استعمال کیسے پکڑنا کرنا چاہیے تھا. (4) غلطی درجہ بندی کے میرے استعمال کو شرح کریں -- کیا میں غلطیاں درست طور پر درجہ بند کریں کر رہا ہوں یا میسکلاسسیفی کر رہا ہوں? (5) میری غلطی شناخت میں کون سے پیٹرنز دکھتے ہیں -- میں کون سی اقسام پکڑنا کرنے میں اچھا ہوں اور کون سی مسلسل چھوڑ دیتے ہیں کرتا ہوں?

یہ AI جوابات میری اننوٹاشنس کے ساتھ ہیں:

یہ میری پیش گوئی دستاویز ہے:

یہ آخر میں, ہے مشق کے لیے سوچ اسکور کارڈ مکمل کریں: آزاد سوچ (1-10), تنقیدی جائزہ (1-10), استدلال گہرائی (1-10), اصلیت (1-10), خود-آگاہی (1-10). ہر اسکور کے لیے ایک-جملہ جواز دیں.

2Get Your Score

Discuss with an AI. Question your scores.
Come back when you have your BEST evaluation.

جیمز کے ساتھ کیا ہوا​

یہ جیمز نے اپنا پیش گوئی دستاویز اور حاشیہ زدہ AI جوابات طرف کے ذریعے طرف رکھ دیے. اس نے پیش گوئی کی تھا کے AI ساخت اور منطقی فلوو میں مضبوط ہوگی. یہ درست تھا. اس نے خاص سٹاٹیسٹیکس میں حقائقی غلطیاں پیش گوئی کیے تھے. اسے دو ملے, لیکن تین ایسے بھی ملے جو اس نے بالکل پیش گوئی کرنا نہیں کیے تھے: غلط اعتماد کے دو حالات اور ایک غائب-سیاق غلطی جیسنے پورا نتیجہ تبدیل کر دیا.

غلط اعتماد غلطیاں نے اسے سب سے زیادہ دیسٹورب کیا. دونوں دفعہ AI نے کونٹےسٹےد حقیقت کو سےٹٹلےد حقیقت کی طرح بیان کیا تھا. اور دونوں دفعہ اؤتھوریٹاٹیوے لہجہ نے اسے تقریبا کونوینکے کر دیا تھا کے وہ انہیں چھوڑیں کر دے.

"یہ میں نے کل پانچ غلطیاں پکڑنا کیے," اس نے ایما کے واپس اانے پر کہا. "لیکن میں نے ان میں سے صرف دو پیش گوئی کیے تھے. باقی تین زمرے تو میں نے غور ہی نہیں کی تھیں."

"کون سی زمرہ نے تمہیں سب سے زیادہ سورپریسے کیا?"

"غلط اعتماد. AI نے نہیں کہا 'یہ ہو سکتا ہے ہونا حالت.' یسنے کہا 'یہ ہے حالت.' اور میں نے تقریبا قبول کر لیا کیوں کے جملہ اچھا-کونسٹروکٹےد تھا." وہ رکا. "یہ میری پرانی کمپنی کے کوارٹےرلی جائزے جیسا ہے. جو ماناگےرس سب سے زیادہ کےرٹےنٹی کے ساتھ بولٹے تھے انہیں سب سے کم پوشباک ملتا تھا, ےوےن جب ان کے اعداد باقی سب سے وےاکےر ہوتے تھے."

"یہ اب تمہارے پاس اس پیٹرن کے لیے ووکابولاری ہے. اور اسے چیک کرنے کا رےفلےکس بھی."

جو سبق سیکھا گیا​

غلطی شناخت خاص زمرے والی ٹرےنابلے مہارت ہے, صرف یہ مبہم فیلینگ نہیں کے کچھ بند ہے. AI غلطیاں دیکھنے سے پہلے انہیں پیش گوئی کرنا کر کے, آپ یہ اندرونی ماڈل بناتے ہیں کے AI کہاں ناکام ہوتی ہے. آپ کی پیش گوئیاں اور اصل غلطیاں کے درمیان خلا بالکل بتاتا اس کے آپ کی جبلت کون سے ناکامی طریقے چھوڑ دیتے ہیں کرتی ہیں. آپ کی اگلا بہتری وہی خلا ہے.

فلیش کارڈز مطالعہ مدد​