AI அல்லுசினேஷன் தெரிவித்தல் என்பது ஒரு AI மாதிரி பொய்யான, புனையப்பட்ட, அல்லது துல்லியமற்ற தகவல்களை உருவாக்கும் போது அடையாளம் காணும் செயல்முறையாகும். ஒரு தனிப்பட்ட AI அல்லுசினேஷன் செய்யும்போது, வெளியீடு தவறானது என்று பொதுவாக எந்த உள்ளீட்டு அறிகுறியும் இல்லை. பல மாதிரி குறுக்கு சரிபார்ப்பு ஒரே கேள்விக்கு சுயாதீனமாக பல AI மாதிரிகளை விசாரிப்பதன் மூலம் அல்லுசினேஷன்களை கண்டறியலாம். மாதிரிகள் ஏற்றுக்கொள்ளாத போது, அந்த ஏற்றுக்கொள்ளாமை சாத்தியமான அல்லுசினேஷனை அறிவிக்கிறது. Argumentree.AI ஒவ்வொரு மாதிரியும் மற்ற ஒவ்வொரு மாதிரியிலிருந்தும் ஒவ்வொரு வாதத்தையும் மதிப்பிடும் தரவரிசை அமைப்பு மூலம் இதை செயல்படுத்துகிறது—ஒரு தனிப்பட்ட மாதிரியிலிருந்து குறைந்த மதிப்பீடு பெற்ற வாதங்கள் மறுபரிசீலனைக்காக குறியிடப்படுகின்றன.
AI அல்லுசினேஷன் தெரிவித்தல் AI மாதிரிகள் பொய்யான தகவல்களை உருவாக்கும் போது அடையாளம் காணும். முக்கிய புரிதல்: ஒரு AI அல்லுசினேஷன் செய்யும் போது, மற்ற AIகள் பெரும்பாலும் அதே தவறைச் செய்வதில்லை. குறுக்கு-சரிபார்ப்பு பிழைகளை பிடிக்கிறது, அதே நேரத்தில் ஒரு தனிப்பட்ட மாதிரி நம்பகமாக வழங்குகிறது.
அல்லுசினேஷன் தெரிவித்தல் AI பொய்யான தகவல்களை உருவாக்கும் போது பிடிக்கிறது. வேறுபட்ட மாதிரிகள் வேறுபட்ட வகையில் அல்லுசினேஷன் அடைகின்றன—ஒன்று தவறாக இருக்கும் போது, மற்றவை சரியாக இருக்கும். குறுக்கு-மாதிரி சரிபார்ப்பு இந்த பிழைகளை முறையாக பிடிக்கிறது.
AI அல்லுசினேஷன் என்பது ஒரு மாதிரி சரியான, புனையப்பட்ட, அல்லது சான்றுகளால் ஆதரிக்கப்படாத தகவல்களை உருவாக்கும் போது ஏற்படுகிறது—மற்றும் அதை உண்மையாக பயன்படுத்துகிறது. மனித பிழைகள் போலல்லாமல், நாங்கள் "நான் உறுதியாக இல்லை" என்று சொல்வது போல, AI மாதிரிகள் துல்லியமான வெளியீட்டை தருகின்றன, அவற்றின் துல்லியத்தைப் பொருட்படுத்தாமல்.
AI மாதிரிகள் பயிற்சி காலத்தில் கற்றுக்கொண்ட முறைகளின் அடிப்படையில் அடுத்து வரும் வார்த்தைகளை முன்கணிப்பதன் மூலம் வாசிப்பை உருவாக்குகின்றன. அவை உண்மைகளின் தரவுத்தளத்தை அணுகவில்லை—அவை நம்பகமான ஒலிக்கும் வரிசைகளை உருவாக்குகின்றன. முறை ஒப்பிடுதல் நம்பகமான ஆனால் தவறான வெளியீட்டை உருவாக்கும் போது, அது ஒரு அல்லுசினேஷன் ஆகும்.
மாதிரிகள் துல்லியமானதை விட ஒத்திசைவு மற்றும் சாத்தியமானதற்கு அனுகூலமாக இருக்கின்றன. எந்த உள்ளீட்டு "நான் அறியவில்லை" சிக்னலும் இல்லை. பொதுவாக "நீங்கள் உறுதியாக இருக்கிறீர்களா?" அல்லது "இதை சரிபார்க்கவும்" என்று கேட்டால், அதே பிழையை மீண்டும் சரிபார்க்கிறது.
வேறுபட்ட AI மாதிரிகள் வேறுபட்ட பயிற்சி தரவு, கட்டமைப்புகள் மற்றும் அறிவு வெட்டுக்களை கொண்டுள்ளன. ஒரு மாதிரி ஒரு கூற்றை புனையும் போது, மற்ற மாதிரிகள் பெரும்பாலும் அதே தவறைச் செய்வதில்லை. இந்த சுயாதீனத்தானது குறுக்கு-மாதிரி சரிபார்ப்பை செயல்படுத்த செய்கிறது.
ஒரே கேள்வியுடன் பல AI மாதிரிகளைக் கேளுங்கள்—சுயாதீனமாக
ஒவ்வொரு மாதிரி மற்றவர்களைப் பார்க்காமல் வாதங்களை உருவாக்குகிறது (பிழைகளை நகலெடுக்க முடியாது)
ஒவ்வொரு மாதிரியும் பின்னர் ஒவ்வொரு மாதிரியிலிருந்தும் ஒவ்வொரு வாதத்தையும் மதிப்பிடுகிறது
புனையப்பட்ட உரிமைகோரல்கள் மற்ற மாதிரிகளிலிருந்து குறைந்த மதிப்பீடுகளைப் பெறுகின்றன
குறைந்த மதிப்பீடு பெற்ற வாதங்கள் = பரிசோதிக்க வேண்டிய சாத்தியமான கற்பனைகள்
GPT, Claude, Gemini, Grok, Perplexity ஆகியவற்றைச் சுயாதீனமாகக் கேளுங்கள்
ஒவ்வொரு மாதிரி மற்றவர்களைப் பார்க்காமல் வாதங்களைக் கட்டுகிறது
ஒவ்வொரு மாதிரியும் ஒவ்வொரு மாதிரியிலிருந்தும் ஒவ்வொரு வாதத்தையும் மதிப்பிடுகிறது
பல மாதிரிகளிலிருந்து குறைந்த மதிப்பீடுகள் = மேலும் பரிசோதிக்கவும்
AI கற்பனை கண்டறிதல் என்பது AI மாதிரி உண்மையானது என்று கூறி பொய்யான அல்லது புனையப்பட்ட தகவல்களை உருவாக்கும் போது அதைக் கண்டறிவதாகும். மிகவும் நம்பகமான முறை மாதிரி-மாதிரி சரிபார்ப்பு—ஒரே கேள்வியுடன் பல AI மாதிரிகளைக் கேட்டல் மற்றும் ஏற்றுக்கொள்ளப்படாத தன்மையைத் தேடுதல், ஏனெனில் கற்பனைகள் பொதுவாக மாதிரிகளில் ஒத்துப்போவதில்லை.
AI மாதிரிகள் பயிற்சி செய்யப்பட்ட மாதிரிகளின் அடிப்படையில் வரையறுக்கப்பட்ட உண்மையை அணுகாமல் பாட்டுக்கு ஏற்ப உருவாக்கப்படுகின்றன. பாட்டு ஒப்பிடுதல் நம்பிக்கையான ஆனால் தவறான அவுட்புட்டை உருவாக்கும்போது—புனையப்பட்ட மேற்கோள்கள், கற்பனை புள்ளி விவரங்கள் அல்லது பொய்யான உரிமைகோரல்கள்—அது ஒரு கற்பனையாகும். மாதிரிகள் துல்லியத்திற்கு அல்ல, சாத்தியமான ஒலித்தன்மைக்கு அமைக்கப்படுகின்றன.
குறைவாக. "நீங்கள் உறுதியாக இருக்கிறீர்களா?" அல்லது "இதை உறுதிப்படுத்துங்கள்" என்று கேட்டால், பெரும்பாலும் அதே பிழையை மீண்டும் பயன்படுத்துகிறது. மாதிரிகள் உள்ளீடற்ற தரநிலை உண்மையைக் கொண்டிருப்பதில்லை, எனவே அவை தங்களைத் தாங்களே சரிபார்க்க முடியாது. மாதிரி-மாதிரி ஒப்பிடுதல் அல்லது மனித மீள்பார்வை மூலம் வெளிப்புற சரிபார்ப்பு மிகவும் செயல்திறன் மிக்கது.
வேறுபட்ட AI மாதிரிகள் வேறுபட்ட பயிற்சி தரவு மற்றும் கட்டமைப்புகள் காரணமாக வேறுபட்ட முறையில் கற்பனை செய்கின்றன. ஒரு மாதிரி உரிமைகோரலை உருவாக்கும்போது, மற்ற மாதிரிகள் பொதுவாக அதே தவறைச் செய்வதில்லை. பல சுயாதீன மாதிரிகளின் வெளியீடுகளை ஒப்பிடுவதன் மூலம், ஒரு தனிமாதிரி நம்பிக்கையுடன் முன்வைக்கும் பிழைகளைப் பிடிக்க முடியும்.
பொதுவான கற்பனைகளில் புனையப்பட்ட அகாடமிக் மேற்கோள்கள் (இல்லாத ஆவணங்கள்), கற்பனை புள்ளி விவரங்கள் ('80% நிபுணர்கள் ஏற்றுக்கொள்கிறார்கள்...'), பொய்யான வரலாற்று உரிமைகோரல்கள், இல்லாத நீதிமன்ற வழக்குகள் (மாட்டா வி. ஏவியான்கா சம்பவத்தில்) மற்றும் நம்பிக்கையான தவறான தொழில்நுட்ப விளக்கங்கள் ஆகியவை அடங்கும்.
பல மாதிரிகளில் AI வெளியீடுகளை குறுக்கு சரிபார்க்கவும். ஏற்றுக்கொள்ளாமை பிழைகளை வெளிப்படுத்துகிறது.
இலவச ஆராய்ச்சியைத் தொடங்கவும்