अडाली में आपका स्वागत है। आप सुन रहे हैं, एआई को समझें। यह चौथा अध्याय है। एआई से गलतियाँ क्यों होती हैं। मान लीजिए आप किसी अनजान शहर में हैं। फ़ोन पर आपने पूछा, संग्रहालय जाने के लिए कौन सी बस पकड़ूँ? जवाब आया। बत्तीस नंबर की बस। सामने की सड़क से हर बीस मिनट में आती है। जवाब इतना सीधा था कि आपने बैग उठाया और निकल पड़े। बस अड्डे पर पता चला कि उस रास्ते पर बत्तीस नंबर की बस चलती ही नहीं। यह एक बनाया हुआ उदाहरण है। लेकिन इसका सवाल असली है। आपने जवाब पर भरोसा क्यों किया? इसलिए कि किसी रिकॉर्ड में रास्ता देखा था, या इसलिए कि जवाब बिल्कुल वैसा लगा जैसा एक जानकार इंसान देता? पिछले अध्याय में हमने सुना कि भाषा मॉडल टुकड़ों में जवाब बनाता है। अब हम देखेंगे कि उस जवाब की जाँच कहाँ करनी है। हम एक पक्के से लगने वाले दावे को खोलेंगे। फिर गणना, तारीख़, बोली, जाँच करने वाले सॉफ़्टवेयर और इंसान के फ़ैसले को अलग-अलग रखेंगे। बीच में थोड़ा रुककर सोचिएगा। अगर इस जवाब पर कोई असली फ़ैसला निर्भर है, तो आप किस प्रमाण को देखना चाहेंगे? आख़िर में एक काल्पनिक कॉलेज का मामला सुनेंगे। वहाँ सॉफ़्टवेयर ने कुछ निबंधों पर शक जताया। उन विद्यार्थियों के साथ आगे क्या हुआ, यह समझने के लिए एक प्रतिशत से कहीं ज़्यादा जानना पड़ा। शुरू करें उस पहले सवाल से। कोई जवाब गलत होकर भी इतना भरोसेमंद क्यों लगता है? पहला पाठ। कोई जवाब गलत होकर भी पूरा यक़ीन क्यों दिलाता है। जवाब बनाने और जवाब की जाँच करने में फ़र्क है। एक ही भाषा मॉडल कभी सही वाक्य बना सकता है और कभी उतनी ही सफ़ाई से गलत वाक्य। उसके प्रशिक्षण में आए पैटर्न, उस समय दिया गया संदर्भ और अगले शब्दों को चुनने का तरीका, सब असर डालते हैं। इनसे किसी वाक्य का बनना समझ में आ सकता है। इससे यह साबित नहीं होता कि किसी ने उसका तथ्य जाँचा। कुछ उत्पाद खोज, गणना या जाँच के साधन जोड़ते हैं। तब भी देखिए कि सही साधन चला, उसने क्या लौटाया, और जवाब ने उस नतीजे का इस्तेमाल कैसे किया। किसी बनाए हुए जवाब में ऐसा दावा आ जाए जिसके लिए प्रमाण नहीं है, या जो गलत है, तो इस गलती को अक्सर हैलूसिनेशन कहते हैं। यहाँ बात किसी इंसान की अनुभूति की नहीं हो रही। बात जवाब की है। कोई नकली हवाला साधारण ढंग से जवाब बनाते समय भी आ सकता है। इसके लिए सॉफ़्टवेयर का बंद पड़ जाना ज़रूरी नहीं। और इससे यह भी नहीं निकलता कि कोई सुधार हो ही नहीं सकता। जहाँ नतीजा ज़रूरी है, वहाँ जाँच की ज़िम्मेदारी बनी रहती है। ऐसा एक मामला अदालत तक पहुँचा। माटा बनाम अवियांका के मामले में न्यू यॉर्क की एक संघीय अदालत ने जून सन दो हज़ार तेईस में आदेश दिया। आदेश के मुताबिक़ चैट जी पी टी से आए छह ऐसे न्यायिक निर्णय दाख़िल किए गए जो असली थे ही नहीं। उनके उद्धरण और हवाले भी नकली थे। उनके असली होने पर सवाल उठा, फिर भी वकील उन पर कायम रहे। अदालत ने दो वकीलों और उनकी फ़र्म पर कार्रवाई की। यहाँ हम देख सकते हैं कि दाख़िल करने से पहले प्रमाण की जाँच नहीं हुई। इस घटना से मॉडल के भीतर गलती बनने की ठीक-ठीक वजह नहीं नापी गई। अदालत का उदाहरण बड़ा है, लेकिन रोज़ की निशानियाँ छोटी भी हो सकती हैं। उस बस का नंबर याद कीजिए। किसी ग्राहक सहायता नंबर के अंक देखने में सही लग सकते हैं। किसी नियम की धारा का नंबर बाकी उत्तर से मेल खा सकता है। किसी असली शोधकर्ता का नाम एक ऐसे लेख पर लिखा हो सकता है जिसे उसने कभी नहीं लिखा। ऐसे ब्योरे अक्सर परिचित ढाँचे में फिट हो जाते हैं। इन्हें जाँचने के लिए असली समय सारिणी, आधिकारिक संपर्क सूची, नियम का मूल पाठ या प्रकाशन का रिकॉर्ड खोलिए। कुछ दावे आम और आसानी से जाँचे जाने वाले होते हैं। मसलन, सामान्य वायुमंडलीय दबाव पर शुद्ध पानी लगभग सौ डिग्री सेल्सियस पर उबलता है। यहाँ दबाव और पानी की शुद्धता की बात वाक्य का हिस्सा है। किसी प्रचलित वाक्य को बार-बार सुन लेने से उसकी हर व्याख्या सही नहीं हो जाती। दूसरी ओर किसी छोटी जगह का दुर्लभ रिकॉर्ड मिलना मुश्किल हो सकता है। फिर भी उत्पाद को अंदाज़ा लगाने की मजबूरी नहीं है। वह कह सकता है कि प्रमाण नहीं मिला, असली स्रोत खोज सकता है, या किसी जाँच से बात की पुष्टि कर सकता है। आवाज़ और तथ्य को अलग रखिए। अच्छी तरह जाँचा गया जवाब भी सीधे शब्दों में दिया जा सकता है। बिना प्रमाण का जवाब भी उतने ही यक़ीन से बोला जा सकता है। किसी मॉडल का भरोसे का अलग अनुमान, अगर उसका परीक्षण हुआ हो, उपयोगी हो सकता है। सिर्फ़ यह कहना कि मुझे पूरा भरोसा है, ऐसा कोई परीक्षण नहीं है। अगर आप पूछें, क्या तुम पक्के हो, तो मॉडल शायद जवाब दोबारा बनाए। वह बिना प्रमाण पहले जवाब पर अड़ा भी रह सकता है। वह सही जवाब छोड़कर गलत तरफ़ जा सकता है। तीनों में आपकी ज़रूरत वही है। दावा जाँचिए। अगर आप स्रोत माँगें, तो सिर्फ़ लिंक देखकर रुकिए मत। लिंक खोलिए। नाम, तारीख़ और पन्ना मिल भी जाएँ तो पढ़िए कि वह पन्ना इस दावे का समर्थन करता है या सिर्फ़ उसी विषय का ज़िक्र करता है। जहाँ गलती के नतीजे गंभीर हों, काम को हिस्सों में बाँटिए। पहले जाँच के लायक़ दावे चुनिए। फिर उस दावे के लिए ठीक साधन चुनिए। हिसाब है तो स्वतंत्र गणना। बदलता नियम है तो मौजूदा रिकॉर्ड। किसी पेशे की सलाह पर बड़ा फ़ैसला है तो योग्य व्यक्ति और मूल प्रमाण। काम का महत्व बताना मॉडल को निर्देश दे सकता है। वह अपने आप किसी बात को सही नहीं बना देता। इस पाठ की बात एक छोटे अभ्यास में याद रखिए। कोई जवाब सुनें, और उसमें से एक ऐसा नाम, तारीख़ या आँकड़ा चुनें जिसे देखकर आप कह सकें, यह जाँचा जा सकता है। अब सोचिए, इसे सच मानने से पहले आप क्या खोलेंगे? अगले पाठ में हम देखेंगे कि ऐसे ब्योरे किस तरह परिचित ढाँचे के अंदर छिप जाते हैं। दूसरा पाठ। बिना प्रमाण के ब्योरे कहाँ जुड़ जाते हैं। और जवाब देने से रुकना कब ठीक है। मान लीजिए किसी दस्तावेज़ में एक सर्वे का नाम और उसके प्रतिभागियों की संख्या है। जवाब में सर्वे का नाम सही आता है, संख्या सही आती है, और साथ में प्रकाशन की एक तारीख़ भी आ जाती है जो दस्तावेज़ में थी ही नहीं। बाकी वाक्य सही लग रहे हैं, इसलिए तारीख़ भी ठीक लगती है। आप जवाब देखकर नहीं जान सकते कि वह तारीख़ प्रशिक्षण से आई, किसी दूसरे दस्तावेज़ से, खोज से, या जवाब बनाते समय जुड़ गई। उसका प्रमाण अलग से ढूँढ़ना होगा। जाँच शुरू करने के छह अच्छे ठिकाने हैं। इन्हें ख़तरे की पक्की रैंकिंग मत मानिए। ये सवाल याद रखने के तरीके हैं। पहले, शोध का हवाला। लेखक, साल और जर्नल का नाम सही ढाँचे में हों तो भी असली प्रकाशन ढूँढ़िए। दूसरे, वेब का पता। किसी पते की बनावट जानी-पहचानी हो सकती है, लेकिन पन्ना है या नहीं, खोलकर देखिए। तीसरे, तारीख़ और संख्या। पूछा गया समय, परिभाषा और इकाई, तीनों को मूल रिकॉर्ड से मिलाइए। चौथा, किसी के नाम से दिया गया उद्धरण। असली रिकॉर्ड में शब्द खोजिए। पाँचवाँ, किसी छोटे संगठन, जगह या व्यक्ति का नाम। उस स्थानीय रिकॉर्ड के बिना सुन्दर विवरण भी कमज़ोर है। छठा, ठीक दिखते बड़े ढाँचे में एक छोटा खास दावा। किसी विषय पर बाकी बातें सही हों तो भी एक खास नियम, अपवाद या पन्ने का नंबर अलग से जाँचना है। अब दो काल्पनिक रिपोर्टों की तुलना कीजिए। एक में एक हज़ार दो सौ सैंतालीस लोग हैं। दो जगहों पर अध्ययन पूरा हुआ है। दूसरी में एक हज़ार दो सौ लोग और चार जगहें हैं। कौन सी रिपोर्ट सच है? सिर्फ़ यह सुनकर, हम नहीं जानते। पहली की गिनती अनगढ़ है, इसलिए वह असली लग सकती है। दूसरी साफ़ है, इसलिए वह पेशेवर लग सकती है। दोनों रूप असली रिपोर्ट में भी आ सकते हैं और बनाए हुए जवाब में भी। प्रतिभागियों की संख्या और जगहों का रिकॉर्ड पढ़े बिना रूप देखकर निष्कर्ष निकालना ठीक नहीं है। कुछ वजहें समझने लायक़ हैं। शुरुआती प्रशिक्षण में मॉडल लिखे हुए पैटर्न सीखता है। हर वाक्य के साथ जाँचा हुआ सच का निशान नहीं मिलता। बाद का प्रशिक्षण उसे अनिश्चितता बताना या कुछ स्थितियों में जवाब से रुकना सिखा सकता है। उत्पाद खोज भी जोड़ सकता है। लेकिन अगर खोज में गलत अंश मिला, या सही अंश का गलत मतलब निकला, तो समस्या फिर बची रहती है। इसलिए जवाब का रास्ता देखना उपयोगी है। एक और बात जाँच में दिए जाने वाले अंकों की है। सन दो हज़ार पच्चीस के एक शोधपत्र ने एक खास तरह की अंक योजना पर सवाल उठाया। सोचिए, सही जवाब का अंक है। गलत जवाब और ईमानदारी से मुझे नहीं पता कहने पर एक जैसा शून्य मिलता है। इस नियम में कोई अंदाज़ा लगाकर कभी-कभी अंक पा सकता है। रुकने से कोई अंक नहीं मिलता। शोधपत्र का तर्क इसी तरह के नियमों के बारे में है। इससे, हर परीक्षा या हर मॉडल की वजह तय नहीं हो जाती। ऐसी जाँच में ठीक जगह रुकने को जगह देने से प्रोत्साहन बदल सकता है। साथ में यह भी देखना है कि उपयोगी सही जवाब कम तो नहीं हो रहे। आप तीन छोटे काम कर सकते हैं। पहला, दो जवाब अलग आएँ तो उसे अस्थिरता का संकेत मानिए। अगर एक ही लेख के दो अलग साल बताए गए, तो प्रकाशन रिकॉर्ड खोलिए। अगर दोनों बार एक ही साल आया, तब भी वह साल अपने आप सही नहीं हो गया। दूसरा, उस खास दावे की जाँच कीजिए जिससे नतीजा बदलता है। एक गलत संख्या बाकी हर बात को गलत साबित नहीं करती, लेकिन बाक़ी जवाब देखने की वजह देती है। तीसरा, ऐसी व्याख्या माँगिए जिसे जाँचा जा सके। मॉडल से कह सकते हैं कि इस्तेमाल की गई मान्यता बताए या वह स्थिति बताए जहाँ यह जवाब बदल जाएगा। इससे जाँच का रास्ता मिल सकता है। लंबी व्याख्या भी कोई ज़रूरी वजह छोड़ सकती है या गलत जवाब के लिए बाद में सफ़ाई बना सकती है। कदम और नतीजा, दोनों को जाँचें। एक उपयोगी जवाब कभी ऐसा हो सकता है। आपके दस्तावेज़ में सर्वे की संख्या है, लेकिन तारीख़ नहीं। उस तारीख़ के लिए प्रकाशन का मूल रिकॉर्ड देखना होगा। इस जवाब ने खाली जगह भरी नहीं। इसने साफ़ किया कि हमें क्या मालूम है और आगे कहाँ देखना है। अगले पाठ में हम अलग करेंगे कि मूल मॉडल क्या कर सकता है और उसके आसपास का उत्पाद क्या कर सकता है। तीसरा पाठ। मॉडल की अपनी सीमाएँ। और ऐप की अलग सुविधाएँ। सोचिए आपके पास एक किताब है। उसमें कल की खबर अपने आप नहीं छपती। कोई उस खबर का पन्ना किताब के साथ रख सकता है। या आप अख़बार से खबर खोज सकते हैं। फिर भी किताब के पहले से छपे पन्ने वही हैं। भाषा मॉडल की किसी स्थिर रिलीज़ को, उसके तय सीखे हुए मानों के साथ, चेकपॉइंट कहते हैं। उसे अपने आप आज की घटना नहीं मिलती। लेकिन ऐप नया संदर्भ दे सकता है, रिकॉर्ड खोज सकता है, या कोई साधन चला सकता है। बाद में कंपनी बदला हुआ चेकपॉइंट भी जारी कर सकती है। इस फ़र्क से एक सवाल साफ़ होता है। ऐप को आज की तारीख़ मालूम है तो क्या उसे आज के सभी नियम भी मालूम हैं? नहीं। तारीख़ देना और नियम का नया रिकॉर्ड देना अलग काम हैं। किसी सरकारी सूचना, फ़ीस या परीक्षा की समय सीमा के बारे में सही तारीख़ दिख जाए तो भी संबंधित सूचना का मूल स्रोत देखिए। एक दूसरी बात है याद रखने की। कोई सेवा पुरानी बातचीत सहेज सकती है, उसमें से चुनी हुई बातें अगली बातचीत में दे सकती है, या किसी और व्यवस्था से अपना जवाब बदल सकती है। यह हर उत्पाद में एक जैसा नहीं होता। क्या सहेजा जाता है? कौन देख सकता है? मिटाने का बटन दबाने से ठीक क्या हटता है? इन सवालों के जवाब उत्पाद के नियमों और नियंत्रणों में देखें। सिर्फ़ यह मत मान लीजिए कि हर सेवा वही तकनीक या वही व्यवस्था इस्तेमाल करती है। मान लीजिए आपने किसी जवाब की गलती ठीक की। अगले जवाब में मॉडल ने सुधार अपना लिया। इससे यह साबित नहीं होता कि उसने अपने सीखे हुए मान उसी समय बदल लिए। साधारण इस्तेमाल में चेकपॉइंट तय रहता है। नया वाक्य बातचीत के संदर्भ में जुड़ता है। अलग से उत्पाद आपका फ़ीडबैक, याद रखने की बात या प्रशिक्षण की सामग्री सहेज सकता है। टैब बंद करना इस बात का प्रमाण नहीं कि सब मिट गया, या कि किसी बाद के प्रशिक्षण में वह बात इस्तेमाल हुई। मॉडल कभी अपना जवाब दोबारा देखकर गलती पकड़ लेता है। वह गलती छोड़ भी सकता है। पूछने पर भरोसे का अंदाज़ा देना किसी बाहरी रिकॉर्ड की जाँच नहीं है। अगर जवाब कहता है कि उसने कोई दस्तावेज़ देखा, तो देखिए कि सचमुच वह दस्तावेज़ उपलब्ध था और उसमें क्या लिखा था। जब वह कहे कि काम बाद में पूरा होगा, तो ऐप में उस काम की असली स्थिति देखिए। एक वाक्य अपने आप कोई काम तय समय पर चलाने की रसीद नहीं बनता। कौन सी फ़ाइल पढ़ी जा सकती है, किस साधन का इस्तेमाल हो सकता है, और किसे कोई फ़ैसला करने का अधिकार है, ये उत्पाद की बातें हैं। ऐप चित्र या फ़ाइल दे सकता है। वह किसी कार्रवाई को रोक भी सकता है। काम के परिणाम की ज़िम्मेदारी इंसान या संस्था के पास ही रहती है। ज़रूरी फ़ैसले में पूछें। कौन जाँचेगा? कौन गलती सुधार सकता है? जिस व्यक्ति पर असर पड़ेगा, वह फ़ैसले को चुनौती कैसे देगा? इसका मतलब यह नहीं कि मॉडल कुछ कर ही नहीं सकता। तय कामों पर ऐसे मॉडल उपयोगी अनुवाद, कोड और कई चरणों वाले हल दे सकते हैं। एक उदाहरण में कामयाबी से यह साबित नहीं होता कि वह किसी दूसरे दस्तावेज़, भाषा या काम में भी उतना ही अच्छा होगा। मशीन को समझ है या नहीं, यह अलग चर्चा है। यहाँ काम का सवाल है। इस काम में वह क्या कर पाया? और मुझे कैसे पता? ऐसे काम से शुरू करें जहाँ गलती दिख सके और आसानी से सुधरे। मसौदा जिसे आप फिर लिखेंगे। सारांश जिसके साथ पूरा दस्तावेज़ खुला है। कोड जिसे आप पढ़ और परख सकते हैं। विचारों की सूची जिसमें कुछ सुझाव छोड़ सकते हैं। अगर काम किसी असली व्यक्ति, इलाज, नियम या पैसे के बड़े फ़ैसले से जुड़ा है, तो मूल प्रमाण और योग्य समीक्षा की ज़रूरत बढ़ जाती है। अगला पाठ इसी सिद्धांत को गिनती और हिसाब में लगाता है। चौथा पाठ। गिनती और हिसाब को ऐसे लिखिए कि कोई और उन्हें जाँच सके। अक्षर गिनना और संख्याओं का हिसाब करना अलग काम हैं। पहले अक्षर पर सोचिए। किसी स्क्रीन पर आपको एक निशान जैसा दिख सकता है, लेकिन कंप्यूटर उसे एक से अधिक हिस्सों में रख सकता है। और मॉडल के टोकन कभी एक से अधिक अक्षरों को साथ रखते हैं। इससे अक्षर गिनना कुछ कामों में मुश्किल हो सकता है। फिर भी कोई मॉडल अक्षर पहचानना या गिनती का तरीका सीख सकता है। सिर्फ़ टोकन देखकर किसी खास गलती का कारण तय मत कीजिए। पहले यह बताइए कि गिनना क्या है। क्या आपको बाइट की संख्या चाहिए? लिखावट के अलग-अलग कोड पॉइंट? या स्क्रीन पर साथ दिखने वाले अक्षर? शब्दों की गिनती में खाली जगह, विराम चिह्न और जुड़े शब्दों का नियम क्या होगा? इन्हें पहले तय करने पर दो गिनतियों की तुलना हो सकती है। जहाँ ठीक संख्या चाहिए, तय नियम के साथ जाँचा हुआ प्रोग्राम लगाइए। संख्याओं के हिसाब में भी मॉडल कभी सही जवाब देता है। वह जोड़, गुणा या किसी तरीके का उपयोग सीख सकता है। भाषा मॉडल के भीतर गणना होती है, लेकिन जवाब में लिखी संख्या को देखकर यह नहीं पता चलता कि जाँचा हुआ कैलकुलेटर चला था। छोटे जोड़ ठीक हों तो भी लंबे पूर्णांक, कई चरणों वाले सवाल, ब्याज, प्रतिशत और इकाई बदलने का काम अलग से परखें। साफ़ लिखा गलत उत्तर दूर से सही भी लग सकता है। ठीक हिसाब के लिए चार चीज़ें साथ रखिए। मूल संख्याएँ, उनकी इकाइयाँ, फ़ॉर्मूला और राउंडिंग का नियम। राउंडिंग में तय नियम से संख्या की सटीकता बदली जाती है। जैसे, किसी मान को दो दशमलव स्थानों तक लिखना। कोड मिला तो पहले पढ़िए। फिर एक ऐसा छोटा उदाहरण चलाइए जिसका जवाब पहले से मालूम है। पायथन की पूर्णांक गणना में पूरी संख्या ठीक रखी जा सकती है। दशमलव वाली कुछ गणनाओं में कंप्यूटर का सामान्य फ़्लोटिंग पॉइंट रूप मान को ठीक-ठीक नहीं रखता। जहाँ ज़रूरत हो, सही दशमलव या भिन्न वाला तरीका चुनिए। गलत फ़ॉर्मूले का ठीक हिसाब भी गलत नतीजा देगा। अगर ऐप ने कैलकुलेटर का रिकॉर्ड दिखाया तो उससे जाँच शुरू कर सकते हैं। क्या वही संख्याएँ दी गईं? क्या सही इकाई थी? क्या उसने जिस संख्या को लौटाया, वही जवाब में रखी गई? रिकॉर्ड न दिखे तो यह साबित नहीं होता कि साधन चला ही नहीं। जहाँ फ़र्क पड़ता है, ऐसी गणना माँगिए जिसे आप देख और दोहरा सकें। लिब्रेऑफ़िस कैल्क जैसे स्प्रेडशीट में भी फ़ॉर्मूले, सेल के पते, इकाइयाँ, राउंडिंग और संख्या रखने की सीमाएँ जाँचना ज़रूरी है। यहाँ किताब की आकृति दो हिस्सों में है। पहले हिस्से में वे काम हैं जिनके लिए जाँचा हुआ हिसाब चाहिए। अक्षर, शब्द या चिह्न गिनना। गुणा, प्रतिशत और चक्रवृद्धि ब्याज। मुश्किल गुणक वाली इकाई बदलना। और ऐसा कोई जोड़ जिसका कुल ठीक आना चाहिए। पायथन या लिब्रेऑफ़िस कैल्क मदद कर सकते हैं, जब इनपुट, फ़ॉर्मूले और संख्या रखने का तरीका जाँचा हो। दूसरे हिस्से में वे काम हैं जहाँ मॉडल मसौदा बनाने में मदद कर सकता है। कौन सी संख्याएँ काम की हैं? किससे किसकी तुलना करें? फ़ॉर्मूला या कोड कैसे लिखें? नतीजा किसी पाठक को कैसे समझाएँ? कौन सी जाँच दिखाएगी कि हिस्से जोड़ने पर कुल बनता है? ये सुझाव हैं। आप वजह और तरीके दोनों की समीक्षा करेंगे। कुछ गणित की परीक्षाओं में चरणों में जवाब माँगने से, या बाद के रीजनिंग मॉडलों से, नतीजे बेहतर हुए हैं। इससे हर गणना सही होने का भरोसा नहीं मिलता। कुछ उत्पाद अतिरिक्त समय में और चरण बनाते हैं। कुछ खोज, जाँच या गणना का साधन भी चलाते हैं। हर काम में गुणवत्ता, समय और खर्च अलग हो सकते हैं। जब कुल निश्चित है, तो जाँचे हुए तरीके से वही हिसाब दोहराना अक्सर समझने में आसान है। एक संख्या देखते ही पाँच बातें पूछिए। क्या हिसाब दिख रहा है? क्या संख्या की मात्रा किसी स्वतंत्र उदाहरण के सामने ठीक बैठती है? क्या हिस्सों का जोड़ बताए हुए राउंडिंग के साथ सही है? प्रतिशत किस कुल पर निकाला गया है? और अगर यह संख्या बहुत ज़रूरी है, तो क्या कोई इसे जाँचे हुए इनपुट से दोबारा निकाल सकता है? बड़ा पेशेवर फ़ैसला हो तो एक झटपट जाँच, योग्य समीक्षा की जगह नहीं लेती। अब हम हिसाब की एक खास चीज़ पर आएँगे। तारीख़। पाँचवाँ पाठ। तारीख़, प्रशिक्षण का कटऑफ़, और जानकारी में खाली जगहें। मॉडल की एक तय रिलीज़ अपने आप चलती घड़ी नहीं है। ऐप उसे आज की तारीख़ बता सकता है। किसी साधन से स्थानीय समय ला सकता है। फिर भी तारीख़ सही लिखी हो तो यह पता लगाइए कि वह कहाँ से आई। उसी एक वाक्य से नहीं जान सकते कि उत्पाद ने लाइव घड़ी देखी। अगर सवाल किसी आवेदन की आख़िरी तारीख़, प्रमाणपत्र की मियाद या वित्तीय साल का है, तो जगह और समय क्षेत्र भी मायने रख सकते हैं। आपने किस तारीख़ से हिसाब शुरू किया, यह लिखिए। फिर मूल नियम और हिसाब देखिए। ट्रेनिंग के कटऑफ़ का सवाल अलग है। यह किसी खास रिलीज़ के प्रशिक्षण की समय सीमा के बारे में दी गई जानकारी है। यह गारंटी नहीं कि उससे पहले का हर तथ्य सीख लिया गया था। कुछ सामग्री उपलब्ध नहीं थी। कहीं रिकॉर्ड एक दूसरे से नहीं मिलते थे। कहीं सामग्री छाँट दी गई। किसी घटना पर अच्छे विवरण बाद में भी निकल सकते हैं। दूसरी तरफ़ नई बात ऐप को वर्तमान संदर्भ, खोज या बाद की रिलीज़ से मिल सकती है। मिसाल के लिए, मान लें किसी चेकपॉइंट के लिए सन दो हज़ार पच्चीस की शुरुआत का कटऑफ़ लिखा है। यह नहीं कह सकते कि उसे सन दो हज़ार चौबीस के आख़िर का हर नियम ठीक मालूम है। पुराने स्थानीय रिकॉर्ड में भी कमी हो सकती है। नई घटना अगर खूब दर्ज हुई है, तो उसकी सामग्री किसी नए संदर्भ में आसानी से मिल सकती है। कटऑफ़ की एक तारीख़ से किसी काम की विश्वसनीयता का पूरा चार्ट नहीं बनता। किताब के एक चित्र में इस बात को समझाने के लिए एक काल्पनिक रेखा है। नीचे का पैमाना बताता है कि घटना को दर्ज करने के लिए कितने महीने मिले। दूसरे पैमाने की संख्या सिर्फ़ इस बनाई हुई मिसाल की इकाई है। यह प्रतिशत नहीं है। यह किसी मॉडल की मापी हुई सटीकता भी नहीं है। अब कुछ जोड़ियाँ सुनिए। छत्तीस महीने पर सौ इकाई। चौबीस पर सत्तानवे। अठारह पर इक्यानवे। बारह महीने पर चौहत्तर। छह महीने पर पैंतालीस। तीन पर बाईस। और जब दर्ज करने के लिए शून्य महीने मिले, तब आठ इकाई। इसका मक़सद सिर्फ़ एक सम्भावना दिखाना है। किसी घटना को दर्ज करने में समय लगे तो समय के साथ उस पर अधिक सामग्री मिल सकती है। यह बारह महीने का कोई नियम, या हर घटना पर लागू होने वाली रेखा, नहीं है। आप चाहें तो यहीं रुककर सोचें। आपके शहर का पुराना बस रूट, और कल की बड़ी खेल ख़बर, दोनों के लिए इंटरनेट पर जानकारी एक ही तरह से मिलेगी? किसी मॉडल से उसके अपने कटऑफ़ के बारे में पूछना जाँच की शुरुआत हो सकती है। उसे पहले से कोई तारीख़ बताई गई हो सकती है, या वह गलत तारीख़ दे सकता है। खास रिलीज़ के लिए प्रदाता का दस्तावेज़ और ऐप में दिखती मॉडल जानकारी देखें। जहाँ ये जानकारी नहीं दिखती, उस कमी को अपने रिकॉर्ड में लिखिए। आप किस संस्करण की जाँच कर रहे थे, यह पक्का किए बिना बड़े नतीजे मत निकालिए। उस सीमा के पास कुछ तारीख़ वाले सवाल जाँचे जा सकते हैं। असली रिकॉर्ड से उत्तर पहले तय करें। नोट करें कि ऐप को खोज की सुविधा थी या नहीं। दिखता हो तो वही संस्करण, सेटिंग और दिन लिखें। ऐसी छोटी जाँच बता सकती है कि कुछ सवालों में क्या हुआ। वह हर तारीख़ के बीच की सारी जानकारी नहीं नापती। और एक गलत जवाब अपने आप यह साबित नहीं करता कि दिया हुआ कटऑफ़ गलत था। वेब की खोज नई सामग्री ला सकती है। फिर भी देखिए कि खोज हुई, कौन सा पन्ना आया, और वह पन्ना दावे का समर्थन करता है या नहीं। ऊपर दिखना किसी पन्ने की ताज़गी का प्रमाण नहीं। पाठ्यक्रम, सॉफ़्टवेयर का दस्तावेज़, सार्वजनिक छुट्टियाँ या समय के साथ बदलने वाले नियम हों, तो पन्ने की तारीख़ के साथ उसका लागू होने का समय और जगह जाँचिए। बदलने वाली बात में जवाब की आवाज़ नहीं, स्रोत की तारीख़ और उसका मतलब काम आएगा। छठा पाठ। पक्षपात कहाँ से आ सकता है। और उसे सुधारने का पता कैसे चलेगा। मान लीजिए किसी सेवा के नतीजे एक जगह अच्छे दिखते हैं। किसी दूसरी बोली में वही काम करने पर वे खराब हो जाते हैं। केवल औसत नतीजे को देखें तो फ़र्क छिप सकता है। केवल भाषा को देखें तो कारण तय नहीं हो जाता। सही सवाल है। किस काम में, किस परिस्थिति में, किसके लिए नतीजा बदला? फिर उसके प्रमाण की जाँच करनी है। किताब की आकृति में जाँच की पाँच जगहें हैं। पहली है सामग्री का संग्रह, जिसे कॉर्पस कहते हैं। इंटरनेट पर अलग-अलग समुदाय और भाषाएँ बराबर मात्रा में दर्ज नहीं हैं। लिखे हुए उदाहरणों में पेशे, नाम, जगह और लोगों के बारे में पुरानी धारणाएँ भी आ सकती हैं। दूसरी जगह है छँटाई। संग्रह बनाने वाले तय करते हैं कि कौन सा पाठ रखा जाए। सन दो हज़ार इक्कीस के एक अध्ययन ने कोलॉसल क्लीन क्रॉल्ड कॉर्पस, यानी सी फ़ोर नाम के पाठ संग्रह की जाँच की। उसकी एक शब्द सूची वाली छँटाई ने अल्पसंख्यक लोगों के लिखे या उनके बारे में लिखे पाठ को अनुपात से अधिक हटाया। यह उसी संग्रह और उस छँटाई के बारे में नतीजा है। तीसरी जगह है सिखाने के लिए दिए गए उदाहरण। उन्हें इंसान लिख सकते हैं या दूसरे मॉडल बना सकते हैं। दिशा निर्देश, चुनने की विधि और सामग्री का असर होता है। चौथी जगह है प्राथमिकता सिखाने का चरण। लोग या मॉडल तय मानदंड के मुताबिक़ कुछ जवाबों को बेहतर बता सकते हैं। इससे व्यवहार बदल सकता है। सिर्फ़ इस चरण का होना नहीं बताता कि किसी समूह के साथ क्या हुआ। पाँचवीं जगह है इस्तेमाल में आया उत्पाद। ऐप के नियम और नियंत्रण हानिकारक नतीजे कम कर सकते हैं। फिर भी कोई एक निर्देश या एक माप इंसाफ़ की पूरी जाँच नहीं है। तीन अलग तरह के अध्ययन सुनिए। सन दो हज़ार चौबीस में ब्लूमबर्ग के एक प्रयोग में बायोडाटा पर रखे नाम बदलने के साथ क्रम में फ़र्क दिखा। वह एक प्रयोग था। उसने किसी कंपनी में किसे नौकरी मिली, यह नहीं मापा। सन दो हज़ार उन्नीस की एक जाँच ने आठ लक्ष्य भाषाओं में अनुवाद प्रणालियाँ परखीं। कुछ नतीजों में पेशे के आधार पर लिंग की रूढ़ धारणाएँ दिखीं। ठीक अनुवाद तय करते समय वाक्य में दिया गया संदर्भ और माँगी गई भाषा, दोनों देखने होते हैं। सन दो हज़ार चौबीस के एक नेचर अध्ययन ने अफ़्रीकन अमेरिकन इंग्लिश और मानक अमेरिकी अंग्रेज़ी के उदाहरणों पर जवाबों की तुलना की। जाँचे गए मॉडलों में बोली से जुड़ी नकारात्मक धारणाएँ दिखीं। काम पर रखने और आपराधिक न्याय से जुड़े उनके सवाल काल्पनिक थे। यह असली नौकरी या सज़ा का रिकॉर्ड नहीं है। परीक्षण में सीधे पूछे गए रूढ़ विचार और बोली से उभरे नतीजे अलग थे। जिन मॉडलों में इंसानी फ़ीडबैक इस्तेमाल हुआ था, उनमें भी इस परीक्षण में बोली से जुड़ा फ़र्क बना रहा। इससे यह नहीं निकलता कि हर सुधार एक तय मात्रा का पक्षपात कहीं और भेज देता है। एक माप अच्छा हो जाए तो उसी माप के बारे में बात कीजिए। अगर अपमानजनक शब्द कम हुए, तो यह उपयोगी बदलाव हो सकता है। फिर भी देखिए कि असली काम पर किसे गलत ढंग से रोका जा रहा है, या किसे लगातार खराब सलाह मिल रही है। कभी सामग्री की समीक्षा, कभी लक्षित प्रशिक्षण, कभी ऐप में सीमित विकल्प और कभी नतीजों की अलग जाँच मदद कर सकती है। हर बदलाव का लाभ और नुकसान असली काम में नापना है। जहाँ बात लोगों के बारे में फ़ैसले की हो, सामान्य मॉडल की सिफ़ारिश को अकेला आधार मत बनाइए। ज़रूरत से बाहर के नाम या तस्वीर जैसे संकेत हटाने पर वे संकेत कम हो सकते हैं। लिखावट या पुरानी जानकारी में उनके दूसरे संकेत रह सकते हैं। ज़रूरी संदर्भ हटाने का असर भी सोचें। अलग-अलग समूहों के लिए ऐसी गलती नापें जो उस फ़ैसले में मायने रखती है। नमूना कितना बड़ा था, नतीजे में कितनी अनिश्चितता है, और निजी जानकारी कैसे सँभाली गई, यह भी देखिए। याद रखने के लिए एक छोटा परीक्षण। दो बायोडाटा में प्रासंगिक योग्यता वही रखें और देखें कि सिर्फ़ नाम बदलने पर सिफ़ारिश बदलती है या नहीं। कोई फ़र्क दिखे तो ठीक कारण जानने की जाँच अलग होगी। सीधे पूछा गया सवाल और बोली का संकेत भी अलग परीक्षण हो सकते हैं। आखिर में लोगों को पता होना चाहिए कि कौन फ़ैसला देखेगा, गलती कैसे सुधरेगी और वे अपनी बात कहाँ कह सकेंगे। विनम्र जवाब, अपने आप में, निष्पक्ष फ़ैसला नहीं है। सातवाँ पाठ। रीजनिंग मॉडल, और उनकी दिखाई हुई व्याख्या से हम क्या जान सकते हैं। कभी किसी ऐप में जवाब से पहले कुछ देर रुकावट दिखती है। कहीं काम के चरण दिखते हैं। कहीं एक छोटा सारांश। कहीं सिर्फ़ एक निशान कि प्रणाली काम कर रही है। सन दो हज़ार चौबीस के आख़िर से कई कंपनियों ने रीजनिंग या थिंकिंग नाम से प्रणालियाँ पेश कीं। स्क्रीन पर क्या दिखाई देगा, यह उत्पाद तय करता है। दिखाई दिया हिस्सा पूरी गणना नहीं है। कुछ प्रणालियाँ जवाब बनाने में अतिरिक्त मेहनत कर सकती हैं। वे और पाठ तैयार कर सकती हैं, कोई रास्ता खोज सकती हैं, किसी हल को जाँचने वाला साधन चला सकती हैं, या इन तरीकों को जोड़ सकती हैं। ज़्यादा टोकन बनाना एक तरीका है। हर प्रणाली की ट्रेनिंग या हर सवाल में इस्तेमाल हुआ तरीका एक जैसा नहीं है। तय गणित और कोड की कुछ परीक्षाओं में कुछ रीजनिंग प्रणालियों के नतीजे बेहतर हुए हैं। इसका अर्थ यह नहीं कि पुराने मॉडल कोई गणित नहीं कर सकते थे, या नया मॉडल हर कठिन गणना ठीक करेगा। एक दर्ज उदाहरण डीपसीक आर वन है। जनवरी सन दो हज़ार पच्चीस में डीपसीक ने आर वन के सीखे हुए मान और तकनीकी रिपोर्ट जारी की। रिपोर्ट ने आर वन ज़ीरो के रीइन्फ़ोर्समेंट लर्निंग प्रयोग को आर वन से अलग बताया। आर वन में शुरुआती तैयार उदाहरणों वाला चरण और दूसरे प्रशिक्षण चरण भी थे। इन दोनों को एक ही तरीका समझने से रिपोर्ट का मतलब बदल जाएगा। रिपोर्ट उस उदाहरण के लिए प्रमाण है। उससे हर कंपनी की विधि या सारे प्रशिक्षण इनपुट नहीं मालूम होते। अतिरिक्त काम का चुनाव करते समय तीन चीज़ें सुनिए। पहला, पैसा। अगर सेवा का बिल टोकन पर बनता है, तो कुछ सेवाएँ अतिरिक्त लिखे या अंदर इस्तेमाल हुए रीजनिंग टोकन भी गिन सकती हैं। योजना के नियम देखें। दूसरी सेवा की सदस्यता में हिसाब अलग हो सकता है। दूसरा, समय। अतिरिक्त काम देर बढ़ा सकता है। असली समय में मॉडल, सेवा और साधन भी असर डालते हैं। अपने काम में नापिए। तीसरा, काम से मेल। छोटे सारांश, जानकारी निकालने और अनुवाद के हर उदाहरण में एक ही सेटिंग अच्छी नहीं होगी। सरल और अधिक मेहनत वाली दोनों सेटिंग को असली उदाहरणों पर परखें। अब सबसे ज़रूरी फ़र्क। किसी ने सवाल हल करने का तरीका लिखा है। क्या हम उस लिखे हुए तरीके को हर असली कारण का रिकॉर्ड मान सकते हैं? नहीं। सन दो हज़ार पच्चीस में एंथ्रोपिक की एक जाँच ने कुछ सवालों के दो रूप देखे। एक में छुपा हुआ संकेत था और दूसरे में नहीं। जाँचे गए मॉडलों में क्लॉड तीन दशमलव सात सॉनेट और डीपसीक आर वन थे। कई ऐसे जवाबों की दिखाई हुई व्याख्या में वह संकेत नहीं आया, हालाँकि संकेत से जवाब प्रभावित हुआ था। यह उन्हीं परीक्षणों में अधूरी व्याख्या का प्रमाण है। यह हर आज के मॉडल की पूरी अंदरूनी प्रक्रिया नहीं बताता। तो दिखाई हुई व्याख्या को कैसे इस्तेमाल करें? उसमें मान्यता गलत दिखे तो उसे पकड़िए। गणना की हर ज़रूरी कड़ी को स्वतंत्र साधन से जाँचिए। अगर चरण सही हैं और नतीजा मिलता है, तो वह जाँचा हुआ हल उपयोगी है। इससे यह साबित नहीं होता कि जवाब पर असर डालने वाली हर बात व्याख्या में थी। किसी ऐप का मॉडल अपनी बात लम्बी लिख दे, तो लम्बाई को सही तर्क का माप मत बनाइए। अपने काम के लिए सही चुनाव में जवाब की गुणवत्ता, जाँच की मेहनत, इंतज़ार और असली कीमत साथ रखिए। किसी उत्पाद की व्याख्या सुनकर ऐसा लग सकता है कि अब हम उसके भीतर की हर बात देख रहे हैं। उस एहसास को पूरी जाँच का दर्जा न दें। जब अगली बार चरण दिखें, सोचिए कि उनमें कौन सी बात आप अभी परख सकते हैं। यही अभ्यास ज़्यादा भरोसेमंद होगा। आठवाँ पाठ। जब पढ़ने के लिए दिया दस्तावेज़, मॉडल को काम बदलने का निर्देश दे। सोचिए शिक्षक ने कहा, यह पन्ना पढ़कर कहानी का सार लिखो। पन्ने के बीच किसी ने एक चिट रख दी। उस पर लिखा है कि सार छोड़कर कोई और काम करो। चिट भी पढ़ने वाली सामग्री के साथ आई है। इससे उसे शिक्षक का अधिकार नहीं मिल गया। कोई ऐप भी दस्तावेज़ से पाठ निकालता है। उस पाठ में ऐसे निर्देश आ सकते हैं जिन्हें ऐप को केवल सामग्री की तरह देखना चाहिए। कई चैट प्रणालियाँ अलग तरह के संदेश अलग रखती हैं। ऐप के नियम, उसका काम तय करने वाले निर्देश, उपयोगकर्ता का सवाल और किसी साधन से आया जवाब, सबकी भूमिका एक नहीं होती। प्रशिक्षण मॉडल को इन भूमिकाओं में फ़र्क करना सिखा सकता है। फिर भी कभी मॉडल पढ़ने वाली सामग्री में लिखी बात को चलाने वाला निर्देश समझ लेता है। इस जोखिम को प्रॉम्प्ट इंजेक्शन कहते हैं। यहाँ हमारा काम उसे पहचानना और नुकसान की गुंजाइश घटाना है। कोई उपयोगकर्ता सीधे संदेश में मॉडल को उसका काम बदलने को कह सकता है। इसे सीधा तरीका कहते हैं। अप्रत्यक्ष मामले में बात किसी बाहरी सामग्री में पहुँचती है। उदाहरण के लिए किसी वेबसाइट, ईमेल या साझा दस्तावेज़ की वह सामग्री जिसे सहायक पढ़ रहा है। पढ़ने के लिए मिली बात, चाहे किसी परिचित जगह से आई हो, अपने आप नया अधिकार नहीं देती। फ़र्क इस बात से पड़ता है कि ऐप क्या पढ़ सकता है, उसे क्या करने की अनुमति है, और नियम कहाँ लागू होते हैं। सिर्फ़ पाठ लिखने वाला मॉडल गलत जवाब दे सकता है। अगर ऐप उसके साथ फ़ाइल, संदेश या कोई दूसरा काम करने का साधन जोड़ता है, तो गलती के नतीजे बदल जाते हैं। ऐप में कौन सी जानकारी दिखती है, कौन सा साधन खुला है और कार्रवाई को कौन मंज़ूरी देता है, इन सबकी अलग जाँच चाहिए। किसी एक प्रयोग में हुई गलती का मतलब यह नहीं कि हर सहायक या हर दस्तावेज़ वही असर पैदा करेगा। जोखिम तय करने के लिए असली उत्पाद और उसकी सीमाएँ देखिए। एक नियम शुरू से उपयोगी है। काम के लिए जितनी पहुँच चाहिए उतनी ही दीजिए। अगर केवल पढ़ना है, तो लिखने या भेजने का अधिकार न दीजिए। अगर पैसे, फ़ाइल मिटाने, निजी जानकारी साझा करने या कोई संदेश भेजने की बात है, तो उस कार्रवाई की अनुमति ऐप में अलग से परखी जानी चाहिए। सामग्री पढ़ने की इजाज़त, उस सामग्री में कही हर बात करने की इजाज़त नहीं है। निजी जानकारी और बाहरी सामग्री साथ हों तो इन नियंत्रणों को खास तौर पर परखें। रोज़मर्रा का एक अलग जोखिम भी है। किसी की नकल करती आवाज़ या साफ़ लिखा झूठा संदेश, अपने आप प्रॉम्प्ट इंजेक्शन नहीं है। लेकिन दोनों धोखे में इस्तेमाल हो सकते हैं। सन दो हज़ार तेईस में अमेरिका के फ़ेडरल ट्रेड कमीशन ने परिचित व्यक्ति की नकल करने वाली आवाज़ के बारे में चेतावनी दी। आवाज़ परिचित लगे, तब भी अचानक आई आपात मदद की माँग को अपने पास पहले से मौजूद नंबर या किसी भरोसेमंद रास्ते से जाँचिए। स्क्रीन पर दिखता नंबर, आवाज़ या परिवार का कोई साझा शब्द भी अचूक नहीं है। अचानक संपर्क, जल्दी करने का दबाव, किसी को न बताने की माँग, अजीब भुगतान का रास्ता या बिना माँगा लिंक, ये रुककर देखने के संकेत हैं। किसी एक संकेत से अपराध साबित नहीं होता। और साफ़ भाषा देखकर भरोसा कर लेना भी ठीक नहीं। दूसरी तरफ़ किसी का संदेश व्याकरण में थोड़ा कमज़ोर हो तो उससे धोखा साबित नहीं होता। संदेश के दावे और कार्रवाई को भरोसेमंद रास्ते से जाँचिए। उस पन्ने की चिट फिर याद कीजिए। उसे पढ़ सकते हैं। उसका ज़िक्र सारांश में कर सकते हैं। लेकिन वह शिक्षक बनकर नया काम तय नहीं कर सकती। बाहरी पाठ को जाँचने की सामग्री समझें। ज़रूरी अधिकार और जाँच ऐप में अलग रखें। अगले पाठ में हम देखेंगे कि आज जिस व्यवस्था पर आप भरोसा कर रहे हैं, कल उसमें कौन सी चीज़ बदल सकती है। नौवाँ पाठ। आपने जिस प्रणाली को परखा था, आज वही चल रही है या नहीं। मान लीजिए महीने भर पहले आपने किसी ऐप से स्कैन किए हुए बिलों की तारीख़ें निकालीं। नतीजा ठीक था। आज तीन बिलों पर तारीख़ गलत आई। ऐप का नाम और स्क्रीन पुराने जैसे हैं। क्या प्रदाता ने मॉडल चुपचाप बदल दिया? हो सकता है। लेकिन इस जानकारी से कारण तय नहीं है। मॉडल, दस्तावेज़, स्कैन की गुणवत्ता, लिखे हुए निर्देश और जवाब बनाने की सेटिंग, सब पहले जैसे थे या नहीं, देखना होगा। साधारण सॉफ़्टवेयर की तरह एआई सेवाएँ भी बदलती हैं। कोई प्रदाता उसी मॉडल नाम के पीछे नया चेकपॉइंट लगा सकता है। कोई अनुरोध को अलग हिस्सों तक भेज सकता है। कोई सेवा तारीख़ वाली तय रिलीज़ या स्थानीय चेकपॉइंट देती है। ऐप में कोई छोटा प्रयोग भी चल सकता है। अलग जवाब का मतलब हर बार अलग प्रणाली नहीं होता। जवाब चुनने में बदलाव, इनपुट के अलग हिस्से या गणना के छोटे फ़र्क भी असर डाल सकते हैं। अगर इस काम का नतीजा आपके लिए मायने रखता है, तो तारीख़, उपलब्ध संस्करण, सेटिंग और ठीक वही इनपुट लिख लें। रिलीज़ की सूचना और उत्पाद की दिखाई हुई जानकारी देखें। जो नहीं दिखता, उसे अज्ञात रखें। नई नीति, खोज का नया तरीका या नया चेकपॉइंट किसी काम में सुधार ला सकता है और दूसरे में गिरावट। बस तीन खराब जवाबों से न तो पूरे मॉडल की असफलता दर मालूम होती है, न यह कि बदलाव क्यों आया। तीन उदाहरण जाँच शुरू करने के लिए अच्छे हो सकते हैं। एक छोटा निजी परीक्षण बनाइए। पाँच से दस ऐसे काम चुनें जो आप सच में करते हैं। उनके असली जैसे इनपुट रखिए, जहाँ निजी जानकारी सुरक्षित रखना सम्भव हो। हर काम में दो या तीन ऐसी बातें लिखिए जो अच्छे जवाब में होनी चाहिए, या बिल्कुल नहीं होनी चाहिए। ठीक वही वाक्य माँगने की ज़रूरत नहीं। अगर बिल से तारीख़ निकालनी है तो सही तारीख़ चाहिए, उसके आसपास ठीक जानकारी चाहिए, और पढ़ न सके तो अनुमान से नई तारीख़ नहीं चाहिए। ये उदाहरण फिर चलाइए जब कुछ बदलता लगे, नया साधन लेना हो या प्रदाता नया संस्करण बताए। तुलना में इनपुट और मानदंड वही रखें। कभी-कभी एक ही व्यवस्था के दो प्रयास अलग होते हैं। दोहराकर देखने से कुछ बदलाव समझ सकते हैं। इतने छोटे परीक्षण से दुर्लभ या महँगी गलतियों की पूरी जाँच नहीं होती। फिर भी आप कह सकते हैं कि इन तय स्कैन किए बिलों से तारीख़ें निकालने में यह दिक्कत आई। यह कहने से ज़्यादा काम की बात है कि ऐप बस खराब लग रहा है। अगर आप इसी सेवा पर अपना ऐप बना रहे हैं, तो जहाँ उपलब्ध हो, जाँच के लिए किसी तय रिलीज़ का इस्तेमाल करें। अपने निर्देश, साधन का कोड और प्रासंगिक डेटा का संस्करण भी रखें। सिर्फ़ मॉडल की तारीख़ लिख देने से ऐप के बाकी हिस्से तय नहीं हो जाते। हर जवाब हूबहू वही आए, इसकी भी गारंटी नहीं। प्रदाता की असली नीति देखें कि पुराने संस्करण कब तक चलते हैं और बदलने की सूचना कहाँ मिलेगी। यह मत मानिए कि हर सेवा कई महीने पहले संदेश भेजेगी। बदलने से पहले पुराने और नए संस्करण पर वही परीक्षण चलाएँ। नया मॉडल किसी दूसरी परीक्षा में आगे हो सकता है, फिर भी आपका खास काम उससे खराब हो सकता है। आख़िर में अपने इनपुट भी देखें। क्या दस्तावेज़ लंबा हुआ? फ़ाइल का रूप बदला? नई जानकारी जोड़ी गई? खोज की सेटिंग बदल गई? इनकी जाँच के बिना हर गलती को मॉडल के बदलने पर मत डालिए। एक दिनांकित रिकॉर्ड रखकर सवाल को जाँचने लायक़ बनाया जा सकता है। अगले पाठ में देखेंगे कि किसी तस्वीर, आवाज़ या निबंध के बारे में प्रमाण जुटाना क्यों इतना ज़रूरी है। दसवाँ पाठ। बनाई गई तस्वीरें, आवाज़ें और पाठ। और प्रमाण की जाँच। कोई तस्वीर असली लग सकती है और फिर भी बनाई गई हो सकती है। कोई असली तस्वीर गलत कैप्शन के साथ घूम सकती है। किसी वीडियो का छोटा हिस्सा कहानी बदल सकता है। जाँच करने वाला सॉफ़्टवेयर जिस सामग्री पर परखा गया, उससे नई सामग्री अलग हो सकती है। संपादन, स्क्रीनशॉट या फ़ाइल को छोटा करने से भी कुछ निशान बदल सकते हैं। हाथ की बनावट, अक्षर की गड़बड़ी या आवाज़ में खिंचाव आपको रुककर देखने को कह सकते हैं। इनमें से कोई एक निशान असलियत की मुहर नहीं है। अब सुनिए पाठ की जाँच का एक दर्ज उदाहरण। यह तस्वीर या आवाज़ पहचानने की जाँच नहीं थी। सन दो हज़ार तेईस के लियांग और साथियों के अध्ययन में सात पाठ डिटेक्टर थे। उन्होंने इंसानों के लिखे इक्यानवे निबंध परखे। ये टेस्ट ऑफ़ इंग्लिश ऐज़ अ फ़ॉरेन लैंग्वेज, यानी टॉफ़ल, के निबंध थे। सातों डिटेक्टरों में औसतन इकसठ दशमलव दो दो प्रतिशत को ग़लती से एआई का लिखा बताया गया। अब दूसरे समूह को अलग पहचानिए। ये वही इक्यानवे निबंध थे, जिनमें चैट जी पी टी ने शब्दों के चुनाव में संपादन किया था। उन संपादित निबंधों को एआई का लिखा बताने की औसत दर ग्यारह दशमलव सात सात प्रतिशत थी। तीसरा समूह अमेरिका की आठवीं कक्षा के अट्ठासी निबंधों का था। उस समूह को एआई का लिखा बताने की औसत दर पाँच दशमलव एक नौ प्रतिशत थी। किताब की आकृति में इन तीन औसतों को पास के पूरे अंक में दिखाया है। इकसठ, बारह और पाँच प्रतिशत। ये उस जाँच में, उन उदाहरणों और उन सात साधनों के नतीजे हैं। किसी एक निबंध पर आज दिखा प्रतिशत, उस निबंध के लेखक की भरोसेमंद सम्भावना नहीं बन जाता। इस जाँच ने हर दूसरी भाषा, छात्र या आज का हर डिटेक्टर नहीं मापा। एक और ऐतिहासिक उदाहरण। जुलाई सन दो हज़ार तेईस में ओपन एआई ने अपनी पाठ पहचान सेवा कम सटीकता की वजह से हटा ली। उसने उसे फ़ैसले का मुख्य साधन बनाने के ख़िलाफ़ चेताया था। किसी विद्यार्थी पर आरोप लगाने में संस्था को ऐसे प्रमाण चाहिए जिनका विद्यार्थी जवाब दे सके। कोई अकेला सॉफ़्टवेयर अंक, लेखक की पहचान या नियम टूटने का फ़ैसला नहीं है। एक दूसरा रास्ता है फ़ाइल की उत्पत्ति के रिकॉर्ड की जाँच। इसे प्रोवेनेंस कहते हैं। सी टू पी ए के कंटेंट क्रेडेंशियल्स, किसी तस्वीर या दूसरी सामग्री के साथ जुड़ी हस्ताक्षरित जानकारियाँ दे सकते हैं। जाँच से देख सकते हैं कि हस्ताक्षर के बाद रिकॉर्ड बदला है या नहीं और वह इस फ़ाइल से सही तरह जुड़ा है या नहीं। यह भी देखिए कि हस्ताक्षर किसके प्रमाणपत्र से जुड़ा है और उस प्रमाणपत्र पर भरोसा क्यों किया जा रहा है। यह पता लगाने में मदद मिल सकती है कि फ़ाइल कहाँ से आई। एक सही हस्ताक्षर भी यह साबित नहीं करता कि तस्वीर में दिखती घटना सच है या दर्ज की गई हर बात सही है। रिकॉर्ड फ़ाइल में हो सकता है, अलग रखा जा सकता है, या समर्थित तरीकों से वापस मिल सकता है। संपादन या स्क्रीनशॉट से कुछ कड़ियाँ टूट सकती हैं। रिकॉर्ड न दिखे तो उससे सामग्री असली या नकली साबित नहीं होती। दिखे तो देखिए कि वह किस बात की पुष्टि करता है और किस पर भरोसा किया जा रहा है। अब उलटा नुकसान सोचिए। कोई व्यक्ति अपने असली काम का रिकॉर्ड देखकर कह दे कि यह सब नकली है। चेज़्नी और सिट्रन ने इसे लायर्स डिविडेंड कहा। नकली सामग्री बन सकने की बात का इस्तेमाल करके असली प्रमाण से इनकार करना। इससे न कोई आरोप अपने आप सही होता है, न कोई इनकार। तस्वीर या आवाज़ की शुरुआती फ़ाइल और अलग प्रमाण देखें। इसे इस दावे में न बदलें कि यह नुकसान हमेशा नकली सामग्री से हुए नुकसान से बड़ा है। जाँच के कुछ ठोस काम हैं। सबसे पुरानी उपलब्ध प्रति, उसे जारी करने वाले व्यक्ति या संस्था और सम्भव हो तो मूल फ़ाइल तक जाइए। दूसरा प्रमाण अलग स्रोत से हो। एक ही पोस्ट की दो नकलें दो स्वतंत्र गवाह नहीं हैं। तस्वीर की उलटी खोज पुराने इस्तेमाल का पता दे सकती है। नतीजा न मिले तो यह प्रमाण नहीं कि तस्वीर नयी या बनाई गई है। किसे इस दावे से फ़ायदा है, यह सवाल जाँच की दिशा दे सकता है। उससे लेखक या सच तय नहीं होता। जब कोई बात आपको गुस्सा या डर दिलाकर तुरन्त साझा करने को कहे, रुकिए। मूल सामग्री और अलग पुष्टि खोजिए। ज़रूरी प्रमाण नहीं मिला, तो दावा खुला छोड़िए। किसी एक साधन से पक्का जवाब लेने की मजबूरी नहीं है। अगले पाठ में इसी जाँच को भाषा के फ़र्क पर लगाएँगे। ग्यारहवाँ पाठ। भाषा बदलने पर नतीजा भी बदल सकता है। अपने काम की जाँच कैसे करें। किसी शिक्षक को मराठी में अभिभावकों के लिए सूचना बनानी है। ऐप अंग्रेज़ी में साफ़ लिखता है। मराठी में भी वाक्य साफ़ सुनाई देते हैं। लेकिन क्या उसने तारीख़, नाम, जगह और निर्देश का मतलब सही रखा? दोनों जवाब पढ़ने वाले लोगों की मदद से जाँचिए। अलग भाषाओं में बराबर काम रखें। जवाब को उस भाषा के जानकार और मूल रिकॉर्ड से मिलाएँ। कुछ अध्ययनों ने खास प्रणालियों में भाषा के साथ नतीजे बदलते देखे हैं। इससे यह नियम नहीं बनता कि अंग्रेज़ी हर काम और हर माप में आगे है। देखने की तीन जगहें हैं। पहली, प्रशिक्षण की सामग्री। अलग मॉडलों की सामग्री में भाषाओं का मेल अलग है। कई बार पूरी जानकारी सार्वजनिक नहीं होती। काम की स्थानीय सामग्री कम हो सकती है। पर किसी भाषा को बोलने वालों की संख्या, या इंटरनेट पर उसका दिखना, यह नहीं बताता कि मॉडल उसके इतिहास, नियम या स्वास्थ्य व्यवस्था की हर बात जानता है। दूसरी जगह है टोकन बनना। एक ही बात दो भाषाओं में अलग संख्या के टुकड़ों में बँट सकती है। यह उसी पाठ और उसी मॉडल के टोकनाइज़र पर निर्भर है। सेवा टोकन से बिल बनाती है तो उसकी शर्तें देखिए। ज़्यादा टोकन से अपने आप यह साबित नहीं होता कि भाषा का अर्थ कम समझा गया, या गलत जवाब की वजह यही थी। तीसरी जगह है बाद का प्रशिक्षण। सिखाने के उदाहरण, फ़ीडबैक और जाँच अलग भाषाओं में बराबर हों, यह मानकर न चलें। जहाँ रिपोर्ट मिले, खास मॉडल की रिपोर्ट देखें। फिर अपने काम पर जाँचें। सुरक्षा की जाँच भी अलग भाषाओं में होनी चाहिए। सन दो हज़ार तेईस में जारी एक अध्ययन में शोधकर्ताओं ने जी पी टी फ़ोर के एक संस्करण को परखा। उस परीक्षण में कुछ भाषाओं में सुरक्षा की रोक एक जैसी काम नहीं कर रही थी। इस बात से अपने काम और अपनी भाषाओं में सुरक्षा परखने की वजह मिलती है। इससे आज के हर संस्करण की दर नहीं मिलती, हर भाषा की रैंकिंग नहीं होती, और हर प्रदाता ने क्या प्रशिक्षण दिया, यह नहीं पता चलता। अच्छी भाषा और भरोसेमंद सुरक्षा अलग-अलग जाँचें हैं। कभी गलती शब्दों में नहीं, मान ली गई जगह में होती है। कोई जवाब किसी दूसरे देश के स्कूल, स्वास्थ्य सेवा या नियम को मानकर लिखा जा सकता है। कोई दवा वहाँ दूसरे नाम से मिल सकती है। कोई समय सीमा उस राज्य में लागू न हो। सवाल में जगह और तारीख़ बता देने से संदर्भ साफ़ होगा। जवाब में उसी जगह का नाम लिख आना भी पर्याप्त नहीं। सही संस्था का वर्तमान दस्तावेज़ खोलकर अर्थ मिलाइए। अपनी भाषा में सीधे पूछना, किसी जानकार से जाँचा अनुवाद देना, और अंग्रेज़ी से वापस स्थानीय भाषा में लाना, ये तीन अलग रास्ते परखे जा सकते हैं। पहले कुछ ऐसे उदाहरण चुनें जिनके जवाब आप जाँच सकें। किसी सवाल का अंग्रेज़ी में होना यह नहीं बताता कि मॉडल भीतर अंग्रेज़ी में सोच रहा था। अनुवाद में ज़रूरी मतलब बदला या नहीं, उसे अलग से देखें। कुछ दर्ज औज़ारों के नाम सुनिए। आया के सन दो हज़ार चौबीस के मूल मॉडल को एक सौ एक भाषाओं में निर्देशों पर सिखाया गया था। बाद की रिलीज़ का काम और लाइसेंस अलग हो सकता है। एआई फ़ॉर भारत का इंडिक ट्रांस टू, भारत की बाईस अनुसूचित भाषाओं के लिए अनुवाद मॉडलों का परिवार है। यह अपने आप सामान्य चैट सहायक नहीं है। सर्वम और कृत्रिम के पास भारतीय भाषाओं के लिए अलग मॉडल या सेवाएँ हैं। जिस काम और जिस संस्करण की ज़रूरत हो, उसकी शर्तें और भाषा जाँचिए। भाषिणी भारत सरकार का भाषा तकनीक मंच है। डेवलपर की सेवाओं के लिए उसके पंजीकरण और पहुँच की शर्तें देखें। किसी मंच की ए पी आई उपलब्ध होना यह नहीं कहता कि आप उसका पूरा मॉडल अपने कंप्यूटर पर चला सकते हैं। ब्लूम मॉडल के प्रशिक्षण में छियालीस प्राकृतिक भाषाएँ और तेरह प्रोग्रामिंग भाषाएँ थीं। उसके प्रकाशित वज़न की ज़िम्मेदार इस्तेमाल वाली लाइसेंस शर्तें हैं। ये गिनतियाँ भाषा की गुणवत्ता की रैंकिंग नहीं हैं। अब एक काल्पनिक तुलना। मान लीजिए एक काम में एक भाषा पर नब्बे प्रतिशत सही जवाब आए और दूसरी पर सत्तर। ये समझाने के लिए बनाए गए अंक हैं। अडाली की माप नहीं। पहले बताइए कि सही किसे गिना। फिर देखिए कौन सी गलतियाँ गंभीर थीं, कितने सवाल चले और नतीजा कितना अनिश्चित है। दूसरे काम, भाषा या विद्यार्थी के लिए नतीजा ऐसे ही लागू न करें। अगर दोनों जवाब एक जैसे साफ़ दिखें तो भी यही जाँच करें। अब एक काल्पनिक कॉलेज का मामला सुनेंगे, जहाँ भाषा और प्रमाण का यह फ़र्क विद्यार्थियों के लिए मायने रखता था। अब एक मामला सुनिए। छब्बीस निबंधों पर शक। यह समझाने के लिए बनाया गया काल्पनिक मामला है। जगह है तिरुचिरापल्ली का एक स्वायत्त कला और विज्ञान कॉलेज। किसी असली कॉलेज या विद्यार्थी के बारे में यह रिपोर्ट नहीं है। पहले साल की अंग्रेज़ी की अध्यापिका ने विभाग में एक मुफ़्त एआई डिटेक्टर के बारे में सुना। उसमें खाता बनाना नहीं पड़ता था। उन्होंने आंतरिक मूल्यांकन के एक सौ बीस निबंध एक शाम, एक-एक करके उसमें डाले। छब्बीस पर अंक अस्सी प्रतिशत से ऊपर था। चार पर पचानवे से भी ऊपर। स्क्रीन ने कहा कि उन निबंधों के एआई से बने होने की सम्भावना है। स्क्रीन की बात और असली सम्भावना का प्रमाण, दो अलग चीज़ें थीं। विभाग की बैठक में एक बात दिखी। छब्बीस में से इक्कीस विद्यार्थी तमिल माध्यम के स्कूल से आए थे। सबसे ऊपर का अंक छियानवे था। वह उस छात्रा का निबंध था जिसने पिछले साल बोलचाल की अंग्रेज़ी सीखी थी। कहानी में उसने यह निबंध ख़ुद लिखा था। उसकी लिखावट में छोटे सीधे वाक्य थे, कुछ शब्द बार-बार आए थे और वह जोड़ने के लिए वही तीन शब्द लगाती थी। उसके निबंध में ये बातें दिखना, अपने आप यह नहीं बताता था कि उसे किसने लिखा। इस कहानी के कॉलेज के नियम में विभाग प्रमुख आंतरिक मूल्यांकन का फ़ैसला कर सकते थे। उस अधिकार का होना भी पर्याप्त नहीं था। निष्पक्ष प्रक्रिया के लिए ऐसी बात चाहिए थी जिसका विद्यार्थी जवाब दे सके। विभाग के पास ऐसी लिखावट पर उस डिटेक्टर की जाँच का रिकॉर्ड नहीं था। उसे यह भी नहीं मालूम था कि इस तरह की लिखावट पर साधन कितनी बार गलत निशान लगाता है। एक शिक्षक ने सन दो हज़ार तेईस का अध्ययन ढूँढ़ा। उसमें सात साधनों ने बहुत से इंसानों के लिखे टॉफ़ल निबंधों पर गलत निशान लगाया था। लेकिन उस शोध की सामग्री और साधन इस कॉलेज के समान नहीं थे। उससे यहाँ की जाँच में एक उचित सवाल उठा। इन विद्यार्थियों की स्कूली भाषा ने ये निशान पैदा किए, इसका प्रमाण उससे नहीं मिला। फिर दो बातें सामने आईं। एक छात्र ने अपनी ओर से बताया कि उसने निबंध के ज़्यादातर हिस्से के लिए चैटबॉट इस्तेमाल किया था। उसके निबंध का अंक चौंतीस प्रतिशत था। वह छब्बीस की सूची में नहीं था। दूसरी छात्रा ने अपना निबंध ख़ुद लिखा था। उसके निबंध पर अट्ठासी प्रतिशत का निशान था। उसने कहा, अब तो सब चीज़ों को एआई कह देते हैं। वह समिति के सामने आने को तैयार नहीं हुई। गलत शक से अपने काम को साबित करने का बोझ उस पर पड़ गया था। अब एक अध्यापिका ने दो पुराने लेखों को परखा, जिनके इंसान के लिखे होने का अलग रिकॉर्ड था। एक बोर्ड की सन दो हज़ार ग्यारह की पाठ्यपुस्तक के दो अनुच्छेद थे। दूसरा उनकी सन दो हज़ार नौ की थीसिस का हिस्सा। साधन ने उन पर उन्नासी और इक्यानवे के अंक दिए। पुराने साल होना अकेले प्रमाण नहीं है कि उस समय पाठ बनाने की कोई तकनीक थी ही नहीं। इन दो दस्तावेज़ों के असली रिकॉर्ड से पता था कि इन्हें किसने लिखा। दोनों इंसानी लेखों को ऊँचे अंक मिले। कॉलेज की अस्सी से ऊपर वाली सीमा पर इक्यानवे वाले लेख पर गलत निशान लगता। उन्नासी वाले लेख पर उस सीमा से निशान नहीं लगता। इन दो उदाहरणों से पूरे डिटेक्टर की गलती की दर नहीं निकली। स्क्रीन पर दशमलव के दो अंक भी दिख सकते थे। ज़्यादा अंक दिखने से नतीजा ज़्यादा सही नहीं हो जाता। किसी ने नहीं जाँचा था कि प्रतिशत किस चीज़ का था। साधन बनाने वालों ने उसे किस लिखावट पर परखा था? उन शर्तों का यहाँ के विद्यार्थियों से क्या मेल था? इसकी जानकारी के बिना उसे किसी एक निबंध के एआई से लिखे होने की भरोसेमंद सम्भावना नहीं पढ़ सकते थे। दोनों तरफ़ नुकसान हो सकता था। अगर नियम के ख़िलाफ़ ली गई मदद छिप जाए, तो मूल्यांकन कमज़ोर हो सकता है। अगर अपने काम पर गलत आरोप लगे, तो विद्यार्थी को नुकसान हो सकता है और संस्था पर भरोसा टूट सकता है। इक्कीस तमिल माध्यम विद्यार्थियों वाला पैटर्न जाँचने की वजह था। कारण तय करने की वजह नहीं। विभाग को ऐसी प्रक्रिया चाहिए थी जिसमें दोनों गलतियों की गुंजाइश देखी जाए और विद्यार्थी अपनी बात कह सके। कहानी में आगे क्या हुआ? समिति ने डिटेक्टर पर आधारित निष्कर्ष वापस लिया। सभी एक सौ बीस विद्यार्थियों ने एक छोटा अनुच्छेद लिखा। ज़रूरत के मुताबिक़ सुविधाएँ दी गईं। छब्बीस विद्यार्थियों को अपने पुराने निबंध में किया कोई चुनाव समझाने को कहा गया। चौबीस ऐसा कर पाए। दो मामलों में आगे की समीक्षा की ज़रूरत पड़ी। उन्हें अपने आप दोषी नहीं मान लिया गया। जिस छात्र ने चैटबॉट इस्तेमाल करना बताया था, उसका अंक चौंतीस था। वह मामला छब्बीस से अलग था और उसी प्रकाशित नियम के तहत देखा गया। जो छात्रा बैठक में नहीं आई, उसे लिखकर बताया गया कि डिटेक्टर का निशान वापस लिया गया है। विभाग ने तय किया कि अकेले डिटेक्टर अंक पर कोई दंड नहीं होगा। किसी आरोप का आधार ऐसा प्रमाण होना चाहिए जिसका विद्यार्थी जवाब दे सके। यह काल्पनिक कहानी का नतीजा है। यह लेखन की पहचान करने का परखा हुआ टेस्ट नहीं है। न यह किसी असली कॉलेज की सफलता की माप है। इस कहानी को सुनकर एक सवाल साथ रखें। एक फ़ैसले से पहले व्यक्ति को कौन सा प्रमाण दिखेगा? और अगर वह प्रमाण गलत है, तो उसे चुनौती देने का रास्ता क्या होगा? अगर आप इन सवालों पर सोचने के लिए रुकना चाहते हैं, इस अध्याय का अलग अभ्यास खोल सकते हैं। अब इस अध्याय को समेटें। पहली बात। जवाब का यक़ीन, प्रमाण नहीं है। जिस दावे से नतीजा बदलता है, उसके नाम, तारीख़, इकाई और मूल रिकॉर्ड तक जाइए। कुछ पता न हो, तो उसे अभी अनिश्चित रखना उपयोगी हो सकता है। दूसरी बात। मॉडल की अपनी क्षमता, उसके आसपास का ऐप, और इंसान का फ़ैसला, अलग चीज़ें हैं। अगर हिसाब ज़रूरी है तो जाँची हुई गणना दोहराइए। अगर कोई नया दावा है, तो उसकी तारीख़ और लागू होने की जगह देखिए। अगर परिणाम किसी व्यक्ति पर पड़ेगा तो प्रमाण, समीक्षा और चुनौती देने का रास्ता रखिए। तीसरी बात। तस्वीर, आवाज़ या निबंध पर शक हो तो एक अंक से तय न करें। मूल सामग्री, उसकी उत्पत्ति का रिकॉर्ड और अलग पुष्टि देखें। अलग भाषाओं या समूहों में असर जाँचिए। कोई एक अच्छा नतीजा बाकी जगह के लिए भरोसे की मुहर नहीं है। उस अनजान शहर की बस याद है? जवाब सुंदर लग सकता है। जाने से पहले समय सारिणी खोलना अब एक आदत बन सकती है। और अगर सही बस का पता न मिले तो रुककर पूछना भी ठीक है। अगले अध्याय में हम इतिहास की तरफ़ चलेंगे। देखेंगे कि इन प्रणालियों तक हम कैसे पहुँचे, और सन दो हज़ार बाईस में क्या बदला। अडाली के साथ सुनने के लिए शुक्रिया। अडाली की किताब, एआई को समझें, का यह चौथा ऑडियो अध्याय था। इसका लिखित रूप अडाली के पाठ्यक्रम में है। चित्रों को सुनने के लिए शब्दों में बताया गया है। जहाँ हमने बनाए हुए उदाहरण दिए, वे असली जाँच के नतीजे नहीं थे। तिरुचिरापल्ली का कॉलेज और उसके विद्यार्थी भी इस कहानी के लिए बनाए गए हैं। इस अध्याय के दर्ज उदाहरणों में माटा बनाम अवियांका का अदालत का आदेश, लियांग और साथियों की पाठ पहचान की जाँच, कोलॉसल क्लीन क्रॉल्ड कॉर्पस पर शोध, और बोली पर नेचर में छपा अध्ययन शामिल थे। डीपसीक आर वन का तकनीकी लेख और एंथ्रोपिक की दिखाई हुई व्याख्या पर जाँच, उनके अपने समय और परीक्षणों के उदाहरण हैं। इनसे आज के हर मॉडल या साधन के बारे में एक ही नतीजा नहीं निकलता। लिखित अध्याय और उसके साथ दिए स्रोतों की मदद से कोई बात दोबारा परख सकते हैं। इस हिंदी रूप में अडाली के लिखित पाठ को सुनने के लिए ढाला गया है। आवाज़ कृत्रिम साधन से बनाई गई है। सीखने की सुविधा के लिए पाठ, ऑडियो और अलग अभ्यास को अपने क्रम में इस्तेमाल कर सकते हैं। साथ देने के लिए धन्यवाद।