मैं एआई के बारे में एक पुराने दोस्त से बात कर रहा था – जैसा कि अक्सर होता है जब भी इन दिनों किसी के साथ कारण बातचीत में संलग्न होता है – और वह वर्णन कर रहा था कि वह कैसे एआई का उपयोग कर रहा था ताकि वह बीमा दस्तावेजों का विश्लेषण करने में मदद कर सके। मूल रूप से, वह परिवर्तनों की तुलना करने के लिए लंबी नीतियों की एक जोड़ी को संक्षेप में प्रस्तुत करने के लिए सिस्टम में लगभग एक दर्जन दस्तावेज खिला रहा था। यह वह काम था जो उसे घंटे ले सकता था, लेकिन एआई (शायद चटप्ट या मिथुन, हालांकि वह निर्दिष्ट नहीं किया था) के हाथों में, बस मिनट।
मुझे जो रोमांचित किया गया है, वह यह है कि मेरे दोस्त को जनरेटिव एआई की सटीकता के बारे में कोई भ्रम नहीं है। उन्होंने पूरी तरह से 10 तथ्यों में से एक को गलत या शायद मतिभ्रम की उम्मीद की और यह स्पष्ट कर दिया कि उनके बहुत मानवीय हाथ अभी भी गुणवत्ता-नियंत्रण प्रक्रिया का हिस्सा हैं। अभी के लिए।
अगली बात उन्होंने कहा कि मुझे आश्चर्य हुआ – इसलिए नहीं कि यह सच नहीं है, बल्कि इसलिए कि उन्होंने इसे स्वीकार किया। आखिरकार, एआई मतिभ्रम नहीं करेगा, यह कोई गलती नहीं करेगा। यह प्रक्षेपवक्र है और हमें इसके लिए तैयारी करनी चाहिए।
भविष्य एकदम सही है
मैं उससे सहमत था क्योंकि यह लंबे समय से मेरी सोच रही है। विकास की गति अनिवार्य रूप से इसकी गारंटी देती है।
जबकि मैं मूर के कानून के साथ बड़ा हुआ, जो हर दो साल में लगभग माइक्रोचिप पर ट्रांजिस्टर की क्षमता को दोगुना करता है, एआई का कानून है, इसे मोटे तौर पर, हर तीन से छह महीने में खुफिया जानकारी का दोगुना कर रहा है। यह गति यही कारण है कि हर कोई इतना आश्वस्त है कि हम कृत्रिम सामान्य बुद्धिमत्ता (एजीआई या मानव जैसी खुफिया) प्राप्त करेंगे, जो मूल रूप से सोचा गया है।
मेरा मानना है कि, लेकिन मैं भी मतिभ्रम में वापस जाना चाहता हूं क्योंकि यहां तक कि उपभोक्ताओं और गैर-तकनीकी जैसे कि मेरे दोस्त एआई को रोजमर्रा के काम के लिए एआई को गले लगाते हैं, मतिभ्रम एआई, बड़े भाषा मॉडल (एलएलएम) कॉर्पस का एक बहुत ही वास्तविक हिस्सा है।
कई एआई चैटबॉट्स के हालिया उपाख्यान परीक्षण में, मुझे यह पता लगाने के लिए कि उनमें से अधिकांश मेरे काम के इतिहास को सही ढंग से नहीं बता सकते हैं, भले ही यह लिंक्डइन और विकिपीडिया पर उत्तम विस्तार में लिखा गया हो।
ये मामूली त्रुटियां थीं और किसी भी वास्तविक महत्व की नहीं क्योंकि मेरे अलावा मेरी पृष्ठभूमि की परवाह कौन करता है? फिर भी, CHATGPT का 03-मिनी मॉडल, जो गहरे तर्क का उपयोग करता है और इसलिए एक उत्तर तैयार करने में अधिक समय ले सकता है, मैंने कहा कि मैंने TechRepublic में काम किया है। यह “TechRadar” के करीब है, लेकिन कोई सिगार नहीं।
दीपसेक, चीनी एआई चैटबोट वंडरकुंड, मुझे जाने के बाद सालों में काम करने योग्य सालों में काम कर रहा था। इसने मेरे PCMAG इतिहास को भी भ्रमित किया।
Google मिथुन ने स्मार्ट तरीके से विवरण को खारिज कर दिया, लेकिन यह उन सभी को सही मिला। CHATGPT के 4O मॉडल ने एक समान परेड-डाउन दृष्टिकोण लिया और 100% सटीकता हासिल की।
क्लाउड ऐ ने मेरी टाइमलाइन का धागा खो दिया और अभी भी मुझे मैशेबल में काम कर रहा था। यह चेतावनी देता है कि इसका डेटा पुराना है, लेकिन मुझे नहीं लगता था कि यह था 8 साल अप्रचलित।
आपको लगता है कि मतिभ्रम के कितने प्रतिशत AI उत्तर हैं?24 मार्च, 2025
मैंने सोशल मीडिया पर कुछ चुनावों को चलाया, जो मतिभ्रम के स्तर के बारे में ज्यादातर लोग आज के एआई प्लेटफार्मों पर देखने की उम्मीद करते हैं। थ्रेड्स पर, 25% लगता है कि एआई 25% समय में मतिभ्रम करता है। एक्स पर, 40% लगता है कि यह समय का 30% है।
हालांकि, मुझे यह भी याद दिलाते हुए टिप्पणियां मिलीं कि सटीकता शीघ्र और विषय क्षेत्रों की गुणवत्ता पर निर्भर करती है। जानकारी जिसमें एक ऑनलाइन पदचिह्न नहीं है, वह मतिभ्रम के लिए निश्चित है, एक व्यक्ति ने मुझे चेतावनी दी।
हालांकि, शोध यह दिखा रहा है कि मॉडल न केवल बड़े हो रहे हैं, वे भी स्मार्ट हो रहे हैं। एक साल पहले, एक अध्ययन में कुछ परीक्षणों में 40% समय में चैट ने मतिभ्रम पाया।
ह्यूजेस मतिभ्रम मूल्यांकन मॉडल (HHEM) लीडरबोर्ड के अनुसार, कुछ प्रमुख मॉडल के मतिभ्रम 2%से कम हैं। मेटा लामा 3.2 जैसे पुराने मॉडल वे हैं जहां आप डबल-डिजिट मतिभ्रम दरों में वापस आ सकते हैं।
गंदगी को साफ करना
हालांकि, यह हमें दिखाता है, हालांकि, ये मॉडल जल्दी से उस दिशा में जा रहे हैं जो मेरे दोस्त की भविष्यवाणी करता है और यह कि कुछ-बहुत दूर-दूर के भविष्य में, उनके पास वास्तविक समय के प्रशिक्षण डेटा के साथ बड़े पर्याप्त मॉडल होंगे जो मतिभ्रम दर को 1%से नीचे रखते हैं।
मेरी चिंता यह है कि इस बीच, तकनीकी विशेषज्ञता के बिना लोग या यहां तक कि एक उपयोगी प्रॉम्प्ट की रचना करने के तरीके की समझ वास्तविक काम के लिए बड़ी भाषा मॉडल पर भरोसा कर रहे हैं।
मतिभ्रम-चालित त्रुटियां संभवतः घरेलू जीवन और उद्योग के सभी क्षेत्रों में रेंग रही हैं और हमारे सिस्टम को गलत सूचना के साथ संक्रमित कर रही हैं। वे बड़ी त्रुटियां नहीं हो सकते हैं, लेकिन वे जमा हो जाएंगे। मेरे पास इसके लिए कोई समाधान नहीं है, लेकिन यह सोचने लायक है और शायद थोड़ा सा चिंता भी कर रहा है।
शायद, भविष्य के एलएलएम में त्रुटि स्वीपिंग भी शामिल होगी, जहां आप उन्हें वेब में और अपनी फाइलों के माध्यम से भेजते हैं और उन्हें सभी एआई-हॉलिकेशन-जनित गलतियों को कम करते हैं।
आखिरकार, हमें एआई की गंदगी को साफ क्यों करना चाहिए?
आप इसे भी पसंद कर सकते हैं

Hello Readers! I am RAHUL KUMAR MAHTO RKM With 3 Year of Experience in Writing Content About Scholarship. With Masters in IT, I love to to write digital content about Government Scholarship Schemes, Private Scholarship Schemes.