बोला गया सारांश — साथ पढ़ने के लिए प्ले दबाएँ: बोली जा रही पंक्ति ऊपर रहती है।
आप क्या सीखेंगे
अनुमानित समय: 25 मिनट
इस पाठ के अंत तक आप सक्षम होंगे:
- यह पहचानना कि अधिकांश AI विफलताओं में दो या अधिक गुण परस्पर क्रिया करते हैं
- सामान्य विफलता पैटर्न (हॉलुसिनेटेड उद्धरण, लंबी-बातचीत बहाव, आत्मविश्वास से गलत गणित, सहमत बुरे आधार) का निदान करना यह पहचान कर कि कौन से गुण काम में हैं
- यह पहचान कर लक्षित सुधार लागू करना कि कौन सा गुण सीमित कारक है
AI विफलताओं का निदान
(3 मिनट)
चार गुण अलगाव में काम नहीं करते। अधिकांश वास्तविक विफलताएं उनमें से दो का प्रतिच्छेदन हैं। एक बार जब आप नाम दे सकते हैं कि कौन से दो हैं, तो आप जानते हैं कि कौन सा सुधार लागू करना है।
दो गुण मिलते हैं: निदान करें कि क्या गलत हुआ
अधिकांश वास्तविक-विश्व AI विफलताएं दो गुणों के एक साथ मिलने हैं।
Next Token Prediction
उत्पन्न करता है जो सही लगता है
Knowledge
जानता है कि इसे क्या प्रशिक्षित किया गया था
Working Memory
ध्यान देता है जो पास है
Steerability
सबसे जोर का निर्देश मानता है
दो गुणों को एक दूसरे के पास खींचें यह देखने के लिए कि जब वे टकराते हैं तो क्या होता है
मुख्य बातें
- वास्तविक-विश्व विफलताएं आमतौर पर दो गुणों की परस्पर क्रिया होती हैं, एक नहीं।
- पहचानने के लिए निदान जोड़े:
- Next Token Prediction + Knowledge (हॉलुसिनेटेड विशिष्टताएं)
- Working Memory + Steerability (लंबी-बातचीत बहाव)
- काम में आने वाले गुणों का नाम देना आपको सीधे सुधार की ओर ले जाता है: विशिष्टताओं को सत्यापित करें, संदर्भ फिर से आपूर्ति करें, कोड निष्पादन को ऑफलोड करें, या पुशबैक के लिए आमंत्रण दें।
- यह निदान कदम विवेक लागू किया जा रहा है। जब आप जानते हैं कि आप किस तरह की गलती देख रहे हैं तो आप बेहतर मूल्यांकन करते हैं।
अभ्यास
अभ्यास: विफलता निदान
_क्यों? अधिकांश वास्तविक-विश्व AI विफलताएं एक गुण के काम न करने की नहीं हैं। वे दो गुणों के एक साथ मिलने हैं। यह नाम देना कि कौन से दो हैं, सुधार को पूरी तरह बदल देता है।_
AI के साथ अपने अनुभव में वापस जाएं (इस पाठ्यक्रम के दौरान जो आपने देखा है उसमें भी शामिल है)। दो या तीन बार की पहचान करें जब AI आउटपुट ने आपको वास्तव में निराश या आश्चर्यचकित किया। प्रत्येक के लिए, इसे एक या दो वाक्यों में वर्णित करें: आपने क्या पूछा, आपको क्या मिला, क्या निराशाजनक या आश्चर्यजनक था।
- प्रत्येक घटना को AI के साथ चलें। वर्णन करें कि क्या हुआ और पूछें: "चार गुणों (Next Token Prediction, Knowledge, Working Memory, Steerability) के आधार पर, कौन से संभवतः काम में थे, और क्यों? "
- इसके निदान का मूल्यांकन करें जो आप अब जानते हैं उसके विरुद्ध। क्या आप सहमत हैं? यदि नहीं, तो पुशबैक करें। (पाठ 3 से सिकोफेंसी फिंगरप्रिंट याद रखें: AI आपकी फ्रेमिंग से बहुत आसानी से सहमत हो सकता है। यदि आप सोचते हैं कि यह गलत है, तो कहें।)
- प्रत्येक निदान के लिए, पूछें: "उस निदान को देखते हुए, सबसे लक्षित सुधार क्या है? " यदि आप कर सकते हैं, तो अभी एक समान कार्य पर समायोजन का परीक्षण करें।
अब अपनी पाठ 1 कार्य सूची को सभी संचित एनोटेशन के साथ देखें (पाठ 2 से संपत्ति टैग, पाठ 4 से सत्यापन स्कोर, पाठ 5 से ज्ञान झंडे, पाठ 6 से संदर्भ आवश्यकताएं, पाठ 7 से लक्ष्य कथन)। उन कार्यों के लिए जिन्होंने आपको सबसे अधिक परेशानी दी, नाम दें कि कौन से दो गुण टकरा रहे थे। प्रत्येक के आगे निदान लिखें।
पाठ प्रतिबिंब
- क्या संपत्ति जोड़ी का नाम देने से आप जो सुधार तक पहुंचेंगे वह बदल गया? इस पाठ्यक्रम से पहले, क्या आपने एक अलग (कम प्रभावी) सुधार का प्रयास किया होता?
- आपको लगता है कि आप अपने दिन-प्रतिदिन के काम में कौन सी संपत्ति जोड़ी सबसे अधिक सामना करेंगे?
आगे क्या है
अंतिम पाठ में, हम जो आपने बनाया है उसे समेकित करते हैं, इसे 4D Framework के साथ एक पूर्ण प्रणाली के रूप में जोड़ते हैं, और आपको गहराई में जाने के लिए इंगित करते हैं।
प्रतिक्रिया
जैसे-जैसे आप पाठ्यक्रम के माध्यम से आगे बढ़ते हैं, हम आपसे सुनना पसंद करेंगे कि आप अपने काम में पाठ्यक्रम की अवधारणाओं का उपयोग कैसे कर रहे हैं, साथ ही आपके पास कोई भी प्रतिक्रिया हो सकती है। अपनी प्रतिक्रिया यहां साझा करें।
स्वीकृति और लाइसेंस
_कॉपीराइट 2026 Anthropic। प्रोफ. रिक डकन (रिंगलिंग कॉलेज ऑफ आर्ट एंड डिज़ाइन) और प्रोफ. जोसेफ फेलर (यूनिवर्सिटी कॉलेज कॉर्क) द्वारा विकसित AI Fluency Framework पर आधारित मूल कार्य। CC BY-NC-SA 4. 0 लाइसेंस के तहत जारी।_