AI উত্তর যাচাই করার ৮টি ধাপ: ভুল তথ্য শেয়ার করার আগে যা দেখবেন

AI-এর কোনো উত্তর বিস্তারিত, গোছানো ও আত্মবিশ্বাসী শোনালেই সেটি নির্ভুল হয়ে যায় না। সেখানে ভুল তারিখ, অস্তিত্বহীন গবেষণা, বানানো উদ্ধৃতি কিংবা পুরোনো নিয়মকে সাম্প্রতিক তথ্য হিসেবে দেখানো হতে পারে। লিংক দেওয়া থাকলেও সেই পেজে সংশ্লিষ্ট দাবির সমর্থন নাও মিলতে পারে।

OpenAI, Google ও Anthropic—তিন প্রতিষ্ঠানই স্বীকার করে যে তাদের ভাষা মডেল ভুল বা বিভ্রান্তিকর তথ্য দিতে পারে। OpenAI ভুল তারিখ, বানানো গবেষণা, উদ্ধৃতি ও অস্তিত্বহীন রেফারেন্সের ঝুঁকির কথা জানিয়েছে। Google বলছে, Gemini ভুল তথ্যকে সত্য হিসেবে উপস্থাপন করতে পারে। Anthropic-ও Claude-কে সত্যের একমাত্র উৎস হিসেবে ব্যবহার না করার পরামর্শ দেয়।

তাই AI উত্তর যাচাই করার নিয়ম শুরু হয় একটি সহজ সিদ্ধান্ত থেকে: উত্তরটিকে চূড়ান্ত তথ্য নয়, প্রাথমিক খসড়া হিসেবে নিন। এরপর দাবিগুলো আলাদা করুন, মূল উৎস খুঁজুন এবং গুরুত্বপূর্ণ তথ্য স্বাধীনভাবে মিলিয়ে দেখুন। স্বাস্থ্য, আইন, অর্থ, নিরাপত্তা, শিক্ষা বা পেশাগত সিদ্ধান্তের ক্ষেত্রে যাচাই আরও কঠোর হওয়া দরকার।

AI উত্তর যাচাই করার নিয়ম সংক্ষেপে

কোনো AI উত্তর ব্যবহার, প্রকাশ বা শেয়ার করার আগে এই ৮টি কাজ করুন:

১. যাচাইযোগ্য দাবিগুলো আলাদা করুন।
২. তথ্যের তারিখ, অঞ্চল ও প্রযোজ্যতার সীমা দেখুন।
৩. দেওয়া উৎস বা লিংক সত্যিই আছে কি না পরীক্ষা করুন।
৪. সম্ভব হলে মূল বা প্রাথমিক উৎসে যান।
৫. স্বাধীন নির্ভরযোগ্য উৎসে দাবি মিলিয়ে নিন।
৬. সংখ্যা, হিসাব, উদ্ধৃতি ও ব্যক্তির পরিচয় আলাদাভাবে যাচাই করুন।
৭. বাদ পড়া প্রসঙ্গ, শর্ত ও ভিন্নমত খুঁজুন।
৮. ঝুঁকিপূর্ণ সিদ্ধান্তে বিশেষজ্ঞ বা দায়িত্বশীল ব্যক্তির পর্যালোচনা নিন।

সব প্রশ্নে একই মাত্রার যাচাই দরকার হয় না। রান্নার একটি সাধারণ রেসিপিতে ভুল এবং ওষুধের মাত্রা সম্পর্কিত ভুলের সম্ভাব্য ক্ষতি এক নয়। ভুল তথ্যটি কতটা ক্ষতি করতে পারে, তার ভিত্তিতে যাচাইয়ের সময় ও গভীরতা ঠিক করুন।

AI বিশ্বাসযোগ্য শোনালেও ভুল হতে পারে কেন

ভাষা মডেল উত্তর তৈরি করার সময় প্রতিটি বাক্যের সত্যতা স্বয়ংক্রিয়ভাবে পরীক্ষা করে—এমনটি ধরে নেওয়া যাবে না। কোনো উত্তরে ওয়েব সার্চ, নির্দিষ্ট নথি বা অন্য তথ্যসূত্র ব্যবহার না হলে সেটি প্রশিক্ষণে শেখা তথ্যের ওপর নির্ভর করতে পারে। সেই তথ্য পুরোনো, অসম্পূর্ণ বা ভুলও হতে পারে।

OpenAI জানিয়েছে, সার্চ বা গবেষণার টুল ব্যবহার না করা হলে মডেলের উত্তর প্রশিক্ষণ-তথ্যের ওপর নির্ভর করে। সার্চ ব্যবহার করা হলেও লিংক, উদ্ধৃতি ও মূল উৎস নিজে পরীক্ষা করার পরামর্শ দেওয়া হয়েছে।

ভুল তথ্য সব সময় অদ্ভুত বা সহজে শনাক্ত করার মতো হয় না। একটি উত্তরের বেশির ভাগ অংশ ঠিক থাকতে পারে, কিন্তু একটি তারিখ, নাম বা সংখ্যা ভুল হতে পারে। সঠিক ও ভুল তথ্য পাশাপাশি থাকায় পুরো উত্তরটিই বিশ্বাসযোগ্য মনে হয়।

এই ধরনের আত্মবিশ্বাসের সঙ্গে উপস্থাপিত ভুল বা ভিত্তিহীন উত্তরকে সাধারণভাবে AI হ্যালুসিনেশন বলা হয়। NIST-এর Generative AI Profile-এ confabulation বলতে আত্মবিশ্বাসের সঙ্গে দেওয়া ভুল বা মিথ্যা কনটেন্ট বোঝানো হয়েছে, যা ব্যবহারকারীকে বিভ্রান্ত করতে পারে। নথিটিতে “hallucination” ও “fabrication” শব্দ দুটিকেও প্রচলিত বিকল্প পরিভাষা হিসেবে উল্লেখ করা হয়েছে।

১. পুরো উত্তর নয়, আলাদা দাবিগুলো যাচাই করুন

একটি দীর্ঘ উত্তর একবারে যাচাই করা কঠিন। শুরুতেই সেটিকে ছোট ছোট দাবিতে ভাগ করুন।

ধরা যাক, একটি উত্তরে বলা হয়েছে:

• একটি নীতি ২০২৫ সালে কার্যকর হয়েছে।
• সেটি বিশ্বের সব দেশে প্রযোজ্য।
• একটি গবেষণায় নীতিটির কার্যকারিতা প্রমাণিত হয়েছে।
• নিয়মটি না মানলে নির্দিষ্ট অঙ্কের জরিমানা হতে পারে।

এখানে চারটি স্বতন্ত্র দাবি রয়েছে। প্রতিটির জন্য একই উৎস যথেষ্ট নয়। নীতির কার্যকর হওয়ার তারিখ সরকারি নথিতে পাওয়া যেতে পারে। দেশভিত্তিক প্রযোজ্যতা জানতে সংশ্লিষ্ট কর্তৃপক্ষের তথ্য দেখতে হবে। গবেষণার দাবি যাচাই করতে মূল গবেষণাপত্র প্রয়োজন। জরিমানার অঙ্কের জন্য আইন, গেজেট বা নিয়ন্ত্রক সংস্থার নির্দেশনা দেখা দরকার।

প্রথমে চিহ্নিত করুন:

• ব্যক্তি, প্রতিষ্ঠান, বই, গবেষণা বা পণ্যের নাম
• সাল, তারিখ ও সময়সীমা
• শতাংশ, মূল্য, পরিমাণ ও পরিসংখ্যান
• সরাসরি উদ্ধৃতি
• “নিষিদ্ধ”, “অনুমোদিত”, “নিরাপদ” বা “বৈধ” ধরনের সিদ্ধান্তমূলক শব্দ
• কার্যকারিতা, তুলনা এবং কারণ-ফল সম্পর্কিত দাবি

AI-কে বলতে পারেন, “উত্তরের যাচাইযোগ্য দাবিগুলো আলাদা তালিকায় দিন।” এতে পরবর্তী কাজ গোছানো সহজ হবে। তবে AI-এর তৈরি সেই তালিকাকেও চূড়ান্ত যাচাই হিসেবে ধরবেন না।

আগে কোন দাবি দেখবেন

সীমিত সময়ে সম্ভাব্য ক্ষতির ভিত্তিতে যাচাইয়ের একটি ব্যবহারিক ক্রম হতে পারে:

১. স্বাস্থ্য, আইন, অর্থ ও নিরাপত্তা
২. চাকরি, শিক্ষা ও পেশাগত সিদ্ধান্ত
৩. উদ্ধৃতি, গবেষণা ও পরিসংখ্যান
৪. সাম্প্রতিক ঘটনা, দাম ও সফটওয়্যার ফিচার
৫. সাধারণ ব্যাখ্যা ও কম ঝুঁকির তথ্য

এটি কোনো বাধ্যতামূলক আন্তর্জাতিক মানদণ্ড নয়। কোন ভুলটি পাঠকের বেশি ক্ষতি করতে পারে, সেটি আগে ধরাই এর উদ্দেশ্য।

২. তথ্যটি কখনের, কোথাকার এবং কাদের জন্য দেখুন

অনেক উত্তর সরাসরি মিথ্যা নয়, কিন্তু ভুল সময়, অঞ্চল বা ব্যবহারকারীর ক্ষেত্রে প্রয়োগ করা হয়।

একটি সফটওয়্যারের সেটিং Windows সংস্করণে থাকলেও macOS-এ নাও থাকতে পারে। কোনো বিশ্ববিদ্যালয়ের ভর্তি নিয়ম স্থানীয় ও আন্তর্জাতিক শিক্ষার্থীর জন্য আলাদা হতে পারে। ভারতের কোনো আইন বাংলাদেশের পাঠকের ক্ষেত্রে স্বয়ংক্রিয়ভাবে প্রযোজ্য নয়। একটি অ্যাপের পুরোনো বিনামূল্যের সুবিধা পরে অর্থের বিনিময়ে দেওয়া হতে পারে।

সময়-সংবেদনশীল দাবির পাশে তিনটি প্রশ্ন লিখুন।

তথ্যটি কোন তারিখ পর্যন্ত সঠিক?

“সর্বশেষ”, “এখন”, “বর্তমানে” বা “নতুন নিয়ম” লেখা থাকলে সংশ্লিষ্ট পেজের প্রকাশ ও হালনাগাদের তারিখ দেখুন। একটি পুরোনো পেজ সার্চ ফলাফলের ওপরে এলেই সেটি সাম্প্রতিক হয়ে যায় না।

তথ্যটি কোন অঞ্চল বা প্রতিষ্ঠানের জন্য?

দেশ, রাজ্য, শিক্ষা বোর্ড, মুদ্রা, ভাষা, অ্যাকাউন্টের ধরন ও বয়সের ভিত্তিতে নিয়ম বদলাতে পারে। আইনি বা সরকারি তথ্য যাচাইয়ের সময় ওয়েবসাইটের ডোমেইনের পাশাপাশি কর্তৃপক্ষের এখতিয়ারও দেখুন।

কোন সংস্করণ বা পরিকল্পনার কথা বলা হয়েছে?

একই অ্যাপের ওয়েব, Android ও iPhone সংস্করণে আলাদা সুবিধা থাকতে পারে। Free, Pro, Business বা Enterprise পরিকল্পনার ফিচার ও ব্যবহারের সীমাও এক নয়।

সাম্প্রতিক তথ্যের জন্য AI-কে ওয়েব সার্চ করতে বলা উপকারী। কিন্তু সেটুকুই যথেষ্ট নয়। উত্তরটিতে সত্যিই সার্চ ব্যবহার করা হয়েছে কি না, কোন পেজ উদ্ধৃত হয়েছে এবং সেই পেজ নির্দিষ্ট দাবিটিকে সমর্থন করে কি না—এগুলোও পরীক্ষা করতে হবে। OpenAI ও Anthropic উভয়েই গুরুত্বপূর্ণ তথ্যের ক্ষেত্রে উদ্ধৃত মূল পেজ খুলে দেখার পরামর্শ দেয়।

৩. AI-এর দেওয়া উৎস ও লিংক নিজে খুলুন

উত্তরের শেষে কয়েকটি লিংক থাকলেই তথ্য যাচাইকৃত হয়ে যায় না।

AI-এর দেওয়া রেফারেন্সে নানা ধরনের সমস্যা থাকতে পারে:

• বই, প্রতিবেদন বা গবেষণাপত্রটির অস্তিত্ব নেই।
• লেখকের নাম, প্রকাশের সাল বা শিরোনাম ভুল।
• লিংকটি কাজ করে না।
• উৎসটি সত্য, কিন্তু সংশ্লিষ্ট দাবি সেখানে নেই।
• সংবাদ প্রতিবেদনকে মূল গবেষণা হিসেবে দেখানো হয়েছে।
• গবেষণার ফলাফল অতিরঞ্জিতভাবে লেখা হয়েছে।
• উদ্ধৃত বাক্যটি মূল লেখায় পাওয়া যায় না।

OpenAI সতর্ক করেছে যে ChatGPT বানানো উদ্ধৃতি, গবেষণা ও অস্তিত্বহীন রেফারেন্স তৈরি করতে পারে। Anthropic-ও বলেছে, উদ্ধৃত ওয়েবপেজে এমন গুরুত্বপূর্ণ প্রসঙ্গ থাকতে পারে, যা AI-এর সারাংশে বাদ গেছে।

প্রতিটি গুরুত্বপূর্ণ উৎস খুলে অন্তত পাঁচটি বিষয় মিলিয়ে নিন:

১. প্রকাশক বা প্রতিষ্ঠানটি কে?
২. শিরোনাম ও লেখকের নাম ঠিক আছে কি?
৩. প্রকাশ বা হালনাগাদের তারিখ কী?
৪. AI-এর নির্দিষ্ট দাবিটি পেজে আছে কি?
৫. দাবিটির আগে বা পরে কোনো গুরুত্বপূর্ণ শর্ত বাদ গেছে কি?

গবেষণাপত্র হলে লেখক, জার্নাল, সাল ও DOI মিলিয়ে দেখুন। সরাসরি উদ্ধৃতির কয়েকটি স্বতন্ত্র শব্দ উদ্ধৃতি চিহ্নের মধ্যে দিয়ে সার্চ করা যায়। মূল বক্তব্য খুঁজে না পেলে উদ্ধৃতিটি প্রকাশ করবেন না।

Anthropic-এর হ্যালুসিনেশন কমানোর নির্দেশনায় প্রথমে সরাসরি উদ্ধৃতি সংগ্রহ, প্রতিটি দাবির সঙ্গে citation যুক্ত করা এবং সমর্থনকারী উদ্ধৃতি না পাওয়া গেলে দাবি প্রত্যাহারের সুপারিশ রয়েছে। একই নথিতে বলা হয়েছে, এসব কৌশল ভুল কমাতে পারে, তবে পুরোপুরি দূর করে না।

৪. সারাংশে থামবেন না, মূল উৎসে যান

গুরুত্বপূর্ণ দাবির ক্ষেত্রে কোনো ব্লগ বা AI সারাংশে থেমে না থেকে যতটা সম্ভব মূল উৎস খুঁজুন।

আইন ও সরকারি নিয়ম: সরকারি গেজেট, মন্ত্রণালয়, আদালত, নিয়ন্ত্রক সংস্থা বা সংশ্লিষ্ট সরকারি পোর্টাল।

কোম্পানির ফিচার ও নীতি: অফিসিয়াল সহায়তা পেজ, ডকুমেন্টেশন, মূল্যতালিকা, গোপনীয়তা নীতি বা সংস্করণ নোট।

বৈজ্ঞানিক ও স্বাস্থ্যবিষয়ক দাবি: মূল গবেষণাপত্র, সরকারি স্বাস্থ্য কর্তৃপক্ষ, স্বীকৃত চিকিৎসা সংস্থা বা পদ্ধতিগত পর্যালোচনা।

পরিসংখ্যান: যে প্রতিষ্ঠান তথ্য সংগ্রহ করেছে, তার ডেটাবেস বা পূর্ণ প্রতিবেদন।

ব্যক্তির বক্তব্য: সম্পূর্ণ ভিডিও, সাক্ষাৎকারের প্রতিলিপি, আনুষ্ঠানিক বিবৃতি বা সংশ্লিষ্ট ব্যক্তির যাচাইকৃত প্রকাশনা।

শিক্ষা ও গবেষণার নিয়ম: বিশ্ববিদ্যালয়, শিক্ষা বোর্ড, জার্নাল বা গবেষণা প্রতিষ্ঠানের নীতিমালা।

কোনো অ্যাপ একটি নির্দিষ্ট ফাইল ফরম্যাট সমর্থন করে কি না জানতে প্রথমে তার অফিসিয়াল ডকুমেন্টেশন দেখুন। কোনো সংবাদ প্রতিবেদনে জরিপের ফল দেখলে মূল জরিপে গিয়ে নমুনা, সময়কাল, প্রশ্নের ভাষা ও ভৌগোলিক সীমা পরীক্ষা করুন।

প্রাথমিক উৎসও ভুলমুক্ত নয়। কোম্পানির পেজে বিপণনমূলক ভাষা থাকতে পারে। গবেষণায় ছোট নমুনা, স্বল্প সময়কাল বা পদ্ধতিগত সীমাবদ্ধতা থাকতে পারে। তবু দাবিটি কোথা থেকে এসেছে এবং মূল নথিতে আসলে কী বলা হয়েছে, তা বোঝার জন্য প্রাথমিক উৎসই সবচেয়ে কার্যকর সূচনা।

৫. একই দাবি স্বাধীন উৎসে মিলিয়ে দেখুন

পাঁচটি ওয়েবসাইটে একই তথ্য পাওয়া মানে পাঁচটি স্বাধীন উৎস পাওয়া নয়। অনেক পেজ একটি সংবাদ সংস্থা, প্রেস বিজ্ঞপ্তি বা একই প্রতিবেদনের তথ্য পুনঃপ্রকাশ করে।

এখানে ল্যাটারাল রিডিং কাজে লাগে। অর্থাৎ অচেনা কোনো ওয়েবসাইটের ভেতরে দীর্ঘ সময় না কাটিয়ে নতুন ট্যাব খুলে প্রকাশক, লেখক, মালিকানা ও সংশ্লিষ্ট দাবি সম্পর্কে অন্য নির্ভরযোগ্য উৎস কী বলছে তা দেখা।

Stanford-এর গবেষণায় ১০ জন পেশাদার ফ্যাক্ট-চেকার, ১০ জন ইতিহাসবিদ ও ২৫ জন বিশ্ববিদ্যালয় শিক্ষার্থীর অনলাইন উৎস মূল্যায়নের পদ্ধতি পর্যবেক্ষণ করা হয়। ফ্যাক্ট-চেকাররা দ্রুত মূল সাইটের বাইরে গিয়ে পরিচয় ও দাবি যাচাই করতেন। গবেষকেরা এই পদ্ধতিকে lateral reading বলেছেন।

সাধারণ দাবির ক্ষেত্রে দুটি স্বাধীন ও বিশ্বাসযোগ্য উৎসে মিল খোঁজা একটি কার্যকর সম্পাদকীয় অভ্যাস। এটি সর্বজনীন বৈজ্ঞানিক নিয়ম নয়। উচ্চঝুঁকির বিষয়ে আরও উৎস, পূর্ণ নথি বা বিশেষজ্ঞের পর্যালোচনা প্রয়োজন হতে পারে।

উৎসে মতভেদ পাওয়া গেলে

দুটি নির্ভরযোগ্য উৎসে ভিন্ন তথ্য পেলে দেখুন:

• প্রকাশের তারিখ আলাদা কি না
• ব্যবহৃত সংজ্ঞা বা হিসাবের পদ্ধতি ভিন্ন কি না
• একটি উৎস মূল নথি এবং অন্যটি ব্যাখ্যামূলক প্রতিবেদন কি না
• দেশ, জনগোষ্ঠী বা সময়কাল আলাদা কি না
• কোনো সংশোধনী বা প্রত্যাহার প্রকাশিত হয়েছে কি না

মতভেদ মেটানো সম্ভব না হলে পছন্দমতো একটি সংখ্যা বেছে নেবেন না। স্পষ্টভাবে লিখুন যে নির্ভরযোগ্য উৎসগুলোর তথ্য এক নয় এবং নিশ্চিত সিদ্ধান্তে পৌঁছানো যাচ্ছে না।

৬. সংখ্যা, হিসাব ও উদ্ধৃতি আলাদাভাবে পরীক্ষা করুন

একটি ভুল দশমিক, একক, মুদ্রা বা সময়কাল পুরো সিদ্ধান্ত বদলে দিতে পারে। তাই সংখ্যাগুলো মূল লেখার বাকি অংশ থেকে আলাদা করে যাচাই করুন।

দেখুন:

• সংখ্যা ও একক ঠিক আছে কি না
• মাসিক মূল্যকে বার্ষিক মূল্য হিসেবে লেখা হয়েছে কি না
• শতাংশ ও শতাংশ পয়েন্ট গুলিয়ে ফেলা হয়েছে কি না
• জরিপের নমুনা কত বড়
• তথ্য সংগ্রহের সময়কাল কী
• বৈশ্বিক ফল একটি দেশের ফল হিসেবে দেখানো হয়েছে কি না
• মুদ্রা ও বিনিময় হারের তারিখ উল্লেখ আছে কি না
• উপাত্তের মোট যোগফল ও উপশ্রেণি পরস্পরের সঙ্গে মেলে কি না

যোগ, বিয়োগ, গড় বা শতকরা হিসাব ক্যালকুলেটর বা স্প্রেডশিটে আবার করুন। একই AI-কে শুধু “হিসাবটি আবার পরীক্ষা করো” বললে সেটি আগের ভুল পদ্ধতিই অনুসরণ করতে পারে।

উদ্ধৃতি যাচাইয়ে ছাড় দেবেন না

কোনো ব্যক্তি, গবেষক বা প্রতিষ্ঠানের নামে দেওয়া বক্তব্য মূল উৎস ছাড়া সরাসরি উদ্ধৃতি হিসেবে প্রকাশ করবেন না।

পরীক্ষা করুন:

• শব্দগুলো মূল উৎসের সঙ্গে হুবহু মেলে কি না
• বক্তব্যটি অনুবাদ করা হলে মূল ভাষায় কী বলা হয়েছিল
• এটি লিখিত বক্তব্য, বক্তৃতা নাকি সাক্ষাৎকার
• বাক্যের আগে-পরে থাকা প্রসঙ্গ অর্থ বদলে দেয় কি না
• উদ্ধৃতিটি অন্য কারও নামে ভুলভাবে প্রচলিত কি না

সঠিক উদ্ধৃতি পাওয়া না গেলে উদ্ধৃতি চিহ্ন বাদ দিন। যাচাই করা বক্তব্যটি নিজের ভাষায় সংক্ষেপ করুন এবং প্রাসঙ্গিক উৎস যুক্ত করুন।

৭. উত্তরে কী বাদ গেছে, সেটিও দেখুন

একটি উত্তর সরাসরি মিথ্যা না হয়েও বিভ্রান্তিকর হতে পারে। গুরুত্বপূর্ণ শর্ত, ব্যতিক্রম, খরচ, ঝুঁকি বা ভিন্নমত বাদ পড়লে পাঠক ভুল সিদ্ধান্ত নিতে পারেন।

ধরা যাক, AI কোনো গবেষণার ভিত্তিতে একটি পদ্ধতিকে “কার্যকর” বলেছে। কিন্তু জানায়নি যে গবেষণাটি অল্পসংখ্যক অংশগ্রহণকারী নিয়ে হয়েছে, ফলাফল ছিল স্বল্পমেয়াদি অথবা অন্য গবেষণায় একই ফল পাওয়া যায়নি।

উত্তরটি পড়ার পর জিজ্ঞেস করুন:

• দাবিটির ব্যতিক্রম কী?
• কোন পরিস্থিতিতে এটি কাজ নাও করতে পারে?
• গবেষণার সীমাবদ্ধতা কী ছিল?
• বিপরীত বা ভিন্ন ফলের গবেষণা আছে কি?
• কোনো খরচ, ঝুঁকি বা যোগ্যতার শর্ত বাদ গেছে কি?
• মতামতকে প্রতিষ্ঠিত সত্য হিসেবে দেখানো হয়েছে কি?
• প্রভাবিত ব্যক্তি বা গোষ্ঠীর দৃষ্টিভঙ্গি অনুপস্থিত কি না

AI-কে এসব প্রশ্ন করা যায়। তবে তার দেওয়া পাল্টা তথ্যও একই নিয়মে যাচাই করতে হবে।

UNESCO-এর generative AI নির্দেশনায় শিক্ষা ও গবেষণায় মানবকেন্দ্রিক ব্যবহার, নৈতিক যাচাই, তথ্যের গোপনীয়তা এবং শিক্ষাগত উপযোগিতা মূল্যায়নের ওপর জোর দেওয়া হয়েছে। কোনো টুল উত্তর তৈরি করতে পারলেই সেটি শিক্ষা বা গবেষণার কাজে স্বয়ংক্রিয়ভাবে গ্রহণযোগ্য হয়ে যায় না।

আত্মবিশ্বাসী ভাষাকে প্রমাণ ভাববেন না

“নিশ্চিতভাবে”, “প্রমাণিত”, “কোনো সন্দেহ নেই” বা “সব বিশেষজ্ঞ একমত”—এ ধরনের শব্দ দেখলে উৎস আরও সতর্কভাবে পরীক্ষা করুন। ভাষার দৃঢ়তা এবং প্রমাণের মান এক বিষয় নয়। OpenAI বলেছে, মডেল ভুল উত্তরও আত্মবিশ্বাসের সঙ্গে উপস্থাপন করতে পারে।

৮. গুরুত্বপূর্ণ সিদ্ধান্তে মানুষের পর্যালোচনা নিন

সব তথ্য নিজে যাচাই করা সম্ভব নয়। যে বিষয়ে বিশেষ জ্ঞান বা পেশাগত যোগ্যতা প্রয়োজন, সেখানে সংশ্লিষ্ট বিশেষজ্ঞের মতামত নিতে হবে।

বিশেষভাবে মানব পর্যালোচনা নিন যখন উত্তরটি সম্পর্কিত:

• রোগ, ওষুধ, চিকিৎসা বা মানসিক স্বাস্থ্য
• চুক্তি, মামলা, অভিবাসন বা আইনি অধিকার
• বিনিয়োগ, ঋণ, কর বা বড় আর্থিক সিদ্ধান্ত
• সাইবার নিরাপত্তা ও ব্যক্তিগত তথ্য
• গবেষণাপত্র, থিসিস বা একাডেমিক প্রকাশনা
• জনস্বার্থের সংবাদ ও কারও বিরুদ্ধে অভিযোগ
• কর্মক্ষেত্রের নীতি বা নিয়ন্ত্রিত শিল্প
• শিশু ও ঝুঁকিপূর্ণ ব্যক্তিদের নিরাপত্তা

OpenAI ও Google দুটিই চিকিৎসা, আইন, অর্থ ও অন্যান্য পেশাগত সিদ্ধান্তে AI-এর উত্তরকে বিশেষজ্ঞ পরামর্শের বিকল্প হিসেবে ব্যবহার না করতে বলে।

প্রকাশনা, গবেষণা বা অফিসের কাজে যাচাইয়ের একটি ছোট রেকর্ড রাখুন:

• AI-এর মূল উত্তর
• আলাদা করা দাবির তালিকা
• দেখা উৎসের নাম ও তারিখ
• কোন দাবি সংশোধন বা বাদ দেওয়া হয়েছে
• চূড়ান্ত তথ্য কে পর্যালোচনা করেছেন

পরে সংশোধন, সম্পাদকীয় পর্যালোচনা বা উৎস নিয়ে প্রশ্ন উঠলে এই নথি কাজে লাগবে।

সময় কম থাকলে পাঁচ মিনিটে যা দেখবেন

এটি পূর্ণাঙ্গ ফ্যাক্ট-চেক নয়। দ্রুত কোনো উত্তর শেয়ার করার আগে মৌলিক ত্রুটি ধরার একটি ব্যবহারিক পদ্ধতি।

প্রথম মিনিট: নাম, সংখ্যা, তারিখ ও সিদ্ধান্তমূলক দাবি চিহ্নিত করুন।

দ্বিতীয় মিনিট: দেওয়া লিংকগুলো খুলুন। লিংক না থাকলে দাবির গুরুত্বপূর্ণ শব্দ দিয়ে সার্চ করুন।

তৃতীয় মিনিট: সরকারি, একাডেমিক বা অফিসিয়াল মূল উৎস খুঁজুন।

চতুর্থ মিনিট: আরেকটি স্বাধীন নির্ভরযোগ্য উৎসে তথ্য মিলিয়ে দেখুন।

পঞ্চম মিনিট: সংখ্যা ও উদ্ধৃতি আবার পরীক্ষা করুন। সমর্থন না পাওয়া দাবি বাদ দিন অথবা অনিশ্চয়তা স্পষ্ট করুন।

স্বাস্থ্য, আইন, অর্থ, নিরাপত্তা বা জনস্বার্থের তথ্যের জন্য পাঁচ মিনিটকে যথেষ্ট ধরে নেওয়া যাবে না।

AI দিয়ে AI-এর উত্তর যাচাই করা কি যথেষ্ট?

একই AI-কে “তোমার উত্তরটি ফ্যাক্ট-চেক করো” বলা অসামঞ্জস্য বা দুর্বল যুক্তি চিহ্নিত করতে সাহায্য করতে পারে। আলাদা মডেলে একই প্রশ্ন করলে উত্তরগুলোর পার্থক্যও চোখে পড়ে।

তবে একাধিক AI একই উত্তর দিলেই সেটি স্বাধীন প্রমাণ হয়ে যায় না। মডেলগুলো কোন উৎস ব্যবহার করেছে এবং সেই উৎস দাবিটিকে সমর্থন করে কি না, সেটিই মূল প্রশ্ন।

একটি কার্যকর নির্দেশনা হতে পারে:

প্রতিটি তথ্যগত দাবি আলাদা করুন। কোন দাবির জন্য প্রাথমিক উৎস দরকার তা বলুন। সমর্থনকারী উৎস বা সরাসরি উদ্ধৃতি না পেলে দাবিটিকে অনিশ্চিত হিসেবে চিহ্নিত করুন।

এ ধরনের নির্দেশনা যাচাইয়ের কাজ গুছিয়ে দিতে পারে। প্রম্পট লেখার কৌশল জানতে প্রম্পট ইঞ্জিনিয়ারিং শেখার সহজ উপায় বিষয়ক লেখা প্রাসঙ্গিক। তবে AI-এর দেওয়া উৎস নিজে না খুলে কোনো দাবি প্রকাশ করা উচিত নয়।

যেসব লক্ষণ দেখলে তথ্য শেয়ার করা থামাবেন

নিচের কোনো লক্ষণ দেখা গেলে আরও যাচাই করুন:

• উৎস চাইলে AI বারবার নতুন রেফারেন্স দেয়
• লিংক খুললে পেজ পাওয়া যায় না
• গবেষণার নির্দিষ্ট শিরোনাম কোথাও পাওয়া যায় না
• লেখক, সাল বা জার্নালের নাম প্রতিবার বদলে যায়
• সরাসরি উদ্ধৃতির মূল রেকর্ড নেই
• সাম্প্রতিক তথ্যের সঙ্গে কোনো তারিখ নেই
• স্থানীয় নিয়মের উত্তরে দেশ বা অঞ্চল উল্লেখ করা হয়নি
• জটিল বিষয়ে কোনো ব্যতিক্রম বা সীমাবদ্ধতা নেই
• সংখ্যার মোট যোগফল বা শতাংশ মেলে না
• ভুল ধরিয়ে দেওয়ার পর AI প্রমাণ ছাড়াই বিপরীত উত্তর দেয়

AI ব্যবহারের বিস্তৃত সুবিধা ও ঝুঁকি বুঝতে কৃত্রিম বুদ্ধিমত্তা ব্যবহারের ইতিবাচক ও নেতিবাচক দিক বিষয়ক আলোচনাও কাজে লাগতে পারে।

শেয়ার করার আগে যে সিদ্ধান্তটি নেবেন

AI উত্তর যাচাই করার নিয়ম অনুসরণের সবচেয়ে বাস্তবসম্মত উপায় হলো উত্তরটিকে খসড়া হিসেবে নেওয়া এবং সিদ্ধান্ত বদলে দিতে পারে এমন দাবিগুলো আগে পরীক্ষা করা। প্রতিটি সাধারণ বাক্যের পেছনে সমান সময় ব্যয় করার প্রয়োজন নেই।

তবে নাম, সংখ্যা, তারিখ, উদ্ধৃতি এবং স্বাস্থ্য, অর্থ, আইন, শিক্ষা, সুনাম বা নিরাপত্তার সঙ্গে যুক্ত তথ্য মূল উৎস ছাড়া প্রকাশ করবেন না। নির্ভরযোগ্য সমর্থন না পেলে দাবিটি বাদ দিন অথবা অনিশ্চয়তা স্পষ্টভাবে লিখুন।

শেষ কথা

AI-এর উত্তর দ্রুত কাজে লাগে, কিন্তু দ্রুত পাওয়া মানেই নির্ভুল নয়। তাই কোনো তথ্য প্রকাশ, জমা বা শেয়ার করার আগে নাম, তারিখ, সংখ্যা, উদ্ধৃতি এবং মূল দাবিগুলো আলাদা করে পরীক্ষা করুন। গুরুত্বপূর্ণ বিষয়ে অন্তত একটি প্রাথমিক উৎস দেখুন এবং প্রয়োজন হলে আরেকটি স্বাধীন নির্ভরযোগ্য উৎসে তথ্য মিলিয়ে নিন।

AI উত্তর যাচাই করার নিয়ম অভ্যাসে পরিণত হলে প্রতিটি উত্তরের পেছনে দীর্ঘ সময় ব্যয় করতে হবে না। কম ঝুঁকির তথ্য দ্রুত যাচাই করা যায়, আর স্বাস্থ্য, আইন, অর্থ, নিরাপত্তা, শিক্ষা বা সুনামের সঙ্গে যুক্ত তথ্যের ক্ষেত্রে বেশি সতর্ক হওয়া দরকার। নির্ভরযোগ্য প্রমাণ না পেলে দাবিটি বাদ দিন, অথবা স্পষ্টভাবে লিখুন যে তথ্যটি নিশ্চিত নয়।

প্রায়শই জিজ্ঞাসিত প্রশ্ন

AI-এর দেওয়া সব রেফারেন্স কি ভুয়া?

না। কিছু রেফারেন্স সঠিক হতে পারে। তবে সত্যিকার উৎসের সঙ্গে ভুল লেখক, শিরোনাম, সাল বা অসমর্থিত দাবি জুড়ে দেওয়া হতে পারে। তাই গুরুত্বপূর্ণ প্রতিটি লিংক খুলে দেখুন।

Wikipedia দিয়ে AI-এর উত্তর যাচাই করা যাবে?

Wikipedia প্রাথমিক ধারণা ও সম্ভাব্য উৎস খুঁজতে সহায়ক হতে পারে। গুরুত্বপূর্ণ দাবির চূড়ান্ত প্রমাণ হিসেবে সংশ্লিষ্ট সরকারি নথি, মূল গবেষণাপত্র বা অন্য প্রাথমিক উৎস দেখা ভালো।

দুটি আলাদা AI একই উত্তর দিলে কি সেটি সত্য?

না। একই উত্তর পাওয়া সামঞ্জস্য দেখায়, সত্যতা নয়। মডেলগুলো কোন প্রমাণ ব্যবহার করেছে এবং সেই প্রমাণ দাবিটিকে সমর্থন করে কি না, তা আলাদাভাবে পরীক্ষা করতে হবে।

AI-এর তৈরি কোড কীভাবে যাচাই করবেন?

ব্যবহৃত লাইব্রেরি, ফাংশন ও সংস্করণ অফিসিয়াল ডকুমেন্টেশনের সঙ্গে মিলিয়ে দেখুন। এরপর আলাদা পরীক্ষামূলক পরিবেশে কোড চালিয়ে আউটপুট, ত্রুটি, নিরাপত্তা ও ব্যর্থতার পরিস্থিতি পরীক্ষা করুন। উৎপাদন ব্যবস্থায় অযাচাইকৃত কোড সরাসরি ব্যবহার করবেন না।