ഇന്നത്തെ ഡിജിറ്റല് ലോകത്ത്, വിവരങ്ങള് പൊടി നിറഞ്ഞ ഫയലുകള്ക്കുള്ളിലോ, റിസപ്ഷന് കൗണ്ടറുകള്ക്ക് പിന്നിലോ ഒതുങ്ങിക്കിടക്കുന്നില്ല. അത് വെബ്സൈറ്റുകള്, ഡയറക്ടറികള്, ഡാറ്റാബേസുകള്, വാര്ത്താ ലിങ്കുകള്, സോഷ്യല്മീഡിയ തലങ്ങള് എന്നിങ്ങനെ വെബ്തലങ്ങളില് പലയിടങ്ങളിലായി ചിതറിക്കിടക്കുന്നു.
ചാറ്റ് ജിപിടി, ജെമിനൈ, ഡീപ്പ് സീക്ക് പോലുള്ള ജനറേറ്റീവ് എഐ ടൂളുകളുടെ കടന്നുവരവോടെ വിവര നിര്മാണം, വിവര ലഭ്യത, വിവര ക്രോഡീകരണം എന്നിവയ്ക്ക് പുതിയ മാനം കൈവന്നിരിക്കുന്നു. എന്നാല്, നമ്മള് വിവരങ്ങള് ചികയുമ്പോള് ലഭ്യമാകുന്ന വിവരങ്ങളുടെ കൃത്യത അവയൊന്നും ഉറപ്പുനല്കുന്നില്ല. അതിന് പ്രധാന കാരണം ജനറേറ്റീവ് എഞ്ചിനുകളുടെ പ്രവര്ത്തനരീതി തന്നെയാണ്.
ജനറേറ്റീവ് എഞ്ചിന് ബോട്ടുകള് (Generative Engine Bot) നമ്മള് തിരയുന്ന വിഷയവുമായി ബന്ധപ്പെട്ട വിവരങ്ങള് വെബ് തലങ്ങളില് നിന്ന് ക്രോഡീകരിച്ചു ലഭ്യമാക്കുകയാണ് ചെയ്യുന്നത്. എന്നാല്, ഈ വിവരങ്ങളുടെ ആധികാരികത ഇവയ്ക്ക് ഉറപ്പാക്കാന് കഴിയുന്നില്ല. അതുകൊണ്ടുതന്നെ ഈ എഐ സംവിധാനങ്ങള് പൂര്ണമായും വിശ്വാസയോഗ്യമായവയല്ല. അതേസമയം, അവയുടെ വര്ധിച്ചുവരുന്ന സ്വീകാര്യത കണക്കിലെടുക്കേണ്ടതുമുണ്ട്. സത്യവും അഭ്യൂഹവും തമ്മില് വേര്തിരിച്ചെടുക്കുന്നതില് തീരുമാനമെടുക്കാനുള്ള കഴിവ് ജനറേറ്റീവ് എഐ എഞ്ചിനുകള്ക്ക് ഇല്ല എന്നതാണ് യാഥാര്ഥ്യം.
പലപ്പോഴും പഴയതോ തെളിയിക്കപ്പെടാത്തതോ ആയ ഉറവിടങ്ങളില് നിന്നുള്ള ഡാറ്റ ഉപയോഗിച്ച് എഐ മോഡലുകള് തെറ്റായ വിവരങ്ങള് നല്കുന്നു. യാതൊരു ആധികാരികതയും ഇല്ലാത്ത ഇത്തരം വിവരങ്ങള് പലപ്പോഴും വിദ്യാഭ്യാസ, വ്യവസായ മേഖലകളില് വന് തിരിച്ചടിക്ക് കാരണമാകും എന്നല്ല, കാരണമായിക്കൊണ്ടിരിക്കുന്നു എന്നത് നഗ്നമായ സത്യമാണ്. ഇത്തരം പിഴവുകള് കാരണം പലപ്പോഴും ബുദ്ധിമുട്ടിലാകുന്നത് വിദ്യാര്ഥികള്, സാധാരണക്കാര്, സര്ക്കാര്, ബിസിനസ്സ് സംരംഭകര് ഇവരൊക്കെയാണ്. ബന്ധപ്പെട്ട മേഖലയിലുള്ള വിശ്വാസത്തകര്ച്ച, സാമ്പത്തികനഷ്ടം എന്നിവ ഉണ്ടാകാനുള്ള സാധ്യതകളും വളരെ കൂടുതലാണ്.
പരിഹാര മാര്ഗമെന്ത്?
ഒരു സ്ഥാപനമോ വ്യക്തിയോ അവരുമായി ബന്ധപ്പെട്ട വിവരങ്ങള് ഇത്തരം എഐ സെര്ച്ച് സംവിധാനങ്ങള് തെറ്റായി നല്കുന്നുണ്ട് എന്ന് മനസ്സിലാക്കിയാല് എന്താണ് ചെയ്യേത്? ഇവിടെയാണ് ഇന്ഫര്മേഷന് ഡിസമ്പിഗ്യൂഷന് അഥവാ വിവര വ്യക്തതയുടെ (Information Disambiguation) പ്രസക്തി. ലളിതമായി പറഞ്ഞാല് ഏതൊരു വാര്ത്തയ്ക്കും പദത്തിനും സ്ഥലത്തിനും വ്യക്തിക്കും പിന്നിലുള്ള യഥാര്ത്ഥ അര്ഥം മനസിലാക്കാനുളള പ്രക്രിയ എന്ന് വേണമെങ്കില് പറയാം ഉദാഹരണത്തിന് 'Apple' എന്ന പദം തന്നെ എടുക്കാം ഇത് ഒരു പഴമായിരിക്കാം, ഒരു ടെക്നോളജി കമ്പനിയായിരിക്കാം, അല്ലെങ്കില് ഒരു റെക്കോര്ഡ് ലേബലായിരിക്കാം. അതിനൊപ്പം 'VD' എന്ന ചുരുക്കെഴുത്ത് കൂടി എടുത്തു നോക്കാം. അത് Venereal Disease എന്നൊരു അസുഖത്തിന്റെ ചുരുക്കപേരായിരിക്കാം, Virtual Disk അല്ലെങ്കില് Virtual Director പോലുള്ള ടെക്നോളജി പദമായിരിക്കാം, അല്ലെങ്കില് അല്ലെങ്കില് ഒരു വ്യക്തിയുടെ പേരിന്റെ ചുരുക്കരൂപവുമാവാം.
ഇങ്ങനെ നമ്മള് വെബ് തലങ്ങളില് ചികയുമ്പോള് വാക്കുകളുടെ ഒരേ പദത്തിനും ചുരുക്കത്തിനും കുട്ടിച്ചേര്ക്കലുകളും പല വ്യാഖ്യാനങ്ങളും ഉണ്ടായാല് പോലും ജനറ്റേറ്റീവ് എഐ സംവിധാനങ്ങള് പെട്ടുപോകാന് സാധ്യതയുണ്ട്. അതായത് പെര്മ്യൂട്ടേഷന് ആൻഡ് കോമ്പിനേഷന് പോലെ പല സാധ്യതകളും ജനറേറ്റീവ് എഐ നമ്മെ കൊണ്ടെത്തിക്കുന്നു എന്നതാണ് സത്യം. ഇതിനു പുറമെ, അജ്ഞാതരും സൈബര് കുറ്റവാളികളും ആധികാരികമല്ലാത്ത വെബ് തലങ്ങളിലൂടെ വസ്തുതാപരമല്ലാത്ത വാര്ത്തകള് (Manipulated) പ്രസിദ്ധീകരിക്കുമ്പോള് അത് ജനറേറ്റീവ് എഐ ബോട്ടുകളുടെ ശ്രദ്ധയില് എത്തുകയും സെര്ച്ച് റിസള്ട്ടുകളില് പ്രത്യക്ഷപ്പെടുകയും ചെയ്താല്, ഫലം അനുമാനിക്കാവുന്നതേയുള്ളൂ. ഇതാണ് ഇന്ഫര്മേഷന് ഡിസമ്പിഗ്യൂഷന് നിര്ബന്ധമാകേണ്ട സാഹചര്യം അനിവാര്യമാക്കുന്നത്.
തെറ്റായ വിവരങ്ങള് സ്ഥാപനങ്ങളുടെയും വ്യക്തികളുടെയും റെപ്യൂട്ടേഷനെ ബാധിക്കുമ്പോള്
സര്ക്കാര് മേഖലയിലെ ബാങ്കുകള്, വിദ്യാഭ്യാസ സ്ഥാപനങ്ങള്, വിനോദസഞ്ചാര കേന്ദ്രങ്ങള്, റെസ്റ്റോറന്റുകള്, ഹോട്ടലുകള് ഇവയുടെയൊക്കെ കോണ്ടാക്ട് നമ്പര്, ലൊക്കേഷന് തുടങ്ങി പല കാര്യങ്ങളും സെര്ച്ചില് ലഭിക്കുമ്പോള് പഴയതോ കൃത്യമല്ലാത്തതോ ആയ വിവരങ്ങള് സര്വ്വ സാധാരണമാണ്. ഇത്തരം വിവരങ്ങള് എഐ എന്ജിനുകള് വഴി വിവരങ്ങള് തിരയുന്നവര്ക്ക് ലഭ്യമാകും.
കെല്ട്രോണ് ഐടിബിജി നടത്തിയ ഒരു പഠനം തെളിയിക്കുന്നത് പല സര്ക്കാര് വിനോദസഞ്ചാര കേന്ദ്രങ്ങളുടേയും വിവരണങ്ങള് ഓണ്ലൈനില് തിരയുമ്പോള് ഗൂഗിള് നോളജ് ഗ്രാഫില് കാണിക്കുന്ന പല വിവരങ്ങളും തികച്ചും തെറ്റാണ് എന്നാണ്. ഇത് സര്ക്കാരിന് വരുമാനം നഷ്ടപ്പെടുകയും പൊതുജനങ്ങള്ക്കിടയില് വിശ്വാസനഷ്ടം ഉണ്ടാക്കുന്നതിന് കാരണമാകും എന്ന് നിസംശയം പറയാം ...
മറ്റൊരു ഉദാഹരണം തിരുവനന്തപുരം നഗരത്തിലെ ഒരു പ്രശസ്ത മ്യൂസിയം ആണ് നാച്ചുറല് ഹിസ്റ്ററി മ്യൂസിയം. എന്നാല് ഈ സ്ഥാപനത്തെ കുറിച്ച് ഗൂഗിള് നല്കുന്ന വിവരത്തിലുള്ള അഡ്രസിലുള്ള വ്യത്യാസവും ഡ്യൂപ്ലിക്കേറ്റ് ലിസ്റ്റിങ്ങുകളും യഥാര്ത്ഥ ഓഫീഷ്യല് അതോറിറ്റികള്ക്ക് അതിന്റെ ഉടമസ്ഥാവകാശം നേടാതിരിക്കാന് സാധ്യതയുണ്ടായി. അങ്ങനെ വരുമ്പോള് ആര്ക്കും ഇതിലെ വിവരങ്ങള് എഡിറ്റ് ചെയ്യാനുള്ള സാധ്യകള് തുറന്നു കൊടുക്കുന്നു.
ഏറ്റവും പ്രധാനമായ മറ്റൊന്ന് പൊതുമേഖലാ സ്ഥാപനമായ കേരള ഷിപ്പിങ് ഇന്ലാന്ഡ് നാവിഗേഷന് കോര്പ്പറേഷന് ലിമിറ്റഡ് എന്ന് (Kerala Shipping and Inland Navigation Corporation ltd) ഗൂഗിള് സെര്ച്ചില് തിരയുമ്പോള് ലഭിക്കുന്നത് 'ഈ സ്ഥാപനം ശാശ്വതമായി അടച്ചുപൂട്ടി' എന്ന ഉത്തരമാണ്! കാര്ഗോ ബാര്ജ് (Cargo Barge) സര്വീസുകള്, വിനോദസഞ്ചാരികള്ക്കായുള്ള ടൂറിസ്റ്റ് ബോട്ടുകള് ഉള്പ്പെടെ പല സേവനങ്ങളും നല്കുന്ന, ഇന്നും നിലനില്ക്കുന്ന ഈ സ്ഥാപനമാണ് പൂര്ണമായും പൂട്ടിപ്പോയി എന്ന് ഗൂഗിള് സെര്ച്ചില് കാണിക്കുന്നത്.
ജനറേറ്റീവ് എഐ: വേഗതയില് ശക്തം, എന്നാല് തെറ്റ് ഉണ്ടാക്കാനുള്ള സാധ്യതകള് അതിലുമേറെ
ജനറേറ്റീവ് എഐയുടെ ഏറ്റവും വലിയ നേട്ടമായി എടുത്തു പറയേണ്ടത് വ്യത്യസ്ത ഉറവിടങ്ങളില് നിന്നുള്ള വിവരങ്ങള് വേഗത്തില് ക്രോഢീകരിച്ചു നമ്മള് ആവശ്യപ്പെടുന്ന ഭാഷയില് തന്നെ ലഭ്യമാക്കുന്നു എന്നതാണ്, ലാര്ജ് ലാംഗ്വേജ് മോഡല് (LLM), റിട്രീവല് ഓഗ്മെന്റഡ് ജനറേഷന് (RAG) എന്ന സാങ്കേതികതയും അടിസ്ഥാനമാക്കി പ്രവര്ത്തിക്കുന്നത് കൊണ്ടാണ് ഇങ്ങനെ സാധ്യമാകുന്നത്. പക്ഷെ, ഇത്തരത്തില് ലഭ്യമാകുന്ന വിവരങ്ങളുടെ അധികാരികതയാണ് ചോദ്യം ചെയ്യപ്പെടുന്നത്. ഇങ്ങനെ, നമുക്ക് ലഭ്യമാകുന്ന വിവരങ്ങളുടെ ഉറവിടം (Source) പരിശോധിച്ചാല് ഇതു മനസിലാക്കാവുന്നതാണ്
യാഥാര്ഥ്യത്തെ വിശകലനം ചെയ്യുക എന്നത് ഒരു കടമ്പയായി മാറുന്ന സാഹചര്യം
ജനറേറ്റീവ് എഐ ഉപകരണങ്ങള് ഇത്രയധികം ജനപ്രിയമായതിന് പ്രധാന കാരണം അവയ്ക്ക് ഏത് ഭാഷയിലും അന്വേഷണങ്ങള് വ്യാഖ്യാനിക്കാനും വിവിധ ഡൊമെയ്നുകളിലുള്ള വിവരങ്ങള് സംയോജിപ്പിക്കാനും സ്വാഭാവികവും സംഭാഷണപരവുമായ ഫോര്മാറ്റുകളില് ഫലങ്ങള് നല്കാനും കഴിയും എന്നത് തന്നെയാണ്. എന്നാല്, ഈ സൗകര്യം ഉള്ളതുകൊണ്ട് യാഥാര്ഥ്യത്തെ വിശകലനം ചെയ്യുക എന്ന നമ്മുടെ ഉത്തരവാദിത്തം തമസ്കരിക്കപ്പെടരുത്.
ഉപഭോക്താവിന്റെ അന്വേഷണങ്ങള്ക്ക് മറുപടി നല്കുമ്പോള് റഫറന്സ് പോയിന്റായി ഘടനാപരവും ആധികാരികതയുമുള്ള ഡാറ്റയില്ലാതെ, കാലഹരണപ്പെട്ടതോ, അപ്രസക്തമോ, തെറ്റായതോ ആയ വിവരശകലങ്ങള് ഒരുമിച്ച് ചേര്ക്കാന് ജനറേറ്റീവ് എഐ ബോട്ടുകള് ശ്രമിക്കുമ്പോഴാണ് യഥാര്ത്ഥ പ്രശ്നങ്ങള് ഉടലെടുക്കുന്നത്. അതിന്റെ ഭവിഷ്യത്ത് ദൂരവ്യാപകമായ പ്രത്യാഘാതങ്ങള് സൃഷ്ടിക്കുന്നു എന്നത് ഒരു സത്യമാണ്. ആരോഗ്യം, ടൂറിസം, വിദ്യാഭ്യാസം, തൊഴില്, കച്ചവടം, തുടങ്ങി എല്ലാ മേഖലകളിലും ഇത്തരം തെറ്റായ വിവരങ്ങള് ആഘാതം സൃഷ്ടിക്കുന്നു.
വിശ്വാസം പുനഃസ്ഥാപിക്കാന് രൂപരേഖ
ഈ പ്രശ്നത്തിന് പരിഹാരം ജനറേറ്റീവ് എഐ ടൂളുകളില് ബോട്ടുകള്ക്ക് മനസ്സിലാകുന്ന രീതിയില് നമ്മള് തന്നെ വിവരങ്ങള് ക്രോഡീകരിച്ച് എത്തിക്കുക എന്നതാണ്. സ്റ്റാന്ഡേര്ഡൈസ്ഡ് മൈക്രോഡാറ്റ ഇന്റഗ്രേഷന്, ഗൂഗിള് നോളജ് ഗ്രാഫ് വെരിഫിക്കേഷന്, വെബ് ഓണ്ടോളജി മാപ്പിംഗ്, സെമാന്റിക് ഇന്ഡെക്സിംഗ് എന്നിവയാണ് ഇതിനുള്ള പ്രതിവിധി. എന്നാല്, പലര്ക്കും ഇത്തരം സാങ്കേതികതലങ്ങളെക്കുറിച്ച് വലിയ ഗ്രാഹ്യമില്ലാത്തതിനാല്, തെറ്റായ വിവരങ്ങള് നീക്കം ചെയ്യാന് കഴിയാതെ വരികയും, അവ വീണ്ടും വീണ്ടും പ്രചരിപ്പിക്കപ്പെടുന്നതിന് കാരണമാകുകയും ചെയ്യുന്നു.
ബ്രിട്ടീഷ് മ്യൂസിയം എന്ന് സെര്ച്ച് എന്ജിനുകളില് തിരയുമ്പോള് ലഭ്യമാകുന്ന വിവരങ്ങള് ഇത്തരത്തില് കൃത്യമായി ക്രോഡീകരിച്ച ഡാറ്റ ലിങ്കിംഗിന് ഒരു മികച്ച ഉദാഹരണമാണ്. നിങ്ങള് ബ്രിട്ടീഷ് മ്യൂസിയം തിരഞ്ഞാല് ഗൂഗിളില് വെരിഫൈഡ് ലോഗോ, വിലാസം, വെബ്സൈറ്റ്, തുറക്കുന്ന സമയം തുടങ്ങിയവ ലഭിക്കുന്നു. ഇത് തെറ്റായ വിവരങ്ങള് (misinformation) തടയുകയും സ്ഥാപനത്തിന്റെ ബ്രാന്ഡ് മൂല്യം (brand value) സംരക്ഷിക്കുന്നതിനും സഹായിക്കുന്നു.
ഇന്ഫര്മേഷന് ഡിസമ്പിഗ്യൂഷന് ഡിജിറ്റല് ഗവണന്സിന്റെ അടിത്തറയായി മാറുമ്പോള്
കൃത്യമായ വിവര ക്രോഡീകരണവും വിനിമയവുമാണ് ഇന്ഫര്മേഷന് ഡിസമ്പിഗ്യൂഷന്റെ അടിസ്ഥാനം. ഇന്ന് നമുക്ക് ലഭ്യമാകുന്ന വാര്ത്തകളും, അറിവുകളും, വാങ്ങുന്ന ഉല്പ്പന്ന വിവരങ്ങളും എല്ലാം കൂടുതലും വെബ്സൈറ്റുകളില് നിന്നുള്ളവയാണ്. എന്നാല് ഇതില് മിക്കവാറും എഐ സംവിധാനങ്ങള് വഴിയാണ് ഫില്റ്ററിങ്, സംഗ്രഹണം, ഉത്തരം നല്കല് പ്രക്രിയകള് നടക്കുന്നത്. AI യ്ക്കും തെറ്റുപറ്റാം. അതുകൊണ്ടാണ് ആധികാരിക ഉള്ളടക്കം സൃഷ്ടിക്കുന്നതിനുള്ള ശരിയായ മാര്ഗ്ഗരേഖകള് അനിവാര്യമായത്. അതില് പ്രധാനമായും അനുവര്ത്തിക്കേണ്ട ചില നിര്ദേശങ്ങള് താഴെ ചേര്ക്കുന്നു
- E-A-T Principle (Google Guidelines): വെബ്ബിലെ കണ്ടന്റ് വിശ്വസിക്കാവുന്നതാകണമെങ്കില് അതിന് വൈദഗ്ധ്യം (Expertise), പ്രാമാണികത (Authoritativensse), വിശ്വാസ്യത (Trustworthiness) ഉണ്ടായിരിക്കണം. എഴുത്തുകാരന് വിശ്വസനീയനാണോ? ഉറവിടങ്ങള് (sources) ശരിയായതാണോ എന്നതാണ് E-A-T Principle വ്യക്തമാക്കുന്നത്.
- YMYL Content (Your Money or Your Life): ആരോഗ്യം, സാമ്പത്തികം, നിയമം പോലുള്ള വിഷയങ്ങളില് തെറ്റായ വിവരങ്ങള് അപകടകാരികളാണ്. അതിനാല് ഉള്ളടക്കങ്ങളെ വളരെ കര്ശനമായി പരിശോധിക്കേണ്ടത് അനിവാര്യമാണ്.
- Transparency & Fact-checking: എഐ നിര്മിത ഉള്ളടക്കം വര്ധിച്ചുവരുന്നതിനാല് എഐ സുതാര്യത അത്യന്താപേക്ഷിതമാണ്. മനുഷ്യന് എഴുതിയതാണോ, എഐ സഹായിച്ചുള്ളതാണോ എന്ന് വ്യക്തമാക്കണം. കൂടാതെ ഉള്ളടക്കം പ്രസിദ്ധീകരിക്കുന്നതിന് മുന്പ് വസ്തുതാ പരിശോധന നിര്ബന്ധവുമാണ്.
- Ethical Standards & Copyright: വാര്ത്തകളും ലേഖനങ്ങളും പ്രസിദ്ധീകരിക്കുമ്പോള് മാധ്യമപ്രവര്ത്തനത്തിന്റെ ധാര്മിക തത്വങ്ങള് കൃത്യമായും പാലിക്കണം: കൃത്യത, നിഷ്പക്ഷത, ഉറവിടങ്ങളുടെ സത്യാവസ്ഥ. കൂടാതെ പകര്പ്പാവകാശങ്ങളുടെ ലംഘനം ഒഴിവാക്കുകയും, ആവശ്യമായിടത്ത് കടപ്പാട് വയ്ക്കുകയോ, ശരിയായ രീതിയില് ആട്രിബ്യൂഷന് നല്കുകയോ വേണം.
- Accessibility & Inclusivity: ആധികാരിക ഉള്ളടക്കം എല്ലാവിഭാഗം ആള്ക്കാര്ക്കും ലഭ്യമാകുന്ന രീതിയിലായിരിക്കണം പ്രസിദ്ധീകരിക്കേണ്ടത് (കാഴ്ച, മറ്റ് ശാരീരിക പരിമിതികള് ഉള്പ്പെടെ ഉള്ളവര്ക്കും അനായാസം കാര്യങ്ങള് മനസ്സിലാകുന്ന രീതിയില്). WCAG, ARIA പോലുള്ള ആക്സസബിലിറ്റി മാര്ഗ്ഗരേഖകള് പാലിക്കേണ്ടത് ഈ ഘട്ടത്തില് അനിവാര്യമാണ്
- Content Governance & User Trust: എബൗട്ട്, കോണ്ടാക്ട്, പ്രൈവസി പോളിസി പോലുള്ള വിവരങ്ങള് ചേര്ക്കുന്നത്, ഉള്ളടക്ക മോഷണം (Plagiarsim) തടയല്, ഐഎസ്ഒ ഗുണമേന്മ തത്വങ്ങള് എന്നിവ ഉള്ളടക്കത്തിന്റെ വിശ്വാസ്യത ഉയര്ത്താന് ഉപകരിക്കുന്നു.
എഐ കാലഘട്ടത്തില് ഇന്ഫര്മേഷന് ഡിസമ്പിഗ്യൂഷന്റെ അനിവാര്യത
ഡിജിറ്റല് കാലഘട്ടത്തില് വിവര ശേഖരണത്തില് എഐയ്ക്ക് പിഴച്ചാല് ഉണ്ടാകുന്ന ഭവിഷ്യത്തുകള് നമുക്ക് അനുമാനിക്കാവുന്നതാണ്, ഇവിടെ സാങ്കേതിക വ്യവസ്ഥകള് മാത്രമല്ല, വിശ്വാസ്യത, കൃത്യത, സുതാര്യത എന്നിവയും ഒരുപോലെ പ്രാധാന്യമര്ഹിക്കുന്നു. ഡിസമ്പിഗ്യൂഷന് എന്നത് ജനങ്ങള് പ്രതീക്ഷിക്കുന്നതും ഡിജിറ്റല് ലോകം ആവശ്യപ്പെടുന്നതുമായ നൂതന മാനദണ്ഡമാണ്.
Content Highlights: Article explores how generative AI tools like ChatGPT and Gemini struggle to ensure data accuracy
Published: 28 Aug 2025, 03:00 pm IST
Disclaimer: Kindly avoid objectionable, derogatory, unlawful and lewd comments, while responding to reports. Such comments are punishable under cyber laws. Please keep away from personal attacks. The opinions expressed here are the personal opinions of readers and not that of Mathrubhumi.
Most Commented