ਇੱਕ ਅਰਧ-ਸਵੈਆਤਮਿਕ (semi-autonomous), ਚਾਰ-ਏਜੰਟ ਪਾਈਪਲਾਈਨ ਐਕਸਪਲੋਰੇਟਰੀ ਡਾਟਾ ਐਨਾਲਿਸਿਸ (EDA) ਵਿੱਚ ਹਲੂਸੀਨੇਸ਼ਨ (hallucinations) ਨੂੰ ਘਟਾ ਸਕਦੀ ਹੈ, ਕਿਉਂਕਿ ਇਹ ਲਾਰਜ ਲੈਂਗੂਏਜ ਮਾਡਲਾਂ (LLMs) ਨੂੰ ਗਣਨਾਵਾਂ (number-crunching) ਤੋਂ ਦੂਰ ਰੱਖ ਕੇ ਸਿਰਫ਼ ਫੈਸਲੇ ਲੈਣ ਤੱਕ ਸੀਮਤ ਰੱਖਦੀ ਹੈ। ਇਹ ਡਿਜ਼ਾਈਨ ਮਾਡਲ ਨੂੰ ਇਹ ਫੈਸਲਾ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ ਕਿ ਕੀ ਜਾਂਚਣਾ ਹੈ, ਜਦੋਂ ਕਿ ਇੱਕ ਸੈਂਡਬਾਕਸ (sandbox) ਵਿੱਚ ਚੱਲਣ ਵਾਲਾ ਸਾਧਾਰਨ ਕੋਡ ਅਸਲ ਗਣਨਾਵਾਂ ਕਰਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਅਜਿਹੇ ਨਤੀਜੇ ਮਿਲਦੇ ਹਨ ਜਿਨ੍ਹਾਂ ਦੀ ਕਦਮ-ਦਰ-ਕਦਮ ਪੜਤਾਲ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ।
ਇੱਕ ਸਿੰਗਲ LLM ਕਾਲ ਕਿਉਂ ਜੋਖਮ ਭਰਪੂਰ ਹੈ
ਇੱਕ LLM ਨੂੰ ਇਹ ਕਹਿ ਕੇ ਪ੍ਰੋਂਪਟ ਕਰਨਾ ਕਿ "ਇਸ ਸਪ੍ਰੈਡਸ਼ੀਟ ਨੂੰ ਦੇਖੋ ਅਤੇ ਮੈਨੂੰ ਦੱਸੋ ਕਿ ਕੀ ਦਿਲਚਸਪ ਹੈ" ਇੱਕ ਟੈਕਸਟ ਦਾ ਇੱਕੋ ਇੱਕ ਬਲਾਕ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਮਾਡਲ ਨੰਬਰਾਂ ਦੀ ਕਲਪਨਾ ਕਰਦਾ ਹੈ, ਤਰਕ ਨੂੰ ਆਉਟਪੁੱਟ ਨਾਲ ਮਿਲਾ ਦਿੰਦਾ ਹੈ, ਅਤੇ ਇਸ ਗੱਲ ਦਾ ਕੋਈ ਸਬੂਤ ਨਹੀਂ ਦਿੰਦਾ ਕਿ ਕਿਸੇ ਨਤੀਜੇ 'ਤੇ ਕਿਵੇਂ ਪਹੁੰਚਿਆ ਗਿਆ। ਜਦੋਂ ਇਹ ਹਲੂਸੀਨੇਸ਼ਨ (hallucinate) ਕਰਦਾ ਹੈ—ਜਿਵੇਂ ਕਿ ਕੋਈ ਬਣਾਉਟੀ ਅੰਕੜਾ ਜਾਂ ਗਲਤ ਸਬੰਧ (spurious correlation)—ਤਾਂ ਉਪਭੋਗਤਾ ਤੱਕ ਪਹੁੰਚਣ ਤੋਂ ਪਹਿਲਾਂ ਗਲਤੀ ਨੂੰ ਫੜਨ ਲਈ ਕੋਈ ਚੈੱਕਪੁਆਇੰਟ ਨਹੀਂ ਹੁੰਦਾ।
ਇੱਕ ਅਰਧ-ਸਵੈਆਤਮਿਕ ਪਾਈਪਲਾਈਨ ਦੇ ਪਿੱਛੇ ਦਾ ਵਿਚਾਰ
ਨਵਾਂ ਵਰਕਫਲੋ EDA ਨੂੰ ਚਾਰ ਨਿਸ਼ਚਿਤ ਪੜਾਵਾਂ ਵਿੱਚ ਵੰਡਦਾ ਹੈ, ਜਿਸ ਵਿੱਚੋਂ ਹਰ ਇੱਕ ਨੂੰ ਆਪਣਾ ਵੱਖਰਾ ਏਜੰਟ ਸੰਭਾਲਦਾ ਹੈ। ਏਜੰਟ "ਪਲਾਨ-ਦਿਨ-ਐਕਟ" (plan-then-act) ਪੈਟਰਨ ਦੀ ਪਾਲਣਾ ਕਰਦੇ ਹਨ: ਉਹ ਪਹਿਲਾਂ ਫੈਸਲਾ ਕਰਦੇ ਹਨ ਕਿ ਕਿਹੜੀ ਕਾਰਵਾਈ ਦੀ ਲੋੜ ਹੈ, ਫਿਰ ਉਹ ਕਾਰਵਾਈ ਨੂੰ ਸੈਂਡਬਾਕਸਡ ਕੋਡ ਨੂੰ ਸੌਂਪ ਦਿੰਦੇ ਹਨ ਜੋ ਅਸਲ ਵਿੱਚ ਇਸਨੂੰ ਚਲਾਉਂਦਾ ਹੈ। LLM ਕਦੇ ਵੀ ਅਰਥਮਤਿਕ (arithmetic) ਜਾਂ ਫਾਈਲ ਮੈਨੀਪੂਲੇਸ਼ਨ ਨਹੀਂ ਕਰਦਾ; ਇਹ ਸਿਰਫ਼ ਪ੍ਰਸੰਗਿਕਤਾ ਬਾਰੇ ਫੈਸਲਾ ਲੈਂਦਾ ਹੈ।
ਚਾਰ ਏਜੰਟ
- ਡਾਟਾ-ਕਲੀਨਿੰਗ ਏਜੰਟ (Data-cleaning agent) – ਕਾਲਮਾਂ ਦੀਆਂ ਕਿਸਮਾਂ ਦੀ ਜਾਂਚ ਕਰਦਾ ਹੈ, ਗੁੰਮ ਹੋਈਆਂ ਕਮੀਆਂ (missing values) ਨੂੰ ਫਲੈਗ ਕਰਦਾ ਹੈ, ਅਤੇ ਇੰਪਿਊਟੇਸ਼ਨ (imputation) ਜਾਂ ਟਾਈਪ ਕਨਵਰਸ਼ਨ ਰਣਨੀਤੀਆਂ ਬਾਰੇ ਫੈਸਲਾ ਕਰਦਾ ਹੈ।
- ਕਾਲਮ-ਐਨਾਲਿਸਿਸ ਏਜੰਟ (Column-analysis agent) – ਹਰੇਕ ਵੇਰੀਏਬਲ ਦੇ ਡਾਟਾ ਟਾਈਪ ਅਤੇ ਡਿਸਟ੍ਰੀਬਿਊਸ਼ਨ ਦੇ ਅਧਾਰ 'ਤੇ ਢੁਕਵੇਂ ਵਿਜ਼ੂਅਲਾਈਜ਼ੇਸ਼ਨ (ਹਿਸਟੋਗ੍ਰਾਮ, ਬਾਕਸ ਪਲੌਟ, ਆਦਿ) ਦੀ ਚੋਣ ਕਰਦਾ ਹੈ।
- ਰਿਲੇਸ਼ਨਸ਼ਿਪ-ਐਨਾਲਿਸਿਸ ਏਜੰਟ (Relationship-analysis agent) – ਕਾਲਮਾਂ ਦੇ ਹਰੇਕ ਜੋੜ ਦਾ ਮੁਲਾਂਕਣ ਕਰਦਾ ਹੈ, ਚੁਣਦਾ ਹੈ ਕਿ ਕਿਹੜੇ ਜੋੜਾਂ ਨੂੰ ਡੂੰਘੇ ਅੰਕੜਾ ਵਿਗਿਆਨਕ ਟੈਸਟ ਦੀ ਲੋੜ ਹੈ, ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਸੰਭਾਵਿਤ ਜਾਣਕਾਰੀ ਦੇ ਅਧਾਰ 'ਤੇ ਕ੍ਰਮਬੱਧ ਕਰਦਾ ਹੈ।
- ਰਿਪੋਰਟ-ਰਾਈਟਿੰਗ ਏਜੰਟ (Report-writing agent) – ਤਿਆਰ ਕੀਤੇ ਗਏ ਚਾਰਟਾਂ ਅਤੇ ਗਣਿਤ ਕੀਤੇ ਅੰਕੜਿਆਂ ਨੂੰ ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਦੀਆਂ ਵਿਆਖਿਆਵਾਂ ਵਿੱਚ ਬਦਲਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਧਿਆਨ ਦੇਣ ਯੋਗ ਪੈਟਰਨਾਂ ਅਤੇ ਸਾਵਧਾਨੀਆਂ ਨੂੰ ਉਜਾਗਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
ਹਰੇਕ ਪੜਾਅ ਸੁਤੰਤਰ ਰੂਪ ਵਿੱਚ ਚੱਲਦਾ ਹੈ, ਇਸ ਲਈ ਕਾਲਮ-ਐਨਾਲਿਸਿਸ ਅਤੇ ਰਿਲੇਸ਼ਨਸ਼ਿਪ-ਐਨਾਲਿਸਿਸ ਏਜੰਟਾਂ ਨੂੰ ਸਮਾਂ ਬਚਾਉਣ ਲਈ ਸਮਾਂਤਰ (parallel) ਰੂਪ ਵਿੱਚ ਚਲਾਇਆ ਜਾ ਸਕਦਾ ਹੈ।
ਸਵੈਆਤਮਿਕਤਾ ਨੂੰ ਕਿਵੇਂ ਘਟਾਇਆ ਜਾਂਦਾ ਹੈ
ਪਾਈਪਲਾਈਨ ਦਾ ਸੁਰੱਖਿਆ ਨਿਯਮ ਸਰਲ ਹੈ: ਮਾਡਲ ਦੁਆਰਾ ਲਿਖਿਆ ਗਿਆ ਕੋਈ ਵੀ ਕੋਡ ਇੱਕ ਸੈਂਡਬਾਕਸ ਦੇ ਅੰਦਰ ਚੱਲਦਾ ਹੈ ਜੋ ਇਸਨੂੰ ਹੋਸਟ ਸਿਸਟਮ ਤੋਂ ਅਲੱਗ ਰੱਖਦਾ ਹੈ। ਜੇਕਰ ਚਲਾਉਣ ਵਿੱਚ ਅਸਫਲਤਾ ਹੁੰਦੀ ਹੈ, ਤਾਂ ਗਲਤੀ ਮਾਡਲ ਨੂੰ ਵਾਪਸ ਭੇਜੀ ਜਾਂਦੀ ਹੈ, ਜਿਸ ਨੂੰ ਪਾਈਪਲਾਈਨ ਨੂੰ ਰੋਕਣ ਤੋਂ ਪਹਿਲਾਂ ਸਕ੍ਰਿਪਟ ਨੂੰ ਸੁਧਾਰਨ ਲਈ ਦੋ ਕੋਸ਼ਿਸ਼ਾਂ ਤੱਕ ਮਿਲਦੀਆਂ ਹਨ। ਇਹ ਲਗਾਤਾਰ ਚੱਲਣ ਵਾਲੇ ਲੂਪਸ (runaway loops) ਨੂੰ ਰੋਕਦਾ ਹੈ ਅਤੇ ਇਹ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ ਕਿ ਮਾਡਲ ਕਦੇ ਵੀ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਫਾਈਲਾਂ ਨੂੰ ਮੈਨੀਪੂਲੇਟ ਨਹੀਂ ਕਰਦਾ ਜਾਂ ਅਰਥਮਤਿਕ ਕਾਰਜ ਨਹੀਂ ਕਰਦਾ।
ਕਿਉਂਕਿ ਮਾਡਲ ਦੀ ਭੂਮਿਕਾ ਸਿਰਫ਼ ਇਹ ਫੈਸਲਾ ਕਰਨ ਤੱਕ ਸੀਮਤ ਹੈ ਕਿ ਕੀ ਗਣਨਾ ਕਰਨੀ ਹੈ, ਅਸਲ ਅੰਕੜੇ ਹਮੇਸ਼ਾ ਨਿਸ਼ਚਿਤ (deterministic) ਕੋਡ ਤੋਂ ਆਉਂਦੇ ਹਨ। ਜੇਕਰ ਰਿਲੇਸ਼ਨਸ਼ਿਪ-ਐਨਾਲਿਸਿਸ ਏਜੰਟ "Order ID" ਅਤੇ "Month" ਵਿਚਕਾਰ ਸਬੰਧ ਦਾ ਸ਼ੱਕ ਕਰਦਾ ਹੈ, ਤਾਂ ਸੈਂਡਬਾਕਸ ਇੱਕ ਕੋ