AI-لکھی گئی تشریحات ان مقالات کو بیان کرتی ہیں جو موجود نہیں

ایک نگران ایک ہی جملے کی ساخت کو لگاتار 10 بار پڑھتا ہے، ایک تشریحی کتابیات کھولتے ہوئے، اسے بلند آواز سے پڑھتے ہوئے، ایک صفحے کے بعد دوسرا صفحہ: یہ مطالعہ X اور Y کے درمیان تعلق کا جائزہ لیتا ہے، شرکاء کے ایک نمونے کو استعمال کرتے ہوئے Z کی کھوج کرتا ہے، اور یہ نتیجہ اخذ کرتا ہے کہ مزید تحقیق کی ضرورت ہے۔ تمام اندراجات روانی سے پڑھے جاتے ہیں۔ بارہ ماخذوں میں سے 2، جنہیں عنوان کے ذریعے تلاش کیا گیا، موجود نہیں ہیں۔

AI کی طرف سے کتابیات میں گھڑی گئی حوالہ جات کی خیالی نسبتیں شاذ و نادر ہی حوالہ سطر میں خود کو ظاہر کرتی ہیں۔ ایک گھڑا ہوا مصنف نام اور ایک گھڑا ہوا جریدہ بالکل حقیقی جیسے دکھائی دے سکتے ہیں، یہاں تک کہ کوئی انہیں تلاش نہ کر لے۔ یہ جعل سازی عموماً سب سے پہلے، تقریباً ہر بار، اس تشریح سے پکڑی جاتی ہے جو اس کے نیچے موجود ہوتی ہے: ایک ایسا پیراگراف جو اتنا پراعتماد ہوتا ہے کہ کسی مقالے کے طریقۂ کار اور نتائج کو تفصیل سے بیان کر دے، حالانکہ وہ مقالہ کبھی لکھا ہی نہیں گیا تھا۔

کتابیات میں AI کی گھڑی ہوئی حوالہ جاتی نسبتوں کو کیسے پہچانا جائے

تشریح کو حوالہ سطر سے پہلے پڑھیں۔ ایک حوالہ اپنی جگہ، ایک مصنف، ایک سال، ایک جریدہ، ایک DOI، یہ سب چھوٹے منظم نمونے ہیں جنہیں ایک زبان ماڈل نے ہزاروں بار دیکھا ہوتا ہے، اور یہ محض اتفاق یا یادداشت کی بنا پر درست لگ سکتے ہیں، چاہے ان کے پیچھے کچھ حقیقی نہ ہو۔ اس کے برعکس، تشریح کو یہ بتانا ہوتا ہے کہ وہ مخصوص مقالہ حقیقت میں کیا کرتا تھا، اتنی تفصیل کے ساتھ کہ آپ یہ جان سکیں کہ وہ بات درست تھی یا غلط۔ اگر ماڈل ماخذ کو بازیافت نہ کرے یا اسے پڑھے نہ، تو وہ یہ کام قابلِ اعتماد طور پر نہیں کر سکے گا، اور نتیجہ DOI کی جانچ تک پہنچنے سے بہت پہلے ہی عمومی پن کی صورت میں ظاہر ہو جائے گا۔

تشریح حوالہ سے زیادہ کیوں ظاہر کر دیتی ہے

گھڑا ہوا حوالہ ایک اندازہ ہے جو حوالہ بن کر پیش کیا گیا ہو: ایک قرینِ قیاس مصنف، ایک قرینِ قیاس جریدہ، اور DOI جیسی ساخت رکھنے والی ایک عبارت جس میں ہندسوں کی درست تعداد ہو۔ گھڑی ہوئی تشریح ایک اندازہ ہے جو فہم بن کر پیش کیا گیا ہو، اور پورے پیراگراف میں فہم کو قائل کن طور پر جعلی بنانا کہیں زیادہ مشکل ہے۔ ماڈل کو ایک نمونہ، ایک طریقہ اور نتیجے کی ایک سمت کے بارے میں فیصلہ کرنا پڑتا ہے، اور ان میں سے ہر ایک تفصیل وہ جگہ ہے جہاں ایک حقیقی مقالہ اس کی تردید کر سکتا ہے۔

یہی وجہ بھی ہے کہ ایک تشریحی نوٹ قاری کے لیے ایک خالی حوالہ کے مقابلے میں جانچنا زیادہ آسان ہوتا ہے۔ حوالہ اسی طرح فارمیٹ کیا جاتا ہے، چاہے ماخذ حقیقی ہو یا نہ ہو، اس لیے اس کی شکل اکیلے کوئی معلومات افشا نہیں کرتی۔ تشریحی نوٹ مخصوص مواد کے بارے میں ایک مخصوص دعویٰ کرتا ہے، اس لیے یا تو وہ اصل مقالے سے ثابت ہوتا ہے یا نہیں ہوتا، اور اصل خلاصے کے ساتھ چند منٹ یہ طے کر دیتے ہیں کہ کون سا درست ہے۔

جب ایک ماڈل وہ کچھ لکھتا ہے جو اس نے کبھی حقیقت میں مقالہ پڑھ کر نہیں دیکھا ہوتا

کسی زبان ماڈل سے ایسے ماخذ پر تشریح لکھنے کو کہیں جس کے بارے میں اس کے پاس صرف عنوان اور ایک عمومی موضوع ہو، تو وہ انکار نہیں کرے گا اور نہ ہی محتاط انداز اختیار کرے گا۔ وہ اس پیراگراف کی پیش گوئی کرتا ہے جو اس عنوان والا مقالہ غالباً شامل کرے گا، اور اسے تربیت میں دیکھی گئی ہزاروں ملتی جلتی خلاصوں سے تشکیل دیتا ہے، پھر اسے اسی پُراعتماد اسلوب میں واپس دے دیتا ہے جو وہ ایسے مقالے کے لیے استعمال کرے گا جسے وہ سطر بہ سطر نقل کر سکتا ہو۔

یہ اس موضوع کے گرد کبھی لکھی گئی ہر چیز کے اوسط کی طرح پڑھا جاتا ہے۔ نیند اور یادداشت پر کسی مطالعے کا دیانت دار خلاصہ آپ کو اصل مطالعے کے شرکاء کے نام، استعمال شدہ اصل ٹیسٹ، اور رپورٹ کیا گیا اصل اثر کا حجم دے گا۔ ایک من گھڑت خلاصہ کہے گا کہ مطالعے میں دیکھا گیا کہ لوگ کتنی اچھی طرح سوتے ہیں اور ان کی یادداشت کیسی ہے، اور یہ پایا گیا کہ ان کے درمیان مضبوط تعلق ہے۔ یہ اتنا عمومی ہوتا ہے کہ کسی دوسرے، غیر متعلق عنوان کے نیچے بھی آرام سے فٹ ہو جائے۔

کیا جانچنا ہے	ایک حقیقی تشریح میں عموماً یہ ہوتا ہے	ایک جعلی تشریح میں عموماً اس کے بجائے یہ ہوتا ہے
اعداد	ایک مخصوص نمونہ حجم، اثر حجم یا فیصد جو حقیقی خلاصے سے مطابقت رکھتا ہو	کوئی عدد نہیں، یا ایک گول، ناقابلِ تصدیق عدد جو اصل ماخذ میں کہیں موجود نہ ہو
طریقہ	اصل نامزد طریقہ: کوئی مخصوص آزمائش، ڈیزائن یا ڈیٹا سیٹ	"ایک مطالعہ" یا "ایک تجزیہ" کی مبہم طرف اشارہ، بغیر کسی نامزد طریقے کے
حدود	ایک ایسی حد جسے خود مصنفین نے اٹھایا ہو، اور جو ان کے ڈیزائن سے مخصوص ہو	ایک عمومی حد جو میدان کے تقریباً کسی بھی مقالے پر صادق آتی ہو
حوالہ مطابقت	حوالہ ایک حقیقی ریکارڈ تک پہنچتا ہے جس کا عنوان تشریح سے مطابقت رکھتا ہو	حوالہ حل نہیں ہوتا، یا کسی مختلف، غیر متعلقہ مقالے تک پہنچتا ہے

ان میں سے کسی جانچ کے لیے پورا مقالہ پڑھنا ضروری نہیں۔ ان کے لیے اسے ایک بار کھولنا کافی ہے، اتنی دیر تک کہ دیکھا جا سکے آیا تشریح میں درج مخصوص دعوے واقعی خلاصے میں موجود ہیں یا نہیں۔

کیوں جعل سازی کی شرح کے لیے ماڈل ورژن اور تاریخ درکار ہوتی ہے

مسئلے کا پیمانہ ناپا گیا ہے، اگرچہ پیمائشیں ایک دوسرے سے متفق نہیں، کیونکہ وہ کبھی ایک ہی چیز کی پیمائش نہیں کر رہی تھیں۔ 2023 میں ایک ہی دن ایک ہی 42 علمی موضوعات پر ChatGPT-3.5 اور ChatGPT-4 کی جانچ کرتے ہوئے، محققین نے پایا کہ GPT-3.5 کے 55 فیصد حوالہ جات مکمل طور پر جعلی تھے، جبکہ GPT-4 کے لیے یہ شرح 18 فیصد تھی۔ ایک ہی پرامپٹس، ایک ہی محققین، ایک ہی دن، صرف ماڈل بدلا، اور شرح دو تہائی کم ہو گئی۔

ایک الگ مطالعے میں، جس نے کتابیاتی حوالوں کے بجائے تخیلاتی کیس حقائق کی جانچ کی، پایا گیا کہ ChatGPT-4 حقیقی وفاقی عدالتی مقدمات سے متعلق قابلِ تصدیق سوالات پر 58 فیصد وقت غلط تھا، اور Llama 2 2024 میں شائع ہونے والی تحقیق میں 88 فیصد وقت غلط تھا۔ یہ عدد مختلف ماڈلز پر ایک مختلف کام کی وضاحت کرتا ہے اور اسے اوپر دیے گئے حوالہ سازی کے اعداد کے ساتھ ملا کر ایک ہی مجموعی شرح نہیں بنایا جانا چاہیے۔ دونوں مطالعات جس بات پر متفق ہیں وہ مسئلے کی ساخت ہے: ماڈل کے ورژن اور تاریخ کے بغیر دیا گیا فیصد کسی خاص چیز کی وضاحت نہیں کرتا۔ 2023 سے 2026 تک پھیلے ایسے چھ مطالعات میں وسیع تر نمونہ اپنی ایک الگ موضوعیت رکھتا ہے: does ChatGPT make up references اس پر مکمل بحث کرتا ہے۔ کتابیات کے حوالے سے خاص طور پر جو بات اہم ہے وہ زیادہ محدود ہے: کیا تشریح DOI کی جانچ سے پہلے ہی جعل سازی کو ظاہر کر دیتی ہے۔

AI سے تیار کردہ تشریحی کتابیات میں ہر اندراج کی جانچ کیسے کریں

حوالہ جاتی سطر سے شروع کریں: عین عنوان کو Google Scholar یا جریدے کی اپنی ویب سائٹ پر تلاش کریں، اور DOI کو اس وقت تک غیر مصدقہ سمجھیں جب تک وہ واقعی اس عنوان تک نہ پہنچے، کیونکہ جعلی حوالہ ایسا DOI رکھ سکتا ہے جو کسی اور کے حقیقی، غیر متعلقہ مقالے تک لے جائے۔ An AI citation checker that resolves each entry against a real scholarly database اس تلاش کو خودکار بناتا ہے، بجائے اس کے کہ ہر ایک ماخذ کے لیے دستی تلاش پر چھوڑ دیا جائے۔

پھر تشریح کو خود ماخذ کے ساتھ جانچیں، نہ کہ اس کے ساتھ کہ وہ کتنی قائل کن لگتی ہے۔ اصل خلاصہ کھولیں اور نمونہ، طریقہ اور وہ نتیجہ تصدیق کریں جس کا دعویٰ تشریح کرتی ہے کہ وہ واقعی اس میں موجود ہیں۔ A free annotated bibliography generator that grounds every summary in the paper's own abstract, بجائے اس کے کہ اسے یادداشت سے مرتب کرے، دکھاتا ہے کہ حقیقی طور پر ماخذ پر مبنی تشریح کیسی دکھتی ہے، اس کے مقابلے میں جو ایسی نہ ہو۔

جو اندراجات آڈٹ میں برقرار رہیں، ان کے لیے citing ChatGPT in APA اور citing ChatGPT in MLA ہر ایک مرحلہ وار بیان کیے گئے ہیں۔

اس میں سے کوئی بھی چیز اس بات کو نہیں بدلتی کہ جب آپ نے یہ تصدیق کر لی ہو کہ اندراج حقیقی ہے تو آپ اسے کس طرح فارمیٹ کرتے ہیں۔ ChatGPT خود کو کیسے cite کریں ایک الگ سوال ہے، جس پر APA, MLA, Chicago اور IEEE کے لیے مکمل طور پر بحث کی گئی ہے، اور ایک citation generator عام حوالہ کو style سے قطع نظر اسی طرح فارمیٹ کرتا ہے۔ جو بات ان دونوں میں سے کوئی بھی نہیں پکڑتا، وہ ایک annotation ہے جو ایسے paper کی وضاحت کرتی ہے جسے کسی نے نہیں لکھا، اور اتنی رواں ہے کہ کسی نے چیک کرنے کا خیال ہی نہیں کیا۔