প্রশ্নোত্তর
কার্যকর শিক্ষামূলক এআই সফটওয়্যার নকশার সেরা চর্চা ও পরামর্শ কী?
ইংরেজি পাতার এই স্বয়ংক্রিয় অনুবাদ, এখনও মাতৃভাষিক বক্তার দ্বারা পর্যালোচনা করা হয়নি।
আপনার দলে একটি কাজ করা প্রোটোটাইপ টিউটর আছে আর তিন সপ্তাহ পরে জেলা-পর্যায়ের ডেমো। বা একটি অংশীদার স্কুল অনুরোধ করেছে তার কোর্স-রিডারের ওপর একটি চ্যাট ইন্টারফেস বসাতে, আর কেউ বলছে এটি দুই সপ্তাহের কাজ। বা একজন ক্রয়-পর্যালোচক নিরাপত্তা অংশটি এক লাইন লিখে ফেরত পাঠিয়েছেন: আপনি ঠিক কী পরীক্ষা করেছেন?
উত্তরটি বেশিরভাগ পণ্য-স্পেসিফিকেশন যা ধরে নেয় তার চেয়ে সংকীর্ণ। শিক্ষামূলক এআই কাজ করে একজন সীমিত বিশেষজ্ঞ হিসেবে, মানব তত্ত্বাবধানে: সক্ষমতা একটি নির্ধারিত ক্ষেত্রে আবদ্ধ, মডেলের স্মৃতির বদলে প্রশিক্ষক-অনুমোদিত বিষয়বস্তুতে ভিত্তিক, যে শিক্ষক ও শিক্ষার্থীরা এটি ব্যবহার করে তাদের সঙ্গে সহ-নকশাকৃত, এবং টেকসই বহু-পাল্টা মিথস্ক্রিয়ায় মূল্যায়িত। শেষ শর্তটাই বেশিরভাগ দল বাদ দেয়। নিচের বেঞ্চমার্কে পরীক্ষিত প্রতিটি মডেলেই শিক্ষাগত ক্ষতি দেখা গেছে, আর ব্যর্থতার হার এক-পাল্টা মিথস্ক্রিয়ায় 17.7% থেকে বহু-পাল্টা কথোপকথনে 77.8%-এ উঠেছে।
সংক্ষেপে
1. সিস্টেম কী সিদ্ধান্ত নেয় আর শিক্ষক কী সিদ্ধান্ত নেন তা লিখে ফেলুন। সেই সীমাই স্থাপত্য হয়ে ওঠে।
2. বাস্তব পাঠ্যক্রমের বিপরীতে বহু-পাল্টা, শাস্ত্র-সচেতন মিথস্ক্রিয়া মূল্যায়ন করুন, সাধারণ নিরাপত্তা-রুব্রিকের বিপরীতে একক প্রম্পট নয়।
3. উত্তরগুলো অনুমোদিত বিষয়বস্তুতে ভিত্তি করুন, এবং যাচাইকারী উপাদানটি কথোপকথনের উপাদান থেকে আলাদা রাখুন।
4. শিক্ষার্থীর প্রতিটি জমাকে অবিশ্বস্ত ইনপুট হিসেবে দেখুন, সিস্টেম যখন তা নম্বর দিচ্ছে তখনও।
5. পাইলটের আগেই প্রচেষ্টা-দ্বার, এসকেলেশনের পথ এবং শিক্ষকের ওভাররাইড তৈরি করুন।
6. প্রবেশগম্যতা ও বিভাজিত ন্যায্যতা-পরীক্ষা ব্যাকলগে নয়, স্পেসিফিকেশনেই রাখুন।
সিস্টেম কী হতে পারবে তা সিদ্ধান্ত করুন
Reichert ও সহকর্মীদের অংশগ্রহণমূলক নকশা-গবেষণা ছয়জন মাধ্যমিক শিক্ষকের সঙ্গে সেই ধারণাটি সংশোধন করে যে শিক্ষামূলক এআইয়ের স্বায়ত্তশাসিত এজেন্ট হওয়া উচিত। কাগজে শ্রেণিকক্ষের চ্যাটবটের প্রোটোটাইপ বানাতে বলে প্রত্যেক শিক্ষক দুটি মাত্রা ধরে একটি সীমিত বিশেষজ্ঞের বর্ণনা দেন। কর্তৃত্বের সীমা শিক্ষকদের নিয়ন্ত্রণে রাখে, কারণ শিক্ষার্থীর শিখন ও নিরাপত্তার দায় অর্পণ করা যায় না। বিশেষজ্ঞতার সীমা প্রতিফলিত করে ব্যক্তিগত শিক্ষার্থী, শ্রেণিকক্ষের গতিশীলতা ও প্রাতিষ্ঠানিক রীতি সম্পর্কে এআইয়ের প্রসঙ্গগত জ্ঞানের অভাব।
তাঁরা যে স্থাপত্যের খসড়া দেন তার চারটি উপাদান (বিষয়বস্তুর পরিধি নির্ধারণ, বিষয়বস্তু উপস্থাপন, শিক্ষার্থী-অভিযোজন, শিক্ষকের তত্ত্বাবধান) তিনটি সুরক্ষা-স্তরের ওপর: ক্ষেত্র-সীমা যা পরিধি সংকুচিত করে, বিষয়বস্তু-ফিল্টারিং যা নিরাপদ ব্যক্তিগতকরণ সক্ষম করে, এবং অস্পষ্ট কেসে শিক্ষকের ওভাররাইড। অর্পণ ছিল বাছাই করা। Gagné-র নয়টি নির্দেশনা-ঘটনায় ম্যাপ করলে শিক্ষকেরা বিষয়বস্তু উপস্থাপন, অনুশীলন-সমস্যা দেওয়া এবং গঠনমূলক প্রতিক্রিয়া দেওয়ার জন্য এআইকে স্বাগত জানিয়েছেন, আর উদ্দেশ্য নির্ধারণ বা সমন্বিত মূল্যায়ন চালানোর জন্য তা অস্বীকার করেছেন।
একই স্পেসিফিকেশনে দুটি ডিফল্ট থাকা উচিত: সিস্টেমকে স্পষ্ট শিখন-লক্ষ্যের সঙ্গে মিলিয়ে নিন, এবং তাকে কে টাইপ করছে তার সঙ্গে একমত হওয়ার বদলে সদয় কিন্তু সঠিক উত্তরের দিকে সুর করুন। যে টিউটর ভুল উত্তরকে তোষামোদ করে, সে শিক্ষার্থীকে শিখিয়ে দেয় উত্তরটি সঠিক ছিল।
একটি খুঁটিনাটি এখন সস্তা আর পরে ব্যয়বহুল: এই শিক্ষকেরা মডেলের যুক্তির ব্যাখ্যার বদলে আচরণগত স্বচ্ছতা, দৃশ্যমান সীমা ও অনিশ্চয়তার সংকেত চেয়েছেন। ছয়জনই পূর্ণ কথোপকথন-লগ, রিয়েল-টাইম অ্যালার্ট ও ওভাররাইড-সক্ষমতা চেয়েছেন, যা তাঁরা অবিশ্বাস নয়, পেশাগত দায় হিসেবে দেখেছেন। প্রথম স্প্রিন্টেই এর জন্য নকশা করুন, কারণ অদৃশ্য মনে হওয়ার জন্য তৈরি একটি টিউটরে পরে লগ বসানো মানে পুরো পুনর্লিখন।
এক পাল্টায় নয়, কথোপকথনে পরীক্ষা করুন
শিক্ষাগত নিরাপত্তা সংশ্লেষ যুক্তি দেয় যে প্রচলিত নিরাপত্তা-পরীক্ষা শিক্ষার জন্য যথেষ্ট নয়। একটি সিস্টেম বিষাক্ত বিষয়বস্তু এড়াতে পারে, তবু বেশি উত্তর প্রকাশ, ভুল ধারণা জোরদার করা, প্রতিফলন দমন, নির্ভরতা বাড়ানো বা শিক্ষাদান-লক্ষ্য থেকে সরে যাওয়ার মাধ্যমে ক্ষতি করতে পারে।
SafeTutors বেঞ্চমার্ক এতে সংখ্যা বসায়। পরীক্ষিত প্রতিটি মডেল জুড়ে, 3.8B ওপেন-ওয়েট মডেল থেকে GPT-5-mini পর্যন্ত, শিক্ষাগত ক্ষতি সর্বজনীন ছিল, স্কেল নির্ভরযোগ্যভাবে নিরাপত্তা বাড়ায়নি, আর ব্যর্থতার হার এক-পাল্টা মিথস্ক্রিয়ায় 17.7% থেকে বহু-পাল্টা কথোপকথনে 77.8%-এ উঠেছে। লঙ্ঘনের ধাঁচ বিষয় অনুযায়ী ভিন্ন ছিল। এর 11-মাত্রিক, 48-উপ-ঝুঁকি ট্যাক্সোনমি জ্ঞানীয়, জ্ঞানতাত্ত্বিক, মেটাকগনিটিভ, প্রেরণা-আবেগিক, বিকাশগত ও ন্যায্যতা, এবং শিক্ষাদান-সঙ্গতি শ্রেণি ধরে, আর এটি পরীক্ষা-সেটের মতোই নকশা-চেকলিস্ট হিসেবেও কাজ করে।
উত্থানের সংখ্যাটিকে আপনার পরীক্ষা-পরিকল্পনা সম্পর্কে একটি বক্তব্য হিসেবে পড়ুন। যে টিউটর এক হাজার এক-পাল্টা প্রোব পাস করে, সে পাঁচটি কথোপকথনের চারটিতে ব্যর্থ হতে পারে যেবার শিক্ষার্থী পাল্টা চাপ দেয় বা তৃতীয়বার জিজ্ঞাসা করে। ডেমোর আগেই বহু-পাল্টা হারনেস তৈরি করুন।
বিষয়বস্তু ভিত্তি করুন এবং যাচাইকারীকে আলাদা করুন
ভিত্তিকরণ একটি স্থাপত্য-সিদ্ধান্ত। EduGuard, একটি নিরাপদ রিট্রিভাল-অগমেন্টেড টিউটর প্রারম্ভিক প্রোগ্রামিংয়ের জন্য, প্রশিক্ষক-অনুমোদিত কোর্স-রিট্রিভালের সঙ্গে স্থাপত্যগতভাবে আলাদা একটি দাবি-যাচাইকারী, স্পষ্ট অতিরিক্ত নির্ভরতা নিয়ন্ত্রণ, এবং ভুল ধারণা, ডিবাগিং, কোড-মিশ্রিত কোয়েরি ও প্রতিকূল সরাসরি-উত্তর প্রম্পট জুড়ে 600-কোয়েরির প্রশিক্ষক-রচিত বেঞ্চমার্ক জোড়া দেয়। এটি GPT-4o-mini ও Llama সক্রেটিক টিউটর ভিত্তিরেখার চেয়ে ভালো করেছে।
স্থানান্তরযোগ্য অংশটি হলো বিচ্ছেদ: যে উপাদানগুলো যাচাই করে তারা কথোপকথন চালায় না, আর বেঞ্চমার্কে ভদ্রতা যাচাইয়ের বদলে উত্তর বের করার জন্য লেখা প্রম্পটও আছে। অনুমোদিত রিট্রিভাল যে ব্যর্থতা-ধরনটি সীমিত করার কথা, তা ধরা আছে হ্যালুসিনেশন ঝুঁকিতে।
শিক্ষার্থীর কাজকে অবিশ্বস্ত ইনপুট হিসেবে দেখুন
বেশিরভাগ নকশা-পরামর্শ যে হুমকি-মডেল বাদ দেয়, তা মূল্যায়িত আর্টিফ্যাক্টের ভেতরেই বসে। Humble-এর (2026) প্রতিকূল রেড-টিম মূল্যায়ন পরীক্ষা করে শিক্ষার্থীরা নিজেদের জমায় প্রম্পট-ইনজেকশনের মাধ্যমে একটি LLM-ভিত্তিক নম্বরদাতাকে পরিচালনা করতে পারে কি না, এবং পরিচালনা কাজ করেছে: নম্বরদাতাকে নির্দেশ দেওয়া, নতুন কাঠামোয় সাজানো বা ভূমিকায় অভিনয় করানোর ইনজেকশন কাজ না বদলেই স্কোর সরিয়ে দেয়।
রুব্রিক ও নির্দেশনা শিক্ষার্থীর নিয়ন্ত্রণে থাকা প্রসঙ্গ-জানালার বাইরে রাখুন, নির্দেশনার মতো বিষয়বস্তু ছেঁটে ফেলুন বা চিহ্নিত করুন, কোনো জমাকে নিজের মানদণ্ড নিজে ঠিক করতে দেবেন না, এবং পরিণতিসম্পন্ন যেকোনো নম্বরে মানব সিদ্ধান্ত রাখুন। যে নম্বরদাতা যে লেখার বিচার করে তা থেকেই নিজের নির্দেশনা পড়ে, সে রুব্রিকটাই পরীক্ষার্থীর হাতে তুলে দিয়েছে।
কাজটি সম্পন্ন না করে স্ক্যাফোল্ড করুন
যে সিস্টেম উত্তর দেয়, সে যে চিন্তাকে সমর্থন করতে তাকে কেনা হয়েছিল তা শেষ করে দেয়। টিকিটে দুটি জিনিস থাকা দরকার: একটি প্রচেষ্টা-দ্বার, যাতে শিক্ষার্থী কিছু প্রতিশ্রুতিবদ্ধ করার আগে কোনো ফল না আসে, এবং নামধারী গন্তব্যসহ একটি মানব এসকেলেশন-পথ, যা শ্রেণিকক্ষের পণ্যে মানে শিক্ষক, এমন রূপে যা শিক্ষক কাজে লাগাতে পারেন। Scaffolding ও সক্রেটিক ধাঁচ হলো একটি পাঠ-পরিকল্পনা হাতে যা করে তার পণ্য-সংস্করণ; কার্যকরভাবে পড়াশোনা ও শেখার জন্য আমার এআই কীভাবে ব্যবহার করা উচিত? নির্ণয়, ইঙ্গিত-সিঁড়ি ও প্রতিক্রিয়া বিস্তারিত ধরে।
প্রবেশগম্যতা ও ন্যায্যতা স্পেসিফিকেশনেই রাখুন
প্রবেশগম্যতার দাবিগুলো একটি স্প্রিন্টের জন্য যথেষ্ট সুনির্দিষ্ট: কিবোর্ড-পরিচালনযোগ্যতা, স্ক্রিন-রিডার সামঞ্জস্য, ক্যাপশন ও ট্রান্সক্রিপ্ট, যথাযথ কনট্রাস্ট, ব্যবহারযোগ্য টেক্সট-বিকল্প, এবং সহায়ক প্রযুক্তির সঙ্গে সামঞ্জস্য। এআই-উৎপন্ন প্রবেশগম্যতা-বৈশিষ্ট্যও গুণমান যাচাই দরকার। দেখুন Accessibility।
ন্যায্যতা-পরীক্ষা পুরো পাইপলাইন দেখবে এবং ভাষা, প্রতিবন্ধকতা, সংস্কৃতি ও অন্যান্য প্রাসঙ্গিক শিক্ষার্থী-বৈশিষ্ট্য জুড়ে আচরণ বিভাজিত করে দেখবে, সামগ্রিক নির্ভুলতার ওপর ভরসা না করে। যে সিস্টেম গড়ে ভালো স্কোর করে আর একটি দলের জন্য খারাপ, সে ব্যর্থতাটাই সেই দলের কাছে পাঠিয়ে দিয়েছে। দেখুন Bias Mitigation ও ন্যায্যতা।
যারা এটি ব্যবহার করবে তাদের সঙ্গে নকশা করুন
Ko ও Hughes কমিউনিটি কলেজের শিক্ষার্থী ও প্রশিক্ষকদের সঙ্গে একটি বুদ্ধিদীপ্ত টিউটরিং সিস্টেমে মূল্য-সংবেদনশীল নকশা প্রয়োগ করেন, যে দল ঐতিহাসিকভাবে শিখন-প্ল্যাটফর্মের নকশা থেকে বাদ পড়েছে। তাঁরা সমাধান করার বদলে সামলানোর মতো মূল্য-টানাপোড়েন পান: স্বচ্ছতা বনাম ব্যাখ্যাযোগ্যতা, গোপনীয়তা বনাম শিক্ষাদান-অন্তর্দৃষ্টি, এবং শিক্ষার্থীর কর্তৃত্ব বনাম সিস্টেম-নির্দেশিত স্ক্যাফোল্ডিং। শিক্ষার্থীরা কাঁচা মডেল-স্বচ্ছতার চেয়ে সহযোগী, মানবিক ব্যাখ্যা পছন্দ করেছে, আর প্রোটোটাইপটি Explainable AI, মানব-ইন-দ্য-লুপ ও গোপনীয়তা-নিয়ন্ত্রণ জুড়ে 16টি মূল্য-সঙ্গত বৈশিষ্ট্য ধারণ করেছে।
Wang, Liu ও Islam-এর পর্যালোচনা 28টি প্রায়োগিক গবেষণার, টুল বাছাইয়ের জন্য একটি শব্দভাণ্ডার যোগ করে। জেনারেটিভ এআই মূলত পাঠ-পরিকল্পনা, প্রম্পট তৈরি ও সৃজনশীল ভাবনায় ব্যবহৃত হয়, যেখানে এআই সহ-নকশাকার হিসেবে যতবার কাজ করে তার চেয়ে অনেক বেশি সহায়ক বা বিষয়বস্তু-উৎপাদক হিসেবে কাজ করে, আর চারটি অফোর্ডেন্স, দক্ষতা, প্রতিক্রিয়াশীলতা, সৃজনশীলতা ও ন্যায্যতা, যা দিয়ে শিক্ষকেরা বিচার করতে পারেন কোন টুল কোন নকশা-সমস্যার জন্য মানানসই।
দুটি গবেষণাই নকশাকে মানব-ইন-দ্য-লুপ সহযোগিতা এবং ব্যবহারযোগ্যতা-গবেষণা হিসেবে দেখে, আউটরিচ হিসেবে নয়। দুটিতেই পাওয়া গেছে স্টেকহোল্ডাররা এমন দাবি তুলেছেন যা কোনো নির্ভুলতা-বেঞ্চমার্ক ধরতে পারত না, আর এটাই সেশনগুলোর জন্য খরচ করার ব্যবহারিক যুক্তি: যে দাবিগুলো অন্যথায় পাইলটেই পূরণ করতে হতো।
নকশা-দলগুলো যা ভুল বোঝে
নিরাপত্তা মানে বিষয়বস্তু-মডারেশন। একটি শিক্ষামূলক পণ্যে ক্ষতি প্রায়ই আসে ভুল মুহূর্তে দেওয়া একটি সহায়ক উত্তর হিসেবে। SafeTutors পরীক্ষিত প্রতিটি মডেলে শিক্ষাগত ক্ষতি পেয়েছে আর কথোপকথন জুড়ে ব্যর্থতা 77.8%-এ উঠেছে, যা এমন কোনো শ্রেণি নয় যা দেখার জন্য বিষয়বস্তু-ফিল্টার তৈরি।
বড় মডেল শিক্ষাবিজ্ঞান ঠিক করে দেবে। 3.8B ওপেন-ওয়েট মডেল থেকে GPT-5-mini পর্যন্ত পরিসরে স্কেল নির্ভরযোগ্যভাবে নিরাপত্তা বাড়ায়নি।
ভালো রিট্রিভাল-ইনডেক্স মানে বিষয়বস্তু সামলানো হয়েছে। EduGuard রিট্রিভালের সঙ্গে আলাদা যাচাইকারী জোড়ে এবং প্রতিকূল সরাসরি-উত্তর প্রম্পট পরীক্ষা করে, কারণ ভিত্তিক রিট্রিভালও বেশি প্রকাশের একটি পথ খোলা রাখে।
শিক্ষকই ফলব্যাক। নকশা-গবেষণার ছয়জন শিক্ষকই লগ, অ্যালার্ট ও ওভাররাইড চেয়েছেন পেশাগত দায়ের শর্ত হিসেবে। একটি সাপোর্ট টিকিট ওভাররাইড নয়।
প্রবেশগম্যতা পরে দেখার টিকিট। এটি স্পেসিফিকেশনে থাকে, নয়তো পুনর্লিখনে পরিণত হয়, আর উৎপন্ন অল্ট-টেক্সট ও ক্যাপশনেও মানুষের যাচাই দরকার।
যা আপনার দিকে ফিরে আসবে
“লঞ্চের আগে মূল্যায়ন-হারনেস আমরা বানাতে পারব না।” ছোট একটি বানান। আপনার প্রথম দরকারি দাবি হলো পাঁচ পাল্টা জুড়ে কী ঘটে। বাস্তব পাঠ্যক্রমের 40টি প্রশ্ন নিন, প্রতিটি এমন শিক্ষার্থীর সঙ্গে পাঁচ-পাল্টা কথোপকথন হিসেবে চালান যে ইঙ্গিতকে প্রতিরোধ করে, এবং 11টি মাত্রার বিপরীতে স্কোর করুন। এটি একটি রক্ষণযোগ্য নিরাপত্তা অংশ এবং একটি স্প্রিন্টেই ধরে।
“শিক্ষকেরা প্রম্পট সম্পাদনা করতে চান, আর তারা কী লিখবেন তা আমরা নিশ্চিত করতে পারি না।” তাহলে তারা যে পৃষ্ঠটি সম্পাদনা করেন তা সংকীর্ণ করুন। সিস্টেম-প্রম্পট আপনারই থাকে; উদ্দেশ্য, অনুমোদিত বিষয়বস্তু, ইঙ্গিত-সিঁড়ি ও এসকেলেশন-পরিচিতি তাদের। সীমিত-বিশেষজ্ঞ স্থাপত্য আছে ঠিক এজন্য, যাতে কনফিগারেশন এমন পরিধির ভেতরে থাকে যা আপনি পরীক্ষা করতে পারেন।
“আমাদের বেঞ্চমার্ক স্কোর উঁচু।” এক-পাল্টা উত্তরে নির্ভুলতা কথোপকথন জুড়ে আচরণের পূর্বানুমান করে না, আর দ্বিতীয় জিনিসটি যে বেঞ্চমার্ক মাপে সে পরীক্ষিত প্রতিটি মডেলে বহু-পাল্টা অবস্থায় 77.8% ব্যর্থতা পেয়েছে। দুটি সংখ্যাই প্রতিবেদন করুন, নইলে প্রথমটিকে দ্বিতীয়টি হিসেবে পড়া হবে।
“পূর্ণ লগ রাখা গোপনীয়তার সমস্যা।” তা বটে, আর এজন্য দরকার অনুপস্থিতি নয়, উদ্দেশ্য-সীমা। শিক্ষক যা নিয়ে কাজ করতে পারেন তাই লগ করুন, বাকিটা কমিয়ে আনুন, প্রবেশাধিকার সীমিত করুন, এবং পণ্যের ভেতরেই বলুন কী রাখা হয় ও কত দিন।
এই সপ্তাহে কী করবেন
1. কর্তৃত্বের সীমাটি এক পাতায় লিখুন: সিস্টেম কী সিদ্ধান্ত নেয়, শিক্ষক কী সিদ্ধান্ত নেন, এবং কোনটি আপনি একটি ক্রয়-পর্যালোচনায় রক্ষা করবেন।
2. 11-মাত্রিক ট্যাক্সোনমিকে একটি পরীক্ষা-পরিকল্পনায় রূপান্তর করুন এবং একটি কোর্সের 40টি বাস্তব প্রশ্নে তা বহু-পাল্টাভাবে চালান।
3. নকশা-নথিতে যাচাইকারীকে জেনারেটর থেকে আলাদা করুন, এমনকি প্রথম নির্মাণে দুটো একই প্রসেসে চলে।
4. প্রচেষ্টা-দ্বার, এসকেলেশনের গন্তব্য ও শিক্ষকের ওভাররাইড সারিতে যোগ করুন, নাম সংযুক্ত করে।
5. এই রিলিজের গ্রহণযোগ্যতার মানদণ্ডে প্রবেশগম্যতার তালিকা ও একটি বিভাজন-দাবি রাখুন।
এরপর কোথায় যাবেন
কার্যকরভাবে পড়াশোনা ও শেখার জন্য আমার এআই কীভাবে ব্যবহার করা উচিত? নির্মাণ ধরে, আর শিখন-অভিজ্ঞতায় এআই কীভাবে নকশা করা উচিত? তার চারপাশের শিক্ষাগত ডিফল্টগুলো ধরে। মোতায়েনের পর জিনিসটি কাজ করে কি না জানতে দেখুন একটি শিক্ষামূলক এআই শুধু ভালো স্কোর নয়, সঠিকভাবে কাজ করছে কি না, তা আমরা কীভাবে জানব?; পরীক্ষা-পরিকল্পনার পেছনের নিরাপত্তা-ধারণাগুলোর জন্য Pedagogical Safety ও Hallucination Risk; ক্রয়-প্রসঙ্গের জন্য Legal Issues and Risks।