ਸਾਰੀਆਂ ਏ.ਆਈ. ਐਪਲੀਕੇਸ਼ਨਾਂ ਲਈ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਸਵਾਲ ਹੈ ਏ.ਆਈ. ਫੀਚਰਾਂ ਦੀ ਸਬੰਧਤਾ, ਕਿਉਂਕਿ ਏ.ਆਈ. ਇਕ ਤੇਜ਼ੀ ਨਾਲ ਵਿਕਸਿਤ ਹੋਣ ਵਾਲਾ ਖੇਤਰ ਹੈ, ਇਹ ਸੁਨਿਸ਼ਚਿਤ ਕਰਨ ਲਈ ਕਿ ਤੁਹਾਡਾ ਐਪਲੀਕੇਸ਼ਨ ਸਬੰਧਿਤ, ਭਰੋਸੇਮੰਦ ਅਤੇ ਮਜ਼ਬੂਤ ਰਹੇ, ਤੁਹਾਨੂੰ ਇਸਨੂੰ ਲਗਾਤਾਰ ਨਿਗਰਾਨੀ, ਮੁਲਾਂਕਣ ਅਤੇ ਸੁਧਾਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਇੱਥੇ ਹੀ ਜੈਨੇਰੇਟਿਵ ਏ.ਆਈ. ਲਾਈਫਸਾਈਕਲ ਕੰਮ ਵਿੱਚ ਆਉਂਦੀ ਹੈ।
ਜੈਨੇਰੇਟਿਵ ਏ.ਆਈ. ਲਾਈਫਸਾਈਕਲ ਇੱਕ ਫਰੇਮਵਰਕ ਹੈ ਜੋ ਤੁਹਾਨੂੰ ਜੈਨੇਰੇਟਿਵ ਏ.ਆਈ. ਐਪਲੀਕੇਸ਼ਨ ਨੂੰ ਵਿਕਸਿਤ ਕਰਨ, ਡਿਪਲੌਇ ਕਰਨ ਅਤੇ ਰੱਖ-ਰਖਾਵ ਕਰਨ ਦੇ ਪੜਾਅਵੀਂ ਰਾਹਨੁਮਾ ਕਰਦਾ ਹੈ। ਇਹ ਤੁਹਾਨੂੰ ਆਪਣੇ ਲਕੜਾਂ ਦੀ ਪਰਿਭਾਸ਼ਾ ਕਰਨ, ਆਪਣੇ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਮਾਪਣ, ਆਪਣੀਆਂ ਚੁਣੌਤੀਆਂ ਦਾ ਪਤਾ ਲਾਉਣ ਅਤੇ ਆਪਣੇ ਸਮਾਧਾਨ ਲਾਗੂ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ। ਇਹ ਤੁਹਾਨੂੰ ਤੁਹਾਡੇ ਖੇਤਰ ਅਤੇ ਤੁਹਾਡੇ ਸਾਂਝੇਦਾਰਾਂ ਦੀ ਆਚਰਣਕ ਅਤੇ ਕਾਨੂੰਨੀ ਮਿਆਰਾਂ ਦੇ ਨਾਲ ਆਪਣੇ ਐਪਲੀਕੇਸ਼ਨ ਨੂੰ ਸੰਰੇਖਿਤ ਕਰਨ ਵਿੱਚ ਵੀ ਮਦਦ ਕਰਦਾ ਹੈ। ਜੈਨੇਰੇਟਿਵ ਏ.ਆਈ. ਲਾਈਫਸਾਈਕਲ ਦਾ ਪਾਲਣ ਕਰਕੇ, ਤੁਸੀਂ ਯਕੀਨੀ ਬਣਾ ਸਕਦੇ ਹੋ ਕਿ ਤੁਹਾਡਾ ਐਪਲੀਕੇਸ਼ਨ ਹਮੇਸ਼ਾਂ ਮੁੱਲ ਦਿੰਦਾ ਹੈ ਅਤੇ ਤੁਹਾਡੇ ਉਪਭੋਗਤਿਆਂ ਨੂੰ ਸੰਤੁਸ਼ਟ ਕਰਦਾ ਹੈ।
ਇਸ ਅਧਿਆਇ ਵਿੱਚ, ਤੁਸੀਂ:
- MLOps ਤੋਂ LLMOps ਵੱਲ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਵਿੱਚ ਬਦਲਾਅ ਨੂੰ ਸਮਝੋ
- LLM ਲਾਈਫਸਾਈਕਲ
- ਲਾਈਫਸਾਈਕਲ ਲਈ ਟੂਲਿੰਗ
- ਲਾਈਫਸਾਈਕਲ ਮੈਟ੍ਰੀਫਿਕੇਸ਼ਨ ਅਤੇ ਮੁਲਾਂਕਣ
LLMs ਕṛਤਰਿਮ ਬੁੱਧੀ ਦੇ ਹਥਿਆਰ ਵਿੱਚ ਇੱਕ ਨਵਾਂ ਸਾਧਨ ਹਨ, ਇਹ ਐਪਲੀਕੇਸ਼ਨਾਂ ਲਈ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਜੈਨਰੇਸ਼ਨ ਕਾਰਜਾਂ ਵਿੱਚ ਬਹੁਤ ਸ਼ਕਤਿਸ਼ਾਲੀ ਹਨ, ਪਰ ਇਹ ਸ਼ਕਤੀ ਇਹ ਸਿੱਖਾਉਂਦੀ ਹੈ ਕਿ ਅਸੀਂ ਏ.ਆਈ. ਅਤੇ ਕਲਾਸਿਕ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਕਾਰਜਾਂ ਨੂੰ ਕਿਵੇਂ ਸੁਚਾਰੂ ਬਣਾਈਏ।
ਇਸ ਲਈ, ਸਾਡੇ ਕੋਲ ਇੱਕ ਨਵਾਂ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਜਿਸ ਨਾਲ ਇਹ ਸਾਧਨ ਗਤੀਸ਼ੀਲ ਤਰੀਕੇ ਨਾਲ ਅਨੁਕੂਲ ਹੋ ਸਕੇ, ਸਹੀ ਪ੍ਰੇਰਣਾਵਾਂ ਦੇ ਨਾਲ। ਅਸੀਂ ਪੁਰਾਣੀਆਂ ਏ.ਆਈ. ਐਪਸ ਨੂੰ "ML Apps" ਅਤੇ ਨਵੀਆਂ ਏ.ਆਈ. ਐਪਸ ਨੂੰ "GenAI Apps" ਜਾਂ ਸਿਰਫ "AI Apps" ਕਹਿ ਸਕਦੇ ਹਾਂ, ਜੋ ਉਸ ਸਮੇਂ ਦੀ ਮਸ਼ਹੂਰ ਤਕਨੀਕ ਅਤੇ ਤਰੀਕਿਆਂ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਇਹ ਸਾਡੀ ਕਹਾਣੀ ਨੂੰ ਕਈ ਤਰੀਕਿਆਂ ਨਾਲ ਬਦਲਦਾ ਹੈ, ਹੇਠਾਂ ਦਿੱਤੇ ਤੁਲਨਾ ਵੇਖੋ।
ਧਿਆਨ ਦਿਓ ਕਿ LLMOps ਵਿੱਚ, ਅਸੀਂ ਜ਼ਿਆਦਾ ਤਰ ਐਪ ਡਿਵੈਲਪਰਾਂ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਦੇ ਹਾਂ, ਇੰਟੀਗ੍ਰੇਸ਼ਨਾਂ ਨੂੰ ਇੱਕ ਕੁੰਜੀ ਬਿੰਦੂ ਵਜੋਂ ਵਰਤਦੇ ਹਾਂ, "Models-as-a-Service" ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਾਂ ਅਤੇ ਮੈਟ੍ਰਿਕਸ ਲਈ ਹੇਠਾਂ ਦਿੱਤੇ ਬਿੰਦੂਆਂ 'ਤੇ ਸੋਚਦੇ ਹਾਂ।
- ਕੁਆਲਟੀ: ਜਵਾਬ ਦੀ ਗੁਣਵੱਤਾ
- ਨੁਕਸਾਨ: ਜ਼ਿੰਮੇਵਾਰ ਏ.ਆਈ.
- ਇਮਾਨਦਾਰੀ: ਜਵਾਬ ਦੀ ਭੂਮਿਕਾ (ਕੀ ਇਹ ਸਮਝਦਾਰ ਹੈ? ਕੀ ਇਹ ਸਹੀ ਹੈ?)
- ਲਾਗਤ: ਹੱਲ ਦਾ ਬਜਟ
- ਲੇਂਸੀ: ਟੋਕਨ ਜਵਾਬ ਲਈ ਔਸਤ ਸਮਾਂ
ਪਹਿਲਾਂ, ਲਾਈਫਸਾਈਕਲ ਅਤੇ ਤਬਦੀਲੀਆਂ ਨੂੰ ਸਮਝਣ ਲਈ, ਅਗਲੇ ਇਨਫੋਗ੍ਰਾਫਿਕ ਨੂੰ ਨੋਟ ਕਰੋ।
ਜਿਵੇਂ ਤੁਸੀਂ ਨੋਟ ਕਰ ਸਕਦੇ ਹੋ, ਇਹ MLOps ਦੇ ਆਮ ਲਾਈਫਸਾਈਕਲਾਂ ਤੋਂ ਵੱਖਰਾ ਹੈ। LLMs ਦੀਆਂ ਬਹੁਤ ਸਾਰੀਆਂ ਨਵੀਆਂ ਲੋੜਾਂ ਹਨ, ਜਿਵੇਂ ਕਿ ਪ੍ਰੋਂਪਟਿੰਗ, ਗੁਣਵੱਤਾ ਸੁਧਾਰਣ ਲਈ ਵੱਖ-ਵੱਖ ਤਕਨੀਕਾਂ (ਫਾਈਨ-ਟਿਊਨਿੰਗ, RAG, ਮੈਟਾ-ਪ੍ਰੋਂਪਟਸ), ਜ਼ਿੰਮੇਵਾਰ ਏ.ਆਈ. ਨਾਲ ਵੱਖ-ਵੱਖ ਮੁਲਾਂਕਣ ਅਤੇ ਜ਼ਿੰਮੇਵਾਰੀ, ਅਤੇ ਆਖ਼ਿਰਕਾਰ, ਨਵੀਂ ਮੁਲਾਂਕਣ ਮੈਟ੍ਰਿਕਸ (ਕੁਆਲਟੀ, ਨੁਕਸਾਨ, ਇਮਾਨਦਾਰੀ, ਲਾਗਤ ਅਤੇ ਲੇਂਸੀ)।
ਉਦਾਹਰਨ ਵਜੋਂ, ਦੇਖੋ ਕਿ ਅਸੀਂ ਕਿਵੇਂ ਵਿਚਾਰ ਕਰਦੇ ਹਾਂ। ਪ੍ਰੋਂਪਟ ਇੰਜੀਨੀਅਰਿੰਗ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਵੱਖ-ਵੱਖ LLMs ਨਾਲ ਪ੍ਰਯੋਗ ਕਰਨਾ ਤਾਂ ਕਿ ਦੇਖਿਆ ਜਾ ਸਕੇ ਕਿ ਉਹਨਾਂ ਦੀ ਪਰਿਕਲਪਨਾ ਸਹੀ ਹੋ ਸਕਦੀ ਹੈ ਜਾਂ ਨਹੀਂ।
ਯਾਦ ਰੱਖੋ ਕਿ ਇਹ ਸਿੱਧੀ ਲਕੀਰ ਵਿੱਚ ਨਹੀਂ ਹੈ, ਬਲਕਿ ਇੱਕਤਾ ਵਾਲੀਆਂ ਲੂਪਾਂ, ਦੁਹਰਾਏ ਜਾਣ ਵਾਲੀਆਂ ਅਤੇ ਇੱਕ ਵੱਡੇ ਚੱਕਰ ਨਾਲ ਹੈ।
ਅਸੀਂ ਉਹ ਕਦਮ ਕਿਵੇਂ ਖੋਜ ਸਕਦੇ ਹਾਂ? ਆਓ ਵੇਰਵੇ ਵਿੱਚ ਜਾਈਏ ਕਿ ਅਸੀਂ ਲਾਈਫਸਾਈਕਲ ਕਿਵੇਂ ਬਣਾਉਂਦੇ ਹਾਂ।
ਇਹ ਕੁਝ ਜਟਿਲ ਲੱਗ ਸਕਦਾ ਹੈ, ਪਹਿਲਾਂ ਤਿੰਨ ਵੱਡੇ ਕਦਮਾਂ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰੀਏ।
- ਵਿਚਾਰ/ਖੋਜ: ਖੋਜ, ਇੱਥੇ ਅਸੀਂ ਆਪਣੇ ਵਪਾਰਕ ਜ਼ਰੂਰਤਾਂ ਅਨੁਸਾਰ ਖੋਜ ਕਰ ਸਕਦੇ ਹਾਂ। ਪ੍ਰੋਟੋਟਾਈਪਿੰਗ, ਇੱਕ PromptFlow ਬਣਾਉਣਾ ਅਤੇ ਜਾਂਚ ਕਰਨਾ ਕਿ ਜਾਂਚ ਲਈ ਸਾਕਸ਼ਮ ਹੈ ਜਾਂ ਨਹੀਂ।
- ਬਣਾਉਣਾ/ਵਧਾਉਣਾ: ਇੰਪਲੀਮੈਂਟੇਸ਼ਨ, ਹੁਣ ਅਸੀਂ ਵੱਡੇ ਡੇਟਾਸੈਟਾਂ ਲਈ ਮੁਲਾਂਕਣ ਕਰਦੇ ਹਾਂ, ਤਕਨੀਕਾਂ ਜਿਵੇਂ ਕਿ ਫਾਈਨ-ਟਿਊਨਿੰਗ ਅਤੇ RAG ਲਾਗੂ ਕਰਦੇ ਹਾਂ, ਤਾਂ ਜੋ ਸਾਡੇ ਹੱਲ ਦੀ ਮਜ਼ਬੂਤੀ ਨੂੰ ਜਾਂਚਿਆ ਜਾ ਸਕੇ। ਜੇ ਇਹ ਨਹੀਂ ਕਰਦਾ, ਤਾਂ ਮੁੜ ਲਾਗੂ ਕਰਨਾ, ਨਵੇਂ ਕਦਮ ਜੋੜਨਾ ਜਾਂ ਡੇਟਾ ਦੀ ਦੁਬਾਰਾ ਸੰਰਚਨਾ ਸਹਾਇਕ ਹੋ ਸਕਦੀ ਹੈ। ਆਪਣੇ ਵਰਕਫਲੋ ਅਤੇ ਪੈਮਾਨੇ ਦੀ ਜਾਂਚ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਜੇ ਇਹ ਕੰਮ ਕਰਦਾ ਹੈ ਅਤੇ ਸਾਡੇ ਮੈਟਰਿਕਸ ਦੀ ਜਾਂਚ ਕਰਦਾ ਹੈ, ਤਾਂ ਇਹ ਅਗਲੇ ਕਦਮ ਲਈ ਤਿਆਰ ਹੈ।
- ਕੰਮਕਾਜ: ਇੰਟੀਗ੍ਰੇਸ਼ਨ, ਹੁਣ ਨਿਗਰਾਨੀ ਅਤੇ ਅਲਾਰਟ ਸਿਸਟਮ ਆਪਣੇ ਸਿਸਟਮ ਵਿੱਚ ਜੋੜਦੇ ਹੋਏ, ਡਿਪਲੌਇਮੈਂਟ ਅਤੇ ਐਪਲੀਕੇਸ਼ਨ ਇੰਟੀਗ੍ਰੇਸ਼ਨ ਨੂੰ ਜੋੜੋ।
ਫਿਰ, ਸਾਡੇ ਕੋਲ ਪ੍ਰਬੰਧਨ ਦਾ ਵਿਆਪਕ ਚੱਕਰ ਹੈ, ਜਿਸ ਦਾ ਧਿਆਨ ਸੁਰੱਖਿਆ, ਅਨੁਕੂਲਤਾ ਅਤੇ ਸ਼ਾਸਨ 'ਤੇ ਕੇਂਦਰਤ ਹੈ।
ਵਧਾਈਆਂ, ਹੁਣ ਤੁਹਾਡੀ ਏ.ਆਈ. ਐਪ ਠੀਕ ਤਰੀਕੇ ਨਾਲ ਤਿਆਰ ਹੋ ਕੇ ਚੱਲਣ ਲਈ ਸਾਜ਼ੋ-ਸਮਾਨ ਹੈ। ਪ੍ਰਯੋਗਕਰਤਾ ਅਨੁਭਵ ਲਈ, Contoso Chat ਡੈਮੋ ਨੂੰ ਦੇਖੋ।
ਹੁਣ, ਅਸੀਂ ਕਿਹੜੇ ਟੂਲ ਵਰਤ ਸਕਦੇ ਹਾਂ?
ਟੂਲਿੰਗ ਲਈ, ਮਾਇਕ੍ਰੋਸਾਫਟ Azure AI Platform ਅਤੇ PromptFlow ਤੁਹਾਡੇ ਚੱਕਰ ਨੂੰ ਸੁਗਮ ਅਤੇ ਲਾਗੂ ਕਰਨ ਲਈ ਤਿਆਰ ਕਰਦੇ ਹਨ।
Azure AI Platform, ਤੁਹਾਨੂੰ Microsoft Foundry ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ। Microsoft Foundry (ਜੋ ਪਹਿਲਾਂ Azure AI Studio ਸੀ) ਇੱਕ ਵੈੱਬ ਪੋਰਟਲ ਹੈ ਜੋ ਤੁਹਾਨੂੰ ਮਾਡਲ, ਨਮੂਨੇ ਅਤੇ ਟੂਲ ਖੋਜਣ, ਆਪਣੇ ਸਰੋਤਾਂ ਦੀ ਸੰਭਾਲ ਕਰਨ ਅਤੇ UI ਵਿਕਾਸ ਫਲੋਜ਼ ਦੇ ਨਾਲ-ਨਾਲ SDK/CLI ਵਿਕਲਪਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕੋਡ-ਪਹਿਲਾਂ ਵਿਕਾਸ ਕਰਨ ਦਿੰਦਾ ਹੈ।
Azure AI, ਤੁਹਾਨੂੰ ਵੱਖ-ਵੱਖ ਸਰੋਤਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ, ਆਪਣੇ ਓਪਰੇਸ਼ਨਜ਼, ਸੇਵਾਵਾਂ, ਪ੍ਰੋਜੈਕਟਾਂ, ਵੈਕਟਰ ਖੋਜ ਅਤੇ ਡੇਟਾਬੇਸ ਦੀਆਂ ਜ਼ਰੂਰਤਾਂ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨ ਲਈ।
ਪ੍ਰਮਾਣ ਦੁਆਰਾ ਸਿਧ ਕਰਨ ਤੋਂ ਲੈ ਕੇ ਵੱਡੇ ਪੱਧਰ ਦੇ ਐਪਲੀਕੇਸ਼ਨਾਂ ਤੱਕ PromptFlow ਨਾਲ ਬਣਾਓ:
- VS Code ਤੋਂ ਐਪ ਡਿਜ਼ਾਈਨ ਅਤੇ ਬਣਾਉ, ਵਿਜ਼ੂਅਲ ਅਤੇ ਫੰਕਸ਼ਨਲ ਟੂਲਾਂ ਨਾਲ
- ਆਪਣੀਆਂ ਐਪਾਂ ਦੀ ਕੁਆਲਟੀ ਏ.ਆਈ. ਲਈ ਆਸਾਨੀ ਨਾਲ ਟੈਸਟ ਅਤੇ ਫਾਈਨ-ਟਿਊਨ ਕਰੋ।
- ਫਾਸਟ ਇੰਟੀਗ੍ਰੇਸ਼ਨ ਲਈ ਕਲਾਉਡ ਨਾਲ Microsoft Foundry ਦੀ ਵਰਤੋਂ ਕਰੋ, ਇੰਟੀਗ੍ਰੇਟ ਅਤੇ ਦੁਹਰਾਓ, ਪੁਸ਼ ਅਤੇ ਡਿਪਲਾਇ ਕਰੋ।
ਬਹੁਤ ਵਧੀਆ, ਹੁਣ ਸਿੱਖੋ ਕਿ ਅਸੀਂ ਇੱਕ ਐਪਲੀਕੇਸ਼ਨ ਨੂੰ ਕਿਵੇਂ ਰਚਨਾ ਕਰਦੇ ਹਾਂ ਜੋ ਇਨ੍ਹਾਂ ਸੰਕਲਪਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ Contoso Chat App ਦੇ ਨਾਲ, ਜਿਸ ਨਾਲ ਦੇਖ ਸਕਦੇ ਹੋ ਕਿ ਕਿਵੇਂ ਕਲਾਉਡ ਅਡਵੋਕੇਸੀ ਐਹੋ ਜਿਹੇ ਸੰਕਲਪ ਪ੍ਰਦਰਸ਼ਨਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਕਰਦਾ ਹੈ। ਹੋਰ ਸਮੱਗਰੀ ਲਈ ਸਾਡੇ Ignite ਬ੍ਰੇਕਆਉਟ ਸੈਸ਼ਨ! ਨੂੰ ਦੇਖੋ।
ਹੁਣ, ਪਾਠ 15 ਨੂੰ ਦੇਖੋ, ਸਮਝਣ ਲਈ ਕਿ Retrieval Augmented Generation ਅਤੇ Vector Databases ਜੈਨੇਰੇਟਿਵ ਏ.ਆਈ. 'ਤੇ ਕਿਵੇਂ ਪ੍ਰਭਾਵ ਪਾਉਂਦੇ ਹਨ ਅਤੇ ਹੋਰ ਮਨੋਰੰਜਕ ਐਪਲੀਕੇਸ਼ਨਾਂ ਬਣਾਉਂਦੇ ਹਨ!
ਅਸਵੀਕਾਰੋਪਣ: ਇਸ ਦਸਤਾਵੇਜ਼ ਦਾ ਅਨੁਵਾਦ ਏਆਈ ਅਨੁਵਾਦ ਸੇਵਾ Co-op Translator ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕੀਤਾ ਗਿਆ ਹੈ। ਜਦੋਂ ਕਿ ਅਸੀਂ ਸਹੀਤਾਵਾਂ ਲਈ ਯਤਨਸ਼ੀਲ ਹਾਂ, ਕਿਰਪਾ ਕਰਕੇ ਧਿਆਨ ਰੱਖੋ ਕਿ ਸਵੈਚਾਲਿਤ ਅਨੁਵਾਦਾਂ ਵਿੱਚ ਗਲਤੀਆਂ ਜਾਂ ਅਸਮੱਤਿਆਵਾਂ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਮੂਲ ਦਸਤਾਵੇਜ਼ ਆਪਣੀ ਮੂਲ ਭਾਸ਼ਾ ਵਿੱਚ ਅਧਿਕਾਰਕ ਸਰੋਤ ਮੰਨਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਜਰੂਰੀ ਜਾਣਕਾਰੀ ਲਈ, ਪੇਸ਼ੇਵਰ ਮਨੁੱਖੀ ਅਨੁਵਾਦ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਅਸੀਂ ਇਸ ਅਨੁਵਾਦ ਦੇ ਉਪਯੋਗ ਤੋਂ ਪੈਦਾ ਹੋਣ ਵਾਲੀਆਂ ਕਿਸੇ ਵੀ ਗਲਤਫਹਿਮੀਆਂ ਜਾਂ ਗਲਤ ਵਿਆਖਿਆਵਾਂ ਲਈ ਜਵਾਬਦੇਹ ਨਹੀਂ ਹਾਂ।