ಭಾಷೆಯ ಮಿತಿಗಳು: ಐಎ ಅವರ ಮಾದರಿಗಳು ಮಾನವರಿಂದ ಸರಳ ಪಠ್ಯದ ಅರ್ಥವನ್ನು ಸಮಾನಗೊಳಿಸಲು ಕಷ್ಟದಲ್ಲಿವೆ

ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಮಾದರಿಗಳು ಸರಳ ಪಠ್ಯಗಳ ಮಾನವದ ಅರ್ಥವನ್ನು ಸಮಾನಗೊಳಿಸಲು ಕಷ್ಟಪಡುವುದಾಗಿದೆ. *ಇತ್ತೀಚಿನ ಅಧ್ಯಯನಗಳು ಗಮನಾರ್ಹ ಖಾತರಿಗಳನ್ನು ಅತಿ ಶ್ರೇಷ್ಟಾಂಶಗಳ ಅರ್ಥವನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಲು ಸುಲಭವಾಗಿದೆ.* *ಈ ವ್ಯವಸ್ಥೆಗಳು ಮಾಹಿತಿಯನ್ನು ನಿರ್ವಹಿಸಲು ರೂಪುಗೊಂಡಿದ್ದರೂ,* ಸಣ್ಣ ಅರ್ಥವನ್ನು ಹಿಡಿದುಕೊಳ್ಳುವ ಭಸ್ಮಾಂಶವು ನಿರತರಾಗಿದೆ. ಫಲಿತಾಂಶಗಳು ಮನುಷ್ಯರ ಭಾಷಾ ಅರಿವು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗಳ ಮೇಲೆ ಅತಿಯಾದಂತೆ ಸೂಚಿಸುತ್ತದೆ. *ಈ ವ್ಯತ್ಯಾಸವು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಸಾಮಾನ್ಯವಾಗಿ ಕೇವಲ ಸರಳ ಕೋರಿಕೆಗಳನ್ನು ಹೀರಿಕೊಳ್ಳುವುದರಿಂದ ಆದ ಪ್ರಮುಖ ಅಶೋಚನೆಯನ್ನು ಒದಗಿಸುತ್ತದೆ.*

ಅಂತರರಾಷ್ಟ್ರೀಯ ಅಧ್ಯಯನದ ಫಲಿತಾಂಶಗಳು

ರೋವೀರಾ ಮತ್ತು ವರ್ಗಿಲಿ ವಿಶ್ವವಿದ್ಯಾಲಯದ (URV) ಸಂಶೋಧಕರ ಟೀಮಿಂದ ನಡೆಸಲಾದ ಒಂದು ಅಧ್ಯಯನವು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ (IA) ಸಾತ್ ಮಾದರಿಗಳ ಭಾಷಾ ಅರಿವಿನ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ವರದಿ ಮಾಡಿತು. ಈ ಮಾದರಿಗಳು ಗಮನಾರ್ಹ ಕಾರ್ಯಗಳಲ್ಲಿಯೇ ಯಶಸ್ಸು ಹೊಂದಿದರೂ, ಸರಳ ಪಠ್ಯಗಳ ಅರ್ಥವನ್ನು ಹಿಡಿದುಕೊಳ್ಳುವಲ್ಲಿ ಅವರ ಕಾರ್ಯಕ್ಷಮತೆ ಮಾನವನ ಪರಿನಾಮಗಳಿಗೆ ಹೋಲಿಸುವುದಿಲ್ಲ.

ಭಾಷಾ ಅರಿವಿನ ಮಾಪನ

ಈ ಸಂಶೋಧನೆಯ ಭಾಗವಾಗಿ, ವೈಜ್ಞಾನಿಕರು ಆರು ಮಾದರಿಗಳನ್ನು ಒಳಗೊಂಡಂತೆ ಫಾಲ್ಕಾನ್, ಜೆಮಿನಿ, ಲ್ಲಾಮಾ2 ಮತ್ತು ಮಿಕ್ಸ್‌ಟ್ರಾಲ್ ಅನ್ನು ಒಳಗೊಂಡಿರುವ 40 ಪ್ರಶ್ನೆಗಳನ್ನು ಮೂಲಭೂತ ವ್ಯಾಕರಣೆ ಮತ್ತು ಸಾಮಾನ್ಯವಾಗಿ ಬಳಸುವ ಕ್ರಿಯಾಪದರೊಂದಿಗೆ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಮಾದರಿಗಳಿಗೆ ಸಲ್ಲಿಸಿದರು. ಐಕ್ಯವಾಗಿ, ನಾಲ್ಕು ಶೇ. ಶೇ ಆಂಗ್ಲ ಭಾಷಾ ಜನರು ಇದೇ ಪ್ರಶ್ನೆಗಳಿಗೆ ಉತ್ತರಿಸಿದರು, ಫಲಿತಾಂಶಗಳ ಸಂಪೂರ್ಣ ಸಮೀಕರಣವನ್ನು ಒದಗಿಸಲು ಸಹಾಯವಾಯಿತು.

IA ಮತ್ತು ಮಾನವಗಳಲ್ಲಿ ಕ್ರಿಯಾತ್ಮಕತೆಯ ವ್ಯತ್ಯಾಸಗಳು

ವಿಶ್ಲೇಷಣೆಯು ಉತ್ತರಗಳ ಶುದ್ಧತೆಗೆ ಮಹತ್ವಾಕಾಂಕ್ಷೆಯ ವ್ಯತ್ಯಾಸವನ್ನು ಪುನಃ ಪ್ರವೇಶಿಸಿದೆ. ಮಾನವರು ಶ್ರೇಷ್ಟವಾದ ನಿಖರತೆಯನ್ನು 89% ಗಳಿಸಿದ್ದಾರೆ, ಇದರಿಂತ ಹೆಚ್ಚು ಚಾಟ್‌ಜಿಪಿಟಿ-4, 83% ಗಳಿಸಿದ ಉತ್ತಮ IA ಮಾದರಿಯೊಂದನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ಮೂಡಿಸಿದ್ದಾರೆ. ಇತರ ಮಾದರಿಗಳು 70% ತಲುಪಲು ವಿಫಲವಾದವು, ಈ ಫಲಿತಾಂಶಗಳು ಈ ಮಾದರಿಗಳ ಸಂಕೀರ್ಣ ಕಾರ್ಯಗಳನ್ನು ನಿರ್ವಹಿಸುವ ಸಾಮರ್ಥ್ಯದ ಅದೃಷ್ಟವಂತಿಕೆ ಮಾತ್ರವಲ್ಲ, ಸರಳ ಕಾರ್ಯಗಳನ್ನು ಶ್ರೇಷ್ಟವಾಗಿ ನಿಭಾಯಿಸಲು ಸಹ ವಿರೋಧಿಸುತ್ತದೆ.

ದೊಡ್ಡ ಭಾಷಾ ಮಾದರಿಗಳ ಸ್ವರೂಪ

ದೊಡ್ಡ ಭಾಷಾ ಮಾದರಿಗಳು (LLMs) ಬಳಕೆದಾರರ ಕೇಳಿದಗಳ ಆಧಾರದ ಮೇಲೆ ಪಠ್ಯಗಳನ್ನು ನಿರ್ಮಿಸುವ ನಿಯರಲ್ ನೆಟ್‌ವರ್ಕ್‌ಗಳು ಆಗಿವೆ. ಅವರ ಶಕ್ತಿ ಉತ್ತರಗಳು ಉತ್ಪಾದಿಸಲು ಅಥವಾ ಭಾಷಾಂತರಿಸಲು ಇರುವ ಕಾರ್ಯಗಳಲ್ಲಿ ವ್ಯವಹಾರವಾಗಿರುತ್ತದೆ, ಆದರೆ ಒಂದು ಮೂಲಭೂತ ದುರ್ಬಲತೆಗೆ ವಿರುದ್ಧವಾಗಿ ಅವರ ನಿಟ್ಟೋಟವನ್ನು ರೂಮಿಸಲು ನೀಡಿದೆ: ಅವರ ದೃಷ್ಟಿಯು ನಿಖರವಾಗಿ ಭಾಷೆಯನ್ನು ಅರ್ಥವ್ಯವಹಾರಿಸುವಕ್ಕಿಂತಲೂ ಸಂಖ್ಯಾವಿಧಿಗಳ ಕ್ರಿಯಾವಿಧಿಗಳನ್ನು ಬಳಸುವ ಅರ್ಥವಹಿಸುವಿಕೆಯ ಆಧಾರವಾಗಿದೆ. ಈ ವಿಷಯವನ್ನು Vittoria Dentella, URVನ ಸಂಶೋಧಕ, ಈ ಬಗೆಲಿ ವಿವರಿಸಿದ್ದಾರೆ: «LLMs ನಿಖರವಾಗಿ ಭಾಷೆಯನ್ನು ಅರ್ಥವಾಗಿಸುತ್ತವೆ, ಅವರು ಮಾತ್ರ ಪಾಠಗಳಲ್ಲಿಯೇ ರೂಪಾಂತರಗಳಲ್ಲಿ ಅರ್ಥವನ್ನು ಪಡೆಯುತ್ತಾರೆ».

ಅರ್ಥವಿಲ್ಲದ ವಿಷಯಗಳ ಪರಿಣಾಮಗಳು

ಭಾಷಾ ಮಾದರಿಗಳು ಸಂಕೀರ್ಣ ಪ್ರಶ್ನೆಗಳಿಗೆ ನಿಖರವಾದ ಉತ್ತರಗಳನ್ನು ಒದಗಿಸಲು ಹೊರಹಾಕದ್ದಾಗ ಪ್ರತಿಭರಲ್ಲಿರುವ ವಿಶೇಷವಾಗಿ, ಕೇಳಿದ ಪೋಷ್ಟಗಳಲ್ಲಿ, ತ್ರುಟಿ ಪ್ರದರ್ಶಿಸುತ್ತವೆ. ಅಧ್ಯಯನದ ಸಮಯದಲ್ಲಿ, ಮಾನವರ ಉತ್ತರಗಳ ಸಂಬಂಧ ಹತ್ತು ಶೇಕಡಗಳಿಗೆ 87% ತಲುಪುತ್ತಿತ್ತು, ಆದರೆ IA ಮಾದರಿಗಳಿಗೆ 66% ಮತ್ತು 83% ವ್ಯಾವಾಹಾರ ಭಾಸ್ಮಾಗತವು ಸಂತೋಷವಿಲ್ಲ. ಈ ಶ್ರೇಣಿಯ ವೇಗವು ಬಂಧುಗಳಿಗೆ ಇರುವ ಕಾರ್ಯದ ಇಳಿಜಾರನ್ನು ಕಾಲದಲ್ಲಿರುತ್ತದೆ.

ಾರ್ಥಾತ್ಮಕ ಸಮಾನಕ್ಕೆ ಕೊರತೆಯ ಆಚಾರ

LLMs ಮಾನವರ ಹೋಲಿಸುತ್ತಾರಾದರಿಲ್ಲ. ಮಾನವರ ಕಾರ್ಯವು ಸಂಚಾಲನೆ, ವ್ಯಾಕರಣ, ಶ್ರಾವಣ ಮತ್ತು ಸಂದರ್ಭಗಳನ್ನು ಒಳಗೊಂಡಂತೆ ತರ್ಕಾತ್ಮಕವಾಗಿ ಮುಂದೆ ಸಾಗುತ್ತದೆ. ಮಾದರಿಗಳು ಪರಿಶೀಲಿತ ಉದಾಹರಣೆಗಳಾದ ವರ್ತನೆಗಳನ್ನು ಗುರುತಿಸುವ ಮೂಲಕ ಕಾರ್ಯಪೂರ್ಣವಾಗುತ್ತವೆ, ಆದರೆ ಅವು ಇದ್ದಕ್ಕಿಂದಾರ್ತವನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ಆಸ್ಕಾರಿಸುತ್ತವೆ. ಇವುಗಳಲ್ಲಿ, ಅವರ ಮಾನವೀಯ ವ್ಯಕ್ತಿತ್ವವು ಅಂಡರದರ್ಶಿಯ ಮತ್ತು ಆಹಾರವನ್ನು ಒಳಗೊಂಡುದಾಗಿ ಅನುಸರಿಸುತ್ತದೆ.

LLMsಗಳ ಸಮಸ್ಯಾದರ್ಶಕ ಅನ್ವಯಗಳು

ಈ ಸಂಶೋಧನೆಯು ಚಿಂತನೆಯೇರುವ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಬಗ್ಗೆ ವಿವೇಚನೆಯು ಹೆಚ್ಚು ನಿಖರತೆಯಿರುವ ಮೂಲಕ ಪ್ರಶ್ನಿಸಿದೆ. ಡೆಂಟೆಲ್ಲಾ ಓದುದಿಂಡನ್ನು ಕೊರತೆಯೊಡನೆ ವಿಧಿಸುತ್ತವೆ, ಇದು ಶ್ರೇಷ್ಟ ಕಾರ್ಯಗಳನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವ ಶಕ್ತಿಯ ಪೀರೀಯರಿಗೆ, ಸಾಮಾನ್ಯವಾಗಿ ನಿಖರವಾದಬಾಷೆಯ ರೂಪಾಂತರಗಳನ್ನು ಹೆಚ್ಚಿಸಲು ಹೊಂದಿಲ್ಲ. ಈ ದುರ್ಬಲತೆಗಳು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಉಪಯೋಗವನ್ನು ನಭರೀಕ್ಷಣೆಗಳನ್ನು ಮತ್ತು ಉದಾಹರಣೆಗಳ ಸ್ಥಾಯಿತ್ವವನ್ನು ಒದಗಿಸುತ್ತವೆ.

ಅಧ್ಯಯನದ ನಿಷ್ಕರ್ಷೆಗಳು

ಭಾಷಾ ಅರಿವಿನ ಮಾದರಿಗಳನ್ನು ಸುಧಾರಿಸಲು ಅಗತ್ಯತೆಯನ್ನು ಸ್ಪಷ್ಟವಾಗಿದೆ. ಸಂಶೋಧಕರು ಈ ಕ್ಷೇತ್ರದಲ್ಲಿ ಮುಂದುವರಿಯುವ ಮಹತ್ವವನ್ನು ಒತ್ತಿಸುತ್ತಾರೆ, ಹಲವು ಮೈಛಾಯ ಉತ್ತರಾರ್ಥಕ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಸಮಗ್ರ ವಿನ್ಯಾಸವನ್ನು ವೃದ್ಧಿಸುವಂತೆ ಒತ್ತಿಸುತ್ತಾರೆ. ಈ ತಂತ್ರಜ್ಞಾನಗಳ ಒತ್ತುವಿಕೆಯ ನಿವಾರಣೆಯ ಬಗ್ಗೆ ತಿಳಿಸುವುದು, ಅವರ ಭವಿಷ್ಯದ ಸುಧಾರಣೆಗೆ ಮೊದಲ ಹೆಜ್ಜೆಯನ್ನು ಅರ್ಥವಾಗಿಸುತ್ತದೆ.

ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಭಾಷಾ ಪರಿಮಿತಿಗಳ ಕುರಿತು ಪ್ರಶ್ನೆಗಳು

ಮಾನವನ ಭಾಷೆಯನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು IA ಮಾದರಿಗಳು ಯಾವುದೇ ಪ್ರಮುಖ ಸಮಸ್ಯೆಗಳನ್ನು ಎದುರಿಸುತ್ತವೆ ?
IA ಮಾದರಿಗಳು, ಅವರ ಸುಧಾರಣೆಗಳನ್ನು ಎದುರಿಸುತ್ತವೆ, ಭಾಷಾ ನಿಗಪುಗಳ ಸಂಕೀರ್ಣತೆ, ಸಾಂಸ್ಕೃತಿಕ ಸಂದರ್ಭಗಳು ಮತ್ತು ಅರ್ಥದ ಸೂಕ್ಷ್ಮತೆಗಳನ್ನು ತಿಳಿಯಲು ಬುದ್ಧಿಹೀನವೇ ಆಗಿವೆ, ಇದರಿಂದಾಗಿ ಸರಳ ಪಠ್ಯಗಳನ್ನು ಓದಲು ಭರಿಸಲು ಅವರಿಗೆ ಸಹಾಯ ಮಾಡುವುದಿಲ್ಲ.
ಚಾಟ್‌ಜಿಪಿಟ್‌ನಂತಹ ಭಾಷಾ ಮಾದರಿಗಳು ಮಾನವನಂತೆ ಪದಗಳ ಅರ್ಥವನ್ನು ಏನರಿಂದ ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಸಾಧ್ಯವಾಗುತ್ತಿಲ್ಲ ?
ಈ ಮಾದರಿಗಳು ಓದುವ ದತ್ತಿರುವ ಅಂಕಿಗಳು ಅನ್ನು ಗುರುತಿಸುತ್ತವೆ, ಆದರೆ ಅವರು ಈ ಪದಗಳ ಹಿಂದಿನ ಅರ್ಥವನ್ನು ಬಿಡಿಸುವ ಶಕ್ತಿಯನ್ನು ಇಲ್ಲ.
IA ಮಾದರಿಗಳ ನೆರವಿಲ್ಲ ಆದರೂ, ಸರಳ ಪಠ್ಯದ ಅರ್ಥಗೊಳಿಸುವಿಕೆಗಳಲ್ಲಿ ಅವರು ಮಾನವರ ಶ್ರೇಷ್ಟತೆಗಳಿಂದ ಹೇಗೆ ಹೋಲಿಸುತ್ತವೆ ?
ಅಧ್ಯಯನಗಳು ಭೇದ ಹೋಗುವಾ ಶ್ರೇಷ್ಟತೆ, ಆದಾಯವನ್ನು 89% ಸಾಧಿಸುತ್ತವೆ, ಆದರೆ IA ಮಾದರಿಗಳು, ಉತ್ತಮವು ಯಾವಾಗಲೂ 83% ಶ್ರೇಷ್ಟತೆ ಪಡೆಯುತ್ತದೆ.
IA ಮಾದರಿಗಳನ್ನು ಉಪಯೋಗಿಸಲು ಶ್ರೀಮಂತ ಡೊಕ್ಯೂಮೆಂಟೇಶನ್ಸ್ಗಳಲ್ಲಿ ?
ಇಲ್ಲ, ಅವರ ಅರ್ಥವನ್ನು ತಿಳಿಯುವ ಅಂತರವು ಮಿತಿಯ ಗಾಯವನ್ನು ಗೆಲುವಿನಲ್ಲಿ ಅಥವಾ ಅದು ಬಹುತೇಕವೇlla ಮಾರ್ಗದಲ್ಲಿ ನಿಧಾನಗತಿ ಹೊಂದುವ ಸಾಧ್ಯತೆ ಇಲ್ಲ.
IA ಮಾದರಿಗಳು ಕೆಲವೊಂದರಲ್ಲಿ ಯಾವ ರೀತಿಯ ಕಾರ್ಯಗಳಲ್ಲಿ ಮುಳ್ಳಿಯಾದವು ?
IA ಮಾದರಿಗಳು ನಿಯಮಿತ ಆದಾಯದ ಸಾಮಾನ್ಯಿಕೆಗಳನ್ನು ಒಳಗೊಂಡಂತೆ, ಪಠ್ಯ ಉತ್ಪಾದನೆ, ಯಾಂತ್ರಿಕ ಭಾಷಾಂತರ ಅಥವಾ ಸರಳ ಸಮಸ್ಯೆಗಳಿಗೆ ದಾರಿತಿಯ ವಿವರಣೆ, ಇದು ದೃಷ್ಟಿಗಳಂತೆ ಸಂಬಂಧಿಸಲಾಗಿದೆ.
ಮೊದಲಿಗೆ IA ಮಾದರಿಗಳಲ್ಲಿನ ಉತ್ತರಗಳ ‘ಮಾತನಾಡದ ಪ್ರಚೋದನೆ’ ಎಂದರೆ ಏನ್ ?
ಇದು IA ಮಾದರಿಗಳನ್ನು ಪರಿಗಣಿಸುವ ಅವಶ್ಯಕತೆಗೆ ಹಣ ತರುತ್ತದೆ, ಮಾತ್ರದಲ್ಲಿಯೊಳಗಿನ ಹಾಗೆಯೇ ವಿಚಾರಗಳಿಗೆ ಆಕರ್ಷಿಸುತ್ತಾ.
IA ರೂಪಾಂತರವು ಹಾಸ್ಯದಿಂದ ಅಥವಾ ಸ್ಪಷ್ಟವಾಗಿ ಸಮಾನಕ್ಕೆ ನಿರೀಕ್ಷಿತ ಅಥವಾ ನಿರೀಕ್ಷಿತ ಅರ್ಥವಿಲ್ಲವೇ ?
ಇಲ್ಲ, ಭಾಷಾ ಮಾದರಿಗಳು ಇನ್ನೂ ಸಂಕೀರ್ಣ ಭಾಷಾ ವಿಕೋದಗಳನ್ನು ಆರ್ಥಿಕವಾಗಿ ಉತ್ತಮ ಮಾಡಲು ಪ್ರಯತ್ನಿಸುತ್ತವೆ, ಇದರ ಮೂಲಕ ಅವರು ಅರ್ಥಗಳನ್ನು ತಿಳಿಯಲು ಸಾಧ್ಯವಿಲ್ಲ.
IA ಆರ್ಥಿಕ ಗೌಣ ಗುರು ಗ್ರಂಥಮ್ ಮತ್ತು ನಡೆಯುವ ವ್ಯಾಪಾರದಲ್ಲಿ ಕಳೆದ ವಿರಾಮ ಮಾದರಿಗಳ ವಿಮರ್ಶೆ. ?
ಅಂತರರಾಷ್ಟ್ರೀಯ ತಂಡಗಳ ಮೂಲಕ ನಡೆಸಲಾಗುವ ಅಧ್ಯಯನಗಳು ಅಗತ್ಯ ಮಟ್ಟದಲ್ಲಿಲ್ಲ, ಆಯುಧ ಮತ್ತು ವಿಷಾದ ಇದು ಮಾನವನ ಭಾಷಾ ಅರಿವಿಗೆ ತಲುಪುವುದಿಲ್ಲ.
ಮಾನವರು IA ಮಾದರಿಗಳ ಮೇಲ್ದೃಷ್ಠಿಯಿಂದ ಅವರಿಂದ ಉತ್ಕರ್ಷಿತತೆಯನ್ನು ಸರಳವಾಗಿ ಸಂಬೈರುತ್ತಾರೆ ?
ಮನುಷ್ಯಗಳು ಧಾರ್ಮಿಕ, ವ್ಯಾಕರಣೆ ಮತ್ತು ಸಂದರ್ಭಗಳ ಲೇಖನಗಳ ಮಟ್ಟಿಗೆ ಮಧ್ಯಪದವಾಗಿ ಪರಿಗಣಿಸುತ್ತಾರೆ, ಇದು ಪಠ್ಯಗಳಿಗೆ ಹೆಚ್ಚು ಹೆಚ್ಚು ಸೂಕ್ತ ಹಾಗೂ ವ್ಯರ್ಥವಾಗುವ ಇವುಗಳನ್ನು ವಿವರಿಸುತ್ತವೆ.
IA ಮಾದರಿಗಳ ಭಾಷಾ ಅರಿವನ್ನು ಸುಧಾರಿಸಲು ಯಾವ ಪ್ರಯತ್ನಗಳನ್ನು ನಡೆಯುತ್ತವೆ ?
ಗಿನವುಗಳಿಂದ ಸಂದರ್ಭವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವಿಕೆ ಮತ್ತು ಹೊಸ ನ್ಯೂರೋನಲ್ ನೆಟ್‌ವರ್ಕ್ ಚಕ್ರವ್ಯೂಹಗಳನ್ನು ಬದಲಾಯಿಸಲು ಬಹುಮಾನ ಬರುವ ಅಧ್ಯಯನಗಳು ನಡೆಯುತ್ತವೆ.