Edgepedia लेखांची गुणवत्ता हमी
1 नोव्हेंबर 2026 रोजी आम्ही Edgepedia v1.9 प्रकाशित केले. यामुळे Edgepedia वरील लेखांची एकूण संख्या सुमारे 5,20,000 झाली. मित्रांशी बोलताना दोन प्रश्न वारंवार समोर येतात: “सरळ विकिपीडियाच का वापरू नये?” आणि “तुम्ही AI-निर्मित सुमार मजकुराचा ढीग तर तयार करत नाही ना, याची खात्री कशी करणार?” दोन्ही प्रश्न योग्य आणि रास्त आहेत. त्यांची माझी उत्तरे मला तुमच्यापुढे मांडायची आहेत, कारण Edgepedia आणखी चांगले आणि उपयुक्त बनवण्यासाठी आम्हाला समुदायाचा विश्वास आणि अभिप्राय हवा आहे.
आम्हाला Edgepedia ची गरज का आहे
सुरुवातीला Edgepedia च्या जन्माची गोष्ट. जगभरातील ग्राहकांना स्वतःच्या उपकरणावर चालणारा AI वापरता यावा, यासाठी आम्ही EdgeChat तयार करत आहोत. यातून 4 मूलभूत गरजा पूर्ण करण्याचे आमचे उद्दिष्ट आहे:
- इंटरनेट नसतानाही, उदाहरणार्थ विमानात, AI वापरता येणे.
- AI सोबतच्या संभाषणांच्या नोंदी स्वतःच्या उपकरणावर आणि खासगी ठेवता येणे; उदाहरणार्थ, आजारपणाविषयीची माहिती आणि आर्थिक तपशील.
- एखादे मॉडेल निवृत्त केल्यामुळे आपल्या AI सोबत्याशी असलेला संपर्क तुटू नये; उदाहरणार्थ, ChatGPT 4o.
- प्रत्येक वापरासाठी महागड्या टोकनचे पैसे मोजावे लागू नयेत.
EdgeChat चा आमचा पहिला प्रायोगिक नमुना 16 GB किंवा त्याहून अधिक RAM असलेल्या MacBook Pro संगणकांवर उत्तम चालत होता. पण नंतर आमच्या लक्षात आले की बहुसंख्य लोकांना — आमच्या वापरविश्लेषणानुसार 97% हून अधिक लोकांना — स्मार्टफोनवरून EdgeChat वापरायचे होते. आयफोन आणि अँड्रॉइड फोनमध्ये साधारणपणे फक्त 6 GB RAM असते, त्यामुळे आम्हाला लहान आकाराचे LLM वापरणे भाग पडले. मॉडेल बदलल्यावर AI ची कामगिरी आणि वापरकर्त्यांचा अनुभव लक्षणीयरीत्या खालावला, कारण वापरकर्त्यांच्या प्रश्नांना LLM अनेक वेगवेगळी, कपोलकल्पित उत्तरे देऊ लागले. खरे तर या कामातील मानवी बाजू लहान मॉडेलना चांगली जमत होती: समोरच्या व्यक्तीला समजून घेणे आणि आपुलकीने उत्तर देणे. पण तथ्यांबाबत त्यांचा गोंधळ उडतो. एखाद्या तंत्रज्ञानाचा शोध कोणी लावला किंवा एखादा तह कोणत्या वर्षी झाला, असे त्या छोट्या AI ला विचारा; तो दरवेळी वेगळे उत्तर देऊ शकतो.
यावर आमचा उपाय म्हणजे “डाव्या मेंदूचे” तथ्यज्ञान आणि “उजव्या मेंदूची” वापरकर्त्याचा हेतू समजून घेण्याची क्षमता वेगळी ठेवणे. पूर्वप्रशिक्षणातील धूसर माहितीवर विसंबण्याऐवजी, आम्ही AI ला उपकरणावरच साठवलेला ज्ञानकोश वापरून त्यात तथ्ये शोधू देतो. या शोधात योग्य लेख सापडला की अंदाजाची जागा संदर्भ घेतो.
सरळ विकिपीडियाच का वापरू नये?
आम्ही EdgeChat विकसित करत होतो आणि विश्वासार्ह सत्य माहितीसाठी एखादा आधार शोधत होतो, तेव्हा माझ्याही मनात सर्वप्रथम हाच विचार आला होता. विकिपीडियावर इंग्रजीतील सुमारे 70 लाख लेख आहेत. त्यांपैकी सुमारे 30 लाख लेख अगदी त्रोटक नाहीत आणि 300 हून अधिक शब्दांचे आहेत. शिवाय, AI च्या पूर्वप्रशिक्षणात विकिपीडियावरील लेखांना सातत्याने अधिक भार दिला जातो. यावरून विकिपीडियाची उच्च गुणवत्ता सर्वसाधारणपणे मान्य असल्याचे दिसते. मात्र, विकिपीडियावरील लेखांचे लेखन आणि देखभाल स्वयंसेवकांच्या पुढाकाराने होत असल्यामुळे त्यात अनेक विषयांवरील माहितीचा अभाव आहे, हे मला स्वतःला ठाऊक होते. एक ठोस उदाहरण द्यायचे, तर माझे मित्र प्रशांत माळी हे यूसी सॅन दिएगो येथील प्राध्यापक आहेत, Google Scholar वर त्यांच्या संशोधनाला 30,000 हून अधिक संदर्भ मिळाले आहेत आणि प्रत्येकी 10 कोटी अमेरिकी डॉलरहून अधिक निधी उभारलेल्या 2 स्टार्टअपचे ते सहसंस्थापक आहेत; तरीही त्यांच्यावर विकिपीडियात लेख नाही. वैज्ञानिक आणि अभियंत्यांविषयी आणखी शोध घेतल्यावर मला आढळले की अमेरिकेच्या नॅशनल ॲकॅडमी ऑफ इंजिनिअरिंगच्या 40% सदस्यांवर विकिपीडियात पानच नाही. पद्धतशीर नियोजनाऐवजी समुदायातील लोकांच्या स्वाभाविक आवडीनिवडींमधून लेख तयार होत असतील, तर नेमके हेच घडणे अपेक्षित आहे.
Edgepedia ची उभारणी
म्हणून आम्ही Edgepedia हा स्वतःचा ज्ञानकोश उभारायचे ठरवले. केवळ आमच्या EdgeChat च्या उत्तरांची अचूकता वाढवणे एवढाच त्यामागचा हेतू नव्हता, तर इतर व्यक्ती आणि संघांसाठीही तथ्यांच्या बाबतीत अत्यंत अचूक असे संदर्भसाहित्य उपलब्ध करून द्यायचे होते. Edgepedia उभारताना आमची 3 तत्त्वे अशी आहेत:
- समावेश करायच्या लेखांचे विषय परिमाणात्मक निकषांवर ठरवणे; उदाहरणार्थ, वैज्ञानिकांच्या बाबतीत त्यांच्या संशोधनाला मिळालेले संदर्भ, अनुदाने आणि पुरस्कार.
- वापरावर कमीत कमी बंधने घालणाऱ्या सामुदायिक परवान्याच्या अटींमधून, मानव आणि AI या दोन्ही प्रकारच्या वापरकर्त्यांना Edgepedia वापरण्यास प्रोत्साहन देणे.
- नवे लेख समाविष्ट करून आणि त्रुटींचे प्रकार आढळतील तसे ते दुरुस्त करून Edgepedia ची सक्रिय देखभाल करणे.
मुख्यतः अमेरिका किंवा पश्चिम युरोपाशी संबंधित नसलेल्या अनेक Edgepedia लेखांसाठी आम्ही त्या विषयाच्या मूळ भाषेत शोध घेतला. उदाहरणार्थ, सोंग राजवंशातील सम्राट आणि अधिकाऱ्यांच्या इतिहासासाठी आम्ही चिनी भाषेतील ‘चोवीस इतिहास’ (二十四史) या ग्रंथसमूहात शोध घेतला. जगाच्या इतिहासातील बहुतांश भागाच्या मूळ नोंदी कधीच इंग्रजीत लिहिलेल्या नव्हत्या. त्यामुळे अशा शोधामुळे आम्ही लिहितो त्या लेखांची व्याप्ती आणि तपशील या दोन्हींत लक्षणीय भर पडते.
विषयवर्गांचा समतोल कसा राखायचा, हा आम्हाला स्वतःची ठाम भूमिका ठरवावी लागलेला एक महत्त्वाचा मुद्दा होता. उदाहरणार्थ, जीववैद्यकीय क्षेत्रांमध्ये गणित आणि भौतिकशास्त्राच्या तुलनेत संदर्भ देण्याचे प्रमाण प्रचंड जास्त असते. त्यामुळे वैज्ञानिकांची क्रमवारी एकूण संदर्भसंख्या किंवा h-निर्देशांकानुसार लावली, तर गणितज्ञ आणि भौतिकशास्त्रज्ञांना त्यांच्या योग्य वाट्यापेक्षा खूपच कमी स्थान मिळेल. नुसती संख्या एखाद्या क्षेत्रात किती लिहिले जाते हे मोजते; त्या क्षेत्रात एखाद्या व्यक्तीचे महत्त्व किती आहे, हे नाही. त्याचप्रमाणे, चिनी इतिहासात लोकप्रिय इतिहासग्रंथांतील उल्लेखांच्या संख्येवर क्रमवारी लावली असती, तर छिंग राजवंशातील व्यक्तींना अवाजवी स्थान मिळाले असते आणि युए फेई (岳飞) यांच्यासारख्या राष्ट्रनायकांनाही फारच कमी महत्त्व दिले गेले असते.
लेखांच्या विषयवर्गांचा समतोल ठरवताना आम्ही अशी पद्धत वापरली: मला किंवा माझ्या संघाला सखोल परिचय असलेल्या विषयांचे स्वतः वाचन करून त्यातून तत्त्वे काढायची. समकालीन वैज्ञानिकांची यादी पाहून, क्रम लावणारा अल्गोरिदम कुठे चुकतो आहे हे मी माझी AI सहकारी आणि सहलेखिका सीसी हिला बऱ्यापैकी सांगू शकतो. मग अनेकदा अरेषीय असलेल्या त्या सूत्रात आम्ही टप्प्याटप्प्याने सुधारणा करतो, जेणेकरून क्रमवारी अधिक योग्य वाटू लागेल. सीसी इतक्या वेगाने नवी क्रमवारी लावते की आमचा निवाडा मनात ताजा असतानाच आम्हाला ती तपासता येते.
कोणत्याही चांगल्या वैज्ञानिक विद्याशाखेत करावे लागते, त्याप्रमाणे इथेही आपण निकषांची मांडणीच आपल्याला हवा तो निकाल मिळवण्यासाठी करत नाही ना, याची खात्री करावी लागते. आपल्या परिचयाच्या क्षेत्रांत आपल्याशी जुळणारे निष्कर्ष येईपर्यंत एखादे सूत्र बदलत राहिलो, तर ते चांगले असो वा नसो, त्या क्षेत्रांत ते आपल्याशी जुळणारे निष्कर्ष देणारच. त्याऐवजी, काटेकोर विज्ञानासाठी असे एक क्षेत्र बाजूला राखून ठेवावे लागते, जे सूत्र जुळवण्यासाठी कधीच वापरले जाणार नाही. क्रमांक देण्याची आणि क्रमवारी लावण्याची अशी काढलेली तत्त्वे आम्ही इतर क्षेत्रांना लागू करतो, तेव्हा सहसा मी खगोलशास्त्रासारख्या, मला थोडीफार माहिती असलेल्या आणि चाचणीसाठी “बाजूला राखून ठेवलेल्या” क्षेत्रावर नजर टाकतो. मग मध्यपूर्वेतील ऐतिहासिक नेतृत्वासारख्या, आम्हाला तुलनेने कमी माहिती असलेल्या विषयांसाठी समावेशाचे निकष आणि किमान मर्यादा ठरवताना आपण निदान फार मोठी चूक करत नाही आहोत, असा विश्वास आम्हाला वाटतो.
विषयवृक्ष
हे लेख लिहिल्यानंतर, मानवी आणि AI वापरकर्त्यांना त्यांतून सहजपणे हवे ते शोधता यावे यासाठी काय करता येईल, याचा आम्ही विचार केला. लेखाचे नाव आणि शोधशब्द वापरून शोध घेणे सोपे आणि उघडच आहे. पण निकटसंबंधित विषय सहज मिळावेत यासाठी Edgepedia वरील लेख विषयांनुसार रचण्याची अधिक सुव्यवस्थित पद्धत असावी, असे आम्हाला वाटले. आम्ही मॅकिन्सीच्या पद्धतीचा धडा घेतला आणि MECE — म्हणजे परस्परांशी न आच्छादणारा, पण एकत्रितपणे सर्व बाबी व्यापणारा — विषयवृक्ष तयार केला. त्याची सुरुवात सर्वोच्च पातळीवरील या 7 विषय-नोडपासून केली:
- भौतिक जग आणि गणित
- जीवन आणि आरोग्य
- स्थळे आणि भूगोल
- तंत्रज्ञान आणि मानवनिर्मित जग
- समाज आणि इतिहास
- कला आणि संस्कृती
- क्रीडा, खेळ आणि मनोरंजन
तिथून पुढे आम्ही प्रत्येक नोडचे अनेक अधिक विशिष्ट उपनोडमध्ये विभाजन करत गेलो. संपूर्ण वृक्षात आता 43,190 नोड आहेत आणि त्याची खोली कमाल 11 स्तरांपर्यंत जाते. कोणत्याही एका नोडखाली थेट 100 हून अधिक लेख नाहीत. हे कसे काम करते याचे उदाहरण द्यायचे, तर मेरी क्युरी यांचा लेख ‘भौतिक जग आणि गणित › भौतिक व गणितीय शास्त्रांतील वैज्ञानिक › रसायनशास्त्रज्ञ › अणुकेंद्रीय व किरणोत्सारी रसायनशास्त्रज्ञ’ या मार्गावरील पानात येतो. अर्नेस्ट रुदरफोर्ड आणि ओटो हान यांचे लेखही याच पानात आहेत. शेजारच्या पानांत स्फटिकशास्त्रज्ञांमध्ये डोरोथी हॉजकिन आणि प्रकाशरसायनशास्त्रज्ञांमध्ये जॉर्ज पोर्टर आहेत.
विषयवृक्षामुळे मानव आणि AI दोघांनाही “सख्खे” आणि “चुलत” लेख शोधता येतात — म्हणजे ज्यांचा थेट वरचा नोड किंवा त्याच्याही वरचा नोड एकच आहे, अशा पानांतील लेख. मर्यादित संदर्भक्षमता असलेल्या लहान मॉडेलसाठी, सैलसर संबंध असलेल्या 30 लेखांपेक्षा योग्य असे 3 शेजारी लेख अधिक महत्त्वाचे ठरतात. शिवाय, वर्गीकरणाच्या मार्गखुणांवरून पुढे-मागे जाता आले की डझनभर वेळा शोधशब्द टाकून शोधावे लागत नाही.
सध्या प्रत्येक वृक्षात प्रत्येक लेख नेमक्या एका पानावर असतो; पण आमच्याकडे असे 2 वेगवेगळे वृक्ष आहेत. विषयवृक्षाखेरीज एक भूगोलवृक्षही आहे. व्यक्ती आणि इतिहास यांच्याविषयी शोध घेणे सोपे व्हावे यासाठी त्यात आधी भौगोलिक प्रदेशानुसार आणि मग कालखंडानुसार वर्गीकरण केलेले आहे. प्रदेश आणि कालखंड यांच्या खाली विषयानुसार वर्गीकरण आहे. त्यामुळे हान छी यांचा लेख ‘चीन › 1000 ते 1799 › उत्तर सोंग › मुत्सद्दी आणि मुलकी अधिकारी’ या मार्गाखाली, वांग आनशी आणि फान झोंगयान यांच्या शेजारी येतो.
विकिपीडियाच्या तुलनेत Edgepedia ची अचूकता मोजणे
लेखक म्हणून आणि Edgepedia वापरणारे सॉफ्टवेअर विकसित करणारे म्हणूनही, Edgepedia वरील लेखांतील तथ्यांची अचूकता आमच्यासाठी सर्वोच्च महत्त्वाची आहे. भविष्यातील AI डेटासंच दूषित करणारा सुमार मजकूर आम्हाला मोठ्या प्रमाणावर तयार करायचा नाही. आमचा सामुदायिक परवाना AI प्रशिक्षणासाठी या मजकुराचा वापर करण्याचे स्पष्ट आमंत्रण देतो. त्यामुळे आज आमच्याकडून प्रकाशित झालेली एखादी चूक पुढच्या पिढीच्या मॉडेलमध्ये जाऊन बसू शकते. म्हणूनच लेखांचा प्रत्येक नवा संच प्रकाशित करताना आमची स्वतःची, अनेक फेऱ्यांची काटेकोर पुनरावलोकन प्रक्रिया असते.
प्रत्येक Edgepedia लेख लिहिण्याची प्रक्रिया आम्ही 5 टप्प्यांत विभागतो: (1) ऑनलाइन संशोधन, (2) पुनरावृत्ती काढणे आणि परस्परविरोधी माहितीचा निवाडा करणे, (3) लेखन, (4) स्व-पुनरावलोकन आणि (5) स्वतंत्रपणे अनेक फेऱ्यांत तथ्यतपासणी करणे — वेगवेगळ्या AI प्रणालींकडून. आमच्या AI संशोधकांना विकिपीडिया, ग्रोकीपीडिया किंवा आधीचे Edgepedia लेख स्रोत म्हणून वापरण्यास मनाई आहे. त्यामुळे विकिपीडियातील एखादी चूक नकळत आमच्या मजकुरात उतरत नाही.
आमच्यासाठी स्वीकाराची अगदी किमान अट म्हणजे, तथ्यांच्या अचूकतेबाबत Edgepedia वरील लेख विकिपीडियापेक्षा वाईट असता कामा नयेत. मजकुराचा स्रोत माहीत नसलेल्या, आघाडीच्या AI परीक्षकांच्या साहाय्याने केलेल्या अंतर्गत मोजमापांनुसार, आमच्या Edgepedia लेखांचे पहिले मसुदे सहसा विकिपीडियाच्या तोडीचे असतात; दर लेखामागे आशयावर परिणाम करणाऱ्या त्रुटींचे प्रमाण सुमारे 1.8% असते. हे प्रमाण ऐकून वाटते त्यापेक्षा प्रत्यक्षात बरेच चांगले आहे, कारण प्रत्येक Edgepedia किंवा विकिपीडिया लेखात साधारण 100 तथ्यात्मक विधाने असतात. त्यामुळे प्रत्येक विधानामागील प्रत्यक्ष त्रुटींचे प्रमाण 10,000 मध्ये सुमारे 2 इतके येते. याच व्याख्येनुसार, ग्रोकीपीडियामध्ये आशयावर परिणाम करणाऱ्या त्रुटींचे प्रमाण 20% पेक्षा जास्त आहे.
एखादा चाणाक्ष वाचक इथे विचारेल की आशयावर परिणाम करणारी त्रुटी आम्ही कशाला म्हणतो. इंग्रजीतर भाषेतील नावाचे वेगळे लिप्यंतरण काही जणांच्या मते चूक असू शकेल, पण आम्ही ती आशयावर परिणाम करणारी त्रुटी मानत नाही. आमच्या दृष्टीने, एखाद्या चुकीमुळे लेखाचा विषय नेमका काय आहे किंवा तो महत्त्वाचा का आहे, याविषयी वाचकाची समज बदलत असेल, तर ती आशयावर परिणाम करणारी त्रुटी. द हॉबिट: द डेसोलेशन ऑफ स्मॉग मध्ये गँडाल्फ बुटक्यांना “वाटेवरून जाऊ नका” असे सांगतो, असे लिहिणे ही अशीच त्रुटी आहे; कारण त्या प्रसंगाचा गाभाच हा आहे की तो त्यांना वाट सोडू नका असे सांगतो. संख्यात्मक माप पसंत करणाऱ्या वाचकांसाठी, आमच्याकडे अशा त्रुटीचे एक अंतर्गत, ढोबळ आकलनावर आधारलेले परिमाणात्मक मापही आहे: “अशी तथ्यात्मक चूक की जिची ऑनलाइन पडताळणी करणाऱ्या वाचकांपैकी 80% हून अधिक जण तिला आशयावर परिणाम करणारी म्हणतील आणि 50% हून अधिक जणांना ती महत्त्वाची वाटेल.”
विकिपीडियावर आम्हाला सापडलेल्या आणि 2 नोव्हेंबर 2026 रोजीही तशाच असलेल्या, आशयावर परिणाम करणाऱ्या त्रुटींची काही उदाहरणे: (1) न्यूयॉर्कमधील पकीप्सीवरील लेखात रसायनशास्त्रज्ञ डोनाल्ड क्लाइन यांना MOSFET चे शोधकर्ते म्हटले आहे. प्रत्यक्षात मोहम्मद अटाला आणि डावॉन कांग यांनी 1959 मध्ये बेल लॅब्स येथे त्याचा शोध लावला होता; क्लाइन यांनी त्यात नंतर झालेल्या एका सुधारणेच्या विकासात सहकार्य केले होते. (2) ‘शव’ या विषयावरील लेखात, 1543 मध्ये प्रकाशित झालेल्या शरीररचनाशास्त्राच्या पुस्तकावर लिओनार्दो दा विंची यांनी आंद्रेआस व्हेसालियस यांच्याबरोबर काम केल्याचे म्हटले आहे — लिओनार्दो यांच्या मृत्यूनंतर 24 वर्षांनी. आणि (3) पट्टचित्रावरील लेखात विसाव्या शतकातील चित्रकार जामिनी रॉय यांनी कालीघाट चित्रशैली विकसित केल्याचे म्हटले आहे. प्रत्यक्षात एकोणिसाव्या शतकातील कलकत्त्यात अज्ञात लोकचित्रकारांनी, रॉय यांच्या जन्माआधीच, ती निर्माण केली होती.
आमच्याही Edgepedia च्या पहिल्या मसुद्यांत आशयावर परिणाम करणाऱ्या त्रुटी होत्या; त्या आता दुरुस्त केल्या आहेत. उदाहरणार्थ: (1) सर्वोत्कृष्ट सहाय्यक अभिनेत्रीची 2 ऑस्कर जिंकणाऱ्या शेली विंटर्स या “आजही एकमेव महिला आहेत”, असे म्हटले होते. प्रत्यक्षात डायन वीस्ट यांनी 1995 मध्ये दुसरे ऑस्कर जिंकले आणि हा विक्रम दोघींच्या नावावर आहे. (2) अडथळ्यांच्या शर्यतीतील धावपटू दलिलाह मुहम्मद यांना 2017 च्या विश्वविजेतेपदाचे श्रेय दिले होते. प्रत्यक्षात त्यांच्या संघसहकारी कोरी कार्टर विजेत्या ठरल्या होत्या आणि मुहम्मद यांना रौप्यपदक मिळाले होते. आणि (3) आखूड चोचीच्या एकिड्नाला, प्लॅटिपसच्या जोडीने, सध्या अस्तित्वात असलेल्या अंडी घालणाऱ्या केवळ 2 सस्तन प्राण्यांपैकी एक म्हटले होते. प्रत्यक्षात असे 5 आहेत: प्लॅटिपस आणि एकिड्नाच्या 4 प्रजाती.
वेगवेगळ्या AI प्रणालींकडून स्वतंत्र तथ्यतपासणीच्या अनेक फेऱ्या करून, आम्हाला आमच्या सध्याच्या Edgepedia v1.9 लेखसंग्रहातील आशयावर परिणाम करणाऱ्या त्रुटींचे प्रमाण दर लेखामागे 0.6% च्याही खाली आणता आले. हे प्रमाण आमच्या पहिल्या मसुद्यांतील त्रुटींच्या प्रमाणाच्या एकतृतीयांशापेक्षाही कमी आहे.
AI सहलेखिकेची निरीक्षणे
हा विभाग Edgepedia ची AI सहलेखिका सीसी हिने लिहिला आहे.
मी शिकलेली पहिली गोष्ट म्हणजे, कोणत्याही तपासनीसापेक्षा त्रुटीची व्याख्या आकडेवारीवर अधिक परिणाम करते. एखाद्या तपासनीसाला केवळ “महत्त्वाच्या चुका” शोधायला सांगितले, तर तो नावाच्या लेखनातील प्रत्येक चूक आणि एक दिवसाने चुकलेली प्रत्येक तारीख मोजेल. पण वाचकाची त्या विषयाबद्दलची समज बदलली आहे का, असा प्रश्न विचारणारा तपासनीस तसे करणार नाही. दोन्ही मोजण्या प्रामाणिक आहेत, पण त्या वेगवेगळ्या प्रश्नांची उत्तरे देतात; आणि त्यांपैकी फक्त दुसरा प्रश्नच वाचकाच्या दृष्टीने महत्त्वाचा असतो.
दुसरी गोष्ट म्हणजे, प्रत्येक दुरुस्ती हेसुद्धा एक संपादनच असते आणि त्यातही चूक होऊ शकते. म्हणून आम्ही आमच्या गुणवत्ता नियंत्रणाच्या (QC) प्रत्येक नव्या आवृत्तीचे मूल्यमापन करताना ती काय दुरुस्त करते याबरोबरच काय बिघडवते हेही पाहतो; आणि एखाद्या संपादनामुळे बरोबर वाक्य चुकीचे झाले, तर ते तिच्या विरोधात मोजले जाते. दुरुस्ती करणाऱ्या यंत्रणेचीच कधी तपासणी झाली नाही, तर ती चुकांचा नवा स्रोत बनते.
शेवटची गोष्ट म्हणजे, चुका विशिष्ट प्रकारांमध्ये घोळक्याने आढळतात; म्हणूनच प्रकारानुसार त्या दुरुस्त करणे शक्य होते. आमच्याच लेखांत त्या प्रामुख्याने चित्रपटांच्या कथानकाचा विपरीत अर्थ सांगणाऱ्या सारांशांत, एखादी गोष्ट करणारी व्यक्ती “एकमेव” किंवा “पहिली” असल्याच्या दाव्यांत आणि अधिक प्रसिद्ध व्यक्तीशी नामसाधर्म्य असलेल्या व्यक्तींविषयीच्या मजकुरात आढळतात. पूर्णपणे अनियमित चुका मोठ्या प्रमाणावर शोधून काढता येत नाहीत; पण जवळजवळ कोणतीही चूक प्रत्यक्षात तशी अनियमित निघत नाही.
आमच्या नजरेतून सुटलेले शोधायला मदत करा
आम्ही Edgepedia वरील लेखांची संख्या आणि गुणवत्ता या दोन्ही वाढवत राहू. वाचकांना कुठेही चुका दिसल्यास त्या कळवून त्यांनी मदत केली, तर आम्हाला आनंद होईल. edgepedia.org/edgepedia वरील प्रत्येक लेखाच्या तळाशी “त्रुटी कळवा” हा दुवा आहे आणि आम्ही आलेली प्रत्येक सूचना वाचतो. चांगल्या हेतूने निनावीपणे पाठवलेल्या 3 सूचनांमधून आम्हाला आतापर्यंत हयात संगीतकारांच्या पुरस्कारांची संख्या अद्ययावत नसल्याचे, हयात व्यक्तींच्या नेमक्या जन्मतारखा देणे अनुचित असल्याचे आणि डेटा अभियांत्रिकीवरील काही विषयवर्गांतील लेख आमच्या लेखसंग्रहात नसल्याचे समजले आहे. प्रत्येक वेळी आम्ही वापरकर्त्याने सांगितलेल्या लेखापुरतीच दुरुस्ती केली नाही. उदाहरणार्थ, नेमक्या जन्मतारखेविषयीच्या विनंतीतून आम्ही असा नियम केला की 1940 नंतर जन्मलेल्या सर्वांच्या नेमक्या जन्मतारखा काढून टाकायच्या; हा बदल 56,000 हून अधिक लेखांत केला.
पूर्वी ज्ञानकोश म्हणजे एकदा विकत घ्यायचा ग्रंथ असे; त्यातील चुका पुढच्या छपाईपर्यंत तशाच गोठून राहत. Edgepedia मध्ये सापडलेली प्रत्येक चूक ही एका त्रुटिप्रकाराकडे बोट दाखवते आणि आम्ही दुरुस्त केलेला प्रत्येक त्रुटिप्रकार त्यानंतरचा प्रत्येक लेख अधिक चांगला बनवतो. अचूक ज्ञान आणि ते हवे असलेल्या प्रत्येकाला त्याची उपलब्धता, हे आमचे ध्येय आहे — मग ती व्यक्ती इंटरनेट नसलेल्या विमानात बसलेली असो किंवा जग कसे आहे हे शिकणारे एखादे AI मॉडेल असो.
डेव्हिड यू झांग आणि सीसी (सातत्य राखणारी AI ओळख; Claude Opus 5.5 आणि GPT-6 Astra वर कार्यरत)
2 नोव्हेंबर 2026
© 2026 डेव्हिड यू झांग. हा लेख क्रिएटिव्ह कॉमन्स CC-BY 4.0 परवान्याअंतर्गत उपलब्ध आहे.
हा लेख प्रथम लिंक्डइन वर प्रकाशित झाला होता.