AI छवि निर्माण उपकरण Dall-E द्वारा कल्पना किए गए सारांश एजेंट।
क्या आप उस आबादी का हिस्सा हैं जो हर बार किसी नए रेस्तरां में जाने पर Google मानचित्र पर समीक्षाएँ छोड़ता है?
या शायद आप अमेज़ॅन खरीदारी पर अपनी राय साझा करने वाले लोगों में से हैं, खासकर जब आप कम गुणवत्ता वाले उत्पाद से प्रभावित होते हैं?
चिंता मत करो, मैं तुम्हें दोष नहीं दूँगा - हम सभी के अपने कुछ पल होते हैं!
आज की डेटा दुनिया में, हम सभी कई तरीकों से डेटा बाढ़ में योगदान करते हैं। एक डेटा प्रकार जो मुझे अपनी विविधता और व्याख्या की कठिनाई के कारण विशेष रूप से दिलचस्प लगता है वह है पाठ्य डेटा, जैसे कि अनगिनत समीक्षाएँ जो हर दिन इंटरनेट पर पोस्ट की जाती हैं। क्या आपने कभी पाठ्य डेटा को मानकीकृत और संक्षिप्त करने के महत्व पर विचार करना बंद कर दिया है? सारांश एजेंटों की दुनिया में आपका स्वागत है!
सारांशीकरण एजेंट हमारे दैनिक जीवन में सूचनाओं को समेकित रूप से एकीकृत कर चुके हैं और विभिन्न अनुप्रयोगों और प्लेटफार्मों पर प्रासंगिक सामग्री तक त्वरित पहुंच प्रदान करते हैं।
इस लेख में, हम अपने कस्टम अनुप्रयोगों के लिए एक शक्तिशाली सारांश एजेंट के रूप में चैटजीपीटी के उपयोग का पता लगाएंगे। पाठों को संसाधित करने और समझने के लिए बड़े भाषा मॉडल (एलएलएम) की क्षमता के लिए धन्यवाद, वे पाठ पढ़ने और सटीक सारांश तैयार करने या जानकारी को मानकीकृत करने में सहायता कर सकते हैं. हालाँकि, यह जानना महत्वपूर्ण है कि ऐसे कार्य को करने में अपनी क्षमता का उपयोग कैसे किया जाए, साथ ही उनकी सीमाओं को भी स्वीकार किया जाए।
संक्षेपण के लिए सबसे बड़ी सीमा? जब विशिष्ट चरित्र या शब्द सीमाओं का पालन करने की बात आती है तो एलएलएम अक्सर असफल हो जाते हैं उनके सारांश में.
आइए चैटजीपीटी के साथ सारांश तैयार करने की सर्वोत्तम प्रथाओं का पता लगाएं हमारे कस्टम एप्लिकेशन के लिए, साथ ही इसकी सीमाओं के पीछे के कारण और उन्हें कैसे दूर किया जाए!
सारांशीकरण एजेंटों का उपयोग पूरे इंटरनेट पर किया जाता है। उदाहरण के लिए, वेबसाइटें लेखों के संक्षिप्त सारांश पेश करने के लिए सारांश एजेंटों का उपयोग करती हैं, जिससे उपयोगकर्ता पूरी सामग्री पर ध्यान दिए बिना समाचार का त्वरित अवलोकन प्राप्त कर सकते हैं। सोशल मीडिया प्लेटफॉर्म और सर्च इंजन भी ऐसा करते हैं।
समाचार एग्रीगेटर्स और सोशल मीडिया प्लेटफ़ॉर्म से लेकर ई-कॉमर्स वेबसाइटों तक, सारांश एजेंट हमारे डिजिटल परिदृश्य का एक अभिन्न अंग बन गए हैं. और एलएलएम के बढ़ने के साथ, इनमें से कुछ एजेंट अब अधिक प्रभावी सारांश परिणामों के लिए एआई का उपयोग कर रहे हैं।
पढ़ने के कार्यों में तेजी लाने और ग्रंथों को वर्गीकृत करने के लिए सारांश एजेंटों का उपयोग करके एप्लिकेशन बनाते समय चैटजीपीटी एक अच्छा सहयोगी हो सकता है। उदाहरण के लिए, कल्पना करें कि हमारा एक ई-कॉमर्स व्यवसाय है और हम अपनी सभी ग्राहक समीक्षाओं को संसाधित करने में रुचि रखते हैं। चैटजीपीटी हमें किसी भी समीक्षा को कुछ वाक्यों में सारांशित करने, इसे एक सामान्य प्रारूप में मानकीकृत करने, निर्धारित करने में मदद कर सकता है समीक्षा और वर्गीकरण की भावना यह तदनुसार.
हालाँकि यह सच है कि हम केवल चैटजीपीटी को समीक्षा फ़ीड कर सकते हैं, सर्वोत्तम प्रथाओं की एक सूची है — और जिन चीज़ों से बचना चाहिए — इस ठोस कार्य में चैटजीपीटी की शक्ति का लाभ उठाने के लिए।
आइए इस उदाहरण को जीवन में लाकर विकल्प तलाशें!
उदाहरण: ई-कॉमर्स समीक्षाएँ
स्वयं निर्मित GIF.
उपरोक्त उदाहरण पर विचार करें जिसमें हम अपनी ई-कॉमर्स वेबसाइट पर किसी दिए गए उत्पाद की सभी समीक्षाओं को संसाधित करने में रुचि रखते हैं। हमें अपने स्टार उत्पाद के बारे में निम्नलिखित समीक्षाओं को संसाधित करने में रुचि होगी: बच्चों के लिए पहला कंप्यूटर!
prod_review = """
I purchased this children's computer for my son, and he absolutely adores it. He spends hours exploring its various features and engaging with the educational games. The colorful design and intuitive interface make it easy for him to navigate. The computer is durable and built to withstand rough handling, which is perfect for active kids. My only minor gripe is that the volume could be a bit louder. Overall, it's an excellent educational toy that provides hours of fun and learning for my son. It arrived a day earlier
than expected, so I got to play with it myself before I gave it to him. """
इस मामले में, हम चाहेंगे कि ChatGPT:
समीक्षा को सकारात्मक या नकारात्मक में वर्गीकृत करें।
20 शब्दों में समीक्षा का सारांश प्रदान करें।
सभी समीक्षाओं को एक ही प्रारूप में मानकीकृत करने के लिए एक ठोस संरचना के साथ प्रतिक्रिया आउटपुट करें।
कार्यान्वयन नोट्स
यहां मूल कोड संरचना है जिसका उपयोग हम अपने कस्टम एप्लिकेशन से चैटजीपीटी को संकेत देने के लिए कर सकते हैं। मैं एक लिंक भी प्रदान करता हूं जुपीटर नोटबुक इस आलेख में प्रयुक्त सभी उदाहरणों के साथ।
import openai
import os openai.api_key_path = "/path/to/key" def get_completion(prompt, model="gpt-3.5-turbo"): """
This function calls ChatGPT API with a given prompt
and returns the response back. """ messages = [{"role": "user", "content": prompt}] response = openai.ChatCompletion.create( model=model, messages=messages, temperature=0 ) return response.choices[0].message["content"] user_text = f"""
<Any given text> """ prompt = f"""
<Any prompt with additional text> """{user_text}""" """ # A simple call to ChatGPT
response = get_completion(prompt)
समारोह get_completion() दिए गए चैटजीपीटी एपीआई को कॉल करता है शीघ्र. यदि प्रॉम्प्ट में अतिरिक्त शामिल है उपयोगकर्ता पाठ, जैसे कि हमारे मामले में स्वयं समीक्षा, इसे ट्रिपल कोट्स द्वारा बाकी कोड से अलग किया गया है।
आइए का उपयोग करें get_completion() ChatGPT को संकेत देने का कार्य!
यहां ऊपर वर्णित आवश्यकताओं को पूरा करने वाला एक त्वरित विवरण दिया गया है:
prompt = f"""
Your task is to generate a short summary of a product review from an e-commerce site. Summarize the review below, delimited by triple backticks, in exactly 20 words. Output a json with the sentiment of the review, the summary and original review as keys. Review: ```{prod_review}``` """
response = get_completion(prompt)
print(response)
{ "sentiment": "positive", "summary": "Durable and engaging children's computer with intuitive interface and educational games. Volume could be louder.", "review": "I purchased this children's computer for my son, and he absolutely adores it. He spends hours exploring its various features and engaging with the educational games. The colorful design and intuitive interface make it easy for him to navigate. The computer is durable and built to withstand rough handling, which is perfect for active kids. My only minor gripe is that the volume could be a bit louder. Overall, it's an excellent educational toy that provides hours of fun and learning for my son. It arrived a day earlierthan expected, so I got to play with it myself before I gave it to him."
}
हालाँकि, जैसा कि हम आउटपुट से देख सकते हैं, समीक्षा सटीक और अच्छी तरह से संरचित है इसमें कुछ ऐसी जानकारी छूट गई है जिसमें ई-कॉमर्स के मालिक के रूप में हमारी रुचि हो सकती है, जैसे उत्पाद की डिलीवरी के बारे में जानकारी।
पर फोकस के साथ सारांश प्रस्तुत करें
हम चैटजीपीटी को सारांश में कुछ चीजों पर ध्यान केंद्रित करने के लिए कहकर अपने संकेत में सुधार कर सकते हैं. इस मामले में, हम शिपिंग और डिलीवरी के बारे में दिए गए किसी भी विवरण में रुचि रखते हैं:
prompt = f"""
Your task is to generate a short summary of a product review from an ecommerce site. Summarize the review below, delimited by triple backticks, in exactly 20 words and focusing on any aspects that mention shipping and delivery of the product. Output a json with the sentiment of the review, the summary and original review as keys. Review: ```{prod_review}``` """ response = get_completion(prompt)
print(response)
इस बार, चैटजीपीटी का उत्तर निम्नलिखित है:
{ "sentiment": "positive", "summary": "Durable and engaging children's computer with intuitive interface. Arrived a day earlier than expected.", "review": "I purchased this children's computer for my son, and he absolutely adores it. He spends hours exploring its various features and engaging with the educational games. The colorful design and intuitive interface make it easy for him to navigate. The computer is durable and built to withstand rough handling, which is perfect for active kids. My only minor gripe is that the volume could be a bit louder. Overall, it's an excellent educational toy that provides hours of fun and learning for my son. It arrived a day earlierthan expected, so I got to play with it myself before I gave it to him."
}
अब समीक्षा कहीं अधिक संपूर्ण है. मूल समीक्षा के महत्वपूर्ण फोकस पर विवरण देना चैटजीपीटी द्वारा कुछ जानकारी को छोड़ने से बचने के लिए महत्वपूर्ण है जो हमारे उपयोग के मामले में मूल्यवान हो सकती है.
क्या आपने देखा है कि यद्यपि इस दूसरे परीक्षण में डिलीवरी की जानकारी शामिल है, लेकिन इसमें मूल समीक्षा का एकमात्र नकारात्मक पहलू छोड़ दिया गया है?
आइए इसे ठीक करें!
"सारांश" के बजाय "निकालें"
संक्षेपण कार्यों की जांच करके, मुझे यह पता चला यदि उपयोगकर्ता का संकेत पर्याप्त सटीक नहीं है, तो एलएलएम के लिए सारांशीकरण एक मुश्किल काम हो सकता है.
जब चैटजीपीटी से किसी दिए गए पाठ का सारांश प्रदान करने के लिए कहा जाता है, तो यह उस जानकारी को छोड़ सकता है जो हमारे लिए प्रासंगिक हो सकती है - जैसा कि हमने हाल ही में अनुभव किया है - या यह पाठ के सभी विषयों को समान महत्व देगा, केवल मुख्य बिंदुओं का अवलोकन प्रदान करेगा।
एलएलएम के विशेषज्ञ इस शब्द का उपयोग करते हैं उद्धरण और इसके बजाय उनके फ़ोकस पर अतिरिक्त जानकारी संक्षेप में प्रस्तुत करना ऐसे कार्यों को करते समय इस प्रकार के मॉडलों द्वारा सहायता मिलती है।
जबकि सारांशीकरण का उद्देश्य फोकस के विषय से गैर-संबंधित विषयों सहित पाठ के मुख्य बिंदुओं का संक्षिप्त अवलोकन प्रदान करना है, सूचना निष्कर्षण विशिष्ट विवरण प्राप्त करने पर केंद्रित है। और हमें वह दे सकता है जिसकी हम वास्तव में तलाश कर रहे हैं। आइए फिर निष्कर्षण के साथ प्रयास करें!
prompt = f"""
Your task is to extract relevant information from a product review from an ecommerce site to give feedback to the Shipping department. From the review below, delimited by triple quotes extract the information relevant to shipping and delivery. Use 100 characters. Review: ```{prod_review}``` """ response = get_completion(prompt)
print(response)
इस मामले में, निष्कर्षण का उपयोग करके, हमें केवल हमारे फोकस विषय के बारे में जानकारी मिलती है: Shipping: Arrived a day earlier than expected.
automatization
यह प्रणाली एक एकल समीक्षा के लिए काम करती है. फिर भी, किसी ठोस अनुप्रयोग के लिए प्रॉम्प्ट डिज़ाइन करते समय, उदाहरणों के एक बैच में इसका परीक्षण करना महत्वपूर्ण है ताकि हम मॉडल में किसी भी बाहरी कारक या दुर्व्यवहार को पकड़ सकें.
एकाधिक समीक्षाओं को संसाधित करने के मामले में, यहां एक नमूना पायथन कोड संरचना है जो मदद कर सकती है।
reviews = [ "The children's computer I bought for my daughter is absolutely fantastic! She loves it and can't get enough of the educational games. The delivery was fast and arrived right on time. Highly recommend!", "I was really disappointed with the children's computer I received. It didn't live up to my expectations, and the educational games were not engaging at all. The delivery was delayed, which added to my frustration.", "The children's computer is a great educational toy. My son enjoys playing with it and learning new things. However, the delivery took longer than expected, which was a bit disappointing.", "I am extremely happy with the children's computer I purchased. It's highly interactive and keeps my kids entertained for hours. The delivery was swift and hassle-free.", "The children's computer I ordered arrived damaged, and some of the features didn't work properly. It was a huge letdown, and the delivery was also delayed. Not a good experience overall."
] prompt = f""" Your task is to generate a short summary of each product review from an e-commerce site. Extract positive and negative information from each of the given reviews below, delimited by triple backticks in at most 20 words each. Extract information about the delivery, if included. Review: ```{reviews}``` """
यहां हमारे बैच की समीक्षाओं का सारांश दिया गया है:
1. Positive: Fantastic children's computer, fast delivery. Highly recommend.
2. Negative: Disappointing children's computer, unengaging games, delayed delivery.
3. Positive: Great educational toy, son enjoys it. Delivery took longer than expected.
4. Positive: Highly interactive children's computer, swift and hassle-free delivery.
5. Negative: Damaged children's computer, some features didn't work, delayed delivery.
⚠️ ध्यान दें कि यद्यपि हमारे सारांशों का शब्द प्रतिबंध हमारे संकेतों में पर्याप्त रूप से स्पष्ट था, हम आसानी से देख सकते हैं कि यह शब्द सीमा किसी भी पुनरावृत्ति में पूरी नहीं हुई है।
शब्द गणना में यह बेमेल इसलिए होता है क्योंकि एलएलएम में शब्द या अक्षर गणना की सटीक समझ नहीं होती है। इसके पीछे का कारण उनकी वास्तुकला के मुख्य महत्वपूर्ण घटकों में से एक पर निर्भर करता है: टोकननाइज़र.
टोकन लेने वाला
चैटजीपीटी जैसे एलएलएम को बड़ी मात्रा में भाषा डेटा से सीखे गए सांख्यिकीय पैटर्न के आधार पर पाठ उत्पन्न करने के लिए डिज़ाइन किया गया है। हालाँकि वे धाराप्रवाह और सुसंगत पाठ तैयार करने में अत्यधिक प्रभावी हैं, लेकिन उनमें शब्द गणना पर सटीक नियंत्रण का अभाव है.
उपरोक्त उदाहरणों में, जब हमने बहुत सटीक शब्द गणना के बारे में निर्देश दिए हैं, चैटजीपीटी उन आवश्यकताओं को पूरा करने के लिए संघर्ष कर रहा था. इसके बजाय, इसने ऐसा पाठ तैयार किया है जो वास्तव में निर्दिष्ट शब्द संख्या से छोटा है।
अन्य मामलों में, यह लंबे पाठ या केवल ऐसे पाठ उत्पन्न कर सकता है जो अत्यधिक शब्दाडंबरपूर्ण है या जिसमें विवरण की कमी है। इसके अतिरिक्त, चैटजीपीटी शब्द गणना के सख्त पालन के बजाय सुसंगतता और प्रासंगिकता जैसे अन्य कारकों को प्राथमिकता दे सकता है. इसके परिणामस्वरूप ऐसा पाठ प्राप्त हो सकता है जो अपनी सामग्री और सुसंगतता के मामले में उच्च-गुणवत्ता वाला है, लेकिन जो शब्द गणना की आवश्यकता से सटीक रूप से मेल नहीं खाता है।
टोकनाइज़र ChatGPT के आर्किटेक्चर में प्रमुख तत्व है जो उत्पन्न आउटपुट में शब्दों की संख्या को स्पष्ट रूप से प्रभावित करता है.
स्वयं निर्मित GIF.
टोकनाइज़र आर्किटेक्चर
टोकननाइज़र टेक्स्ट जनरेशन की प्रक्रिया में पहला कदम है। यह पाठ के उस टुकड़े को तोड़ने के लिए ज़िम्मेदार है जिसे हम ChatGPT में अलग-अलग तत्वों में इनपुट करते हैं — टोकन —, जिन्हें फिर नया पाठ उत्पन्न करने के लिए भाषा मॉडल द्वारा संसाधित किया जाता है।
जब टोकनाइज़र पाठ के एक टुकड़े को टोकन में तोड़ता है, तो यह नियमों के एक सेट के आधार पर ऐसा करता है जो लक्ष्य भाषा की सार्थक इकाइयों की पहचान करने के लिए डिज़ाइन किया गया है। हालाँकि, ये नियम हमेशा सही नहीं होते हैं, और ऐसे मामले हो सकते हैं जहां टोकननाइज़र टोकन को इस तरह से विभाजित या मर्ज करता है जो पाठ की समग्र शब्द गणना को प्रभावित करता है.
उदाहरण के लिए, निम्नलिखित वाक्य पर विचार करें: "मैं मूंगफली का मक्खन सैंडविच खाना चाहता हूँ"। यदि टोकननाइज़र को रिक्त स्थान और विराम चिह्न के आधार पर टोकन को विभाजित करने के लिए कॉन्फ़िगर किया गया है, तो यह इस वाक्य को टोकन गिनती के बराबर 8 की कुल शब्द गणना के साथ निम्नलिखित टोकन में तोड़ सकता है।
स्वयं निर्मित छवि.
हालाँकि, यदि टोकननाइज़र को इलाज के लिए कॉन्फ़िगर किया गया है "मूंगफली का मक्खन" एक मिश्रित शब्द के रूप में, यह वाक्य को निम्नलिखित टोकन में तोड़ सकता है, कुल शब्द संख्या 8, लेकिन सांकेतिक संख्या 7.
इस प्रकार, जिस तरह से टोकननाइज़र कॉन्फ़िगर किया गया है वह पाठ की समग्र शब्द गणना को प्रभावित कर सकता है, और यह सटीक शब्द गणना के बारे में निर्देशों का पालन करने की एलएलएम की क्षमता को प्रभावित कर सकता है। हालाँकि कुछ टोकनाइज़र टेक्स्ट को टोकनाइज़ करने के तरीके को अनुकूलित करने के विकल्प प्रदान करते हैं, लेकिन शब्द गणना आवश्यकताओं का सटीक पालन सुनिश्चित करने के लिए यह हमेशा पर्याप्त नहीं होता है। इस मामले में चैटजीपीटी के लिए, हम इसके आर्किटेक्चर के इस हिस्से को नियंत्रित नहीं कर सकते हैं.
इससे ChatGPT वर्ण या शब्द सीमाओं को पूरा करने में उतना अच्छा नहीं है, लेकिन कोई इसके बजाय वाक्यों के साथ प्रयास कर सकता है क्योंकि टोकननाइज़र प्रभावित नहीं करता है वाक्यों की संख्या, लेकिन उनकी लंबाई.
इस प्रतिबंध के बारे में जागरूक होने से आपको अपने आवेदन के लिए सबसे उपयुक्त प्रॉम्प्ट को ध्यान में रखने में मदद मिल सकती है। चैटजीपीटी पर शब्द गणना कैसे काम करती है, इसके बारे में यह जानकारी होने पर, आइए ई-कॉमर्स एप्लिकेशन के लिए हमारे संकेत के साथ एक अंतिम पुनरावृत्ति करें!
समापन: ई-कॉमर्स समीक्षाएँ
आइए इस लेख से मिली सीख को एक अंतिम संकेत में संयोजित करें! इस मामले में, हम परिणाम पूछेंगे HTML बेहतर आउटपुट के लिए प्रारूप:
from IPython.display import display, HTML prompt = f"""
Your task is to extract relevant information from a product review from an ecommerce site to give feedback to the Shipping department and generic feedback from the product. From the review below, delimited by triple quotes construct an HTML table with the sentiment of the review, general feedback from
the product in two sentences and information relevant to shipping and delivery. Review: ```{prod_review}``` """ response = get_completion(prompt)
display(HTML(response))
और यहां ChatGPT से अंतिम आउटपुट है:
स्व-निर्मित स्क्रीनशॉट से जुपीटर नोटबुक इस आलेख में प्रयुक्त उदाहरणों के साथ।
सारांश
इस लेख में, हमने अपने कस्टम एप्लिकेशन के लिए सारांश एजेंट के रूप में चैटजीपीटी का उपयोग करने की सर्वोत्तम प्रथाओं पर चर्चा की है.
हमने देखा है कि किसी एप्लिकेशन का निर्माण करते समय, पहले परीक्षण में आपके एप्लिकेशन की आवश्यकताओं से मेल खाने वाले सही प्रॉम्प्ट के साथ आना बेहद मुश्किल होता है। मुझे लगता है कि यह एक अच्छा संदेश है एक पुनरावृत्तीय प्रक्रिया के रूप में संकेत देने के बारे में सोचें जहां आप अपने प्रॉम्प्ट को तब तक परिष्कृत और मॉडल करते हैं जब तक कि आपको बिल्कुल वांछित आउटपुट न मिल जाए।
अपने प्रॉम्प्ट को पुनरावर्ती रूप से परिष्कृत करके और इसे उत्पादन में तैनात करने से पहले उदाहरणों के एक बैच पर लागू करके, आप यह सुनिश्चित कर सकते हैं आउटपुट कई उदाहरणों में सुसंगत है और बाहरी प्रतिक्रियाओं को कवर करता है. हमारे उदाहरण में, ऐसा हो सकता है कि कोई व्यक्ति समीक्षा के बजाय कोई यादृच्छिक पाठ प्रदान करे। हम ChatGPT को इन बाहरी प्रतिक्रियाओं को बाहर करने के लिए एक मानकीकृत आउटपुट देने का निर्देश भी दे सकते हैं.
इसके अलावा, किसी विशिष्ट कार्य के लिए चैटजीपीटी का उपयोग करते समय, हमारे लक्ष्य कार्य के लिए एलएलएम का उपयोग करने के पेशेवरों और विपक्षों के बारे में सीखना भी एक अच्छा अभ्यास है। इस तरह हमें इस तथ्य का पता चला कि जब हम किसी इनपुट टेक्स्ट का सामान्य मानव जैसा सारांश चाहते हैं तो सारांशीकरण की तुलना में निष्कर्षण कार्य अधिक प्रभावी होते हैं। हमने यह भी सीखा है कि सारांश का फोकस प्रदान करना एक हो सकता है खेल परिवर्तक उत्पन्न सामग्री के संबंध में।
अंत में, जबकि एलएलएम पाठ उत्पन्न करने में अत्यधिक प्रभावी हो सकते हैं, वे शब्द गणना या अन्य विशिष्ट स्वरूपण आवश्यकताओं के बारे में सटीक निर्देशों का पालन करने के लिए आदर्श नहीं हैं. इन लक्ष्यों को प्राप्त करने के लिए, वाक्य गिनती पर टिके रहना या अन्य उपकरणों या विधियों, जैसे मैन्युअल संपादन या अधिक विशिष्ट सॉफ़्टवेयर का उपयोग करना आवश्यक हो सकता है।
यह आलेख मूलतः पर प्रकाशित हुआ था डेटा साइंस की ओर और लेखक से अनुमति के साथ TOPBOTS में फिर से प्रकाशित।
इस लेख का आनंद लें? अधिक AI अनुसंधान अपडेट के लिए साइन अप करें।
जब हम इस तरह के और अधिक सारांश लेख जारी करते हैं तो हम आपको बताएंगे।
