ஆதாயங்கள்:
- வாகன மேம்பாட்டு வாழ்க்கைச் சுழற்சியில் (வி-மாடல்) செயற்கை நுண்ணறிவு உண்மையான மதிப்பை உருவாக்குகிறது மற்றும் எந்த முடிவுகள் திறமையான பொறியாளரின் பொறுப்பாக இருக்க வேண்டும் என்பதை வேறுபடுத்தும் திறன்
- ஒவ்வொரு AI வெளியீட்டையும் அளவு, பொறியியல் நம்பகத்தன்மை மற்றும் சுயாதீன சோதனை/அளவீடு சான்றுகளுக்கு எதிராக சோதிக்கும் மூன்று நங்கூர சரிபார்ப்பு துறைகளைப் பயன்படுத்துவதற்கான திறன்
- மாயத்தோற்றம், தெளிவின்மை, வர்த்தக ரகசியம் மற்றும் செயல்பாட்டு பாதுகாப்பு அபாயங்களை அங்கீகரித்தல் மற்றும் சூழலை அநாமதேயமாக்குவதன் மூலம் பாதுகாப்பான தூண்டுதல்களை அமைக்கும் பழக்கத்தைப் பெறுதல்
வாகன பொறியியல்; இது ஒரு வாகனத்தின் கான்செப்ட் வரைவதிலிருந்து தொடங்கி வடிவமைப்பு, உருவகப்படுத்துதல், முன்மாதிரி, சோதனை, வெகுஜன உற்பத்தி மற்றும் கள கண்காணிப்பு என விரிவடையும் ஒரு பெரிய சங்கிலியாகும். இன்று, செயற்கை நுண்ணறிவு (சுருக்கமாக, AI அல்லது AI) இந்த சங்கிலியின் ஒவ்வொரு இணைப்பிலும் முடுக்கியாக செயல்படுகிறது. ஆனால் வாகனத் துறையில் ஒரு தவறு ஆய்வகத்தில் விடப்பட்ட தவறு அல்ல: இது சாலையில் மில்லியன் கணக்கான வாகனங்களுக்கு பாதுகாப்பு, நினைவுகூருதல் மற்றும் மனித வாழ்க்கை என்று பொருள். எனவே, இந்த தொகுதியின் முதல் மற்றும் மிக முக்கியமான வாக்கியம்: செயற்கை நுண்ணறிவு பொறியாளரை துரிதப்படுத்துகிறது, ஆனால் பாதுகாப்பு-முக்கியமான முடிவுக்கு உரிமையாளரும் பொறுப்பும் எப்போதும் திறமையான பொறியாளர் ஆவார்.
இந்த யூனிட்டில், வாகன மேம்பாட்டில் AI உண்மையான மதிப்பை எங்கு உருவாக்குகிறது, சிவப்புக் கோடுகள் இருக்கும் இடங்கள் மற்றும் ஒவ்வொரு AI வெளியீட்டையும் ஒழுங்குமுறையாகச் சரிபார்ப்பது எப்படி என்பதைக் கற்றுக்கொள்வோம்.
வாகன வளர்ச்சியின் V-மாதிரி மற்றும் AI இன் இடம்
வாகனத்தின் வளர்ச்சி பெரும்பாலும் V-மாடலில் விவரிக்கப்படுகிறது. வி-மாடல்; இது "V" என்ற எழுத்தின் வடிவத்தில் முன்னேறும், தேவைகள் மற்றும் வடிவமைப்பு படிகள் இடதுபுறம், மென்பொருள்/வன்பொருள் செயலாக்கம் கீழே, மற்றும் சரிபார்ப்பு மற்றும் ஒருங்கிணைப்பு சோதனைகள் வலதுபுறம் செல்கின்றன. இடது கையில், "நாங்கள் என்ன செய்வோம்" என்பது வரையறுக்கப்பட்டுள்ளது (தேவை, கணினி வடிவமைப்பு), வலது கையில், "நாங்கள் அதைச் சரியாகச் செய்திருக்கிறோமா" சோதிக்கப்படுகிறது (அலகு சோதனை, ஒருங்கிணைப்பு, கருவி சரிபார்ப்பு).
செயற்கை நுண்ணறிவு இந்த V இன் ஒவ்வொரு அம்சத்தையும் தொடுகிறது:
- இடது கை (வடிவமைப்பு): ஜெனரேட்டிவ் டிசைனுடன் இலகுரக பகுதி வடிவவியலை முன்மொழியவும், பினாமி மாதிரியுடன் உருவகப்படுத்துதலை விரைவுபடுத்தவும், தேவை உரைகளில் இருந்து முரண்பாடுகளைப் பிடிக்கவும்.
- துணை (செயல்படுத்துதல்): குறியீடு உருவாக்க உதவி, சோதனை வழக்கு வழித்தோன்றல், அளவுத்திருத்த அளவுரு ஸ்கேனிங்.
- வலது கை (சரிபார்ப்பு): சோதனை தரவு, அறிக்கை வரைவு, பொறையுடைமை சோதனை சுருக்கம் ஆகியவற்றிலிருந்து ஒழுங்கின்மை கொடியிடுதல்.
- உற்பத்தி மற்றும் புலம்: காட்சி குறைபாடு கண்டறிதல், முன்கணிப்பு பராமரிப்பு, டெலிமெட்ரி பகுப்பாய்வு, விநியோக சங்கிலி முன்கணிப்பு.
உதவிக்குறிப்பு: "முடிவெடுப்பவர்" அல்ல, "முன்னணிகளை உருவாக்கி கவனத்தை ஈர்க்கும்" உதவியாளராக AI ஐ நிலைநிறுத்தவும். பொறியியல் சான்றுகள் முடிவெடுக்கின்றன.
AIக்கு எதை விட்டுச் செல்கிறோம், எதைச் செய்யக்கூடாது?
பொது விதி: AI மீண்டும் மீண்டும், தரவு-தீவிர, முதல் வரைவு வேலைகளில் வலுவானது; தீர்ப்பு, பாதுகாப்பு மற்றும் இறுதி ஒப்புதல் மனிதனுடையது. கீழே உள்ள அட்டவணை இந்த வேறுபாட்டை வெளிப்படுத்துகிறது.
தேடுதல்
AI இன் பங்கு
முடிவின் உரிமையாளர்
சாலை சோதனைப் பதிவின் 50,000 வரிகளில் ஒழுங்கின்மை ஸ்கேனிங்
தானியங்கி குறி, முன் திரையிடல்
சோதனை பொறியாளர்
பிரேக் மென்பொருள் பாதுகாப்பு சரிபார்ப்பு
ஒரு சோதனை காட்சியை பரிந்துரைக்கவும்
செயல்பாட்டு பாதுகாப்பு பொறியாளர்
கருத்து சேஸ் வடிவவியலை உருவாக்குகிறது
மாற்றுகளை உருவாக்குதல் (உருவாக்கும்)
வடிவமைப்பு/CAE பொறியாளர்
வெல்ட் மடிப்பு குறைபாடு வகைப்பாடு
படத்தில் முன் கண்டறிதல்
தர பொறியாளர்/ஆபரேட்டர்
ஹோமோலோகேஷன் (வகை ஒப்புதல்) அறிவிப்பு
வரைவு உரை
பொறுப்பு பொறியாளர்/மேலாளர்
கவனிக்க வேண்டிய விஷயம்: அட்டவணையின் வலது நெடுவரிசை ஒருபோதும் "AI" ஆக இருக்க முடியாது. உமிழ்வு அறிவிப்பு, விபத்து பாதுகாப்பு ஒப்புதல், பிரேக்கிங் செயல்திறன் போன்ற விஷயங்களில் இறுதி கையொப்பம் எப்போதும் அங்கீகரிக்கப்பட்ட நபருக்கு சொந்தமானது. இது நெறிமுறை மட்டுமல்ல, பெரும்பாலான நாடுகளில் சட்டப்பூர்வமான கடமையாகும்.
மூன்று ஆங்கர் சரிபார்ப்பு துறைகள்
இந்த தொகுதி முழுவதும், ஒவ்வொரு AI வெளியீட்டையும் மூன்று சுயாதீன "ஆங்கர்களுக்கு" எதிராக சோதிப்போம். நங்கூரம்; கப்பலை சரியான இடத்தில் வைத்திருக்கும் எடையைப் போலவே, AI நம்மை இழுத்துச் செல்வதைத் தடுக்கிறது.
- அளவு சரிபார்ப்பு வரிசை: முடிவு தோராயமாக சரியான அளவில் உள்ளதா? பூஜ்ஜியத்திலிருந்து நூறு கிமீ/மணிக்கு ஒரு பயணிகள் காரின் முடுக்கம் சுமார் 6-9 வினாடிகள் ஆகும்; AI "0.6 வினாடிகள்" என்று சொன்னால் ஏதோ தவறு. 2 நிமிடங்களில் பேட்டரியை முழுவதுமாக சார்ஜ் செய்வதற்கான பரிந்துரை உடல் ரீதியாக கேள்விக்குரியது.
- பொறியியல் நம்பகத்தன்மை: முடிவு இயற்பியல் மற்றும் பொறியியல் உள்ளுணர்வுடன் இணக்கமாக உள்ளதா? நீங்கள் இலகுவாக உருவாக்கும் ஒரு பகுதி மலிவானதாகவும், வலுவானதாகவும், அதே நேரத்தில் உற்பத்தி செய்வதற்கு எளிதாகவும் மாறினால், "இலவச மதிய உணவு இல்லை" என்ற கொள்கையை நினைவில் கொள்ளுங்கள்; எங்கோ ஒரு வர்த்தகம் மறைந்துள்ளது.
- சுயாதீன சோதனை/அளவீடு ஆதாரம்: வலிமையான நங்கூரம். உருவகப்படுத்துதலை இயற்பியல் சோதனை, கணிப்பு உண்மையான தரவு, AI சுருக்கம் ஆகியவற்றை மூல தரவுகளுடன் ஒப்பிடுக. ஆதாரம் இல்லாமல் பாதுகாப்பு முக்கியத்துவம் வாய்ந்த வெளியீடு ஏற்றுக்கொள்ளப்படாது.
எச்சரிக்கை: AI மிகவும் சரளமான மற்றும் நம்பிக்கையான மொழியில் தவறான தகவலை உருவாக்க முடியும்; இது மாயத்தோற்றம் என்று அழைக்கப்படுகிறது. சரளமாக இருப்பது துல்லியத்திற்கு ஆதாரம் அல்ல. ஒரு எண், ஒரு நிலையான எண் அல்லது ஒரு பொருள் சொத்து நம்பிக்கையுடன் சொன்னதால் சரியானது என்று கருத வேண்டாம்; மூலத்திலிருந்து உறுதிப்படுத்தவும்.
சிறு வழக்கு ஆய்வுகள்
வழக்கு 1 - ஆர்டர் பிழை பிடிப்பது. ஒரு பயிற்சியாளர் வாகனத்தின் ஏரோடைனமிக் இழுவை விசையை AI கணக்கிட்டு 100 km/h வேகத்தில் "12,000 N" முடிவைப் பெறுகிறார். மூத்த பொறியாளர் ஒரு நிலை சோதனை செய்கிறார்: இந்த வேகத்தில் ஒரு வழக்கமான பயணிகள் காரின் இழுவை விசை சுமார் 300-400 N (சுமார் 30-40 kgf) ஆகும். N12,000 என்பது முப்பது மடங்கு அதிகம். ஆய்வு செய்யும் போது, காற்றின் அடர்த்திக்கு AI தவறான அலகைப் பயன்படுத்துவதாகத் தெரிகிறது (கி.கி/மீ³க்கு பதிலாக g/cm³ குழப்பம்). முடிவு: ஒரு எளிய ரேங்க் சரிபார்ப்பு பல மணிநேர தவறான வடிவமைப்பு முடிவுகளைத் தடுக்கிறது.
வழக்கு 2 - நியாயத்தன்மை வடிகட்டி. ஒரு கொள்முதல் குழு AIயிடம் செலவுக் குறைப்பு ஆலோசனையைக் கேட்கிறது; AI ஆனது ஒரு சப்ளையரிடமிருந்து வாங்குவதைப் பரிந்துரைக்கிறது, 8% சேமிக்கிறது. திட்டமிடல் மேலாளர் நம்பகத்தன்மை சோதனையை நடத்துகிறார்: இந்த பகுதி பாதுகாப்பு-முக்கியமான ஏர்பேக் சென்சார் ஆகும், மேலும் அந்த தொழிற்சாலையில் ஒரு செயலிழப்பு ஏற்பட்டால் ஒரே ஆதாரம் அனைத்து உற்பத்தியையும் நிறுத்தும். இரண்டாவது மூலத்தையும் பங்கு இடையகத்தையும் சேர்ப்பதன் மூலம் பரிந்துரை சரி செய்யப்படுகிறது. முடிவு: 8% சேமிக்கும் பொருட்டு "வரியை நிறுத்தும்" ஆபத்து தவிர்க்கப்பட்டது.
வழக்கு 3 - சுயாதீன ஆதாரம். ஒரு CAE குழு அதிர்வு (NVH - சத்தம், அதிர்வு, கடினத்தன்மை) ஹூட் பேனலின் நடத்தையை வேகமான மாற்று மாதிரியுடன் கணித்துள்ளது; மாதிரியானது 47 ஹெர்ட்ஸில் அதிர்வு (குறிப்பிட்ட அதிர்வெண்ணில் அதிகப்படியான அதிர்வு) கணிக்கப்படுகிறது. உடல் மாதிரி சோதனை மூலம் குழு இதை உறுதிப்படுத்துகிறது; உண்மையான உச்சநிலை 44 ஹெர்ட்ஸில் நிகழ்கிறது. வேறுபாடு சிறியது ஆனால் முக்கியமானது; வாடகை மாதிரி ஏற்றுக்கொள்ளப்பட்டது, ஆனால் வடிவமைப்பு விளிம்பு அதற்கேற்ப விரிவாக்கப்படுகிறது. முடிவு: வேகமான AI கணிப்பு பயன்படுத்தப்பட்டது ஆனால் சுயாதீன ஆதாரங்களுடன் அளவீடு செய்யப்பட்டது.
பாதுகாப்பான அறிவிப்பை அமைத்தல்: தனியுரிமை மற்றும் வர்த்தக ரகசியங்கள்
வாகனத் தரவுகளில் பெரும்பாலும் வர்த்தக ரகசியங்கள் (புதிய மாதிரி வடிவமைப்பு, சப்ளையர் விலை) அல்லது தனிப்பட்ட தரவு (டிரைவர் இடம், VIN - சேஸ் எண்) இருக்கும். பொது கிளவுட் AI கருவிக்கு மூல ரகசியத் தரவை அனுப்புவது பெரிய ஆபத்து.
பலவீனமான மற்றும் வலுவான தூண்டுதல்களின் ஒப்பீடு கீழே உள்ளது.
பலவீனமான உடனடி:
எங்கள் பிராண்ட் X இன் 2027 மாடல் எலக்ட்ரிக் SUV திட்டத்தின் உண்மையான பேட்டரி சோதனைத் தரவைச் சேர்க்கிறேன், எங்கள் செல் சப்ளையர் நிறுவனம் Y, யூனிட் விலை 92 USD. இந்த VINகள் உள்ள வாகனங்களுக்கான வரம்புச் சிக்கலைத் தீர்க்கவும்:[உண்மையான VIN பட்டியல்]
இந்த வரியில் தயாரிப்பு, மாதிரி, சப்ளையர், விலை மற்றும் தனிப்பட்ட VIN ஆகியவற்றை வெளிப்படுத்துகிறது; தனியுரிமை மற்றும் போட்டி இரண்டிற்கும் இது ஆபத்தானது.
சக்திவாய்ந்த தூண்டுதல்:
பங்கு: நான் ஒரு மின்சார வாகன பேட்டரி சோதனை பொறியாளர். சூழல்: பயணிகள் SUV பேட்டரியில் (தோராயமாக 75 kWh) ரேஞ்ச் ட்ரிஃப்ட்டை நான் ஆராய்ந்து வருகிறேன். நான் தரவை அநாமதேயமாக்கினேன்; பிராண்டுகள் A/B எனவும், வாகனங்கள் வாகனம்_1..vehicle_20 எனவும் குறியிடப்பட்டன. பணி: இணைக்கப்பட்ட (அநாமதேய) வெப்பநிலை வரம்பு அட்டவணையில் வரம்பை அதிகம் பாதிக்கும் 3 மாறிகளைப் பட்டியலிட்டு, ஒவ்வொன்றிற்கும் சரிபார்ப்புச் சோதனையை பரிந்துரைக்கவும். கட்டுப்பாடு: உறுதியான காரணத்தைக் கோராதீர்கள்; கருதுகோள் மற்றும் சரிபார்ப்பு படிகளை வழங்கவும். வெளியீடு: அட்டவணை + முன்னுரிமை வரிசை.
உதவிக்குறிப்பு: நிறுவன தரவு ஒப்பந்தத்துடன் AI சூழலைப் பயன்படுத்தவும் (பயிற்சியில் உங்கள் தரவைப் பயன்படுத்தாமல்), தரவை அநாமதேயமாக்குங்கள் மற்றும் தேவையான குறைந்தபட்ச தகவலை மட்டும் வழங்கவும் (தரவுக் குறைப்பு).
நல்ல ப்ராம்ட்க்கான RGBÇ பேட்டர்ன்
இந்தத் தொகுதியில் நாம் மீண்டும் மீண்டும் பயன்படுத்தும் எளிய முறை: பங்கு - பணி - சூழல் - வெளியீடு (RGBÇ).
பங்கு: [AI என்ன நிபுணர் செயல்பட வேண்டும்] பணி: [ஒரு வாக்கியத்தில் உங்களுக்கு என்ன வேண்டும்]சூழல்: [அலகுகள், கட்டுப்பாடுகள், நிலையான, அநாமதேய தரவு]கட்டுப்பாடு: [என்ன செய்ய வேண்டாம், நிச்சயமற்ற நிலையில் என்ன செய்வது] வெளியீடு: [அட்டவணை/பட்டியல்/குறியீடு, என்ன வடிவம்]
பங்கு: நீங்கள் அனுபவம் வாய்ந்த NVH (இரைச்சல்-அதிர்வு) பொறியாளர். பணி: திசைமாற்றி அதிர்வு புகாருக்கான சாத்தியமான காரணங்களை பட்டியலிடுங்கள். சூழல்: முன் அச்சு, 80-100 கிமீ/ம, நிலை சாலையில்; டயர்கள் இப்போது சமன் செய்யப்பட்டுள்ளன. கட்டுப்பாடு: வரிசைப்படுத்துதல்: அதிக வாய்ப்புகளிலிருந்து குறைந்த வாய்ப்பு வரை; ஒவ்வொரு காரணத்திற்கும் ஒற்றை சரிபார்ப்பு அளவீட்டை பரிந்துரைக்கவும். வெளியீடு: எண்ணிடப்பட்ட பட்டியல் + சரிபார்ப்பு நெடுவரிசை.
பங்கு: நீங்கள் ஒரு வாகன தர பொறியாளர். பணி: வெல்ட் குறைபாடு அறிக்கையை 5W1H (என்ன/ஏன்/எங்கே...) வடிவத்திற்கு மாற்றவும். சூழல்: ரோபோடிக் ஸ்பாட் வெல்டிங், பாடி லைன்; கடந்த 3 ஷிப்டுகளில் குறைபாடு விகிதம் அதிகரித்துள்ளது. வெளியீடு: கட்டமைக்கப்பட்ட சுருக்கம் + 3 உடனடி கட்டுப்பாட்டு பரிந்துரைகள்.
பங்கு: தரவு ஆய்வாளராகச் செயல்படுங்கள். பணி: கீழே உள்ள டெலிமெட்ரி நெடுவரிசை விளக்கங்களைப் படித்து, முன்கணிப்பு பராமரிப்புக்காக 8 வேட்பாளர் பண்புக்கூறுகளைப் பரிந்துரைக்கவும். கட்டுப்பாடு: எதிர்காலத் தகவலைப் பயன்படுத்தி பண்புக்கூறுகளைப் பரிந்துரைக்கவும் (கசிவு ஆபத்து); ஒவ்வொரு பண்புக்கும் காரணத்தை எழுதுங்கள். வெளியீடு: பண்பு | நியாயப்படுத்துதல் | கசிவு ஆபத்து (Y/N) அட்டவணை.
பொதுவான தவறுகள்
- ஆதாரத்திற்காக AI வெளியீட்டை தவறாகப் பயன்படுத்துதல். திரவ உரை பொறியியல் சரிபார்க்கப்படவில்லை. ஒவ்வொரு எண்ணையும் இணைக்கவும்.
- ரேங்க் சரிபார்ப்பை புறக்கணித்தல். இது மலிவான மற்றும் மிகவும் சக்திவாய்ந்த பிழை பொறி முறை; பத்து வினாடிகள் ஆகும்.
- மூல ரகசியத் தரவை அனுப்புகிறது. பெயர் குறிப்பிடாமல் பிராண்ட், சப்ளையர், விலை, VIN போன்ற தகவல்களைப் பகிர்வது ஒப்பந்தம் மற்றும் சட்டத்தை மீறுவதாகும்.
- நிச்சயமற்ற தன்மையை புறக்கணித்தல். "உறுதியாக இருக்கிறீர்களா?" கேட்பதற்குப் பதிலாக ஆதாரத்தைக் கேளுங்கள்; AI இன் நம்பிக்கை அதன் துல்லியத்தின் அளவீடு அல்ல.
- AI மீது பழி போடுதல். "மாதிரி சொன்னது" என்பது ஒரு தற்காப்பு அல்ல; கையெழுத்து உங்களுடையது.
சுருக்கமாக
- AI என்பது வாகன வளர்ச்சியின் V-மாடலின் ஒவ்வொரு கட்டத்திலும் ஒரு முடுக்கி; ஆனால் பாதுகாப்பு-முக்கியமான முடிவு மற்றும் ஒப்புதல் எப்போதும் திறமையான பொறியாளரிடம் உள்ளது.
- மூன்று அறிவிப்பாளர்களுக்கு எதிராக ஒவ்வொரு AI வெளியீட்டையும் சோதிக்கவும்: அளவின் வரிசை, பொறியியல் நம்பகத்தன்மை, சுயாதீன சோதனை/அளவீட்டுக்கான சான்று.
- மாயத்தோற்றம் உண்மையானது; சரளமாக இருப்பது துல்லியம் அல்ல.
- ரகசிய மற்றும் தனிப்பட்ட தரவை அநாமதேயமாக்குதல், தரவுக் குறைப்புச் செயலாக்கம், நிறுவன AI சூழலைப் பயன்படுத்துதல்.
- நல்ல அறிவுறுத்தல்களுக்கு, Role-Task-Context-Output (RGBÇ) வடிவத்தைப் பயன்படுத்தவும்.
விண்ணப்ப பணி
உங்கள் சொந்த வணிகத்திலிருந்து (அல்லது கற்பனையான பயணிகள் கார் திட்டத்திலிருந்து) ஒரு பணியைத் தேர்வுசெய்யவும்: உதாரணமாக "பிரேக் பேட் அணியும் கணிப்பு". (1) V-மாடலில் இந்தப் பணியை எங்கு வைப்பீர்கள்? (2) AI மற்றும் முடிவின் உரிமையாளரின் பங்கை அட்டவணையில் எழுதவும். (3) RGBÇ வடிவத்துடன் ஒரு வரியில் எழுதி, அதில் உள்ள அனைத்து ரகசிய/தனிப்பட்ட தகவல்களையும் அநாமதேயமாக்குங்கள். (4) மூன்று உருப்படிகளில் ஒரு குறிப்பை உருவாக்கவும், அதில் மூன்று அறிவிப்பாளர்களுடன் நீங்கள் AI இன் பதிலைச் சோதிக்கலாம்.
சரிபார்ப்பு பட்டியல்
- [ ] V-மாடலில் எனது பணியின் இருப்பிடத்தை நான் தீர்மானித்தேன்.
- AI மற்றும் இறுதி முடிவின் உரிமையாளரின் பங்கை நான் தனித்தனியாக எழுதினேன்.
- [ ] பிராண்ட்/சப்ளையர்/விலை/விஐஎன் போன்ற தகவல்களை எனது அறிவிப்பில் அநாமதேயமாக்கிவிட்டேன்.
- [ ] நான் RGBS வடிவத்தைப் பயன்படுத்தினேன் (பாத்திரம், பணி, சூழல், கட்டுப்பாடு, வெளியீடு).
- [ ] மூன்று அறிவிப்பாளர்களுடன் (தரவரிசை, நம்பகத்தன்மை, சுயாதீன சான்றுகள்) வெளியீட்டை சரிபார்க்க என்னிடம் ஒரு திட்டம் தயாராக உள்ளது.
- [ ] பாதுகாப்பு-முக்கியமான உறுதிப்படுத்தல் மனிதனிடம் உள்ளது என்பதை உறுதிப்படுத்தியுள்ளேன்.