ಲಾಭಗಳು:
- QA ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ನೈಜ ಸಮಯವನ್ನು ಎಲ್ಲಿ ಉಳಿಸುತ್ತದೆ ಮತ್ತು ಕಾರ್ಯದ ಅಪಾಯದ ಮಟ್ಟವನ್ನು ಅವಲಂಬಿಸಿ 'ಪ್ರಕಟಣೆಗೆ ಸಿದ್ಧ' ದಂತಹ ಗುಣಮಟ್ಟದ ನಿರ್ಧಾರಗಳನ್ನು ಮನುಷ್ಯರಿಗೆ ಬಿಡಲಾಗುತ್ತದೆ ಎಂಬುದನ್ನು ಗುರುತಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ
- ತಪ್ಪು ಪಾಸ್ಗಳ ಅಪಾಯವನ್ನು ಗುರುತಿಸುವ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ಉದ್ದೇಶಪೂರ್ವಕವಾಗಿ ಕೋಡ್ ಅನ್ನು ಮುರಿಯುವ ಮೂಲಕ ಪ್ರತಿ AI ಪರೀಕ್ಷೆಯನ್ನು ಪರೀಕ್ಷಿಸುವ ಪರಿಶೀಲನಾ ಶಿಸ್ತನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವ ಸಾಮರ್ಥ್ಯ
- ಪರೀಕ್ಷಾ ಡೇಟಾ, ವೈಯಕ್ತಿಕ ಡೇಟಾ ಮತ್ತು ಕೀಗಳನ್ನು ರಕ್ಷಿಸುವ ಸಾಮರ್ಥ್ಯ, ಮತ್ತು ದೃಢೀಕರಣದೊಳಗೆ ಮತ್ತು ರಕ್ಷಣಾತ್ಮಕ ಉದ್ದೇಶಗಳಿಗಾಗಿ ಮಾತ್ರ ಭದ್ರತಾ ಪರೀಕ್ಷೆಯನ್ನು ನಡೆಸುವ ಅಭ್ಯಾಸವನ್ನು ಪಡೆದುಕೊಳ್ಳುವುದು.
ಬಿಡುಗಡೆಯ ರಾತ್ರಿಯನ್ನು ಪರಿಗಣಿಸಿ. ನೂರಾರು ಪರೀಕ್ಷೆಗಳು ನಡೆದವು, ಅವೆಲ್ಲವೂ ಹಸಿರು ದೀಪವನ್ನು ಪಡೆದುಕೊಂಡವು, ತಂಡವು ನಿರಾಳವಾಯಿತು ಮತ್ತು ಸಾಫ್ಟ್ವೇರ್ ಲೈವ್ ಆಯಿತು. ಮರುದಿನ ಬೆಳಿಗ್ಗೆ, ಪಾವತಿ ಪರದೆಯು ಕ್ರ್ಯಾಶ್ ಆಗಿದೆ ಎಂದು ಗ್ರಾಹಕರು ವರದಿ ಮಾಡಿದರು. ಪರೀಕ್ಷೆಗಳು ಹಸಿರು ಆದರೆ ಅವರು ದೋಷವನ್ನು ನೋಡಲಿಲ್ಲ. ಇದು ಗುಣಮಟ್ಟದ ಭರವಸೆ (QA) ವೃತ್ತಿಯ ಅತ್ಯಂತ ಕಪಟ ದುಃಸ್ವಪ್ನವಾಗಿದೆ, ಅಂದರೆ ಸಾಫ್ಟ್ವೇರ್ ಅಪೇಕ್ಷಿತ ಗುಣಮಟ್ಟದ್ದಾಗಿದೆ ಎಂದು ವ್ಯವಸ್ಥಿತವಾಗಿ ಖಾತ್ರಿಪಡಿಸುವ ಶಿಸ್ತು: ಹಸಿರು ಹೊಳೆಯುವ ಆದರೆ ವಾಸ್ತವವಾಗಿ ಏನನ್ನೂ ದೃಢೀಕರಿಸದ ಪರೀಕ್ಷೆ. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ (AI — ಐತಿಹಾಸಿಕ ಡೇಟಾದಿಂದ ಮಾದರಿಗಳನ್ನು ಹೊರತೆಗೆಯುವ ಮತ್ತು ಪಠ್ಯ ಮತ್ತು ಕೋಡ್ ಅನ್ನು ಉತ್ಪಾದಿಸುವ ಸಾಫ್ಟ್ವೇರ್) ಈ ವೃತ್ತಿಯನ್ನು ಪ್ರವೇಶಿಸಿದಾಗ, ನಿಖರವಾಗಿ ಈ ದುಃಸ್ವಪ್ನದ ದೊಡ್ಡ ವೇಗವರ್ಧನೆ ಮತ್ತು ವರ್ಧನೆ ಎರಡೂ ಇರುತ್ತದೆ. ಈ ಮಾಡ್ಯೂಲ್ನ ಆರಂಭಿಕ ಭರವಸೆ ಸ್ಪಷ್ಟವಾಗಿದೆ: AI ಪರೀಕ್ಷಾ ಸಹಾಯಕ, ಬ್ಲೂಪ್ರಿಂಟ್ ಜನರೇಟರ್ ಮತ್ತು ಐಡಿಯಾ ಮಲ್ಟಿಪ್ಲೈಯರ್ ಆಗಿದೆ; ನೀವು "ಈ ಸಾಫ್ಟ್ವೇರ್ ಬಿಡುಗಡೆಗೆ ಸಿದ್ಧವಾಗಿದೆಯೇ" ಎಂಬ ನಿರ್ಧಾರಕ್ಕೆ ಸಹಿ ಹಾಕುವ ಪರೀಕ್ಷಕರು.
ಈ ಮೊದಲ ಘಟಕದಲ್ಲಿ ನಾವು ಶಿಸ್ತಿನ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸುತ್ತೇವೆ, ಸಾಧನವಲ್ಲ. QA ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ AI ನೈಜ ಸಮಯವನ್ನು ಎಲ್ಲಿ ಉಳಿಸುತ್ತದೆ, ಅಲ್ಲಿ ಅದು ಅಪಾಯಕಾರಿ, "ಸುಳ್ಳು-ಪಾಸ್" ಎಂದು ಕರೆಯಲ್ಪಡುವ ಮೋಸಗೊಳಿಸುವ ಹಸಿರು ಏಕೆ ದೊಡ್ಡ ಅಪಾಯವಾಗಿದೆ, ಪ್ರತಿ ಔಟ್ಪುಟ್ ಅನ್ನು ಹೇಗೆ ಪರಿಶೀಲಿಸುವುದು ಮತ್ತು ಯಾವ ಸಾಧನಕ್ಕೆ ನೀವು ಯಾವ ಡೇಟಾವನ್ನು ನೀಡಬಹುದು ಎಂಬುದನ್ನು ನೀವು ಕಲಿಯುವಿರಿ. ಈ ಅಡಿಪಾಯವನ್ನು ಹಾಕದೆಯೇ, ನಂತರದ ಘಟಕಗಳು ಗಾಳಿಯಲ್ಲಿ ಉಳಿಯುತ್ತವೆ.
ಪರೀಕ್ಷಾ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ AI ಎಲ್ಲಿ ಸೂಕ್ತವಾಗಿ ಬರುತ್ತದೆ?
ಪರೀಕ್ಷಾ ಕಾರ್ಯಗಳನ್ನು ಎರಡು ದೊಡ್ಡ ಸಮೂಹಗಳಾಗಿ ವಿಭಜಿಸೋಣ. ಮೊದಲ ಕ್ಲಸ್ಟರ್: ಪುನರಾವರ್ತಿತ, ಉತ್ಪಾದಕ, ಕರಡು ಉದ್ಯೋಗಗಳು. ಅವಶ್ಯಕತೆಯಿಂದ ಪರೀಕ್ಷಾ ಪ್ರಕರಣವನ್ನು ರಚಿಸುವುದು, ಬ್ರೇಕ್ಪಾಯಿಂಟ್ಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡುವುದು, ಪರದೆಗಾಗಿ ಸ್ವಯಂಚಾಲಿತ ಕೋಡ್ ಅಸ್ಥಿಪಂಜರವನ್ನು ಬರೆಯುವುದು, ಸಂಕೀರ್ಣ ದೋಷ ಪ್ರಕರಣವನ್ನು ಅಚ್ಚುಕಟ್ಟಾಗಿ ದೋಷ ವರದಿಯಾಗಿ ಭಾಷಾಂತರಿಸುವುದು, ನೂರಾರು ಸಾಲುಗಳ ಲಾಗ್ ಫೈಲ್ಗಳ ಸಾರಾಂಶ, API ಪ್ರತಿಕ್ರಿಯೆಯಿಂದ ಸ್ಕೀಮಾವನ್ನು ಹೊರತೆಗೆಯುವುದು. ಈ ಕಾರ್ಯಗಳಲ್ಲಿ, AI ನಿಮಿಷಗಳನ್ನು ಸೆಕೆಂಡುಗಳಿಂದ ಕಡಿಮೆಗೊಳಿಸುತ್ತದೆ ಮತ್ತು ದಣಿದಿಲ್ಲ.
ಎರಡನೇ ಕ್ಲಸ್ಟರ್: ಗುಣಮಟ್ಟ, ನಂಬಿಕೆ ಮತ್ತು ಜವಾಬ್ದಾರಿಯ ಫಲಿತಾಂಶದ ನಿರ್ಧಾರಗಳು. "ಈ ಆವೃತ್ತಿಯು ಲೈವ್ ಆಗಬಹುದೇ", "ಈ ದೋಷವು ನಿರ್ಣಾಯಕವಾಗಿದೆಯೇ ಅಥವಾ ಅದನ್ನು ಮುಂದೂಡಬಹುದೇ", "ಈ ಪರೀಕ್ಷಾ ವ್ಯಾಪ್ತಿಯು ಸಾಕಷ್ಟಿದೆಯೇ", "ಈ ಸನ್ನಿವೇಶವು ನೈಜ ಬಳಕೆದಾರರ ಅಪಾಯವನ್ನು ಸೆರೆಹಿಡಿಯುತ್ತದೆಯೇ" ಇತ್ಯಾದಿಗಳಂತಹ ನಿರ್ಧಾರಗಳಿಗೆ ಸಂದರ್ಭ, ಉತ್ಪನ್ನ ಜ್ಞಾನ ಮತ್ತು ಜವಾಬ್ದಾರಿಯ ಅಗತ್ಯವಿರುತ್ತದೆ. ಇಲ್ಲಿ AI ಆಯ್ಕೆಗಳು, ಡ್ರಾಫ್ಟ್ಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ - ಆದರೆ ನೀವು "ಪಾಸ್/ಫೇಲ್" ಮತ್ತು "ಗೋ/ನೋ ಗೋ" ಎಂದು ನಿರ್ಧರಿಸುತ್ತೀರಿ.
ಒಂದು ವಾಕ್ಯದಲ್ಲಿ ವ್ಯತ್ಯಾಸವನ್ನು ಸ್ಪಷ್ಟಪಡಿಸೋಣ: "ಯಾವ ಸಂದರ್ಭಗಳಲ್ಲಿ ಪರೀಕ್ಷಿಸಬಹುದು ಮತ್ತು ಅದನ್ನು ಪರೀಕ್ಷಿಸುವ ಕೋಡ್ ಅನ್ನು ಹೇಗೆ ಬರೆಯಬೇಕು" ಎಂಬಲ್ಲಿ AI ಪ್ರಬಲವಾಗಿದೆ; "ಈ ಸಾಫ್ಟ್ವೇರ್ ನಿಜವಾಗಿಯೂ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆಯೇ ಮತ್ತು ಇದಕ್ಕೆ ಯಾರು ಭರವಸೆ ನೀಡುತ್ತಾರೆ?" ಎಂಬ ಪ್ರಶ್ನೆ ಬಂದಾಗ ನಿರ್ಧಾರ ನಿಮ್ಮದಾಗಿದೆ.
ಸಲಹೆ: AI ಗೆ ಕೆಲಸವನ್ನು ಹಸ್ತಾಂತರಿಸುವ ಮೊದಲು, ಕೇಳಿ: "ಈ ಔಟ್ಪುಟ್ ತಪ್ಪಾಗಿದ್ದರೆ ಮತ್ತು ನಾನು ಗಮನಿಸದಿದ್ದರೆ ಏನಾಗುತ್ತದೆ?" "ನಾನು ಕೆಲವು ನಿಮಿಷಗಳನ್ನು ಕಳೆದುಕೊಳ್ಳುತ್ತೇನೆ" ಎಂಬ ಉತ್ತರವು ಇದ್ದರೆ, ಸುಲಭವಾಗಿ ಪ್ರತಿನಿಧಿಸಿ. ಉತ್ತರವು "ದೋಷಪೂರಿತ ಸಾಫ್ಟ್ವೇರ್ ಲೈವ್ ಆಗಿದ್ದರೆ", AI ಡ್ರಾಫ್ಟ್ ಅನ್ನು ಉತ್ಪಾದಿಸಲಿ ಮತ್ತು ನೀವು ನಿರ್ಧಾರ ಮತ್ತು ಪರಿಶೀಲನೆಯನ್ನು ಮಾಡುತ್ತೀರಿ.
ತಪ್ಪು ಪಾಸ್: QA ನಲ್ಲಿ AI ಯ ಮೊದಲ ಅಪಾಯ
ಪರೀಕ್ಷೆಯು ಹಸಿರು ಬಣ್ಣದಲ್ಲಿ ಬೆಳಗಿದಾಗ, ಅದು ಎರಡು ವಿಷಯಗಳನ್ನು ಅರ್ಥೈಸಬಲ್ಲದು: ಒಂದೋ ಸಾಫ್ಟ್ವೇರ್ ನಿಜವಾಗಿ ಸರಿಯಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತಿದೆ, ಅಥವಾ ಪರೀಕ್ಷೆಯನ್ನು ತಪ್ಪಾಗಿ ಬರೆದ ಕಾರಣ ಅದು ದೋಷವನ್ನು ನೋಡುತ್ತಿಲ್ಲ. ಎರಡನೆಯದನ್ನು ತಪ್ಪು ಪಾಸ್ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ - ಪರೀಕ್ಷೆಯು "ಪಾಸ್" ಎಂದು ಹೇಳುತ್ತದೆ ಆದರೆ ವಾಸ್ತವವಾಗಿ ಏನನ್ನೂ ದೃಢೀಕರಿಸುವುದಿಲ್ಲ. ಈ ಅಪಾಯವು AI ಯೊಂದಿಗೆ ಉತ್ಪತ್ತಿಯಾಗುವ ಪರೀಕ್ಷೆಗಳಲ್ಲಿ ಗಮನಾರ್ಹವಾಗಿ ಹೆಚ್ಚಾಗುತ್ತದೆ, ಏಕೆಂದರೆ AI ನಿರರ್ಗಳವಾಗಿ, ಮೃದುವಾಗಿ ಕಾಣುವ ಆದರೆ ಖಾಲಿ ಪರೀಕ್ಷೆಗಳನ್ನು ಬರೆಯುವಲ್ಲಿ ಯಶಸ್ವಿಯಾಗಿದೆ.
ಹುಸಿ-ಪಾಸ್ನ ಮೂರು ಸಾಮಾನ್ಯ ರೂಪಗಳೆಂದರೆ: (1) ಸಮರ್ಥನೆ ಇಲ್ಲದೆ ಪರೀಕ್ಷೆ - ಕೋಡ್ ಚಲಿಸುತ್ತದೆ, ಯಾವುದೇ ಸಮರ್ಥನೆಗಳನ್ನು ಹೊಂದಿರುವುದಿಲ್ಲ, ಯಾವಾಗಲೂ ಹಾದುಹೋಗುತ್ತದೆ. (2) ಸ್ವಯಂ-ಪರಿಶೀಲನೆ ಪರೀಕ್ಷೆ - ಪರೀಕ್ಷೆಯ ನಿರೀಕ್ಷಿತ ಮೌಲ್ಯವನ್ನು ಪರೀಕ್ಷೆಯ ಅಡಿಯಲ್ಲಿ ಕೋಡ್ನ ಔಟ್ಪುಟ್ನಿಂದ ಲೆಕ್ಕಹಾಕಲಾಗುತ್ತದೆ; ಅಂದರೆ, ಕೋಡ್ ಉತ್ಪಾದಿಸುವ ಯಾವುದೇ, ಪರೀಕ್ಷೆಯು "ಸರಿಯಾದ" ಎಂದು ಒಪ್ಪಿಕೊಳ್ಳುತ್ತದೆ. (3) ತಪ್ಪಾದ ವಿಷಯವನ್ನು ಪರಿಶೀಲಿಸುವ ಪರೀಕ್ಷೆ - ದೃಢೀಕರಣವು ಅಸ್ತಿತ್ವದಲ್ಲಿದೆ, ಆದರೆ ಇದು ಕ್ಷುಲ್ಲಕವಾದದ್ದನ್ನು ಪರಿಶೀಲಿಸುತ್ತದೆ (ಉದಾ: "ಪ್ರತಿಕ್ರಿಯೆ ಶೂನ್ಯವಲ್ಲ"), ನಿಜವಾದ ವ್ಯವಹಾರ ನಿಯಮವಲ್ಲ.
ಎಚ್ಚರಿಕೆ: ಹಸಿರು ಪರೀಕ್ಷಾ ಫಲಕವು ಗುಣಮಟ್ಟದ ಪುರಾವೆಯಲ್ಲ; ಅತ್ಯುತ್ತಮವಾಗಿ ಅದು "ನಾವು ಬರೆದ ನಿಯಂತ್ರಣಗಳು ಇದೀಗ ಮುರಿದುಹೋಗಿಲ್ಲ" ಎಂದು ಹೇಳುತ್ತದೆ. AI ಉತ್ಪಾದಿಸುವ ಪರೀಕ್ಷೆಯಲ್ಲಿ "ಪಾಸ್" ಅನ್ನು ನೋಡುವ ಮೂಲಕ ಸಮಾಧಾನಗೊಳ್ಳಬೇಡಿ - ನಿಜವಾದ ಪ್ರಶ್ನೆ: ನಾನು ಉದ್ದೇಶಪೂರ್ವಕವಾಗಿ ಕೋಡ್ ಅನ್ನು ಮುರಿದರೆ ಈ ಪರೀಕ್ಷೆಯು ಕೆಂಪು ಬಣ್ಣಕ್ಕೆ ತಿರುಗುತ್ತದೆಯೇ? ತಿರುಗದಿದ್ದರೆ ಆ ಪರೀಕ್ಷೆಯೇ ಅಲಂಕಾರ.
ಈ ಮಾಡ್ಯೂಲ್ನಾದ್ಯಂತ ಪುನರಾವರ್ತಿಸುವ ಸುವರ್ಣ ನಿಯಮ: ಉದ್ದೇಶಪೂರ್ವಕವಾಗಿ ಕೋಡ್ ಅನ್ನು ಮುರಿಯುವ ಮೂಲಕ ಪ್ರತಿ AI ಪರೀಕ್ಷೆಯನ್ನು ಪರೀಕ್ಷಿಸಿ. ಪರೀಕ್ಷೆಯು ಇನ್ನೂ ಹಸಿರು ಬಣ್ಣದ್ದಾಗಿದ್ದರೆ, ಆ ಪರೀಕ್ಷೆಯು ಕಾರ್ಯನಿರ್ವಹಿಸುವುದಿಲ್ಲ. (ನಾವು ಈ ಕಲ್ಪನೆಯನ್ನು ಘಟಕ 10 ರಲ್ಲಿ ರೂಪಾಂತರ ಪರೀಕ್ಷೆಯಾಗಿ ಆಳಗೊಳಿಸುತ್ತೇವೆ.)
ಪರಿಶೀಲನೆ ಶಿಸ್ತು: ಮೂರು ಹಂತಗಳು
AI ಆತ್ಮವಿಶ್ವಾಸದಿಂದ ಮಾತನಾಡುತ್ತದೆ; ಅದು ನಿಜ ಎಂದು ಅರ್ಥವಲ್ಲ. ಪ್ರತಿ ಫಲಿತಾಂಶಕ್ಕೂ ಅನ್ವಯಿಸಲು ಮೂರು-ಹಂತದ ಪ್ರತಿಫಲಿತವನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿ:
- ಅದನ್ನು ಅವಶ್ಯಕತೆಗೆ ಕಟ್ಟಿಕೊಳ್ಳಿ. ಪ್ರತಿ ಪರೀಕ್ಷಾ ಪ್ರಕರಣ ಮತ್ತು AI ಉತ್ಪಾದಿಸುವ ನೈಜ ಅವಶ್ಯಕತೆ ಅಥವಾ ಸ್ವೀಕಾರ ಮಾನದಂಡಗಳನ್ನು ಆಧರಿಸಿರಬೇಕು ಎಂದು ಪ್ರತಿಪಾದಿಸುತ್ತದೆ ("ಮುಗಿದಿದೆ" ಎಂದು ಪರಿಗಣಿಸಲು ಕೆಲಸವು ಪೂರೈಸಬೇಕಾದ ಷರತ್ತುಗಳು). "ಈ ಸನ್ನಿವೇಶವು ಯಾವ ನಿಯಮವನ್ನು ದೃಢೀಕರಿಸುತ್ತದೆ?" ಕೇಳು.
- ಕೆಂಪು ನೋಡಿ. ಕೋಡ್ ಅನ್ನು ಮುರಿದು ಒಮ್ಮೆ ರಚಿಸಿದ ಪರೀಕ್ಷೆಯನ್ನು ರನ್ ಮಾಡಿ. ಅದು ಕೆಂಪು ಬಣ್ಣಕ್ಕೆ ತಿರುಗದಿದ್ದರೆ, ಪರೀಕ್ಷೆಯು ಅಮಾನ್ಯವಾಗಿದೆ. AI ಪರೀಕ್ಷೆಯಲ್ಲಿ ಇದು ನೆಗೋಶಬಲ್ ಅಲ್ಲದ ಹಂತವಾಗಿದೆ.
- ಸಂದರ್ಭ ಫಿಲ್ಟರ್ ಮೂಲಕ ಅದನ್ನು ರವಾನಿಸಿ. ಉತ್ಪನ್ನದ ನಡವಳಿಕೆ, ವಾಸ್ತುಶಿಲ್ಪ, ನಿಜವಾದ ಬಳಕೆದಾರ ಹರಿವು ಎಂದು ನಿಮಗೆ ತಿಳಿದಿರುವ ಔಟ್ಪುಟ್ ಹೊಂದಿಕೆಯಾಗುತ್ತದೆಯೇ? ನಿಮ್ಮ ಡೊಮೇನ್ ಜ್ಞಾನವು ಅಂತಿಮ ಫಿಲ್ಟರ್ ಆಗಿದೆ.
ಡೇಟಾ ಗೌಪ್ಯತೆ ಮತ್ತು ಭದ್ರತೆ: ಏನು ಎಲ್ಲಿಗೆ ಹೋಗುತ್ತದೆ?
ಪರೀಕ್ಷಾ ಪರಿಸರದಲ್ಲಿ ನೀವು ಕೆಲಸ ಮಾಡುವ ಡೇಟಾವು ಸಾಮಾನ್ಯವಾಗಿ ಸೂಕ್ಷ್ಮವಾಗಿರುತ್ತದೆ: ನೈಜ ಗ್ರಾಹಕ ದಾಖಲೆಗಳು, ಉತ್ಪಾದನಾ ಡೇಟಾಬೇಸ್ ಪ್ರತಿಗಳು, API ಕೀಗಳು, ಆಂತರಿಕ ಸಿಸ್ಟಮ್ ವಿಳಾಸಗಳು, ಇನ್ನೂ ಘೋಷಿಸಬೇಕಾದ ವೈಶಿಷ್ಟ್ಯಗಳು. ಸರಳವಾದ ವರ್ಗೀಕರಣವನ್ನು ಮಾಡಿ: ತೆರೆದ ಡೇಟಾ (ದಾಖಲಿತ, ಸಾರ್ವಜನಿಕವಾಗಿ ಲಭ್ಯವಿದೆ) ಯಾವುದೇ ವಾಹನವನ್ನು ನಮೂದಿಸಬಹುದು. ಆಂತರಿಕ ಡೇಟಾ (ಮೂಲ ಕೋಡ್ ತುಣುಕುಗಳು, ಆಂತರಿಕ ದಾಖಲಾತಿ) ಏಜೆನ್ಸಿ-ಅನುಮೋದಿತ ಸಾಧನಗಳಿಗೆ ಮಾತ್ರ. ಗೌಪ್ಯ ಡೇಟಾ (ನೈಜ ಗ್ರಾಹಕ ಡೇಟಾ, ಗುರುತಿನ ಮಾಹಿತಿ, ದುರ್ಬಲತೆಯ ವಿವರಗಳು, ಕೀಗಳು) ಸಂಸ್ಥೆಯ ಒಪ್ಪಂದದ ಪರಿಕರಗಳನ್ನು ಮಾತ್ರ ಪ್ರವೇಶಿಸುತ್ತದೆ, ಅದರ ಡೇಟಾವು ಮಾದರಿ ತರಬೇತಿಗೆ ಹೋಗುವುದಿಲ್ಲ, ಮೇಲಾಗಿ ಮುಖವಾಡವನ್ನು ಹೊಂದಿರುತ್ತದೆ.
ಭದ್ರತಾ ಪರೀಕ್ಷೆಯ ಸಂದರ್ಭದಲ್ಲಿ ಹೆಚ್ಚುವರಿ ಮಿತಿ ಇದೆ: ಈ ಮಾಡ್ಯೂಲ್ನಲ್ಲಿ ಕಲಿತ ಎಲ್ಲವೂ ರಕ್ಷಣಾತ್ಮಕ ಉದ್ದೇಶಗಳಿಗಾಗಿ - ನಿಮ್ಮ ಸ್ವಂತ ಉತ್ಪನ್ನದ ಸುರಕ್ಷತೆಯನ್ನು ಅಧಿಕೃತವಾಗಿ ಪರೀಕ್ಷಿಸಲು. ಅನುಮತಿಯಿಲ್ಲದೆ ಬೇರೊಬ್ಬರ ಸಿಸ್ಟಮ್ಗೆ ಒಳನುಸುಳಲು AI ಅನ್ನು ಬಳಸುವುದು, ನಿಜವಾದ ದುರ್ಬಲತೆಗಳನ್ನು ಶಸ್ತ್ರಸಜ್ಜಿತಗೊಳಿಸುವುದು ಅಥವಾ ನಿಮಗೆ ಯಾವುದೇ ಅಧಿಕಾರವಿಲ್ಲದ ವ್ಯವಸ್ಥೆಯನ್ನು ಪರೀಕ್ಷಿಸುವುದು ಅನೈತಿಕ ಮತ್ತು ಅಪರಾಧ. ಅನುಮತಿಯಿಲ್ಲದೆ ಯಾವುದೇ ಆಕ್ರಮಣಕಾರಿ ಪರೀಕ್ಷೆಯನ್ನು ಮಾಡಲಾಗುವುದಿಲ್ಲ (ವ್ಯಾಪ್ತಿ ಮತ್ತು ಅನುಮತಿ).
ಸಲಹೆ: ನೈಜ ಗ್ರಾಹಕ ಡೇಟಾದ ಬದಲಿಗೆ ಸಿಂಥೆಟಿಕ್ (ಕೃತಕವಾಗಿ ತಯಾರಿಸಿದ) ಪರೀಕ್ಷಾ ಡೇಟಾವನ್ನು ಬಳಸಿ. "ವಾಸ್ತವಿಕ ಆದರೆ ಸಂಪೂರ್ಣವಾಗಿ ಕಾಲ್ಪನಿಕ ಪರೀಕ್ಷಾ ಡೇಟಾವನ್ನು ರಚಿಸಲು" AI ಅನ್ನು ಕೇಳುವುದು ಗೌಪ್ಯತೆಯನ್ನು ಕಾಪಾಡುತ್ತದೆ ಮತ್ತು ಅಂಚಿನ ಪ್ರಕರಣಗಳನ್ನು ವೈವಿಧ್ಯಗೊಳಿಸುತ್ತದೆ.
ಮೂರು ಸಣ್ಣ ಪ್ರಕರಣಗಳು
ಪ್ರಕರಣ 1 - ಸರಿಯಾದ ಸ್ಥಳದಲ್ಲಿ ಸಮಯ ಉಳಿತಾಯ. Ekomerce ತಂಡದ ಪರೀಕ್ಷಕರು 6 ಗಂಟೆಗಳ ಕಾಲ ಹಸ್ತಚಾಲಿತವಾಗಿ ಪ್ರತಿ ಬಿಡುಗಡೆಗೆ 30-ಪುಟದ ಅವಶ್ಯಕತೆಗಳ ದಾಖಲೆಯಿಂದ ಪರೀಕ್ಷಾ ಸನ್ನಿವೇಶವನ್ನು ರಚಿಸಿದರು. ಅವರು ಡಾಕ್ಯುಮೆಂಟ್ ಅನ್ನು (ವ್ಯಾಪಾರ ರಹಸ್ಯಗಳನ್ನು ಹೊಂದಿರದ ಭಾಗ) YZ ಗೆ ನೀಡಿದರು ಮತ್ತು ರಚನಾತ್ಮಕ ಸನ್ನಿವೇಶದ ಕರಡನ್ನು ಕೇಳಿದರು; ಸಮಯವನ್ನು 90 ನಿಮಿಷಕ್ಕೆ ಇಳಿಸಲಾಯಿತು. AI ತಪ್ಪಿಹೋದ ವ್ಯವಹಾರ-ನಿಯಮ ಅಂಚಿನ ಪ್ರಕರಣಗಳನ್ನು ಸೇರಿಸುವ ಮೂಲಕ ಪರಿಶೀಲಿಸಲು ಉಳಿಸಿದ ಸಮಯವನ್ನು ಅವರು ಮೀಸಲಿಟ್ಟರು. AI ಪುನರಾವರ್ತಿತ ಕೆಲಸವನ್ನು ತೆಗೆದುಕೊಂಡಿತು, ತೀರ್ಪು ಮಾನವನಿಗೆ ಬಿಟ್ಟಿತು.
ಪ್ರಕರಣ 2 - ನಕಲಿ-ಪಾಸ್ಸಿಂಗ್ ಸಿಕ್ಕಿಬಿದ್ದಿದೆ. ಕಂಪ್ಯೂಟ್ ಕಾರ್ಯಕ್ಕಾಗಿ AI 12 ಘಟಕ ಪರೀಕ್ಷೆಗಳನ್ನು ಬರೆಯುವಂತೆ ಡೆವಲಪರ್ ಹೊಂದಿದ್ದರು; ಅವೆಲ್ಲವೂ ಹಸಿರಾಗಿತ್ತು. ಪರೀಕ್ಷಕರು "ಕೆಂಪು ನೋಡಿ" ಹಂತವನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸಿದರು: ಉದ್ದೇಶಪೂರ್ವಕವಾಗಿ ಕಾರ್ಯದ ಒಳಗಿನ ಸಂಕಲನ ಚಿಹ್ನೆಯನ್ನು ಗುಣಾಕಾರಕ್ಕೆ ಬದಲಾಯಿಸುವುದು. 12 ಪರೀಕ್ಷೆಗಳಲ್ಲಿ 3 ಮಾತ್ರ ಕೆಂಪು ಬಣ್ಣಕ್ಕೆ ಮರಳಿದವು. ಇತರ 9 ಪರೀಕ್ಷೆಗಳು ಯಾವುದೇ ನೈಜ ದೃಢೀಕರಣವನ್ನು ಒದಗಿಸಿಲ್ಲ; ಅದು ಕೇವಲ "ಇದು ದೋಷವನ್ನು ಎಸೆಯಲಿಲ್ಲ" ಎಂದು ಹೇಳಿದೆ. 9 ಅಲಂಕಾರಿಕ ಪರೀಕ್ಷೆಗಳನ್ನು ಅಳಿಸಲಾಗಿದೆ ಮತ್ತು 5 ನೈಜ ಪರೀಕ್ಷೆಗಳನ್ನು ಬರೆಯಲಾಗಿದೆ.
ಪ್ರಕರಣ 3 - ಗೌಪ್ಯತೆ ಉಲ್ಲಂಘನೆಯಿಂದ ಹಿಂತಿರುಗಿ. ನಿಜವಾದ ಗ್ರಾಹಕ ಇಮೇಲ್ಗಳು ಮತ್ತು ಉತ್ಪಾದನಾ ಡೇಟಾಬೇಸ್ನಿಂದ ಕಾರ್ಡ್ನ ಕೊನೆಯ ನಾಲ್ಕು ಅಂಕೆಗಳನ್ನು ಒಳಗೊಂಡಿರುವ ದೋಷ ಲಾಗ್ ಅನ್ನು ಇಂಟರ್ನ್ ಸಾರ್ವಜನಿಕ ಸಾಧನಕ್ಕೆ ಅಂಟಿಸಿ ಮತ್ತು "ಈ ದೋಷವನ್ನು ವಿವರಿಸಿ" ಎಂದು ಹೇಳಿದರು. QA ನಾಯಕ ಮಧ್ಯಪ್ರವೇಶಿಸಿದರು: ಇದು ವೈಯಕ್ತಿಕ ಡೇಟಾ ನಿಯಂತ್ರಣದಿಂದ ಹೊರಗಿದೆ ಮತ್ತು KVKK (ವೈಯಕ್ತಿಕ ಡೇಟಾ ಸಂರಕ್ಷಣಾ ಕಾನೂನು) ಉಲ್ಲಂಘನೆಯಾಗಿದೆ. ಅದೇ ಕೆಲಸವನ್ನು ಸಂಸ್ಥೆ-ಅನುಮೋದಿತ ವಾಹನದಲ್ಲಿ ಮಾಡಲಾಯಿತು, ವೈಯಕ್ತಿಕ ಪ್ರದೇಶಗಳನ್ನು ಮರೆಮಾಚುವುದು ಮತ್ತು ಸ್ಟಾಕ್ ಟ್ರೇಸ್ ಅನ್ನು ಮಾತ್ರ ಬಿಡುವುದು.
ನಾಲ್ಕು ನಕಲಿಸಬಹುದಾದ ಟೆಂಪ್ಲೇಟ್ಗಳು
1) ಉದ್ಯೋಗದ ಸೂಕ್ತತೆಯ ಮೌಲ್ಯಮಾಪನ:
ನಿಮ್ಮ ಪಾತ್ರ: ಹಿರಿಯ QA ನಾಯಕ. ನಾನು ನಿಮಗೆ ಪರೀಕ್ಷಾ ಕೆಲಸವನ್ನು ವಿವರಿಸುತ್ತೇನೆ. (1) ಈ ಕೆಲಸವು AI ಗೆ ಸುರಕ್ಷಿತವಾಗಿ ನಿಯೋಜಿಸಬಹುದಾದ ಕರಡು/ವಿಶ್ಲೇಷಣೆಯ ಕೆಲಸವೇ ಅಥವಾ ಮಾನವನು ಮಾಡಬೇಕಾದ ಗುಣಮಟ್ಟದ ನಿರ್ಧಾರವೇ, (2) ತಪ್ಪಾದ ಔಟ್ಪುಟ್ನ ಸಂಭಾವ್ಯ ವೆಚ್ಚ, (3) ನಿಯೋಜಿಸುವ ಮೊದಲು ನಾನು ಮಾಡಬೇಕಾದ ಪರಿಶೀಲನೆ. ಉದ್ಯೋಗ: [ಇಲ್ಲಿ ಕೆಲಸವನ್ನು ಸೇರಿಸಿ]
2) ಹುಸಿ ಪಾಸ್ ನಿಯಂತ್ರಣ:
ಕೆಳಗಿನ ಪರೀಕ್ಷೆಯನ್ನು ಪರಿಶೀಲಿಸಿ. ಹೇಳಿ:- ಈ ಪರೀಕ್ಷೆಯು ಯಾವ ನಡವಳಿಕೆಯನ್ನು ಖಚಿತಪಡಿಸುತ್ತದೆ? (ಒಂದು ವಾಕ್ಯ)- ಪರೀಕ್ಷೆಯ ಅಡಿಯಲ್ಲಿ ಕೋಡ್ ಅನ್ನು ನಾನು ಹೇಗೆ ಮುರಿಯಬಹುದು ಇದರಿಂದ ಪರೀಕ್ಷೆಯು ಕೆಂಪು ಬಣ್ಣಕ್ಕೆ ತಿರುಗುತ್ತದೆ?- ಈ ಪರೀಕ್ಷೆಯು ಯಾವಾಗಲೂ ಉತ್ತೀರ್ಣವಾಗಲು ಕಾರಣವಾಗುವ ದೌರ್ಬಲ್ಯವಿದೆಯೇ (ಕಳೆದಿರುವ ಸಮರ್ಥನೆ, ಸ್ವಯಂ-ಮೌಲ್ಯಮಾಪನ, ಕ್ಷುಲ್ಲಕ ಪರಿಶೀಲನೆ)? ಪರೀಕ್ಷೆ: [ಪರೀಕ್ಷೆಯನ್ನು ಇಲ್ಲಿ ಅಂಟಿಸಿ]
3) ಪರೀಕ್ಷೆ ಡೇಟಾ ಮರೆಮಾಚುವಿಕೆ ನಿಯಂತ್ರಣ:
ನಾನು ನಿಮಗೆ ನೀಡುವ ಲಾಗ್/ಡೇಟಾವು ವೈಯಕ್ತಿಕ ಅಥವಾ ಗೌಪ್ಯ ಕ್ಷೇತ್ರಗಳನ್ನು ಹೊಂದಿರಬಹುದು (ಇ-ಮೇಲ್, ಹೆಸರು, ಕಾರ್ಡ್, ಕೀ, ಆಂತರಿಕ ವಿಳಾಸ). ಮೊದಲಿಗೆ, ಮುಖವಾಡ ಮಾಡಬೇಕಾದ ಕ್ಷೇತ್ರಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿ; ನಾನು ಅದನ್ನು ಮುಖವಾಡ ಮಾಡಿ ಮತ್ತೆ ಕಳುಹಿಸುತ್ತೇನೆ. ಅದನ್ನು ಹಾಗೆಯೇ ವಿಶ್ಲೇಷಿಸಬೇಡಿ.
4) ಸಂಶ್ಲೇಷಿತ ಪರೀಕ್ಷಾ ಡೇಟಾ ಉತ್ಪಾದನೆ:
[ಕೆಳಗಿನ ಕ್ಷೇತ್ರ ರಚನೆ] ಗಾಗಿ ಸಂಪೂರ್ಣವಾಗಿ ಕಾಲ್ಪನಿಕ, ವಾಸ್ತವಿಕ ಪರೀಕ್ಷಾ ಡೇಟಾದ 20 ಸಾಲುಗಳನ್ನು ರಚಿಸಿ. ನೈಜ ವ್ಯಕ್ತಿ/ಸಂಸ್ಥೆಯ ಡೇಟಾವನ್ನು ಬಳಸಬೇಡಿ. ಅಂಚಿನ ಪ್ರಕರಣಗಳನ್ನು ಸಹ ಸೇರಿಸಿ: ಖಾಲಿ ಸ್ಥಳ, ತುಂಬಾ ಉದ್ದವಾದ ಪಠ್ಯ, ಮಿತಿ ಮೌಲ್ಯಗಳು, ಅಮಾನ್ಯ ಸ್ವರೂಪ.
ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್
ದುರ್ಬಲ: "ಈ ಕೋಡ್ನಲ್ಲಿ ಪರೀಕ್ಷೆಗಳನ್ನು ಬರೆಯಿರಿ."
ಪ್ರಬಲ: "ರಿಯಾಯಿತಿ ಕಾರ್ಯಕ್ಕಾಗಿ ಈ ಬರವಣಿಗೆ ಘಟಕ ಪರೀಕ್ಷೆಗಳನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡಿ. ಕಾರ್ಯಕ್ಕಾಗಿ ಸ್ವೀಕಾರ ಮಾನದಂಡ: 1000 TL ಮೇಲೆ 10% ರಿಯಾಯಿತಿ, 5000 TL ಮೇಲೆ 20% ರಿಯಾಯಿತಿ; ಋಣಾತ್ಮಕ ಮೊತ್ತವು ದೋಷವನ್ನು ಎಸೆಯಬೇಕು. ಪ್ರತಿ ಪರೀಕ್ಷೆಗೆ ನೀವು ಮೌಲ್ಯೀಕರಿಸುವ ನಿಯಮವನ್ನು ಕಾಮೆಂಟ್ ಲೈನ್ನೊಂದಿಗೆ ನಿರ್ದಿಷ್ಟಪಡಿಸಿ. ಮಿತಿ 100,09, 100, 05 ಮೌಲ್ಯಗಳನ್ನು ಪರೀಕ್ಷಿಸಿ 0, -1) ನಾನು ಕೋಡ್ ಅನ್ನು ಮುರಿದರೆ ಅಥವಾ ಕ್ಷುಲ್ಲಕ ಪ್ರತಿಪಾದನೆಯನ್ನು ಬರೆಯದಿದ್ದರೆ ಅದು ಕೆಂಪು ಬಣ್ಣಕ್ಕೆ ತಿರುಗುತ್ತದೆ.
ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್; ಇದು ಸ್ವೀಕಾರ ಮಾನದಂಡಗಳು, ಮಿತಿ ಮೌಲ್ಯಗಳು, ಮೌಲ್ಯೀಕರಣ ನಿರೀಕ್ಷೆಗಳು ಮತ್ತು ಸ್ಪಷ್ಟವಾದ ವಂಚನೆ-ವಿರೋಧಿ ಸೂಚನೆಗಳನ್ನು ಒದಗಿಸುತ್ತದೆ. ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ ಅಲಂಕಾರಿಕ ಪರೀಕ್ಷೆಯನ್ನು ಬರೆಯಲು AI ಅನ್ನು ಆಹ್ವಾನಿಸುತ್ತದೆ.
ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು
- ಹಸಿರು ನಂಬಿಕೆ. ಪರೀಕ್ಷೆಯಲ್ಲಿ ಉತ್ತೀರ್ಣರಾಗುವುದೇ ಸಾಕ್ಷಿ ಎಂದು ಯೋಚಿಸುವುದು. ನಿಜವಾದ ಪ್ರಶ್ನೆ: ನೀವು ಕೋಡ್ ಅನ್ನು ಮುರಿದಾಗ ಅದು ಕೆಂಪು ಬಣ್ಣಕ್ಕೆ ತಿರುಗುತ್ತದೆಯೇ?
- ಯಾವುದೇ ಕಾರಣ ನೀಡದೆ ಪರೀಕ್ಷೆಗೆ ವಿನಂತಿಸುವುದು. ಏನನ್ನು ಪರಿಶೀಲಿಸಬೇಕು ಎಂದು ತಿಳಿಯದೆ AI ಸಾಮಾನ್ಯ, ಸಾಮಾನ್ಯವಾಗಿ ಅನುಪಯುಕ್ತ ಪರೀಕ್ಷೆಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ.
- ಪರಿಶೀಲನೆಯನ್ನು ಬಿಟ್ಟುಬಿಡಲಾಗುತ್ತಿದೆ. "AI ಬರೆದಿದ್ದಾರೆ, ಇದು ಬಹುಶಃ ನಿಜ" ಎಂದು ಹೇಳುವುದು. ಜವಾಬ್ದಾರಿಯು ಔಟ್ಪುಟ್ ಅನ್ನು ಬಳಸುವ ವ್ಯಕ್ತಿಯ ಮೇಲೆ ಇರುತ್ತದೆ.
- ಟೂಲ್ಗೆ ನೈಜ/ಸೂಕ್ಷ್ಮ ಡೇಟಾವನ್ನು ಅಂಟಿಸಲಾಗುತ್ತಿದೆ. ಉತ್ಪಾದನಾ ಡೇಟಾ, ಕೀಗಳು ಅಥವಾ ವೈಯಕ್ತಿಕ ಡೇಟಾದೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುವುದು.
- ಅನಧಿಕೃತ ಭದ್ರತಾ ಪರೀಕ್ಷೆ. ವ್ಯಾಪ್ತಿ ಮತ್ತು ಅನುಮತಿಯಿಲ್ಲದೆ ಆಕ್ರಮಣಕಾರಿ ಪರೀಕ್ಷೆಯನ್ನು ಪ್ರಯತ್ನಿಸುವುದು.
- ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳುವಿಕೆಯನ್ನು ನಿಯೋಜಿಸಲು AI ಅನ್ನು ಬಳಸುವುದು. "ಈ ಆವೃತ್ತಿಯನ್ನು ಬಿಡುಗಡೆ ಮಾಡಬಹುದೇ?" ಎಂಬ ಪ್ರಶ್ನೆಯನ್ನು ಕೇಳಲಾಗುತ್ತಿದೆ AI ಗೆ ಮತ್ತು ಉತ್ತರವನ್ನು ಸಹಿಯಲ್ಲಿ ಹಾಕುವುದು.
ಸಾರಾಂಶದಲ್ಲಿ
ಪುನರಾವರ್ತಿತ ಮತ್ತು ಉತ್ಪಾದಕ ಕೆಲಸವನ್ನು ವೇಗಗೊಳಿಸುವ QA ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ AI ಪ್ರಬಲ ಸಹಾಯಕವಾಗಿದೆ; ಆದರೆ ಗುಣಮಟ್ಟದ ನಿರ್ಧಾರದ ಜವಾಬ್ದಾರಿ ಮಾನವನ ಮೇಲಿರುತ್ತದೆ. ಈ ವೃತ್ತಿಯಲ್ಲಿ AI ಯ ಮೊದಲ ಅಪಾಯವೆಂದರೆ ಹುಸಿ-ಪಾಸ್: ಹಸಿರು ಪರೀಕ್ಷೆಗಳು ಅಚ್ಚುಕಟ್ಟಾಗಿ ಕಾಣುತ್ತವೆ ಆದರೆ ಯಾವುದನ್ನೂ ದೃಢೀಕರಿಸುವುದಿಲ್ಲ. ಉದ್ದೇಶಪೂರ್ವಕವಾಗಿ ಕೋಡ್ ಅನ್ನು ಮುರಿಯುವ ಮೂಲಕ ಪ್ರತಿ AI ಪರೀಕ್ಷೆಯನ್ನು ಪರೀಕ್ಷಿಸಿ; ಕೆಂಪಾಗದಿದ್ದರೆ ಆ ಪರೀಕ್ಷೆಯೇ ಅಲಂಕಾರ. ಅದನ್ನು ಅವಶ್ಯಕತೆಗೆ ಕಟ್ಟಿಕೊಳ್ಳಿ, ಕೆಂಪು ಬಣ್ಣವನ್ನು ನೋಡಿ, ಸಂದರ್ಭ ಫಿಲ್ಟರ್ ಮೂಲಕ ಹಾದುಹೋಗಿರಿ. ಗೌಪ್ಯ ಡೇಟಾವನ್ನು ಮಾಸ್ಕ್ ಮಾಡಿ, ಅಧಿಕೃತ ಮತ್ತು ರಕ್ಷಣಾತ್ಮಕ ಉದ್ದೇಶಗಳಿಗಾಗಿ ಮಾತ್ರ ಭದ್ರತಾ ಪರೀಕ್ಷೆಯನ್ನು ನಿರ್ವಹಿಸಿ.
ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ
ನಿಮ್ಮ ಸ್ವಂತ ಯೋಜನೆಯಿಂದ 5 AI- ರಚಿತ (ಅಥವಾ AI- ರಚಿತ) ಘಟಕ ಪರೀಕ್ಷೆಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಿ. ಪ್ರತಿಯೊಂದಕ್ಕೂ: (1) ಅದು ಯಾವ ನಡವಳಿಕೆಯನ್ನು ಪರಿಶೀಲಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ಒಂದು ವಾಕ್ಯದಲ್ಲಿ ಬರೆಯಿರಿ, (2) ಪರೀಕ್ಷೆಯ ಅಡಿಯಲ್ಲಿ ಕೋಡ್ ಅನ್ನು ಉದ್ದೇಶಪೂರ್ವಕವಾಗಿ ಮುರಿದು ರನ್ ಮಾಡಿ ಮತ್ತು ಎಷ್ಟು ಕೆಂಪು ಬಣ್ಣಕ್ಕೆ ತಿರುಗುತ್ತದೆ ಎಂಬುದನ್ನು ಗಮನಿಸಿ, (3) ಕೆಂಪು ಬಣ್ಣಕ್ಕೆ ತಿರುಗದವುಗಳನ್ನು "ಅಲಂಕಾರ ಪರೀಕ್ಷೆಗಳು" ಎಂದು ಗುರುತಿಸಿ ಮತ್ತು ಅವುಗಳನ್ನು ನಿಜವಾದ ಪ್ರತಿಪಾದನೆಯೊಂದಿಗೆ ಪುನಃ ಬರೆಯಿರಿ. ಫಲಿತಾಂಶವನ್ನು ಕೋಷ್ಟಕದಲ್ಲಿ ಇರಿಸಿ: ಪರೀಕ್ಷೆಯ ಹೆಸರು / ನಿಯಮವನ್ನು ಪರಿಶೀಲಿಸಲಾಗಿದೆ / ಮುರಿದಾಗ / ಕ್ರಿಯೆಯು ಮುರಿದುಹೋಗಿದೆ.
ಪರಿಶೀಲನಾಪಟ್ಟಿ
- [ ] ಕೆಲಸವನ್ನು ಹಸ್ತಾಂತರಿಸುವ ಮೊದಲು, ನಾನು "ಅದು ತಪ್ಪಿದರೆ ನಾನು ಏನು ಕಳೆದುಕೊಳ್ಳುತ್ತೇನೆ?"
- [ ] ನಾನು ಕೋಡ್ ಅನ್ನು ಮುರಿಯುವ ಮೂಲಕ ಪ್ರತಿ AI ಪರೀಕ್ಷೆಯನ್ನು ಪರೀಕ್ಷಿಸಿದೆ; ನಾನು ಕೆಂಪು ಬಣ್ಣಕ್ಕೆ ತಿರುಗದಿದ್ದನ್ನು ನಿಜವಾದ ಪರೀಕ್ಷೆಯೊಂದಿಗೆ ಬದಲಾಯಿಸಿದ್ದೇನೆ.
- [ ] ನಾನು ಪರೀಕ್ಷಾ ಪ್ರಕರಣಗಳನ್ನು ನಿಜವಾದ ಅವಶ್ಯಕತೆ/ಸ್ವೀಕಾರದ ಮಾನದಂಡಗಳಿಗೆ ಲಿಂಕ್ ಮಾಡಿದ್ದೇನೆ.
- [ ] ನಾನು ಸೂಕ್ಷ್ಮವಾದ/ನೈಜ ಡೇಟಾವನ್ನು ಉಪಕರಣಕ್ಕೆ ನೀಡದೆ ಮರೆಮಾಚಿದ್ದೇನೆ; ಸಾಧ್ಯವಾದರೆ ನಾನು ಸಿಂಥೆಟಿಕ್ ಡೇಟಾವನ್ನು ಬಳಸಿದ್ದೇನೆ.
- [ ] ನಾನು ಭದ್ರತಾ ಪರೀಕ್ಷೆಯನ್ನು ಅಧಿಕಾರದ ಒಳಗೆ ಮತ್ತು ರಕ್ಷಣಾತ್ಮಕ ಉದ್ದೇಶಗಳಿಗಾಗಿ ಮಾತ್ರ ಪರಿಗಣಿಸಿದೆ.
- [ ] "ಆವೃತ್ತಿಯನ್ನು ಬಿಡುಗಡೆ ಮಾಡಬೇಕೆ" ಎಂಬ ನಿರ್ಧಾರವನ್ನು ನಾನು AI ಗೆ ಬಿಟ್ಟಿದ್ದೇನೆ, ನನಗೆ ಬಿಟ್ಟಿದ್ದೇನೆ.