ಘಟಕಗಳು
1. ಲ್ಯಾಂಡ್‌ಸ್ಕೇಪ್ ಆರ್ಕಿಟೆಕ್ಚರ್‌ನಲ್ಲಿ ಆರ್ಟಿಫಿಶಿಯಲ್ ಇಂಟೆಲಿಜೆನ್ಸ್ ಪರಿಚಯ: ಪಾತ್ರಗಳು, ಗಡಿಗಳು, ಊರ್ಜಿತಗೊಳಿಸುವಿಕೆ, ಸ್ಥಳೀಯ ಸರಿಯಾದತೆ ಮತ್ತು ನೀತಿಶಾಸ್ತ್ರ 2. ಪರಿಕಲ್ಪನೆ ಅಭಿವೃದ್ಧಿ ಮತ್ತು ಐಡಿಯಾ ಜನರೇಷನ್: ಖಾಲಿ ಪುಟದಿಂದ ಶಕ್ತಿಯುತ ವಿನ್ಯಾಸ ನಿರೂಪಣೆಗೆ 3. ವಿಷುಯಲ್ ಪ್ರೊಡಕ್ಷನ್ ಮತ್ತು ರೆಂಡರಿಂಗ್: ಐಡಿಯಾವನ್ನು ಗೋಚರವಾಗುವಂತೆ ಮಾಡುವುದು 4. ಕ್ಷೇತ್ರ ವಿಶ್ಲೇಷಣೆ ಮತ್ತು ಜಿಐಎಸ್: ಭೂಮಿಯನ್ನು ಓದುವುದು, ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯೊಂದಿಗೆ ಅದನ್ನು ಅರ್ಥೈಸುವುದು 5. ಸಸ್ಯ ಆಯ್ಕೆ ಮತ್ತು ಪರಿಸರ ವಿಜ್ಞಾನ: ಸ್ಥಳೀಯ ಪ್ರಭೇದಗಳು, ಹವಾಮಾನ ನಿಖರತೆ ಮತ್ತು AI ಯ ಮಿತಿ 6. ಚಂಡಮಾರುತದ ನಿರ್ವಹಣೆ ಮತ್ತು ಹವಾಮಾನ ಹೊಂದಾಣಿಕೆ: ನೀರನ್ನು ಒಂದು ಸಂಪನ್ಮೂಲವಾಗಿ ನೋಡುವುದು, ಸಮಸ್ಯೆಯಲ್ಲ 7. ಸುಸ್ಥಿರತೆ, ಜೀವವೈವಿಧ್ಯ ಮತ್ತು ಪರಿಸರ ವ್ಯವಸ್ಥೆ ಸೇವೆಗಳು 8. ತಾಂತ್ರಿಕ ರೇಖಾಚಿತ್ರ, ಅಪ್ಲಿಕೇಶನ್ ವಿವರಗಳು ಮತ್ತು ವಸ್ತು ಆಯ್ಕೆ 9. ಪ್ರಸ್ತುತಿ, ನಿರೂಪಣೆ ಮತ್ತು ಗ್ರಾಹಕ ಸಂವಹನ: ವಿನ್ಯಾಸವನ್ನು ಸ್ವೀಕರಿಸಲಾಗುತ್ತಿದೆ 10. ವೆಚ್ಚ, ಪ್ರಮಾಣ ಸಮೀಕ್ಷೆ ಮತ್ತು ಯೋಜನಾ ನಿರ್ವಹಣೆ: ಸಂಖ್ಯೆಗಳನ್ನು ಸರಿಯಾಗಿ ಹೇಳುವುದು 11. ಶಾಸನ, ವಲಯ ಮತ್ತು ಪರಿಶೀಲನೆ; ಎಥಿಕ್ಸ್, ಗೌಪ್ಯತೆ ಮತ್ತು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಗಡಿಗಳು 12. ಎಂಡ್-ಟು-ಎಂಡ್ ವರ್ಕ್‌ಫ್ಲೋ: ಪ್ರಾಜೆಕ್ಟ್ ಅನ್ನು ಪ್ರಾರಂಭದಿಂದ ಮುಕ್ತಾಯದವರೆಗೆ AI ಯೊಂದಿಗೆ ರನ್ ಮಾಡುವುದು
ಘಟಕ 12 / 12

ಎಂಡ್-ಟು-ಎಂಡ್ ವರ್ಕ್‌ಫ್ಲೋ: ಪ್ರಾಜೆಕ್ಟ್ ಅನ್ನು ಪ್ರಾರಂಭದಿಂದ ಮುಕ್ತಾಯದವರೆಗೆ AI ಯೊಂದಿಗೆ ರನ್ ಮಾಡುವುದು

ಲಾಭಗಳು:

  • ಯೋಜನೆಯೊಂದನ್ನು ಪರಿಕಲ್ಪನೆಯಿಂದ ವಿತರಣೆಯವರೆಗೆ ಹಂತಗಳಾಗಿ ವಿಭಜಿಸುವ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಪಾತ್ರವನ್ನು ನಿರ್ಧರಿಸುವ ಸಾಮರ್ಥ್ಯ, ಸಕ್ರಿಯಗೊಳಿಸಬೇಕಾದ ಪರಿಶೀಲನೆ ಮತ್ತು ಪ್ರತಿ ಹಂತದಲ್ಲಿ ಜವಾಬ್ದಾರಿಯುತ ತಜ್ಞರು.
  • ಪ್ರತಿ ಹಂತದ ಕೊನೆಯಲ್ಲಿ ಅಪಾಯದ ಬಕೆಟ್ ಪ್ರಶ್ನೆಯನ್ನು ಕೇಳುವುದು ಮತ್ತು ಅದರ ಸ್ವಂತ ಹಂತದಲ್ಲಿ ಸ್ಥಳೀಯ ಸಸ್ಯ, ಶಾಸನ ಮತ್ತು ವೆಚ್ಚವನ್ನು ದೃಢೀಕರಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ.
  • AI ಅನ್ನು ಸಂಯೋಜಿಸುವ ಸಾಮರ್ಥ್ಯವು ಉತ್ಪಾದಿಸುತ್ತದೆ, ಮಾನವ ನಿರ್ಧರಿಸುತ್ತದೆ, ಪ್ರತಿ ನಿರ್ಣಾಯಕ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಪರಿಶೀಲಿಸಲಾಗುತ್ತದೆ, ಸಹಿಯು ಅಂತ್ಯದಿಂದ ಅಂತ್ಯದ ಕೆಲಸದ ಹರಿವಿನಲ್ಲಿ ತಜ್ಞರ ತತ್ವಗಳೊಂದಿಗೆ ಇರುತ್ತದೆ

ಹಿಂದಿನ ಹನ್ನೊಂದು ಘಟಕಗಳಲ್ಲಿ, ಪರಿಕಲ್ಪನೆ, ದೃಶ್ಯ, ಸೈಟ್ ವಿಶ್ಲೇಷಣೆ, ಸಸ್ಯ, ನೀರು, ಸಮರ್ಥನೀಯತೆ, ತಂತ್ರ, ಪ್ರಸ್ತುತಿ, ವೆಚ್ಚ, ಶಾಸನ: ನಾವು ಭಾಗಗಳನ್ನು ಒಂದೊಂದಾಗಿ ಕಲಿತಿದ್ದೇವೆ. ಈ ಘಟಕದಲ್ಲಿ ನಾವು ಎಲ್ಲವನ್ನೂ ಒಂದು ನೈಜ ಯೋಜನೆಯಾಗಿ ಸಂಯೋಜಿಸುತ್ತೇವೆ. ಯೋಜನೆಯ ಪ್ರಾರಂಭದಿಂದ ಅದರ ವಿತರಣೆಯವರೆಗೆ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು (AI) ನಿರರ್ಗಳವಾಗಿ ಮತ್ತು ಸುರಕ್ಷಿತವಾಗಿ ಬಳಸಬಹುದಾದ ಒಂದು ಕೆಲಸದ ಹರಿವನ್ನು ಸ್ಥಾಪಿಸುವುದು ಗುರಿಯಾಗಿದೆ. ವರ್ಕ್‌ಫ್ಲೋ ಎನ್ನುವುದು ಕೆಲಸವು ಪ್ರಾರಂಭದಿಂದ ಕೊನೆಯವರೆಗೆ ಅನುಸರಿಸುವ ಅನುಕ್ರಮ ಹಂತಗಳ ಗುಂಪಾಗಿದೆ. ಈ ಘಟಕವು ಸಾರಾಂಶವಲ್ಲ, ಆದರೆ ಏಕೀಕರಣ ಪೂರ್ವಾಭ್ಯಾಸ: ಪ್ರತಿ ಹಂತದಲ್ಲಿ, AI ವೇಗವರ್ಧಿಸುತ್ತದೆ, ಅದು ಎಲ್ಲಿ ನಿಲ್ಲುತ್ತದೆ, ಯಾವ ಮೌಲ್ಯೀಕರಣವು ಕಾರ್ಯರೂಪಕ್ಕೆ ಬರುತ್ತದೆ.

ಮಾದರಿ ಯೋಜನೆ: ಸ್ಟ್ರೀಮ್ ಮೂಲಕ 4 ಹೆಕ್ಟೇರ್ ಸಿಟಿ ಪಾರ್ಕ್

ಮಾಡ್ಯೂಲ್‌ನಾದ್ಯಂತ ಪ್ರಾರಂಭದಿಂದ ಕೊನೆಯವರೆಗೆ ನಾವು ಪ್ರಸ್ತಾಪಿಸಿದ ಯೋಜನೆಯನ್ನು ಪರಿಗಣಿಸೋಣ. ಪ್ರವಾಹದ ಅಪಾಯದಲ್ಲಿರುವ ಐಡಲ್ ಸ್ಟ್ರೀಮ್ ದಂಡೆಯನ್ನು ನಗರ ಉದ್ಯಾನವನವನ್ನಾಗಿ ಪರಿವರ್ತಿಸಲು ಪುರಸಭೆಯು ಬಯಸುತ್ತದೆ, ಅದು ನೀರನ್ನು ಬಫರ್ ಮಾಡುತ್ತದೆ ಮತ್ತು ನೆರೆಹೊರೆಗೆ ಉಪಯುಕ್ತತೆಯನ್ನು ತರುತ್ತದೆ. ಬಜೆಟ್ ಸೀಮಿತವಾಗಿದೆ, ಅವಧಿಯು ಮೂರು ತಿಂಗಳುಗಳು, ಹವಾಮಾನವು ಸೌಮ್ಯ-ಮಳೆಯಾಗಿದೆ.

ಹಂತ 1 - ಚೌಕಟ್ಟು ಮತ್ತು ಪರಿಕಲ್ಪನೆ (ಘಟಕಗಳು 1-2). ಪ್ರಾಜೆಕ್ಟ್ ಫ್ರೇಮ್‌ವರ್ಕ್ ಮತ್ತು 6 ಥೀಮ್‌ಗಳನ್ನು AI ಯೊಂದಿಗೆ ಉತ್ಪಾದಿಸಲಾಗುತ್ತದೆ; ತಂಡವು "ನಗರವು ಮರೆತಿರುವ ಸ್ಟ್ರೀಮ್ ಅನ್ನು ಹಿಂದಿರುಗಿಸುವ ನೀರಿನ ಮಾರ್ಗ" ಎಂಬ ಥೀಮ್ ಅನ್ನು ಆಯ್ಕೆ ಮಾಡುತ್ತದೆ ಮತ್ತು ಅದನ್ನು ತತ್ವಗಳಾಗಿ ಭಾಷಾಂತರಿಸುತ್ತದೆ. AI ತಂಡಗಳನ್ನು ವೈವಿಧ್ಯಗೊಳಿಸುತ್ತದೆ ಮತ್ತು ಆಯ್ಕೆ ಮಾಡುತ್ತದೆ.

ಹಂತ 2 - ಕ್ಷೇತ್ರ ವಿಶ್ಲೇಷಣೆ (ಘಟಕ 4). ಇಳಿಜಾರು, ದೃಷ್ಟಿಕೋನ, ನೀರಿನ ಹರಿವು GIS ನಿಂದ ಪಡೆಯಲಾಗುತ್ತದೆ; ಕ್ಷೇತ್ರ ಪ್ರವಾಸ ಮಾಡಲಾಗಿದೆ. AI ಅಳತೆ ಮಾಡಿದ ಡೇಟಾ + ವೀಕ್ಷಣೆಯನ್ನು ಸಂಶ್ಲೇಷಿಸುತ್ತದೆ ಮತ್ತು ಅವಕಾಶ-ನಿರ್ಬಂಧ ಪಟ್ಟಿಯನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ. ಉಪಕರಣದಿಂದ ಅಳತೆಗಳು, ಸಂಶ್ಲೇಷಣೆಯನ್ನು ಪರಿಶೀಲಿಸಲಾಗಿದೆ.

ಹಂತ 3 - ನೀರು ಮತ್ತು ಹವಾಮಾನ ತಂತ್ರ (ಘಟಕ 6). YZ ಮಳೆ ಉದ್ಯಾನ + ಬಯೋಸ್ವಾಲ್ + ಪ್ರವೇಶಸಾಧ್ಯ ಮಣ್ಣಿನ ಸಂಯೋಜನೆಯನ್ನು ಪ್ರಸ್ತಾಪಿಸುತ್ತದೆ; ವಸಾಹತು ತರ್ಕವನ್ನು ಸ್ಥಾಪಿಸಲಾಗಿದೆ. ಆಯಾಮವನ್ನು ಹೈಡ್ರಾಲಿಕ್ ಎಂಜಿನಿಯರ್‌ಗೆ ನಿಯೋಜಿಸಲಾಗಿದೆ.

ಹಂತ 4 - ಸಸ್ಯ ಪ್ಯಾಲೆಟ್ (ಘಟಕ 5). AI ವೈಶಿಷ್ಟ್ಯದ ಪ್ರೊಫೈಲ್ ಮತ್ತು ಅಭ್ಯರ್ಥಿ ಪಟ್ಟಿಯನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ; ಸ್ಥಳೀಯ ಹವಾಮಾನ ವಲಯ, ಆಕ್ರಮಣಕಾರಿ ಪಟ್ಟಿ, ವಿಷತ್ವ ಮತ್ತು ಸಸಿಗಳ ಲಭ್ಯತೆಗಾಗಿ ತಂಡವು ಪ್ರತಿ ಜಾತಿಯನ್ನು ಪರಿಶೀಲಿಸುತ್ತದೆ. ಪರಿಶೀಲಿಸದ ಪ್ರಕಾರಗಳನ್ನು ಸೇರಿಸಲಾಗಿಲ್ಲ.

ಹಂತ 5 - ಸುಸ್ಥಿರತೆ ಪರಿಶೀಲನೆ (ಘಟಕ 7). ವಿನ್ಯಾಸವು ನೀರು-ಪ್ರವೇಶಸಾಧ್ಯತೆ-ಸ್ಥಳೀಯ ದರ-ನೆರಳು-ಜೀವವೈವಿಧ್ಯ ಸ್ಕೋರ್ಕಾರ್ಡ್ ಮೂಲಕ ರವಾನಿಸಲಾಗಿದೆ; ದುರ್ಬಲ ಶೀರ್ಷಿಕೆಗಳನ್ನು ಸುಧಾರಿಸಲಾಗಿದೆ.

ಹಂತ 6 - ದೃಶ್ಯ ಮತ್ತು ತಾಂತ್ರಿಕ (ಘಟಕಗಳು 3, 8). AI ವಾತಾವರಣದ ಚಿತ್ರಗಳನ್ನು ಮತ್ತು ವಿವರ ತರ್ಕ/ವಸ್ತು ಹೋಲಿಕೆಯನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ; ಸ್ಕೇಲ್ ಶೀಟ್‌ಗಳನ್ನು ಸಿಎಡಿಯಲ್ಲಿ ಚಿತ್ರಿಸಲಾಗುತ್ತದೆ, ಸ್ಥಿರ ವಿವರಗಳನ್ನು ಎಂಜಿನಿಯರ್ ಚಿತ್ರಿಸುತ್ತಾರೆ.

ಹಂತ 7 - ವೆಚ್ಚ ಮತ್ತು ವೇಳಾಪಟ್ಟಿ (ಘಟಕ 10). AI ಐಟಂ ಪಟ್ಟಿ ಮತ್ತು ಟೇಬಲ್ ಅನ್ನು ಆಯೋಜಿಸುತ್ತದೆ; ನಿಜವಾದ ಪ್ರಮಾಣಗಳು ಮತ್ತು ಪ್ರಸ್ತುತ ಬೆಲೆಗಳನ್ನು ನಮೂದಿಸಲಾಗಿದೆ, ಮತ್ತು ಕೆಲಸದ ವೇಳಾಪಟ್ಟಿಯನ್ನು ನೆಟ್ಟ ಋತುವಿನ ಪ್ರಕಾರ ಹೊಂದಿಸಲಾಗಿದೆ.

ಹಂತ 8 - ಶಾಸನ ಮತ್ತು ರೋಲ್ಔಟ್ (ಘಟಕಗಳು 9, 11). ಅನುಮತಿ ಪರಿಶೀಲನಾಪಟ್ಟಿ ಮತ್ತು ಸಂಸ್ಥೆಯ ಪ್ರಶ್ನೆಗಳನ್ನು ತಯಾರಿಸಲಾಗುತ್ತದೆ, ಐಟಂಗಳನ್ನು ಅಧಿಕಾರಿಯೊಂದಿಗೆ ದೃಢೀಕರಿಸಲಾಗುತ್ತದೆ; ಪ್ರಸ್ತುತಿಯನ್ನು ಮೂರು ಪ್ರೇಕ್ಷಕರಿಗೆ (ಪುರಸಭೆ, ನೆರೆಹೊರೆಯ ನಿವಾಸಿಗಳು, ತೀರ್ಪುಗಾರರು) ವಿವಿಧ ಭಾಷೆಗಳಲ್ಲಿ ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ.

ಸಲಹೆ: ಪ್ರತಿ ಹಂತದ ಕೊನೆಯಲ್ಲಿ, ಒಂದು ಪ್ರಶ್ನೆಯನ್ನು ಕೇಳಿ: "ಇದು ಕಡಿಮೆ, ಮಧ್ಯಮ ಅಥವಾ ಹೆಚ್ಚಿನ ಅಪಾಯವನ್ನು ತಲುಪಿಸುತ್ತದೆಯೇ; ಅದನ್ನು ಯಾರು ಪರಿಶೀಲಿಸುತ್ತಾರೆ?" ಈ ಒಂದೇ ಪ್ರಶ್ನೆಯು ಸಂಪೂರ್ಣ ಕೆಲಸದ ಹರಿವನ್ನು ಸುರಕ್ಷಿತವಾಗಿರಿಸುತ್ತದೆ.

ಹಂತಗಳ ನಡುವೆ ಸುವರ್ಣ ನಿಯಮ

ಅಂತ್ಯದಿಂದ ಅಂತ್ಯದ ಹರಿವಿನಲ್ಲಿ, ಪ್ರತಿ ಹಂತದಲ್ಲೂ ಮೂರು ತತ್ವಗಳು ಪುನರಾವರ್ತನೆಯಾಗುತ್ತವೆ: (1) AI ಪ್ರಭೇದಗಳು ಮತ್ತು ವೇಗವರ್ಧನೆಗಳು, ಮಾನವರು ಆಯ್ಕೆ ಮಾಡುತ್ತಾರೆ ಮತ್ತು ಹೊಂದಿದ್ದಾರೆ; (2) ಪ್ರತಿ ಸಂಖ್ಯಾತ್ಮಕ/ಸ್ಥಳೀಯ/ಭದ್ರತೆ-ನಿರ್ಣಾಯಕ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಪರಿಶೀಲಿಸಲಾಗಿದೆ; (3) ನಿರ್ಧಾರ ಮತ್ತು ಸಹಿ ಸಮರ್ಥ ತಜ್ಞರ ಬಳಿ ಇರುತ್ತದೆ. ಈ ಮೂರು ತತ್ವಗಳು ಬದಲಾಗುವುದಿಲ್ಲ; ಅವುಗಳನ್ನು ಅನ್ವಯಿಸುವ ವಿಷಯ ಮಾತ್ರ ಬದಲಾಗುತ್ತದೆ.

ಮೂರು ಸಣ್ಣ ಪ್ರಕರಣಗಳು

ಪ್ರಕರಣ 1 - ಅಂತ್ಯದಿಂದ ಅಂತ್ಯದ ವೇಗ. ಒಂದು ಕಛೇರಿಯು AI-ಚಾಲಿತ ಕೆಲಸದ ಹರಿವಿನೊಂದಿಗೆ ಇದೇ ರೀತಿಯ ಸ್ಟ್ರೀಮ್ ಪಾರ್ಕ್ ಅನ್ನು ನಡೆಸಿತು: ಪರಿಕಲ್ಪನೆ ಮತ್ತು ವಿಶ್ಲೇಷಣೆಯು 3 ವಾರಗಳಿಂದ 10 ದಿನಗಳವರೆಗೆ ನಡೆಯಿತು; ಉಳಿಸಿದ ಸಮಯವನ್ನು ವಿವರ ಮತ್ತು ಪರಿಶೀಲನೆಗೆ ಮೀಸಲಿಡಲಾಗಿದೆ. ವಿತರಣಾ ಗುಣಮಟ್ಟ ಸುಧಾರಿಸಿದೆ ಏಕೆಂದರೆ ತಂಡವು "ಉತ್ಪಾದನೆ" ಬದಲಿಗೆ "ನಿರ್ಧರಿಸಲು" ಸಮಯವನ್ನು ಪಡೆದುಕೊಂಡಿತು.

ಪ್ರಕರಣ 2 - ಸರಣಿ ಪರಿಶೀಲನೆ. ಅದೇ ಯೋಜನೆಯಲ್ಲಿ, ನಾಲ್ಕು ಪ್ರತ್ಯೇಕ AI ದೋಷಗಳನ್ನು ವಿವಿಧ ಹಂತಗಳಲ್ಲಿ ಹಿಡಿಯಲಾಗಿದೆ: ಆಕ್ರಮಣಕಾರಿ ಸಸ್ಯ (ಘಟಕ 5 ಪರಿಶೀಲನೆ), ಫ್ಯಾಬ್ರಿಕೇಟೆಡ್ ರೆಗ್ಯುಲೇಟರಿ ಷರತ್ತು (ಘಟಕ 11 ಪರಿಶೀಲನೆ), ಉತ್ಪ್ರೇಕ್ಷಿತ ಚಿತ್ರ (ಯುನಿಟ್ 3 ಚೆಕ್), ಕಾಣೆಯಾದ ವೆಚ್ಚದ ಐಟಂ (ಘಟಕ 10 ಪಟ್ಟಿ). ಯಾವುದೂ ಸಲ್ಲಿಕೆಯನ್ನು ತಲುಪಲಿಲ್ಲ; ಶಿಸ್ತು ಕೆಲಸ ಮಾಡಿದೆ.

ಪ್ರಕರಣ 3 - ತಂಡದ ರೂಪಾಂತರ. ಒಂದು ತಂಡವು ಮೊದಲಿಗೆ ಬಹಳಷ್ಟು ತಪ್ಪುಗಳನ್ನು ಮಾಡಿದೆ, AI "ಎಲ್ಲವನ್ನೂ ಮಾಡುವ ಮ್ಯಾಜಿಕ್" ಎಂದು ಭಾವಿಸಿದೆ. ಒಮ್ಮೆ ಅವರು ಅಪಾಯದ ಬಕೆಟ್ ಶಿಸ್ತನ್ನು (ಘಟಕ 1) ಅಳವಡಿಸಿಕೊಂಡ ನಂತರ, ಅವರು ಸರಿಯಾದ ಪದರದಲ್ಲಿ AI ಅನ್ನು ಬಳಸಲು ಪ್ರಾರಂಭಿಸಿದರು: ಕಡಿಮೆ ಅಪಾಯದಲ್ಲಿ ಉಚಿತ, ಮಧ್ಯಮ ಅಪಾಯದಲ್ಲಿ ಮೌಲ್ಯೀಕರಿಸುವುದು, ಹೆಚ್ಚಿನ ಅಪಾಯದಲ್ಲಿ ಮಾತ್ರ ಸಹಾಯಕವಾಗಿದೆ. ದಕ್ಷತೆ ಮತ್ತು ಆತ್ಮವಿಶ್ವಾಸ ಒಟ್ಟಿಗೆ ಹೆಚ್ಚಾಯಿತು.

ನಾಲ್ಕು ನಕಲಿಸಬಹುದಾದ ಟೆಂಪ್ಲೇಟ್‌ಗಳು

1) ಯೋಜನೆಯ ಮಾರ್ಗಸೂಚಿ:

ನಿಮ್ಮ ಪಾತ್ರ: ಲ್ಯಾಂಡ್‌ಸ್ಕೇಪ್ ಪ್ರಾಜೆಕ್ಟ್ ಸಂಯೋಜಕರು. ಯೋಜನೆ: [ವಿವರಣೆ, ಅವಧಿ, ಬಜೆಟ್, ಹವಾಮಾನ]. ನನಗೆ ಎಂಡ್-ಟು-ಎಂಡ್ ವರ್ಕ್‌ಫ್ಲೋ ಮಾರ್ಗಸೂಚಿಯನ್ನು ನೀಡಿ: ಪರಿಕಲ್ಪನೆ, ವಿಶ್ಲೇಷಣೆ, ನೀರಿನ ತಂತ್ರ, ಸಸ್ಯ, ಸಮರ್ಥನೀಯತೆ, ದೃಶ್ಯ, ತಾಂತ್ರಿಕ, ವೆಚ್ಚ, ಶಾಸನ, ಪ್ರಸ್ತುತಿ. ಪ್ರತಿ ಹಂತದಲ್ಲಿ AI ನ ಪಾತ್ರವನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸಿ ಮತ್ತು ಯಾವ ಪರಿಶೀಲನೆ/ತಜ್ಞರು ಭಾಗಿಯಾಗುತ್ತಾರೆ.

2) ಹಂತದ ಅಪಾಯದ ಲೆಕ್ಕಪರಿಶೋಧನೆಯ ಅಂತ್ಯ:

ಅಪಾಯಕ್ಕಾಗಿ ಈ ಕೆಳಗಿನ ಹಂತದ [ಹಂತ ಮತ್ತು ಔಟ್‌ಪುಟ್] ಔಟ್‌ಪುಟ್ ಅನ್ನು ಪರಿಶೀಲಿಸಿ: ಕಡಿಮೆ/ಮಧ್ಯಮ/ಹೆಚ್ಚಿನ ಅಪಾಯದ ಭಾಗಗಳನ್ನು ಪ್ರತ್ಯೇಕಿಸಿ, ಯಾರು ಮತ್ತು ಹೇಗೆ ಪ್ರತಿ ಮಧ್ಯಮ/ಹೆಚ್ಚು, ವಿತರಣೆಯ ಮೊದಲು ಮುಚ್ಚಬೇಕಾದ ಅಂತರವನ್ನು ಪರಿಶೀಲಿಸಬೇಕು.

3) ವಿತರಣೆಯ ಮೊದಲು ಸಮಗ್ರ ನಿಯಂತ್ರಣ:

ವಿತರಣೆಯ ಮೊದಲು ಈ ಯೋಜನೆಯನ್ನು ಸಮಗ್ರವಾಗಿ ಪರಿಶೀಲಿಸಿ: ಪರಿಕಲ್ಪನೆ-ವಿನ್ಯಾಸ ಸ್ಥಿರತೆ, ಸ್ಥಳೀಯ ಸಸ್ಯ ಪರಿಶೀಲನೆಯನ್ನು ಮಾಡಲಾಗಿದೆಯೇ, ಎಂಜಿನಿಯರಿಂಗ್ ಕಾರ್ಯತಂತ್ರವನ್ನು ಅನುಮೋದಿಸಲಾಗಿದೆಯೇ, ವೆಚ್ಚವು ವಾಸ್ತವಿಕವಾಗಿದೆಯೇ, ಶಾಸನವನ್ನು ದೃಢೀಕರಿಸಲಾಗಿದೆಯೇ, ದೃಶ್ಯಗಳು ಪ್ರತಿನಿಧಿಸುತ್ತವೆಯೇ. ಕಾಣೆಯಾದ ಪರಿಶೀಲನೆಗಳು ಪಟ್ಟಿಯಲ್ಲಿ ಕಾಣಿಸಿಕೊಳ್ಳುತ್ತವೆ.

4) ಕಲಿತ ಪಾಠ:

ಈ ಯೋಜನೆಯು ಪೂರ್ಣಗೊಂಡಾಗ, AI ಅನ್ನು ಬಳಸುವುದರಿಂದ ಕಲಿತ ಪಾಠಗಳನ್ನು ಬರೆಯಿರಿ: ಯಾವ ಹಂತದಲ್ಲಿ AI ಚೆನ್ನಾಗಿ ಕೆಲಸ ಮಾಡಿದೆ, ಯಾವ ಹಂತದಲ್ಲಿ ದೋಷದ ಅಪಾಯ ಹೆಚ್ಚು, ಮುಂದಿನ ಯೋಜನೆಯಲ್ಲಿ ನಾನು ಕೆಲಸದ ಹರಿವನ್ನು ಹೇಗೆ ಸುಧಾರಿಸಬೇಕು? ಕಾಂಕ್ರೀಟ್ ಮತ್ತು ಕ್ರಿಯಾಶೀಲ ವಸ್ತುಗಳಲ್ಲಿ ಬರೆಯಿರಿ.

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್:

ಪ್ರಾರಂಭದಿಂದ ಕೊನೆಯವರೆಗೆ ಈ ಯೋಜನೆಯನ್ನು ನನಗೆ ಮಾಡಿ.

ಎಲ್ಲವನ್ನೂ ಒಂದೇ ಬಾರಿಗೆ ಬಯಸುವ ಈ ಆಸೆ; ಇದು ಪರಿಶೀಲಿಸದ, ಬಾಹ್ಯ ಮತ್ತು ಅಪಾಯಕಾರಿ ರಾಶಿಯನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ.

ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್:

ನಿಮ್ಮ ಪಾತ್ರ: ಯೋಜನೆಯ ಸಂಯೋಜಕರು. ಯೋಜನೆ: ಸ್ಟ್ರೀಮ್ ಮೂಲಕ 4 ಹೆಕ್ಟೇರ್ ಪಾರ್ಕ್, 3 ತಿಂಗಳುಗಳು, ಸೀಮಿತ ಬಜೆಟ್, ಸೌಮ್ಯ-ಮಳೆಯ ಹವಾಮಾನ, ಆದ್ಯತೆಯ ಪ್ರವಾಹ ಬಫರಿಂಗ್ ಮತ್ತು ನೆರೆಹೊರೆಯ ಬಳಕೆ. ಹಂತ ಹಂತದ ಕೆಲಸದ ಹರಿವು ನನಗೆ ಹೊರಹೊಮ್ಮುತ್ತದೆ; ಪ್ರತಿ ಹಂತದಲ್ಲಿ, (1) AI ಯ ಕಾಂಕ್ರೀಟ್ ಕೊಡುಗೆ, (2) ಕಾರ್ಯರೂಪಕ್ಕೆ ಬರುವ ಪರಿಶೀಲನೆ ಮತ್ತು (3) ಜವಾಬ್ದಾರಿಯುತ ತಜ್ಞರು/ಅಧಿಕಾರವನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸಬೇಕು. ಹೆಚ್ಚಿನ ಅಪಾಯದ ಹಂತಗಳನ್ನು ಪ್ರತ್ಯೇಕವಾಗಿ ಗುರುತಿಸಿ. "AI ತನ್ನದೇ ಆದ ಹಂತವನ್ನು ಪೂರ್ಣಗೊಳಿಸುತ್ತದೆ" ಎಂದು ಹೇಳಬೇಡಿ.

ಪರಿಶೀಲನೆ ಮತ್ತು ಜವಾಬ್ದಾರಿ ನಿಯೋಜನೆಯೊಂದಿಗೆ ಪ್ರಗತಿಶೀಲ ಪ್ರಾಂಪ್ಟಿಂಗ್ AI ಅನ್ನು ನಿಜವಾದ ಸಮನ್ವಯ ಸಾಧನವಾಗಿ ಪರಿವರ್ತಿಸುತ್ತದೆ.

ಅಂತ್ಯದಿಂದ ಅಂತ್ಯದ ಪಾತ್ರ ಸಾರಾಂಶ ಕೋಷ್ಟಕ

ಹಂತ

AI ಕೊಡುಗೆ

ಪರಿಶೀಲನೆ

ಜವಾಬ್ದಾರಿಯುತ

ಪರಿಕಲ್ಪನೆ

ವ್ಯತ್ಯಾಸ

ಬಜೆಟ್/ಹವಾಮಾನ ಫಿಲ್ಟರ್

ವಿನ್ಯಾಸಕ

ವಿಶ್ಲೇಷಣೆ

ಸಂಶ್ಲೇಷಣೆ

ಕ್ಷೇತ್ರ + ಜಿಐಎಸ್

ಕ್ಷೇತ್ರ ವಿಶ್ಲೇಷಕ

ನೀರು/ಹವಾಮಾನ

ತಂತ್ರ

ಹೈಡ್ರಾಲಿಕ್ ಕ್ಯಾಲ್ಕುಲೇಟರ್

ಇಂಜಿನಿಯರ್

ಸಸ್ಯ

ಅಭ್ಯರ್ಥಿ ಪಟ್ಟಿ

ಸ್ಥಳೀಯ ಪರಿಶೀಲನೆ

ಭೂದೃಶ್ಯ ವಾಸ್ತುಶಿಲ್ಪಿ

ತಾಂತ್ರಿಕ

ತರ್ಕ/ಪಠ್ಯ

CAD + ಸ್ಥಿರ

ವಾಸ್ತುಶಿಲ್ಪಿ/ಇಂಜಿನಿಯರ್

ವೆಚ್ಚ

ಟೇಬಲ್

ನಿಜವಾದ ಪ್ರಮಾಣ/ಬೆಲೆ

ಪ್ರಮಾಣ ಸಮೀಕ್ಷಕ

ಶಾಸನ

ಸಾರಾಂಶ/ಪಟ್ಟಿ

ಅಧಿಕೃತ ದೃಢೀಕರಣ

ಸಮರ್ಥ ಅಧಿಕಾರ

ಪ್ರಸ್ತುತಿ

ನಿರೂಪಣೆ

ಸಮಗ್ರತೆಯ ಪರಿಶೀಲನೆ

ವಿನ್ಯಾಸಕ

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

  • ಒಂದೇ ವಿನಂತಿಯಲ್ಲಿ ಎಲ್ಲವನ್ನೂ ಬಯಸುವುದು. ಅಂತ್ಯದಿಂದ ಅಂತ್ಯದ ಹರಿವು ಕ್ರಮೇಣವಾಗಿರುತ್ತದೆ; ಪ್ರತಿಯೊಂದು ಹಂತವನ್ನು ಪ್ರತ್ಯೇಕವಾಗಿ ಪರಿಶೀಲಿಸಲಾಗುತ್ತದೆ.
  • ಹಂತದ ಅಪಾಯದ ಲೆಕ್ಕಪರಿಶೋಧನೆಯನ್ನು ಬಿಟ್ಟುಬಿಡುವುದು. ಹಂತದ ಪರಿವರ್ತನೆಯ ಸಮಯದಲ್ಲಿ ದೋಷಗಳನ್ನು ಹಿಡಿಯಲಾಗುತ್ತದೆ.
  • ದೃಢೀಕರಣಗಳನ್ನು ಸಂಗ್ರಹಿಸುವುದು ಮತ್ತು ಕೊನೆಯವರೆಗೂ ಅವುಗಳನ್ನು ಬಿಡುವುದು. ಸ್ಥಳೀಯ ಸಸ್ಯ, ಶಾಸನ ಮತ್ತು ವೆಚ್ಚದ ದೃಢೀಕರಣವನ್ನು ತನ್ನದೇ ಆದ ಹಂತದಲ್ಲಿ ಮಾಡಬೇಕು.
  • AI ಹರಿವಿನಲ್ಲಿ ಮಾನವ ನಿರ್ಧಾರವನ್ನು ಎಂಬೆಡಿಂಗ್. ಆಯ್ಕೆ, ಮಾಲೀಕತ್ವ ಮತ್ತು ಸಹಿ ಪ್ರತಿ ಹಂತದಲ್ಲೂ ಜನರೊಂದಿಗೆ ಇರುತ್ತದೆ.
  • ಕಲಿತ ಪಾಠವನ್ನು ದಾಖಲಿಸುತ್ತಿಲ್ಲ. ಪ್ರತಿಯೊಂದು ಯೋಜನೆಯು ಮುಂದಿನ ಕೆಲಸದ ಹರಿವನ್ನು ಸುಧಾರಿಸಲು ಅವಕಾಶವಾಗಿದೆ.

ಸಾರಾಂಶದಲ್ಲಿ

ಎಂಡ್-ಟು-ಎಂಡ್ ವರ್ಕ್‌ಫ್ಲೋ ಎಂದರೆ ಹಿಂದಿನ ಎಲ್ಲಾ ಘಟಕಗಳು ಒಂದೇ ಯೋಜನೆಯಲ್ಲಿ ಒಟ್ಟುಗೂಡುತ್ತವೆ. AI ಪ್ರತಿ ಹಂತದಲ್ಲೂ ವೈವಿಧ್ಯಗೊಳಿಸುತ್ತದೆ ಮತ್ತು ವೇಗವನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ; ಆದರೆ ಪ್ರತಿ ಹಂತದಲ್ಲೂ ಜನರು ಆಯ್ಕೆ ಮಾಡುತ್ತಾರೆ, ಪರಿಶೀಲಿಸುತ್ತಾರೆ ಮತ್ತು ಹೊಂದಿದ್ದಾರೆ. ಮೂರು ಬದಲಾಗದ ತತ್ವಗಳು ಹರಿವನ್ನು ಸುರಕ್ಷಿತವಾಗಿರಿಸುತ್ತವೆ: AI ಉತ್ಪಾದಿಸುತ್ತದೆ, ಮಾನವ ನಿರ್ಧರಿಸುತ್ತದೆ, ಪ್ರತಿ ನಿರ್ಣಾಯಕ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಪರಿಶೀಲಿಸಲಾಗುತ್ತದೆ, ಸಹಿ ಸಮರ್ಥ ತಜ್ಞರ ಬಳಿ ಇರುತ್ತದೆ. ಯೋಜನೆಯನ್ನು ಹಂತಗಳಾಗಿ ವಿಂಗಡಿಸಿ, ಪ್ರತಿ ಹಂತದ ಕೊನೆಯಲ್ಲಿ ಅಪಾಯದ ಬಕೆಟ್ ಪ್ರಶ್ನೆಯನ್ನು ಕೇಳಿ, ಅದರ ಸ್ವಂತ ಹಂತದಲ್ಲಿ ಪರಿಶೀಲನೆಗಳನ್ನು ಮಾಡಿ ಮತ್ತು ಪ್ರತಿ ಯೋಜನೆಯಿಂದ ಕಲಿಯಿರಿ. ಹೀಗಾಗಿ, AI ನಿಮ್ಮ ವೃತ್ತಿಯನ್ನು ಬಲಪಡಿಸುವ ಪಾಲುದಾರನಾಗುತ್ತಾನೆ, ಅದನ್ನು ದುರ್ಬಲಗೊಳಿಸುವುದಿಲ್ಲ.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

ನಿಮ್ಮ ಆಯ್ಕೆಯ ನೈಜ ಯೋಜನೆಗಾಗಿ "ಪ್ರಾಜೆಕ್ಟ್ ರೋಡ್‌ಮ್ಯಾಪ್" ಟೆಂಪ್ಲೇಟ್‌ನೊಂದಿಗೆ ಎಂಡ್-ಟು-ಎಂಡ್ ವರ್ಕ್‌ಫ್ಲೋ ಅನ್ನು ರಚಿಸಿ; ಪ್ರತಿ ಹಂತಕ್ಕೂ ಜವಾಬ್ದಾರಿಯನ್ನು ಪರಿಶೀಲಿಸಿ ಮತ್ತು ನಿಯೋಜಿಸಿ. ನಂತರ ಎರಡು ಹಂತಗಳನ್ನು ಆಯ್ಕೆಮಾಡಿ ಮತ್ತು ಅವುಗಳನ್ನು "ಹಂತದ ಅಪಾಯದ ಆಡಿಟ್ ಅಂತ್ಯ" ಟೆಂಪ್ಲೇಟ್‌ನೊಂದಿಗೆ ಆಡಿಟ್ ಮಾಡಿ. ಅಂತಿಮವಾಗಿ, "ಹೋಲಿಸ್ಟಿಕ್ ಪ್ರಿ-ಡೆಲಿವರಿ ಚೆಕ್" ಟೆಂಪ್ಲೇಟ್‌ನೊಂದಿಗೆ ನಿಮ್ಮ ಕಾಣೆಯಾದ ಪರಿಶೀಲನೆಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿ.

ಪರಿಶೀಲನಾಪಟ್ಟಿ

  • [ ] ನಾನು ಯೋಜನೆಯನ್ನು ಹಂತಗಳಾಗಿ ವಿಂಗಡಿಸಿದೆ; ನಾನು ಪ್ರತಿ ಹಂತಕ್ಕೂ ಪರಿಶೀಲಿಸಿದ್ದೇನೆ ಮತ್ತು ಜವಾಬ್ದಾರಿಯನ್ನು ನಿಯೋಜಿಸಿದ್ದೇನೆ.
  • [ ] ನಾನು ಪ್ರತಿ ಹಂತದ ಕೊನೆಯಲ್ಲಿ ಅಪಾಯದ ಬಕೆಟ್ ಪ್ರಶ್ನೆಯನ್ನು ಕೇಳಿದೆ.
  • [ ] ನಾನು ಸ್ಥಳೀಯ ಸಸ್ಯ, ಶಾಸನ ಮತ್ತು ಅದರ ಸ್ವಂತ ಹಂತದಲ್ಲಿ ವೆಚ್ಚ ದೃಢೀಕರಣವನ್ನು ಮಾಡಿದೆ.
  • [ ] ನಾನು ಹೆಚ್ಚಿನ ಅಪಾಯದ ಹಂತಗಳನ್ನು ತಜ್ಞರ ಅನುಮೋದನೆಗೆ ಲಿಂಕ್ ಮಾಡಿದ್ದೇನೆ.
  • [ ] ಮುಂದಿನ ಕೆಲಸದ ಹರಿವಿಗಾಗಿ ಯೋಜನೆಯಿಂದ ಕಲಿತ ಪಾಠಗಳನ್ನು ನಾನು ಗಮನಿಸಿದ್ದೇನೆ.

ಮಾಡ್ಯೂಲ್ ಪರೀಕ್ಷೆ

1. ಲ್ಯಾಂಡ್‌ಸ್ಕೇಪ್ ಆರ್ಕಿಟೆಕ್ಚರ್‌ನಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗೆ ಈ ಕೆಳಗಿನವುಗಳಲ್ಲಿ ಯಾವುದು ಅತ್ಯಂತ ನಿಖರವಾದ ಸ್ಥಾನವಾಗಿದೆ?

  • A) AI ಒಂದು ವೇಗವರ್ಧಕ ಮತ್ತು ನೀಲನಕ್ಷೆ ಜನರೇಟರ್ ಆಗಿದೆ; ಸೈಟ್, ಪರಿಸರ ವಿಜ್ಞಾನ, ಭದ್ರತೆ ಮತ್ತು ನಿಯಂತ್ರಕ ನಿರ್ಧಾರಗಳ ಜವಾಬ್ದಾರಿ ಮಾನವರ ಮೇಲಿದೆ ✔
  • ಬಿ) ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ತನ್ನದೇ ಆದ ವಿನ್ಯಾಸವನ್ನು ಪೂರ್ಣಗೊಳಿಸಬಹುದು ಮತ್ತು ಸಹಿ ಮಾಡಬಹುದು
  • ಸಿ) ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ದೃಶ್ಯಗಳನ್ನು ಉತ್ಪಾದಿಸುವಲ್ಲಿ ಮಾತ್ರ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ, ಇದು ವಿನ್ಯಾಸದ ಇತರ ಹಂತಗಳೊಂದಿಗೆ ಯಾವುದೇ ಸಂಬಂಧವನ್ನು ಹೊಂದಿಲ್ಲ
  • ಡಿ) ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಮನುಷ್ಯರಿಗಿಂತ ಹೆಚ್ಚು ವಸ್ತುನಿಷ್ಠವಾಗಿರುವುದರಿಂದ, ಶಾಸಕಾಂಗ ನಿರ್ಧಾರಗಳನ್ನು ಅದಕ್ಕೆ ಬಿಡಬೇಕು.

ವಿವರಣೆ: ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಪರಿಕಲ್ಪನೆ, ದೃಶ್ಯ, ವಿಶ್ಲೇಷಣೆ ಮತ್ತು ಸಂವಹನವನ್ನು ವೇಗಗೊಳಿಸುವ ಕಲ್ಪನೆ ಗುಣಕ ಮತ್ತು ಡ್ರಾಫ್ಟ್ ಜನರೇಟರ್ ಆಗಿದೆ; ಫೀಲ್ಡ್ ರಿಯಾಲಿಟಿ, ಸ್ಥಳೀಯ ಪರಿಸರ ವಿಜ್ಞಾನ, ಸುರಕ್ಷತೆ ಮತ್ತು ಕಾನೂನು ಜವಾಬ್ದಾರಿಯು ಸಮರ್ಥ ತಜ್ಞರೊಂದಿಗೆ ಇರುತ್ತದೆ. ಎಂಜಿನಿಯರಿಂಗ್ ಮತ್ತು ಸುರಕ್ಷತೆ-ನಿರ್ಣಾಯಕ ನಿರ್ಧಾರಗಳಲ್ಲಿ, AI ತಜ್ಞರ ಅನುಮೋದನೆಗೆ ಪರ್ಯಾಯವಾಗಿಲ್ಲ.

2. ನೀವು ಅಪಾಯದ ಮಟ್ಟದಿಂದ ಭೂದೃಶ್ಯ ಯೋಜನೆಯಲ್ಲಿ ನಿರ್ಧಾರಗಳನ್ನು ಮುರಿದಾಗ, ಕೆಳಗಿನವುಗಳಲ್ಲಿ ಯಾವುದು 'ಹೆಚ್ಚಿನ ಅಪಾಯ (ತಜ್ಞರ ಅನುಮೋದನೆ ಅಗತ್ಯವಿದೆ)' ಬಕೆಟ್‌ಗೆ ಸೇರುತ್ತದೆ?

  • ಎ) ಪರಿಕಲ್ಪನೆಯ ಪಠ್ಯವನ್ನು ಬರೆಯುವುದು
  • ಬಿ) ಮೂಡ್‌ಬೋರ್ಡ್ ಕಲ್ಪನೆಯನ್ನು ರಚಿಸುವುದು
  • ಸಿ) ಗೋಡೆಯ ಸ್ಥಿರತೆ ಮತ್ತು ಮಕ್ಕಳ ಆಟದ ಮೈದಾನ ಸುರಕ್ಷತೆ ✔
  • ಡಿ) ಪ್ರಸ್ತುತಿ ಶೀರ್ಷಿಕೆ ಸಲಹೆಯನ್ನು ಪಡೆಯುವುದು

ವಿವರಣೆ: ಇಂಜಿನಿಯರಿಂಗ್ ಮತ್ತು ಸುರಕ್ಷತೆ-ನಿರ್ಣಾಯಕ ಸಮಸ್ಯೆಗಳಾದ ಉಳಿಸಿಕೊಳ್ಳುವ ಗೋಡೆಯ ಸ್ಟ್ಯಾಟಿಕ್ಸ್, ಮರದ ಬೇರು-ಸಬ್ಸ್ಟ್ರಕ್ಚರ್ ಸಂಘರ್ಷ, ವಿಷಕಾರಿ/ಆಕ್ರಮಣಕಾರಿ ಸಸ್ಯಗಳು ಮತ್ತು ಮಕ್ಕಳ ಆಟದ ಮೈದಾನದ ಸುರಕ್ಷತೆಯು ಹೆಚ್ಚಿನ ಅಪಾಯವನ್ನು ಹೊಂದಿದೆ; ಇಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಸಹಾಯಕ ಮಾತ್ರ, ಅಂತಿಮ ನಿರ್ಧಾರವು ತಜ್ಞರಿಗೆ ಸೇರಿದೆ. ಪರಿಕಲ್ಪನೆಯ ಪಠ್ಯ ಮತ್ತು ಮೂಡ್‌ಬೋರ್ಡ್ ಕಡಿಮೆ ಅಪಾಯವನ್ನು ಹೊಂದಿದೆ.

3. ಪರಿಕಲ್ಪನೆಯ ಅಭಿವೃದ್ಧಿ ಹಂತದಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಬಳಸಲು ಅತ್ಯಂತ ಪರಿಣಾಮಕಾರಿ ಮಾರ್ಗ ಯಾವುದು?

  • ಎ) ವಿವಿಧ ಥೀಮ್‌ಗಳನ್ನು ರಚಿಸುವುದು ಮತ್ತು ಸಂದರ್ಭ ಫಿಲ್ಟರ್ ಮೂಲಕ ಹಾದುಹೋಗುವ ಮೂಲಕ ಅವುಗಳನ್ನು ಆಯ್ಕೆ ಮಾಡುವುದು ಮತ್ತು ಆಳಗೊಳಿಸುವುದು ✔
  • ಬಿ) ಒಂದೇ 'ಉತ್ತಮ ಪರಿಕಲ್ಪನೆ'ಯನ್ನು ಕೇಳುವುದು ಮತ್ತು ಅದನ್ನು ನೇರವಾಗಿ ಕಾರ್ಯಗತಗೊಳಿಸುವುದು
  • ಸಿ) ಸಂದರ್ಭವನ್ನು ನೀಡದೆ ಸಾಮಾನ್ಯ ಪರಿಕಲ್ಪನೆಯನ್ನು ಕೇಳುವುದು
  • ಡಿ) ಯಾವುದೇ ಟೀಕೆಗಳಿಲ್ಲದೆ ಪರಿಕಲ್ಪನೆಯನ್ನು ತಲುಪಿಸುವುದು

ವಿವರಣೆ: ಮಾನವನ ಮನಸ್ಸು ಮೊದಲ 2-3 ವಿಚಾರಗಳ ಮೇಲೆ ಸ್ಥಿರವಾಗಿ ನಿಲ್ಲುತ್ತದೆ. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ನಿಜವಾದ ಶಕ್ತಿಯೆಂದರೆ ಅದು ವಿವಿಧ ವಿಷಯಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ ಮತ್ತು ಹೋಲಿಸುತ್ತದೆ; ಆಯ್ಕೆ, ಆಳವಾಗುವುದು ಮತ್ತು ಮಾಲೀಕತ್ವವು ಮನುಷ್ಯನಿಗೆ ಸೇರಿದೆ. ಒಂದೇ ಒಂದು 'ಅತ್ಯುತ್ತಮ' ಶಿಫಾರಸನ್ನು ಕೇಳುವುದು ಆ ಶಕ್ತಿಯನ್ನು ವ್ಯರ್ಥಗೊಳಿಸುತ್ತದೆ.

4. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯೊಂದಿಗೆ ತಯಾರಿಸಲಾದ ರೆಂಡರ್ (ಇಮೇಜ್) ಅನ್ನು ಗ್ರಾಹಕರಿಗೆ ಪ್ರಸ್ತುತಪಡಿಸುವಾಗ ಯಾವ ತತ್ವವು ಅವಶ್ಯಕವಾಗಿದೆ?

  • ಎ) ದೃಷ್ಟಿಗೋಚರವನ್ನು ಅನ್ವಯಿಸಲು ನಿರ್ಣಾಯಕ ಮತ್ತು ನಿಖರವಾದ ವೀಕ್ಷಣೆಯಾಗಿ ಪ್ರಸ್ತುತಪಡಿಸಲಾಗಿದೆ.
  • ಬಿ) ದೃಶ್ಯ ಪ್ರಮಾಣದ ತಾಂತ್ರಿಕ ದಾಖಲೆ ಎಂದು ಪರಿಗಣಿಸಲಾಗಿದೆ
  • ಸಿ) ದೃಶ್ಯ ಪ್ರಾತಿನಿಧ್ಯವು ವಾತಾವರಣವಾಗಿದೆ; ದೃಢೀಕರಣಕ್ಕಾಗಿ ಪರಿಶೀಲಿಸಲಾಗಿದೆ ಮತ್ತು ತಾಂತ್ರಿಕ ಹಾಳೆಗಳೊಂದಿಗೆ ಸರಬರಾಜು ಮಾಡಲಾಗಿದೆ ✔
  • ಡಿ) ಪರಿಶೀಲನೆ ಇಲ್ಲದೆಯೇ ಚಿತ್ರವನ್ನು ನೇರವಾಗಿ ಅಪ್ಲಿಕೇಶನ್‌ಗೆ ವರ್ಗಾಯಿಸಲಾಗುತ್ತದೆ

ವಿವರಣೆ: ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ದೃಶ್ಯಗಳು ಸಂವಹನ ಮತ್ತು ವಾತಾವರಣದ ಸಾಧನವಾಗಿದೆ; ಇದು ಅಳೆಯಲು ಅಲ್ಲ ಮತ್ತು ವಾಸ್ತವದಲ್ಲಿ ಸ್ಥಾಪಿಸಲಾಗದ ಅಂಶಗಳನ್ನು ಹೊಂದಿರಬಹುದು (ಉತ್ಪ್ರೇಕ್ಷಿತ ಸಾಂದ್ರತೆ, ಹವಾಮಾನಕ್ಕೆ ಪರಿಚಯವಿಲ್ಲದ ಸಸ್ಯಗಳು). ಆದ್ದರಿಂದ, ಇದು 'ಪ್ರತಿನಿಧಿ ವಾತಾವರಣ' ಎಂದು ಹೇಳಬೇಕು ಮತ್ತು ತಾಂತ್ರಿಕ ಹಾಳೆಗಳೊಂದಿಗೆ ಪ್ರಸ್ತುತಪಡಿಸಬೇಕು.

5. ಪ್ರದೇಶ ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿ ಕಥಾವಸ್ತುವಿನ ಸರಾಸರಿ ಇಳಿಜಾರಿನ ಬಗ್ಗೆ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಕೇಳುವುದು ಏಕೆ ತಪ್ಪಾಗಿದೆ?

  • ಎ) ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಸ್ಥಾನಿಕ ಅಳತೆಗಳನ್ನು ಮಾಡಲು ಸಾಧ್ಯವಿಲ್ಲ ಮತ್ತು ಸಂಖ್ಯೆಯನ್ನು ಮಾಡಬಹುದು; GIS/ಕ್ಷೇತ್ರದ ಮಾಪನದಿಂದ ತೆಗೆದುಕೊಳ್ಳಲಾದ ಮಾಪನ ✔
  • ಬಿ) ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಇಳಿಜಾರನ್ನು ಸರಿಯಾಗಿ ಲೆಕ್ಕಾಚಾರ ಮಾಡುತ್ತದೆ ಆದರೆ ನಿಧಾನವಾಗಿರುತ್ತದೆ
  • ಸಿ) ಇಳಿಜಾರು ಒಂದು ಪ್ರಮುಖವಲ್ಲದ ಡೇಟಾ, ಕೇಳುವ ಅಗತ್ಯವಿಲ್ಲ
  • ಡಿ) ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಚದರ ಮೀಟರ್‌ಗಳನ್ನು ಮಾತ್ರ ಲೆಕ್ಕಾಚಾರ ಮಾಡುತ್ತದೆ, ಇಳಿಜಾರು ಅಲ್ಲ, ಆದರೆ ದೂರವನ್ನು ಲೆಕ್ಕಹಾಕುತ್ತದೆ

ವಿವರಣೆ: ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಕಥಾವಸ್ತುವನ್ನು ನೋಡುವುದಿಲ್ಲ ಮತ್ತು ಪ್ರಾದೇಶಿಕ ಅಳತೆಗಳನ್ನು ಮಾಡಲು ಸಾಧ್ಯವಿಲ್ಲ; ಅಂತಹ ಪ್ರಶ್ನೆಯು ಆತ್ಮವಿಶ್ವಾಸದ ಆದರೆ ಆಧಾರರಹಿತ ಸಂಖ್ಯೆಯನ್ನು ಉಂಟುಮಾಡಬಹುದು. ಇಳಿಜಾರು, ಪ್ರದೇಶ ಮತ್ತು ದೂರದಂತಹ ಅಳತೆಗಳನ್ನು GIS ಅಥವಾ ಕ್ಷೇತ್ರ ಸಮೀಕ್ಷೆಯಿಂದ ತೆಗೆದುಕೊಳ್ಳಲಾಗುತ್ತದೆ; ನೀಡಲಾದ ಅಳೆಯಲಾದ ಡೇಟಾವನ್ನು ಅರ್ಥೈಸಲು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಮಾತ್ರ ಬಳಸಲಾಗುತ್ತದೆ.

6. ಸಸ್ಯ ಆಯ್ಕೆಯಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಬಳಸುವ ಅತ್ಯಂತ ನಿರ್ಣಾಯಕ ನಿಯಮ ಯಾವುದು?

  • ಎ) ಅಭ್ಯರ್ಥಿ ಪಟ್ಟಿಗೆ AI ಅನ್ನು ಬಳಸಿ ಮತ್ತು ಸ್ಥಳೀಯ ಹವಾಮಾನ, ಆಕ್ರಮಣಕಾರಿ ಪಟ್ಟಿ, ವಿಷತ್ವ ಮತ್ತು ಮಾರುಕಟ್ಟೆಯೊಂದಿಗೆ ಪ್ರತಿ ಜಾತಿಯನ್ನು ಮೌಲ್ಯೀಕರಿಸಿ ✔
  • ಬಿ) AI ಸೂಚಿಸಿದ ಪಟ್ಟಿಯನ್ನು ನೇರವಾಗಿ ಯೋಜನೆಗೆ ಹಾಕುವುದು, ಏಕೆಂದರೆ ಇದು ಜಾಗತಿಕ ಡೇಟಾವನ್ನು ಆಧರಿಸಿದೆ
  • ಸಿ) ದೃಷ್ಟಿಗೆ ಆಕರ್ಷಕವಾಗಿ ಕಾಣುವ ಜಾತಿಗಳನ್ನು ಮಾತ್ರ ಆಯ್ಕೆ ಮಾಡುವುದು
  • ಡಿ) ಪ್ರಾಯೋಗಿಕವಾಗಿರುವ ಜಾತಿಗಳಿಗೆ ಆದ್ಯತೆ ನೀಡುವುದು ಏಕೆಂದರೆ ಅವುಗಳು ತ್ವರಿತವಾಗಿ ಬೆಳೆಯುತ್ತವೆ, ಅವುಗಳನ್ನು ಪರಿಶೀಲಿಸದೆ.

ವಿವರಣೆ: ಜಾಗತಿಕ ಸರಾಸರಿಯಿಂದ AI ಕಲಿಯುವುದರಿಂದ, ಹವಾಮಾನ ವಲಯ, ಆಕ್ರಮಣಕಾರಿ ಸ್ಥಿತಿ, ವಿಷತ್ವ ಮತ್ತು ಮಾರುಕಟ್ಟೆಯ ಬಗ್ಗೆ ಅದು ತಪ್ಪಾಗಿರಬಹುದು. ಆದ್ದರಿಂದ ಇದನ್ನು ಅಭ್ಯರ್ಥಿ ಪಟ್ಟಿ ಜನರೇಟರ್ ಆಗಿ ಮಾತ್ರ ಬಳಸಲಾಗುತ್ತದೆ; ಪ್ರತಿ ಜಾತಿಯನ್ನು ಸ್ಥಳೀಯ ಹವಾಮಾನ ವಲಯ, ಆಕ್ರಮಣಕಾರಿ ಜಾತಿಗಳ ಪಟ್ಟಿ, ವಿಷತ್ವ ಮತ್ತು ಸಸಿಗಳ ಲಭ್ಯತೆಗಾಗಿ ಪರಿಶೀಲಿಸಲಾಗುತ್ತದೆ. ಪರಿಶೀಲಿಸದ ಪ್ರಕಾರವು ಯೋಜನೆಗೆ ಪ್ರವೇಶಿಸುವುದಿಲ್ಲ.

7. ಮಳೆನೀರು ನಿರ್ವಹಣೆಯಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಪಾತ್ರ ಮತ್ತು ಎಂಜಿನಿಯರ್ ಪಾತ್ರವು ಹೇಗೆ ಭಿನ್ನವಾಗಿದೆ?

  • ಎ) ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ತಂತ್ರ ಮತ್ತು ಸಾಮರ್ಥ್ಯದ ಲೆಕ್ಕಾಚಾರಗಳನ್ನು ಸುರಕ್ಷಿತವಾಗಿ ಮಾಡುತ್ತದೆ
  • ಬಿ) ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ತಂತ್ರ ಮತ್ತು ಉದ್ಯೋಗ ಕಲ್ಪನೆಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ; ಆಯಾಮ ಮತ್ತು ಸಾಮರ್ಥ್ಯವು ಇಂಜಿನಿಯರ್ ಲೆಕ್ಕಾಚಾರ ಮತ್ತು ಅನುಮೋದನೆ ✔
  • ಸಿ) ಎಂಜಿನಿಯರ್ ತಂತ್ರವನ್ನು ಮಾತ್ರ ನಿರ್ಧರಿಸುತ್ತಾನೆ, ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಲೆಕ್ಕಾಚಾರಗಳನ್ನು ಮಾಡುತ್ತದೆ
  • ಡಿ) ಗಾತ್ರವು ಮುಖ್ಯವಲ್ಲ; ನೀರು ಹರಿಯುವ ದಿಕ್ಕು ಸಾಕು

ವಿವರಣೆ: ಮಳೆ ತೋಟಗಳು ಮತ್ತು ಬಯೋಸ್ವೇಲ್‌ಗಳಂತಹ ಪರಿಹಾರಗಳ ಕಲ್ಪನೆ ಮತ್ತು ನಿಯೋಜನೆಯು ವಿನ್ಯಾಸ ನಿರ್ಧಾರಗಳು ಮತ್ತು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಇಲ್ಲಿ ಸಹಾಯ ಮಾಡುತ್ತದೆ. ಆದಾಗ್ಯೂ, ಗಾತ್ರ, ಸಾಮರ್ಥ್ಯ ಮತ್ತು ಪ್ರವಾಹ ಸುರಕ್ಷತೆಗೆ ಹೈಡ್ರಾಲಿಕ್ ಲೆಕ್ಕಾಚಾರಗಳು ಮತ್ತು ಇಂಜಿನಿಯರ್ ಅನುಮೋದನೆಯ ಅಗತ್ಯವಿರುತ್ತದೆ; ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಹರಿವಿನ ಪ್ರಮಾಣ/ಸಾಮರ್ಥ್ಯವನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡಲು ಸಾಧ್ಯವಿಲ್ಲ ಏಕೆಂದರೆ ತಪ್ಪಾದ ಗಾತ್ರವು ಪ್ರವಾಹ ಅಥವಾ ಕುಸಿತ ಎಂದರ್ಥ.

8. ವಿನ್ಯಾಸದ ಸಮರ್ಥನೀಯತೆಯನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡುವಾಗ ಅತ್ಯಂತ ನಿಖರವಾದ ವಿಧಾನ ಯಾವುದು?

  • ಎ) ವಿನ್ಯಾಸವು ಹಸಿರು ಬಣ್ಣದ್ದಾಗಿದೆ, ಅದು ಹೆಚ್ಚು ಸಮರ್ಥನೀಯವಾಗಿರುತ್ತದೆ
  • B) ನೀರು, ಪ್ರವೇಶಸಾಧ್ಯತೆ, ಸ್ಥಳೀಯ ದರ, ನೆರಳು, ನಿರ್ವಹಣೆ ಮತ್ತು ಜೀವವೈವಿಧ್ಯದಂತಹ ಅಳೆಯಬಹುದಾದ ವಿಷಯಗಳಲ್ಲಿ ಸಮರ್ಥನೀಯತೆಯನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡುವುದು ✔
  • ಸಿ) ಗಿಡಗಳ ಸಂಖ್ಯೆಯನ್ನು ಹೆಚ್ಚಿಸಿದರೆ ಸಾಕು
  • ಡಿ) ನಿರ್ವಹಣಾ ವೆಚ್ಚವನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳದೆ ತೀವ್ರವಾದ ನೆಡುವಿಕೆ

ವಿವರಣೆ: 'ಹಸಿರು ಕಾಣುವುದು' ಸಮರ್ಥನೀಯತೆ ಅಲ್ಲ; ಬಹಳಷ್ಟು ನೀರನ್ನು ಸೇವಿಸುವ ಒಂದೇ ಜಾತಿಯ ಹಸಿರು ಜಾಗವು ಪರಿಸರ ವಿಜ್ಞಾನದ ದೃಷ್ಟಿಯಿಂದ ಕಳಪೆ ಮತ್ತು ದುಬಾರಿಯಾಗಬಹುದು. ನೀರು, ಪ್ರವೇಶಸಾಧ್ಯತೆ, ಸ್ಥಳೀಯ ಜಾತಿಗಳ ದರ, ನೆರಳು, ನಿರ್ವಹಣೆ ಮತ್ತು ಜೀವವೈವಿಧ್ಯತೆಯಂತಹ ಅಳೆಯಬಹುದಾದ ವಿಷಯಗಳ ಮೇಲೆ ಸಮರ್ಥನೀಯತೆಯನ್ನು ಸ್ಕೋರ್ ಮಾಡುವುದು ಮತ್ತು ದುರ್ಬಲ ಅಂಶಗಳನ್ನು ಸುಧಾರಿಸುವುದು ಸರಿಯಾದ ವಿಧಾನವಾಗಿದೆ.

9. ತಾಂತ್ರಿಕ ಡ್ರಾಯಿಂಗ್ ಹಂತದಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ನೀಡಿದ ಉಳಿಸಿಕೊಳ್ಳುವ ಗೋಡೆಯ 'ಮಾದರಿ ವಿಭಾಗದಲ್ಲಿ' ಮಾಪನ ಮತ್ತು ಬಲವರ್ಧನೆಯ ಮೌಲ್ಯಗಳಿಗೆ ಏನು ಮಾಡಬೇಕು?

  • ಎ) AI ಮಾನದಂಡಗಳನ್ನು ತಿಳಿದಿರುವ ಕಾರಣ ಮೌಲ್ಯಗಳನ್ನು ನೇರವಾಗಿ ಯೋಜನೆಗೆ ನಕಲಿಸಬಹುದು
  • ಬಿ) ಮೌಲ್ಯಗಳು ಪ್ರತಿನಿಧಿಸುತ್ತವೆ; ಸ್ಥಿರ ವಿವರವನ್ನು ನೆಲದ ಸಮೀಕ್ಷೆ ಮತ್ತು ಇಂಜಿನಿಯರ್ ಲೆಕ್ಕಾಚಾರದಿಂದ ನಿರ್ಧರಿಸಲಾಗುತ್ತದೆ, ಪರಿಶೀಲನೆ ಇಲ್ಲದೆ ಡ್ರಾಯಿಂಗ್ನಲ್ಲಿ ಸೇರಿಸಲಾಗಿಲ್ಲ ✔
  • ಸಿ) ಮೌಲ್ಯಗಳು ಸೌಂದರ್ಯದ ಉದ್ದೇಶಗಳಿಗಾಗಿ ಮಾತ್ರ, ಅವುಗಳಿಗೆ ಸ್ಥಿರತೆಯೊಂದಿಗೆ ಯಾವುದೇ ಸಂಬಂಧವಿಲ್ಲ
  • ಡಿ) ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಒದಗಿಸಿದ ಸಲಕರಣೆಗಳ ಮೌಲ್ಯವು ಯಾವಾಗಲೂ ಸುರಕ್ಷಿತ ಭಾಗದಲ್ಲಿ ಉಳಿಯುತ್ತದೆ

ವಿವರಣೆ: ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಸ್ಕೇಲ್ಡ್/ಸ್ಟಾಟಿಕ್ ಡ್ರಾಯಿಂಗ್‌ಗಳನ್ನು ಉತ್ಪಾದಿಸುವುದಿಲ್ಲ ಮತ್ತು ಅದು ಒದಗಿಸುವ ಅಳತೆಗಳು, ಎತ್ತರಗಳು ಮತ್ತು ಬಲವರ್ಧನೆಯ ಮೌಲ್ಯಗಳು ಪ್ರತಿನಿಧಿಸುತ್ತವೆ. ಸ್ಥಿರ ವಿವರ; ನೆಲದ ಸಮೀಕ್ಷೆ ಮತ್ತು ಎಂಜಿನಿಯರ್ ಲೆಕ್ಕಾಚಾರಗಳಿಂದ ಇದನ್ನು ನಿರ್ಧರಿಸಲಾಗುತ್ತದೆ. ಪರಿಶೀಲನೆಯಿಲ್ಲದೆ ಈ ಮೌಲ್ಯಗಳನ್ನು ಡ್ರಾಯಿಂಗ್‌ಗೆ ವರ್ಗಾಯಿಸಲಾಗುವುದಿಲ್ಲ, ಇದು ಭದ್ರತೆ-ನಿರ್ಣಾಯಕ ವಿವರಗಳಿಗೆ ವಿಶೇಷವಾಗಿ ಮುಖ್ಯವಾಗಿದೆ.

10. ವಿಭಿನ್ನ ಪ್ರೇಕ್ಷಕರಿಗೆ ಒಂದೇ ಭೂದೃಶ್ಯ ಯೋಜನೆಯನ್ನು ಪ್ರಸ್ತುತಪಡಿಸುವಾಗ ಅತ್ಯಂತ ಪರಿಣಾಮಕಾರಿ ವಿಧಾನ ಯಾವುದು?

  • ಎ) ಎಲ್ಲರಿಗೂ ಒಂದೇ ತಾಂತ್ರಿಕ ಪಠ್ಯವನ್ನು ಪ್ರಸ್ತುತಪಡಿಸುವುದು
  • ಬಿ) ಪರಿಣಾಮವನ್ನು ಹೆಚ್ಚಿಸಲು ಉಳಿತಾಯ ಮತ್ತು ಲಾಭದ ಅಂಕಿಅಂಶಗಳನ್ನು ಉತ್ಪ್ರೇಕ್ಷಿಸುವುದು
  • ಸಿ) ಪ್ರತಿ ಪ್ರೇಕ್ಷಕರಿಗೆ ಅವರು ತಮ್ಮ ಸ್ವಂತ ಭಾಷೆಯಲ್ಲಿ ಏನು ಕಾಳಜಿ ವಹಿಸುತ್ತಾರೆ ಎಂಬುದನ್ನು ತಿಳಿಸಲು ವಿನ್ಯಾಸದ ಸಾರವನ್ನು ಅಳವಡಿಸಿಕೊಳ್ಳುವುದು ✔
  • ಡಿ) ತಾಂತ್ರಿಕ ತೀರ್ಪುಗಾರರಿಗೆ ಮಾತ್ರ ಪ್ರಸ್ತುತಿಯನ್ನು ಸಿದ್ಧಪಡಿಸುವುದು ಸಾಕು.

ವಿವರಣೆ: ಹೂಡಿಕೆದಾರರು ವೆಚ್ಚ ಮತ್ತು ಮೌಲ್ಯದ ಬಗ್ಗೆ ಕಾಳಜಿ ವಹಿಸುತ್ತಾರೆ, ನೆರೆಹೊರೆಯವರು ದೈನಂದಿನ ಪ್ರಯೋಜನಗಳು ಮತ್ತು ಸುರಕ್ಷತೆಯ ಬಗ್ಗೆ ಕಾಳಜಿ ವಹಿಸುತ್ತಾರೆ, ತೀರ್ಪುಗಾರರು ಪರಿಕಲ್ಪನೆ ಮತ್ತು ತಂತ್ರದ ಬಗ್ಗೆ ಕಾಳಜಿ ವಹಿಸುತ್ತಾರೆ. ಪ್ರತಿ ಪ್ರೇಕ್ಷಕರಿಗೆ ಅವರು ಏನು ಕಾಳಜಿ ವಹಿಸುತ್ತಾರೆ ಎಂಬುದನ್ನು ಅವರು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಬಹುದಾದ ಭಾಷೆಯಲ್ಲಿ ವಿವರಿಸುವ ಒಂದೇ ವಿನ್ಯಾಸದ ಸಾರವನ್ನು ವಿವರಿಸುವುದು; ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಫ್ರೇಮ್-ಅನುವಾದ ಶಕ್ತಿಯ ಲಾಭವನ್ನು ಪಡೆದುಕೊಳ್ಳುವುದು ಅತ್ಯಂತ ಪರಿಣಾಮಕಾರಿ ಮಾರ್ಗವಾಗಿದೆ. ಅದನ್ನು ಎಲ್ಲರಿಗೂ ಒಂದೇ ಭಾಷೆಯಲ್ಲಿ ವಿವರಿಸುವುದು ಸಾಮಾನ್ಯ ತಪ್ಪು.

11. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಹೊಂದಿದ್ದು ಉದ್ಯಾನವನದ ಒಟ್ಟು ವೆಚ್ಚವನ್ನು ನೇರವಾಗಿ ಲೆಕ್ಕಾಚಾರ ಮಾಡುವುದು ಏಕೆ ತಪ್ಪಾಗಿದೆ?

  • ಎ) ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಪ್ರಸ್ತುತ ಮಾರುಕಟ್ಟೆ ಬೆಲೆಗಳನ್ನು ಯಾವಾಗಲೂ ತಿಳಿದಿರುತ್ತದೆ
  • ಬಿ) ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ವೆಚ್ಚವನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡುತ್ತದೆ ಆದರೆ ದೊಡ್ಡ ಯೋಜನೆಗಳಲ್ಲಿ ಮಾತ್ರ ತಪ್ಪಾಗಿದೆ
  • ಸಿ) ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗೆ ಯೋಜನೆಯ ನಿಜವಾದ ಉದ್ದ ಮತ್ತು ಪ್ರಸ್ತುತ ಬೆಲೆಗಳು ತಿಳಿದಿಲ್ಲ; ನೀಡಿರುವ ಮೊತ್ತವು ಪ್ರಾತಿನಿಧಿಕವಾಗಿದೆ, ಆಫರ್ ಅಲ್ಲ ✔
  • ಡಿ) ವೆಚ್ಚವು ಮುಖ್ಯವಲ್ಲ, ವಿನ್ಯಾಸದ ಸೌಂದರ್ಯವು ಮುಖ್ಯವಾಗಿದೆ

ವಿವರಣೆ: ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗೆ ನಿಮ್ಮ ಯೋಜನೆಯ ನಿಜವಾದ ಉದ್ದ ಅಥವಾ ಪ್ರಸ್ತುತ ಸ್ಥಳೀಯ ಘಟಕ ಬೆಲೆಗಳು ತಿಳಿದಿಲ್ಲ; ನೀಡಲಾದ ಮೊತ್ತವು ಸಂಪೂರ್ಣವಾಗಿ ಪ್ರತಿನಿಧಿಯಾಗಿದೆ ಮತ್ತು ಕೊಡುಗೆಯಲ್ಲ. ಸರಿಯಾದ ಮಾರ್ಗವೆಂದರೆ ಪ್ರಾಜೆಕ್ಟ್ ಡೇಟಾದಿಂದ ನಿಜವಾದ ಪ್ರಮಾಣ ಮತ್ತು ಮಾರುಕಟ್ಟೆಯಿಂದ ಘಟಕದ ಬೆಲೆಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುವುದು ಮತ್ತು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಟೇಬಲ್ ಅನ್ನು ಮಾತ್ರ ಸಂಪಾದಿಸುವುದು.

12. ಶಾಸನಕ್ಕೆ ಸಂಬಂಧಿಸಿದಂತೆ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಬಳಸುವಾಗ ಅತ್ಯಂತ ಅಪಾಯಕಾರಿ ಅಪಾಯ ಮತ್ತು ಸರಿಯಾದ ಮುನ್ನೆಚ್ಚರಿಕೆ ಯಾವುದು?

  • ಎ) ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಶಾಸನವನ್ನು ಹೃದಯದಿಂದ ತಿಳಿದಿರುವುದರಿಂದ, ಅದರ ಲೇಖನಗಳನ್ನು ನಂಬಬಹುದು
  • ಬಿ) ಶಾಸನವು ಸಾರ್ವತ್ರಿಕವಾಗಿದೆ, ಸ್ಥಳೀಯ ದೃಢೀಕರಣದ ಅಗತ್ಯವಿಲ್ಲ
  • ಸಿ) ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ನೀಡಿದ ಐಟಂ ಸಂಖ್ಯೆ ಯಾವಾಗಲೂ ನವೀಕೃತವಾಗಿರುತ್ತದೆ.
  • ಡಿ) ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲದ ವಿಷಯವನ್ನು ಮಾಡಬಹುದು; ಪ್ರತಿ ನಿಬಂಧನೆಯನ್ನು ಅಧಿಕೃತ ಅಪ್-ಟು-ಡೇಟ್ ಮೂಲ ಮತ್ತು ಪ್ರಾಧಿಕಾರದಿಂದ ದೃಢೀಕರಿಸಬೇಕು ✔

ವಿವರಣೆ: ಶಾಸನವು ಸ್ಥಳೀಯವಾಗಿದೆ, ಪ್ರಸ್ತುತ ಮತ್ತು ವ್ಯಾಖ್ಯಾನಕ್ಕೆ ಮುಕ್ತವಾಗಿದೆ; AI ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲದ ಐಟಂ ಸಂಖ್ಯೆ ಅಥವಾ ನಿಯಮವನ್ನು ರಚಿಸಬಹುದು (ಭ್ರಮೆ). ಯಾವುದೇ ನಿಬಂಧನೆಯನ್ನು ಪರಿಶೀಲಿಸದೆ ಬಳಸದಿರುವುದು ಸರಿಯಾದ ಮುನ್ನೆಚ್ಚರಿಕೆ; ನೀವು ಒದಗಿಸುವ ಅಧಿಕೃತ ಪಠ್ಯವನ್ನು ಸಂಕ್ಷಿಪ್ತಗೊಳಿಸಲು, ಪರಿಶೀಲನಾಪಟ್ಟಿ ಮತ್ತು ಪ್ರಶ್ನೆಗಳನ್ನು ಅಧಿಕೃತರಿಗೆ ರಚಿಸಲು ಮತ್ತು ಅಧಿಕೃತ ಪ್ರಸ್ತುತ ಮೂಲದಿಂದ ಐಟಂಗಳನ್ನು ಖಚಿತಪಡಿಸಲು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಬಳಸುವುದು.

13. ಗ್ರಾಹಕರ ಒಪ್ಪಂದ ಮತ್ತು ಪಾರ್ಸೆಲ್ ಮಾಹಿತಿಯಂತಹ ಡೇಟಾದೊಂದಿಗೆ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಬಳಕೆಗೆ ಯಾವ ತತ್ವವು ಅನ್ವಯಿಸುತ್ತದೆ?

  • ಎ) ಎಲ್ಲಾ ದಾಖಲೆಗಳನ್ನು ಹಾಗೆಯೇ ಅಪ್‌ಲೋಡ್ ಮಾಡಬಹುದು, ಏಕೆಂದರೆ ವೇಗವು ಮುಖ್ಯವಾಗಿದೆ
  • ಬಿ) AI ಗೆ ಒಪ್ಪಂದದ ಡೇಟಾವು ಮುಖ್ಯವಲ್ಲ, ಅದನ್ನು ನಿರ್ಲಕ್ಷಿಸಲಾಗಿದೆ
  • ಸಿ) ವೈಯಕ್ತಿಕ ಡೇಟಾ ಎಂದು ಪರಿಗಣಿಸದ ಕಾರಣ ಪಾರ್ಸೆಲ್ ಮಾಹಿತಿಯನ್ನು ಮುಕ್ತವಾಗಿ ಹಂಚಿಕೊಳ್ಳಬಹುದು.
  • ಡಿ) ಗೌಪ್ಯ ಮತ್ತು ವೈಯಕ್ತಿಕ ಡೇಟಾವನ್ನು ನಿಯಂತ್ರಣವಿಲ್ಲದೆ ಹಂಚಿಕೊಳ್ಳಲಾಗುವುದಿಲ್ಲ; ಅಗತ್ಯವಿದ್ದರೆ ಅನಾಮಧೇಯವಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ ✔

ವಿವರಣೆ: ಗ್ರಾಹಕರ ಗುರುತು, ಪಾರ್ಸೆಲ್ ಮಾಹಿತಿ, ಒಪ್ಪಂದ ಮತ್ತು ವೈಯಕ್ತಿಕ ಡೇಟಾವನ್ನು ಅನಿಯಂತ್ರಿತ ರೀತಿಯಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಸಾಧನಗಳಿಗೆ ಅಪ್‌ಲೋಡ್ ಮಾಡಬಾರದು. ಅಗತ್ಯವಿದ್ದರೆ, ಅನಾಮಧೇಯತೆಯ ಮೂಲಕ ಡೇಟಾವನ್ನು ಹಂಚಿಕೊಳ್ಳಲಾಗುತ್ತದೆ. ಗೌಪ್ಯತೆಯು ಮಾಡ್ಯೂಲ್‌ನಾದ್ಯಂತ ಒತ್ತಿಹೇಳಲಾದ ಪ್ರಮುಖ ನೈತಿಕ ತತ್ವಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ.

14. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯೊಂದಿಗೆ ಯೋಜನೆಯನ್ನು ಅಂತ್ಯದಿಂದ ಅಂತ್ಯಕ್ಕೆ ಚಾಲನೆ ಮಾಡುವಾಗ ಮೂರು ಸ್ಥಿರ ತತ್ವಗಳು ಯಾವುವು?

  • ಎ) ಒಂದೇ ವಿನಂತಿಯಲ್ಲಿ ಎಲ್ಲವನ್ನೂ ವಿನಂತಿಸಿ, ಫಲಿತಾಂಶವನ್ನು ಪರಿಶೀಲಿಸಿ, ತಲುಪಿಸಿ
  • ಬಿ) ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ನಿರ್ಧರಿಸುತ್ತದೆ, ಮಾನವರು ಮಾತ್ರ ಕಾರ್ಯಗತಗೊಳಿಸುತ್ತಾರೆ
  • ಸಿ) ಪರಿಶೀಲನೆಗಳನ್ನು ಒಟ್ಟುಗೂಡಿಸಿ ಮತ್ತು ಯೋಜನೆಯ ಕೊನೆಯಲ್ಲಿ ಎಲ್ಲವನ್ನೂ ಒಂದೇ ಬಾರಿಗೆ ಮಾಡಿ
  • ಡಿ) ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಉತ್ಪಾದಿಸುತ್ತದೆ, ಮಾನವರು ಆಯ್ಕೆ ಮಾಡುತ್ತಾರೆ ಮತ್ತು ಹೊಂದಿದ್ದಾರೆ; ಪ್ರತಿ ನಿರ್ಣಾಯಕ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಪರಿಶೀಲಿಸಲಾಗುತ್ತದೆ; ನಿರ್ಧಾರ ಮತ್ತು ಸಹಿ ತಜ್ಞರಿಗೆ ಸೇರಿದೆ ✔

ವಿವರಣೆ: ಎಂಡ್-ಟು-ಎಂಡ್ ವರ್ಕ್‌ಫ್ಲೋನಲ್ಲಿ, ಪ್ರತಿ ಹಂತದಲ್ಲೂ ಮೂರು ತತ್ವಗಳನ್ನು ಪುನರಾವರ್ತಿಸಲಾಗುತ್ತದೆ: AI ಪ್ರಕಾರಗಳು ಮತ್ತು ವೇಗವರ್ಧನೆಗಳು, ಮಾನವರು ಆಯ್ಕೆ ಮಾಡಿಕೊಳ್ಳುತ್ತಾರೆ ಮತ್ತು ಹೊಂದಿದ್ದಾರೆ; ಪ್ರತಿ ಸಂಖ್ಯಾತ್ಮಕ, ಸ್ಥಳೀಯ ಮತ್ತು ಭದ್ರತೆ-ನಿರ್ಣಾಯಕ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಪರಿಶೀಲಿಸಲಾಗುತ್ತದೆ; ನಿರ್ಧಾರ ಮತ್ತು ಸಹಿ ಸಮರ್ಥ ತಜ್ಞರಿಗೆ ಸೇರಿದೆ. ಈ ತತ್ವಗಳನ್ನು ಅನ್ವಯಿಸುವ ವಿಷಯವು ಬದಲಾದರೂ ಸಹ ಸ್ಥಿರವಾಗಿರುತ್ತದೆ.