ಡೀಬಗ್ ಮಾಡುವಿಕೆ ಮತ್ತು ಮೂಲ ಕಾರಣ ವಿಶ್ಲೇಷಣೆ

ಲಾಭಗಳು:

• ದೋಷವನ್ನು ಚಿಕ್ಕ ಪುನರುತ್ಪಾದಕ ನಿದರ್ಶನಕ್ಕೆ ತಗ್ಗಿಸುವ ಮತ್ತು ಪೂರ್ಣ ಪುರಾವೆಯೊಂದಿಗೆ ಅದನ್ನು AI ಗೆ ಸರಿಸುವ ಸಾಮರ್ಥ್ಯ
• ಅಗ್ಗದ ನಿಯಂತ್ರಣದೊಂದಿಗೆ ಪುರಾವೆ ಆಧಾರಿತ ಊಹೆಗಳನ್ನು ಪರೀಕ್ಷಿಸುವ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ಮೂಲ ಕಾರಣವನ್ನು ಕಂಡುಹಿಡಿಯುವುದು
• ರೋಗಲಕ್ಷಣವನ್ನು ಸರಿಪಡಿಸುವ ಬದಲು ಮೂಲ ಕಾರಣವನ್ನು ಪರಿಹರಿಸುವ ಮತ್ತು ಹಿಂಜರಿತ ಪರೀಕ್ಷೆಯೊಂದಿಗೆ ಅದನ್ನು ಸುರಕ್ಷಿತಗೊಳಿಸುವ ಸಾಮರ್ಥ್ಯ

ಡೀಬಗ್ ಮಾಡುವುದು ಸಾಫ್ಟ್‌ವೇರ್ ಏಕೆ ಅನಿರೀಕ್ಷಿತವಾಗಿ ವರ್ತಿಸುತ್ತದೆ ಮತ್ತು ಅದನ್ನು ಸರಿಪಡಿಸುವ ಪ್ರಕ್ರಿಯೆಯಾಗಿದೆ. ಡೆವಲಪರ್ ಹೆಚ್ಚಿನ ಸಮಯವನ್ನು ಕಳೆಯುವ ಮತ್ತು ಹೆಚ್ಚು ದಣಿದಿರುವ ಕೆಲಸ ಇದು; ಏಕೆಂದರೆ ಹೆಚ್ಚಿನ ಸಮಯ ತಪ್ಪು ಅದು ಗೋಚರಿಸುವ ಸ್ಥಳದಲ್ಲಿ ಅಲ್ಲ, ಆದರೆ ಕೆಲವು ಹೆಜ್ಜೆ ಹಿಂದೆ ಮರೆಮಾಡಲಾಗಿದೆ. AI ಈ ಸಂಶೋಧನೆಯನ್ನು ವೇಗಗೊಳಿಸುವ ಶಕ್ತಿಶಾಲಿ ಚಿಂತನೆಯ ಪಾಲುದಾರ - ಆದರೆ ನೀವು ಅದಕ್ಕೆ ಸರಿಯಾದ ಪುರಾವೆಯನ್ನು ನೀಡಿದರೆ ಮಾತ್ರ. ಪುರಾವೆಗಳಿಲ್ಲದೆ ಡೀಬಗ್ ಮಾಡುವುದು AI ಹೆಚ್ಚು ಭ್ರಮೆಗಳನ್ನು ಉಂಟುಮಾಡುವ ಪ್ರದೇಶವಾಗಿದೆ.

ಈ ಘಟಕದಲ್ಲಿ, ದೋಷವನ್ನು ಸೃಷ್ಟಿಸುವುದರಿಂದ ಮೂಲ ಕಾರಣವನ್ನು ಪಡೆಯುವವರೆಗೆ ನಾವು ಶಿಸ್ತಿನ ಹರಿವನ್ನು ಸ್ಥಾಪಿಸುತ್ತೇವೆ: ರೋಗಲಕ್ಷಣವನ್ನು ಸ್ಪಷ್ಟಪಡಿಸುವುದು, ಪುರಾವೆಗಳನ್ನು ಸಂಗ್ರಹಿಸುವುದು (ದೋಷ ಸಂದೇಶ, ಸ್ಟಾಕ್ ಟ್ರೇಸ್, ಲಾಗ್, ನಮೂದು), ಊಹೆಯನ್ನು ರಚಿಸುವುದು, ಊಹೆಯನ್ನು ಪರೀಕ್ಷಿಸುವುದು ಮತ್ತು ಸರಿಪಡಿಸುವಿಕೆಯನ್ನು ಮೌಲ್ಯೀಕರಿಸುವುದು. AI ಪ್ರತಿ ಹಂತದಲ್ಲೂ ಸಹಾಯ ಮಾಡುತ್ತದೆ; ಆದರೆ ದೋಷವು ನಿಜವಾಗಿ ಹೋಗಿದೆ ಎಂದು ನೋಡುವ ಮೂಲಕ "ಸ್ಥಿರ" ನಿರ್ಧಾರವನ್ನು ತೆಗೆದುಕೊಳ್ಳಲಾಗುತ್ತದೆ.

ಪುರಾವೆಗಳು ಎಲ್ಲವೂ ಏಕೆ?

ನೀವು ಮಾಡುವ ರೀತಿಯಲ್ಲಿ LLM ದೋಷವನ್ನು ಕಾಣುವುದಿಲ್ಲ; ನೀವು ಅವನಿಗೆ ಏನು ಹೇಳುತ್ತೀರಿ ಎಂಬುದು ಅವನಿಗೆ ಮಾತ್ರ ತಿಳಿದಿದೆ. "ಅಪ್ಲಿಕೇಶನ್ ಕ್ರ್ಯಾಶ್" ನಂತಹ ವಾಕ್ಯವು ಮಾದರಿಗೆ ಯಾವುದೇ ಮಾಹಿತಿಯನ್ನು ನೀಡುವುದಿಲ್ಲ, ಮತ್ತು ಮಾದರಿಯು ಮುನ್ಸೂಚನೆಯೊಂದಿಗೆ ಅಂತರವನ್ನು ತುಂಬುತ್ತದೆ - ಅಂದರೆ, ಭ್ರಮೆ. ಪ್ರತಿಯಾಗಿ, ಪೂರ್ಣ ದೋಷ ಸಂದೇಶ, ಸ್ಟಾಕ್ ಟ್ರೇಸ್ - ಈ ಕಾರ್ಯದ ಸ್ಥಗಿತವು ದೋಷ ಸಂಭವಿಸಿದೆ ಎಂದು ಕರೆಯುತ್ತದೆ, ದೋಷವನ್ನು ಪ್ರಚೋದಿಸಿದ ಇನ್‌ಪುಟ್ ಮತ್ತು ಏನನ್ನು ನಿರೀಕ್ಷಿಸಲಾಗಿದೆ, ಇತ್ಯಾದಿ. ಗಮನಿಸಿದ ನಡವಳಿಕೆಯನ್ನು ಗಮನಿಸಿದರೆ, ಮಾದರಿಯು ನಿಜವಾದ ಸಂಭವನೀಯತೆಯನ್ನು ಶ್ರೇಣೀಕರಿಸಬಹುದು.

ಡೀಬಗ್ ಮಾಡುವಿಕೆಯಲ್ಲಿ, AI ಅನ್ನು ಪತ್ತೇದಾರರಿಗೆ ಸಹಾಯಕ ಎಂದು ಯೋಚಿಸಿ: ನೀವು ಹೆಚ್ಚು ಪುರಾವೆಗಳನ್ನು ಪ್ರಸ್ತುತಪಡಿಸಿದರೆ, ಅದು ಉತ್ಪಾದಿಸುವ ಹೆಚ್ಚು ನಿಖರವಾದ ಊಹೆ. ಯಾವುದೇ ಪುರಾವೆಗಳಿಲ್ಲದಿದ್ದರೆ, ಸಹಾಯಕನು ಮಾತ್ರ ಊಹೆ ಮಾಡುತ್ತಾನೆ ಮತ್ತು ತಪ್ಪು ಹಾದಿಯಲ್ಲಿ ನಿಮ್ಮನ್ನು ಕರೆದೊಯ್ಯಬಹುದು.

ಸಲಹೆ: AI ಗೆ ದೋಷವನ್ನು ಪೋರ್ಟ್ ಮಾಡುವ ಮೊದಲು, ಅದನ್ನು ಚಿಕ್ಕ ಪುನರುತ್ಪಾದಕ ಉದಾಹರಣೆಗೆ ಕಡಿಮೆ ಮಾಡಿ. ದೋಷವನ್ನು ಪ್ರಚೋದಿಸುವ ಚಿಕ್ಕ ಕೋಡ್ ಮತ್ತು ಇನ್‌ಪುಟ್ ನಿಮಗೆ ಮತ್ತು ಮಾದರಿ ಎರಡಕ್ಕೂ ವಿಷಯಗಳನ್ನು ಆಮೂಲಾಗ್ರವಾಗಿ ಸುಲಭಗೊಳಿಸುತ್ತದೆ; ಹೆಚ್ಚಾಗಿ ಈ ಕಡಿತದ ಸಮಯದಲ್ಲಿ ನೀವು ಕಾರಣವನ್ನು ನೀವೇ ಕಂಡುಕೊಳ್ಳುತ್ತೀರಿ.

ಹಂತ ಹಂತವಾಗಿ: ಮೂಲ ಕಾರಣ ವಿಶ್ಲೇಷಣೆ ಹರಿವು

1. ರೋಗಲಕ್ಷಣವನ್ನು ಸ್ಪಷ್ಟಪಡಿಸಿ. "ಏನಾಗುತ್ತಿದೆ, ಏನಾಗಬೇಕೆಂದು ನೀವು ನಿರೀಕ್ಷಿಸಿದ್ದೀರಿ?" ಎರಡನ್ನು ಒಂದೇ ವಾಕ್ಯದಲ್ಲಿ ಬರೆಯಿರಿ.
2. ಪುರಾವೆಗಳನ್ನು ಸಂಗ್ರಹಿಸಿ. ಪೂರ್ಣ ದೋಷ ಸಂದೇಶ, ಸ್ಟಾಕ್ ಟ್ರೇಸ್, ಸಂಬಂಧಿತ ಲಾಗ್ ಲೈನ್‌ಗಳು, ಟ್ರಿಗ್ಗರಿಂಗ್ ಪ್ರವೇಶ, ಆವೃತ್ತಿ ಮಾಹಿತಿ.
3. ಊಹೆಯನ್ನು ರಚಿಸಿರಿ. AI ನಿಂದ "ಈ ರೋಗಲಕ್ಷಣವನ್ನು ವಿವರಿಸುವ 3 ಸಂಭವನೀಯ ಕಾರಣಗಳು ಮತ್ತು ನಾನು ಪ್ರತಿಯೊಂದಕ್ಕೂ ಹೇಗೆ ಪರೀಕ್ಷಿಸಬೇಕು?" ಕೇಳು.
4. ಅಗ್ಗದ ಊಹೆಯನ್ನು ಮೊದಲು ಪರೀಕ್ಷಿಸಿ. ಲಾಗ್ ಸೇರಿಸಿ, ಮೌಲ್ಯವನ್ನು ಮುದ್ರಿಸಿ, ಪರೀಕ್ಷೆಯನ್ನು ರನ್ ಮಾಡಿ. ಪುರಾವೆಗಳು ಊಹೆಯನ್ನು ದೃಢೀಕರಿಸುತ್ತದೆಯೇ?
5. ಮೂಲ ಕಾರಣವನ್ನು ಸರಿಪಡಿಸಿ, ರೋಗಲಕ್ಷಣವಲ್ಲ. ಪ್ಯಾಚ್ನೊಂದಿಗೆ ರೋಗಲಕ್ಷಣವನ್ನು ಮೌನಗೊಳಿಸುವ ಬದಲು, ಮೂಲ ಕಾರಣವನ್ನು ಪರಿಹರಿಸಿ.
6. ರಿಗ್ರೆಶನ್ ಪರೀಕ್ಷೆಯನ್ನು ಮೌಲ್ಯೀಕರಿಸಿ ಮತ್ತು ಸೇರಿಸಿ. ದೋಷ ಕಣ್ಮರೆಯಾಗುವುದನ್ನು ನೋಡಿ; ನಂತರ ಆ ದೋಷವನ್ನು ಹಿಡಿಯುವ ಪರೀಕ್ಷೆಯನ್ನು ಬರೆಯಿರಿ ಆದ್ದರಿಂದ ಅದು ಹಿಂತಿರುಗುವುದಿಲ್ಲ.

ಮೂರು ಮಿನಿ ಪ್ರಕರಣಗಳು

ಪ್ರಕರಣ 1 - ಸ್ಟಾಕ್ ಟ್ರೇಸ್ ಸರಿಯಾದ ಫೈಲ್‌ಗೆ ಕಾರಣವಾಯಿತು. ಅಪ್ಲಿಕೇಶನ್ ಕೆಲವು ವಿನಂತಿಗಳ ಮೇಲೆ 500 ದೋಷವನ್ನು ಹಿಂತಿರುಗಿಸುತ್ತಿದೆ. ಡೆವಲಪರ್ ಸಂಪೂರ್ಣ ಸ್ಟಾಕ್ ಟ್ರೇಸ್ ಮತ್ತು ಟ್ರಿಗ್ಗರಿಂಗ್ ವಿನಂತಿಯನ್ನು AI ಗೆ ನೀಡಿದರು; ದಿನಾಂಕ ಪಾರ್ಸಿಂಗ್ ಲೇಯರ್‌ನಲ್ಲಿ ಯಾವುದೂ ಇಲ್ಲದ ಮೌಲ್ಯದಿಂದ ದೋಷ ಉಂಟಾಗಿದೆ ಎಂದು ಮಾದರಿ ಊಹಿಸಿದೆ. ಡೆವಲಪರ್ ಆ ಸಾಲಿಗೆ ಲಾಗ್ ಅನ್ನು ಸೇರಿಸಿದರು, ಅದನ್ನು ಪರಿಶೀಲಿಸಿದರು ಮತ್ತು ಅದನ್ನು 15 ನಿಮಿಷಗಳಲ್ಲಿ ಪರಿಹರಿಸಿದರು; ಸಾಬೀತಾಗದ ಪ್ರಯೋಗಗಳೊಂದಿಗೆ ಹಿಂದಿನ ದಿನ 2 ಗಂಟೆಗಳ ಕಾಲ ವ್ಯರ್ಥವಾಯಿತು.

ಪ್ರಕರಣ 2 - ಭ್ರಮೆಯು ತಪ್ಪಾದ ಟ್ರ್ಯಾಕ್‌ಗೆ ಕಾರಣವಾಯಿತು. ಇನ್ನೊಬ್ಬ ಡೆವಲಪರ್ "ಡೇಟಾಬೇಸ್ ಸಂಪರ್ಕವನ್ನು ಬಿಡುತ್ತಿದೆ" ಎಂದು ಸರಳವಾಗಿ ಬರೆದಿದ್ದಾರೆ. AI ಯಾವುದೇ ಪುರಾವೆಗಳಿಲ್ಲದೆ ಸಂಪರ್ಕ ಪೂಲ್ ಸೆಟ್ಟಿಂಗ್ ಅನ್ನು ಆರೋಪಿಸಿದೆ; ಡೆವಲಪರ್ ಈ ಸೆಟ್ಟಿಂಗ್‌ನೊಂದಿಗೆ 40 ನಿಮಿಷಗಳ ಕಾಲ ಟಿಂಕರ್ ಮಾಡಿದ್ದಾರೆ. ನಿಜವಾದ ಕಾರಣ ನೆಟ್‌ವರ್ಕ್ ಬದಿಯಲ್ಲಿ ಸಮಯ ಮೀರಿದೆ ಮತ್ತು ಲಾಗ್‌ಗಳನ್ನು ನೋಡುವ ಮೂಲಕ ಮಾತ್ರ ಬಹಿರಂಗಪಡಿಸಲಾಗಿದೆ. ಪಾಠ: ಪುರಾವೆಗಳಿಲ್ಲದೆ ತೆಗೆದುಕೊಂಡ ಊಹೆಯು ಕೇವಲ ಸಂಭವನೀಯವಾಗಿದೆ, ವಿಶ್ವಾಸಾರ್ಹವಲ್ಲ.

ಪ್ರಕರಣ 3 - ಫ್ಲಾಕಿ ದೋಷವನ್ನು ಹಿಡಿಯಲಾಗಿದೆ. ಸಾಂದರ್ಭಿಕವಾಗಿ ವಿಫಲವಾದ ಪರೀಕ್ಷೆ ಇತ್ತು. AI ಗೆ ಪರೀಕ್ಷಾ ಕೋಡ್, ವೈಫಲ್ಯದ ಸಂದೇಶ ಮತ್ತು "ಕೆಲವೊಮ್ಮೆ ಅದು ಹಾದುಹೋಗುತ್ತದೆ, ಕೆಲವೊಮ್ಮೆ ವಿಫಲಗೊಳ್ಳುತ್ತದೆ" ಎಂಬ ಮಾಹಿತಿಯನ್ನು ನೀಡಲಾಯಿತು; ಮಾದರಿಯು ಪರೀಕ್ಷೆಗಳ ಹಂಚಿಕೆಯ ಸಮಯ/ಆರ್ಡರ್ ಅವಲಂಬನೆಯನ್ನು ಸೂಚಿಸುತ್ತದೆ. ಪರೀಕ್ಷೆಯು ಸಿಸ್ಟಂನ ಸ್ಥಳೀಯ ಸಮಯವನ್ನು ಆಧರಿಸಿದೆ ಎಂದು ಪರಿಶೀಲನೆಯು ದೃಢಪಡಿಸಿತು. ಗಡಿಯಾರವನ್ನು ಸರಿಪಡಿಸಿದ ನಂತರ (ಅಪಹಾಸ್ಯ), ಪರೀಕ್ಷೆಯು ಸ್ಥಿರವಾಯಿತು.

ನಾಲ್ಕು ನಕಲು ಮಾಡಬಹುದಾದ ಟೆಂಪ್ಲೇಟ್‌ಗಳು

ಪುರಾವೆ ಆಧಾರಿತ ಊಹೆಯ ರಚನೆ:

ನಾನು ದೋಷವನ್ನು ಡೀಬಗ್ ಮಾಡುತ್ತಿದ್ದೇನೆ. ಕೆಳಗಿನ ಪುರಾವೆಗಳು.- ನಿರೀಕ್ಷಿತ ನಡವಳಿಕೆ: {{ನಿರೀಕ್ಷಿತ}}- ಗಮನಿಸಿದ ನಡವಳಿಕೆ: {{ಗಮನಿಸಲಾಗಿದೆ}}- ದೋಷ ಸಂದೇಶ / ಸ್ಟಾಕ್ ಟ್ರೇಸ್: {{trace}}- ಟ್ರಿಗ್ಗರ್ ಇನ್‌ಪುಟ್: {{input}}- ಪರಿಸರ/ಆವೃತ್ತಿ: {{version}}ಈ ರೋಗಲಕ್ಷಣವನ್ನು ವಿವರಿಸುವ 3 ಅತ್ಯಂತ ಹೆಚ್ಚು ಮೂಲ ಕಾರಣಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿ. ಪ್ರತಿಯೊಂದಕ್ಕೂ: ನಾನು ಹೇಗೆ ಪರೀಕ್ಷಿಸುವುದು (ಅಗ್ಗದ ಚೆಕ್) ಮತ್ತು ಅದು ನಿಜವಾಗಿದ್ದರೆ ಅದನ್ನು ಹೇಗೆ ಸರಿಪಡಿಸುವುದು. ಪುರಾವೆಗಳು ಸಾಕಷ್ಟಿಲ್ಲದಿದ್ದರೆ, ನಿಮಗೆ ಯಾವ ಹೆಚ್ಚುವರಿ ಮಾಹಿತಿ ಬೇಕು ಎಂದು ಹೇಳಿ.

ಸ್ಟಾಕ್ ಟ್ರೇಸ್ ಅನ್ನು ವ್ಯಾಖ್ಯಾನಿಸುವುದು:

ಈ ಸ್ಟಾಕ್ ಟ್ರೇಸ್ ಅನ್ನು ಓದಿ. ದೋಷವು ಪ್ರಾಯಶಃ (ಮೂಲ) ನಲ್ಲಿ ಯಾವ ರೇಖೆಯಿಂದ ಪ್ರಾರಂಭವಾಗುತ್ತದೆ ಮತ್ತು ಯಾವ ಸಾಲುಗಳು ಸರಪಳಿಯ ಮುಂದುವರಿಕೆಗಳ ನಡುವೆ ವ್ಯತ್ಯಾಸವನ್ನು ಗುರುತಿಸಿ. ಮೊದಲು ನೋಡಲು 1-2 ಸ್ಥಳಗಳನ್ನು ಸೂಚಿಸಿ. ಸಂಬಂಧಿತ ಕೋಡ್:{{code}}ಟ್ರೇಸ್:{{trace}}

ಕನಿಷ್ಠ ಪುನರಾವರ್ತನೆ ವ್ಯವಕಲನ:

ಕೆಳಗಿನ ಕೋಡ್ ದೋಷವನ್ನು ಉಂಟುಮಾಡುತ್ತದೆ. ದೋಷವನ್ನು ಇನ್ನೂ ಪ್ರಚೋದಿಸುವ ಆದರೆ ಅನಗತ್ಯವಾದದ್ದನ್ನು ತಿರಸ್ಕರಿಸುವ ಚಿಕ್ಕ ನಿದರ್ಶನಕ್ಕೆ ಅದನ್ನು ಕಡಿಮೆ ಮಾಡಿ. ನೀವು ತೆಗೆದುಹಾಕುವ ಪ್ರತಿಯೊಂದು ತುಣುಕು ದೋಷದ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುವುದಿಲ್ಲ ಎಂದು ಭಾವಿಸಬೇಡಿ, ಆದರೆ "ನೀವು ಇದನ್ನು ತೆಗೆದುಹಾಕಿದಾಗ ದೋಷವು ಕಣ್ಮರೆಯಾಗುತ್ತದೆ, ಅದಕ್ಕಾಗಿಯೇ" ಎಂದು ಹೇಳುವ ಟಿಪ್ಪಣಿಯನ್ನು ಸೇರಿಸಿ.{{code}}

ತಿದ್ದುಪಡಿಯ ನಂತರದ ಮೌಲ್ಯೀಕರಣ ಮತ್ತು ಹಿಂಜರಿತ ಪರೀಕ್ಷೆ:

ಮೂಲ ಕಾರಣ {{cause}} ಎಂದು ಊಹಿಸಿ ಮತ್ತು ನಾನು ಈ ಕೆಳಗಿನ ಪರಿಹಾರವನ್ನು ಮಾಡುತ್ತೇನೆ: {{fix}}.1) ಈ ಪರಿಹಾರವು ರೋಗಲಕ್ಷಣವನ್ನು ನಿಜವಾಗಿ ಸರಿಪಡಿಸುತ್ತದೆಯೇ, ಇದು ಯಾವುದೇ ಅಡ್ಡ ಪರಿಣಾಮಗಳನ್ನು ಹೊಂದಿದೆಯೇ?2) ಭವಿಷ್ಯದಲ್ಲಿ ಈ ದೋಷವನ್ನು ಹಿಡಿಯುವ ಹಿಂಜರಿತ ಪರೀಕ್ಷೆಯನ್ನು ಬರೆಯಿರಿ.

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ದುರ್ಬಲ: "ಕೋಡ್ ಕೆಲಸ ಮಾಡುವುದಿಲ್ಲ, ಏಕೆ?"

ಪ್ರಬಲ: "ನೋಡ್ 20 / ಎಕ್ಸ್‌ಪ್ರೆಸ್. ಐಟಂಗಳು ದೇಹದಲ್ಲಿ ಖಾಲಿ ಸ್ಟ್ರಿಂಗ್ ಆಗಿರುವಾಗ POST / ಆರ್ಡರ್‌ಗಳು 500 ಅನ್ನು ಹಿಂತಿರುಗಿಸುತ್ತದೆ; 400 ಅನ್ನು ಹಿಂತಿರುಗಿಸಿರಬೇಕು. ಸ್ಟ್ಯಾಕ್ ಟ್ರೇಸ್: ಟೈಪ್‌ದೋಷ: ವ್ಯಾಖ್ಯಾನಿಸದ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಓದಲಾಗುವುದಿಲ್ಲ ('0' ಓದುವುದು) - ಲಗತ್ತಿಸಲಾಗಿದೆ ಸಂಪೂರ್ಣ ಟ್ರೇಸ್ ಮತ್ತು ಸಂಯೋಜಿತ ಹ್ಯಾಂಡ್ಲರ್. ಇದು ಪ್ರತಿ ಪರೀಕ್ಷೆಗೆ ಹೇಗೆ ಕಾರಣವಾಗುತ್ತದೆ ಎಂಬುದನ್ನು ವಿವರಿಸಿ. ಕೋಡ್]"

ಶಕ್ತಿಯುತ ಆವೃತ್ತಿ; ಇದು ಪರಿಸರ, ಅಂತಿಮ ಬಿಂದು, ಟ್ರಿಗರ್ ಇನ್‌ಪುಟ್, ನಿಖರವಾದ ದೋಷ ಪ್ರಕಾರ ಮತ್ತು ನಿರೀಕ್ಷಿತ ನಡವಳಿಕೆಯನ್ನು ನೀಡುತ್ತದೆ. ಮಾದರಿಯು ಇನ್ನು ಮುಂದೆ ಭವಿಷ್ಯ ನುಡಿಯಲು ಸಾಧ್ಯವಿಲ್ಲ, ಆದರೆ ವಿಶ್ಲೇಷಣೆ.

ಹೆಜ್ಜೆ

AI ಕೊಡುಗೆ

ನಿಮ್ಮ ನಿಯಂತ್ರಣ

ಪುರಾವೆಗಳನ್ನು ಸಂಗ್ರಹಿಸುವುದು

ಏನು ಸಾಕ್ಷಿ ಬೇಕು, ನೆನಪಿಸುತ್ತದೆ

ನಿಜವಾಗಿಯೂ ಪುರಾವೆಗಳನ್ನು ಸಂಗ್ರಹಿಸುತ್ತದೆ

ಕಲ್ಪನೆಯ ಉತ್ಪಾದನೆ

ಸಂಭವನೀಯ ಕಾರಣಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿ

ಸಂದರ್ಭದೊಂದಿಗೆ ಆದ್ಯತೆ ನೀಡುತ್ತದೆ

ಊಹೆಯ ಪರೀಕ್ಷೆ

ಪರೀಕ್ಷಾ ವಿಧಾನವನ್ನು ಶಿಫಾರಸು ಮಾಡುತ್ತದೆ

ವೈಯಕ್ತಿಕವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ ಮತ್ತು ಗಮನಿಸುತ್ತದೆ

ತಿದ್ದುಪಡಿ

ಪ್ಯಾಚ್ ಶಿಫಾರಸು ಮಾಡುತ್ತದೆ

ಇದು ಮೂಲ ಕಾರಣವನ್ನು ಪರಿಹರಿಸುತ್ತದೆಯೇ? ಇದು ನಿಜ.

ಹಿನ್ನಡೆ

ಪರೀಕ್ಷೆ ಬರೆಯುತ್ತಾರೆ

ಪರೀಕ್ಷೆಯು ಮುರಿದುಹೋಗಿದೆ ಎಂದು ಪರಿಶೀಲಿಸುತ್ತದೆ

ಮೂಲ ಕಾರಣವನ್ನು ಪರಿಹರಿಸುವುದು, ರೋಗಲಕ್ಷಣವಲ್ಲ

ಹೆಚ್ಚಿನ ಸಮಯ AI ರೋಗಲಕ್ಷಣವನ್ನು ತ್ವರಿತವಾಗಿ ನಿಶ್ಯಬ್ದಗೊಳಿಸುವ ಪ್ಯಾಚ್ ಅನ್ನು ಸೂಚಿಸುತ್ತದೆ: ಪ್ರಯತ್ನಿಸಿ/ಕ್ಯಾಚ್ ಅನ್ನು ಸೇರಿಸಿ, ಶೂನ್ಯ ಪರಿಶೀಲನೆಯನ್ನು ಹಾಕಿ, ದೋಷವನ್ನು ನುಂಗಲು. ಇದು ಕೆಲವೊಮ್ಮೆ ನಿಜ, ಆಗಾಗ್ಗೆ ಅಪಾಯಕಾರಿ; ಏಕೆಂದರೆ ಮೂಲ ಕಾರಣವು ಸ್ಥಳದಲ್ಲಿಯೇ ಉಳಿದಿದೆ ಮತ್ತು ಬೇರೆಡೆಯಿಂದ ಮತ್ತೆ ಸ್ಫೋಟಗೊಳ್ಳುತ್ತದೆ. ಪ್ರತಿ ಪರಿಹಾರದೊಂದಿಗೆ, ನಿಮ್ಮನ್ನು ಕೇಳಿಕೊಳ್ಳಿ: "ಇದು ದೋಷದ ಕಾರಣವನ್ನು ಸರಿಪಡಿಸುತ್ತದೆಯೇ ಅಥವಾ ಅದು ಅದೃಶ್ಯವಾಗಿಸುತ್ತದೆಯೇ?" ಒಮ್ಮೆ ನೀವು ಮೂಲ ಕಾರಣವನ್ನು ಕಂಡುಕೊಂಡರೆ, ಪರಿಹಾರವು ಸಾಮಾನ್ಯವಾಗಿ ಚಿಕ್ಕದಾಗಿದೆ, ಹೆಚ್ಚು ದೃಢವಾಗಿರುತ್ತದೆ ಮತ್ತು ಶಾಶ್ವತವಾಗಿರುತ್ತದೆ.

ಎಚ್ಚರಿಕೆ: ಒಂದು ವಿನಾಯಿತಿಯನ್ನು ಮೌನವಾಗಿ ನುಂಗುವುದು (ಖಾಲಿ ಕ್ಯಾಚ್) ದೋಷವನ್ನು ಪರಿಹರಿಸುವುದಿಲ್ಲ; ಇದು ಕೇವಲ ಮರೆಮಾಚುತ್ತದೆ ಮತ್ತು ಭವಿಷ್ಯದ ರೋಗನಿರ್ಣಯವನ್ನು ಅಸಾಧ್ಯವಾಗಿಸುತ್ತದೆ. AI ಅಂತಹ "ಪರಿಹಾರ"ವನ್ನು ಸೂಚಿಸಿದರೆ, ಮೂಲ ಕಾರಣವನ್ನು ಪ್ರಶ್ನಿಸದೆ ಅದನ್ನು ಸ್ವೀಕರಿಸಬೇಡಿ.

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

• ಪುರಾವೆಗಳಿಲ್ಲದೆ ಪ್ರಶ್ನೆಗಳನ್ನು ಕೇಳುವುದು. ಅಸ್ಪಷ್ಟ ವಾಕ್ಯಗಳು ಮಾದರಿಯನ್ನು ಭ್ರಮೆಗೆ ತಳ್ಳುತ್ತವೆ; ಪೂರ್ಣ ದೋಷ, ಟ್ರೇಸ್ ಮತ್ತು ಇನ್ಪುಟ್ ನೀಡಿ.
• ಮೊದಲ ಊಹೆಯಲ್ಲಿ ಲಾಕ್ ಮಾಡಲಾಗುತ್ತಿದೆ. AI ಯ ಮೊದಲ ಸಲಹೆಯು ಹೆಚ್ಚಾಗಿ ಇರಬಹುದು; ಅಗ್ಗದ ನಿಯಂತ್ರಿಸಬಹುದಾದ ಊಹೆಯೊಂದಿಗೆ ಪ್ರಾರಂಭಿಸಿ.
• ರೋಗಲಕ್ಷಣವನ್ನು ಪ್ಯಾಚ್ ಮಾಡುವುದು ಮತ್ತು ಮೂಲ ಕಾರಣವನ್ನು ಕಳೆದುಕೊಳ್ಳುವುದು. ನಿಶ್ಯಬ್ದ ದೋಷವು ಹಿಂತಿರುಗುತ್ತದೆ.
• ಅದನ್ನು ಪರಿಶೀಲಿಸದೆಯೇ ಸರಿಪಡಿಸುವಿಕೆಯನ್ನು ಮುಚ್ಚಲಾಗುತ್ತಿದೆ. ದೋಷವು ವಾಸ್ತವವಾಗಿ ಕಣ್ಮರೆಯಾಗುತ್ತದೆ ಎಂದು ಉತ್ಪಾದನೆಯಂತಹ ಸ್ಥಿತಿಯಲ್ಲಿ ನೋಡಿ.
• ರಿಗ್ರೆಶನ್ ಪರೀಕ್ಷೆಗಳನ್ನು ಬರೆಯುತ್ತಿಲ್ಲ. ಯಾವುದೇ ಪರೀಕ್ಷೆಗಳನ್ನು ಸೇರಿಸದಿದ್ದರೆ, ಅದೇ ದೋಷವು ನಂತರದ ಆವೃತ್ತಿಗಳಲ್ಲಿ ಮೌನವಾಗಿ ಹಿಂತಿರುಗುತ್ತದೆ.

ಸಾರಾಂಶದಲ್ಲಿ

ಡೀಬಗ್ ಮಾಡುವಿಕೆಯಲ್ಲಿ, AI ಯ ಶಕ್ತಿಯು ನೀವು ನೀಡುವ ಪುರಾವೆಗಳಿಗೆ ನೇರವಾಗಿ ಅನುಪಾತದಲ್ಲಿರುತ್ತದೆ: ಪೂರ್ಣ ದೋಷ ಸಂದೇಶ, ಸ್ಟಾಕ್ ಟ್ರೇಸ್, ಟ್ರಿಗ್ಗರಿಂಗ್ ಇನ್‌ಪುಟ್ ಮತ್ತು ನಿರೀಕ್ಷಿತ ನಡವಳಿಕೆ ಇಲ್ಲದೆ, ಮಾದರಿಯು ಕೇವಲ ಊಹಿಸುತ್ತದೆ. ಶಿಸ್ತಿನ ಹರಿವು-ಲಕ್ಷಣವನ್ನು ಸ್ಪಷ್ಟಪಡಿಸುವುದು, ಪುರಾವೆಗಳನ್ನು ಸಂಗ್ರಹಿಸುವುದು, ಊಹೆಯನ್ನು ಸೃಷ್ಟಿಸುವುದು, ಅಗ್ಗದ ನಿಯಂತ್ರಣದೊಂದಿಗೆ ಪರೀಕ್ಷೆ, ಮೂಲ ಕಾರಣವನ್ನು ಸರಿಪಡಿಸುವುದು, ಪರಿಶೀಲಿಸುವುದು ಮತ್ತು ಹಿಂಜರಿತ ಪರೀಕ್ಷೆಯನ್ನು ಸೇರಿಸುವುದು-ಬಗ್ ಅನ್ನು ತ್ವರಿತವಾಗಿ ಮತ್ತು ಶಾಶ್ವತವಾಗಿ ಮುಚ್ಚುತ್ತದೆ. AI ಒಂದು ಕಲ್ಪನೆ ಜನರೇಟರ್ ಆಗಿದೆ; ದೋಷವನ್ನು ನಿಜವಾಗಿ ಪರಿಹರಿಸಲಾಗಿದೆ ಎಂದು ನಿರ್ಧರಿಸುವವರು ನೀವೇ.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

ನೀವು ಇತ್ತೀಚೆಗೆ ಎದುರಿಸಿದ ನಿಜವಾದ ದೋಷವನ್ನು ಆಯ್ಕೆಮಾಡಿ (ಅಥವಾ ಪರೀಕ್ಷಾ ದೋಷವನ್ನು ಪುನರುತ್ಪಾದಿಸಿ). ಮೊದಲು "ಕನಿಷ್ಠ ಸಂತಾನೋತ್ಪತ್ತಿ" ಹಂತವನ್ನು ಮಾಡಿ; ದೋಷವನ್ನು ಪ್ರಚೋದಿಸುವ ಚಿಕ್ಕ ಕೋಡ್ ಮತ್ತು ಇನ್‌ಪುಟ್ ಅನ್ನು ತೆಗೆದುಹಾಕಿ. ನಂತರ 3 ಸಂಭವನೀಯ ಕಾರಣಗಳು ಮತ್ತು ಪರೀಕ್ಷಾ ವಿಧಾನಗಳನ್ನು AI ನಿಂದ "ಸಾಕ್ಷ್ಯ-ಆಧಾರಿತ ಊಹೆಯ ಉತ್ಪಾದನೆ" ಟೆಂಪ್ಲೇಟ್‌ನೊಂದಿಗೆ ಪಡೆಯಿರಿ. ಅಗ್ಗದ ಊಹೆಯನ್ನು ನೀವೇ ಪರೀಕ್ಷಿಸಿ, ಮೂಲ ಕಾರಣವನ್ನು ಕಂಡುಹಿಡಿಯಿರಿ, ಅದನ್ನು ಸರಿಪಡಿಸಿ ಮತ್ತು ಅಂತಿಮವಾಗಿ ಭವಿಷ್ಯದಲ್ಲಿ ಈ ದೋಷವನ್ನು ಹಿಡಿಯುವ ಮತ್ತು ಪರೀಕ್ಷೆಯು ನಿಜವಾಗಿ ಮುರಿದುಹೋಗಿದೆ ಎಂದು ಪರಿಶೀಲಿಸುವ ಹಿಂಜರಿತ ಪರೀಕ್ಷೆಯನ್ನು ಬರೆಯಿರಿ.

ಪರಿಶೀಲನಾಪಟ್ಟಿ

• [ ] ನಾನು ದೋಷವನ್ನು AI ಗೆ ಸರಿಸುವ ಮೊದಲು ಚಿಕ್ಕ ಪುನರುತ್ಪಾದಿಸಬಹುದಾದ ಮಾದರಿಗೆ ಕಡಿಮೆ ಮಾಡುತ್ತೇನೆ.
• [ ] ನಾನು ಪೂರ್ಣ ದೋಷ ಸಂದೇಶ, ಸ್ಟಾಕ್ ಟ್ರೇಸ್, ಇನ್‌ಪುಟ್ ಮತ್ತು ನಿರೀಕ್ಷಿತ ನಡವಳಿಕೆಯನ್ನು ಪ್ರಾಂಪ್ಟ್‌ಗೆ ಸೇರಿಸುತ್ತಿದ್ದೇನೆ.
• [ ] ನಾನು ಒಂದೇ ಊಹೆಗೆ ಲಾಕ್ ಮಾಡದೆಯೇ ಅಗ್ಗದ ನಿಯಂತ್ರಿಸಬಹುದಾದ ಒಂದರಿಂದ ಪ್ರಾರಂಭಿಸುತ್ತೇನೆ.
• [ ] ನಾನು ರೋಗಲಕ್ಷಣವನ್ನು ಸರಿಪಡಿಸುವ ಬದಲು ಮೂಲ ಕಾರಣವನ್ನು ಪರಿಹರಿಸಿದ್ದೇನೆ ಎಂದು ನಾನು ಪರಿಶೀಲಿಸುತ್ತೇನೆ.
• [ ] ಸರಿಪಡಿಸುವಿಕೆಯು ದೋಷವನ್ನು ಸರಿಪಡಿಸುತ್ತದೆ ಎಂದು ನಾನು ಗಮನಿಸುತ್ತೇನೆ.
• [ ] ನಾನು ಪ್ರತಿ ಪರಿಹರಿಸಿದ ದೋಷಕ್ಕೆ ರಿಗ್ರೆಷನ್ ಪರೀಕ್ಷೆಯನ್ನು ಸೇರಿಸುತ್ತೇನೆ.