ಲಾಭಗಳು:
- ನಿಮ್ಮ ಸ್ವಂತ ಡೇಟಾದೊಂದಿಗೆ ಮಾದರಿಯನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡುವ ಸಣ್ಣ ಪರೀಕ್ಷಾ ಸೆಟ್ (eval) ಅನ್ನು ಹೊಂದಿಸುವ ಸಾಮರ್ಥ್ಯ
- ಮಾನವ ಪರಿಶೀಲನೆ, ಮಿತಿಗಳು ಮತ್ತು ಜವಾಬ್ದಾರಿಯುತ ಬಳಕೆಯ ನೀತಿಯನ್ನು ವರ್ಕ್ಫ್ಲೋಗೆ ಎಂಬೆಡ್ ಮಾಡಿ
- ಭ್ರಮೆ, ಗೌಪ್ಯತೆ ಮತ್ತು ನೈತಿಕ ಅಪಾಯಗಳನ್ನು ಗುರುತಿಸಿ ಮತ್ತು ತಗ್ಗಿಸುವ ಕ್ರಮಗಳನ್ನು ಜಾರಿಗೊಳಿಸಿ
ನೀವು ಸರಿಯಾದ ಮಾದರಿಯನ್ನು ಆರಿಸಿದ್ದೀರಿ; ಕೆಲಸ ಮುಗಿದಿದೆಯೇ? ಇಲ್ಲ, ನಿಜವಾದ ಕೆಲಸ ಈಗ ಪ್ರಾರಂಭವಾಗುತ್ತದೆ. ನಿಮ್ಮ ವ್ಯವಹಾರಕ್ಕೆ ಮಾದರಿಯನ್ನು ಹಾಕುವುದು ನಿಮ್ಮ ಸ್ವಂತ ಡೇಟಾದ ವಿರುದ್ಧ ಅದನ್ನು ಪರೀಕ್ಷಿಸಲು, ಅದರ ಔಟ್ಪುಟ್ ಅನ್ನು ಮೌಲ್ಯೀಕರಿಸಲು ಮತ್ತು ಅದನ್ನು ಜವಾಬ್ದಾರಿಯುತವಾಗಿ ರೂಪಿಸಲು ಬರುತ್ತದೆ. ಈ ಅಂತಿಮ ಘಟಕವು ಸಂಪೂರ್ಣ ಮಾಡ್ಯೂಲ್ ಅನ್ನು ಎಂಡ್-ಟು-ಎಂಡ್ ಅಪ್ಲಿಕೇಶನ್ ಆಗಿ ಪರಿವರ್ತಿಸುತ್ತದೆ: ಸಣ್ಣ ಪರೀಕ್ಷಾ ಸೂಟ್ (eval) ಅನ್ನು ಹೇಗೆ ಹೊಂದಿಸುವುದು, ವರ್ಕ್ಫ್ಲೋಗೆ ಮಾನವ ಪರಿಶೀಲನೆಯನ್ನು ಎಂಬೆಡ್ ಮಾಡುವುದು, ಭ್ರಮೆ ಮತ್ತು ಗೌಪ್ಯತೆ ಅಪಾಯಗಳನ್ನು ನಿರ್ವಹಿಸುವುದು ಮತ್ತು ನೈತಿಕ ಗಡಿಗಳನ್ನು ಸೆಳೆಯುವುದು ಹೇಗೆ ಎಂದು ನೀವು ಕಲಿಯುವಿರಿ. ಘಟಕವನ್ನು ಪೂರ್ಣಗೊಳಿಸಿದ ನಂತರ, ನೀವು ಮಾದರಿಯನ್ನು ಆಯ್ಕೆ ಮಾಡಲು ಮಾತ್ರವಲ್ಲದೆ ಅದನ್ನು ಆತ್ಮವಿಶ್ವಾಸದಿಂದ ನಿಯೋಜಿಸಲು ಸಜ್ಜುಗೊಳಿಸುತ್ತೀರಿ.
ಮೌಲ್ಯಮಾಪನ (Eval): ನಿಮ್ಮ ಸ್ವಂತ ಡೇಟಾದೊಂದಿಗೆ ಪರೀಕ್ಷೆ
ನಿಮ್ಮ ವ್ಯವಹಾರಕ್ಕೆ ಮಾದರಿಯು ಸರಿಹೊಂದುತ್ತದೆಯೇ ಎಂದು ಈಗ ನಿಮಗೆ ತಿಳಿದಿದೆಯೇ ಹೊರತು ನಿಮ್ಮ ನೈಜ ಡೇಟಾ ಮಾತ್ರ ಜಾಹೀರಾತುಗಳಲ್ಲ. ಇದನ್ನು ಅಳೆಯುವ ವಿಧಾನವೆಂದರೆ ಮೌಲ್ಯಮಾಪನ ಸೆಟ್ ಅನ್ನು ಹೊಂದಿಸುವುದು (eval): ನಿಮ್ಮ ಕೆಲಸದಿಂದ ಸರಿಯಾದ ಉತ್ತರವನ್ನು ತಿಳಿದಿರುವ ಮಾದರಿಗಳ ಒಂದು ಸಣ್ಣ ಸಂಗ್ರಹ.
ಸರಳವಾದ eval ಅನ್ನು ಈ ರೀತಿ ಹೊಂದಿಸಲಾಗಿದೆ:
- 10-30 ನೈಜ ಮಾದರಿಗಳನ್ನು ಸಂಗ್ರಹಿಸಿ. ನಿಮ್ಮ ಕೆಲಸದ ವಿಶಿಷ್ಟವಾದ ಇನ್ಪುಟ್ಗಳನ್ನು ಆಯ್ಕೆಮಾಡಿ (ಕಷ್ಟ ಮತ್ತು ಸುಲಭ ಮಿಶ್ರಣ).
- ಪ್ರತಿ ಉದಾಹರಣೆಗಾಗಿ "ಸರಿಯಾದ/ನಿರೀಕ್ಷಿತ ಔಟ್ಪುಟ್" ಅನ್ನು ನಿರ್ಧರಿಸಿ. ತಜ್ಞರು ಏನು ಉತ್ತರಿಸುತ್ತಾರೆ?
- ಅದೇ ಉದಾಹರಣೆಗಳ ಮೂಲಕ ಅಭ್ಯರ್ಥಿಗಳನ್ನು ಚಲಾಯಿಸಿ. ನೀವು ಹೋಲಿಕೆ ಮಾಡುತ್ತಿರುವ ಮಾದರಿಗಳನ್ನು ಒಂದೇ ಸೆಟ್ನೊಂದಿಗೆ ಒಂದೊಂದಾಗಿ ಪರೀಕ್ಷಿಸಿ.
- ಫಲಿತಾಂಶಗಳನ್ನು ಸ್ಕೋರ್ ಮಾಡಿ. ಎಷ್ಟು ಉದಾಹರಣೆಗಳಲ್ಲಿ ಇದು ನಿಜ? ಎಲ್ಲಿ ತಪ್ಪಾಯಿತು? ತಪ್ಪುಗಳು ಸ್ವೀಕಾರಾರ್ಹವೇ?
- ಹೋಲಿಕೆ ಮಾಡಿ ಮತ್ತು ಆಯ್ಕೆ ಮಾಡಿ. ಹೆಚ್ಚಿನ ಒಟ್ಟಾರೆ ಸ್ಕೋರ್ ಅನ್ನು ಆಯ್ಕೆ ಮಾಡಬೇಡಿ, ಆದರೆ ನಿಮಗಾಗಿ ಅತ್ಯಂತ ನಿರ್ಣಾಯಕ ಉದಾಹರಣೆಗಳಲ್ಲಿ ಹೆಚ್ಚು ವಿಶ್ವಾಸಾರ್ಹವಾದದನ್ನು ಆರಿಸಿ.
ಸಲಹೆ: ಲೀಡರ್ಬೋರ್ಡ್ಗಳನ್ನು ಕುರುಡಾಗಿ ನಂಬಬೇಡಿ. ಒಂದು ಮಾದರಿಯು ಜಾಗತಿಕವಾಗಿ ಮೊದಲ ಸ್ಥಾನದಲ್ಲಿರಬಹುದು, ಆದರೆ ನಿಮ್ಮ ನಿರ್ದಿಷ್ಟ ಟರ್ಕಿಶ್ ಕಾನೂನು ಪಠ್ಯಗಳಲ್ಲಿ ಎರಡನೇ ಸ್ಥಾನದ ಮಾದರಿಗಿಂತ ಕೆಟ್ಟದಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ. 20 ಮಾದರಿಗಳ ನಿಮ್ಮ ಸ್ವಂತ ಇವಾಲ್ ನೂರಾರು ಸಾರ್ವಜನಿಕ ಪರೀಕ್ಷೆಗಳಿಗಿಂತ ಹೆಚ್ಚು ಮೌಲ್ಯಯುತವಾಗಿದೆ.
ಭ್ರಮೆ: ಮಾದರಿಯ ಅತ್ಯಂತ ಕಪಟ ಅಪಾಯ
ಮಾದರಿಯು ನಿಜವಲ್ಲದ ಮಾಹಿತಿಯನ್ನು ಆತ್ಮವಿಶ್ವಾಸದ ಭಾಷೆಯಲ್ಲಿ ಉತ್ಪಾದಿಸಿದಾಗ ಭ್ರಮೆಯಾಗಿದೆ. "ನನಗೆ ಗೊತ್ತಿಲ್ಲ" ಎಂದು ಹೇಳುವ ಬದಲು, ಮಾದರಿಯು ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲದ ಶಾಸನ, ಮಾಡಿದ ಅಂಕಿಅಂಶ ಅಥವಾ ತಪ್ಪು ದಿನಾಂಕವನ್ನು ಉಂಟುಮಾಡಬಹುದು; ಇದಲ್ಲದೆ, ಅವರು ಇದನ್ನು ಅತ್ಯಂತ ಮನವೊಪ್ಪಿಸುವ ಭಾಷೆಯಲ್ಲಿ ಮಾಡುತ್ತಾರೆ. ಇದು AI ಯ ಅತ್ಯಂತ ಅಪಾಯಕಾರಿ ಅಂಶವಾಗಿದೆ ಏಕೆಂದರೆ ದೋಷವು ಸತ್ಯದಂತೆ ಮರೆಮಾಚುತ್ತದೆ.
ನೀವು ಭ್ರಮೆಯನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ತೊಡೆದುಹಾಕಲು ಸಾಧ್ಯವಿಲ್ಲ, ಆದರೆ ನೀವು ಅದನ್ನು ಕಡಿಮೆ ಮಾಡಬಹುದು ಮತ್ತು ಅದನ್ನು ಹಿಡಿಯಬಹುದು:
- ಮೂಲವನ್ನು ಆಧರಿಸಿ: ನೀವು ಒದಗಿಸುವ ದಾಖಲೆಗಳಿಂದ ಉತ್ತರಗಳನ್ನು ರಚಿಸಲು ಮಾದರಿಯನ್ನು ಕೇಳಿ, ಅದರ ಸ್ವಂತ "ಮೆಮೊರಿ" (RAG ಲಾಜಿಕ್) ನಿಂದ ಅಲ್ಲ.
- ವಿನಂತಿಯ ಮೂಲಗಳು: "ಪ್ರತಿ ಕ್ಲೈಮ್ನ ಮುಂದೆ, ಅದರ ಆಧಾರದ ಮೇಲೆ ಡಾಕ್ಯುಮೆಂಟ್/ವಿಭಾಗವನ್ನು ಬರೆಯಿರಿ" ಎಂದು ಹೇಳಿ; ಅವರು ಮೂಲವನ್ನು ನೀಡಲು ಸಾಧ್ಯವಾಗದಿದ್ದರೆ, ಅನುಮಾನಾಸ್ಪದವಾಗಿರಿ.
- ಜನರು ಖಚಿತವಾಗಿಲ್ಲ ಎಂದು ಹೇಳುವಂತೆ ಮಾಡುವುದು: "ನಿಮಗೆ ಖಚಿತವಿಲ್ಲದಿದ್ದರೆ, 'ಸ್ಪಷ್ಟವಾಗಿಲ್ಲ' ಎಂದು ಬರೆಯಿರಿ" ಎಂಬ ಸೂಚನೆಯು ಮಾದರಿಯ ಫಿಟ್ಟಿಂಗ್ ಅನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ.
- ಮಾನವ ಪರಿಶೀಲನೆ: ನಿರ್ಣಾಯಕ ಫಲಿತಾಂಶಗಳನ್ನು ಮಾನವನು ಪರಿಶೀಲಿಸಬೇಕು.
ಎಚ್ಚರಿಕೆ: ಕಾನೂನು, ವೈದ್ಯಕೀಯ ಅಥವಾ ಹಣಕಾಸಿನ ನಿರ್ಧಾರಗಳಿಗಾಗಿ ಅದನ್ನು ಮೌಲ್ಯೀಕರಿಸದೆ ಮಾದರಿ ಔಟ್ಪುಟ್ ಅನ್ನು ಎಂದಿಗೂ ಬಳಸಬೇಡಿ. ಮಾದರಿಯಿಂದ ನಿರ್ಮಿಸಲಾದ "ಕಾನೂನು ಲೇಖನ" ಅಥವಾ "ಡೋಸ್ ಮಾಹಿತಿ" ಸಂಪೂರ್ಣವಾಗಿ ನಿರ್ಮಿತವಾಗಿರಬಹುದು. ಈ ಪ್ರದೇಶಗಳಲ್ಲಿ, AI ಒಂದು ಕರಡು/ಪ್ರಾಥಮಿಕ ಸಾಧನವಾಗಿದೆ; ಒಬ್ಬ ಸಮರ್ಥ ವ್ಯಕ್ತಿ ಯಾವಾಗಲೂ ಕೊನೆಯ ಪದವನ್ನು ಹೊಂದಿರುತ್ತಾನೆ.
ಮಾನವ ಪರಿಶೀಲನೆಯ ಅವಶ್ಯಕತೆ
ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಜನರನ್ನು ವೇಗಗೊಳಿಸುವ ಸಾಧನವಾಗಿ ಉತ್ತಮವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ, ಅವರನ್ನು ಕೆಲಸದಿಂದ ಹೊರಹಾಕುವುದಿಲ್ಲ. ಸರಿಯಾದ ಸೆಟಪ್ ಈ ಕೆಳಗಿನಂತಿರುತ್ತದೆ: ಮಾದರಿ ಡ್ರಾಫ್ಟ್ ಅನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ ಅಥವಾ ಪೂರ್ವ ಅರ್ಹತೆ ನೀಡುತ್ತದೆ; ಮಾನವ ವಿಮರ್ಶೆಗಳು, ತಿದ್ದುಪಡಿಗಳು ಮತ್ತು ಅನುಮೋದಿಸುತ್ತವೆ. ಪರಿಶೀಲನೆಯು ಎಷ್ಟು ಕಟ್ಟುನಿಟ್ಟಾಗಿರಬೇಕು ಎಂಬುದು ದೋಷದ ವೆಚ್ಚವನ್ನು ಅವಲಂಬಿಸಿರುತ್ತದೆ.
ಅನ್ವೇಷಣೆ
ದೋಷದ ವೆಚ್ಚ
ಮಾನವ ಪರಿಶೀಲನೆ
ಉತ್ಪನ್ನ ವಿವರಣೆ ಕರಡು
ಕಡಿಮೆ
ಮಾದರಿ ನಿಯಂತ್ರಣ ಸಾಕು
ಗ್ರಾಹಕರ ಇಮೇಲ್ ಪ್ರತಿಕ್ರಿಯೆ
ಮಧ್ಯಮ
ಪೂರ್ವ ಸಲ್ಲಿಕೆ ಪರಿಶೀಲನೆ
ಒಪ್ಪಂದದ ಅಪಾಯದ ವಿಶ್ಲೇಷಣೆ
ಹೆಚ್ಚು
ಲೇಖನದ ಮೂಲಕ ಲೇಖನ ತಜ್ಞರ ದೃಢೀಕರಣ
ವೈದ್ಯಕೀಯ/ಆರ್ಥಿಕ ಸಲಹೆ
ತುಂಬಾ ಹೆಚ್ಚು
ಸಂಪೂರ್ಣ ತಜ್ಞರ ಪರಿಶೀಲನೆ, AI ಬೆಂಬಲ ಮಾತ್ರ
ಈ ಕೋಷ್ಟಕವು "ಪ್ರತಿ ಔಟ್ಪುಟ್ ಅನ್ನು ಹಸ್ತಚಾಲಿತವಾಗಿ ಪರಿಶೀಲಿಸುವುದು" ಮತ್ತು "ಎಲ್ಲವನ್ನೂ ಪರಿಶೀಲಿಸದಿರುವುದು" ನಡುವಿನ ಸಮತೋಲನವನ್ನು ಹೊಡೆಯುತ್ತದೆ. ಕಡಿಮೆ-ವೆಚ್ಚದ ಉದ್ಯೋಗಗಳಿಗೆ ಮಾದರಿ ನಿಯಂತ್ರಣವು ಸಾಕಾಗುತ್ತದೆ, ಹೆಚ್ಚಿನ ಬೆಲೆಯ ಉದ್ಯೋಗಗಳಿಗಾಗಿ ಪ್ರತಿ ಔಟ್ಪುಟ್ ಅನ್ನು ಪರಿಶೀಲಿಸಬೇಕು.
ನೈತಿಕ ಮತ್ತು ಜವಾಬ್ದಾರಿಯುತ ಬಳಕೆ
ಮಾದರಿ ಆಯ್ಕೆಯು ತಾಂತ್ರಿಕ ನಿರ್ಧಾರದಂತೆ ತೋರುತ್ತದೆಯಾದರೂ, ಅದರ ಹಿಂದೆ ನೈತಿಕ ಜವಾಬ್ದಾರಿಗಳಿವೆ:
- ಪಾರದರ್ಶಕತೆ: ನೀವು ಸೂಕ್ತ ಸ್ಥಳಗಳಲ್ಲಿ AI ಅನ್ನು ಬಳಸುತ್ತಿರುವಿರಿ ಎಂದು ನಿಮ್ಮ ಗ್ರಾಹಕರು ಅಥವಾ ಉದ್ಯೋಗಿಗಳಿಗೆ ತಿಳಿಸಿ. ಗ್ರಾಹಕರು ಅವರು ಮಾನವರ ಜೊತೆ ಮಾತನಾಡುತ್ತಿದ್ದಾರೆಯೇ ಅಥವಾ AI ಜೊತೆ ಮಾತನಾಡುತ್ತಿದ್ದಾರೆಯೇ ಎಂಬುದನ್ನು ತಿಳಿದುಕೊಳ್ಳುವ ಹಕ್ಕನ್ನು ಹೊಂದಿರುತ್ತಾರೆ.
- ಪಕ್ಷಪಾತ: ಮಾದರಿಗಳು ಅವರು ತರಬೇತಿ ಪಡೆದ ಡೇಟಾದಿಂದ ಪಕ್ಷಪಾತವನ್ನು ಆನುವಂಶಿಕವಾಗಿ ಪಡೆಯಬಹುದು. ನೇಮಕಾತಿ ಮತ್ತು ಕ್ರೆಡಿಟ್ ಮೌಲ್ಯಮಾಪನದಂತಹ ಸೂಕ್ಷ್ಮ ಪ್ರದೇಶಗಳಲ್ಲಿ ಫಲಿತಾಂಶಗಳ ನ್ಯಾಯೋಚಿತತೆಯನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಿ.
- ಗೌಪ್ಯತೆ: ಯುನಿಟ್ 8 ರಲ್ಲಿ ನೀವು ಕಲಿತ ಡೇಟಾ ರಕ್ಷಣೆ ತತ್ವಗಳನ್ನು ವರ್ಕ್ಫ್ಲೋಗೆ ಎಂಬೆಡ್ ಮಾಡಿ; ವೈಯಕ್ತಿಕ ಡೇಟಾವನ್ನು ಅಜಾಗರೂಕತೆಯಿಂದ ಕಳುಹಿಸಬೇಡಿ.
- ಹೊಣೆಗಾರಿಕೆ: ತಪ್ಪು ಸಂಭವಿಸಿದಾಗ, "AI ಮಾಡಿತು" ರಕ್ಷಣೆಯು ಸಾಕಾಗುವುದಿಲ್ಲ. ವಾಹನವನ್ನು ಬಳಸುವ ಸಂಸ್ಥೆಗೆ ಜವಾಬ್ದಾರಿ ಇರುತ್ತದೆ. ಆದ್ದರಿಂದ ಡಾಕ್ಯುಮೆಂಟ್ ಪರಿಶೀಲನೆ ಪ್ರಕ್ರಿಯೆಗಳು.
ಸಲಹೆ: ನಿಮ್ಮ ವರ್ಕ್ಫ್ಲೋನಲ್ಲಿ ಸ್ವಲ್ಪ "ಜವಾಬ್ದಾರಿಯುತ ಬಳಕೆಯ ನೀತಿ"ಯನ್ನು ಬರೆಯಿರಿ: ಯಾವ ಉದ್ಯೋಗಗಳು AI ಅನ್ನು ಬಳಸಬಹುದು, ಯಾವ ಡೇಟಾವನ್ನು ಕಳುಹಿಸಲಾಗುವುದಿಲ್ಲ, ಯಾರು ಅದನ್ನು ಪರಿಶೀಲಿಸುತ್ತಾರೆ ಮತ್ತು ದೋಷಗಳನ್ನು ಹೇಗೆ ವರದಿ ಮಾಡಲಾಗುತ್ತದೆ. ಈ ಒಂದು ಪುಟದ ಡಾಕ್ಯುಮೆಂಟ್ ಭವಿಷ್ಯದಲ್ಲಿ ಪ್ರಮುಖ ಸಮಸ್ಯೆಗಳನ್ನು ತಡೆಯುತ್ತದೆ.
ಮೂರು ವಾಸ್ತವಿಕ ಪ್ರಕರಣಗಳು
ಪ್ರಕರಣ 1 - ಎವಾಲ್ ಅನ್ನು ಸ್ಥಾಪಿಸದೆ ವಿಷಾದ. ವಿಮಾ ತಂಡವು ಅತ್ಯಂತ ಜನಪ್ರಿಯ ಮಾದರಿಯನ್ನು ಪರೀಕ್ಷಿಸದೆ ಕ್ಲೈಮ್ಗಳನ್ನು ಸಾರಾಂಶವನ್ನು ಪ್ರಾರಂಭಿಸುತ್ತದೆ. ಎರಡು ವಾರಗಳ ನಂತರ, ಮಾದರಿಯು ಟರ್ಕಿಯ ತಾಂತ್ರಿಕ ಪರಿಭಾಷೆಯಲ್ಲಿ ಆಗಾಗ್ಗೆ ತಪ್ಪುಗಳನ್ನು ಮಾಡುತ್ತದೆ ಮತ್ತು ಕೆಲವು ಮೊತ್ತವನ್ನು ತಪ್ಪಾಗಿ ಓದುತ್ತದೆ ಎಂದು ಅವರು ಅರಿತುಕೊಳ್ಳುತ್ತಾರೆ. ಅವರು 20 ಮಾದರಿಗಳ ಇವಾಲ್ ಅನ್ನು ಹೊಂದಿಸಿದಾಗ ಮತ್ತು ಮೂರು ಮಾದರಿಗಳನ್ನು ಹೋಲಿಸಿದಾಗ, ಅವರು ಹೆಚ್ಚು ಜನಪ್ರಿಯವಲ್ಲದ ಆದರೆ ಟರ್ಕಿಯ ತಾಂತ್ರಿಕ ಪಠ್ಯಗಳಲ್ಲಿ ಹೆಚ್ಚು ನಿಖರವಾದ ಮಾದರಿಗೆ ಬದಲಾಯಿಸುತ್ತಾರೆ. ನಷ್ಟ: ಎರಡು ವಾರಗಳು ಮತ್ತು ಪ್ರೂಫ್ ರೀಡಿಂಗ್ ಕಾರ್ಮಿಕ. ಪಾಠ: ಮೊದಲು eval, ನಂತರ ನಿಯೋಜಿಸಿ.
ಪ್ರಕರಣ 2 - ಭ್ರಮೆಯನ್ನು ಸೆರೆಹಿಡಿಯುವ ಪ್ರಕ್ರಿಯೆ. ಪ್ಯಾರಾಲೀಗಲ್ ಮಾದರಿ ಪ್ರಿಂಟ್ಔಟ್ನಲ್ಲಿ "ಸುಪ್ರೀಂ ಕೋರ್ಟ್ ನಿರ್ಧಾರ" ಉಲ್ಲೇಖವನ್ನು ನೋಡುತ್ತಾನೆ. ಅವರ ಪ್ರಕ್ರಿಯೆಯು "ಪ್ರತಿ ಉಲ್ಲೇಖವನ್ನು ಪರಿಶೀಲಿಸು" ನಿಯಮವನ್ನು ಹೊಂದಿರುವುದರಿಂದ, ಅವನು ನಿರ್ಧಾರಕ್ಕಾಗಿ ನೋಡುತ್ತಾನೆ ಮತ್ತು ಅಂತಹ ಯಾವುದೇ ನಿರ್ಧಾರ ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲ ಎಂದು ಕಂಡುಕೊಳ್ಳುತ್ತಾನೆ; ಅವರು ಮಾದರಿಯನ್ನು ರಚಿಸಿದರು. ಮಾನವ ಪರಿಶೀಲನೆಗೆ ಧನ್ಯವಾದಗಳು, ಕೃತ್ರಿಮ ಮಾಹಿತಿಯು ಕ್ಲೈಂಟ್ ಅನ್ನು ಎಂದಿಗೂ ತಲುಪುವುದಿಲ್ಲ. ಪರಿಶೀಲನಾ ನಿಯಮವಿಲ್ಲದೆ, ಖ್ಯಾತಿಯ ನಷ್ಟವು ಗಂಭೀರವಾಗಿರಬಹುದು.
ಪ್ರಕರಣ 3 - ಪಾರದರ್ಶಕತೆಯೊಂದಿಗೆ ನಂಬಿಕೆ. ಇ-ಕಾಮರ್ಸ್ ಕಂಪನಿಯು AI ಯೊಂದಿಗೆ ಗ್ರಾಹಕ ಬೆಂಬಲ ಪ್ರತಿಕ್ರಿಯೆಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ, ಆದರೆ ಪ್ರತಿ ಪ್ರತಿಕ್ರಿಯೆಯ ಅಡಿಯಲ್ಲಿ ಒಂದು ಟಿಪ್ಪಣಿಯನ್ನು ಸೇರಿಸುತ್ತದೆ: "ಈ ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಬೆಂಬಲದೊಂದಿಗೆ ಸಿದ್ಧಪಡಿಸಲಾಗಿದೆ ಮತ್ತು ನಮ್ಮ ಪ್ರತಿನಿಧಿಗಳಲ್ಲಿ ಒಬ್ಬರು ಪರಿಶೀಲಿಸಿದ್ದಾರೆ." ತ್ವರಿತ ಪ್ರತಿಕ್ರಿಯೆ ಮತ್ತು ಮಾನವ ತೊಡಗಿಸಿಕೊಂಡಿರುವುದನ್ನು ನೋಡುವ ವಿಶ್ವಾಸ ಎರಡರಿಂದಲೂ ಗ್ರಾಹಕರು ಹೆಚ್ಚು ತೃಪ್ತರಾಗಿದ್ದಾರೆ. ಪಾರದರ್ಶಕತೆ ಮರೆಮಾಚುವ ದೌರ್ಬಲ್ಯವಲ್ಲ, ಆದರೆ ನಂಬಿಕೆಯ ಮೂಲವಾಗಿದೆ.
ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್: ಪರಿಶೀಲಿಸಬಹುದಾದ ಔಟ್ಪುಟ್
ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್:
ಈ ಒಪ್ಪಂದದ ಅಪಾಯಕಾರಿ ಷರತ್ತುಗಳ ಬಗ್ಗೆ ಹೇಳಿ.
ಮಾದರಿಗೆ ಹೊಂದಿಕೊಳ್ಳಬಹುದು; ಯಾವುದೇ ಮೂಲವಿಲ್ಲ, ಅನಿಶ್ಚಿತತೆಯ ಸಂಕೇತವಿಲ್ಲ.
ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್:
ನಿಮ್ಮ ಪಾತ್ರ: ಗುತ್ತಿಗೆ ವಿಶ್ಲೇಷಕ (ಅಂತಿಮ ನಿರ್ಧಾರವು ವಕೀಲರಿಗೆ ಸೇರಿದೆ). ಕಾರ್ಯ: ಕೆಳಗಿನ ಒಪ್ಪಂದದಲ್ಲಿ ಸಂಭಾವ್ಯ ಅಪಾಯಕಾರಿ ಷರತ್ತುಗಳನ್ನು ಹೈಲೈಟ್ ಮಾಡಿ. ಪ್ರತಿ ಶೋಧನೆಗೆ: (1) ಷರತ್ತು ಸಂಖ್ಯೆ ಮತ್ತು ಪದಗಳ ಉಲ್ಲೇಖ, (2) ಇದು ಏಕೆ ಅಪಾಯಕಾರಿ, (3) ನಿಮ್ಮ ವಿಶ್ವಾಸಾರ್ಹ ಮಟ್ಟ (ಹೆಚ್ಚಿನ/ಮಧ್ಯಮ/ಕಡಿಮೆ). ಪಠ್ಯದಲ್ಲಿನ ಷರತ್ತುಗಳನ್ನು ಮಾತ್ರ ಅವಲಂಬಿಸಿ; ಪಠ್ಯದಲ್ಲಿ ಇಲ್ಲದ ಯಾವುದನ್ನೂ ರೂಪಿಸಬೇಡಿ. ನಿಮಗೆ ಖಚಿತವಿಲ್ಲದಿದ್ದರೆ, "ವಕೀಲರ ದೃಢೀಕರಣದ ಅಗತ್ಯವಿದೆ" ಎಂದು ಬರೆಯಿರಿ. [ಒಪ್ಪಂದ]
ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್ ಪ್ರತಿ ಕ್ಲೈಮ್ ಅನ್ನು ಮೂಲಕ್ಕೆ ಲಿಂಕ್ ಮಾಡುತ್ತದೆ (ಲೇಖನ ಸಂಖ್ಯೆ + ಉಲ್ಲೇಖ), ವಿಶ್ವಾಸಾರ್ಹ ಮಟ್ಟದ ಅಗತ್ಯವಿರುತ್ತದೆ ಮತ್ತು ಫ್ಯಾಬ್ರಿಕೇಶನ್ ಅನ್ನು ನಿಷೇಧಿಸುತ್ತದೆ; ಇದು ಭ್ರಮೆಯನ್ನು ಹಿಡಿಯುವಂತೆ ಮಾಡುತ್ತದೆ.
ನಕಲಿಸಬಹುದಾದ ಟೆಂಪ್ಲೇಟ್ಗಳು
1. ಇವಾಲ್ ಸೆಟ್ ವಿನ್ಯಾಸ:
ಕೆಳಗಿನ ಕಾರ್ಯಕ್ಕಾಗಿ ಮೌಲ್ಯಮಾಪನ ಸೆಟ್ ಅನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಿ [TASK]. 15 ಮಾದರಿ ಇನ್ಪುಟ್ಗಳನ್ನು ಸೂಚಿಸಿ (ಮಿಶ್ರಿತ ಸುಲಭ-ಮಧ್ಯಮ-ಕಷ್ಟ), ಪ್ರತಿಯೊಂದಕ್ಕೂ "ನಿರೀಕ್ಷಿತ ಸರಿಯಾದ ಔಟ್ಪುಟ್" ಅನ್ನು ಹೇಗೆ ವ್ಯಾಖ್ಯಾನಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಸ್ಕೋರಿಂಗ್ ಮಾನದಂಡವನ್ನು ನಿರ್ಧರಿಸಿ (1-5).
2. ಭ್ರಮೆ-ಕಡಿಮೆಗೊಳಿಸುವ ಸುತ್ತು:
ಫ್ಯಾಬ್ರಿಕೇಶನ್ ಅನ್ನು ಕಡಿಮೆ ಮಾಡಲು ಕೆಳಗಿನ ಪ್ರಾಂಪ್ಟ್ ಅನ್ನು ಪುನಃ ಬರೆಯಿರಿ: "[PROMPT]". ಮೂಲಗಳನ್ನು ಉಲ್ಲೇಖಿಸಲು, ವಿಶ್ವಾಸಾರ್ಹ ಮಟ್ಟವನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸಲು ಮತ್ತು "ನಿಮಗೆ ಖಚಿತವಿಲ್ಲದಿದ್ದರೆ ನನಗೆ ತಿಳಿಸಿ" ನಿಯಮಗಳನ್ನು ಸೇರಿಸಿ.
3. ಪರಿಶೀಲನೆ ಹರಿವಿನ ವಿನ್ಯಾಸ:
ಕೆಳಗಿನ ವರ್ಕ್ಫ್ಲೋನಲ್ಲಿ [ವರ್ಕ್ಫ್ಲೋ] AI ಔಟ್ಪುಟ್ಗಾಗಿ ಮಾನವ ಪರಿಶೀಲನೆ ಹಂತವನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಿ. ದೋಷದ ವೆಚ್ಚವನ್ನು ಆಧರಿಸಿ ಪರಿಶೀಲನೆಯು ಎಷ್ಟು ಕಠಿಣವಾಗಿರಬೇಕು ಎಂಬುದನ್ನು ನಿರ್ಧರಿಸಿ; ಯಾರು ಏನು, ಯಾವಾಗ ಪರಿಶೀಲಿಸುತ್ತಾರೆ ಎಂದು ಬರೆಯಿರಿ.
4. ಕರಡು ಜವಾಬ್ದಾರಿಯುತ ಬಳಕೆಯ ನೀತಿ:
[ಇಂಡಸ್ಟ್ರಿ] ತಂಡಕ್ಕಾಗಿ ಒಂದು ಪುಟದ "ಜವಾಬ್ದಾರಿಯುತ AI ಬಳಕೆಯ ನೀತಿಯನ್ನು" ಕರಡು ಮಾಡಿ. ಕೆಳಗಿನ ಶೀರ್ಷಿಕೆಗಳನ್ನು ಸೇರಿಸಿ: ಅನುಮತಿಸಲಾದ ಬಳಕೆಗಳು, ನಿಷೇಧಿತ ಡೇಟಾ, ಪರಿಶೀಲನೆ ಜವಾಬ್ದಾರಿ, ಪಾರದರ್ಶಕತೆ ವರದಿ ಮಾಡುವಿಕೆ, ದೋಷ ವರದಿ ಮಾಡುವಿಕೆ.
ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು
- Eval ಇಲ್ಲದೆ ನಿಯೋಜಿಸುವುದು: ನಿಮ್ಮ ಸ್ವಂತ ಡೇಟಾದೊಂದಿಗೆ ಅದನ್ನು ಪರೀಕ್ಷಿಸದೆಯೇ ಮಾದರಿಯನ್ನು ಪ್ರಾರಂಭಿಸುವುದು ಮತ್ತು ಗ್ರಾಹಕ/ಉದ್ಯೋಗದಲ್ಲಿ ಪ್ರತಿಫಲಿಸಿದ ನಂತರ ದೋಷಗಳನ್ನು ಗಮನಿಸುವುದು.
- ಭ್ರಮೆಯ ಮೇಲೆ ಅವಲಂಬಿತ: ಉಲ್ಲೇಖಗಳನ್ನು ಪರಿಶೀಲಿಸದೆ ಮಾದರಿಯ ಆತ್ಮವಿಶ್ವಾಸದ ಭಾಷೆಯನ್ನು ಸತ್ಯವಾಗಿ ಬಳಸುವುದು.
- ಮಾನವ ಪರಿಶೀಲನೆಯನ್ನು ಬೈಪಾಸ್ ಮಾಡುವುದು: ಹೆಚ್ಚಿನ ವೆಚ್ಚದ ನಿರ್ಧಾರಗಳಲ್ಲಿ ಔಟ್ಪುಟ್ ಅನ್ನು ಪರಿಶೀಲಿಸದೆ ಬಿಡುವುದು; "AI ಮಾಡಿದರು" ರಕ್ಷಣೆಯ ಮೇಲೆ ಒಲವು.
- ಪಾರದರ್ಶಕತೆಯನ್ನು ತಪ್ಪಿಸುವುದು: ನಿಮ್ಮ AI ಬಳಕೆಯನ್ನು ಮರೆಮಾಡುವುದು; ಅದು ಸಂಭವಿಸಿದಾಗ ಆತ್ಮವಿಶ್ವಾಸದ ನಷ್ಟವನ್ನು ಅನುಭವಿಸುವುದು.
- ನೈತಿಕತೆ ಮತ್ತು ಪಕ್ಷಪಾತವನ್ನು ನಿರ್ಲಕ್ಷಿಸುವುದು: ಔಟ್ಪುಟ್ನ ನ್ಯಾಯೋಚಿತತೆಯನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡದೆಯೇ ಸೂಕ್ಷ್ಮ ನಿರ್ಧಾರಗಳನ್ನು (ನೇಮಕ, ಕ್ರೆಡಿಟ್) ಬಳಸುವುದು.
ಸಾರಾಂಶದಲ್ಲಿ
- ಮಾದರಿಯನ್ನು ನಿಯೋಜಿಸುವ ಮೊದಲು, ನಿಮ್ಮ ಸ್ವಂತ ಡೇಟಾದೊಂದಿಗೆ ಸಣ್ಣ ಇವಾಲ್ ಸೆಟ್ ಅನ್ನು ಹೊಂದಿಸಿ ಮತ್ತು ಅಭ್ಯರ್ಥಿಗಳನ್ನು ಪರೀಕ್ಷಿಸಿ; ಒಟ್ಟಾರೆ ಶ್ರೇಯಾಂಕಗಳು ನಿಮ್ಮ ವ್ಯಾಪಾರವನ್ನು ಪ್ರತಿನಿಧಿಸುವುದಿಲ್ಲ.
- ಭ್ರಮೆಯು ಮಾದರಿಯ ಸುಳ್ಳು ಭಾಷೆಯ ಆತ್ಮವಿಶ್ವಾಸದ ಉತ್ಪಾದನೆಯಾಗಿದೆ; ಮೂಲ ಗುಣಲಕ್ಷಣ, ನಂಬಿಕೆಯ ಮಟ್ಟ ಮತ್ತು ಮಾನವ ಪರಿಶೀಲನೆಯಿಂದ ಸೆರೆಹಿಡಿಯಲಾಗಿದೆ.
- ದೋಷದ ವೆಚ್ಚದ ಪ್ರಕಾರ ಮಾನವ ಪರಿಶೀಲನೆಯ ಬಿಗಿತವನ್ನು ಸರಿಹೊಂದಿಸಲಾಗುತ್ತದೆ; ನಿರ್ಣಾಯಕ ಪ್ರದೇಶಗಳಲ್ಲಿ AI ಕೇವಲ ಬೆಂಬಲವಾಗಿದೆ, ನಿರ್ಧಾರವು ಮಾನವನದ್ದಾಗಿದೆ.
- ಪಾರದರ್ಶಕತೆ, ಪಕ್ಷಪಾತ ನಿಯಂತ್ರಣ, ಗೌಪ್ಯತೆ ಮತ್ತು ಹೊಣೆಗಾರಿಕೆ; ಜವಾಬ್ದಾರಿಯುತ AI ಬಳಕೆಯ ನಾಲ್ಕು ಸ್ತಂಭಗಳಾಗಿವೆ. ಒಂದು ಪುಟದ ನೀತಿಯು ಪ್ರಮುಖ ಅಪಾಯಗಳನ್ನು ತಡೆಯುತ್ತದೆ.
ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ
ಮಾಡ್ಯೂಲ್ನಾದ್ಯಂತ ನೀವು ಆಯ್ಕೆ ಮಾಡಿದ ಅಭ್ಯರ್ಥಿ ಮಾದರಿ(ಗಳಿಗೆ) ಈ ಘಟಕದಲ್ಲಿ ಟೆಂಪ್ಲೇಟ್ 1 ನೊಂದಿಗೆ 15 ಉದಾಹರಣೆಗಳ ಮೌಲ್ಯಮಾಪನ ಸೆಟ್ ಅನ್ನು ಹೊಂದಿಸಿ (ಇವಾಲ್ ಸೆಟ್ ವಿನ್ಯಾಸ) ಮತ್ತು ಈ ಸೆಟ್ನೊಂದಿಗೆ ಕನಿಷ್ಠ ಎರಡು ಮಾದರಿಗಳನ್ನು ಹೋಲಿಕೆ ಮಾಡಿ. ನಂತರ ಟೆಂಪ್ಲೇಟ್ 3 (ಮೌಲ್ಯಮಾಪನ ಹರಿವು) ನೊಂದಿಗೆ ಔಟ್ಪುಟ್ ಅನ್ನು ಮನುಷ್ಯರು ಹೇಗೆ ಪರಿಶೀಲಿಸುತ್ತಾರೆ ಎಂಬುದನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಿ ಮತ್ತು ಟೆಂಪ್ಲೇಟ್ 4 (ಜವಾಬ್ದಾರಿಯುತ ಬಳಕೆಯ ನೀತಿ) ಯೊಂದಿಗೆ ನಿಮ್ಮ ತಂಡಕ್ಕಾಗಿ ಒಂದು ಪುಟದ ನೀತಿಯನ್ನು ರಚಿಸಿ. ಈ ಮೂರು ವಿತರಣೆಗಳು ಸಂಪೂರ್ಣ ಮಾಡ್ಯೂಲ್ ಅನ್ನು ಕಾರ್ಯಸಾಧ್ಯವಾದ ನಿಯೋಜನೆ ಯೋಜನೆಯಾಗಿ ಪರಿವರ್ತಿಸುತ್ತವೆ.
ಪರಿಶೀಲನಾಪಟ್ಟಿ
- [ ] ನನ್ನ ಸ್ವಂತ ಡೇಟಾದೊಂದಿಗೆ, ನಾನು ಸಣ್ಣ ಇವಾಲ್ ಸೆಟ್ ಅನ್ನು ಹೊಂದಿಸಬಹುದು ಮತ್ತು ಮಾದರಿಗಳನ್ನು ಹೋಲಿಸಬಹುದು.
- [ ] ನಾನು ಭ್ರಮೆಗಳನ್ನು ಗುರುತಿಸಬಹುದು ಮತ್ತು ತಗ್ಗಿಸುವ ಮತ್ತು ಬಂಧಿಸುವ ಕ್ರಮಗಳನ್ನು ಅನ್ವಯಿಸಬಹುದು.
- [ ] ದೋಷದ ವೆಚ್ಚವನ್ನು ಆಧರಿಸಿ ನಾನು ಮಾನವ ಪರಿಶೀಲನೆಯ ಕಟ್ಟುನಿಟ್ಟನ್ನು ಸರಿಹೊಂದಿಸಬಹುದು.
- [ ] ನಾನು ಕೆಲಸದ ಹರಿವಿನೊಳಗೆ ಪಾರದರ್ಶಕತೆ, ಪಕ್ಷಪಾತ, ಗೌಪ್ಯತೆ ಮತ್ತು ಹೊಣೆಗಾರಿಕೆಯ ತತ್ವಗಳನ್ನು ಎಂಬೆಡ್ ಮಾಡಬಹುದು.
- [ ] ನಾನು ಒಂದು ಪುಟದ ಜವಾಬ್ದಾರಿಯುತ AI ಬಳಕೆಯ ನೀತಿಯನ್ನು ರಚಿಸಬಹುದು.
ಮಾಡ್ಯೂಲ್ ಪರೀಕ್ಷೆ
1. AI 'ಒದಗಿಸುವವರು' ಮತ್ತು 'ಮಾದರಿ ಕುಟುಂಬ' ನಡುವಿನ ವ್ಯತ್ಯಾಸವೇನು?
- A) ಒದಗಿಸುವವರು ಮಾದರಿಯನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವ ಕಂಪನಿಯಾಗಿದೆ ಮತ್ತು ಮಾದರಿ ಕುಟುಂಬವು ಬ್ರಾಂಡ್ ಅಡಿಯಲ್ಲಿ ಆ ಕಂಪನಿಯ ಮಾದರಿ ಗುಂಪಾಗಿದೆ ✔
- ಬಿ) ಅವು ಒಂದೇ ರೀತಿಯದ್ದಾಗಿರುತ್ತವೆ ಮತ್ತು ಪರಸ್ಪರ ಬದಲಿಯಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ
- ಸಿ) ಒದಗಿಸುವವರು ಮಾದರಿಯ ಬೆಲೆ, ಮಾದರಿ ಕುಟುಂಬವು ಮಾದರಿಯ ವೇಗವಾಗಿದೆ.
- ಡಿ) ಮಾದರಿ ಕುಟುಂಬವು ಕಂಪನಿಯನ್ನು ಸೂಚಿಸುತ್ತದೆ, ಪೂರೈಕೆದಾರರು ಒಂದೇ ಮಾದರಿಯ ಆವೃತ್ತಿಯನ್ನು ಉಲ್ಲೇಖಿಸುತ್ತಾರೆ
ವಿವರಣೆ: ಒದಗಿಸುವವರು ಮಾದರಿಯನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ ಕಂಪನಿಯಾಗಿದೆ (ಉದಾ. ಆಂಥ್ರೊಪಿಕ್); ಮಾದರಿ ಕುಟುಂಬವು ಆ ಕಂಪನಿಯು ಬ್ರಾಂಡ್ ಅಡಿಯಲ್ಲಿ ಸಂಗ್ರಹಿಸುವ ಮಾದರಿ ಗುಂಪಾಗಿದೆ (ಉದಾಹರಣೆಗೆ, ಕ್ಲೌಡ್). ಮಾದರಿ ಆವೃತ್ತಿಯು ಕುಟುಂಬದೊಳಗೆ ಒಂದು ನಿರ್ದಿಷ್ಟ ಆವೃತ್ತಿಯಾಗಿದೆ.
2. ಮಾದರಿಯ 'ತೂಕ'ಗಳನ್ನು ಹೇಗೆ ಹೆಚ್ಚು ನಿಖರವಾಗಿ ವ್ಯಾಖ್ಯಾನಿಸಬಹುದು?
- ಎ) ಪ್ರತಿ ನಿಮಿಷಕ್ಕೆ ಮಾದರಿಯು ಉತ್ಪಾದಿಸಬಹುದಾದ ಟೋಕನ್ಗಳ ಸಂಖ್ಯೆ
- ಬಿ) ತರಬೇತಿಯ ಸಮಯದಲ್ಲಿ ಮಾದರಿಯು ಕಲಿಯುವ ಮತ್ತು ಅದರ ಮಾಹಿತಿಯನ್ನು ಸಂಗ್ರಹಿಸುವ ಶತಕೋಟಿ ಸಂಖ್ಯಾತ್ಮಕ ನಿಯತಾಂಕಗಳು. ✔
- ಸಿ) ಇದು ಮಾದರಿಯ ಮಾಸಿಕ ಚಂದಾದಾರಿಕೆ ಶುಲ್ಕವಾಗಿದೆ
- ಡಿ) ಇದು ಮಾದರಿಯಿಂದ ಬೆಂಬಲಿತ ಭಾಷೆಗಳ ಸಂಖ್ಯೆ
ವಿವರಣೆ: ತೂಕವು ತರಬೇತಿಯ ಸಮಯದಲ್ಲಿ ಮಾದರಿಯು ಕಲಿಯುವ ಶತಕೋಟಿ ಸಂಖ್ಯಾತ್ಮಕ ನಿಯತಾಂಕಗಳಾಗಿವೆ; ಇಲ್ಲಿ 'ಮಾದರಿ ತಿಳಿದಿರುವ ಎಲ್ಲವನ್ನೂ' ಸಂಗ್ರಹಿಸಲಾಗುತ್ತದೆ. ಮುಚ್ಚಿದ/ಸ್ಪಷ್ಟ ತೂಕದ ವ್ಯತ್ಯಾಸವು ಈ ನಿಯತಾಂಕಗಳನ್ನು ಡೌನ್ಲೋಡ್ ಮಾಡಬಹುದೇ ಮತ್ತು ರನ್ ಮಾಡಬಹುದೇ ಎಂಬುದರ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿರುತ್ತದೆ.
3. 'ತೆರೆದ ತೂಕ' ಮತ್ತು 'ತೆರೆದ ಮೂಲ' ಕುರಿತು ಯಾವ ಹೇಳಿಕೆ ನಿಜವಾಗಿದೆ?
- ಎ) ಅವು ಒಂದೇ ರೀತಿಯ ಪರಿಕಲ್ಪನೆಗಳಾಗಿವೆ ಮತ್ತು ಎರಡೂ ಅನಿಯಮಿತ ವಾಣಿಜ್ಯ ಬಳಕೆಯನ್ನು ನೀಡುತ್ತವೆ
- ಬಿ) ತೆರೆದ ತೂಕವು ಯಾವಾಗಲೂ ತರಬೇತಿ ಡೇಟಾವನ್ನು ಸಾರ್ವಜನಿಕಗೊಳಿಸುತ್ತದೆ
- ಸಿ) ಇದು ಒಂದೇ ವಿಷಯವಲ್ಲ; ತೆರೆದ ತೂಕದಲ್ಲಿ, ಸಾಮಾನ್ಯವಾಗಿ ನಿಯತಾಂಕಗಳನ್ನು ಮಾತ್ರ ಹಂಚಿಕೊಳ್ಳಲಾಗುತ್ತದೆ ಮತ್ತು ಪರವಾನಗಿ ನಿಯಮಗಳು ವಾಣಿಜ್ಯ ಬಳಕೆಯನ್ನು ಮಿತಿಗೊಳಿಸಬಹುದು ✔
- ಡಿ) ಓಪನ್ ಸೋರ್ಸ್ ಮಾದರಿಗಳನ್ನು ಡೌನ್ಲೋಡ್ ಮಾಡಲಾಗುವುದಿಲ್ಲ, ತೆರೆದ ತೂಕದ ಮಾದರಿಗಳನ್ನು ಡೌನ್ಲೋಡ್ ಮಾಡಬಹುದು
ವಿವರಣೆ: ತೆರೆದ ತೂಕದಲ್ಲಿ, ಮಾದರಿ ನಿಯತಾಂಕಗಳನ್ನು ಮಾತ್ರ ಹಂಚಿಕೊಳ್ಳಲಾಗುತ್ತದೆ; ತರಬೇತಿ ಡೇಟಾ ಮತ್ತು ಪ್ರಕ್ರಿಯೆಯನ್ನು ಹೆಚ್ಚಾಗಿ ಬಹಿರಂಗಪಡಿಸಲಾಗುವುದಿಲ್ಲ, ಮತ್ತು ಕೆಲವು ಪರವಾನಗಿಗಳು ವಾಣಿಜ್ಯ ಬಳಕೆಯನ್ನು ಮಿತಿಗೊಳಿಸುತ್ತವೆ. ಆದ್ದರಿಂದ 'ತೆರೆದ ತೂಕ' ನಿಖರವಾಗಿ 'ಓಪನ್ ಸೋರ್ಸ್' ಎಂದು ಒಂದೇ ಆಗಿರುವುದಿಲ್ಲ.
4. ದೀರ್ಘ ಒಪ್ಪಂದಗಳನ್ನು ಓದುವ ಮತ್ತು ವಿಶ್ಲೇಷಿಸುವ ಕಾನೂನು ತಂಡಕ್ಕೆ ಈ ಕೆಳಗಿನವುಗಳಲ್ಲಿ ಯಾವುದು ಅತ್ಯಂತ ನಿರ್ಣಾಯಕ ಮಾದರಿ ವೈಶಿಷ್ಟ್ಯವಾಗಿದೆ?
- ಎ) ಕಡಿಮೆ ಟೋಕನ್ ಬೆಲೆಯನ್ನು ಹೊಂದಿರುವುದು
- ಬಿ) ದೃಶ್ಯ (ಮಲ್ಟಿಮೋಡಲ್) ಸಂಸ್ಕರಣಾ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿರುವುದು
- ಸಿ) ತೆರೆದ ತೂಕದ ಪರವಾನಗಿಯನ್ನು ಹೊಂದಿರುವುದು
- D) ವಿಶಾಲವಾದ ಸನ್ನಿವೇಶ ವಿಂಡೋವನ್ನು ಹೊಂದಿರುವುದು ✔
ವಿವರಣೆ: ಒಟ್ಟಾರೆಯಾಗಿ ದೀರ್ಘ ದಾಖಲೆಗಳನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಲು ಮಾದರಿಗೆ ದೊಡ್ಡ ಸಂದರ್ಭ ವಿಂಡೋ ಅಗತ್ಯವಿದೆ; ಸಂದರ್ಭ ವಿಂಡೋವು ಮಾದರಿಯು ಒಂದು ಸಮಯದಲ್ಲಿ ನೆನಪಿನಲ್ಲಿಟ್ಟುಕೊಳ್ಳಬಹುದಾದ ಟೋಕನ್ಗಳ ಒಟ್ಟು ಮೊತ್ತವಾಗಿದೆ.
5. ಮುಚ್ಚಿದ ತೂಕದ ಮಾದರಿಗಳಿಗೆ ಟೋಕನ್ ಬೆಲೆಯ ಬಗ್ಗೆ ಯಾವುದು ನಿಜ?
- ಎ) ಔಟ್ಪುಟ್ ಟೋಕನ್ ಸಾಮಾನ್ಯವಾಗಿ ಇನ್ಪುಟ್ ಟೋಕನ್ ✔ ಗಿಂತ ಹೆಚ್ಚು ದುಬಾರಿಯಾಗಿದೆ
- ಬಿ) ಇನ್ಪುಟ್ ಮತ್ತು ಔಟ್ಪುಟ್ ಯಾವಾಗಲೂ ಒಂದೇ ಬೆಲೆಯಾಗಿರುತ್ತದೆ
- ಸಿ) ನಿಗದಿತ ಮಾಸಿಕ ಶುಲ್ಕವನ್ನು ಮಾತ್ರ ವಿಧಿಸಲಾಗುತ್ತದೆ, ಬಳಕೆಯ ಮೊತ್ತವು ಅಪ್ರಸ್ತುತವಾಗುತ್ತದೆ
- ಡಿ) ಇನ್ಪುಟ್ ಟೋಕನ್ ಯಾವಾಗಲೂ ಔಟ್ಪುಟ್ಗಿಂತ ಹಲವು ಪಟ್ಟು ಹೆಚ್ಚು ದುಬಾರಿಯಾಗಿದೆ
ವಿವರಣೆ: ಪ್ರತಿ ಟೋಕನ್ಗೆ ಬೆಲೆಯನ್ನು ಲೆಕ್ಕಹಾಕಲಾಗುತ್ತದೆ ಮತ್ತು ಮಾದರಿಯು ಉತ್ಪಾದಿಸುವ ಔಟ್ಪುಟ್ ಟೋಕನ್ ಸಾಮಾನ್ಯವಾಗಿ ನೀವು ಕಳುಹಿಸುವ ಇನ್ಪುಟ್ ಟೋಕನ್ಗಿಂತ ಹಲವಾರು ಪಟ್ಟು ಹೆಚ್ಚು ದುಬಾರಿಯಾಗಿರುತ್ತದೆ. ಆದ್ದರಿಂದ, ದೀರ್ಘ ಮತ್ತು ಅನಗತ್ಯ ಮುದ್ರಣಗಳು ವೆಚ್ಚವನ್ನು ತ್ವರಿತವಾಗಿ ಹೆಚ್ಚಿಸುತ್ತವೆ.
6. ಇನ್ವಾಯ್ಸ್ ಚಿತ್ರಗಳಿಂದ ಡೇಟಾವನ್ನು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಹೊರತೆಗೆಯಲು ಬಯಸುವ ಲೆಕ್ಕಪರಿಶೋಧಕ ತಂಡಕ್ಕೆ ಮಾದರಿಯಲ್ಲಿ ಯಾವ ವೈಶಿಷ್ಟ್ಯವು ಅವಶ್ಯಕವಾಗಿದೆ?
- ಎ) ವಿಶಾಲ ಸಂಭವನೀಯ ಸನ್ನಿವೇಶ ವಿಂಡೋ
- ಬಿ) ಮಲ್ಟಿಮೋಡಲಿಟಿ (ದೃಶ್ಯ ಸಂಸ್ಕರಣಾ ಸಾಮರ್ಥ್ಯ) ✔
- ಸಿ) ತೆರೆದ ತೂಕ ಪರವಾನಗಿ
- ಡಿ) ತಾರ್ಕಿಕತೆಯ ಅತ್ಯುನ್ನತ ಮಟ್ಟ
ವಿವರಣೆ: ದೃಶ್ಯ ವಿಷಯವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು, ಮಾದರಿಯು ಚಿತ್ರಗಳನ್ನು ಮತ್ತು ಪಠ್ಯವನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಲು ಶಕ್ತವಾಗಿರಬೇಕು, ಅಂದರೆ ಅದು ಬಹುಮಾದರಿಯಾಗಿರಬೇಕು. ಮಲ್ಟಿಮೋಡಲಿಟಿ ಎನ್ನುವುದು ಪಠ್ಯ, ಚಿತ್ರಗಳು ಮತ್ತು ಕೆಲವೊಮ್ಮೆ ಆಡಿಯೊದಂತಹ ಬಹು ಪ್ರಕಾರದ ಡೇಟಾವನ್ನು ನಿರ್ವಹಿಸುವ ಮಾದರಿಯ ಸಾಮರ್ಥ್ಯವಾಗಿದೆ.
7. ಹೆಚ್ಚಿನ ಪ್ರಮಾಣದ, ಸರಳ ಕಾರ್ಯಕ್ಕಾಗಿ (ಉದಾ. ಸಾವಿರಾರು ವಿಮರ್ಶೆಗಳ ಧನಾತ್ಮಕ/ಋಣಾತ್ಮಕ ವರ್ಗೀಕರಣ) ಅತ್ಯಂತ ತಾರ್ಕಿಕ ಆಯ್ಕೆ ಯಾವುದು?
- ಎ) ಯಾವಾಗಲೂ ಪ್ರಬಲ ಮತ್ತು ಅತ್ಯಂತ ದುಬಾರಿ ತಾರ್ಕಿಕ ಮಾದರಿ
- ಬಿ) ತೆರೆದ ತೂಕ ಮತ್ತು ಅದರ ಸ್ವಂತ ಸರ್ವರ್ನಲ್ಲಿ ಮಾತ್ರ ಕಾರ್ಯನಿರ್ವಹಿಸುವ ಮಾದರಿ
- ಸಿ) ಹಗುರವಾದ ಮತ್ತು ಕಡಿಮೆ-ವೆಚ್ಚದ ಮಾದರಿ, ಏಕೆಂದರೆ ಕಾರ್ಯವು ಸರಳವಾಗಿದೆ ಮತ್ತು ಪರಿಮಾಣವು ಹೆಚ್ಚು ✔
- ಡಿ) ವಿಶಾಲವಾದ ಸನ್ನಿವೇಶ ವಿಂಡೋವನ್ನು ಹೊಂದಿರುವ ಮಾದರಿ
ವಿವರಣೆ: ಹಗುರವಾದ, ಕಡಿಮೆ-ವೆಚ್ಚದ ಮಾದರಿಯು ಸರಳವಾದ, ಹೆಚ್ಚಿನ ಪ್ರಮಾಣದ ಕಾರ್ಯಗಳಿಗಾಗಿ ಟ್ರಿಕ್ ಮಾಡುತ್ತದೆ; ಅತ್ಯಂತ ಶಕ್ತಿಶಾಲಿ ಮತ್ತು ದುಬಾರಿ ಮಾದರಿಯನ್ನು ಬಳಸುವುದು ಇಲ್ಲಿ ಅನಗತ್ಯ ವೆಚ್ಚಗಳನ್ನು ಸೃಷ್ಟಿಸುತ್ತದೆ. ಕಾರ್ಯದ ತೊಂದರೆಯನ್ನು ಮಾದರಿ ಶ್ರೇಣಿಗೆ ಹೊಂದಿಸುವುದು ಸರಿಯಾದ ವಿಧಾನವಾಗಿದೆ.
8. KVKK ವಿಷಯದಲ್ಲಿ ವಿದೇಶಿ ಮೂಲದ AI ಪೂರೈಕೆದಾರರಿಗೆ ವೈಯಕ್ತಿಕ ಡೇಟಾವನ್ನು ಒಳಗೊಂಡಿರುವ ಪಠ್ಯವನ್ನು ಕಳುಹಿಸಲು ಏನು ಪ್ರಚೋದಿಸುತ್ತದೆ?
- ಎ) ಇದು ಯಾವುದೇ ಕಾನೂನು ಹೊಣೆಗಾರಿಕೆಯನ್ನು ಸೃಷ್ಟಿಸುವುದಿಲ್ಲ
- ಬಿ) ಒದಗಿಸುವವರು EU ನಲ್ಲಿದ್ದರೆ ಮಾತ್ರ ಮುಖ್ಯವಾಗುತ್ತದೆ, ಬೇರೆ ಯಾವುದೇ ಸಂದರ್ಭದಲ್ಲಿ
- ಸಿ) ಡೇಟಾವು ಅನಾಮಧೇಯವಾಗಿದೆಯೇ ಅಥವಾ ಇಲ್ಲವೇ ಎಂಬುದನ್ನು ಲೆಕ್ಕಿಸದೆ ಎಲ್ಲಾ ಸಂದರ್ಭಗಳಲ್ಲಿ ಇದನ್ನು ಕಟ್ಟುನಿಟ್ಟಾಗಿ ನಿಷೇಧಿಸಲಾಗಿದೆ
- D) ವಿದೇಶದಲ್ಲಿ ಡೇಟಾ ವರ್ಗಾವಣೆಯನ್ನು ಪರಿಗಣಿಸಲಾಗುತ್ತದೆ ಮತ್ತು KVKK ✔ ನ ವಿಶೇಷ ಷರತ್ತುಗಳಿಗೆ ಒಳಪಟ್ಟಿರುತ್ತದೆ
ವಿವರಣೆ: ವಿದೇಶದಲ್ಲಿ ಒದಗಿಸುವವರ ಸರ್ವರ್ಗಳಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುವ ಡೇಟಾವನ್ನು 'ವಿದೇಶದಲ್ಲಿ ಡೇಟಾ ವರ್ಗಾವಣೆ' ಎಂದು ಪರಿಗಣಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಈ ವಿಷಯದ ಬಗ್ಗೆ KVKK ಯ ವಿಶೇಷ ಷರತ್ತುಗಳಿಗೆ ಒಳಪಟ್ಟಿರುತ್ತದೆ (ಉದಾಹರಣೆಗೆ ಸ್ಪಷ್ಟವಾದ ಒಪ್ಪಿಗೆ, ಸಮರ್ಪಕ ನಿರ್ಧಾರ, ಸೂಕ್ತವಾದ ಭರವಸೆಗಳು).
9. ಮಾದರಿಯ 'ತಾರ್ಕಿಕ' ಮೋಡ್ ಏನು ಮಾಡುತ್ತದೆ ಮತ್ತು ಅದು ವೆಚ್ಚದ ಮೇಲೆ ಹೇಗೆ ಪರಿಣಾಮ ಬೀರುತ್ತದೆ?
- ಎ) ಇದು ಸಂಕೀರ್ಣ ಸಮಸ್ಯೆಗಳಲ್ಲಿ ನಿಖರತೆಯನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ, ಆದರೆ ಹೆಚ್ಚಿನ ಟೋಕನ್ಗಳನ್ನು ಉತ್ಪಾದಿಸುವುದರಿಂದ ವೆಚ್ಚ ಮತ್ತು ವಿಳಂಬವನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ ✔
- ಬಿ) ಯಾವಾಗಲೂ ಮಾದರಿಯನ್ನು ಮುಕ್ತಗೊಳಿಸುತ್ತದೆ
- ಸಿ) ಮಾದರಿಯು ಬೆಂಬಲಿಸುವ ಭಾಷೆಗಳ ಸಂಖ್ಯೆಯನ್ನು ಮಾತ್ರ ಹೆಚ್ಚಿಸುತ್ತದೆ
- ಡಿ) ಯಾವಾಗಲೂ ಉತ್ತರಗಳನ್ನು ಕಡಿಮೆ ಮಾಡಿ ಮತ್ತು ವೆಚ್ಚವನ್ನು ಕಡಿಮೆ ಮಾಡಿ
ವಿವರಣೆ: ರೀಸನಿಂಗ್ ಮೋಡ್ ಮಾದರಿಯು ಉತ್ತರವನ್ನು ನೀಡುವ ಮೊದಲು ಹಂತ ಹಂತವಾಗಿ 'ಆಲೋಚಿಸಲು' ಅನುಮತಿಸುತ್ತದೆ; ಇದು ಬಹು-ಹಂತ ಮತ್ತು ಸಂಕೀರ್ಣ ಸಮಸ್ಯೆಗಳಲ್ಲಿ ನಿಖರತೆಯನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ, ಆದರೆ ಇದು ಹೆಚ್ಚು ಟೋಕನ್ಗಳನ್ನು ಉತ್ಪಾದಿಸುವ ಕಾರಣ ವೆಚ್ಚ ಮತ್ತು ವಿಳಂಬವನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ.
10. ನಿಮ್ಮ ಸ್ವಂತ ವ್ಯವಹಾರಕ್ಕಾಗಿ ಮಾದರಿಯನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡುವಾಗ (eval) ಅತ್ಯಂತ ವಿಶ್ವಾಸಾರ್ಹ ವಿಧಾನ ಯಾವುದು?
- ಎ) ಅತ್ಯಂತ ಜನಪ್ರಿಯ ಮಾದರಿಯನ್ನು ಆರಿಸಿ ಮತ್ತು ಅದನ್ನು ಪರೀಕ್ಷಿಸದೆ ಬಳಸುವುದು
- ಬಿ) ನಿಮ್ಮ ಸ್ವಂತ ನೈಜ ಕಾರ್ಯಗಳ ಸಣ್ಣ ಪರೀಕ್ಷಾ ಸೆಟ್ ಅನ್ನು ಹೊಂದಿಸಿ ಮತ್ತು ಅದರೊಂದಿಗೆ ಮಾದರಿಗಳನ್ನು ಹೋಲಿಕೆ ಮಾಡಿ ✔
- ಸಿ) ಜಾಹೀರಾತಿನಲ್ಲಿ ಉಲ್ಲೇಖಿಸಲಾದ ಬೆಂಚ್ಮಾರ್ಕ್ ಸ್ಕೋರ್ ಅನ್ನು ನೋಡುವುದು
- ಡಿ) ಅತ್ಯುನ್ನತ ಸನ್ನಿವೇಶ ವಿಂಡೋವನ್ನು ಹೊಂದಿರುವ ಮಾದರಿಯನ್ನು ಅತ್ಯುತ್ತಮವೆಂದು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಸ್ವೀಕರಿಸಿ
ವಿವರಣೆ: ಲೀಡರ್ಬೋರ್ಡ್ಗಳ ಮೇಲೆ ಕುರುಡಾಗಿ ಅವಲಂಬಿಸುವ ಬದಲು, ನಿಮ್ಮ ಸ್ವಂತ ನೈಜ ಕಾರ್ಯಗಳ ಸಣ್ಣ ಪರೀಕ್ಷಾ ಸೆಟ್ ಅನ್ನು ರಚಿಸುವುದು ಮತ್ತು ಈ ಸೆಟ್ನಲ್ಲಿ ಮಾದರಿಗಳನ್ನು ಹೋಲಿಸುವುದು ನಿಮ್ಮ ವ್ಯವಹಾರಕ್ಕೆ ನಿಜವಾಗಿಯೂ ಸೂಕ್ತವಾದ ಒಂದನ್ನು ಬಹಿರಂಗಪಡಿಸುತ್ತದೆ.
11. ಮಾದರಿಯ ಔಟ್ಪುಟ್ನಲ್ಲಿ 'ಭ್ರಮೆಗಳು' ಇರಬಹುದು ಎಂಬ ಜ್ಞಾನವು ನಿಮ್ಮ ಕೆಲಸದ ಹರಿವನ್ನು ಹೇಗೆ ರೂಪಿಸಬೇಕು?
- ಎ) ಔಟ್ಪುಟ್ ಅನ್ನು ಯಾವಾಗಲೂ ಸರಿಯಾಗಿ ಪರಿಗಣಿಸಬೇಕು ಮತ್ತು ನೇರವಾಗಿ ಪ್ರಕಟಿಸಬೇಕು
- ಬಿ) ಭ್ರಮೆಯು ಉಚಿತ ಮಾದರಿಗಳಲ್ಲಿ ಮಾತ್ರ ಕಂಡುಬರುತ್ತದೆ, ಪಾವತಿಸಿದ ಮಾದರಿಗಳಲ್ಲಿ ಅಲ್ಲ
- ಸಿ) ನಿರ್ಣಾಯಕ ನಿರ್ಧಾರಗಳಲ್ಲಿ, ಔಟ್ಪುಟ್ ಅನ್ನು ಮಾನವರು ಪರಿಶೀಲಿಸಬೇಕು ಮತ್ತು ಮೂಲಗಳನ್ನು ದೃಢೀಕರಿಸಬೇಕು ✔
- ಡಿ) ಮಾದರಿಯನ್ನು ಬದಲಾಯಿಸುವ ಮೂಲಕ ಭ್ರಮೆಯನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ತೊಡೆದುಹಾಕಬಹುದು
ವಿವರಣೆ: ಮಾದರಿಯು ನಿಜವಲ್ಲದ ಮಾಹಿತಿಯನ್ನು ವಿಶ್ವಾಸಾರ್ಹ ಭಾಷೆಯಲ್ಲಿ ಉತ್ಪಾದಿಸಿದಾಗ ಭ್ರಮೆಯಾಗಿದೆ. ಈ ಅಪಾಯದ ಕಾರಣದಿಂದಾಗಿ, ವಿಶೇಷವಾಗಿ ಕಾನೂನು, ವೈದ್ಯಕೀಯ ಮತ್ತು ಹಣಕಾಸಿನ ನಿರ್ಧಾರಗಳಿಗೆ ಮಾನವನ ಔಟ್ಪುಟ್ನ ಪರಿಶೀಲನೆಯ ಅಗತ್ಯವಿದೆ.
12. ಪ್ರಬುದ್ಧ ಸಂಸ್ಥೆಗಳು ಅಳವಡಿಸಿಕೊಂಡಿರುವ 'ಮಾದರಿ ಪೋರ್ಟ್ಫೋಲಿಯೊ' ವಿಧಾನದ ಮೂಲ ತರ್ಕವೇನು?
- ಎ) ಪ್ರತಿಯೊಂದು ಕೆಲಸವನ್ನು ಒಂದೇ, ಅತ್ಯಂತ ದುಬಾರಿ ಮಾದರಿಯಿಂದ ಮಾಡುವ ಮೂಲಕ ಸರಳತೆಯನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು.
- ಬಿ) ಅಗ್ಗದ ಮಾದರಿಯನ್ನು ಮಾತ್ರ ಬಳಸುವುದು ಮತ್ತು ಗುಣಮಟ್ಟವನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ನಿರ್ಲಕ್ಷಿಸುವುದು
- ಸಿ) ಯಾವುದೇ ಮಾದರಿಗಳನ್ನು ಬಳಸಬೇಡಿ ಮತ್ತು ಎಲ್ಲಾ ಕೆಲಸಗಳನ್ನು ಕೈಯಾರೆ ಮಾಡಿ
- ಡಿ) ಕಾರ್ಯದ ಪ್ರಕಾರ ವಿಭಿನ್ನ ಮಾದರಿಗಳನ್ನು ಬಳಸುವ ಮೂಲಕ ವೆಚ್ಚವನ್ನು ಉತ್ತಮಗೊಳಿಸುವುದು ಮತ್ತು ಒಂದೇ ಪೂರೈಕೆದಾರರ ಮೇಲೆ ಅವಲಂಬನೆಯನ್ನು ಕಡಿಮೆ ಮಾಡುವುದು ✔
ವಿವರಣೆ: ಮಾದರಿ ಪೋರ್ಟ್ಫೋಲಿಯೊವು ಕಾರ್ಯಕ್ಕೆ ಅನುಗುಣವಾಗಿ ವಿಭಿನ್ನ ಮಾದರಿಗಳನ್ನು ಬಳಸುವುದು: ಸರಳ ಮತ್ತು ಬೃಹತ್ ಉದ್ಯೋಗಗಳಿಗೆ ಅಗ್ಗದ ಮಾದರಿ, ಸಂಕೀರ್ಣ ಉದ್ಯೋಗಗಳಿಗೆ ಶಕ್ತಿಯುತ ಮಾದರಿ, ಗೌಪ್ಯ ಡೇಟಾಕ್ಕಾಗಿ ಮುಕ್ತ ತೂಕ/ಪ್ರಾದೇಶಿಕ ಮಾದರಿ. ಇದು ವೆಚ್ಚವನ್ನು ಉತ್ತಮಗೊಳಿಸುತ್ತದೆ ಮತ್ತು ಒಂದೇ ಪೂರೈಕೆದಾರರ ಮೇಲೆ ಅವಲಂಬನೆಯನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ.
13. ಮೂಲ ದೇಶ ಮತ್ತು ಡೇಟಾ ಧಾರಣ ನೀತಿಯು ಮಾದರಿ ಆಯ್ಕೆಗೆ ಏಕೆ ಮಾನದಂಡವಾಗಿರಬಹುದು?
- ಎ) ಏಕೆಂದರೆ ಇದು ನೇರವಾಗಿ ನಿಯಂತ್ರಕ, ಡೇಟಾ ಸಾರ್ವಭೌಮತ್ವ ಮತ್ತು ಗೌಪ್ಯತೆ ಅವಶ್ಯಕತೆಗಳ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುತ್ತದೆ ✔
- ಬಿ) ಇದು ಮಾದರಿಯ ಪ್ರತಿಕ್ರಿಯೆಯ ವೇಗವನ್ನು ನಿರ್ಧರಿಸುತ್ತದೆ
- ಸಿ) ಏಕೆಂದರೆ ಇದು ಮಾದರಿಯಿಂದ ಬೆಂಬಲಿತವಾದ ಫೈಲ್ ಫಾರ್ಮ್ಯಾಟ್ಗಳನ್ನು ನಿರ್ಧರಿಸುತ್ತದೆ
- ಡಿ) ಇದು ಪ್ರಾಯೋಗಿಕ ಪರಿಣಾಮವನ್ನು ಹೊಂದಿಲ್ಲದ ಕಾರಣ, ಇದು ಕೇವಲ ಮಾರ್ಕೆಟಿಂಗ್ ವಿವರವಾಗಿದೆ
ವಿವರಣೆ: ಮಾದರಿಯ ಡೆವಲಪರ್ ಇರುವ ದೇಶ ಮತ್ತು ಎಲ್ಲಿ/ಎಷ್ಟು ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸಲಾಗಿದೆ; ಕಾನೂನು ನಿಯಂತ್ರಣ, ಡೇಟಾ ಸಾರ್ವಭೌಮತ್ವ ಮತ್ತು ಗೌಪ್ಯತೆಯ ವಿಷಯದಲ್ಲಿ ಇದು ನಿರ್ಣಾಯಕವಾಗಿದೆ. ಉದಾಹರಣೆಗೆ, EU ಒಳಗೆ ಹೋಸ್ಟ್ ಮಾಡಲು ಬಯಸುವ ಸಂಸ್ಥೆಗೆ, ಪ್ರಾದೇಶಿಕ ಪೂರೈಕೆದಾರ ಅಥವಾ ಶೂನ್ಯ ಸಂಗ್ರಹಣೆಯ ಆಯ್ಕೆಯು ಮುಖ್ಯವಾಗಿದೆ.
14. ಟಾಸ್ಕ್ನಲ್ಲಿ 'ಏಕ ಅತ್ಯುತ್ತಮ ಮಾದರಿ'ಯನ್ನು ಹುಡುಕುವುದು ಏಕೆ ತಪ್ಪುದಾರಿಗೆಳೆಯುತ್ತದೆ ಎಂಬುದನ್ನು ಯಾವುದು ಉತ್ತಮವಾಗಿ ವಿವರಿಸುತ್ತದೆ?
- ಎ) ಎಲ್ಲಾ ಮಾದರಿಗಳು ವಾಸ್ತವವಾಗಿ ಒಂದೇ ರೀತಿಯ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಹೊಂದಿವೆ
- ಬಿ) ಮಾದರಿಗಳು ವಿಭಿನ್ನ ಗಾತ್ರಗಳಲ್ಲಿ ಪ್ರಬಲವಾಗಿವೆ, ಆದ್ದರಿಂದ 'ಉತ್ತಮ' ಕೆಲಸದ ಅವಶ್ಯಕತೆಯನ್ನು ಅವಲಂಬಿಸಿರುತ್ತದೆ ✔
- ಸಿ) ಅತ್ಯಂತ ದುಬಾರಿ ಮಾದರಿಯು ಪ್ರತಿ ಕಾರ್ಯದಲ್ಲೂ ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಉತ್ತಮವಾಗಿರುತ್ತದೆ
- ಡಿ) ಮಾದರಿ ಆಯ್ಕೆಯನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ಯಾದೃಚ್ಛಿಕವಾಗಿ ಮಾಡಬೇಕು
ವಿವರಣೆ: ವೇಗ, ವೆಚ್ಚ, ಸಂದರ್ಭ, ಮಲ್ಟಿಮೋಡಲಿಟಿ, ಗೌಪ್ಯತೆ ಮತ್ತು ತಾರ್ಕಿಕತೆಯಂತಹ ವಿಭಿನ್ನ ಆಯಾಮಗಳಲ್ಲಿ ಮಾದರಿಗಳು ಪ್ರಬಲವಾಗಿವೆ. ಒಂದು ಆಯಾಮದಲ್ಲಿ ನಾಯಕನಾಗಿರುವ ಮಾದರಿಯು ಇನ್ನೊಂದರಲ್ಲಿ ದುರ್ಬಲವಾಗಿರಬಹುದು; ಆದ್ದರಿಂದ 'ಉತ್ತಮ' ಯಾವಾಗಲೂ ಕೆಲಸದ ಅಗತ್ಯವನ್ನು ಅವಲಂಬಿಸಿರುತ್ತದೆ.