ಡೀಬಗ್ ಮಾಡುವಿಕೆ ಮತ್ತು ದೋಷನಿವಾರಣೆ

ಲಾಭಗಳು:

• ದೋಷ ಸಂದೇಶ, ಸ್ಟಾಕ್ ಟ್ರೇಸ್ ಮತ್ತು ಚಿಕ್ಕ ಪುನರುತ್ಪಾದನೆಯ ನಿದರ್ಶನದೊಂದಿಗೆ AI ಗೆ ದೋಷವನ್ನು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ವಿವರಿಸುವ ಸಾಮರ್ಥ್ಯ
• AI ಯೊಂದಿಗೆ ವ್ಯವಸ್ಥಿತ ಡೀಬಗ್ ಮಾಡುವ ಹರಿವನ್ನು ಚಲಾಯಿಸುವ ಸಾಮರ್ಥ್ಯವು ಮೂಲ ಕಾರಣವನ್ನು ಊಹೆ ಮಾಡುವ ಮೂಲಕ ಮತ್ತು ಹಂತ ಹಂತವಾಗಿ ಸಂಕುಚಿತಗೊಳಿಸುವ ಮೂಲಕ ಕಂಡುಹಿಡಿಯುವುದು
• AI ಸೂಚಿಸಿದ ಪರಿಹಾರವು ಪುನರುತ್ಪಾದನೆ ಮತ್ತು ಹಿಂಜರಿತ ಪರೀಕ್ಷೆಯ ಮೂಲಕ ಸಮಸ್ಯೆಯನ್ನು ಪರಿಹರಿಸಿದೆ ಎಂದು ಪರಿಶೀಲಿಸುವ ಸಾಮರ್ಥ್ಯ

ಡೀಬಗ್ ಮಾಡುವುದು ಒಂದು ಪ್ರೋಗ್ರಾಂ ಏಕೆ ನಿರೀಕ್ಷೆಗಿಂತ ವಿಭಿನ್ನವಾಗಿ ವರ್ತಿಸುತ್ತಿದೆ ಎಂಬುದನ್ನು ಕಂಡುಹಿಡಿಯುವ ಮತ್ತು ಅದನ್ನು ಸರಿಪಡಿಸುವ ಕಾರ್ಯವಾಗಿದೆ ಮತ್ತು ಇದು ಹೆಚ್ಚಿನ ಎಂಜಿನಿಯರ್‌ಗಳ ಸಮಯವನ್ನು ಬಳಸುತ್ತದೆ. ಉತ್ತಮ ಡೀಬಗ್ ಮಾಡುವಿಕೆಯು ಊಹೆಯ ಆಟವನ್ನು ಆಧರಿಸಿಲ್ಲ, ಆದರೆ ವ್ಯವಸ್ಥಿತವಾಗಿ ಕಿರಿದಾಗುವಿಕೆಯ ಮೇಲೆ: ರೋಗಲಕ್ಷಣವನ್ನು ಸ್ಪಷ್ಟಪಡಿಸಿ, ಊಹಿಸಿ, ಊಹೆಯನ್ನು ಪರೀಕ್ಷಿಸಿ, ಮೂಲ ಕಾರಣವನ್ನು ಪಡೆಯಿರಿ. AI ಈ ಚಕ್ರದಲ್ಲಿ ಅತ್ಯಂತ ಶಕ್ತಿಯುತ ಪಾಲುದಾರ; ಆದರೆ ನೀವು ಅವನಿಗೆ ಸರಿಯಾದ ಮಾಹಿತಿಯನ್ನು ನೀಡಿದರೆ ಮಾತ್ರ. "ಕೋಡ್ ಕಾರ್ಯನಿರ್ವಹಿಸುವುದಿಲ್ಲ, ಅದನ್ನು ಸರಿಪಡಿಸಿ" ಎಂದು ಹೇಳುವುದು AI ಅನ್ನು ಊಹಿಸಲು ಮತ್ತು ಕಂಬಳಿ ಸಲಹೆಗಳನ್ನು ಮಾಡಲು ಒತ್ತಾಯಿಸುತ್ತದೆ. ಇದಕ್ಕೆ ಸಂಪೂರ್ಣ ದೋಷ ಸಂದೇಶ, ಸ್ಟಾಕ್ ಟ್ರೇಸ್ ಮತ್ತು ಚಿಕ್ಕ ಸಂತಾನೋತ್ಪತ್ತಿ ಮಾದರಿಯನ್ನು ನೀಡಿ ಮತ್ತು ಒಟ್ಟಿಗೆ ನೀವು ಮೂಲ ಕಾರಣವನ್ನು ಕಂಡುಕೊಳ್ಳುತ್ತೀರಿ.

ಈ ಘಟಕದಲ್ಲಿ AI ಗೆ ದೋಷವನ್ನು ಹೇಗೆ ಪರಿಣಾಮಕಾರಿಯಾಗಿ ವಿವರಿಸುವುದು, ಹಂತ ಹಂತವಾಗಿ ಊಹೆಗಳನ್ನು ಸಂಕುಚಿತಗೊಳಿಸುವುದು ಮತ್ತು ಪ್ರಸ್ತಾವಿತ ಪರಿಹಾರವು ಸಮಸ್ಯೆಯನ್ನು ಪರಿಹರಿಸುತ್ತದೆ ಎಂದು ಹಿಂಜರಿತ ಪರೀಕ್ಷೆಯ ಮೂಲಕ ಪರಿಶೀಲಿಸುವುದು ಹೇಗೆ ಎಂದು ನಾವು ನೋಡುತ್ತೇವೆ. ನೆನಪಿಡಿ: ದೋಷವನ್ನು "ಸರಿಪಡಿಸುವುದು" ಮತ್ತು "ದೋಷದ ಲಕ್ಷಣವನ್ನು ನಿಗ್ರಹಿಸುವುದು" ಎರಡು ವಿಭಿನ್ನ ವಿಷಯಗಳಾಗಿವೆ; ಮೂಲ ಕಾರಣವನ್ನು ಕಂಡುಹಿಡಿಯದೆ ಮಾಡಿದ ತಿದ್ದುಪಡಿ ದೋಷವನ್ನು ಮತ್ತೊಂದು ಸ್ಥಳಕ್ಕೆ ಸ್ಥಳಾಂತರಿಸುತ್ತದೆ.

ಪರಿಕಲ್ಪನೆಗಳು: ಸ್ಟಾಕ್ ಟ್ರೇಸ್: ದೋಷದ ಸಮಯದಲ್ಲಿ ಯಾವ ಕ್ರಮದಲ್ಲಿ ಯಾವ ಕಾರ್ಯಗಳನ್ನು ಕರೆಯಲಾಗಿದೆ ಎಂಬುದನ್ನು ತೋರಿಸುವ ಡಂಪ್. ಕನಿಷ್ಠ ಪುನರಾವರ್ತನೆ: ದೋಷವನ್ನು ಪ್ರಚೋದಿಸುವ ಸರಳವಾದ, ಚಿಕ್ಕದಾದ ಕೋಡ್/ಇನ್‌ಪುಟ್. ಮೂಲ ಕಾರಣ: ಸಮಸ್ಯೆಯ ನಿಜವಾದ ಮೂಲ, ರೋಗಲಕ್ಷಣವಲ್ಲ. ರಿಗ್ರೆಶನ್ ಪರೀಕ್ಷೆ: ಅದೇ ದೋಷವು ಪುನರಾವರ್ತನೆಯಾಗುವುದಿಲ್ಲ ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳುವ ಪರೀಕ್ಷೆ.

AI ಗೆ ಬಗ್ ಅನ್ನು ವಿವರಿಸುವುದು

AI ಮೂಲ ಕಾರಣವನ್ನು ಕಂಡುಹಿಡಿಯುವ ಸಾಧ್ಯತೆಯು ನೀವು ಒದಗಿಸುವ ಮಾಹಿತಿಯ ಗುಣಮಟ್ಟಕ್ಕೆ ನೇರವಾಗಿ ಅನುಪಾತದಲ್ಲಿರುತ್ತದೆ. ಉತ್ತಮ ದೋಷ ವಿವರಣೆಯು ಒಳಗೊಂಡಿರುತ್ತದೆ: ನೀವು ಏನು ಮಾಡಲು ಪ್ರಯತ್ನಿಸಿದ್ದೀರಿ, ನೀವು ಏನನ್ನು ನಿರೀಕ್ಷಿಸುತ್ತಿದ್ದೀರಿ, ಏನಾಯಿತು, ನಿಖರವಾದ ದೋಷ ಪಠ್ಯ ಮತ್ತು ಸ್ಟಾಕ್ ಟ್ರೇಸ್, ಒಳಗೊಂಡಿರುವ ಕೋಡ್, ಪರಿಸರ (ಭಾಷೆ/ಆವೃತ್ತಿ/OS) ಮತ್ತು ದೋಷವನ್ನು ಉಂಟುಮಾಡಿದ ಚಿಕ್ಕ ಮಾದರಿ.

1. ರೋಗಲಕ್ಷಣವನ್ನು ಸ್ಪಷ್ಟಪಡಿಸಿ. "ನಿರೀಕ್ಷಿತ X, ವಾಸ್ತವಿಕ Y" ಸ್ವರೂಪದಲ್ಲಿ.
2. ಪೂರ್ಣ ದೋಷ ಪಠ್ಯವನ್ನು ಅಂಟಿಸಿ ಮತ್ತು ಜಾಡಿನ ಸ್ಟ್ಯಾಕ್ ಮಾಡಿ. ಅದನ್ನು ಕಡಿಮೆ ಮಾಡಬೇಡಿ, ಸೆನ್ಸಾರ್ ಮಾಡಿ, ಆದರೆ ರಚನೆಯನ್ನು ಮುರಿಯಬೇಡಿ.
3. ಚಿಕ್ಕ ಪುನರುತ್ಪಾದನೆಯನ್ನು ನೀಡಿ. ದೋಷವನ್ನು ಪ್ರಚೋದಿಸುವ ಕನಿಷ್ಠ ಇನ್‌ಪುಟ್ ಮತ್ತು ಕೋಡ್.
4. ಪರಿಸರವನ್ನು ಸೂಚಿಸಿ. ಭಾಷಾ ಆವೃತ್ತಿ, ಲೈಬ್ರರಿ ಆವೃತ್ತಿ, ರನ್ಟೈಮ್ ಪರಿಸರ.

ಪರಿಣಾಮಕಾರಿ ದೋಷ ವಿವರಣೆ ಪ್ರಾಂಪ್ಟ್: "ನಾನು ದೋಷವನ್ನು ಡೀಬಗ್ ಮಾಡುತ್ತಿದ್ದೇನೆ. ಮಾಹಿತಿ:- ನಾನು ಏನು ಮಾಡಲು ಪ್ರಯತ್ನಿಸುತ್ತಿದ್ದೇನೆ: [X]- ನಿರೀಕ್ಷಿತ ನಡವಳಿಕೆ: [Y]- ನಿಜವಾದ ನಡವಳಿಕೆ: [Z]- ಪೂರ್ಣ ದೋಷ ಸಂದೇಶ ಮತ್ತು ಸ್ಟಾಕ್ ಟ್ರೇಸ್: [ಅಂಟಿಸಿ]- ಪರಿಸರ: [ಭಾಷೆ/ಆವೃತ್ತಿ, ಲೈಬ್ರರಿ/ಆವೃತ್ತಿ]- ಒಳಗೊಂಡಿರುವ ಕನಿಷ್ಠ ರೂಟ್ ಡೈರೆಕ್ಟ್ ಕೋಡ್ ಅನ್ನು ನೀಡಿ'. ಸಂಭವನೀಯತೆಯ ಕ್ರಮದಲ್ಲಿ ಕಾರಣಗಳು ಮತ್ತು ಪ್ರತಿಯೊಂದಕ್ಕೂ ಏನು ಪರಿಶೀಲಿಸಬೇಕೆಂದು ನನಗೆ ತಿಳಿಸಿ."

ಊಹೆಯ ಮೂಲಕ ಕಿರಿದಾಗುವ ಹರಿವು

ವ್ಯವಸ್ಥಿತ ಡೀಬಗ್ ಮಾಡುವುದು ಸಾಧ್ಯತೆಗಳನ್ನು ಒಂದೊಂದಾಗಿ ತೆಗೆದುಹಾಕುವ ಕಲೆಯಾಗಿದೆ. ಊಹೆಗಳನ್ನು ರಚಿಸಲು ಮತ್ತು ಪ್ರತಿ ಊಹೆಯನ್ನು ಪರೀಕ್ಷಿಸಲು ಪ್ರಯೋಗವನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಲು AI ಅನ್ನು ಬಳಸಿ; ನಂತರ ಪ್ರಯೋಗವನ್ನು ರನ್ ಮಾಡಿ ಮತ್ತು ಫಲಿತಾಂಶವನ್ನು ಹಿಂತಿರುಗಿ. ಈ ಚಕ್ರವು ಯಾದೃಚ್ಛಿಕ ಬದಲಾವಣೆಗಳನ್ನು ಮಾಡುವ ಮತ್ತು ನಿಲ್ಲಿಸುವ ಅಭ್ಯಾಸಕ್ಕಿಂತ ಹೆಚ್ಚು ವೇಗವಾಗಿರುತ್ತದೆ, ಇದನ್ನು "ಶಾಟ್‌ಗನ್ ಡೀಬಗ್ ಮಾಡುವುದು" ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ.

ಬೈನರಿ ಸರ್ಚ್ (ಬಿಸೆಕ್ಷನ್) ಸಹಾಯಕ ಪ್ರಾಂಪ್ಟ್: "ಈ ದೋಷ ನಿನ್ನೆ ಇರಲಿಲ್ಲ, ಇಂದು ಇದೆ. ಕಳೆದ 20 ಬದಲಾವಣೆಗಳಲ್ಲಿ ಯಾವುದು ಬೈಸೆಕ್ಟ್‌ನೊಂದಿಗೆ ದೋಷವನ್ನು ತಂದಿದೆ ಎಂಬುದನ್ನು ನಾನು ಕಂಡುಹಿಡಿಯಲು ಬಯಸುತ್ತೇನೆ. ನನಗೆ ಹಂತ-ಹಂತದ ಯೋಜನೆಯನ್ನು ನೀಡಿ: ನಾನು ಯಾವ ಬಿಂದುವನ್ನು ಪರೀಕ್ಷಿಸಬೇಕು, ಫಲಿತಾಂಶವನ್ನು ಅವಲಂಬಿಸಿ ನಾನು ಯಾವ ಅರ್ಧಕ್ಕೆ ಹೋಗಬೇಕು. ಪ್ರತಿ ಹಂತದಲ್ಲೂ ನಿಖರವಾಗಿ ಏನು ಪರಿಶೀಲಿಸಬೇಕೆಂದು ನನಗೆ ತಿಳಿಸಿ."

ಲಾಗ್ ಅಳವಡಿಕೆ ತಂತ್ರ ಪ್ರಾಂಪ್ಟ್: "ನಾನು ಈ ಕಾರ್ಯದಲ್ಲಿ ಮಧ್ಯಂತರ ಮೌಲ್ಯಗಳನ್ನು ನೋಡದ ಕಾರಣ ದೋಷವನ್ನು ಕಂಡುಹಿಡಿಯಲಾಗಲಿಲ್ಲ. ಯಾವ ವೇರಿಯೇಬಲ್‌ಗಳನ್ನು ಮುದ್ರಿಸುವ ಲಾಗ್ ಲೈನ್‌ಗಳನ್ನು ನಾನು ಯಾವ ಹಂತದಲ್ಲಿ ಸೇರಿಸಬೇಕು ಎಂದು ನನಗೆ ತಿಳಿಸಿ. ಪ್ರತಿ ಲಾಗ್‌ಗೆ 'ಈ ಲಾಗ್‌ನಿಂದ ನಾನು ಏನು ಕಲಿಯುತ್ತೇನೆ' ವಿವರಣೆಯನ್ನು ಸೇರಿಸಿ. ಗೌಪ್ಯ ಡೇಟಾವನ್ನು ಲಾಗ್ ಮಾಡುವುದನ್ನು ತಡೆಯುವ ಎಚ್ಚರಿಕೆಗಳನ್ನು ಸಹ ಸೂಚಿಸಿ."

ಸಲಹೆ: ನೀವು ದೋಷವನ್ನು ಪರಿಹರಿಸಲು ಸಾಧ್ಯವಾಗದಿದ್ದರೆ, ಹೆಚ್ಚಿನ ಸಮಯದಲ್ಲಿ ಸಮಸ್ಯೆಯು ನೀವು ತಪ್ಪಾಗಿ ಭಾವಿಸಿದ ಸ್ಥಳದಲ್ಲಿದೆ. AI ಅನ್ನು ಕೇಳಿ "ನನ್ನ ಯಾವ ಊಹೆ ತಪ್ಪಾಗಿರಬಹುದು?" ಕೇಳುವುದು ನಿಮ್ಮ ಕುರುಡುತನವನ್ನು ಮುರಿಯುತ್ತದೆ. "ಇದು ಸರಿಯಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತಿದೆ ಎಂದು ನನಗೆ ಖಾತ್ರಿಯಿದೆ" ಎಂದು ನೀವು ಹೇಳುವ ಸ್ಥಳದಲ್ಲಿ ಕಠಿಣ ತಪ್ಪುಗಳು ಅಡಗಿಕೊಳ್ಳುತ್ತವೆ.

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ದುರ್ಬಲ:"ನನ್ನ ಕೋಡ್ ದೋಷವನ್ನು ನೀಡುತ್ತದೆ, ಅದನ್ನು ಸರಿಪಡಿಸಿ: [200 ಕೋಡ್‌ಗಳ ಸಾಲುಗಳು]"(ಫಲಿತಾಂಶ: AI ಇದು ಯಾವ ದೋಷ ಎಂದು ತಿಳಿದಿಲ್ಲ, ಏನನ್ನು ನಿರೀಕ್ಷಿಸಲಾಗಿದೆ; ಇದು ಊಹೆಯ ಆಧಾರದ ಮೇಲೆ ಸಾಮಾನ್ಯ ಸಲಹೆಗಳನ್ನು ನೀಡುತ್ತದೆ, ಅವುಗಳಲ್ಲಿ ಹೆಚ್ಚಿನವು ನಿಷ್ಪ್ರಯೋಜಕವಾಗಿವೆ.)STRONG:"ನನಗೆ NullPointerException ಸಿಗುತ್ತದೆ. ನಿರೀಕ್ಷಿತ: ಬಳಕೆದಾರರ ಪಟ್ಟಿಯನ್ನು ಹಿಂತಿರುಗಿಸಬೇಕು. ವಾಸ್ತವಿಕ: StackUdeser ಗೆ ಕರೆ ಮಾಡಿ. [ಅಂಟಿಸಿ].ಪರಿಸರ: ಜಾವಾ 17. ಕನಿಷ್ಠ ಪುನರಾವರ್ತನೆ: ಬಳಕೆದಾರರ ಪಟ್ಟಿ ಖಾಲಿಯಾಗಿರುವಾಗ ಅದು ಸಂಭವಿಸುತ್ತದೆ, ಆದರೆ ಸಂಬಂಧಿತ 15 ಸಾಲುಗಳು: [ಕೋಡ್] ಮೂಲ ಕಾರಣವನ್ನು ವಿವರಿಸಿ, ನಂತರ ಸರಿಪಡಿಸಲು ಸೂಚಿಸಿ.

ಪ್ರಬಲ ಪ್ರಾಂಪ್ಟ್ ದೋಷವನ್ನು ಸನ್ನಿವೇಶದಲ್ಲಿ ಇರಿಸುತ್ತದೆ: ಯಾವ ಸಂದರ್ಭದಲ್ಲಿ ಅದು ಸಂಭವಿಸುತ್ತದೆ (ಖಾಲಿ ಪಟ್ಟಿ), ಈ ಸಂದರ್ಭದಲ್ಲಿ ಅದು ಸಂಭವಿಸುವುದಿಲ್ಲ (ಪೂರ್ಣ ಪಟ್ಟಿ). ಈ ಒಂದೇ ಸುಳಿವು ("ಖಾಲಿಯಾಗಿದ್ದಾಗ ಸಂಭವಿಸುತ್ತದೆ") ಬಹುತೇಕ ನೇರವಾಗಿ ಮೂಲ ಕಾರಣವನ್ನು ಸೂಚಿಸುತ್ತದೆ. ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್‌ನಲ್ಲಿ ಈ ಮಾಹಿತಿಯು ಲಭ್ಯವಿಲ್ಲದ ಕಾರಣ, AI ಒಂದು ಕುರುಡು ಊಹೆ ಮಾಡುತ್ತದೆ.

ಫಿಕ್ಸ್ ಅನ್ನು ಪರಿಶೀಲಿಸಲಾಗುತ್ತಿದೆ

ಸರಿಪಡಿಸುವಿಕೆಯು ಮೂರು ಕೆಲಸಗಳನ್ನು ಮಾಡಿದರೆ ಮಾತ್ರ ನಿಜವಾದ ಪರಿಹಾರವಾಗಿದೆ:

ನಿಯಂತ್ರಣ

ಪ್ರಶ್ನೆ

ಹೇಗೆ ಪರಿಶೀಲಿಸುವುದು

ದೋಷ ಹೋಗಿದೆಯೇ?

ಅದೇ ಪ್ರವೇಶವು ಈಗ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆಯೇ?

ಕನಿಷ್ಠ ರೆಪ್ರೊವನ್ನು ಮತ್ತೆ ರನ್ ಮಾಡಿ

ಹೊಸ ದೋಷಗಳಿಲ್ಲವೇ?

ಇನ್ನೇನಾದರೂ ಮುರಿದಿದೆಯೇ?

ಸಂಪೂರ್ಣ ಪರೀಕ್ಷಾ ಸೂಟ್ ಅನ್ನು ರನ್ ಮಾಡಿ

ಇದು ಪುನರಾವರ್ತನೆಯಾಗುವುದಿಲ್ಲವೇ?

ಅದೇ ದೋಷ ಮತ್ತೆ ಸಂಭವಿಸುತ್ತದೆಯೇ?

ಈ ಸನ್ನಿವೇಶಕ್ಕಾಗಿ ರಿಗ್ರೆಶನ್ ಪರೀಕ್ಷೆಯನ್ನು ಸೇರಿಸಿ

ಮೂಲ ಕಾರಣವನ್ನು ಕಂಡುಹಿಡಿಯದೆ ಮಾಡಿದ ತಿದ್ದುಪಡಿಗಳು ಸಾಮಾನ್ಯವಾಗಿ ರೋಗಲಕ್ಷಣವನ್ನು ನಿಗ್ರಹಿಸುತ್ತವೆ. ಉದಾಹರಣೆಗೆ, "ಶೂನ್ಯ ವೇಳೆ ಬಿಟ್ಟುಬಿಡಿ" ನೊಂದಿಗೆ ಶೂನ್ಯ ದೋಷದ ಮೇಲೆ ಗ್ಲೋಸ್ ಮಾಡುವುದು ನಿಜವಾದ ಕಾರಣವನ್ನು ಮಾಡುತ್ತದೆ, "ಡೇಟಾ ಏಕೆ ಶೂನ್ಯವಾಗಿದೆ?" ಅದೃಶ್ಯ, ಮತ್ತು ದೋಷವು ಬೇರೆಡೆ ಮರುಕಳಿಸುತ್ತದೆ.

ಮಿನಿ ಪ್ರಕರಣಗಳು

ಪ್ರಕರಣ 1 - ರೋಗಲಕ್ಷಣದ ನಿಗ್ರಹ ಬಲೆ. ಟ್ರೈ-ಕ್ಯಾಚ್‌ನೊಂದಿಗೆ ಸಾಂದರ್ಭಿಕ ಶೂನ್ಯ ದೋಷವನ್ನು ತಂಡವು ಮೌನಗೊಳಿಸುತ್ತದೆ; ದೋಷವು ಕಣ್ಮರೆಯಾಗುತ್ತದೆ ಆದರೆ 2 ವಾರಗಳ ನಂತರ ಡೇಟಾ ಕಾಣೆಯಾಗಿದೆ. ನಿಜವಾದ ಕಾರಣವೆಂದರೆ ಸೇವೆಯು ಸಮಯ ಮೀರಿದಾಗ ಶೂನ್ಯವನ್ನು ಹಿಂದಿರುಗಿಸುತ್ತದೆ. ನೀವು AI ಅನ್ನು "ಅದು ಏಕೆ ಶೂನ್ಯವಾಗುತ್ತಿದೆ?" ಎಂದು ಕೇಳಿದಾಗ, ಮೂಲ ಕಾರಣ ಹೊರಹೊಮ್ಮುತ್ತದೆ; ನಿಜವಾದ ಪರಿಹಾರವು 1 ಗಂಟೆ ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ ಆದರೆ ಶಾಶ್ವತವಾಗಿರುತ್ತದೆ.

ಪ್ರಕರಣ 2 - ಕನಿಷ್ಠ ರೆಪ್ರೊ ಪವರ್. ಡೆವಲಪರ್‌ಗೆ "ಇದು ಪ್ರತಿ ಬಾರಿಯೂ ಕ್ರ್ಯಾಶ್ ಆಗುತ್ತದೆ" ಎಂದು ಹೇಳುವ ದೋಷವನ್ನು ಸರಿಪಡಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ. ಇದು AI ನ ಸಲಹೆಯೊಂದಿಗೆ ಚಿಕ್ಕ ಇನ್‌ಪುಟ್‌ಗೆ ದೋಷವನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ: ಟರ್ಕಿಶ್ ಅಕ್ಷರಗಳನ್ನು ಹೊಂದಿರುವ ಫೈಲ್‌ಹೆಸರುಗಳೊಂದಿಗೆ ಮಾತ್ರ ಸಮಸ್ಯೆ ಉಂಟಾಗುತ್ತದೆ (ಎನ್‌ಕೋಡಿಂಗ್ ದೋಷ). ಅನಿಶ್ಚಿತತೆಯ 300 ಸಾಲುಗಳನ್ನು 5 ಸಾಲುಗಳ ನಿರ್ಣಾಯಕ ಪುನರಾವರ್ತನೆಗೆ ಇಳಿಸಿದಾಗ, ಪರಿಹಾರವು ಸ್ಪಷ್ಟವಾಗುತ್ತದೆ.

ಪ್ರಕರಣ 3 - ವಿರೋಧಿ ಹಿಂಜರಿತ ಪರೀಕ್ಷೆ. AI ದಿನಾಂಕ ಲೆಕ್ಕಾಚಾರ ದೋಷವನ್ನು ಸರಿಪಡಿಸುತ್ತದೆ. ಇಂಜಿನಿಯರ್‌ಗೆ ಇದರಿಂದ ತೃಪ್ತಿ ಇಲ್ಲ; ತಪ್ಪಾದ ಸನ್ನಿವೇಶಕ್ಕಾಗಿ ಹಿಂಜರಿತ ಪರೀಕ್ಷೆಯನ್ನು ಸೇರಿಸುತ್ತದೆ (ತಿಂಗಳ ಅಂತ್ಯ, ಜನವರಿ 31 + 1 ತಿಂಗಳು). 4 ತಿಂಗಳ ನಂತರ ಮತ್ತೊಂದು ಬದಲಾವಣೆಯು ಅದೇ ಪ್ರದೇಶವನ್ನು ಮುಟ್ಟಿದಾಗ, ಪರೀಕ್ಷೆಯು ಕೆಂಪು ಬಣ್ಣಕ್ಕೆ ತಿರುಗುತ್ತದೆ ಮತ್ತು ಅದು ಉತ್ಪಾದನೆಯನ್ನು ತಲುಪುವ ಮೊದಲು ದೋಷವನ್ನು ಹಿಡಿಯಲಾಗುತ್ತದೆ.

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

• ಇದರ ಅರ್ಥ "ಇದು ಕೆಲಸ ಮಾಡುತ್ತಿಲ್ಲ, ಅದನ್ನು ಸರಿಪಡಿಸಿ". ದೋಷ ಪಠ್ಯ, ನಿರೀಕ್ಷೆ ಮತ್ತು ರೆಪ್ರೊ ಇಲ್ಲದೆ, AI ಊಹಿಸುತ್ತದೆ.
• ಸ್ಟಾಕ್ ಟ್ರೇಸ್ ನೀಡುತ್ತಿಲ್ಲ. ಸ್ಟಾಕ್ ಟ್ರೇಸ್ ಹೆಚ್ಚಾಗಿ ಮೂಲ ಕಾರಣವನ್ನು ನೇರವಾಗಿ ಸೂಚಿಸುತ್ತದೆ.
• ಯಾದೃಚ್ಛಿಕ ಬದಲಾವಣೆಗಳನ್ನು ಮಾಡುವುದನ್ನು ಮುಂದುವರಿಸಿ. ಊಹೆಯನ್ನು ಸ್ಥಾಪಿಸದೆ ಪ್ರಯೋಗಗಳು ಸಮಯವನ್ನು ವ್ಯರ್ಥ ಮಾಡುತ್ತವೆ.
• ರೋಗಲಕ್ಷಣವನ್ನು ನಿಗ್ರಹಿಸುವುದು ಮತ್ತು ಮೂಲ ಕಾರಣವನ್ನು ಕಳೆದುಕೊಳ್ಳುವುದು. ದೋಷವು ಬೇರೆಡೆ ಮರುಹುಟ್ಟು ಪಡೆಯುತ್ತದೆ.
• ರಿಗ್ರೆಶನ್ ಪರೀಕ್ಷೆಯೊಂದಿಗೆ ಸರಿಪಡಿಸುವಿಕೆಯನ್ನು ಭದ್ರಪಡಿಸುತ್ತಿಲ್ಲ. ಅದೇ ದೋಷವು ಭವಿಷ್ಯದಲ್ಲಿ ಮೌನವಾಗಿ ಹಿಂತಿರುಗುತ್ತದೆ.

ಸಾರಾಂಶದಲ್ಲಿ

ಪರಿಣಾಮಕಾರಿ ಡೀಬಗ್ ಮಾಡುವುದು ವ್ಯವಸ್ಥಿತ ಕಿರಿದಾಗುವಿಕೆ, ಊಹೆ ಅಲ್ಲ. AI ಗೆ ಪೂರ್ಣ ದೋಷ ಪಠ್ಯ, ಸ್ಟಾಕ್ ಟ್ರೇಸ್, ಕನಿಷ್ಠ ಪುನರುತ್ಪಾದನೆ ಮತ್ತು ಪರಿಸರದ ಮಾಹಿತಿಯನ್ನು ನೀಡುವುದರಿಂದ ಮೂಲ ಕಾರಣವನ್ನು ಕಂಡುಹಿಡಿಯುವ ಸಾಧ್ಯತೆಗಳನ್ನು ಘಾತೀಯವಾಗಿ ಹೆಚ್ಚಿಸುತ್ತದೆ. ಊಹೆಗಳನ್ನು ರಚಿಸಲು ಮತ್ತು ಪ್ರತಿ ಊಹೆಯನ್ನು ಪರೀಕ್ಷಿಸಲು ಪ್ರಯೋಗವನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಲು AI ಅನ್ನು ಬಳಸಿ; ನೀವು ಪ್ರಯೋಗವನ್ನು ನಡೆಸುತ್ತೀರಿ. ದೋಷವು ಹೋಗಿದೆ, ಯಾವುದೇ ಹೊಸ ದೋಷಗಳನ್ನು ಪರಿಚಯಿಸಲಾಗಿಲ್ಲ ಮತ್ತು ರಿಗ್ರೆಶನ್ ಪರೀಕ್ಷೆಯಿಂದ ಅದನ್ನು ರಕ್ಷಿಸಲಾಗಿದೆ ಎಂದು ನೀವು ನೋಡಿದಾಗ ಮಾತ್ರ "ಮಾಡಲಾಗಿದೆ" ಸರಿಪಡಿಸುವಿಕೆಯನ್ನು ಪರಿಗಣಿಸಿ.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

ನಿಜವಾದ ಅಥವಾ ಕೃತಕ ದೋಷವನ್ನು ಪರಿಗಣಿಸಿ. ಮೊದಲು ದೋಷವನ್ನು ಚಿಕ್ಕ ಪುನರುತ್ಪಾದನೆಗೆ ತಗ್ಗಿಸಿ (ಯಾವ ಇನ್ಪುಟ್ ಸಂಭವಿಸುತ್ತದೆ, ಅದರಲ್ಲಿ ಅದು ಸಂಭವಿಸುವುದಿಲ್ಲ). ಪರಿಣಾಮಕಾರಿ ಬಗ್ ರೆಸಿಪಿ ಪ್ರಾಂಪ್ಟ್ ಅನ್ನು ಬಳಸಿಕೊಂಡು, 3 ಮೂಲ ಕಾರಣದ ಕಲ್ಪನೆಗಳು ಮತ್ತು ಪ್ರತಿಯೊಂದಕ್ಕೂ ಒಂದು ಪರಿಶೀಲನಾ ಹಂತಕ್ಕಾಗಿ AI ಅನ್ನು ಕೇಳಿ. ಊಹೆಗಳನ್ನು ಒಂದೊಂದಾಗಿ ಪರೀಕ್ಷಿಸುವ ಮೂಲಕ ಮೂಲ ಕಾರಣವನ್ನು ಹುಡುಕಿ, ಅದನ್ನು ಸರಿಪಡಿಸಿ, ನಂತರ ದೋಷವು ಹೋಗಿದೆ ಮತ್ತು ಪರೀಕ್ಷೆಯು ರಕ್ಷಣೆ ನೀಡುತ್ತದೆ ಎಂದು ತೋರಿಸಲು ಈ ಸನ್ನಿವೇಶಕ್ಕಾಗಿ ರಿಗ್ರೆಷನ್ ಪರೀಕ್ಷೆಯನ್ನು ಬರೆಯಿರಿ ಮತ್ತು ರನ್ ಮಾಡಿ.

ಪರಿಶೀಲನಾಪಟ್ಟಿ

• [ ] ನಾನು ರೋಗಲಕ್ಷಣವನ್ನು "ನಿರೀಕ್ಷಿತ ವಿರುದ್ಧ ಅರಿತುಕೊಂಡೆ" ಎಂದು ಸ್ಪಷ್ಟಪಡಿಸಿದೆ.
• [ ] ನಾನು AI ಗೆ ಪೂರ್ಣ ದೋಷ ಪಠ್ಯ ಮತ್ತು ಸ್ಟಾಕ್ ಟ್ರೇಸ್ ಅನ್ನು ನೀಡಿದ್ದೇನೆ.
• [ ] ನಾನು ದೋಷವನ್ನು ಚಿಕ್ಕ ಪುನರುತ್ಪಾದನೆಗೆ ಕಡಿಮೆ ಮಾಡಿದ್ದೇನೆ.
• [ ] ಊಹೆಗಳನ್ನು ಒಂದೊಂದಾಗಿ ಪರೀಕ್ಷಿಸುವ ಮೂಲಕ, ನಾನು ಮೂಲ ಕಾರಣವನ್ನು ಕಂಡುಕೊಂಡೆ.
• [ ] ರೋಗಲಕ್ಷಣವನ್ನು ನಿಗ್ರಹಿಸುವ ಬದಲು, ನಾನು ಮೂಲ ಕಾರಣವನ್ನು ಸರಿಪಡಿಸಿದೆ.
• [ ] ನಾನು ಅದೇ ದೋಷಕ್ಕಾಗಿ ರಿಗ್ರೆಶನ್ ಪರೀಕ್ಷೆಯನ್ನು ಸೇರಿಸಿದ್ದೇನೆ ಮತ್ತು ರನ್ ಮಾಡಿದ್ದೇನೆ.