ಮೈನಿಂಗ್ ಇಂಜಿನಿಯರಿಂಗ್‌ನಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗೆ ಪರಿಚಯ: ಗಡಿಗಳು, ಮೌಲ್ಯೀಕರಣ, ಜವಾಬ್ದಾರಿ ಮತ್ತು ನೈತಿಕತೆ — ಗಣಿಗಾರಿಕೆ ಎಂಜಿನಿಯರಿಂಗ್‌ನಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ

ಲಾಭಗಳು:

ಗಣಿಗಾರಿಕೆ ಇಂಜಿನಿಯರಿಂಗ್ ವರ್ಕ್‌ಫ್ಲೋನಲ್ಲಿ AI ನೈಜ ಸಮಯವನ್ನು ಎಲ್ಲಿ ಉಳಿಸುತ್ತದೆ ಮತ್ತು ಅಪಾಯದ ಮಟ್ಟವನ್ನು ಅವಲಂಬಿಸಿ ಸುರಕ್ಷತಾ-ನಿರ್ಣಾಯಕ ಜವಾಬ್ದಾರಿಯು ಸಮರ್ಥ ಇಂಜಿನಿಯರ್‌ನೊಂದಿಗೆ ಉಳಿಯಬೇಕು ಎಂಬುದನ್ನು ಗುರುತಿಸುವ ಸಾಮರ್ಥ್ಯ
ಸ್ಟ್ಯಾಂಡರ್ಡ್, ಸ್ವತಂತ್ರ ಲೆಕ್ಕಾಚಾರ ಮತ್ತು ಕ್ಷೇತ್ರ ಮಾಪನದ ವಿರುದ್ಧ ಪ್ರತಿ AI ಔಟ್‌ಪುಟ್ ಅನ್ನು ಪರೀಕ್ಷಿಸುವ ಬಹು-ಪದರದ ಊರ್ಜಿತಗೊಳಿಸುವಿಕೆಯ ಶಿಸ್ತನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವ ಸಾಮರ್ಥ್ಯ
ಸಂದರ್ಭವನ್ನು ಅನಾಮಧೇಯಗೊಳಿಸುವ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ಮೀಸಲು ಡೇಟಾ, ಪರವಾನಗಿ ಮಾಹಿತಿ ಮತ್ತು ಸಿಬ್ಬಂದಿ/ಉತ್ಪಾದನಾ ಡೇಟಾವನ್ನು ರಕ್ಷಿಸಲು ಸುರಕ್ಷಿತ ವಾಹನಗಳನ್ನು ಆಯ್ಕೆ ಮಾಡುವ ಅಭ್ಯಾಸವನ್ನು ಪಡೆದುಕೊಳ್ಳುವುದು

ಗಣಿಗಾರಿಕೆ ಇಂಜಿನಿಯರ್‌ನ ಕೆಲಸವು ನೆಲದ ಮೇಲಿನ ಅನಿಶ್ಚಿತತೆಯನ್ನು ನೆಲದ ಮೇಲಿನ ನಿರ್ಧಾರಗಳೊಂದಿಗೆ ಸೇತುವೆ ಮಾಡುವುದು. ಕೊರೆಯುವ ದತ್ತಾಂಶದಿಂದ ಅದಿರು ದೇಹವನ್ನು ಅಂದಾಜು ಮಾಡುವುದು, ಮೀಸಲು ಲೆಕ್ಕಾಚಾರ, ಪಿಟ್ ಯೋಜನೆ, ಸಲಕರಣೆಗಳ ಫ್ಲೀಟ್ ಅನ್ನು ನಿರ್ವಹಿಸುವುದು, ಇಳಿಜಾರಿನ ನಡವಳಿಕೆಯನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡುವುದು, ಔದ್ಯೋಗಿಕ ಸುರಕ್ಷತೆಯನ್ನು ಖಾತ್ರಿಪಡಿಸುವುದು, ಪರಿಸರ ಪ್ರಭಾವವನ್ನು ಅಳೆಯುವುದು ಮತ್ತು ಶಾಸನಕ್ಕೆ ಅನುಗುಣವಾಗಿ ಇವೆಲ್ಲವನ್ನೂ ವರದಿ ಮಾಡುವುದು. ಈ ಉದ್ಯೋಗಗಳ ಸಾಮಾನ್ಯ ಲಕ್ಷಣವೆಂದರೆ ಅವುಗಳು ಹೆಚ್ಚಿನ ಸಂಖ್ಯೆಯ ಅಳತೆಗಳು ಮತ್ತು ಡೇಟಾದೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುತ್ತವೆ, ಆದರೆ ಪ್ರತಿ ನಿರ್ಧಾರವು ಮಾನವ ಜೀವನದಲ್ಲಿ ಫಲಿತಾಂಶಗಳು, ಲಕ್ಷಾಂತರ ಲಿರಾ ಹೂಡಿಕೆ ಮತ್ತು ಕ್ಷೇತ್ರದಲ್ಲಿ ಬದಲಾಯಿಸಲಾಗದ ಪರಿಸರ ಪರಿಣಾಮಗಳನ್ನು ಉಂಟುಮಾಡುತ್ತದೆ. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ (ಸಂಕ್ಷಿಪ್ತವಾಗಿ AI; ದೊಡ್ಡ ಡೇಟಾ ಮತ್ತು ಭಾಷಾ ಮಾದರಿಗಳೊಂದಿಗೆ ಪಠ್ಯ, ಸಂಖ್ಯೆಗಳು ಮತ್ತು ಚಿತ್ರಗಳ ಮೇಲೆ ಕೆಲಸ ಮಾಡುವ ಸಾಫ್ಟ್‌ವೇರ್ ವ್ಯವಸ್ಥೆಗಳು) ಈ ಡೇಟಾ-ತೀವ್ರವಾದ ಆದರೆ ನಿರ್ಧಾರ-ನಿರ್ಣಾಯಕ ನೆಲೆಯಲ್ಲಿ ಪ್ರಬಲ ಸಹಾಯವಾಗಿದೆ. ಗಣಿಗಾರಿಕೆಯಲ್ಲಿ AI ಅನ್ನು ಎಲ್ಲಿ ಸುರಕ್ಷಿತವಾಗಿ ಬಳಸಬೇಕೆಂದು ಈ ಘಟಕವು ನಿಮಗೆ ಕಲಿಸುತ್ತದೆ, ಅಲ್ಲಿ ಅದು ಅಪಾಯಕಾರಿ, ಮತ್ತು ಮಾನದಂಡಗಳು, ಕ್ಷೇತ್ರ ಮಾಪನ ಮತ್ತು ಎಂಜಿನಿಯರಿಂಗ್ ತೀರ್ಪುಗಳ ವಿರುದ್ಧ ನೀವು ಪ್ರತಿ AI ಔಟ್‌ಪುಟ್ ಅನ್ನು ಏಕೆ ಮೌಲ್ಯೀಕರಿಸಬೇಕು.

ಈ ಮಾಡ್ಯೂಲ್‌ನಾದ್ಯಂತ ನೀವು ಬಳಸುವ ಕೇಂದ್ರ ತತ್ವವೆಂದರೆ: AI ಸಹಾಯಕವಾಗಿದೆ, ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳುವವರಲ್ಲ. ಗ್ರೇಡ್ (ಅದಿರಿನಲ್ಲಿ ಲೋಹದ ಅನುಪಾತ) ಮೌಲ್ಯ, ಇಳಿಜಾರಿನ ಕೋನ, ಮೀಸಲು ಅಂಕಿ, ಸುರಕ್ಷತಾ ಮಿತಿ ಅಥವಾ ಶಾಸನದ ಲೇಖನವು "AI ಹೀಗೆ ಹೇಳಿದೆ" ಎಂಬ ಕಾರಣಕ್ಕೆ ನಿಜವಾಗುವುದಿಲ್ಲ; ಮಾಪನ, ಉಲ್ಲೇಖ ಮತ್ತು ಸಮರ್ಥ ಎಂಜಿನಿಯರ್ ತೀರ್ಪಿನ ಮೂಲಕ ಪರಿಶೀಲಿಸುವವರೆಗೆ ಇದು ಕೇವಲ ಒಂದು ಊಹೆಯಾಗಿದೆ. ಮಾಡ್ಯೂಲ್‌ನ ಪ್ರತಿಯೊಂದು ಘಟಕದಲ್ಲಿ ನೀವು ಈ ವಾಕ್ಯವನ್ನು ಮತ್ತೊಮ್ಮೆ ನೋಡುತ್ತೀರಿ, ಏಕೆಂದರೆ ಗಣಿಗಾರಿಕೆಯಲ್ಲಿ, ತಪ್ಪಾದ ಸಂಖ್ಯೆಯು ಹೂಡಿಕೆಯ ಕುಸಿತ, ಇಳಿಜಾರಿನ ಕುಸಿತ ಅಥವಾ ವ್ಯಕ್ತಿಯ ಗಾಯ ಎಂದರ್ಥ.

LLM ಎಂದರೇನು ಮತ್ತು ಅದು ಗಣಿಗಾರಿಕೆಯಲ್ಲಿ ಏನು ಮಾಡುತ್ತದೆ?

LLM (ದೊಡ್ಡ ಭಾಷೆಯ ಮಾದರಿ) ಒಂದು ಸಾಫ್ಟ್‌ವೇರ್ ಆಗಿದ್ದು ಅದು ಪಠ್ಯದ ದೊಡ್ಡ ಭಾಗಗಳಿಂದ ಮಾದರಿಗಳನ್ನು ಕಲಿಯುತ್ತದೆ ಮತ್ತು ಸಂಭವನೀಯತೆಯ ಆಧಾರದ ಮೇಲೆ "ಮುಂದಿನ ಪದ" ವನ್ನು ಊಹಿಸುತ್ತದೆ. ಇದು ಚಾಟ್‌ಜಿಪಿಟಿ, ಕ್ಲೌಡ್, ಜೆಮಿನಿಯಂತಹ ಉಪಕರಣಗಳ ಎಂಜಿನ್ ಆಗಿದೆ. ವಿಷಯ ಹೀಗಿದೆ: LLM ಒಂದು "ಭಾಷೆಯ ಅಂದಾಜುಗಾರ", "ಜ್ಞಾನದ ಆಧಾರ" ಅಲ್ಲ. ಗಣಿಗಾರಿಕೆಯ ಪರಿಭಾಷೆಯನ್ನು ನಿರರ್ಗಳವಾಗಿ ಮಾತನಾಡುತ್ತಾರೆ, ಆದರೆ ಗ್ರೇಡ್ ಅನ್ನು ಅಳೆಯುವುದಿಲ್ಲ; ಹೆಚ್ಚಾಗಿ ಕಾಣುವ ಸಂಖ್ಯೆಯನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ. ಆದ್ದರಿಂದ, ಅವನು ಅಥವಾ ಅವಳು ಸರಾಸರಿ ಗ್ರೇಡ್, ಸ್ಟ್ರಿಪ್ಪಿಂಗ್ ದರ, ನಿಯಂತ್ರಕ ಷರತ್ತು ಅಥವಾ ಸ್ಫೋಟಕ ಮಿತಿಯ ಬಗ್ಗೆ ಆತ್ಮವಿಶ್ವಾಸ ಆದರೆ ತಪ್ಪಾದ ಉತ್ತರಗಳನ್ನು ನೀಡಬಹುದು. ಇದನ್ನು ಭ್ರಮೆ (ಫ್ಯಾಬ್ರಿಕೇಶನ್) ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ. ಭ್ರಮೆಯು ಅಸಮರ್ಪಕ ಕಾರ್ಯವಲ್ಲ, ಆದರೆ ಈ ತಂತ್ರಜ್ಞಾನದ ಅಂತರ್ಗತ ಲಕ್ಷಣವಾಗಿದೆ; ಆದ್ದರಿಂದ, ಪರಿಶೀಲನೆಯು "ಹೆಚ್ಚುವರಿ ಹಂತ" ಅಲ್ಲ ಆದರೆ ಕೆಲಸದ ಅವಿಭಾಜ್ಯ ಅಂಗವಾಗಿದೆ.

ಗಣಿಗಾರಿಕೆಯಲ್ಲಿ AI ಪ್ರಬಲವಾಗಿರುವ ಕಾರ್ಯಗಳು:

ಪರಿಕಲ್ಪನೆಯ ವಿವರಣೆ ಮತ್ತು ಬೋಧನೆ: ವೇರಿಯೋಗ್ರಾಮ್ ಎಂದರೇನು, ಹತೋಟಿ ನಿಯಮವು ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ, ಆಮ್ಲ ಗಣಿ ಒಳಚರಂಡಿ ಹೇಗೆ ಸಂಭವಿಸುತ್ತದೆ.
ಡೇಟಾ ಶುಚಿಗೊಳಿಸುವಿಕೆ ಮತ್ತು ಸಂಘಟನೆ: ಚದುರಿದ ಬೋರ್‌ಹೋಲ್ ಲಾಗ್‌ಗಳನ್ನು ಸುಸಂಬದ್ಧ ಟೇಬಲ್ ಆಗಿ ಪರಿವರ್ತಿಸುವುದು, ಯುನಿಟ್ ಅಸಾಮರಸ್ಯವನ್ನು ಸೆರೆಹಿಡಿಯುವುದು.
ಊಹೆಗಳ ಪಟ್ಟಿಯನ್ನು ರಚಿಸುವುದು: ಉತ್ಪಾದನೆಯಲ್ಲಿ ಕುಸಿತದ ಸಂಭವನೀಯ ಕಾರಣಗಳನ್ನು ವ್ಯವಸ್ಥಿತವಾಗಿ ಪಟ್ಟಿ ಮಾಡುವುದು.
ಕೋಡಿಂಗ್: ಡೇಟಾ ಕ್ಲೀನಿಂಗ್, ಗ್ರಾಫಿಂಗ್, ಜಿಯೋಸ್ಟಾಟಿಸ್ಟಿಕ್ಸ್ ಮತ್ತು ಪೈಥಾನ್‌ನೊಂದಿಗೆ ಅಸಂಗತ ವಿಶ್ಲೇಷಣೆ ಸ್ಕ್ರಿಪ್ಟ್‌ಗಳು.
ಕರಡು ಪಠ್ಯ: JSA (ಉದ್ಯೋಗ ಸುರಕ್ಷತೆ ವಿಶ್ಲೇಷಣೆ), ಪರಿಸರ ಮೇಲ್ವಿಚಾರಣಾ ವರದಿ, ಕರಡು ಟೆಂಡರ್/ತಾಂತ್ರಿಕ ವಿವರಣೆ.
ಬುದ್ದಿಮತ್ತೆ: ಸನ್ನಿವೇಶ ಹೋಲಿಕೆ, ಪ್ರಯೋಗ/ಮಾಪನ ಯೋಜನೆ ಕಲ್ಪನೆಗಳು.

AI ದುರ್ಬಲ ಮತ್ತು ಅಪಾಯಕಾರಿಯಾಗಿರುವಲ್ಲಿ:

ನಿಖರವಾದ ಸಂಖ್ಯಾತ್ಮಕ ಮೌಲ್ಯವನ್ನು ನೀಡುವುದು (ಗ್ರೇಡ್, ಮೀಸಲು, ಇಳಿಜಾರಿನ ಕೋನ, ಮಿತಿ ಮೌಲ್ಯ).
ಪ್ರಸ್ತುತ ಮತ್ತು ನಿರ್ದಿಷ್ಟ ಶಾಸನ/ಪ್ರಮಾಣಿತ ಲೇಖನ ಮತ್ತು ಆವೃತ್ತಿ ಮಾಹಿತಿ.
ನಿಮ್ಮ ಸೈಟ್‌ನ ನಿಜವಾದ ಮಾಪನ ಡೇಟಾ ಇಲ್ಲದೆ ರೋಗನಿರ್ಣಯ.
ಸುರಕ್ಷತೆ-ನಿರ್ಣಾಯಕ ನಿರ್ಧಾರ: ಬ್ಲಾಸ್ಟ್ ವಿನ್ಯಾಸ ಅನುಮೋದನೆ, ಸ್ಥಳಾಂತರಿಸುವ ನಿರ್ಧಾರ, ಸೇವಾ ಸಾಮರ್ಥ್ಯ.

ಅಪಾಯ-ಆಧಾರಿತ ವರ್ಗೀಕರಣ: AI ಬಳಸುವ ಮೊದಲು ಫಿಲ್ಟರ್

ಪ್ರತಿಯೊಂದು ಕೆಲಸವೂ ಒಂದೇ ಮಟ್ಟದ ಅಪಾಯದಲ್ಲಿರುವುದಿಲ್ಲ. AI ಬಳಸುವ ಮೊದಲು ಅಪಾಯದ ಮಟ್ಟದಿಂದ ಕೆಲಸವನ್ನು ವರ್ಗೀಕರಿಸಿ. ಕೆಳಗಿನ ಕೋಷ್ಟಕವು ಈ ಮಾಡ್ಯೂಲ್‌ನಾದ್ಯಂತ ನೀವು ಬಳಸುವ ನಿರ್ಧಾರದ ಚೌಕಟ್ಟನ್ನು ಒದಗಿಸುತ್ತದೆ.

ಅಪಾಯದ ಮಟ್ಟ

ಮಾದರಿ ಕಾರ್ಯ

AI ಪಾತ್ರ

ಕಡ್ಡಾಯ ಪರಿಶೀಲನೆ

ಕಡಿಮೆ

ಪರಿಕಲ್ಪನೆಯ ವಿವರಣೆ, ಕರಡು ಪಠ್ಯ, ಕೋಡ್ ಅಸ್ಥಿಪಂಜರ

ಉಚಿತ ಬಳಕೆ

ವಿಮರ್ಶೆ ಸಾಕು

ಮಧ್ಯಮ

ಡೇಟಾ ಕ್ಲೀನಿಂಗ್, ಊಹೆ ಪಟ್ಟಿ, ಲೆಕ್ಕಾಚಾರದ ಸೆಟಪ್

ಕರಡು/ಸಹ ಲೇಖಕ

ಹಸ್ತಚಾಲಿತ ನಿಯಂತ್ರಣ + ಮೂಲ ದೃಢೀಕರಣ

ಹೆಚ್ಚು

ಮೀಸಲು ಅಂದಾಜು, ಪಿಟ್ ಮಿತಿ, ಬ್ಲಾಸ್ಟಿಂಗ್ ಪ್ಯಾರಾಮೀಟರ್

ಕಲ್ಪನೆ ಜನರೇಟರ್

ಪ್ರಮಾಣಿತ + ಕ್ಷೇತ್ರ ಮಾಪನ + ಸಾಫ್ಟ್‌ವೇರ್

ನಿರ್ಣಾಯಕ

ಸ್ಥಳಾಂತರಿಸುವ ನಿರ್ಧಾರ, ಇಳಿಜಾರಿನ ಸುರಕ್ಷತೆ, ಸೇವಾ ಸಾಮರ್ಥ್ಯ/ಸೂಕ್ತತೆಯ ನಿರ್ಧಾರ

ಡ್ರಾಫ್ಟ್/ಸ್ಕ್ಯಾನ್ ಮಾತ್ರ

ಸಮರ್ಥ ಎಂಜಿನಿಯರ್ ಅನುಮೋದನೆ + ಮಾನ್ಯತೆ ಪಡೆದ ಪರೀಕ್ಷೆ

ಸಲಹೆ: ನೀವು ಕಾರ್ಯವನ್ನು "ನಿರ್ಣಾಯಕ" ಎಂದು ಗುರುತಿಸಿದ್ದರೆ, AI ಯ ಔಟ್‌ಪುಟ್ ಎಂದಿಗೂ ಅಂತಿಮ ದಾಖಲೆಯಾಗಿರುವುದಿಲ್ಲ. ಹೆಚ್ಚೆಂದರೆ ಇದು ಪ್ರಾಥಮಿಕ ಕರಡು ಅಥವಾ ಪರಿಶೀಲನಾಪಟ್ಟಿ ಆಗಿರಬಹುದು; ಸಮರ್ಥ ಎಂಜಿನಿಯರ್ ಸಹಿ ಮತ್ತು ಜವಾಬ್ದಾರಿಯನ್ನು ಕೈಗೊಳ್ಳುತ್ತಾರೆ.

ಎಂಡ್-ಟು-ಎಂಡ್ ಫ್ಲೋ: ನಿಮ್ಮ ವರ್ಕ್‌ಫ್ಲೋಗೆ AI ಅನ್ನು ಎಂಬೆಡ್ ಮಾಡುವುದು

ಗಣಿಗಾರಿಕೆಯಲ್ಲಿ ಒಂದು ವಿಶಿಷ್ಟವಾದ ಸಮಸ್ಯೆ-ಪರಿಹರಿಸುವ ಚಕ್ರವು ಈ ರೀತಿ ಹೋಗುತ್ತದೆ, AI ಪ್ರತಿ ಹಂತದಲ್ಲೂ ತೊಡಗಿಸಿಕೊಳ್ಳುತ್ತದೆ ಆದರೆ ಅವುಗಳಲ್ಲಿ ಯಾವುದನ್ನೂ ಮುಚ್ಚುವುದಿಲ್ಲ:

ಸಮಸ್ಯೆಯನ್ನು ವಿವರಿಸಿ: ಏನು ಊಹಿಸಲು, ಯಾವ ನಿರ್ಧಾರವನ್ನು ಮಾಡಲು, ಯಾವ ನಿರ್ಬಂಧವಿದೆ? (AI: ಪ್ರಶ್ನೆಯನ್ನು ಸ್ಪಷ್ಟಪಡಿಸುತ್ತದೆ.)
ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸಿ ಮತ್ತು ಸ್ವಚ್ಛಗೊಳಿಸಿ: ಕೊರೆಯುವಿಕೆ, ಉತ್ಪಾದನೆ, ಮೇಲ್ವಿಚಾರಣೆ, ಪ್ರಯೋಗಾಲಯ ಡೇಟಾ. (AI: ಶುಚಿಗೊಳಿಸುವಿಕೆ ಮತ್ತು ಅಸಂಗತತೆ ತಪಾಸಣೆಯಲ್ಲಿ ಪ್ರಬಲವಾಗಿದೆ.)
ಕಲ್ಪನೆಗಳು/ಸನ್ನಿವೇಶಗಳನ್ನು ರಚಿಸಿ: ಸಂಭವನೀಯ ಕಾರಣಗಳು, ಪರ್ಯಾಯ ಯೋಜನೆಗಳು. (AI: ವ್ಯವಸ್ಥಿತ ಪಟ್ಟಿಯನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ.)
ವಿಶ್ಲೇಷಿಸಿ: ಲೆಕ್ಕಾಚಾರ, ಜಿಯೋಸ್ಟಾಟಿಸ್ಟಿಕ್ಸ್, ಮಾದರಿ, ಇಮೇಜ್ ಪ್ರೊಸೆಸಿಂಗ್. (AI: ಕೋಡ್ ಮತ್ತು ಲೆಕ್ಕಾಚಾರದ ಕಾಲ್ಪನಿಕತೆಯನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ.)
ಪರಿಶೀಲಿಸಿ: ಪ್ರಮಾಣಿತ, ಕ್ಷೇತ್ರ, ಸ್ವತಂತ್ರ ಖಾತೆ, ಸಾಫ್ಟ್‌ವೇರ್. (AI ಬದಿಯಲ್ಲಿದೆ; ಮಾನವರು ಮತ್ತು ಮಾಪನವು ನಿರ್ಧರಿಸುತ್ತದೆ.)
ವರದಿ ಮಾಡಿ ಮತ್ತು ನಿರ್ಧರಿಸಿ: ಸಮರ್ಥ ಎಂಜಿನಿಯರ್ ಜವಾಬ್ದಾರಿಯನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತಾರೆ. (AI: ಡ್ರಾಫ್ಟ್ ರೈಟರ್.)

ಈ ಆರು ಹಂತಗಳನ್ನು ಮನಸ್ಸಿನಲ್ಲಿಟ್ಟುಕೊಳ್ಳಿ; ಕಾಂಕ್ರೀಟ್ ಗಣಿಗಾರಿಕೆ ಕಾರ್ಯಗಳೊಂದಿಗೆ AI ಅನ್ನು ಹಂತ ಹಂತವಾಗಿ ಹೇಗೆ ಬಳಸುವುದು ಎಂಬುದನ್ನು ಉಳಿದ ಮಾಡ್ಯೂಲ್ ನಿಮಗೆ ತೋರಿಸುತ್ತದೆ.

ಮೂರು ಸಣ್ಣ ಪ್ರಕರಣಗಳು

ಪ್ರಕರಣ 1 - ಮೇಡ್ ಅಪ್ ಸರಾಸರಿ ಗ್ರೇಡ್. ತಾಮ್ರದ ಯೋಜನೆಯ ಸರಾಸರಿ ದರ್ಜೆಯ ಬಗ್ಗೆ ಇಂಟರ್ನ್ AI ಚಾಟ್ ಟೂಲ್ ಅನ್ನು ಕೇಳುತ್ತಾನೆ; AI "ಸುಮಾರು 0.65% Cu" ಎಂದು ಹೇಳುತ್ತದೆ. ಇಂಟರ್ನ್ ಇದನ್ನು ಹೂಡಿಕೆ ಪ್ರಸ್ತುತಿಯಲ್ಲಿ ಇರಿಸುತ್ತದೆ. ಆದಾಗ್ಯೂ, AI ಈ ಯೋಜನೆಯ ಒಂದು ಕೊರೆಯುವ ಡೇಟಾವನ್ನು ನೋಡಿಲ್ಲ; "ತಾಮ್ರ ಯೋಜನೆ" ಗಾಗಿ ಒಂದು ವಿಶಿಷ್ಟ ಸಂಖ್ಯೆಯನ್ನು ಉತ್ಪಾದಿಸಿತು. ನಿಜವಾದ ಮೌಲ್ಯವು ಯೋಜನೆಯ ಸ್ವಂತ ಸಂಯೋಜಿತ ಡ್ರಿಲ್ಲಿಂಗ್ ಡೇಟಾ ಮತ್ತು ಭೂಸಂಖ್ಯಾಶಾಸ್ತ್ರದ ಅಂದಾಜಿನಿಂದ ಮಾತ್ರ ಬರುತ್ತದೆ; ಈ ಯೋಜನೆಯಲ್ಲಿನ ನೈಜ ಮೌಲ್ಯವು 0.38% ಆಗಿದೆ. ವ್ಯತ್ಯಾಸವೆಂದರೆ ಹೂಡಿಕೆಯು ಲಾಭದಾಯಕ ಮತ್ತು ನಷ್ಟವನ್ನು ಉಂಟುಮಾಡುವ ನಡುವಿನ ವ್ಯತ್ಯಾಸವಾಗಿದೆ. AI ಗಾಗಿ ಗ್ರೇಡ್ ಅನ್ನು ಎಂದಿಗೂ "ಕೇಳಬೇಡಿ" ಎಂಬುದು ಸರಿಯಾದ ವರ್ತನೆ, ಆದರೆ ನಿಮ್ಮ ಸ್ವಂತ ಡೇಟಾಬೇಸ್‌ನಿಂದ ಅದನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡಿ.

ಪ್ರಕರಣ 2 - ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲದ ನಿಯಂತ್ರಣ ಷರತ್ತು. ಬ್ಲಾಸ್ಟಿಂಗ್‌ನಲ್ಲಿ ಅನುಮತಿಸಲಾದ ಗರಿಷ್ಠ ನೆಲದ ಕಂಪನವನ್ನು (PPV: ಗರಿಷ್ಠ ಕಣದ ವೇಗ, mm/s) ಒಬ್ಬ ಎಂಜಿನಿಯರ್ AI ಗೆ ಕೇಳುತ್ತಾನೆ. AI "ನಿಯಂತ್ರಣದ ಪ್ರಕಾರ 10 mm/s" ಎಂದು ಹೇಳುತ್ತದೆ ಮತ್ತು ಐಟಂ ಸಂಖ್ಯೆಯನ್ನು ಮಾಡುತ್ತದೆ. ಅದರಂತೆ ಎಂಜಿನಿಯರ್ ವರದಿ ಬರೆಯುತ್ತಾರೆ. ತಪಾಸಣೆಯ ಸಮಯದಲ್ಲಿ, ಐಟಂ ಸಂಖ್ಯೆ ನಿಜವಲ್ಲ ಮತ್ತು ಮಿತಿ ಮೌಲ್ಯವು ದೂರ ಮತ್ತು ಕಟ್ಟಡದ ಪ್ರಕಾರವನ್ನು ಅವಲಂಬಿಸಿ ಬದಲಾಗುತ್ತದೆ. ಅಧಿಕೃತ ಮೂಲದಿಂದ ಪ್ರಸ್ತುತ ನಿಯಂತ್ರಣವನ್ನು ತೆರೆಯುವುದು ಮತ್ತು ಮೌಲ್ಯ ಮತ್ತು ವಸ್ತುವನ್ನು ದೃಢೀಕರಿಸುವುದು ಸರಿಯಾದ ವರ್ತನೆ. AI ನಿಯಂತ್ರಣದ ಹೆಸರನ್ನು ಸರಿಯಾಗಿ ತಿಳಿದಿದ್ದರೂ ಸಹ, ಅದು ಲೇಖನ ಸಂಖ್ಯೆಯನ್ನು ಭ್ರಮೆಗೊಳಿಸಬಹುದು.

ಪ್ರಕರಣ 3 - ಸರಿಯಾದ ಬಳಕೆ. 40 ಬೋರ್‌ಹೋಲ್‌ಗಳ ಡೇಟಾ ಸೆಟ್‌ನಲ್ಲಿ ಗ್ರೇಡ್ ಕಾಲಮ್‌ನಲ್ಲಿನ ವ್ಯತ್ಯಾಸವನ್ನು ಭೂವಿಜ್ಞಾನಿ ಶಂಕಿಸಿದ್ದಾರೆ. ಇದು AI ಗೆ "ಘಟಕ ಅಸಂಗತತೆಗಳು, ಋಣಾತ್ಮಕ ಮೌಲ್ಯಗಳು, ಗೋಚರಿಸುವ ಔಟ್‌ಲೈಯರ್‌ಗಳು ಮತ್ತು ಖಾಲಿ ಕೋಶಗಳನ್ನು ಹೊಂದಿರುವ ಈ ಕೋಷ್ಟಕದಲ್ಲಿನ ಸಾಲುಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿ ಮತ್ತು ಪ್ರತಿಯೊಂದಕ್ಕೂ ನೀವು ಅನುಮಾನಿಸುವದನ್ನು ಬರೆಯಿರಿ; ಸರಿಪಡಿಸಬೇಡಿ, ಕೇವಲ ಗುರುತಿಸಿ" ಎಂದು ಹೇಳುತ್ತದೆ. ಪಿಪಿಎಂ, ಎರಡು ಋಣಾತ್ಮಕ ಗ್ರೇಡ್‌ಗಳು ಮತ್ತು 999 ಕೋಡ್ ಮೌಲ್ಯದೊಂದಿಗೆ % ಮಿಶ್ರಿತ ಕೆಲವು ಸಾಲುಗಳನ್ನು AI ಫ್ಲ್ಯಾಗ್ ಮಾಡುತ್ತದೆ. ಭೂವಿಜ್ಞಾನಿಗಳು ಕಚ್ಚಾ ದಾಖಲೆಗಳಿಂದ ಇವುಗಳನ್ನು ಒಂದೊಂದಾಗಿ ಪರಿಶೀಲಿಸುತ್ತಾರೆ ಮತ್ತು ಸರಿಪಡಿಸುತ್ತಾರೆ. ಇಲ್ಲಿ AI ಅನ್ನು ಸರಿಯಾಗಿ ಬಳಸಲಾಗಿದೆ: ಗಮನ ಸೆಳೆಯಿತು, ಮಾನವನು ನಿರ್ಧಾರ ಮತ್ತು ತಿದ್ದುಪಡಿಯನ್ನು ಮಾಡಿದನು.

ನಕಲು ಮಾಡಬಹುದಾದ ಪ್ರಾಂಪ್ಟ್ ಟೆಂಪ್ಲೇಟ್‌ಗಳು

ಕೆಳಗಿನ ಟೆಂಪ್ಲೇಟ್‌ಗಳನ್ನು ನಿಮ್ಮ ಸ್ವಂತ ವ್ಯವಹಾರಕ್ಕೆ ಅಳವಡಿಸಿಕೊಳ್ಳುವ ಮೂಲಕ ನೀವು ಅವುಗಳನ್ನು ಬಳಸಬಹುದು. ಅವುಗಳಲ್ಲಿ ಪ್ರತಿಯೊಂದರಲ್ಲೂ, "ನಿಖರವಾದ ಸಂಖ್ಯೆಯನ್ನು ನೀಡಿ, ಮೂಲವನ್ನು ಸೂಚಿಸಿ, ಅನಿಶ್ಚಿತತೆಯನ್ನು ವಿವರಿಸಿ" ಎಂಬ ಪ್ರಜ್ಞಾಪೂರ್ವಕ ಸೂಚನೆಯಿದೆ.

ಪಾತ್ರ ಮತ್ತು ಗಡಿ ಟೆಂಪ್ಲೇಟ್ "ಪಾತ್ರ: ನೀವು ಅನುಭವಿ ಗಣಿಗಾರಿಕೆ ಎಂಜಿನಿಯರ್ ಸಹಾಯಕರು. ಕಾರ್ಯ: [ವಿಷಯವನ್ನು ಬರೆಯಿರಿ]. ನಿಯಮಗಳು: ನಿಖರವಾದ ಸಂಖ್ಯಾತ್ಮಕ ಮೌಲ್ಯವನ್ನು (ಗ್ರೇಡ್, ಮೀಸಲು, ಮಿತಿ) ನೀಡುವಾಗ, ಮೂಲವನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸಿ; ನಿಮಗೆ ಖಚಿತವಿಲ್ಲದಿದ್ದರೆ, 'ದೃಢೀಕರಿಸಬೇಕು' ಎಂದು ಹೇಳಿ, ಆದರೆ ಅದನ್ನು ದೃಢೀಕರಿಸಿದ ಲೇಖನವನ್ನು ನೀಡಿ, ಆದರೆ ನೀವು ಅದನ್ನು ದೃಢೀಕರಿಸಿದ ಲೇಖನವನ್ನು ನೀಡಿ ಅಧಿಕೃತ ಮೂಲದಿಂದ ಉತ್ತರದ ಕೊನೆಯಲ್ಲಿ, ಐಟಂ ಮೂಲಕ 'ಕ್ಷೇತ್ರ ಮಾಪನ/ಲೆಕ್ಕಾಚಾರದ ಮೂಲಕ ಏನು ಪರಿಶೀಲಿಸಬೇಕು' ಎಂದು ಬರೆಯಿರಿ."

ಕಲ್ಪನೆಯ ಪೀಳಿಗೆಯ ಟೆಂಪ್ಲೇಟ್ "ಕೆಳಗಿನ ಪರಿಸ್ಥಿತಿಗೆ ಸಂಭವನೀಯ ಕಾರಣಗಳ ವ್ಯವಸ್ಥಿತ ಪಟ್ಟಿಯನ್ನು ತಯಾರಿಸಿ: [ಪರಿಸ್ಥಿತಿಯನ್ನು ವಿವರಿಸಿ; ಏನು ಗಮನಿಸಲಾಗಿದೆ, ಯಾವ ಡೇಟಾ ಲಭ್ಯವಿದೆ]. ಪ್ರತಿ ಊಹೆಗೆ: (1) ಯಾವ ಪುರಾವೆಗಳು ಅದನ್ನು ಬೆಂಬಲಿಸುತ್ತವೆ, (2) ಅದನ್ನು ದೃಢೀಕರಿಸಲು/ನಿರಾಕರಿಸಲು ಯಾವ ಅಳತೆ ಅಥವಾ ಲೆಕ್ಕಾಚಾರವನ್ನು ಮಾಡಬೇಕು. ತನಿಖಾ ಮಾರ್ಗದ ರೋಗನಿರ್ಣಯವನ್ನು ಮಾಡಿ;."

ಪರಿಶೀಲನಾ ಪರಿಶೀಲನಾಪಟ್ಟಿ ಟೆಂಪ್ಲೇಟ್ "ಕೆಳಗಿನ ವರದಿಯ ಕರಡು ಪ್ರತಿಯಲ್ಲಿನ ಪ್ರತಿ ಸಂಖ್ಯಾತ್ಮಕ ಮೌಲ್ಯ ಮತ್ತು ಪ್ರತಿ ನಿಯಂತ್ರಣ/ಪ್ರಮಾಣಿತ ಉಲ್ಲೇಖವನ್ನು ಪಟ್ಟಿ ಮಾಡಿ. ಪ್ರತಿಯೊಂದಕ್ಕೂ, ಯಾವ ಮೂಲದಿಂದ (ಸ್ವಯಂ-ಕೊರೆಯುವ ಡೇಟಾ, ನಿಯಂತ್ರಕ ಪಠ್ಯ, ಪ್ರಯೋಗಾಲಯ ವರದಿ, ಕ್ಷೇತ್ರ ಸಮೀಕ್ಷೆ) ಅದನ್ನು ಪರಿಶೀಲಿಸಬೇಕು ಎಂಬುದನ್ನು ಸೂಚಿಸಿ. 'ಅನಿಶ್ಚಿತ ಮೂಲವನ್ನು ಬಳಸಲಾಗುವುದಿಲ್ಲ.'

ಅನಾಮಧೇಯತೆಯ ಪೂರ್ವ-ಪರಿಶೀಲನೆಯ ಟೆಂಪ್ಲೇಟ್ "ಈ ಕೆಳಗಿನ ಪಠ್ಯವನ್ನು AI ಉಪಕರಣಕ್ಕೆ ನೀಡುವ ಮೊದಲು, ವ್ಯಾಪಾರ ರಹಸ್ಯ ಅಥವಾ ವೈಯಕ್ತಿಕ/ನಿಯಂತ್ರಕ ಸೂಕ್ಷ್ಮ ಭಾಗಗಳನ್ನು ಫ್ಲ್ಯಾಗ್ ಮಾಡಿ: ಮೀಸಲು ಸಂಖ್ಯೆಗಳು, ಪರವಾನಗಿ ಸಂಖ್ಯೆ, ನಿಜವಾದ ನಿರ್ದೇಶಾಂಕಗಳು, ಗ್ರಾಹಕ/ಸಿಬ್ಬಂದಿ ಹೆಸರುಗಳು, ಗೌಪ್ಯ ವೆಚ್ಚದ ಡೇಟಾ. ನಾನು ಇವುಗಳನ್ನು ಅನಾಮಧೇಯಗೊಳಿಸುವುದು ಹೇಗೆ ಎಂದು ಸೂಚಿಸಿ. ಪಠ್ಯ: [ಅಂಟಿಸಿ]."

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ಒಂದೇ ಪ್ರಶ್ನೆಯನ್ನು ಎರಡು ರೀತಿಯಲ್ಲಿ ಕೇಳುವುದು ವಿಭಿನ್ನ ಫಲಿತಾಂಶಗಳನ್ನು ನೀಡುತ್ತದೆ.

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್: "ಈ ಗಣಿ ಮೀಸಲು ಎಷ್ಟು?"

ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್: "ಪಾತ್ರ: ನೀವು ಸಹಾಯಕ ಸಂಪನ್ಮೂಲ ಭೂವಿಜ್ಞಾನಿ. ಮೀಸಲು/ಸಂಪನ್ಮೂಲ ಅಂದಾಜು ಯಾವ ಹಂತಗಳನ್ನು ಹಾದುಹೋಗಬೇಕು (ಸಂಯೋಜಿತ, ವೇರಿಯೋಗ್ರಾಮ್, ಕ್ರಿಜಿಂಗ್, ವರ್ಗೀಕರಣ, ಆರ್ಥಿಕ ಮಿತಿ) ಮತ್ತು ಪ್ರತಿ ಹಂತದಲ್ಲಿ ಯಾವ ಡೇಟಾ ಮತ್ತು ಯಾವ ಸಮರ್ಥ ವ್ಯಕ್ತಿಯ ಅನುಮೋದನೆ ಅಗತ್ಯವಿದೆ ಎಂಬುದನ್ನು ವಿವರಿಸಿ. ನಿಖರವಾದ ಮೀಸಲು ಸಂಖ್ಯೆಯ ಚೌಕಟ್ಟನ್ನು ನೀಡಬೇಡಿ. JORC/UMREK ನಂತಹ ಕೋಡ್."

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ ಮೇಕಪ್ ಮಾಡಲು AI ಅನ್ನು ಆಹ್ವಾನಿಸುತ್ತದೆ; ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್ ಅದನ್ನು ಸರಿಯಾದ ಕೆಲಸದಲ್ಲಿ ಇರಿಸುತ್ತದೆ (ಪ್ರಕ್ರಿಯೆಯ ವಿವರಣೆ) ಮತ್ತು ಡಿಜಿಟಲ್ ಭ್ರಮೆಯನ್ನು ಮೊದಲ ಸ್ಥಾನದಲ್ಲಿ ತಡೆಯುತ್ತದೆ.

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

ಗ್ರೇಡ್, ಮೀಸಲು, ಇತ್ಯಾದಿಗಳಂತಹ ಕೋರ್ಸ್-ನಿರ್ದಿಷ್ಟ ಸಂಖ್ಯೆಗಳಿಗಾಗಿ AI ಅನ್ನು "ಕೇಳುವುದು". AI ನಿಮ್ಮ ಡೇಟಾವನ್ನು ತಿಳಿದಿರುವುದಿಲ್ಲ; ಈ ಸಂಖ್ಯೆಗಳನ್ನು ನಿಮ್ಮ ಸ್ವಂತ ಡೇಟಾಬೇಸ್‌ನಿಂದ ಮಾತ್ರ ಲೆಕ್ಕಹಾಕಲಾಗುತ್ತದೆ.
ದೃಢೀಕರಿಸದೆ ಶಾಸನ/ಪ್ರಮಾಣಿತ ಷರತ್ತನ್ನು ಬಳಸುವುದು. ಐಟಂ ಸಂಖ್ಯೆ ಮತ್ತು ಮೌಲ್ಯವು ಆಗಾಗ್ಗೆ ಭ್ರಮೆಗೊಳ್ಳುತ್ತದೆ.
AI ಔಟ್‌ಪುಟ್‌ನಲ್ಲಿ ಸುರಕ್ಷತೆ-ನಿರ್ಣಾಯಕ ನಿರ್ಧಾರವನ್ನು ಆಧರಿಸಿದೆ. ಸ್ಥಳಾಂತರಿಸುವಿಕೆ, ಬ್ಲಾಸ್ಟಿಂಗ್ ಅನುಮೋದನೆ ಮತ್ತು ಸೇವೆಯ ನಿರ್ಧಾರಗಳನ್ನು ಸಮರ್ಥ ಇಂಜಿನಿಯರ್ ಮಾಡುತ್ತಾರೆ.
Pasting sensitive data into the cloud tool without anonymizing it. ಮೀಸಲು, ಸಮನ್ವಯ ಮತ್ತು ವೆಚ್ಚದ ಡೇಟಾ ವ್ಯಾಪಾರ ರಹಸ್ಯಗಳು.
ಒಂದು ಪ್ರಶ್ನೆ ಮತ್ತು ಒಂದು ಉತ್ತರಕ್ಕಾಗಿ ಕಾಯಲಾಗುತ್ತಿದೆ. AI ಅನ್ನು ಪುನರಾವರ್ತಿತವಾಗಿ ಬಳಸಿ: ಡ್ರಾಫ್ಟ್‌ಗಳನ್ನು ರಚಿಸಿ, ವಿಮರ್ಶಿಸಿ, ಪರಿಶೀಲಿಸಿ, ಸರಿಪಡಿಸಿ.

ಎಚ್ಚರಿಕೆ: AI ಔಟ್‌ಪುಟ್‌ನಲ್ಲಿ ಹೆಚ್ಚು ನಿಖರವಾದ ಮತ್ತು ಆತ್ಮವಿಶ್ವಾಸದ ಸಂಖ್ಯೆಯು ಗೋಚರಿಸುತ್ತದೆ, ಪರಿಶೀಲನೆಯ ಅಗತ್ಯವು ಹೆಚ್ಚಾಗುತ್ತದೆ. ನಿಖರತೆಯು ನಿಖರತೆಯ ಭರವಸೆಯಲ್ಲ.

ಸಾರಾಂಶದಲ್ಲಿ

ಈ ಘಟಕದಲ್ಲಿ ನೀವು AI ಗಣಿಗಾರಿಕೆಯಲ್ಲಿ ಸಹಾಯಕ ಎಂದು ನೋಡಿದ್ದೀರಿ, ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳುವವರಲ್ಲ. LLMಗಳು ಭಾಷಾ ಮುನ್ಸೂಚಕಗಳಾಗಿವೆ; ಇದು ಪರಿಕಲ್ಪನೆಯ ವಿವರಣೆ, ಡೇಟಾ ಕ್ಲೀನಿಂಗ್, ಊಹೆ ಮತ್ತು ಕೋಡ್ ಉತ್ಪಾದನೆಯಲ್ಲಿ ಶಕ್ತಿಯುತವಾಗಿದೆ, ಆದರೆ ನಿಖರವಾದ ಸಂಖ್ಯೆಗಳು ಮತ್ತು ಶಾಸನವನ್ನು (ಭ್ರಮೆ) ಉತ್ಪಾದಿಸುವಲ್ಲಿ ಅಪಾಯಕಾರಿಯಾಗಿದೆ. ಕಾರ್ಯಗಳನ್ನು ಕಡಿಮೆ/ಮಧ್ಯಮ/ಉನ್ನತ/ನಿರ್ಣಾಯಕ ಎಂದು ವರ್ಗೀಕರಿಸಿ ಮತ್ತು ಅದಕ್ಕೆ ಅನುಗುಣವಾಗಿ ಪರಿಶೀಲನೆಯ ಆಳವನ್ನು ಹೊಂದಿಸಿ. ನಿಮ್ಮ ಸ್ವಂತ ಡೇಟಾ ಅಥವಾ ಕ್ಷೇತ್ರ ಮಾಪನದಿಂದ ಪ್ರತಿ ಸಂಖ್ಯಾತ್ಮಕ ಮೌಲ್ಯವನ್ನು ಪರಿಶೀಲಿಸಿ, ಅಧಿಕೃತ ಮೂಲದಿಂದ ಪ್ರತಿ ನಿಯಂತ್ರಕ ಉಲ್ಲೇಖ. ಭದ್ರತೆ-ನಿರ್ಣಾಯಕ ನಿರ್ಧಾರಗಳು ಯಾವಾಗಲೂ ಸಮರ್ಥ ಇಂಜಿನಿಯರ್ ಬಳಿ ಇರುತ್ತವೆ ಮತ್ತು ಬಳಸುವ ಮೊದಲು ಸೂಕ್ಷ್ಮ ಡೇಟಾವನ್ನು ಅನಾಮಧೇಯಗೊಳಿಸುತ್ತವೆ.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

ನಿಮ್ಮ ಸ್ವಂತ ವ್ಯವಹಾರದಿಂದ ಐದು ಕಾರ್ಯಗಳನ್ನು ಆಯ್ಕೆಮಾಡಿ (ಅಥವಾ ಕಾಲ್ಪನಿಕ ಗಣಿಗಾರಿಕೆ ಯೋಜನೆ): ಪರಿಕಲ್ಪನೆಯ ವಿವರಣೆ, ಡೇಟಾ ಸ್ವಚ್ಛಗೊಳಿಸುವಿಕೆ, ಊಹೆಗಳ ಪಟ್ಟಿ, ಮೀಸಲು/ಸಂಖ್ಯೆಯ ಮೌಲ್ಯ ಮತ್ತು ನಿಯಂತ್ರಕ ಪ್ರಶ್ನೆ. ಮೇಲಿನ ಅಪಾಯದ ಕೋಷ್ಟಕದಲ್ಲಿ ಪ್ರತಿಯೊಂದನ್ನು ಇರಿಸಿ. ನಂತರ "ಪಾತ್ರ ಮತ್ತು ಗಡಿ" ಟೆಂಪ್ಲೇಟ್‌ನೊಂದಿಗೆ AI ಗೆ ಎರಡು ಕಡಿಮೆ/ಮಧ್ಯಮ ಅಪಾಯದ ಕಾರ್ಯಗಳನ್ನು ಹೊರಗುತ್ತಿಗೆ ನೀಡಿ ಮತ್ತು ಔಟ್‌ಪುಟ್‌ನ ಪ್ರತಿ ಸಂಖ್ಯಾತ್ಮಕ/ನಿಯಂತ್ರಕ ಅಂಶವನ್ನು "ಪರಿಶೀಲನಾ ಪರಿಶೀಲನಾಪಟ್ಟಿ" ಟೆಂಪ್ಲೇಟ್‌ನೊಂದಿಗೆ ಗುರುತಿಸಿ. ಪರಿಶೀಲನೆಯಿಲ್ಲದೆ ಯಾವ ಅಂಶಗಳನ್ನು ಬಳಸಲಾಗುವುದಿಲ್ಲ ಎಂಬುದನ್ನು ಬರೆಯಿರಿ.

ಪರಿಶೀಲನಾಪಟ್ಟಿ

[ ] ನಾನು ಮಿಷನ್ ಅನ್ನು ಬಳಸುವ ಮೊದಲು ಅಪಾಯದ ಮಟ್ಟದಲ್ಲಿ (ಕಡಿಮೆ/ಮಧ್ಯಮ/ಹೆಚ್ಚಿನ/ನಿರ್ಣಾಯಕ) ಇರಿಸಿದೆ.
[ ] ನಾನು AI ಅನ್ನು ಕೇಳುವ ಬದಲು ನನ್ನ ಸ್ವಂತ ಇಳುವರಿಯಿಂದ ಗ್ರೇಡ್, ಮೀಸಲು, ಇತ್ಯಾದಿ ಕ್ಷೇತ್ರ-ನಿರ್ದಿಷ್ಟ ಸಂಖ್ಯೆಗಳನ್ನು ಲೆಕ್ಕ ಹಾಕಿದ್ದೇನೆ.
[ ] ನಾನು ಪ್ರತಿ ಶಾಸನವನ್ನು/ಪ್ರಮಾಣಿತ ಉಲ್ಲೇಖವನ್ನು ಅಧಿಕೃತ ಮೂಲದಿಂದ ಪರಿಶೀಲಿಸಿದ್ದೇನೆ.
[ ] ನಾನು ಸೂಕ್ಷ್ಮ ಡೇಟಾವನ್ನು ಅನಾಮಧೇಯಗೊಳಿಸಿದ್ದೇನೆ (ಮೀಸಲು, ನಿರ್ದೇಶಾಂಕಗಳು, ಹೆಸರು, ವೆಚ್ಚ).
[ ] ನಾನು ಸುರಕ್ಷತೆ-ನಿರ್ಣಾಯಕ ನಿರ್ಧಾರವನ್ನು ಸಮರ್ಥ ಎಂಜಿನಿಯರ್ ಅನುಮೋದನೆಗೆ ಬಿಟ್ಟಿದ್ದೇನೆ, AI ಔಟ್‌ಪುಟ್ ಅನ್ನು ಆಧರಿಸಿಲ್ಲ.
[ ] ನಾನು AI ಔಟ್‌ಪುಟ್‌ನಲ್ಲಿನ ಪ್ರತಿ ಸಂಖ್ಯಾತ್ಮಕ ಮೌಲ್ಯವನ್ನು "ಪರಿಶೀಲನೆ ಇಲ್ಲದೆ ಬಳಸಲಾಗುವುದಿಲ್ಲ" ಎಂದು ಸ್ಕ್ಯಾನ್ ಮಾಡಿದ್ದೇನೆ.