ಘಟಕಗಳು
1. ಫ್ಯಾಷನ್ ವಿನ್ಯಾಸದಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಪರಿಚಯ: ಪಾತ್ರಗಳು, ಗಡಿಗಳು, ದೃಢೀಕರಣ, ಹಕ್ಕುಸ್ವಾಮ್ಯ ಮತ್ತು ಗೌಪ್ಯತೆ 2. ಪ್ರವೃತ್ತಿ, ಸಂಸ್ಕೃತಿ ಮತ್ತು ಋತುವಿನ ವಿಶ್ಲೇಷಣೆ: ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯೊಂದಿಗೆ ಒಳನೋಟ ಸಂಶ್ಲೇಷಣೆ 3. ಬಣ್ಣ, ಪ್ಯಾಲೆಟ್ ಮತ್ತು ಬಣ್ಣದ ಚಾರ್ಟ್: ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯೊಂದಿಗೆ ಋತುಮಾನದ ಬಣ್ಣಗಳನ್ನು ಯೋಜಿಸುವುದು 4. ಪರಿಕಲ್ಪನೆ ಮತ್ತು ಮೂಡ್‌ಬೋರ್ಡ್: ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯೊಂದಿಗೆ ಸೃಜನಾತ್ಮಕ ನಿರ್ದೇಶನವನ್ನು ಸ್ಥಾಪಿಸುವುದು 5. ಜನರೇಟಿವ್ ದೃಶ್ಯದೊಂದಿಗೆ ಔಟ್‌ಫಿಟ್ ಕಾನ್ಸೆಪ್ಟ್: ಪ್ರಾಂಪ್ಟ್, ಬದಲಾವಣೆ ಮತ್ತು ಬ್ರ್ಯಾಂಡ್ ಸ್ಥಿರತೆ 6. ಸಂಗ್ರಹ ಯೋಜನೆ ಮತ್ತು ಲೈನ್ ಯೋಜನೆ: ಋತುವನ್ನು ರಚಿಸುವುದು 7. ಫ್ಯಾಬ್ರಿಕ್, ಮೆಟೀರಿಯಲ್ ಮತ್ತು ಟೆಕ್ಸ್ಚರ್ ಆಯ್ಕೆ: ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯೊಂದಿಗೆ ವಸ್ತು ಸಂಶೋಧನೆ 8. ಟೆಕ್ನಿಕಲ್ ಡ್ರಾಯಿಂಗ್, ಟೆಕ್ ಪ್ಯಾಕ್ ಮತ್ತು ಡೈಮೆನ್ಶನ್ ಟೇಬಲ್ ಸಪೋರ್ಟ್ 9. ಮಾದರಿ, ಫಿಟ್ಟಿಂಗ್ ಮತ್ತು ಉತ್ಪನ್ನ ಅಭಿವೃದ್ಧಿ ಚಕ್ರ: ಕಾಮೆಂಟ್ ಮತ್ತು ಸಂವಹನ 10. ಉತ್ಪಾದನೆ, ಪೂರೈಕೆ ಮತ್ತು ಸುಸ್ಥಿರತೆ: ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯೊಂದಿಗೆ ಜವಾಬ್ದಾರಿಯುತ ಫ್ಯಾಷನ್ 11. ವರ್ಕ್‌ಫ್ಲೋ ಮತ್ತು ಟೂಲ್ ಇಕೋಸಿಸ್ಟಮ್: ಎಂಡ್-ಟು-ಎಂಡ್ ಇಂಟಿಗ್ರೇಷನ್ 12. ಸ್ವಂತಿಕೆ, ಹಕ್ಕುಸ್ವಾಮ್ಯ, ಬ್ರ್ಯಾಂಡ್ ಸುರಕ್ಷತೆ ಮತ್ತು ನೈತಿಕತೆ: ಕಾನೂನು ಮಿತಿಗಳು ಮತ್ತು ಜವಾಬ್ದಾರಿ
ಘಟಕ 10 / 12

ಉತ್ಪಾದನೆ, ಪೂರೈಕೆ ಮತ್ತು ಸುಸ್ಥಿರತೆ: ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯೊಂದಿಗೆ ಜವಾಬ್ದಾರಿಯುತ ಫ್ಯಾಷನ್

ಲಾಭಗಳು:

  • ಉತ್ಪಾದನಾ ಯೋಜನೆ, ಪೂರೈಕೆ ಸರಪಳಿ, MOQ (ಕನಿಷ್ಠ ಆದೇಶದ ಪ್ರಮಾಣ) ಮತ್ತು ಸಮರ್ಥನೀಯತೆಯ ಪರಿಕಲ್ಪನೆಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಸನ್ನಿವೇಶ, ಹೋಲಿಕೆ ಮತ್ತು ದಾಖಲಾತಿ ಸಹಾಯಕವಾಗಿ ಬಳಸುವ ಸಾಮರ್ಥ್ಯ
  • ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಬೆಂಬಲದೊಂದಿಗೆ ಸುಸ್ಥಿರತೆಯ ಮಾನದಂಡಗಳೊಂದಿಗೆ ವಸ್ತು, ಉತ್ಪಾದನೆ ಮತ್ತು ತ್ಯಾಜ್ಯ ನಿರ್ಧಾರಗಳನ್ನು ಹೋಲಿಸುವ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ಹೆಚ್ಚು ಜವಾಬ್ದಾರಿಯುತ ಆಯ್ಕೆಗಳನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡುವ ಸಾಮರ್ಥ್ಯ
  • ಸಮರ್ಥನೀಯತೆಯ ಹಕ್ಕುಗಳು ಪುರಾವೆಗಳನ್ನು ಆಧರಿಸಿರಬೇಕು ಮತ್ತು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯಿಂದ ಉತ್ಪತ್ತಿಯಾಗುವ ಪರಿಸರ ಹಕ್ಕುಗಳು ಪರಿಶೀಲಿಸದೆಯೇ ಗ್ರೀನ್‌ವಾಶಿಂಗ್ ಆಗಿ ಬದಲಾಗಬಹುದು ಎಂಬುದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ.

ವಿನ್ಯಾಸವನ್ನು ಅನುಮೋದಿಸಿದ ನಂತರ ಕೆಲಸವು ಮುಗಿದಿಲ್ಲ; ದೊಡ್ಡ ಪ್ರಶ್ನೆ ಪ್ರಾರಂಭವಾಗುತ್ತದೆ: ಈ ಉತ್ಪನ್ನವನ್ನು ಹೇಗೆ, ಎಲ್ಲಿ, ಎಷ್ಟು ಮತ್ತು ಯಾವ ಬೆಲೆಗೆ ಉತ್ಪಾದಿಸಲಾಗುತ್ತದೆ? ಈ ಹಂತವು ಉತ್ಪಾದನೆ ಮತ್ತು ಪೂರೈಕೆ ಸರಪಳಿ ನಿರ್ವಹಣೆಯಾಗಿದೆ: ಬಟ್ಟೆಯ ಸೋರ್ಸಿಂಗ್, ತಯಾರಕರ ಆಯ್ಕೆ, ಆದೇಶದ ಪ್ರಮಾಣ, ವಿತರಣಾ ವೇಳಾಪಟ್ಟಿ, ಗುಣಮಟ್ಟ ನಿಯಂತ್ರಣ ಮತ್ತು ವೆಚ್ಚ. ಫ್ಯಾಷನ್ ವಿಶ್ವದ ಅತ್ಯಂತ ಸಂಕೀರ್ಣವಾದ ಪೂರೈಕೆ ಸರಪಳಿಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ, ಮತ್ತು ಈ ಸಂಕೀರ್ಣತೆಯು ಹೆಚ್ಚಿನ ಪರಿಸರ ಮತ್ತು ಸಾಮಾಜಿಕ ಜವಾಬ್ದಾರಿಯ ಕ್ಷೇತ್ರವಾಗಿದೆ.

ಈ ಹಂತದಲ್ಲಿ ಕೆಲವು ಪರಿಕಲ್ಪನೆಗಳು ನಿರ್ಣಾಯಕವಾಗಿವೆ. MOQ (ಕನಿಷ್ಠ ಆರ್ಡರ್ ಪ್ರಮಾಣ): ತಯಾರಕರು ಸ್ವೀಕರಿಸುವ ಕಡಿಮೆ ಆದೇಶದ ಪ್ರಮಾಣ - ಸಣ್ಣ ಬ್ರಾಂಡ್‌ಗಳಿಗೆ ದೊಡ್ಡ ನಿರ್ಬಂಧಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ. ಪ್ರಮುಖ ಸಮಯ: ಆರ್ಡರ್ ಮಾಡುವ ಸಮಯದಿಂದ ವಿತರಣೆಯವರೆಗಿನ ಸಮಯ. ಸರಬರಾಜು ಸರಪಳಿ ಪಾರದರ್ಶಕತೆ: ಬಟ್ಟೆ ಮತ್ತು ಕಾರ್ಮಿಕರು ಎಲ್ಲಿಂದ ಬರುತ್ತಾರೆ ಎಂಬುದನ್ನು ಪತ್ತೆಹಚ್ಚುವಿಕೆ. ಮತ್ತು ಪರಿಕಲ್ಪನೆಯು ಹೆಚ್ಚು ಕೇಂದ್ರ ಹಂತವನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತಿದೆ: ಸಮರ್ಥನೀಯತೆ - ಪರಿಸರದ ಪ್ರಭಾವ (ನೀರು, ರಾಸಾಯನಿಕಗಳು, ಇಂಗಾಲ, ತ್ಯಾಜ್ಯ) ಮತ್ತು ಉತ್ಪಾದನೆಯ ಸಾಮಾಜಿಕ ಪ್ರಭಾವ (ಕೆಲಸದ ಪರಿಸ್ಥಿತಿಗಳು) ಕಡಿಮೆ ಮಾಡುವ ಪ್ರಯತ್ನ. ಫ್ಯಾಶನ್ ಎನ್ನುವುದು ಜವಳಿ ತ್ಯಾಜ್ಯ ಮತ್ತು ನೀರಿನ ಬಳಕೆಯೊಂದಿಗೆ ಹೆಚ್ಚಿನ ಪರಿಸರ ಪ್ರಭಾವವನ್ನು ಹೊಂದಿರುವ ವಲಯವಾಗಿದೆ; ಜವಾಬ್ದಾರಿಯುತ ಉತ್ಪಾದನೆಯು ಇನ್ನು ಮುಂದೆ ಆಯ್ಕೆಯಾಗಿಲ್ಲ, ಆದರೆ ಹೆಚ್ಚುತ್ತಿರುವ ಅವಶ್ಯಕತೆಯಾಗಿದೆ.

ಉತ್ಪಾದನೆ ಮತ್ತು ಸುಸ್ಥಿರತೆಯಲ್ಲಿ AI ಏನು ಮಾಡುತ್ತದೆ

ಈ ಕಾರ್ಯಾಚರಣೆಯ ಮತ್ತು ವಿಶ್ಲೇಷಣಾತ್ಮಕ ಹಂತದಲ್ಲಿ AI ಅನೇಕ ಸ್ಥಳಗಳಲ್ಲಿ ಸಹಾಯ ಮಾಡುತ್ತದೆ: ವಿಭಿನ್ನ ಉತ್ಪಾದನಾ ಸನ್ನಿವೇಶಗಳನ್ನು (ಪ್ರಮಾಣ, ವೆಚ್ಚ, ಸಮಯ) ಹೋಲಿಸುತ್ತದೆ, ಪೂರೈಕೆದಾರ ಮೌಲ್ಯಮಾಪನ ಮಾನದಂಡಗಳು ಮತ್ತು ಪ್ರಶ್ನಾವಳಿಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ, ಸುಸ್ಥಿರತೆಗಾಗಿ ವಸ್ತು ಮತ್ತು ಪ್ರಕ್ರಿಯೆಯ ಆಯ್ಕೆಗಳನ್ನು ಹೋಲಿಸುವ ಕರಡುಗಳು, ತ್ಯಾಜ್ಯ ಕಡಿತವನ್ನು ಸೂಚಿಸುತ್ತದೆ (ಉದಾ. ಮಾದರಿಯ ನಿಯೋಜನೆಯಲ್ಲಿನ ಬಟ್ಟೆಯ ದಕ್ಷತೆ ಮತ್ತು ಸಂಕೀರ್ಣ ದಾಖಲೆಗಳು, ಕರಡು ವರದಿಗಳ ಸಾರಾಂಶ ಮತ್ತು ದಾಖಲೆಗಳ ನಿಯಂತ್ರಣ ವರದಿಗಳು ಪ್ರಮಾಣೀಕರಣ ಮಾಹಿತಿ.

ಆದರೆ ಅತ್ಯಂತ ನಿರ್ಣಾಯಕ ಮಿತಿ ಇದು: ಸಮರ್ಥನೀಯತೆಯ ಹಕ್ಕುಗಳು ಸಾಕ್ಷ್ಯವನ್ನು ಆಧರಿಸಿರಬೇಕು. AI ನಿರರ್ಗಳವಾಗಿ "ಈ ಉತ್ಪನ್ನವು ಪರಿಸರ ಸ್ನೇಹಿಯಾಗಿದೆ" ಅಥವಾ "100 ಪ್ರತಿಶತ ಮರುಬಳಕೆ" ನಂತಹ ವಾಕ್ಯಗಳನ್ನು ಉತ್ಪಾದಿಸಬಹುದು; ಆದರೆ ಈ ಹೇಳಿಕೆಗಳನ್ನು ಸರಬರಾಜು ದಾಖಲೆ, ಪ್ರಮಾಣಪತ್ರ ಮತ್ತು ಮಾಪನದೊಂದಿಗೆ ಸಾಬೀತುಪಡಿಸದ ಹೊರತು, ಅವು ಹಸಿರು ತೊಳೆಯುತ್ತವೆ - ಉತ್ಪನ್ನವು ಹೆಚ್ಚು ಪರಿಸರ ಸ್ನೇಹಿಯಾಗಿ ಕಾಣುತ್ತದೆ. ಗ್ರೀನ್‌ವಾಶಿಂಗ್ ಅನೈತಿಕ ಮಾತ್ರವಲ್ಲ, ತಪ್ಪುದಾರಿಗೆಳೆಯುವ ಜಾಹೀರಾತು ಮತ್ತು ಅನ್ಯಾಯದ ವ್ಯಾಪಾರ ಅಭ್ಯಾಸದ ಅಡಿಯಲ್ಲಿ ಕಾನೂನು ಅಪಾಯವೂ ಆಗಿದೆ. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯಿಂದ ಉತ್ಪತ್ತಿಯಾಗುವ ಪ್ರತಿಯೊಂದು ಪರಿಸರ ಹಕ್ಕುಗಳನ್ನು ದಾಖಲೆಗಳ ಮೂಲಕ ಪರಿಶೀಲಿಸದೆ ಸಂವಹನ ಮಾಡಬಾರದು. ಹೆಚ್ಚುವರಿಯಾಗಿ, ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ನಿಮ್ಮ ನೈಜ ವೆಚ್ಚ, ಸಾಮರ್ಥ್ಯ ಮತ್ತು ಪೂರೈಕೆದಾರ ಡೇಟಾವನ್ನು ತಿಳಿದಿರುವುದಿಲ್ಲ; ಇದು ಉತ್ಪಾದಿಸುವ ಸನ್ನಿವೇಶಗಳನ್ನು ಕ್ಷೇತ್ರದಲ್ಲಿ ದೃಢೀಕರಿಸಲಾಗಿದೆ.

ಸಲಹೆ: ಸಮರ್ಥನೀಯ ಸಂವಹನದಲ್ಲಿ ಸುವರ್ಣ ನಿಯಮವೆಂದರೆ: "ನೀವು ಅದನ್ನು ಹೇಳಲು ಸಾಧ್ಯವಾಗದಿದ್ದರೆ, ನೀವು ಅದನ್ನು ಸಾಬೀತುಪಡಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ." AI- ಸೂಚಿಸಿದ ಪರಿಸರ ಹಕ್ಕುಗಳನ್ನು ಬಳಸುವ ಮೊದಲು, ಅದನ್ನು ಬೆಂಬಲಿಸಲು ನೀವು ಪ್ರಮಾಣೀಕರಣ, ಪರೀಕ್ಷೆ ಅಥವಾ ಪೂರೈಕೆ ದಾಖಲಾತಿಯನ್ನು ಹೊಂದಿದ್ದರೆ ಕೇಳಿ. ಇಲ್ಲದಿದ್ದರೆ, ಅಳತೆ ಮಾಡಿದ ಮತ್ತು ಪರಿಶೀಲಿಸಬಹುದಾದ ಹೇಳಿಕೆಯೊಂದಿಗೆ ಕ್ಲೈಮ್ ಅನ್ನು ಬದಲಾಯಿಸಿ.

ಹಂತ ಹಂತವಾಗಿ: ಜವಾಬ್ದಾರಿಯುತ ಉತ್ಪಾದನಾ ನಿರ್ಧಾರ

ಹಂತ 1 - ಅವಶ್ಯಕತೆಗಳು ಮತ್ತು ನಿರ್ಬಂಧಗಳನ್ನು ಹೊಂದಿಸಿ. ಪ್ರಮಾಣ, ಬಜೆಟ್, ವಿತರಣಾ ದಿನಾಂಕ, ಗುಣಮಟ್ಟ ಮತ್ತು ಸುಸ್ಥಿರತೆಯ ಗುರಿಗಳು.

ಹಂತ 2 - ಸನ್ನಿವೇಶಗಳನ್ನು ಹೋಲಿಕೆ ಮಾಡಿ. AI ಯೊಂದಿಗೆ ವಿಭಿನ್ನ ಉತ್ಪಾದನೆ/ಪೂರೈಕೆ ಸನ್ನಿವೇಶಗಳ ಸಾಧಕ-ಬಾಧಕಗಳನ್ನು (ವೆಚ್ಚ, ಸಮಯ, ಪರಿಸರದ ಪ್ರಭಾವ) ಸ್ಕೆಚ್ ಮಾಡಿ.

ಹಂತ 3 - ಪೂರೈಕೆದಾರರನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಿ. ಮೌಲ್ಯಮಾಪನ ಮಾನದಂಡಗಳು ಮತ್ತು ಪ್ರಶ್ನೆಗಳ ಪಟ್ಟಿಯೊಂದಿಗೆ ತಯಾರಕರನ್ನು ಹೋಲಿಕೆ ಮಾಡಿ; ಪ್ರಮಾಣೀಕರಣ ಮತ್ತು ಪಾರದರ್ಶಕತೆಗಾಗಿ ಕೇಳಿ.

ಹಂತ 4 - ಪುರಾವೆಗಳಿಗೆ ಸಮರ್ಥನೀಯತೆಯ ಹಕ್ಕುಗಳನ್ನು ಲಿಂಕ್ ಮಾಡಿ. ನೀವು ಬಳಸಲು ಉದ್ದೇಶಿಸಿರುವ ಪ್ರತಿ ಪರಿಸರ ಹಕ್ಕುಗಳ ದಾಖಲಾತಿಗಳನ್ನು ಸಂಗ್ರಹಿಸಿ; ಸಾಬೀತುಪಡಿಸಲಾಗದದನ್ನು ಸಂವಹನ ಮಾಡಬೇಡಿ.

ಹಂತ 5 - ನೈಜ ಡೇಟಾದೊಂದಿಗೆ ಪರಿಶೀಲಿಸಿ ಮತ್ತು ನಿರ್ಧರಿಸಿ. ಸೈಟ್ನಲ್ಲಿ ಬೆಲೆ, MOQ, ಸಾಮರ್ಥ್ಯ, ವಿತರಣೆ ಮತ್ತು ಗುಣಮಟ್ಟವನ್ನು ದೃಢೀಕರಿಸಿ; ಅಂತಿಮ ಉತ್ಪಾದನಾ ನಿರ್ಧಾರವನ್ನು ಮಾಡಿ.

ಗ್ರೀನ್‌ವಾಶಿಂಗ್ ಅನ್ನು ತಪ್ಪಿಸಲು ಕ್ಲೈಮ್‌ಗಳನ್ನು ಹೇಗೆ ಅಳೆಯಲಾಗುತ್ತದೆ ಎಂಬುದನ್ನು ಕೆಳಗಿನ ಕೋಷ್ಟಕವು ಉದಾಹರಿಸುತ್ತದೆ:

ದುರ್ಬಲ/ಅಪಾಯಕಾರಿ ಹಕ್ಕು

ಸಮಸ್ಯೆ

ಅಳತೆ/ಸಾಬೀತುಪಡಿಸಬಹುದಾದ ಪರ್ಯಾಯ

"ಸಂಪೂರ್ಣವಾಗಿ ಪ್ರಕೃತಿ ಸ್ನೇಹಿ"

ಅನಿಶ್ಚಿತ, ಪುರಾವೆಗಳಿಲ್ಲದೆ

"ಹೊರ ಬಟ್ಟೆಯಲ್ಲಿ GOTS ಪ್ರಮಾಣೀಕೃತ ಸಾವಯವ ಹತ್ತಿ"

"100% ಮರುಬಳಕೆ"

ದಾಖಲೆರಹಿತ ಸಾಮಾನ್ಯೀಕರಣ

"ಲೈನಿಂಗ್ 60% ಮರುಬಳಕೆಯ ಪಾಲಿಯೆಸ್ಟರ್ (GRS ಪ್ರಮಾಣೀಕೃತ)"

"ಶೂನ್ಯ ತ್ಯಾಜ್ಯ"

ಸಾಬೀತುಪಡಿಸುವುದು ತುಂಬಾ ಕಷ್ಟ

"ಫ್ಯಾಬ್ರಿಕ್ ತ್ಯಾಜ್ಯವನ್ನು ಅಚ್ಚು ಇಡುವುದರೊಂದಿಗೆ 12% ಕ್ಕೆ ಕಡಿಮೆ ಮಾಡಲಾಗಿದೆ"

"ಇಂಗಾಲ ತಟಸ್ಥ"

ಅಳತೆ/ಸಮೀಕರಣದ ಅಗತ್ಯವಿದೆ

"ಉತ್ಪಾದನೆ ಇಂಗಾಲವನ್ನು ಅಳೆಯಲಾಗಿದೆ; ವಿನಂತಿಯ ಮೇರೆಗೆ ವರದಿ"

ಮೂರು ಸಣ್ಣ ಪ್ರಕರಣಗಳು

ಪ್ರಕರಣ 1 - ಸನ್ನಿವೇಶ ಹೋಲಿಕೆ. ಒಂದು ಬ್ರ್ಯಾಂಡ್ ಎರಡು ವಿಭಿನ್ನ ಪ್ರಮಾಣಗಳು ಮತ್ತು ಎರಡು ವಿಭಿನ್ನ ಬಟ್ಟೆಗಳನ್ನು ಹೊಂದಿರುವ ಮಾದರಿಯನ್ನು ಉತ್ಪಾದಿಸಲು ಪರಿಗಣಿಸುತ್ತಿದೆ. ಅವರು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗೆ ಅಸ್ಥಿರಗಳನ್ನು ನೀಡಿದರು ಮತ್ತು ವೆಚ್ಚ/ಸಮಯ/ಪರಿಸರದ ಪ್ರಭಾವದ ಪರಿಭಾಷೆಯಲ್ಲಿ ಹೋಲಿಕೆಯ ಕರಡನ್ನು ತಯಾರಿಸಿದರು. ಕರಡು ನಿರ್ಧಾರವನ್ನು ಸ್ಪಷ್ಟಪಡಿಸಿದೆ; ತಂಡವು ನಂತರ ನಿಜವಾದ ಬೆಲೆ ಮತ್ತು MOQ ನೊಂದಿಗೆ ದೃಢಪಡಿಸಿತು ಮತ್ತು ಆಯ್ಕೆಮಾಡಿತು. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಆಯ್ಕೆಗಳನ್ನು ಗೋಚರಿಸುವಂತೆ ಮಾಡಿತು, ನೈಜ ಡೇಟಾವು ನಿರ್ಧಾರವನ್ನು ಮಾಡಿದೆ.

ಪ್ರಕರಣ 2 - ಹಸಿರು ತೊಳೆಯುವ ಬಲೆ. ಉತ್ಪನ್ನ ವಿವರಣೆಗಾಗಿ AI ಸೂಚಿಸಿದ "ಗ್ರಹವನ್ನು ರಕ್ಷಿಸುವ ಸಂಪೂರ್ಣ ಸಮರ್ಥನೀಯ ಸಂಗ್ರಹ" ಎಂಬ ಪದಗುಚ್ಛವನ್ನು ಒಂದು ತಂಡವು ಇಷ್ಟಪಟ್ಟಿದೆ ಮತ್ತು ಪ್ರಕಟಿಸಿದೆ. ಆದಾಗ್ಯೂ, ಸಂಗ್ರಹದ ಒಂದು ಭಾಗವನ್ನು ಮಾತ್ರ ಪ್ರಮಾಣೀಕರಿಸಲಾಗಿದೆ. ಒಬ್ಬ ಗ್ರಾಹಕರು ಇದನ್ನು ಪ್ರಶ್ನಿಸಿದರು, ಬ್ರ್ಯಾಂಡ್ ಹಿಂದೆ ಸರಿಯಬೇಕಾಯಿತು ಮತ್ತು ನಂಬಿಕೆಯನ್ನು ಕಳೆದುಕೊಳ್ಳಬೇಕಾಯಿತು. ಪಾಠ: ಸಾಬೀತಾಗದ ಪರಿಸರ ಹಕ್ಕುಗಳು ಹಸಿರು ತೊಳೆಯುವುದು ಮತ್ತು ನೈತಿಕ ಮತ್ತು ಕಾನೂನು ಅಪಾಯ ಎರಡನ್ನೂ ಪ್ರಸ್ತುತಪಡಿಸುತ್ತವೆ.

ಪ್ರಕರಣ 3 - ತ್ಯಾಜ್ಯ ದಕ್ಷತೆ. ವಿನ್ಯಾಸಕಾರರೊಬ್ಬರು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಮಾದರಿಯ ನಿಯೋಜನೆಯಲ್ಲಿ ಬಟ್ಟೆಯ ತ್ಯಾಜ್ಯವನ್ನು ಕಡಿಮೆ ಮಾಡುವ ಕಲ್ಪನೆಗಳನ್ನು ಕೇಳಿದರು; ಕೆಲವು ಸಲಹೆಗಳು ಬಂದವು. ಮೋಲ್ಡರ್ ಅವುಗಳನ್ನು ನಿಜವಾದ ಅಚ್ಚಿನಿಂದ ಪರೀಕ್ಷಿಸಿದನು; ಕೆಲವರು ಕೆಲಸ ಮಾಡಿದರು ಮತ್ತು ವ್ಯರ್ಥವು ಅಳೆಯುವಷ್ಟು ಕಡಿಮೆಯಾಗಿದೆ. "ತ್ಯಾಜ್ಯವನ್ನು X% ರಷ್ಟು ಕಡಿಮೆಗೊಳಿಸಲಾಗಿದೆ" ನಂತಹ ಅಳತೆ ಮಾಡಿದ, ಪರಿಶೀಲಿಸಬಹುದಾದ ಹೇಳಿಕೆಯಲ್ಲಿ ಬ್ರ್ಯಾಂಡ್ ಇದನ್ನು ಸಂವಹನ ಮಾಡಿದೆ. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಒಳನೋಟವನ್ನು ಒದಗಿಸಿತು, ಮಾಪನ ಮತ್ತು ಪುರಾವೆಗಳು ಮಾನವರಲ್ಲಿ ಉಳಿದಿವೆ.

ನಾಲ್ಕು ನಕಲಿಸಬಹುದಾದ ಟೆಂಪ್ಲೇಟ್‌ಗಳು

1) ಉತ್ಪಾದನಾ ಸನ್ನಿವೇಶ ಹೋಲಿಕೆದಾರ:

ಉತ್ಪನ್ನ: [ವಿವರಣೆ]. ನನ್ನ ಆಯ್ಕೆಗಳು: ಸನ್ನಿವೇಶ ಎ: [ಪ್ರಮಾಣ, ಬಟ್ಟೆ, ತಯಾರಕ ಪ್ರಕಾರ]. ಸನ್ನಿವೇಶ ಬಿ: [...].ಕಾರ್ಯ: ವೆಚ್ಚ, ಪ್ರಮುಖ ಸಮಯ, ಪರಿಸರ ಪ್ರಭಾವ ಮತ್ತು ಗುಣಮಟ್ಟದ ಅಪಾಯದ ವಿಷಯದಲ್ಲಿ ಈ ಸನ್ನಿವೇಶಗಳನ್ನು ಹೋಲಿಸಿ ಕರಡು ಕೋಷ್ಟಕವನ್ನು ಮಾಡಿ. ನಾನು ನಿಜವಾದ ಬೆಲೆ/MOQ ಅನ್ನು ದೃಢೀಕರಿಸುತ್ತೇನೆ; ನೀವು ಚೌಕಟ್ಟನ್ನು ಹೊಂದಿಸಿ.

2) ಪೂರೈಕೆದಾರರ ಮೌಲ್ಯಮಾಪನ ಪಟ್ಟಿ:

ಕಾರ್ಯ: ತಯಾರಕರನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಲು ನಾನು ಕೇಳುವ ಪ್ರಶ್ನೆಗಳು ಮತ್ತು ಮಾನದಂಡಗಳ ಪಟ್ಟಿಯನ್ನು ಮಾಡಿ: ಸಾಮರ್ಥ್ಯ, MOQ, ಪ್ರಮುಖ ಸಮಯ, ಗುಣಮಟ್ಟದ ಪ್ರಕ್ರಿಯೆ, ಪ್ರಮಾಣೀಕರಣಗಳು (ಉದಾ. GOTS, GRS, OEKO-TEX), ಕೆಲಸದ ಪರಿಸ್ಥಿತಿಗಳ ಪಾರದರ್ಶಕತೆ. ಪ್ರತಿ ಮಾನದಂಡ ಏಕೆ ಮುಖ್ಯ ಎಂದು ಸಂಕ್ಷಿಪ್ತವಾಗಿ ಬರೆಯಿರಿ.

3) ಸಸ್ಟೈನಬಿಲಿಟಿ ಕ್ಲೈಮ್ ಆಡಿಟರ್:

ಉತ್ಪನ್ನಕ್ಕಾಗಿ ನಾನು ಪರಿಗಣಿಸುತ್ತಿರುವ ಪರಿಸರ ಹಕ್ಕುಗಳು ಇಲ್ಲಿವೆ: [ಪಟ್ಟಿ]. ಕಾರ್ಯ: ಪ್ರತಿ ಕ್ಲೈಮ್‌ಗೆ, (1) ಯಾವ ಪುರಾವೆಗಳು ಬೇಕು (ಪ್ರಮಾಣಪತ್ರ/ಪರೀಕ್ಷೆ/ದಾಖಲೆ), (2) ಯಾವುದೇ ಪುರಾವೆಗಳಿಲ್ಲದಿದ್ದರೆ ಹಸಿರು ತೊಳೆಯುವ ಅಪಾಯ, (3) ಸಂಪ್ರದಾಯವಾದಿ ಮತ್ತು ಪರಿಶೀಲಿಸಬಹುದಾದ ಪರ್ಯಾಯ ಹೇಳಿಕೆಯನ್ನು ಬರೆಯಿರಿ. ನಾನು ಸಾಕ್ಷ್ಯವನ್ನು ನೀಡುತ್ತೇನೆ; ಸುಳ್ಳು ಹಕ್ಕು.

4) ತ್ಯಾಜ್ಯ ಕಡಿತ ಕಲ್ಪನೆ ಜನರೇಟರ್:

ಉತ್ಪನ್ನ ಮತ್ತು ಬಟ್ಟೆ: [ವ್ಯಾಖ್ಯಾನ]. ಕಾರ್ಯ: ಬಟ್ಟೆಯ ವ್ಯರ್ಥ ಮತ್ತು ತ್ಯಾಜ್ಯವನ್ನು ಕಡಿಮೆ ಮಾಡಲು ಕಾರ್ಯಸಾಧ್ಯವಾದ ವಿಚಾರಗಳನ್ನು ಸೂಚಿಸಿ (ಮಾದರಿ ನಿಯೋಜನೆ, ಉಳಿದ ಮೌಲ್ಯಮಾಪನ, ಆರ್ಡರ್ ಆಪ್ಟಿಮೈಸೇಶನ್). ಪ್ರತಿಯೊಂದು ಕಲ್ಪನೆಯನ್ನು ನನ್ನ ಮಾದರಿ ತಯಾರಕರು ಪರೀಕ್ಷಿಸುತ್ತಾರೆ; ನಾನು ಅಳೆಯಬಹುದಾದ ಫಲಿತಾಂಶವನ್ನು ಪರಿಶೀಲಿಸುತ್ತೇನೆ.

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್:

ನನ್ನ ಉತ್ಪನ್ನಕ್ಕೆ ಸಮರ್ಥನೀಯ ವಿವರಣೆಯನ್ನು ಬರೆಯಿರಿ.

AI ನಿಮ್ಮ ಪುರಾವೆಗಳನ್ನು ತಿಳಿಯದೆ ಆಕರ್ಷಕ ಆದರೆ ದಾಖಲೆರಹಿತ ಹಕ್ಕುಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ; ಹಸಿರು ತೊಳೆಯುವ ಅಪಾಯವಿದೆ.

ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್:

ನಿಮ್ಮ ಪಾತ್ರ: ಜವಾಬ್ದಾರಿಯುತ ಉತ್ಪಾದನಾ ಸಹಾಯಕ. ಉತ್ಪನ್ನದ ಸಂಗತಿ: ಹೊರಗಿನ ಬಟ್ಟೆಯು GOTS ಪ್ರಮಾಣೀಕೃತ ಸಾವಯವ ಹತ್ತಿಯಾಗಿದೆ; ಲೈನಿಂಗ್ ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಪಾಲಿಯೆಸ್ಟರ್; ಉತ್ಪಾದನೆಯ ಸ್ಥಳವು ಪಾರದರ್ಶಕವಾಗಿಲ್ಲ. ಕಾರ್ಯ: ಪರಿಶೀಲಿಸಬಹುದಾದ ಸಂಗತಿಗಳನ್ನು ಆಧರಿಸಿ ಯಾವುದೇ ಅಲಂಕಾರಗಳಿಲ್ಲದ ಉತ್ಪನ್ನ ಸಮರ್ಥನೀಯತೆಯ ಹೇಳಿಕೆಯನ್ನು ಕರಡು ಮಾಡಿ. ಪುರಾವೆ ಇಲ್ಲದೆ ಯಾವುದೇ ಪರಿಸರ ಹಕ್ಕುಗಳನ್ನು ಮಾಡಬೇಡಿ; "ಪರಿಸರ ಸ್ನೇಹಿ" ನಂತಹ ಅಸ್ಪಷ್ಟ ನುಡಿಗಟ್ಟುಗಳನ್ನು ತಪ್ಪಿಸಿ. ನಾನು ಪ್ರತಿ ಸಾಲನ್ನು ದಾಖಲೆಗಳೊಂದಿಗೆ ಪರಿಶೀಲಿಸುತ್ತೇನೆ.

ಎರಡನೆಯ ಹಕ್ಕು AI ಅನ್ನು ವಾಸ್ತವಕ್ಕೆ ಸಂಪರ್ಕಿಸುತ್ತದೆ; ಹಕ್ಕು ಸಾಕ್ಷ್ಯಕ್ಕೆ ಸೀಮಿತವಾಗಿದೆ.

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

  • ಸಾಕ್ಷ್ಯಾಧಾರಗಳಿಲ್ಲದೆ ಪರಿಸರ ಹಕ್ಕುಗಳನ್ನು ಬಳಸುವುದು. "ಪರಿಸರ ಸ್ನೇಹಿ", "ಸಂಪೂರ್ಣ ಸಮರ್ಥನೀಯ" ನಂತಹ ದಾಖಲೆಗಳಿಲ್ಲದ ನುಡಿಗಟ್ಟುಗಳು ಹಸಿರು ತೊಳೆಯುತ್ತಿವೆ.
  • ಆಂಶಿಕ ಸತ್ಯವನ್ನು ಇಡಿಯಾಗಿ ಹರಡುವುದು. ಒಂದು ಭಾಗವನ್ನು ಪ್ರಮಾಣೀಕರಿಸಲಾಗಿದೆ ಎಂಬ ಕಾರಣಕ್ಕೆ ಸಂಪೂರ್ಣ ಸಂಗ್ರಹಣೆಯನ್ನು "ಸುಸ್ಥಿರ" ಎಂದು ಘೋಷಿಸುವುದು ತಪ್ಪುದಾರಿಗೆಳೆಯುವಂತಿದೆ.
  • ನೈಜ ವೆಚ್ಚದೊಂದಿಗೆ ಸನ್ನಿವೇಶವನ್ನು ದೃಢೀಕರಿಸುತ್ತಿಲ್ಲ. AI ಬೆಲೆ/ಸಾಮರ್ಥ್ಯದ ಮಾಹಿತಿಯನ್ನು ಹೊಂದಿಲ್ಲ; ಕ್ಷೇತ್ರದಲ್ಲಿ ಪರಿಶೀಲಿಸಲಾಗಿದೆ.
  • ಪೂರೈಕೆದಾರರ ಪಾರದರ್ಶಕತೆಯನ್ನು ಬೈಪಾಸ್ ಮಾಡುವುದು. ಪ್ರಮಾಣೀಕರಣ ಮತ್ತು ಕೆಲಸದ ಸ್ಥಿತಿಯ ಮಾಹಿತಿಯನ್ನು ಕೇಳದೆ ಜವಾಬ್ದಾರಿಯುತ ಉತ್ಪಾದನೆಯನ್ನು ಕ್ಲೈಮ್ ಮಾಡಲಾಗುವುದಿಲ್ಲ.
  • ಅಳತೆಯಿಲ್ಲದೆ "ನಾವು ಕಡಿಮೆ ಮಾಡಿದ್ದೇವೆ" ಎಂದು ಹೇಳುವುದು. ಮಾಪನವಿಲ್ಲದೆ ತ್ಯಾಜ್ಯ/ಕಾರ್ಬನ್ ಹಕ್ಕುಗಳನ್ನು ಮಾಡಬಾರದು.
ಗಮನ: ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಉತ್ತಮವಾದ ಸಮರ್ಥನೀಯ ವಾಕ್ಯವನ್ನು ಬರೆಯಬಹುದು, ಆದರೆ ಅದು ಆ ವಾಕ್ಯದ ಸತ್ಯವನ್ನು ಸಾಬೀತುಪಡಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ. ಪ್ರತಿ ದಾಖಲೆರಹಿತ ಪರಿಸರ ಹಕ್ಕು ಬ್ರ್ಯಾಂಡ್‌ನ ವಿಶ್ವಾಸಾರ್ಹತೆ ಮತ್ತು ಕಾನೂನು ಸ್ಥಿತಿ ಎರಡನ್ನೂ ಅಪಾಯಕ್ಕೆ ತಳ್ಳುತ್ತದೆ. ಸಾಕ್ಷ್ಯವು ಯಾವಾಗಲೂ ಹಕ್ಕುಗೆ ಮುಂಚಿತವಾಗಿರುತ್ತದೆ.

ಸಾರಾಂಶದಲ್ಲಿ

ಉತ್ಪಾದನೆ ಮತ್ತು ಪೂರೈಕೆಯು ಸಂಕೀರ್ಣ ಮತ್ತು ಜವಾಬ್ದಾರಿಯುತ ಹಂತವಾಗಿದ್ದು, ವಿನ್ಯಾಸವು ವಾಸ್ತವಕ್ಕೆ ತಿರುಗುತ್ತದೆ; MOQ, ಪ್ರಮುಖ ಸಮಯ, ಪಾರದರ್ಶಕತೆ ಮತ್ತು ಸಮರ್ಥನೀಯತೆಯು ನಿರ್ಣಾಯಕ ಪರಿಕಲ್ಪನೆಗಳಾಗಿವೆ. AI ಸನ್ನಿವೇಶದ ಹೋಲಿಕೆ, ಪೂರೈಕೆದಾರ ಮೌಲ್ಯಮಾಪನ, ತ್ಯಾಜ್ಯ ಕಡಿತ ಕಲ್ಪನೆ ಮತ್ತು ದಾಖಲಾತಿ ಕರಡು ರಚನೆಯಲ್ಲಿ ಸಹಾಯ ಮಾಡುತ್ತದೆ. ಆದರೆ ಸಮರ್ಥನೀಯತೆಯ ಹಕ್ಕುಗಳು ಸಾಕ್ಷ್ಯವನ್ನು ಆಧರಿಸಿರಬೇಕು; ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯಿಂದ ಉತ್ಪತ್ತಿಯಾಗುವ ದಾಖಲೆರಹಿತ ಪರಿಸರ ಹೇಳಿಕೆಗಳು ಹಸಿರು ತೊಳೆಯುವಿಕೆ ಮತ್ತು ಕಾನೂನು ಅಪಾಯವಾಗಿ ಬದಲಾಗುತ್ತವೆ. ಹೆಚ್ಚುವರಿಯಾಗಿ, ನೈಜ ವೆಚ್ಚ, ಸಾಮರ್ಥ್ಯ ಮತ್ತು ಪೂರೈಕೆ ಡೇಟಾವನ್ನು ಕ್ಷೇತ್ರದಲ್ಲಿ ದೃಢೀಕರಿಸಲಾಗಿದೆ. ಪ್ರಕ್ರಿಯೆಯು ಅವಶ್ಯಕತೆಗಳು ಮತ್ತು ನಿರ್ಬಂಧಗಳನ್ನು ಸ್ಥಾಪಿಸುವುದು, ಸನ್ನಿವೇಶಗಳನ್ನು ಹೋಲಿಕೆ ಮಾಡುವುದು, ಪೂರೈಕೆದಾರರನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡುವುದು, ಹಕ್ಕುಗಳನ್ನು ಪುರಾವೆ ಮಾಡುವುದು ಮತ್ತು ನೈಜ ಡೇಟಾದೊಂದಿಗೆ ಅವುಗಳನ್ನು ಪರಿಶೀಲಿಸುವುದು. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಆಯ್ಕೆಗಳನ್ನು ಗೋಚರಿಸುವಂತೆ ಮಾಡುತ್ತದೆ; ಪುರಾವೆಗಳು, ಮಾಪನ ಮತ್ತು ನಿರ್ಧಾರವು ವ್ಯಕ್ತಿಯ ಬಳಿ ಇರುತ್ತದೆ.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

ಉತ್ಪನ್ನ ಮತ್ತು ತಯಾರಿಕೆಯ ನಿರ್ಧಾರವನ್ನು ಆಯ್ಕೆಮಾಡಿ. (1) ವೆಚ್ಚ/ಸಮಯ/ಪರಿಸರದ ಪರಿಭಾಷೆಯಲ್ಲಿ ಎರಡು ಸನ್ನಿವೇಶಗಳನ್ನು "ಉತ್ಪಾದನಾ ಸನ್ನಿವೇಶ ಹೋಲಿಕೆದಾರ" ನೊಂದಿಗೆ ಹೋಲಿಸಿ. (2) "ಪೂರೈಕೆದಾರರ ಮೌಲ್ಯಮಾಪನ ಪಟ್ಟಿ" ಯೊಂದಿಗೆ, ನೀವು ತಯಾರಕರನ್ನು ಕೇಳುವ ಮಾನದಂಡವನ್ನು ಹೊರತೆಗೆಯಿರಿ. (3) ಉತ್ಪನ್ನಕ್ಕಾಗಿ 4 ಪರಿಸರ ಹಕ್ಕುಗಳನ್ನು ಬರೆಯಿರಿ ಮತ್ತು ಪ್ರತಿಯೊಂದನ್ನು "ಸಸ್ಟೈನಬಿಲಿಟಿ ಕ್ಲೈಮ್ ಪರೀಕ್ಷಕ" ನೊಂದಿಗೆ ಪುರಾವೆಯ ಅವಶ್ಯಕತೆ ಮತ್ತು ಅಳತೆ ಮಾಡಲಾದ ಪರ್ಯಾಯವಾಗಿ ಪರಿವರ್ತಿಸಿ. (4) "ತ್ಯಾಜ್ಯ ಕಡಿತ ಕಲ್ಪನೆ ಜನರೇಟರ್" ನೊಂದಿಗೆ ವ್ಯರ್ಥ ಕಡಿತ ಕಲ್ಪನೆಗಳನ್ನು ಪಡೆಯಿರಿ. (5) ಇವುಗಳಲ್ಲಿ ಯಾವುದನ್ನು ನೀವು ಬಳಸುವುದಿಲ್ಲ ಏಕೆಂದರೆ ನೀವು ಯಾವುದೇ ಪುರಾವೆಗಳನ್ನು ಹೊಂದಿಲ್ಲ ಮತ್ತು ಬದಲಿಗೆ ನೀವು ಏನು ಬರೆಯುತ್ತೀರಿ ಎಂಬುದನ್ನು ಸೂಚಿಸಿ.

ಪರಿಶೀಲನಾಪಟ್ಟಿ

  • [ ] ನಾನು ಉತ್ಪಾದನಾ ಸನ್ನಿವೇಶಗಳನ್ನು ನಿಜವಾದ ವೆಚ್ಚ/MOQ ನೊಂದಿಗೆ ದೃಢೀಕರಿಸುತ್ತೇನೆ.
  • [ ] ನಾನು ಪೂರೈಕೆದಾರರಿಂದ ಪ್ರಮಾಣೀಕರಣ ಮತ್ತು ಪಾರದರ್ಶಕತೆಯ ಮಾಹಿತಿಯನ್ನು ವಿನಂತಿಸುತ್ತೇನೆ.
  • [ ] ನಾನು ಪ್ರತಿ ಪರಿಸರ ಹಕ್ಕುಗಳನ್ನು ದಾಖಲಾತಿ/ಪ್ರಮಾಣಪತ್ರ/ಮಾಪನದೊಂದಿಗೆ ಸಾಬೀತುಪಡಿಸಿದ್ದೇನೆ.
  • [ ] ನಾನು ಸಮರ್ಥನೀಯವಲ್ಲದ ಹಕ್ಕುಗಳನ್ನು ಸಮಚಿತ್ತದ ಅಭಿವ್ಯಕ್ತಿಯೊಂದಿಗೆ ಬದಲಾಯಿಸಿದ್ದೇನೆ.
  • [ ] ನಾನು ಮಾಪನದ ಮೇಲೆ ತ್ಯಾಜ್ಯ/ಕಾರ್ಬನ್ ಹಕ್ಕುಗಳನ್ನು ಆಧರಿಸಿದೆ.
  • [ ] ನಾನು ನಿಜವಾದ ದತ್ತಾಂಶದೊಂದಿಗೆ ಮಾನವನಾಗಿ ಅಂತಿಮ ನಿರ್ಮಾಣ ನಿರ್ಧಾರವನ್ನು ಮಾಡಿದ್ದೇನೆ.