ಲಾಭಗಳು:
- ಪತ್ತೆ, ರೋಗನಿರ್ಣಯ, ತಗ್ಗಿಸುವಿಕೆ, ಶಾಶ್ವತ ಪರಿಹಾರ ಮತ್ತು ಕಲಿಕೆಯ ಹಂತಗಳಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಬೆಂಬಲದೊಂದಿಗೆ ಘಟನೆಯ ಅಂತ್ಯದಿಂದ ಅಂತ್ಯದ ನಿರ್ವಹಣೆ
- ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗೆ ವರ್ಗಾಯಿಸಬಹುದಾದ ಹಂತಗಳನ್ನು ಮತ್ತು ಪ್ರತಿ ಹಂತದಲ್ಲೂ ಮಾನವ ನಿರ್ಧಾರದ ಅಗತ್ಯವಿರುವ ಹಂತಗಳನ್ನು ಪ್ರತ್ಯೇಕಿಸುವ ಮೂಲಕ ಪ್ಯಾನಿಕ್ ಸಮಯದಲ್ಲಿ ಸಹ ಪರಿಶೀಲನೆ ಶಿಸ್ತನ್ನು ನಿರ್ವಹಿಸುವ ಸಾಮರ್ಥ್ಯ.
- ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು 'ಏನಾಗುತ್ತಿದೆ, ಹೇಗೆ ಬರೆಯುವುದು' ಎಂಬ ಪ್ರಶ್ನೆಗಳಿಗಿಂತ ಆದ್ಯತೆಯನ್ನು ಪಡೆಯುತ್ತದೆ ಎಂಬ ಸುವರ್ಣ ನಿಯಮವನ್ನು ಪರಿವರ್ತಿಸುವ ಸಾಮರ್ಥ್ಯ, ಮತ್ತು 'ನಾನು ಅದನ್ನು ಮಾಡಬೇಕೇ, ಯಾರು ಖಾತರಿದಾರರು' ಪ್ರಶ್ನೆಗಳಿಗಿಂತ ಮಾನವರು ಆದ್ಯತೆಯನ್ನು ಹೊಂದಿದ್ದಾರೆ.
ಎಂಡ್-ಟು-ಎಂಡ್ ಇಂಟಿಗ್ರೇಷನ್: AI ನೊಂದಿಗೆ ಅಂತ್ಯದಿಂದ ಅಂತ್ಯದವರೆಗೆ ಘಟನೆಯನ್ನು ನಿರ್ವಹಿಸುವುದು
ಹಿಂದಿನ ಹತ್ತು ಘಟಕಗಳಲ್ಲಿನ ತುಣುಕುಗಳನ್ನು ನೀವು ಕಲಿತಿದ್ದೀರಿ: ಸ್ಕ್ರಿಪ್ಟಿಂಗ್, ಲಾಗ್ ವಿಶ್ಲೇಷಣೆ, ಮೇಲ್ವಿಚಾರಣೆ, ಕಾನ್ಫಿಗರೇಶನ್, IaC, ದಾಖಲಾತಿ, ಮುನ್ಸೂಚಕ ನಿರ್ವಹಣೆ, ಬದಲಾವಣೆ ನಿರ್ವಹಣೆ ಮತ್ತು ಭದ್ರತೆ. ಆದರೆ ನೈಜ ಜಗತ್ತಿನಲ್ಲಿ ಈ ಭಾಗಗಳು ಒಂದೊಂದಾಗಿ ಬರುವುದಿಲ್ಲ, ಆದರೆ ಘಟನೆಯೊಳಗೆ ಹೆಣೆದುಕೊಂಡಿವೆ. ಈ ಅಂತಿಮ ಘಟಕದಲ್ಲಿ, ನಾವು ತುಣುಕುಗಳನ್ನು ಒಟ್ಟಿಗೆ ತರುತ್ತೇವೆ: ಮಧ್ಯರಾತ್ರಿಯಲ್ಲಿ ಪ್ರಾರಂಭವಾದ ಘಟನೆಯನ್ನು ಅಂತ್ಯದಿಂದ ಕೊನೆಯವರೆಗೆ, ಪತ್ತೆಹಚ್ಚುವಿಕೆಯಿಂದ ಮೂಲ ಕಾರಣಕ್ಕೆ, ಪರಿಹಾರದಿಂದ ದಾಖಲಾತಿಯವರೆಗೆ ಮತ್ತು ಪ್ರತಿ ಹಂತದಲ್ಲಿ AI ನ ಸರಿಯಾದ ಪ್ರಮಾಣವನ್ನು ಹೇಗೆ ಬಳಸುವುದು ಎಂಬುದನ್ನು ನೀವು ಸಂಪೂರ್ಣವಾಗಿ ನೋಡುತ್ತೀರಿ. ಹೊಸ ತಂತ್ರವನ್ನು ಕಲಿಸುವುದು ಗುರಿಯಲ್ಲ; ಇಂಜಿನಿಯರ್ನ ಪ್ರತಿಫಲಿತವಾಗಿ ನೀವು ಕಲಿತದ್ದನ್ನು ಒಟ್ಟಿಗೆ ಜೋಡಿಸುವುದು, ಮಾಡ್ಯೂಲ್ನಾದ್ಯಂತ ಪುನರಾವರ್ತಿತವಾದ ಒಂದು ಸತ್ಯವನ್ನು ಬಲಪಡಿಸುತ್ತದೆ: AI ಪ್ರತಿ ಹಂತದಲ್ಲೂ ವೇಗವನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ, ಪ್ರಕಾಶಿಸುತ್ತದೆ ಮತ್ತು ನೀಲನಕ್ಷೆಗಳನ್ನು ಮಾಡುತ್ತದೆ; ಆದರೆ ಯಾವಾಗಲೂ ರೋಗನಿರ್ಣಯವನ್ನು ದೃಢೀಕರಿಸುವ, ಆಜ್ಞೆಯನ್ನು ಚಲಾಯಿಸುವ, ಬದಲಾವಣೆಯನ್ನು ದೃಢೀಕರಿಸುವ ಮತ್ತು ಫಲಿತಾಂಶದ ಜವಾಬ್ದಾರಿಯನ್ನು ಹೊಂದಿರುವ ಮಾನವ.
ಈ ಘಟಕದಲ್ಲಿ, ನೀವು ಘಟನೆಯ ಜೀವನಚಕ್ರವನ್ನು-ಪತ್ತೆಹಚ್ಚುವಿಕೆ, ರೋಗನಿರ್ಣಯ, ಮಧ್ಯಸ್ಥಿಕೆ, ನಿರ್ಣಯ, ಕಲಿಕೆ-ಮತ್ತು ಪ್ರತಿ ಹಂತದಲ್ಲಿ AI ನ ಪಾತ್ರ ಮತ್ತು ಮಿತಿಗಳನ್ನು ಉದಾಹರಣೆಯ ಮೂಲಕ ಸಂಯೋಜಿಸುತ್ತೀರಿ.
ಘಟನೆಯ ಜೀವನ ಚಕ್ರ
ಪ್ರತಿ ಗಂಭೀರ ಘಟನೆಯು ಒಂದೇ ರೀತಿಯ ಹಂತಗಳ ಮೂಲಕ ಹೋಗುತ್ತದೆ ಮತ್ತು ಪ್ರತಿ ಹಂತದಲ್ಲಿ AI ವಿಭಿನ್ನ ಪಾತ್ರವನ್ನು ಹೊಂದಿದೆ. ಪತ್ತೆ: ಎಚ್ಚರಿಕೆಯ ಶಬ್ದಗಳು, ಬಳಕೆದಾರರು ದೂರುತ್ತಾರೆ, ಮೆಟ್ರಿಕ್ ಬೇಸ್ಲೈನ್ನಿಂದ ವಿಚಲನಗೊಳ್ಳುತ್ತದೆ (ಘಟಕ 4). ಮೌಲ್ಯೀಕರಣ ಮತ್ತು ವ್ಯಾಪ್ತಿ: ಇದು ನಿಜವಾಗಿಯೂ ಸಮಸ್ಯೆಯೇ, ಅದು ಎಷ್ಟು ವಿಶಾಲವಾಗಿದೆ? ರೋಗನಿರ್ಣಯ: ದಾಖಲೆಗಳು ಮತ್ತು ಮೆಟ್ರಿಕ್ಗಳಿಂದ ಮೂಲ ಕಾರಣವನ್ನು ಪಡೆಯುವುದು (ಘಟಕ 3). ಪ್ರತಿಕ್ರಿಯೆ ಮತ್ತು ತಗ್ಗಿಸುವಿಕೆ: ಹಾನಿಯನ್ನು ನಿಲ್ಲಿಸುವುದು, ಪರಿಹಾರ. ಶಾಶ್ವತ ಪರಿಹಾರ: ಬದಲಾವಣೆ ನಿರ್ವಹಣೆ (ಘಟಕ 9), ಸ್ಕ್ರಿಪ್ಟ್ (ಘಟಕ 2) ಅಥವಾ ಅಗತ್ಯವಿದ್ದರೆ ಕಾನ್ಫಿಗರೇಶನ್ (ಯುನಿಟ್ 5) ನೊಂದಿಗೆ ಸರಿಪಡಿಸಿ. ಕಲಿಕೆ: ಮರಣೋತ್ತರ ಪರೀಕ್ಷೆ ಮತ್ತು ರನ್ಬುಕ್ ನವೀಕರಣ (ಘಟಕ 7). AI ಪತ್ತೆಯಲ್ಲಿನ ಅಸಂಗತತೆಯನ್ನು ಗುರುತಿಸುತ್ತದೆ, ರೋಗನಿರ್ಣಯದಲ್ಲಿ ಊಹೆಗಳನ್ನು ನೀಡುತ್ತದೆ, ಮಧ್ಯಸ್ಥಿಕೆಯಲ್ಲಿ ಆಯ್ಕೆಗಳನ್ನು ನೀಡುತ್ತದೆ, ಪರಿಹಾರದಲ್ಲಿ ಕರಡುಗಳನ್ನು ಬರೆಯುತ್ತದೆ, ಕಲಿಕೆಯಲ್ಲಿ ದಾಖಲೆಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ - ಆದರೆ ಪ್ರತಿ ಹಂತದಲ್ಲೂ, ಮಾನವರು ನಿರ್ಧಾರದ ಹಂತದಲ್ಲಿ ನಿಲ್ಲುತ್ತಾರೆ.
ಸಲಹೆ: ಘಟನೆಯ ಅತ್ಯಂತ ಅಪಾಯಕಾರಿ ಕ್ಷಣವೆಂದರೆ ರೋಗನಿರ್ಣಯ ಮತ್ತು ಒತ್ತಡವು ಹೆಚ್ಚಾದಾಗ ಪ್ರತಿಕ್ರಿಯೆಯ ಕ್ಷಣವಾಗಿದೆ - ನಿಖರವಾಗಿ AI ಅನ್ನು ಕುರುಡಾಗಿ ನಂಬುವ ಪ್ರಚೋದನೆಯು ಪ್ರಬಲವಾದಾಗ. ನೀವು ಹೆಚ್ಚು ಹೊರದಬ್ಬುವುದು, "ಓದಿರಿ, ಪರಿಶೀಲಿಸಿ, ಹಿಂತಿರುಗಲು ಸಿದ್ಧರಾಗಿ" ಪ್ರತಿಫಲಿತವನ್ನು ನೀವು ಬಿಗಿಯಾಗಿ ಹಿಡಿದಿಟ್ಟುಕೊಳ್ಳುತ್ತೀರಿ. ಭೀತಿಯ ಕ್ಷಣದಲ್ಲಿ ಸ್ಕಿಪ್ ಮಾಡಿದ ಒಂದೇ ಪರಿಶೀಲನೆಯು ಈವೆಂಟ್ ಅನ್ನು ದ್ವಿಗುಣಗೊಳಿಸುತ್ತದೆ.
ಪ್ರಾರಂಭದಿಂದ ಅಂತ್ಯದವರೆಗೆ ಒಂದು ಉದಾಹರಣೆ
ಅದನ್ನು ಕಾಂಕ್ರೀಟ್ ಮಾಡೋಣ. 02:10 ಕ್ಕೆ ಅಲಾರಾಂ: ಪಾವತಿ ಸೇವೆ p99 ಪ್ರತಿಕ್ರಿಯೆ ಸಮಯವು 6 ಸೆಕೆಂಡುಗಳು, ಬೇಸ್ಲೈನ್ಗಿಂತ (250–400 ms) ಹೆಚ್ಚು. ಪತ್ತೆ ಸರಿಯಾಗಿದೆ: ಟ್ರ್ಯಾಕಿಂಗ್ ಕೆಲಸ ಮಾಡಿದೆ. ದೃಢೀಕರಣ: ಬಹು ಸ್ಥಳಗಳಿಂದ ದೃಢೀಕರಣ, ನೈಜ ಘಟನೆ. ಡಯಾಗ್ನೋಸ್ಟಿಕ್ಸ್: ಇಂಜಿನಿಯರ್ ಕಳೆದ 20 ನಿಮಿಷಗಳ ಮಾಸ್ಕ್ ಲಾಗ್ ಮತ್ತು ಮೆಟ್ರಿಕ್ಗಳನ್ನು AI ಗೆ ನೀಡುತ್ತಾರೆ; AI ಒಂದು ಟೈಮ್ಲೈನ್ ಅನ್ನು ಸ್ಥಾಪಿಸುತ್ತದೆ ಮತ್ತು 02:08 ಕ್ಕೆ ನಿಯೋಜನೆಯ ನಂತರ ತಕ್ಷಣವೇ ನಿಧಾನಗತಿಯನ್ನು ಪ್ರಾರಂಭಿಸುತ್ತದೆ ಎಂದು ಗುರುತಿಸುತ್ತದೆ - ಬಲವಾದ ಪರಸ್ಪರ ಸಂಬಂಧ, ಆದರೆ ಇನ್ನೂ ಒಂದು ಊಹೆ. ಇಂಜಿನಿಯರ್ ಇದನ್ನು ನಿಯೋಜನೆ ಲಾಗ್ನೊಂದಿಗೆ ದೃಢೀಕರಿಸುತ್ತಾರೆ: ಹೌದು, ಬಿಡುಗಡೆಯನ್ನು 02:08 ಕ್ಕೆ ಬಿಡುಗಡೆ ಮಾಡಲಾಗಿದೆ. ಪ್ರತಿಕ್ರಿಯೆ: ವಿತರಣೆಯನ್ನು ಹಿಂತಿರುಗಿಸುವುದು ವೇಗವಾದ ಕಡಿತ; ಬದಲಾವಣೆಯ ವಿನಂತಿಯಲ್ಲಿ ರೋಲ್ಬ್ಯಾಕ್ ಹಂತವು ಸಿದ್ಧವಾಗಿದೆ (ಘಟಕ 9). ಇಂಜಿನಿಯರ್ ಮೊದಲು ಕ್ಯಾನರಿ ಲಾಜಿಕ್ನೊಂದಿಗೆ ಸರ್ವರ್ನಲ್ಲಿ ರೋಲ್ಬ್ಯಾಕ್ ಅನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುತ್ತಾನೆ, ಪ್ರತಿಕ್ರಿಯೆ ಸಮಯವು ಸುಧಾರಿಸುತ್ತದೆ ಮತ್ತು ನಂತರ ಅದನ್ನು ಪ್ರಚಾರ ಮಾಡುತ್ತದೆ. ಶಾಶ್ವತ ಪರಿಹಾರ: ನಿಜವಾದ ಮೂಲ ಕಾರಣ (ಹೊಸ ಆವೃತ್ತಿಯಲ್ಲಿ ಸೂಚ್ಯಂಕವಲ್ಲದ ಪ್ರಶ್ನೆ) ಮರುದಿನ ಶಾಂತವಾಗಿ ಪರಿಹರಿಸಲಾಗುವುದು. ಕಲಿಕೆ: AI-ಮುಕ್ತ ಮರಣೋತ್ತರ ಪರೀಕ್ಷೆಯನ್ನು ರಚಿಸಲಾಗಿದೆ ಮತ್ತು "ಪೋಸ್ಟ್ ಡಿಪ್ಲಾಯ್ಮೆಂಟ್ p99 ಮಾನಿಟರಿಂಗ್" ಹಂತವನ್ನು ರನ್ಬುಕ್ಗೆ ಸೇರಿಸಲಾಗುತ್ತದೆ. ಪ್ರತಿ ಹಂತದಲ್ಲೂ, AI ವೇಗವನ್ನು ಹೆಚ್ಚಿಸಿತು; ಪ್ರತಿ ನಿರ್ಧಾರದ ಹಂತದಲ್ಲೂ ಮಾನವ ಮೌಲ್ಯಯುತವಾಗಿದೆ.
ಮಾನವ-AI ಕಾರ್ಮಿಕರ ವಿಭಾಗದ ಸುವರ್ಣ ನಿಯಮ
ಮಾಡ್ಯೂಲ್ನಾದ್ಯಂತ ನೀವು ನೋಡುವ ವ್ಯತ್ಯಾಸವು ಇಲ್ಲಿ ನಿಯಮವಾಗುತ್ತದೆ: "ಏನಾಗುತ್ತಿದೆ, ಏನಾಗಬಹುದು, ಹೇಗೆ ಬರೆಯಬೇಕು" ಎಂಬ ಪ್ರಶ್ನೆಗಳಲ್ಲಿ AI ಮುಂದಿದೆ; ಈಗಲೇ ಹೀಗೆ ಮಾಡಬೇಕಾ, ಇದಕ್ಕೆ ಯಾರು ಖಾತ್ರಿ ಕೊಡುತ್ತಾರೆ ಎಂಬ ಪ್ರಶ್ನೆಗಳು ಬಂದಾಗ ಜನರ ಮುಂದಿದ್ದಾರೆ. AI ದಣಿವರಿಯಿಲ್ಲ, ವೇಗವಾಗಿದೆ, ವ್ಯಾಪಕವಾದ ಮಾಹಿತಿಯನ್ನು ಸ್ಕ್ಯಾನ್ ಮಾಡುತ್ತದೆ ಮತ್ತು ಬ್ಲೂಪ್ರಿಂಟ್ಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ - ಆದರೆ ಇದು ಸಂಪೂರ್ಣ ಸಂದರ್ಭವನ್ನು ತಿಳಿದಿಲ್ಲ, ಭ್ರಮೆಗಳನ್ನು ಉಂಟುಮಾಡಬಹುದು, ಹೊಣೆಗಾರಿಕೆಯನ್ನು ನಿಭಾಯಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ ಮತ್ತು ನಿಮ್ಮ ಸಂಸ್ಥೆಯ ಗುಪ್ತ ಅವಲಂಬನೆಗಳನ್ನು ನೋಡುವುದಿಲ್ಲ. ಮನುಷ್ಯ ನಿಧಾನ, ಆದರೆ ಸಂದರ್ಭ, ಜವಾಬ್ದಾರಿ ಮತ್ತು ತೀರ್ಪು ಒಯ್ಯುತ್ತದೆ. ಎರಡರ ನಡುವಿನ ಕಾರ್ಮಿಕರ ಸರಿಯಾದ ವಿಭಜನೆಯಲ್ಲಿ ಉತ್ತಮ ಫಲಿತಾಂಶವಿದೆ: AI ಗೆ ಪುನರಾವರ್ತಿತ, ಪಠ್ಯ, ಉತ್ಪಾದಿಸಬಹುದಾದ ಕೆಲಸವನ್ನು ನಿಯೋಜಿಸಿ; ಪರಿಶೀಲನೆ, ನಿರ್ಧಾರ ಮತ್ತು ಕಾರ್ಯಗತಗೊಳಿಸುವಿಕೆಯನ್ನು ಮಾನವೀಯವಾಗಿ ಇರಿಸಿ.
ಮೂರು ಸಣ್ಣ ಪ್ರಕರಣಗಳು
ಪ್ರಕರಣ 1 - 40 ನಿಮಿಷಗಳ ಅಂತ್ಯದಿಂದ ಅಂತ್ಯ. ಡಿಸ್ಕ್ ಫುಲ್ ಈವೆಂಟ್ನಲ್ಲಿ, SRE ಸಂಪೂರ್ಣ ಸರಪಳಿಯನ್ನು AI ಯೊಂದಿಗೆ ವೇಗಗೊಳಿಸಿತು: ಬೇಸ್ಲೈನ್ನೊಂದಿಗೆ ಎಚ್ಚರಿಕೆಯನ್ನು ದೃಢಪಡಿಸಿತು (5 ನಿಮಿಷ), ಮುಖವಾಡದ ಲಾಗ್ ಅನ್ನು YZ ಗೆ ಸಂಕ್ಷೇಪಿಸಲಾಗಿದೆ ಮತ್ತು ಮೊದಲ ದೋಷವನ್ನು (5 ನಿಮಿಷ) ಕಂಡುಹಿಡಿದಿದೆ, AI ಯ "ಲಾಗ್ ತಿರುಗುವಿಕೆ ನಿಲ್ಲಿಸಿದೆ" ಎಂಬ ಕಲ್ಪನೆಯನ್ನು ನೈಜ ಸಿಸ್ಟಮ್ನಲ್ಲಿ ಪರಿಶೀಲಿಸಿದೆ (5 ನಿಮಿಷ), ಸ್ಕ್ರಿಪ್ಟ್ 1 ರೆಡಿಮೇಡ್-ಕ್ಲೀನಿಂಗ್ನೊಂದಿಗೆ 1 ರೆಡಿಮೇಡ್-ಕ್ಲೀನಿಂಗ್ ಹೊಂದಿತ್ತು. AI ಗೆ ಬರೆದ ಸ್ಕೆಚ್ ಮತ್ತು ಸತ್ಯಗಳನ್ನು ಪರಿಶೀಲಿಸಲಾಗಿದೆ (15 ನಿಮಿಷ). ಒಟ್ಟು 40 ನಿಮಿಷಗಳು; AI ಇಲ್ಲದೆ ಸರಿಸುಮಾರು ಎರಡು ಪಟ್ಟು ಹೆಚ್ಚು. ಆದರೆ ಪ್ರತಿ ಹಂತದಲ್ಲೂ ಪರಿಶೀಲನೆಯ ಹಂತ ಇತ್ತು.
ಪ್ರಕರಣ 2 - ಭಯದ ಕ್ಷಣದಲ್ಲಿ ಪರಿಶೀಲನೆಯನ್ನು ಬಿಟ್ಟುಬಿಡಲಾಗಿದೆ. ಮತ್ತೊಂದು ತಂಡ ಕಟ್ ಧಾವಿಸಿತು. ಇದು AI ಯ ಮೊದಲ ಮೂಲ ಕಾರಣ ಕಲ್ಪನೆಯನ್ನು (ಅವಲಂಬಿತ ಸೇವೆ) ಪರಿಶೀಲಿಸದೆಯೇ ಒಪ್ಪಿಕೊಂಡಿತು ಮತ್ತು ಆ ಸೇವೆಯನ್ನು ಮರುಪ್ರಾರಂಭಿಸಿತು. ನಿಜವಾದ ಕಾರಣ ಬೇರೆ ಯಾವುದೋ ಆಗಿದ್ದರಿಂದ ಸಮಸ್ಯೆಯನ್ನು ಪರಿಹರಿಸಲಾಗಿಲ್ಲ; ಇದಲ್ಲದೆ, ಅನಗತ್ಯ ರೀಬೂಟ್ ಎರಡನೇ ಸ್ಥಗಿತವನ್ನು ಸೃಷ್ಟಿಸಿತು. ಪಾಠ: ಪರಿಶೀಲನೆಯನ್ನು ಬಿಟ್ಟುಬಿಡುವುದಕ್ಕೆ ತರಾತುರಿಯು ಸಮರ್ಥನೆಯಲ್ಲ; AI ಊಹೆಯನ್ನು ದೃಢೀಕರಿಸುವ ಮೊದಲು, ಕ್ರಿಯೆಯು ಈವೆಂಟ್ ಅನ್ನು ಉಲ್ಬಣಗೊಳಿಸುತ್ತದೆ.
ಪ್ರಕರಣ 3 - ಮಿತಿಯ ಬಗ್ಗೆ ತಿಳಿದಿರುವುದು. ಸಂಕೀರ್ಣವಾದ ನೆಟ್ವರ್ಕ್ ಸಮಸ್ಯೆಯ ಕುರಿತು AI ಒತ್ತಾಯಿಸುತ್ತಿದ್ದ ಕಾನ್ಫಿಗರೇಶನ್ ಬದಲಾವಣೆಯನ್ನು ಎಂಜಿನಿಯರ್ ಒಬ್ಬರು ಕಾರ್ಯಗತಗೊಳಿಸಲಿದ್ದಾರೆ. ಆದರೆ ಬದಲಾವಣೆಯು ಬದಲಾಯಿಸಲಾಗದಂತಿದೆ ಮತ್ತು ಏಜೆನ್ಸಿಯ ನಿರ್ದಿಷ್ಟ ರೂಟಿಂಗ್ ನಿಯಮಗಳನ್ನು AI ಗೆ ತಿಳಿದಿರಲಿಲ್ಲ. ಇಂಜಿನಿಯರ್ ನಿಲ್ಲಿಸಿ, ಹಿರಿಯ ನೆಟ್ವರ್ಕ್ ತಜ್ಞರನ್ನು ಸಂಪರ್ಕಿಸಿ, ಮತ್ತು AI ನ ಪ್ರಸ್ತಾವನೆಯು ಈ ನಿರ್ದಿಷ್ಟ ಟೋಪೋಲಜಿಯಲ್ಲಿ ರೂಟಿಂಗ್ ಲೂಪ್ ಅನ್ನು ರಚಿಸುತ್ತದೆ ಎಂದು ತಿಳಿದುಕೊಂಡರು. AI ಯ ಮಿತಿಯನ್ನು ತಿಳಿದುಕೊಳ್ಳುವುದರಿಂದ ಅಡಚಣೆಯನ್ನು ತಡೆಯಲಾಗಿದೆ.
ನಾಲ್ಕು ನಕಲಿಸಬಹುದಾದ ಟೆಂಪ್ಲೇಟ್ಗಳು
1) ಈವೆಂಟ್ ಟ್ರಿಗರ್ ಸಾರಾಂಶ (ಟ್ರಯಜ್):
ನಿಮ್ಮ ಪಾತ್ರ: ಹಿರಿಯ SRE, ಸಹಾಯಕ ಘಟನೆ ಕಮಾಂಡರ್. ಸಕ್ರಿಯ ಈವೆಂಟ್ ಇದೆ. ನಾನು ನಿಮಗೆ ನೀಡುವ ಮುಖವಾಡದ ಎಚ್ಚರಿಕೆ/ಮೆಟ್ರಿಕ್/ಲಾಗ್ ನನಗೆ ತ್ವರಿತ ಚಿಕಿತ್ಸೆಯ ಸರದಿ ನಿರ್ಧಾರವನ್ನು ನೀಡುತ್ತದೆ: (1) ರೋಗಲಕ್ಷಣವೇನು, (2) ಪ್ರಭಾವದ ವ್ಯಾಪ್ತಿ ಏನು, (3) ಮೊದಲು ನೋಡಲು 3 ಪ್ರದೇಶಗಳು, (4) ಪ್ರತಿಯೊಂದಕ್ಕೂ ಓದಲು-ಮಾತ್ರ ನಿಯಂತ್ರಣ ಆಜ್ಞೆ. ನಿರ್ಧಾರ ಮತ್ತು ಕಾರ್ಯಗತಗೊಳಿಸುವಿಕೆ ನನ್ನದು; ದಾರಿ ಕಳಿಸು. ಡೇಟಾ: [ಮುಖವಾಡ]
2) ಹಂತ ಹಂತದ ಘಟನೆ ನಿರ್ವಹಣೆ ಮಾರ್ಗದರ್ಶಿ:
ರೋಗಲಕ್ಷಣದ [ಲಕ್ಷಣ] ಘಟನೆಯ ಜೀವನಚಕ್ರದ ಮೂಲಕ ಹಂತ ಹಂತವಾಗಿ ನನ್ನನ್ನು ಕರೆದೊಯ್ಯಿರಿ: ಪತ್ತೆ ದೃಢೀಕರಣ, ರೋಗನಿರ್ಣಯ, ತಗ್ಗಿಸುವಿಕೆ, ಶಾಶ್ವತ ಪರಿಹಾರ, ಕಲಿಕೆ. ಪ್ರತಿ ಹಂತದಲ್ಲಿ, ನನಗೆ ಹೇಳಿ (ಎ) ನಾನು ಏನು ಮಾಡಬೇಕು, (ಬಿ) ನಾನು ಅದನ್ನು AI ಗೆ ಸುರಕ್ಷಿತವಾಗಿ ನಿಯೋಜಿಸಿದಾಗ, (ಸಿ) ನಾನೇ ಯಾವ ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳಬೇಕು. ನಾನು ಹೊರದಬ್ಬಿದರೂ ನಾನು ಸ್ಕಿಪ್ ಮಾಡಬಾರದು ಎಂದು ಪರಿಶೀಲನೆ ಹಂತಗಳನ್ನು ಗುರುತಿಸಿ.
3) ನಿರ್ಧಾರ ಬಿಂದು ನಿಯಂತ್ರಣ:
ನಾನು ಈವೆಂಟ್ನ ಮಧ್ಯದಲ್ಲಿದ್ದೇನೆ ಮತ್ತು ನಾನು ಈ ಕೆಳಗಿನ ಕ್ರಮವನ್ನು ತೆಗೆದುಕೊಳ್ಳಲಿದ್ದೇನೆ: [ಕ್ರಿಯೆ]. ಕಾರ್ಯಗತಗೊಳಿಸುವ ಮೊದಲು, ನನ್ನನ್ನು ಕೇಳಿ: (1) ಇದು ಹಿಂತಿರುಗಿಸಬಹುದೇ, (2) ನಾನು ಯಾವ ಪರಿಶೀಲನೆಯನ್ನು ಮಾಡಿದ್ದೇನೆ/ಮಾಡಲಿಲ್ಲ, (3) ನಾನು ರೋಲ್ಬ್ಯಾಕ್ ಯೋಜನೆಯನ್ನು ಹೊಂದಿದ್ದೇನೆ, (4) ಈ ಕ್ರಿಯೆಯು ಮೂಲ ಕಾರಣವನ್ನು ಪರಿಹರಿಸಿದೆ ಎಂಬುದಕ್ಕೆ ನನ್ನ ಬಳಿ ಪುರಾವೆಗಳಿವೆಯೇ? ಏನಾದರೂ ಕಾಣೆಯಾಗಿರುವುದನ್ನು ನೀವು ನೋಡಿದರೆ, ನನ್ನನ್ನು ನಿಲ್ಲಿಸಿ.
4) ಘಟನೆಯ ನಂತರದ ಸಮಗ್ರ ಕಲಿಕೆ:
ಇದೀಗ ಪರಿಹರಿಸಲಾದ ಘಟನೆಗಾಗಿ, [ಸಾರಾಂಶ] ನನಗೆ ನೀಡುತ್ತದೆ: (1) ದೋಷರಹಿತ ಮರಣೋತ್ತರ ಕರಡು, (2) ಈ ಘಟನೆಯನ್ನು ತಡೆಯುವ 3 ಶಾಶ್ವತ ಸುಧಾರಣೆಗಳು (ಮೇಲ್ವಿಚಾರಣೆ/ಆಟೊಮೇಷನ್/ಕಾನ್ಫಿಗರೇಶನ್), (3) ಅಪ್ಡೇಟ್ ಮಾಡಬೇಕಾದ ರನ್ಬುಕ್ ಹಂತಗಳು, (4) ಇದೇ ರೀತಿಯ ಘಟನೆಗೆ ಮುಂಚಿನ ಎಚ್ಚರಿಕೆಯ ಸಂಕೇತ ಸಲಹೆ. ಪುರಾವೆಗಳಿಲ್ಲದೆ ಮೂಲ ಕಾರಣವನ್ನು ಬರೆಯುವುದು; ಸತ್ಯಗಳ ಆಧಾರದ ಮೇಲೆ.
ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್
ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್:
ಸಿಸ್ಟಮ್ ಕ್ರ್ಯಾಶ್ ಆಗಿದೆ, ನಾನು ಏನು ಮಾಡಬೇಕು?
ಭಯಭೀತರಾಗಿ, ಸಂದರ್ಭವಿಲ್ಲದೆ ಮತ್ತು ಪರಿಶೀಲನೆಯಿಲ್ಲದೆ, ಈ ಪ್ರಾಂಪ್ಟ್ AI ನಿಂದ ಸಾಮಾನ್ಯ ಮತ್ತು ಪ್ರಾಯಶಃ ಅಪಾಯಕಾರಿ ಸಲಹೆಯನ್ನು ಪಡೆಯುತ್ತದೆ. ಹೊರದಬ್ಬುವುದು ಈ ಹಂತದಲ್ಲಿ ತಪ್ಪುಗಳಿಗೆ ಕಾರಣವಾಗುತ್ತದೆ.
ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್:
ನಿಮ್ಮ ಪಾತ್ರ: ಸಹಾಯಕ ಘಟನೆ ಕಮಾಂಡರ್. ಸಕ್ರಿಯ ಈವೆಂಟ್: ಪಾವತಿ serviceip99 ಪ್ರತಿಕ್ರಿಯೆ ಸಮಯ 15 ಬಾರಿ ಬೇಸ್ಲೈನ್ (250-400 ms) 02:10 ರಿಂದ. 02:08 ಕ್ಕೆ ವಿತರಣೆಯಾಗಿದೆ ಎಂದು ನನಗೆ ತಿಳಿದಿದೆ. ನನಗೆ ನೀಡಿ:(1) ಹೆಚ್ಚು ಸಂಭವನೀಯ ಊಹೆ ಮತ್ತು ಅದನ್ನು ಓದಲು ಮಾತ್ರ ಪರಿಶೀಲಿಸುವುದು ಹೇಗೆ, (2) ವೇಗವಾದ ಮತ್ತು ಹಿಂತಿರುಗಿಸಬಹುದಾದ ತಗ್ಗಿಸುವಿಕೆಯ ಆಯ್ಕೆ, (3) ಈ ತಗ್ಗಿಸುವಿಕೆಯನ್ನು ಅನ್ವಯಿಸುವ ಮೊದಲು ನಾನು ನಿಯಂತ್ರಿಸಬೇಕಾದ ಅಪಾಯಗಳು. ನನಗೆ ಮರಣದಂಡನೆ ಮತ್ತು ಅನುಮೋದನೆ ಇದೆ. ಹೆಚ್ಚುವರಿ ಡೇಟಾ: [ಮಾಸ್ಕ್ಡ್ ಮೆಟ್ರಿಕ್/ಲಾಗ್]
ಈವೆಂಟ್ ಹಂತ
AI ನ ಪಾತ್ರ
ನಿರ್ಣಾಯಕ ಮಾನವ ನಿರ್ಧಾರ
ಪತ್ತೆ
ಅಸಂಗತತೆಯನ್ನು ಗುರುತಿಸಿ
ಇದು ನಿಜವಾದ ಘಟನೆಯೇ, ವ್ಯಾಪ್ತಿ ಏನು?
ರೋಗನಿರ್ಣಯ
ಕಲ್ಪನೆಯ ಉತ್ಪಾದನೆ
ಯಾವ ಊಹೆಯನ್ನು ದೃಢೀಕರಿಸಲಾಗಿದೆ?
ಕಡಿತ
ಆಯ್ಕೆಗಳನ್ನು ನೀಡಬೇಡಿ
ಯಾವ ಕಡಿತವು ಹಿಂತಿರುಗಿಸಬಲ್ಲದು?
ಶಾಶ್ವತ ಪರಿಹಾರ
ಡ್ರಾಫ್ಟ್/ಸ್ಕ್ರಿಪ್ಟ್
ಬದಲಾವಣೆಯನ್ನು ಅನುಮೋದಿಸಿ ಮತ್ತು ಕಾರ್ಯಗತಗೊಳಿಸಿ
ಕಲಿಕೆ
ಮರಣೋತ್ತರ ಸ್ಕೆಚ್
ಸತ್ಯಗಳು ಮತ್ತು ಪಾಠಗಳನ್ನು ಮೌಲ್ಯೀಕರಿಸುವುದು
ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು
- ಗಾಬರಿಯಲ್ಲಿ ಪರಿಶೀಲನೆಯನ್ನು ಬಿಟ್ಟುಬಿಡಲಾಗುತ್ತಿದೆ. "ಓದಲು-ಪರಿಶೀಲಿಸಿ-ತಯಾರಿಸು ರಿಟರ್ನ್" ಪ್ರತಿಫಲಿತವನ್ನು ತ್ಯಜಿಸಲು ಹೊರದಬ್ಬುವುದು ಯಾವುದೇ ಸಮರ್ಥನೆಯಲ್ಲ; ಒತ್ತಡ ಹೆಚ್ಚಾದಂತೆ ಶಿಸ್ತು ಹೆಚ್ಚಬೇಕು.
- ಪುರಾವೆಗಾಗಿ ಊಹೆಯನ್ನು ತಪ್ಪಾಗಿ ಗ್ರಹಿಸುವುದು. AI ಯ ಮೊದಲ ಮೂಲ ಕಾರಣದ ಸಲಹೆಯನ್ನು ದೃಢೀಕರಿಸದೆ ಕ್ರಮ ಕೈಗೊಳ್ಳುವುದು ಘಟನೆಯನ್ನು ಉಲ್ಬಣಗೊಳಿಸುತ್ತದೆ.
- AI ಯ ಸಂದರ್ಭದ ಗಡಿಯನ್ನು ಮರೆತುಬಿಡುವುದು. AI ಸಂಸ್ಥೆಯ ಗುಪ್ತ ಅವಲಂಬನೆಗಳನ್ನು ತಿಳಿದಿರುವುದಿಲ್ಲ; ನಿರ್ಣಾಯಕ ಬದಲಾವಣೆಯಲ್ಲಿ, ಮಾನವ ತೀರ್ಪು ಮೇಲುಗೈ ಸಾಧಿಸುತ್ತದೆ.
- ಕಲಿಕೆಯ ಹಂತವನ್ನು ಬಿಟ್ಟುಬಿಡುವುದು. ಈವೆಂಟ್, ಮರಣೋತ್ತರ ಪರೀಕ್ಷೆ ಮತ್ತು ರನ್ಬುಕ್ ನವೀಕರಣಗಳಿಲ್ಲದೆ, ಅದೇ ರಾತ್ರಿ ಮತ್ತೆ ಪ್ರಾರಂಭವಾಗುತ್ತದೆ.
- AI ಮೇಲೆ ಜವಾಬ್ದಾರಿಯನ್ನು ಹಾಕುವುದು. "AI ಹೀಗೆ ಹೇಳಿದೆ" ಎಂಬುದು ರಕ್ಷಣೆಯಲ್ಲ; ಮರಣದಂಡನೆಯ ಜವಾಬ್ದಾರಿ ಯಾವಾಗಲೂ ಮಾನವನ ಮೇಲಿರುತ್ತದೆ.
ಎಚ್ಚರಿಕೆ: ಘಟನೆ ನಿರ್ವಹಣೆಯಲ್ಲಿ AI ಅನ್ನು ಬಳಸುವುದು ಕಲಿಕೆಯ ಘಟನೆ ನಿರ್ವಹಣೆಯನ್ನು ಬದಲಿಸುವುದಿಲ್ಲ. ವಾಹನವು ಕ್ರ್ಯಾಶ್ ಆಗಬಹುದು, ಕ್ರ್ಯಾಶ್ ಆಗಬಹುದು ಅಥವಾ ಪ್ರವೇಶಿಸಲಾಗುವುದಿಲ್ಲ. ಮೂಲಭೂತ ಅಂಶಗಳನ್ನು ತಿಳಿದಿರುವ ಇಂಜಿನಿಯರ್ AI ನೊಂದಿಗೆ ವೇಗವಾಗಿರುತ್ತಾನೆ; ಮೂಲಭೂತ ಅಂಶಗಳನ್ನು ತಿಳಿದಿಲ್ಲದ ಎಂಜಿನಿಯರ್ AI ಯೊಂದಿಗೆ ವೇಗವಾಗಿ ತಪ್ಪುಗಳನ್ನು ಮಾಡುತ್ತಾರೆ. ಮೊದಲು ಶಿಸ್ತನ್ನು ಸ್ಥಾಪಿಸಿ, ನಂತರ AI ನಿಂದ ವೇಗವನ್ನು ಪಡೆಯಿರಿ.
ಸಾರಾಂಶದಲ್ಲಿ
ನೈಜ ಜಗತ್ತಿನಲ್ಲಿ, ಭಾಗಗಳು ಒಂದೊಂದಾಗಿ ಬರುವುದಿಲ್ಲ ಆದರೆ ಘಟನೆಯೊಳಗೆ ಹೆಣೆದುಕೊಂಡಿವೆ. ಪತ್ತೆಹಚ್ಚುವಿಕೆಯಿಂದ ಕಲಿಕೆಯವರೆಗೆ ಈವೆಂಟ್ ಅನ್ನು ನಿರ್ವಹಿಸುವಾಗ, AI ಪ್ರತಿ ಹಂತದಲ್ಲೂ ವೇಗವನ್ನು ಪಡೆಯುತ್ತದೆ: ಅಸಂಗತತೆಯನ್ನು ಫ್ಲ್ಯಾಗ್ ಮಾಡುತ್ತದೆ, ಊಹೆಗಳನ್ನು ಸೃಷ್ಟಿಸುತ್ತದೆ, ಆಯ್ಕೆಗಳನ್ನು ನೀಡುತ್ತದೆ, ಡ್ರಾಫ್ಟ್ಗಳು, ಮರಣೋತ್ತರ ಪರೀಕ್ಷೆಯನ್ನು ಸಿದ್ಧಪಡಿಸುತ್ತದೆ. ಆದರೆ ಪ್ರತಿ ನಿರ್ಧಾರದ ಹಂತದಲ್ಲಿ ಒಬ್ಬರು ನಿಲ್ಲುತ್ತಾರೆ - ರೋಗನಿರ್ಣಯವನ್ನು ಖಚಿತಪಡಿಸುತ್ತದೆ, ಕಡಿಮೆ ಮಾಡಲು ಆಯ್ಕೆ ಮಾಡುತ್ತದೆ, ಬದಲಾವಣೆಯನ್ನು ಅನುಮೋದಿಸುತ್ತದೆ, ಫಲಿತಾಂಶವನ್ನು ಹೊಂದಿದೆ. ಸುವರ್ಣ ನಿಯಮವು ಸ್ಪಷ್ಟವಾಗಿದೆ: "ಏನಾಗುತ್ತದೆ, ಹೇಗೆ ಬರೆಯಬೇಕು" ಎಂಬ ಪ್ರಶ್ನೆಗಳಲ್ಲಿ AI ಮುಂದಿದೆ ಮತ್ತು "ನಾನು ಅದನ್ನು ಮಾಡಬೇಕೇ, ಯಾರು ಖಾತರಿದಾರರು?" ಎಂಬ ಪ್ರಶ್ನೆಗಳಲ್ಲಿ ಮಾನವರು ಮುಂದಿದ್ದಾರೆ. ಪ್ಯಾನಿಕ್ ಸಮಯದಲ್ಲಿ, ಶಿಸ್ತು ಹೆಚ್ಚಿಸಿ, ಸಾಕ್ಷ್ಯದಿಂದ ಪ್ರತ್ಯೇಕ ಊಹೆ, AI ಯ ಸಂದರ್ಭ ಮಿತಿಯನ್ನು ನೆನಪಿಡಿ ಮತ್ತು ಪ್ರತಿ ಘಟನೆಯಿಂದ ರನ್ಬುಕ್ ಪಾಠವನ್ನು ಸೆಳೆಯಿರಿ. ಈ ಮಾಡ್ಯೂಲ್ನ ಸಾರವು ಒಂದು ವಾಕ್ಯವಾಗಿದೆ: AI ಪ್ರಬಲ ಸಹಾಯಕ; ಎಂಜಿನಿಯರಿಂಗ್ ಜವಾಬ್ದಾರಿಯನ್ನು ನಿಯೋಜಿಸಲಾಗುವುದಿಲ್ಲ.
ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ
ನಿಮ್ಮ ಹಿಂದೆ ನೀವು ಅನುಭವಿಸಿದ (ಅಥವಾ ಕಲ್ಪಿಸಿಕೊಂಡ) ಈವೆಂಟ್ ಅನ್ನು ಮೊದಲಿನಿಂದ ಕೊನೆಯವರೆಗೆ ಪರಿಗಣಿಸಿ. ಮೇಲಿನ “ಹಂತದ ಘಟನೆ ನಿರ್ವಹಣಾ ಮಾರ್ಗದರ್ಶಿ” ಟೆಂಪ್ಲೇಟ್ನೊಂದಿಗೆ, ಪತ್ತೆ-ರೋಗನಿರ್ಣಯ-ತಗ್ಗಿಸುವಿಕೆ-ರೆಸಲ್ಯೂಶನ್-ಕಲಿಕೆಯ ಹಂತಗಳ ಮೂಲಕ ಘಟನೆಯನ್ನು ಮಾರ್ಗದರ್ಶನ ಮಾಡಲು AI ಅನ್ನು ಕೇಳಿ; ಪ್ರತಿ ಹಂತದಲ್ಲಿ, ನೀವು AI ಗೆ ನಿಯೋಜಿಸಬಹುದಾದ ಹಂತ ಮತ್ತು ನೀವೇ ನಿರ್ಧರಿಸಬೇಕಾದ ಹಂತವನ್ನು ಪ್ರತ್ಯೇಕವಾಗಿ ಬರೆಯಿರಿ. ರೋಗನಿರ್ಣಯದ ಹಂತದಲ್ಲಿ ಪರಿಶೀಲನಾ ಆಜ್ಞೆಯೊಂದಿಗೆ ಕನಿಷ್ಠ ಒಂದು AI ಊಹೆಯನ್ನು ದೃಢೀಕರಿಸಿ. ಅಂತಿಮವಾಗಿ, "ಪೋಸ್ಟ್-ಈವೆಂಟ್ ಇಂಟಿಗ್ರೇಟೆಡ್ ಲರ್ನಿಂಗ್" ಟೆಂಪ್ಲೇಟ್ನೊಂದಿಗೆ ಮರಣೋತ್ತರ ಪರೀಕ್ಷೆ ಮತ್ತು ರನ್ಬುಕ್ ಅಪ್ಡೇಟ್ ಡ್ರಾಫ್ಟ್ ಅನ್ನು ತಯಾರಿಸಿ. 7 ಅಂಶಗಳಲ್ಲಿ ಸಂಪೂರ್ಣ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ ಕಾರ್ಮಿಕರ ಮಾನವ-AI ವಿಭಾಗವನ್ನು ಸಾರಾಂಶಗೊಳಿಸಿ.
ಪರಿಶೀಲನಾಪಟ್ಟಿ
- [ ] ನಾನು ಘಟನೆಯನ್ನು ಪತ್ತೆ, ರೋಗನಿರ್ಣಯ, ತಗ್ಗಿಸುವಿಕೆ, ಪರಿಹಾರ ಮತ್ತು ಕಲಿಕೆಯ ಹಂತಗಳಾಗಿ ವಿಂಗಡಿಸಿದ್ದೇನೆಯೇ?
- [ ] AI ಗೆ ನಿಯೋಜಿಸಬಹುದಾದ ಹಂತಗಳು ಮತ್ತು ಪ್ರತಿ ಹಂತದಲ್ಲೂ ಮಾನವ ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳುವ ಅಗತ್ಯವಿರುವ ಹಂತಗಳ ನಡುವೆ ನಾನು ಪ್ರತ್ಯೇಕಿಸಿದ್ದೇನೆಯೇ?
- [ ] ರೋಗನಿರ್ಣಯದಲ್ಲಿ, ನಾನು AI ಊಹೆಯನ್ನು ಪುರಾವೆಗಳಿಂದ ಬೇರ್ಪಡಿಸಿದ್ದೇನೆ ಮತ್ತು ಅದನ್ನು ಪರಿಶೀಲನಾ ಆಜ್ಞೆಯೊಂದಿಗೆ ದೃಢೀಕರಿಸಿದ್ದೇನೆಯೇ?
- [ ] ರಿವರ್ಸಿಬಿಲಿಟಿ ಮತ್ತು ರೋಲ್ಬ್ಯಾಕ್ ಯೋಜನೆಗೆ ಸಂಬಂಧಿಸಿದಂತೆ ನಾನು ತಗ್ಗಿಸುವಿಕೆಯನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಿದ್ದೇನೆಯೇ?
- [ ] ನಾನು ಭಯದ ಸಮಯದಲ್ಲಿಯೂ ಸಹ "ಓದಲು-ಪರಿಶೀಲಿಸಿ-ತಯಾರಿಸು" ಪ್ರತಿಫಲಿತವನ್ನು ನಿರ್ವಹಿಸಿದ್ದೇನೆಯೇ?
- [ ] ನಾನು ಘಟನೆಯಿಂದ ಮರಣೋತ್ತರ ಪರೀಕ್ಷೆ ಮತ್ತು ರನ್ಬುಕ್ ಪಾಠವನ್ನು ಕಲಿತಿದ್ದೇನೆಯೇ?
ಮಾಡ್ಯೂಲ್ ಪರೀಕ್ಷೆ
1. ಸಿಸ್ಟಮ್ ಮತ್ತು ನೆಟ್ವರ್ಕ್ ನಿರ್ವಹಣೆಯಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗೆ ಕೆಳಗಿನವುಗಳಲ್ಲಿ ಯಾವುದು ಅತ್ಯಂತ ನಿಖರವಾದ ಸ್ಥಾನವಾಗಿದೆ?
- ಎ) ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಸಹಾಯಕ ಮತ್ತು ನಿರ್ಧಾರ ಬೆಂಬಲ ಸಾಧನವಾಗಿದೆ; ನಿರ್ಣಾಯಕ ಕಾರ್ಯನಿರ್ವಾಹಕ ನಿರ್ಧಾರಗಳ ಜವಾಬ್ದಾರಿ ಮತ್ತು ಅಂತಿಮ ಅನುಮೋದನೆಯು ಮಾನವರಲ್ಲಿದೆ ✔
- ಬಿ) ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಮಾನವನ ಅನುಮೋದನೆಯಿಲ್ಲದೆ ಆಜ್ಞೆಗಳನ್ನು ಚಲಾಯಿಸಬಹುದು ಮತ್ತು ಉತ್ಪಾದನೆಯಲ್ಲಿ ಬದಲಾವಣೆಗಳನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸಬಹುದು
- ಸಿ) ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಪಠ್ಯವನ್ನು ಬರೆಯುವಲ್ಲಿ ಮಾತ್ರ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ, ಇದು ಸಿಸ್ಟಮ್ ಮತ್ತು ನೆಟ್ವರ್ಕ್ ಕೆಲಸದೊಂದಿಗೆ ಯಾವುದೇ ಸಂಬಂಧವನ್ನು ಹೊಂದಿಲ್ಲ
- D) ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಯಾವಾಗಲೂ ಮನುಷ್ಯರಿಗಿಂತ ಹೆಚ್ಚು ನಿಖರವಾದ ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ, ಆದ್ದರಿಂದ ಪರಿಶೀಲನೆಯು ಅನಗತ್ಯವಾಗಿರುತ್ತದೆ
ವಿವರಣೆ: ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಸಹಾಯಕ ಮತ್ತು ನಿರ್ಧಾರ ಬೆಂಬಲ ಸಾಧನವಾಗಿದ್ದು ಅದು ಡ್ರಾಫ್ಟ್ಗಳು ಮತ್ತು ಸ್ಕ್ರಿಪ್ಟ್ಗಳು, ಲಾಗ್ ವಿಶ್ಲೇಷಣೆ ಮತ್ತು ದಾಖಲೆಗಳಂತಹ ವಿಶ್ಲೇಷಣೆಯನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ. ಅಲಭ್ಯತೆ, ಡೇಟಾ ನಷ್ಟ ಮತ್ತು ಭದ್ರತೆಯ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುವ ಕಾರ್ಯನಿರ್ವಾಹಕ ನಿರ್ಧಾರಗಳ ಜವಾಬ್ದಾರಿ ಮತ್ತು ಅಂತಿಮ ಅನುಮೋದನೆ, ಉದಾಹರಣೆಗೆ ಆಜ್ಞೆಯನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವುದು ಅಥವಾ ಬದಲಾವಣೆಯನ್ನು ಅನುಮೋದಿಸುವುದು, ಸಮರ್ಥ ಎಂಜಿನಿಯರ್ಗೆ ಸೇರಿದೆ.
2. ಉತ್ಪಾದನೆಯಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯಿಂದ ರಚಿಸಲಾದ ಆಜ್ಞೆಯನ್ನು ಚಲಾಯಿಸುವ ಮೊದಲು ಕಾರ್ಯಗತಗೊಳಿಸಬೇಕಾದ ಪರಿಶೀಲನೆ ಪ್ರತಿಫಲಿತದ ನಾಲ್ಕು ಹಂತಗಳು ಯಾವುವು?
- ಎ) ನಕಲಿಸಿ, ಅಂಟಿಸಿ, ಓಡಿ, ಭರವಸೆ
- ಬಿ) ಓದಿ ಮತ್ತು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಿ, ಡಾಕ್ಯುಮೆಂಟ್ ಮಾಡಿ, ಪ್ರತ್ಯೇಕ ಪರಿಸರದಲ್ಲಿ ಪ್ರಯತ್ನಿಸಿ, ಪ್ರತಿಕ್ರಿಯೆಗಾಗಿ ತಯಾರಿ ✔
- ಸಿ) ಲೈಕ್, ಶೇರ್, ಸೇವ್, ಆರ್ಕೈವ್
- ಡಿ) ಅಳಿಸಿ, ಪುನಃ ಬರೆಯಿರಿ, ಸಂಕುಚಿತಗೊಳಿಸಿ, ಕಳುಹಿಸಿ
ವಿವರಣೆ: ನಿರ್ಣಾಯಕ ಔಟ್ಪುಟ್ಗೆ ಅನ್ವಯಿಸಲು ನಾಲ್ಕು ಹಂತಗಳು: (1) ಕಮಾಂಡ್ ಲೈನ್ ಅನ್ನು ಸಾಲಿನ ಮೂಲಕ ಓದಿ ಮತ್ತು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಿ, (2) ಅಧಿಕೃತ ದಾಖಲಾತಿಗೆ ಫ್ಲ್ಯಾಗ್ಗಳು ಮತ್ತು ಸಿಂಟ್ಯಾಕ್ಸ್ ಅನ್ನು ಲಿಂಕ್ ಮಾಡಿ, (3) ಅದನ್ನು ಪ್ರತ್ಯೇಕ/ಪರೀಕ್ಷಾ ಪರಿಸರದಲ್ಲಿ ಪ್ರಯತ್ನಿಸಿ, ಸಾಧ್ಯವಾದರೆ ಡ್ರೈ-ರನ್ ಮಾಡಿ, (4) ಅದು ತಪ್ಪಾದರೆ ಫಾಲ್ಬ್ಯಾಕ್ ಯೋಜನೆಯನ್ನು (ಬ್ಯಾಕ್ಅಪ್, ಸ್ನ್ಯಾಪ್ಶಾಟ್) ತಯಾರಿಸಿ.
3. ಯಾಂತ್ರೀಕೃತಗೊಂಡ ಸ್ಕ್ರಿಪ್ಟ್ 'ಐಡೆಂಪೋಟೆಂಟ್' ಆಗಿದ್ದರೆ ಇದರ ಅರ್ಥವೇನು ಮತ್ತು ಅದು ಏಕೆ ಮುಖ್ಯವಾಗಿದೆ?
- ಎ) ಪ್ರತಿ ರನ್ನಲ್ಲಿ ಸ್ಕ್ರಿಪ್ಟ್ ವಿಭಿನ್ನ ಫಲಿತಾಂಶಗಳನ್ನು ನೀಡುತ್ತದೆ
- ಬಿ) ಸ್ಕ್ರಿಪ್ಟ್ ಅನ್ನು ಒಮ್ಮೆ ಮಾತ್ರ ರನ್ ಮಾಡಬಹುದು ಮತ್ತು ನಂತರ ಅಳಿಸಬಹುದು
- ಸಿ) ಎರಡನೇ ಬಾರಿ ರನ್ ಮಾಡಿದಾಗ ಸ್ಕ್ರಿಪ್ಟ್ ಯಾವುದೇ ಹಾನಿ ಉಂಟು ಮಾಡುವುದಿಲ್ಲ; ✔ ಮತ್ತೊಮ್ಮೆ ಪ್ರಚೋದಿಸಿದರೂ ಸುರಕ್ಷಿತ
- ಡಿ) ಸ್ಕ್ರಿಪ್ಟ್ ದೋಷ ನಿರ್ವಹಣೆಯನ್ನು ಹೊಂದಿಲ್ಲ
ವಿವರಣೆ: ಐಡೆಂಪೊಟೆನ್ಸಿ ಎಂದರೆ ಒಂದೇ ಸ್ಕ್ರಿಪ್ಟ್ ಅನ್ನು ಎರಡು ಅಥವಾ ಹೆಚ್ಚು ಬಾರಿ ರನ್ ಮಾಡಿದಾಗ, ಅದು ಹಾನಿಯನ್ನು ಉಂಟುಮಾಡುವುದಿಲ್ಲ ಅಥವಾ ಎರಡನೇ ರನ್ನಲ್ಲಿ ದೋಷಗಳನ್ನು ಉಂಟುಮಾಡುವುದಿಲ್ಲ. 'ಬಳಕೆದಾರರು ಈಗಾಗಲೇ ಅಸ್ತಿತ್ವದಲ್ಲಿದ್ದರೆ ಬಿಟ್ಟುಬಿಡಿ', 'ಅದು ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲದಿದ್ದರೆ ಡೈರೆಕ್ಟರಿಯನ್ನು ರಚಿಸಿ, ಅದು ಅಸ್ತಿತ್ವದಲ್ಲಿದ್ದರೆ ಅದನ್ನು ಮುಟ್ಟಬೇಡಿ' ಎಂಬ ತರ್ಕವನ್ನು ಸ್ಥಾಪಿಸಲಾಗಿದೆ. ಆಕಸ್ಮಿಕವಾಗಿ ಮತ್ತೆ ಪ್ರಚೋದಿಸಿದರೂ ಸಹ ಯಾಂತ್ರೀಕೃತಗೊಂಡವು ಸುರಕ್ಷಿತವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ ಎಂದು ಇದು ಖಚಿತಪಡಿಸುತ್ತದೆ.
4. ವಿನಾಶಕಾರಿ ಕಾರ್ಯಾಚರಣೆಗಳನ್ನು (ಅಳಿಸುವಿಕೆ, ಮರುಪ್ರಾರಂಭಿಸಿ) ಒಳಗೊಂಡಿರುವ ಸ್ಕ್ರಿಪ್ಟ್ ಅನ್ನು ಸುರಕ್ಷಿತಗೊಳಿಸಲು ಅತ್ಯಂತ ಮೂಲಭೂತ ಮಾರ್ಗ ಯಾವುದು?
- ಎ) ಸ್ಕ್ರಿಪ್ಟ್ ಅನ್ನು ಸಾಧ್ಯವಾದಷ್ಟು ವೇಗವಾಗಿ ರನ್ ಮಾಡಿ
- ಬಿ) ದೋಷ ಸಂದೇಶಗಳನ್ನು ಮರೆಮಾಡುವುದು
- ಸಿ) ಸ್ಕ್ರಿಪ್ಟ್ ಅನ್ನು ನೇರವಾಗಿ ಉತ್ಪಾದನೆಯಲ್ಲಿ ಪರೀಕ್ಷಿಸುವುದು
- ಡಿ) ಡಿಫಾಲ್ಟ್ ಡ್ರೈ-ರನ್ನ ಹಿಂದೆ ವಿನಾಶಕಾರಿ ಕಾರ್ಯಾಚರಣೆಗಳನ್ನು ಹಾಕುವುದು ಮತ್ತು ಸ್ಪಷ್ಟವಾದ ಟಿಕ್ ಫ್ಲ್ಯಾಗ್ಗೆ ನಿಜವಾದ ಅನುಷ್ಠಾನವನ್ನು ಬಂಧಿಸುವುದು ✔
ವಿವರಣೆ: ಡಿಫಾಲ್ಟ್ ಆಗಿ ವಿನಾಶಕಾರಿ ಪ್ರಕ್ರಿಯೆಗಳನ್ನು ಡ್ರೈ-ರನ್ ಮೋಡ್ನಲ್ಲಿ ಇರಿಸುವುದು ಮತ್ತು ಸ್ಪಷ್ಟವಾದ ಅನುಮೋದನೆ ಫ್ಲ್ಯಾಗ್ನೊಂದಿಗೆ ನಿಜವಾದ ಅಪ್ಲಿಕೇಶನ್ ಅನ್ನು ಮಾತ್ರ ರನ್ ಮಾಡುವುದು (ಉದಾ. --ಅನ್ವಯಿಸಿ) ಸ್ಕ್ರಿಪ್ಟ್ ರನ್ ಆಗುವಾಗ ಏನಾಗುತ್ತದೆ ಎಂಬುದನ್ನು ಮೊದಲು ನೋಡಲು ನಿಮಗೆ ಅನುಮತಿಸುತ್ತದೆ. ಸಹ ಶೂನ್ಯ ವೇರಿಯಬಲ್ ತಪಾಸಣೆ (VAR:?) ಮಾರ್ಗ ದೋಷಗಳನ್ನು ತಡೆಯುತ್ತದೆ.
5. ಲಾಗ್ ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿ 'ಸಹಸಂಬಂಧವು ಕಾರಣವಲ್ಲ' ತತ್ವದ ಅರ್ಥವೇನು?
- ಎ) ಒಟ್ಟಿಗೆ ಬದಲಾಗುವ ಎರಡು ಘಟನೆಗಳು ಕಾರಣ-ಪರಿಣಾಮದ ಸಂಬಂಧದಲ್ಲಿ ಅಗತ್ಯವಾಗಿಲ್ಲ; ಕಾರಣವನ್ನು ಸಹ ಪರಿಶೀಲಿಸಬೇಕು ✔
- ಬಿ) ಲಾಗ್ಗಳಲ್ಲಿ ಪರಸ್ಪರ ಸಂಬಂಧವನ್ನು ಹುಡುಕುವುದು ಸಮಯ ವ್ಯರ್ಥ
- ಸಿ) ಒಟ್ಟಿಗೆ ಬದಲಾಗುವ ಎರಡು ಘಟನೆಗಳಲ್ಲಿ, ಒಂದು ಖಂಡಿತವಾಗಿಯೂ ಇನ್ನೊಂದಕ್ಕೆ ಕಾರಣವಾಗಿದೆ.
- ಡಿ) ಕಾರಣವನ್ನು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯಿಂದ ಮಾತ್ರ ನಿರ್ಧರಿಸಬಹುದು
ವಿವರಣೆ: ಎರಡು ಘಟನೆಗಳು ಒಂದೇ ಸಮಯದಲ್ಲಿ ಸಂಭವಿಸುವುದರಿಂದ (ಪರಸ್ಪರ ಸಂಬಂಧ) ಒಂದು ಇನ್ನೊಂದಕ್ಕೆ (ಕಾರಣ) ಕಾರಣವಾಗುತ್ತದೆ ಎಂದು ಅರ್ಥವಲ್ಲ; ಎರಡೂ ಮೂರನೇ ಘಟನೆಯ ಫಲಿತಾಂಶವಾಗಿರಬಹುದು. AI ಯ ಸಲಹೆಯು 'X ಪ್ರಾಯಶಃ Y ಅನ್ನು ಉಂಟುಮಾಡುತ್ತದೆ' ಎಂಬುದು ಒಂದು ಊಹೆಯಾಗಿದೆ ಮತ್ತು ಅದನ್ನು ಸಿಸ್ಟಮ್ನಲ್ಲಿ ಪರಿಶೀಲಿಸುವವರೆಗೆ ಅದನ್ನು ಕಂಡುಹಿಡಿಯಲಾಗುವುದಿಲ್ಲ.
6. ಕಾರ್ಯಕ್ಷಮತೆಯ ಮೇಲ್ವಿಚಾರಣೆಯಲ್ಲಿ ಪ್ರತಿಕ್ರಿಯೆ ಸಮಯವನ್ನು ಅಳೆಯುವಾಗ ಶೇಕಡಾವಾರು (p95/p99) ಅನ್ನು ಸರಾಸರಿಗಿಂತ ಏಕೆ ಆದ್ಯತೆ ನೀಡಲಾಗುತ್ತದೆ?
- ಎ) ಸರಾಸರಿಗಿಂತ ಶೇಕಡಾವಾರು ಲೆಕ್ಕಾಚಾರ ಮಾಡುವುದು ಸುಲಭ
- ಬಿ) ಸರಾಸರಿಯು ಅಲ್ಪಸಂಖ್ಯಾತರ ಕೆಟ್ಟ ಅನುಭವವನ್ನು ಮರೆಮಾಡುತ್ತದೆ; ಶೇಕಡಾವಾರು ಈ ಗುಪ್ತ ಸಮಸ್ಯೆಗಳನ್ನು ಬಹಿರಂಗಪಡಿಸುತ್ತದೆ ✔
- ಸಿ) ಸರಾಸರಿ ಯಾವಾಗಲೂ ತಪ್ಪಾಗಿರುತ್ತದೆ ಮತ್ತು ಬಳಸಬಾರದು
- D) ಶೇಕಡಾವಾರು CPU ಮೆಟ್ರಿಕ್ಗಳಿಗೆ ಮಾತ್ರ ಅನ್ವಯಿಸುತ್ತದೆ
ವಿವರಣೆ: ಒಂದು ಸಣ್ಣ ಭಾಗದ ಬಳಕೆದಾರರು ಹೊಂದಿರುವ ಕೆಟ್ಟ ಅನುಭವವನ್ನು ಸರಾಸರಿ ಮರೆಮಾಡುತ್ತದೆ. ಸರಾಸರಿಯು 200 ms ಎಂದು ಕಂಡುಬಂದರೂ, p99 6 ಸೆಕೆಂಡುಗಳಾಗಿರಬಹುದು; ಇದರರ್ಥ ಪ್ರತಿ ನೂರು ವಿನಂತಿಗಳಲ್ಲಿ ಒಂದು ಭೀಕರವಾಗಿ ನಿಧಾನವಾಗಿದೆ. ಸರಾಸರಿಯಿಂದ ಮರೆಯಾಗಿರುವ ಈ ಅಲ್ಪಸಂಖ್ಯಾತರ ನೋವನ್ನು ಪರ್ಸೆಂಟೈಲ್ ಗೋಚರವಾಗಿಸುತ್ತದೆ.
7. ಕಾನ್ಫಿಗರೇಶನ್ ನಿರ್ವಹಣೆಯಲ್ಲಿ 'ಡ್ರಿಫ್ಟ್' ಎಂದರೇನು ಮತ್ತು ಅದು ಏಕೆ ಅಪಾಯಕಾರಿ?
- ಎ) ರಾತ್ರಿಯಲ್ಲಿ ನೆಟ್ವರ್ಕ್ ದಟ್ಟಣೆ ಕಡಿಮೆಯಾಗುತ್ತದೆ
- ಬಿ) ಸರ್ವರ್ನ ಭೌತಿಕ ಸ್ಥಳಾಂತರ
- ಸಿ) ಸರ್ವರ್ಗಳು ಕಾಲಾನಂತರದಲ್ಲಿ ಪರಸ್ಪರ ಮತ್ತು ಮಾನದಂಡದಿಂದ ವಿಪಥಗೊಳ್ಳುತ್ತವೆ; ✔ ಸಮಸ್ಯೆ ಸಂಭವಿಸುವವರೆಗೆ ಅದೃಶ್ಯ
- ಡಿ) ಕಾನ್ಫಿಗರೇಶನ್ ಫೈಲ್ಗಳ ಸ್ವಯಂಚಾಲಿತ ಬ್ಯಾಕಪ್
ವಿವರಣೆ: ಡ್ರಿಫ್ಟ್ ಎನ್ನುವುದು ಸರ್ವರ್ಗಳ ಪರಸ್ಪರ ವಿಚಲನವಾಗಿದೆ ಮತ್ತು ಕಾಲಾನಂತರದಲ್ಲಿ ದಾಖಲೆರಹಿತ ಹಸ್ತಚಾಲಿತ ಬದಲಾವಣೆಗಳ ಮೂಲಕ ಪ್ರಮಾಣಿತದಿಂದ. ಅದರ ಅಪಾಯವು ಅದರ ಮೌನವಾಗಿದೆ: ಸಮಸ್ಯೆ ಸಂಭವಿಸುವವರೆಗೆ ಅದು ಗೋಚರಿಸುವುದಿಲ್ಲ, ನಂತರ ಒಂದು ಸರ್ವರ್ ಇತರರಿಂದ ವಿಭಿನ್ನವಾಗಿ ವರ್ತಿಸುತ್ತದೆ ಮತ್ತು ರೋಗನಿರ್ಣಯವು ಗಂಟೆಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ. AI ಹೋಲಿಕೆಯಿಂದ ಡ್ರಿಫ್ಟ್ ಗೋಚರಿಸುವಂತೆ ಮಾಡುತ್ತದೆ; ಚಿನ್ನದ ವೆಲ್ಡಿಂಗ್ ತತ್ವವು ತಡೆಯುತ್ತದೆ.
8. IaC ಪರಿಕರಗಳಲ್ಲಿ (ಟೆರಾಫಾರ್ಮ್ನಂತಹ) 'ಯೋಜನೆ' ಹಂತವು ಅತ್ಯಂತ ಪ್ರಮುಖವಾದ ಸೆಕ್ಯುರಿಟಿ ಗಾರ್ಡ್ರೈಲ್ ಏಕೆ?
- ಎ) ಯೋಜನೆಯು ಕೋಡ್ ಅನ್ನು ವೇಗವಾಗಿ ರನ್ ಮಾಡುತ್ತದೆ
- ಬಿ) ಪ್ಲಾನ್ ಸ್ಟೇಟ್ ಫೈಲ್ ಅನ್ನು ಅಳಿಸುತ್ತದೆ
- ಸಿ) ಯೋಜನೆಯು ಕೋಡ್ ಫಾರ್ಮ್ಯಾಟಿಂಗ್ ಅನ್ನು ಮಾತ್ರ ಸರಿಪಡಿಸುತ್ತದೆ
- ಡಿ) ಅನುಷ್ಠಾನದ ಮೊದಲು ಏನನ್ನು ಸೇರಿಸಲಾಗುತ್ತದೆ, ಬದಲಾಯಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಅಳಿಸಲಾಗುತ್ತದೆ ಎಂಬುದನ್ನು ಯೋಜನೆಯು ತೋರಿಸುತ್ತದೆ; ಡೇಟಾ ನಷ್ಟವನ್ನು ತಡೆಯುತ್ತದೆ ✔
ವಿವರಣೆ: ಯೋಜನೆ (ಟೆರಾಫಾರ್ಮ್ ಯೋಜನೆ / ಅನ್ಸಿಬಲ್ --ಚೆಕ್) ಕೋಡ್ ಅನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವ ಮೊದಲು 'ಏನು ಬದಲಾಗುತ್ತದೆ' ಪೂರ್ವವೀಕ್ಷಣೆಯನ್ನು ನೀಡುತ್ತದೆ: ಎಷ್ಟು ಸಂಪನ್ಮೂಲಗಳನ್ನು ಸೇರಿಸಲಾಗುತ್ತದೆ, ಬದಲಾಯಿಸಲಾಗುತ್ತದೆ, ಅಳಿಸಲಾಗುತ್ತದೆ. ನಿರ್ದಿಷ್ಟವಾಗಿ ಹೇಳುವುದಾದರೆ, 'ಡೆಸ್ಟ್ರೊಯ್' ಮತ್ತು 'ಫೋರ್ಸ್ ರಿಪ್ಲೇಸ್ಮೆಂಟ್' ಸಾಲುಗಳು ಅನುಷ್ಠಾನಕ್ಕೆ ಮುನ್ನ ಡೇಟಾ ನಷ್ಟದ ಅಪಾಯವನ್ನು ಸೂಚಿಸುತ್ತವೆ. ಯೋಜನೆಯನ್ನು ಓದದೆ ಅರ್ಜಿ ಸಲ್ಲಿಸುವುದು ಅತ್ಯಂತ ದುಬಾರಿ ತಪ್ಪುಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ.
9. ಟೆರಾಫಾರ್ಮ್ ಸ್ಟೇಟ್ ಫೈಲ್ ಅನ್ನು ಏಕೆ ಎಚ್ಚರಿಕೆಯಿಂದ ರಕ್ಷಿಸಬೇಕು ಮತ್ತು AI ಅಥವಾ ತೆರೆದ ರೆಪೊಸಿಟರಿಗಳಲ್ಲಿ ಅಂಟಿಸಬಾರದು?
- ಎ) ಸರಳ ಪಠ್ಯ ರಹಸ್ಯಗಳನ್ನು ರಾಜ್ಯ ಕಡತದಲ್ಲಿ ಸೇರಿಸಬಹುದು; ಸೋರಿಕೆಯಾದಲ್ಲಿ, ಗುರುತಿನ ಮಾಹಿತಿಯನ್ನು ಬಹಿರಂಗಪಡಿಸಲಾಗುತ್ತದೆ ✔
- ಬಿ) ಏಕೆಂದರೆ ರಾಜ್ಯದ ಫೈಲ್ ತುಂಬಾ ದೊಡ್ಡದಾಗಿದೆ
- ಸಿ) ರಾಜ್ಯದ ಫೈಲ್ ಅನ್ನು ಈಗಾಗಲೇ ಓದಲಾಗದಂತೆ ಎನ್ಕ್ರಿಪ್ಟ್ ಮಾಡಲಾಗಿದೆ.
- ಡಿ) ರಾಜ್ಯದ ಫೈಲ್ ಅನ್ನು ಹಂಚಿಕೊಂಡಾಗ ಕೋಡ್ ವೇಗವಾಗಿ ಚಲಿಸುತ್ತದೆ
ವಿವರಣೆ: ಸ್ಟೇಟ್ ಫೈಲ್ ನಿರ್ವಹಿಸಿದ ಮೂಲಸೌಕರ್ಯದ ಪ್ರಸ್ತುತ ಸ್ಥಿತಿಯನ್ನು ಇರಿಸುತ್ತದೆ ಮತ್ತು ಸರಳ ಪಠ್ಯ ರಹಸ್ಯಗಳನ್ನು (ಡೇಟಾಬೇಸ್ ಪಾಸ್ವರ್ಡ್ಗಳು, ಕೀಗಳು) ಒಳಗೊಂಡಿರುತ್ತದೆ. ಆದ್ದರಿಂದ, ಅದನ್ನು ಎನ್ಕ್ರಿಪ್ಟ್ ಮಾಡಿದ, ಪ್ರವೇಶ-ನಿರ್ಬಂಧಿತ, ಲಾಕ್ ಮಾಡಿದ ರಿಮೋಟ್ ಬ್ಯಾಕೆಂಡ್ನಲ್ಲಿ ಇರಿಸಬೇಕು; ಅದನ್ನು ಸಾರ್ವಜನಿಕ ವಾಹನ ಅಥವಾ ರೆಪೊಸಿಟರಿಯಲ್ಲಿ ಎಂದಿಗೂ ಇಡಬಾರದು, ಇಲ್ಲದಿದ್ದರೆ ರಹಸ್ಯವು ಸೋರಿಕೆಯಾಗುತ್ತದೆ.
10. ಯಾವುದೇ ರನ್ಬುಕ್ಗಿಂತ ತಪ್ಪಾದ ರನ್ಬುಕ್ ಹೆಚ್ಚು ಅಪಾಯಕಾರಿ ಎಂಬ ಹೇಳಿಕೆಯು ದಾಖಲಾತಿಯಲ್ಲಿ ಏನನ್ನು ಒತ್ತಿಹೇಳುತ್ತದೆ?
- ಎ) ರನ್ಬುಕ್ ಬರೆಯುವುದು ಸಮಯ ವ್ಯರ್ಥ
- ಬಿ) ಬಿಕ್ಕಟ್ಟಿನಲ್ಲಿ ಪರೀಕ್ಷಿಸದ ರನ್ಬುಕ್ ಅನ್ನು ಕುರುಡಾಗಿ ಅಳವಡಿಸಲಾಗಿದೆ; ಒಂದು ತಪ್ಪು ಹೆಜ್ಜೆಯು ವಿಪತ್ತಿಗೆ ಕಾರಣವಾಗಬಹುದು ✔
- ಸಿ) ರನ್ಬುಕ್ಗಳನ್ನು ನಿರ್ವಾಹಕರಿಗೆ ಮಾತ್ರ ಬರೆಯಲಾಗಿದೆ
- ಡಿ) ಡಾಕ್ಯುಮೆಂಟೇಶನ್ ಅನ್ನು ಎಂದಿಗೂ ನವೀಕರಿಸಬಾರದು
ವಿವರಣೆ: ಬಿಕ್ಕಟ್ಟಿನ ಸಂದರ್ಭದಲ್ಲಿ ರನ್ಬುಕ್ ಇಲ್ಲದ ತಂಡವು ಎಚ್ಚರಿಕೆಯ ಮತ್ತು ಅನುಮಾನಾಸ್ಪದವಾಗಿರುತ್ತದೆ; ಆದರೆ 'ಅಧಿಕೃತ' ರನ್ಬುಕ್ ಹೊಂದಿರುವ ವ್ಯಕ್ತಿಯು ಅದನ್ನು ಪ್ರಶ್ನಿಸದೆ ಒತ್ತಡದಲ್ಲಿ ಅನ್ವಯಿಸುತ್ತಾನೆ. ರನ್ಬುಕ್ ಅನ್ನು ಪರೀಕ್ಷಿಸಲಾಗಿಲ್ಲ ಮತ್ತು ಒಂದು ಹೆಜ್ಜೆ ತಪ್ಪಾಗಿದ್ದರೆ, ಕುರುಡು ಅನುಷ್ಠಾನವು ದುರಂತಕ್ಕೆ ಕಾರಣವಾಗುತ್ತದೆ. ಅದಕ್ಕಾಗಿಯೇ ಪ್ರತಿ ರನ್ಬುಕ್ ಅನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ಪರೀಕ್ಷಿಸಬೇಕು ಮತ್ತು ನೈಜ ಪರಿಸರದಲ್ಲಿ ಸ್ಟ್ಯಾಂಪ್ ಮಾಡಬೇಕು.
11. ಮುನ್ಸೂಚಕ ನಿರ್ವಹಣೆಯಲ್ಲಿ, ಡಿಸ್ಕ್ ವೈಫಲ್ಯವನ್ನು ಸಮೀಪಿಸುತ್ತಿರುವಾಗ ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಸರಿಯಾದ ವಿಧಾನ ಯಾವುದು?
- ಎ) ತಕ್ಷಣವೇ ಒಂದು ಕೆಟ್ಟ SMART ಡಿಸ್ಕ್ ಅನ್ನು ಬದಲಾಯಿಸಿ
- B) SMART ಡೇಟಾವನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ನಿರ್ಲಕ್ಷಿಸುವುದು
- ಸಿ) ಕಾಲಾನಂತರದಲ್ಲಿ ಮೌಲ್ಯಗಳ ಪ್ರವೃತ್ತಿಯನ್ನು ನೋಡುವುದು; ✔ ಸ್ಥಿರ ಮತ್ತು ವೇಗವರ್ಧಕ ಹೆಚ್ಚಳ ಸಿಗ್ನಲ್ ಎಣಿಕೆ
- ಡಿ) ಡಿಸ್ಕ್ ಸಂಪೂರ್ಣವಾಗಿ ಕುಸಿದ ನಂತರವೇ ಕ್ರಮ ತೆಗೆದುಕೊಳ್ಳುವುದು
ವಿವರಣೆ: ಒಂದೇ ಒಂದು ಕೆಟ್ಟ SMART ಓದುವಿಕೆ ಪ್ಯಾನಿಕ್ಗೆ ಕಾರಣವಲ್ಲ; ಡಿಸ್ಕ್ಗಳು ಸಾಂದರ್ಭಿಕ ದೋಷಗಳನ್ನು ಸರಿಪಡಿಸುವುದು ಸಹಜ. ನಿಜವಾದ ಸಂಕೇತವು ಪ್ರವೃತ್ತಿಯಾಗಿದೆ: ಕಾಲಾನಂತರದಲ್ಲಿ ಮರುಹಂಚಿಕೆ ವಲಯದಂತಹ ಮೌಲ್ಯಗಳ ಸ್ಥಿರ ಮತ್ತು ವೇಗವರ್ಧನೆಯ ಹೆಚ್ಚಳ. ಅದಕ್ಕಾಗಿಯೇ AI ಗೆ ಸಮಯ ಸರಣಿಯನ್ನು ನೀಡಲಾಗಿದೆ, ಒಂದೇ ಓದುವಿಕೆ ಅಲ್ಲ.
12. ಉತ್ಪಾದನೆಯ ಬದಲಾವಣೆಯ ಎರಡು ಹೆಚ್ಚಾಗಿ ಕಡೆಗಣಿಸಲ್ಪಟ್ಟ ಆದರೆ ನಿರ್ಣಾಯಕ ಭಾಗಗಳು ಯಾವುವು?
- ಎ) ಬದಲಾವಣೆಯ ಬಣ್ಣ ಮತ್ತು ಹೆಸರು
- ಬಿ) ಬದಲಾವಣೆ ಮಾಡುವ ವ್ಯಕ್ತಿಯ ಶೀರ್ಷಿಕೆ ಮತ್ತು ಇಲಾಖೆ
- ಸಿ) ಸಾಮಾಜಿಕ ಮಾಧ್ಯಮದಲ್ಲಿ ಬದಲಾವಣೆಯ ಪ್ರಕಟಣೆ
- ಡಿ) ರೋಲ್ಬ್ಯಾಕ್ ಯೋಜನೆ ಮತ್ತು ಯಶಸ್ಸಿನ ಪರಿಶೀಲನಾ ಮಾನದಂಡ ✔
ವಿವರಣೆ: ಬದಲಾವಣೆಯನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವ ಮೊದಲು 'ಅದು ಕೆಟ್ಟದಾಗಿ ಹೋದರೆ ನಾನು ಹೇಗೆ ನಿಖರವಾಗಿ ಹಿಂತಿರುಗುವುದು' (ರೋಲ್ಬ್ಯಾಕ್ ಯೋಜನೆ) ಮತ್ತು 'ಅದು ಯಶಸ್ವಿಯಾಗಿದೆ ಎಂದು ನಾನು ಹೇಗೆ ಸಾಬೀತುಪಡಿಸುವುದು' (ಯಶಸ್ವಿ ಪರಿಶೀಲನೆ ಮಾನದಂಡ) ಪ್ರಶ್ನೆಗಳಿಗೆ ಯಾವುದೇ ಲಿಖಿತ ಉತ್ತರವಿಲ್ಲದಿದ್ದರೆ, ಬದಲಾವಣೆಯು ಇನ್ನೂ ಸಿದ್ಧವಾಗಿಲ್ಲ. ಇವೆರಡೂ ಇಲ್ಲದೆ, ಮುರಿದ ಬದಲಾವಣೆಯನ್ನು 'ಸಂಪೂರ್ಣ' ಎಂದು ಪರಿಗಣಿಸಬಹುದು.
13. ಒಂದೇ ಸಮಯದಲ್ಲಿ ಎಲ್ಲಾ ಸರ್ವರ್ಗಳಿಗೆ ಭದ್ರತಾ ನಿಯೋಜನೆಯನ್ನು (ಹೊಸ ಆವೃತ್ತಿ/ಪ್ಯಾಚ್) ಹೊರತರುವುದಕ್ಕಿಂತ 'ಕ್ಯಾನರಿ' ವಿಧಾನವನ್ನು ಏಕೆ ಆದ್ಯತೆ ನೀಡಲಾಗಿದೆ?
- ಎ) ಬದಲಾವಣೆಯನ್ನು ಮೊದಲು ಸಣ್ಣ ಭಾಗಕ್ಕೆ ಅನ್ವಯಿಸಲಾಗುತ್ತದೆ; ಒಂದು ದೋಷವು ಒಂದು ಸಣ್ಣ ಭಾಗದ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುತ್ತದೆ, ಸಂಪೂರ್ಣ ನೌಕಾಪಡೆಯ ಮೇಲೆ ಅಲ್ಲ, ಮತ್ತು ಬೇಗನೆ ಹಿಡಿಯಲಾಗುತ್ತದೆ ✔
- ಬಿ) ಕ್ಯಾನರಿ ವಿತರಣೆಯು ಕಡಿಮೆ ವಿದ್ಯುತ್ ಬಳಸುತ್ತದೆ
- ಸಿ) ಕ್ಯಾನರಿ ನಿಯೋಜನೆ ಪರಿಶೀಲನೆಯನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ಅನಗತ್ಯವಾಗಿಸುತ್ತದೆ
- ಡಿ) ಕ್ಯಾನರಿ ನಿಯೋಜನೆಯು ಡೇಟಾಬೇಸ್ಗಳಿಗೆ ಮಾತ್ರ ಅನ್ವಯಿಸುತ್ತದೆ
ವಿವರಣೆ: ಕ್ಯಾನರಿ ನಿಯೋಜನೆಯು ಬದಲಾವಣೆಯನ್ನು ಸಣ್ಣ ಭಾಗಕ್ಕೆ (ಒಂದು ಸರ್ವರ್, 5% ಬಳಕೆದಾರರು) ಮೊದಲು ಅನ್ವಯಿಸುತ್ತದೆ ಮತ್ತು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡುತ್ತದೆ. ಈ ರೀತಿಯಾಗಿ, ಒಂದು ದೋಷವು ಒಂದು ಸಣ್ಣ ಭಾಗದ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುತ್ತದೆ, ಸಂಪೂರ್ಣ ಫ್ಲೀಟ್ ಅಲ್ಲ, ಮತ್ತು ಬೇಗನೆ ಹಿಡಿಯಲಾಗುತ್ತದೆ. ಒಂದೇ ಬಾರಿಗೆ ಹರಡುವ ದೋಷವು ಎಲ್ಲಾ ಬಳಕೆದಾರರನ್ನು ಒಂದೇ ಸಮಯದಲ್ಲಿ ಹೊಡೆಯುತ್ತದೆ.
14. ಭದ್ರತಾ ಕೆಲಸದಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಬಳಸುವಾಗ ಬದಲಾಗದ ನೈತಿಕ ಮತ್ತು ಕಾನೂನು ನಿಯಮ ಯಾವುದು?
- ಎ) ಯಾವುದೇ ವ್ಯವಸ್ಥೆಯಲ್ಲಿನ ದೋಷಗಳನ್ನು ಸ್ಕ್ಯಾನ್ ಮಾಡಲು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಮುಕ್ತವಾಗಿ ಬಳಸಬಹುದು
- ಬಿ) ನೀತಿಸಂಹಿತೆ ದೊಡ್ಡ ಸಂಸ್ಥೆಗಳಿಗೆ ಮಾತ್ರ ಅನ್ವಯಿಸುತ್ತದೆ
- ಸಿ) ಇದನ್ನು ಅಧಿಕೃತ ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ ಮತ್ತು ರಕ್ಷಣಾ ಉದ್ದೇಶಗಳಿಗಾಗಿ ಮಾತ್ರ ಬಳಸಲಾಗುತ್ತದೆ; ಅನಧಿಕೃತ ಪ್ರವೇಶ ಅಥವಾ ದಾಳಿಗೆ ಬಳಸುವುದು ಅಪರಾಧ ✔
- ಡಿ) ಕಲಿಯಲು ಬೇರೊಬ್ಬರ ವ್ಯವಸ್ಥೆಯನ್ನು ನುಸುಳುವುದು ಉಚಿತ.
ವಿವರಣೆ: ಸಿಸ್ಟಮ್ ಮತ್ತು ನೆಟ್ವರ್ಕ್ ಮಾಹಿತಿಯು ಎರಡು ಬಳಕೆಯಾಗಿದೆ. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ನೀವು ಲಿಖಿತ ದೃಢೀಕರಣವನ್ನು ಹೊಂದಿರುವ ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ ಮಾತ್ರ ಬಳಸಬಹುದಾಗಿದೆ ಮತ್ತು ರಕ್ಷಣಾತ್ಮಕ ಉದ್ದೇಶಗಳಿಗಾಗಿ (ಲಾಗ್ ಬೆದರಿಕೆ ಪತ್ತೆ, ಗಟ್ಟಿಯಾಗುವುದು, ಘಟನೆಯ ಪ್ರತಿಕ್ರಿಯೆ). ನಿಮಗೆ ಸೇರದ ಸಿಸ್ಟಮ್ ಅನ್ನು ಸ್ಕ್ಯಾನ್ ಮಾಡಲು ಅಥವಾ ಒಳನುಸುಳಲು ಇದನ್ನು ಬಳಸುವುದು ಅನಧಿಕೃತ ಪ್ರವೇಶ ಮತ್ತು ಅಪರಾಧ; ಕಲಿಯಲು ಪ್ರತ್ಯೇಕ ಪ್ರಯೋಗಾಲಯವನ್ನು ಬಳಸಬೇಕು.