ലോഗ് വിശകലനവും നിരീക്ഷണവും

നേട്ടങ്ങൾ:

• വലിയ ലോഗ് ഡംപുകളെ മാസ്ക് ചെയ്തും ഫിൽട്ടർ ചെയ്തും അവയെ AI-ലേക്ക് സംഗ്രഹിക്കാനും ഒരു ടൈംലൈൻ സൃഷ്ടിക്കാനുമുള്ള കഴിവ്
• കാര്യകാരണമല്ല, അനുമാനങ്ങളായി AI സ്ഥാപിച്ച സമയ ബന്ധങ്ങളെ വിലയിരുത്താൻ കഴിയും
• മെട്രിക്സും കോഡും ഉപയോഗിച്ച് മൂലകാരണ സിദ്ധാന്തം സാധൂകരിക്കാനും ഒരു പോസ്റ്റ്മോർട്ടം സ്കെച്ച് തയ്യാറാക്കാനുമുള്ള കഴിവ്

ഒരു സോഫ്‌റ്റ്‌വെയർ പ്രൊഡക്ഷനിൽ (തത്സമയ പരിതസ്ഥിതി) പ്രവർത്തിക്കുമ്പോൾ, ട്രെയ്‌സുകളും മെട്രിക്‌സും ലോഗുകളും (അത് പ്രവർത്തിക്കുമ്പോൾ ആപ്ലിക്കേഷൻ നിർമ്മിച്ച ടൈം-സ്റ്റാമ്പ് ചെയ്ത ലോഗ് ലൈനുകൾ) മാത്രമേ അത് എന്താണ് ചെയ്യുന്നതെന്ന് നിങ്ങളോട് പറയൂ. ഒരു തകർച്ച സമയത്ത് ആയിരക്കണക്കിന്, ചിലപ്പോൾ ദശലക്ഷക്കണക്കിന് ലോഗ് ലൈനുകളിൽ നിന്ന് അർത്ഥവത്തായ ഒരു സിഗ്നൽ വലിക്കുന്നത് ഒരു സംഭവ പ്രതികരണത്തിൻ്റെ ഏറ്റവും സമ്മർദ്ദകരവും സമയ-നിർണ്ണായകവുമായ നിമിഷമാണ്. ഇവിടെ, AI-ക്ക് ഒരു സഹായിയാകാൻ കഴിയും, വലിയ ടെക്‌സ്‌റ്റുകൾ സംഗ്രഹിക്കുകയും പാറ്റേണുകൾ എക്‌സ്‌ട്രാക്റ്റുചെയ്യുകയും അനുമാനങ്ങൾ സൃഷ്ടിക്കുകയും ചെയ്യുന്നു - നിങ്ങൾ സ്വകാര്യതയെയും സ്ഥിരീകരണ പരിധികളെയും ബഹുമാനിക്കുന്നിടത്തോളം.

ഈ യൂണിറ്റിൽ, നിരീക്ഷണത്തിൻ്റെ പശ്ചാത്തലത്തിൽ AI ഉപയോഗിക്കാൻ ഞങ്ങൾ പഠിക്കുന്നു - ഒരു സിസ്റ്റത്തിൻ്റെ ബാഹ്യ ഔട്ട്‌പുട്ടുകൾ നോക്കി അതിൻ്റെ ആന്തരിക അവസ്ഥ മനസ്സിലാക്കാനുള്ള കഴിവ്: ലോഗ് നോയ്‌സിൽ നിന്ന് അർത്ഥം വേർതിരിച്ചെടുക്കൽ, ഒരു ബഗിൻ്റെ ടൈംലൈൻ സ്ഥാപിക്കൽ, ആവർത്തിക്കുന്ന പാറ്റേണുകൾ കണ്ടെത്തൽ, പോസ്റ്റ്‌മോർട്ടം തയ്യാറാക്കൽ. മുന്നിൽ ഗുരുതരമായ മുന്നറിയിപ്പ്: അസംസ്‌കൃത ഉൽപ്പാദന ലോഗുകളിൽ പലപ്പോഴും വ്യക്തിഗത വിവരങ്ങളും രഹസ്യങ്ങളും അടങ്ങിയിരിക്കുന്നു; ഒരു AI ടൂളിലേക്ക് അവയെ ക്രമരഹിതമായി ഒട്ടിക്കുന്നത് ഗുരുതരമായ ലംഘനമാണ്.

എന്തുകൊണ്ട് ലോഗുകൾ കഠിനമാണ്, എന്തുകൊണ്ട് AI സഹായകരമാണ്?

മൂന്ന് കാരണങ്ങളാൽ ലോഗുകൾ ബുദ്ധിമുട്ടാണ്: വോളിയം (വളരെയധികം ഉണ്ട്), ശബ്ദം (നിരവധി വരികൾ അപ്രസക്തമാണ്), അലങ്കോലപ്പെടുത്തൽ (വിവിധ സേവനങ്ങളുടെ ലോഗുകളിൽ ഒരു ഇവൻ്റ് ചിതറിക്കിടക്കുന്നു). ഈ കൂമ്പാരത്തിൽ മനുഷ്യൻ്റെ കണ്ണ് തളർന്നുപോകുകയും പ്രധാനപ്പെട്ട ലൈൻ നഷ്ടപ്പെടുകയും ചെയ്യുന്നു.

ടെക്‌സ്‌റ്റിൻ്റെ വലിയ ബ്ലോക്കുകൾ സംഗ്രഹിക്കുന്നതിലും ആവർത്തിച്ചുള്ള പാറ്റേണുകൾ എണ്ണുന്നതിലും “പിശകുകളുടെ പൊട്ടിത്തെറിക്ക് തൊട്ടുമുമ്പ് എന്താണ് മാറിയത്?” എന്ന് ചോദിക്കുന്നതിലും AI മികച്ചതാണ്. എന്നിരുന്നാലും, രണ്ട് പരിധികളുണ്ട് എന്നതുപോലുള്ള സമയ ബന്ധങ്ങൾ സ്ഥാപിക്കുന്നതിൽ ഇത് ശക്തമാണ്. ആദ്യത്തേത് സന്ദർഭ ജാലകമാണ്: നിങ്ങൾക്ക് ഒരു മോഡലിൽ ഉൾക്കൊള്ളിക്കാവുന്ന ലോഗുകളുടെ അളവ് പരിമിതമാണ്, അതിനാൽ നിങ്ങൾ ആദ്യം ഫിൽട്ടർ ചെയ്ത് സാമ്പിൾ ചെയ്യേണ്ടതുണ്ട്. രണ്ടാമതായി, മൂല്യനിർണ്ണയം: AI പറയുന്നത് "ഇതാ മൂലകാരണം" എന്നത് ഒരു സിദ്ധാന്തമാണ്; മെട്രിക്കുകളും കോഡും ഉപയോഗിച്ച് സ്ഥിരീകരിക്കാതെ ഒരു തീരുമാനം എടുക്കരുത്.

മുന്നറിയിപ്പ്: റോ പ്രൊഡക്ഷൻ ലോഗുകളിൽ IP വിലാസം, ഇമെയിൽ, ടോക്കൺ, സെഷൻ ഐഡി എന്നിവയും ചിലപ്പോൾ തുറന്ന രഹസ്യവും അടങ്ങിയിരിക്കാം. AI-ലേക്ക് ഭക്ഷണം നൽകുന്നതിന് മുമ്പ് അവരെ മാസ്ക് ചെയ്യുക, അല്ലെങ്കിൽ എൻ്റർപ്രൈസ്-അംഗീകൃത, ഡാറ്റ-സുരക്ഷിത ഉപകരണങ്ങൾ മാത്രം ഉപയോഗിക്കുക. യൂണിറ്റ് 10 ൽ ഞങ്ങൾ ഈ വിഷയം ആഴത്തിലാക്കുന്നു.

ഘട്ടം ഘട്ടമായി: ലോഗ് മുതൽ റൂട്ട് കോസ് വരെ

1. സമയ ജാലകം ഇടുങ്ങിയതാക്കുക. ഇവൻ്റ് ആരംഭിച്ച നിമിഷങ്ങൾ നിർണ്ണയിക്കുക; ആ ജാലകം പരിശോധിക്കുക, ദിവസം മുഴുവൻ അല്ല.
2. ശബ്ദം ഫിൽട്ടർ ചെയ്യുക. അറിയപ്പെടുന്ന ആവർത്തിച്ചുള്ള, നിരുപദ്രവകരമായ വരികൾ നീക്കം ചെയ്യുക; പിശക് (പിശക്), മുന്നറിയിപ്പ് (മുന്നറിയിപ്പ്), ആദ്യ വ്യതിയാന നിമിഷം എന്നിവയിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുക.
3. സെൻസിറ്റീവ് ഡാറ്റ മാസ്ക് ചെയ്യുക. വ്യക്തിഗത വിവരങ്ങളും രഹസ്യങ്ങളും AI-ക്ക് നൽകുന്നതിന് മുമ്പ് അവ വൃത്തിയാക്കുക.
4. ഒരു സംഗ്രഹവും ടൈംലൈനും സൃഷ്ടിക്കുക. ഇവൻ്റ് ഒരു കാലഗണനയിൽ സംഗ്രഹിക്കാൻ AI-യോട് ആവശ്യപ്പെടുക ("ആദ്യം ഇത്, പിന്നെ അത്").
5. മെട്രിക്സും കോഡും ഉപയോഗിച്ച് അനുമാനം സാധൂകരിക്കുക. AI ചൂണ്ടിക്കാണിച്ച കാരണം; ബാധകമെങ്കിൽ ഡാഷ്‌ബോർഡ്, പ്രസക്തമായ കോഡ്, വിന്യാസ ടൈംലൈൻ എന്നിവ ഉപയോഗിച്ച് സ്ഥിരീകരിക്കുക.
6. പഠിച്ചത് എഴുതുക. ഒരു പോസ്റ്റ്‌മോർട്ടം സ്കെച്ച് ഉണ്ടാക്കി പ്രതിരോധ പ്രവർത്തനങ്ങൾ പട്ടികപ്പെടുത്തുക.

മൂന്ന് മിനി കേസുകൾ

കേസ് 1 — 40,000 വരികൾ 5 മിനിറ്റിനുള്ളിൽ സംഗ്രഹിച്ചു. ഒരു പേയ്‌മെൻ്റ് സേവനം 12 മിനിറ്റിനുള്ളിൽ ഇടയ്‌ക്കിടെയുള്ള പിശക് റിപ്പോർട്ട് ചെയ്‌തു. ടീം മാസ്ക് ചെയ്ത ലോഗുകളുടെ പ്രസക്തമായ 20 മിനിറ്റ് വിൻഡോ (ഏകദേശം 40,000 വരികൾ, സാമ്പിൾ) AI-ക്ക് നൽകുകയും ഒരു ടൈംലൈൻ ജനറേറ്റ് ചെയ്യുകയും ചെയ്തു. ഒരു ഡിപൻഡൻസി സേവനത്തിൻ്റെ പ്രതികരണ സമയം 200 എംഎസിൽ നിന്ന് 8 സെക്കൻഡായി വർദ്ധിച്ച നിമിഷവുമായി പിശക് പൊട്ടിത്തെറിച്ചതായി മോഡൽ കാണിച്ചു. സംഘം ഇത് ഡാഷ്‌ബോർഡിൽ സ്ഥിരീകരിക്കുകയും 10 മിനിറ്റിനുള്ളിൽ കാരണം ചുരുക്കുകയും ചെയ്തു.

കേസ് 2 - തെറ്റിദ്ധരിപ്പിക്കുന്ന പരസ്പരബന്ധം. മറ്റൊരു സംഭവത്തിൽ, ഒരു ക്രോൺ (ഷെഡ്യൂൾ ചെയ്ത ടാസ്‌ക്) ഓടുമ്പോൾ "അതേ സമയം" പിശകുകൾ സംഭവിക്കുന്നുവെന്ന് പറഞ്ഞുകൊണ്ട് AI അതിനെ കുറ്റപ്പെടുത്തി. ടീം മെട്രിക്‌സ് പരിശോധിച്ചപ്പോൾ, ഇവൻ്റിന് മുമ്പ് ക്രോൺ യഥാർത്ഥത്തിൽ പൂർത്തിയാക്കിയതായി അവർ കണ്ടു; പരസ്പരബന്ധം യാദൃശ്ചികമായിരുന്നു. മെമ്മറി ചോർച്ചയാണ് യഥാർത്ഥ കാരണം. പാഠം: AI സ്ഥാപിച്ച സമയ പരസ്പരബന്ധം ഒരു സൂചനയാണ്, തെളിവല്ല.

കേസ് 3 - പോസ്റ്റ്‌മോർട്ടം ത്വരിതപ്പെടുത്തി. ഒരു തകരാറിന് ശേഷം, ടീം ഇവൻ്റ് ചാനലിൽ നിന്നുള്ള സന്ദേശ ട്രാൻസ്ക്രിപ്റ്റും ടൈംലൈനും AI-യിലേക്ക് നൽകുകയും അത് ഒരു പോസ്റ്റ്‌മോർട്ടം സ്കെച്ച് നിർമ്മിക്കുകയും ചെയ്തു: സംഗ്രഹം, ആഘാതം, ടൈംലൈൻ, മൂലകാരണം, പ്രവർത്തനങ്ങൾ. ഹ്യൂമൻ എഡിറ്റർ വസ്തുതകൾ തിരുത്തി പ്രവർത്തന ഉടമകളെ നിയമിച്ചു. സാധാരണയായി 2 മണിക്കൂർ എടുക്കുന്ന ഡോക്യുമെൻ്റ്, കൂടുതൽ സ്ഥിരതയുള്ള ഘടനയോടെ ഏകദേശം 40 മിനിറ്റിനുള്ളിൽ പൂർത്തിയാക്കി.

പകർത്താവുന്ന നാല് ടെംപ്ലേറ്റുകൾ

ലോഗ് സംഗ്രഹവും ടൈംലൈനും (മാസ്ക് ചെയ്ത ലോഗിനൊപ്പം):

മാസ്ക് ചെയ്ത പ്രൊഡക്ഷൻ ലോഗിൻ്റെ ഒരു ഇവൻ്റ് വിൻഡോ ചുവടെയുണ്ട്.1) ഇവൻ്റ് കാലക്രമത്തിലുള്ള ടൈംലൈനിലേക്ക് പകരുക (ആദ്യത്തെ വ്യതിയാനത്തിൻ്റെ നിമിഷം അടയാളപ്പെടുത്തുക).2) പതിവായി ആവർത്തിക്കുന്ന പിശക്/മുന്നറിയിപ്പ് തരങ്ങൾ എണ്ണി ഗ്രൂപ്പുചെയ്യുക.3) "മുമ്പ് എന്താണ് മാറിയത്?" ചോദ്യത്തിനുള്ള കാൻഡിഡേറ്റ് ഇവൻ്റുകൾ ലിസ്റ്റ് ചെയ്യുക. ഇവ അനുമാനങ്ങളാണ്; ഇത് "പരിശോധിച്ചിരിക്കണം" എന്ന് അടയാളപ്പെടുത്തുക. {{ലോഗുകൾ}}

പിശക് പാറ്റേൺ വേർതിരിച്ചെടുക്കൽ:

ഈ ലോഗ് ലൈനുകളിൽ ആവർത്തിച്ചുള്ള പിശക് പാറ്റേണുകൾ കണ്ടെത്തുക. ഓരോ പാറ്റേണിനും: സാമ്പിൾ ലൈൻ (മുഖമൂടി), കണക്കാക്കിയ ഉറവിടവും സാധ്യമായ അർത്ഥവും. ഒരു പ്രത്യേക "ശ്രദ്ധ" പട്ടികയിൽ അപൂർവവും എന്നാൽ ഗുരുതരവുമായ ഒറ്റ പിശകുകൾ ശേഖരിക്കുക.{{ലോഗുകൾ}}

ഘടനാപരമായ ചോദ്യം/ഫിൽട്ടർ ജനറേഷൻ:

{{ലോഗ് ടൂൾ: grep/jq/Kibana KQL/CloudWatch Insights}} എന്നതിനായി, ഇനിപ്പറയുന്ന വ്യവസ്ഥ പാലിക്കുന്ന ഒരു ചോദ്യം എഴുതുക: {{ഉദാ. ഉപയോക്താവ് X}} ഒഴികെ, കഴിഞ്ഞ 15 മിനിറ്റിൽ 5xx പിശകുകൾ. ചോദ്യം വിശദീകരിക്കുക; നിങ്ങൾ ഡൊമെയ്ൻ നാമങ്ങൾ ഉണ്ടാക്കുന്നില്ലെന്ന് ഉറപ്പാക്കുക, നിങ്ങൾക്ക് ഉറപ്പില്ലെങ്കിൽ ചോദിക്കുക.

പോസ്റ്റ്‌മോർട്ടം സ്കെച്ച്:

ഇനിപ്പറയുന്ന (മുഖംമൂടി) ഇവൻ്റ് ടൈംലൈനിൽ നിന്ന് ഒരു പോസ്റ്റ്‌മോർട്ടം സ്കെച്ച് എഴുതുക: സംഗ്രഹം / ആഘാതം (ദൈർഘ്യം, ഉപയോക്താവിനെ ബാധിച്ചത്) / ടൈംലൈൻ / മൂലകാരണം / നന്നായി പോയത് / പ്രവർത്തനങ്ങൾ (ഓരോന്നിനും ഉടമ ഫീൽഡ് ശൂന്യമായി വിടുക). കുറ്റപ്പെടുത്തുന്ന ഭാഷ ഉപയോഗിക്കരുത്; വസ്തുതാപരമായും സജീവമായുംരിക്കുക.{{timeline}}

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലൻ: "ഈ ലോഗുകൾ നോക്കൂ, എന്താണ് കുഴപ്പം?" (വ്യക്തിഗത ഡാറ്റയോടുകൂടിയ മുഴുവൻ ദിവസത്തെയും അസംസ്‌കൃത ലോഗ്, ലക്ഷ്യമില്ലാത്തത്.)

ശക്തമായത്: "14:02–14:20 മുതൽ (5xxs വരെ ഫിൽട്ടർ ചെയ്‌ത) മാസ്‌ക് ചെയ്‌ത പ്രൊഡക്ഷൻ ലോഗ് ചുവടെയുണ്ട്. ഈ വിൻഡോയിൽ, പിശക് പൊട്ടിപ്പുറപ്പെട്ട നിമിഷം കണ്ടെത്തുക, ഏറ്റവും സാധാരണമായ പിശക് തരം എണ്ണുക, സ്‌ഫോടനത്തിന് തൊട്ടുമുമ്പ് 60 സെക്കൻഡിനുള്ളിൽ പ്രത്യക്ഷപ്പെട്ട വ്യതിയാനങ്ങൾ ലിസ്റ്റ് ചെയ്യുക; അവയെല്ലാം പരിശോധിച്ചുറപ്പിക്കാൻ 'അനുമാനം' എന്ന് അടയാളപ്പെടുത്തുക."

ശക്തമായ പതിപ്പ്; ഇത് സമയ ജാലകത്തെ ചുരുക്കുകയും, ലോഗിനെ ഫിൽട്ടർ ചെയ്യുകയും മാസ്ക് ചെയ്യുകയും ചെയ്യുന്നു, വ്യക്തമായ ഒരു ചോദ്യം ചോദിക്കുന്നു, കൂടാതെ ഔട്ട്‌പുട്ട് ഒരു സിദ്ധാന്തമാണെന്ന് ആദ്യം മുതൽ സ്ഥാപിക്കുന്നു.

അന്വേഷണം

AI ശക്തമാണ്

പരിധി / സ്ഥിരീകരണം

വലിയ ലോഗ് സംഗ്രഹം

അതെ, വേഗം

സാമ്പിൾ നഷ്ടം ഉണ്ടാകാം

ഒരു സമയ ബന്ധം സ്ഥാപിക്കുന്നു

സൂചനകൾ സൃഷ്ടിക്കുന്നു

പരസ്പരബന്ധം ≠ കാരണം

ചോദ്യം/ഫിൽട്ടർ ജനറേഷൻ

നല്ല ഡ്രാഫ്റ്റ്

ഡൊമെയ്ൻ നാമങ്ങൾ യഥാർത്ഥമാണോ?

പോസ്റ്റ്മോർട്ടം സ്കെച്ച്

ഘടനയും ഭാഷയും

കേസുകൾ മനുഷ്യ സ്ഥിരീകരിച്ചു

പരസ്പരബന്ധം കാരണമല്ല

ലോഗ് വിശകലനത്തിലെ ഏറ്റവും സാധാരണമായ പോരായ്മ "അത് ഒരേ സമയത്താണ് സംഭവിച്ചത്, അതിനാലാണ്" തെറ്റ്. AI ഈ കെണിയിൽ വീഴുന്നത് മനുഷ്യരെക്കാളും എളുപ്പമല്ലെങ്കിൽ പോലും; കാരണം വാചകത്തിലെ ഒരേസമയം ഒരു ശക്തമായ സിഗ്നലായി അത് കരുതുന്നു. ഒരു സംഭവം യഥാർത്ഥത്തിൽ മറ്റൊന്നിലേക്ക് നയിക്കുന്നു എന്ന് പറയാൻ; സമയം, മെക്കാനിസം, സാധ്യമെങ്കിൽ, ആവർത്തനക്ഷമത എന്നിവ ആവശ്യമാണ്. AI സ്ഥാപിക്കുന്ന എല്ലാ കാര്യകാരണ വാദത്തിനും, "ഇത് സ്ഥിരീകരിക്കുന്ന മറ്റ് എന്ത് തെളിവുകൾ?" ചോദ്യം ഉപയോഗിച്ച് ഇത് പരീക്ഷിക്കുക.

നുറുങ്ങ്: AI-യിലേക്ക് ലോഗിൻ ചെയ്യുമ്പോൾ, ഒരു ടെക്സ്റ്റ് ഡമ്പിന് പകരം, സാധ്യമെങ്കിൽ, ആദ്യം ഒരു ചോദ്യം/ഫിൽട്ടർ പ്രിൻ്റ് ചെയ്ത് നിങ്ങളുടെ വാഹനത്തിൽ പ്രവർത്തിപ്പിക്കുക; ഇതുവഴി നിങ്ങൾ ഇരുവരും സെൻസിറ്റീവ് ഡാറ്റ കുറയ്ക്കുകയും മോഡലിൻ്റെ സന്ദർഭ വിൻഡോയെ വളരെ പ്രധാനപ്പെട്ട വരികളായി വേർതിരിക്കുകയും ചെയ്യുന്നു.

സാധാരണ തെറ്റുകൾ

• അസംസ്കൃതമായ, മുഖംമൂടിയില്ലാത്ത ലോഗ് ഒട്ടിക്കുന്നു. സ്വകാര്യ വിവരങ്ങളുടെയും രഹസ്യങ്ങളുടെയും വെളിപ്പെടുത്തൽ; സ്വകാര്യതയുടെ ഗുരുതരമായ ലംഘനം.
• ദിവസം മുഴുവൻ ഒരേസമയം നൽകുന്നു. ഇത് സന്ദർഭ വിൻഡോ കവിയുന്നു, സിഗ്നൽ ശബ്ദത്തിൽ മുങ്ങി.
• കാര്യകാരണമായി പരസ്പരബന്ധം തെറ്റിദ്ധരിക്കുന്നു. AI സ്ഥാപിച്ച സമയ ബന്ധം ഒരു സൂചനയാണ്, തെളിവല്ല.
• ഒരു നിർമ്മിത ഡൊമെയ്ൻ നാമമുള്ള ഒരു അന്വേഷണത്തെ ആശ്രയിക്കുന്നു. നിലവിലില്ലാത്ത ഒരു ലോഗ് ഫീൽഡ് നാമം മോഡൽ നിർദ്ദേശിച്ചേക്കാം; സ്കീമാറ്റിക് ഉപയോഗിച്ച് പരിശോധിക്കുക.
• പോസ്റ്റ്‌മോർട്ടം സ്ഥിരീകരിക്കാതെ പ്രസിദ്ധീകരിക്കുന്നു. വസ്തുതകളും ആഘാത കണക്കുകളും മാനുഷികമായി സ്ഥിരീകരിച്ചിരിക്കണം.

ചുരുക്കത്തിൽ

ലോഗ് വിശകലനത്തിൽ ശബ്ദത്തെയും ശബ്ദത്തെയും മറികടക്കാനുള്ള ശക്തമായ ഉപകരണമാണ് AI: വലിയ ട്രാൻസ്ക്രിപ്റ്റുകൾ സംഗ്രഹിക്കുക, ടൈംലൈനുകൾ സ്ഥാപിക്കുക, പാറ്റേണുകൾ വേർതിരിച്ചെടുക്കുക, പോസ്റ്റ്മോർട്ടം സ്കെച്ചുകൾ തയ്യാറാക്കുക. എന്നാൽ മൂന്ന് പരിധികൾ ഓർക്കുക: സെൻസിറ്റീവ് ഡാറ്റ മറയ്ക്കാതെ കയറ്റുമതി ചെയ്യരുത്, സന്ദർഭ വിൻഡോയ്ക്ക് അനുയോജ്യമാക്കുന്നതിന് അത് ഫിൽട്ടർ ചെയ്ത് സാമ്പിൾ ചെയ്യുക, കൂടാതെ മെട്രിക്സും കോഡും ഉപയോഗിച്ച് ഓരോ കാര്യകാരണ ക്ലെയിമും പരിശോധിച്ചുറപ്പിക്കുക. പരസ്പരബന്ധം കാരണമല്ല; AI സൂചനകൾ നൽകുന്നു, നിങ്ങൾ തെളിവുകൾ സഹിതം തീരുമാനമെടുക്കുക.

ആപ്ലിക്കേഷൻ ടാസ്ക്

നിങ്ങളുടെ പക്കലുള്ള ഒരു ഇവൻ്റിൽ നിന്നോ ടെസ്റ്റ് എൻവയോൺമെൻ്റ് ലോഗിൽ നിന്നോ 15-20 മിനിറ്റ് വിൻഡോ തിരഞ്ഞെടുക്കുക. ആദ്യം സ്വകാര്യ ഡാറ്റയും രഹസ്യങ്ങളും മറയ്ക്കുക (അല്ലെങ്കിൽ ഒരു സിന്തറ്റിക് ലോഗ് നിർമ്മിക്കുക). തുടർന്ന് "ലോഗ് സംഗ്രഹവും ടൈംലൈനും" ടെംപ്ലേറ്റ് ഉപയോഗിച്ച് AI-യിൽ നിന്ന് കാലഗണനയും ഏറ്റവും സാധാരണമായ പിശക് തരങ്ങളും എക്‌സ്‌ട്രാക്റ്റുചെയ്യുക. നിങ്ങളുടെ പക്കലുള്ള ഒരു മെട്രിക് അല്ലെങ്കിൽ കോഡ് ഉപയോഗിച്ച് AI മുന്നോട്ട് വച്ച മൂലകാരണ സിദ്ധാന്തം പരിശോധിക്കാൻ ശ്രമിക്കുക: അനുമാനം നിലനിന്നിരുന്നോ, അതോ തെറ്റിദ്ധരിപ്പിക്കുന്ന പരസ്പര ബന്ധമാണോ? നിങ്ങളുടെ കണ്ടെത്തൽ ഒരു വാചകത്തിൽ എഴുതുക.

ചെക്ക്ലിസ്റ്റ്

• AI-ക്ക് ലോഗ് നൽകുന്നതിന് മുമ്പ് ഞാൻ വ്യക്തിഗത ഡാറ്റയും രഹസ്യങ്ങളും മറയ്ക്കുന്നു.
• [ ] ഞാൻ വിശകലനം ഒരു ഇടുങ്ങിയ സമയ ജാലകത്തിലേക്കും ഫിൽട്ടറിലേക്കും ചുരുക്കുന്നു.
• [ ] AI സ്ഥാപിച്ച സമയ ബന്ധങ്ങളെ ഞാൻ അനുമാനങ്ങളായി കാണുന്നു, കാര്യകാരണമല്ല.
• [ ] ഞാൻ മൂലകാരണ ക്ലെയിം മെട്രിക്കുകളും കോഡും ഉപയോഗിച്ച് സ്ഥിരീകരിക്കുന്നു.
• [ ] ഞാൻ സൃഷ്ടിക്കുന്ന അന്വേഷണങ്ങളുടെ/ഫിൽട്ടറുകളുടെ ഡൊമെയ്ൻ നാമങ്ങൾ യഥാർത്ഥമാണെന്ന് ഞാൻ സ്ഥിരീകരിക്കുന്നു.
• പോസ്റ്റ്‌മോർട്ടം സ്കെച്ചിലെ വസ്തുതകളും കണക്കുകളും ഞാൻ മാനുഷികമായി സാക്ഷ്യപ്പെടുത്തുന്നു.