നേട്ടങ്ങൾ:
- AI- പവർഡ് പൈത്തൺ കോഡ് ഉപയോഗിച്ച് പാരിസ്ഥിതിക ഡാറ്റ ക്ലീനിംഗ്, വിശകലന ജോലികൾ ഓട്ടോമേറ്റ് ചെയ്യാനുള്ള കഴിവ്
- യൂണിറ്റ് ചെക്കിംഗ്, ടെസ്റ്റിംഗ്, എഡ്ജ് കേസുകൾ എന്നിവ ഉപയോഗിച്ച് AI- ജനറേറ്റഡ് കോഡ് പരിശോധിക്കാനുള്ള കഴിവ്
- രഹസ്യാത്മക/വ്യക്തിഗത പരിസ്ഥിതി ഡാറ്റയും ഉത്തരവാദിത്തമുള്ള AI ഉപയോഗവും സംരക്ഷിക്കുന്നതിനുള്ള തത്വങ്ങൾ പ്രയോഗിക്കാനുള്ള കഴിവ്
മൊഡ്യൂൾ പരീക്ഷ
1. മലിനജല ശുദ്ധീകരണ പ്ലാൻ്റിൻ്റെ ഡിസ്ചാർജ് പരിധിയെക്കുറിച്ച് നിങ്ങൾ AI-യോട് ചോദിച്ചു, 'ജല മലിനീകരണ നിയന്ത്രണ നിയന്ത്രണത്തിൻ്റെ പട്ടിക 19 അനുസരിച്ച്, COD-ന് 120 mg/L' എന്ന് മോഡൽ ഉത്തരം നൽകി. ഏറ്റവും ശരിയായ പെരുമാറ്റം ഏതാണ്?
- A) നിലവിലെ റെഗുലേഷൻ്റെ ഔദ്യോഗിക വാചകത്തിൽ നിന്ന് മൂല്യവും റഫറൻസ് പട്ടികയും പരിശോധിക്കുന്നു ✔
- B) AI ഒരു നിലവിലെ മോഡൽ ആയതിനാൽ, ഡിസ്ചാർജ് പെർമിറ്റിലേക്ക് മൂല്യം നേരിട്ട് എഴുതുന്നു
- C) യൂണിറ്റിനെ mg/L-ൽ നിന്ന് g/L-ലേക്ക് പരിവർത്തനം ചെയ്ത് ഉപയോഗിക്കുക
- D) AI-യോട് ചോദിക്കുക 'നിങ്ങൾക്ക് ഉറപ്പാണോ?' 'അതെ' എന്ന ഉത്തരത്തിൽ തൃപ്തനാകുക
വിശദീകരണം: സ്ഥിതിവിവരക്കണക്കനുസരിച്ച് വിശ്വസനീയവും എന്നാൽ യഥാർത്ഥമല്ലാത്തതുമായ (ഭ്രമാത്മകത) ബ്രേക്ക്പോയിൻ്റുകളും പട്ടിക/ഇന നമ്പറുകളും LLM-ന് നിർമ്മിക്കാൻ കഴിയും. സെക്ടർ, സ്വീകരിക്കുന്ന പരിസ്ഥിതി, നിലവിലെ നിയന്ത്രണം എന്നിവയെ ആശ്രയിച്ച് ഡിസ്ചാർജ് പരിധി വ്യത്യാസപ്പെടുന്നു; ഔദ്യോഗിക റെഗുലേഷൻ ടെക്സ്റ്റിൽ നിന്ന് (ഔദ്യോഗിക ഗസറ്റ്) പരിശോധിച്ചുറപ്പിക്കാതെ മൂല്യവും റഫറൻസ് ചെയ്ത പട്ടികയും ഉപയോഗിക്കുന്നത് അനുസരണക്കേടിനും പിഴയ്ക്കും ഇടയാക്കും.
2. സജീവമാക്കിയ സ്ലഡ്ജ് സിസ്റ്റത്തിൽ F/M (പോഷക/സൂക്ഷ്മജീവി) അനുപാതം വളരെ കുറവാണെങ്കിൽ സാധാരണയായി എന്താണ് പ്രതീക്ഷിക്കുന്നത്?
- എ) ഓർഗാനിക് ലോഡ് വളരെ ഉയർന്നതും ചെളി ചെറുപ്പമായി തുടരുന്നതുമായ ഒരു സാഹചര്യം
- B) വളരെ പ്രായമായ ചെളിയും ആന്തരിക ശ്വാസോച്ഛ്വാസം നിയന്ത്രിക്കുന്ന ഒരു പ്രവർത്തന അവസ്ഥയും ✔
- സി) വെൻ്റിലേഷൻ പൂർണ്ണമായും ആവശ്യമില്ലാത്ത ഒരു സാഹചര്യം
- ഡി) ഡിസ്ചാർജ് പരിധികൾ സ്വയമേവ പരിപാലിക്കപ്പെടുന്നു എന്നതിൻ്റെ തെളിവ്
വിശദീകരണം: F/M അനുപാതം സൂക്ഷ്മാണുക്കളുടെ ഓരോ പിണ്ഡത്തിനും ഓർഗാനിക് ലോഡ് പ്രകടിപ്പിക്കുന്നു. സൂക്ഷ്മാണുക്കൾ പട്ടിണി കിടന്ന് ആന്തരിക ശ്വാസോച്ഛ്വാസത്തിലേക്ക് മാറുന്ന ഒരു ഓപ്പറേറ്റിംഗ് അവസ്ഥയാണ് വളരെ താഴ്ന്ന എഫ്/എം, ചെളി അമിതമായി പഴയതായിത്തീരുന്നു, സൂചി രൂപീകരണം / ചിതറിക്കിടക്കുന്ന ചെളി, അവശിഷ്ട പ്രശ്നങ്ങൾ എന്നിവ സാധാരണയായി നിരീക്ഷിക്കാവുന്നതാണ്. AI ഒരു F/M മൂല്യം വ്യാഖ്യാനിക്കുകയാണെങ്കിൽ, അത് സ്ലഡ്ജ് പ്രായം, SVI, ലബോറട്ടറി ഡാറ്റ എന്നിവ ഉപയോഗിച്ച് പരിശോധിക്കേണ്ടതുണ്ട്.
3. ഫ്ലൂ ഗ്യാസ് എമിഷൻ കണക്കുകൂട്ടലിലെ എമിഷൻ ഫാക്ടർ ഉപയോഗിച്ച് വാർഷിക NOx ലോഡ് കണക്കാക്കാൻ നിങ്ങൾ AI ഉപയോഗിച്ചു. ഫലം സുരക്ഷിതമായി റിപ്പോർട്ടുചെയ്യുന്നതിന് മുമ്പ് നിങ്ങൾ എന്താണ് ചെയ്യേണ്ടത്?
- എ) ഫലം റൗണ്ട് അപ്പ് ചെയ്ത് അത് എമിഷൻ ഇൻവെൻ്ററിയിലേക്ക് നേരിട്ട് നൽകുക
- ബി) ചാർട്ടിൻ്റെ നിറങ്ങൾ ശരിയാക്കി റിപ്പോർട്ട് പ്രസിദ്ധീകരിക്കുക
- സി) NOx-ന് പകരം അബദ്ധത്തിൽ CO2 കണക്കാക്കിയാലും ഫലം ഉപയോഗിക്കുന്നു
- D) ഉപയോഗിച്ച എമിഷൻ ഘടകം, ഉറവിടം, യൂണിറ്റ്, പ്രവർത്തന ഡാറ്റ എന്നിവ പ്രിൻ്റ് ചെയ്ത് കണക്കുകൂട്ടൽ പരിശോധിക്കുക ✔
വിശദീകരണം: ഇത് എമിഷൻ = ഘടകം × പ്രവർത്തന വലുപ്പത്തിൻ്റെ യുക്തിയുമായി പ്രവർത്തിക്കുന്നു. AI തെറ്റായ എമിഷൻ ഘടകം (തെറ്റായ ഇന്ധനം, തെറ്റായ യൂണിറ്റ്, കാലഹരണപ്പെട്ട ഉറവിടം) ഉപയോഗിച്ചേക്കാം. ഉപയോഗിച്ച ഘടകം, അതിൻ്റെ ഉറവിടം, യൂണിറ്റ്, പ്രവർത്തന ഡാറ്റ എന്നിവ വ്യക്തമായി പ്രിൻ്റ് ചെയ്ത് ഒരു ഔദ്യോഗിക എമിഷൻ ഫാക്ടർ ഉറവിടവുമായി (ഉദാ. EMEP/EEA അല്ലെങ്കിൽ ദേശീയ മാർഗ്ഗനിർദ്ദേശം) താരതമ്യം ചെയ്തുകൊണ്ട് കണക്കുകൂട്ടൽ പുനർനിർമ്മിക്കേണ്ടത് ആവശ്യമാണ്.
4. മാലിന്യ സംസ്കരണത്തിലെ 'മാലിന്യ ശ്രേണി' തത്വമനുസരിച്ചുള്ള മുൻഗണനാ ക്രമം ഇനിപ്പറയുന്നവയിൽ ഏതാണ്?
- എ) നീക്കം ചെയ്യൽ > വീണ്ടെടുക്കൽ > പുനരുപയോഗം > പുനരുപയോഗം > പ്രതിരോധം
- B) റീസൈക്ലിംഗ് > ഡിസ്പോസൽ > പ്രതിരോധം > പുനരുപയോഗം > വീണ്ടെടുക്കൽ
- സി) പ്രതിരോധം > പുനരുപയോഗം > പുനരുപയോഗം > വീണ്ടെടുക്കൽ > നിർമാർജനം ✔
- ഡി) പുനരുപയോഗം > നിർമാർജനം > പ്രതിരോധം > പുനരുപയോഗം > വീണ്ടെടുക്കൽ
വിശദീകരണം: മാലിന്യ ശ്രേണി, ഏറ്റവും കുറഞ്ഞത്, ഇതാണ്: പ്രതിരോധം (കുറയ്ക്കൽ) > പുനരുപയോഗം > പുനരുപയോഗം > (ഊർജ്ജം) വീണ്ടെടുക്കൽ > നിർമാർജനം (ലാൻഡ്ഫിൽ). AI ഒരു ഡ്രാഫ്റ്റ് വേസ്റ്റ് മാനേജ്മെൻ്റ് പ്ലാൻ തയ്യാറാക്കിയാലും, ഈ ക്രമവും നിർദ്ദിഷ്ട നിർമാർജന രീതിയും നിയമനിർമ്മാണത്തിനും മാലിന്യ സ്വഭാവത്തിനും അനുസൃതമാണെന്ന് പരിശോധിച്ചുറപ്പിച്ചിരിക്കണം.
5. 'ഒരു പദ്ധതിയുടെ പാരിസ്ഥിതിക ആഘാതം നിസ്സാരമാണ്' എന്ന് AI ഒരു കരട് EIA റിപ്പോർട്ടിൽ എഴുതി. ഈ ഔട്ട്പുട്ടിനുള്ള മികച്ച എഞ്ചിനീയറിംഗ് മനോഭാവം എന്താണ്?
- എ) ഫീൽഡ് ഡാറ്റ, മോഡലിംഗ്, വിദഗ്ദ്ധ വിലയിരുത്തൽ എന്നിവ ഉപയോഗിച്ച് പരിശോധിക്കാതെ റിപ്പോർട്ടിൽ ആഘാത വിധി എഴുതാതിരിക്കുക ✔
- B) AI നിഷ്പക്ഷമായതിനാൽ, നിഗമനത്തിലെ പോലെ പ്രസ്താവന ഇടുക
- സി) വാചകം കൂടുതൽ ഔപചാരികമായ ഭാഷയിൽ മാറ്റിയെഴുതുക
- ഡി) ആഘാത വിലയിരുത്തൽ പൂർണ്ണമായും ഒഴിവാക്കി അനുമതിക്കായി നേരിട്ട് അപേക്ഷിക്കുക
വിവരണം: EIA-യിലെ ആഘാത വിലയിരുത്തൽ; ഫീൽഡ് ഡാറ്റ, സ്വീകരിക്കുന്ന പരിസ്ഥിതി സംവേദനക്ഷമത, ക്യുമുലേറ്റീവ് ഇഫക്റ്റുകൾ, റെഗുലേറ്ററി ത്രെഷോൾഡുകൾ എന്നിവ അടിസ്ഥാനമാക്കി. ഡാറ്റയിൽ അടിസ്ഥാനപ്പെടുത്താതെ തന്നെ 'നെഗ്ലിജിബിൾ' പോലുള്ള ഒരു വിധിന്യായം നൽകാൻ AI-ക്ക് കഴിയും. ഇതൊരു അനുമാനം/രേഖാചിത്രമായി എടുക്കണം; അളവെടുപ്പ്, മോഡലിംഗ്, വിദഗ്ധ വിലയിരുത്തൽ എന്നിവയിലൂടെ സ്ഥിരീകരിക്കാതെ റിപ്പോർട്ടിലെ അന്തിമ വിധിന്യായമായി ഇഫക്റ്റ് സൈസ് എഴുതരുത്.
6. തുടർച്ചയായ നിരീക്ഷണ സ്റ്റേഷനിൽ നിന്നുള്ള PM10 സമയ ശ്രേണിയിൽ, AI പെട്ടെന്ന് ഒരു 'ഓവർഷൂട്ട്' ഫ്ലാഗ് ചെയ്തു (ത്രെഷോൾഡ് മൂല്യത്തിന് മുകളിൽ). ഏത് സ്ഥിരീകരണ ഘട്ടമാണ് ഏറ്റവും നിർണായകമായത്?
- എ) ഒരു ഔദ്യോഗിക അതിരുകടന്ന അറിയിപ്പായി ഉദ്യോഗസ്ഥന് നേരിട്ട് അടയാളം അയയ്ക്കുന്നു
- ബി) റോ ഡാറ്റ, സെൻസർ QA/QC ഫ്ലാഗുകൾ, കാലിബ്രേഷൻ, അയൽ സ്റ്റേഷൻ ഡാറ്റ എന്നിവ പരിശോധിക്കുന്നു ✔
- സി) ഗ്രാഫ് സുഗമമാക്കുകയും ഓവർഷൂട്ട് മറയ്ക്കുകയും ചെയ്യുന്നു
- D) ത്രെഷോൾഡ് ഉയർത്തുകയും അതിരുകടന്നത് ദൃശ്യമാകുന്നില്ലെന്ന് ഉറപ്പാക്കുകയും ചെയ്യുന്നു
വിശദീകരണം: സെൻസർ ഡാറ്റയിലെ പെട്ടെന്നുള്ള കുതിച്ചുചാട്ടം ഒരു യഥാർത്ഥ മലിനീകരണ സംഭവമായിരിക്കാം, പക്ഷേ സെൻസർ തകരാർ, കാലിബ്രേഷൻ ഡ്രിഫ്റ്റ്, മെയിൻ്റനൻസ് വിൻഡോ അല്ലെങ്കിൽ ഡാറ്റാ ട്രാൻസ്മിഷൻ പിശക് എന്നിവയും ആകാം. ഓവർഷൂട്ട് യഥാർത്ഥമായി അംഗീകരിക്കുന്നതിന് മുമ്പ്, റോ ഡാറ്റ, സെൻസർ QA/QC ഫ്ലാഗുകൾ, കാലിബ്രേഷൻ ലോഗ്, സമീപത്തെ സ്റ്റേഷൻ/മെറ്റീരിയോളജി ഡാറ്റ എന്നിവ പരിശോധിച്ച് അത് പരിശോധിക്കേണ്ടതുണ്ട്; അല്ലെങ്കിൽ ഒരു തെറ്റായ അലാറം അല്ലെങ്കിൽ മിസ്ഡ് ഇവൻ്റ് സംഭവിക്കും.
7. കോർപ്പറേറ്റ് കാർബൺ ഫൂട്ട്പ്രിൻ്റ് കണക്കുകൂട്ടലുകളിൽ 'സ്കോപ്പ് 2' ഉദ്വമനം എന്താണ് അർത്ഥമാക്കുന്നത്?
- എ) വിതരണ ശൃംഖലയുടെയും ഉൽപ്പന്ന ഉപയോഗത്തിൻ്റെയും ഫലമായുണ്ടാകുന്ന എല്ലാ പരോക്ഷ ഉദ്വമനങ്ങളും
- ബി) സ്ഥാപനത്തിലെ ഇന്ധന ജ്വലനത്തിൽ നിന്നുള്ള നേരിട്ടുള്ള ഉദ്വമനം
- സി) വാങ്ങിയ വൈദ്യുതി, നീരാവി, ചൂടാക്കൽ/തണുപ്പിക്കൽ എന്നിവയുടെ പരോക്ഷ ഉദ്വമനം ✔
- D) മാലിന്യ നിർമാർജനത്തിൽ നിന്നുള്ള ഉദ്വമനം മാത്രം
വിവരണം: സ്കോപ്പ് 1, നേരിട്ടുള്ള ഉദ്വമനം (നിങ്ങളുടെ സ്വന്തം സൗകര്യത്തിലെ ഇന്ധന ജ്വലനം, വാഹന വ്യൂഹം), സ്കോപ്പ് 2, വാങ്ങിയ ഊർജ്ജത്തിൻ്റെ പരോക്ഷ ഉദ്വമനം (വൈദ്യുതി, നീരാവി, ചൂടാക്കൽ/തണുപ്പിക്കൽ) ഉൾക്കൊള്ളുന്നു, മൂല്യ ശൃംഖലയിലെ (വിതരണം, ഗതാഗതം, ഉൽപ്പന്ന ഉപയോഗം) മറ്റ് പരോക്ഷ ഉദ്വമനങ്ങളെ സ്കോപ്പ് 3 ഉൾക്കൊള്ളുന്നു. AI ഒരു ഡ്രാഫ്റ്റ് ഇൻവെൻ്ററി നിർമ്മിക്കുന്നുണ്ടെങ്കിലും, അത് ഉപയോഗിക്കുന്ന എമിഷൻ ഘടകങ്ങളും സ്കോപ്പ് വർഗ്ഗീകരണവും സാധൂകരിക്കേണ്ടതാണ്.
8. റിമോട്ട് സെൻസിംഗ് എൻഡിവിഐയുടെ (നോർമലൈസ്ഡ് ഡിഫറൻസ് വെജിറ്റേഷൻ ഇൻഡക്സ്) ഉയർന്ന മൂല്യം നൽകുമ്പോൾ, ഇത് സാധാരണയായി എന്താണ് സൂചിപ്പിക്കുന്നത്?
- എ) ആഴത്തിലുള്ളതും ശുദ്ധവുമായ ജലാശയം
- ബി) നഗ്നമായ പാറയും മണ്ണും
- സി) ഉയർന്ന വായു മലിനീകരണ സാന്ദ്രത
- D) ഇടതൂർന്ന ആരോഗ്യമുള്ള പച്ച സസ്യങ്ങൾ ✔
വിവരണം: NDVI, ഇൻഫ്രാറെഡ്, റെഡ് ബാൻഡുകളുടെ ആകെത്തുകയുടെ വ്യത്യാസത്തിൻ്റെ അനുപാതമായി കണക്കാക്കുന്നു, ഇത് സാധാരണയായി -1 നും +1 നും ഇടയിലാണ്. ഉയർന്ന പോസിറ്റീവ് മൂല്യങ്ങൾ ഇടതൂർന്നതും ആരോഗ്യകരവുമായ പച്ച സസ്യങ്ങളെ സൂചിപ്പിക്കുന്നു; വെള്ളവും നഗ്നമായ മണ്ണും താഴ്ന്ന അല്ലെങ്കിൽ നെഗറ്റീവ് മൂല്യങ്ങൾ നൽകുന്നു. AI ഒരു എൻഡിവിഐ വ്യാഖ്യാനം ഉണ്ടാക്കിയാലും, ക്ലൗഡ്, ഷാഡോ, സീസൺ, സെൻസർ കാലിബ്രേഷൻ ഇഫക്റ്റുകൾ അടിസ്ഥാന സത്യം ഉപയോഗിച്ച് പരിശോധിച്ചിരിക്കണം.
9. പാരിസ്ഥിതിക നിയമനിർമ്മാണത്തെക്കുറിച്ച് നിങ്ങൾ AI-യോട് ഒരു ചോദ്യം ചോദിച്ചു, ഒരു നിർദ്ദിഷ്ട നിയന്ത്രണ ലേഖനത്തെ പരാമർശിച്ച് മോഡൽ വ്യക്തമായ പരിധി മൂല്യം നൽകി. ഒരു ഔദ്യോഗിക ആപ്ലിക്കേഷനിൽ ഈ വിവരങ്ങൾ ഉപയോഗിക്കുന്നതിന് മുമ്പ് നിർബന്ധിതം ഏതാണ്?
- A) നിലവിലെ ഔദ്യോഗിക ഉറവിടത്തിൽ നിന്ന് പദാർത്ഥത്തിൻ്റെ നമ്പർ, പരിധി മൂല്യം, സാധുത നില എന്നിവ സ്ഥിരീകരിക്കുന്നു ✔
- B) അപേക്ഷാ ഹർജിയിൽ AI നൽകിയ ലേഖന നമ്പർ അതേപടി എഴുതുക.
- സി) ഒരു ഔപചാരിക ശൈലിയിൽ വാചകം മാറ്റിയെഴുതുക
- ഡി) AI ഒന്നിലധികം ഉത്തരങ്ങൾ നൽകുന്നതിനാൽ ശരാശരി എടുക്കൽ
വിശദീകരണം: LLM-കൾ നിലവിലില്ലാത്ത ലേഖന നമ്പറുകളോ റദ്ദാക്കിയ നിയന്ത്രണങ്ങളോ തെറ്റായ ബ്രേക്ക്പോയിൻ്റുകളോ ഹാജരാക്കുകയും നിലവിലെ തീയതി വിവരങ്ങളില്ലാതെ അവ സമർപ്പിക്കുകയും ചെയ്യാം. നിലവിലെ ഔദ്യോഗിക ഉറവിടത്തിൽ നിന്ന് (ഔദ്യോഗിക ഗസറ്റ്, നിയമനിർമ്മാണ പോർട്ടൽ) പ്രാബല്യത്തിൽ വരുന്ന തീയതി ഉപയോഗിച്ച് സ്ഥിരീകരിക്കാതെ ഔദ്യോഗിക ഇടപാടുകളിൽ നിയമനിർമ്മാണ റഫറൻസും പരിധി മൂല്യവും ഉപയോഗിക്കാൻ കഴിയില്ല.
10. സ്റ്റേഷൻ ഡാറ്റ വൃത്തിയാക്കാനും ട്രെൻഡ് മോണിറ്ററിംഗ് ചെയ്യാനും AI- ജനറേറ്റഡ് പൈത്തൺ സ്ക്രിപ്റ്റ് ഉപയോഗിക്കുന്നതിന് മുമ്പ് ഏതാണ് ശരി?
- എ) കോഡ് പിശകുകളില്ലാതെ പ്രവർത്തിക്കുന്നതിനാൽ ട്രെൻഡ് ഫലം നേരിട്ട് റിപ്പോർട്ടിൽ ഇടുന്നു
- ബി) വേരിയബിൾ പേരുകൾ ചുരുക്കുക, കമൻ്റ് ലൈനുകൾ ഇല്ലാതാക്കുക
- സി) ഒരു പൊതു സേവനത്തിലേക്ക് എല്ലാ റോ ട്രാക്കിംഗ് ഡാറ്റയും അടങ്ങിയ സ്ക്രിപ്റ്റ് അപ്ലോഡ് ചെയ്യുന്നു
- D) അറിയപ്പെടുന്ന ഫലങ്ങൾ, യൂണിറ്റ് പരിശോധന, എഡ്ജ് കേസുകൾ എന്നിവ ഉപയോഗിച്ച് പരിശോധനകൾ ഉപയോഗിച്ച് പരിശോധിച്ചുറപ്പിക്കുക, കൂടാതെ ഡാറ്റയുടെ രഹസ്യസ്വഭാവം സംരക്ഷിക്കുക ✔
വിവരണം: AI കോഡിൽ തെറ്റായ യൂണിറ്റ് പരിവർത്തനം, തെറ്റായ മിസ്സിംഗ്-ഡാറ്റ പൂരിപ്പിക്കൽ, തെറ്റായ തീയതി പാഴ്സിംഗ് അല്ലെങ്കിൽ എഡ്ജ് കേസുകളിൽ നിശബ്ദ ബഗുകൾ എന്നിവ അടങ്ങിയിരിക്കാം. കോഡ്; അറിയപ്പെടുന്ന ഫലങ്ങൾ, വോളിയം/വലിപ്പം പരിശോധന, എഡ്ജ് കേസുകൾ (നഷ്ടമായ മൂല്യം, നെഗറ്റീവ് റീഡ്, ഇരട്ട റെക്കോർഡ്) എന്നിവയ്ക്കൊപ്പം ചെറിയ ടെസ്റ്റ് ഡാറ്റ ഉപയോഗിച്ച് സാധൂകരിക്കുന്നു; കൂടാതെ, വ്യക്തിഗത/രഹസ്യ ഡാറ്റ അനുമതിയില്ലാതെ ബാഹ്യ സേവനങ്ങളിലേക്ക് അയയ്ക്കാൻ പാടില്ല. എഞ്ചിനീയറിംഗ് വിധിയിലൂടെ ഫലം സ്ഥിരീകരിച്ചു.