എനർജി, ഡേലൈറ്റ്, കംഫർട്ട് അനാലിസിസ്

നേട്ടങ്ങൾ:

• പകൽ വെളിച്ചം, ഇൻസുലേഷൻ, എനർജി സിമുലേഷൻ വർക്ക്ഫ്ലോ എന്നിവയിൽ ഡാറ്റ തയ്യാറാക്കൽ, വ്യാഖ്യാനം, റിപ്പോർട്ടിംഗ് എന്നിവയിൽ AI-യുടെ പങ്ക് വിവരിക്കാനുള്ള കഴിവ്
• AI ഉപയോഗിച്ച് സിമുലേഷൻ ഫലങ്ങൾ സംഗ്രഹിക്കുമ്പോൾ അനുമാനങ്ങൾ, അതിർത്തി വ്യവസ്ഥകൾ, അനിശ്ചിതത്വം എന്നിവ വ്യക്തമായി ട്രാക്ക് ചെയ്യാനുള്ള കഴിവ്
• ഊർജ്ജ/സുഖ ഫലങ്ങൾ ഔദ്യോഗിക കണക്കുകൂട്ടൽ രീതിയും അംഗീകൃത സോഫ്‌റ്റ്‌വെയറും ഉപയോഗിച്ച് പരിശോധിച്ചുറപ്പിക്കണമെന്നും AI നമ്പറുകൾ നിർമ്മിക്കുന്നില്ലെന്നും മനസ്സിലാക്കാനുള്ള കഴിവ്

ഒരു കെട്ടിടം മനോഹരമായി കാണപ്പെടുക മാത്രമല്ല; ഇത് അകത്ത് താമസിക്കുന്ന വ്യക്തിയെ ചൂടിൽ തണുപ്പിക്കുകയും തണുപ്പിൽ കുളിർക്കുകയും ചെയ്യുന്നു, പകൽ സമയത്ത് വെളിച്ചത്തിലേക്ക് അനുവദിക്കുന്നു, അനാവശ്യമായ ഊർജ്ജം ചെലവഴിക്കുന്നില്ല. ഇവ മുൻകൂട്ടി കാണുന്നതിന്, ആർക്കിടെക്റ്റുകൾ സിമുലേഷനുകൾ ഉപയോഗിക്കുന്നു: കമ്പ്യൂട്ടർ വിശകലനം, സൂര്യൻ, വെളിച്ചം, വായു എന്നിവയുമായി കെട്ടിടം എങ്ങനെ പ്രവർത്തിക്കുമെന്ന് സംഖ്യാപരമായി കണക്കാക്കുന്നു. ഡേലൈറ്റ് അനാലിസിസ് (സ്‌പേസിൽ എത്രത്തോളം പ്രകൃതിദത്ത പ്രകാശം പ്രവേശിക്കുന്നു), ഇൻസൊലേഷൻ/ഷെയ്ഡ് വിശകലനം, എനർജി സിമുലേഷൻ എന്നിവയാണ് പ്രധാനം. അംഗീകൃതവും പരിശോധിച്ചുറപ്പിച്ചതുമായ പ്രത്യേക സോഫ്‌റ്റ്‌വെയർ ഈ കണക്കുകൂട്ടലുകൾ നടത്തുന്നു; ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഈ സംഖ്യകൾ സ്വയം നിർമ്മിക്കുന്നില്ല. ഡാറ്റ തയ്യാറാക്കുക, സാഹചര്യങ്ങൾ സംഘടിപ്പിക്കുക, ഫലങ്ങൾ വ്യാഖ്യാനിക്കുക, റിപ്പോർട്ട് ചെയ്യുക എന്നിവയാണ് AI-യുടെ പങ്ക്. എനർജി, ഡേലൈറ്റ് വർക്ക്ഫ്ലോ എന്നിവയിൽ AI എങ്ങനെ ശരിയായ സ്ഥലത്ത് സ്ഥാപിക്കാമെന്നും ഏറ്റവും അപകടകരമായ തെറ്റ് എങ്ങനെ ഒഴിവാക്കാമെന്നും ഈ യൂണിറ്റിൽ നിന്ന് നിങ്ങൾ പഠിക്കും: AI ഉൽപ്പാദിപ്പിക്കുന്ന നമ്പറുകൾ ഉണ്ടാക്കുക.

എന്തുകൊണ്ടാണ് AI അനുകരിക്കാത്തത്

ഒരു ഭാഷാ മോഡലിന് "ഈ മുറിയിൽ എത്രമാത്രം സൂര്യപ്രകാശം ലഭിക്കുന്നു" എന്ന ചോദ്യത്തിന് ആത്മവിശ്വാസമുള്ള നമ്പർ നൽകാൻ കഴിയും. എന്നാൽ ഈ സംഖ്യ ഒരു എസ്റ്റിമേറ്റ്/ഫാബ്രിക്കേഷൻ ആണ്, യഥാർത്ഥ കണക്കല്ല. ഡേലൈറ്റ് മൾട്ടിപ്ലയർ, എനർജി ലോഡ്, ഷാഡോ സമയം; കെട്ടിടത്തിൻ്റെ ജ്യാമിതി, ഭൂമിശാസ്ത്രപരമായ സ്ഥാനം, മെറ്റീരിയൽ പ്രോപ്പർട്ടികൾ, കാലാവസ്ഥാ ഡാറ്റ എന്നിവയെ അടിസ്ഥാനമാക്കിയുള്ള ഭൗതിക കണക്കുകൂട്ടലുകളാണിവ. ഭൗതികശാസ്ത്രത്തെ മാതൃകയാക്കുന്ന സിമുലേഷൻ സോഫ്‌റ്റ്‌വെയർ മാത്രമേ ഈ കാര്യങ്ങൾ ശരിയാക്കൂ.

AI-യുടെ യഥാർത്ഥ സംഭാവന ഇതാണ്: സിമുലേഷൻ്റെ ഇൻപുട്ട് തയ്യാറാക്കൽ (സീനാരിയോ ലിസ്റ്റ്, മെറ്റീരിയലുകളുടെ ബിൽ), അതിൻ്റെ ഔട്ട്പുട്ട് മനസ്സിലാക്കുക (ഫലങ്ങളുടെ നൂറുകണക്കിന് പേജുകൾ സംഗ്രഹിക്കുക, പാറ്റേണുകൾ കണ്ടെത്തൽ), അതിൻ്റെ റിപ്പോർട്ട് എഴുതുക. അതിനാൽ അക്കൗണ്ടിന് മുമ്പും ശേഷവും AI വിലപ്പെട്ടതാണ്; അക്കൗണ്ടിൽ തന്നെ ഇല്ല.

മുന്നറിയിപ്പ്: ഡേലൈറ്റ് മൾട്ടിപ്ലയർ, ഊർജ്ജ ഉപഭോഗം, അല്ലെങ്കിൽ ഷാഡോ മണിക്കൂർ എന്നിവ പോലുള്ള ഒരു നമ്പർ AI-യോട് ചോദിക്കരുത്. അംഗീകൃത/പരിശോധിച്ച സിമുലേഷൻ സോഫ്‌റ്റ്‌വെയർ മാത്രമേ ഈ മൂല്യങ്ങൾ നിർമ്മിക്കൂ. AI നൽകുന്ന ഒരു നമ്പറും അത് ഒരു ഉറവിട അക്കൗണ്ട് അല്ലാത്തപക്ഷം ഉപയോഗിക്കരുത്.

ഇൻപുട്ട് തയ്യാറാക്കുന്നു: AI-യുടെ ആദ്യ നേട്ടം

സിമുലേഷൻ്റെ ഗുണനിലവാരം ഇൻപുട്ടിൻ്റെ ഗുണനിലവാരത്തെ ആശ്രയിച്ചിരിക്കുന്നു. സങ്കീർണ്ണമായ ഒരു കൂട്ടം സാഹചര്യങ്ങൾ ക്രമീകരിക്കാൻ AI നിങ്ങളെ സഹായിക്കുന്നു: ഏത് ഫേസഡ് ദിശകൾ, ഏത് ഗ്ലേസിംഗ് തരങ്ങൾ, ഏത് ഷേഡിംഗ് ഓപ്ഷനുകൾ, ഏത് സമയമാണ് പരിശോധിക്കേണ്ടത്. ഇവ ഒരു ഘടനാപരമായ പട്ടികയാക്കി മാറ്റുകയും ഓരോ സാഹചര്യവും അളക്കുന്നത് എന്താണെന്ന് വ്യക്തമാക്കുകയും ചെയ്യുന്നത് സമയം ലാഭിക്കുകയും പിശകുകൾ കുറയ്ക്കുകയും ചെയ്യുന്നു.

AI-ക്ക് മെറ്റീരിയൽ പ്രോപ്പർട്ടികൾ (താപ ചാലകത മൂല്യം, പ്രകാശ പ്രക്ഷേപണം മുതലായവ) കംപൈൽ ചെയ്യാനും ഒരു പട്ടികയിൽ ഇടാനും കഴിയും; എന്നാൽ നിർമ്മാതാവിൻ്റെ ഡോക്യുമെൻ്റേഷനിൽ നിന്ന് ഈ മൂല്യങ്ങൾ സ്ഥിരീകരിക്കേണ്ടത് ആവശ്യമാണ്, കാരണം AI തെറ്റായി ഓർമ്മിച്ചേക്കാം.

ഔട്ട്പുട്ട് വ്യാഖ്യാനിക്കുന്നു: AI യുടെ രണ്ടാമത്തെ നേട്ടം

സിമുലേഷൻ ഔട്ട്പുട്ട് പലപ്പോഴും വളരെ വലുതും സങ്കീർണ്ണവുമാണ്: മണിക്കൂർ തോറും താപനില, മുറിയുടെ വെളിച്ചത്തിൻ്റെ അളവ്, പ്രതിമാസ ഊർജ്ജ വിതരണം. ഈ ഡാറ്റ നൽകുമ്പോൾ, AI വ്യക്തമായ ഒരു സംഗ്രഹം നൽകുന്നു: "ഏറ്റവും കൂടുതൽ ചൂട് ലഭിക്കുന്ന മൂന്ന് സ്ഥലങ്ങൾ", "പകൽവെളിച്ച ലക്ഷ്യത്തിന് താഴെയുള്ള പ്രദേശങ്ങൾ", "ഏത് മാസത്തിലാണ് കൂളിംഗ് ലോഡ് കൂടുതലുള്ളത്". ഈ സംക്ഷിപ്തം ആർക്കിടെക്റ്റിൻ്റെ ഡിസൈൻ തീരുമാനത്തെ വേഗത്തിലാക്കുന്നു. എന്നാൽ ഏത് സോഫ്‌റ്റ്‌വെയറാണെന്നും ഏതൊക്കെ അനുമാനങ്ങളോടെയാണ് നിങ്ങൾ AI-ക്ക് ഫലങ്ങൾ നൽകുന്നതെന്നും വ്യക്തമാക്കുന്നത് ഉറപ്പാക്കുക; ഈ പശ്ചാത്തലത്തിലാണ് അഭിപ്രായം രേഖപ്പെടുത്തേണ്ടത്.

നുറുങ്ങ്: AI-ക്ക് ഒരു സിമുലേഷൻ ഫലം നൽകുമ്പോൾ, "ഈ ഫലങ്ങൾ ഇനിപ്പറയുന്ന അനുമാനങ്ങൾക്കൊപ്പം [സോഫ്റ്റ്‌വെയർ] നിർമ്മിച്ചതാണ്; നിങ്ങൾ അഭിപ്രായമിടുകയും അനുമാനങ്ങൾ ഫലത്തെ എങ്ങനെ ബാധിച്ചുവെന്ന് സൂചിപ്പിക്കുകയും ചെയ്യുക." AI അങ്ങനെ അനിശ്ചിതത്വം മറച്ചുവെക്കുന്നതിനു പകരം ദൃശ്യമാക്കുന്നു.

ഘട്ടം ഘട്ടമായി: AI- പവർഡ് അനലിറ്റിക്സ് വർക്ക്ഫ്ലോ

1. ചോദ്യം വ്യക്തമാക്കുക. നിങ്ങൾക്ക് എന്താണ് അറിയേണ്ടത്: അമിത ചൂടാക്കൽ, പ്രകാശത്തിൻ്റെ അഭാവം, ഊർജ്ജം?
2. AI ഉപയോഗിച്ച് സാഹചര്യങ്ങൾ എഡിറ്റ് ചെയ്യുക. പരിശോധിക്കേണ്ട വകഭേദങ്ങൾ പട്ടികപ്പെടുത്തുക.
3. മെറ്റീരിയൽ ഡാറ്റ കംപൈൽ ചെയ്യുകയും പരിശോധിക്കുകയും ചെയ്യുക. അവർ AI പറയുന്നു, നിങ്ങൾ അത് നിർമ്മാതാവിൻ്റെ ഡോക്യുമെൻ്റേഷനിൽ നിന്ന് പരിശോധിച്ചുറപ്പിക്കുക.
4. കഴിവുള്ള സോഫ്റ്റ്‌വെയർ ഉപയോഗിച്ച് സിമുലേഷൻ പ്രവർത്തിപ്പിക്കുക. ഇവിടെ നിന്നാണ് നമ്പർ വരുന്നത്.
5. AI ഉപയോഗിച്ച് ഔട്ട്പുട്ട് വ്യാഖ്യാനിക്കുക. അനുമാനങ്ങൾ പ്രസ്താവിച്ചുകൊണ്ട് ഒരു സംഗ്രഹം ഉണ്ടാക്കുക.
6. തീരുമാനം എടുത്ത് റിപ്പോർട്ട് ചെയ്യുക. നിഗമനവും ന്യായീകരണവും അതിൻ്റെ ഉറവിടത്തോടൊപ്പം രേഖപ്പെടുത്തിയിട്ടുണ്ട്.

മൂന്ന് മിനി കേസുകൾ

കേസ് 1 - രംഗം എഡിറ്റിംഗ്. 4 ഫേസഡ് ഓറിയൻ്റേഷനുകൾ, 3 ഗ്ലേസിംഗ് തരങ്ങൾ, 2 ഷേഡിംഗ് ഓപ്ഷനുകൾ എന്നിവയ്ക്കായി ഒരു ആർക്കിടെക്റ്റ് പകൽ വെളിച്ചം പരിശോധിക്കാൻ ആഗ്രഹിക്കുന്നു. AI ഈ കോമ്പിനേഷനുകളെ 24 സാഹചര്യങ്ങളുടെ വ്യക്തമായ പട്ടികയാക്കി മാറ്റുന്നു, കൂടാതെ ആർക്കിടെക്റ്റ് അനാവശ്യമായ ആവർത്തനങ്ങൾ ഏതൊക്കെയാണെന്ന് കാണുകയും അത് 16 ആയി ചുരുക്കുകയും ചെയ്യുന്നു. സിമുലേഷൻ സമയവും ക്രമക്കേടും കുറയുന്നു.

കേസ് 2 - വ്യാഖ്യാനവും പാറ്റേണും. 800 ലൈനുകൾ മണിക്കൂറിൽ താപനില ഔട്ട്പുട്ട് ദൃശ്യമാകുന്നു. ആർക്കിടെക്റ്റ് ഇത് AI-ക്ക് നൽകുകയും ഒരു സംഗ്രഹം ആവശ്യപ്പെടുകയും ചെയ്യുന്നു. തെക്ക്-പടിഞ്ഞാറ് കോണിലുള്ള രണ്ട് ഓഫീസുകൾ ഉച്ചതിരിഞ്ഞ് ലക്ഷ്യത്തിന് മുകളിൽ ചൂടാകുന്നതായി AI അടയാളപ്പെടുത്തുന്നു. ഈ കണ്ടെത്തൽ സ്ഥിരീകരിക്കുന്നതിന്, ആർക്കിടെക്റ്റ് സിമുലേഷൻ്റെ അനുബന്ധ ഗ്രാഫ് നോക്കുകയും ഷേഡിംഗ് ചേർക്കുകയും ചെയ്യുന്നു. AI ഇവിടെ നമ്പർ ഹാജരാക്കിയില്ല; അത് നിലവിലുള്ള നമ്പർ റീഡബിൾ ആക്കി.

കേസ് 3 - അപകടകരമായ കുറുക്കുവഴി. സമയം ലാഭിക്കാൻ, ഒരു ഇൻ്റേൺ AI-യോട് "ഈ മുറിയുടെ ഡേലൈറ്റ് മൾട്ടിപ്ലയർ എന്താണ്?" തത്ഫലമായുണ്ടാകുന്ന സംഖ്യ റിപ്പോർട്ടിൽ ഇടുന്നു. പരിശോധിക്കുമ്പോൾ, ഈ നമ്പർ ഏതെങ്കിലും കണക്കുകൂട്ടലുകളെ അടിസ്ഥാനമാക്കിയുള്ളതല്ലെന്നും രൂപപ്പെടുത്തിയതാണെന്നും വ്യക്തമാകും. റിപ്പോർട്ട് പിൻവലിച്ചു. പാഠം: അക്കങ്ങൾ എല്ലായ്പ്പോഴും കഴിവുള്ള സോഫ്റ്റ്‌വെയറിൽ നിന്നാണ് വരുന്നത്.

പകർത്താവുന്ന നാല് നിർദ്ദേശങ്ങൾ

ഇനിപ്പറയുന്ന വിശകലന ടാർഗെറ്റിനായി പരിശോധിക്കേണ്ട SCENARIOS ഒരു പട്ടികയിലേക്ക് മാറ്റുക. നിരകൾ: സാഹചര്യം നമ്പർ | മുൻ ദിശ | ഗ്ലാസ് തരം | ഷേഡിംഗ് |ഇത് എന്താണ് അളക്കുന്നത്? അനാവശ്യ/ആവർത്തന സാഹചര്യങ്ങൾ ഫ്ലാഗ് ചെയ്യുക. ലക്ഷ്യം: [...]

ഒരു പട്ടികയിൽ ഈ മെറ്റീരിയൽ ലിസ്‌റ്റിനായി ഹീറ്റ് ട്രാൻസ്മിറ്റൻസ്, ലൈറ്റ് ട്രാൻസ്മിറ്റൻസ് മൂല്യങ്ങൾ സമാഹരിക്കുക. ഓരോ മൂല്യവും "നിർമ്മാതാവിൻ്റെ ഡോക്യുമെൻ്റിൽ നിന്ന് സ്ഥിരീകരിക്കണം" എന്ന് അടയാളപ്പെടുത്തുക; കൃത്യമായ മൂല്യം നൽകരുത്. പട്ടിക: [...]

ഇനിപ്പറയുന്ന അനുമാനങ്ങൾക്കൊപ്പം [സോഫ്റ്റ്‌വെയർ നാമം] ഇനിപ്പറയുന്ന സിമുലേഷൻ ഫലങ്ങൾ നിർമ്മിച്ചു: [അനുമാനങ്ങൾ]. സംഗ്രഹ ഫലങ്ങൾ: 3 ഏറ്റവും നിർണായകമായ സ്ഥലങ്ങൾ, പാറ്റേണുകൾ, അനുമാനങ്ങളുടെ സ്വാധീനം. പുതിയ സംഖ്യകൾ സൃഷ്ടിക്കരുത്, നൽകിയിരിക്കുന്നവ വ്യാഖ്യാനിക്കുക. ഫലങ്ങൾ: [...]

ഈ എനർജി/ഡേലൈറ്റ് റിപ്പോർട്ട് ഡ്രാഫ്റ്റ് ഒരു ആർക്കിടെക്റ്റിൻ്റെ ഭാഷയിൽ ഓർഗനൈസ് ചെയ്യുക: രീതി, അനുമാനങ്ങൾ, കണ്ടെത്തലുകൾ, ശുപാർശകൾ എന്നിവയുടെ വിഭാഗങ്ങൾക്കൊപ്പം. ഓരോ ലക്കത്തിൻ്റെയും ഉറവിടം (സോഫ്റ്റ്‌വെയർ/അക്കൗണ്ട്) സൂചിപ്പിക്കാൻ [SOURCE] ഫീൽഡ് വിടുക. ഡ്രാഫ്റ്റ്: [...]

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലമായത്: "ഈ മുറിയുടെ ഊർജ്ജ ഉപഭോഗം എന്തായിരിക്കും?"

ശക്തമായത്: "എൻ്റെ EnergyPlus-അധിഷ്ഠിത സിമുലേഷൻ്റെ പ്രതിമാസ ഊർജ്ജ ഉൽപ്പാദനം ഞാൻ ചുവടെ ഒട്ടിക്കുന്നു. അനുമാനങ്ങൾ: [കാലാവസ്ഥാ ഫയൽ, ഉപയോഗ സമയം, സെറ്റ് താപനിലകൾ]. ഈ ഫലങ്ങൾ സംഗ്രഹിക്കുക: ഏത് മാസത്തിലാണ് ഏറ്റവും കൂടുതൽ ലോഡ് ഉള്ളത്, ഏത് ലൊക്കേഷൻ വേറിട്ടുനിൽക്കുന്നു, ഏത് അനുമാനമാണ് ഫലത്തെ ഏറ്റവും കൂടുതൽ ബാധിക്കുന്നത്. ഞാൻ നൽകിയ ഡാറ്റ കണക്കാക്കുന്നു;

ശക്തമായ പ്രോംപ്റ്റ് AI-യെ ഇൻ്റർപ്രെറ്റർ റോളിൽ നിലനിർത്തുന്നു; ഇത് സംഖ്യകൾ ഉൽപ്പാദിപ്പിക്കുന്ന കെണിയിൽ വീഴുന്നില്ല, അനുമാനങ്ങൾ ദൃശ്യമാക്കുന്നു.

ബിസിനസ്സ്

AI അത് ചെയ്യുമോ?

ആരാണ് നമ്പർ നിർമ്മിക്കുന്നത്

സ്ക്രിപ്റ്റ് എഡിറ്റിംഗ്

അതെ

—

മെറ്റീരിയൽ ഡാറ്റ സമാഹരണം

അതെ (സ്ഥിരീകരിച്ചു)

നിർമ്മാതാവിൻ്റെ സർട്ടിഫിക്കറ്റ്

സിമുലേഷൻ അക്കൗണ്ട്

ഇല്ല

അംഗീകൃത സോഫ്റ്റ്‌വെയർ

സമാപന അഭിപ്രായം/സംഗ്രഹം

അതെ

—

റിപ്പോർട്ട് എഴുത്ത്

അതെ (വെൽഡിഡ്)

—

സാധാരണ തെറ്റുകൾ

• AI ഉൽപ്പാദിപ്പിക്കുന്ന നമ്പറുകൾ ഉണ്ടാക്കുന്നു. പകൽ വെളിച്ചം/ഊർജ്ജ മൂല്യം സോഫ്‌റ്റ്‌വെയറിൽ നിന്ന് മാത്രം വരുന്നു.
• അനുമാനങ്ങൾ പറയുന്നില്ല. വ്യാഖ്യാനം സന്ദർഭവും തെറ്റിദ്ധാരണയുമില്ലാതെ തുടരുന്നു.
• മെറ്റീരിയൽ മൂല്യം സ്ഥിരീകരിക്കുന്നില്ല. AI തെറ്റായ താപനില/ലൈറ്റ് മൂല്യങ്ങൾ നൽകിയേക്കാം.
• AI സംഗ്രഹത്തെ റോ ഡാറ്റയുമായി താരതമ്യം ചെയ്യുന്നില്ല. സംഗ്രഹം തെറ്റായി ഹൈലൈറ്റ് ചെയ്തേക്കാം.
• റിപ്പോർട്ടിൽ തയ്യാറാക്കിയ നമ്പർ ഇടുന്നു. ഉറവിടമില്ലാത്ത നമ്പറുകളൊന്നും റിപ്പോർട്ടിൽ ഉൾപ്പെടുത്തിയിട്ടില്ല.

ചുരുക്കത്തിൽ

ഊർജ്ജവും പകൽ വെളിച്ചവും കണക്കാക്കുന്നത് ഭൗതികശാസ്ത്രത്തെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്, അംഗീകൃത സിമുലേഷൻ സോഫ്‌റ്റ്‌വെയർ മാത്രമേ അത് ശരിയാക്കൂ. AI ഈ കണക്കുകൂട്ടൽ നടത്തുന്നില്ല; ഇൻപുട്ട് എഡിറ്റ് ചെയ്യുന്നു, മെറ്റീരിയൽ ഡാറ്റ കംപൈൽ ചെയ്യുന്നു (പരിശോധിക്കുന്നു), ഫലം വ്യാഖ്യാനിക്കുന്നു, റിപ്പോർട്ട് എഴുതുന്നു. ഡേലൈറ്റ് മൾട്ടിപ്ലയർ അല്ലെങ്കിൽ ഊർജ്ജ ഉപഭോഗം പോലെയുള്ള ഒരു നമ്പർ സൃഷ്ടിക്കാൻ AI-യെ ഒരിക്കലും പ്രേരിപ്പിക്കരുത്. ഓരോ സംഖ്യയുടെയും ഉറവിടം ഉദ്ധരിക്കുക, അനുമാനങ്ങൾ ദൃശ്യമാക്കുക, യോഗ്യതയുള്ള വിദഗ്ദ്ധനെക്കൊണ്ട് അന്തിമ വിലയിരുത്തൽ പരിശോധിക്കുക.

ആപ്ലിക്കേഷൻ ടാസ്ക്

ഒരു സ്‌പെയ്‌സിനായി പകൽ വെളിച്ചം അല്ലെങ്കിൽ അമിത ചൂടാക്കൽ വിശകലനം രൂപകൽപ്പന ചെയ്യുക. AI ഉപയോഗിച്ച്, ടെസ്റ്റ് കേസുകൾ ഒരു പട്ടികയാക്കി മാറ്റുക, മെറ്റീരിയൽ മൂല്യങ്ങൾക്കായി സ്ഥിരീകരണ ഫീൽഡുകൾ വിടുക. നിങ്ങൾക്ക് ഒരു സിമുലേഷൻ ഔട്ട്പുട്ട് (അല്ലെങ്കിൽ ഒരു സാമ്പിൾ ടേബിൾ) ഉണ്ടെങ്കിൽ, അനുമാനങ്ങൾ പ്രസ്താവിച്ച് AI- ലേക്ക് സംഗ്രഹിക്കുക, കൂടാതെ AI പുതിയ നമ്പറുകളൊന്നും നൽകുന്നില്ലെന്ന് പരിശോധിക്കുക.

ചെക്ക്ലിസ്റ്റ്

• [ ] ഞാൻ വിശകലന ചോദ്യം വ്യക്തമാക്കി.
• [ ] ഞാൻ AI ഉപയോഗിച്ച് സാഹചര്യങ്ങൾ എഡിറ്റ് ചെയ്തു.
• നിർമ്മാതാവിൻ്റെ ഡോക്യുമെൻ്റേഷനിൽ നിന്ന് ഞാൻ മെറ്റീരിയൽ മൂല്യങ്ങൾ സ്ഥിരീകരിച്ചു.
• [ ] അംഗീകൃത സോഫ്‌റ്റ്‌വെയറിൽ നിന്ന് മാത്രമാണ് എനിക്ക് നമ്പർ ലഭിച്ചത്.
• [ ] അനുമാനങ്ങൾ പ്രസ്താവിച്ചുകൊണ്ട് എനിക്ക് AI അത് വ്യാഖ്യാനിച്ചു.
• AI പുതിയ നമ്പറുകൾ സൃഷ്ടിക്കുന്നില്ലെന്ന് ഞാൻ പരിശോധിച്ചു.
• [ ] റിപ്പോർട്ടിൽ ഓരോ ലക്കത്തിൻ്റെയും ഉറവിടം ഞാൻ എഴുതി.