ਆਟੋਮੋਟਿਵ ਇੰਜੀਨੀਅਰਿੰਗ ਵਿੱਚ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਅਤੇ ਵੈਰੀਫਿਕੇਸ਼ਨ ਅਨੁਸ਼ਾਸਨ ਦੀ ਜਾਣ-ਪਛਾਣ

ਲਾਭ:

• ਵਹੀਕਲ ਡਿਵੈਲਪਮੈਂਟ ਲਾਈਫਸਾਈਕਲ (V-ਮਾਡਲ) ਵਿੱਚ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਕਿੱਥੇ ਅਸਲੀ ਮੁੱਲ ਪੈਦਾ ਕਰਦੀ ਹੈ ਅਤੇ ਕਿਹੜੇ ਫੈਸਲਿਆਂ ਦੀ ਜਿੰਮੇਵਾਰੀ ਸਮਰੱਥ ਇੰਜੀਨੀਅਰ ਦੀ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ, ਇਹ ਪਤਾ ਲਗਾਉਣ ਦੀ ਸਮਰੱਥਾ
• ਤਿੰਨ ਐਂਕਰ ਪ੍ਰਮਾਣਿਕਤਾ ਅਨੁਸ਼ਾਸਨਾਂ ਨੂੰ ਲਾਗੂ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਜੋ ਹਰੇਕ AI ਆਉਟਪੁੱਟ ਦੀ ਤੀਬਰਤਾ, ਇੰਜੀਨੀਅਰਿੰਗ ਪ੍ਰਸੰਸਾਯੋਗਤਾ, ਅਤੇ ਸੁਤੰਤਰ ਟੈਸਟ/ਮਾਪ ਸਬੂਤ ਦੇ ਵਿਰੁੱਧ ਜਾਂਚ ਕਰਦੇ ਹਨ
• ਭਰਮ, ਅਸਪਸ਼ਟਤਾ, ਵਪਾਰਕ ਰਾਜ਼ ਅਤੇ ਕਾਰਜਾਤਮਕ ਸੁਰੱਖਿਆ ਜੋਖਮਾਂ ਨੂੰ ਪਛਾਣਨਾ ਅਤੇ ਸੰਦਰਭ ਨੂੰ ਅਗਿਆਤ ਕਰਕੇ ਸੁਰੱਖਿਅਤ ਪ੍ਰੋਂਪਟ ਸਥਾਪਤ ਕਰਨ ਦੀ ਆਦਤ ਪਾਉਣਾ

ਆਟੋਮੋਟਿਵ ਇੰਜੀਨੀਅਰਿੰਗ; ਇਹ ਇੱਕ ਵਿਸ਼ਾਲ ਲੜੀ ਹੈ ਜੋ ਇੱਕ ਵਾਹਨ ਦੇ ਸੰਕਲਪ ਡਰਾਇੰਗ ਤੋਂ ਸ਼ੁਰੂ ਹੁੰਦੀ ਹੈ ਅਤੇ ਡਿਜ਼ਾਈਨ, ਸਿਮੂਲੇਸ਼ਨ, ਪ੍ਰੋਟੋਟਾਈਪ, ਟੈਸਟਿੰਗ, ਪੁੰਜ ਉਤਪਾਦਨ ਅਤੇ ਫੀਲਡ ਨਿਗਰਾਨੀ ਤੱਕ ਫੈਲਦੀ ਹੈ। ਅੱਜ, ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (ਸੰਖੇਪ ਵਿੱਚ, AI, ਜਾਂ AI) ਇਸ ਲੜੀ ਦੀ ਹਰ ਕੜੀ ਵਿੱਚ ਇੱਕ ਐਕਸਲੇਟਰ ਵਜੋਂ ਸਰਗਰਮ ਹੈ। ਪਰ ਆਟੋਮੋਟਿਵ ਉਦਯੋਗ ਵਿੱਚ ਇੱਕ ਗਲਤੀ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਵਿੱਚ ਛੱਡੀ ਗਈ ਇੱਕ ਗਲਤੀ ਨਹੀਂ ਹੈ: ਇਸਦਾ ਅਰਥ ਹੈ ਸੜਕ 'ਤੇ ਲੱਖਾਂ ਵਾਹਨਾਂ ਦੀ ਸੁਰੱਖਿਆ, ਯਾਦ ਅਤੇ ਮਨੁੱਖੀ ਜੀਵਨ. ਇਸ ਲਈ, ਇਸ ਮੋਡੀਊਲ ਦਾ ਪਹਿਲਾ ਅਤੇ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਵਾਕ ਹੈ: ਨਕਲੀ ਬੁੱਧੀ ਇੰਜੀਨੀਅਰ ਨੂੰ ਤੇਜ਼ ਕਰਦੀ ਹੈ, ਪਰ ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਫੈਸਲੇ ਲਈ ਮਾਲਕ ਅਤੇ ਜ਼ਿੰਮੇਵਾਰ ਹਮੇਸ਼ਾ ਸਮਰੱਥ ਇੰਜੀਨੀਅਰ ਹੁੰਦਾ ਹੈ।

ਇਸ ਯੂਨਿਟ ਵਿੱਚ, ਅਸੀਂ ਸਿੱਖਾਂਗੇ ਕਿ ਵਾਹਨ ਵਿਕਾਸ ਵਿੱਚ ਕਿੱਥੇ AI ਅਸਲ ਮੁੱਲ ਪੈਦਾ ਕਰਦਾ ਹੈ, ਕਿੱਥੇ ਲਾਲ ਲਾਈਨਾਂ ਹਨ, ਅਤੇ ਹਰੇਕ AI ਆਉਟਪੁੱਟ ਨੂੰ ਅਨੁਸ਼ਾਸਿਤ ਤਰੀਕੇ ਨਾਲ ਕਿਵੇਂ ਪ੍ਰਮਾਣਿਤ ਕਰਨਾ ਹੈ।

ਵਾਹਨ ਵਿਕਾਸ ਦਾ V- ਮਾਡਲ ਅਤੇ AI ਦਾ ਸਥਾਨ

ਆਟੋਮੋਟਿਵ ਵਿੱਚ ਵਿਕਾਸ ਨੂੰ ਅਕਸਰ V- ਮਾਡਲ ਨਾਲ ਦਰਸਾਇਆ ਜਾਂਦਾ ਹੈ। V- ਮਾਡਲ; ਇਹ ਵਿਕਾਸ ਪ੍ਰਕਿਰਿਆ ਹੈ ਜੋ ਇੱਕ ਅੱਖਰ "V" ਦੇ ਰੂਪ ਵਿੱਚ ਅੱਗੇ ਵਧਦੀ ਹੈ, ਲੋੜਾਂ ਅਤੇ ਡਿਜ਼ਾਈਨ ਦੇ ਪੜਾਅ ਖੱਬੇ ਪਾਸੇ, ਹੇਠਾਂ ਸੌਫਟਵੇਅਰ/ਹਾਰਡਵੇਅਰ ਲਾਗੂ ਕਰਨ, ਅਤੇ ਤਸਦੀਕ ਅਤੇ ਏਕੀਕਰਣ ਟੈਸਟ ਸੱਜੇ ਪਾਸੇ ਵੱਲ ਜਾਂਦੇ ਹਨ। ਖੱਬੀ ਬਾਂਹ ਵਿੱਚ, "ਅਸੀਂ ਕੀ ਕਰਾਂਗੇ" ਪਰਿਭਾਸ਼ਿਤ ਕੀਤਾ ਗਿਆ ਹੈ (ਲੋੜ, ਸਿਸਟਮ ਡਿਜ਼ਾਈਨ), ਸੱਜੀ ਬਾਂਹ ਵਿੱਚ, "ਕੀ ਅਸੀਂ ਇਸਨੂੰ ਸਹੀ ਕੀਤਾ ਹੈ" ਟੈਸਟ ਕੀਤਾ ਗਿਆ ਹੈ (ਯੂਨਿਟ ਟੈਸਟਿੰਗ, ਏਕੀਕਰਣ, ਟੂਲ ਵੈਰੀਫਿਕੇਸ਼ਨ)।

ਨਕਲੀ ਬੁੱਧੀ ਇਸ V ਦੇ ਲਗਭਗ ਹਰ ਪਹਿਲੂ ਨੂੰ ਛੂੰਹਦੀ ਹੈ:

• ਖੱਬੀ ਬਾਂਹ (ਡਿਜ਼ਾਈਨ): ਜਨਰੇਟਿਵ ਡਿਜ਼ਾਈਨ ਦੇ ਨਾਲ ਹਲਕੇ ਹਿੱਸੇ ਦੀ ਜਿਓਮੈਟਰੀ ਦਾ ਪ੍ਰਸਤਾਵ ਕਰੋ, ਸਰੋਗੇਟ ਮਾਡਲ ਦੇ ਨਾਲ ਸਿਮੂਲੇਸ਼ਨ ਨੂੰ ਤੇਜ਼ ਕਰੋ, ਲੋੜ ਦੇ ਟੈਕਸਟ ਤੋਂ ਅਸੰਗਤਤਾਵਾਂ ਨੂੰ ਫੜੋ।
• ਉਪ (ਲਾਗੂ ਕਰਨਾ): ਕੋਡ ਜਨਰੇਸ਼ਨ ਸਹਾਇਤਾ, ਟੈਸਟ ਕੇਸ ਡੈਰੀਵੇਸ਼ਨ, ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਪੈਰਾਮੀਟਰ ਸਕੈਨਿੰਗ।
• ਸੱਜੀ ਬਾਂਹ (ਤਸਦੀਕ): ਟੈਸਟ ਡੇਟਾ, ਰਿਪੋਰਟ ਡਰਾਫਟ, ਸਹਿਣਸ਼ੀਲਤਾ ਟੈਸਟ ਸਾਰਾਂਸ਼ ਤੋਂ ਅਸਮਾਨਤਾ ਫਲੈਗ ਕਰਨਾ।
• ਨਿਰਮਾਣ ਅਤੇ ਖੇਤਰ: ਵਿਜ਼ੂਅਲ ਨੁਕਸ ਖੋਜ, ਭਵਿੱਖਬਾਣੀ ਰੱਖ-ਰਖਾਅ, ਟੈਲੀਮੈਟਰੀ ਵਿਸ਼ਲੇਸ਼ਣ, ਸਪਲਾਈ ਚੇਨ ਪੂਰਵ ਅਨੁਮਾਨ।

ਨੁਕਤਾ: AI ਨੂੰ ਇੱਕ ਸਹਾਇਕ ਦੇ ਤੌਰ 'ਤੇ ਰੱਖੋ ਜੋ "ਲੀਡ ਪੈਦਾ ਕਰਦਾ ਹੈ ਅਤੇ ਧਿਆਨ ਖਿੱਚਦਾ ਹੈ," ਨਾ ਕਿ "ਫੈਸਲਾ ਨਿਰਮਾਤਾ"। ਇੰਜੀਨੀਅਰਿੰਗ ਸਬੂਤ ਫੈਸਲਾ ਕਰਦਾ ਹੈ।

ਅਸੀਂ ਏਆਈ ਨੂੰ ਕੀ ਛੱਡਦੇ ਹਾਂ ਅਤੇ ਕੀ ਨਹੀਂ?

ਆਮ ਨਿਯਮ: AI ਦੁਹਰਾਉਣ ਵਾਲੇ, ਡੇਟਾ-ਇੰਟੈਂਸਿਵ, ਪਹਿਲੇ ਡਰਾਫਟ ਕੰਮ 'ਤੇ ਮਜ਼ਬੂਤ ​​ਹੈ; ਨਿਰਣਾ, ਸੁਰੱਖਿਆ ਅਤੇ ਅੰਤਮ ਪ੍ਰਵਾਨਗੀ ਮਨੁੱਖ ਦੀ ਹੈ। ਹੇਠਾਂ ਦਿੱਤੀ ਸਾਰਣੀ ਇਸ ਅੰਤਰ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ।

ਖੋਜ

ਏਆਈ ਦੀ ਭੂਮਿਕਾ

ਫੈਸਲੇ ਦਾ ਮਾਲਕ

ਰੋਡ ਟੈਸਟ ਰਿਕਾਰਡਿੰਗ ਦੀਆਂ 50,000 ਲਾਈਨਾਂ ਵਿੱਚ ਅਸੰਗਤ ਸਕੈਨਿੰਗ

ਆਟੋਮੈਟਿਕ ਮਾਰਕਿੰਗ, ਪ੍ਰੀ-ਸਕ੍ਰੀਨਿੰਗ

ਟੈਸਟ ਇੰਜੀਨੀਅਰ

ਬ੍ਰੇਕ ਸਾਫਟਵੇਅਰ ਸੁਰੱਖਿਆ ਤਸਦੀਕ

ਇੱਕ ਟੈਸਟ ਦ੍ਰਿਸ਼ ਦਾ ਸੁਝਾਅ ਦਿਓ

ਕਾਰਜਸ਼ੀਲ ਸੁਰੱਖਿਆ ਇੰਜੀਨੀਅਰ

ਸੰਕਲਪ ਚੈਸੀ ਜਿਓਮੈਟਰੀ ਤਿਆਰ ਕਰਨਾ

ਵਿਕਲਪ ਪੈਦਾ ਕਰਨਾ (ਉਤਪਾਦਕ)

ਡਿਜ਼ਾਈਨ/CAE ਇੰਜੀਨੀਅਰ

ਵੇਲਡ ਸੀਮ ਨੁਕਸ ਵਰਗੀਕਰਣ

ਚਿੱਤਰ ਵਿੱਚ ਪੂਰਵ-ਖੋਜ

ਕੁਆਲਿਟੀ ਇੰਜੀਨੀਅਰ/ਆਪਰੇਟਰ

ਸਮਰੂਪੀਕਰਨ (ਕਿਸਮ ਦੀ ਪ੍ਰਵਾਨਗੀ) ਘੋਸ਼ਣਾ

ਡਰਾਫਟ ਟੈਕਸਟ

ਜ਼ਿੰਮੇਵਾਰ ਇੰਜੀਨੀਅਰ/ਪ੍ਰਬੰਧਕ

ਨੋਟ ਕਰਨ ਲਈ ਬਿੰਦੂ: ਸਾਰਣੀ ਦਾ ਸੱਜਾ ਕਾਲਮ ਕਦੇ ਵੀ "AI" ਨਹੀਂ ਹੋ ਸਕਦਾ। ਨਿਕਾਸ ਘੋਸ਼ਣਾ, ਕਰੈਸ਼ ਸੁਰੱਖਿਆ ਪ੍ਰਵਾਨਗੀ, ਬ੍ਰੇਕਿੰਗ ਪ੍ਰਦਰਸ਼ਨ ਆਦਿ ਵਰਗੇ ਮਾਮਲਿਆਂ 'ਤੇ ਅੰਤਮ ਦਸਤਖਤ ਹਮੇਸ਼ਾ ਅਧਿਕਾਰਤ ਵਿਅਕਤੀ ਦੇ ਹੁੰਦੇ ਹਨ। ਇਹ ਨਾ ਸਿਰਫ਼ ਨੈਤਿਕ ਹੈ, ਸਗੋਂ ਜ਼ਿਆਦਾਤਰ ਦੇਸ਼ਾਂ ਵਿੱਚ ਇੱਕ ਕਾਨੂੰਨੀ ਜ਼ਿੰਮੇਵਾਰੀ ਹੈ।

ਤਿੰਨ ਐਂਕਰ ਤਸਦੀਕ ਅਨੁਸ਼ਾਸਨ

ਇਸ ਸਾਰੇ ਮੋਡੀਊਲ ਦੌਰਾਨ ਅਸੀਂ ਤਿੰਨ ਸੁਤੰਤਰ "ਐਂਕਰਾਂ" ਦੇ ਵਿਰੁੱਧ ਹਰੇਕ AI ਆਉਟਪੁੱਟ ਦੀ ਜਾਂਚ ਕਰਾਂਗੇ। ਐਂਕਰ; ਭਾਰ ਵਾਂਗ ਜੋ ਜਹਾਜ਼ ਨੂੰ ਥਾਂ 'ਤੇ ਰੱਖਦਾ ਹੈ, ਇਹ AI ਨੂੰ ਸਾਡੇ ਨਾਲ ਖਿੱਚਣ ਤੋਂ ਰੋਕਦਾ ਹੈ।

1. ਤੀਬਰਤਾ ਦੀ ਜਾਂਚ ਦਾ ਕ੍ਰਮ: ਕੀ ਨਤੀਜਾ ਮੋਟੇ ਤੌਰ 'ਤੇ ਸਹੀ ਪੈਮਾਨਾ ਹੈ? ਜ਼ੀਰੋ ਤੋਂ ਸੌ ਕਿਲੋਮੀਟਰ ਪ੍ਰਤੀ ਘੰਟਾ ਤੱਕ ਇੱਕ ਯਾਤਰੀ ਕਾਰ ਦਾ ਪ੍ਰਵੇਗ ਲਗਭਗ 6-9 ਸਕਿੰਟ ਹੈ; ਜੇ AI ਕਹਿੰਦਾ ਹੈ "0.6 ਸਕਿੰਟ" ਕੁਝ ਗਲਤ ਹੈ। ਬੈਟਰੀ ਨੂੰ 2 ਮਿੰਟਾਂ ਵਿੱਚ ਪੂਰੀ ਤਰ੍ਹਾਂ ਚਾਰਜ ਕਰਨ ਦੀ ਸਿਫਾਰਸ਼ ਸਰੀਰਕ ਤੌਰ 'ਤੇ ਸ਼ੱਕੀ ਹੈ।
2. ਇੰਜੀਨੀਅਰਿੰਗ ਪ੍ਰਸੰਨਤਾ: ਕੀ ਨਤੀਜਾ ਭੌਤਿਕ ਵਿਗਿਆਨ ਅਤੇ ਇੰਜਨੀਅਰਿੰਗ ਅਨੁਭਵ ਦੇ ਅਨੁਕੂਲ ਹੈ? ਜੇ ਤੁਸੀਂ ਹਲਕਾ ਬਣਾਉਣ ਵਾਲਾ ਹਿੱਸਾ ਸਸਤਾ, ਮਜ਼ਬੂਤ ​​​​ਅਤੇ ਉਸੇ ਸਮੇਂ ਬਣਾਉਣ ਲਈ ਆਸਾਨ ਹੁੰਦਾ ਹੈ, ਤਾਂ "ਕੋਈ ਮੁਫਤ ਦੁਪਹਿਰ ਦਾ ਖਾਣਾ ਨਹੀਂ ਹੈ" ਦੇ ਸਿਧਾਂਤ ਨੂੰ ਯਾਦ ਰੱਖੋ; ਕਿਤੇ ਨਾ ਕਿਤੇ ਕੋਈ ਵਪਾਰ ਛੁਪਿਆ ਹੋਇਆ ਹੈ।
3. ਸੁਤੰਤਰ ਟੈਸਟਿੰਗ/ਮਾਪ ਦਾ ਸਬੂਤ: ਸਭ ਤੋਂ ਮਜ਼ਬੂਤ ​​ਐਂਕਰ। ਸਿਮੂਲੇਸ਼ਨ ਦੀ ਤੁਲਨਾ ਭੌਤਿਕ ਜਾਂਚ ਨਾਲ ਕਰੋ, ਪੂਰਵ-ਅਨੁਮਾਨ ਨੂੰ ਅਸਲ ਡੇਟਾ, AI ਸੰਖੇਪ ਨੂੰ ਕੱਚੇ ਡੇਟਾ ਨਾਲ। ਬਿਨਾਂ ਸਬੂਤ ਦੇ ਕੋਈ ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਆਉਟਪੁੱਟ ਸਵੀਕਾਰ ਨਹੀਂ ਕੀਤੀ ਜਾਂਦੀ।

ਸਾਵਧਾਨ: AI ਬਹੁਤ ਹੀ ਰਵਾਨੀ ਅਤੇ ਭਰੋਸੇਮੰਦ ਭਾਸ਼ਾ ਨਾਲ ਗਲਤ ਜਾਣਕਾਰੀ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ; ਇਸ ਨੂੰ ਭਰਮ ਕਿਹਾ ਜਾਂਦਾ ਹੈ। ਪ੍ਰਵਾਹ ਸ਼ੁੱਧਤਾ ਦਾ ਸਬੂਤ ਨਹੀਂ ਹੈ। ਇਹ ਨਾ ਸੋਚੋ ਕਿ ਇੱਕ ਨੰਬਰ, ਇੱਕ ਮਿਆਰੀ ਸੰਖਿਆ, ਜਾਂ ਇੱਕ ਪਦਾਰਥਕ ਵਿਸ਼ੇਸ਼ਤਾ ਸਹੀ ਹੈ ਕਿਉਂਕਿ ਇਹ ਵਿਸ਼ਵਾਸ ਨਾਲ ਕਿਹਾ ਗਿਆ ਹੈ; ਸਰੋਤ ਤੋਂ ਪੁਸ਼ਟੀ ਕਰੋ।

ਮਿੰਨੀ ਕੇਸ ਅਧਿਐਨ

ਕੇਸ 1 - ਆਰਡਰ ਵਿੱਚ ਤਰੁੱਟੀ ਫੜੀ ਜਾ ਰਹੀ ਹੈ। ਇੱਕ ਇੰਟਰਨ ਕੋਲ AI ਵਾਹਨ ਦੀ ਐਰੋਡਾਇਨਾਮਿਕ ਡਰੈਗ ਫੋਰਸ ਦੀ ਗਣਨਾ ਕਰਦਾ ਹੈ ਅਤੇ 100 km/h ਦੀ ਰਫਤਾਰ ਨਾਲ ਨਤੀਜਾ "12,000 N" ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ। ਸੀਨੀਅਰ ਇੰਜੀਨੀਅਰ ਇੱਕ ਪੱਧਰ ਦੀ ਜਾਂਚ ਕਰਦਾ ਹੈ: ਇਸ ਸਪੀਡ 'ਤੇ ਇੱਕ ਆਮ ਯਾਤਰੀ ਕਾਰ ਦੀ ਡਰੈਗ ਫੋਰਸ ਲਗਭਗ 300-400 N (ਲਗਭਗ 30-40 kgf) ਹੈ। N12,000 ਤੀਹ ਗੁਣਾ ਵੱਧ ਹੈ। ਜਾਂਚ ਕਰਨ 'ਤੇ, ਇਹ ਪ੍ਰਤੀਤ ਹੁੰਦਾ ਹੈ ਕਿ AI ਹਵਾ ਦੀ ਘਣਤਾ ਲਈ ਗਲਤ ਯੂਨਿਟ ਦੀ ਵਰਤੋਂ ਕਰ ਰਿਹਾ ਹੈ (kg/m³ ਦੀ ਬਜਾਏ g/cm³ ਉਲਝਣ)। ਨਤੀਜਾ: ਇੱਕ ਸਧਾਰਨ ਰੈਂਕ ਜਾਂਚ ਨੇ ਗਲਤ ਡਿਜ਼ਾਈਨ ਫੈਸਲਿਆਂ ਦੇ ਘੰਟਿਆਂ ਨੂੰ ਰੋਕਿਆ।

ਕੇਸ 2 - ਤਰਕਸ਼ੀਲਤਾ ਫਿਲਟਰ। ਇੱਕ ਖਰੀਦ ਟੀਮ AI ਨੂੰ ਲਾਗਤ-ਕੱਟਣ ਦੀ ਸਲਾਹ ਲਈ ਪੁੱਛਦੀ ਹੈ; AI 8% ਦੀ ਬਚਤ ਕਰਕੇ, ਇੱਕ ਸਿੰਗਲ ਸਪਲਾਇਰ ਤੋਂ ਖਰੀਦਣ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕਰਦਾ ਹੈ। ਯੋਜਨਾ ਪ੍ਰਬੰਧਕ ਇੱਕ ਪ੍ਰਸ਼ੰਸਾਯੋਗਤਾ ਜਾਂਚ ਚਲਾਉਂਦਾ ਹੈ: ਇਹ ਹਿੱਸਾ ਇੱਕ ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਏਅਰਬੈਗ ਸੈਂਸਰ ਹੈ, ਅਤੇ ਜੇਕਰ ਉਸ ਫੈਕਟਰੀ ਵਿੱਚ ਕੋਈ ਆਊਟੇਜ ਹੁੰਦਾ ਹੈ ਤਾਂ ਇਕੋ ਸਰੋਤ ਸਾਰੇ ਉਤਪਾਦਨ ਨੂੰ ਰੋਕ ਦੇਵੇਗਾ। ਦੂਜੇ ਸਰੋਤ ਅਤੇ ਸਟਾਕ ਬਫਰ ਨੂੰ ਜੋੜ ਕੇ ਸੁਝਾਅ ਨੂੰ ਠੀਕ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ। ਨਤੀਜਾ: 8% ਦੀ ਬੱਚਤ ਲਈ "ਲਾਈਨ ਨੂੰ ਰੋਕਣ" ਦੇ ਜੋਖਮ ਤੋਂ ਬਚਿਆ ਗਿਆ ਸੀ.

ਕੇਸ 3 - ਸੁਤੰਤਰ ਸਬੂਤ। ਇੱਕ CAE ਟੀਮ ਇੱਕ ਤੇਜ਼ ਸਰਰੋਗੇਟ ਮਾਡਲ ਦੇ ਨਾਲ ਹੁੱਡ ਪੈਨਲ ਦੇ ਵਾਈਬ੍ਰੇਸ਼ਨ (NVH - ਸ਼ੋਰ, ਵਾਈਬ੍ਰੇਸ਼ਨ, ਕਠੋਰਤਾ) ਵਿਵਹਾਰ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਦੀ ਹੈ; ਮਾਡਲ 47 Hz 'ਤੇ ਇੱਕ ਗੂੰਜ (ਇੱਕ ਨਿਸ਼ਚਿਤ ਬਾਰੰਬਾਰਤਾ 'ਤੇ ਬਹੁਤ ਜ਼ਿਆਦਾ ਵਾਈਬ੍ਰੇਸ਼ਨ) ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਦਾ ਹੈ। ਟੀਮ ਭੌਤਿਕ ਮਾਡਲ ਟੈਸਟਿੰਗ ਨਾਲ ਇਸਦੀ ਪੁਸ਼ਟੀ ਕਰਦੀ ਹੈ; ਅਸਲੀ ਸਿਖਰ 44 Hz 'ਤੇ ਹੁੰਦਾ ਹੈ। ਫਰਕ ਛੋਟਾ ਹੈ ਪਰ ਮਹੱਤਵਪੂਰਨ ਹੈ; ਸਰੋਗੇਟ ਮਾਡਲ ਅਪਣਾਇਆ ਜਾਂਦਾ ਹੈ, ਪਰ ਉਸ ਅਨੁਸਾਰ ਡਿਜ਼ਾਈਨ ਮਾਰਜਿਨ ਦਾ ਵਿਸਤਾਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਸਿੱਟਾ: ਤੇਜ਼ AI ਪੂਰਵ-ਅਨੁਮਾਨ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਗਈ ਸੀ ਪਰ ਸੁਤੰਤਰ ਸਬੂਤ ਨਾਲ ਕੈਲੀਬਰੇਟ ਕੀਤੀ ਗਈ ਸੀ।

ਇੱਕ ਸੁਰੱਖਿਅਤ ਪ੍ਰੋਂਪਟ ਸਥਾਪਤ ਕਰਨਾ: ਗੋਪਨੀਯਤਾ ਅਤੇ ਵਪਾਰਕ ਭੇਦ

ਆਟੋਮੋਟਿਵ ਡੇਟਾ ਵਿੱਚ ਅਕਸਰ ਵਪਾਰਕ ਰਾਜ਼ (ਨਵਾਂ ਮਾਡਲ ਡਿਜ਼ਾਈਨ, ਸਪਲਾਇਰ ਕੀਮਤ) ਜਾਂ ਨਿੱਜੀ ਡੇਟਾ (ਡਰਾਈਵਰ ਦੀ ਸਥਿਤੀ, VIN - ਚੈਸੀ ਨੰਬਰ) ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ। ਜਨਤਕ ਕਲਾਉਡ ਏਆਈ ਟੂਲ ਨੂੰ ਕੱਚਾ ਗੁਪਤ ਡੇਟਾ ਭੇਜਣਾ ਇੱਕ ਵੱਡਾ ਜੋਖਮ ਹੈ।

ਹੇਠਾਂ ਕਮਜ਼ੋਰ ਅਤੇ ਮਜ਼ਬੂਤ ​​ਪ੍ਰੋਂਪਟ ਦੀ ਤੁਲਨਾ ਕੀਤੀ ਗਈ ਹੈ।

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:

ਮੈਂ ਬ੍ਰਾਂਡ X ਦੇ ਸਾਡੇ 2027 ਮਾਡਲ ਇਲੈਕਟ੍ਰਿਕ SUV ਪ੍ਰੋਜੈਕਟ ਦਾ ਅਸਲ ਬੈਟਰੀ ਟੈਸਟ ਡੇਟਾ ਜੋੜ ਰਿਹਾ ਹਾਂ, ਸਾਡੀ ਸੈੱਲ ਸਪਲਾਇਰ ਕੰਪਨੀ Y ਹੈ, ਯੂਨਿਟ ਦੀ ਕੀਮਤ 92 USD ਹੈ। ਇਹਨਾਂ VINs ਵਾਲੇ ਵਾਹਨਾਂ ਲਈ ਰੇਂਜ ਦੇ ਮੁੱਦੇ ਨੂੰ ਹੱਲ ਕਰੋ: [ਅਸਲ VIN ਸੂਚੀ]

ਇਹ ਪ੍ਰੋਂਪਟ ਮੇਕ, ਮਾਡਲ, ਸਪਲਾਇਰ, ਕੀਮਤ ਅਤੇ ਨਿੱਜੀ VIN ਦਾ ਖੁਲਾਸਾ ਕਰਦਾ ਹੈ; ਇਹ ਨਿੱਜਤਾ ਅਤੇ ਮੁਕਾਬਲੇ ਦੋਵਾਂ ਲਈ ਖ਼ਤਰਨਾਕ ਹੈ।

ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:

ਭੂਮਿਕਾ: ਮੈਂ ਇੱਕ ਇਲੈਕਟ੍ਰਿਕ ਵਾਹਨ ਬੈਟਰੀ ਟੈਸਟਿੰਗ ਇੰਜੀਨੀਅਰ ਹਾਂ। ਸੰਦਰਭ: ਮੈਂ ਇੱਕ ਯਾਤਰੀ SUV ਬੈਟਰੀ (ਲਗਭਗ 75 kWh) ਵਿੱਚ ਰੇਂਜ ਡ੍ਰਾਈਫਟ ਦੀ ਜਾਂਚ ਕਰ ਰਿਹਾ/ਰਹੀ ਹਾਂ। ਮੈਂ ਡੇਟਾ ਨੂੰ ਅਗਿਆਤ ਕੀਤਾ; ਬ੍ਰਾਂਡਾਂ ਨੂੰ A/B, ਵਾਹਨਾਂ ਨੂੰ ਵਾਹਨ_1..ਵਾਹਨ_20 ਵਜੋਂ ਕੋਡ ਕੀਤਾ ਗਿਆ ਸੀ। ਟਾਸਕ: 3 ਵੇਰੀਏਬਲਾਂ ਦੀ ਸੂਚੀ ਬਣਾਓ ਜੋ ਨੱਥੀ (ਅਗਿਆਤ) ਤਾਪਮਾਨ-ਸੀਮਾ ਸਾਰਣੀ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਧ ਪ੍ਰਭਾਵ ਪਾਉਂਦੇ ਹਨ ਅਤੇ ਹਰੇਕ ਲਈ ਇੱਕ ਪੁਸ਼ਟੀਕਰਨ ਟੈਸਟ ਦਾ ਸੁਝਾਅ ਦਿੰਦੇ ਹਨ। ਪਾਬੰਦੀ: ਕਿਸੇ ਨਿਸ਼ਚਿਤ ਕਾਰਨ ਦਾ ਦਾਅਵਾ ਨਾ ਕਰੋ; ਪਰਿਕਲਪਨਾ ਅਤੇ ਪੁਸ਼ਟੀਕਰਨ ਪੜਾਅ ਦਿਓ। ਆਉਟਪੁੱਟ: ਸਾਰਣੀ + ਤਰਜੀਹ ਕ੍ਰਮ।

ਸੰਕੇਤ: ਇੱਕ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਡੇਟਾ ਕੰਟਰੈਕਟ (ਸਿਖਲਾਈ ਵਿੱਚ ਤੁਹਾਡੇ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਨਾ ਕਰਨ) ਦੇ ਨਾਲ ਇੱਕ AI ਵਾਤਾਵਰਣ ਦੀ ਵਰਤੋਂ ਕਰੋ, ਡੇਟਾ ਨੂੰ ਅਗਿਆਤ ਕਰੋ ਅਤੇ ਸਿਰਫ ਲੋੜੀਂਦੀ ਘੱਟੋ-ਘੱਟ ਜਾਣਕਾਰੀ ਪ੍ਰਦਾਨ ਕਰੋ (ਡਾਟਾ ਘੱਟ ਤੋਂ ਘੱਟ)।

ਚੰਗੇ ਪ੍ਰੋਂਪਟ ਲਈ RGBÇ ਪੈਟਰਨ

ਸਧਾਰਨ ਪੈਟਰਨ ਜੋ ਅਸੀਂ ਇਸ ਮੋਡੀਊਲ ਵਿੱਚ ਬਾਰ ਬਾਰ ਵਰਤਾਂਗੇ: ਰੋਲ - ਟਾਸਕ - ਕੰਟੈਕਸਟ - ਆਉਟਪੁੱਟ (RGBÇ).

ਭੂਮਿਕਾ: [ਏਆਈ ਨੂੰ ਕਿਸ ਤਰ੍ਹਾਂ ਦਾ ਕੰਮ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ]ਟਾਸਕ: [ਤੁਸੀਂ ਇੱਕ ਵਾਕ ਵਿੱਚ ਕੀ ਚਾਹੁੰਦੇ ਹੋ] ਸੰਦਰਭ: [ਇਕਾਈਆਂ, ਰੁਕਾਵਟਾਂ, ਮਿਆਰੀ, ਅਗਿਆਤ ਡੇਟਾ] ਪਾਬੰਦੀ: [ਕੀ ਨਾ ਕਰੋ, ਅਨਿਸ਼ਚਿਤਤਾ ਵਿੱਚ ਕੀ ਕਰੋ] ਆਉਟਪੁੱਟ: [ਸਾਰਣੀ/ਸੂਚੀ/ਕੋਡ, ਕਿਹੜਾ ਫਾਰਮੈਟ]

ਭੂਮਿਕਾ: ਤੁਸੀਂ ਇੱਕ ਤਜਰਬੇਕਾਰ NVH (ਸ਼ੋਰ-ਵਾਈਬ੍ਰੇਸ਼ਨ) ਇੰਜੀਨੀਅਰ ਹੋ। ਟਾਸਕ: ਸਟੀਅਰਿੰਗ ਵਾਈਬ੍ਰੇਸ਼ਨ ਸ਼ਿਕਾਇਤ ਦੇ ਸੰਭਾਵਿਤ ਮੂਲ ਕਾਰਨਾਂ ਦੀ ਸੂਚੀ ਬਣਾਓ। ਸੰਦਰਭ: ਫਰੰਟ ਐਕਸਲ, 80-100 km/h, ਪੱਧਰੀ ਸੜਕ 'ਤੇ; ਟਾਇਰਾਂ ਨੂੰ ਹੁਣੇ ਹੀ ਸੰਤੁਲਿਤ ਕੀਤਾ ਗਿਆ ਹੈ। ਪਾਬੰਦੀ: ਸਭ ਤੋਂ ਵੱਧ ਸੰਭਾਵਨਾ ਤੋਂ ਘੱਟ ਤੋਂ ਘੱਟ ਸੰਭਾਵਨਾ ਤੱਕ ਕ੍ਰਮਬੱਧ ਕਰੋ; ਹਰੇਕ ਕਾਰਨ ਲਈ ਇੱਕ ਇੱਕਲੇ ਤਸਦੀਕ ਮਾਪ ਦਾ ਸੁਝਾਅ ਦਿਓ। ਆਉਟਪੁੱਟ: ਨੰਬਰ ਵਾਲੀ ਸੂਚੀ + ਪੁਸ਼ਟੀਕਰਨ ਕਾਲਮ।

ਭੂਮਿਕਾ: ਤੁਸੀਂ ਇੱਕ ਆਟੋਮੋਟਿਵ ਗੁਣਵੱਤਾ ਇੰਜੀਨੀਅਰ ਹੋ। ਟਾਸਕ: ਵੇਲਡ ਖਰਾਬੀ ਦੀ ਰਿਪੋਰਟ ਨੂੰ 5W1H (ਕੀ/ਕਿਉਂ/ਕਿੱਥੇ...) ਫਾਰਮੈਟ ਵਿੱਚ ਬਦਲੋ। ਸੰਦਰਭ: ਰੋਬੋਟਿਕ ਸਪਾਟ ਵੈਲਡਿੰਗ, ਬਾਡੀ ਲਾਈਨ; ਪਿਛਲੀਆਂ 3 ਸ਼ਿਫਟਾਂ ਵਿੱਚ ਨੁਕਸ ਦਰ ਵਧੀ ਹੈ। ਆਉਟਪੁੱਟ: ਸਟ੍ਰਕਚਰਡ ਸੰਖੇਪ + 3 ਤੁਰੰਤ ਨਿਯੰਤਰਣ ਸਿਫਾਰਸ਼ਾਂ।

ਭੂਮਿਕਾ: ਇੱਕ ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਕ ਵਜੋਂ ਕੰਮ ਕਰੋ। ਕਾਰਜ: ਹੇਠਾਂ ਦਿੱਤੇ ਟੈਲੀਮੈਟਰੀ ਕਾਲਮ ਦੇ ਵਰਣਨ ਨੂੰ ਪੜ੍ਹੋ ਅਤੇ ਭਵਿੱਖਬਾਣੀ ਦੇ ਰੱਖ-ਰਖਾਅ ਲਈ 8 ਉਮੀਦਵਾਰ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦਾ ਸੁਝਾਅ ਦਿਓ। ਪਾਬੰਦੀ: ਭਵਿੱਖ ਦੀ ਜਾਣਕਾਰੀ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਗੁਣਾਂ ਦੀ ਸਿਫਾਰਸ਼ ਕਰੋ (ਲੀਕ ਹੋਣ ਦਾ ਜੋਖਮ); ਹਰੇਕ ਗੁਣ ਦਾ ਕਾਰਨ ਲਿਖੋ। ਆਉਟਪੁੱਟ: ਗੁਣ | ਜਾਇਜ਼ਤਾ | ਲੀਕ ਜੋਖਮ (Y/N) ਸਾਰਣੀ।

ਆਮ ਗਲਤੀਆਂ

• ਸਬੂਤ ਲਈ AI ਆਉਟਪੁੱਟ ਨੂੰ ਗਲਤ ਕਰਨਾ। ਤਰਲ ਪਾਠ ਪ੍ਰਮਾਣਿਤ ਇੰਜੀਨੀਅਰਿੰਗ ਨਹੀਂ ਹੈ। ਹਰੇਕ ਨੰਬਰ ਨੂੰ ਐਂਕਰ ਕਰੋ।
• ਰੈਂਕ ਦੀ ਜਾਂਚ ਨੂੰ ਬਾਈਪਾਸ ਕਰਨਾ. ਇਹ ਸਭ ਤੋਂ ਸਸਤਾ ਅਤੇ ਸਭ ਤੋਂ ਸ਼ਕਤੀਸ਼ਾਲੀ ਗਲਤੀ ਫਸਾਉਣ ਦਾ ਤਰੀਕਾ ਹੈ; ਇਸ ਵਿੱਚ ਦਸ ਸਕਿੰਟ ਲੱਗਦੇ ਹਨ।
• ਕੱਚਾ ਗੁਪਤ ਡੇਟਾ ਭੇਜਿਆ ਜਾ ਰਿਹਾ ਹੈ। ਬ੍ਰਾਂਡ, ਸਪਲਾਇਰ, ਕੀਮਤ, VIN ਵਰਗੀ ਜਾਣਕਾਰੀ ਨੂੰ ਬਿਨਾਂ ਗੁਮਨਾਮ ਦੇ ਸਾਂਝਾ ਕਰਨਾ ਇਕਰਾਰਨਾਮੇ ਅਤੇ ਕਾਨੂੰਨ ਦੀ ਉਲੰਘਣਾ ਹੈ।
• ਅਨਿਸ਼ਚਿਤਤਾ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਨਾ। "ਤੁਹਾਨੂੰ ਪੂਰਾ ਵਿਸ਼ਵਾਸ ਹੈ?" ਪੁੱਛਣ ਦੀ ਬਜਾਏ ਸਬੂਤ ਮੰਗੋ; AI ਦਾ ਭਰੋਸਾ ਇਸਦੀ ਸ਼ੁੱਧਤਾ ਦਾ ਮਾਪ ਨਹੀਂ ਹੈ।
• AI 'ਤੇ ਦੋਸ਼ ਲਗਾਉਣਾ। “ਮਾਡਲ ਨੇ ਅਜਿਹਾ ਕਿਹਾ” ਕੋਈ ਬਚਾਅ ਨਹੀਂ ਹੈ; ਦਸਤਖਤ ਤੁਹਾਡੇ ਹਨ।

ਸੰਖੇਪ ਵਿੱਚ

• AI ਵਾਹਨ ਵਿਕਾਸ ਦੇ V- ਮਾਡਲ ਦੇ ਹਰ ਪੜਾਅ 'ਤੇ ਇੱਕ ਐਕਸਲੇਟਰ ਹੈ; ਪਰ ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਫੈਸਲੇ ਅਤੇ ਪ੍ਰਵਾਨਗੀ ਹਮੇਸ਼ਾ ਸਮਰੱਥ ਇੰਜੀਨੀਅਰ ਦੇ ਨਾਲ ਹੁੰਦੀ ਹੈ।
• ਤਿੰਨ ਐਂਕਰਾਂ ਦੇ ਵਿਰੁੱਧ ਹਰੇਕ AI ਆਉਟਪੁੱਟ ਦੀ ਜਾਂਚ ਕਰੋ: ਤੀਬਰਤਾ ਦਾ ਕ੍ਰਮ, ਇੰਜੀਨੀਅਰਿੰਗ ਪ੍ਰਸੰਨਤਾ, ਸੁਤੰਤਰ ਟੈਸਟਿੰਗ/ਮਾਪ ਦਾ ਸਬੂਤ।
• ਭਰਮ ਅਸਲੀ ਹੈ; ਪ੍ਰਵਾਹ ਸ਼ੁੱਧਤਾ ਨਹੀਂ ਹੈ।
• ਗੁਪਤ ਅਤੇ ਨਿੱਜੀ ਡੇਟਾ ਨੂੰ ਅਗਿਆਤ ਕਰੋ, ਡੇਟਾ ਮਿਨੀਮਾਈਜ਼ੇਸ਼ਨ ਲਾਗੂ ਕਰੋ, ਐਂਟਰਪ੍ਰਾਈਜ਼ ਏਆਈ ਵਾਤਾਵਰਣ ਦੀ ਵਰਤੋਂ ਕਰੋ।
• ਚੰਗੇ ਪ੍ਰੋਂਪਟ ਲਈ, ਰੋਲ-ਟਾਸਕ-ਕੰਟੈਕਸ-ਆਉਟਪੁੱਟ (RGBÇ) ਪੈਟਰਨ ਦੀ ਵਰਤੋਂ ਕਰੋ।

ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ

ਆਪਣੇ ਖੁਦ ਦੇ ਕਾਰੋਬਾਰ (ਜਾਂ ਇੱਕ ਕਾਲਪਨਿਕ ਯਾਤਰੀ ਕਾਰ ਪ੍ਰੋਜੈਕਟ ਤੋਂ) ਇੱਕ ਕੰਮ ਚੁਣੋ: ਉਦਾਹਰਨ ਲਈ "ਬ੍ਰੇਕ ਪੈਡ ਪਹਿਨਣ ਦੀ ਭਵਿੱਖਬਾਣੀ"। (1) ਤੁਸੀਂ ਇਸ ਕੰਮ ਨੂੰ V-ਮਾਡਲ ਵਿੱਚ ਕਿੱਥੇ ਰੱਖੋਗੇ? (2) ਇੱਕ ਸਾਰਣੀ ਵਿੱਚ AI ਅਤੇ ਫੈਸਲੇ ਦੇ ਮਾਲਕ ਦੀ ਭੂਮਿਕਾ ਨੂੰ ਲਿਖੋ। (3) RGBÇ ਪੈਟਰਨ ਦੇ ਨਾਲ ਇੱਕ ਪ੍ਰੋਂਪਟ ਲਿਖੋ ਅਤੇ ਇਸ ਵਿੱਚ ਸਾਰੀ ਗੁਪਤ/ਨਿੱਜੀ ਜਾਣਕਾਰੀ ਨੂੰ ਅਗਿਆਤ ਕਰੋ। (4) ਤਿੰਨ ਆਈਟਮਾਂ ਵਿੱਚ ਇੱਕ ਨੋਟ ਬਣਾਓ ਜਿਸ ਨਾਲ ਤਿੰਨ ਐਂਕਰ ਤੁਸੀਂ AI ਤੋਂ ਜਵਾਬ ਦੀ ਜਾਂਚ ਕਰੋਗੇ।

ਚੈੱਕਲਿਸਟ

• [ ] ਮੈਂ V- ਮਾਡਲ ਵਿੱਚ ਮੇਰੇ ਕੰਮ ਦਾ ਸਥਾਨ ਨਿਰਧਾਰਤ ਕੀਤਾ ਹੈ।
• [ ] ਮੈਂ ਏਆਈ ਦੀ ਭੂਮਿਕਾ ਅਤੇ ਅੰਤਿਮ ਫੈਸਲੇ ਦੇ ਮਾਲਕ ਨੂੰ ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਲਿਖਿਆ ਹੈ।
• [ ] ਮੈਂ ਆਪਣੇ ਪ੍ਰੋਂਪਟ ਵਿੱਚ ਬ੍ਰਾਂਡ/ਸਪਲਾਇਰ/ਕੀਮਤ/VIN ਵਰਗੀ ਜਾਣਕਾਰੀ ਨੂੰ ਅਗਿਆਤ ਕੀਤਾ ਹੈ।
• [ ] ਮੈਂ RGBS ਪੈਟਰਨ (ਭੂਮਿਕਾ, ਕਾਰਜ, ਸੰਦਰਭ, ਰੁਕਾਵਟ, ਆਉਟਪੁੱਟ) ਦੀ ਵਰਤੋਂ ਕੀਤੀ।
• [ ] ਮੇਰੇ ਕੋਲ ਤਿੰਨ ਐਂਕਰਾਂ (ਰੈਂਕ, ਪ੍ਰਸ਼ੰਸਾਯੋਗਤਾ, ਸੁਤੰਤਰ ਸਬੂਤ) ਨਾਲ ਆਉਟਪੁੱਟ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਲਈ ਇੱਕ ਯੋਜਨਾ ਤਿਆਰ ਹੈ।
• [ ] ਮੈਂ ਪੁਸ਼ਟੀ ਕੀਤੀ ਹੈ ਕਿ ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਪੁਸ਼ਟੀ ਮਨੁੱਖ ਕੋਲ ਰਹਿੰਦੀ ਹੈ।