ලාභ:
- සැලසුම්, කේතය, AI ඒකාබද්ධ කිරීම, පෞද්ගලිකත්වය, පරීක්ෂා කිරීම, නිදොස්කරණය, කාර්ය සාධනය සහ මුදා හැරීමේ පියවර තුළ ජංගම විශේෂාංගයක් සංවර්ධනය කිරීමේ හැකියාව සහ සත්යාපනය කළ හැකිය.
- විනිවිදභාවය, සත්යාපනය-වගකීම සහ යුක්තිය-අයුතුකම් නොකිරීම යන මූලධර්ම සමඟ කෘතිම බුද්ධියේ වගකීම් සහ සදාචාරාත්මක භාවිතය සඳහා රාමුවක් ස්ථාපිත කිරීමේ හැකියාව.
- කෘත්රිම බුද්ධිය ප්රබල සහ දුර්වල ක්ෂේත්ර වෙන්කර හඳුනාගෙන අවසාන තීරණය මිනිසුන් අතේ තබා ගනිමින් තිරසාර වෘත්තීය භාවිතයක් නිර්මාණය කිරීමට හැකි වීම.
මෙම මොඩියුලය පුරාවටම, අපි ජංගම සංවර්ධනයේ සෑම අදියරකදීම AI භාවිතා කළෙමු: කේත උත්පාදනය, අතුරු මුහුණත, උපාංගය මත සහ වලාකුළු AI ඒකාබද්ධ කිරීම, පරීක්ෂා කිරීම, නිදොස්කරණය, කාර්ය සාධනය, පෞද්ගලිකත්වය සහ ගබඩා බෙදා හැරීම. මෙම අවසාන ඒකකය තුළ, අපි මේ සියලු කොටස් එක අන්තයේ සිට අවසානය දක්වා ප්රවාහයකට ඒකාබද්ධ කර, AI හි වගකීම් සහ සදාචාරාත්මක භාවිතය සඳහා රාමුව පැහැදිලි කර, මෙම කුසලතා තිරසාර වෘත්තීය භාවිතයක් බවට පත් කරන්නේ කෙසේද යන්න ගැන කතා කරන්නෙමු. මූලික පණිවිඩය වෙනස් වී නැත, නමුත් එය දැන් ස්ථිරව තහවුරු වී ඇත: AI යනු දක්ෂ ජංගම සංවර්ධකයෙකු ගුණ කරන බලයකි; එය ආදේශකයක් නොවේ. නිෂ්පාදනයේ ගුණාත්මකභාවය, ආරක්ෂාව සහ පරිශීලකයාට පොරොන්දුව සඳහා වගකිව යුතු පුද්ගලයා වේ.
අන්තයේ සිට අවසානය දක්වා විශේෂාංගයක්: කොටස් ඒකාබද්ධ කිරීම
AI සහාය ඇතිව ආරම්භයේ සිට අවසානය දක්වා සැබෑ විශේෂාංගයක් සංවර්ධනය කිරීම අප ඉගෙන ගත් සෑම ඒකකයක්ම දාමයක් තුළ ඒකාබද්ධ කරයි. උදාහරණය: "රිසිට්පතෙන් වියදම් එකතු කරන්න" විශේෂාංගය. ප්රවාහය මේ ආකාරයෙන් ක්රියා කරයි:
- නිර්මාණය (ඒකකය 3). AI සමඟ තිරය සහ ප්රාන්ත හතරක් (පූරණය/හිස්/දෝෂය/සම්පූර්ණ) කෙටුම්පත් කරන්න, ආරම්භයේ සිට ප්රවේශ්යතාව ඉල්ලන්න.
- කේතය (ඒකක 2). MVVM සමඟින් කැමරාව, දත්ත ආකෘතිය සහ ViewModel ස්ථරයෙන් ස්ථරය ජනනය කරන්න; එක් එක් ස්ථරය තහවුරු කරන්න.
- උපාංගයේ AI (ඒකක 4). ML Kit පෙළ හඳුනාගැනීම සමඟ ලදුපතේ සිට මුදල/දිනය කියවන්න; පෙර සැකසුම් සහ විශ්වාස ලකුණු කිරීම සලකා බලන්න.
- රහස්යභාවය (ඒකක 9). අවම වරප්රසාද සහිතව කැමරා අවසරය ඉල්ලන්න, ප්රතික්ෂේප කිරීමේ අවස්ථාව ලියන්න, උපාංගයේ දත්ත තබා ගන්න.
- පරීක්ෂා කිරීම (ඒකකය 6). නිස්සාරණය තාර්කික ඒකක පරීක්ෂණ උත්පාදනය, සංදර්ශකයේ UI පරීක්ෂාව; දේශසීමා රාජ්යයන් ඇතුළත් කරන්න.
- නිදොස්කරණය (ඒකකය 7). AI හට බිඳ වැටීම් සන්දර්භය සමඟ විශ්ලේෂණය කර මූල හේතුව විසඳන්න.
- කාර්ය සාධනය (අංක 8). කැමරා සැකසීමේ බැටරි පිරිවැය මැන එය බැටරියට හිතකර ලෙස සකසන්න.
- විකාශනය (ඒකක 10). AI භාවිතය විනිවිදභාවයෙන් වාර්තා කරන්න, රහස්යතා පෝරමය සත්ය ලෙස පුරවන්න, සහ ස්වයං පරීක්ෂණයක් පවත්වන්න.
සෑම පියවරකදීම, AI වේගවත් කරයි, මිනිසා සත්යාපනය කර තීරණය කරයි. මෙම ලූපය මොඩියුලයේ හරයයි.
ඉඟිය: AI එක යෝධ ඉල්ලීමක් සමඟ සංකීර්ණ අංගයක් කිරීමට උත්සාහ නොකරන්න. ඉහත ආකාරයට එය සත්යාපනය කළ හැකි පියවර වලට කඩා දමන්න. එක් එක් පියවරේ ප්රතිදානය පරීක්ෂා කිරීම සහ ඊළඟට ගමන් කිරීම ආරක්ෂිත සහ අවසානයේ වේගවත් වේ; මක්නිසාද යත් ඔබ විශාල වැරැද්දක් අල්ලා ගන්නේ අවසානයේ නොව පළමු පියවරේදී ය.
AI හි වගකීම් සහ සදාචාරාත්මක භාවිතය
තාක්ෂණික නිපුණතාවය පමණක් ප්රමාණවත් නොවේ; වගකිවයුතු රාමුවක් එය සම්පූර්ණ කරයි. මූලධර්ම තුනක්:
විනිවිදභාවය. ඔහු හෝ ඇය AI සමඟ අන්තර්ක්රියා කරන බව පරිශීලකයා දැන සිටිය යුතුය. රහස් AI යනු විශ්වාසය කඩ කිරීමකි. AI-උත්පාදිත අන්තර්ගතය ටැග් කර ඇත; AI උපදෙස් ඉදිරිපත් කරනු ලබන්නේ "දෘඪ සත්ය" වෙනුවට "ප්රයෝජනවත් උපදෙස්" ලෙසිනි.
තහවුරු කිරීම සහ වගවීම. AI ප්රතිදානය ආරම්භක ලක්ෂ්යයක් මිස නිමි භාණ්ඩයක් නොවේ. ප්රකාශිත සෑම කේත රේඛාවක්ම, සෑම AI ප්රතිචාරයක්ම, සෑම දත්ත ගනුදෙනුවක් සඳහාම ඔබ වගකිව යුතුය. "AI එය එසේ ලියා ඇත" යනු ආරක්ෂාවක් නොවේ.
යුක්තිය සහ අයුතුකම. AI මාදිලිවලට ඔවුන් පුහුණු කර ඇති දත්ත වලින් පක්ෂග්රාහීත්වය ගෙන යා හැක. මුහුණ හඳුනාගැනීම සමහර සමේ වර්ණ මත නරක ලෙස ක්රියා කළ හැකිය, නිර්දේශ එන්ජිමක් කණ්ඩායමක් බැහැර කළ හැකිය. ඔබේ නිෂ්පාදනය විවිධ පරිශීලක කණ්ඩායම් හරහා සාධාරණව ක්රියා කරන බව පරීක්ෂා කිරීම ඔබේ වගකීමකි.
අවධානය: ඔබ තොරතුරු තාක්ෂණ සහ ආරක්ෂක ක්ෂේත්රයේ ඉගෙන ගන්නා ඕනෑම තාක්ෂණයක් බලයලත් සහ නිර්මාණාත්මක අරමුණු සඳහා පමණක් භාවිතා වේ. අනිෂ්ට මෘදුකාංග නිර්මාණය කිරීමට, අවසරයකින් තොරව වෙනත් කෙනෙකුගේ යෙදුම බිඳ දැමීමට, අවසරයකින් තොරව පරිශීලක දත්ත රැස් කිරීමට හෝ නොමඟ යවන අන්තර්ගතයන් නිෂ්පාදනය කිරීමට AI භාවිතා කිරීම නීති විරෝධී සහ වෘත්තියේ ආචාර ධර්මවලට පටහැනි වේ. බලයේ මිනුම ඔබ එය භාවිතා නොකරන තැන හෙළි වේ.
AI හි සීමාවන් හඳුනා ගැනීම
පරිණත සංවර්ධකයෙකු AI බැබළෙන්නේ කොතැනද සහ එය අඩු වන්නේ කොතැනද යන්න දනී.
AI ප්රබලයි
AI දුර්වලයි
අච්චු කේතය, බොයිලේරු නිෂ්පාදනය
නිෂ්පාදන සහ ගෘහ නිර්මාණ තීරණ
පරීක්ෂණ සහ ලේඛන කෙටුම්පත
ව්යාපාරික සන්දර්භය සහ පරිශීලකයා අවබෝධ කර ගැනීම
බිඳ වැටීම් ලොග් කියවීම, ස්කෑන් කිරීමේදී දෝෂයකි
නිශ්චිත මූල හේතුව රෝග විනිශ්චය (සත්යාපනය අවශ්යයි)
ඉගෙනීම, සංකල්ප පැහැදිලි කිරීම
වත්මන්/නිර්මාණය නොකළ API තොරතුරු
පෙළ, විස්තරය, පරිවර්තනය
ආචාර ධර්ම, ආරක්ෂාව සහ නීතිමය අවසාන තීරණය
AI ඵලදායී ලෙස භාවිතා කිරීමට සහ එහි අන්තරායන් වළක්වා ගැනීමට මෙම වෙනස අභ්යන්තරකරණය කිරීම ප්රධාන වේ.
කුඩා නඩු තුනක්
නඩුව 1 - අන්තයේ සිට අවසානය දක්වා වේගය. එක් ඒකල සංවර්ධකයෙක් ඉහත 8-පියවර ප්රවාහය සමඟ දින 4 කින් "විසන්ධි" විශේෂාංගය අවසන් කළේය; AI නොමැතිව ඇස්තමේන්තුව දින 12 කි. නමුත් ඔහු සෑම පියවරක්ම සත්යාපනය කළ නිසා පළමු වරට ප්රකාශනය අනුමත විය. විනය සැබෑ වූ නිසා වේගය සැබෑ විය. පාඩම: AI + සත්යාපනය AI - සත්යාපනයට වඩා වේගවත් වේ.
නඩුව 2 - පක්ෂග්රාහීව අල්ලා ගන්නා ලදී. AI මත පදනම් වූ නාම-ලිංගභේද පුරෝකථන විශේෂාංගයක් පරීක්ෂා කරන අතරතුර, කණ්ඩායමක් සමහර තුර්කි නාම පදවල ක්රමානුකූල දෝෂ දුටුවේය; ආකෘතිය බොහෝ දුරට ඉංග්රීසි දත්ත මත පුහුණු කර ඇත. වැරදි උපකල්පනය කිරීම වෙනුවට පරිශීලකයාගෙන් විමසීමට විශේෂාංගය වෙනස් කර ඇත. පාඩම: ආකෘතියේ පුහුණු නැඹුරුව පරීක්ෂා කිරීම සංවර්ධකයාගේ කාර්යයයි.
නඩුව 3 - "AI එසේ කීවේය" ආරක්ෂාව බිඳ වැටුණි. සංවර්ධකයෙකු එය සත්යාපනය නොකර AI-ජනනය කරන ලද ගෙවීම් කේතයක් ප්රකාශයට පත් කළේය; එක් ආන්තික අවස්ථාවක කේතය ද්විත්ව එකතු කිරීම් කරමින් සිටියේය. "AI එය ලිව්වා" යැයි පවසමින් වගකීම ඉවත් නොකෙරේ; ගිණුම් හිමියා ලෙස ඔහු සංවර්ධකයෙක් විය. පාඩම: වගකීම පැවරිය නොහැක.
දුර්වල ක්ෂණික / ශක්තිමත් විමසුම
දුර්වල විමසුම: "සම්පූර්ණ රිසිට්පත් පරිලෝකන යෙදුමක් මට ලියන්න."
ප්රබල විමසුම: "'කුවිතාන්සියෙන් වියදම් එකතු කරන්න' විශේෂාංගය පියවරෙන් පියවර සංවර්ධනය කිරීමට මට උදවු කරන්න. අපි පිළිවෙලට ඉදිරියට යමු, මම සෑම පියවරක්ම සත්යාපනය කර අනුමත කරන විට, ඊළඟට යමු: 1) තිරය + ප්රාන්ත හතරක් + ප්රවේශ්යතාව2) MVVM ස්ථර (කැමරාව, ආකෘතිය, ViewModel)3) කුවිතාන්සියේ සිට ML4 අවසරය සහිත මුදල/දිනය Cceitamera අවසරය සමඟ. වරප්රසාද) + ප්රතික්ෂේප කිරීමේ ප්රවාහය5) ඒකක සහ UI පරීක්ෂණ එක් එක් පියවරේදී මට සත්යාපනය කිරීමට අවශ්ය අවදානම් සහ ලකුණු මට කියන්න."
පිටපත් කළ හැකි සැකිලි
අවසානය සිට අවසානය දක්වා සැලසුම් අච්චුව: "මම පහත විශේෂාංගය සංවර්ධනය කරමි: [විශේෂාංගය]. එය සත්යාපනය කළ හැකි පියවරවලට කඩා දමන්න: සැලසුම්, කේතය, AI ඒකාබද්ධ කිරීම, පෞද්ගලිකත්වය/අවසර, පරීක්ෂණ, කාර්ය සාධනය, මුදා හැරීම. එක් එක් පියවර සඳහා ප්රතිදානය, අවදානම සහ සත්යාපන නිර්ණායක ලියන්න. තනි දැවැන්ත නිෂ්පාදනයක් නොකරන්න."
ආචාර ධර්ම/පක්ෂග්රාහී විගණන අච්චුව: "සාධාරණත්වය සහ පක්ෂග්රාහීත්වය සඳහා පහත AI විශේෂාංගය විගණනය කරන්න: [විශේෂාංගය]. එය දුර්වල ලෙස ක්රියා කළ හැකි පරිශීලක කණ්ඩායම් මොනවාද? පුහුණු දත්ත පක්ෂග්රාහීත්වයට බලපාන්නේ කෙසේද? මම එය පරීක්ෂා කරන්නේ කෙසේද, එය වඩාත් ඇතුළත් කරන්නේ කෙසේද?"
වගවීමේ පිරික්සුම් අච්චුව: "මෙම AI-උත්පාදනය කරන ලද කේතය/විශේෂාංගය නිකුත් කිරීමට පෙර මා විසින් ඇසිය යුතු වගවීමේ ප්රශ්න ලැයිස්තුගත කරන්න: මම එය තේරුම් ගත්තාද, මම එය පරීක්ෂා කර බැලුවාද, එය ආරක්ෂිතද, එය පරිශීලකයාට විනිවිද පෙනෙනද, එය නීත්යානුකූල/ආචාරධාර්මිකද?"
අඛණ්ඩ ඉගෙනුම් අච්චුව: "ජංගම සංවර්ධකයා තුළ මගේ AI කුසලතාව වැඩි දියුණු කිරීම සඳහා සති 4ක ප්රායෝගික සැලැස්මක් යෝජනා කරන්න: කුඩා ව්යාපෘතියක් සහ සත්යාපන පුරුද්දක අරමුණ ඇතිව සෑම සතියකම එක් මාතෘකාවක් (කේතය, ඒකාබද්ධ කිරීම, පරීක්ෂා කිරීම, මුදා හැරීම).
පොදු වැරදි
- එක් යෝධ ඉල්ලීමක් සමඟ සංකීර්ණ විශේෂාංගයක් නිෂ්පාදනය කිරීම. සත්යාපනය කළ නොහැක; එය පියවර වලට කඩා දමන්න.
- "AI එහෙම ලිව්වා" කියමින් වගකීම මගහැරීම. ප්රකාශිත කේතය සඳහා ඔබ වගකිව යුතුය.
- AI පක්ෂග්රාහීත්වය සඳහා පරීක්ෂා නොකරයි. සමහර කණ්ඩායම්වල ආකෘතිය දුර්වල ලෙස ක්රියා කළ හැකිය; යුක්තිය පරීක්ෂා කරන්න.
- පරිශීලකයාගෙන් AI අන්තර්ක්රියා සැඟවීම. විනිවිදභාවය විශ්වාසයේ පදනමයි.
- AI හි සීමාවන් අමතක කිරීම. ගෘහනිර්මාණ ශිල්පය, ආචාර ධර්ම සහ වත්මන් API පිළිබඳ අවසාන ප්රකාශය මිනිසුන් සතුය.
- ඉගෙනීම නැවැත්වීමට. මෙවලම් සහ සාප්පු නීති ඉක්මනින් වෙනස් වේ; නිරන්තරයෙන් යාවත්කාලීනව සිටින්න.
සාරාංශයකින්
අන්තයේ සිට අවසානය දක්වා විශේෂාංගයක් මොඩියුලයේ සියලුම කොටස් දාමයක් තුළ ඒකාබද්ධ කරයි: සැලසුම්, කේතය, AI ඒකාබද්ධ කිරීම, පෞද්ගලිකත්වය, පරීක්ෂා කිරීම, නිදොස්කරණය, කාර්ය සාධනය සහ මුදා හැරීම. සෑම පියවරකදීම, AI වේගවත් කරයි, මිනිසා සත්යාපනය කරයි සහ තීරණය කරයි; සංකීර්ණ කාර්යය කුඩා සත්යාපනය කළ හැකි පියවර වලට බෙදා ඇත. වගකීම් සහගත භාවිතය මූලධර්ම තුනක් මත පදනම් වේ: විනිවිදභාවය, සත්යාපනය-වගකීම සහ සාධාරණත්වය-කිසිදු හානියක් නොකරන්න. AI යනු ප්රබල ගුණකයකි, නමුත් වාස්තු විද්යාව, ආචාර ධර්ම, ආරක්ෂාව සහ වර්තමාන දැනුම පිළිබඳ අවසාන ප්රකාශය මිනිසුන් සතු වේ. "AI එය එසේ කළා" යනු ආරක්ෂාවක් නොවේ; ඔබේ නිෂ්පාදනය සහ ඔබ ඔබේ පරිශීලකයාට දෙන පොරොන්දුව සඳහා ඔබ වගකිව යුතුය. මෙම විනය සමඟින්, AI ඔබව ඔබේ වෘත්තීය ජීවිතය පුරා වේගවත්, වඩාත් පුළුල් සහ ශක්තිමත් කරයි.
යෙදුම් කාර්යය
ඔබේ තේරීමේ ජංගම විශේෂාංගයක් (උදා: "හඬ සටහන් ගැනීමෙන් සාරාංශ කිරීම" හෝ "ඡායාරූපයෙන් නිෂ්පාදන හඳුනාගැනීම") "අවසානයේ සිට අවසානය දක්වා සැලසුම් අච්චුව" සමඟින් සත්යාපනය කළ හැකි පියවරවලට බිඳ දමන්න. ඇත්ත වශයෙන්ම AI සමඟ අවම වශයෙන් එක් පියවරක් සංවර්ධනය කර වලංගු කරන්න. ඉන්පසුව, විශේෂාංගය "ආචාර ධර්ම/පක්ෂපාති පාලන අච්චුව" සමඟ ගැටලු ඇති කළ හැක්කේ කුමන පරිශීලක කණ්ඩායම්ද යන්න විශ්ලේෂණය කර "වගකීම් පාලන අච්චුව" සමඟ මුදා හැරීමට පෙර ඔබ ඇසිය යුතු ප්රශ්නවලට පිළිතුරු දෙන්න.
පිරික්සුම් ලැයිස්තුව
- [ ] මම විශේෂාංගය සත්යාපනය කළ හැකි කුඩා පියවරවලට බිඳ දැමුවෙමි, එක යෝධ නිෂ්පාදනයකට නොවේ
- [ ] මම සෑම පියවරකදීම AI ප්රතිදානය සත්යාපනය කර තීරණය ගත්තෙමි
- [ ] මම AI අන්තර්ක්රියා විනිවිද පෙනෙන ලෙස පරිශීලකයාට ඉදිරිපත් කළෙමි
- [ ] විශේෂාංගය විවිධ කණ්ඩායම් හරහා සාධාරණව/පක්ෂග්රාහීව ක්රියා කරයිද යන්න මම ඇගයීමට ලක් කළෙමි
- [ ] මම පූර්ව මුදා හැරීමේ වගකීම් ප්රශ්නවලට පිළිතුරු දුනිමි (තේරුම්ගත්/පරීක්ෂා කිරීම/ආරක්ෂිත/ආචාර ධර්ම)
- [ ] මම දක්ෂ හා නිර්මාණාත්මක අරමුණු සඳහා පමණක් AI භාවිතා කර ඇති අතර ඉගෙනීම දිගටම කරගෙන යාමට සැලසුම් කර ඇත
මොඩියුල විභාගය
1. ජංගම සංවර්ධනයේදී කෘතිම බුද්ධිය සඳහා වඩාත් නිවැරදි ස්ථානගත කිරීම පහත සඳහන් දේවලින් කුමක්ද?
- A) AI සංවර්ධකයා ප්රතිස්ථාපනය කරයි; එය ජනනය කරන කේතය කියවීමෙන් තොරව කෙලින්ම ප්රකාශනය කළ හැක
- B) කෘතිම බුද්ධිය ක්රියා කරන්නේ පෙළ ලිවීමේදී පමණි, එයට කේත උත්පාදනය සමඟ කිසිදු සම්බන්ධයක් නැත
- C) කෘතිම බුද්ධිය සහායක සහ ත්වරකයකි; වාස්තු විද්යාත්මක, ආරක්ෂාව සහ විකාශන තීරණ සඳහා වගකීම මිනිසුන් සතු වේ ✔
- D) කෘතිම බුද්ධිය සෑම විටම නිවැරදි කේතයක් නිපදවන බැවින්, අතිරේක පරීක්ෂණ සහ සත්යාපනය අනවශ්යයි
විස්තරය: කෘත්රිම බුද්ධිය යනු කේත, බ්ලූප්රින්ට් සහ විසඳුම් ජනනය කරන සහකාර සහ ත්වරකයකි. ගෘහ නිර්මාණ ශිල්පය, අවසර දීම, ආරක්ෂාව සහ ප්රකාශනය වැනි තීරණවල වගකීම සහ අවසාන අනුමැතිය නිසි සංවර්ධකයා සතු වේ; ප්රකාශිත සෑම පේළියකටම මිනිසුන් වගකිව යුතුය.
2. කෘත්රිම බුද්ධියෙන් ජංගම කේතයක් ඉල්ලන විට, වැඩිපුරම නිපදවන කේතයේ වාස්තු විද්යාත්මක ගුණය වැඩි කරන්නේ කුමක් ද?
- A) විමසුම හැකිතාක් කෙටි කර 'මට යෙදුමක් ලියන්න' කියන්න
- B) පළමුව, MVVM වැනි ගෘහ නිර්මාණ ශිල්පයක් පනවා, කුඩා කැබලිවලට, ස්ථරයෙන් ස්ථරයට ✔ කේතය ඉල්ලන්න.
- C) සම්පූර්ණ විශේෂාංගයම තනි යෝධ ගොනුවක් ලෙස තනි විමසුමකින් නිෂ්පාදනය කිරීම
- D) ගෘහනිර්මාණ ශිල්පය කිසිසේත් සඳහන් නොකරන්න සහ හොඳම තීරණය කෘතිම බුද්ධියට භාර දෙන්න
පැහැදිලි කිරීම: MVVM වැනි ගෘහ නිර්මාණ ශිල්පයක් පැනවීම සහ AI වෙත කෙලින්ම කේතය ලිවීමට පෙර ස්ථරයෙන් ස්ථරයක් අවශ්ය කිරීම තිරයෙන් තර්කනය වෙන් කරන පරීක්ෂා කළ හැකි සහ නඩත්තු කළ හැකි ව්යුහයක් නිපදවයි. ගෘහනිර්මාණ ශිල්පය නොමැති ඉල්ලීම මඟින් තිරය මත සියල්ල හිර කරන කේතය ආපසු ලබා දේ.
3. කෘතිම බුද්ධිය සමඟ අතුරු මුහුණතක් නිර්මාණය කිරීමේදී බොහෝ විට නොසලකා හරින ලද සහ සැබෑ භාවිතයේදී වඩාත්ම තීරණාත්මක වන්නේ කුමක්ද?
- A) සම්පූර්ණ තිරය පමණක් නොව, පැටවීම, හිස් සහ දෝෂ තත්ත්වයන් සැලසුම් කිරීම ✔
- B) අනෙකුත් අවස්ථා මඟහැර, හොඳම පෙනුමැති සම්පූර්ණ තිරය පමණක් නිෂ්පාදනය කිරීම
- C) එක් එක් තිරයට හැකි තරම් වර්ණ සහ සජීවිකරණ එකතු කිරීම
- D) ප්රවේශ්යතා ටැග් අවසන්ව තැබීම සහ පෙනුම සමඟ පමණක් කටයුතු කිරීම
පැහැදිලි කිරීම: සංවර්ධකයින් බොහෝ විට සලකන්නේ 'සම්පූර්ණ' තත්ත්වය පමණි; යථාර්ථයේ දී පරිශීලකයා බොහෝ විට පූරණය, හිස් සහ දෝෂ තත්වයන්ට මුහුණ දෙයි. ප්රාන්ත හතරම ජනනය කිරීම (පූරණය/හිස්/දෝෂ/සම්පූර්ණ) ශක්තිමත් අතුරු මුහුණතක රහසයි.
4. සංවේදී පුද්ගලික දත්ත (උදා. සෞඛ්ය මිනුම්) සකසන විශේෂාංගයක් සඳහා උපාංගයේ AI බොහෝ විට පෙරනිමි තේරීම වන්නේ ඇයි?
- A) උපාංග ආකෘති සෑම විටම වලාකුළට වඩා නිවැරදි වේ
- B) උපාංගය මත සැකසුම් කිසිවිටෙක බැටරි හෝ ප්රොසෙසර පිරිවැය දරන්නේ නැත
- C) මාදිලියේ ප්රමාණය අනුව උපාංගය මත සැකසීම අසීමිත වේ
- D) දත්ත දුරකථනයෙන් ඉවත් නොවන බැවින්, පුද්ගලිකත්වය සහ පරිශීලක විශ්වාසය අනුව එය ප්රබල වාසියක් සපයයි ✔
පැහැදිලි කිරීම: උපාංගය මත සැකසීම දුරකථනයෙන් දත්ත ඉවත් නොකරයි; පුද්ගලිකත්වයට අනුකූල වීම සහ පරිශීලක විශ්වාසය අනුව මෙය ප්රබල වාසියක් වන අතර එය නොබැඳිව සහ ක්ෂණිකව ක්රියා කරයි. එහි සීමාව වන්නේ උපාංගයේ බලය සහ මාදිලියේ ප්රමාණයයි.
5. උපාංගය මත ආකෘති අනුකලනයකදී අර්ථ විරහිත ප්රතිඵල ඇති කරන සහ දෝෂ පණිවිඩයක් නිපදවන්නේ නැති වඩාත් පොදු 'නිහඬ' දෝෂය කුමක්ද?
- A) ආකෘතියේ ගොනු නාමයේ වැරදි අක්ෂර වින්යාසය
- B) යෙදුම් නිරූපකයේ අඩු විභේදනය
- C) වැරදි ආදාන පෙර සැකසුම් (ප්රමාණය/සාමාන්යකරණය) ✔
- D) අඳුරු තිර තේමාව
පැහැදිලි කිරීම: ආදාන පූර්ව සැකසුම් වැරදි ලෙස සිදු කිරීම දෝෂ ඇති නොකර සම්පූර්ණයෙන්ම වැරදි ප්රතිඵල ගෙනදේ. පූර්ව සැකසුම් අගයන් ආකෘතියේ ලියකියවිලි වලින් තහවුරු කළ යුතුය.
6. Cloud LLM ජංගම යෙදුමකට අනුකලනය කිරීමේදී වඩාත්ම ආරක්ෂිත-විවේචනාත්මක රීතිය කුමක්ද?
- A) API යතුර තබා ගත යුත්තේ සේවාලාභියා මත නොව පසු අන්තයේ පමණි; ඉල්ලීම් ප්රොක්සි හරහා යා යුතුය ✔
- B) පහසුව සඳහා API යතුර සෘජුවම යෙදුම් කේතයට ඇතුළත් කළ යුතුය
- ඇ) යෙදුම් විස්තරයේ API යතුර බෙදාගත යුතුය
- D) API යතුර සේවාදායකයා තුළ තබා ගත යුතු අතර නම වෙනස් කිරීමෙන් පමණක් සැඟවිය යුතුය.
හෙළිදරව් කිරීම: API යතුර කිසි විටෙක ජංගම යෙදුම් කේතය තුළ අන්තර්ගත නොවේ; මක්නිසාද යත් යෙදුම ප්රතිලෝම ඉංජිනේරුකරණය කර යතුර උකහා ගත හැකි බැවිනි. නිවැරදි ගෘහනිර්මාණ ශිල්පය වන්නේ යතුර පසු අන්තයේ පමණක් තබා ඔබගේම ප්රොක්සි සේවාදායකය හරහා ඉල්ලීම් යැවීමයි.
7. දිගු LLM පිළිතුරු වලදී පරිශීලක-දැනගත් වේගය සහ විශේෂාංග සම්පූර්ණ කිරීමේ වේගය වැඩි කරන්නේ කුමක්ද?
- A) සම්පූර්ණ පිළිතුර නිපදවන තෙක් බලා සිටීම සහ එය එකවර පෙන්වීම
- B) ප්රවාහය සමඟ පිළිතුර වචනයෙන් වචනයෙන්, එය නිපදවා ඇති පරිදි පෙන්වීම ✔
- C) සෑම ඉල්ලීමක් සමඟම සම්පූර්ණ කතාබස් ඉතිහාසය ආකෘතියට යැවීම
- D) ප්රතිචාරය හැකිතාක් දීර්ඝ කිරීමට ආදර්ශ උපදෙස් විශාල කරන්න
විස්තරය: ප්රවාහය වචනයෙන් වචනය නිපදවන විට ප්රතිචාර දැක්වීමෙන් සංජානන වේගය සහ චතුර බව නාටකාකාර ලෙස වැඩි කරයි. හිස් තිරයක් මත රැඳී සිටීම වෙනුවට, පරිශීලකයා පෙළ පෝරමය නරඹයි; මෙය අත්හැරීමේ අනුපාතය සැලකිය යුතු ලෙස අඩු කරයි.
8. කෘත්රිම බුද්ධිය මගින් නිපදවන පරීක්ෂණවලදී පරීක්ෂණය වටිනාකමක් නැති කරවන වඩාත් පොදු ගැටලුව කුමක්ද?
- A) පරීක්ෂණ බොහෝ සීමාවන් ආවරණය කරයි
- B) පරීක්ෂණ භාවිතා කරන්නේ ව්යාජ වස්තු මිස සැබෑ සේවා නොවේ
- C) පරීක්ෂණ ඉතා වේගයෙන් ක්රියාත්මක වේ
- D) හැසිරීමක් සත්යවශයෙන්ම වලංගු නොවන හිස්/නිෂ්ඵල පරීක්ෂණ මගින් විෂය පථය ඉදිමීම ✔
පැහැදිලි කිරීම: කෘත්රිම බුද්ධිය සමහර විට කිසිදු ප්රතිදානයක් සත්ය වශයෙන්ම සත්යාපනය නොකරන පරීක්ෂණ නිපදවයි (උදා: ශ්රිතය අමතා හිස් ප්රකාශයක් ලියන්න). මේවා ආවරණ අංකය පුම්බන නමුත් සැබෑ ආරක්ෂාව සපයන්නේ නැත; අර්ථවත් හැසිරීම් තහවුරු කිරීම සඳහා සෑම පරීක්ෂණයක්ම පරීක්ෂා කළ යුතුය.
9. කෘත්රිම බුද්ධි යෝජනාවක් සමඟින් එය උත්සාහක දිනුමකින් බිඳ වැටීමක් නිහඬ කිරීම ප්රමාණවත් විසඳුමක් නොවන්නේ මන්ද?
- A) ජංගම යෙදුම්වල උත්සාහ-අල්ලා ගැනීම කිසිසේත් භාවිතා කළ නොහැක
- B) බිඳවැටීම නතර වේ, නමුත් මූල හේතුව විසඳා නොමැති නිසා, ගැටළුව වෙනත් ආකාරයකින් නැවත පැමිණේ ✔
- C) try-catch භාවිතා කිරීම යෙදුම මන්දගාමී කරයි, එබැවින් එය තහනම් වේ
- D) නිශ්ශබ්ද දෝෂය ගබඩාව විසින් ස්වයංක්රීයව ප්රතික්ෂේප කරනු ලැබේ
පැහැදිලි කිරීම: රෝග ලක්ෂණය නිශ්ශබ්ද කිරීම මූලික හේතුව විසඳන්නේ නැත; බිඳවැටීම නතර වේ, නමුත් මුල් ගැටලුව (උදා: බිඳුණු දත්ත සම්බන්ධතාවය) වෙනත් ආකාරයකින් නැවත පැමිණේ (උදා. දත්ත නැතිවීම). වෘත්තීය නිදොස්කරණයේ අරමුණ වන්නේ රෝග ලක්ෂණය නොව මූල හේතුව විසඳීමයි.
10. කාර්ය සාධන ප්රශස්තකරණයේදී අනුගමනය කළ යුතු මූලික රන් රීතිය කුමක්ද?
- A) පළමුව පැතිකඩක් ගෙන සැබෑ බාධකය මැන, පසුව ප්රශස්ත කරන්න ✔
- B) මන්දගාමී වන ස්ථානය අනුමාන කිරීම සහ එහි අවධානය යොමු කිරීම
- C) සෑම කාර්යයකදීම කුඩා ජයග්රහණ පසුපස හඹා යාම
- D) ඉමුලේටරයේ කාර්ය සාධනය මැනීම සහ කිසි විටෙකත් සැබෑ උපාංගය උත්සාහ නොකරන්න
විස්තරය: පළමුව මනින්න, පසුව ප්රශස්ත කරන්න. සැබෑ බාධකය සෑම විටම පාහේ පුරෝකථනය කළාට වඩා වෙනස් ස්ථානයක පවතී; පැතිකඩකින් තොරව ප්රශස්ත කිරීම අන්ධ අනුමානයක් වන අතර එය බොහෝ විට උත්සාහය නාස්තියකි.
11. නිරතුරුව ක්රියාත්මක වන AI විශේෂාංගය (උදා: සජීවී කැමරා පරිවර්තනය) සඳහා වඩාත්ම වැදගත් ඉංජිනේරුමය සැලකිල්ල කුමක්ද?
- A) විශේෂාංගය හැකි තරම් අවසර ඉල්ලයි
- B) නියැදි සංඛ්යාතය සහ කාණ්ඩ සැකසීම සමඟ අඛණ්ඩව සැකසීමේ බැටරි සහ ප්රොසෙසර පිරිවැය කළමනාකරණය කිරීම ✔
- C) වඩාත්ම මිල අධික දුරකථන වල පමණක් විශේෂාංගය ධාවනය කරන්න
- D) හැකි උපරිම රාමු අනුපාතයට කැමරාව අඛණ්ඩව විදැහුම්කරණය
විස්තරය: නිරන්තරයෙන් වැඩ කරන ආකෘතිය, කැමරාව සහ ජාලය; එය ඉක්මනින් බැටරිය පරිභෝජනය කළ හැකි අතර, උපාංගය උණුසුම් කිරීම සහ පද්ධතිය විසින් සීමා කළ හැකිය. නියැදීමේ වාර ගණන අඩු කිරීම, බැච් කිරීම සහ අවශ්ය විටදී පමණක් ධාවනය කිරීම බැටරි පිරිවැය කළමනාකරණය කිරීමේ ක්රම වේ.
12. අවසර කළමනාකරණයේ 'අවම වරප්රසාද' යන මූලධර්මය ජංගම සංවර්ධනයේදී අදහස් කරන්නේ කුමක්ද?
- A) ආරම්භයේදීම, හැකි සෑම අවසරයක්ම ඉල්ලා සිටීම.
- B) අවසරය ප්රතික්ෂේප කළහොත් යෙදුම අක්රිය කිරීම
- C) පුළුල්ම අවසරය ඉල්ලා සිටීම සහ පසුව එය පටු කිරීමට සැලසුම් කිරීම.
- D) ප්රතික්ෂේප කිරීමේ අවස්ථාවක් සහිතව, අවශ්ය විට සහ පටු විෂය පථය තුළ ඇත්ත වශයෙන්ම අවශ්ය අවසරය පමණක් ඉල්ලා සිටීම ✔
පැහැදිලි කිරීම: අවම වරප්රසාදය යනු ඇත්ත වශයෙන්ම අවශ්ය අවසරය, අවශ්ය වූ විට සහ හැකි තරම් පටු ප්රමාණයකට පමණක් ඉල්ලා සිටීමයි. බොහෝ අවසරයන් පරිශීලක විශ්වාසය අඩපණ කරයි, ගබඩා ප්රතික්ෂේප කිරීමට හේතු වේ, සහ දත්ත කාන්දු වීමේ අවදානම වැඩි කරයි.
13. කෘතිම බුද්ධිය සහිත යෙදුමක් ගබඩාවට ඉදිරිපත් කිරීමේදී සපුරාලිය යුතු නිශ්චිත අවශ්යතා මොනවාද?
- A) අන්තර්ගත විනිවිදභාවය, අන්තර්ගත පාලනය සහ රහස්යභාවය ආකාරයෙන් කෘතිම බුද්ධියට යන දත්ත හෙළිදරව් කිරීම ✔
- B) කෘතිම බුද්ධිය භාවිතා කරන්නාගෙන් සැඟවීම
- C) රහස්යතා පෝරමයේ සත්ය වශයෙන්ම රැස් නොකළ දත්ත සලකුණු කිරීම
- D) විස්තරයේ නොමැති පොරොන්දු විශේෂාංග
හෙළිදරව් කිරීම: ගබඩා විසින් අන්තර්ගත විනිවිදභාවය (එය AI නිපදවන බවට ප්රකාශය), අන්තර්ගත මධ්යස්ථකරණය (හානිකර ප්රතිදානය සහ පරිශීලක දැනුම්දීම් පෙරීම) සහ කෘතිම බුද්ධිය අඩංගු යෙදුම් වලින් දත්ත භාවිතය හෙළිදරව් කිරීම අපේක්ෂා කරයි; සංවේදී ප්රදේශයක නිරවද්යතා අනතුරු ඇඟවීම අවශ්ය වේ. මේවා මග හරින අයදුම්පත් ප්රතික්ෂේප කරනු ලැබේ.
14. ප්රකාශිත AI-උත්පාදිත කේතයේ එජ් කේස් දෝෂයක් සිදු වූ විට 'AI එය එසේ ලිව්වේ' ආරක්ෂාව අවලංගු වන්නේ ඇයි?
- A) කෘතිම බුද්ධිය සෑම විටම දෝෂ රහිත කේතයක් නිපදවන බැවින්, දෝෂය පැමිණෙන්නේ පරිශීලකයාගෙනි
- B) ගබඩා ස්වයංක්රීයව AI-උත්පාදිත කේතය නිවැරදි කරන බැවිනි
- C) කෘතිම බුද්ධියට වගකීම පැවරිය නොහැකි නිසා; ප්රකාශිත කේතය සහ දත්ත සඳහා සංවර්ධකයා වගකිව යුතුය ✔
- D) කෘත්රිම බුද්ධිය ජනනය කරන ලද කේතය කිසිවිටෙක සජීවීව නොපවතින බැවිනි
විස්තරය: AI ප්රතිදානය ආරම්භක ලක්ෂ්යයක් මිස නිමි භාණ්ඩයක් නොවේ. ප්රකාශයට පත් කරන ලද සෑම පේළියකටම, සැකසූ සෑම දත්තයකටම, සහ දුන් සෑම පොරොන්දුවක් සඳහාම වගකිව යුත්තේ සංවර්ධකයා ය; වගකීම AI වෙත පැවරිය නොහැක, එබැවින් ප්රකාශනය කිරීමට පෙර ප්රතිදානය තේරුම් ගෙන පරීක්ෂා කළ යුතුය.