ලාභ:
- අත්හදා බැලීමේ අවසානයේ සිට අවසානය දක්වා කාර්ය ප්රවාහයට මානව මූලධර්මය ඒකාබද්ධ කිරීම සහ එක් එක් අදියරේදී කෘතිම බුද්ධිය/මානව භූමිකාවන් වෙන් කිරීමට හැකි වීම
- සාමාන්ය කෘතිම බුද්ධියට රහස්ය ව්යුහය සහ දත්ත ලබා නොදී සාමාන්ය ප්රොක්සි උදාහරණ සමඟ වැඩ කිරීමේ හැකියාව
- තීරණාත්මක ස්ථානවල මානව අනුමත දොරටු තැබීමේ හැකියාව සහ විනිවිදභාවය සහ සොයා ගැනීමේ හැකියාව සමඟ අවසාන වගකීම භාර ගැනීම
මෙම අවසාන ඒකකයේ අපි සම්පූර්ණ මොඩියුලයම තනි රාමුවකට ඒකාබද්ධ කරමු: human-in-the-loop. මෙම මූලධර්මය පවසන්නේ AI කොතරම් හැකියාවක් තිබුණත්, රසායනික තීරණයක සෑම තීරණාත්මක අවස්ථාවකදීම මිනිසෙකු තේරුම් ගත යුතු, පාලනය කළ යුතු සහ අනුමත කළ යුතු බවයි. මෙම ඒකකය තුළ, අපි පළමුව සදාචාරාත්මක සහ රහස්යභාවය පිළිබඳ අංශ පැහැදිලි කර, පසුව අදහසින් වාර්තාවට අණුවක් ගෙන යන අන්තයේ සිට අවසානය දක්වා කාර්ය ප්රවාහයක් ස්ථාපිත කර, AI සහ මිනිසුන් සෑම අදියරකදීම ශ්රමය බෙදන ආකාරය බලමු. ඉලක්කය වන්නේ ඔබ ඉගෙන ගත් සෑම දෙයක්ම දෛනික වැඩවලට ගැලපෙන පද්ධතියක් බවට පත් කිරීමයි.
පෞද්ගලිකත්වය: AI වෙත නොදිය යුත්තේ කුමක්ද?
රසායන විද්යාව බොහෝ විට රහසිගත තොරතුරු සමඟ ක්රියා කරයි: පේටන්ට් බලපත්ර නොලද අණු, සමාගම් රහස් සංස්ලේෂණ මාර්ග, ප්රකාශයට පත් නොකළ දත්ත, රෝගී සාම්පල. ඔබ පොදු AI සේවාවකට ඇතුළු කරන පෙළ, සේවාවේ ප්රතිපත්තියට අනුව ගබඩා කර හෝ සැකසීමට හැකිය. එබැවින්:
- ප්රකාශනය නොකළ මුල් ව්යුහයන් (පෙර පේටන්ට් අණු) පොදු AI වෙත මුදා හැරීමට පෙර ඔබේ ආයතනික ප්රතිපත්තිය පරීක්ෂා කරන්න.
- හඳුනා ගත හැකි ආකෘතියකින් කිසිවිටෙක පුද්ගලික/රෝගී දත්ත (සායනික සාම්පල) ඇතුලත් නොකරන්න.
- වෙළඳ රහස් සංශ්ලේෂණ මාර්ග බෙදා ගැනීමට පෙර රහස්ය ගිවිසුම් සමාලෝචනය කරන්න.
- අවශ්ය විටක අභ්යන්තර/අභිරුචි යෙදවුම් AI මෙවලම් සඳහා තෝරා ගන්න.
අවවාදයයි: සාමාන්ය AI එකකින් අණුවක් ගැන විමසීමෙන් අදහස් වන්නේ එම අණුවේ ව්යුහය හෙළිදරව් කිරීමයි. පේටන්ට් බලපත්රය නොලබන අද්විතීය ව්යුහයක් සඳහා, මෙය ඔබගේ ප්රමුඛතාවය (පේටන්ට් අයිතිය) අනතුරේ හෙළනු ඇත. සාමාන්ය/ආදේශක උදාහරණ සහිත සැඟවුණු ව්යුහයන් සඳහා විමසන්න.
ආචාර ධර්ම: මූලධර්ම හතරක්
- විනිවිදභාවය: ඔබ AI භාවිතා කරන තැන සඟවන්න එපා; ප්රකාශන සහ ආයතනික ප්රතිපත්තිවලට අනුකූල වන්න.
- වගකීම: අවසාන තීරණය සඳහා මිනිසා වගකිව යුතුය; “AI යෝජිත” ආරක්ෂාව හෝ අඛණ්ඩතාව කඩ කිරීමකට සමාව නොදේ.
- අනිෂ්ට නොවන බව: භයානක/නීති විරෝධී සංශ්ලේෂණය, ද්විත්ව භාවිතය (ආයුධ විභව) යෙදුම් සඳහා AI භාවිතා නොකරන්න.
- සාධාරණත්වය සහ අවංකභාවය: දත්ත විකෘති නොකරන්න, ප්රතිඵල අලංකාර නොකරන්න, ආරෝපණය නොකරන්න.
අවසානය සිට අවසානය දක්වා කාර්ය ප්රවාහය: අණු → වාර්තාව
දැන් අපි සම්පූර්ණ මොඩියුලයම තනි ප්රවාහයකට ඒකාබද්ධ කරමු. සෑම අදියරකදීම, AI කරන දේ සහ මිනිසා කරන දේ අතර වෙනස කෙරෙහි අවධානය යොමු කරන්න.
වේදිකාව
AI හි කාර්යභාරය
මිනිසුන්ගේ (විවේචනාත්මක) භූමිකාව
1. අදහස/සාහිත්යය
සංකල්ප සාරාංශය, සෙවුම් පදය
සැබෑ මූලාශ්රය සොයා ගැනීම, ආරෝපණය තහවුරු කිරීම
2. ව්යුහය විස්තරය
SMILES උත්පාදනය කිරීම
RDKit, InChIKey සමඟ සත්යාපනය
3. සංශ්ලේෂණ සැලැස්ම
Retrosynthesis, විකල්ප
සාහිත්යය තහවුරු කිරීම, මාර්ගය තෝරාගැනීම
4. ආරක්ෂාව
SDS සාරාංශය, මූලික නොගැලපීම
SDS කියවීම, අනුමැතිය, PPE තීරණය
5. අයදුම්පත
(කිසිවක් නැත)
සියලුම රසායනාගාර කටයුතු
6. විශ්ලේෂණය
වර්ණාවලි අදහස් සහාය
අවසාන ව්යුහය පැවරීම
7. දත්ත සැකසීම
ලිවීමේ කේතය
කේතය ධාවනය කරන්න, ප්රතිඵලය තහවුරු කරන්න
8. ලේඛනගත කිරීම
හැඩතල ගැන්වීම, පාලනය
නිරීක්ෂණය, අපගමනය, අත්සන
9. වාර්තා කිරීම
කෙටුම්පත් පෙළ
අංකය/උපුටා ගැනීම තහවුරු කිරීම, වගවීම
මෙම වගුව මඟින් මොඩියුලයේ ඒකක 11 තනි කාර්යයක් ලෙස සකසා ඇති ආකාරය පෙන්වයි. AI වේගවත් කරයි; මිනිසුන් සත්යාපනය කර අයිති කර ගනී.
පියවරෙන් පියවර: කාර්ය ප්රවාහය සැකසීම
- භූමිකාවන් පැහැදිලි කරන්න: එක් එක් කාර්යය සඳහා, "AI හෝ මිනිසා තීරණය කරන්නේද?" මුල සිට තීරණය කරන්න.
- රහස්යතා පෙරහනක් සකසන්න: AI වෙත යමක් ලබා නොදී ඔබට "මෙය පුද්ගලික/පුද්ගලිකද?" අහන්න.
- සත්යාපන දොරටු දමන්න: එක් එක් අදියර අවසානයේ සත්යාපන පියවරක් (ඒකක 10 හි වගුව).
- සොයාගැනීමේ හැකියාව තබා ගන්න: AI වෙතින් ලැබුණු ප්රතිදානය කුමක්ද, එය සත්යාපනය කළේ කෙසේද, එය අනුමත කළේ කවුද.
- අනුමත ලකුණු සකසන්න: ආරක්ෂාව සහ අවසාන ප්රතිඵලය වැනි තීරණාත්මක අවස්ථාවන්හිදී මානව අනුමැතිය අනිවාර්ය වේ.
- ප්රතිපෝෂණය: හසු වූ සෑම දෝෂයක්ම වාර්තා කර කාර්ය ප්රවාහය වැඩි දියුණු කරන්න.
පිටපත් කළ හැකි සැකිලි හතරක්
1) රහස්යතා පූර්ව පෙරහන:
ප්රශ්නයක් ඇසීමට පෙර, මෙය සලකා බලන්න:අන්තර්ගතය: [මම අසන දේ]කාර්යය: මෙම අන්තර්ගතයේ ප්රකාශනය නොකළ මුල් කෞතුක වස්තු, පුද්ගලික දත්ත, හෝ වෙළඳ රහස් අඩංගුද? එය එසේ නම්, ව්යුහය සඟවන සාමාන්ය/ආදේශක උදාහරණයකින් ප්රශ්නය නැවත ලිවිය හැකි ආකාරය යෝජනා කරන්න.
2) අදියර සත්යාපන දොරටුවේ අවසානය:
මම පහත අදියර සම්පූර්ණ කර ඇත: [PHASE, උදා. සංශ්ලේෂණ සැලැස්ම]. කාර්යය: මෙම අදියරෙන් පිටතට පැමිණෙන සත්යාපනය කළ යුතු සියලුම අංග ලැයිස්තුගත කරන්න (අංක, උපුටා දැක්වීම, ව්යුහය, ආරක්ෂක හිමිකම් පෑම). එක් එක් සඳහා, සත්යාපන ක්රමය ලියන්න සහ එය තහවුරු කළ යුත්තේ කවුරුන්ද යන්න. ඊළඟ පියවරට යාමට පෙර වසා දැමිය යුතු විවෘත අයිතම සලකුණු කරන්න.
3) මානව-AI භූමිකාව බෙදා හැරීමේ සැලැස්ම:
මගේ ව්යාපෘතිය: [කෙටි විස්තරය]. කාර්යය: මෙම ව්යාපෘතිය අදියරවලට බෙදන්න. එක් එක් අදියර සඳහා, අතර වෙනස හඳුනා ගන්න: - AI හට කළ හැකි දේ (කෙටුම්පත, කේතය, සාරාංශය) - මිනිසා තීරණය කළ යුතු දේ (ආරක්ෂාව, ප්රතිවිපාක, අනුමැතිය). අවසාන වගකීම මිනිසාට පැවරෙන තීරණාත්මක කරුණු සලකුණු කරන්න.
4) අඛණ්ඩතා පරීක්ෂාව වාර්තා කරන්න:
පහත දැක්වෙන්නේ මගේ වාර්තා කෙටුම්පතයි:[DRAFT]කාර්යය: පහත සඳහන් දෑ පරීක්ෂා කර සලකුණු කරන්න: 1) සත්යාපනය නොකළ අංක/උපුටාගැනීම් තිබේද?2) AI භාවිතය විනිවිද පෙනෙන ලෙස ප්රකාශ කර තිබේද?3) දත්ත "අලංකාර කර ඇති" (පිටතට සඟවාගෙන) පෙනෙන්නේද?4) කිසියම් ආරක්ෂක/ආචාර ධර්ම දෝෂ තිබේද? ඔබට විශ්වාස නැති තැන [පරීක්ෂා කරන්න].
දුර්වල ක්ෂණික / ශක්තිමත් විමසුම
දුර්වල:
අපගේ සමාගමේ නව රහස් අණුව සංස්ලේෂණය කිරීමට හොඳම ක්රමය කුමක්ද?[සැබෑ මුල් ව්යුහය]
මෙය සාමාන්ය සේවාවකට මුල් පෙර පේටන්ට් ව්යුහය නිරාවරණය කරයි; එය ප්රමුඛතාවය සහ රහස්යභාවය අවදානමට ලක් කරයි.
ශක්තිමත්:
ඇරෝමැටික කීටෝන පන්තියක සමාන ව්යුහයක් සඳහා සාමාන්ය ප්රතිසංශ්ලේෂණ උපාය මාර්ගය ඉගෙන ගැනීමට මම කැමතියි. කොන්ක්රීට්, මුල් ව්යුහය ලබා නොදී සාමාන්ය උදාහරණයක් (ඇසිටොෆෙනෝන් ව්යුත්පන්න) හරහා පැහැදිලි කරන්න. මම මගේම අණුව අභ්යන්තරයේ උපාය මාර්ගය යොදන්නෙමි.
වෙනස: ගුප්ත ව්යුහය හෙළිදරව් නොකර, සාමාන්ය ආදේශක උදාහරණය හා සමාන ඉගෙනීම සාක්ෂාත් කර ගන්නා ලදී.
කුඩා නඩු
නඩුව 1 - මුල් ව්යුහය අනාවරණය විය. පේටන්ට් බලපත්රයක් සඳහා අයදුම් කිරීමට පෙර කණ්ඩායමක් සාමාන්ය AI ගෙන් අද්විතීය අණුවක් ගැන විමසීය. මෙමගින් ප්රමුඛතාව ප්රශ්න කළ හැකි බව නීති අංශය ප්රකාශ කළේය; ක්රියාවලිය ප්රමාද විය. පාඩම: සාමාන්ය ප්රොක්සි සහිත අද්විතීය ව්යුහයන් ඉල්ලා සිටින්න, පුද්ගලිකත්ව ප්රතිපත්තියට ගරු කරන්න.
නඩුව 2 - මිනිස් කැමැත්ත අනතුර වැළැක්වීය. ස්වයංක්රීය කාර්ය ප්රවාහයක් තුළ, AI විසින් කෙටුම්පත් ක්රියා පටිපාටියක් නිෂ්පාදනය කරන ලද අතර එය සෘජුවම ක්රියාත්මක කිරීමට නියමිතව තිබුණි; නමුත් පළපුරුදු රසායනඥයෙකු "ආරක්ෂිත නිෂ්කාශන" ද්වාරයෙහි නොගැලපෙන ප්රතික්රියාකාරක යුගලයක් අල්ලා ගත්තේය. පාඩම: තීරණාත්මක අවස්ථාවන්හිදී, මිනිස් අනුමත දොරටු ජීවිත බේරා ගනී.
නඩුව 3 - අවසානය සිට අවසානය දක්වා විනය. ශාස්ත්රපති ශිෂ්යයෙක් සම්පූර්ණ මොඩියුලයම එක් ව්යාපෘතියක් තුළ ක්රියාත්මක කළේය: සාහිත්ය සාරාංශය + AI සමඟ සත්ය උපුටා දැක්වීම් සත්යාපනය, RDKit සමඟ ව්යුහ සත්යාපනය, කේතය සමඟ දත්ත විශ්ලේෂණය, SDS සමඟ ආරක්ෂාව, අවංක ලියකියවිලි, විනිවිද පෙනෙන වාර්තාකරණය. ප්රතිඵලය වේගවත් හා වඩා ශක්තිමත් විය; නිබන්ධන ආරක්ෂණයේ "ඔබ AI සත්යාපනය කළේ කෙසේද?" ඔහු ප්රශ්නයට පැහැදිලිව පිළිතුරු දුන්නේය. පාඩම: AI + සත්යාපන විනය එකට හොඳින්ම ක්රියා කරයි.
පොදු වැරදි
- සාමාන්ය AI වෙත ගුප්ත ව්යුහය ලබා දීම. එය පේටන්ට් ප්රමුඛතාවය සහ වෙළඳ රහස් සම්මුතියක් ඇති කරයි.
- හඳුනාගත හැකි පුද්ගලික/රෝගී දත්ත ඇතුළත් කිරීම. පෞද්ගලිකත්වය උල්ලංඝනය කිරීම සහ නීතිමය අවදානම.
- අනුමත දොරටු මග හැරීම. ආරක්ෂාව සහ අවසානයේ මානව අනුමැතියකින් තොරව ඉදිරියට යාම.
- AI වෙත වගකීම පැවරීම. “AI යෝජිත” කිසිදු වරදකට සමාව නොදේ.
- විනිවිදභාවයෙන් වැළකී සිටීම. AI භාවිතය සඟවා තැබීමෙන් අඛණ්ඩතාව අඩාල වේ.
- ද්විත්ව භාවිතයේ අවදානම නොසලකා හැරීම. හානිකර යෙදුම් සඳහා AI භාවිතා කිරීම සදාචාරාත්මක නොවේ.
ඉඟිය: "මිනිසෙකු නතර කරන සහ අනුමත කරන සෑම තීරණාත්මක තීරණයක්" සමඟින් ඔබේ කාර්ය ප්රවාහය සැලසුම් කරන්න. AI දාමය වේගවත් කරන සබැඳියක් බවට පත් කරන්න, දාමය අල්ලාගෙන සිටින නෝඩය සැමවිටම මනුෂ්ය වේ.
සාරාංශයක් ලෙස
- අත්හදා බැලීමේ මානව මූලධර්මය: සෑම තීරණාත්මක රසායනික තීරණයකදීම, මිනිසා තේරුම් ගනී, අධීක්ෂණය සහ අනුමත කරයි.
- පුද්ගලිකත්වය: පොදු AI වෙත අද්විතීය පුරාවස්තු, පුද්ගලික දත්ත සහ වෙළඳ රහස් ලබා නොදෙන්න; සාමාන්ය ප්රොක්සි භාවිතා කරන්න.
- ආචාර ධර්ම: විනිවිදභාවය, වගකීම, අයුතුකම් නොකිරීම, අවංකකම මූලික මූලධර්ම හතරයි.
- අන්තයේ සිට අවසානය දක්වා වැඩ ප්රවාහයක් තුළ, AI සෑම අදියරකදීම වේගවත් කරයි; මිනිසුන් සත්යාපනය කර අයිති කර ගනී.
- තීරණාත්මක ස්ථානවල (ආරක්ෂාව, අවසාන ප්රතිඵලය) මානව අනුමැතිය ගේට්ටු තබා සොයාගැනීමේ හැකියාව පවත්වා ගන්න.
යෙදුම් කාර්යය
ඔබේම (සැබෑ හෝ උපකල්පිත) ව්යාපෘතියක් තෝරා ආරම්භයේ සිට අවසානය දක්වා AI-මානව වැඩ ප්රවාහයක් සැලසුම් කරන්න. ඉහත 9-අදියර වගුව ඔබේම ව්යාපෘතියට අනුවර්තනය කරන්න: AI එක් එක් අදියරේදී කුමක් කරයිද, මිනිසා අනුමත කරන්නේ කුමක්ද? රහස්යතා පෙර පෙරහන යොදන්න: ඔබ AI වෙත ලබා නොදෙන තොරතුරු මොනවාද, ඔබ එය සාමාන්යකරණය කරන්නේ කෙසේද? අවම වශයෙන් මානව-අනුමත දොරටු දෙකක් සහ එක් සොයා ගැනීමේ ක්රමයක් නිර්වචනය කරන්න. එක් පිටුවක "වැඩ ප්රවාහ සහ සත්යාපන සැලැස්ම" ලියන්න.
පිරික්සුම් ලැයිස්තුව
- [ ] අත්හදා බැලීමේදී, මම මානව මූලධර්මය සහ එය අවශ්ය වූයේ මන්දැයි වටහා ගතිමි.
- [ ] මම සැඟවුණු ව්යුහය/දත්ත සාමාන්ය AI වෙත ලබා නොදී සාමාන්යකරණය කරමි.
- [ ] මම විනිවිදභාවය, වගකීම, අයුතුකම සහ අවංකභාවය යන මූලධර්මවලට අනුකූලව කටයුතු කරමි.
- [ ] මම අවසානයේ සිට අවසානය දක්වා වැඩ ප්රවාහයේ AI/මානව භූමිකාවන් වෙන් කළෙමි.
- [ ] මම තීරණාත්මක ස්ථානවල මානව අනුමැතිය දොරටු තැබුවෙමි.
- [ ] මම AI වෙතින් ලැබෙන ප්රතිදානය කුමක්ද සහ එය සත්යාපනය කරන්නේ කෙසේද යන්න නිරීක්ෂණය කරමි.
මොඩියුල විභාගය
1. රසායන විද්යාවේ කෘත්රිම බුද්ධිය සඳහා වඩාත් නිවැරදි ස්ථානගත කිරීම පහත ඒවායින් කුමක් ද?
- A) කෘතිම බුද්ධිය යනු කේතයක්, කෙටුම්පතක් සහ සංස්කරණ සහායකයකි; ව්යුහය, අංකය, සම්පත්, ආරක්ෂාව සහ සදාචාරාත්මක තීරණ සඳහා වගකීම මිනිසුන් සතුය ✔
- B) කෘතිම බුද්ධිය රසායන විද්යා එන්ජිමක් වන අතර එය ලබා දෙන අණුක බර සෑම විටම නිවැරදි වේ.
- C) කෘත්රිම බුද්ධිය ක්රියාත්මක වන්නේ සාහිත්ය සමාලෝචනයේදී පමණි, එයට විශ්ලේෂණය සහ ආරක්ෂාව සමඟ කිසිදු සම්බන්ධයක් නැත
- D) කෘත්රිම බුද්ධිය මිනිසුන්ට වඩා අපක්ෂපාතී බැවින් ආරක්ෂක තීරණ එයට භාර දිය යුතුය
විස්තරය: කෘතිම බුද්ධිය; එය කේතය ලියන, කෙටුම්පත් නිෂ්පාදනය කරන, ප්රතිසංශ්ලේෂණ ඇටසැකිල්ලක් ගොඩනඟන, වර්ණාවලි අර්ථ නිරූපණයට උපකාර කරන සහ සංවිධානය කරන සහායකයෙකි. කෙසේ වෙතත්, අණුක බර සහ ස්ටෝචියෝමිතිය පිළිබඳ නියත ගණනය කිරීම, RDKit සමඟ ව්යුහය සත්යාපනය කිරීම, දත්ත සමුදායේ උපුටා දැක්වීම් තහවුරු කිරීම, SDS/GHS සමඟ ආරක්ෂාව පිළිබඳ තීරණය සහ අවසාන වගකීම දක්ෂ රසායනඥයාට අයත් වේ. විශාල භාෂා ආකෘතිය ගණක යන්ත්රයක් හෝ රසායන විද්යා එන්ජිමක් නොවේ; එය 'ඊළඟ බොහෝ දුරට ඉඩ ඇති වචනය' නිපදවන පෙළ උත්පාදකයක් වන අතර එහි සත්යාපනය නොකළ ප්රතිදානය වැරදි ව්යුහයකට, අංකයකට හෝ උපද්රවයකට තුඩු දිය හැකිය.
2. කෘතිම බුද්ධියට අණුවක් විස්තර කිරීමට වඩාත්ම විශ්වාසදායක මාර්ගය කුමක්ද?
- A) පොදු තුර්කි නාමය පමණක් ලිවීම
- B) SMILES වැනි ව්යුහ නිරූපණයක් ලබා දීම සහ InChIKey සමඟ අනන්යතාවය තහවුරු කිරීම ✔
- C) අණුක බර පමණක් පැවසීම
- D) වෙළඳ ලකුණ ලිවීම ප්රමාණවත්ය
පැහැදිලි කිරීම: නම් (විශේෂයෙන් වෙළඳාම සහ සමාන පද නම්) අපැහැදිලි වන අතර වැරදි අණුවකට තුඩු දිය හැකිය. SMILES වැනි ව්යුහ අංකනයක් අණුවට ලබා දීම නිරවද්යතාවයක් සපයයි; InChIKey සමඟ දත්ත ගබඩාවේ ඔහුගේ අනන්යතාවය තහවුරු කර ඇත. ඊට අමතරව, කෘත්රිම බුද්ධිය මගින් ලබා දෙන SMILES RDKit සමඟ විග්රහ කර කැනොනිකල්කරණය මගින් සත්යාපනය කළ යුතුය.
3. කෘතිම බුද්ධිය මගින් ලබා දෙන අණුක බරක් ඔබ භාවිතා කළ යුත්තේ කෙසේද?
- A) එය සෘජුවම භාවිතා කිරීම, මන්ද AI සංඛ්යා වලින් විශ්වාසදායකය
- B) අතින් හෝ RDKit සමඟ සූත්රයෙන් ස්වාධීනව ගණනය කර සත්යාපනය කරන්න ✔
- C) තවත් කෘතිම බුද්ධියක් විමසා සංසන්දනය කිරීම පමණක් ප්රමාණවත්ය
- D) අණුක බර වැදගත් නොවේ, සත්යාපනය අවශ්ය නොවේ
පැහැදිලි කිරීම: අණුක බර යනු අණුක සූත්රයෙන් නියත වශයෙන් ගණනය කරන ලද ප්රමාණයකි. එබැවින් භාෂා ආකෘතිය විමසීම දුර්වලම ක්රමයයි; එය RDKit වැනි මෙවලමකින් හෝ සූත්රයකින් එය අතින් ගණනය කිරීමෙන් ස්වාධීනව සත්යාපනය කළ යුතුය. භාෂා ආකෘතියට එවැනි සංඛ්යා 'විය හැකි පෙනුමක්' අගයක් සමඟ ගැලපේ.
4. කෘතිම බුද්ධිය මගින් ආපසු ලබා දෙන සාහිත්ය උපුටා දැක්වීමක් (ලිපියක්/DOI) භාවිතා කිරීමට පෙර කළ යුත්තේ කුමක්ද?
- අ) කිසිවක් නැත; කෘතිම බුද්ධිය යොමු කිරීමක් ලබා දෙන්නේ නම්, එය සැබෑ ය
- B) මාතෘකාව ඒත්තු ගැන්වීමට පමණක් ප්රමාණවත් වේ.
- C) එක් එක් උපුටා දැක්වීම් සහ DOI දත්ත ගබඩාවක විකේතනය කිරීමෙන් තහවුරු කිරීම (doi.org, Crossref) ✔
- D) දිගු DOI අංකය එය සැබෑ බව ඔප්පු කරයි.
විස්තරය: භාෂා ආකෘතියට යථාර්ථවාදී ලෙස පෙනෙන නමුත් නොපවතින ලිපි, කතුවරුන් සහ DOIs ජනනය කළ හැකිය (ව්යාජ උපුටා දැක්වීම). එය DOI ලබා දුන් පමණින් එය වලංගු නොවේ. සෑම උපුටා දැක්වීමක්ම doi.org, Crossref, හෝ ප්රකාශකයාගේ අඩවිය වැනි දත්ත ගබඩාවක විභේදනය මගින් සත්යාපනය කළ යුතුය; ආරක්ෂිතම ප්රවාහය නම් මිනිසාට සැබෑ ලිපිය සොයා ගැනීම සහ කෘත්රිම බුද්ධිය මගින් පෙළ සාරාංශ කර තිබීමයි.
5. කෘතිම බුද්ධිය දුර්වලම සහ ප්රතික්රියා සැලසුම් කිරීමේදී තහවුරු කිරීමක් අවශ්ය වන්නේ කුමන ප්රදේශයේද?
- A) ප්රතික්රියාව අයත් වන්නේ කුමන සාමාන්ය පන්තියටදැයි හඳුනාගැනීමේදී
- B) නියම තත්ව අංක, අස්වැන්න අගයන් සහ ප්රතික්රියාකාරක/උත්ප්රේරක නම් ✔
- C) සරල භාෂාවෙන් යාන්ත්රණයක් පැහැදිලි කිරීම
- D) විකල්ප මාර්ග සඳහා කල්පනා කිරීම
පැහැදිලි කිරීම: AI සාමාන්යයෙන් ප්රතික්රියා වර්ගය සහ හොඳින් ලේඛනගත ප්රතික්රියා වල ප්රධාන නිෂ්පාදනය හොඳින් පුරෝකථනය කරයි. කෙසේ වෙතත්, නිශ්චිත තත්ව සංඛ්යා (උෂ්ණත්වය, වේලාව, සමාන), අස්වැන්න අගයන්, දුර්ලභ ප්රතික්රියා, සහ ප්රතික්රියාකාරක/උත්ප්රේරක නම් දුර්වලම සහ ප්රබන්ධයට වඩාත්ම නැඹුරු වේ; මේවා සාහිත්ය හා නාමාවලි මගින් තහවුරු කළ යුතුය.
6. වර්ණාවලි පරිවර්ථනයේදී කෘත්රිම බුද්ධිය භාවිතා කිරීමට වඩාත්ම විශ්වාසදායක ක්රමය කුමක්ද?
- A) උච්ච කිහිපයක් ලබා දී 'මේ වර්ණාවලිය කුමක්ද?' අහන්න කියලා
- B) අපේක්ෂිත ව්යුහය සහ සම්පූර්ණ අමු දත්ත ලබා දීම සහ අනුකූලතා පරීක්ෂාවක් තිබීම (උපකල්පන පරීක්ෂාව) ✔
- C) ඒකාබද්ධ කිරීම සහ බෙදීම සිදු නොකර මාරු අගයන් පමණක් ලිවීම
- D) තනි තාක්ෂණයකින් (IR පමණි) නිශ්චිත ව්යුහ පැවරීම සිදු කිරීම
විස්තරය: AI ගෙන් අසන්න 'මෙම වර්ණාවලිය යනු කුමක්ද?' මුල සිටම ඇසීම දෝෂ අනුපාතය වැඩි කරයි. වඩාත්ම විශ්වාසදායක ක්රමය වන්නේ අපේක්ෂිත ව්යුහය (SMILES) සහ අමු දත්ත (ඒකාබද්ධ කිරීම, බෙදීම, විසඳන්න, උච්ච ලැයිස්තුව) එකට ලබා දී 'මෙම දත්ත මෙම ව්යුහයට අනුකූලද?' ඇසීමට ය; එනම් කෘතිම බුද්ධිය උපකල්පන පරීක්ෂකයෙකු ලෙස භාවිතා කිරීමයි. අවසාන පැවරුම වන්නේ පර්යේෂණාත්මක වර්ණාවලිය පරීක්ෂා කරන රසායනඥයා සඳහාය.
7. රසායනික ගණනය කිරීමේ ප්රතිඵලය (උදා: ප්රතිශතයක් අස්වැන්න) ලබා ගැනීමට වඩාත්ම විශ්වාසදායක ක්රමය කුමක්ද?
- A) වාචිකව කෘත්රිම බුද්ධියෙන් සෘජුවම ප්රතිඵලය ඉල්ලා සිටීම
- B) ගිණුමේ Python කේතය මුද්රණය කර ධාවනය කර දන්නා උදාහරණයකින් එය පරීක්ෂා කරන්න ✔
- C) එකම ප්රශ්නය කිහිප වතාවක් අසන්න සහ නිතර එන අංකය ලබා ගන්න
- D) ඒකකය සඳහන් නොකර ඉක්මනින් ඇස්තමේන්තු කිරීම
පැහැදිලි කිරීම: භාෂා ආකෘතිය 'විභව ප්රතිඵලය පුරෝකථනය කිරීම' මගින් අංක ගණිතය සිදු කරන අතර ඉතා සරල ගුණ කිරීම් සමඟ පවා වැරදි විය හැක. වඩාත්ම විශ්වාසදායක ක්රමය නම්, AI විසින් එහි කේතය ලියා (උදා: පයිතන්), ගිණුමම නොව, එම කේතය ක්රියාත්මක කිරීමයි; කේතය නිර්ණායක සහ විගණනය කළ හැකි ය. පිළිතුර දන්නා කුඩා සාම්පලයක් සමඟ කේතය ද පරීක්ෂා කළ යුතුය.
8. අණුක දේපල පුරෝකථනය කිරීමේදී 'අදාළ වීමේ වසම' යන සංකල්පය අදහස් කරන්නේ කුමක්ද?
- A) ආකෘතිය ක්රියාත්මක වන පරිගණකයේ සැකසුම් බලය
- B) පුහුණු දත්ත වලට සමාන අණුක කලාපය, ආකෘතිය විශ්වාසදායක අනාවැකි ලබා දෙයි ✔
- C) ආකෘතියෙන් ලබා දී ඇති අංකය සෑම විටම නිරවද්ය වන සහතික ප්රදේශය
- D) රසායනාගාරයේ අණුව සංස්ලේෂණය කළ හැකි උෂ්ණත්ව පරාසය
පැහැදිලි කිරීම: QSAR/අනාවැකි ආකෘතියක් එය පුහුණු කරන ලද අණු වලට සමාන අණු මත හොඳින් ක්රියා කරයි. පුහුණු දත්ත වලට වඩා බෙහෙවින් වෙනස් අණුවක් ලබා දී ඇති අතර, ආකෘතිය තවමත් අංකයක් නිපදවයි, නමුත් මෙය විශ්වාස කළ නොහැකි ය; මෙය 'අදාළ වීමේ විෂය පථයෙන් පිටත සිටීම' ලෙස හැඳින්වේ. ආකෘතිය සෑම විටම පිළිතුරක් ලබා දෙයි; පිළිතුර විශ්වාසදායකද නැද්ද යන්න තක්සේරු කිරීම මිනිසාට භාරයි.
9. අත්හදා බැලීම් ලේඛනගත කිරීමේදී නිරීක්ෂණ සමඟ කටයුතු කිරීමේ නිවැරදි ප්රවේශය කුමක්ද?
- A) කාලය ඉතිරි කර ගැනීම සඳහා කෘතිම බුද්ධියට නිරීක්ෂණ ලිවීම
- B) අත්හදා බැලීම සිදු කරන පුද්ගලයා නිරීක්ෂණ සටහන් කරයි; AI ආකෘති සහ චෙක්පත් පමණි ✔
- C) නිරීක්ෂණ වාර්තා නොකිරීමට ප්රමාණවත් වේ, අවසාන අස්වැන්න ලියන්න
- D) වාර්තාව ලස්සන කිරීමට සැලැස්මෙන් බැහැරවීම් සැඟවීම
පැහැදිලි කිරීම: කෘතිම බුද්ධිය එය කුමක්දැයි නොදනී; නිරීක්ෂණ සිදු කිරීම (වර්ණ වෙනස් කිරීම, ගෑස් මුදා හැරීම, ආදිය) එයට ගැලපෙන ලෙස පෙනෙන නමුත් සිදු නොවූ වාර්තා නිෂ්පාදනය කරයි, මෙය විද්යාත්මක වංචාවකි. AI පටිගත කිරීම ආකෘතිකරණය කරයි, නැතිවූ ක්ෂේත්ර නැවත කැඳවයි, සහ පුනරාවර්තන හැකියාව පරීක්ෂා කරයි; නමුත් මානව අත්හදා බැලීම් කරන්නා නිරීක්ෂණ සහ කරුණු සැපයිය යුතුය. සැලැස්මෙන් බැහැරවීම් ද වාර්තා කළ යුතුය.
10. රසායනාගාර ආරක්ෂාව සහ සත්යයේ මූලාශ්රය සම්බන්ධයෙන් කෘතිම බුද්ධියේ කාර්යභාරය කුමක්ද?
- A) කෘතිම බුද්ධිය 'ආරක්ෂිත' යැයි පවසන්නේ නම්, වෙනත් මූලාශ්රයක් අවශ්ය නොවේ
- B) සත්යයේ මූලාශ්රය SDS සහ GHS වේ; AI ප්රයෝජනවත් නමුත් අවසාන වශයෙන් පැවසිය නොහැක ✔
- C) ආරක්ෂක තීරණ සම්පූර්ණයෙන්ම කෘතිම බුද්ධියට පැවරිය හැක
- D) SDS අනවශ්යයි; අන්තර්ජාල සංසද ප්රමාණවත් තොරතුරු සපයයි.
විස්තරය: රසායන විද්යාවේ ආරක්ෂාව ඉහළම ප්රමුඛතාවය වන අතර, කෘත්රිම බුද්ධියට මෙහි අවසාන වචනය කිසිදා තිබිය නොහැක. සත්ය ආරක්ෂණ තොරතුරු වල මූලාශ්රය වන්නේ නිෂ්පාදකයා විසින් සපයනු ලබන SDS (ආරක්ෂිත දත්ත පත්රිකාව) සහ GHS වර්ගීකරණයයි. AI හට SDS පෙළ සාරාංශ කිරීමට, ආකෘති කෙටුම්පත් උත්පාදනය කිරීමට සහ මූලික අනුකූලතා පරීක්ෂාව සිදු කිරීමට හැකිය; කෙසේ වෙතත්, සියලුම හිමිකම් SDS සමඟ සත්යාපනය කළ යුතු අතර පළපුරුදු පුද්ගලයෙකු/ආරක්ෂක නිලධාරියෙකු විසින් ක්රියා පටිපාටිය අනුමත කළ යුතුය.
11. පහත සඳහන් ප්රතික්රියාකාරක සංයෝගවලින් දන්නා අන්තරායකර (නොගැලපෙන) ගැළපීම කුමක්ද?
- A) ජලය සහ මේස ලුණු මිශ්ර කිරීම
- B) හයිපොක්ලෝරයිට් අඩංගු ද්රාවණයක් සමඟ ආම්ලික ද්රාවණයක් මිශ්ර කිරීම (ක්ලෝරීන් වායුවේ අවදානම) ✔
- C) එතනෝල් සහ ජලය මිශ්ර කිරීම
- D) සීනි සහ ජලය විසුරුවා හැරීම
පැහැදිලි කිරීම: සමහර රසායනික ද්රව්ය සාපේක්ෂ වශයෙන් ආරක්ෂිත වන අතර, ඒවා එක්ව භයානක වේ. අම්ලය සහ හයිපොක්ලෝරයිට් මිශ්ර කිරීමෙන් ක්ලෝරීන් වායුව නිකුත් කරයි; ඔක්සිකාරක + කාබනික ගිනි / පිපිරීම්, ජලය + ප්රතික්රියාකාරක ලෝහ තාපය / හයිඩ්රජන් අවදානම මතු කරයි. AI මෙම සංයෝජන බොහොමයක් දැන සිටියද, එය ඒ සියල්ල සහතික නොකරන අතර සමහර විට අහිංසක භාෂාවෙන් භයානක යෝජනාවක් ඉදිරිපත් කළ හැකිය; SDS සමග අනුකූල නොවීම සඳහා සෑම ක්රියා පටිපාටියක්ම පරීක්ෂා කළ යුතුය.
12. 'මායාව' (කෘතිම බුද්ධිය ගොතන ලද තොරතුරු නිපදවන) සඳහා වඩාත්ම නිවැරදි ප්රකාශනය කුමක්ද?
- A) එය දුර්ලභ මෘදුකාංග දෝෂයක් වන අතර යාවත්කාලීන කිරීමකින් සම්පූර්ණයෙන්ම ඉවත් කරනු ලැබේ.
- B) එය භාෂා ආකෘතියට ආවේනික හැසිරීමකි; විසඳුම වන්නේ එක් එක් ප්රතිදානය ස්වාධීනව සත්යාපනය කිරීමයි ✔
- C) එය වැරදි ලෙස ලියා ඇති විමසුම්වල පමණක් දිස් වේ, කිසි විටෙකත් නිවැරදි විමසුම්වල නොවේ.
- D) කෘතිම බුද්ධිය ආරක්ෂිත භාෂාවකින් කතා කරන්නේ නම්, එය මායාවක් නොවේ
පැහැදිලි කිරීම: මායාව යනු දෝෂයක් නොව 'ඊළඟට බොහෝ දුරට ඉඩ ඇති වචනය' නිපදවන භාෂා ආකෘතියේ ස්වභාවයේ ප්රතිඵලයකි; ආකෘතිය අරමුණු කරන්නේ හැකි දේ මිස සත්ය නොවේ. වඩාත්ම ද්රෝහී කොටස නම් එය සත්යය හා සමාන විශ්වාසදායක භාෂාවකින් අසත්ය තොරතුරු ඉදිරිපත් කිරීමයි. විසඳුම වන්නේ ආකෘතිය සවි කිරීමට උත්සාහ කිරීම නොව, එක් එක් ප්රතිදානය වටා වර්ගයට සුදුසු වලංගු කිරීමේ කවචයක් තැනීමයි; චතුර බව කිසිවිටෙක නිරවද්යතාව පිළිබඳ සාක්ෂියක් නොවේ.
13. තීරණාත්මක අගයක් (උදා. අණුක බර) සත්යාපනය කිරීමට 'ත්රිකෝණකරණය' යන්නෙන් අදහස් කරන්නේ කුමක්ද?
- A) එකම ප්රශ්නය එකම කෘතිම බුද්ධියට තුන් වතාවක් ඇසීම
- B) ස්වාධීන ආකාර එකකට වඩා සංසන්දනය කර එකම නිගමනයකට එළඹීම ✔
- C) විවිධ අණු තුනක බර එකවර ගණනය කිරීම
- D) ප්රතිඵලය දශම ස්ථාන තුනකට වට කිරීම
පැහැදිලි කිරීම: ත්රිකෝණය බහු ස්වාධීන මාර්ග ඔස්සේ එකම නිගමනයකට එළැඹීම; උදාහරණයක් ලෙස, කෘතිම බුද්ධිය අනුව අණුක බර සංසන්දනය කිරීම, RDKit ගණනය කිරීම සහ අතින් ගණනය කිරීම. ස්වාධීන මාර්ග දෙකක් අතිච්ඡාදනය වන්නේ නම්, විශ්වාසය ඉහළ ය; කවුරු හරි මඟ හැරුණොත් ඒක නවත්තලා පරීක්ෂණ කරනවා. තනි ප්රභවයක් මත රඳා නොසිට, අවම වශයෙන් ස්වාධීන ක්රම දෙකක් සෙවිය යුතුය.
14. පේටන්ට් බලපත්රය ලබා නොගත් අද්විතීය අණුවක් ගැන සාමාන්ය AI සේවාවක් ඇසීමට නිවැරදි ක්රමය කුමක්ද?
- A) මුල් ව්යුහය සෘජුවම ලබා දීම, වේගය වැදගත් වන බැවිනි
- B) මුල් ව්යුහය හෙළි නොකර සාමාන්ය/ආදේශක උදාහරණයක් හරහා උපාය මාර්ගයක් ඉගෙනීම ✔
- C) ව්යුහය ලබා දීම ගැටළුවක් නොවේ, AI කිසිවිටෙක තොරතුරු සඟවන්නේ නැත
- D) අණුවේ නම ලබා නොදී එහි සම්පූර්ණ SMILES බෙදා ගැනීම පමණක් ප්රමාණවත් ආරක්ෂාවකි.
විස්තරය: සාමාන්ය කෘත්රිම බුද්ධි සේවාවකට ඇතුළත් කර ඇති අන්තර්ගතය සේවා ප්රතිපත්තියට අනුව ගබඩා කර හෝ සැකසීමට හැකිය; මුල් ව්යුහයක් ලබා දීම රහස්යභාවය සහ පේටන්ට් ප්රමුඛතාවය අවදානම් කරයි. නිවැරදි ප්රවේශය නම් මූල ව්යුහය හෙළිදරව් නොකර සාමාන්ය/ආදේශක උදාහරණයකින් (ඒ හා සමාන ව්යුහ පන්තියක්) උපාය මාර්ගය ඉගෙන ගෙන එය ගෘහස්ථ අණුවකට යෙදීමයි. පුද්ගලික/රෝගී දත්ත ද හඳුනාගත හැකි ආකෘතියකින් ඇතුළත් නොකළ යුතුය.