ලාභ:
- 'කෘතිම බුද්ධිය නිපදවයි → මානව සත්යාපනය කරයි → ද්වාරය හරහා ගමන් කරයි' යන රිද්මය සමඟ ගුණාත්මක ද්වාර සමඟ ද්රව්යයේ සිට ප්රකාශනය දක්වා පියවර අටක ESG කාර්ය ප්රවාහයක් ස්ථාපිත කිරීමේ හැකියාව.
- ESG දත්ත නිදහස්/අභ්යන්තර/රහස්ය ලෙස වර්ගීකරණය කිරීමෙන් පුද්ගලික සහ අනාවරණය නොකළ මුල්ය දත්ත ආරක්ෂා කිරීමේ හැකියාව
- 'AI කිව්වා' ආරක්ෂාව මත රඳා නොසිට එක් එක් ප්රකාශනයට අවසාන වගකීම භාර ගැනීමට සහ වගකිවයුතු නම් සහ අනුමත වාර්තා ඇමිණිමේ හැකියාව
පෙර ඒකක දහය තුළ අපි ESG සහ තිරසාර ව්යාපාරයේ එක් එක් කොටස් වෙන වෙනම ආවරණය කර ඇත: ඇතුල්වීම සහ මායිම්, ද්රව්යමය බව, දත්ත එකතු කිරීම, කාබන් ගිණුම්කරණය, වාර්තාකරණ රාමු, සැපයුම් දාමය, පාර්ශවකරුවන්ගේ සන්නිවේදනය, වාර්තා ලිවීම, සහතික කිරීම සහ හරිත සේදීම. මෙම අවසාන ඒකකය තුළ, අපි කොටස් එකට එකතු කර අවසානය දක්වා කාර්ය ප්රවාහයක් ස්ථාපිත කරන්නෙමු: තිරසාර මෙහෙයුමක නිර්වචනයේ සිට එහි ප්රකාශනය දක්වා සෑම පියවරකදීම කෘතිම බුද්ධිය (AI) භාවිතා කළ යුතු ස්ථානය, කෙසේද සහ කුමන ආරක්ෂක ගේට්ටුව සමඟද යන්න. අපි දත්ත පාලනය, පෞද්ගලිකත්වය සහ සදාචාරාත්මක වගකීම් ද තනි රාමුවකට ගෙන එන්නෙමු.
මොඩියුලයේ නිරන්තර කොඳු නාරටිය නැවත වරක් පුනරුච්චාරණය කරමු: AI; එය කේතය ලියන, දත්ත සංවිධානය කරන, කෙටුම්පත් නිෂ්පාදනය කරන සහ සාරාංශ කරන සහායකයෙකි. අංකයේ නිරවද්යතාවය, සාධකය තහවුරු කිරීම, ප්රමිතිය පාලනය කිරීම, හිමිකම් ඔප්පු කිරීම සහ අවසාන වගකීම සෑම විටම දක්ෂ විශේෂඥයා වෙත පැවරේ. මෙම ඒකකය මෙම මූලධර්මය දෛනික වැඩ ප්රවාහයක් සහ පිරික්සුම් ලැයිස්තුවක් බවට පත් කරයි.
අවසානය සිට අවසානය දක්වා ESG කාර්ය ප්රවාහය
පියවර අටකින් තිරසාර වාර්තාකරණ චක්රයක් සලකා බලන්න:
- විෂය පථය සහ ද්රව්යමය - ද්රව්යමය මාතෘකා මොනවාද? (ඒකකය 2)
- දත්ත එකතු කිරීම - මූලාශ්ර, ඒකක, විගණන මංපෙත්. (ඒකකය 3)
- ගණනය කිරීම - සත්යාපිත සාධක සහිත කාබන් සහ අනෙකුත් ප්රමිතික. (ඒකකය 4)
- රාමු ගැලපීම - GRI/ESRS/ISSB ද්රව්ය, නිල පාඨයෙන් තහවුරු කිරීම. (අංක 5)
- සැපයුම් දාමය - විෂය පථය 3 සහ නිසි කඩිසරකම. (6 වන ඒකකය)
- ලිවීම සහ සන්නිවේදනය - සමබර, සාක්ෂි සහිත වාර්තාව සහ පාර්ශවකරුවන්ගේ පණිවිඩය. (ඒකකය 7-8)
- සහතික සකස් කිරීම - සාක්ෂි දාමය සහ විගණන සකස් කිරීම. (ඒකකය 9)
- හිමිකම් විගණනය — Greenwashing screening සහ release අනුමැතිය. (ඒකක 10)
සෑම පියවරකදීම, AI යනු ත්වරණකාරකයකි; නමුත් එක් එක් පියවරෙන් පිටවීමේදී, ගුණාත්මක ගේට්ටුවක් ඇත - ඊළඟ පියවරට යාමට පෙර සමත් විය යුතු මුරපොලක්. දොර හරහා නොයන ප්රතිදානය ප්රගතියක් නොලැබේ.
පියවර
AI කරන්නේ කුමක්ද?
ගුණාත්මක ගේට්ටුව
ද්රව්යමය
මාතෘකා අපේක්ෂකයා, තේමා විශ්ලේෂණය
බලපෑම+මූල්ය අංශය මානව අනුමැතිය
දත්ත
වින්යාසය, ඒකක පරිවර්තනය
මූලාශ්රය සහ පරිමාව තහවුරු කිරීම
ගිණුම
සූත්රය, කේත පලංචිය
සාධකය නිල මූලාශ්රයෙන් තහවුරු වේ
ගැලපීම
ලිපිය යෝජනාව
එහි සම්මත පෙළ සමඟ රූපය පරීක්ෂා කරන්න
අක්ෂර වින්යාසය
කෙටුම්පත, සාරාංශය
සාක්ෂි නොමැතිව හිමිකම් නිරාකරණය කිරීම
හිමිකම් කියයි
හරිත සේදීමේ ස්කෑන්
මානව-සහතික කළ ප්රකාශනය
ඉඟිය: “AI නිපදවයි → මානව සත්යාපනය → දොර හරහා ඇවිදියි” යන රිද්මයේ කාර්ය ප්රවාහය සකසන්න. එක් එක් AI ප්රතිදානය ඊළඟ පියවරට ගෙන යාමට පෙර, අසන්න: "මෙම ප්රතිදානයේ කුමන කොටස වලංගු කිරීමකින් තොරව ඉදිරියට යා නොහැක?" එම කොටස එම පියවරේ ගුණාත්මක ද්වාරයයි.
දත්ත පාලනය සහ පෞද්ගලිකත්වය
ESG දත්ත බොහෝ විට සංවේදී වේ: සේවක ස්ත්රී පුරුෂ භාවය සහ වැටුප් දත්ත, සැපයුම්කරු කොන්ත්රාත්තුවේ නියමයන්, තවමත් අනාවරණය කර නොමැති මූල්ය බලපෑම්, පහසුකම් මට්ටමේ නිෂ්පාදන දත්ත. public AI tool එකකට දෙන්න කලින් මේවා වර්ග කරන්න ඕනේ. දත්ත පාලනය යනු "කවර දත්ත භාවිතා කළ හැක්කේ කාටද, කෙසේද සහ කුමන මෙවලම සමඟද?" ප්රශ්නය රීතියට බැඳී ඇත.
සරල වර්ගීකරණය:
- නොමිලේ: දත්ත දැනටමත් ප්රසිද්ධියේ තිබේ (ප්රකාශිත වාර්තාව). ඒක AI වලට දෙන්න පුළුවන්.
- අභ්යන්තර භාවිතය: වාණිජ වටිනාකමක් නැති අභ්යන්තර දත්ත. ආයතනික වාහනයක ප්රවේශමෙන්.
- රහස්ය: වෙළඳ රහස, අනාවරණය නොකළ මුල්ය බලපෑම, පුද්ගලික දත්ත (KVKK/GDPR). නිර්නාමිකකරණය හෝ ආයතනික (කාන්දු නොවන) ක්රම නොමැතිව එය AI වෙත ලබා නොදේ.
ඔබේ කාර්යභාරය: දත්ත පාලන උපදේශක. කාර්යය: පහත දත්ත අයිතම "නොමිලේ / අභ්යන්තර භාවිතය / රහසිගත" ලෙස වර්ග කර එක් එක් රහස්ය අයිතම සඳහා නිර්දේශිත ක්රියාව ලියන්න (නිර්නාමික / සමස්ථ / ව්යවසාය මෙවලම / කිසිසේත් ලබා නොදෙන්න). රීතිය: විශ්වාස නැත්නම්, වඩාත් ආරක්ෂිත පන්තියට දමන්න. අයිතම: [පුද්ගලික සහ මූල්ය දත්ත අයිතම]
දුර්වල ක්ෂණික / ශක්තිමත් විමසුම
ඔබ මෙවලමකට කාර්යයක් පවරන ආකාරය පෞද්ගලිකත්ව අවදානම රැඩිකල් ලෙස වෙනස් කරයි.
දුර්වල ක්ෂණික:
සේවක වැටුප් සහ පහසුකම් නිෂ්පාදන වගුව විශ්ලේෂණය කරන්න, ESG සාරාංශයක් සමඟ එන්න.
අමු පුද්ගලික සහ වෙළඳ රහස් දත්ත සෘජුවම විවෘත මෙවලමකට අපනයනය කරයි; වර්ගීකරණය, නිර්නාමිකකරණය සහ තහවුරු කිරීමේ පියවරක් නොමැත.
බලවත් විමසුම:
ඔබේ කාර්යභාරය: දත්ත පාලනයට සංවේදී ESG විශ්ලේෂක. මම ඔබට ලබා දුන්නේ එකතු කළ, පුද්ගලික/වෙළඳාම් රහස්-රහිත දත්ත පමණි. කාර්යය: පහත සාරාංශ දර්ශක විශ්ලේෂණය කරන්න. රීති:- දත්තවල තනි පුද්ගල නම්, වැටුප්, හැඳුනුම්පත් හෝ අනාවරණය නොකළ මුල්ය බලපෑම් නොමැත; ඔබ එවැනි ක්ෂේත්රයක් දකින්නේ නම්, "රහස්ය දත්ත - සකසන්න එපා, අනතුරු අඟවන්න" යැයි පවසන්න. - ප්රතිඵලය සඳහා නව අංකයක් එකතු නොකරන්න; මම ලබා දුන් සාරාංශය සමඟ යන්න. - ප්රතිදානය අවසානයේ "මිනිස් අනුමැතිය අවශ්ය" සටහනක් එක් කරන්න. දත්ත (සමස්ත): [සාරාංශ දර්ශක]
අවවාදයයි: "AI කිව්වා" යනු ආරක්ෂාවක් නොවේ. ESG වාර්තාවක වැරදි අංකයක්, තහවුරු නොකළ හිමිකම් පෑමක් හෝ කාන්දු වූ රහස්ය දත්ත සඳහා වගකීම සංවිධානය සහ එය අනුමත කළ පුද්ගලයා වෙත පැවරේ. ඔබ AI භාවිතා කරන විට, ඔබ වගකීම පැවරෙන්නේ නැත; ඔබ පමණක් කාර්යය වේගවත් කරනු ඇත.
අන්තයේ සිට අවසානය දක්වා ගුණාත්මක ගේට්ටු විමසුම
පහත ප්රේරකය ප්රකාශනය කිරීමට පෙර සියලුම පියවර තනි චෙක්පතක් හරහා ධාවනය කරයි.
ඔබේ කාර්යභාරය: ESG තත්ත්ව සහතික කිරීමේ නිලධාරියා. කාර්යය: අන්තයේ සිට අවසානය දක්වා ගුණාත්මක ද්වාරය හරහා පහත වාර්තා කොටස පසු කරන්න. එක් එක් අයිතමය සඳහා "pass / FAIL" ලබා දී එය අසමත් වුවහොත් හේතුව ලියන්න: 1) එක් එක් අංකයේ මූලාශ්රය සහ ඒකකය සඳහන් කර තිබේද? 2) විමෝචන සාධක නිල මූලාශ්රයෙන්ද? 3) සම්මත අයිතම අංක සත්යාපනය කර තිබේද? 4) ප්රොක්සි/ඇස්තමේන්තු සලකුණු කර තිබේද? 5) හරිත සේදීම අඩංගු ප්රකාශ තිබේද? 6) රහස්ය/පුද්ගලික දත්ත කාන්දුවීමක් තිබේද? 7) අවසාන අනුමැතිය සඳහා වගකිවයුතු නම පවරා තිබේද? කොටස: [පරිච්ඡේදය]
පහත විමසුම මගින් සම්පූර්ණ මොඩියුලයම ව්යවසාය ප්රතිපත්තියක් බවට පරිවර්තනය කරයි.
ඔබේ කාර්යභාරය: තිරසාර කණ්ඩායම් නායකයා. කාර්යය: ESG කාර්යයේදී කණ්ඩායමේ AI භාවිතය පාලනය කරන පිටු 1ක අභ්යන්තර ප්රතිපත්තියක් ලියන්න. ඇතුළත් කරන්න:- AI නිදහසේ භාවිතා කළ හැකි කාර්යයන් (කෙටුම්පත්, සාරාංශය, කේතය, තේමා විශ්ලේෂණය)- මානව සත්යාපනය අවශ්ය කාර්යයන් (සාධකය, සම්මත, හිමිකම්, විෂය පථය)- AI වෙත කිසිදා ලබා නොදෙන දත්ත වර්ග (පුද්ගලික, අනාවරණය නොකළ මූල්ය)- එක් එක් නිකුතුවකට පෙර සම්මත කළ යුතු ගුණාත්මක ද්වාර පියවර: පැහැදිලි, බුලට් පොයින්ට්.
කුඩා නඩු තුනක්
නඩුව 1 - වාර්තාව දොරෙන් ආපසු පැමිණියේය. එක් කණ්ඩායමක් සිතුවේ ඔවුන් සියලු පියවර සම්පූර්ණ කර වාර්තාව ප්රකාශයට පත් කිරීමට සූදානම් බවයි. අවසාන ගුණාත්මක ගේට් ප්රේරකය මූලාශ්ර රහිත “78% ප්රතිසාධන” හිමිකම් පෑමක් සහ එක් කොටසක “කාබන් උදාසීන” ප්රකාශයක් ග්රහණය කර ගන්නා ලදී. එක්කෝ නිවැරදි කිරීමට පෙර ප්රකාශනය නතර කරන ලදී; දෝෂය ප්රසිද්ධ වීමට පෙර දොර එය අල්ලාගෙන සිටියේය.
2 වන අවස්ථාව - රහස්ය දත්ත කාන්දු වීම වැළකේ. විශ්ලේෂකයෙකු විසින් තවමත් නිකුත් කර නොමැති කාර්තුමය මූල්ය බලපෑම් දත්ත විශ්ලේෂණය සඳහා ප්රසිද්ධියේ ලබා ගත හැකි මෙවලමකට අලවනු ලැබේ. දත්ත වර්ගීකරණ විමසුම එය "රහස්ය - අනාවරණය නොකළ මුල්ය" ලෙස සලකුණු කළේය. දත්ත මුලින්ම එකතු කර පසුව ව්යවසාය මෙවලමෙහි සකසන ලදී; විය හැකි නීති උල්ලංඝනයක් වළක්වා ඇත.
නඩුව 3 - වගකීම භාර ගැනීම. වාර්තාවක් ප්රකාශයට පත් කිරීමෙන් පසු, පාර්ශවකරුවෙකු ගණනාවක් ප්රශ්න කළේය. කණ්ඩායම "AI ගණනය කරන ලද" යැයි කීවේ නැත; විගණන මාර්ගය විවෘත කර, මූලාශ්රය උපුටා දක්වමින්, සුළු නිවැරදි කිරීමක් කර, විනිවිද භාවයෙන් පැහැදිලි කළේය. "AI කිව්වා" ආරක්ෂාව මත රඳා නොසිටි මෙම ආකල්පය විශ්වාසය ආරක්ෂා කළේය.
පොදු වැරදි
- ගුණාත්මක දොරක් නොමැතිව ඉදිරියට ගමන් කිරීම. එක් එක් පියවරෙන් පිටවීමේදී සත්යාපනය සිදු නොකළහොත්, අවසානය දක්වා දෝෂ එකතු වේ.
- වර්ගීකරණයකින් තොරව වාහනයට දත්ත ලබා දීම. රහසිගත සහ පුද්ගලික දත්ත නිර්නාමිකකරණයකින් තොරව පොදු AI වෙත ඇතුළත් කළ නොහැක.
- AI වෙත වගකීම පැවරීම. "AI කිව්වා" යනු නීතිමය හෝ වෘත්තීය ආරක්ෂාවක් නොවේ.
- සිතීමේ පියවර හුදකලා වේ. ද්රව්ය, දත්ත, ගණනය කිරීම සහ හිමිකම් පෑම එකිනෙකට සම්බන්ධ වේ; කෙනෙකුට හානි සිදුවුවහොත්, සියල්ලටම බලපායි.
- ප්රකාශන අනුමැතිය සඳහා වගකිව යුතු පුද්ගලයකු පැවරීම නොවේ. සෑම මහජන ප්රකාශයක් පිටුපසම මනුෂ්යයෙකු සිටිය යුතුය.
සාරාංශයකින්
ESG ව්යාපාරය යනු අන්තර් සම්බන්ධිත පියවර අටක දාමයක් වන අතර, AI සෑම පියවරකදීම ත්වරකයකි; නමුත් සෑම පියවරකින්ම පිටවීමේදී ගුණාත්මක දොරක් තිබේ. “AI නිෂ්පාදනය කරයි → මානව සත්යාපනය → දොර හරහා ගමන් කරයි” යන රිද්මය මෙම මොඩියුලයේ සියලුම පාඩම් තනි අධ්යයන විනයකට ඒකාබද්ධ කරයි. දත්ත වර්ග කිරීම සහ රහස්යභාවය ආරක්ෂා කිරීම, නිල මූලාශ්රයෙන් සාධකය සහ ප්රමිතිය තහවුරු කිරීම, සාක්ෂි සඳහා හිමිකම් පෑම, ප්රකාශනයට පෙර හරිත සේදීම ඉවත් කිරීම සහ අවසාන වගකීම මිනිසෙකුට පැවරීම. AI වැඩ වේගවත් කරයි; ඔබ නිරවද්යතාව, අවංකභාවය සහ වගකීම උපකල්පනය කරයි. මෙම වෘත්තියේ නිර්ණායකය වන්නේ "හොඳින් පෙනී සිටීම" නොව, "විගණනය සමත්වීම සහ ඔප්පු කිරීම" ය.
යෙදුම් කාර්යය
ඔබ පෙර ඒකකවල (ද්රව්ය ලැයිස්තුවක්, කාබන් ගිණුමක්, වාර්තා අංශයක්) නිෂ්පාදනය කළ බෙදාහැරීම් තනි කුඩා වාර්තාවකට ඒකාබද්ධ කරන්න. AI වෙතින් ඉහත අන්තයේ සිට අවසානය දක්වා ගුණාත්මක ද්වාර ප්රේරණය සමඟ අයිතම 7කින් මෙම කුඩා වාර්තාව හරහා යන්න. ඉන්පසු: (1) "නිදහස්" ලෙස සලකුණු කර ඇති සෑම අයිතමයක්ම නිවැරදි කරන්න, (2) සියලු රහස්ය/පුද්ගලික දත්ත වර්ග කර ක්රියාමාර්ග ගන්න, (3) ප්රකාශනය සඳහා වගකිවයුතු නමක් සහ අනුමත සටහනක් එක් කරන්න.
පිරික්සුම් ලැයිස්තුව
- [ ] මම “AI නිෂ්පාදනය කරයි → මානව සත්යාපනය → දොර හරහා ගමන් කරයි” යන රිද්මය සමඟ වැඩ ප්රවාහය පිහිටුවමි.
- [ ] මම සෑම පියවරකින්ම පිටවීමේදී ගුණාත්මක ගේට්ටුවක් ක්රියාත්මක කළෙමි.
- [ ] මම සියලු දත්ත නිදහස්/අභ්යන්තර/රහස්ය ලෙස වර්ගීකරණය කර රහස්යභාවය ආරක්ෂා කළෙමි.
- [ ] මම නිල මූලාශ්රයෙන් සාධක සහ සම්මත අයිතම තහවුරු කර ඇත.
- [ ] මම ප්රකාශනයට පෙර හරිත සේදීම ඉවත් කරමින් සෑම හිමිකම් පෑමකටම සාක්ෂි සහිතව පිටුබලය දුන්නෙමි.
- [ ] මම "AI කිව්වා" ආරක්ෂාව මත රඳා නොසිට වගකීම භාර ගත්තා.
- [ ] මම ප්රකාශනය සඳහා වගකිවයුතු නමක් සහ අනුමත වාර්තාවක් පිහිටුවා ඇත.
මොඩියුල විභාගය
1. ESG සහ තිරසාර ව්යාපාරය තුළ AI සඳහා හොඳම ස්ථානගත කිරීම පහත සඳහන් ඒවායින් කුමක් ද?
- A) කෘත්රිම බුද්ධිය යනු කේත, දත්ත සහ සැලැස්මෙහි සහකාරයෙකි; සාධක, ප්රමිති, සාක්ෂි සහ සදාචාරාත්මක තීරණ සඳහා වගකීම ජනතාව සතුය ✔
- B) කෘතිම බුද්ධිය විගණකයෙකු වන අතර එය සපයන ESG අගයන් ස්වාධීන සහතිකය සඳහා ආදේශකයකි
- C) කෘතිම බුද්ධිය ක්රියාත්මක වන්නේ වාර්තා ලිවීමේදී පමණි, එයට දත්ත සහ ගණනය කිරීම් සමඟ කිසිදු සම්බන්ධයක් නැත
- D) AI මිනිසුන්ට වඩා අපක්ෂපාතී බැවින්, සියලුම ESG තීරණ එයට භාර දිය යුතුය
විස්තරය: කෘතිම බුද්ධිය; එය කේතය ලියන, දත්ත සංවිධානය කරන, කෙටුම්පත් නිෂ්පාදනය කරන සහ සාරාංශ කරන සහායකයෙකි. කෙසේ වෙතත්, විමෝචන සාධකය තහවුරු කිරීම, සම්මත ද්රව්ය අංකය පරීක්ෂා කිරීම, එක් එක් හිමිකම් ඔප්පු කිරීම සඳහා අවසාන වගකීම දක්ෂ විශේෂඥයා වෙත පැවරේ. විශාල භාෂා ආකෘතිය කැල්කියුලේටරයක්, නියාමන/ප්රමිති දත්ත ගබඩාවක් හෝ පරීක්ෂකයක් නොවේ; යනු 'ඊළඟ බොහෝ දුරට ඉඩ ඇති වචනය' නිපදවන පෙළ උත්පාදකයක් වන අතර එහි සත්යාපනය නොකළ ප්රතිදානය ව්යාජ වාර්තාවකට හෝ හිමිකම් පෑමට හේතු විය හැක.
2. ද්විත්ව ද්රව්ය විශ්ලේෂණයේදී ගැටලුවක 'බලපෑම් ද්රව්යමය' අංශයෙන් අදහස් කරන්නේ කුමක්ද?
- A) සමාගමේ ලාභය සහ කොටස් වටිනාකම මත නිකුතුවේ බලපෑම
- B) නිකුතුවේ මූල්ය අවදානම ආයෝජකයින් සඳහා පමණි
- C) එකම විෂය සම්බන්ධයෙන් ප්රතිවාදී සමාගම්වල කාර්ය සාධනය
- D) පරිසරයට සහ සමාජයට සමාගමේ ක්රියාකාරකම්වල බලපෑම ✔
විස්තරය: ද්විත්ව ද්රව්යමය බව කාච දෙකකින් බලයි. මූල්ය ද්රව්යමයභාවය යනු සමාගමක මුදල් ප්රවාහයන් සහ වටිනාකම ('පිටත-ඇතුළ') මත ගැටලුවක බලපෑමයි. බලපෑම ද්රව්යමය යනු සමාගමේ ක්රියාකාරකම් පරිසරයට සහ සමාජයට ('ඇතුළත පිටත') ඇති කරන බලපෑමයි. CSRD/ESRS අංශ දෙකම බලාත්මක කරයි; කෘතිම බුද්ධිය බොහෝ විට මූල්ය දිශාවට පමණක් මාරු වන බැවින්, බලපෑමේ දිශාව මිනිසා විසින් අතිරේකව පාලනය කළ යුතුය.
3. විවිධ පහසුකම් වලින් kWh, MWh සහ GJ වලින් බලශක්ති දත්ත රැස් කිරීමේදී නිවැරදි ප්රවේශය කුමක්ද?
- A) ඒකක නොසලකා හැර සියලුම අංක කෙලින්ම එකතු කරන්න
- B) ඔබේ හිසෙහි දිගු ලැයිස්තුවක් එකතු කිරීම සඳහා කෘතිම බුද්ධිය මත විශ්වාසය තැබීම
- C) සියලුම අගයන් තනි ඒකකයක් බවට පරිවර්තනය කිරීම සහ කේතය/සූත්රය සමඟ පරිවර්තනය සහ එකතුව සිදු කිරීම ✔
- D) විශාලතම ඒකකය තෝරා ගැනීම සහ අනෙකුත් පහසුකම් වාර්තා නොකිරීම
පැහැදිලි කිරීම: ඒකක සුන්වීම ESG හි වඩාත් නිරන්තර හා භයානක වැරැද්දයි; 1 MWh = 1,000 kWh බැවින්, ඒකකය මඟ හැරියහොත්, ප්රතිඵලය 1,000 ගුණයකින් අපගමනය විය හැක. නිවැරදි ප්රවේශය නම් සියලුම අගයන් තනි ඒකකයක් බවට පරිවර්තනය කිරීම සහ කෘතිම බුද්ධිය විසින් මෙම පරිවර්තනය කිරීම සහ එකතු කිරීම ක්රියාත්මක කළ හැකි කේතයක්/සූත්රයක් සමඟින් මිස අතින් නොවේ; එබැවින් ප්රතිඵලය නියතිවාදී සහ සත්යාපනය කළ හැකි ය.
4. GHG ප්රොටෝකෝලය අනුව මිල දී ගත් විදුලිය නිෂ්පාදනයේ ප්රතිඵලයක් ලෙස විමෝචන ඇතුළත් වන්නේ කුමන විෂය පථයටද?
- A) විෂය පථය 1
- B) විෂය පථය 2 ✔
- C) විෂය පථය 3
- D) එය කිසිදු විෂය පථයකට ඇතුළත් කර නැති අතර වාර්තා නොකෙරේ
විස්තරය: විෂය පථය 1 යනු සංවිධානයේ ම මූලාශ්රවලින් (බොයිලර්, සමාගම් වාහනය, උත්පාදක යන්ත්රය) සෘජු විමෝචනයකි. විෂය පථය 2 යනු මිලදී ගත් ශක්තිය (විදුලිය, වාෂ්ප, උණුසුම, සිසිලනය) නිෂ්පාදනයෙන් වක්ර විමෝචනයයි. විෂය පථය 3 අගය දාමයේ අනෙකුත් සියලුම වක්ර විමෝචන ආවරණය කරයි (සැපයුම, ගමන්, නිෂ්පාදන භාවිතය, අපද්රව්ය). සමාගමේ චිමිනියෙන් විදුලිය පිටතට නොපැමිණෙන නමුත් එය නිපදවන බලාගාරය විමෝචනය කරයි; එබැවින් එය විෂය පථය 2 වේ.
5. මීතේන් (CH₄) වැනි හරිතාගාර වායුවක් CO₂e බවට පරිවර්තනය කිරීමේදී භාවිතා කරන සංකල්පය කුමක්ද සහ එය වැදගත් වන්නේ ඇයි?
- A) GWP (ගෝලීය උනුසුම් විභවය); ඉවත් කර ඇත්නම්, මීතේන්/N₂O බලපෑම බෙහෙවින් අවතක්සේරු කරනු ලැබේ ✔
- B) AQI (වායු තත්ත්ව දර්ශකය); වාතයේ වායුවේ වර්ණය තීරණය කරයි
- C) GRI (වාර්තා කිරීමේ මුලපිරීම); වායුව වාර්තා කරනු ලබන ද්රව්යය තීරණය කරයි
- D) සංගුණක අවශ්ය නොවේ; මීතේන් සෘජුවම CO₂ මෙන් 1 සිට 1 දක්වා ගණන් කරයි
විස්තරය: GWP (Global Warming Potential) යනු විවිධ හරිතාගාර වායුවල තාපන බලපෑම CO₂ ට සාපේක්ෂව පොදු ඒකකයක් බවට පරිවර්තනය කරන සංගුණකයයි. මීතේන් හි වසර 100 GWP දළ වශයෙන් 28 කි. එබැවින් මීතේන් ටොන් 1ක් යනු CO₂e ටොන් 28ක් පමණ වේ. GWP මග හැරියහොත්, මීතේන් සහ N₂O වැනි ප්රබල වායූන්ගේ බලපෑම බෙහෙවින් අවතක්සේරු කරනු ලබන අතර ඉන්වෙන්ටරි සම්පූර්ණයෙන්ම සාවද්ය වනු ඇත; කුමන GWP කට්ටලයද (උදා: IPCC AR6, අවුරුදු 100) භාවිතා කරන්නේද යන්න සඳහන් කළ යුතුය.
6. හරිතාගාර වායු ඉන්වෙන්ටරියක 'ක්රියාකාරකම් දත්ත × විමෝචන සාධකය' ගණනය කිරීම සඳහා නිවැරදි ප්රවේශය කුමක්ද?
- A) කෘත්රිම බුද්ධිය මතක තබා ගන්නා සාධකය භාවිතා කර එය සම්පුර්ණයෙන්ම අතින් සිදු කරයි
- B) සියලුම වායූන් CO₂ ලෙස ගණන් කිරීම සහ සාධකය මඟ හැරීම සහ GWP පරිවර්තනය
- C) එක් එක් රට, වර්ෂය සහ ඉන්ධන සඳහා හරියටම පෙරනිමි සාධකයක් භාවිතා කිරීම
- D) රට සහ වර්ෂය අනුව නිල මූලාශ්රයෙන් සාධකය තහවුරු කිරීම සහ ගණනය කිරීම පලංචිය සහ කේතය සමඟ සම්පුර්ණ කිරීම ✔
විස්තරය: විමෝචන සාධක රට, වර්ෂය සහ ඉන්ධන අනුව වෙනස් වේ; AI 'මතක් කිරීම' දේවල් සෑදීමේ අවදානම (මායාවන්) නිර්මාණය කරයි. සාධකය සැමවිටම නිල වගුවකින් තහවුරු කළ යුතුය (IPCC, DEFRA/EPA, IEA, ජාතික බඩු තොග); විෂය පථය වෙන් කිරීම, ගිණුම් පලංචිය සහ සම්පූර්ණ කේතය පමණක් කෘතිම බුද්ධිය මගින් සිදු කළ යුතුය. බහු පේළි එකතු කිරීම් සිදු කරනු ලබන්නේ ක්රියාත්මක කළ හැකි කේතයෙන් මිස අතින් නොවේ.
7. AI විසින් යෝජනා කරන ලද GRI/ESRS සම්මත ද්රව්ය අංකයක් (උදා. 'ජල පරිභෝජනය සඳහා GRI 305') සඳහා නිවැරදි හැසිරීම කුමක්ද?
- A) කෘත්රිම බුද්ධිය යෝජනා කරන නිසා අංකය කෙලින්ම වාර්තාවට ලිවීම
- B) අයිතම අංක වැදගත් නොවේ; ඕනෑම දෙයක් ලිවිය හැක
- C) අංකය සහ එහි අන්තර්ගතය නිල සම්මත පෙළ සමඟ සත්යාපනය කිරීම, එය ව්යාජ/යල් පැන ගිය ඒවා නම් තහවුරු කිරීම ✔
- D) ජලය සහ වායු විමෝචනය සමාන බැවින්, එම ලිපියේම ඒවා වාර්තා කිරීම
විස්තරය: කෘතිම බුද්ධියට සැබෑ ලෙස පෙනෙන නමුත් අන්තර්ගතය අසත්ය හෝ සම්පූර්ණයෙන්ම ගොතන ලද සම්මත සංඛ්යා ජනනය කළ හැක; එසේම, ප්රමිතීන් යාවත්කාලීන කර ඇති අතර ආකෘතිය දන්නා අනුවාදය යල් පැන ගිය විය හැකිය. උදාහරණයක් ලෙස, ජලය GRI 303 යටතේ වාර්තා වන අතර GRI 305 වායු විමෝචනය වේ. එබැවින්, එක් එක් ද්රව්ය අංකය සහ අන්තර්ගතය නිල සම්මත පෙළ (GRI/EFRAG/ISSB) සමඟ සත්යාපනය නොකර භාවිතා කළ නොහැක.
8. සැපයුම් දාමයේ බොහෝ සැපයුම්කරුවන්ට සැබෑ කාබන් දත්ත නොමැති නම්, විෂය පථය 3 සඳහා නිවැරදි සහ අවංක ප්රවේශය කුමක්ද?
- A) සැපයුම්කරුවන් සඳහා කෘතිම බුද්ධිය මගින් සාදන ලද අංක සෘජුවම භාවිතා කිරීම
- ආ) විෂය පථය 3 සම්පූර්ණයෙන්ම මඟ හැරීම එය 'මැනීමට අපහසු' නිසා
- C) සැබෑ දත්ත සහිත ඒවා භාවිතා කිරීම, ✔ නොමැති අය සඳහා ප්රොක්සි පැහැදිලිව සලකුණු කිරීම
- D) සියලුම සැපයුම්කරුවන්ට ප්රොක්සි යෙදීම සහ එය වාර්තාවේ සඟවා තැබීම
විස්තරය: විෂය පථය 3 බොහෝ සමාගම්වල විශාලතම නමුත් අයිතමය මැනීමට අපහසු වේ. සැබෑ දත්ත සපයන සැපයුම්කරුවන් සඳහා, එම දත්ත භාවිතා කරනු ලැබේ; එය ලබා නොදෙන අය සඳහා, වියදම් මත පදනම් වූ ප්රොක්සි (ඇස්තමේන්තුව) භාවිතා කළ හැකිය. තීරනාත්මක දෙය නම් ප්රොක්සි සැඟවීම නොවේ: වාර්තාවේ භාවිතා කරන ඇස්තමේන්තුවේ කොටස සහ අනුපාතය පැහැදිලිව සඳහන් කළ යුතුය. අපැහැදිලි ප්රොක්සි ස්වාධීන සහතිකය ප්රතික්ෂේප කිරීමට හේතු විය හැක; 'මනීමට අපහසු' යන පදනම මත විෂය පථය 3 සම්පූර්ණයෙන්ම මඟ හැරීම ද වැරදිය.
9. AI විසින් සැපයුම්කරුවෙකු රටේ සාමාන්යය මත පමණක් පදනම්ව 'විය හැකි බලහත්කාර ශ්රමය' ලෙස සලකුණු කළේය. නිවැරදි හැසිරීම යනු කුමක්ද?
- A) සංඥාව සාක්ෂියක් ලෙස පිළිගෙන සැපයුම්කරු සමඟ ඇති සබඳතාව වහාම ප්රසිද්ධියේ කපා දමන්න
- B) කෘත්රිම බුද්ධිය එය පැවසූ නිසා හිමිකම් පෑම කෙලින්ම වාර්තාවට ලිවීම
- C) අවදානම් සංඥා සම්පූර්ණයෙන්ම නොසලකා හැරීම සහ ඒවා කිසිසේත් පරීක්ෂා නොකිරීම
- D) සංඥාව 'පරීක්ෂා කළ යුතු අනතුරු ඇඟවීමක්' ලෙස සලකා එය ක්ෂේත්ර පරීක්ෂාවකින් සහ විශ්වාසදායක මූලාශ්රයකින් තහවුරු කිරීම ✔
පැහැදිලි කිරීම: කෘත්රිම බුද්ධිය මඟින් නිපදවන සංඥාවකින් මානව හිමිකම් කඩකිරීම් වැනි බරපතළ චෝදනා ඔප්පු කළ නොහැක. එවැනි සංඥාවක් හුදෙක් 'පරීක්ෂා කළ යුතු අනතුරු ඇඟවීමක්' පමණි; එය ස්ථිර චෝදනාවක් ලෙස භාවිතා කිරීම අසාධාරණ මෙන්ම නීත්යානුකූලව අවදානම් සහගතය. එවැනි හිමිකම් තහවුරු කරනු ලබන්නේ විශ්වාසදායක මූලාශ්රයකින්, ක්ෂේත්ර පරීක්ෂාවකින් සහ නීතිමය ක්රියාවලියකින් පමණි. කෘතිම බුද්ධිය සංඥා ජනනය කරයි; මිනිසා විනිශ්චය සහ වගකීම භාර ගනී.
10. AI සමඟ පාර්ශවකරුවන්ගේ සමීක්ෂණයකින් නිදහස් පෙළ ප්රතිචාර සිය ගණනක් විශ්ලේෂණය කිරීමේදී වඩාත්ම තීරණාත්මක පූර්වාරක්ෂාව කුමක්ද?
- A) දුර්ලභ නමුත් ඉහළ වැදගත්කමක් ඇති (ආරක්ෂාව/ආචාර ධර්ම/පාරිසරික) සංඥා වෙන වෙනම අවශ්ය වන අතර ඒවා යටපත් නොකිරීම ✔
- B) සුළුතර අදහස් ඉවත් කරමින් ඉහළම සංඛ්යාත තේමා පමණක් තෝරා ගැනීම
- C) සියලුම පිළිතුරු තනි ධනාත්මක සාරාංශයකට අඩු කර විස්තර ඉවත් කරන්න
- D) අමු පිළිතුරු වෙනුවට කෘතිම බුද්ධියේ සාරාංශය පිළිගැනීම
විස්තරය: කෘත්රිම බුද්ධිය තේමාත්මක විශ්ලේෂණයේදී බහුතරයකගේ හඬ විස්තාරණය කරන අතර සුළුතරයේ හඬ යටපත් කරයි. කෙසේ වෙතත්, තිරසාරත්වයේ වටිනාම සංඥාව සමහර විට තනි පුද්ගලයෙකු විසින් හඬ නඟන බරපතල ආරක්ෂාව, සදාචාරාත්මක හෝ පාරිසරික ගැටලුවකි. එබැවින් විශ්ලේෂණය අසන්නේ 'බොහෝ විට පැවසූ දේ කුමක්ද?' එය අවසන් නොවේ; 'දුර්ලභ නමුත් ඉහළ වැදගත්කමක් ඇති' සංඥා වෙන වෙනම ඉල්ලා සිටිය යුතු අතර, සාරාංශය වෙනුවට, ඊට අමතරව, අමු ප්රතිචාර භාවිතා කළ යුතුය.
11. කෘත්රිම බුද්ධියට වාර්තා අංශයක් ලිවීමේදී ව්යාජ අංක සහ ඉලක්ක පෙළට කාන්දු වීම වැලැක්වීමට වඩාත් ඵලදායී ක්රමය කුමක්ද?
- A) 'සුදුසු පෙළක් ලියන්න' යැයි පවසමින් සම්පූර්ණ වාර්තාව එකවර ඉදිරිපත් කිරීම
- B) සත්යාපිත දත්ත පමණක් සැපයීම සහ නව අංක/හිමිකම් ජනනය කිරීම පැහැදිලිවම තහනම් කිරීම ✔
- C) පෙළ කෙතරම් චතුර සහ ආකර්ෂණීය දැයි පරීක්ෂා කර එය ප්රකාශනය කරන්න
- D) සාධාරණ අනුමාන සමඟ නැතිවූ දත්ත පිරවීමට AI හට ඉඩ දීම
විස්තරය: කෘත්රිම බුද්ධිය ඔබ සතුව නැති ඉලක්කම් සහ ඉලක්ක ජනනය කරයි, හිස් විමසුමකින් 'මෙය සමාන වාර්තා කියා ඇත්තේ මෙයයි' යන තර්කය භාවිතා කරමිනි. වඩාත්ම ඵලදායි පූර්වාරක්ෂාව වන්නේ එයට සත්යාපිත දත්ත පමණක් ලබා දීම සහ 'මා ඔබට ලබා දී ඇති දත්ත හැර වෙනත් අංක, ප්රතිශත, දින හෝ හිමිකම් එකතු නොකරන්න; එය 'අතුරුදහන් ස්ථානයේ [DTA REQUIRED] ලියන්න' යන රීතිය පැහැදිලිව සඳහන් කිරීමයි. ඊට අමතරව, වාර්තාව කොටස් වශයෙන් කොටස් වශයෙන් මුද්රණය කළ යුතුය, දත්ත සමඟ පෝෂණය කළ යුතුය.
12. ස්වාධීන සහතික විගණකවරයෙකු තිරසාර වාර්තාවක් සමාලෝචනය කිරීමේදී මුලින්ම සොයන්නේ කුමක්ද?
- A) වාර්තාව කෙතරම් චතුර ලෙස සහ වෘත්තීයමය වශයෙන් ලියා තිබේද?
- B) සෑම නිකුතුවකටම මූලාශ්ර ලේඛනයට සොයාගත හැකි සාක්ෂි දාමයක් ඇත ✔
- ඇ) කෘතිම බුද්ධිය පවසන්නේ 'වාර්තාව විගණනයට සූදානම්'
- D) වාර්තාව තරඟකරුවන්ට වඩා ස්ථීර ලෙස පෙනෙන්නට සලස්වන්න
පැහැදිලි කිරීම: පරීක්ෂකවරයා උනන්දු වන්නේ පාඨයේ චතුරතාව ගැන නොව, එක් එක් හිමිකම් පෑම පිටුපස ඇති සාක්ෂි දාමය ගැන ය; ඔහුගේ පළමු ප්රශ්නය වන්නේ 'මෙම අංකය ඔප්පු කරන්න' යන්නයි. අංකයක් පැමිණෙන්නේ කුමන මූලාශ්ර ලේඛනයෙන්ද, එය වාර්තාවක් බවට පත්වන්නේ කුමන සූත්රය සහ සාධකයද, එය ස්වාධීනව නැවත නැවත කළ හැකිද යන්න පරීක්ෂා කෙරේ. එබැවින්, එක් එක් ද්රව්ය මෙට්රික් එහි මූලාශ්රය සොයා ගත හැකි විය යුතුය, නිල මූලාශ්රයෙන් සාධක සත්යාපනය කළ යුතු අතර ප්රොක්සි නියම කළ යුතුය; කෘතිම බුද්ධිය මෙම සූදානම සිදු කරයි, නමුත් සහතිකයක් ලබා දිය නොහැක.
13. හරිත සේදීමේ අවම අවදානම ඇත්තේ පහත සඳහන් පාරිසරික හිමිකම්වලින් කවරේද?
- A) 'අපි 2023 වන විට අපගේ නිෂ්පාදන විමෝචනය 18%කින් අඩු කළෙමු (තෙවන පාර්ශ්ව සත්යාපනය සමඟ)' ✔
- B) 'අපගේ නිෂ්පාදන සම්පූර්ණයෙන්ම පරිසර හිතකාමී සහ ස්වභාවිකයි'
- C) 'අපගේ සමාගම කාබන් උදාසීනයි' (කිසිදු ලේඛන හෝ දත්ත සැපයීමකින් තොරව)
- D) 'අපි කර්මාන්තයේ වඩාත්ම තිරසාර සහ ශුන්ය බලපෑමට ආසන්න සමාගමයි'
පැහැදිලි කිරීම: හොඳ පාරිසරික හිමිකම් පෑමක් මැනිය හැකි (සංඛ්යාවක් අඩංගු), ඔප්පු කරන ලද (සාක්ෂි මත පදනම්ව) සහ විෂය පථය තුළ පැහැදිලිය (කුමක්ද සහ කවදාද යන්න සමඟ සංසන්දනය කරන්නේ කුමක්ද යන්න පැහැදිලිය). 'අපි 2023 වන විට නිෂ්පාදන විමෝචනය 18%කින් අඩු කළෙමු (තෙවන පාර්ශ්ව සත්යාපනය සමඟ)' මෙම විශේෂාංග තුන ඇත. 'පරිසර හිතකාමී', 'ස්වාභාවික', සහතික නොකළ 'කාබන් උදාසීන' වැනි වාක්ය ඛණ්ඩ ප්රමාණ කළ නොහැකි හෝ සනාථ කළ නොහැකි වන අතර හරිත සේදීමේ අවදානම දරයි.
14. අනාවරණය නොකළ පහසුකම් නිෂ්පාදන සහ විමෝචන දත්ත විශ්ලේෂණය සඳහා ප්රසිද්ධියේ ලබා ගත හැකි AI මෙවලමකට ඇලවීමට පෙර කුමක් කළ යුතුද?
- A) දත්ත එලෙසම ඇලවීම; පාරිසරික දත්ත සෑම විටම ප්රසිද්ධියේ පවතී
- B) කෘත්රිම බුද්ධිය සපයන්නා වෙත වගකීම පැවරෙන බැවින් පූර්වාරක්ෂාව නොගෙන ලබා දීම
- C) අවදානම හුදෙක් වැරදි ගණනය කිරීමකි; රහස්යතා පියවරක් අනවශ්යයි
- D) දත්ත නිදහස්/අභ්යන්තර/රහස්ය ලෙස වර්ග කිරීම සහ රහසිගත දත්ත නිර්නාමික කිරීම හෝ ආයතනික මෙවලම් භාවිතා කිරීම ✔
අනාවරණය: ශාක මට්ටමේ නිෂ්පාදන සහ විමෝචන දත්ත වෙළඳ රහස් විය හැක; තවමත් අනාවරණය කර නොමැති මූල්ය/පාරිසරික දත්ත නියාමන හෙළිදරව් කිරීමේ නීති උල්ලංඝනය කළ හැකිය; සේවක ස්ථානය/වැටුප් දත්ත යනු KVKK/GDPR හි විෂය පථය තුළ පුද්ගලික දත්ත වේ. මෙම ආකාරයේ දත්ත විවෘත මෙවලමකට ලබා දීමට පෙර, එය නිදහස්/අභ්යන්තර/රහසිගත ලෙස වර්ගීකරණය කිරීම, අවශ්ය නම් එය නිර්නාමික කිරීම හෝ ආයතනික (දත්ත-නිදහස්) මෙවලමක් භාවිතා කිරීම අවශ්ය වේ. 'AI කිව්වා' යනු ආරක්ෂාවක් නොවේ; වගකීම පැවරෙන්නේ ආයතනයට සහ එය අනුමත කරන පුද්ගලයාට ය.