ලාභ:
- සංක්ෂිප්ත කිරීම, දත්ත සැකසීම, ව්යුහය, අන්තර්ගතය/ග්රැෆික්ස්, වලංගුකරණය, සාධනය සහ බෙදා හැරීමේ පියවර වලින් සමන්විත පුනරාවර්තන ප්රවාහයක් තුළ ඉදිරිපත් කිරීමේ/දත්ත කාර්යයක් ක්රියාත්මක කිරීමේ හැකියාව.
- සංවේදී දත්ත නිර්නාමික කිරීම සහ එකතු කිරීම මගින්, බාහිර මෙවලමට රහස්යභාවය කඩ කිරීමකින් තොරව ක්රියා කළ හැකි අතර තීරණාත්මක සංඛ්යා හරස් සත්යාපනය කළ හැක.
- කෘත්රිම බුද්ධිය පෙරහුරු හවුල්කරුවෙකු ලෙස භාවිතා කිරීමෙන් සහ දුෂ්කර ප්රශ්න සහ වේලාව පරීක්ෂා කිරීමෙන් අවසාන බෙදා හැරීමේ වගකීම භාර ගැනීමේ හැකියාව
පෙර ඒකක එකින් එක කුසලතා ඉගැන්වීය: ව්යුහය, පෙළ, සැලසුම්, ග්රැෆික් තේරීම, කේතය, උපකරණ පුවරුව, කතාව, තොරතුරු ග්රැෆික්, අවංකභාවය. මෙම අවසාන ඒකකය ඒවා සියල්ල එක් කාර්ය ප්රවාහයකට ඒකාබද්ධ කරයි: කෙටියක් පැමිණ ඇත, ඔබ ඉදිරිපත් කිරීමක්/දත්ත දෘශ්යකරණයක් ලබා දෙනු ඇත. අපගේ ඉලක්කය වන්නේ ආරම්භයේ සිට අවසානය දක්වා AI භාවිතා කරන නමුත් සෑම පියවරකදීම එය වලංගු කරන, පුද්ගලිකත්වය සහ ආචාර ධර්ම ආරක්ෂා කරන පුනරාවර්තනය කළ හැකි ක්රමයක් ස්ථාපිත කිරීමයි.
අන්තයේ සිට අවසානය දක්වා ප්රවාහයට පියවර හතක්
- කෙටි සහ විෂය පථය: ප්රේක්ෂකයින්, අරමුණ, ප්රධාන පණිවිඩය, කාලසීමාව, නාලිකාව (ඉදිරිපත් කිරීම, වාර්තාව, සමාජ මාධ්ය), සීමා කිරීම්.
- දත්ත සැකසීම: දත්ත රැස් කිරීම, පිරිසිදු කිරීම, නිර්නාමික කිරීම; බාහිර වාහනයට ඇතුල් වන්නේ කුමක්ද යන්න තීරණය කරන්න.
- ව්යුහය සහ ආඛ්යානය: රටාව තෝරන්න, ස්ලයිඩ කොඳු ඇට පෙළ ගොඩනඟන්න (ඒකකය 2, 8).
- අන්තර්ගතය සහ ග්රැෆික්ස්: පෙළ ලියන්න, නිවැරදි ග්රැෆික් තෝරාගෙන කේත කරන්න, සැලසුම සකසන්න (ඒකකය 3-6).
- අඛණ්ඩතාව සහ සත්යාපනය: සෑම අංකයක්ම, සෑම ප්රස්ථාරයක්ම, සෑම හිමිකම් පෑමක්ම විගණනය කෙරේ (ඒකක 10).
- පෙරහුරුව සහ සංස්කරණය කරන්න: ඉදිරිපත් කිරීම ශබ්ද නඟා උත්සාහ කරන්න, කාලය ගත කරන්න, ප්රතිපෝෂණ සමඟ එය කපා දමන්න.
- බෙදාහැරීම සහ සංරක්ෂිතය: අවසාන අනුවාදය, මූලාශ්ර සටහන් සහ නැවත භාවිත කළ හැකි කේතය/සැකිල්ල.
ඉඟිය: මෙම පියවර හත පිරික්සුම් ලැයිස්තුවක් කර සෑම කාර්යයකදීම ඒවා නැවත කරන්න. කාර්ය ප්රවාහය ප්රමිතිගත කිරීම තනි පුද්ගල ආකෘතිය මත රඳා පැවතීමෙන් ගුණාත්මක භාවය ඉවත් කරයි.
දත්ත සැකසීම සහ පෞද්ගලිකත්වය: වඩාත්ම තීරණාත්මක නැවතුම
AI වෙත දත්ත ලබා දීමට පෙර, නැවතී අසන්න: මෙම දත්ත බාහිර පද්ධතියකට ඇතුළු විය හැකිද? සංකල්ප කිහිපයක්: පුද්ගලික දත්ත (නම, අනන්යතාවය, සම්බන්ධතා, සෞඛ්යය, වැටුප වැනි පුද්ගලයෙකු හඳුනා ගන්නා තොරතුරු); නිර්නාමිකකරණය (ආපසු හැරවිය නොහැකි ලෙස අනන්යතාව ඉවත් කිරීම); එකතු කිරීම (තනි පේළිය වෙනුවට සාමාන්යය/මුළු අගය දෙන්න). රීතිය:
- ආයතනය විසින් අනුමත නොකරන ලද මෙවලමකට පුද්ගලික/වෙළඳ රහස් අඩංගු දත්ත කිසිවිටෙක ඇතුලත් නොකරන්න.
- ඔබ ඇතුළු කිරීමට, නිර්නාමික කිරීමට හෝ එකතු කිරීමට අවශ්ය නම්: නම/ID තීරු මකන්න, කණ්ඩායම තුළ පමණක් පුද්ගලයා පෙන්වන්න.
- ප්රස්ථාර/කේත උත්පාදනය කරන විට, ආකෘතියට දත්ත ව්යුහය (තීරු නම්, වර්ග) ලබා දෙන්න, අමු නිරවද්යතා පේළි නොවේ.
ඔබගේ කාර්යභාරය: දත්ත රහස්යතා පාලකය.පහත දත්ත කට්ටලයේ තීරු: [ලැයිස්තුව]. මම මෙය ප්රස්ථාරයක් නිපදවීමට බාහිර AI මෙවලමකට පෝෂණය කරමි. කුමන තීරු පුද්ගලික/සංවේදී විය හැකිද? මට නිර්නාමික කිරීමට හෝ එකතු කිරීමට අවශ්ය දේ සලකුණු කර එය කරන්නේ කෙසේදැයි යෝජනා කරන්න (මකන්න, වෙස්මුහුණ, කණ්ඩායම). විශ්ලේෂණය සඳහා ප්රමාණවත් වන අවම දත්ත ප්රමාණයෙන් මට වැඩ කරන්නේ කෙසේදැයි මට කියන්න.
අවවාදයයි: සංවේදී දත්ත "එක් වරක්, ඉක්මනින්" ඇලවීම පුද්ගලිකත්වය උල්ලංඝනය කිරීමේ වඩාත් පොදු ආකාරයයි. පිටතට ගිය පසු, දත්ත ලබා ගත නොහැක.
වලංගුකරණය: භාරදීමට පෙර අවසන් පෙරහන
ඒකක 1 (මූලාශ්රය, අනුකූලතාව, අවංකභාවය, සන්දර්භය) සිට පියවර හතර සම්පූර්ණ ඉදිරිපත් කිරීම සඳහා යොදන්න. අතිරේකව, හරස් පරීක්ෂාවක් කරන්න: ආකෘතියෙන් පිටත මෙවලමක් (පැතුරුම්පත, කැල්ක්යුලේටරය) සමඟ විවේචනාත්මක සංඛ්යා තහවුරු කරන්න.
පාලනය
ප්රශ්නය
වාහනය
මූලාශ්රය
එක් එක් අංකය පැමිණෙන්නේ කොහෙන්ද?
දත්ත මූලාශ්රය/සටහන
අනුකූලතාව
slide-graphic-text එක සමානද?
ඔබේ ඇස්වලින් විකර්ණ ලෙස කියවන්න
අවංකකම
ප්රස්ථාරය අතිශයෝක්තියක් ද?
10 වන ඒකකය පරීක්ෂා කිරීම
ගිණුම
සම්පූර්ණ/ප්රතිශතය නිවැරදිද?
පැතුරුම්පත
උපුටා ගැනීම
උපුටා ගැනීම/මූලාශ්රය සැබෑද?
විවෘත මූලාශ්රය, සත්යාපනය කරන්න
මායාව (නිර්මාණය කරන ලද තොරතුරු) ගැන විශේෂයෙන් ප්රවේශම් වන්න: ආකෘතිය සංඛ්යාලේඛනයක්, උපුටා දැක්වීමක් හෝ මූලාශ්රයක් "නිර්මාණය" කළ හැකිය. විනිවිදකයේ ඇති සෑම බාහිර මූලාශ්රයක්ම සහ රූපයක්ම විවෘත කර සත්යාපනය කරන්න.
පෙරහුරුව: කෘතිම බුද්ධිය සමඟ ඉදිරිපත් කිරීම පරීක්ෂා කිරීම
කෘතිම බුද්ධිය පෙරහුරු හවුල්කරුවෙකු විය හැකිය: ප්රේක්ෂකයන්ගේ දෘෂ්ටිකෝණයෙන් දුෂ්කර ප්රශ්න උත්පාදනය කිරීම, දුර්වල සංක්රාන්ති සොයා ගැනීම, කාලසීමාව තක්සේරු කිරීම.
ඔබේ භූමිකාව: අභියෝගාත්මක ප්රේක්ෂකයෙක් සහ ඉදිරිපත් කිරීමේ පුහුණුකරුවෙක්. පහත ඉදිරිපත් කිරීමේ කොඳු නාරටිය සහ ස්පීකර් සටහන් සමාලෝචනය කරන්න. 1) මෙම ප්රේක්ෂකයින් ([භූමිකාව]) අසනු ඇති වඩාත්ම දුෂ්කර ප්රශ්න 5 ජනනය කරන්න. 2) ආඛ්යානය තුළ දුර්වල/විසංයෝජනය වූ සංක්රාන්ති සලකුණු කරන්න. 3) එක් එක් ස්ලයිඩය මත ආසන්න වශයෙන් තත්පර කීයක් වැටේදැයි ඇස්තමේන්තු කරන්න, මුළු කාලය [X] විනාඩි; ඕනෑවට වඩා නම්, මා කෙටි කළ යුතු ස්ලයිඩ යෝජනා කරන්න. ඉදිරිපත් කිරීම: [ ... ].
වෙනම "විරෝධතා රැස්වීම" පෙරහුරුවක්:
මෙම ඉදිරිපත් කිරීමේ ප්රධාන යෝජනාවට විරෝධතා 4ක් ජනනය කර වාක්ය 2ක්, දත්ත පදනම් වූ ප්රතිචාරයක් කෙටුම්පත් කරන්න. පිළිතුර සකස් නොකරන්න; තහවුරු කිරීම අවශ්ය තැන [තහවුරු කිරීම] ලියන්න. යෝජනාව: [... ].
කුඩා නඩු තුනක්
නඩුව 1 - අන්තයේ සිට අවසානය දක්වා වේගය. උපදේශකයෙකු දින 2ක් පුරා සාමාන්ය සේවාදායක ඉදිරිපත් කිරීමක් (පර්යේෂණ + ව්යුහය + විනිවිදක + ප්රස්ථාර + සාක්ෂි) බෙදා හරිනු ඇත. අපි කෘත්රිම බුද්ධියෙන් පියවර හතක ප්රවාහය ස්ථාපනය කළ විට, කාලය ආසන්න වශයෙන් දින 1 දක්වා අඩු විය; ඉතිරි වූ කාලයෙන් සැලකිය යුතු කොටසක් සත්යාපනයට සහ පෙරහුරුවට කැප කළ අතර ගුණාත්මක බව වැඩි වූවා මිස අඩු නොවීය.
නඩුව 2 - අවසාන මොහොතේ පෞද්ගලිකත්වය. කණ්ඩායමක් පාරිභෝගික ගනුදෙනු වාර්තා (නම + මුදල) ප්රස්ථාර කිරීම සඳහා බාහිර මෙවලම වෙත අපනයනය කරනු ඇත. ඔවුන් පෞද්ගලිකත්ව පාලන පියවරේ නතර විය; ඔවුන් නම් මකා දමා ප්රමාණය කොටස් සාමාන්යයට පරිවර්තනය කළහ. විශ්ලේෂණය නැවත ක්රියාත්මක විය, පුද්ගලික දත්ත කිසිවක් පිට නොවීය. පසුකාලීන විගණනයකදී මෙම තීරණය අගය කරන ලදී.
නඩුව 3 - පෙරහුරුව දර්ශනය සුරැකිණි. ආයෝජක ඉදිරිපත් කිරීමකට පෙර "වඩාත්ම දුෂ්කර ප්රශ්න 5 උත්පාදනය කරන ලෙස" ව්යවසායකයෙක් AI වෙත පැවසීය. රැස්වීමේදී ප්රශ්න තුනක් වාචිකව අසන ලදී; ඔහු සූදානම්ව සිටි නිසා චතුර ලෙස පිළිතුරු දුන්නේය. ඔහු පෙරහුරු නොකළේ නම්, ඔහු වඩාත් තීරණාත්මක ප්රශ්නයට සිරවී සිටීමට ඉඩ තිබුණි.
දුර්වල ක්ෂණික / ශක්තිමත් විමසුම
දුර්වල:
මෙම දත්ත සමඟ ආරම්භයේ සිට අවසානය දක්වා ඉදිරිපත් කිරීමක් සකස් කර අවසන් කරන්න.
"සියල්ල" එකවරම අවශ්යයි; සත්යාපනයක් නැත, රහස්ය භාවයක් නැත, පෙරහුරුවක් නැත. ආකෘතිය හිඩැස්වලට ගැලපේ, ඔබට එය පාලනය කළ නොහැක.
ශක්තිමත්:
අපි පියවරෙන් පියවර ඉදිරිපත් කිරීමක් සකස් කරමු. පළමුව පියවර 1 කරන්න: කෙටි විස්තරය පැහැදිලි කරන්න (ප්රේක්ෂකයින්/අරමුණ/පණිවිඩය/කාලසීමාව/නාලිකාව/සීමාවන් ගැන මගෙන් අසන්න). ඉන්පසු අපි අනුපිළිවෙලින් ඉදිරියට යන්නෙමු: දත්ත රහස්යතා පරීක්ෂාව, ව්යුහය, අන්තර්ගතය+ග්රැෆික්ස්, අවංකභාවය පරීක්ෂා කිරීම, සනාථ කිරීම. සෑම පියවරකදීම ඉලක්කම් සාදන්න එපා, තහවුරු කළ යුතු දේ ලියන්න, සංවේදී දත්ත ඉල්ලන්න එපා.
දෙවැන්න කාර්යය පියවරවලට බිඳ දමයි, සෑම පියවරකදීම ඔබව පාලනයේ තබා ගනී, සහ රහස්යභාවය/විශ්වාසවන්ත මායිම් ඉදිරියෙන් සකසයි.
පොදු වැරදි
- එක පහරින් "සියල්ල" ඉල්ලා සිටීම: පියවර මඟ හැරීම සත්යාපනය සහ පෞද්ගලිකත්වය මග හරියි.
- පුද්ගලිකත්ව නැවතුම මග හැරීම: පාලනය නොකළ බාහිර නියෝජිතයෙකුට සංවේදී දත්ත ලබා දීම.
- පෙරහුරුවකින් තොරව වේදිකාවට යාම: දුෂ්කර ප්රශ්න සහ කාලය අපේක්ෂා නොකිරීම.
- මූලාශ්රය/ආරෝපණ සත්යාපනය මඟ හැරීම: ගොතන ලද සංඛ්යාලේඛනයක් හෝ උපුටා දැක්වීමක් නොදැනීම.
- සංරක්ෂණය නොකිරීම: කේතය/සැකිල්ල ගබඩා නොකිරීම සහ මුල සිටම සියල්ල කිරීම.
- ආකෘතිය මත වගකීම පැවරීම: "AI එය සූදානම් කළා" යැයි පැවසීම; කෙසේ වෙතත්, බෙදා හැරීම ඔබගේ ය.
සාරාංශයකින්
ඔබේ ඉදිරිපත් කිරීම සහ දත්ත දෘශ්යකරණ ව්යාපාරය පියවර හතකින් අවසන් කරන්න: කෙටි, දත්ත සැකසීම සහ රහස්යභාවය, ව්යුහය/ආඛ්යානය, අන්තර්ගතය/ග්රැෆික්ස්, අඛණ්ඩතාව සහ සත්යාපනය, පෙරහුරුව, බෙදාහැරීම/ලේඛනාගාරය. සෑම පියවරකදීම AI භාවිත කරන්න, නමුත් පාලනයේ සිටින්න: සංවේදී දත්ත නිර්නාමික කරන්න, සෑම අංකයක් සහ මූලාශ්රයක්ම හරස් සත්යාපනය කරන්න, ආකෘතිය ඔබේ සෝදුපත් සහකරු බවට පත් කරන්න. කෘතිම බුද්ධිය සමස්ත ප්රවාහය වේගවත් කරයි; දත්තවල නිරවද්යතාවය, පණිවිඩයේ අඛණ්ඩතාව, රහස්යභාවය සහ අවසාන බෙදා හැරීම සඳහා වගකීම සැමවිටම ඔබ සතු වේ.
යෙදුම් කාර්යය
සැබෑ ඉදිරිපත් කිරීමේ කාර්යයක් තෝරාගෙන පියවර හත අනුගමනය කරන්න. (1) AI විසින් කෙටියෙන් ප්රශ්න කර ගන්න. (2) රහස්යතා පාලනය සමඟ නිර්නාමික කළ යුතු දත්ත තීරණය කරන්න. (3) පියවර ව්යුහය → අන්තර්ගතය → ප්රස්ථාරය ක්රියාත්මක කරන්න. (4) අඛණ්ඩතා විගණනය සිදු කිරීම සහ තීරණාත්මක අංක හරස් පරීක්ෂා කිරීම. (5) කෘත්රිම බුද්ධිය මගින් "වඩාත් දුෂ්කර ප්රශ්න 5" නිපදවා ඒවා පෙරහුරු කිරීමට සලස්වන්න. (6) නවතම අනුවාදය සහ නැවත භාවිත කළ හැකි කේතය/සැකිල්ල සංරක්ෂණය කරන්න.
පිරික්සුම් ලැයිස්තුව
- [ ] මම සත් පියවර ප්රවාහයට අනුව රැකියාව කරගෙන ගියෙමි.
- [ ] මම සංවේදී දත්ත නිර්නාමික/සංග්රහ කළ හෝ එය කිසිසේත් ඇතුළත් නොකළෙමි.
- [ ] මම එක් එක් අංකය සහ ආකෘතියෙන් පිටත බාහිර මූලාශ්ර හරස් වලංගු කළෙමි.
- [ ] මම සියලු චිත්රක අඛණ්ඩතාව සඳහා පරීක්ෂා කර ඇත.
- [ ] මම කෘතිම බුද්ධිය සමඟ පෙරහුරු කළෙමි; මම දුෂ්කර ප්රශ්න සහ වේලාව පරීක්ෂා කළෙමි.
- [ ] මම නවතම අනුවාදය සහ නැවත භාවිත කළ හැකි අච්චුව/කේතය සංරක්ෂණය කර ඇත.
- [ ] අවසාන භාරදීම සඳහා මා වගකිව යුතු බව මම පිළිගනිමි.
මොඩියුල විභාගය
1. ඉදිරිපත් කිරීමේදී සහ දත්ත දෘශ්යකරණයේදී කෘතිම බුද්ධිය සඳහා හොඳම ස්ථානගත කිරීම කුමක්ද?
- A) කෘත්රිම බුද්ධිය යනු කෙටුම්පත, සැලසුම්, ග්රැෆික් කේතය සහ විචාර සහකාර වේ; දත්ත නිරවද්යතාවය, අවංකභාවය සහ රහස්යභාවය පිළිබඳ වගකීම මිනිසුන් සතුය ✔
- B) කෘතිම බුද්ධිය කැල්කියුලේටරය; ඔහු ලබා දෙන සෑම අංකයක් සහ ප්රස්ථාරයක් සම්පූර්ණයෙන්ම නිවැරදියි.
- C) කෘතිම බුද්ධිය ප්රයෝජනවත් වන්නේ විනිවිදක අලංකාර කිරීම සඳහා පමණි, එයට දත්ත සහ ග්රැෆික්ස් සමඟ කිසිදු සම්බන්ධයක් නැත
- D) AI මිනිසුන්ට වඩා අපක්ෂපාතී බැවින්, චිත්රක අඛණ්ඩතා තීරණ එයට පැවරිය යුතුය.
විස්තරය: විශාල භාෂා ආකෘතිය යනු ගණක යන්ත්රයක් හෝ සත්යාපන යන්ත්රයක් නොව, ඒත්තු ගැන්වීමේ පෙළ සහ දළ සටහන් උත්පාදක යන්ත්රයකි. එය කෙටුම්පත් කිරීම, සැලසුම් කිරීම, ග්රැෆික් කේතය සහ විවේචනය වැනි භූමිකාවන්හි බොහෝ කාලයක් ඉතිරි කරයි; කෙසේ වෙතත්, දත්තවල නිරවද්යතාවය, ප්රස්ථාරයේ අවංකභාවය, රහස්යභාවය සහ අවසාන භාරදීම පිළිබඳ වගකීම නිසි පුද්ගලයාට අයත් වේ.
2. 'ප්රචාරණ වියදම් සහ විකුණුම් අතර සම්බන්ධයක් තිබේද?' ප්රශ්නය වඩාත් අවංකව පෙන්වන්නේ කුමන ආකාරයේ ප්රස්ථාරයද?
- A) Multi-slice Pie chart
- B) ගොඩගැසූ තීරු සටහන
- C) විසිරුණු බිම් කොටස ✔
- D) ත්රිමාණ පයි ප්රස්ථාරය
පැහැදිලි කිරීම: සංඛ්යාත්මක විචල්ය දෙකක් අතර සම්බන්ධය (සහසම්බන්ධය) පෙන්වීමට විසිරුම් කුමන්ත්රණයක් භාවිතා කරයි. සංසන්දනය කිරීම සඳහා තීරුවක් සුදුසු වන අතර කාලයත් සමඟ වෙනස් කිරීම සඳහා රේඛාවක් සුදුසු වේ; තීරු සටහනක් සම්බන්ධතා ප්රශ්නයට නිවැරදි පිළිතුර ලබා නොදේ.
3. විනිවිදක මාතෘකාවේ 'මාතෘකා මාතෘකාව' වෙනුවට 'ක්රියා මාතෘකාව' භාවිතා කිරීම නිර්දේශ කරන්නේ ඇයි?
- A) ස්ලයිඩය මත තවත් පෙළ සවි කිරීමට
- B) එය විනිවිදකයේ එකම හිමිකම සෘජුවම ලබා දෙන අතර ප්රේක්ෂකයින්ට පණිවිඩය ක්ෂණිකව තේරුම් ගැනීමට ඉඩ සලසන බැවිනි ✔
- C) ෆොන්ට් එක ලොකු කරන්න අවශ්ය නැති නිසා
- D) ස්පීකර් සටහන් සඳහා අවශ්යතාවය ඉවත් කර ඇති බැවින්
විස්තරය: ක්රියා මාතෘකාව මගින් ස්ලයිඩය සම්පූර්ණ වාක්යයකින් කියන දේ හිමිකම් පෑමක් ලෙස ලබා දෙයි ('විකුණුම් කාර්තු 3ක් සඳහා පහත වැටී ඇත'), විෂය ටැගය ('විකුණුම්') පමණක් නොවේ. මෙමගින් නරඹන්නාට එක් එක් විනිවිදකයෙන් අදහස් කරන්නේ කුමක්ද යන්න ක්ෂණිකව තේරුම් ගැනීමට ඉඩ සලසයි; ඉදිරිපත් කිරීමේ ගුණාත්මක භාවය වඩාත් වැඩි දියුණු කරන තනි වෙනස එයයි.
4. දෘෂ්ය උත්පාදනය කරන කෘත්රිම බුද්ධිය සමඟින් ඉදිරිපත් කිරීමේ දර්ශන සකස් කිරීමේදී වඩාත් ප්රායෝගික සහ සදාචාරාත්මක වන්නේ කුමන යෙදුමද?
- A) දෘශ්ය මත සියලුම මාතෘකා සහ අංක මුද්රණය කර එය සෘජුවම ස්ලයිඩය මත තබන්න
- B) නිෂ්පාදනය කරන ලද ප්රතිමූර්තියක් සැබෑ පාරිභෝගික ඡායාරූපයක් ලෙස ඉදිරිපත් කිරීම
- C) ප්රසිද්ධ වෙළඳ නාමයක ශෛලිය හරියටම අනුකරණය කිරීම
- D) පෙළ නොමැතිව දෘශ්ය නිෂ්පාදනය කිරීම සහ විනිවිදක වැඩසටහනට පෙළ එක් කිරීම සහ ව්යාජ ඒවා සැබෑ ලෙස ඉදිරිපත් නොකිරීම ✔
පැහැදිලි කිරීම: නිෂ්පාදනය කරන ලද පින්තූරවල ඇති පාඨය බොහෝ විට දූෂිත වී ඇත, එබැවින් විනිවිදක වැඩසටහනට පසුව පෙළ එක් කිරීමට අවශ්ය වේ. මීට අමතරව, නිෂ්පාදිත රූපයක් සැබෑ ඡායාරූපයක්/සැබෑ පුද්ගලයෙක් ලෙස ඉදිරිපත් කිරීම නොමඟ යවන සුළු සහ සදාචාර විරෝධී ය. නිවැරදි ප්රවේශය වන්නේ පෙළ නොමැතිව රූපය නිෂ්පාදනය කිරීම, පෙළ ඔබම එකතු කිරීම සහ ව්යාජ දේ සැබෑ ලෙස ඉදිරිපත් නොකිරීමයි.
5. නිෂ්පාදන 9 ක වෙළඳපල කොටස පෙන්වීමට වඩාත්ම කියවිය හැකි විකල්පය කුමක්ද?
- A) අගය අනුව වර්ග කරන ලද තිරස් තීරු සටහන ✔
- B) 9-කොටස් පයි සටහන
- C) පෙති 9ක් සහිත ත්රිමාණ පයි ප්රස්ථාරය
- D) තනි පේළි වගුවක්
පැහැදිලි කිරීම: පයි ප්රස්ථාරයක් ක්රියාත්මක වන්නේ පෙති 2-4ක් ඇත්නම් සහ කොටස් සැලකිය යුතු ලෙස වෙනස් නම් පමණි; සමාන පෙති 9ක් කියවිය නොහැක. විවිධ කාණ්ඩ සංසන්දනය කිරීමේදී අගය අනුව වර්ග කරන ලද තිරස් තීරු ප්රස්ථාරයක් සෑම විටම පාහේ වඩාත් කියවිය හැකිය.
6. කෘත්රිම බුද්ධියෙන් ප්රස්ථාර ලබා ගැනීමේදී 'ප්රස්තාරයේ පින්තූරයක්' ඉල්ලනවා වෙනුවට 'ප්රස්තාරය නිපදවන කේතය ඉල්ලා එය ඔබම ක්රියාත්මක කරන්න' වඩාත් විශ්වාසදායක වන්නේ ඇයි?
- A) කේතය සෑම විටම වඩා ලස්සන වර්ණ තෝරා ගන්නා බැවිනි
- B) පින්තූර නිෂ්පාදනය කිරීම තහනම් නිසා
- C) කේතය දත්ත එලෙසම සකසන නිසාත් නියතිවාදී සහ පුනරාවර්තනය කළ හැකි ප්රතිඵල ලබා දෙන නිසාත්, වාචික අනාවැකි මත විශ්වාසය තැබීමට අවශ්ය නොවේ ✔
- D) කේතය ස්වයංක්රීයව ප්රස්ථාර අවංක කරන නිසා සහ වැඩිදුර සත්යාපනය අවශ්ය නොවේ
විස්තරය: විශාල භාෂා ආකෘතිය යනු පෙළ උත්පාදකයකි; ඔහු හුදෙක් වාචිකව අංකයක් අනුමාන කරන අතර එය වැරදි විය හැක. කේතය දත්ත එලෙසම සකසන අතර නියතිවාදී (සෑම විටම එකම ආදානය සඳහා එකම ප්රතිදානය) සහ නැවත නැවතත් කළ හැකි ප්රතිඵල නිපදවයි; දත්ත යාවත්කාලීන කළ විට, කේතය නැවත ධාවනය කර ප්රස්ථාරය නැවුම් කළ හැක.
7. හොඳ උපකරණ පුවරු නිර්මාණයක මූලික මූලධර්මය කුමක්ද?
- A) පවතින සියලුම ප්රමිතික තනි තිරයක් මත සවි කිරීම
- B) නිශ්චිත ප්රේක්ෂක පිරිසකට සහ තීරණයකට අවශ්ය KPI වල කුඩා සංඛ්යාවක් (5-9) සඳහා සන්දර්භය පෙන්වන්න ✔
- C) හැකිතාක් දශම ස්ථාන සමඟ එක් එක් සංඛ්යාව පෙන්වීම
- D) වර්ණ විවිධාංගීකරණය කිරීම සඳහා එක් එක් මෙට්රික් වෙනස් වර්ණයකින් පින්තාරු කිරීම
විස්තරය: උපකරණ පුවරුව සෑම දෙයක්ම නොපෙන්වයි, නමුත් නිශ්චිත ප්රේක්ෂකයෙකු විසින් නිශ්චිත තීරණයක් සඳහා අවශ්ය නිවැරදි KPIs 5-9. තීරණයට සේවය නොකරන ප්රමිතික උපකරණ පුවරුව යටපත් කරයි. අතිරේකව, සන්දර්භය (ඉලක්කය/වෙනස් කිරීම) සහ නැවුම් බවේ මුද්දරයක් එක් එක් අංකයට එක් කළ යුතු අතර, වඩාත් තීරණාත්මක KPI ඉහළ වම්පස තැබිය යුතුය.
8. දත්ත කතන්දර කීමේ අවංකභාවය අනුව උගුලක් වන්නේ කුමන හැසිරීමද?
- A) සන්දර්භය-ආතති-විභේදන ව්යුහය තුළ සොයාගැනීම් ඉදිරිපත් කිරීම
- B) ආඛ්යානයේ එක් එක් ප්රස්ථාරය වාක්යයකට සම්බන්ධ කිරීම
- C) එක් වාක්යයකින් තීක්ෂ්ණ බුද්ධිය සාරාංශ කරන්න
- D) ආඛ්යානයට නොගැලපෙන කාල සීමාව සඟවා එයට අනුබල දෙන දත්ත පමණක් පෙන්වීම (චෙරි නෙලීම) ✔
පැහැදිලි කිරීම: චෙරි-පික්කිං යනු ආඛ්යානයට ගැළපෙන කාලපරිච්ඡේදය/කොටස පෙන්වීම සහ නොගැලපෙන එක සඟවා ගැනීම සහ එය අඛණ්ඩතාව උල්ලංඝනය කරයි. හොඳ කථාවක් ඒත්තු ගන්වයි, නමුත් එය දත්ත විකෘති කිරීමට අවසරයක් නොවිය යුතුය; 'මෙම ආඛ්යානයට නොගැලපෙන දත්ත මොනවාද?' අවශ්ය නම් අහලා පෙන්වන්න ඕන.
9. ඉන්ෆොග්රැෆික් එකක රවුමක විෂ්කම්භය ලෙස අගයක් නිරූපණය කිරීම නොමඟ යවන නමුත් පසුව විෂ්කම්භය දෙගුණ කිරීම නොමඟ යවන්නේ ඇයි?
- A) විෂ්කම්භය දෙගුණ වන විට, ප්රදේශය හතර ගුණයකින් වැඩි වන අතර ප්රේක්ෂකයින් වැඩි වීම ඇත්ත වශයෙන්ම වඩා විශාල බව වටහා ගනී ✔
- B) පයි ප්රස්ථාරයක කව භාවිතා කළ නොහැකි බැවිනි
- C) වර්ණ අන්ධ නරඹන්නන්ට කව කිසිසේත් නොපෙනෙන බැවිනි
- D) රවුමක් ඇඳීම පොල්ලක් ඇඳීමට වඩා මන්දගාමී වන බැවිනි
පැහැදිලි කිරීම: විෂ්කම්භය දෙගුණ වන විට, රවුමේ ප්රදේශය හතර ගුණයකින් වැඩි වේ; බලන්නා ප්රදේශය අනුව අගය වටහා ගන්නා බැවින්, ඔහු/ඇය සිතන්නේ 2 ගුණයක වැඩිවීමක් 4 ගුණයක් බවයි. මෙය ක්ෂේත්ර දෝෂය ලෙස හැඳින්වේ. අගය ප්රදේශයෙන් නොව රේඛීය පරිමාණයෙන් සහ පැහැදිලි සංඛ්යා ලේබලයකින් (උදා: '2×') ලබා දීම අවශ්ය වේ.
10. තීරු ප්රස්ථාරයක වඩාත් පොදු රැවටීමේ තාක්ෂණය සහ එහි නිවැරදි සමානකම කුමක්ද?
- A) කූරු වර්ණ ගැන්වීම නොමඟ යවන සුළුය; ඒවා සියල්ලම අළු බවට පත් කිරීම අවශ්ය වේ
- B) සෘජු ලේබල් නොමඟ යවන සුළුය; සෑම විටම වෙනම පුරාවෘත්තයක් භාවිතා කිරීම අවශ්ය වේ
- C) ඉරි සහිත y අක්ෂය වෙනස අතිශයෝක්තියට නංවයි; තීරු ප්රස්ථාරයේ අක්ෂය 0 ✔ වලින් ආරම්භ විය යුතුය
- D) තිරස් තීරුව නොමඟ යවන සුළුය; සෑම විටම සිරස් තීරුව භාවිතා කිරීමට අවශ්ය වේ
පැහැදිලි කිරීම: ඉරි සහිත y-අක්ෂයක් (y ආරම්භ වන තැන, 0 වෙනුවට 90 කින්) කුඩා වෙනසක් විශාල ලෙස පෙනේ; 2% ක වැඩිවීමක් 50% ක් ලෙස පෙනෙන්නට පුළුවන. තීරු ප්රස්ථාරයක, තීරුවේ දිග අගය නියෝජනය කරන බැවින් අක්ෂය සෑම විටම පාහේ 0 න් ආරම්භ විය යුතුය.
11. ඔබට සංවේදී දත්ත (නම, වැටුප්, පාරිභෝගික වාර්තාව) සහිත වගුවක් ප්රස්ථාර කිරීම සඳහා බාහිර AI මෙවලමකට අපනයනය කිරීමට අවශ්ය නම් නිවැරදි ප්රවේශය කුමක්ද?
- A) කාලය ඉතිරි කර ගැනීම සඳහා ඉක්මනින් මේසය ඇලවීම
- B) නම සහ අනන්යතා තීරු ඉවත් කිරීමෙන් දත්ත නිර්නාමික කිරීම හෝ එකතු කිරීම, අවශ්ය නොවේ නම් ඒවා කිසිසේත් ඇතුළත් නොකිරීම ✔
- C) වඩාත් සංවේදී තීරුව පමණක් තබා ඉතිරිය මකා දැමීම
- D) දත්ත ඇතුළත් කිරීමට පෙර කෘත්රිම බුද්ධියෙන් රහස්යභාවය පිළිබඳ පොරොන්දුවක් ලබා ගැනීම ප්රමාණවත් වේ.
පැහැදිලි කිරීම: ආයතනය විසින් අනුමත නොකරන ලද මෙවලමකට පුද්ගලික දත්ත ඇතුළත් නොකිරීම අත්යවශ්ය වේ; එය ඇතුල් කිරීමට අවශ්ය නම්, අනන්යතා තීරු මකා දැමීමෙන් එය නිර්නාමික කිරීම හෝ තනි පේළි වෙනුවට සාමාන්ය/මුළු දීමෙන් එකතු කිරීම අවශ්ය වේ. පිටතට ගිය පසු, දත්ත ලබා ගත නොහැක.
12. කෘතිම බුද්ධිය මගින් නිපදවන නිමැවුමක 'මායාව' යන්නෙන් අදහස් කරන්නේ කුමක්ද සහ ඒ සම්බන්ධයෙන් කළ යුත්තේ කුමක්ද?
- A) ආකෘතිය බොහෝ වර්ණ භාවිතා කරයි; වර්ණ අඩු කිරීමට අවශ්ය වේ
- B) ආකෘතියේ මන්දගාමී ක්රියාකාරිත්වය; කෙටි ඉල්ලීමක් ලිවීමට අවශ්යයි
- C) ආකෘතිය ත්රිමාණයෙන් ප්රස්ථාරය අඳියි; 2B ඉල්ලා සිටිය යුතුය
- D) ආකෘතිය සැබෑ ලෙස ඉදිරිපත් කරන නමුත් සත්යය නොවන බවට තොරතුරු; ✔ සෑම නිකුතුවක්ම සහ මූලාශ්රයක්ම හරස් වලංගු කළ යුතුය
පැහැදිලි කිරීම: මායාව යනු ආකෘතිය සැබෑ ලෙස ඉදිරිපත් කරන නමුත් සත්ය නොවන තොරතුරු වේ; එය සාදන ලද අංකයක්, උපුටා දැක්වීමක් හෝ මූලාශ්රයක් විය හැකිය. අනෙක් අතට, ආකෘතියෙන් පිටත ස්ලයිඩයේ ඇතුළත් කර ඇති සෑම සංඛ්යාවක් සහ බාහිර මූලාශ්රයක් හරස් වලංගු කිරීම අවශ්ය වන අතර, ඉල්ලීම්වල 'දත්තවල නොමැති සංඛ්යා නිෂ්පාදනය නොකරන්න, [තහවුරු කිරීම]' යන රීතිය සැකසීම අවශ්ය වේ.
13. නිවැරදි ප්රස්ථාර වර්ගය තෝරාගැනීමේ පළමු පියවර කුමක්ද?
- A) ඔබට පිළිතුරු දීමට අවශ්ය ප්රශ්නය එක වාක්යයකින් ලියා එය ප්රශ්න පවුලක තබන්න ✔
- B) වඩාත්ම වර්ණවත් සහ ආකර්ෂණීය ග්රැෆික් වර්ගය තෝරා ගැනීම
- C) සෑම විටම පයි ප්රස්ථාරයකින් ආරම්භ කර අවශ්ය නම් එය වෙනස් කරන්න
- D) ත්රිමාණ ආකාරයෙන් දත්ත පෙන්වීමෙන් දත්ත වඩාත් ආකර්ෂණීය කිරීම
පැහැදිලි කිරීම: ප්රස්ථාර වර්ගය රඳා පවතින්නේ ඔබට පිළිතුරු දීමට අවශ්ය ප්රශ්නය මත මිස දත්තවල හැඩය මත නොවේ. පළමුව, එක් වාක්යයකින් ප්රශ්නය ලිවීමට සහ එය පවුලක (සැසඳීම, ප්රවණතාවය, සම්බන්ධතාවය, අර්ධ-සම්පූර්ණ, බෙදා හැරීම) තැබීමට අවශ්ය වේ, ඉන්පසු වර්ගය තෝරන්න. මුලින්ම වර්ගය තෝරාගෙන එයට දත්ත ගලපන්න උත්සාහ කිරීම වරදකි.
14. කෘත්රිම බුද්ධියෙන් අග සිට අග දක්වා ඉදිරිපත් කිරීමක් සකස් කිරීමේදී 'එක පියවරකින් ඉදිරිපත් කිරීමක් ආරම්භයේ සිට අවසානය දක්වා සකස් කර අවසන් කරන්න' යැයි කීම වෙනුවට පියවරෙන් පියවර ඉදිරියට යාම වැදගත් වන්නේ ඇයි?
- A) පියවරෙන් පියවර ඉදිරියට යාම සැමවිටම වේගවත් වන බැවිනි
- B) ආකෘතිය දිගු ඉල්ලීම් කිසිසේත් තේරුම් නොගන්නා බැවිනි
- C) පියවරෙන් පියවර ඉදිරියට යාම නිසා සත්යාපනය, රහස්යභාවය සහ පෙරහුරුව අතරතුර මිනිසා පාලනයේ තබා ගන්නා අතර ප්රබන්ධ කිරීමේ සහ කාන්දු වීමේ අවදානම අඩු කරයි ✔
- D) මක්නිසාද යත් එක චලනයකින් ඇසීම කෘතිම බුද්ධිය වෙහෙසට පත් කරයි.
විස්තරය: එකවරම රැකියාව ඉල්ලා සිටීම සත්යාපනය, රහස්යතා පිරික්සුම් සහ පෙරහුරු වැනි තීරණාත්මක නැවතුම් මඟ හැරේ; ආකෘතිය හිඩැස්වලට ගැලපෙන අතර ඔබට එය පාලනය කළ නොහැක. පියවරෙන් පියවර ඉදිරියට යාම (කෙටි, රහස්යභාවය, ව්යුහය, අන්තර්ගතය/ග්රැෆික්ස්, අවංකභාවය පරීක්ෂා කිරීම, පෙරහුරුව) සෑම අදියරකදීම මිනිසා පාලනය කරන අතර මුල සිටම ප්රබන්ධයේ/රහස්යභාවයේ සීමාවන් සකසයි.