ලාභ:
- AI-බලවත් Python කේතය සමඟ ආහාර දත්ත පිරිසිදු කිරීමේ සහ විශ්ලේෂණ කාර්යයන් ස්වයංක්රීය කරන්න
- ඒකක පරීක්ෂා කිරීම, පරීක්ෂා කිරීම සහ එජ් කේස් සමඟ AI-ජනනය කරන ලද කේතය සත්යාපනය කිරීමේ හැකියාව
- රහස්ය සූත්ර/වාණිජ දත්ත ආරක්ෂා කිරීමට සහ වගකිවයුතු AI භාවිත මූලධර්ම බලාත්මක කිරීමට ඇති හැකියාව
මොඩියුල විභාගය
1. ඔබ ආහාර ආකලනවල උපරිම භාවිත මාත්රාව පිළිබඳව AI ගෙන් විමසූ අතර ආකෘතිය පිළිතුරු දුන්නේ 'තුර්කි ආහාර කෝඩෙක්ස් අනුව 500 mg/kg' යනුවෙනි. එය නිෂ්පාදන සූත්රයට සැකසීමට පෙර වඩාත් නිවැරදි ක්රියාව කුමක්ද?
- A) වත්මන් තුර්කි ආහාර කෝඩෙක්ස් පාඨයෙන් වටිනාකම සහ අදාළ ආහාර කාණ්ඩය සත්යාපනය කරන්න ✔
- B) AI යාවත්කාලීන බැවින් මාත්රාව කෙලින්ම සූත්රයට ලියන්න
- C) ඒකකය mg/kg සිට g/kg දක්වා පරිවර්තනය කර භාවිතා කරන්න
- D) AI ගෙන් අසන්න 'ඔබට විශ්වාසද?' සහ 'ඔව්' යන පිළිතුරෙන් සෑහීමකට පත් වන්න
පැහැදිලි කිරීම: ආකලනවල උපරිම භාවිත සීමාවන් ආහාර කාණ්ඩය අනුව වෙනස් වන අතර තුර්කි ආහාර කෝඩෙක්ස් ආහාර ආකලන රෙගුලාසියේ ඇමුණුමෙහි අර්ථ දක්වා ඇත. LLM සාධාරණ නමුත් වැරදි මාත්රාවක් හෝ කාණ්ඩයක් නිපදවිය හැක. වත්මන් කෝඩෙක්ස් පාඨයෙන් සත්යාපනය නොකර වටිනාකම සහ අදාළ ආහාර කාණ්ඩය භාවිතා කිරීම නීති විරෝධී නිෂ්පාදනයක් සහ ආහාර සුරක්ෂිතතා අවදානමක් ඇති කරයි.
2. සූත්රගත කිරීමකදී සත්යාපනය කළ යුතු පළමු පාලනය ස්කන්ධ තුලනය වන්නේ ඇයි?
- A) එය නිෂ්පාදනයේ වර්ණය තීරණය කරන නිසා
- B) ස්කන්ධ ශේෂය ඇසුරුම් නිර්මාණයට පමණක් බලපාන බැවිනි
- ඇ) සංඝටක ප්රතිශත එකතුව 100% විය යුතු අතර ස්කන්ධ සංරක්ෂණය සහතික කළ යුතු නිසා ✔
- D) එය සෘජුවම සංවේදී ලකුණු වැඩි කරන බැවිනි
පැහැදිලි කිරීම: ස්කන්ධ ශේෂය සඳහා සියලුම සංරචක ප්රතිශතවල එකතුව 100% විය යුතු අතර ආදාන ස්කන්ධය ප්රතිදාන ස්කන්ධයට සමාන වේ. AI විසින් සූත්රයක් ගෙනහැර දැක් වුවද, ප්රතිශත 100% දක්වා එකතු නොවන්නේ නම්, සූත්රය භෞතිකව වලංගු නොවේ. මෙම මූලික පරීක්ෂාවකින් තොරව, පිරිවැය, පෝෂණ අගය සහ මාත්රාව ගණනය කිරීම් සාවද්ය වනු ඇත.
3. HACCP අධ්යයනයේ දී, AI විසින් 'විවේචනාත්මක පාලන ලක්ෂ්යයක් (CCP)' ලෙස නිෂ්පාදන පියවරක් යෝජනා කරන ලදී. මෙම නිර්දේශය සඳහා හොඳම ඉංජිනේරු ආකල්පය කුමක්ද?
- A) AI මධ්යස්ථ බැවින්, නිර්දේශය කෙලින්ම HACCP සැලැස්මට CCP ලෙස ලියන්න
- B) උපද්රව විශ්ලේෂණය, තීරණ ගස සහ HACCP කණ්ඩායම් ඇගයීම සමඟ නිර්දේශය වලංගු කිරීම ✔
- C) මගේ නමේ නම වඩාත් තාක්ෂණික භාෂාවෙන් නැවත ලියන්න
- D) සියලුම CCP ඉවත් කිරීමෙන් ක්රියාවලිය සරල කිරීම
විස්තරය: CCP තීරණය; එය බහුවිධ HACCP කණ්ඩායම විසින් උපද්රව විශ්ලේෂණය, තීරණ ගස, විද්යාත්මක පදනම සහ ඇගයීම අවශ්ය වන තීරණයකි. AI සාධාරණ පෙනුමක් ඇති නමුත් වැරදි CCP යෝජනා කිරීමට හෝ සැබෑ CCP මඟ හැරිය හැක. යෝජනාව කෙටුම්පතක්/ආදානයක් ලෙස ගත යුතුය; කණ්ඩායම, තීරණ ගස සහ විද්යාත්මක/ව්යවස්ථාදායක පදනම මගින් තහවුරු කිරීමකින් තොරව සැලැස්ම ලිවිය යුතු නොවේ.
4. Q10 සංගුණකය ත්වරණය කරන ලද කල් තබා ගැනීමේ පරීක්ෂණයෙන් අදහස් කරන්නේ කුමක්ද?
- A) නිෂ්පාදනයේ ඇසුරුම් පාරගම්යතාව
- B) නිෂ්පාදනයේ මුළු කැලරි ප්රමාණය
- C) උෂ්ණත්වය සෙල්සියස් අංශක 10 කින් වැඩි වන විට පිරිහීම අනුපාතය කොපමණ වාර ගණනක් වෙනස් වේද?
- D) සංවේදී පැනලකරුවන් සංඛ්යාව
පැහැදිලි කිරීම: Q10 යනු උෂ්ණත්වය සෙල්සියස් අංශක 10 කින් වැඩි වන සෑම අවස්ථාවකම හායන ප්රතික්රියා අනුපාතය කොපමණ වාර ගණනක් වෙනස් වන බව පෙන්වන සංගුණකයයි. ඉහළ උෂ්ණත්වවලදී වේගවත් පිරිහීම මත පදනම්ව සාමාන්ය ගබඩා තත්වයන් යටතේ කල් තබා ගැනීමේ ආයු කාලය තක්සේරු කිරීමට එය භාවිතා කරයි. AI විසින් Q10 හි ඇස්තමේන්තුවක් ලබා දුන්නද, මෙය සත්ය ගබඩා තත්ත්වයේදී ක්ෂුද්ර ජීව විද්යාත්මක සහ සංවේදී පරීක්ෂණ දත්ත සමඟ වලංගු කළ යුතුය.
5. ටින් කළ ආහාර වැනි අඩු අම්ල නිෂ්පාදනයක තාප පිරියම් කිරීමේ ප්රමාණවත් බව පෙන්නුම් කරන F0 (F-අගය) ඉලක්කය පහත වැටුණහොත් ඇති ප්රධාන අවදානම කුමක්ද?
- A) නිෂ්පාදනයේ වර්ණය පමණක් සුළු වශයෙන් මැකී ගොස් ඇත
- B) ඇසුරුම් ලේබලය අපැහැදිලි වේ
- C) තාප ප්රතිරෝධී ව්යාධිජනක බීජාණු වල පැවැත්ම සහ බොටුලිස්මස් අවදානම ✔
- D) නිෂ්පාදනයේ බර වැඩි කිරීම
විස්තරය: අඩු අම්ල ටින් කළ ආහාරවල තාප පිරියම් කිරීම මගින් තාප ප්රතිරෝධී රෝග කාරක බීජාණු (විශේෂයෙන් Clostridium botulinum) ආරක්ෂිත මට්ටමකට අඩු කිරීම අරමුණු කරයි. F0 ප්රමාණවත් නොවීම යන්නෙන් අදහස් වන්නේ මෙම බීජාණු ශක්යව පවතින අතර මාරාන්තික botulismus අවදානමක් පවතින බවයි. AI තාප පිරියම් කිරීමේ කාලය/උෂ්ණත්වය නිර්දේශ කළත්, ක්රියාවලි අධිකාරිය සත්යාපනය සහ වලංගු දත්ත නොමැතිව මෙය ක්රියාත්මක කළ නොහැක.
6. සංවේදක මණ්ඩලයක හෙඩොනික් පරීක්ෂණ දත්ත වලින් 'නිෂ්පාදන A B ට වඩා සැලකිය යුතු ලෙස කැමති විය' යැයි AI අනුමාන කළේය. මෙම ප්රතිදානය සඳහා වඩාත්ම නිවැරදි වලංගුකරණය කුමක්ද?
- A) සෘජු අලෙවිකරණ හිමිකම් පෑමක් ලෙස ප්රතිඵලය භාවිතා කිරීම
- B) අමු පැනල දත්ත, අත්හදා බැලීමේ සැලසුම සහ භාවිතා කරන ලද සංඛ්යාන පරීක්ෂණය පරීක්ෂා කිරීමෙන් වලංගු කරන්න ✔
- C) ප්රස්ථාරයේ මාතෘකාව වෙනස් කරන්න
- D) පැනලිස්ට් සංඛ්යාව අඩු කිරීම සහ පරීක්ෂණය නැවත අර්ථකථනය කිරීම
පැහැදිලි කිරීම: සංවේදී ප්රතිඵලවල වලංගුභාවය; පැනල් ප්රමාණය, අත්හදා බැලීමේ සැලසුම (සමතුලිත කිරීම, අන්ධ පරීක්ෂාව), සුදුසු සංඛ්යාන පරීක්ෂණය සහ වැදගත්කමේ මට්ටම මත රඳා පවතී. AI වැරදි පරීක්ෂණයක් හෝ ප්රමාණවත් නොවන සාම්පලයක් සමඟ සංඛ්යානමය අර්ථකථනයක් ඉදිරිපත් කළ හැකිය. අමු පැනල දත්ත, භාවිතා කරන ලද පරීක්ෂණය සහ p-අගය/අත්හදා බැලීමේ සැලසුම පරීක්ෂා කිරීමෙන් ප්රතිඵලය වලංගු කළ යුතුය.
7. ආහාර නැවත කැඳවීමකදී සොයාගැනීමේ පද්ධතිය සැපයිය යුතු මූලික හැකියාව කුමක්ද?
- A) නිෂ්පාදනයේ අවසාන විකුණුම් මිල පමණක් වාර්තා කිරීම
- B) නිෂ්පාදනයේ වර්ණය පමණක් සටහන් කිරීම
- C) භාණ්ඩය නැවත කැඳවීම වෙනුවට වෙළඳපොලේ නිහඬව තබා ගැනීම
- D) ගොඩක් අංකයකින් එක් පියවරක් පසුපසට සහ එක් පියවරක් ඉදිරියට හඹා යාමට හැකි වීම ✔
පැහැදිලි කිරීම: ලුහුබැඳීමේ හැකියාවට එක් පියවරකින් ('එක් පියවරක් පසුපසට, එක් පියවරක් ඉදිරියට') පසුපසට (එය පැමිණියේ කුමන අමුද්රව්ය/සැපයුම්කරුගෙන්ද) සහ ඉදිරියට (එය ගියේ කුමන පාරිභෝගිකයා/වෙළඳපොළටද) යන දෙඅංශයෙන්ම ගොඩක්/කාණ්ඩ අංකයක් නිරීක්ෂණය කිරීමේ හැකියාව අවශ්ය වේ. බලපෑමට ලක් වූ නිෂ්පාදනය ඉක්මනින් හා පටු ලෙස හුදකලා කිරීමට මෙය ඉඩ සලසයි. AI නැවත කැඳවීමේ අවස්ථාවක් කෙටුම්පත් කළත්, එය කැබලි අක්ෂර හා නීති සම්පාදනය සමඟ සත්යාපනය කළ යුතුය.
8. 'එය ප්රතිශක්තිය ශක්තිමත් කරයි' යනුවෙන් පවසමින් නිෂ්පාදනයක් සඳහා සෞඛ්ය හිමිකම් යෝජනාවක් සකස් කිරීමට AI විසින් ඔබ සතුව ඇත. ලේබලය මත තැබීමට පෙර අනිවාර්යය වන්නේ කුමක්ද?
- A) AI යෝජනා කරන බැවින් ප්රකාශය කෙලින්ම ලේබලය මත මුද්රණය කිරීම
- B) අදාළ ව්යවස්ථාවේ සහ එහි කොන්දේසි නිල පාඨයෙන් ප්රකාශය අනුමත කර තිබේද යන්න තහවුරු කිරීම ✔
- C) අකුරු විශාල කර ප්රකාශය උද්දීපනය කරන්න
- D) ප්රකාශය වඩාත් ස්ථීර භාෂාවකින් නැවත ලියන්න.
විස්තරය: පෝෂණ සහ සෞඛ්ය හිමිකම් නීති සම්පාදනය මගින් දැඩි ලෙස නියාමනය කරනු ලැබේ; බලයලත්, විද්යාත්මකව ඔප්පු කර ඇති සහ සුදුසුකම් ලත් ප්රකාශ පමණක් භාවිතා කළ හැක. AI විසින් අනවසර හෝ නොමඟ යවන ප්රකාශයක් ඉදිරිපත් කළ හැක. තුර්කි ආහාර කෝඩෙක්ස් පෝෂණ සහ සෞඛ්ය ප්රකාශන රෙගුලාසි සහ නිල පාඨයෙන් එහි කොන්දේසි ප්රකාශනයට අවසර දී තිබේද යන්න සත්යාපනය නොකර ලේබලය මත තැබිය නොහැක.
9. රසායනාගාර විශ්ලේෂණයේ දී LOQ (ප්රමාණ කිරීමේ සීමාව) සංකල්පයෙන් අදහස් කරන්නේ කුමක්ද?
- A) පිළිගත හැකි නිරවද්යතාවයකින් විශ්ලේෂකය සංඛ්යාත්මකව මැනිය හැකි අවම සාන්ද්රණය ✔
- B) උපාංගයේ උපරිම මිනුම් ධාරිතාව
- C) නියැදියේ සම්පූර්ණ බර
- D) පැනල සාමාජිකයන් සංඛ්යාවේ පහළ සීමාව
විස්තරය: LOQ (ප්රමාණ කිරීමේ සීමාව) යනු පිළිගත හැකි නිරවද්යතාවයකින් සහ නිරවද්යතාවයකින් සංඛ්යාත්මකව විශ්ලේෂනයක් මැනිය හැකි අවම සාන්ද්රණයයි; LOD (හඳුනාගැනීමේ සීමාව) යනු එහි පැවැත්ම විශ්වාසදායක ලෙස හඳුනාගත හැකි අඩු සාන්ද්රණය පමණි. AI ප්රතිඵලයක් LOQ ට පහළින් 'ශුන්ය' ලෙස අර්ථ දැක්විය හැක; එබැවින්, ප්රතිඵල අමු දත්ත, ක්රමාංකනය සහ ක්රම සීමාවන්ට එරෙහිව වලංගු කළ යුතුය.
10. නිෂ්පාදන සහ ගුණාත්මක දත්ත සැකසීමට AI-ජනනය කරන ලද Python ස්ක්රිප්ට් එකක් භාවිතා කිරීමට පෙර සත්ය කුමක්ද?
- A) කේතය දෝෂයකින් තොරව ක්රියා කරන බැවින්, ප්රති result ලය කෙලින්ම තත්ත්ව වාර්තාවේ තැබීම
- B) විචල්ය නම් කෙටි කර විවරණ රේඛා මකා දමන්න
- C) සියලුම රහස් සූත්ර දත්ත සහිත ස්ක්රිප්ට් එක රාජ්ය සේවයකට උඩුගත කිරීම
- D) වාණිජ දත්ත වලංගු කිරීම සහ ආරක්ෂා කිරීම සඳහා දන්නා ප්රතිඵල සමඟ පරීක්ෂා කිරීම, ඒකක පරීක්ෂා කිරීම සහ එජ් කේස් ✔
විස්තරය: AI කේතයේ වැරදි ඒකක පරිවර්තනය, වැරදි එළිපත්ත සංසන්දනය, වැරදි දින විග්රහ කිරීම, හෝ අන්ත අවස්ථා වලදී නිහඬ දෝෂ අඩංගු විය හැක. කේතය; දන්නා ප්රතිඵල සහිත කුඩා පරීක්ෂණ දත්ත, පරිමාව/ප්රමාණය පරීක්ෂා කිරීම සහ එජ් කේස් සමඟ වලංගු කළ යුතුය; අතිරේකව, රහස්ය සූත්ර සහ වාණිජ දත්ත අවසරයකින් තොරව බාහිර සේවාවන් වෙත නොයැවිය යුතුය. ප්රතිඵලය ඉංජිනේරු විනිශ්චය මගින් තහවුරු වේ.