ලාභ:
- AI ලෝහ විද්යාත්මක සහ ද්රව්ය වැඩ ප්රවාහයේ තත්ය කාලය ඉතිරි කරන්නේ කොතැනද සහ අවදානම් මට්ටම මත පදනම්ව ඉංජිනේරුවරයා සමඟ ආරක්ෂිත-විවේචනාත්මක වගකීම පැවතිය යුත්තේ කොතැනද යන්න වෙන්කර හඳුනා ගැනීමේ හැකියාව
- සම්මත, ස්වාධීන ගණනය කිරීම් සහ රසායනාගාර අත්හදා බැලීම් වලට එරෙහිව සෑම AI ප්රතිදානයක්ම පරීක්ෂා කරන තුන්-ස්ථර වලංගු කිරීමේ විනයක් ක්රියාත්මක කිරීමේ හැකියාව
- රහසිගත මිශ්ර ලෝහ වට්ටෝරුව, ක්රියාවලි පරාමිතිය සහ පාරිභෝගික දත්ත ආරක්ෂා කිරීම සඳහා සන්දර්භය සහ ආරක්ෂිත මෙවලම් තේරීම නිර්නාමික කිරීමේ හැකියාව
ගුවන් යානා එන්ජිමක ටර්බයින තලය තත්පරයට සිය වතාවක් 1400 °C භ්රමණය වන අතර, එම තලය සෑදෙන්නේ කුමන සුපිරි මිශ්ර ලෝහයකින්ද (ඉහළ උෂ්ණත්වවලදී එහි ශක්තිය පවත්වා ගන්නා විශේෂ මිශ්ර ලෝහයකින්ද) එය කුමන තාප පිරියම් කළ යුතුද සහ එය කොපමණ පැය දහස් ගණනක් පවතිනු ඇත්ද යන්න තීරණය කරන්නේ ඔබයි: ලෝහ විද්යා හෝ ද්රව්ය ඉංජිනේරු. මෙම වෘත්තියේ ඔබ ගන්නා සෑම තීරණයක්ම ව්යුහයක පැවැත්ම හෝ එහි හානිය තීරණය කරයි. කෘතිම බුද්ධිය (කෙටියෙන් AI: පෙළ, අංක සහ රූප සැකසීමට සහ යෝජනා නිපදවන මෘදුකාංග පද්ධති) මෙම තීරණ වේගවත් කළ හැක; ඒත් එයාට කවදාවත් ඔයා ගැන වගකීම ගන්න බෑ. මෙම ඒකකය ඔබට ලෝහ විද්යාව සහ ද්රව්ය වැඩ වලදී ආරක්ෂිතව AI භාවිතා කළ යුත්තේ කොතැනද, එය භයානක වන්නේ කොතැනද, සහ ඔබ සෑම AI ප්රතිදානයක්ම රසායනාගාරය, සම්මත සහ අත්හදා බැලීම් සමඟ වලංගු කළ යුත්තේ ඇයිද යන්න ඔබට උගන්වයි.
ඔබ මෙම මොඩියුලය පුරා භාවිතා කරන කේන්ද්රීය මූලධර්මය වන්නේ: AI සහායකයෙකි, තීරණ ගන්නෙකු නොවේ. ද්රව්යමය දේපලක්, සීමා අගයක්, සම්මත අයිතමයක් හෝ තාප පිරියම් කිරීමේ වට්ටෝරුවක් "AI එසේ කී පමණින්" සත්ය නොවේ; මිනුම්, යොමු සහ ඉංජිනේරු විනිශ්චය මගින් තහවුරු කරන තුරු එය හුදෙක් උපකල්පනයක් වේ. මොඩියුලයේ සෑම ඒකකයකම ඔබට මෙම වාක්යය නැවත පෙනෙනු ඇත, මන්ද ලෝහ විද්යාවේදී වැරදි අංකයක් යනු බොහෝ විට කැඩුණු කොටසකි.
LLM යනු කුමක්ද, එය ලෝහ විද්යාවේදී කරන්නේ කුමක්ද?
LLM (Large Language Model) යනු ඉතා විශාල පෙළ කොටස් වලින් රටා ඉගෙන ගන්නා සහ සම්භාවිතාව මත "ඊළඟ වචනය" පුරෝකථනය කරන මෘදුකාංගයකි. ChatGPT, Claude, Gemini වැනි මෙවලම්වල එන්ජිම මෙයයි. කාරණය මෙයයි: LLM යනු "භාෂා ඇස්තමේන්තු කරන්නෙකු" මිස "දැනුම් පදනමක්" නොවේ. ලෝහ විද්යාත්මක පාරිභාෂිතය චතුර ලෙස කථා කරයි, නමුත් සංඛ්යාවක් මනින්නේ නැත; බොහෝ දුරට පෙනෙන අංකය නිපදවයි. එමනිසා, ඔහු අස්වැන්න ශක්තිය, ද්රවාංක උෂ්ණත්වය හෝ සම්මතයේ අයිතම අංකය පිළිබඳ විශ්වාසදායක නමුත් වැරදි පිළිතුරු ලබා දිය හැකිය. මෙය හලුසිනේෂන් (Fabrication) ලෙස හැඳින්වේ. මායාව යනු දෝෂයක් නොවේ, නමුත් මෙම තාක්ෂණයේ ආවේනික ලක්ෂණයකි; එබැවින්, සත්යාපනය "අතිරේක පියවරක්" නොව කාර්යයේ අනිවාර්ය අංගයකි.
ලෝහ විද්යාවේදී AI ශක්තිමත් වන කාර්යයන්:
- සංකල්ප පැහැදිලි කිරීම සහ ඉගැන්වීම: මාර්ටෙන්සයිට් පරිවර්තනය යනු කුමක්ද, එය දුෂ්කර හා බිඳෙනසුලු වන්නේ ඇයි; eutectic සහ eutectoid අතර වෙනස කුමක්ද?
- උපකල්පන ලැයිස්තුවක් උත්පාදනය කිරීම: වාත්තු කිරීමේදී සිදුරු (ගෑස් හෝ හැකිලීමේ ප්රේරිත හිස්) ඇති විය හැක්කේ මන්දැයි ක්රමානුකූල ලැයිස්තුවක් නිර්මාණය කිරීම.
- පෙළ නිෂ්පාදනය: හානි විශ්ලේෂණ වාර්තා කෙටුම්පත, WPS (වෑද්දුම් ක්රියා පටිපාටිය පිරිවිතර) කෙටුම්පත, ඉදිරිපත් කිරීම, ඊමේල්.
- කේතීකරණය: දත්ත පිරිසිදු කිරීම, ග්රැෆික්ස්, සරල ගණනය කිරීම් ස්ක්රිප්ට් (පයිතන්).
- දත්ත සාරාංශ කිරීම සහ වගු සංවිධානය: අවුල් සහගත පරීක්ෂණ ප්රතිඵල සංවිධිත වගුවක් බවට පත් කිරීම.
- Brainstorming: අපේක්ෂක මූලද්රව්ය, මිශ්ර ලෝහ නිර්මාණය සඳහා පර්යේෂණාත්මක අනුකෘති අදහස්.
AI දුර්වල සහ අවදානම් සහිත ස්ථාන:
- නිශ්චිත සංඛ්යාත්මක අගය ලබා දීම (දේපල, සීමාව අගය, රසායනික සංයුතිය).
- වත්මන්/විශේෂිත සම්මත වගන්ති සහ අනුවාද තොරතුරු.
- ඔබේ පහසුකම පිළිබඳ සැබෑ මිනුම් දත්ත නොමැතිව රෝග විනිශ්චය.
- ආරක්ෂිත තීරණාත්මක තීරණය: කොටසක ගුවන් සුදුසුකම/සේවා හැකියාව.
අවදානම් මත පදනම් වූ වර්ගීකරණය: AI භාවිතා කිරීමට පෙර පෙරහන
සෑම කාර්යයක්ම එකම අවදානම් මට්ටමේ නැත. AI භාවිතා කිරීමට පෙර අවදානම් මට්ටම අනුව කාර්යය වර්ග කරන්න. පහත වගුව ඔබ මෙම මොඩියුලය පුරා භාවිතා කරන තීරණ රාමුවක් සපයයි.
අවදානම් මට්ටම
නියැදි කාර්යය
AI භූමිකාව
අනිවාර්ය සත්යාපනය
අඩු
සංකල්ප පැහැදිලි කිරීම, කෙටුම්පත් පෙළ, කේත ඇටසැකිල්ල
නිදහස් භාවිතය
සමාලෝචනය ප්රමාණවත්ය
මධ්යම
ගණනය කිරීමේ සැකසුම, උපකල්පන ලැයිස්තුව, සාහිත්ය සාරාංශය
කෙටුම්පත/සම කර්තෘ
අතින් පාලනය + මූලාශ්ර තහවුරු කිරීම
ඉහළ
ද්රව්ය තෝරාගැනීම, තාප පිරියම් කිරීමේ වට්ටෝරුව, සීමාව අගය
අදහස් උත්පාදක යන්ත්රය
සම්මත + රසායනාගාර පරීක්ෂණය
විවේචනාත්මක
සේවා හැකියාව/වාත යෝග්යතාවය, හානියට මූලික හේතුව, සහතික කිරීම
කෙටුම්පත පමණි
පිළිගත් පරීක්ෂණ + බලයලත් ඉංජිනේරු අනුමැතිය
ඉඟිය: ඔබ කාර්යයක් "විවේචනාත්මක" ලෙස සලකුණු කර ඇත්නම්, AI හි ප්රතිදානය කිසි විටෙක අවසන් ලේඛනය නොවේ. උපරිම වශයෙන් එය මූලික කෙටුම්පතක් හෝ පිරික්සුම් ලැයිස්තුවක් විය හැකිය; බලයලත් ඉංජිනේරුවරයා අත්සන සහ වගකීම භාර ගනී.
අන්තයේ සිට අවසානය දක්වා ප්රවාහය: ඔබේ කාර්ය ප්රවාහයට AI කාවැද්දීම
ලෝහ විද්යාත්මක ව්යාපාරයක සාමාන්ය ගැටළු විසඳීමේ චක්රයක් මෙවැනි දෙයක් සිදු වේ, AI සෑම පියවරකටම ඇතුළු වන නමුත් ඒවා කිසිවක් තනිවම වසා නොදමයි:
- ගැටලුව නිර්වචනය කරන්න: කැඩී ගිය දේ, ඉලක්ක කර ඇති ලක්ෂණය, එහි ඇති බාධාව කුමක්ද? (AI: ප්රශ්නය පැහැදිලි කිරීමට උපකාරී වේ.)
- දත්ත රැස් කරන්න: සංයුතිය විශ්ලේෂණය, යාන්ත්රික පරීක්ෂණ, ක්ෂුද්ර ව්යුහය, ක්ෂේත්ර දත්ත. (AI: අවශ්ය පරීක්ෂණය ලැයිස්තුගත කරයි.)
- උපකල්පන උත්පාදනය කරන්න: විය හැකි හේතු/විසඳුම්. (AI: බලවත් - ක්රමානුකූල ලැයිස්තු නිෂ්පාදනය කරයි.)
- විශ්ලේෂණය: ගණනය කිරීම, ආකෘතිය, රූප සැකසීම. (AI: කේත සහ ගණනය කිරීමේ ප්රබන්ධ ජනනය කරයි.)
- වලංගු කරන්න: සම්මත, රසායනාගාරය, නැවත පරීක්ෂා කිරීම. (AI: මෙහි පැත්තක; මිනිසා සහ උපාංගය තීරණය කරයි.)
- වාර්තා කර තීරණය කරන්න: ඉංජිනේරුවරයා වගකීම භාර ගනී. (AI: කෙටුම්පත් ලේඛකයා.)
මෙම පියවර හය මතක තබා ගන්න; ඉතිරි මොඩියුලය මෙම සෑම පියවරකදීම සංයුක්ත කාර්යයන් සමඟ AI භාවිතා කරන්නේ කෙසේදැයි පෙන්වයි.
කුඩා නඩු තුනක්
නඩුව 1 - සවි කළ අස්වැන්න ශක්තිය. AISI 4140 වානේ නිවාදැමූ සහ 200 °C දී තෙම්පරාදු කරන ලද ඵලදායි ශක්තිය ගැන සීමාවාසිකයෙකු AI වෙතින් අසයි; AI පවසන්නේ "1500 MPa පමණ" බවයි. සීමාවාසිකයා මෙය කෙලින්ම ස්පින්ඩල් සැලසුම් ගණනයකට දමයි. කෙසේ වෙතත්, තාප පිරියම් කිරීමේ පරාමිතීන් සහ කොටසේ ඝනකම අනුව සැබෑ අගය 900-1600 MPa අතර දළ වශයෙන් වෙනස් වේ; තුනී නියැදියක ගත් අගය ඝන කොටසක සත්ය නොවේ. ප්රතිඵලය: ආරක්ෂිත සාධකය බලාපොරොත්තු වූවාට වඩා අඩු වේ. නිවැරදි ආකල්පය වන්නේ ද්රව්ය දත්ත පත්රිකාවෙන් (මෝල් සහතිකයෙන්) අගය ලබා ගැනීම සහ අවශ්ය නම් ISO 6892 අනුව ආතන්ය පරීක්ෂණයෙන් ලබා ගැනීමයි.
නඩුව 2 - නොපවතින සම්මත වගන්තිය. ඉංජිනේරුවෙක් මල නොබැඳෙන වානේ ඇතුළත් කිරීමේ සීමාව ගැන AI ගෙන් අසයි. AI පවසන්නේ "ASTM E45 වගන්තිය 7.3 අනුව උපරිම 2.5" බවයි. ඉංජිනේරුවරයා ඒ අනුව වාර්තාව ලියයි. පාරිභෝගික පරීක්ෂාවේදී, ලිපි අංකය ව්යාජ එකක් බවත් ප්රමිතියේ එවැනි වගන්තියක් නොමැති බවත් අනාවරණය වේ. නිවැරදි ආකල්පය වන්නේ නිල මූලාශ්රයෙන් සම්මතයේ වත්මන් අනුවාදය විවෘත කිරීම සහ ලිපිය තහවුරු කිරීමයි. AI එය සම්මත නම නිවැරදිව දැන සිටියත් අයිතම අංකය මායාවට පත් කළ හැකිය.
නඩුව 3 - නිවැරදි භාවිතය. හානි විශ්ලේෂණ කණ්ඩායමක් කැඩුණු M20 බෝල්ට් එකක කැඩුණු මතුපිට ඡායාරූපයක් පරීක්ෂා කරයි. ඔවුන් AI ගෙන් අසනවා, "විඩාපත් ඉරිතැලීමක සහ බිඳෙන සුළු අස්ථි බිඳීමක අස්ථි බිඳීම මතුපිට ඇති සාමාන්ය වෙනස්කම් ලැයිස්තුගත කර, ඒ සෑම එකක් සඳහාම ස්කෑනිං ඉලෙක්ට්රෝන අන්වීක්ෂයකින් (SEM) මා සෙවිය යුතු දේ මට කියන්න." AI ක්රමානුකූලව වෙරළ සලකුණු, ස්ට්රයි (විඩාපත් රේඛා) සහ ඩිම්පල්/ක්ලේවේජ් වෙනස පැහැදිලි කරයි. කණ්ඩායම SEM සමඟින් මෙම හෝඩුවාවන් සොයමින්, striae සොයාගෙන උපාංග රූපය සමඟ රෝග විනිශ්චය කරයි. මෙහිදී AI නිවැරදිව භාවිතා කරන ලදී: තොරතුරු සංවිධානය කිරීම, රසායනාගාරය තීරණය කළේය.
පිටපත් කළ හැකි ඉක්මන් සැකිලි
ඔබට පහත සැකිලි ඔබේම ව්යාපාරයට අනුවර්තනය කිරීමෙන් භාවිත කළ හැක. ඒ සෑම එකක් තුළම "නිවැරදි සංඛ්යාවක් දෙන්න, මූලාශ්රය දක්වන්න, අවිනිශ්චිතතාවය පැහැදිලි කරන්න" යන සවිඥානක උපදෙස් තිබේ.
භූමිකාව සහ මායිම් සැකිල්ල "භූමිකාව: ඔබ පළපුරුදු ලෝහ විද්යා ඉංජිනේරු සහායකයෙකි. කාර්යය: [විෂය ලියන්න]. රීති: නිශ්චිත සංඛ්යාත්මක අගය ලබා දෙන විට, මූලාශ්රය සඳහන් කරන්න; ඔබට විශ්වාස නැතිනම්, 'තහවුරු කළ යුතුය' යැයි පවසන්න. ඔබ සම්මත අයිතමය ලබා දෙන්නේ නම්, එය තහවුරු කළ යුතු නිල අනුවාදය සමඟ එය මතක තබා ගන්න. අයිතමයෙන් අයිතමය 'අත්හදා බැලීමෙන් තහවුරු කළ යුතු දේ'."
උපකල්පන පරම්පරාවේ සැකිල්ල "පහත ගැටලුව සඳහා විය හැකි මූල හේතු පිළිබඳ ක්රමානුකූල ලැයිස්තුවක් නිෂ්පාදනය කරන්න: [ගැටලුව විස්තර කරන්න; ද්රව්ය, ක්රියාවලිය, නිරීක්ෂණ]. එක් එක් උපකල්පනය සඳහා: (1) එයට අනුබල දෙන සාක්ෂි මොනවාද, (2) එය තහවුරු කිරීමට/ප්රතික්ෂේප කිරීමට කුමන පරීක්ෂණයක් කළ යුතුද. මාර්ග රෝග විනිශ්චයක් පමණක් සිදු නොකරන්න;
සත්යාපන පිරික්සුම් ලැයිස්තුව "පහත ප්රතිදාන/වාර්තා කෙටුම්පතේ ඇති සෑම සංඛ්යාත්මක අගයක් සහ සෑම සම්මත යොමුවක්ම ලැයිස්තුගත කරන්න. එක් එක් සඳහා, එය සත්යාපනය කළ යුත්තේ කුමන මූලාශ්රයෙන්ද යන්න සඳහන් කරන්න (මිල් සහතිකය, සම්මත පෙළ, පරීක්ෂණ වාර්තාව). අවිනිශ්චිත සම්භවයක් ඇති ඒවා වෙනම 'තහවුරු කරන තුරු ලබා ගත නොහැක' ශීර්ෂය යටතේ එකතු කරන්න."
නිර්නාමික කිරීමේ පූර්ව පරීක්ෂා කිරීමේ අච්චුව "AI මෙවලමකට පහත පෙළ ලබා දීමට පෙර, වෙළඳ රහස් හෝ පුද්ගලික දත්ත අඩංගු කොටස් සලකුණු කරන්න: මිශ්ර වට්ටෝරු අනුපාත, පාරිභෝගික නම, ක්රියාවලි උෂ්ණත්වය/කාල රහස්ය පරාමිතීන්, පුද්ගල නාම. මම මේවා නිර්නාමික කළ හැකි ආකාරය යෝජනා කරන්න. පෙළ:[පේස්ට්]."
දුර්වල ක්ෂණික / ශක්තිමත් විමසුම
එකම ප්රශ්නය ක්රම දෙකකින් ඇසීමෙන් බොහෝ වෙනස් ප්රතිඵල ලැබේ.
දුර්වල විමසුම: "4140 වානේවල ගුණාංග මට කියන්න."
දැඩි ප්රොම්ප්ට්: "භූමිකාව: ඔබ සහකාර තාප පිරියම් කිරීමේ ඉංජිනේරුවෙකි. AISI 4140 වානේ සඳහා නිවාදැමීම + තෙම්පරාදු කිරීම සිදු කරන විට අස්වැන්නේ ශක්තියට බලපාන්නේ කුමක්ද යන්න පැහැදිලි කරන්න (උෂ්ණත්වය, කොටසේ ඝණකම/දෘඪතාව, ඔස්ටිනිටිං උෂ්ණත්වය). තනි නිශ්චිත අංකයක් ලබා නොදෙන්න; ඒ වෙනුවට, කුමන පරාසයක අගය වෙනස් විය යුතුද සහ ISO කුමන පරාසය අනුව වෙනස් විය යුතුද යන්න. ආතන්ය පරීක්ෂණය) නිවැරදි අගය ලබා ගැනීමට කරුණාකර ඔබට විශ්වාස නැති තැන පැහැදිලිව සඳහන් කරන්න."
දුර්වල ප්රේරකය සාමාන්යයෙන් නිෂ්ඵල, මතුපිට ලැයිස්තුවක් සහ සමහර විට සෑදූ අංක ලබා දෙයි. බලවත් ක්ෂණික; එය භූමිකාවක් පවරයි, සීමාවන් නියම කරයි ("නිවැරදි අංකයක් ලබා දීම"), සත්යාපනය කිරීමේ මාධ්යයක් අවශ්ය කරයි, සහ අවිනිශ්චිතභාවය හෙළිදරව් කරයි. මෙම මොඩියුලය පුරාවටම, එක් එක් ඒකකයට යොදන "ශක්තිමත් කඩිනම්" රටාව ඔබට පෙනෙනු ඇත.
ආචාර ධර්ම, පෞද්ගලිකත්වය සහ වගකීම
ලෝහ විද්යාත්මක දත්ත බොහෝ විට රහස්ය වේ: පාරිභෝගික මිශ්ර ලෝහ වට්ටෝරු, පේටන්ට් බලපත්රලාභී ක්රියාවලි පරාමිතීන්, හානි විශ්ලේෂණ සොයාගැනීම්, ආරක්ෂක කර්මාන්ත පිරිවිතර. ඒවා පොදු AI සේවාවකට ඇලවීම වෙළඳ රහසක් සහ ගිවිසුම් කඩ කිරීමක් විය හැකිය; ආකෘතිය පුහුණු කිරීමේදී දත්ත බාධා කිරීමේ අවදානමක් ද පවතී.
- සමාගමේ/පාරිභෝගිකයාගේ සංයුති, වට්ටෝරු සහ චිත්ර අනුමැතියකින් තොරව බාහිර සේවයට ඇතුළත් නොකරන්න.
- පුද්ගලික දත්ත අඩංගු වාර්තා නිර්නාමික කරන්න (ක්රියාකරුගේ නම්, ලියාපදිංචි අංක).
- ආයතනික ප්රතිපත්ති සහ ඕනෑම පරිශ්රයේ හෝ ගිවිසුම්ගත ව්යවසාය AI මෙවලමකට අනුකූල වන්න.
- ඔබ AI භාවිතා කරන බව වාර්තාවේ විනිවිද පෙනෙන ලෙස සඳහන් කරන්න; අවසාන තීරණය ඔබේ ඉංජිනේරු විනිශ්චය මත පදනම් වන බව පැහැදිලි කරන්න.
- අත්සන සහ වගකීම සැමවිටම බලයලත් ඉංජිනේරුවරයා වෙත පවතී; AI ප්රතිදානය සාධාරණීකරණය නොවේ.
අවවාදයයි: "ඒක තමයි AI කිව්වේ" ඉංජිනේරු සාධාරණීකරණයක් නොවේ. හානි වාර්තාවක, ද්රව්ය තෝරාගැනීමක හෝ අනුකූලතා තීරණයක, ඔබේ පදනම ප්රමිති, පරීක්ෂා කිරීම සහ ගණනය කිරීම විය යුතුය; AI යනු මේවා බොහෝ දුරට සංවිධානය කරන මෙවලමයි. ආරක්ෂිත-විවේචනාත්මක වැඩ සඳහා, AI ප්රතිදානය සුදුසුකම් ලත් ඉංජිනේරු අනුමැතිය සඳහා ආදේශකයක් නොවේ.
පොදු වැරදි
- අත්හදා බැලීම් සහ යොමු කිරීමකින් තොරව AI විසින් ලබා දී ඇති සංඛ්යාත්මක අගය (විශේෂාංගය, සීමාව, සංයුතිය) භාවිතා කිරීම.
- සම්මත අයිතම අංක තහවුරු නොකර වාර්තාවට ලිවීම.
- රහස්ය පාරිභෝගික/සමාගම් දත්ත පොදු AI වෙත ඇතුළු කිරීම.
- පහසුකම් දත්ත ලබා නොදී සහ රෝග විනිශ්චය සඳහා සාමාන්ය පිළිතුර වරදවා වටහා නොගෙන "අක්රියතාව කුමක්ද" AI ගෙන් විමසීම.
- ඉංජිනේරු අනුමැතිය මගහැර තීරණාත්මක තීරණ වල අවසාන ලේඛනය ලෙස AI ප්රතිදානය භාවිතා කිරීම.
- අවිනිශ්චිතතාවය නොසලකා හැරීම: නිරවද්යතාවය සඳහා AI හි විශ්වාසදායක ස්වරය වරදවා වටහා ගැනීම.
සාරාංශයක් ලෙස
AI යනු ලෝහ විද්යාත්මක සහ ද්රව්ය ඉංජිනේරු විද්යාවේ ප්රබල ත්වරණයකි: එය සංකල්ප පැහැදිලි කරයි, උපකල්පන උත්පාදනය කරයි, කෙටුම්පත් කරයි සහ කේතය ලියයි. නමුත් සංඛ්යාත්මක අගය සම්මත කරුණු සහ ආරක්ෂිත තීරණාත්මක තීරණ වලදී මායාවේ අවදානම දරයි. අවදානම් මට්ටම අනුව කාර්යයන් වර්ග කිරීම, සම්මත-ලබ්-ගිණුම් ත්රිකෝණයේ එක් එක් ප්රතිදානය සත්යාපනය කිරීම, රහස්යභාවය පවත්වා ගැනීම සහ සැමවිටම බලයලත් ඉංජිනේරුවරයා සමඟ වගකීම තබා ගැනීම. ඉතිරි මොඩියුලය එක් එක් කොන්ක්රීට් කාර්යය සඳහා මෙම මූලධර්මය අදාළ වේ.
යෙදුම් කාර්යය
ඔබේම කාර්යයෙන් (හෝ නියැදි ව්යාපෘතියකින්) සාමාන්ය කාර්යයන් පහක් තෝරන්න: උදාහරණයක් ලෙස, "ද්රව්ය තේරීම", "හානි වාර්තා ලිවීම", "ප්රමිති විමසුම", "ක්ෂුද්ර ව්යුහය අර්ථ නිරූපණය", "ගණන පිටපත". ඉහත අවදානම් වගුවට අනුව එක් එක් පහත්/මධ්යම/ඉහළ/විවේචනාත්මක ලෙස වර්ග කර, ඔබ එක් එක් සඳහා AI ප්රතිදානය සත්යාපනය කරන්නේ කෙසේදැයි එක් වාක්යයකින් ලියන්න (කුමන සම්මතය, කුමන පරීක්ෂණය, කාගේ අනුමැතියද). ඉන්පසුව "භූමිකාව සහ මායිම්" අච්චුව මෙම කාර්යයෙන් එකකට අනුවර්තනය කිරීමට උත්සාහ කරන්න.
පිරික්සුම් ලැයිස්තුව
- [ ] මම මෙහෙයුම අවදානම් මට්ටම (අඩු/මධ්යම/ඉහළ/විවේචනාත්මක) අනුව වර්ග කර ඇත.
- [ ] මම AI ට භූමිකාව, බාධාව සහ “නිවැරදි අංකය දෙන්න/මූලාශ්රය සඳහන් කරන්න” උපදෙස් ලබා දුන්නා.
- [ ] මම එක් එක් සංඛ්යාත්මක අගය සහ සම්මත අයිතම ස්වාධීන මූලාශ්රවලින් සත්යාපනය කර ඇත.
- [ ] මම රහස්ය/පුද්ගලික දත්ත බාහිර සේවාවකට ඇතුළු කර හෝ එය නිර්නාමික කර නැත.
- [ ] මම අවසාන තීරණය පදනම් වූයේ මිනුම් සහ ප්රමිතිය මත මිස AI සාධාරණීකරණය ලෙස භාවිතා නොකරමිනි.
- [ ] මම වගකීම සහ අත්සන බලයලත් ඉංජිනේරුවරයාට භාර දුන්නා.