ලාභ:
- AI පතල් ඉංජිනේරු කාර්ය ප්රවාහයේ තත්ය කාලය ඉතිරි කරන්නේ කොතැනද සහ අවදානම් මට්ටම මත පදනම්ව, දක්ෂ ඉංජිනේරුවෙකු සමඟ ආරක්ෂිත තීරණාත්මක වගකීමක් පැවතිය යුත්තේ කොතැනද යන්න වෙන්කර හඳුනා ගැනීමේ හැකියාව
- සම්මත, ස්වාධීන ගණනය කිරීම් සහ ක්ෂේත්ර මිනුම් වලට එරෙහිව එක් එක් AI ප්රතිදානය පරීක්ෂා කරන බහු-ස්ථර වලංගු කිරීමේ විනයක් ක්රියාත්මක කිරීමේ හැකියාව
- සන්දර්භය නිර්නාමික කිරීමට සහ සංචිත දත්ත, බලපත්ර තොරතුරු සහ පිරිස්/නිෂ්පාදන දත්ත ආරක්ෂා කිරීම සඳහා ආරක්ෂිත වාහන තෝරා ගැනීමේ පුරුද්ද ලබා ගැනීමේ හැකියාව
පතල් ඉංජිනේරුවෙකුගේ කාර්යය වන්නේ පොළව යට ඇති අවිනිශ්චිතතාවය පොළවට ඉහළින් ඇති තීරණ සමඟ පාලම් කිරීමයි. කැණීම් දත්ත, රක්ෂිතය ගණනය කිරීම, වළ සැලසුම් කිරීම, උපකරණ සමූහය කළමනාකරණය කිරීම, බෑවුමේ හැසිරීම නිරීක්ෂණය කිරීම, වෘත්තීය ආරක්ෂාව සහතික කිරීම, පාරිසරික බලපෑම මැනීම සහ නීති සම්පාදනයට අනුකූලව මේ සියල්ල වාර්තා කිරීම මගින් ලෝපස් ශරීරය තක්සේරු කිරීම. මෙම රැකියා වල පොදු ලක්ෂණය වන්නේ ඒවා විශාල මිනුම් සහ දත්ත සමඟ වැඩ කිරීමයි, නමුත් සෑම තීරණයක්ම මිනිස් ජීවිත, මිලියන ගණනක ආයෝජන සහ ක්ෂේත්රයේ ආපසු හැරවිය නොහැකි පාරිසරික ප්රතිවිපාක ඇති කරයි. කෘත්රිම බුද්ධිය (කෙටියෙන් AI; විශාල දත්ත සහ භාෂා ආකෘති සහිත පෙළ, අංක සහ රූප මත ක්රියා කරන මෘදුකාංග පද්ධති) මෙම දත්ත-අධික නමුත් තීරණාත්මක පදනමෙහි ප්රබල ආධාරකයකි. මෙම ඒකකය ඔබට පතල් කැණීමේදී ආරක්ෂිතව AI භාවිතා කළ යුත්තේ කොතැනද, එය භයානක වන්නේ කොතැනද සහ ප්රමිති, ක්ෂේත්ර මිනුම් සහ ඉංජිනේරු විනිශ්චයට එරෙහිව සෑම AI ප්රතිදානයක්ම වලංගු කළ යුත්තේ ඇයිද යන්න ඔබට උගන්වයි.
ඔබ මෙම මොඩියුලය පුරා භාවිතා කරන කේන්ද්රීය මූලධර්මය වන්නේ: AI සහායකයෙකි, තීරණ ගන්නෙකු නොවේ. ශ්රේණියක් (ලෝපස් වල ලෝහ අනුපාතය) අගය, බෑවුම් කෝණයක්, සංචිත රූපයක්, ආරක්ෂක සීමාවක් හෝ ව්යවස්ථාදායක ලිපියක් "AI එසේ කී පමණින්" සත්ය නොවේ; මැනීම, යොමු කිරීම සහ දක්ෂ ඉංජිනේරු විනිශ්චය මගින් තහවුරු කරන තුරු එය හුදෙක් උපකල්පනයක් පමණි. මොඩියුලයේ සෑම ඒකකයකම ඔබ මෙම වාක්යය නැවත දකිනු ඇත, මන්ද පතල් කැණීමේදී වැරදි අංකයක් බොහෝ විට අදහස් කරන්නේ ආයෝජනයක් කඩා වැටීම, බෑවුමක් කඩා වැටීම හෝ පුද්ගලයෙකුගේ තුවාල වීමයි.
LLM යනු කුමක්ද සහ පතල් කැණීමේදී එය 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. පතල් පාරිභාෂිතය චතුර ලෙස කථා කරයි, නමුත් ශ්රේණියක් මනින්නේ නැත; බොහෝ දුරට පෙනෙන අංකය නිපදවයි. එමනිසා, ඔහු හෝ ඇය සාමාන්ය ශ්රේණිය, ඉවත් කිරීමේ අනුපාතය, නියාමන වගන්තියක් හෝ පුපුරන සුලු සීමාවක් පිළිබඳව විශ්වාස නමුත් වැරදි පිළිතුරු ලබා දිය හැක. මෙය හලුසිනේෂන් (Fabrication) ලෙස හැඳින්වේ. මායාව යනු දෝෂයක් නොවේ, නමුත් මෙම තාක්ෂණයේ ආවේනික ලක්ෂණයකි; එබැවින්, සත්යාපනය "අතිරේක පියවරක්" නොව කාර්යයේ අනිවාර්ය අංගයකි.
පතල් කැණීමේදී AI ශක්තිමත් වන කාර්යයන්:
- සංකල්ප පැහැදිලි කිරීම සහ ඉගැන්වීම: variogram යනු කුමක්ද, leverage රීතිය ක්රියා කරන්නේ කෙසේද, අම්ල පතල් ජලාපවහනය සිදු වන්නේ කෙසේද.
- දත්ත පිරිසිදු කිරීම සහ සංවිධානය කිරීම: විසිරුණු සිදුරු ලොග සුසංයෝගී වගුවක් බවට පත් කිරීම, ඒකක නොගැලපීම අල්ලා ගැනීම.
- උපකල්පන ලැයිස්තුවක් උත්පාදනය කිරීම: නිෂ්පාදනයේ පහත වැටීමේ හේතු ක්රමානුකූලව ලැයිස්තුගත කිරීම.
- කේතීකරණය: පයිතන් සමඟ දත්ත පිරිසිදු කිරීම, ප්රස්ථාරකරණය, භූ සංඛ්යාලේඛන සහ විෂමතා විශ්ලේෂණ ස්ක්රිප්ට්.
- කෙටුම්පත් පෙළ: JSA (රැකියා ආරක්ෂණ විශ්ලේෂණය), පාරිසරික අධීක්ෂණ වාර්තාව, කෙටුම්පත් ටෙන්ඩර්/තාක්ෂණික පිරිවිතර.
- මොළ කුණාටුව: අවස්ථා සංසන්දනය, අත්හදා බැලීම්/මිනුම් සැලසුම් අදහස්.
AI දුර්වල සහ අවදානම් සහිත ස්ථාන:
- නිශ්චිත සංඛ්යාත්මක අගයක් ලබා දීම (ශ්රේණිය, රක්ෂිතය, බෑවුම් කෝණය, සීමාව අගය).
- වත්මන් සහ නිශ්චිත නීති/සම්මත ලිපි සහ අනුවාද තොරතුරු.
- ඔබේ වෙබ් අඩවියේ සැබෑ මිනුම් දත්ත නොමැතිව රෝග විනිශ්චය.
- ආරක්ෂාව-විවේචනාත්මක තීරණය: පිපිරුම් සැලසුම් අනුමත කිරීම, ඉවත් කිරීමේ තීරණය, 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
දත්ත පිරිසිදු කිරීම, උපකල්පන ලැයිස්තුව, ගණනය සැකසීම
කෙටුම්පත/සම කර්තෘ
අතින් පාලනය + මූලාශ්ර තහවුරු කිරීම
ඉහළ
සංචිත ඇස්තමේන්තුව, වළ සීමාව, පිපිරුම් පරාමිතිය
අදහස් උත්පාදක යන්ත්රය
සම්මත + ක්ෂේත්ර මිනුම් + මෘදුකාංග
විවේචනාත්මක
ඉවත් කිරීමේ තීරණය, බෑවුම් ආරක්ෂාව, සේවා හැකියාව/සුදුසුතා තීරණය
කෙටුම්පත/ස්කෑන් පමණි
දක්ෂ ඉංජිනේරු අනුමැතිය + පිළිගත් පරීක්ෂණ
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; දක්ෂ ඉංජිනේරුවරයා අත්සන සහ වගකීම භාර ගනී.
අන්තයේ සිට අවසානය දක්වා ප්රවාහය: ඔබේ කාර්ය ප්රවාහයට AI කාවැද්දීම
පතල් කැණීමේ සාමාන්ය ගැටළු විසඳීමේ චක්රයක් මේ ආකාරයට සිදු වේ, AI සෑම පියවරකදීම නිරත වන නමුත් ඒවායින් කිසිවක් තනිවම වසා නොගනී:
- ගැටලුව නිර්වචනය කරන්න: පුරෝකථනය කළ යුත්තේ කුමක්ද, ගත යුතු තීරණය කුමක්ද, එහි ඇති බාධාව කුමක්ද? (AI: ප්රශ්නය පැහැදිලි කරයි.)
- දත්ත එකතු කිරීම සහ පිරිසිදු කිරීම: කැණීම්, නිෂ්පාදනය, අධීක්ෂණය, රසායනාගාර දත්ත. (AI: පිරිසිදු කිරීමේ සහ නොගැලපීම පරීක්ෂා කිරීමේ ශක්තිමත්.)
- උපකල්පන / අවස්ථා ජනනය කරන්න: විය හැකි හේතු, විකල්ප සැලසුම්. (AI: ක්රමානුකූල ලැයිස්තුවක් නිෂ්පාදනය කරයි.)
- විශ්ලේෂණය: ගණනය කිරීම, භූ සංඛ්යාලේඛන, ආකෘතිය, රූප සැකසීම. (AI: කේත සහ ගණනය කිරීමේ ප්රබන්ධ ජනනය කරයි.)
- සත්යාපනය කරන්න: සම්මත, ක්ෂේත්රය, ස්වාධීන ගිණුම, මෘදුකාංග. (AI පසෙකට වී ඇත; මිනිසුන් සහ මිනුම් තීරණය කරයි.)
- වාර්තා කර තීරණය කරන්න: දක්ෂ ඉංජිනේරුවා වගකීම භාර ගනී. (AI: කෙටුම්පත් ලේඛකයා.)
මෙම පියවර හය මතක තබා ගන්න; ඉතිරි මොඩියුලය ඔබට කොන්ක්රීට් පතල් කාර්යයන් සමඟ පියවරෙන් පියවර AI භාවිතා කරන ආකාරය පෙන්වයි.
කුඩා නඩු තුනක්
නඩුව 1 - සාදන ලද සාමාන්ය ශ්රේණිය. තඹ ව්යාපෘතියක සාමාන්ය ශ්රේණිය ගැන සීමාවාසිකයෙකු AI කතාබස් මෙවලමෙන් අසයි; AI පවසන්නේ "0.65% Cu පමණ" බවයි. අභ්යාසලාභියා මෙය ආයෝජන ඉදිරිපත් කිරීමෙහි තබයි. කෙසේ වෙතත්, AI මෙම ව්යාපෘතියේ එක කැණීම් දත්තයක්වත් දැක නැත; "තඹ ව්යාපෘතිය" සඳහා සාමාන්ය අංකයක් නිපදවා ඇත. සැබෑ අගය පැමිණෙන්නේ ව්යාපෘතියේ ම සංයුක්ත විදුම් දත්ත සහ භූ සංඛ්යාන ඇස්තමේන්තුවෙන් පමණි; මෙම ව්යාපෘතියේ සැබෑ වටිනාකම 0.38% කි. වෙනස වන්නේ ආයෝජනය ලාභ ලැබීම සහ පාඩු ලැබීම අතර වෙනසයි. නිවැරදි ආකල්පය නම් AI සඳහා ශ්රේණිය කිසිවිටෙක "නොඇසීම", නමුත් එය ඔබගේම දත්ත ගබඩාවෙන් ගණනය කිරීමයි.
නඩුව 2 - නොපවතින නියාමන වගන්තිය. ඉංජිනේරුවෙක් AI ගෙන් පිපිරවීමේදී ඉඩ දෙන උපරිම භූ කම්පනය (PPV: උපරිම අංශු ප්රවේගය, mm/s) විමසයි. AI "නියාමනය අනුව 10 mm/s" පවසන අතර අයිතම අංකයක් සෑදෙයි. ඉංජිනේරුවරයා ඒ අනුව වාර්තාව ලියයි. පරීක්ෂා කිරීමේදී, අයිතම අංකය සැබෑ නොවන බව අනාවරණය වී ඇති අතර දුර සහ ගොඩනැගිලි වර්ගය අනුව සීමාවේ අගය වෙනස් වේ. නිවැරදි ආකල්පය වන්නේ නිල මූලාශ්රයෙන් වත්මන් නියාමනය විවෘත කිරීම සහ වටිනාකම සහ ද්රව්යය තහවුරු කිරීමයි. AI නියාමනයේ නම නිවැරදිව දැන සිටියද, එය ලිපි අංකය මායාවට පත් කළ හැකිය.
නඩුව 3 - නිවැරදි භාවිතය. භූ විද්යාඥයෙක් සිදුරු 40 ක දත්ත කට්ටලයක ශ්රේණියේ තීරුවේ විෂමතාවයක් සැක කරයි. එය AI ට පවසන්නේ "මෙම වගුවේ ඒකක නොගැලපීම්, සෘණ අගයන්, දෘශ්ය පිටස්තර සහ හිස් කොටු තිබිය හැකි පේළි ලැයිස්තුගත කර, එක් එක් සඳහා ඔබ සැක කරන දේ ලියන්න; නිවැරදි නොකරන්න, සලකුණු කරන්න." AI විසින් ppm සමඟ % මිශ්ර කළ රේඛා කිහිපයක්, සෘණ ශ්රේණි දෙකක් සහ 999 කේත අගයක් සලකුණු කරයි. භූ විද්යාඥයා අමු ලොග වලින් මේවා එකින් එක පරීක්ෂා කර නිවැරදි කරයි. මෙහිදී AI නිවැරදිව භාවිතා කර ඇත: අවධානය ආකර්ෂණය විය, මිනිසා විසින් තීරණය සහ නිවැරදි කිරීම සිදු කරන ලදී.
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 පතල් ඉංජිනේරු සහකාරවරයෙකි. කාර්යය: [විෂය ලියන්න]. රීති: නිශ්චිත සංඛ්යාත්මක අගය (ශ්රේණිය, සංචිතය, සීමාව) ලබා දෙන විට මූලාශ්රය සඳහන් කරන්න; ඔබට විශ්වාස නැතිනම්, 'තහවුරු කළ යුතුය' යැයි පවසන්න. එය නියාමනය කළ යුතු බව කියන්න නිල මූලාශ්රයෙන්, පිළිතුරේ අවසානයේ, අයිතම අනුව 'ක්ෂේත්ර මිනුම්/ගණනය මගින් තහවුරු කළ යුතු දේ' ලියන්න."
උපකල්පන පරම්පරාවේ සැකිල්ල "පහත සඳහන් තත්ත්වය සඳහා විය හැකි හේතු පිළිබඳ ක්රමානුකූල ලැයිස්තුවක් ඉදිරිපත් කරන්න: [තත්වය විස්තර කරන්න; නිරීක්ෂණය කළ දේ, ලබා ගත හැකි දත්ත]. එක් එක් උපකල්පනය සඳහා: (1) එයට අනුබල දෙන සාක්ෂි මොනවාද, (2) එය තහවුරු කිරීමට/ප්රතික්ෂේප කිරීමට කුමන මිනුම් හෝ ගණනය කළ යුතුද. පරීක්ෂණ මාර්ග නිර්ණය කරන්න;
සත්යාපන පිරික්සුම් ලැයිස්තුව "පහත වාර්තා කෙටුම්පතේ ඇති සෑම සංඛ්යාත්මක අගයක් සහ සෑම රෙගුලාසියක්ම/සම්මත යොමුවක්ම ලැයිස්තුගත කරන්න. එක් එක් සඳහා, කුමන මූලාශ්රයෙන් (ස්වයං-කැණීම් දත්ත, නියාමන පෙළ, රසායනාගාර වාර්තාව, ක්ෂේත්ර සමීක්ෂණය) එය සත්යාපනය කළ යුතුද යන්න සඳහන් කරන්න. [අනිශ්චිත සම්භවයක් ඇති ඒවා texpaste' යටතේ භාවිතා කරන්න.
නිර්නාමික කිරීමේ පූර්ව පිරික්සුම් අච්චුව "AI මෙවලමකට පහත පෙළ ලබා දීමට පෙර, වෙළඳ රහස් සලකුණු කරන්න හෝ පුද්ගලික/නියාමන සංවේදී කොටස්: සංචිත අංක, බලපත්ර අංකය, සැබෑ ඛණ්ඩාංක, පාරිභෝගික/කාර්ය මණ්ඩල නම්, රහස්ය පිරිවැය දත්ත. මට මේවා නිර්නාමික කළ හැකි ආකාරය යෝජනා කරන්න. පෙළ: [පේස්ට්]."
දුර්වල ක්ෂණික / ශක්තිමත් විමසුම
එකම ප්රශ්නය ක්රම දෙකකින් ඇසීමෙන් බොහෝ වෙනස් ප්රතිඵල ලැබේ.
දුර්වල විමසුම: "මෙම පතලෙහි රක්ෂිතය කොපමණද?"
දැඩි විමසුම: "භූමිකාව: ඔබ සහකාර සම්පත් භූ විද්යාඥයාය. සංචිත/සම්පත් ඇස්තමේන්තුවකට යා යුතු පියවර මොනවාද (සංයුති කිරීම, විචිත්රවත් කිරීම, ක්රිජිං, වර්ගීකරණය, ආර්ථික සීමාව) සහ එක් එක් පියවරේදී කුමන දත්ත සහ දක්ෂ පුද්ගලයාගේ අනුමැතිය අවශ්යද යන්න පැහැදිලි කරන්න. නිශ්චිත රාමුවක් තුළ දත්ත ලබා නොදෙන්න; මෙම ව්යාපෘතියේ දත්ත පමණක් වාර්තා කළ හැකි බව අවධාරණය කරන්න. JORC/UMREK වැනි කේතයක්."
දුර්වල ප්රමාදය AI හට සෑදීමට ආරාධනා කරයි; ප්රබල විමසුම එය නිවැරදි කාර්යයේ (ක්රියාවලි විස්තරය) තබා ගන්නා අතර ඩිජිටල් මායාව ප්රථමයෙන් සිදුවීම වළක්වයි.
පොදු වැරදි
- ශ්රේණිය, සංචිතය යනාදී පාඨමාලා-විශේෂිත අංක සඳහා AI වෙතින් “ඉල්ලීම”. AI ඔබේ දත්ත නොදනී; මෙම සංඛ්යා ගණනය කරනු ලබන්නේ ඔබේම දත්ත ගබඩාවෙන් පමණි.
- එය තහවුරු නොකර නීති/සම්මත වගන්තිය භාවිතා කිරීම. අයිතම අංකය සහ වටිනාකම නිතරම මායාවට ලක් වේ.
- AI ප්රතිදානය මත ආරක්ෂිත තීරණාත්මක තීරණයක් පදනම් කර ගැනීම. ඉවත් කිරීම, පිපිරීම් අනුමත කිරීම සහ සේවා හැකියාව පිළිබඳ තීරණ ගනු ලබන්නේ දක්ෂ ඉංජිනේරුවරයා විසිනි.
- වලාකුළු මෙවලමට සංවේදී දත්ත නිර්නාමික කිරීමකින් තොරව ඇලවීම. සංචිත, සම්බන්ධීකරණ සහ පිරිවැය දත්ත වෙළඳ රහස් වේ.
- එක ප්රශ්නයක් සහ එක පිළිතුරක් බලාපොරොත්තුවෙන්. AI නැවත නැවත භාවිතා කරන්න: කෙටුම්පත් ජනනය කරන්න, විවේචනය කරන්න, සත්යාපනය කරන්න, නිවැරදි කරන්න.
අවවාදයයි: AI ප්රතිදානයක වඩාත් නිරවද්ය සහ විශ්වාසදායක අංකයක් දිස්වන තරමට, සත්යාපනය සඳහා අවශ්යතාවය වැඩි වේ. නිරවද්යතාව නිරවද්යතාව පිළිබඳ සහතිකයක් නොවේ.
සාරාංශයක් ලෙස
මෙම ඒකකයේ ඔබ දැක ඇති AI යනු පතල් කැණීමේ සහායකයෙක් මිස තීරණ ගන්නෙකු නොවේ. LLMs භාෂා පුරෝකථනයන් වේ; එය සංකල්ප පැහැදිලි කිරීම, දත්ත පිරිසිදු කිරීම, කල්පිතය සහ කේත උත්පාදනය සඳහා බලවත් වන නමුත් නිශ්චිත සංඛ්යා සහ නීති (මායාව) නිෂ්පාදනය කිරීමේදී අවදානම් සහිතය. කාර්යයන් අඩු/මධ්යම/ඉහළ/තීරණාත්මක ලෙස වර්ග කර ඒ අනුව සත්යාපන ගැඹුර සකස් කරන්න. ඔබගේම දත්ත හෝ ක්ෂේත්ර මිනුම් වලින් සෑම සංඛ්යාත්මක අගයක්ම, නිල මූලාශ්රයෙන් සෑම නියාමන යොමුවක්ම සත්යාපනය කරන්න. ආරක්ෂක තීරණාත්මක තීරණ සෑම විටම දක්ෂ ඉංජිනේරුවෙකු සමඟ පවතින අතර භාවිතා කිරීමට පෙර සංවේදී දත්ත නිර්නාමික කරයි.
යෙදුම් කාර්යය
ඔබේම ව්යාපාරයෙන් (හෝ කල්පිත කැණීම් ව්යාපෘතියකින්) කාර්යයන් පහක් තෝරන්න: සංකල්ප විස්තරයක්, දත්ත පිරිසිදු කිරීමක්, උපකල්පන ලැයිස්තුවක්, සංචිත/සංඛ්යාත්මක අගයක් සහ නියාමන ප්රශ්නයක්. ඉහත අවදානම් වගුවේ එක් එක් ස්ථානගත කරන්න. ඉන්පසු “භූමිකාව සහ මායිම්” අච්චුව සමඟ අඩු/මධ්යම අවදානම් කාර්යයන් දෙකක් AI වෙත ලබා දී “සත්යාපන පිරික්සුම් ලැයිස්තුව” අච්චුව සමඟ ප්රතිදානයේ එක් එක් සංඛ්යාත්මක/නියාමන මූලද්රව්ය සලකුණු කරන්න. තහවුරු කිරීමකින් තොරව භාවිතා කළ නොහැකි මූලද්රව්ය මොනවාදැයි ලියන්න.
පිරික්සුම් ලැයිස්තුව
- [ ] එය භාවිතා කිරීමට පෙර මම මෙහෙයුම අවදානම් මට්ටමේ (අඩු/මධ්යම/ඉහළ/තීරණාත්මක) තැබුවෙමි.
- [ ] මම AI අසනවා වෙනුවට මගේම අස්වැන්නෙන් ශ්රේණිය, සංචිතය වැනි ක්ෂේත්ර-විශේෂිත සංඛ්යා ගණනය කළෙමි.
- [ ] මම එක් එක් නීති/සම්මත යොමු නිල මූලාශ්රයෙන් සත්යාපනය කර ඇත.
- [ ] මම සංවේදී දත්ත නිර්නාමික කළෙමි (සංචිත, ඛණ්ඩාංක, නම, පිරිවැය).
- AI ප්රතිදානය මත පදනම්ව නොව දක්ෂ ඉංජිනේරු අනුමැතියට මම ආරක්ෂාව-විවේචනාත්මක තීරණය අත්හැරියෙමි.
- [ ] මම "සත්යාපනයකින් තොරව භාවිතා කළ නොහැක" සඳහා AI ප්රතිදානයේ සෑම සංඛ්යාත්මක අගයක්ම පරිලෝකනය කළෙමි.