ලාභ:
- කෘෂිකාර්මික ඉංජිනේරු කාර්ය ප්රවාහයේදී AI තත්ය කාලය ඉතිරි කරන්නේ කොතැනද සහ කෘෂි විද්යාඥයාගේ වගකීම ලෙස පැවතිය යුතු තීරණ මොනවාදැයි සොයා බැලීමේ හැකියාව
- එක් එක් AI ප්රතිදානය විශාලත්වයේ අනුපිළිවෙල, කෘෂි විද්යාත්මක විශ්වසනීයත්වය සහ ක්ෂේත්ර සාක්ෂි සමඟ හරස් වලංගු කරන නැංගුරම් විෂයයන් තුනක් යෙදීමේ හැකියාව
- අපැහැදිලි බව, මායාව සහ ගොවි දත්ත රහස්යතාවයේ අවදානම් හඳුනාගෙන සන්දර්භය නිර්නාමික කිරීම මගින් ආරක්ෂිත විමසුම් සැකසීමට පුරුදු වන්න.
කෘෂිකාර්මික ඉංජිනේරු විද්යාව යනු ජීව පද්ධතියක් - පස, ශාක, දේශගුණය සහ මිනිසුන් - එකවර කළමනාකරණය කිරීමේ කලාවයි. ක්ෂේත්රයක් කිසිවිටෙක දෙවරක් සමාන නොවේ: එකම බීජය, එකම පොහොර, එකම වාරිමාර්ග විවිධ වර්ෂවල විවිධ අස්වැන්නක් ලබා දෙයි, මන්ද කාලගුණය, පාංශු තෙතමනය, රෝග පීඩනය සහ විචල්ය සිය ගණනක් නිරන්තරයෙන් ක්රියාත්මක වන බැවිනි. කෘෂිකර්මාන්තය යනු අවිනිශ්චිතතාවයකින් සහජයෙන්ම ක්රියාත්මක වන වෘත්තියක් වන්නේ එබැවිනි. කෘතිම බුද්ධිය (AI; විශාල දත්ත රටා වලින් ඉගෙන ගන්නා සහ පෙළ, රූප හෝ අංක නිපදවන මෘදුකාංග පද්ධති) මෙම අවිනිශ්චිතතාවය කළමනාකරණය කිරීමේ ප්රබල මෙවලමකි, නමුත් එය භයානක ලෙස දීප්තිමත් භාෂාවෙන් එකම අවිනිශ්චිතතාවය සැඟවිය හැකි මෙවලමකි. මෙම ඒකකය සම්පූර්ණ මොඩියුලය ගොඩනගනු ලබන අත්තිවාරම් දෙක තබයි: කෘෂිකාර්මික වැඩ ප්රවාහය තුළ කෘතිම බුද්ධිය සැබෑ වටිනාකමක් ඇති කරන්නේ කොතැනද සහ අපි එක් එක් ප්රතිදානය වලංගු කරන්නේ කෙසේද යන්නයි.
මුල සිටම පැහැදිලි වෙමු: මෙම මොඩියුලය පුරාවට ඔබ ඉගෙන ගන්නා තාක්ෂණික ක්රම කිසිවක් සුදුසුකම් ලත් කෘෂිකාර්මික ඉංජිනේරුවෙකුගේ (කෘෂි විද්යාඥයෙකුගේ) අත්සන, ක්ෂේත්ර නිරීක්ෂණ සහ ඉංජිනේරු විනිශ්චය ප්රතිස්ථාපනය නොකරනු ඇත. කෘතිම බුද්ධිය සහායකයෙකි; වේගයෙන් කියවයි, වේගයෙන් ලියයි, රටා අල්ලා ගනී. නමුත් වැරදි පොහොර වට්ටෝරුවකින් ඇළ පාත්තියක් අපවිත්ර වන්නේ නම්, පළිබෝධනාශක මාත්රාවක් මඟින් වගාවට අපද්රව්ය ඉතිරි වුවහොත් ආහාර සුරක්ෂිතතාව අඩාල වුවහොත්, වැරදි වාරි සැලැස්මක් මඟින් පස නිසරු වුවහොත් වගකීම පැවරෙන්නේ මෘදුකාංගයට නොව එය අත්සන් කළ ඉංජිනේරුවරයාට ය. මොඩියුලයේ එක් එක් ඒකකය තුළ ඔබට මෙම වාක්යය නැවත විවිධ ස්වරූපවලින් පෙනෙනු ඇත, මන්ද පාරිසරික හා ආහාර සුරක්ෂිතතාව පරදුවට තබා ඇති වෘත්තියක එකම සත්යය මෙයයි.
කෘත්රිම බුද්ධිය කෘෂිකාර්මික වැඩ ප්රවාහයේ වටිනාකමක් ඇති කරන්නේ කොතැනින්ද?
කෘෂි විද්යාඥයෙකුගේ සතිය දළ වශයෙන් වැඩ වර්ග තුනකට බෙදා ඇත: දත්ත සැකසීම (පාංශු විශ්ලේෂණ වාර්තා කියවීම, ක්ෂේත්ර සටහන් සංස්කරණය කිරීම, සංවේදක වගු ඉවත් කිරීම), අර්ථ නිරූපණය සහ විශ්ලේෂණය (ශාක සෞඛ්ය තක්සේරුව, රෝග විනිශ්චය, පොහොර සහ වාරිමාර්ග සැලසුම් කිරීම, අස්වැන්න ඇස්තමේන්තු කිරීම) සහ සන්නිවේදනය (ගොවි වාර්තාව, බෙහෙත් වට්ටෝරුව, සහතික කිරීමේ වාර්තාව, නිල ලිපි හුවමාරුව). AI ක්ෂේත්ර තුනම ස්පර්ශ කරයි, නමුත් එහි දායකත්වය සහ අවදානම එක් එක් අංශවල වෙනස් වේ.
දත්ත සැකසීම යනු කෘතිම බුද්ධියේ ආරක්ෂිතම සහ වඩාත්ම ලාභදායී ක්ෂේත්රයයි. විසිරුණු ක්ෂේත්ර නිරීක්ෂණ සම්මත පැතුරුම්පතක් බවට පත් කිරීම, විවිධ රසායනාගාරවලින් වාර්තාවල විවිධ ආකෘති තනි අච්චුවකට ගෙන ඒම, තෙතමන සංවේදක වාර්තා පේළි දහස් ගණනක පිටස්තරයන් සලකුණු කිරීම - මේවා පුනරාවර්තන, රීති මත පදනම් වූ සහ සත්යාපනය කිරීමට පහසු කාර්යයන් වේ. මෙහි දෝෂයක් ඇති වුවද, මූලාශ්රය වෙත ආපසු ගොස් (අමු දත්ත) එය පරීක්ෂා කිරීමට මිනිත්තු කිහිපයක් ගතවනු ඇත.
අර්ථ නිරූපණය සහ විශ්ලේෂණ ක්ෂේත්රය ඉහළම අගය සහ ඉහළම අවදානම දරයි. AI හට NDVI සිතියමකින් විය හැකි ජල ආතති කලාපයක් යෝජනා කළ හැක; විශාල ක්ෂේත්රයක පළපුරුදු ඇසකට පවා මග හැරිය හැකි රටාවක් මෙයින් හෙළි කළ හැකිය. නමුත් එම ආකෘතියට එම කලාපයේ නොපවතින රෝගයක් "පුළුල් තර්ජනයක්" ලෙස විශ්වාසයෙන් විස්තර කළ හැකිය. ආකෘතිය යථාර්ථයේ නොපවතින තොරතුරු සැබෑ ලෙසින් නිපදවන විට එය මායාව ලෙස හැඳින්වේ. මෙම ක්ෂේත්රය තුළ, AI යනු උපකල්පිත උත්පාදකයකි, තීරණ ගන්නෙකු නොවේ.
සන්නිවේදන ක්ෂේත්රයේ කෘතිම බුද්ධිය යනු කෙටුම්පත් ත්වරණයකි. එය විනාඩි කිහිපයකින් ගොවි තොරතුරු වාර්තාවක්, සාහිත්ය සාරාංශයක් හෝ සහතික කිරීමේ අයදුම්පත් පෙළක් කෙටුම්පත් කරයි. මෙහි ඇති අවධානම නම් ගොතන ලද මූලාශ්ර සහ වැරදි මාත්රා ගලා යන පාඨයක නොදැනුවත්වම ගොවීන් හෝ විගණකයා වෙත යාමයි.
ඉඟිය: AI වෙත රැකියාවක් ලබා දීමට පෙර, ඔබෙන්ම මෙසේ අසන්න: "මෙම ප්රතිදානය වැරදි නම් සහ එය නිවැරදි කිරීමට කොපමණ කාලයක් ගතවේද?" පිළිතුර මිනිත්තු (දත්ත පිරිසිදු කිරීම) නම්, එය සුවපහසු ලෙස භාවිතා කරන්න; පිළිතුර නම් "නිෂ්පාදනයට හානි වන තුරු මට තේරෙන්නේ නැත" (මාත්රා තීරණය), ස්වාධීනව සත්යාපනය කිරීමට වග බලා ගන්න.
වලංගු කිරීමේ විනය: ඇන්කර් තුනේ රීතිය
මෙම මොඩියුලයේ හදවත තනි පුරුද්දකි: එය වලංගු කිරීමකින් තොරව කෘෂි විද්යාත්මක තීරණයකට කිසිදු AI ප්රතිදානයක් ඇතුළත් නොකිරීම. අපි ස්වාධීන නැංගුරම් තුනක් මත වලංගුකරණය පදනම් කරමු.
පළමු නැංගුරම - විශාලත්වයේ අනුපිළිවෙල. ප්රතිඵලය දළ වශයෙන් 10 පරාසයේ අපේක්ෂිත බලය තුළ තිබේද? තිරිඟු සඳහා පිරිසිදු නයිට්රජන් අවශ්යතාවය සාමාන්යයෙන් කිලෝග්රෑම් 10-18 ක් වේ; මාදිලිය decare එකකට කිලෝග්රෑම් 60 ක් අහිමි වුවහොත්, ඒකකයක් හෝ සංස්කරණය කිරීමේ දෝෂයක් ඇති අතර එය විස්තර කිරීමකින් තොරව තේරුම් ගත හැකිය. බිංදු ජල සම්පාදන පද්ධතියක ප්රවාහ අනුපාතය පැයකට ලීටර් අනුපිළිවෙලකි; ආකෘතිය ඝන මීටර් ලබා දෙන්නේ නම්, එය විකාරයකි. මෙම චෙක්පත තත්පර කිහිපයක් ගත වන අතර බොහෝ දෝෂ අල්ලා ගනී.
දෙවන නැංගුරම - කෘෂිකාර්මික සාධාරණත්වය. නිමැවුම බෝගයේ ජීව විද්යාවට සහ කලාපයේ දේශගුණයට අනුකූලද? ආකෘතිය ගිම්හානයේ මැද භාගයේ ශීත තිරිඟු සිටුවීමට නිර්දේශ කරන්නේ නම්; හෝ එය ප්රධාන තර්ජනයක් ලෙස කලාපයේ කවදාවත් දැක නැති නිවර්තන පළිබෝධයක් ලෙස සලකන්නේ නම්, ඉදිකිරීම් දෝෂයක් හෝ ආකෘතිය විකාරයක් වේ. භෝගයේ සංසිද්ධිය (සංවර්ධන අවධීන්), පස වර්ගය සහ දේශීය දේශගුණය සෑම යෝජනාවක්ම සම්මත කළ යුතු පිළිගත හැකි පෙරහන වේ.
තෙවන නැංගුරම - ක්ෂේත්ර සාක්ෂි. මෙය ශක්තිමත්ම නැංගුරමයි. පාංශු ආගන්තුකයක් සමඟ ගත් නියැදිය, පත්ර විශ්ලේෂණය, ක්ෂේත්රයේ දෘශ්ය ගණන, ආර්ද්රතා සංවේදකය කියවීම. චන්ද්රිකාවෙන් ලැබෙන ආතති සංඥාවක් එම ප්රදේශයටම ගොස් බලාගාරය දෙස බැලීමෙන් පරීක්ෂා කෙරේ. නියැදියක් ලබා ගැනීමෙන් සහ රසායනාගාරයේදී රෝගයක මූලික රෝග විනිශ්චය තහවුරු වේ. බිම් සත්යය සැමදා ජය ගනී.
කුඩා අවස්ථා තුනක්: අංක අනුව
1 වන අවස්ථාව - පාංශු වාර්තා අර්ථ නිරූපනයේ කාලය ඉතිරි වේ. කෘෂිකාර්මික ඉංජිනේරුවෙක් විවිධ පාර්සල් 38 ක පාංශු විශ්ලේෂණ වාර්තා අතින් සාරාංශ කරමින් සිටියේය (එක් එක් රසායනාගාර ආකෘතියකින්); වාර්තාවකට සාමාන්යයෙන් මිනිත්තු 20ක්, දළ වශයෙන් මුළු පැය 13ක්. AI-බලය වන ප්රස්ථාර කාර්ය ප්රවාහයක් සමඟින්, ඔහු පළමු කෙටුම්පත වාර්තාවකට මිනිත්තු 4 දක්වා අඩු කළේය, ඉතිරි කාලය එළිපත්ත හස්තීයව වලංගු කිරීම සඳහා කැප කළේය. මුළු කාලය පැය 5 ක් පමණ අඩු විය; තීරනාත්මක වූයේ, ලැබුණු කාලය පාලනය කිරීම සඳහා වැය කිරීමයි.
නඩුව 2 - අල්ලාගත් මායාව. සීමාවාසිකයෙකු විසින් මිදි වත්තක රෝග ඉතිහාසය සාරාංශගත කළ විට, පාඨයෙහි "ප්රදේශයේ ප්රමුඛ පැඟිරි Huanglongbing (HLB) පීඩනය" යන වාක්යය ඇතුළත් විය. කෙසේ වෙතත්, පාර්සලයේ මිදි වතු (මිදි) තිබුනේ, පැඟිරි නොවේ; ආකෘතිය වෙනත් නිෂ්පාදනයක් පිළිබඳ තොරතුරු ව්යාකූල කර ඇත. කෘෂි විද්යාත්මක ප්ලැසිබිලිටි ෆිල්ටරය (බෝග රටාව HLB සමඟ අනුකූල නොවීය) වාර්තාව අත්සන් කිරීමට පෙර දෝෂය හසු විය.
නඩුව 3 - ඒකක දෝෂය. එක් පොහොර ගණනය කිරීමක දී, ආකෘතිය හෙක්ටයාරයකට නිර්දේශිත නිර්දේශය සමඟ ව්යාකූල කර නයිට්රජන් මාත්රාව 10 ගුණයකින් පුම්බා ඇත (හෙක්ටයාර 1 = 10 decares සිට). විශාලත්වය පරීක්ෂා කිරීමේ අනුපිළිවෙල - "මෙම පාර්සලයේ කිලෝ ග්රෑම් 15 ක් අඩංගු විය නොහැකි නමුත් පිරිසිදු නයිට්රජන් කිලෝ ග්රෑම් 150 ක්" - වහාම දෝෂය අනාවරණය විය. එය ක්රියාත්මක කළේ නම් ආර්ථික හානිය මෙන්ම නයිට්රේට් දූෂණයද සිදුවන්නට ඉඩ තිබුණි.
දුර්වල ක්ෂණික / ශක්තිමත් ක්ෂණික
ප්රේරකයක් යනු ඔබ AI වෙත ලබා දෙන ලිඛිත උපදෙස් වේ; එහි ගුණාත්මකභාවය නිමැවුමේ ගුණාත්මකභාවය කෙලින්ම තීරණය කරයි.
දුර්වල ක්ෂණික:
මෙම ක්ෂේත්රයේ තත්ත්වය තක්සේරු කර මා කළ යුතු දේ මට කියන්න.[data]
බලවත් විමසුම:
ඔබේ කාර්යභාරය: ජ්යෙෂ්ඨ කෘෂිකාර්මික ඉංජිනේරුවෙක් (කෘෂි විද්යාඥයෙක්). ලබා දී ඇති තොරතුරු මත පමණක් පහත ක්ෂේත්ර දත්ත අර්ථ දක්වන්න. - දත්තවල නොමැති කිසිදු නිෂ්පාදනයක්, රෝග, පොහොර හෝ වටිනාකමක් එකතු නොකරන්න. - ඔබ පදනම් වී ඇති දත්ත රේඛාව එක් එක් ප්රකාශය අසල වරහන් සහිතව පෙන්වන්න. - ඔබට විශ්වාස නැති තැන "දත්ත ප්රමාණවත් නැත" ලියන්න, අනුමාන කරන්න එපා. - මාත්රාව සහ ඖෂධ නිර්දේශ ලබා නොදෙන්න; ඒ වෙනුවට, සත්යාපනය කළ යුතු උපකල්පන 3 ක වෙනම ලැයිස්තුවක් සාදන්න. දත්ත: [ක්ෂේත්ර දත්ත]
ප්රබල ප්රොම්ප්ට් ආකෘතිය මත කරුණු තුනක් පනවයි: මූලාශ්රය වෙත ඇලී සිටින්න, අවිනිශ්චිත බව පිළිගන්න, සහ තීරණාත්මක තීරණය (මාත්රාව) ඉංජිනේරුවරයාට භාර දෙන්න. මෙය මායාව සම්පූර්ණයෙන්ම අවසන් නොකරයි, නමුත් එය දෘශ්යමාන කරයි.
පිටපත් කළ හැකි සැකිලි හතරක්
1) නිර්නාමික සන්දර්භය ස්ථාපිත කිරීම:
මම කෘෂිකාර්මික ඉංජිනේරු පැවරුමක් සඳහා උදව් කිරීමට කැමතියි. ගොවියාගේ නම, ක්ෂේත්ර ඛණ්ඩාංක, පාර්සල් හැඳුනුම්පත සහ පිරිවැය තොරතුරු රහසිගතය; මම ඔවුන්ට "Farmer-A", "Plot-1", "X coordinate" වැනි නියෝජිත ප්රකාශන සමඟ ලබා දෙන්නෙමි. කාර්යය: [කාර්යය]. මා ලබා දෙන තාක්ෂණික දත්ත පමණක් පදනම් කරගෙන බාහිර උපකල්පන එකතු නොකරන්න.
2) නැංගුරම් සත්යාපන ඉල්ලීම් තුනක්:
පහත ප්රතිදානය සඳහා චෙක්පත් තුනක් කරන්න:1) විශාලත්වයේ අනුපිළිවෙල: එක් එක් සංඛ්යාව බෝගය/කලාපය සඳහා අපේක්ෂිත පරාසය තුළ තිබේද?2) කෘෂි විද්යාත්මක පිළිගත හැකි බව: බෝග ජීව විද්යාව/දේශගුණය සමඟ පරස්පර හිමිකම් පෑමක් තිබේද?3) සත්යාපන ලැයිස්තුව: ක්ෂේත්රය/ලබන විද්යාගාරය තුළ තහවුරු කළ යුතු අයිතම. ප්රතිදානය: [පෙළ]
3) අපැහැදිලි බව බලාත්මක කිරීම:
ඔබේ අර්ථ නිරූපණය විශ්වාස මට්ටම් තුනකින් ලබා දෙන්න: - ඉහළ විශ්වාසය (දත්ත මගින් සෘජුවම සහාය දක්වයි) - මධ්යම විශ්වාසය (සාධාරණ කෘෂි විද්යාත්මක අනුමාන) - අඩු විශ්වාසය (සමපේක්ෂනය; ක්ෂේත්ර තහවුරු කිරීම අවශ්ය වේ) සෑම අයිතමයක්ම එහි මට්ටම සඳහන් කරමින් ලියන්න.
4) තීරණයට පෙර රතු කොඩි පරීක්ෂාව:
මම මෙම යෝජනාව අනුගමනය කරන්නේ නම් සහ එක් එක් සඳහා පූර්ව අනතුරු ඇඟවීමේ සංඥා අනුගමනය කළහොත් ඇතිවිය හැකි බරපතලම අවදානම් 3 (පාරිසරික, ආහාර සුරක්ෂිතතාව, ආර්ථික) ලැයිස්තුගත කරන්න.
මූලික සංකල්ප වගුව
වාරය
අර්ථය
එය වැදගත් වන්නේ ඇයි?
කෘෂි විද්යාඥ
කෘෂිකාර්මික ඉංජිනේරු, කෘෂි නිෂ්පාදන විශේෂඥ
තීරණාත්මක තීරණ සඳහා අවසාන වගකීම
මායාව
AI විශ්වාසයෙන් නොපවතින තොරතුරු නිෂ්පාදනය කරයි
තහවුරු කිරීමකින් තොරව විශ්වාස කිරීමේ විශාලතම අවදානම
phenology
ශාකයේ සංවර්ධන අවධීන් ( මතුවීම, මල් පිපීම ...)
කාලසටහන් තීරණ සඳහා පදනම
බිම් සත්යය
ක්ෂේත්රයේ සෘජු නිරීක්ෂණ / මැනීම
සියලුම දුරස්ථ දත්තවල සත්යාපන නැංගුරම
NDVI
වෘක්ෂලතා ජීව ගුණ දර්ශකය
දුරස්ථ සෞඛ්ය නිරීක්ෂණ සඳහා අත්යවශ්ය මෙවලමක්
පොදු වැරදි
- නිරවද්යතාවය සඳහා චතුර ලෙස වරදවා වටහා ගැනීම. AI හි අලංකාර, විශ්වාසදායක තුර්කිය නිමැවුම නිවැරදි බව පෙන්නුම් නොකරයි; වඩාත්ම භයානක මායාවන් වඩාත් දියර වේ.
- සත්යාපනය කිරීම කාලය නාස්ති කිරීමක් යැයි සිතීම. ඔබ සුරකින ලද කාලය පරීක්ෂා කිරීමට වැය නොකරන්නේ නම්, AI ඔබ වෙනුවෙන් දෝෂය වේගවත් කරනු ඇත.
- සංවේදී දත්ත එලෙසම බෙදා ගැනීම. ගොවි සම්බන්ධීකරණය, අස්වැන්න සහ පිරිවැය හිමිකාරිත්වය සහ රහස්යභාවය පිළිබඳ කරුණු වේ; නිර්නාමික කිරීමකින් තොරව බෙදා නොගන්න.
- තීරණාත්මක මාත්රාව තීරණය AI වෙත පැවරීම. පොහොර, පළිබෝධනාශක සහ වාරිමාර්ග මාත්රා සඳහා ක්ෂේත්ර ක්රමාංකනය සහ නීති සම්පාදනය අවශ්ය වේ; AI විසින් කෙටුම්පත් පමණක් නිෂ්පාදනය කරයි.
- එක් නැංගුරමකින් තෘප්තිමත් වීම. විශාලත්වයේ අනුපිළිවෙල දෙස පමණක් බැලීම සහ විශ්වාසනීයත්වය සහ ක්ෂේත්ර සාක්ෂි මඟ හැරීම සියුම් දෝෂ මඟ හැරේ.
අවවාදයයි: AI ඔබට "මෙම ප්රදේශයේ X රෝගයක් තිබේ" යැයි පවසන විට, මෙය උපකල්පනයක් මිස රෝග විනිශ්චයක් නොවේ. රෝග විනිශ්චය; නියැදිය රසායනාගාරයේ සහ බලයලත් ඉංජිනේරුවරයාගේ අනුමැතිය ඇතිව තබා ඇත.
සාරාංශයකින්
කෘත්රිම බුද්ධිය යනු දත්ත සැකසීමේ ආරක්ෂිතම මෙවලම, සන්නිවේදනයේ ත්වරකය සහ කෘෂිකාර්මික ඉංජිනේරු විද්යාවේ අර්ථකථනය කිරීමේ සහ විශ්ලේෂණයේ වටිනාම සහ අවදානම් මෙවලමයි. මෙම මොඩියුලයේ කොඳු නාරටිය නැංගුරම් ශික්ෂා තුනකි: එක් එක් ප්රතිදානය විශාලත්වයේ අනුපිළිවෙලට, කෘෂි විද්යාත්මක විශ්වසනීයත්වය සහ ක්ෂේත්ර සාක්ෂි වලට එරෙහිව පරීක්ෂා කිරීම. මායාව සැබෑ ය, චතුර බව නිරවද්යතාවය නොවේ, තීරණාත්මක තීරණ සඳහා වගකීම සෑම විටම අත්සන් කරන කෘෂි විද්යාඥයා වෙත පැවරේ. පසුකාලීන ඒකක වලදී, අපි මෙම විනය නිරවද්ය කෘෂිකර්මය, NDVI, පස, වාරිමාර්ග, රෝග, දේශගුණය, අස්වැන්න, පිඹුරා සහ සොයා ගැනීමේ හැකියාව එකින් එක භාවිතා කරන්නෙමු.
යෙදුම් කාර්යය
ඔබ සතුව ඇති ක්ෂේත්රයක් සඳහා (හෝ නියෝජිතයෙකු), AI ගෙන් පළමුව දුර්වල විමසුමක් ("මෙම ක්ෂේත්රයේ මා කුමක් කළ යුතුද?") අසන්න, ඉන්පසු මෙම ඒකකයේ ඇති ප්රබල ක්ෂණික අච්චුව සමඟ එකම ප්රශ්නය. ප්රතිදාන දෙක එක පැත්තකින් තබා ලකුණු කරන්න: (1) දත්තවල නොමැති තොරතුරු අඩංගු වාක්ය මොනවාද (අපේක්ෂක මායාව), (2) විශාලත්වය පිරික්සීමේ අනුපිළිවෙලට අසමත් වන සංඛ්යා, (3) ක්ෂේත්රයේ ඔබට සත්යාපනය කිරීමට අවශ්ය අයිතම 3 ක්. එක් ඡේදයක, බලවත් විමසුම දෘශ්යමාන කරන්නේ කුමන දෝෂද යන්න ලියන්න.
පිරික්සුම් ලැයිස්තුව
- [ ] මම කාර්යය දත්ත සැකසීම / අර්ථ නිරූපණය / සන්නිවේදනය ලෙස වර්ග කළ අතර අවදානම් මට්ටම තීරණය කළෙමි.
- [ ] මම ගොවියාගේ අනන්යතාවය, ඛණ්ඩාංක සහ පිරිවැය තොරතුරු නිර්නාමික කළෙමි.
- [ ] මම ප්රමාණය, කෘෂි විද්යාත්මක පිළිගත හැකි බව සහ ක්ෂේත්ර සාක්ෂි සඳහා ප්රතිදානය පරීක්ෂා කළෙමි.
- [ ] මම මායාවන් අපේක්ෂක වාක්ය සලකුණු කර ඒවා නැවත මූලාශ්රය වෙත ගෙන ගියෙමි.
- [ ] මම තීරණාත්මක මාත්රාව/ඖෂධ/වාරිමාර්ග තීරණය බලයලත් ඉංජිනේරුවරයාගේ අනුමැතියට භාර දුන්නෙමි.