මෝටර් රථ ඉංජිනේරු විද්‍යාවේ කෘතිම බුද්ධිය සහ සත්‍යාපන විනය හැඳින්වීම

ලාභ:

• වාහන සංවර්ධන ජීවන චක්‍රයේ (V-model) කෘතිම බුද්ධිය සැබෑ වටිනාකමක් නිපදවන්නේ කොතැනද සහ දක්ෂ ඉංජිනේරුවෙකුගේ වගකීම විය යුත්තේ කුමන තීරණද යන්න වෙන්කර හඳුනා ගැනීමේ හැකියාව
• එක් එක් AI ප්‍රතිදානය විශාලත්වයේ අනුපිළිවෙල, ඉංජිනේරු විද්‍යාව සහ ස්වාධීන පරීක්ෂණ/මිනුම් සාක්ෂි වලට එරෙහිව පරීක්ෂා කරන නැංගුරම් වලංගු කිරීමේ විෂයයන් තුනක් යෙදීමේ හැකියාව
• මායාව, අපැහැදිලි බව, වෙළඳ රහස් සහ ක්‍රියාකාරී ආරක්ෂක අවදානම් හඳුනා ගැනීම සහ සන්දර්භය නිර්නාමික කිරීම මගින් ආරක්ෂිත විමසීම් සැකසීමේ පුරුද්ද ලබා ගැනීම

මෝටර් රථ ඉංජිනේරු; එය වාහනයක සංකල්ප ඇඳීමෙන් ආරම්භ වන දැවැන්ත දාමයක් වන අතර එය සැලසුම් කිරීම, අනුකරණය කිරීම, මූලාකෘතිය, පරීක්ෂණ, මහා පරිමාණ නිෂ්පාදනය සහ ක්ෂේත්‍ර අධීක්ෂණය දක්වා විහිදේ. අද, කෘතිම බුද්ධිය (කෙටියෙන් කිවහොත්, AI, හෝ AI) මෙම දාමයේ සෑම සබැඳියකම ත්වරණකාරකයක් ලෙස ක්‍රියාත්මක වේ. නමුත් මෝටර් රථ කර්මාන්තයේ වැරැද්දක් රසායනාගාරයේ ඉතිරිව ඇති වැරැද්දක් නොවේ: එයින් අදහස් කරන්නේ පාරේ මිලියන ගණනක් වාහන සඳහා ආරක්ෂාව, නැවත කැඳවීම සහ මිනිස් ජීවිතයයි. එබැවින්, මෙම මොඩියුලයේ පළමු හා වැදගත්ම වාක්යය වන්නේ: කෘතිම බුද්ධිය ඉංජිනේරුවා වේගවත් කරයි, නමුත් අයිතිකරු සහ ආරක්ෂාව-විවේචනාත්මක තීරණය සඳහා වගකිව යුතු සෑම විටම දක්ෂ ඉංජිනේරුවා වේ.

මෙම ඒකකය තුළ, වාහන සංවර්ධනයේදී AI සැබෑ වටිනාකමක් නිපදවන්නේ කොතැනද, රතු ඉරි ඇති ස්ථාන සහ එක් එක් AI ප්‍රතිදානය විනයානුකූලව වලංගු කරන්නේ කෙසේද යන්න අපි ඉගෙන ගනිමු.

වාහන සංවර්ධනයේ V-ආකෘතිය සහ AI හි ස්ථානය

මෝටර් රථ සංවර්ධනය බොහෝ විට V-ආකෘතිය සමඟ විස්තර කෙරේ. V-ආකෘතිය; අවශ්‍යතා සහ සැලසුම් පියවරයන් වම් පසින් පහළට යමින්, මෘදුකාංග/දෘඪාංග ක්‍රියාත්මක කිරීම පහළින්, සහ දකුණු පසින් සත්‍යාපනය සහ ඒකාබද්ධතා පරීක්‍ෂණ ඉහළට යමින්, "V" අකුරක ආකාරයෙන් ඉදිරියට යන සංවර්ධන ක්‍රියාවලිය එයයි. වම් අතෙහි, "අපි කුමක් කරමුද" යන්න නිර්වචනය කර ඇත (අවශ්‍යතාවය, පද්ධති සැලසුම), දකුණු අතෙහි, "අපි එය නිවැරදිව කර තිබේද" යන්න පරීක්ෂා කරනු ලැබේ (ඒකක පරීක්ෂාව, ඒකාබද්ධ කිරීම, මෙවලම් සත්‍යාපනය).

කෘතිම බුද්ධිය මෙම V හි සෑම අංශයක්ම පාහේ ස්පර්ශ කරයි:

• වම් අත (නිර්මාණය): ජනක සැලසුම් සහිත සැහැල්ලු කොටස් ජ්‍යාමිතිය යෝජනා කරන්න, ආදේශක ආකෘතිය සමඟ අනුකරණය වේගවත් කරන්න, අවශ්‍යතා පාඨ වලින් නොගැලපීම් අල්ලා ගන්න.
• උප (ක්‍රියාත්මක කිරීම): කේත උත්පාදන සහාය, පරීක්ෂණ අවස්ථා ව්‍යුත්පන්න, ක්‍රමාංකන පරාමිති පරිලෝකනය.
• දකුණු අත (සත්‍යාපනය): පරීක්ෂණ දත්ත වලින් විෂමතා සලකුණු කිරීම, වාර්තා කෙටුම්පත, විඳදරාගැනීමේ පරීක්ෂණ සාරාංශය.
• නිෂ්පාදනය සහ ක්ෂේත්‍රය: දෘශ්‍ය දෝෂ හඳුනාගැනීම, පුරෝකථන නඩත්තු කිරීම, ටෙලිමෙට්‍රි විශ්ලේෂණය, සැපයුම් දාම පුරෝකථනය.

ඉඟිය: "තීරණ සාදන්නා" නොව, "ඊයම් උත්පාදනය කරන සහ අවධානය ආකර්ෂණය කරන" සහායකයෙකු ලෙස AI ස්ථානගත කරන්න. ඉංජිනේරු සාක්ෂි තීරණය කරයි.

අපි AI වෙත ඉතිරි කරන්නේ කුමක්ද සහ අප නොකළ යුත්තේ කුමක්ද?

සාමාන්‍ය රීතිය: පුනරාවර්තන, දත්ත තීව්‍ර, පළමු කෙටුම්පත් වැඩ මත AI ශක්තිමත් වේ; විනිශ්චය, ආරක්ෂාව සහ අවසාන අනුමැතිය මිනිසා සතුය. පහත වගුව මෙම වෙනස මූර්තිමත් කරයි.

ගවේෂණය

AI හි කාර්යභාරය

තීරණයේ හිමිකරු

මාර්ග පරීක්ෂණ පටිගත කිරීමේ පේළි 50,000 ක විෂමතා ස්කෑන් කිරීම

ස්වයංක්‍රීය සලකුණු කිරීම, පූර්ව පරීක්ෂාව

පරීක්ෂණ ඉංජිනේරු

තිරිංග මෘදුකාංග ආරක්ෂණ සත්‍යාපනය

පරීක්ෂණ අවස්ථාවක් යෝජනා කරන්න

ක්රියාකාරී ආරක්ෂක ඉංජිනේරු

සංකල්ප චැසි ජ්‍යාමිතිය ජනනය කිරීම

විකල්ප උත්පාදනය (උත්පාදක)

නිර්මාණ/CAE ඉංජිනේරු

වෑල්ඩින් මැහුම් දෝෂ වර්ගීකරණය

රූපයේ පූර්ව හඳුනාගැනීම

ගුණාත්මක ඉංජිනේරු / ක්රියාකරු

සමලිංගික (වර්ගය අනුමැතිය) ප්රකාශය

කෙටුම්පත් පෙළ

වගකිවයුතු ඉංජිනේරු / කළමනාකරු

සැලකිල්ලට ගත යුතු කරුණක්: වගුවේ දකුණු තීරුව කිසි විටෙකත් "AI" විය නොහැක. විමෝචන ප්‍රකාශය, බිඳවැටීම් ආරක්ෂණ අනුමැතිය, තිරිංග කාර්ය සාධනය යනාදී කරුණු පිළිබඳ අවසාන අත්සන සෑම විටම බලයලත් පුද්ගලයකු සතු වේ. මෙය බොහෝ රටවල සදාචාරාත්මක පමණක් නොව, නීතිමය වගකීමකි.

නැංගුරම් සත්‍යාපන විෂයයන් තුනක්

මෙම මොඩියුලය පුරාම අපි ස්වාධීන "නැංගුරම්" තුනකට එරෙහිව සෑම AI ප්‍රතිදානයක්ම පරීක්ෂා කරන්නෙමු. නැංගුරම; නැව නිසි තැන තබා ගන්නා බර මෙන්, එය AI අපව ඇදගෙන යාම වළක්වයි.

1. විශාලත්වය පරීක්ෂා කිරීමේ අනුපිළිවෙල: ප්රතිඵලය දළ වශයෙන් නිවැරදි පරිමාණයද? මගී මෝටර් රථයක් ශුන්‍යයේ සිට පැයට කිලෝමීටර සියයක් දක්වා වේගවත් කිරීම තත්පර 6-9 පමණ වේ; AI "තත්පර 0.6" යැයි පැවසුවහොත් යමක් වැරදියි. මිනිත්තු 2 කින් බැටරිය සම්පූර්ණයෙන්ම ආරෝපණය කිරීමට නිර්දේශ කිරීම භෞතිකව සැක සහිතය.
2. ඉංජිනේරු විද්‍යාව: ප්‍රතිඵලය භෞතික විද්‍යාව සහ ඉංජිනේරු බුද්ධිය සමඟ අනුකූලද? ඔබ සැහැල්ලු කරන කොටසක් මිල අඩු, ශක්තිමත් සහ එකවර නිෂ්පාදනය කිරීමට පහසු නම්, "නොමිලේ දිවා ආහාරය නැත" යන මූලධර්මය මතක තබා ගන්න; කොහේ හරි හංගපු වෙළඳාමක් තියෙනවා.
3. ස්වාධීන පරීක්ෂණ/මිනුම් සාක්ෂි: ශක්තිමත්ම නැංගුරම. භෞතික පරීක්‍ෂණයට අනුකරණය, සත්‍ය දත්තවලට පුරෝකථනය, AI සාරාංශය අමු දත්ත සමඟ සසඳන්න. කිසිදු ආරක්‍ෂාව වැදගත් නිමැවුමක් සාක්ෂි නොමැතිව පිළිගනු නොලැබේ.

අවවාදයයි: AI හට ඉතා චතුර සහ විශ්වාසී භාෂාවෙන් වැරදි තොරතුරු නිපදවිය හැක; මෙය හලුසිනේෂන් ලෙස හැඳින්වේ. චතුර බව නිරවද්‍යතාවයේ සාක්ෂියක් නොවේ. විශ්වාසයෙන් කී පමණින් සංඛ්‍යාවක්, සම්මත අංකයක් හෝ ද්‍රව්‍යමය ගුණයක් නිවැරදි යැයි නොසිතන්න; මූලාශ්‍රයෙන් තහවුරු කරන්න.

කුඩා සිද්ධි අධ්‍යයන

නඩුව 1 - ඇණවුම් දෝෂය අල්ලා ගැනීම. අභ්‍යාසලාභියෙකුට වාහනයේ වායුගතික ඇදගෙන යාමේ බලය AI මගින් ගණනය කර පැයට කිලෝමීටර 100 ක වේගයෙන් "12,000 N" ප්‍රතිඵලය ලබා ගනී. ජ්යෙෂ්ඨ ඉංජිනේරුවරයා මට්ටම් පරීක්ෂාවක් සිදු කරයි: මෙම වේගයෙන් සාමාන්ය මගී මෝටර් රථයක ඇදගෙන යාමේ බලය 300-400 N (30-40 kgf පමණ) වේ. N12,000 යනු තිස් ගුණයකින් වැඩි ය. පරීක්ෂා කිරීමේදී, AI වායු ඝනත්වය සඳහා වැරදි ඒකකයක් භාවිතා කරන බව පෙනේ (g/cm³ ව්‍යාකූලත්වය kg/m³ වෙනුවට). ප්‍රතිඵලය: සරල ශ්‍රේණිගත පරීක්ෂාවකින් පැය ගණන් වැරදි සැලසුම් තීරණ වලක්වා ඇත.

නඩුව 2 - සාධාරණ පෙරහන. ප්‍රසම්පාදන කණ්ඩායමක් AI වෙතින් පිරිවැය අඩු කිරීමේ උපදෙස් ඉල්ලා සිටී; AI නිර්දේශ කරන්නේ තනි සැපයුම්කරුවෙකුගෙන් මිලදී ගැනීම, 8% ඉතිරි කර ගැනීමයි. සැලසුම් කළමණාකරු විශ්වාසනීයතා පරීක්ෂාවක් සිදු කරයි: මෙම කොටස ආරක්ෂිත-විවේචනාත්මක වායු බෑග් සංවේදකයක් වන අතර, එම කර්මාන්ත ශාලාවේ ඇනහිටීමක් සිදුවුවහොත් එකම ප්‍රභවය සියලු නිෂ්පාදන නවතා දමනු ඇත. දෙවන මූලාශ්‍රය සහ කොටස් බෆරය එක් කිරීමෙන් යෝජනාව නිවැරදි කෙරේ. ප්‍රතිඵලය: 8% ඉතිරි කර ගැනීම සඳහා "රේඛාව නැවැත්වීමේ" අවදානම වැළකුණි.

නඩුව 3 - ස්වාධීන සාක්ෂි. CAE කණ්ඩායමක් වේගවත් ආදේශක ආකෘතියක් සහිත හුඩ් පුවරුවේ කම්පනය (NVH - ශබ්දය, කම්පනය, රළුබව) හැසිරීම පුරෝකථනය කරයි; මෙම ආකෘතිය 47 Hz හි අනුනාදයක් (නිශ්චිත සංඛ්‍යාතයක අධික කම්පනයක්) පුරෝකථනය කරයි. කණ්ඩායම භෞතික මාදිලි පරීක්ෂාවකින් මෙය තහවුරු කරයි; සැබෑ උච්චය 44 Hz දී සිදු වේ. වෙනස කුඩා නමුත් වැදගත් ය; ආදේශක ආකෘතිය සම්මත කර ඇත, නමුත් සැලසුම් ආන්තිකය ඒ අනුව පුළුල් වේ. නිගමනය: වේගවත් AI පුරෝකථනය භාවිතා කරන ලද නමුත් ස්වාධීන සාක්ෂි සහිතව ක්රමාංකනය කරන ලදී.

ආරක්ෂිත විමසුමක් සැකසීම: පුද්ගලිකත්වය සහ වෙළඳ රහස්

මෝටර් රථ දත්තවල බොහෝ විට වෙළඳ රහස් (නව මාදිලි නිර්මාණය, සැපයුම්කරු මිල) හෝ පුද්ගලික දත්ත (රියදුරු ස්ථානය, VIN - චැසි අංකය) අඩංගු වේ. පොදු ක්ලවුඩ් AI මෙවලමකට අමු රහස්‍ය දත්ත යැවීම විශාල අවදානමකි.

පහත දැක්වෙන්නේ දුර්වල සහ ශක්තිමත් විමසුම්වල සංසන්දනයකි.

දුර්වල ක්ෂණික:

මම X සන්නාමයේ අපගේ 2027 මාදිලියේ විදුලි SUV ව්‍යාපෘතියේ සැබෑ බැටරි පරීක්ෂණ දත්ත එකතු කරමි, අපගේ සෛල සැපයුම්කරු Y සමාගමයි, ඒකක මිල 92 USD වේ. මෙම VIN සහිත වාහන සඳහා පරාසයක ගැටළුව විසඳන්න:[සැබෑ VIN ලැයිස්තුව]

මෙම විමසුම මඟින් නිෂ්පාදනය, ආකෘතිය, සැපයුම්කරු, මිල සහ පුද්ගලික VIN අනාවරණය කරයි; එය පෞද්ගලිකත්වයට මෙන්ම තරඟකාරීත්වයට ද භයානක ය.

බලවත් විමසුම:

භූමිකාව: මම විදුලි වාහන බැටරි පරීක්ෂණ ඉංජිනේරුවෙක්. සන්දර්භය: මම මගී SUV බැටරියක (ආසන්න වශයෙන් 75 kWh) පරාස ප්ලාවිතය විමර්ශනය කරමි. මම දත්ත නිර්නාමික කළෙමි; වෙළඳ නාම A/B ලෙසත්, වාහන වාහන_1..වාහන_20 ලෙසත් සංකේත කර ඇත. කාර්යය: අමුණා ඇති (නිර්නාමික) උෂ්ණත්ව පරාස වගුවේ පරාසයට වඩාත්ම බලපාන විචල්‍ය 3 ලැයිස්තුගත කර එක් එක් සඳහා සත්‍යාපන පරීක්ෂණයක් යෝජනා කරන්න. සීමා කිරීම: නිශ්චිත හේතුවක් ඉල්ලා නොසිටින්න; උපකල්පනය සහ සත්‍යාපන පියවර දෙන්න. ප්‍රතිදානය: වගුව + ප්‍රමුඛතා අනුපිළිවෙල.

ඉඟිය: ව්‍යවසාය දත්ත ගිවිසුමක් සමඟ AI පරිසරයක් භාවිතා කරන්න (පුහුණුවේදී ඔබේ දත්ත භාවිතා නොකිරීම), දත්ත නිර්නාමික කිරීම සහ අවශ්‍ය අවම තොරතුරු පමණක් සපයන්න (දත්ත අවම කිරීම).

හොඳ විමසුම සඳහා RGBÇ රටාව

මෙම මොඩියුලයේ අපි නැවත නැවතත් භාවිතා කරන සරල රටාව: භූමිකාව - කාර්යය - සන්දර්භය - ප්රතිදානය (RGBÇ).

භූමිකාව: [AI ක්‍රියා කළ යුතු විශේෂඥයා] කාර්යය: [එක වාක්‍යයකින් ඔබට අවශ්‍ය කුමක්ද] සන්දර්භය: [ඒකක, සීමා කිරීම්, සම්මත, නිර්නාමික දත්ත] සීමා කිරීම: [දේ නොකරන්න, අවිනිශ්චිතතාවයෙන් කරන්නේ කුමක්ද] ප්‍රතිදානය: [වගුව/ලැයිස්තුව/කේතය, කුමන ආකෘතිය]

භූමිකාව: ඔබ පළපුරුදු NVH (ශබ්ද-කම්පන) ඉංජිනේරුවෙකි. කාර්යය: සුක්කානම කම්පන පැමිණිල්ල සඳහා විය හැකි මූල හේතු ලැයිස්තුගත කරන්න. සන්දර්භය: ඉදිරිපස අක්ෂය, 80-100 km/h, මට්ටම් මාර්ගයේ; ටයර් දැන් සමතුලිත කර ඇත. සීමා කිරීම: බොහෝ දුරට ඉඩ ඇති සිට අවම වශයෙන් විය හැකි දක්වා වර්ග කරන්න; එක් එක් හේතුව සඳහා තනි සත්‍යාපන මිනුමක් යෝජනා කරන්න. ප්‍රතිදානය: අංකිත ලැයිස්තුව + සත්‍යාපන තීරුව.

භූමිකාව: ඔබ මෝටර් රථ ගුණාත්මක ඉංජිනේරුවෙකි. කාර්යය: වෑල්ඩින් දෝෂ වාර්තාවක් 5W1H (කුමක්ද/ඇයි/කොහේද...) ආකෘතියට පරිවර්තනය කරන්න. සන්දර්භය: රොබෝ ස්ථාන වෙල්ඩින්, ශරීර රේඛාව; පසුගිය මාරුවීම් 3 තුළ දෝෂ අනුපාතය වැඩි විය. ප්‍රතිදානය: ව්‍යුහගත සාරාංශය + 3 ක්ෂණික පාලන නිර්දේශ.

කාර්යභාරය: දත්ත විශ්ලේෂකයෙකු ලෙස කටයුතු කරන්න. කාර්යය: පහත ටෙලිමෙට්‍රි තීරු විස්තර කියවා අනාවැකි නඩත්තු කිරීම සඳහා අපේක්ෂක ගුණාංග 8ක් යෝජනා කරන්න. බාධාව: අනාගත තොරතුරු භාවිතා කරමින් ගුණාංග නිර්දේශ කිරීම (කාන්දු වීමේ අවදානම); එක් එක් ගුණාංගයට හේතුව ලියන්න.ප්‍රතිදානය: ගුණාංගය | සාධාරණීකරණය | කාන්දු අවදානම (Y/N) වගුව.

පොදු වැරදි

• සාක්‍ෂි සඳහා AI ප්‍රතිදානය වරදවා වටහා ගැනීම. ද්‍රව පෙළ සත්‍යාපනය කළ ඉංජිනේරු නොවේ. සෑම අංකයක්ම නැංගුරම් දමන්න.
• තරාතිරමේ චෙක්පත මග හැරීම. මෙය ලාභම සහ බලවත්ම දෝෂ උගුල් කිරීමේ ක්‍රමයයි; තත්පර දහයක් ගත වේ.
• අමු රහස්‍ය දත්ත යැවීම. වෙළඳ නාමය, සැපයුම්කරු, මිල, VIN වැනි තොරතුරු නිර්නාමිකකරණයකින් තොරව බෙදා ගැනීම කොන්ත්‍රාත්තුව සහ නීතිය උල්ලංඝනය කිරීමකි.
• අවිනිශ්චිතතාවය නොසලකා හැරීම. "ඔයාට විශ්වාස ද?" අසනවා වෙනුවට සාක්ෂි ඉල්ලන්න; AI හි විශ්වාසය එහි නිරවද්‍යතාවයේ මිනුමක් නොවේ.
• AI මත වරද පැටවීම. "ආකෘතිය එසේ කීවේය" යනු ආරක්ෂාවක් නොවේ; අත්සන ඔබේ ය.

සාරාංශයක් ලෙස

• AI යනු වාහන සංවර්ධනයේ V-ආකෘතියේ සෑම අදියරකදීම ත්වරකයකි; නමුත් ආරක්ෂාව පිළිබඳ තීරණාත්මක තීරණය සහ අනුමැතිය සෑම විටම දක්ෂ ඉංජිනේරුවරයා සතුවේ.
• නැංගුරම් තුනකට එරෙහිව සෑම AI ප්‍රතිදානයක්ම පරීක්ෂා කරන්න: විශාලත්වයේ අනුපිළිවෙල, ඉංජිනේරු විද්‍යාව, ස්වාධීන පරීක්ෂණ/මිනුම් පිළිබඳ සාක්ෂි.
• මායාව සැබෑ ය; චතුර බව නිරවද්‍යතාවය නොවේ.
• රහස්‍ය සහ පුද්ගලික දත්ත නිර්නාමික කරන්න, දත්ත අවම කිරීම ක්‍රියාත්මක කරන්න, ව්‍යවසාය AI පරිසරය භාවිතා කරන්න.
• හොඳ විමසීම් සඳහා, Role-Task-Context-Output (RGBÇ) රටාව භාවිතා කරන්න.

යෙදුම් කාර්යය

ඔබගේම ව්‍යාපාරයකින් (හෝ මනඃකල්පිත මගී මෝටර් රථ ව්‍යාපෘතියකින්) කාර්යයක් තෝරන්න: උදාහරණයක් ලෙස "තිරිංග පෑඩ් ඇඳීම් අනාවැකිය". (1) V-ආකෘතියේ ඔබ මෙම කාර්යය ස්ථානගත කරන්නේ කොහේද? (2) AI සහ තීරණයේ හිමිකරුගේ භූමිකාව වගුවක ලියන්න. (3) RGBÇ රටාව සමඟ විමසුමක් ලියන්න සහ එහි ඇති සියලුම රහස්‍ය/පුද්ගලික තොරතුරු නිර්නාමික කරන්න. (4) ඔබ AI වෙතින් ලැබෙන ප්‍රතිචාරය පරීක්ෂා කරන නැංගුරම් තුනක් සමඟ අයිතම තුනකින් සටහන් කරන්න.

පිරික්සුම් ලැයිස්තුව

• [ ] මම V-ආකෘතියේ මගේ කාර්යයේ ස්ථානය තීරණය කළෙමි.
• [ ] මම AI හි භූමිකාව සහ අවසාන තීරණයේ හිමිකරු වෙන වෙනම ලිව්වෙමි.
• [ ] මම මගේ විමසුමේ වෙළඳ නාමය/සැපයුම්කරු/මිල/VIN වැනි තොරතුරු නිර්නාමික කළෙමි.
• [ ] මම RGBS රටාව භාවිතා කළෙමි (භූමිකාව, කාර්යය, සන්දර්භය, බාධාව, ප්‍රතිදානය).
• [ ] නැංගුරම් තුනකින් (ශ්‍රේණිය, විශ්වසනීයත්වය, ස්වාධීන සාක්ෂි) ප්‍රතිදානය සත්‍යාපනය කිරීමට මා සතුව සැලසුමක් ඇත.
• [ ] ආරක්ෂක-විවේචනාත්මක තහවුරු කිරීම මිනිසා සමඟ පවතින බව මම තහවුරු කර ඇත්තෙමි.