ලාභ:
- දත්ත රහස්යතාව (KVKK), ප්රකාශන හිමිකම, රහස්යභාවය ගිවිසුම සහ කෘත්රිම බුද්ධි ප්රතිදානයේ හිමිකාරිත්වය වැනි ආරම්භක නීතිමය සීමාවන් අවබෝධ කර ගැනීමේ හැකියාව
- කෘතිම බුද්ධිය භාවිතා කිරීමේදී සදාචාරාත්මක මූලධර්ම (අඛණ්ඩතාව, විනිවිදභාවය, දත්ත ආරක්ෂණය) සහ සංඝටක පාලන පිරික්සුම් ලැයිස්තුවක් ස්ථාපිත කිරීමේ හැකියාව
- කෘත්රිම බුද්ධි ප්රතිදානය නීතිමය සහ මූල්ය තීරණ ප්රතිස්ථාපනය නොකරන රාමුවකට එය ඇතුළත් කිරීමට හැකිවීම, අවසාන වගකීම සැමවිටම නිර්මාතෘවරයා වෙත පවතියි.
මොඩියුල විභාගය
1. නිර්මාතෘවරයෙක් කෘත්රිම බුද්ධිය විසින් නිපදවන ලද 'වෙළඳපොල ප්රමාණය ඩොලර් බිලියන 5' අගය කිසිදු මූලාශ්රයකට සම්බන්ධ නොකර කෙලින්ම තණතීරුව මත තබයි. මෙම ප්රවේශයේ මූලික වැරැද්ද කුමක්ද?
- A) වෙළඳපල ප්රමාණය ගණනය කළ හැක්කේ උපදේශක සමාගම්වලට පමණි
- B) ප්රාථමික ප්රභවයට සම්බන්ධ නොකර කෘත්රිම බුද්ධි ප්රතිදානය ඉදිරිපත් කිරීම සහ එය සත්යාපනය කිරීම; අංකය ව්යාජ හෝ පැරණි විය හැකි බව නොසලකා හැරීම ✔
- C) වෙළඳපල ප්රමාණය තණතීරු තට්ටුවේ කිසිසේත්ම නොතිබිය යුතුය.
- D) ඩොලර් වෙනුවට ලීරා වලින් අංකය ලබා දී නැත
පැහැදිලි කිරීම: AI හට වෙළඳපල ප්රමාණය (හලුසිනේට්) වැනි සංඛ්යා චතුර ලෙස සෑදිය හැක හෝ පැරණි දත්ත මත රඳා පවතී. ආයෝජකයාට ඉදිරිපත් කරන සෑම රූපයක්ම ප්රාථමික මූලාශ්රයෙන් සත්යාපනය කළ යුතුය; සත්යාපනය නොකළ ප්රතිදානය පරීක්ෂා නොකළ උපකල්පනයක් තරම්ම අවදානම් සහිතය.
2. 'විටමින් හෝ වේදනා නාශක' අතර වෙනස ව්යවසායකත්වය තුළ අදහස් කරන්නේ කුමක්ද?
- A) නිෂ්පාදනය භෞතික හෝ ඩිජිටල්ද යන්න
- B) නිෂ්පාදිතය මිල අඩු හෝ මිල අධික ලෙස විකුණනු ලැබේ
- C) නිෂ්පාදිතය සැබෑ සහ ක්ෂණික වේදනාව (වේදනා සහන) හෝ ප්රසන්න නමුත් බෙදා හැරිය හැකි ප්රතිකාරයක් (විටමින්) විසඳන්නේද යන්න ✔
- D) භාණ්ඩය තනි පුද්ගල හෝ ආයතනික පාරිභෝගිකයින්ට විකුණන්නේද යන්න
විස්තරය: වේදනා සහන සේවාලාභියාගේ සැබෑ සහ ක්ෂණික වේදනාව විසඳයි; එසේ නොමැති නම්, ව්යාපාරය ක්රියා නොකරනු ඇත, එබැවින් ගෙවීමට ඇති කැමැත්ත ඉහළ ය. විටමින් ප්රසන්න නමුත් බෙදා හැරිය හැකි වැඩිදියුණු කිරීමකි. ආරම්භක සාර්ථකත්වයේ අවස්ථා සැබෑ වේදනාවක් විසඳීමට කෙලින්ම සම්බන්ධ වේ.
3. කෘතිම බුද්ධිය සමඟ පාරිභෝගික සංවාද සංස්ලේෂණය කිරීමේදී ඇති විශාලතම අන්තරාය කුමක්ද?
- A) ආචාරශීලීභාවය සහ අනුමත වාක්ය සැබෑ ඉල්ලුම සංඥා ලෙස වරදවා වටහා ගැනීම සහ නියැදි නැඹුරුව නොසලකා හැරීම සහ කියන දේ සහ කරන දේ අතර වෙනස ✔
- B) සම්මුඛ පරීක්ෂණ සටහන් තේමා වලට වෙන් කිරීම
- C) නිර්නාමික සංවාද
- D) රැස්වීම් ගණන වාර්තා කිරීම
පැහැදිලි කිරීම: පාරිභෝගිකයින්ට ආචාරශීලීව 'නියම අදහසක්' පැවසිය හැක; මෙය සංඥාවක් නොවේ. කෘතිම බුද්ධියට මෙම තහවුරු කිරීමේ වාක්ය සැබෑ අවශ්යතා ලෙස සාරාංශ කළ හැකිය. ආරම්භකයා පවසන දේ සහ කරන දේ (හැසිරීම, ගෙවීමට ඇති කැමැත්ත) අතර වෙනස හඳුනාගත යුතුය.
4. තරඟකාරී විශ්ලේෂණයේ දී කෘතිම බුද්ධිය භාවිතා කරන විට වඩාත්ම තීරණාත්මක සත්යාපන පියවර කුමක්ද?
- A) තරඟකරුවන්ගේ ලැයිස්තුව අකාරාදී පිළිවෙලට තැබීම
- B) තරඟකරුවන් සංඛ්යාව අවම වශයෙන් දස දෙනෙකු බව සහතික කිරීම
- ඇ) විශ්ලේෂණය ඉංග්රීසියෙන් පමණක් සිදු කිරීම
- D) කෘතිම බුද්ධිය යල් පැන ගිය හෝ ගොතන ලද තොරතුරු සැපයිය හැකි බැවින්, ප්රාථමික මූලාශ්රයෙන් සෑම තරඟකරුගේම තොරතුරු (මිල, විශේෂාංග, වත්කම්) තහවුරු කිරීම
විස්තරය: කෘත්රිම බුද්ධියේ පුහුණු දත්ත නිශ්චිත දිනයකදී කපා හැරේ; වත්මන් මිල, විශේෂාංග හෝ තරඟකරුවන්ගේ පැවැත්ම පිළිබඳ යල් පැන ගිය හෝ ගොතන ලද තොරතුරු සැපයිය හැක. සෑම තරඟකරුවෙකුගේම හිමිකම් පෑමක් තරඟකරුගේම වෙබ් අඩවිය වැනි ප්රාථමික මූලාශ්රයකින් තහවුරු කළ යුතුය.
5. ව්යාපාර ආදර්ශ කැන්වසය කෘතිම බුද්ධියෙන් පිරවීමෙන් පසු ආරම්භකයාගේ නිවැරදි ආකල්පය කුමක්ද?
- A) ඔප්පු කරන ලද සැලැස්මක් ලෙස කැන්වසය සලකා බැලීම සහ සෘජුවම ක්රියාත්මක කිරීම වෙත ගමන් කිරීම
- B) කැන්වසය උපකල්පනවල සිතියමක් ලෙස දැකීම සහ ක්ෂේත්රයේ පරීක්ෂා කළ යුතු උපකල්පනයක් ලෙස එක් එක් කොටස සැලකීම ✔
- C) අවසාන සත්යය ලෙස ආයෝජකයාට කැන්වසය ඉදිරිපත් කිරීම
- D) කැන්වසය එක් වරක් පුරවා නැවත කිසිදා එය යාවත්කාලීන නොකරන්න
පැහැදිලි කිරීම: කැන්වසය පුරවන විට මතුවන්නේ යථාර්ථයක් නොව උපකල්පනවල සිතියමකි. එක් එක් වාරණ (පාරිභෝගික, ආදායම්, නාලිකාව) ක්ෂේත්රයේ පරීක්ෂා කළ යුතු උපකල්පනයකි; කැන්වසය සත්ය යැයි සිතීම යනු සත්යාපනය නොකළ උපකල්පන සමඟ ඉදිරියට යාමයි.
6. MVP (අවම ශක්ය නිෂ්පාදන) සංවර්ධනයේ ප්රධාන අරමුණ කුමක්ද?
- A) තරඟකරුවන්ට වඩා වැඩි විශේෂාංග තිබීම
- B) පළමු අනුවාදයේ පරිපූර්ණ සහ දෝෂ රහිත නිෂ්පාදනයක් නිෂ්පාදනය කිරීම
- C) අවම උත්සාහයකින් වැඩිම ඉගෙනීමක් ලබා දෙන කුඩාම නිෂ්පාදනය සමඟ උපකල්පන පරීක්ෂා කිරීම ✔
- D) හැකි ඉහළම මිලට විකිණීම
පැහැදිලි කිරීම: MVP හි පරමාර්ථය වන්නේ නිෂ්පාදනය වඩාත් විශේෂාංග සහිතව සෑදීම නොව, අවම උත්සාහයකින් වැඩිම ඉගෙනීමක් ලබා දෙන කුඩාම නිෂ්පාදනය නිෂ්පාදනය කිරීමයි. අධි-ඉංජිනේරුකරණය යනු තහවුරු නොකළ උපකල්පනවල මුදල් හා කාලය වළලන්නට වඩාත්ම මිල අධික ක්රමයයි.
7. ඒකක ආර්ථික විද්යාවේදී සෞඛ්ය සම්පන්න යැයි සැලකීමට LTV/CAC අනුපාතය සඳහා පොදුවේ පිළිගත් සීමාව කුමක්ද සහ එයින් අදහස් කරන්නේ කුමක්ද?
- A) ආසන්න වශයෙන් 3 සහ ඉහළ; ✔ පාරිභෝගිකයාගෙන් ලැබෙන වටිනාකම ඒවා අත්පත් කර ගැනීමේ පිරිවැය මෙන් කිහිප ගුණයක් විය යුතුය
- B) හරියටම 1; ආදායම සහ පිරිවැය සෑම විටම සමාන විය යුතුය
- C) 0.5 පමණ; ආදායමට වඩා වියදම වැඩි වීම සාමාන්ය දෙයක්
- D) 100 සහ ඊට වැඩි; එසේ නොමැති නම්, මුලපිරීම වසා දැමිය යුතුය.
පැහැදිලි කිරීම: LTV (පාරිභෝගිකයෙකුගේ ජීවිත කාලය) සිට CAC (පාරිභෝගිකයෙකු අත්පත් කර ගැනීමේ පිරිවැය) සිට දළ වශයෙන් 3 ට වඩා වැඩි අනුපාතයක් සෞඛ්ය සම්පන්න යැයි සැලකේ; එනම්, පාරිභෝගිකයාගෙන් උපයා ගන්නා දේ ඔහු අත්පත් කර ගැනීමේ පිරිවැය මෙන් කිහිප ගුණයක් විය යුතුය. අනුපාතය 1 ට ආසන්න නම්, ව්යාපාර ආකෘතිය මුදල් අහිමි වේ.
8. කෘතිම බුද්ධිය සමඟ මූල්ය ප්රක්ෂේපණ සකස් කිරීමේදී වඩාත් නිවැරදි ප්රවේශය කුමක්ද?
- A) ආයෝජකයාට කෘත්රිම බුද්ධිය මඟින් ලබා දෙන තනි අංකය නිශ්චිත ආදායමක් ලෙස ඉදිරිපත් කිරීම
- B) ඉහළම වර්ධන තත්ත්වය එකම සැබෑ තත්ත්වය ලෙස පිළිගැනීම
- C) උපකල්පන සැඟවීම සහ ප්රතිඵල වගුව පමණක් බෙදා ගැනීම
- D) උපකල්පන පැහැදිලිව ලැයිස්තුගත කරන්න, අවස්ථා සකස් කරන්න සහ මූල්ය තීරණ විශේෂඥ අනුමැතියට යටත් කරන්න ✔
පැහැදිලි කිරීම: ප්රක්ෂේපණයක් ශක්තිමත් වන්නේ එයට යටින් පවතින උපකල්පන තරම් පමණි. තනි 'නිවැරදි' සංඛ්යාවක් වෙනුවට, ශුභවාදී/යථාර්ථවාදී/අශුභවාදී අවස්ථා ස්ථාපිත කළ යුතු අතර, උපකල්පන පැහැදිලිව ලැයිස්තුගත කළ යුතු අතර, ආයෝජකයාට ඉදිරිපත් කරන මූල්ය තීරණ සහ සංඛ්යා මූල්ය උපදේශකයෙකු වැනි දක්ෂ විශේෂඥයෙකු විසින් සත්යාපනය කළ යුතුය.
9. තණතීරු තට්ටුවක් සකස් කිරීමේදී ආයෝජකයාගේ විශ්වාසය වේගයෙන්ම නැතිවීමට හේතුවන හැසිරීම කුමක්ද?
- A) කණ්ඩායම් විනිවිදකයේ ආරම්භකයින්ගේ ඉතිහාසය පැවසීම
- B) ඔප්පු කළ නොහැකි අතිශයෝක්තියෙන් යුත් සංඛ්යා සහ හිමිකම් සමඟ ඉදිරිපත් කිරීම පුම්බා ✔
- C) තාත්වික සංඛ්යා සමඟ කම්පනය නියෝජනය කිරීම
- D) පැහැදිලි ආයෝජන ආශාවක් ප්රකාශ කිරීම (අසන්න)
පැහැදිලි කිරීම: පළපුරුදු ආයෝජකයින් සංඛ්යා ප්රශ්න කරයි. සත්යාපනය කළ නොහැකි අතිශයෝක්තියට නැංවූ හිමිකම් (උද්ධමනය වූ වෙළඳපල, වර්ධනය පිළිබඳ පදනම් විරහිත පොරොන්දු) දුටු විට, සමස්ත ඉදිරිපත් කිරීමෙහි විශ්වසනීයත්වය බිඳ වැටේ. අවංක, සත්යාපනය කළ හැකි සහ යථාර්ථවාදී ආඛ්යානයක් සෑම විටම ශක්තිමත් වේ.
10. අලෙවිකරණ නාලිකා පරීක්ෂා කිරීමේදී, නාලිකාවක් සැබවින්ම ක්රියා කරන්නේ දැයි ඔබ දන්නේ කෙසේද?
- A) පෝස්ට් එකට ලයික් ගොඩක් ලැබුනොත් විතරයි
- B) නාලිකාවේ පාරිභෝගික අත්පත් කර ගැනීමේ පිරිවැය (CAC) සහ එය ගෙන එන සැබෑ වටිනාකම මැනීම සහ අනෙකුත් නාලිකා සමඟ සංසන්දනය කිරීම මගින් ✔
- C) වැඩිම අනුගාමිකයින් සිටින නාලිකාව තෝරා ගැනීමෙන්
- D) තරඟකරුවන් විසින් භාවිතා කරන නාලිකාව නිවැරදි ලෙස ස්වයංක්රීයව පිළිගැනීම
පැහැදිලි කිරීම: නාලිකාවක සාර්ථකත්වය මනිනු ලබන්නේ නැරඹුම් සංඛ්යාවෙන් හෝ කැමති ප්රමාණයෙන් නොව, අත්පත් කර ගැනීමේ පිරිවැය (CAC) සහ එය එම නාලිකාවෙන් පැමිණෙන පාරිභෝගිකයාට ගෙන එන වටිනාකම අනුව ය. මැනිය නොහැකි නාලිකාවකින් වර්ධනය කළමණාකරණය කළ නොහැකි ය, එය හුදෙක් වාසනාවකි.
11. පහත සඳහන් ඒවායින් 'වැනිටි මෙට්රික්' සඳහා උදාහරණයක් වන්නේ කුමක්ද?
- A) මාසික පුනරාවර්තන ආදායම (MRR)
- B) පාරිභෝගික රඳවා ගැනීමේ අනුපාතය
- C) සම්පූර්ණ සමුච්චිත ලියාපදිංචි කිරීම් ගණන ✔
- D) ගෙවූ පරිවර්තන අනුපාතය
පැහැදිලි කිරීම: නිෂ්ඵල මෙට්රික් යනු හොඳ පෙනුමක් ඇති නමුත් තීරණ නොගන්නා සහ ව්යාපාරයේ සෞඛ්යය පිළිබිඹු නොකරන අංකයකි: සම්පූර්ණ ලියාපදිංචි කිරීම්, පිටු බැලීම්, ආදිය. සැබෑ ප්රමිතික හැසිරීම් සහ මුදල් පිළිබඳ වේ: ක්රියාකාරී පරිශීලකයින්, රඳවා තබා ගැනීම, ආදායම, පරිවර්තන අනුපාතය.
12. ආරම්භකයින්ගේ මරණයට වඩාත් පොදු හේතුවක් වන 'ඔබේ අදහසට ආදරය කිරීම' යන උගුලට එරෙහිව කෘතිම බුද්ධිය නිවැරදිව භාවිතා කරන්නේ කෙසේද?
- A) අදහස නිරන්තරයෙන් ප්රශංසා කරන ලෙස AI ගෙන් ඉල්ලා සිටීමෙන්
- B) පෙළ අලංකාර කිරීම සඳහා පමණක් AI භාවිතා කිරීම
- C) කෘත්රිම බුද්ධිය තීරණය කර වගකීම එයට භාර දෙන්න
- D) යක්ෂයාගේ උපදේශකයෙකු ලෙස කෘතිම බුද්ධිය භාවිතා කිරීම, අදහසේ දුර්වලතා සහ ප්රති-සිද්ධි ජනනය කිරීම සහ පාරිභෝගිකයාගෙන් සැබෑ සාක්ෂි සෙවීම ✔
විස්තරය: ආරම්භකයා තම මතය ආරක්ෂා කිරීමට නැඹුරු වේ; අදහසෙහි දුර්වලතා, අවදානම් සහ ප්රති-දර්ශන උත්පාදනය කිරීමට AI 'යක්ෂයාගේ අනුගාමිකයෙකු' සහ sparring හවුල්කරුවෙකු ලෙස භාවිතා කළ හැක. නමුත් අවසාන සාක්ෂිය වන්නේ සැබෑ පාරිභෝගිකයාගේ හැසිරීම මිස AI නොවේ.
13. ඔබේ ආරම්භය පිළිබඳ තොරතුරු ප්රසිද්ධියේ ලබාගත හැකි කෘත්රිම බුද්ධි මෙවලමකට ඇතුළත් කිරීමේදී හොඳම ප්රවේශය කුමක්ද?
- A) පාරිභෝගික පුද්ගලික දත්ත සහ රහස්ය රහස් නිර්නාමික කිරීම සහ සංවේදී තොරතුරු සඳහා ආයතනික, ගිවිසුම්ගත මෙවලමක් තෝරා ගැනීම ✔
- B) වේගය සඳහා වන පරිදි සම්පූර්ණ අමු පාරිභෝගික ලැයිස්තුව සහ රහසිගත පේටන්ට් කෙටුම්පත ඇලවීම
- C) සමාගමේ නම සඟවා පාරිභෝගික ඊමේල් තබන්න
- D) දත්ත ඇතුලත් කිරීමට පෙර වාචික අවවාදයක් පමණක් ප්රමාණවත් බව සලකමින්
පැහැදිලි කිරීම: පාරිභෝගික පුද්ගලික දත්ත, පේටන්ට් බලපත්ර නොමැති තාක්ෂණික රහස්, සාකච්ඡා කළ කොන්ත්රාත් කොන්දේසි වැනි සංවේදී තොරතුරු ප්රසිද්ධියේ පවතින මෙවලම්වලට ඇතුළත් නොකළ යුතුය; අනන්යතා තොරතුරු නිර්නාමික කළ යුතු අතර, හැකි නම්, සංස්ථාපිත දත්ත සැකසුම් ගිවිසුම්ගත මෙවලම් වඩාත් කැමති විය යුතුය.
14. ව්යවසායකත්වයේ කෘත්රිම බුද්ධිය භාවිතයේ නිවැරදි සීමාව ප්රකාශ කරන්නේ පහත සඳහන් කවරක් ද?
- A) කෘත්රිම බුද්ධියට නිර්මාතෘ වෙනුවට සියලු උපායමාර්ගික සහ මූල්ය තීරණ ගත හැකිය
- B) කෘත්රිම බුද්ධිය භාවිතා කළ හැක්කේ කේතය ලිවීමේදී මිස ව්යාපාරික තීරණ වලදී නොවේ
- C) කෘතිම බුද්ධිය සහකාර සහ තීරණ ආධාරක මෙවලමකි; තීරණාත්මක තීරණ සඳහා වගකීම ආරම්භකයා සතු වේ, නීතිමය/මූල්ය අනුමැතිය විශේෂඥයා සතු වේ ✔
- D) AI ප්රතිදානය සැබෑ පාරිභෝගික පරීක්ෂාව ප්රතිස්ථාපනය කළ හැක
විස්තරය: කෘත්රිම බුද්ධිය යනු සහකාර, කෙටුම්පත් උත්පාදක, පර්යේෂණ ත්වරණකාරක සහ sparring හවුල්කරුවෙකි. කුමන වෙළඳපොළට ඇතුළු විය යුතුද, කුමන නිෂ්පාදනයක් නිෂ්පාදනය කළ යුතුද සහ ආයෝජකයින්ට දිය යුතු අගය වැනි තීරණ සඳහා වගකීම සහ අවසාන අනුමැතිය ආරම්භකයා සමඟ පවතී; නීතිමය සහ මූල්ය විවේචනාත්මක නිමැවුම් සඳහා දක්ෂ විශේෂඥ අනුමැතිය අවශ්ය වේ.