ලාභ:
- ස්ථර හතරකින් දත්ත ආරක්ෂා කිරීමේ හැකියාව (වර්ගීකරණය, නිර්නාමිකකරණය, වාහන තෝරාගැනීම, අවම දත්ත) සහ KVKK වගකීම ඉටු කිරීම
- අවදානම් මට්ටමට අනුව නිමැවුම් සත්යාපනය කිරීමේ හැකියාව සහ සාධාරණත්වය සහ පක්ෂග්රාහීත්වය හරහා මිනිසුන්ට බලපාන නිර්දේශ පෙරහන් කිරීම
- සරල AI පාලන රාමුවක් ස්ථාපිත කිරීමේ හැකියාව සහ AI ප්රතිදානය මූල්ය/නීති/HR/අනුකූලතා තීරණ වල විශේෂඥ අනුමැතිය ප්රතිස්ථාපනය නොවන බව සහතික කිරීම
කළමනාකරුවෙකු ලෙස, ඔබ ඔබේ ව්යාපාරයේ සෑම අස්සක් මුල්ලක් නෑරම AI භාවිතා කිරීමට ඉගෙන ගෙන ඇත: වාර්තා කිරීම, KPI, ස්වයංක්රීයකරණය, මෙහෙයුම්, ප්රසම්පාදන, සන්නිවේදනය, සාරාංශය, දර්ශනය. දැන් අපි මේ බලය වගකීමෙන් භාවිත කිරීමේ රාමුව සකස් කරමින් සිටිනවා. AI වැරදි ලෙස භාවිතා කරන විට, වේගය සහ පහසුව බරපතල අවදානම් බවට හැරේ: කාන්දු වූ පාරිභෝගික ලැයිස්තුවක්, සාදන ලද අංකයක් මත පදනම් වූ තීරණයක්, වෙනස් කොට සැලකීමේ යෝජනාවක්, KVKK උල්ලංඝනයක්. මෙම ඒකකය සමස්ත මොඩියුලය එකට තබා ඇති ආරක්ෂිත දැලකි. එක් වාක්යයක ප්රධාන මූලධර්මය: AI සහායකයෙකි; දත්තවල රහස්යභාවය, නිමැවුමේ නිරවද්යතාවය සහ තීරණයේ ආචාර ධර්ම සැමවිටම කළමනාකරුගේ වගකීම වේ.
දත්ත රහස්යතාව: ආරක්ෂණ ස්ථර හතරක්
ව්යාපාර දත්ත වටිනා වන අතර බොහෝ ඒවා රහස්ය වේ. ස්ථර හතරකින් පුද්ගලිකත්වය ආරක්ෂා කරන්න. පළමු ස්ථරය - වර්ගීකරණය: සෑම දත්ත කැබැල්ලක්ම "පොදු/අභ්යන්තර භාවිතය/රහස්ය/පුද්ගලික" ලෙස ලේබල් කරන්න. රහස්ය සහ පුද්ගලික දත්ත විශේෂ අවධානයක් අවශ්ය වේ. දෙවන ස්ථරය - නිර්නාමිකකරණය: නම, හැඳුනුම්පත, පාරිභෝගික නම, සැපයුම්කරුගේ මිල වැනි හඳුනාගැනීම් AI වෙත ලබා දීමට පෙර ඒවා කේත බවට පරිවර්තනය කරන්න (සේවකයා A, පාරිභෝගික 1). තෙවන ස්ථරය - මෙවලම් තේරීම: හැකි නම්, ආකෘති පුහුණුව සඳහා දත්ත ගබඩා නොකරන සමාගම විසින් අනුමත කරන ලද ආයතනික AI මෙවලම් භාවිතා කරන්න; නොමිලේ ලබා ගත හැකි මෙවලම් සඳහා රහස්ය දත්ත ලබා නොදෙන්න. හතරවන ස්ථරය - අවම දත්ත: කාර්යය කිරීමට අවශ්ය අවම දත්ත ලබා දෙන්න, තවත් නැත.
KVKK (පුද්ගලික දත්ත ආරක්ෂණ නීතිය) සේවක සහ පාරිභෝගික පුද්ගලික දත්ත සැකසීම නියාමනය කරයි; උල්ලංඝනය කිරීම නීතිමය සම්බාධක සහ කීර්ති නාමය අහිමි වීම යන දෙකම ගෙන එයි. සේවාදායක ලැයිස්තුවක් හෝ වැටුප් ලේඛනයක් විවෘත කතාබස් පෙට්ටියකට ඇලවීම හරියට අගුලු දැමූ ගොනුවක් වීදියේ තැබීම වැනිය.
අවවාදයයි: "මෙම මෙවලම ආරක්ෂිත බව පෙනේ" සහතිකයක් නොවේ. AI වෙත කිසියම් දත්තයක් ලබා දීමට පෙර, අසන්න: "මෙම තොරතුරු කාන්දු වුවහොත් සමාගමට සිදුවන හානිය කුමක්ද?" හානිය බරපතල නම්, එක්කෝ දත්ත නිර්නාමික කරන්න, නැතහොත් එය කිසිසේත් මුදා නොහරින්න. සැක නම් දෙන්න එපා.
වලංගුකරණය: අත්සන් නොකළ ප්රතිදානය තීරණයක් නොවේ
මොඩියුලය පුරා පුනරුච්චාරණය කරන ලද විනය මෙහි එක් වහලක් යටට රැස් කර ඇත. සෑම AI ප්රතිදානයක්ම පියවර තුනකින් වලංගු කරන්න: මූලාශ්රය (මා ලබා දුන් දත්ත වලින් අංකයද?), නැවත ගණනය කරන්න (අංක ගණිතය පරීක්ෂා කරන්න), කළමනාකරණ පෙරහන (එය මගේ කර්මාන්ත දැනුමට සහ ක්ෂේත්රයට ගැළපේද?). AI හට මායාවන් ඇති කළ හැක - නොපවතින සංඛ්යා, මූලාශ්ර, හෝ ඒත්තු ගැන්විය හැකි භාෂාවෙන් කරුණු සොයා ගැනීම. චතුර බව නිරවද්යතාවය නොවේ. තීරණය වඩාත් වැදගත් වන තරමට සත්යාපනය වඩාත් දැඩි විය යුතුය.
මට්ටම් තුනකින් අවදානම සලකා බලන්න. අඩු අවදානම් බෙදා හැරීම් (අභ්යන්තර දළ සටහන, හැඩතල ගැන්වීම, සාරාංශය): ඉක්මන් බැල්මක් ප්රමාණවත් වේ. මධ්යම අවදානම් බෙදා හැරීම් (කළමනාකරණයට වාර්තා කිරීම, KPI අදහස්): සෑම අංකයක්ම වලංගු වේ. අධි අවදානම් බෙදාහැරීම් (මූල්ය තීරණය, කොන්ත්රාත්තුව, අනුකූලතා ලේඛනය, මානව සම්පත් ගනුදෙනුව): AI විසින් කෙටුම්පත් පමණක් නිෂ්පාදනය කරයි; දක්ෂ විශේෂඥ සමාලෝචනය, නීතිමය/මූල්ය පාලනය සහ අත්සන අනිවාර්ය වේ. මෙම ක්ෂේත්රවල, AI ප්රතිදානයට කිසිවිටෙක දක්ෂ විශේෂඥ අනුමැතිය ප්රතිස්ථාපනය කළ නොහැක.
ආචාර ධර්ම සහ පක්ෂග්රාහීත්වය: වේගවත් නමුත් සාධාරණයි
AI ඓතිහාසික දත්ත වලින් ඉගෙන ගනී; අතීත නැඹුරුවක් තිබේ නම්, AI එය නැවත නැවත හෝ ශක්තිමත් කරයි. බඳවා ගැනීමක්, උසස්වීමක් හෝ පාරිභෝගික ප්රමුඛතා නිර්දේශයක් කණ්ඩායමකට නොදැනුවත්වම අවාසිදායක විය හැක. එබැවින් මිනිසුන්ට බලපාන සෑම AI යෝජනාවක්ම සාධාරණත්වයේ පෙරහන හරහා දමන්න: "මෙම යෝජනාව අසාධාරණ ලෙස කණ්ඩායමක් බැහැර කරයිද? සාධාරණීකරණය ආරක්ෂා කළ හැකිද?" AI වෙතින් පැහැදිලිවම "මෙම යෝජනාවෙන් අවාසි විය හැක්කේ කුමන කණ්ඩායම්වලටද?" අහන්න.
තවත් සදාචාරාත්මක මූලධර්ම දෙකක්: විනිවිදභාවය - සැලකිය යුතු AI-ජනනය කරන ලද ප්රතිදානය සඟවන්න එපා; තීරණය ගත් ආකාරය පැහැදිලි කිරීමට ඔබට හැකි විය යුතුය. වගවීම - "AI එසේ පැවසීය" නිදහසට කරුණක් නොවේ. මෙවලම භාවිතා කරන කළමනාකරුට වගකීම පැවරේ. AI වරදක් කළ විට, ඔබ වගකිව යුතුය; එබැවින් ඔහු අන්ධ බලධාරියෙකු ලෙස නොව අධීක්ෂණ සහකාරයෙකු ලෙස භාවිතා කරන්න.
AI පාලනය: ආයතනික රාමුවක්
තනි පුද්ගල හොඳ කැමැත්ත ප්රමාණවත් නොවේ; ව්යාපාරය සඳහා සරල AI පාලන රාමුවක් සකසන්න: කුමන මෙවලමට ලබා දිය හැකි දත්ත මොනවාද, AI විසින් කුමන තීරණවලට සහාය දැක්විය හැකිද, විශේෂඥයාට පමණක් අයත් වන, ප්රතිදානයන් වලංගු වන්නේ කෙසේද, වගකිව යුත්තේ කවුරුන්ද යන්න. ලිඛිත, සරල ප්රතිපත්තියක් මුළු කණ්ඩායමම ආරක්ෂා කරන අතර ඊළඟ ඒකකයේ ව්යසනය වළක්වයි.
කුඩා නඩු තුනක්
නඩුව 1 - කාන්දු වීමේ අද්දර සිට ආපසු පැමිණීම. විකුණුම් කළමණාකරුවෙකු සැබෑ පාරිභෝගික නම් සහ පිරිවැටුම් සහිත ලැයිස්තුවක් නොමිලේ AI මෙවලමකට අලවයි. මොහොතක දෙගිඩියාවෙන් ඔහු ඇසුවේ "මේක ලීක් උනොත් මොකද වෙන්නේ?" ඔහු පාරිභෝගික නම් කේතනය කරමින් සහ පිරිවැටුම ටේප් බවට පරිවර්තනය කරමින් ඇසුවේය. විශ්ලේෂණය එකම ගුණාත්මක භාවයෙන් එළියට ආවා; සැබෑ දත්ත කිසිවක් පිටතට ගියේ නැත. කුඩා පුරුද්දක් ප්රධාන KVKK අවදානම වළක්වා ඇත.
නඩුව 2 - සාදන ලද අංකයේ පිරිවැය. ප්රධාන මූල්ය නිලධාරියෙක් YZ විසින් ලබා දුන් "කර්මාන්ත සාමාන්ය සියයට 23" අගයක් එය සත්යාපනය නොකර මණ්ඩලයට ඉදිරිපත් කළේය. අංකය සෑදී ඇත; AI විසින් කිසිදු මූලාශ්රයක් නොමැති සංඛ්යාවක් ඒත්තු ගැන්වෙන ලෙස නිපදවා තිබුණි. වැරදි අගයක් මත පදනම් වූ ආයෝජන මතභේදයක් ඇති වූ අතර එය ආපසු හැරවීමට කාලය ගත විය. පාඩම: පිටතින් එන බව කියන සෑම අංකයක්ම සැබෑ ප්රභවයට සම්බන්ධ නොකර භාවිතා කළ නොහැක.
නඩුව 3 - පක්ෂග්රාහී නිර්දේශය අල්ලා ගැනීම. HR කළමනාකරුවෙක් අපේක්ෂකයින් ශ්රේණිගත කරන ලෙස AI වෙතින් ඉල්ලා සිටියේය. AI ඓතිහාසික දත්ත මත පදනම්ව යම් පාසලක උපාධිධාරීන් ඉස්මතු කරයි. කළමනාකරු අසයි "මෙම යෝජනාවෙන් බැහැර කරන්නේ කුමන කණ්ඩායම්ද?" ඔහු ඇසුවා; AI අතීත නැඹුරුව පුනරුච්චාරණය කරන බව ඔහු සොයා ගත්තේය. ඔහු ශ්රේණිගත කිරීම් තනිකරම රැකියාවට සම්බන්ධ, ආරක්ෂිත නිර්ණායක මත පදනම් වූ අතර අවසාන තීරණය මහජන කමිටුවට පැවරීය.
පිටපත් කළ හැකි සැකිලි හතරක්
1) දත්ත රහස්යතා පිරික්සීම:
ඔබේ කාර්යභාරය: දත්ත රහස්යතා උපදේශක. මම ඔබට මොහොතකින් දත්ත කට්ටලයක් දෙන්නම්. පළමුව, පුද්ගලික/රහස්ය ක්ෂේත්ර (නම, හැඳුනුම්පත, පාරිභෝගික, මිල, වැටුප්) ලැයිස්තුගත කර ඒ එක් එක් නිර්නාමික කරන ආකාරය යෝජනා කරන්න. KVKK අනුව AI වෙත මෙම දත්ත ලබා දීමේ අවදානම කෙටියෙන් ලියන්න. තවමත් විශ්ලේෂණය නොකරන්න.
2) සත්යාපන පිරික්සුම් ලැයිස්තුව:
මට එය කළමනාකරණයට ඉදිරිපත් කිරීමට පෙර පහත AI ප්රතිදානය සත්යාපනය කිරීමට අවශ්යයි. ප්රතිදානයේ එක් එක් සංඛ්යාත්මක හිමිකම් සහ බාහිර මූලාශ්ර හිමිකම් ලැයිස්තුගත කරන්න. සෑම එකක් සඳහාම, "මම සැපයූ දත්තවල මූලාශ්රයද නැතහොත් AI විසින්ම නිපදවා ඇති/නිර්මාණය කර ඇති තොරතුරුද?" අසන්න. 'VERIFY' මාතෘකාව යටතේ නොදන්නා මූලාශ්ර ඇති ඒවා එකතු කරන්න.
3) ආචාර ධර්ම/යුක්තිය පෙරහන:
පහත AI යෝජනාව මිනිසුන්ට බලපායි: [යෝජනා]. මෙම යෝජනාව අසාධාරණ ලෙස අවාසි කළ හැක්කේ කුමන කණ්ඩායම්වලටද? නිර්දේශය ඓතිහාසික දත්ත මගින් පක්ෂග්රාහී විය හැකිද? ව්යාපාර ආශ්රිත, ආරක්ෂිත නිර්ණායක මත පමණක් තීරණය පදනම් කර ගැනීමට මා වෙනස් කළ යුත්තේ කුමක් ද? අවංක වන්න, යෝජනාව ආරක්ෂා නොකරන්න.
4) AI භාවිතය අවදානම් වර්ගීකරණය:
මම AI සමඟ පහත කාර්යය ඉටු කරමි: [කාර්යය]. එය අවදානම් මට්ටමේ තබන්න: අඩු (අභ්යන්තර කෙටුම්පත), මධ්යම (කළමනාකරණයට යන), ඉහළ (මූල්ය/නීත්ය/මානව සම්පත් ප්රතිවිපාක). අවදානම් මට්ටම මත පදනම්ව අවශ්ය සත්යාපනය සහ අනුමත පියවර මොනවාදැයි මට කියන්න. එය ඉහළ අවදානමක් නම්, විශේෂඥ අනුමැතිය අනිවාර්ය බව මතක තබා ගන්න.
දුර්වල ක්ෂණික / ශක්තිමත් විමසුම
දුර්වල ක්ෂණික:
මෙම පාරිභෝගික දත්ත සමඟ මට විශ්ලේෂණයක් දෙන්න. [සැබෑ නම් දත්ත]
විවෘත මෙවලමට සැබෑ පුද්ගලික දත්ත සපයයි; එය KVKK උල්ලංඝනය හා කාන්දු වීමේ අවදානම දරයි. නිමැවුම වලංගු කිරීමට සැලසුමක් ද නොමැත.
බලවත් විමසුම:
ඔබේ කාර්යභාරය: විශ්ලේෂක. මම ඔබට ලබා දුන් දත්තවල, සියලුම නම් කේත කර ඇත (පාරිභෝගික 1-50) සහ මුදල් ටේප් බවට පරිවර්තනය කර ඇත. මෙම නිර්නාමික දත්ත සමඟ කොටස් විශ්ලේෂණය සිදු කරන්න. මම දුන්නු ඉලක්කම් පමණක් භාවිතා කරන්න, බාහිර අංශයේ අංක එකතු නොකරන්න; ඔබ එය එකතු කරන්නේ නම්, කරුණාකර මූලාශ්රය පැහැදිලිව සඳහන් කරන්න එවිට මට එය සත්යාපනය කළ හැක.
ප්රමාණය
දුර්වල ප්රවේශය
ශක්තිමත් ප්රවේශය
දත්ත
සැබෑ නම
නිර්නාමික
KVKK අවදානම
ඉහළ
අඩු
මූලාශ්ර පාලනය
කිසිවක් නැත
අනිවාර්යය
සත්යාපනය
අඩු
ඉහළ
වගකීම
අවිනිශ්චිත
පැහැදිලි කළා
පොදු වැරදි
- විවෘත මෙවලම සඳහා සැබෑ රහස්ය/පුද්ගලික දත්ත ලබා දීම. පළමුව වර්ගීකරණය කර නිර්නාමික කරන්න.
- බාහිර මූලාශ්ර හිමිකම් තහවුරු නොකිරීම. AI හට "කර්මාන්තයේ සාමාන්යය" වැනි සංඛ්යා සෑදිය හැක; මූලාශ්රය වෙත සම්බන්ධ කරන්න.
- අගතිය නොසලකා හැරීම. සාධාරණත්වයේ පෙරහන හරහා මිනිසුන්ට බලපාන යෝජනා දමන්න.
- "AI එහෙම කිව්වා" නිදහසට කරුණ. වගකීම පරිශීලකයා සතුය; වගවීම උපකල්පනය කරන්න.
- අධි අවදානම් තීරණයක් මත විශේෂඥ අනුමැතිය මඟ හැරීම. මූල්ය/නෛතික/HR/අනුකූලතා ප්රතිදානය සඳහා විශේෂඥ අනුමැතිය අවශ්ය වේ.
අවවාදයයි: මෙම මොඩියුලයේ වැදගත්ම වාක්යය: අනුකූලතාව, මූල්ය, නීතිමය සහ මානව සම්පත් වැනි ප්රතිවිපාක ක්ෂේත්රවල AI ප්රතිදානය දක්ෂ විශේෂඥ අනුමැතිය සඳහා ආදේශකයක් නොවේ. AI ඔබේ වේගය වැඩි කරයි, එය ඔබේ විශේෂඥයා ඉවත් නොකරයි. සත්යාපනය නොකළ AI ප්රතිදානයක් අත්සන් නොකළ තීරණයක් තරම්ම අවදානම් සහගතය.
සාරාංශයකින්
වගකීම් සහගත AI භාවිතය කුළුණු තුනක් මත රඳා පවතී: පෞද්ගලිකත්වය, සත්යාපනය සහ ආචාර ධර්ම. ස්ථර හතරකින් දත්ත ආරක්ෂා කරන්න (වර්ගීකරණය, නිර්නාමිකකරණය, මෙවලම් තේරීම, අවම දත්ත) සහ KVKK වගකීම මතක තබා ගන්න. මූලාශ්ර සම්බන්ධ කිරීම, නැවත ගණනය කිරීම සහ පරිපාලන පෙරහන සමඟ එක් එක් ප්රතිදානය වලංගු කරන්න; අවදානම් මට්ටම මත පදනම්ව කඩිසරකම වැඩි කරන්න. සාධාරණත්වයේ පෙරහන හරහා මිනිසුන්ට බලපාන යෝජනා ඉදිරිපත් කර විනිවිදභාවය සහ වගවීම පවත්වා ගන්න. සරල AI පාලන රාමුවක් මුළු කණ්ඩායමම ආරක්ෂා කරයි. සහ සෑම විටම: අධි අවදානම්, ප්රතිවිපාක සහිත ප්රදේශවල, දක්ෂ විශේෂඥ අනුමැතිය සඳහා AI ආදේශකයක් නොවේ.
යෙදුම් කාර්යය
ඔබේම ව්යාපාරය සඳහා "AI භාවිත මාර්ගෝපදේශ" වල පිටු භාගයක කෙටුම්පතක් ලියන්න. ඇතුළත් කරන්න: කුමන මෙවලමට ලබා දිය හැකි දත්ත මොනවාද, දත්ත නිර්නාමික කරන්නේ කෙසේද, කුමන ප්රතිදානයන් වලංගු කළ යුතුද, කුමන තීරණ විශේෂඥයාට පමණක් අයිති සහ වගකිව යුත්තේ කවුරුන්ද යන්න. ඉහත “AI භාවිත අවදානම් වර්ගීකරණය” අච්චුව භාවිතා කරමින්, ඔබ පසුගිය සතියේ AI සමඟ කළ කාර්යයන් 5 අවදානම් මට්ටමට දමා එක් එක් සඳහා නිවැරදි සත්යාපන පියවර ලියන්න.
පිරික්සුම් ලැයිස්තුව
- [ ] මම දත්ත වර්ගීකරණය කර නිර්නාමික කර තිබේද?
- [ ] මම සමාගම අනුමත/ආරක්ෂිත මෙවලමක් සහ අවම දත්ත භාවිතා කළාද?
- [ ] මම එක් එක් නිමැවුම අවදානම් මට්ටමට එරෙහිව වලංගු කර තිබේද?
- [ ] සාධාරණත්වය තුළින් මිනිසුන්ට බලපාන යෝජනා මා පෙරා තිබේද?
- [ ] අධි අවදානම් තීරණ සඳහා මට විශේෂඥ අනුමැතිය අවශ්ය වී තිබේද?
මොඩියුල විභාගය
1. AI වෙත රැකියාවක් බාහිරින් ලබා ගැනීමට පෙර වැඩ ස්ථරය (යාන්ත්රික / විශ්ලේෂණ / තීරණය) සහ සත්යාපන දැඩි බව තීරණය කිරීමට කළමනාකරුවෙකුගෙන් ඇසිය යුතු ප්රශ්නය කුමක්ද?
- A) මෙම ප්රතිදානය වැරදි නම් එහි ප්රතිඵලය කුමක්ද? ✔
- B) කෘතිම බුද්ධිය හැකි ඉක්මනින් මෙම කාර්යය අවසන් කළ හැකිද?
- ඇ) මෙම මෙවලම නොමිලේද?
- D) මෙම කාර්යය මීට පෙර සිදු කර තිබේද?
විස්තරය: නිවැරදි භාවිතයේ පදනම වන්නේ අවදානම් මට්ටම අනුව රැකියාව වර්ගීකරණය කිරීමයි. 'මෙම ප්රතිදානය වැරදි නම් එහි ප්රතිඵලය කුමක්ද?' කාර්යය යාන්ත්රික, විශ්ලේෂණාත්මක හෝ වගකිවයුතු තීරණයක් ද යන්න සහ එබැවින් කොපමණ සත්යාපනයක් අවශ්යද යන්න ප්රශ්නය තීරණය කරයි.
2. කෘත්රිම බුද්ධිය මගින් ලබා දී ඇති 'කර්මාන්ත සාමාන්ය සියයට 23' අගයක් සත්යාපනයකින් තොරව අධ්යක්ෂ මණ්ඩලයට ඉදිරිපත් කරන අතර එම අගය ගොතන ලද එකක් බව පෙනී යයි. මෙම නඩුවේදී නොසලකා හරින ලද මූලික විනය කුමක්ද?
- A) කෘත්රිම බුද්ධිය භාවිතා කිරීමේ රීතිය උදෑසන කාලයේ පමණි
- B) ප්රභවයට සම්බන්ධ කිරීමෙන් ප්රතිදානය සත්යාපනය කිරීමේ විනය ✔
- C) වාර්තාව වර්ණ වගුවකට පරිවර්තනය කිරීම
- D) දිගු විමසුමක් ලිවීම
පැහැදිලි කිරීම: කෘත්රිම බුද්ධිය සමහර විට නොපවතින සංඛ්යාවක් ඒත්තු ගැන්වෙන භාෂාවකින් (මායාව) නිපදවයි. ප්රතිදානය මූලාශ්රයට සම්බන්ධ කිරීමේ පියවර මඟින් සෑම සංඛ්යාවක්ම සැබෑ මූලාශ්රයකින් පැමිණෙන්නේද නැතහොත් සෑදී තිබේද යන්න පරීක්ෂා කරයි. මෙය මඟ හැරිය විට වැරදි තීරණ ගැනීමේ අවදානමක් ඇත.
3. ඊ-වාණිජ්ය සමාගමක මුළු පිරිවැටුම ස්ථායී බවක් පෙන්නුම් කරන අතර, අංශයේ බිඳවැටීමෙන් හෙළි වන්නේ ඉහළ ලාභ කාණ්ඩයක් සියයට 22 කින් අඩු වී ඇති අතර අඩු ලාභ අලෙවිය මෙය වසන් කරන බවයි. මෙම උදාහරණය නිදර්ශනය කරන්නේ කුමන මූලධර්මයද?
- A) මුළු සංඛ්යාව සෑම විටම වඩාත්ම විශ්වසනීය දර්ශකය වේ
- B) ලාභදායිත්වය වැදගත් නොවේ, පිරිවැටුම පමණක් වැදගත් වේ
- C) සම්පූර්ණ සංඛ්යා ආපසු හැරවීම් සැඟවිය හැක; ඛණ්ඩ බිඳවැටීම සත්යය හෙළි කරයි ✔
- D) අංශ විශ්ලේෂණය වලංගු වන්නේ විශාල සමාගම් සඳහා පමණි
පැහැදිලි කිරීම: මුළු සංඛ්යා අභ්යන්තර ප්රතිවර්තන සැඟවිය හැක. තීරණ ආධාරක කාර්යයේ සමස්තයට වඩා බිඳවැටීම (කොටස් විශ්ලේෂණය) දෙස බැලීමෙන් සත්යය හෙළි වේ; ස්ථාවර එකතුවක් යටතේ විශාල වෙනස්කම් සැඟවිය හැක.
4. ආපනශාලා කළමනාකරුවෙකු 'සති අන්තයේ විකුණුම් උෂ්ණත්වය සමඟ ගමන් කරයි' යන සොයාගැනීම 'උණුසුම් කාලගුණය විකුණුම් වැඩි කරයි' ලෙස අර්ථකථනය කර වායුසමීකරණය ප්රතික්ෂේප කරයි; කෙසේ වෙතත්, සැබෑ හේතුව වූයේ සති අන්තයේ පාරිභෝගික තදබදය වැඩි වීමයි. මෙම දෝෂය කුමක්ද?
- A) හේතුඵල සඳහා වැරදි සහසම්බන්ධය ✔
- B) ප්රමාණවත් දත්ත රැස් නොකිරීම
- C) වැරදි ප්රස්ථාර වර්ගය තෝරා ගැනීම
- D) දත්ත නිර්නාමික නොකිරීම
පැහැදිලි කිරීම: කරුණු දෙකක් එකට ක්රියා කළ පමණින් (සහසම්බන්ධතාවය) එකක් අනෙකට (හේතුව) හේතු වන බව අදහස් නොවේ. උෂ්ණත්වය සහ විකුණුම් අහඹු ලෙස එකම දිශාවකට ගමන් කරයි; පොදු හේතුව වූයේ සති අන්තයේ වාහන තදබදයයි. කෘත්රිම බුද්ධිය මගින් සොයාගත් සම්බන්ධතා සාක්ෂි නොවේ, නමුත් පරීක්ෂා කළ යුතු උපකල්පන.
5. හොඳ කළමනාකරණ වාර්තාවක 'පිරමිඩ' ව්යුහයේ ඉහළින්ම ඇත්තේ කුමක්ද?
- A) අමු දත්ත වගු
- B) විධායක සාරාංශය ✔
- C) අතිරේක ලේඛන සහ පාද සටහන්
- D) පෙර වසරවල සියලුම සංඛ්යා
පැහැදිලි කිරීම: හොඳ වාර්තාවක් පිරමීඩයකි: ඉහළින්ම, කාර්යබහුලම පාඨකයාට තත්පර 30 කින් තේරුම් ගැනීමට සැලසුම් කර ඇති විධායක සාරාංශය (උණ්ඩ 3-5); විවේචනාත්මක සොයාගැනීම් පහතින්; පතුලේ ආධාරක විස්තරය ඇත. මේ අනුව, ඉහළ කළමනාකරු පමණක් ඉහළින් කියවන අතර කුතුහලයෙන් සිටින ඕනෑම අයෙකු පහළට පැමිණේ.
6. ඇමතුම් මධ්යස්ථානයක් 'දිනකට පිළිතුරු දුන් ඇමතුම් ගණන' KPI එකක් කරන විට, නියෝජිතයින් ඇමතුම් ඉක්මන් කර පාරිභෝගික තෘප්තිය අඩු කරයි. මෙම තත්වය පෙන්නුම් කරන්නේ කුමන මූලධර්මයද?
- A) KPIs වැඩි වන තරමට කළමනාකරණය වඩා හොඳය
- B) ඇමතුම් මධ්යස්ථානවල KPI භාවිතා කළ නොහැක
- C) වේගය සෑම විටම ගුණාත්මක භාවයට පෙර පැමිණේ
- D) හැසිරවිය හැකි KPI එය මැනීමට අදහස් කරන ප්රතිඵලයට වඩා අහිතකර හැසිරීම් දිරිමත් කළ හැකිය ✔
පැහැදිලි කිරීම: දර්ශකයක් ඉලක්කයක් බවට පත් වූ විට, මිනිසුන් එය රැවටීමට මාර්ග සොයා ගනී (Goodhart's Law). 'ඇමතුම් ගණන' පහසුවෙන් හසුරුවන අතර සැබෑ ප්රතිඵලය (විභේදනය, තෘප්තිය) මනින්නේ නැත. එබැවින් KPI තෝරා ගැනීමට පෙර ඔබ 'එය දිරිමත් කරන්නේ කුමන අහිතකර හැසිරීමද?' යන්න විමසිය යුතුය.
7. ක්රියාවලි ස්වයංක්රීයකරණයේදී 'පළමුව ක්රියාවලිය සරල කරන්න, පසුව ස්වයංක්රීය කරන්න' යන රීතියට හේතුව කුමක්ද?
- A) ස්වයංක්රීයකරණය ද බිඳුණු ක්රියාවලියක අසාර්ථකත්වය වේගවත් කරයි; ක්රියාවලිය පළමුව නිවැරදි කළ යුතුය ✔
- B) සරල කිරීම ස්වයංක්රීයකරණය කළ නොහැක
- C) සරල කිරීම නීතිමය වගකීමක් පමණි
- D) ස්වයංක්රීයකරණය සෑම විටම සරල කිරීමට වඩා ලාභදායී වේ
විස්තරය: ස්වයංක්රීයකරණය ක්රියාවලියේ වේගය වැඩි කරයි; ක්රියාවලිය දූෂිත නම් එය දෝෂය වේගවත් කරයි. ගිණුම්කරණ ඒකකයක අනවශ්ය පියවර 5 ක් ස්වයංක්රීය වූ විට, අනවශ්ය පියවර වේගයෙන් ක්රියාත්මක විය. පළමුව, ක්රියාවලිය සරල කළ යුතුය, පසුව වේගවත් කළ යුතුය.
8. පාරිභෝගිකයාට ස්වයංක්රීය ප්රතිචාර දැක්වීමේදී 'human-in-the-loop' නිර්මාණයේ අරමුණ කුමක්ද?
- A) ස්වයංක්රීයකරණය සම්පූර්ණයෙන්ම නැවැත්වීම
- B) කෘතිම බුද්ධියේ තීරණ අධිකාරිය වැඩි කිරීම
- C) වැඩි වේගයක් පවත්වා ගනිමින් තීරණාත්මක අවස්ථාවක මානව අනුමැතිය ඇතිව දෝෂය ගැලවී යාම වැළැක්වීම ✔
- D) මානව ශ්රම බලකාය සම්පූර්ණයෙන් ඉවත් කිරීම
පැහැදිලි කිරීම: Human-in-the-loop නිර්මාණය යනු ස්වයංක්රීය ක්රියාවලියේ තීරණාත්මක අවස්ථාවක මානව අනුමැතියකි. AI කෙටුම්පත නිෂ්පාදනය කරයි, මිනිසා ඉක්මනින් එය අනුමත කරයි, පසුව එය යවනු ලැබේ. මෙමගින් වැඩි වේගයක් ආරක්ෂා කර ගනිමින් දෝෂයක් කෙලින්ම පිටතට යාම වළක්වයි; කණ්ඩායමක් මෙම අනුමැතිය ඉවත් කළ විට, වැරදි තොරතුරු පාරිභෝගිකයා වෙත ළඟා විය.
9. ගෘහ භාණ්ඩ වැඩමුළුවක නිෂ්පාදනය මන්දගාමී වේ; කළමනාකරුට වඩාත්ම මිල අධික යන්ත්රය (කැපීම) ප්රතිස්ථාපනය කිරීමට අවශ්ය වේ, නමුත් විශ්ලේෂණයෙන් පෙන්නුම් කරන්නේ බාධකය ඩයි කිරීමේ-වියළීමේ පියවර බවයි. මෙහෙයුම් විශ්ලේෂණයේ මූලික මූලධර්මය කුමක්ද?
- A) වඩාත්ම මිල අධික පියවර සෑම විටම වැඩිදියුණු කළ යුතුය
- B) සම්පූර්ණ ප්රවාහයම මන්දගාමී කරන බාධකය වැඩිදියුණු කිරීම ඉලක්ක කළ යුතුය ✔
- C) සියලුම පියවර සමානව වේගවත් කළ යුතුය
- D) බාධක සංකල්පය වලංගු වන්නේ නිෂ්පාදන මාර්ගවල පමණි
පැහැදිලි කිරීම: ක්රියාවලියක වේගය යනු එහි මන්දගාමීම පියවරේ (බාධකයේ) වේගයයි. බාධකයෙන් පිටත පියවර වේගවත් කිරීම මුදල් හා උත්සාහය නාස්තියකි; වැඩ කරන එකම දෙය වන්නේ බාධකය පුළුල් කිරීමයි. කළමනාකරු මරා දැමීම වෙනුවට දෙවන වියළන උඳුනක ආයෝජනය කළ විට වේගය සියයට 28 කින් වැඩි විය.
10. මිලදී ගැනීමේදී, කළමනාකරුවෙකු ලාභම අමුද්රව්ය සැපයුම්කරු වෙත මාරු වන නමුත් සැපයුම්කරුගේ දුර්වල බෙදාහැරීමේ විශ්වසනීයත්වය නොසලකා හරියි; ප්රධාන ප්රමාදයන් දෙකක් නිෂ්පාදනය නතර වේ. මෙම තත්ත්වයෙන් පාඩම කුමක්ද?
- A) සෑම විටම වඩාත්ම මිල අධික සැපයුම්කරු තෝරා ගත යුතුය
- B) බෙදා හැරීමේ විශ්වසනීයත්වය අදාල නොවේ
- C) සැපයුම්කරු එක් මානයකින් (මිල පමණක්) ඇගයීමට ලක් නොකළ යුතුය, නමුත් විශ්වසනීයත්වය සහ අවදානම ඇතුළුව බහු මානයන් ✔
- D) සැපයුම්කරුවන්ගේ තීරණ කෘතිම බුද්ධියට පමණක් පැවරිය යුතුය
විස්තරය: සැපයුම්කරු තෝරාගැනීම බහුමාන වේ: මිල, ගුණාත්මකභාවය, බෙදා හැරීමේ කාලය, විශ්වසනීයත්වය, මූල්ය සෞභාග්යය සහ අවදානම එක්ව ඇගයීමට ලක් කළ යුතුය. මිල දෙස බැලීමෙන් පමණක් උපයාගත් වට්ටමට වඩා බොහෝ ගුණයකින් පාඩු සිදුවිය හැකිය; නිෂ්පාදනය අහිමි වීම වට්ටම් අතුගා දැමීය.
11. නිරන්තරයෙන් ප්රමාද වන කණ්ඩායමකට කෝපාවිෂ්ඨ, රළු විද්යුත් තැපෑලක් යැවීමට පෙර කළමනාකරුවෙකු කළ යුතු හොඳම දේ කුමක්ද?
- A) හැඟීම් සැබෑ බැවින් පණිවිඩය එලෙසම යැවීම
- B) කෘත්රිම බුද්ධියෙන් ස්වර ද්රාවණය දිශානත කර එය මිනිස් පෙරනයක් හරහා ගමන් කිරීම ✔
- C) පණිවිඩය කිසිසේත් නොයවා ගැටලුව නොසලකා හැරීම
- D) පණිවිඩය ශක්තිමත් කිරීම
පැහැදිලි කිරීම: කෝපයට පත් වූ විට ලියන ලද පණිවිඩ වහාම නොයැවිය යුතුය. කෘත්රිම බුද්ධියට 'ස්වනය ගෞරවනීය සහ විසඳුම්-නැඹුරු ස්වරයකට වෙනස් කරන අතරම එකම අපේක්ෂාවන් සහ සීමා මායිම් පවත්වාගෙන යාම' පණිවිඩයේ සාරය ආරක්ෂා කරයි, එහි ස්වරය නිවැරදි කරයි සහ නැවත යථා තත්ත්වයට පත් කිරීමට අපහසු වීම වළක්වයි; එවිට ප්රතිදානය මිනිස් පෙරීම සිදු කරයි.
12. රැස්වීම් සාරාංශයක් පවසන්නේ AI 'අයවැය වැඩි කිරීම අනුමත කර ඇති' බවයි; කෙසේ වෙතත්, ‘අයවැය වැඩි කිරීම ඇගයීමට ලක් කරන’ බව එම රැස්වීමේදී කියැවිණි. මෙම අනතුර වළක්වා ගැනීමට නිවැරදි මාර්ගය කුමක්ද?
- A) සාරාංශය කියවීමෙන් තොරව වහාම බෙදා හරින්න
- B) සාරාංශය සත්යාපනය කරන්න, තීරණය හැකියාවෙන් වෙන් කර එය සහභාගිවන්නන් විසින් තහවුරු කරන්න ✔
- ඇ) රැස්වීමේ සාරාංශය කිසිසේත් සිදු නොකිරීම
- D) තීරණයක් ලෙස දීර්ඝතම වාක්යය පමණක් සලකා බැලීම
විස්තරය: AI තීරණ වැරදි ලෙස බෙදා හැරිය හැක; 'ඇගයිය යුතු' සහ 'අනුමත කළ යුතු' අතර වෙනස ඉතා වැදගත් වේ. රැස්වීම් සාරාංශය බොහෝ විට 'නිල මතකය' වේ, එබැවින් සෑම සාරාංශයක්ම කියවා, තීරණයෙන් වෙනස් කර බෙදා හැරීමට පෙර සහභාගිවන්නන් සමඟ තහවුරු කළ යුතුය.
13. සිද්ධි සැලසුම් කිරීමේදී, අනාගතය තනි පුරෝකථනයකට (උදාහරණයක් ලෙස, 'අපි සියයට 15කින් වර්ධනය වනු ඇත') වෙනුවට අවම වශයෙන් අවස්ථා තුනක් (ශුභවාදී, මූලික, අශුභවාදී) පිහිටුවීමේ අරමුණ කුමක්ද?
- A) කෘතිම බුද්ධියට අනාගතය නිවැරදිව පුරෝකථනය කළ හැකිය
- B) සත්යය කුමන දිශාවට ගියත්, කලබල නොවී, කලබල නොවී සැලැස්ම ක්රියාවට නැංවීමට ✔
- C) අඩු දත්ත එකතු කරන්න
- D) කල්තියා තනි නිවැරදි අනාගතයක් තෝරා ගැනීම
පැහැදිලි කිරීම: යථාර්ථය යනු විරාමයකි; තනි අනුමානයක් මත පදනම් වූ සැලැස්ම සාක්ෂාත් කර නොගතහොත් එය කඩා වැටෙනු ඇත. බහුවිධ අවස්ථා සඳහා ප්රතිචාර කල්තියා සූදානම් කිරීම යථාර්ථය කුමන ආකාරයෙන් ගමන් කළත් කලබලයට වඩා සැලැස්මක් ක්රියාත්මක කළ හැකි බව සහතික කරයි. අරමුණ අනාගතය දැන ගැනීම නොව, සූදානම් නොවී අල්ලා නොගැනීමයි.
14. ව්යාපාර කළමනාකරණයේදී කෘත්රිම බුද්ධිය භාවිතය සම්බන්ධයෙන් පහත සඳහන් දේවලින් සත්ය කුමක්ද?
- A) කෘත්රිම බුද්ධි ප්රතිදානය මූල්ය, නෛතික සහ මානව සම්පත් ප්රතිවිපාක ඇති තීරණ වල දක්ෂ විශේෂඥ අනුමැතිය ප්රතිස්ථාපනය නොකරයි ✔
- B) කෘත්රිම බුද්ධි ප්රතිදානය නිවැරදි නම් විශේෂඥ අනුමැතිය අවශ්ය නොවේ
- C) එය ආරක්ෂිතව පෙනෙන තාක් කල් සැබෑ පාරිභෝගික දත්ත විවෘත මෙවලම් සඳහා ලබා දිය හැක
- D) 'AI එසේ කීවා' යනු වගවීම සඳහා වලංගු සාධාරණීකරණයකි
අනාවරණය: AI ප්රතිදානය අනුකූලතාව, මූල්ය, නීතිමය සහ මානව සම්පත් වැනි ප්රතිවිපාක ක්ෂේත්රවල දක්ෂ විශේෂඥ අනුමැතිය සඳහා ආදේශකයක් නොවේ. කෘතිම බුද්ධිය යනු වේගය වැඩි කරන සහායකයකි; දත්තවල රහස්යභාවය, නිමැවුමේ නිරවද්යතාවය සහ තීරණයේ ආචාර ධර්ම සැමවිටම කළමනාකරුගේ වගකීම වේ. සත්යාපනය නොකළ ප්රතිදානයක් අත්සන් නොකළ තීරණයක් තරම්ම අවදානම් සහගතය.