ලාභ:
- ආර්ථික විශ්ලේෂණයේදී කෘතිම බුද්ධියේ ප්රධාන සීමාවන් ක්රමානුකූලව ලැයිස්තුගත කිරීමේ හැකියාව (නිපදවීම, දත්ත කපා හැරීමේ දිනය, හේතුකාරක අන්ධභාවය, ව්යුහාත්මක බිඳීම)
- රහස්ය දත්ත, වෙළඳපල සංවේදී තොරතුරු සහ පුද්ගලික දත්ත ආරක්ෂා කරන ආරක්ෂිත භාවිතයක් සහ KVKK අනුකූල කාර්ය ප්රවාහයක් ස්ථාපිත කිරීමේ හැකියාව
- ව්යවසාය මට්ටමේ AI පාලන රාමුවක් (ලියාපදිංචිය, සත්යාපනය, වගවීම, අනුමත දාමය) සැලසුම් කිරීමේ සහ ක්රියාත්මක කිරීමේ හැකියාව
මොඩියුල විභාගය
1. මහ බැංකුකරුවෙකු විසින් AI ජනනය කරන ලද උද්ධමන පුරෝකථනයක් කිසිදු සත්යාපනයකින් තොරව සෘජුවම නිල ප්රතිපත්ති සටහනකට ඇතුළත් කරයි. මෙම ප්රවේශයේ මූලික වැරැද්ද කුමක්ද?
- A) ප්රභවයට සම්බන්ධ නොකර කෘතිම බුද්ධි ප්රතිදානය තීරණයක් බවට පරිවර්තනය කිරීම, එය නැවත ගණනය කිරීම සහ ආර්ථික සත්යාපනයට භාජනය කිරීම; වගකීම මිනිසුන් සතු බව නොසලකා හැරීම ✔
- B) ආර්ථික අනාවැකි වලදී කෘතිම බුද්ධිය භාවිතා කිරීම දැඩි ලෙස තහනම්ය
- C) කෘත්රිම බුද්ධිය සෑම විටම උද්ධමනය ඊට වඩා අඩුවෙන් පෙන්වයි
- D) අනාවැකිය ප්රස්ථාරයක ඉදිරිපත් කර නැත
විස්තරය: කෘතිම බුද්ධිය සංඛ්යානමය දළ සටහනක් නිපදවයි; නමුත් පුරෝකථනය කිරීමේ වගකීම සහ විධිමත් ප්රතිපත්ති සංක්ෂිප්තයේ අන්තර්ගතය දක්ෂ ආර්ථික විද්යාඥයා සහ ආයතනය වෙත පැවරේ. සත්යාපනය නොකළ ප්රතිදානය අත්සන් නොකළ වාර්තාවක් තරම්ම අවදානම් ය; අංකය මුල් මූලාශ්රයට සම්බන්ධ කර නැවත ගණනය කර ආර්ථික පෙරහනක් හරහා යැවිය යුතුය.
2. ඔබ කෘත්රිම බුද්ධියෙන් '2024 Türkiye හි ජංගම ගිණුමේ හිඟ සංඛ්යාව මට දෙන්න' යැයි විමසන විට ආරක්ෂිතම ප්රවේශය කුමක්ද?
- A) කෘතිම බුද්ධිය මඟින් ලබා දෙන අංකය විශ්වාස කර එය සෘජුවම භාවිතා කරන්න
- B) CBRT හි නිල ගෙවුම් ශේෂ ප්රකාශනයේ සංඛ්යාව තහවුරු කිරීම සහ දිනය/ඒකකය සත්යාපනය කිරීම ✔
- C) අන්තර්ජාලයේ අහඹු පුවත් අඩවියකින් අංකය ලබා ගැනීම
- D) එය කෙසේ හෝ වෙනස් වන බැවින් අංකය නොසලකා හැරීම
පැහැදිලි කිරීම: කෘත්රිම බුද්ධිය මඟින් ලබා දෙන අංකය පුහුණු දත්තවල කඩඉම් දිනයට වඩා පැරණි විය හැකිය හෝ සෑදිය හැකිය (මායාව). ආර්ථික දත්තවල එකම නිවැරදි මූලාශ්රය වන්නේ නිල ප්රකාශනයයි; මෙම උදාහරණයේ දී, එය CBRT ගෙවීම් ශේෂයේ සංඛ්යා ලේඛන වේ. අංකය මුල් මූලාශ්රයෙන් තහවුරු කළ යුතුය.
3. විශ්ලේෂකයෙක් කෘතිම බුද්ධියට අමු CPI ශ්රේණි ලබා දී 'සැබෑ වර්ධනය ගණනය කරන්න' කියයි. පහත ඒවායින් නිවැරදි වලංගු කිරීමේ හැසිරීමක් යනු කුමක්ද?
- A) වාර්තාව කියවීමෙන් තොරව ප්රතිඵලය එකතු කිරීම
- B) ප්රතිඵලය 'සාධාරණද' යන්න පමණක් බැලීම
- C) ජනනය කරන ලද සූත්රය/කේතය කියවීමෙන් සහ අවම වශයෙන් එක් කාල පරිච්ඡේදයක් හෝ අතින් ගණනය කිරීමෙන් ප්රතිඵලය තහවුරු කරන්න ✔
- D) කෘතිම බුද්ධියෙන් අසන්න 'ඔබට විශ්වාසද?' සහ 'ඔව්' යන පිළිතුරෙන් සෑහීමකට පත්වීම
පැහැදිලි කිරීම: තාත්වික-නාමික පරිවර්තනය වැනි සම්මත ආර්ථික ගණනය කිරීම් වලදී, AI නිවැරදි සූත්රය භාවිතා නොකළ හැකිය හෝ පාදක වර්ෂය මිශ්ර නොකළ හැකිය. විශ්ලේෂක විසින් ජනනය කරන ලද කේතය සහ සූත්රය කියවිය යුතුය, අවම වශයෙන් එක් නිරීක්ෂණයක් අතින් ගණනය කර ප්රතිඵලය සංසන්දනය කළ යුතුය. විනිවිද පෙනෙන, පැහැදිලි කළ හැකි ගිණුම්කරණය වඩාත් කැමති වේ.
4. කාල ශ්රේණි පුරෝකථනය කිරීමේදී 'පසුපරීක්ෂණය' සිදු කරන්නේ ඇයි?
- A) ආකෘතිය ඓතිහාසික දත්තවලට ගැලපෙන ආකාරය පෙන්වීමට
- B) ඇස්තමේන්තුව ස්වයංක්රීයව අවසන් කිරීමට
- C) දත්ත අලංකාර කිරීම සඳහා
- D) පූර්ව කාලපරිච්ඡේදයන්හි පුහුණුව නොලබන විට ආකෘතිය පරීක්ෂා කිරීමෙන් සැබෑ අනාවැකි සාර්ථකත්වය මැනීමට ✔
විස්තරය: Backtest විසින් එය නොදන්නා අතීතයේ කාල පරිච්ඡේදවල ආකෘතිය කෙතරම් හොඳින් පුරෝකථනය කරයිද යන්න මැන බලයි; එය ගැලපෙන දත්ත දෙස පමණක් බැලීමෙන් එය ආකෘතිය අධික ලෙස සවි කිරීමේ උගුලෙන් ආරක්ෂා කරයි. එය සැබෑ ලෝකයේ ආකෘතියේ උපයෝගීතාව සඳහා පූර්වාවශ්යතාවයකි.
5. උද්ධමන අදහස් වල 'මූලික බලපෑම' යනු කුමක්ද සහ එය අවධානය යොමු කළ යුත්තේ ඇයි?
- A) පසුගිය වසරේ සංසන්දනාත්මක කාලපරිච්ඡේදයේ අඩු/ඉහළ ✔ මගින් වාර්ෂික වෙනස බලපායි
- B) උද්ධමනය සෑම විටම ඉහළ යයි
- C) මූලික උද්ධමනය සිරස්තලයට වඩා වැඩි වීම
- D) මිල ගණන් සෘතුමය ගැලපීම
පැහැදිලි කිරීම: මූලික බලපෑම නම්, වාර්ෂික වෙනස්වීම් අනුපාතිකය පසුගිය වසරේ (පාදක) අඩු හෝ ඉහළ මෙන්ම මෙම වසරේ සංවර්ධනයට බලපාන බවයි. ප්රධාන වාර්ෂික උද්ධමනය පහත වැටීමට හේතු විය හැක්කේ පසුගිය වසරේ ඉහළ පදනමක් මිස සැබෑ මන්දගාමිත්වයක් නොවේ. AI සාරාංශවල මෙම අන්තරාය බොහෝ විට නොසලකා හරිනු ලැබේ.
6. කෘත්රිම බුද්ධියේ කාර්යභාරය අවස්ථා අධ්යයනයකදී වඩාත් නිවැරදිව නිර්වචනය කළ හැක්කේ කෙසේද?
- A) අනාගතය නිශ්චිතව දන්නා දක්ෂයෙක්
- B) තමා විසින්ම උපකල්පන තීරණය කරන අවසාන තීරණ ගන්නා
- C) පැහැදිලි උපකල්පන විනිවිද පෙනෙන ගණනය කිරීම් බවට පත් කර විකල්ප දෘශ්යමාන කරන සහායකයෙක්; විනිශ්චය මිනිසා තුළ ඇත ✔
- D) පිටපත අනවශ්ය කරන නිරවද්යතාවයේ මෙවලමක්
පැහැදිලි කිරීම: සිද්ධිය අනාවැකියක් නොව, පැහැදිලි උපකල්පන මත පදනම් වූ කොන්දේසි සහිත 'එසේ නම්-එවිට' අභ්යාසයකි. AI යනු උපකල්පන පැතුරුම්පත් බවට පරිවර්තනය කිරීමේ සහ විකල්ප දෘශ්යමාන කිරීමේ ත්වරණයකි; කෙසේ වෙතත්, උපකල්පනවල හිමිකාරිත්වය, ඒවායේ සාධාරණත්වය සහ අවසාන විනිශ්චය ආර්ථික විද්යාඥයා සතුය.
7. ප්රතිගාමී ප්රතිදානයක් අර්ථකථනය කිරීමේදී AI 'X වැඩි කරයි Y' වැනි ප්රබල හේතුකාරක භාෂාව භාවිතා කරයි. නිවැරදි ආර්ථික විද්යා ප්රතිචාරය කුමක්ද?
- A) හේතුඵල භාෂාව එලෙසම පිළිගැනීම
- B) අතහැර දැමූ විචල්යයන්/අන්තර්ජාතිකත්වයේ අවදානම් පරීක්ෂා කිරීමෙන් සහ සම්බන්ධතාවය යනු හේතුකාරක නොවන බව නිවැරදි කිරීමෙන් භාෂාව නිවැරදි කරන්න.
- C) ප්රතිගාමීත්වය සම්පූර්ණයෙන්ම ඉවත දැමීම
- D) R-චතුරශ්රය වැඩි නම් හේතුකාරක බව සනාථ වේ
පැහැදිලි කිරීම: ප්රතිගමනය බොහෝ දුරට සම්බන්ධතාවය (සහසම්බන්ධතාවය) මනිනු ලබයි; හේතු කාරකය ප්රකාශ කළ හැක්කේ සුදුසු සැලසුම් (පරීක්ෂණ, උපකරණ විචල්ය, ස්වාභාවික අත්හදා බැලීම, ආදිය) සහ උපකල්පන යටතේ පමණි. අතහැර දැමූ විචල්යයන්, ආවේණිකත්වය සහ ප්රතිලෝම හේතුකාරක අවදානම පවතී. ආර්ථික විද්යාඥයා මෙම අධික හේතුකාරක භාෂාව මැඩලිය යුතු අතර කොන්දේසි ප්රශ්න කළ යුතුය.
8. ඔබ කෘත්රිම බුද්ධිය ආර්ථික විද්යා මාතෘකාවක් පිළිබඳ සාහිත්ය සාරාංශයක් සකස් කර ඇති අතර, පෙළ '(Yılmaz, 2019)' වැනි යොමු දක්වයි. ඔබ මුලින්ම කළ යුත්තේ කුමක්ද?
- A) වාර්තාවේ උපුටා දැක්වීම් එලෙසම තැබීම
- B) බොහෝ උපුටා දැක්වීම් ඇති නිසා පමණක් හොඳ තත්ත්වයේ උපකල්පනය කිරීම
- C) ප්රකාශන වර්ෂවල අනුකූලතාව දෙස බැලීම පමණි
- D) සෑම සඳහනක්ම සත්ය වශයෙන්ම පවතින බවත් සොයාගැනීම ✔ අඩංගු බවත් මුල් මූලාශ්රයෙන් තහවුරු කරන්න
පැහැදිලි කිරීම: කෘතිම බුද්ධිය ඇත්ත වශයෙන්ම නොපවතින මූලාශ්ර සහ යොමු ඉදිරිපත් කළ හැක (මායාව). සෑම යොමුවක්ම එය සත්ය වශයෙන්ම පවතින බවත්, එහි ආරෝපණය නිවැරදි බවත්, එහි ඇත්ත වශයෙන්ම හිමිකම් කියන ලද සොයාගැනීම අඩංගු බවත් මුල් මූලාශ්රයෙන් තහවුරු කළ යුතුය. සත්යාපනය නොකළ ආරෝපණය ශාස්ත්රීය සහ වෘත්තීය අවදානමකි.
9. පොදු ආර්ථික වාර්තාවක අවිනිශ්චිතභාවය ප්රකාශ කිරීමට වඩාත්ම අවංක ක්රමය කුමක්ද?
- A) තනි නිශ්චිත අංකයක් ලබා දීම සහ අවිනිශ්චිත බව කිසිසේත් සඳහන් නොකිරීම
- B) නරකම අවස්ථාව සඟවා ශුභවාදී අංකය පමණක් ලබා දීම
- C) පුරෝකථන පරාසය, අවස්ථා සහ යටින් පවතින උපකල්පන පැහැදිලිව සඳහන් කරන්න ✔
- D) 'එය සංකීර්ණ' යැයි පවසමින් අවිනිශ්චිතතාවය බැහැර කිරීම
පැහැදිලි කිරීම: ආර්ථික පුරෝකථනය කිරීමේදී සහ විශ්ලේෂණය කිරීමේදී අවිනිශ්චිතතාවය නොවැළැක්විය හැකිය. තනි නිශ්චිත සංඛ්යාවක් වෙනුවට පරාසයන්, අවස්ථා සහ උපකල්පන පැහැදිලිව ප්රකාශ කිරීම අවංක සන්නිවේදනයකි. අපැහැදිලි බව සැඟවීම පාඨකයා නොමඟ යවන අතර සංවිධානයේ විශ්වසනීයත්වය පළුදු කරයි.
10. ප්රස්ථාරයක් GDP වර්ධනයක් පෙන්නුම් කරන විට, එය සිරස් අක්ෂය 0% ට වඩා 2% කින් ආරම්භ කරයි. මෙය නොමඟ යවන සුළු විය හැක්කේ ඇයි?
- A) ඉරි සහිත අක්ෂය කුඩා වෙනස්කම් අතිශයෝක්තියට නංවා වෙනස් කිරීම වඩා විශාල කළ හැකිය ✔
- B) අක්ෂය ආරම්භ වන ස්ථානය ප්රස්ථාරයට කිසිසේත් බලපාන්නේ නැත
- C) ප්රස්ථාරය ස්වයංක්රීයව වඩාත් නිවැරදි වේ
- D) වර්ණ තේරීම පමණක් වැදගත් වේ, අක්ෂය නොවැදගත් වේ
පැහැදිලි කිරීම: ඉරි සහිත අක්ෂයකට (ශුන්යයෙන් ආරම්භ නොවේ) කුඩා වෙනස්කම් දෘශ්යමය වශයෙන් විශාලනය කර වෙනස නාටකාකාර ලෙස පෙනෙනු ඇත. අවංක දෘශ්යකරණයේදී, අක්ෂයේ තේරීම පණිවිඩය විකෘති නොකළ යුතුය; ඉරි සහිත අක්ෂයක් භාවිතා කරන්නේ නම්, එය පැහැදිලිව සලකුණු කළ යුතුය.
11. චින්තන ටැංකි විශ්ලේෂකයෙකු තවමත් ප්රසිද්ධ කර නොමැති වෙළඳපල සංවේදී දත්ත පොදු (ව්යවසාය නොවන) AI මෙවලමක් බවට සම්බන්ධ කරයි. ප්රධාන අවදානම කුමක්ද?
- A) අවදානමක් නැත, දත්ත දැනටමත් සංඛ්යාත්මක වේ
- B) එකම අවදානම වන්නේ ප්රස්ථාරය වැරදියි
- C) කෘත්රිම බුද්ධිය දත්ත සැකසීම ඉතා සෙමින් සිදු කරයි
- D) දත්ත කාන්දු වීමේ අවදානම, තෙවන පාර්ශවයන් විසින් සැකසීම සහ පුද්ගලිකත්වය/වෙළඳපොල නීති උල්ලංඝනය කිරීම ✔
හෙළිදරව් කිරීම: රහසිගත හෝ වෙළඳපල සංවේදී දත්ත පොදු මෙවලමකට ඇතුළත් කිරීම තෙවන පාර්ශවයන් විසින් දත්ත සැකසීම, කාන්දු වීම හෝ ආකෘතිය පුහුණු කිරීම සඳහා භාවිතා කිරීමේ අවදානම නිර්මාණය කරයි; මෙය පුද්ගලිකත්වය/KVKK උල්ලංඝනය කිරීමක් සහ වෙළඳපල හැසිරවීමේ අවදානමක් සහ අභ්යන්තර තොරතුරු දෙකම මතු කරයි. සංවේදී දත්ත ආයතන අනුමත, ආරක්ෂිත මෙවලම්වල සැකසිය යුතු අතර අවශ්ය විටෙක නිර්නාමික කළ යුතුය.
12. විවිධ මූලාශ්ර දෙකකින් (TURKSTAT සහ ජාත්යන්තර සංවිධානයකින්) ලබාගත් එකම දර්ශකයේ සංඛ්යා නොගැලපේ. බොහෝ දුරට අහිංසක පැහැදිලි කිරීම කුමක්ද?
- A) මූලාශ්රවලින් එකක් අනිවාර්යයෙන්ම බොරු කීමයි
- B) නිර්වචනය, පාදක වර්ෂය, විෂය පථය, සෘතුමය ගැලපීම හෝ සංශෝධනයෙහි වෙනසක් තිබිය හැක; පාරදත්ත පෙළගැස්විය යුතුය ✔
- C) සංඛ්යා වෙනස වැදගත් නොවේ, ඔවුන්ගේ සාමාන්යය ගැනීම ප්රමාණවත් වේ
- D) කෘත්රිම බුද්ධියෙන් විමසා නිවැරදි එක තෝරා ගැනීමට ඉඩ දීම ප්රමාණවත්ය.
පැහැදිලි කිරීම: විවිධ මූලාශ්රවල එකම දර්ශකයේ වෙනස බොහෝ දුරට අර්ථ දැක්වීම, පාදක වර්ෂය, විෂය පථය, සෘතුමය ගැලපීම හෝ සංශෝධනය (අනුවාදය) හි වෙනස්කම් නිසා වේ. සංඛ්යා සංසන්දනය කිරීමට පෙර පාරදත්ත (අර්ථ දැක්වීම, ඒකකය, කාල සීමාව, නිවැරදි කිරීම) පෙළගැස්විය යුතුය.
13. මානව වලංගුකරණය සමඟ වේගවත් වන, ආර්ථික විශ්ලේෂණයේ දී AI ප්රබල වන පහත සඳහන් කාර්යය කුමක්ද?
- A) නිල උද්ධමන අගයට පමණක් අවසාන අනුමැතිය ලබා දීම
- B) ආයතනය වෙනුවට මුදල් ප්රතිපත්ති තීරණ ගැනීම
- C) දත්ත පිරිසිදු කිරීමේ කේතය කෙටුම්පත් කිරීම සහ දිගු වාර්තා සාරාංශ කිරීම වැනි කාර්යයන් වේගවත් කිරීම ✔
- D) තහවුරු නොකළ අනුමානය පොදු වාර්තාවේ තැබීම
විස්තරය: කෘතිම බුද්ධිය; කේතය කෙටුම්පත් කිරීම, දිගු වාර්තාවක් සාරාංශ කිරීම, දත්ත පිරිසිදු කිරීමේ පියවර යෝජනා කිරීම, හැඩතල ගැන්වීම සහ භාෂාව නිවැරදි කිරීම වැනි යාන්ත්රික සහ කෙටුම්පත් කිරීමේ කාර්යයන්හි ශක්තිමත්. කෙසේ වෙතත්, පුරෝකථනය කිරීම, ප්රතිපත්තිමය තීරණ ගැනීම සහ නිල සංඛ්යා නිෂ්පාදනය කිරීමේ අවසාන වගකීම මිනිසුන්ට පැවරේ. නිවැරදි භාවිතය වන්නේ එය ශක්තිමත් වන තැන වේගවත් කිරීම සහ විවේචනාත්මක විනිශ්චය පුද්ගලයා තුළ තබා ගැනීමයි.
14. කෘත්රිම බුද්ධි ප්රතිදානයන් ආයතනයක් තුළ අධීක්ෂණය සහ විගණනය කිරීම සහතික කිරීම සඳහා වඩාත් සුදුසු පාලන භාවිතය කුමක්ද?
- A) ඉල්ලීම, මෙවලම, දත්ත සහ සත්යාපන පියවර වාර්තා කරන සොයාගැනීම් සහ අනුමත දාමයක් ස්ථාපිත කිරීම ✔
- B) කාර්ය භාරය වැඩි නොවන පරිදි නිමැවුම් කිසිසේත්ම වාර්තා නොකිරීම
- C) සෑම කෙනෙකුටම තමන්ට අවශ්ය දත්ත සමඟ තමන්ට අවශ්ය වාහනය නිදහසේ භාවිතා කළ හැකිය.
- D) කෘත්රිම බුද්ධිය භාවිතා කරන්නේ වඩාත්ම ජ්යෙෂ්ඨ පුද්ගලයා පමණි, වාර්තා තබා නැත
විස්තරය: ශබ්ද පාලනය; එයට කුමන ඉල්ලීමක් සමඟ කුමන ප්රතිදානය නිෂ්පාදනය කළේද, කුමන මෙවලම සමඟද, කුමන දත්ත සමඟද, සත්යාපන පියවරක් සහ වගකිවයුතු අනුමත දාමයක් පටිගත කිරීම අවශ්ය වේ. පටිගත කිරීමේ සහ පිළිගැනීමේ මෙම විනය මඟින් දෝෂ නැවත සොයා ගැනීමට සහ වගකීම පැහැදිලි කිරීමට ඉඩ ලබා දේ.