ක්‍රියාකාරී විද්‍යාවේ කෘතිම බුද්ධිය හැඳින්වීම: භූමිකාවන්, සීමා මායිම්, සත්‍යාපනය සහ පෞද්ගලිකත්වය

ලාභ:

• ක්‍රියාකාරී කාර්ය ප්‍රවාහයේ (දත්ත සැකසීම, කේත උත්පාදනය, වාර්තා කෙටුම්පත් කිරීම, අවස්ථා අර්ථ නිරූපණය) කෘත්‍රිම බුද්ධිය තත්‍ය කාලය ඉතිරි කරන්නේ කොතැනද සහ කාර්ය අවදානම් මට්ටම අනුව වාරික/ප්‍රතිපාදන/ප්‍රාග්ධනය වැනි තීරණ නිසි ක්‍රියාකාරීත්වයට ඉතිරි කරන්නේ ඇයිද යන්න වෙන්කර හඳුනා ගැනීමට හැකි වීම.
• එක් එක් AI ප්‍රතිදානය ක්‍රියා පටිපාටි ප්‍රභවයට සම්බන්ධ කිරීම, ස්වාධීන නැවත ගණනය කිරීම සහ සත්‍ය තර්කනය සමඟ එය පරීක්ෂා කිරීමේ පියවර හරහා සත්‍යාපනය කරන විනයක් යෙදීමේ හැකියාව.
• KVKK/පෞද්ගලිකත්වයේ විෂය පථය තුළ ප්‍රතිපත්ති, හානිය සහ සෞඛ්‍ය දත්ත නිර්නාමික කිරීම සහ ආකෘති පුහුණුවේදී දත්ත භාවිතා නොකරන ආරක්ෂිත වාහන තෝරා ගැනීමේ පුරුද්ද ලබා ගැනීම

රක්ෂණ හෝ විශ්‍රාම වැටුප් සමාගමක, සෑම මසකම අනාගත අංක සිය ගණනක් නිෂ්පාදනය කෙරේ: මෙම ප්‍රතිපත්ති සමූහය සඳහා අප කොපමණ වාරිකයක් ගෙවිය යුතුද? මෙතෙක් වාර්තා වී නොමැති අතීත හානිය කොපමණද; අද අපි අවුරුදු 30කින් ගෙවන විශ්‍රාම වැටුපේ වටිනාකම කීයද? නරක අවුරුද්දක් ආවොත් සමාගම බේරෙයිද? මෙම සියලු ප්‍රශ්නවලට පිළිතුරු සපයන වෘත්තිය ක්‍රියාවකි. ක්‍රියාකරුවෙකු යනු සම්භාවිතාව, සංඛ්‍යාලේඛන සහ මූල්‍ය ගණිතය භාවිතයෙන් රක්ෂණ සහ විශ්‍රාම අවදානම් මැනීම, මිල ගණන් සහ වාර්තා කරන විශේෂඥයෙකි; එය නිපදවන සෑම රූපයක්ම සමාගමක මූල්‍ය ශේෂයට, රක්‍ෂිතයෙකුගේ අයිතීන්ට සහ විගණකවරයෙකුගේ විශ්වාසයට සෘජුවම බලපායි. කෘතිම බුද්ධිය ක්‍රියාත්මක වන්නේ මෙහිදීය.

කෘතිම බුද්ධිය (AI, හෝ AI සඳහා කෙටි—පෙළ ජනනය කිරීමට, කේතය ලිවීමට, රටා හඳුනා ගැනීමට සහ මිනිසුන් වැනි දත්ත සාරාංශ කිරීමට හැකි පරිගණක පද්ධති) ක්‍රියාකාරී කාර්යයේ පුනරාවර්තන සහ කාලය ගතවන කොටස් මිනිත්තු ගණනකට අඩු කරයි: දත්ත පිරිසිදු කිරීමේ කේතය ලිවීම, ගිණුමක් Python බවට පරිවර්තනය කිරීම, ක්‍රියාකාරී වාර්තාවක් කෙටුම්පත් කිරීම, භාෂාවේ සංකීර්ණ බෙදාහැරීමක් පැහැදිලි කිරීම. කෙසේ වෙතත්, එම AI හට ඔබේ දත්ත කිසිදා නොදැකීමෙන් "ඔබේ හානියේ සංඛ්‍යාතය සියයට 8යි" වැනි විශ්වාසදායක අංකයක් සෑදිය හැක. මෙම මොඩියුලයේ පළමු ඒකකය මෘදුකාංග හඳුන්වාදීමක් නොවේ; එහි අරමුණ වන්නේ ඔබේ ක්‍රියාකාරී ව්‍යාපාරයේ AI තැබිය යුත්තේ කොතැනද සහ එය කිසිසේත් නොතැබිය යුත්තේ කොතැනද යන්න පැහැදිලි කිරීමයි.

මුල සිටම මූලික මූලධර්මය සකස් කරමු: කෘත්‍රිම බුද්ධිය සහායකයෙක් මිස ක්‍රියාකාරයෙක් නොවේ. වාරික, ප්‍රතිපාදන (සංචිත), ප්‍රාග්ධනය සහ වගකීම් වැනි මූල්‍ය-විවේචනාත්මක තීරණවල වගකීම සහ අවසාන අනුමැතිය නිසි, පත් කරන ලද සහ බලයලත් අත්සන් කර ඇති ක්‍රියාකාරී ආයතනයට අයත් වේ. සත්‍යාපනය නොකළ AI ප්‍රතිදානයක් අත්සන් නොකළ ක්‍රියාකාරී වාර්තාවක් තරම්ම අවදානම් සහිතය.

ක්‍රියාකාරී ව්‍යාපාරයේ ස්ථර සහ AI හි ස්ථානය

ක්‍රියාකාරී වැඩ ස්ථර තුනකට වෙන් කිරීම AI නිවැරදිව තැබීම පහසු කරයි. තාක්ෂණික/පරිගණක ස්තරය යනු අංකය ජනනය කරන ස්ථානයයි: දත්ත සැකසීම, ආකෘති ගොඩනැගීම, වාරික සහ සංචිත ගිණුම්කරණය. තාර්කික ස්තරය යනු අංකය අර්ථකථනය කරන ස්ථානයයි: කුමන උපකල්පනය තෝරාගත යුතුද, කුමන වැඩිදියුණු කිරීමේ සාධකය අතින් නිවැරදි කළ යුතුද, එම ඇස්තමේන්තුව තුළ අපට කෙතරම් විශ්වාසද. වගකීම් ස්තරය යනු අත්සන සිදු කරන ස්ථානයයි: වාර්තාව නියාමකයා වෙත යයි, තීරණය කළමනාකාරිත්වයට ඉදිරිපත් කරනු ලැබේ, ප්රතිපලවල නීත්යානුකූල හිමිකරු වන්නේ ක්රියාකරු වේ. AI පළමු ස්ථරයේ ඉතා බලවත් වන අතර, දෙවන ස්ථරයේ සහායක පමණක් වන අතර තුන්වන ස්ථරයේ කිසිසේත්ම නොවේ.

මුල සිට මූලික පද කිහිපයක් නිර්වචනය කරමු. වාරිකය යනු අවදානම සඳහා විනිමය වශයෙන් රක්ෂිතයා විසින් ගෙවන මිලයි. හානිය (හිමිකම්) යනු රක්ෂණකරු විසින් විඳදරාගත් හානිය සහ සමාගම විසින් ගෙවනු ලැබේ. ප්රතිපාදන/සංචිතය යනු අනාගතයේදී ගෙවිය යුතු හිමිකම් සඳහා අද වෙන් කර ඇති මුදලයි. වගකීම යනු රක්ෂණ ඔප්පු හිමියන්ට සමාගමේ අනාගත ණයෙහි වර්තමාන වටිනාකමයි. නිරාවරණය යනු අවදානමේ විශාලත්වය මනිනු ලබන ඒකකයයි (උදා. වසරක් සඳහා රක්ෂණය කර ඇති වාහනයක් = 1 වාහන-වසරක්). අපි මෙම සංකල්ප එකින් එක පහත ඒකක වලින් පැහැදිලි කරන්නෙමු; දැනට, මෙය දැන ගන්න: AI ඔබට මෙම සියලු සංකල්ප සඳහා සැලැස්ම, කේතය සහ විශ්ලේෂණය ලබා දෙයි, නමුත් ඔබ අවසන් නිකුතුව සහ අත්සන නිෂ්පාදනය කරයි.

පහත වගුව මෙහෙයුම මගින් AI හි කාර්යභාරය සහ අවදානම් මට්ටම සාරාංශ කරයි:

ගවේෂණය

AI හි කාර්යභාරය

අවදානම් මට්ටම

කවුද අනුමත කරන්නේ

දත්ත පිරිසිදු කිරීම / කේතනය කිරීම

කේත උත්පාදක යන්ත්රය

අඩු

ක්‍රියාකාරී / දත්ත විශ්ලේෂක

වාර්තාව සහ සාරාංශ කෙටුම්පත

ස්කීච් උත්පාදක යන්ත්රය

අඩු

ක්රියාකාරී

බෙදා හැරීම / ක්‍රම විස්තරය

නිබන්ධනය, සාරාංශගත

අඩු

ක්රියාකාරී

හානි සංඛ්යාත-තීව්රතා ආකෘතිය

ආකෘති සාදන්නා, කෙටුම්පත

මධ්යම

ජ්යෙෂ්ඨ ක්රියාකරු

IBNR / රක්ෂිත ගිණුම

ගිණුම් කෙටුම්පත

ඉහළ

වගකිවයුතු කාර්ය මණ්ඩලය

මිලකරණය / ගාස්තු

ආදර්ශ ස්කීච්

ඉහළ

මිල නියම කිරීම + අනුකූලතාව

ප්රාග්ධනය (SCR) / වගකීම

සහායක ආදානය

ඉතා ඉහළ

පත් කරන ලද ක්‍රියාකාරී + කළමනාකරණය

මෙම වගුවේ එක් පේළියක් මතක තබා ගන්න: අවදානම වැඩි වන විට, AI හි භූමිකාව හැකිලෙන අතර ක්‍රියාකාරී අනුමැතිය වර්ධනය වේ.

"සත්‍යාපනය" මෙම ව්‍යාපාරයේ හදවත වන්නේ ඇයි

කෘත්‍රිම බුද්ධි භාෂා ආකෘතීන් ඔවුන්ගේ පිළිතුර ගැන විශ්වාසයක් ඇති බව පෙනේ, නමුත් ඔවුන් විශ්වාස නොකළ හැකිය. තාක්‍ෂණික භාෂාවෙන්, මෙය මායාව ලෙස හැඳින්වේ: එය නිරූපිකාවක් විසින් නොපවතින තොරතුරු චතුර වාක්‍යයකින්, එය සත්‍යයක් මෙන් ම ගොතා ගැනීමයි. ඇක්චුවරි සඳහා මෙය මාරාන්තික උගුලකි. "මෙම කළඹෙහි පාඩුව/වාරික අනුපාතය සියයට 72ක්" වැනි අංකයක් ආකෘතිය ඔබ වෙනුවෙන් නිපදවිය හැක; කෙසේ වෙතත්, ඔහු ඔබේ දත්ත කවදාවත් දැක නැති අතර මෙම අංකය සම්පූර්ණයෙන්ම සෑදී ඇත. නැතහොත් ඔහු මරණ වගුවක නම "TRH-2020" ලෙස පැවසිය හැකිය; කෙසේ වෙතත්, එවැනි වගුවක් නොමැත. ඔහු දෙකම එක හා සමාන චතුර ලෙස පවසන බැවින්, හරි වැරැද්ද වෙන් කරන එකම දෙය ඔබේ ක්‍රියාකාරී දැනුම සහ සත්‍යාපන පුරුද්දයි.

සත්‍යාපන විනය පියවර තුනකින් සමන්විත වේ:

1. ක්‍රමය සහ මූලාශ්‍රය වෙත සබැඳිය: අංක සඳහා ඔබේම දත්ත සහ නිල මූලාශ්‍ර මත රඳා සිටින්න, AI මතකය මත නොවේ. සූත්‍ර, බෙදාහැරීම් සහ නියාමන ලිපි සඳහා ආරම්භක ලක්ෂ්‍යයක් ලෙස AI සංයුක්තය ගන්න; ඉන්පසු සම්මත ක්‍රියාකාරී මූලාශ්‍රවලින් තහවුරු කරන්න (පෙළපොත, ව්‍යවස්ථාදායක පෙළ, ආයතන ක්‍රියා පටිපාටිය). දත්ත මතක තබා ගැනීමට නොව පරිවර්ථනය කිරීමට AI භාවිතා කරන්න.
2. ස්වාධීන නැවත ගණනය කිරීම: AI නිපදවන සෑම සංඛ්‍යාත්මක ප්‍රතිඵලයක්ම, සංගුණකයක් සහ අනුපාතයක් ස්වාධීනව පරීක්ෂා කරන්න. වත්මන් අගයක්, වර්ධන සාධකයක්, එකතුවක් ඔබම හෝ සත්‍යාපිත පැතුරුම්පතකින් ප්‍රතිනිෂ්පාදනය කරන්න.
3. ක්‍රියාකාරී විනිශ්චය සමඟ පරීක්ෂා කරන්න: ප්‍රතිදානය භූමියේ ඇති කරුණුවලට පටහැනිද යන්න විශේෂඥ ඇසකින් පරීක්ෂා කරන්න (කළඹ හැසිරීම, උද්ධමනය, නීති සම්පාදනය, අතීත අත්දැකීම්). "මෙම සාධකය 1.05 නොව 1.45 ලෙස එළියට ආවේ ඇයි?" සෑම විටම ප්රශ්නය අසන්න.

අවධානය: එය සත්‍යාපනය නොකර AI විසින් නිෂ්පාදනය කරන ලද සංචිත සංඛ්‍යාවක් හෝ වාරික කාලසටහනක් අත්සන් කිරීම අත්සන් නොකළ ක්‍රියාකාරී වාර්තාවක් ප්‍රකාශයට පත් කිරීම වැනිය. නිමැවුම සුමට හා පිළිවෙලට ඇති නිසා නිවැරදි නොවේ.

පුද්ගලිකත්වය: ප්‍රතිපත්ති සහ හානි දත්ත පුද්ගලික දත්ත වේ

ප්‍රතිපත්ති සහ හිමිකම් දත්තවලට අනන්‍යතාවය, සම්බන්ධතා, සෞඛ්‍ය සහ මූල්‍ය තොරතුරු ඇතුළත් වේ. මේවායින් සමහරක් Türkiye හි KVKK (පුද්ගලික දත්ත ආරක්ෂණ නීතිය) සහ යුරෝපයේ GDPR හි විෂය පථය තුළ ඇති පුද්ගලික දත්ත විශේෂ කාණ්ඩ වේ; විශේෂයෙන්ම, සෞඛ්ය හා ජීවිත රක්ෂණයේ රෝග විනිශ්චය තොරතුරු ඉහළම ආරක්ෂාවට යටත් වේ. පොදු AI වාහනයක රක්ෂිතයාගේ නම, TR ID අංකය, ප්‍රතිපත්ති අංකය සහ රෝග විනිශ්චය ඇලවීම බරපතල උල්ලංඝනයකි. වෙළඳ රහස් (වාරික වගු, පාඩු බෙදා හැරීම්, ප්‍රතිරක්‍ෂණ කොන්දේසි) වන කළඹ දත්ත සඳහාද එම සංවේදීතාව අදාළ වේ.

රීතිය සරලයි: දත්ත නිර්නාමික කරන්න සහ අනවශ්‍ය ලෙස බෙදා නොගන්න. "අහමෙට් යල්මාස්, 54, ප්‍රතිපත්ති 2024-88213, හෘදයාබාධ" වෙනුවට "අවුරුදු 54ක පිරිමි, හෘද රෝග ඉතිහාසය"; තනි වාර්තා වෙනුවට සමූහගත/සාරාංශගත වගු බෙදා ගන්න. බොහෝ ක්‍රියාකාරී විශ්ලේෂණය සිදු කරනු ලබන්නේ දැනටමත් එකතු කර ඇති දත්ත (වයස් කාණ්ඩය, ආවරණ වර්ගය, සංවර්ධන වර්ෂය); මෙය රහස්‍යභාවය ආරක්ෂා කරන අතර විශ්ලේෂණය සරල කරයි. හැකි නම්, දත්ත සැකසුම් ගිවිසුමක් ඇති ආයතනික මෙවලම් තෝරන්න සහ ආදර්ශ පුහුණුව සඳහා ඔබේ දත්ත භාවිතා නොකරන්න.

ඉඟිය: ක්‍රියාකාරී වැඩ වලදී AI හට බොහෝ විට අමු වාර්තාවකට වඩා සාරාංශයක්/සමස්ත වගුවක් ලබා දේ. "වගුව 3: වයස් කාණ්ඩය × ආවරණය × සාමාන්‍ය හානිය" වැනි වගුවක පුද්ගලික දත්ත නොමැත, නමුත් විශ්ලේෂණය සඳහා අවශ්‍ය සියල්ල.

කුඩා නඩු තුනක්

නඩුව 1 - ආරක්ෂිත සහ කාර්යක්ෂම භාවිතය. සහකාර ක්‍රියාකාරිකයෙකු හිමිකම් දත්ත පේළි 40,000ක් අතින් පිරිසිදු කිරීමට දින 2ක් ගත කරයි. ඔහු දත්තවල ව්‍යුහය (තීරු නම්, උදාහරණ 5 නිර්නාමික පේළි) AI වෙත පැහැදිලි කර පයිතන් පිරිසිදු කිරීමේ කේතයක් ඉල්ලා සිටියේය. AI විනාඩි 15කින් කේත කෙටුම්පතක් නිෂ්පාදනය කළේය; ක්‍රියාකරු කේත පේළිය පේළියෙන් කියවා, තාර්කික දෝෂ දෙකක් නිවැරදි කළේය (සෘණ හානි මකා දැමීමට වඩා වෙන වෙනම පරීක්ෂා කිරීමට සිදු විය), සහ එය ඔහුගේම දත්ත මත ධාවනය කළේය. කාලසීමාව: දින 2 වෙනුවට දින භාගයක්. AI විසින් කේතය ලිවීය, ක්‍රියාකරු එය පරීක්ෂා කර එය ක්‍රියාත්මක කළේය.

නඩුව 2 - තහවුරු නොකළ අංක උගුල. සේවකයෙක් YZ ගෙන් ඇසුවේ, "අපගේ රක්ෂණ ශාඛාවේ ඒකාබද්ධ අනුපාතය කුමක්ද?" කිසිදු දත්තයකට ප්‍රවේශයක් නොතිබුණද AI විශ්වාසයෙන් "සියයට 104ක් පමණ" ලබා දුන්නේය. සේවකයා මෙය ඔහුගේ කළමනාකාරීත්වය ඉදිරිපත් කිරීමෙහි තබා ඇත; සැබෑ අනුපාතය සියයට 97 කි. වෙනස නිසා ලාභ ලබන ශාඛාවක් පාඩුවක් ලෙස සහ වැරදි මිල වැඩි කිරීමේ තීරණයක් ලෙස නිරූපණය විය. දෝෂය: දත්ත ලබා නොදී AI වෙතින් දර්ශකයක් සඳහා රැඳී සිටීම.

නඩුව 3 - රහස්ය භාවය උල්ලංඝනය කිරීම. ජීවිත රක්‍ෂණ අයදුම්කරුවන්ගේ සම්පූර්ණ නම, හැඳුනුම්පත සහ සෞඛ්‍ය ප්‍රකාශය අඩංගු Excel එකක් ක්‍රියාකාරිකයක් පොදු AI මෙවලමකට පටවා "අවදානම ඇති ඒවා සලකුණු කරන්න" යැයි පැවසීය. දත්ත බාහිර සේවාදායකයකට ගියා; KVKK සමාලෝචනයක් සහ කීර්තිය අවදානමක් මතු විය. නිවැරදි ක්‍රමය වූයේ නම සහ හැඳුනුම්පත ඉවත් කර වයස, ස්ත්‍රී පුරුෂ භාවය, ආවරණ ප්‍රමාණය සහ නිර්නාමික අවදානම් සාධක පමණක් බෙදා ගැනීමයි.

දුර්වල ක්ෂණික / ශක්තිමත් විමසුම

දුර්වල ක්ෂණික:

මෙම වසරේ අපගේ කළඹේ අලාභ වාර ගණන සහ සුදුසු වාරිකය අපට කියන්න.

මෙම හිමිකම් පෑම දෝෂ සහිතයි: AI හට දත්ත ලබා දී නැත, එබැවින් එයට පිළිතුරු දිය හැක්කේ "සංඛ්‍යාත" සහ "වාරික" යන ප්‍රශ්නයට සෑදූ අංක සමඟ පමණි. කුමන ශාඛාව, කුමන කාල පරිච්ඡේදය, නිරාවරණය කුමක්ද යන්න පැහැදිලිය.

බලවත් විමසුම:

ඔබගේ භූමිකාව: විශ්ලේෂණ සහකාර ක්‍රියාකාරිකයෙකුට සහාය වීම. කාර්යය: පහත නිර්නාමික සමස්ථ වගුව අර්ථ නිරූපණය කිරීමට මට උදවු කරන්න. දත්ත (රක්ෂණ, 2024, පළාත/නම නැත):- නිරාවරණය: වාහන-වසර 12,400- හිමිකම් ප්‍රමාණය සොයන්න: 1,612- හිමිකම් ගණන: 1,612- ගෙවන ලද මුළු හිමිකම් ගණන: 480, 90 වාරිකය: හානිය (සංඛ්‍යාව/නිරාවරණය) සහ සාමාන්‍ය හානියේ බරපතලකම ගණනය කරන්න, සූත්‍රය පෙන්වන්න.2) අවදානම් වාරිකය (සංඛ්‍යාතය × බරපතලකම) ගණනය කරන්න.3) මට එක් එක් සංඛ්‍යාව අතින් සත්‍යාපනය කළ හැකි වන පරිදි අතරමැදි පියවර ලියන්න. දේවල් හදන්න එපා; මම ඔබට ලබා දුන් අංක භාවිතා කරන්න. අඩු පාඩු තියෙනවනම් අහන්න.

මෙම ඉල්ලීම ප්‍රබල වන්නේ එය නිර්නාමිකව දත්ත සපයන නිසා, සූත්‍ර අවශ්‍ය වන නිසා, අතරමැදි පියවරයන් අවශ්‍ය වන නිසා සහ ප්‍රබන්ධ කිරීම තහනම් කරන බැවිනි.

පොදු වැරදි

• ඩේටා නොදී අංක ඉල්ලනවා. AI හි මතකයේ ඔබේ කළඹ නොමැත; ඔහු දෙන සෑම අංකයක්ම ව්‍යාජ ය. පළමුව නිර්නාමික දත්ත ලබා දෙන්න, පසුව ගිණුමක් ඉල්ලා සිටින්න.
• ප්‍රතිදානය සත්‍යාපනය නොකර අත්සන් කිරීම. තරල සහ පිළිවෙලට ඇති ප්‍රස්ථාරයක් එය නිවැරදි බව අදහස් නොවේ. එක් එක් සංඛ්යාව ස්වාධීනව ප්රතිනිෂ්පාදනය කරන්න.
• පුද්ගලික දත්ත එහි අමු ආකාරයෙන් ඇලවීම. නම, හැඳුනුම්පත අංකය, ප්‍රතිපත්ති අංකය සහ රෝග විනිශ්චය කිසි විටෙක බෙදා නොගනී. නිර්නාමික කර සමස්ථ භාවිතා කරන්න.
• AI හට ක්‍රමය තෝරා ගැනීමට ඉඩ දීම සහ එය ප්‍රශ්න නොකිරීම. "මම භාවිතා කළ යුත්තේ කුමන ක්රමයද?" ප්රශ්නයට පිළිතුර යෝජනාවකි; අවසාන තේරීම සත්‍ය විනිශ්චය සහ නීති සම්පාදනය මත රඳා පවතී.
• AI නීති සම්පාදන මූලාශ්‍රයක් ලෙස වරදවා වටහා ගැනීම. ආකෘතියට නීති සම්පාදන ලිපි සහ වගු නම් සෑදිය හැක. නිල පාඨයෙන් තහවුරු කරන්න.

සාරාංශයක් ලෙස

කෘත්‍රිම බුද්ධිය යනු ක්‍රියාකාරී කාර්යයේ තාක්ෂණික සහ පුනරාවර්තන කොටස් වේගවත් කරන ප්‍රබල සහායකයෙකි; කේතය ලියයි, කෙටුම්පත් නිෂ්පාදනය කරයි, පැහැදිලි කරයි. නමුත් වාරික, ප්‍රතිපාදන, ප්‍රාග්ධන සහ වගකීම් තීරණ සඳහා වගකීම නිසි ක්‍රියාකාරී ආයතනය වෙත පැවරේ. සෑම ප්‍රතිදානයක්ම පියවර තුනකින් වලංගු වේ: ක්‍රමය/මූලාශ්‍රය වෙත බැඳීම, ස්වාධීන නැවත ගණනය කිරීම, සත්‍ය තර්කනය සමඟ පරීක්ෂා කිරීම. දත්ත සැමවිටම නිර්නාමික කර ඇති අතර අනවශ්‍ය ලෙස බෙදා නොගනී. සත්‍යාපනය නොකළ AI ප්‍රතිදානයක් අත්සන් නොකළ වාර්තාවක් තරම්ම අවදානම් සහිතයි.

යෙදුම් කාර්යය

ඔබ වැඩ කරන ශාඛාවක් තෝරන්න (හෝ උපකල්පනය කරන්න). මෙම ශාඛාව සඳහා සම්පූර්ණයෙන්ම නිර්නාමික සහ එකතු කරන ලද කුඩා වගුවක් සකස් කරන්න (නිරාවරණය, හිමිකම් ගණන, සම්පූර්ණ හානිය). ඉහත "Powerful prompt" ඔබේම වගුවකට අනුවර්තනය කර එය AI මෙවලමකට දෙන්න. ආපසු පැමිණීමේ සංඛ්‍යාතය, බරපතලකම සහ අවදානම් වාරිකය අතින් (ගණක යන්ත්‍රයක් සමඟ) නැවත ගණනය කර AI හි ප්‍රතිඵලය සමඟ සසඳන්න. ඔබ වෙනසක් සොයා ගන්නේ නම්, ඒ මන්දැයි සටහන් කරන්න.

පිරික්සුම් ලැයිස්තුව

• [ ] මම AI වෙත ලබා දෙන දත්ත නිර්නාමික සහ එකතු කර තිබේද? කිසියම් පුද්ගලික/පුද්ගලික තොරතුරු තිබේද?
• [ ] මම එක් එක් සංඛ්‍යාත්මක ප්‍රතිදානය ස්වාධීනව නැවත ගණනය කර තිබේද?
• [ ] මම ක්‍රමය/උපකල්පන තේරීම යෝජනාවක් ලෙස ගෙන එය මා විසින්ම තීරණය කළාද?
• [ ] මම නිල මූලාශ්‍රයෙන් නීති සම්පාදනය සහ වගු යොමු තහවුරු කර තිබේද?
• [ ] මා භාවිතා කරන මෙවලම ආකෘති පුහුණුවේදී දත්ත භාවිතා කරන්නේ දැයි මම දන්නවාද?
• [ ] මෙම ප්‍රතිදානය කෙටුම්පතක් ද, නැතිනම් මම අහම්බෙන් එය අවසාන වශයෙන් සැලකුවා ද?