ලාභ:
- ඉල්ලුම, තොග, ගබඩාව, මාර්ගය සහ සැපයුම් මොඩියුල අවසානයේ සිට අවසානය දක්වා වැඩ ප්රවාහයක් තුළ ඒකාබද්ධ කිරීමට සහ කෘතිම බුද්ධිය පරිපූර්ණ තීරණ ආධාරක ස්ථරයක් ලෙස භාවිතා කිරීමේ හැකියාව
- AI පාලන ප්රතිපත්තියේ මූලිකාංග අවබෝධ කර ගැනීමේ සහ කෙටුම්පත් කිරීමේ හැකියාව (දත්ත වර්ගීකරණය, මානව අනුමත ලක්ෂ්ය, විගණන මාවත, සදාචාරාත්මක මූලධර්ම)
- කෘත්රිම බුද්ධියේ සහය ඇතිව කාබන් පියසටහන් සහ තිරසාර දර්ශක නිරීක්ෂණය කරන අතරම, වගකීම සහ අවසාන තීරණය මිනිසා සතු බව සහතික කළ හැක.
මොඩියුල විභාගය
1. ලොජිස්ටික්ස් සහ සැපයුම් දාමයේ කෘත්රිම බුද්ධිය සඳහා වඩාත් නිවැරදි ස්ථානගත කිරීම පහත සඳහන් ඒවායින් කුමක් ද?
- A) කෘතිම බුද්ධියට මානව අනුමැතියකින් තොරව නැව්ගත කිරීමේ ඇණවුම් සහ මිලදී ගැනීමේ ඇණවුම් අවසන් කළ හැකිය
- B) කෘතිම බුද්ධිය ක්රියා කරන්නේ පෙළ ලිවීමේදී පමණි, එයට මෙහෙයුම් දත්ත සමඟ කිසිදු සම්බන්ධයක් නැත
- C) කෘතිම බුද්ධිය සහකාර සහ තීරණ ආධාරක මෙවලමකි; තීරනාත්මක මෙහෙයුම් තීරණ වල වගකීම සහ අවසාන අනුමැතිය මිනිසුන් සතු වේ ✔
- D) කෘතිම බුද්ධිය සෑම විටම මිනිසුන්ට වඩා නිවැරදි තීරණ ගනී, එබැවින් විගණනය අනවශ්යයි
විස්තරය: කෘතිම බුද්ධිය යනු අනාවැකි, කෙටුම්පත් සහ විශ්ලේෂණ නිෂ්පාදනය කරන සහකාර සහ තීරණ ආධාරක මෙවලමකි. නැව්ගත කිරීම, කොටස් ආයෝජනය සහ සැපයුම්කරුවන් තෝරා ගැනීම වැනි මුදල් සහ මෙහෙයුම් අඛණ්ඩතාවයට බලපාන තීරණවල වගකීම සහ අවසාන අනුමැතිය, දක්ෂ විශේෂඥයාට සහ කළමනාකරුට අයත් වේ.
2. ඉල්ලුම පුරෝකථන ආකෘතියක් පසුගිය වසර 3 ක දත්ත සමඟ පුහුණු කර ඇති බව අපි දනිමු. අලුත්ම නිෂ්පාදනයක් වෙළඳපොළට නිකුත් කෙරේ. මෙම නිෂ්පාදනයේ පළමු මාසයේ ඉල්ලුම සඳහා AI පුරෝකථනයේ තත්ත්වය කුමක්ද?
- A) ඓතිහාසික දත්ත නොමැති නව නිෂ්පාදනයක් සඳහා පුරෝකථනය දුර්වල ලෙස පදනම් වී ඇත; සමාන නිෂ්පාදන සාදෘශ්ය සහ විශේෂඥ විනිශ්චය ප්රමුඛත්වය ගනී ✔
- B) නව නිෂ්පාදනය සඳහා ඇස්තමේන්තු කිරීම සෑම විටම වඩාත්ම නිවැරදි ප්රතිඵලය ලබා දෙයි
- C) ආකෘතිය ස්වයංක්රීයව නව නිෂ්පාදනය නිවැරදිව ඉගෙන ගනී, දත්ත අවශ්ය නොවේ
- D) නව නිෂ්පාදන සඳහා ඉල්ලුම පුරෝකථනය කළ නොහැක, කිසිදු ක්රමයක් භාවිතා කළ නොහැක
විස්තරය: AI අනාවැකිය අතීත රටා මත පදනම් වේ. ඓතිහාසික දත්ත නොමැතිව නව නිෂ්පාදනයක් සඳහා, ආකෘතිය විශ්වසනීය පදනමක් නොමැත; සමාන නිෂ්පාදන සාදෘශ්ය සහ ප්රවීණ විනිශ්චය පෙරට එන අතර පුරෝකථනය ප්රවේශමෙන් ප්රවේශ වේ.
3. ආරක්ෂිත තොග සංකල්පයේ ප්රධාන අරමුණ කුමක්ද?
- A) සෑම විටම ටැංකිය සම්පූර්ණයෙන්ම පිරී තබා ගැනීම
- B) ගිණුම් වාර්තා පහසු කිරීම සඳහා
- C) නිෂ්පාදනවල ආයු කාලය දීර්ඝ කිරීම
- D) ඉල්ලුමේ සහ සැපයුම් කාලයෙහි අවිනිශ්චිතතාවයට එරෙහිව බෆරයක් නිර්මාණය කිරීම සහ කොටස් ක්ෂය වීම වැළැක්වීම ✔
පැහැදිලි කිරීම: ආරක්ෂණ තොගය යනු ඉල්ලුමේ සහ සැපයුම් කාලයෙහි අවිනිශ්චිතතාවයට එරෙහිව බෆරයක් ලෙස රඳවා තබා ඇති අතිරේක තොගයකි. එහි අරමුණ වන්නේ උච්චාවචනයන් වලදී තොග වළක්වා ගැනීමෙන් ඉලක්කගත සේවා මට්ටම පවත්වා ගැනීමයි.
4. ABC විශ්ලේෂණයේදී 'A' කාණ්ඩයේ නිෂ්පාදන සාමාන්යයෙන් සඳහන් කරන්නේ කුමක් ද?
- A) අඩු වටිනාකමක් සහිත ලාභම සහ වඩාත්ම විවිධාකාර නිෂ්පාදන
- B) සංඛ්යාවෙන් ස්වල්පයක් ඇති නමුත් සම්පූර්ණ වටිනාකමින් බහුතරයක් වන තීරණාත්මක නිෂ්පාදන ✔
- C) ගබඩාවේ කිසිදු චලනයක් නොපෙනෙන මිය ගිය කොටස්
- D) ආනයනික නිෂ්පාදන පමණි
විස්තරය: ABC විශ්ලේෂණය නිෂ්පාදන අගය අනුව වර්ගීකරණය කරයි. 'A' කාණ්ඩය යනු තීරනාත්මක නිෂ්පාදන වන අතර ඒවා සංඛ්යාවෙන් කුඩා නමුත් මුළු වටිනාකම/පිරිවැටුමෙන් බහුතරයක් වේ; ඔවුන් දැඩි අධීක්ෂණය සහ පාලනය ලැබීමට සුදුසුයි (Pareto මූලධර්මය).
5. කෘත්රිම බුද්ධිය මගින් යෝජනා කරන ලද ගබඩා තෝරා ගැනීමේ මාර්ගයක් ක්රියාත්මක කිරීමට පෙර මෙහෙයුම් කළමනාකරු විසින් පරීක්ෂා කළ යුත්තේ කුමක්ද?
- A) මාර්ගයේ වර්ණය සහ අකුරු
- B) මාර්ගය කෙටිම දැයි පමණක් පරීක්ෂා කරන්න
- C) අඩවි ආරක්ෂාව, ergonomics සහ සැබෑ ගබඩා සීමාවන්ට අනුකූල වීම ✔
- D) කිසිවක් නැත; AI මාර්ගය සෑම විටම නිවැරදි වේ
විස්තරය: කෘතිම බුද්ධියට දුර කෙටි කරන ගණිතමය මාර්ගයක් යෝජනා කළ හැකිය; කෙසේ වෙතත්, ක්ෂේත්ර ආරක්ෂාව, අන්තරාලයේ එක් මාර්ගයක්, බර නිෂ්පාදන ergonomics සහ සත්ය ගබඩා සීමාවන් ආකෘතියෙන් සම්පූර්ණයෙන්ම පිළිබිඹු නොවිය හැකිය. ක්ෂේත්ර සත්යතාව සහ ආරක්ෂක සත්යාපනය අත්යවශ්ය වන්නේ එබැවිනි.
6. වාහන මාර්ගගත කිරීමේ ගැටලුවේ (VRP) 'කාල කවුළුව' සීමාව අදහස් කරන්නේ කුමක්ද?
- A) භාරදීම/පිළිගැනීම සඳහා ලක්ෂ්යයකට සේවාව ලබා ගත හැකි අවසර ලත් කාල පරතරය ✔
- B) වාහනයේ ටැංකිය පිරවීමට කොපමණ කාලයක් ගතවේද?
- C) රියදුරුගේ මුළු වැඩ කරන වසර
- D) ඉන්ධන මිල වෙනස් වන කාලය
පැහැදිලි කිරීම: කාල කවුළුවක් යනු බෙදාහැරීමේ හෝ පිකප් ස්ථානයකට සේවාවක් ලබා ගත හැකි අවසර ලත් කාල සීමාවයි (උදාහරණයක් ලෙස, සිල්ලර වෙළඳසැල 08:00 සහ 11:00 අතර පමණක් භාණ්ඩ භාර ගනී). මාර්ගය මෙම කවුළුවලට අනුකූල විය යුතුය; AI මෙම සීමාව යටතේ තත්වය ගොඩනගා ගත යුතුය.
7. පුරෝකථන නඩත්තු කිරීමේදී, කෘත්රිම බුද්ධිය මඟින් වාහනයක බෙයාරිං ඉක්මනින් අසමත් වීමේ ඉහළ සම්භාවිතාවක් පෙන්නුම් කරයි. නිවැරදි ප්රවේශය කුමක්ද?
- A) AI වැරදි නිසා අනතුරු ඇඟවීම සම්පූර්ණයෙන්ම නොසලකා හැරීම
- B) වහාම සහ ප්රශ්න කිරීමකින් තොරව වාහනය ඉවත් කිරීම
- C) අනතුරු ඇඟවීමකින් තොරව රියදුරු සේවයෙන් පහ කිරීම
- D) තාක්ෂණික විශේෂඥයා ශාරීරික පරීක්ෂණයකින් ඇස්තමේන්තුව තහවුරු කර නඩත්තු තීරණය කරයි ✔
විස්තරය: පුරෝකථන නඩත්තු යනු හැකියාව පිළිබඳ ඇස්තමේන්තුවකි. වහාම වාහනය ඉවත් කිරීම හෝ අනතුරු ඇඟවීම නොසලකා හැරීම වෙනුවට, තාක්ෂණික විශේෂඥයා භෞතික පරීක්ෂණයකින් අනාවැකිය තහවුරු කර නඩත්තු තීරණය කරයි. AI ප්රමුඛත්වය දීමට උදවු කරයි, තීරණ ගැනීමට නොවේ.
8. සැපයුම්කරුවන්ගේ අවදානම් කළමනාකරණයේදී 'තනි මූලාශ්රය' හොඳින් නිරීක්ෂණය කළ යුත්තේ ඇයි?
- A) තනි සැපයුම්කරුවෙකු සමඟ වැඩ කිරීම සැමවිටම ලාභදායී වේ, අවදානමක් නොමැත
- B) තීරණාත්මක ද්රව්ය තනි සැපයුම්කරුවෙකු මත රඳා පවතී, එම සැපයුම්කරුගේ බාධාවකින් සම්පූර්ණ දාමය නැවැත්විය හැකිය ✔
- C) තනි මූලාශ්රය ගැටළුවක් වන්නේ ඉන්වොයිසි ගණන පමණක් වැඩි කරන බැවිනි
- D) තනි මූලාශ්ර අවදානම වලංගු වන්නේ ආනයන සඳහා පමණි, දේශීය වශයෙන් නොවේ.
පැහැදිලි කිරීම: තනි මූලාශ්ර අවදානම යනු තීරණාත්මක ද්රව්යයක් තනි සැපයුම්කරුවෙකු මත රඳා පවතින විටය. එම සැපයුම්කරුගේ බාධාවකින් (බංකොලොත්කම, ස්වාභාවික විපත්, වැඩ වර්ජනය) සම්පූර්ණ සැපයුම් දාමය නතර කළ හැකිය. කෘතිම බුද්ධියට මෙම සාන්ද්රණය ප්රදර්ශනය කළ හැකිය; විකල්ප සම්පත් සැලැස්ම කළමනාකරුගේ වගකීමයි.
9. කෘතිම බුද්ධිය ආනයන ඉන්වොයිසියකින් ප්රමාණය, භාණ්ඩ වර්ගය සහ GTIP කේත තොරතුරු ස්වයංක්රීයව උපුටා ගන්නා ලදී. මෙම දත්ත රේගු ප්රකාශනයට මාරු කිරීමට පෙර කළ යුත්තේ කුමක්ද?
- A) කෘත්රිම බුද්ධිය වැරදි නොකරන නිසා සෘජුවම පද්ධතියට මාරු කිරීම
- B) මුදල පමණක් පරීක්ෂා කිරීම සහ අනෙකුත් ක්ෂේත්ර මඟ හැරීම
- C) වගකිවයුතු විශේෂඥයා උපුටා ගත් දත්ත මුල් ලේඛනය සමඟ සංසන්දනය කර එය සත්යාපනය කර අනුමත කරයි ✔
- D) ඉන්වොයිසිය මකා දැමීම සහ එය නැවත නිකුත් කරන ලෙස ඉල්ලා සිටීම
පැහැදිලි කිරීම: OCR විසින් උපුටා ගන්නා ලද දත්ත රේගු, බදු සහ නීති ක්ෂේත්රවල වැරදි (වැරදි අංකය, මිශ්ර කේතය) විය හැක. මානව සත්යාපනයකින් තොරව එය සකස් නොකළ යුතුය; වගකිවයුතු විශේෂඥයා එය මුල් ලේඛනය සමඟ සංසන්දනය කර එය තහවුරු කළ යුතුය.
10. පාලන කුළුණු සැකසුමකදී, කෘතිම බුද්ධිය ETA (ඇස්තමේන්තුගත පැමිණීම) අපගමනය සඳහා අනතුරු ඇඟවීම් ජනනය කරයි. මෙම අනතුරු ඇඟවීම්වල විශ්වසනීයත්වය බොහෝ දුරට රඳා පවතින්නේ කුමක් මතද?
- A) එය පෝෂණය කරන දත්තවල නිරවද්යතාවය සහ යාවත්කාලීන බව ✔
- B) අනතුරු ඇඟවීමේ පණිවිඩයේ වචන කීයක් තිබේද?
- C) පාලන කුළුණේ සංදර්ශක වර්ණ මත රඳා පවතී
- D) රියදුරුගේ දුරකථන සන්නාමය
විස්තරය: AI අනතුරු ඇඟවීම රඳා පවතින්නේ එය සපයන දත්තවල ගුණාත්මකභාවය මත ය. GPS සංඥාව, වත්මන් ගමනාගමනය සහ නිවැරදි නැව්ගත කිරීමේ තත්ත්වය අස්ථානගත වී හෝ ප්රමාද වී ඇත්නම්, නිපදවන ලද සාරාංශය සහ ඇඟවීම නොමඟ යවන සුළු වනු ඇත. 'කසළ ඇතුලට, කුණු පිටතට' යන මූලධර්මය අදාළ වේ.
11. ප්රවාහන ටෙන්ඩර් ඇගැයීමේදී කෘතිම බුද්ධිය අඩුම ලංසුව නිර්දේශ කරයි. මෙම යෝජනාව මත පදනම්ව තීරණයක් ගැනීමේදී නිවැරදි වන්නේ කුමක්ද?
- A) සෑම අවස්ථාවකදීම අඩුම ලංසුව ස්වයංක්රීයව තෝරාගත යුතුය
- B) මිල හැර වෙනත් නිර්ණායක සැලකිල්ලට නොගත යුතුය
- ඇ) කෘත්රිම බුද්ධිය විසින් තීරණය තනිවම අවසන් කළ යුතුය
- D) මිලට අමතරව, ධාරිතාව, කාර්ය සාධනය සහ අඛණ්ඩතාව ඇගයීමට ලක් කළ යුතුය, තරඟ නීති අනුගමනය කළ යුතු අතර අවසාන අනුමැතිය කළමනාකරු සමඟ විය යුතුය ✔
සටහන: අඩුම මිල පමණක් හොඳම තේරීම නොවිය හැක; වාහකයාගේ ධාරිතාව, බෙදා හැරීමේ කාර්ය සාධනය, රක්ෂණය සහ අඛණ්ඩතාව ද වැදගත් වේ. මීට අමතරව, තරඟ නීතිවලට අනුකූල වීම සහ අවසාන අනුමැතිය කළමනාකරුට අයත් වේ. කෘත්රිම බුද්ධිය වේගවත් කරන්නේ සැසඳීම මිස තීරණය නොවේ.
12. ඉල්ලුම පුරෝකථනයකදී MAPE (මධ්යන්ය නිරපේක්ෂ සියයට දෝෂය) දර්ශකය මනින්නේ කුමක් ද?
- A) ගබඩාවේ මුළු වර්ග මීටර්
- B) සාමාන්යයෙන්, අනාවැකි සත්ය අගයන්ගෙන් සියයට කීයක් අපගමනය වේද?
- C) වාහනයක ඉන්ධන ටැංකියේ පරිමාව
- D) සැපයුම්කරුවන් සංඛ්යාව
විස්තරය: MAPE යනු සත්ය අගයන්ගෙන් පුරෝකථනය කළ අගයන්හි සාමාන්ය ප්රතිශත අපගමනය මනින නිරවද්යතා දර්ශකයකි. පහළ MAPE යන්නෙන් අදහස් කරන්නේ වඩාත් නිවැරදි අනාවැකි; මෙම අපගමනය දැන ගැනීමෙන්, සැලසුම්කරු ආරක්ෂිත තොග සහ අවස්ථා සකස් කරයි.
13. කෘත්රිම බුද්ධි මෙවලමකට මෙහෙයුම් සහ වාණිජ දත්ත (මිල ලැයිස්තු, සැපයුම්කරුවන්ගේ කොන්ත්රාත්තු, පාරිභෝගික පරිමාවන්) ලබා දීමේදී හොඳම ප්රවේශය කුමක්ද?
- A) ඕනෑම මෙවලමක් නිදහසේ භාවිතා කරන්න, දත්ත සංවේදීතාව අදාල නොවේ
- B) වඩාත් ජනප්රිය නිදහස් මෙවලමට වෙළඳ රහස් ඇලවීම
- C) ආයතනයෙන් අනුමත සහ රහස්යභාවය සහතික කළ වාහන භාවිතා කිරීම, අවශ්ය නම් මිස සංවේදී දත්ත වසන් කිරීම/නිර්නාමික කිරීම ✔
- D) එය කිසිසේත් පරීක්ෂා නොකර, වඩාත්ම විශේෂාංග ලබා දෙන මෙවලම වෙත දත්ත මාරු කිරීම
අනාවරණය: ව්යාපාරික දත්ත තරඟකාරී ලෙස සංවේදී වන අතර රහස්යභාවය අවශ්ය වේ. දත්ත රහස්යතා සහතිකය සහිත ආයතන අනුමත මෙවලම් භාවිතා කළ යුතුය; අවශ්ය නම් මිස සංවේදී දත්ත නිර්නාමික කළ යුතුය හෝ වෙස්මුහුණු කළ යුතුය; මහජනතාවට විවෘතව ඇති සහ අධ්යාපනයට දත්ත යන වාහනවල වෙළඳ රහස් ඇතුළත් නොකළ යුතුය.
14. තිරසාරභාවයේ විෂය පථය තුළ, කෘතිම බුද්ධිය යෝජනා කරන්නේ මාර්ග කෙටි කිරීම මගින් කාබන් පියසටහන අඩු කිරීමයි. මෙම යෝජනාවේ සත්ය කුමක්ද?
- A) AI නිර්දේශය උපකල්පන මත පදනම් වේ; භාරදීම, රියදුරු අයිතිවාසිකම් සහ පාරිභෝගික සීමාවන් සැලකිල්ලට ගනිමින් අවසාන තීරණය සහ වගකීම මිනිසා සතුය.
- B) කාබන් අඩු කිරීම සඳහා කෘතිම බුද්ධි නිර්දේශය ප්රශ්න කිරීමකින් තොරව ක්රියාත්මක කළ යුතුය
- C) තිරසාර බව ලොජිස්ටික්ස් වලට අදාල නොවන අතර එය සැලකිල්ලට නොගනී
- D) මාර්ගය කෙටි කිරීම කාබන් සමඟ කිසිදු සම්බන්ධයක් නැත
විස්තරය: කෘතිම බුද්ධියට කාබන් සහ පිරිවැය ඉතිරිකිරීම් සඳහා වටිනා නිර්දේශ ජනනය කළ හැක; කෙසේ වෙතත්, නිර්දේශය උපකල්පන සහ දත්ත මත පදනම් වේ. භාරදීමේ වගකීම්, රියදුරු අයිතිවාසිකම් සහ පාරිභෝගික තෘප්තිය වැනි බාධාවන් සැලකිල්ලට ගනිමින් අවසාන තීරණය සහ වගකීම මිනිසා සතු වේ.