இறுதி முதல் இறுதி வரையிலான விண்ணப்பம்: மதிப்பீடு, சரிபார்ப்பு, நெறிமுறைகள் மற்றும் எல்லைகள்

ஆதாயங்கள்:

• உங்கள் சொந்த தரவைக் கொண்டு மாதிரியை மதிப்பிடும் சிறிய சோதனைத் தொகுப்பை (ஏவல்) அமைக்கும் திறன்
• மனித சரிபார்ப்பு, வரம்புகள் மற்றும் பொறுப்பான பயன்பாட்டுக் கொள்கையை பணிப்பாய்வுகளில் உட்பொதிக்கவும்
• மாயத்தோற்றம், தனியுரிமை மற்றும் நெறிமுறை அபாயங்களைக் கண்டறிந்து, தணிக்கும் நடவடிக்கைகளை செயல்படுத்தவும்

நீங்கள் சரியான மாதிரியைத் தேர்ந்தெடுத்துள்ளீர்கள்; வேலை முடிந்ததா? இல்லை, உண்மையான வேலை இப்போது தொடங்குகிறது. உங்கள் வணிகத்தில் ஒரு மாதிரியை வைப்பது, அதை உங்கள் சொந்த தரவுகளுக்கு எதிராகச் சோதிப்பது, அதன் வெளியீட்டைச் சரிபார்ப்பது மற்றும் பொறுப்புடன் அதை உருவாக்குவது. இந்த இறுதி அலகு முழு மாட்யூலையும் இறுதி முதல் இறுதிப் பயன்பாடாக மாற்றுகிறது: ஒரு சிறிய சோதனைத் தொகுப்பை (eval) அமைப்பது, பணிப்பாய்வுகளில் மனித சரிபார்ப்பை உட்பொதிப்பது, மாயத்தோற்றம் மற்றும் தனியுரிமை அபாயங்களை நிர்வகித்தல் மற்றும் நெறிமுறை எல்லைகளை வரைவது எப்படி என்பதை நீங்கள் கற்றுக் கொள்வீர்கள். யூனிட் முடிந்ததும், ஒரு மாடலைத் தேர்ந்தெடுப்பது மட்டுமின்றி, நம்பிக்கையுடன் அதை இயக்கவும் நீங்கள் தயாராக இருப்பீர்கள்.

மதிப்பீடு (Eval): உங்கள் சொந்த தரவு மூலம் சோதனை

ஒரு மாதிரி உங்கள் வணிகத்திற்கு பொருந்துமா என்பதை உங்கள் உண்மையான தரவு மட்டுமே சொல்ல முடியும், விளம்பரங்கள் அல்ல என்பதை இப்போது நீங்கள் அறிவீர்கள். இதை அளவிடுவதற்கான வழி ஒரு மதிப்பீட்டுத் தொகுப்பை (eval) அமைப்பதாகும்: உங்கள் வேலையிலிருந்து சரியான விடை அறியப்பட்ட மாதிரிகளின் சிறிய தொகுப்பு.

ஒரு எளிய ஏவல் பின்வருமாறு அமைக்கப்பட்டுள்ளது:

1. 10-30 உண்மையான மாதிரிகளை சேகரிக்கவும். உங்கள் பணிக்கு பொதுவான உள்ளீடுகளைத் தேர்வு செய்யவும் (கடினமான மற்றும் எளிதான கலவை).
2. ஒவ்வொரு உதாரணத்திற்கும் "சரியான/எதிர்பார்க்கப்பட்ட வெளியீடு" என்பதைத் தீர்மானிக்கவும். ஒரு நிபுணர் என்ன பதிலளிப்பார்?
3. அதே எடுத்துக்காட்டுகள் மூலம் வேட்பாளர்களை இயக்கவும். நீங்கள் ஒப்பிடும் மாடல்களை ஒரே தொகுப்புடன் ஒவ்வொன்றாக சோதிக்கவும்.
4. முடிவுகளை மதிப்பெண். எத்தனை உதாரணங்களில் இது உண்மை? அவர் எங்கே தவறு செய்தார்? தவறுகள் ஏற்றுக்கொள்ளத்தக்கதா?
5. ஒப்பிட்டு தேர்வு செய்யவும். அதிகபட்ச ஒட்டுமொத்த மதிப்பெண்ணைத் தேர்வு செய்யாமல், உங்களுக்கான மிக முக்கியமான எடுத்துக்காட்டுகளில் மிகவும் நம்பகமான ஒன்றைத் தேர்ந்தெடுக்கவும்.

உதவிக்குறிப்பு: லீடர்போர்டுகளை கண்மூடித்தனமாக நம்ப வேண்டாம். ஒரு மாடல் உலகளவில் முதல் இடத்தைப் பெறலாம், ஆனால் உங்கள் குறிப்பிட்ட துருக்கிய சட்ட நூல்களில் இரண்டாம் இடத்தைப் பெற்ற மாதிரியை விட மோசமாகச் செயல்படுகிறது. நூற்றுக்கணக்கான பொதுச் சோதனைகளை விட உங்கள் சொந்த 20 மாதிரிகள் மதிப்புடையவை.

மாயத்தோற்றம்: மாடலின் மிகவும் நயவஞ்சகமான ஆபத்து

மாடல் என்பது உண்மையில் உண்மையில்லாத தகவலை, நம்பிக்கையான மொழியில் உருவாக்கும்போது மாயத்தோற்றம் ஆகும். "எனக்குத் தெரியாது" என்று கூறுவதற்குப் பதிலாக, மாதிரியானது இல்லாத சட்டத்தையோ, உருவாக்கப்பட்ட புள்ளிவிவரத்தையோ அல்லது தவறான தேதியையோ உருவாக்கலாம்; மேலும், அவர் இதை மிகவும் உறுதியான மொழியில் செய்கிறார். இது AI இன் மிகவும் ஆபத்தான அம்சமாகும், ஏனெனில் பிழை உண்மையாக மாறுகிறது.

நீங்கள் மாயத்தோற்றத்தை முற்றிலுமாக அகற்ற முடியாது, ஆனால் நீங்கள் அதைக் குறைத்து அதைப் பிடிக்கலாம்:

• ஆதாரத்தின் அடிப்படையில்: நீங்கள் வழங்கும் ஆவணங்களிலிருந்து பதில்களை உருவாக்க மாதிரியிடம் கேளுங்கள், அதன் சொந்த "நினைவகத்திலிருந்து" (RAG லாஜிக்) அல்ல.
• கோரிக்கை ஆதாரங்கள்: "ஒவ்வொரு உரிமைகோரலுக்கும் அடுத்ததாக, அதன் அடிப்படையிலான ஆவணம்/பிரிவை எழுதவும்"; அவர் ஆதாரத்தை கொடுக்க முடியாவிட்டால், சந்தேகப்படுங்கள்.
• மக்கள் உறுதியாக தெரியவில்லை என்று கூறுவது: "உங்களுக்கு உறுதியாக தெரியவில்லை என்றால், 'தெளிவாக இல்லை' என்று எழுதுங்கள்" என்ற அறிவுறுத்தல் மாதிரி பொருத்தத்தை குறைக்கிறது.
• மனித சரிபார்ப்பு: முக்கியமான வெளியீடுகள் மனிதனால் சரிபார்க்கப்பட வேண்டும்.

எச்சரிக்கை: சட்ட, மருத்துவ அல்லது நிதி முடிவுகளுக்குச் சரிபார்க்காமல் மாதிரி வெளியீட்டை ஒருபோதும் பயன்படுத்த வேண்டாம். மாதிரியால் தயாரிக்கப்பட்ட "சட்டக் கட்டுரை" அல்லது "டோஸ் தகவல்" முற்றிலும் புனையப்பட்டதாக இருக்கலாம். இந்தப் பகுதிகளில், AI என்பது ஒரு வரைவு/பூர்வாங்க கருவியாகும்; ஒரு திறமையான நபருக்கு எப்போதும் கடைசி வார்த்தை இருக்கும்.

மனித சரிபார்ப்புக்கான தேவை

செயற்கை நுண்ணறிவு, மக்களைத் துரிதப்படுத்தும் ஒரு கருவியாகச் சிறப்பாகச் செயல்படுகிறது, அவர்களை வேலையில் இருந்து வெளியேற்றாது. சரியான அமைப்பு பின்வருமாறு: மாதிரி வரைவைத் தயாரிக்கிறது அல்லது முன் தகுதி பெறுகிறது; மனித மதிப்புரைகள், திருத்தங்கள் மற்றும் அங்கீகரிக்கிறது. சரிபார்ப்பு எவ்வளவு கடுமையாக இருக்க வேண்டும் என்பது பிழையின் விலையைப் பொறுத்தது.

தேடுதல்

பிழை செலவு

மனித சரிபார்ப்பு

தயாரிப்பு விளக்க வரைவு

குறைந்த

மாதிரி கட்டுப்பாடு போதும்

வாடிக்கையாளர் மின்னஞ்சல் பதில்

நடுத்தர

முன் சமர்ப்பிப்பு மதிப்பாய்வு

ஒப்பந்த இடர் பகுப்பாய்வு

உயர்

கட்டுரை மூலம் கட்டுரை நிபுணர் உறுதிப்படுத்தல்

மருத்துவ/நிதி ஆலோசனை

மிக உயர்ந்தது

முழு நிபுணர் சரிபார்ப்பு, AI ஆதரவு மட்டுமே

இந்த அட்டவணை "ஒவ்வொரு வெளியீட்டையும் கைமுறையாக சரிபார்த்தல்" மற்றும் "எல்லாவற்றையும் சரிபார்க்கவில்லை" ஆகியவற்றுக்கு இடையே உள்ள சமநிலையை தாக்குகிறது. குறைந்த விலை வேலைகளுக்கு மாதிரிக் கட்டுப்பாடு போதுமானது என்றாலும், அதிக விலையுள்ள வேலைகளுக்கு ஒவ்வொரு வெளியீடும் சரிபார்க்கப்பட வேண்டும்.

நெறிமுறை மற்றும் பொறுப்பான பயன்பாடு

மாதிரித் தேர்வு ஒரு தொழில்நுட்ப முடிவாகத் தோன்றினாலும், அதற்குப் பின்னால் நெறிமுறைப் பொறுப்புகள் உள்ளன:

• வெளிப்படைத்தன்மை: நீங்கள் பொருத்தமான இடங்களில் AI ஐப் பயன்படுத்துகிறீர்கள் என்பதை உங்கள் வாடிக்கையாளர்கள் அல்லது பணியாளர்களுக்குத் தெரியப்படுத்துங்கள். ஒரு வாடிக்கையாளருக்கு அவர்கள் மனிதனுடன் பேசுகிறார்களா அல்லது AI உடன் பேசுகிறார்களா என்பதை அறிய உரிமை உண்டு.
• சார்பு: மாதிரிகள் அவர்கள் பயிற்றுவிக்கப்பட்ட தரவுகளிலிருந்து சார்புகளைப் பெறலாம். ஆட்சேர்ப்பு மற்றும் கடன் மதிப்பீடு போன்ற முக்கியமான பகுதிகளில் விளைவுகளின் நேர்மையைக் கண்காணிக்கவும்.
• தனியுரிமை: யூனிட் 8 இல் நீங்கள் கற்றுக்கொண்ட தரவுப் பாதுகாப்புக் கொள்கைகளை பணிப்பாய்வுக்குள் உட்பொதிக்கவும்; தனிப்பட்ட தகவல்களை பொறுப்பற்ற முறையில் அனுப்ப வேண்டாம்.
• பொறுப்பு: ஒரு தவறு ஏற்படும் போது, ​​"AI அதை உருவாக்கியது" பாதுகாப்பு போதாது. வாகனத்தைப் பயன்படுத்தும் நிறுவனத்திடம் பொறுப்பு உள்ளது. எனவே ஆவண சரிபார்ப்பு செயல்முறைகள்.

உதவிக்குறிப்பு: உங்கள் பணிப்பாய்வுகளில் “பொறுப்பான பயன்பாட்டுக் கொள்கையை” எழுதவும்: AI-ஐ எந்த வேலைகள் பயன்படுத்தலாம், எந்தத் தரவை அனுப்ப முடியாது, யார் அதைச் சரிபார்ப்பார்கள் மற்றும் பிழைகள் எவ்வாறு புகாரளிக்கப்படும். இந்த ஒரு பக்க ஆவணம் எதிர்காலத்தில் பெரிய சிக்கல்களைத் தடுக்கிறது.

மூன்று யதார்த்தமான வழக்குகள்

வழக்கு 1 - ஏவல் நிறுவாமல் வருத்தம். ஒரு காப்பீட்டுக் குழு மிகவும் பிரபலமான மாதிரியை சோதிக்காமல் உரிமைகோரல்களைச் சுருக்கமாகத் தொடங்குகிறது. இரண்டு வாரங்களுக்குப் பிறகு, மாடல் துருக்கிய தொழில்நுட்ப சொற்களில் அடிக்கடி தவறுகளைச் செய்வதையும் சில தொகைகளை தவறாகப் படிப்பதையும் அவர்கள் உணர்ந்தனர். அவர்கள் 20 மாதிரிகளை அமைத்து, மூன்று மாடல்களை ஒப்பிட்டுப் பார்க்கும் போது, ​​துருக்கிய தொழில்நுட்ப நூல்களில் மிகவும் பிரபலமானதாக இல்லாத ஆனால் மிகவும் துல்லியமான மாதிரிக்கு மாறுகிறார்கள். இழப்பு: இரண்டு வாரங்கள் மற்றும் சரிபார்த்தல் உழைப்பு. பாடம்: முதலில் eval, பின்னர் வரிசைப்படுத்து.

வழக்கு 2 - மாயத்தோற்றத்தைப் பிடிக்கும் செயல்முறை. மாதிரி பிரிண்ட்அவுட்டில் "உச்சநீதிமன்ற தீர்ப்பு" குறிப்பை ஒரு சட்டத்துறை அதிகாரி பார்க்கிறார். அவர்களின் செயல்முறை "ஒவ்வொரு குறிப்பையும் சரிபார்க்க" விதியைக் கொண்டிருப்பதால், அவர் முடிவைத் தேடுகிறார், மேலும் அத்தகைய முடிவு எதுவும் இல்லை என்பதைக் கண்டறிந்தார்; அவர் ஒரு மாதிரியை உருவாக்கினார். மனித சரிபார்ப்புக்கு நன்றி, புனையப்பட்ட தகவல் வாடிக்கையாளரை சென்றடையாது. சரிபார்ப்பு விதி இல்லாமல், நற்பெயர் இழப்பு தீவிரமாக இருந்திருக்கும்.

வழக்கு 3 - வெளிப்படைத்தன்மையுடன் நம்பிக்கை. ஒரு ஈ-காமர்ஸ் நிறுவனம் AI உடன் வாடிக்கையாளர் ஆதரவு பதில்களைத் தயாரிக்கிறது, ஆனால் ஒவ்வொரு பதிலின் கீழும் ஒரு குறிப்பைச் சேர்க்கிறது: "இந்த பதில் செயற்கை நுண்ணறிவு ஆதரவுடன் தயாரிக்கப்பட்டது மற்றும் எங்கள் பிரதிநிதிகளில் ஒருவரால் மதிப்பாய்வு செய்யப்பட்டது." விரைவான பதில் மற்றும் ஒரு மனிதனை ஈடுபாட்டுடன் பார்க்கும் நம்பிக்கை ஆகிய இரண்டிலும் வாடிக்கையாளர்கள் மிகவும் திருப்தி அடைந்துள்ளனர். வெளிப்படைத்தன்மை என்பது மறைக்க வேண்டிய பலவீனம் அல்ல, நம்பிக்கையின் ஆதாரம்.

பலவீனமான ப்ராம்ட் / ஸ்ட்ராங் ப்ராம்ட்: சரிபார்க்கக்கூடிய வெளியீடு

பலவீனமான உடனடி:

இந்த ஒப்பந்தத்தின் ஆபத்தான உட்பிரிவுகளைப் பற்றி சொல்லுங்கள்.

மாதிரி பொருத்த முடியும்; எந்த ஆதாரமும் இல்லை, நிச்சயமற்ற அறிகுறியும் இல்லை.

சக்திவாய்ந்த தூண்டுதல்:

உங்கள் பங்கு: ஒப்பந்த ஆய்வாளர் (இறுதி முடிவு ஒரு வழக்கறிஞருக்கு சொந்தமானது). பணி: பின்வரும் ஒப்பந்தத்தில் அபாயகரமான உட்பிரிவுகளை முன்னிலைப்படுத்தவும். ஒவ்வொரு கண்டுபிடிப்புக்கும்: (1) உட்பிரிவு எண் மற்றும் சொல்லுக்குரிய மேற்கோள், (2) இது ஏன் ஆபத்தானது, (3) உங்கள் நம்பிக்கை நிலை (உயர்/நடுத்தர/குறைவு). உரையில் உள்ள உட்பிரிவுகளை மட்டும் நம்புங்கள்; உரையில் இல்லாத எதையும் இட்டுக்கட்ட வேண்டாம். உங்களுக்கு உறுதியாகத் தெரியாத இடங்களில், "வழக்கறிஞரின் உறுதிப்படுத்தல் தேவை" என்று எழுதவும். [ஒப்பந்தம்]

வலுவான ப்ராம்ட் ஒவ்வொரு உரிமைகோரலையும் மூலத்துடன் இணைக்கிறது (கட்டுரை எண் + மேற்கோள்), நம்பிக்கை நிலை தேவைப்படுகிறது மற்றும் புனையப்படுவதைத் தடுக்கிறது; இது மாயத்தோற்றத்தை பிடிக்கக்கூடியதாக ஆக்குகிறது.

நகலெடுக்கக்கூடிய வார்ப்புருக்கள்

1. ஏவல் செட் வடிவமைப்பு:

பின்வரும் பணிக்கான மதிப்பீட்டுத் தொகுப்பை வடிவமைக்கவும் [பணி]. 15 மாதிரி உள்ளீடுகளைப் பரிந்துரைக்கவும் (கலப்பு எளிதான-நடுத்தர-கடினமானது), ஒவ்வொன்றிற்கும் "எதிர்பார்க்கப்படும் சரியான வெளியீடு" எவ்வாறு வரையறுக்கப்படும், மேலும் ஒரு மதிப்பெண் அளவுகோலைத் தீர்மானிக்கவும் (1-5).

2. மாயத்தோற்றத்தைக் குறைக்கும் மடக்கு:

புனைகதையைக் குறைக்க பின்வரும் வரியில் மீண்டும் எழுதவும்: "[PROMPT]". ஆதாரங்களை மேற்கோள் காட்டுதல், நம்பிக்கை நிலைகளைக் குறிப்பிடுதல் மற்றும் "உங்களுக்குத் தெரியாவிட்டால் என்னிடம் சொல்லுங்கள்" போன்ற விதிகளைச் சேர்க்கவும்.

3. சரிபார்ப்பு ஓட்ட வடிவமைப்பு:

பின்வரும் பணிப்பாய்வு [WORKFLOW] இல் AI வெளியீட்டிற்கான மனித சரிபார்ப்பு படியை வடிவமைக்கவும். பிழையின் விலையின் அடிப்படையில் சரிபார்ப்பு எவ்வளவு கடுமையாக இருக்க வேண்டும் என்பதைத் தீர்மானிக்கவும்; யார் என்ன, எப்போது சரிபார்க்க வேண்டும் என்று எழுதுங்கள்.

4. பொறுப்பான பயன்பாட்டுக் கொள்கை வரைவு:

[INDUSTRY] இல் ஒரு குழுவிற்கு ஒரு பக்க "பொறுப்பான AI பயன்பாட்டுக் கொள்கையை" உருவாக்கவும். பின்வரும் தலைப்புகளைச் சேர்க்கவும்: அனுமதிக்கப்பட்ட பயன்பாடுகள், தடைசெய்யப்பட்ட தரவு, சரிபார்ப்புப் பொறுப்பு, வெளிப்படைத்தன்மை அறிக்கையிடல், பிழை அறிக்கையிடல்.

பொதுவான தவறுகள்

• Eval இல்லாமல் வரிசைப்படுத்துதல்: உங்கள் சொந்த தரவைக் கொண்டு அதைச் சோதிக்காமல் மாடலைத் தொடங்குதல் மற்றும் வாடிக்கையாளர்/வேலையில் அவை பிரதிபலித்த பிறகு பிழைகளைக் கவனித்தல்.
• மாயத்தோற்றத்தை நம்புதல்: குறிப்புகளை சரிபார்க்காமல் மாதிரியின் நம்பிக்கையான மொழியை உண்மையாகப் பயன்படுத்துதல்.
• மனித சரிபார்ப்பை புறக்கணித்தல்: அதிக விலை முடிவுகளில் வெளியீட்டை சரிபார்க்காமல் விட்டுவிடுதல்; "AI செய்தது" பாதுகாப்பின் மீது சாய்ந்து.
• வெளிப்படைத்தன்மையைத் தவிர்ப்பது: AI இன் உங்கள் பயன்பாட்டை மறைத்தல்; அது நிகழும்போது நம்பிக்கை இழப்பை அனுபவிக்கிறது.
• நெறிமுறைகள் மற்றும் சார்புகளைப் புறக்கணித்தல்: வெளியீட்டின் நேர்மையைக் கண்காணிக்காமல் முக்கியமான முடிவுகளை (பணியமர்த்தல், கடன்) பயன்படுத்துதல்.

சுருக்கமாக

• ஒரு மாதிரியைப் பயன்படுத்துவதற்கு முன், உங்கள் சொந்த தரவுகளுடன் ஒரு சிறிய eval தொகுப்பை அமைத்து, வேட்பாளர்களை சோதிக்கவும்; ஒட்டுமொத்த தரவரிசைகள் உங்கள் வணிகத்தைப் பிரதிநிதித்துவப்படுத்துவதில்லை.
• மாயத்தோற்றம் என்பது தவறான மொழியின் மாதிரியின் நம்பிக்கையான உற்பத்தியாகும்; மூல பண்புக்கூறு, நம்பிக்கையின் நிலை மற்றும் மனித சரிபார்ப்பு மூலம் கைப்பற்றப்பட்டது.
• மனித சரிபார்ப்பின் கண்டிப்பானது பிழையின் விலைக்கு ஏற்ப சரிசெய்யப்படுகிறது; முக்கியமான பகுதிகளில் AI ஆதரவு மட்டுமே, முடிவு மனிதனுடையது.
• வெளிப்படைத்தன்மை, சார்பு கட்டுப்பாடு, இரகசியத்தன்மை மற்றும் பொறுப்புக்கூறல்; பொறுப்பான AI பயன்பாட்டின் நான்கு தூண்கள். ஒரு பக்கக் கொள்கை பெரிய ஆபத்துகளைத் தடுக்கிறது.

விண்ணப்ப பணி

தொகுதி முழுவதும் நீங்கள் தேர்ந்தெடுத்த வேட்பாளர் மாதிரி(களுக்கு) இந்த யூனிட்டில் டெம்ப்ளேட் 1 உடன் 15 எடுத்துக்காட்டுகளின் மதிப்பீட்டுத் தொகுப்பை அமைக்கவும் மற்றும் குறைந்தபட்சம் இரண்டு மாடல்களை இந்தத் தொகுப்புடன் ஒப்பிடவும். வார்ப்புரு 3 (சரிபார்ப்பு ஓட்டம்) மூலம் மனிதர்களால் வெளியீடு எவ்வாறு சரிபார்க்கப்படும் என்பதை வடிவமைத்து, டெம்ப்ளேட் 4 (பொறுப்பான பயன்பாட்டுக் கொள்கை) மூலம் உங்கள் குழுவிற்கு ஒரு பக்கக் கொள்கையை வரையவும். இந்த மூன்று டெலிவரிகளும் முழு தொகுதியையும் வேலை செய்யக்கூடிய வரிசைப்படுத்தல் திட்டமாக மாற்றுகிறது.

சரிபார்ப்பு பட்டியல்

• [ ] எனது சொந்தத் தரவைக் கொண்டு, நான் ஒரு சிறிய ஏவல் தொகுப்பை அமைக்கலாம் மற்றும் மாதிரிகளை ஒப்பிடலாம்.
• [ ] நான் மாயத்தோற்றங்களை அடையாளம் கண்டு, தணிக்கும் மற்றும் கைது செய்யும் நடவடிக்கைகளைப் பயன்படுத்த முடியும்.
• [ ] பிழையின் விலையின் அடிப்படையில் மனித சரிபார்ப்பின் இறுக்கத்தை என்னால் சரிசெய்ய முடியும்.
• [ ] நான் வெளிப்படைத்தன்மை, சார்பு, இரகசியத்தன்மை மற்றும் பொறுப்புக்கூறல் கொள்கைகளை பணிப்பாய்வுக்குள் உட்பொதிக்க முடியும்.
• [ ] நான் ஒரு பக்க பொறுப்பான AI பயன்பாட்டுக் கொள்கையை உருவாக்க முடியும்.

தொகுதி தேர்வு

1. AI 'வழங்குபவர்' மற்றும் 'மாதிரி குடும்பம்' ஆகியவற்றுக்கு என்ன வித்தியாசம்?

• A) வழங்குநர் என்பது மாதிரியை உருவாக்கும் நிறுவனம், மற்றும் மாதிரி குடும்பம் என்பது ஒரு பிராண்டின் கீழ் அந்த நிறுவனத்தின் மாதிரிக் குழுவாகும் ✔
• பி) அவை ஒரே மாதிரியானவை மற்றும் ஒன்றுக்கொன்று மாற்றாகப் பயன்படுத்தப்படுகின்றன
• C) வழங்குநர் என்பது மாதிரியின் விலை, மாதிரி குடும்பம் என்பது மாதிரியின் வேகம்.
• D) மாடல் குடும்பம் என்பது நிறுவனத்தைக் குறிக்கிறது, சப்ளையர் என்பது ஒற்றை மாதிரி பதிப்பைக் குறிக்கிறது

விளக்கம்: வழங்குநர் என்பது மாதிரியை உருவாக்கிய நிறுவனம் (எ.கா. ஆந்த்ரோபிக்); மாடல் குடும்பம் என்பது அந்த நிறுவனம் ஒரு பிராண்டின் கீழ் சேகரிக்கும் மாதிரிக் குழுவாகும் (உதாரணமாக, கிளாட்). மாதிரி பதிப்பு என்பது குடும்பத்திற்குள் ஒரு குறிப்பிட்ட பதிப்பாகும்.

2. ஒரு மாதிரியின் 'எடைகளை' எவ்வாறு மிகத் துல்லியமாக வரையறுக்க முடியும்?

• A) இது மாதிரி ஒரு நிமிடத்திற்கு உருவாக்கக்கூடிய டோக்கன்களின் எண்ணிக்கை
• B) இது மாதிரியானது பயிற்சியின் போது கற்றுக் கொள்ளும் மற்றும் அதன் தகவல்களைச் சேமிக்கும் பில்லியன் கணக்கான எண் அளவுருக்கள் ஆகும். ✔
• சி) இது மாதிரியின் மாதாந்திர சந்தா கட்டணம்
• D) இது மாதிரியால் ஆதரிக்கப்படும் மொழிகளின் எண்ணிக்கை

விளக்கம்: எடைகள் என்பது பயிற்சியின் போது மாடல் கற்றுக் கொள்ளும் பில்லியன் கணக்கான எண் அளவுருக்கள்; அது மாதிரி 'தெரிஞ்சதெல்லாம்' சேமித்து வைக்கிறது. மூடிய/வெளிப்படையான எடை வேறுபாடு இந்த அளவுருக்களை பதிவிறக்கம் செய்து இயக்க முடியுமா என்பதைப் பொறுத்தது.

3. 'திறந்த எடை' மற்றும் 'திறந்த-மூலம்' பற்றிய எந்த அறிக்கை உண்மை?

• A) அவை ஒரே மாதிரியான கருத்துக்கள் மற்றும் இரண்டும் வரம்பற்ற வணிகப் பயன்பாட்டைத் தருகின்றன
• B) திறந்த எடை எப்போதும் பயிற்சி தரவையும் பொதுவில் வைக்கிறது
• C) இது ஒன்றல்ல; திறந்த எடையில், பொதுவாக அளவுருக்கள் மட்டுமே பகிரப்படும் மற்றும் உரிம விதிமுறைகள் வணிகப் பயன்பாட்டைக் கட்டுப்படுத்தலாம் ✔
• D) திறந்த மூல மாதிரிகளை பதிவிறக்கம் செய்ய முடியாது, திறந்த எடை மாதிரிகள் பதிவிறக்கம் செய்யப்படலாம்

விளக்கம்: திறந்த எடையில், மாதிரி அளவுருக்கள் மட்டுமே பகிரப்படுகின்றன; பயிற்சித் தரவு மற்றும் செயல்முறை பெரும்பாலும் வெளியிடப்படுவதில்லை, மேலும் சில உரிமங்கள் வணிகப் பயன்பாட்டைக் கட்டுப்படுத்துகின்றன. எனவே 'திறந்த எடை' என்பது 'ஓப்பன் சோர்ஸ்' என்பது சரியாக இருக்காது.

4. நீண்ட ஒப்பந்தங்களைப் படித்து பகுப்பாய்வு செய்யும் சட்டக் குழுவிற்கு பின்வருவனவற்றில் மிகவும் தீர்க்கமான மாதிரி அம்சம் எது?

• A) மிகக் குறைந்த டோக்கன் விலையைக் கொண்டிருப்பது
• B) காட்சி (மல்டிமாடல்) செயலாக்க திறனைக் கொண்டிருத்தல்
• சி) திறந்த எடை உரிமம் பெற்றிருத்தல்
• D) பரந்த சூழல் சாளரம் ✔

விளக்கம்: நீண்ட ஆவணங்களை முழுவதுமாகச் செயலாக்க மாதிரிக்கு ஒரு பெரிய சூழல் சாளரம் தேவை; சூழல் சாளரம் என்பது மாடல் ஒரு நேரத்தில் மனதில் வைத்திருக்கக்கூடிய டோக்கன்களின் மொத்தத் தொகையாகும்.

5. மூடிய எடை மாதிரிகளுக்கான டோக்கன் விலையில் எது உண்மை?

• A) வெளியீட்டு டோக்கன் பொதுவாக உள்ளீட்டு டோக்கனை விட அதிக விலை அதிகம் ✔
• B) உள்ளீடு மற்றும் வெளியீடு எப்போதும் ஒரே விலையில் இருக்கும்
• C) நிர்ணயிக்கப்பட்ட மாதாந்திர கட்டணம் மட்டுமே வசூலிக்கப்படுகிறது, பயன்பாட்டுத் தொகை பொருத்தமற்றது
• D) உள்ளீட்டு டோக்கன் எப்போதும் வெளியீட்டை விட பல மடங்கு விலை அதிகம்

விளக்கம்: ஒரு டோக்கனுக்கான விலை கணக்கிடப்படுகிறது, மேலும் மாடல் உற்பத்தி செய்யும் அவுட்புட் டோக்கன் நீங்கள் அனுப்பும் உள்ளீட்டு டோக்கனை விட பல மடங்கு விலை அதிகம். எனவே, நீண்ட மற்றும் தேவையற்ற அச்சிடுதல்கள் செலவுகளை விரைவாக அதிகரிக்கின்றன.

6. இன்வாய்ஸ் படங்களிலிருந்து தரவைத் தானாகப் பிரித்தெடுக்க விரும்பும் கணக்கியல் குழுவிற்கு ஒரு மாதிரியில் எந்த அம்சம் அவசியம்?

• A) சாத்தியமான பரந்த சூழல் சாளரம்
• B) பன்முகத்தன்மை (காட்சி செயலாக்க திறன்) ✔
• சி) திறந்த எடை உரிமம்
• D) பகுத்தறிவின் மிக உயர்ந்த நிலை

விளக்கம்: காட்சி உள்ளடக்கத்தைப் புரிந்து கொள்ள, மாதிரியானது படங்களையும் உரையையும் செயலாக்கக்கூடியதாக இருக்க வேண்டும், அதாவது அது மல்டிமாடலாக இருக்க வேண்டும். மல்டிமாடலிட்டி என்பது உரை, படங்கள் மற்றும் சில நேரங்களில் ஆடியோ போன்ற பல வகையான தரவுகளைக் கையாளும் மாதிரியின் திறன் ஆகும்.

7. அதிக அளவு, எளிமையான பணிக்கு (எ.கா. ஆயிரக்கணக்கான மதிப்புரைகளின் நேர்மறை/எதிர்மறை வகைப்பாடு) மிகவும் தர்க்கரீதியான தேர்வு எது?

• A) எப்போதும் வலுவான மற்றும் மிகவும் விலையுயர்ந்த பகுத்தறிவு மாதிரி
• B) திறந்த எடை மற்றும் அதன் சொந்த சர்வரில் மட்டுமே செயல்படும் மாதிரி
• C) இலகுரக மற்றும் குறைந்த விலை மாடல், ஏனெனில் பணி எளிமையானது மற்றும் அதிக அளவு ✔
• D) பரந்த சூழல் சாளரம் கொண்ட மாதிரி

விளக்கம்: ஒரு இலகுரக, குறைந்த விலை மாடல் எளிய, அதிக அளவு பணிகளுக்கு தந்திரம் செய்கிறது; மிகவும் சக்திவாய்ந்த மற்றும் விலையுயர்ந்த மாதிரியைப் பயன்படுத்துவது தேவையற்ற செலவுகளை உருவாக்குகிறது. பணியின் சிரமத்தை மாதிரி அடுக்குடன் பொருத்துவதே சரியான அணுகுமுறை.

8. KVKK அடிப்படையில் வெளிநாட்டு அடிப்படையிலான AI வழங்குநருக்கு தனிப்பட்ட தரவு உள்ள உரையை அனுப்புவது எது?

• A) இது எந்த சட்டப் பொறுப்பையும் உருவாக்காது
• B) வழங்குநர் ஐரோப்பிய ஒன்றியத்தில் இருந்தால் மட்டுமே முக்கியமானது, வேறு எந்த சந்தர்ப்பத்திலும் இல்லை
• C) தரவு அநாமதேயமாக இருந்தாலும் இல்லாவிட்டாலும், எல்லா சூழ்நிலைகளிலும் இது கண்டிப்பாக தடைசெய்யப்பட்டுள்ளது
• D) வெளிநாட்டில் தரவு பரிமாற்றம் கருதப்படுகிறது மற்றும் KVKK ✔ இன் சிறப்பு நிபந்தனைகளுக்கு உட்பட்டது

விளக்கம்: வெளிநாட்டில் உள்ள வழங்குநரின் சேவையகங்களில் செயல்படும் தரவு, 'வெளிநாட்டில் தரவு பரிமாற்றம்' எனக் கருதப்படுகிறது மற்றும் இந்த விஷயத்தில் KVKK இன் சிறப்பு நிபந்தனைகளுக்கு உட்பட்டது (வெளிப்படையான ஒப்புதல், போதுமான முடிவு, பொருத்தமான உத்தரவாதங்கள் போன்றவை).

9. ஒரு மாதிரியின் 'ரீசனிங்' பயன்முறை என்ன செய்கிறது மற்றும் அது எவ்வாறு செலவைப் பாதிக்கிறது?

• A) இது சிக்கலான சிக்கல்களில் துல்லியத்தை அதிகரிக்கிறது, ஆனால் அதிக டோக்கன்களை உருவாக்குவதால் செலவு மற்றும் தாமதத்தை அதிகரிக்கிறது ✔
• B) எப்போதும் மாதிரியை இலவசமாக்குகிறது
• C) மாதிரியால் ஆதரிக்கப்படும் மொழிகளின் எண்ணிக்கையை மட்டுமே அதிகரிக்கிறது
• D) எப்பொழுதும் பதில்களைச் சுருக்கி, செலவைக் குறைக்கவும்

விளக்கம்: பகுத்தறிவு முறையானது, பதிலைக் கொடுப்பதற்கு முன், படிப்படியாக 'சிந்திக்க' மாதிரியை அனுமதிக்கிறது; இது பல-படி மற்றும் சிக்கலான சிக்கல்களில் துல்லியத்தை அதிகரிக்கிறது, ஆனால் இது அதிக டோக்கன்களை உருவாக்குவதால் செலவு மற்றும் தாமதத்தை அதிகரிக்கிறது.

10. உங்கள் சொந்த வணிகத்திற்கான மாதிரியை மதிப்பீடு செய்யும் போது (eval) மிகவும் நம்பகமான அணுகுமுறை என்ன?

• A) மிகவும் பிரபலமான மாடலைத் தேர்ந்தெடுத்து சோதனை இல்லாமல் பயன்படுத்தவும்
• B) உங்கள் சொந்த உண்மையான பணிகளின் சிறிய சோதனைத் தொகுப்பை அமைத்து, அதனுடன் மாதிரிகளை ஒப்பிடவும் ✔
• C) விளம்பரங்களில் குறிப்பிடப்பட்டுள்ள பெஞ்ச்மார்க் மதிப்பெண்ணை மட்டும் பார்க்கவும்
• D) மிக உயர்ந்த சூழல் சாளரத்துடன் கூடிய மாதிரியை சிறந்ததாக தானாகவே ஏற்கவும்

விளக்கம்: லீடர்போர்டுகளை கண்மூடித்தனமாக நம்புவதற்குப் பதிலாக, உங்கள் சொந்த உண்மையான பணிகளின் சிறிய சோதனைத் தொகுப்பை உருவாக்கி, இந்தத் தொகுப்பில் உள்ள மாதிரிகளை ஒப்பிடுவது உங்கள் வணிகத்திற்கு மிகவும் பொருத்தமான ஒன்றை வெளிப்படுத்தும்.

11. மாதிரி வெளியீட்டில் 'மாயத்தோற்றங்கள்' இருக்கலாம் என்ற அறிவு உங்கள் பணிப்பாய்வுகளை எவ்வாறு வடிவமைக்க வேண்டும்?

• A) வெளியீடு எப்போதும் சரியானதாகக் கருதப்பட்டு நேரடியாக வெளியிடப்பட வேண்டும்
• B) மாயத்தோற்றம் இலவச மாடல்களில் மட்டுமே காணப்படுகிறது, கட்டண மாடல்களில் அல்ல
• C) முக்கியமான முடிவுகளில், வெளியீடு ஒரு மனிதனால் சரிபார்க்கப்பட வேண்டும் மற்றும் ஆதாரங்கள் உறுதிப்படுத்தப்பட வேண்டும் ✔
• D) மாதிரியை மாற்றுவதன் மூலம் மாயத்தோற்றத்தை முற்றிலும் அகற்றலாம்

விளக்கம்: மாடல் என்பது உண்மையில் உண்மையில்லாத தகவலை நம்பிக்கையான மொழியில் உருவாக்கும்போது மாயத்தோற்றம் ஆகும். இந்த அபாயத்தின் காரணமாக, ஒரு மனிதனின் வெளியீட்டை சரிபார்க்க வேண்டும், குறிப்பாக சட்ட, மருத்துவ மற்றும் நிதி முடிவுகளுக்கு.

12. முதிர்ந்த நிறுவனங்களால் பின்பற்றப்படும் 'மாடல் போர்ட்ஃபோலியோ' அணுகுமுறையின் அடிப்படை தர்க்கம் என்ன?

• A) ஒவ்வொரு வேலையும் ஒரே ஒரு, மிகவும் விலையுயர்ந்த மாதிரி மூலம் செய்து எளிமையை உறுதி செய்ய.
• B) மலிவான மாதிரியை மட்டுமே பயன்படுத்துதல் மற்றும் தரத்தை முற்றிலும் புறக்கணித்தல்
• C) எந்த மாதிரிகளையும் பயன்படுத்த வேண்டாம் மற்றும் அனைத்து வேலைகளையும் கைமுறையாக செய்யுங்கள்
• D) பணிக்கு ஏற்ப வெவ்வேறு மாதிரிகளைப் பயன்படுத்துவதன் மூலம் செலவை மேம்படுத்துதல் மற்றும் ஒரு வழங்குநரைச் சார்ந்திருப்பதைக் குறைத்தல் ✔

விளக்கம்: மாதிரி போர்ட்ஃபோலியோ என்பது பணிக்கு ஏற்ப வெவ்வேறு மாடல்களைப் பயன்படுத்துவதாகும்: எளிய மற்றும் பருமனான வேலைகளுக்கான மலிவான மாதிரி, சிக்கலான வேலைகளுக்கான சக்திவாய்ந்த மாதிரி, ரகசியத் தரவுகளுக்கான திறந்த எடை/பிராந்திய மாதிரி. இவை இரண்டும் செலவை மேம்படுத்துகிறது மற்றும் ஒரு வழங்குநரைச் சார்ந்திருப்பதைக் குறைக்கிறது.

13. மாதிரித் தேர்வுக்கான பூர்வீக நாடு மற்றும் தரவுத் தக்கவைப்புக் கொள்கை ஏன் ஒரு அளவுகோலாக இருக்கலாம்?

• A) ஏனெனில் இது ஒழுங்குமுறை, தரவு இறையாண்மை மற்றும் தனியுரிமை தேவைகளை நேரடியாக பாதிக்கிறது ✔
• B) அது மாதிரியின் மறுமொழி வேகத்தை தீர்மானிக்கிறது
• சி) ஏனெனில் இது மாதிரியால் ஆதரிக்கப்படும் கோப்பு வடிவங்களைத் தீர்மானிக்கிறது
• D) இது நடைமுறை விளைவு இல்லாததால், இது ஒரு சந்தைப்படுத்தல் விவரம்

விளக்கம்: மாதிரியின் டெவலப்பர் அமைந்துள்ள நாடு மற்றும் எங்கு/எவ்வளவு தரவு சேமிக்கப்படுகிறது; சட்ட ஒழுங்குமுறை, தரவு இறையாண்மை மற்றும் தனியுரிமை ஆகியவற்றின் அடிப்படையில் இது தீர்க்கமானதாகும். எடுத்துக்காட்டாக, EU க்குள் ஹோஸ்ட் செய்ய விரும்பும் ஒரு நிறுவனத்திற்கு, பிராந்திய வழங்குநர் அல்லது பூஜ்ஜிய சேமிப்பக விருப்பம் முக்கியமானது.

14. ஒரு பணியில் 'ஒற்றை சிறந்த மாடலை' தேடுவது ஏன் தவறாக வழிநடத்துகிறது என்பதை எது சிறப்பாக விளக்குகிறது?

• A) அனைத்து மாடல்களும் உண்மையில் ஒரே மாதிரியான திறன்களைக் கொண்டுள்ளன
• B) மாதிரிகள் வெவ்வேறு அளவுகளில் வலுவானவை, எனவே 'சிறந்தது' என்பது வேலைத் தேவையைப் பொறுத்தது ✔
• C) ஒவ்வொரு பணியிலும் மிகவும் விலையுயர்ந்த மாதிரி தானாகவே சிறந்தது
• D) மாதிரி தேர்வு முற்றிலும் சீரற்ற முறையில் செய்யப்பட வேண்டும்

விளக்கம்: வேகம், செலவு, சூழல், பன்முகத்தன்மை, தனியுரிமை மற்றும் பகுத்தறிவு போன்ற பல்வேறு பரிமாணங்களில் மாதிரிகள் வலுவானவை. ஒரு பரிமாணத்தில் ஒரு தலைவராக இருக்கும் ஒரு மாதிரி மற்றொரு பரிமாணத்தில் பலவீனமாக இருக்கலாம்; எனவே 'சிறந்தது' எப்போதும் வேலைத் தேவையைப் பொறுத்தது.