தணிக்கை, உள் கட்டுப்பாடு மற்றும் ஒழுங்கின்மை கண்டறிதல்

ஆதாயங்கள்:

• AI மூலம் முழு மக்களையும் ஸ்கேன் செய்யும் திறன் மற்றும் ஒழுங்கின்மை விதிகளின்படி சந்தேகத்திற்கிடமான பதிவுகளுக்கு முன்னுரிமை
• மாதிரியில் தீர்ப்பு வழங்காமல் 'குறித்து நியாயப்படுத்துதல்' என்ற ஒழுக்கத்துடன் தணிக்கைகளை நடத்தும் திறன்
• ஒவ்வொரு AI வெளியீட்டிற்கும் தணிக்கைத் தடத்தை (தரவு, ப்ராம்ட், தேதி, சரிபார்ப்பு) வைத்திருக்கும் திறன்

கணக்கியல் மற்றும் நிதியத்தின் மிக முக்கியமான பகுதி தணிக்கை: பதிவுகள் துல்லியமானவை, முழுமையானவை மற்றும் இணக்கமானவை என்பதை சுயாதீனமாக சரிபார்த்தல். செயற்கை நுண்ணறிவு (AI) என்பது இங்கு இருமுனைக் கருவியாகும். ஒருபுறம், முரண்பாடுகளுக்கான பெரிய தரவு அடுக்குகளை ஸ்கேன் செய்வதிலும் (எதிர்பார்ப்புகளிலிருந்து விலகிச் செல்லும் சந்தேகத்திற்கிடமான பதிவுகள்) மற்றும் உள் கட்டுப்பாட்டு பாதிப்புகளைக் கண்டறிவதிலும் இது மிகவும் சக்தி வாய்ந்தது. மறுபுறம், தணிக்கையின் தன்மை காரணமாக, AI இன் சொந்த வெளியீடும் தணிக்கை செய்யப்பட வேண்டும். இந்த யூனிட்டில், AI ஐ "தணிக்கை உதவியாளராக" பயன்படுத்துவது மற்றும் தணிக்கைத் தடத்தை எவ்வாறு பராமரிப்பது என்பதைக் கற்றுக்கொள்வோம்.

உள் கட்டுப்பாடு மற்றும் தணிக்கையில் AI இன் பங்கு

அகக் கட்டுப்பாடு என்பது பிழைகள் மற்றும் துஷ்பிரயோகத்தைத் தடுப்பதற்காக நிறுவப்பட்ட விதிகள் மற்றும் செயல்முறைகளின் தொகுப்பாகும் (கடமைகளைப் பிரித்தல், ஒப்புதல் வரம்புகள், நல்லிணக்கம் போன்றவை). இவை செயல்படுகிறதா இல்லையா என்பதை தணிக்கை சரிபார்க்கிறது. AI மிகவும் பயனுள்ளதாக இருக்கும் போது, ​​பாரம்பரிய தணிக்கையில் மாதிரியை உள்ளடக்கிய முழு மக்களையும் ஸ்கேன் செய்ய முடியும் (நூற்றுக்கணக்கான பதிவுகளில் சில பதிவுகளை ஆய்வு செய்தல்). அனைத்து 10,000 பதிவுகளையும் பார்ப்பது ஒரு மனிதனுக்கு கடினம், ஆனால் ஒரு மாதிரிக்கு சாத்தியம்.

ஆனால் முக்கியமான வேறுபாடு இதுதான்: AI சந்தேகத்தை உருவாக்குகிறது, தீர்ப்பு அல்ல. "இந்தப் பதிவு அசாதாரணமாகத் தெரிகிறது" என்பது ஒரு தொடக்கப் புள்ளியாகும்; உண்மையான தணிக்கை முடிவு மற்றும் சான்று சேகரிப்பு மனிதனுடையது.

உதவிக்குறிப்பு: தணிக்கைத் தூண்டுதலின் போது, ​​"சுட்டி மற்றும் நியாயப்படுத்து, முடிவுக்கு/தீர்மானிக்க வேண்டாம்" என்று கூறவும். "இது ஒரு ஒழுங்கின்மை" போன்ற உறுதியான அறிக்கைகளை மாதிரிக்கு செய்வது தவறானது மற்றும் ஆபத்தானது; உங்கள் மதிப்பாய்வில் விஷயம் முடிவு செய்யப்படும்.

படிப்படியாக: AI உடன் ஒழுங்கின்மை ஸ்கேனிங்

1. உங்கள் விதியை வரையறுக்கவும். நீங்கள் எதை அசாதாரணமாக கருதுகிறீர்கள்? வாசல், மறுபடியும், நேரம்.
2. முழு மக்களையும் ஸ்கேன் செய்யவும். ஒரு மாதிரி மட்டுமல்ல, அவை அனைத்தும்.
3. குறிக்கவும் நியாயப்படுத்தவும். ஒவ்வொரு கண்டுபிடிப்புக்கும் "ஏன் சந்தேகத்திற்குரியது" என்ற விளக்கம்.
4. முன்னுரிமை கொடுங்கள். ஆபத்து/தாக்க அளவு அடிப்படையில் வரிசைப்படுத்தவும்.
5. மனித மதிப்பாய்வைப் பார்க்கவும். ஆதாரங்களை சேகரிக்கவும், ஒரு முடிவை எடுக்கவும், ஆவணப்படுத்தவும்.

பலவீனமான ப்ராம்ட் / ஸ்ட்ராங் ப்ராம்ட்

பலவீனமான உடனடி: இந்த செலவுகளில் ஏதேனும் முறைகேடுகள் உள்ளதா? [தரவு]

இது "ஒன்றுமில்லை" என்ற பதிலை அளிக்கிறது அல்லது தணிக்கையில் பயன்படுத்த முடியாத ஆதாரமற்ற குற்றச்சாட்டுகளை உருவாக்குகிறது.

வலுவான அறிவுறுத்தல்:உங்கள் பங்கு: உள் தணிக்கை உதவியாளர். பணி: பின்வரும் செலவுப் பதிவுகளை ஆபத்து விதிக்கு எதிராக ஸ்கேன் செய்யவும். விதிகள்: 1) ஒப்புதல் வரம்புக்குக் கீழே உள்ள தொகை (50,000) (பிளவு சந்தேகம்) 2) வார இறுதிகளில் அல்லது மணிநேரங்களுக்குப் பிறகு உள்ளிடப்பட்ட பதிவுகள்3) ஒரே மாதிரியான தொகைகள் குறுகிய இடைவெளியில் மீண்டும் நிகழும். தூண்டப்பட்ட விதி | இது ஏன் சந்தேகத்திற்குரியது (1 வாக்கியம்) |முன்னுரிமை (உயர்/நடுத்தர/குறைவு)கட்டுப்பாடு: குறிக்கவும், நியாயப்படுத்தவும். "இது ஒரு விதிமீறல்" போன்ற தீர்ப்பை வழங்குதல்; இவர்கள் மனித பரிசோதனைக்கான வேட்பாளர்கள். தரவில் உள்ள தகவலை மட்டும் பயன்படுத்தவும்.<records> ... </records>

இந்த தூண்டுதல்; இது ஒப்புதல் வரம்புக்கு ("பிரிவு" அடையாளம்) கீழே சிக்கியுள்ள தொகைகளுக்கு முன்னுரிமை அளிக்கிறது அல்லது மணிநேரங்களுக்குப் பிறகு உள்ளிடப்பட்ட பதிவுகள் மற்றும் தணிக்கையாளருக்கு தெளிவான மதிப்பாய்வு பட்டியலை வழங்குகிறது.

தணிக்கைக்கு AI இன் மிகப்பெரிய பங்களிப்பு அதன் அளவின் நன்மையாகும். ஒரு பாரம்பரிய தணிக்கையில், அனைத்து பதிவுகளையும் பார்ப்பது உடல் ரீதியாக சாத்தியமற்றது என்பதால் மாதிரி செய்யப்படுகிறது: ஒருவேளை நூறாயிரக்கணக்கான விலைப்பட்டியல்கள் ஆய்வு செய்யப்பட்டு அதன் முடிவு முழு மக்களுக்கும் பொதுவானதாக இருக்கும். இதன் பொருள் மாதிரிக்கு வெளியே இருக்கும் ஒரு முறைகேடு தப்பித்தது. AI, மறுபுறம், நீங்கள் வரையறுக்கும் விதிகளை அனைத்து பல்லாயிரக்கணக்கான பதிவுகளுக்கும் நொடிகளில் பயன்படுத்த முடியும். எனவே, தணிக்கை என்பது "சில உதாரணங்களைப் பார்த்து நம்பிக்கை வைப்பதில்" இருந்து "ஒவ்வொரு பதிவையும் ஸ்கேன் செய்து விதிவிலக்குகளை வெளியே இழுப்பது" வரை உருவாகிறது. இருப்பினும், கண்டுபிடிக்கப்பட்ட அனைத்தும் விசாரணைக்கான வேட்பாளர்கள், முடிவுகள் அல்ல.

ஒழுங்கின்மை விதிகள் தணிக்கையில் அடிக்கடி பயன்படுத்தப்படுகின்றன

ஆட்சி

அது எதைக் குறிக்கிறது

உதாரணம்

துணை திரட்சி

அங்கீகாரத்தைத் தவிர்க்க பிரிக்கவும்

49,500, 49,800 போன்ற தொகைகள்

மணிநேர பதிவு

கட்டுப்பாடற்ற நுழைவு

சனிக்கிழமை 23:40 பில்

நகல் கட்டணம்

இரட்டை பணம் செலுத்தும் ஆபத்து

ஒரே விலைப்பட்டியல், இரண்டு ஆவண எண்கள்

சுற்று-எண் அதிர்வெண்

மதிப்பிடப்பட்ட/உருவாக்கப்பட்ட தொகை

சரியாக 10,000 நிறைய

புதிய சப்ளையர் + அதிக தொகை

பேய் சப்ளையர் ஆபத்து

முதல் பரிவர்த்தனையில் 200,000

கடமைகளைப் பிரித்தல் மற்றும் அதிகாரக் கட்டுப்பாடு

உள் கட்டுப்பாட்டின் அடிப்படைக் கற்களில் ஒன்று கடமைகளைப் பிரிப்பதாகும்: ஒரு பரிவர்த்தனையைத் தொடங்கும், ஒப்புதல் அளித்த மற்றும் பணம் செலுத்தும் நபர்கள் வேறுபட்டவர்கள். அதே நபர் நுழைந்து, ஒப்புதல் அளித்து விலைப்பட்டியல் செலுத்தினால், முறைகேடுக்கான கதவு திறந்திருக்கும். பரிவர்த்தனை பதிவுகளில் பயனர் தகவலை ஸ்கேன் செய்வதன் மூலம் இந்தக் கொள்கை மீறப்பட்ட நிகழ்வுகளை AI கண்டறிய முடியும்.

பின்வரும் பரிவர்த்தனை பதிவுகளில் உள்ள கடமை மீறல்களைப் பிரிப்பதற்கு ஸ்கேன் செய்யவும்: - ஒரே பயனர் நுழையும் மற்றும் அங்கீகரிக்கும் பரிவர்த்தனைகள் - ஒரே பயனர் ஒப்புதல் அளித்து பணம் செலுத்தத் தொடங்கும் பரிவர்த்தனைகள் - அங்கீகார வரம்பிற்கு மேல் ஒரு நபரால் அங்கீகரிக்கப்பட்ட தொகைகள் வெளியீடு: பரிவர்த்தனை எண் | மீறல் வகை | தொடர்புடைய பயனர் | முன்னுரிமை சுட்டி மற்றும் நியாயப்படுத்து; தண்டனைக்கான வேட்பாளராக பட்டியல், மதிப்பாய்வு.

இந்த வகை ஸ்கேனிங் மனிதக் கண்ணால் ஆயிரக்கணக்கான வரிகளில் பிடிக்க முடியாத வடிவங்களை நொடிகளில் பிரித்தெடுக்கிறது. ஆனால் அதே கொள்கை பொருந்தும்: முறை "விதி மீறல்களின் வடிவத்தை" காட்டுகிறது; இது ஒரு உண்மையான பிரச்சனையா அல்லது முறையான விதிவிலக்கா என்பதை ஒருவர் முடிவு செய்ய வேண்டும் (எ.கா. சிறிய அணியில் கட்டாய இரட்டை வேடம்).

தணிக்கை பாதை கடமை

ஒரு தணிக்கையில் AI வெளியீடு பயன்படுத்தப்பட வேண்டும் என்றால், அது கண்டறியக்கூடியதாக இருக்க வேண்டும்: என்ன தரவு, என்ன வரியில், எந்த மாதிரி, எந்த தேதி, அதை யார் சரிபார்த்தார்? இந்த பதிவு இல்லாமல், தணிக்கையில் அச்சுப்பொறிக்கு ஆதார மதிப்பு இல்லை.

இந்தப் பகுப்பாய்விற்கான தணிக்கைப் பதிவைத் தயாரிக்கவும்:- தரவு மூலமும் பயன்படுத்தப்பட்ட காலமும்- பயன்படுத்தப்பட்ட அறிவுறுத்தல்கள்/விதிகளின் சுருக்கம்- மாதிரி வெளியீட்டின் தேதி- மனித சரிபார்ப்பு படிகளுக்கான வெற்று புலங்கள் (யார், எப்போது, ​​முடிவு) இதை மீண்டும் பயன்படுத்தக்கூடிய டெம்ப்ளேட்டாக ஏற்றுமதி செய்யவும்.

எச்சரிக்கை: "இந்தப் பதிவு பரவாயில்லை" என்று AI கூறுவதால், அங்கு எந்தச் சிக்கலும் இல்லை என்பதை நிரூபிக்க முடியாது. மாதிரி ஒரு முறை தவறியிருக்கலாம். "AI சொன்னது சுத்தமாக" என்பது தணிக்கையில் உத்தரவாதம் அல்ல; நோக்கம் மற்றும் முறையின் வரம்புகளை எப்போதும் ஆவணப்படுத்தவும்.

மினி வழக்குகள்

வழக்கு 1 - சப்ட்ரெஷோல்ட் பெட்டி. ஒரு உள் தணிக்கையாளர் 50,000 TL ஒப்புதல் வரம்பைக் கொண்ட ஒரு நிறுவனத்தில் AI ஸ்கேனிங் மூலம் அதே பிரிவில் இருந்து 49,200, 49,700, 49,500 TL இன் தொடர்ச்சியான மூன்று இன்வாய்ஸ்களைக் கண்டறிந்தார். ஒரே ஒரு £145,000 வாங்குதல் ஒப்புதலைத் தவிர்ப்பதற்காக மூன்றாகப் பிரிக்கப்பட்டது விசாரணையில் தெரியவந்தது. கட்டுப்பாட்டு இடைவெளி மூடப்பட்டுள்ளது.

வழக்கு 2 - கோஸ்ட் சப்ளையர் அடையாளம். AI ஆனது முதல் பரிவர்த்தனையில் புதிதாக சேர்க்கப்பட்ட சப்ளையர் ஒருவருக்கு 200,000 TL செலுத்தப்பட்டது என்று அதிக முன்னுரிமை அளித்தது. சப்ளையர் உண்மையானவர் மற்றும் ஒப்பந்தத்தின் கீழ் இருக்கிறார் என்பதை மதிப்பாய்வு காட்டுகிறது; அலாரம் தவறானது ஆனால் கட்டுப்பாடு சரியாக வேலை செய்தது. பாடம்: ஒவ்வொரு அடையாளமும் குற்றம் அல்ல, ஆனால் ஒவ்வொரு அறிகுறியும் ஆராயப்பட வேண்டும்.

வழக்கு 3 - ஆவணமற்ற வெளியீட்டின் சுருக்கம். ஒரு குழு AI ஒழுங்கின்மை பட்டியலை தணிக்கைக்கு சமர்ப்பித்தது, ஆனால் அது உருவாக்கப்பட்ட உடனடி மற்றும் தரவை பதிவு செய்யவில்லை. வெளி தணிக்கையாளர் அச்சிட்டதை ஆதாரமாக ஏற்கவில்லை. தணிக்கை பாதையுடன் பகுப்பாய்வு மீண்டும் இயக்கப்பட்டது. பாடம்: தணிக்கையில் கண்காணிக்க முடியாத வெளியீடு எதுவும் இல்லை.

வழக்கு 4 - கடமைகளை மீறுதல் பிரித்தல். உள் கட்டுப்பாடுகள் ஸ்கேன், ஒரு சிறிய கிளையில் 37 பரிவர்த்தனைகளைக் கண்டறிந்தது, அங்கு அதே ஊழியர் நுழைந்து, ஒப்புதல் அளித்து, விலைப்பட்டியலுக்கான கட்டணத்தைத் தொடங்கினார். பணியாளருக்கு தீங்கிழைக்கும் நோக்கம் இல்லை, ஆனால் குறைவான பணியாளர்கள் காரணமாக இந்த பாத்திரங்களை ஏற்றுக்கொண்டது விசாரணையில் தெரியவந்துள்ளது. இன்னும், ஆபத்து உண்மையானது; கட்டணம் செலுத்துவதற்கான அனுமதியை மையத்திற்கு நகர்த்துவதன் மூலம் நிறுவனம் இடைவெளியை மூடியது. பாடம்: தீமை இல்லாவிட்டாலும் கட்டுப்பாட்டு பற்றாக்குறை ஆபத்தானது; AI வடிவத்தைக் கண்டறிந்தது, மனிதர்கள் தீர்வை வடிவமைக்கிறார்கள்.

பொதுவான தவறுகள்

• மாதிரியை தீர்மானிக்க. "இது ஒரு ஒழுங்கின்மை" என்று சொல்வது தவறு மற்றும் ஆபத்தானது; அதை மட்டும் குறிக்கவும்.
• "AI அது சுத்தமானது" என்று உறுதியளிக்கிறது. அது மாதிரி தவறியிருக்கலாம்; ஒரு சுத்தமான முடிவு ஆதாரம் அல்ல.
• தணிக்கைத் தடத்தை வைத்திருக்கவில்லை. தரவு, உடனடி, தேதி மற்றும் சரிபார்ப்பு ஆகியவை பதிவு செய்யப்படவில்லை என்றால், வெளியீடு ஆதாரமாக இருக்காது.
• ஒவ்வொரு அடையாளத்தையும் குற்றம் என்று நினைப்பது. ஒழுங்கின்மை விசாரணைக்கு ஒரு வேட்பாளர்; சான்றுகள் முடிவை தீர்மானிக்கிறது.
• நோக்கத்தை ஆவணப்படுத்தவில்லை. எந்த பதிவுகள் ஸ்கேன் செய்யப்பட்டன மற்றும் முறையின் வரம்பு எழுதப்பட வேண்டும்.

சுருக்கமாக

• தணிக்கையில் முழு மக்களையும் ஸ்கேன் செய்வதன் மூலம் முரண்பாடுகளைக் கண்டறிவதில் AI சக்தி வாய்ந்தது; மாதிரிக்கு அப்பால் செல்கிறது.
• மாதிரி சந்தேகத்தை உருவாக்குகிறது, தீர்ப்பு அல்ல; "வெறும் புள்ளி மற்றும் நியாயப்படுத்து" விதியுடன் இதைப் பயன்படுத்தவும்.
• ஒழுங்கின்மை விதிகள் (தாக்குதல் வரம்புக்குக் கீழே, மணிநேரப் பதிவு, நகல் கட்டணம்) முன்கூட்டியே வரையறுக்கப்பட வேண்டும்.
• ஒவ்வொரு AI வெளியீட்டிற்கும் ஒரு தணிக்கைத் தடத்தை (தரவு, ப்ராம்ட், தேதி, வேலிடேட்டர்) வைத்திருப்பது கட்டாயமாகும்; கண்டுபிடிக்க முடியாத வெளியீடு ஆதாரம் அல்ல.
• "AI சொன்னது சுத்தமானது" என்பது ஒரு உத்தரவாதம் அல்ல; நோக்கம் மற்றும் முறையின் வரம்புகளை எப்போதும் ஆவணப்படுத்தவும்.

விண்ணப்ப பணி

30-50 வரிகளின் செலவுப் பதிவைத் தயாரிக்கவும்; தெரிந்தே துணைப்பிரிவு செய்து நகல் பணம் செலுத்துங்கள். சக்திவாய்ந்த உடனடி டெம்ப்ளேட்டைக் கொண்டு ஒழுங்கின்மை ஸ்கேன் செய்து, உங்கள் பொறிகளைப் பிடிக்கிறதா மற்றும் முன்னுரிமை அளிக்கிறதா என்பதைச் சரிபார்க்கவும். பின்னர் தணிக்கை பாதை டெம்ப்ளேட்டை நிரப்பவும் மற்றும் கண்டுபிடிப்புகளை "மதிப்பாய்வுக்கான வேட்பாளர்கள்" (தீர்ப்பு வழங்காமல்) பட்டியலிடவும்.

சரிபார்ப்பு பட்டியல்

• [ ] நான் ஒழுங்கின்மை விதிகளை முன்னரே வரையறுத்துள்ளேன் (வாசல், நேரம், மீண்டும் மீண்டும்).
• [ ] நான் முழு மக்களையும் ஸ்கேன் செய்தேன், நான் மாதிரி எடுப்பதை நிறுத்தவில்லை.
• [ ] நான் மாதிரி தீர்ப்பு வழங்குவதை தடுத்தேன்; நான் அதைக் குறிக்கவும் நியாயப்படுத்தவும் செய்தேன்.
• [ ] ஒவ்வொரு கண்டுபிடிப்புக்கும் ஒரு தணிக்கை தடத்தை (தரவு, ப்ராம்ட், தேதி) பதிவு செய்துள்ளேன்.
• [ ] "மதிப்பாய்வு வேட்பாளர்கள்" எனக் குறிக்கப்பட்டவர்களை மனித தீர்ப்பிற்கு விட்டுவிட்டேன்.
• [ ] ஸ்கேன் மற்றும் முறையின் வரம்புகளை நான் ஆவணப்படுத்தினேன்.