ఎండ్-టు-ఎండ్ AI-సహాయక ప్రణాళిక వర్క్‌ఫ్లో మరియు ఎంటర్‌ప్రైజ్ అప్లికేషన్

లాభాలు:

• డేటా సేకరణ నుండి ప్రణాళిక నిర్ణయం వరకు వర్క్‌ఫ్లో యొక్క ప్రతి దశలోనూ AIని స్థానంలో మరియు సరిహద్దుల్లో ఏకీకృతం చేయగల సామర్థ్యం
• ఎంటర్‌ప్రైజ్ స్కేల్‌లో ప్రాంప్ట్ లైబ్రరీ, వెరిఫికేషన్ ప్రోటోకాల్, డేటా గవర్నెన్స్ మరియు గోప్యతా విధానాన్ని ఏర్పాటు చేయగల సామర్థ్యం
• AI-మద్దతు గల ప్రణాళికలో ప్రజా ప్రయోజనం, పారదర్శకత, జవాబుదారీతనం మరియు ప్రజల విశ్వాసాన్ని కాపాడే ఆడిట్ సంస్కృతిని రూపొందించగల సామర్థ్యం

ప్రణాళిక యొక్క వ్యక్తిగత పనులలో (ప్లాన్ విశ్లేషణ, GIS, ఉపగ్రహం, జనాభా, రవాణా, అనుకరణ, చట్టం, భాగస్వామ్యం, విపత్తు) AIని ఎలా ఉపయోగించాలో మునుపటి యూనిట్‌లు మీకు చూపించాయి. ఈ చివరి యూనిట్ ఈ ముక్కలను ఒక పొందికైన వర్క్‌ఫ్లోగా మిళితం చేస్తుంది మరియు వ్యక్తిగత నైపుణ్యాన్ని సంస్థాగత సామర్థ్యంగా మారుస్తుంది. ఎందుకంటే మునిసిపాలిటీ లేదా ప్లానింగ్ కార్యాలయంలో, ప్రధాన సమస్య ఏ ఒక్క ప్లానర్ AI యొక్క మంచి ఉపయోగం కాదు; మొత్తం సంస్థ AIని సురక్షితమైన, స్థిరమైన, గోప్యమైన మరియు ప్రజా ప్రయోజన పద్ధతిలో ఉపయోగిస్తుంది. దీనికి పంపిణీ చేయబడిన మరియు అనియంత్రిత వినియోగాన్ని క్రమబద్ధీకరించే మూడు నిర్మాణాలు అవసరం: ఒక సాధారణ ప్రాంప్ట్ లైబ్రరీ, అవుట్‌పుట్ రకం ద్వారా ప్రామాణీకరణ ప్రోటోకాల్ మరియు డేటా గవర్నెన్స్ మరియు గోప్యతా విధానం. ఈ యూనిట్‌లో, మీరు ఈ నిర్మాణాలను స్థాపించడం మరియు AI- ఎనేబుల్డ్ ప్లానింగ్‌పై ప్రజల నమ్మకాన్ని కొనసాగించే ఆడిట్ సంస్కృతిని రూపొందించడం నేర్చుకుంటారు.

ఎండ్-టు-ఎండ్ వర్క్‌ఫ్లో

AIతో ప్రారంభం నుండి ముగింపు వరకు ప్లానింగ్ ప్రక్రియ ఎలా నేయబడుతుందో ఇక్కడ ఉంది (AI వేగవంతం చేస్తుంది, మానవుడు ప్రతి దశలో ధృవీకరిస్తాడు):

1. డేటా సేకరణ మరియు సంస్థ. ఉపగ్రహం, GIS, జనాభా, రవాణా, హాజరు డేటా — AI శుభ్రపరుస్తుంది, పట్టికలు.
2. విశ్లేషణ. భూ వినియోగం, యాక్సెసిబిలిటీ, రిస్క్ — AI నిర్మాణాలు, నిపుణులు ధృవీకరిస్తారు.
3. దృశ్య నిర్మాణం. వృద్ధి మరియు రవాణా దృశ్యాలు - AI పోల్చి, ప్రక్రియలను ఎంపిక చేస్తుంది.
4. నియంత్రణ నియంత్రణ. ప్రతి నిర్ణయం చట్టం ద్వారా పరీక్షించబడుతుంది - AI స్కాన్లు, అధికారిక వచనం నిర్ధారిస్తుంది.
5. పాల్గొనడం. వాటాదారుల అభిప్రాయం సేకరించబడుతుంది మరియు సంగ్రహించబడుతుంది - AI విశ్లేషణలు, ప్రాతినిధ్యం నిర్వహించబడుతుంది.
6. నిర్ణయం మరియు ప్రణాళిక నిబంధన. సమర్థుడైన ప్లానర్ నిర్ణయాలు తీసుకుంటాడు మరియు బాధ్యత వహిస్తాడు.
7. రిపోర్టింగ్ మరియు ఆమోదం. ప్రణాళిక వివరణ నివేదిక — AI డ్రాఫ్ట్, ప్లానర్ బాధ్యత.
8. మానిటరింగ్. పోస్ట్-ప్లాన్ మార్పు ట్రాకింగ్ - AI ముందస్తు స్కాన్లు, ఫీల్డ్ నిర్ధారిస్తుంది.

ఈ గొలుసులో, AI ఒక "జంక్షన్ అసిస్టెంట్" లాగా ఉంటుంది: ఇది ప్రతి స్టాప్ వద్ద సహాయపడుతుంది, కానీ ప్లానర్ ఎల్లప్పుడూ చక్రంలో ఉంటుంది.

చిట్కా: ఎండ్-టు-ఎండ్ వినియోగంలో అతిపెద్ద ప్రమాదం ఏమిటంటే, ధృవీకరించని అవుట్‌పుట్ తదుపరి దశకు ఇన్‌పుట్‌గా తీసుకువెళ్లబడుతుంది. సరికాని జనాభా సంఖ్య విశ్లేషణలోకి, అక్కడి నుండి దృశ్యానికి మరియు అక్కడి నుండి నిర్ణయానికి లీక్ కావచ్చు. ప్రతి దశ నిష్క్రమణ వద్ద, "ఇది ధృవీకరించబడిందా?" తలుపు చాలు.

ఎంటర్‌ప్రైజ్ నిర్మాణం 1: ప్రాంప్ట్ లైబ్రరీ

ప్రతి ప్లానర్ మొదటి నుండి అతని లేదా ఆమె స్వంత ప్రాంప్ట్‌ను వ్రాయడం సమయం వృధా మరియు అస్థిరతకు మూలం. సంస్థ సాధారణ లైబ్రరీలో పరీక్షించబడిన మరియు ధృవీకరించబడిన ప్రాంప్ట్‌లను సేకరిస్తుంది: "ప్లాన్ నోట్ ట్యాబులేషన్", "లెజిస్లేషన్ టెక్స్ట్-ఆధారిత ప్రశ్న", "పార్టిసిపేషన్ థీమ్ ఎక్స్‌ట్రాక్షన్" మొదలైనవి. ప్రతి ప్రాంప్ట్‌లో "ధృవీకరణ అవసరం" లేబుల్, డేటాను తయారు చేయడంపై నిషేధం మరియు వనరులను అభ్యర్థించడం వంటి భద్రతా నియమాలు ఉంటాయి. అందువల్ల, నాణ్యత వ్యక్తిపై కాకుండా సంస్థపై ఆధారపడి ఉంటుంది.

సంస్థాగత నిర్మాణం 2: ప్రమాణీకరణ ప్రోటోకాల్

ప్రతి అవుట్‌పుట్ రకానికి దాని స్వంత ధ్రువీకరణ స్థాయి ఉంటుంది. సమావేశ గమనిక త్వరిత సమీక్ష ద్వారా వెళుతుంది; శాసనం యొక్క భాగాన్ని అధికారిక వచన నిర్ధారణ అవసరం; విపత్తు ప్రమాద సూచికకు నిపుణుల అధ్యయనం అవసరం. సంస్థ మ్యాపింగ్ “అవుట్‌పుట్ రకం → తప్పనిసరి ధృవీకరణ → బాధ్యత గల వ్యక్తి”ని పట్టికలో వ్రాసి దానిని బైండింగ్ చేస్తుంది.

సంస్థాగత నిర్మాణం 3: డేటా గవర్నెన్స్ మరియు గోప్యత

ఏ డేటా క్లౌడ్‌కు వెళ్లవచ్చు మరియు ఏది చేయకూడదు, అది ఎలా అనామకమవుతుంది మరియు ఏ సాధనాలు ఆమోదించబడతాయి అనే దానిపై వ్రాతపూర్వక విధానం ఉండాలి. సస్పెండ్ చేయని ప్లాన్‌లు, పార్శిల్ ఓనర్‌లు, వ్యక్తిగత డేటా వంటి సున్నితమైన సమాచారం కోసం నిబంధనలను క్లియర్ చేయండి; ఆమోదించబడిన వాహన జాబితా; మరియు విద్యలో డేటా ఉపయోగించబడదనే హామీ ఈ విధానం యొక్క ప్రధాన అంశం.

దశల వారీగా: ఎంటర్‌ప్రైజ్ AI ప్రతిభను నిర్మించడం

1. జాబితాను తీయండి. ఏ టాస్క్‌లలో AI ఉపయోగించబడుతుంది?
2. ప్రమాద వర్గీకరణ చేయండి. ప్రతి పనిని ఆకుపచ్చ/పసుపు/ఎరుపు జోన్‌లో ఉంచండి.
3. ప్రాంప్ట్ లైబ్రరీని ఇన్‌స్టాల్ చేయండి. భద్రతా నియమాలు పొందుపరచబడ్డాయి, సాధారణమైనవి.
4. ప్రామాణీకరణ ప్రోటోకాల్‌ను వ్రాయండి. అవుట్‌పుట్ రకం → ధృవీకరణ → బాధ్యత.
5. డేటా/గోప్యతా విధానాన్ని వ్రాయండి. ఆమోదించబడిన సాధనం, అనామకీకరణ, నిషేధించబడిన డేటా.
6. విద్య ఇవ్వండి. సరిహద్దులు మరియు ధ్రువీకరణ గురించి బృందానికి తెలియజేయండి.
7. తనిఖీ చేసి నవీకరించండి. ట్రేస్‌లను సేవ్ చేయండి మరియు క్రమం తప్పకుండా సమీక్షించండి.

బలహీనమైన ప్రాంప్ట్ / బలమైన ప్రాంప్ట్

బలహీనమైన విధానం: "బృందం AIని ఉపయోగించనివ్వండి, ప్రతి ఒక్కరూ వారి స్వంత పద్ధతిని కనుగొనండి."

దీని అర్థం అస్థిరమైన నాణ్యత, గోప్యతా లీక్‌లు, ధృవీకరించని అవుట్‌పుట్ మరియు జవాబుదారీతనం లేకపోవడం.

బలమైన విధానం: "మేము సంస్థలో AI యొక్క వినియోగాన్ని మూడు నిర్మాణాలకు అనుసంధానిస్తాము: (1) పొందుపరిచిన భద్రతా నియమాలతో కూడిన సాధారణ ప్రాంప్ట్ లైబ్రరీ, (2) ప్రతి అవుట్‌పుట్ రకానికి తప్పనిసరి ధృవీకరణ మరియు బాధ్యతాయుతమైన మ్యాపింగ్, (3) ఆమోదించబడిన సాధనం మరియు అనామక నియమంతో కూడిన డేటా విధానం. ప్రతి AI అవుట్‌పుట్ తదుపరి దశకు తరలించబడదు. సంబంధిత అవుట్‌పుట్ ధృవీకరణతో పూర్తి ఆమోదం పొందకుండా ప్రతి AI అవుట్‌పుట్‌ను తదుపరి దశకు తరలించలేము. పర్యవేక్షించారు."

రెండవ విధానం AIని వ్యక్తిగత అలవాటు నుండి సంస్థాగత, నియంత్రించగల సామర్థ్యంగా మారుస్తుంది.

నాలుగు కాపీ చేయగల టెంప్లేట్‌లు

టాస్క్: కింది ప్లానింగ్ టాస్క్ జాబితాను ఎంటర్‌ప్రైజ్ AI వినియోగ మాతృకలోకి అనువదించండి. ప్రతి పనికి: రిస్క్ జోన్ (ఆకుపచ్చ/పసుపు/ఎరుపు), AI పాత్ర, తప్పనిసరి ధృవీకరణ, బాధ్యత. ఎరుపు రంగు టాస్క్‌లలో, "అధీకృత నిపుణుల ఆమోదం మరియు అధికారిక ప్రక్రియ తప్పనిసరి" అని వ్రాయండి. పనులు: [...]

టాస్క్: కింది అవుట్‌పుట్ రకాల కోసం ప్రామాణీకరణ ప్రోటోకాల్ పట్టికను రూపొందించండి: అవుట్‌పుట్ రకం | ప్రమాదం | తప్పనిసరి ధృవీకరణ దశలు | బాధ్యతాయుతమైన పాత్ర |రికార్డ్/ట్రేస్ అవసరం. అవుట్పుట్ రకాలు: [...]

టాస్క్: ప్లానింగ్ ఏజెన్సీ కోసం డ్రాఫ్ట్ AI డేటా/గోప్యతా విధానాన్ని వ్రాయండి. చేర్చండి: క్లౌడ్‌కి వెళ్లలేని డేటా రకాలు, అనామకీకరణ నియమం, ఆమోదించబడిన సాధనం ప్రమాణం, విద్యా అవసరాలలో ఉపయోగించకపోవడం, ఉల్లంఘన జరిగినప్పుడు చర్యలు. సందర్భం: [...]

టాస్క్: కింది ఎండ్-టు-ఎండ్ ప్లానింగ్ వర్క్‌ఫ్లోను ఆడిట్ చేయండి. ప్రతి దశ నుండి నిష్క్రమణ వద్ద "ధృవీకరణ గేట్" కోసం తనిఖీ చేయండి; ధృవీకరించని అవుట్‌పుట్ తదుపరి దశకు లీక్ అయ్యే పాయింట్‌లను గుర్తించండి. వర్క్‌ఫ్లో: [...]

పట్టిక: వేదిక, AI పాత్ర మరియు ధృవీకరణ యజమాని

వేదిక

AI పాత్ర

తప్పనిసరి ధృవీకరణ

బాధ్యులు

డేటా సవరణ

శుభ్రపరచడం, పట్టిక

మూలం/ఫార్మాట్ నియంత్రణ

విశ్లేషకుడు

విశ్లేషణ

సవరణ, కోడ్ డ్రాఫ్ట్

CRS, డేటా నాణ్యత

ప్లానర్

దృశ్యం

పోలిక

ఊహ పారదర్శకత

ప్లానర్ బృందం

శాసనం

టెక్స్ట్ ఆధారిత స్కానింగ్

అధికారిక ప్రస్తుత వచనం

ప్లానర్/చట్టం

పాల్గొనడం

థీమ్ వెలికితీత

ప్రాతినిధ్యం, ముడి డేటా

పాల్గొనే అధికారి

విపత్తు/ప్రమాదం

సంశ్లేషణ, ప్రీ-స్క్రీనింగ్

నిపుణుల అధ్యయనం

సమర్థ నిపుణుడు

నివేదించండి

డ్రాఫ్ట్ రచన

కంటెంట్ + బాధ్యత

సమర్థ ప్లానర్

మూడు చిన్న కేసులు

కేసు 1 - క్రీపింగ్ లోపం. ధృవీకరించబడని జనాభా సంఖ్య కార్యాలయంలోని విశ్లేషణలోకి ప్రవేశిస్తుంది, అక్కడ నుండి అది పాఠశాల అవసరాల ఖాతాకు మరియు అక్కడి నుండి ప్రణాళిక నిబంధనకు తరలించబడుతుంది. ప్లాన్ ఆమోదం దశలో లోపం గుర్తించబడింది మరియు ప్రక్రియ తిరిగి వస్తుంది. ప్రతి దశలో "ధృవీకరణ గేట్"ని ఉంచే సంస్థ రెండవ దశలో ఈ గొలుసును కట్ చేస్తుంది. ఇది పీర్-టు-పీర్ వాడకం యొక్క అతిపెద్ద ప్రమాదం.

కేస్ 2 — లైబ్రరీతో స్థిరత్వం. మునిసిపాలిటీ సాధారణ ప్రాంప్ట్ లైబ్రరీకి మారుతుంది; ఈ రోజుల్లో, ప్రతి ప్లానర్ "ఇచ్చిన వచనంపై మాత్రమే ఆధారపడటం, కథనాన్ని రూపొందించవద్దు" అనే నియమాన్ని పొందుపరిచిన అదే ప్రాంప్ట్‌తో చట్టాన్ని ప్రశ్నిస్తారు. భ్రాంతుల వల్ల కలిగే లోపాలు గణనీయంగా తగ్గుతాయి మరియు నాణ్యత వ్యక్తి నుండి స్వతంత్రంగా మారుతుంది. సంస్థాగతీకరణ నాణ్యతను యాదృచ్చికం కాదు.

కేసు 3 - గోప్యతా విధానం యొక్క విలువ. ఒక ఇంటర్న్ సస్పెండ్ చేయని ప్లాన్ రివిజన్‌ను ఉచిత వాహనంలోకి లోడ్ చేయబోతున్నాడు; సంస్థ యొక్క డేటా విధానం "సున్నితమైన డేటా ఆమోదించబడని సాధనానికి అప్‌లోడ్ చేయబడదు, దానిని అనామకంగా మార్చండి" అనే నియమాన్ని మనకు గుర్తు చేస్తుంది. సాధ్యమయ్యే లీక్ మరియు ప్రజల విశ్వాసం యొక్క సంక్షోభం నిరోధించబడుతుంది. మంచి ఉద్దేశాలు విఫలమైన చోట వ్రాతపూర్వక విధానం రక్షిస్తుంది.

సాధారణ తప్పులు

• వెరిఫికేషన్ గేట్ పెట్టడం లేదు. ధృవీకరించబడని అవుట్‌పుట్ లీక్‌లు మరియు దశల మధ్య పెరుగుతుంది.
• వ్యక్తిగతంగా ఆధారపడిన నాణ్యత. సాధారణ లైబ్రరీ లేకుండా, ప్రతి ప్లానర్ భిన్నంగా మరియు అస్థిరంగా పనిచేస్తుంది.
• అలిఖిత గోప్యత. విధానం లేకపోతే, లీక్‌ను నిరోధించడానికి మంచి ఉద్దేశాలు సరిపోవు.
• రెడ్ జోన్‌ను వదులుతోంది. వేగం కోసం విపత్తు/నియంత్రణ క్లియరెన్స్‌ని దాటవేయడం వల్ల ప్రజల భద్రత ప్రమాదంలో పడుతుంది.
• ట్రాక్ చేయడం లేదు. పబ్లిక్ ప్రక్రియ తప్పనిసరిగా జవాబుదారీగా ఉండాలి; ధృవీకరణ రికార్డు అవసరం.
• శిక్షణను దాటవేయడం. జట్టుకు సరిహద్దులు తెలియకపోతే అత్యుత్తమ విధానం కూడా కాగితంపైనే ఉంటుంది.
• విధానాన్ని నవీకరించడం లేదు. సాధనాలు మరియు చట్టం మార్పు; నిర్మాణం కూడా నవీకరించబడాలి.

సారాంశంలో

AI-ఆధారిత ప్రణాళికలో నిజమైన పరిపక్వత ఏమిటంటే, ఎండ్-టు-ఎండ్ ప్రాసెస్‌ను సురక్షితంగా నిర్వహించడం, ఒక్క పని కాదు. దీనికి డేటా సేకరణ నుండి పర్యవేక్షణ వరకు ప్రతి దశలో AI-వేగవంతమైన కానీ మానవ-ధృవీకరించబడిన గొలుసును నిర్మించడం అవసరం; అతి పెద్ద ప్రమాదం ఏమిటంటే, ధృవీకరించబడని అవుట్‌పుట్ తదుపరి దశకు లీక్ అవుతుంది, పరిష్కారం ప్రతి దశలో ధృవీకరణ గేట్. వ్యక్తిగత నైపుణ్యాన్ని కార్పొరేట్ ప్రతిభగా మార్చే మూడు నిర్మాణాలు: భద్రతా నియమాలు, ఎంబెడెడ్ ప్రాంప్ట్ లైబ్రరీ, అవుట్‌పుట్ రకం ద్వారా ప్రామాణీకరణ ప్రోటోకాల్ మరియు డేటా/గోప్యతా విధానం. ఈ నిర్మాణాలు వ్యక్తుల నుండి నాణ్యతను స్వతంత్రంగా చేస్తాయి, ప్రక్రియలు జవాబుదారీగా ఉంటాయి మరియు ప్రజల విశ్వాసాన్ని కాపాడతాయి. AI ప్రణాళికను వేగవంతం చేస్తుంది; ప్రజా ప్రయోజనం, పారదర్శకత మరియు బాధ్యత ఎల్లప్పుడూ ప్రజలదే.

అప్లికేషన్ టాస్క్

మీ స్వంత సంస్థ (లేదా నమూనా మునిసిపాలిటీ) కోసం AI వినియోగ ఫ్రేమ్‌వర్క్‌ను రూపొందించండి. (1) మొదటి టెంప్లేట్‌తో రిస్క్ మ్యాట్రిక్స్‌లో కనీసం ఐదు ప్లానింగ్ టాస్క్‌లను ఉంచండి. (2) రెండవ టెంప్లేట్‌తో మూడు అవుట్‌పుట్ రకాల కోసం ధృవీకరణ ప్రోటోకాల్‌ను వ్రాయండి. (3) మూడవ టెంప్లేట్‌తో చిన్న డ్రాఫ్ట్ డేటా/గోప్యతా విధానాన్ని రూపొందించండి. (4) నాల్గవ టెంప్లేట్‌తో, ఎండ్-టు-ఎండ్ వర్క్‌ఫ్లోను ఆడిట్ చేయండి మరియు కనీసం ఒక తప్పిపోయిన "ధృవీకరణ గేట్"ని గుర్తించి, దాన్ని ఎలా మూసివేయాలో వ్రాయండి.

చెక్లిస్ట్

• [ ] నేను ప్రతి వర్క్‌ఫ్లో స్టేజ్ అవుట్‌పుట్ వద్ద ధ్రువీకరణ గేట్‌ను ఉంచాను.
• [ ] నేను పొందుపరిచిన భద్రతా నియమాలతో ఒక సాధారణ ప్రాంప్ట్ లైబ్రరీని సృష్టించాను.
• [ ] నేను అవుట్‌పుట్ రకం → ధృవీకరణ → బాధ్యతాయుతమైన మ్యాపింగ్‌ని వ్రాసాను.
• [ ] నేను ఆమోదించబడిన సాధనం, అనామకీకరణ మరియు నిషేధించబడిన డేటా నియమాలతో గోప్యతా విధానాన్ని సృష్టించాను.
• [ ] నేను రెడ్ జోన్ అవుట్‌పుట్‌లను సమర్థ నిపుణుల ఆమోదానికి గురి చేసాను.
• [ ] నేను పరిమితులు మరియు ధ్రువీకరణపై జట్టుకు శిక్షణను షెడ్యూల్ చేసాను.
• [ ] నేను మొత్తం ప్రక్రియ కోసం ట్రాక్/లాగ్ మరియు సాధారణ నవీకరణలను ఉంచాను.

మాడ్యూల్ పరీక్ష

1. మునిసిపాలిటీ యొక్క ప్లానింగ్ యూనిట్ పొరుగు ప్రాంతానికి రాబోయే విపత్తు ప్రమాదం ఆధారంగా భవన నిర్మాణ నిషేధాన్ని విధించాలా వద్దా అని నిర్ణయించాలనుకుంటోంది మరియు ఈ నిర్ణయాన్ని వేగవంతం చేయడానికి AIని ఉపయోగించడాన్ని పరిశీలిస్తోంది. ఏది అత్యంత సరైన విధానం?

• ఎ) డేటా తగాదా మరియు నివేదిక డ్రాఫ్టింగ్ కోసం మాత్రమే AIని ఉపయోగించడం; అధికారిక విశ్లేషణ మరియు సమర్థ నిపుణుల ఆమోదంతో తుది ప్రమాద అంచనా మరియు నిర్ణయం తీసుకోండి ✔
• బి) AI ద్వారా ఉత్పత్తి చేయబడిన రిస్క్ స్కోర్‌ను నేరుగా నిర్మాణ నిషేధ నిర్ణయంగా మార్చడం
• సి) AI ఒకే ఫలితాన్ని ఒకటి కంటే ఎక్కువసార్లు అందించినట్లయితే అధికారిక విశ్లేషణ లేకుండా అంగీకరించడం
• డి) నిపుణుల ఆమోదాన్ని దాటవేయడం మరియు ప్రక్రియను వేగవంతం చేయడం

వివరణ: విపత్తు ప్రమాదం ఆధారంగా నిర్మాణ నిషేధం అనేది జీవిత భద్రత పరంగా భద్రత-క్లిష్టమైన మరియు చట్టబద్ధంగా కట్టుబడి ఉండే నిర్ణయం. AI సాహిత్య సమీక్ష, డేటా క్యూరేషన్ మరియు రిపోర్ట్ డ్రాఫ్టింగ్ కోసం ఉపయోగించవచ్చు; అయితే, తుది ప్రమాద అంచనా మరియు నిర్ణయం తప్పనిసరిగా అధికారిక విశ్లేషణ మరియు వర్తించే చట్టానికి అనుగుణంగా సమర్థ జియోటెక్నికల్ మరియు అర్బన్ ప్లానర్ నిపుణుల ఆమోదంతో తీసుకోవాలి. AI అవుట్‌పుట్ ఈ ఆమోదం మరియు అధికారిక ప్రక్రియను భర్తీ చేయదు.

2. పార్శిల్ యొక్క జోనింగ్ స్థితి మరియు నిర్మాణ పరిస్థితుల (TAKS/KAKS, ఫంక్షన్, డ్రాయింగ్ దూరాలు) గురించి మీరు AIని అడిగినప్పుడు నకిలీ (భ్రాంతి) విలువను పొందకుండా ఉండటానికి సురక్షితమైన మార్గం ఏమిటి?

• ఎ) AI అందించిన విలువను విశ్వసించడం మరియు ప్రాజెక్ట్‌ను ప్రారంభించడం
• బి) సమర్థ పరిపాలన యొక్క అధికారిక జోనింగ్ స్థితి పత్రం మరియు ప్రస్తుత ఆమోదించబడిన ప్రణాళిక మరియు ప్రణాళిక గమనికల నుండి నిర్మాణ పరిస్థితులను నిర్ధారించడానికి. ✔
• సి) అదే ప్రశ్నను వేరే పదాలతో మళ్లీ అడగండి మరియు సగటు తీసుకోండి
• D) రియల్ ఎస్టేట్ వెబ్‌సైట్‌లోని ప్రకటన వివరణ ఆధారంగా కొనసాగడం

వివరణ: భాషా నమూనాకు జోనింగ్ నిబంధనలు తెలిసినప్పటికీ, అది నిర్దిష్ట పార్శిల్‌కు సంబంధించిన విలువలు, ఫంక్షన్ కోడ్‌లు మరియు రేట్‌లను రూపొందించవచ్చు లేదా కాలం చెల్లిన సమాచారాన్ని అందించవచ్చు. ఈ సమాచారం సమర్థ పరిపాలన (మునిసిపాలిటీ) యొక్క అధికారిక జోనింగ్ స్థితి పత్రం మరియు ప్రస్తుత ఆమోదించబడిన జోనింగ్ ప్లాన్ మరియు ప్లాన్ నోట్స్ నుండి మాత్రమే నిర్ధారించబడాలి.

3. మీరు ఉపగ్రహ చిత్రం నుండి AIతో పట్టణ మార్పును (కొత్త నిర్మాణం) గుర్తించారు. జోనింగ్ తనిఖీ ప్రక్రియలో ఈ అవుట్‌పుట్‌ని ఉపయోగిస్తున్నప్పుడు ఉత్తమమైన విధానం ఏమిటి?

• ఎ) AI ద్వారా గుర్తించబడిన ప్రతి మార్పును నేరుగా అక్రమ నిర్మాణ నివేదికగా మార్చడం
• బి) ఇమేజ్ తేదీ మరియు రిజల్యూషన్‌ను అప్రధానంగా పరిగణించడం మరియు ఫలితాన్ని ఖచ్చితమైనదిగా అంగీకరించడం
• సి) కనుగొన్న వాటిని ముందస్తు స్క్రీనింగ్‌గా తీసుకొని, ఫీల్డ్ కంట్రోల్, అధికారిక రికార్డింగ్ మరియు కొలతతో వాటిని నిర్ధారించడం ద్వారా ప్రాసెస్‌ను బేస్ చేయడం ✔
• D) నీడ మరియు క్లౌడ్-సంబంధిత లోపాలను విస్మరించడం

వివరణ: AI ఇమేజ్ వర్గీకరణ మరియు మార్పు గుర్తింపు శక్తివంతమైన ప్రీ-స్కానింగ్‌ను అందిస్తుంది కానీ రిజల్యూషన్, తేదీ, నీడ మరియు వర్గీకరణ లోపాన్ని కలిగి ఉంటుంది. ఫీల్డ్ కంట్రోల్, టైటిల్ డీడ్/లైసెన్స్ రిజిస్ట్రేషన్ మరియు అధికారిక కొలత ద్వారా నిర్ధారించబడకుండానే గుర్తించబడిన మార్పు చట్టపరమైన లావాదేవీపై ఆధారపడి ఉండదు; AI అవుట్‌పుట్ మాత్రమే సాక్ష్యం కాదు.

4. మీ నిజమైన ప్రాజెక్ట్ డేటాపై AI-వ్రాతపూర్వక జియోపాండాస్/పైథాన్ స్క్రిప్ట్‌ని అమలు చేయడానికి ముందు అత్యంత క్లిష్టమైన చెక్ ఏమిటి?

• ఎ) కోడ్ ఎటువంటి లోపాలను కలిగించలేదని తనిఖీ చేయండి మరియు మొత్తం డేటా సెట్‌లో దాన్ని అమలు చేయండి.
• బి) అందంగా కనిపించడానికి అవుట్‌పుట్ మ్యాప్‌పై ఆధారపడటం
• సి) కోడ్‌ని చదవకుండానే నేరుగా ప్రధాన డేటా సెట్‌లో అమలు చేయడం
• D) చిన్న నమూనా డేటాపై కోఆర్డినేట్ సిస్టమ్ మరియు జ్యామితిని ధృవీకరించడం ద్వారా కోడ్‌ను చదవడం మరియు దానిని పరీక్షించడం మరియు ఫలితాన్ని తెలిసిన సూచనతో పోల్చడం ✔

వివరణ: AI ప్రాదేశిక కోడ్ తప్పు కోఆర్డినేట్ రిఫరెన్స్ సిస్టమ్ (CRS), జ్యామితిని వక్రీకరించడం లేదా తప్పు యూనిట్‌తో ప్రాంతాలను లెక్కించవచ్చు. కోడ్‌ని చదవాలి, ముందుగా ఒక చిన్న నమూనా డేటాపై కోఆర్డినేట్ సిస్టమ్ మరియు జ్యామితిని ధృవీకరించడం ద్వారా పరీక్షించబడాలి మరియు ఫలితం తెలిసిన సూచనతో పోల్చబడుతుంది.

5. AI ద్వారా తయారు చేయబడిన పాపులేషన్ ప్రొజెక్షన్‌ను పొందేటప్పుడు ఉత్తమ ఉపయోగం ఏమిటి?

• A) అధికారిక గణాంక డేటా మరియు అంచనాలను నమోదు చేయడం మరియు AI ఒక దృశ్యం మరియు నివేదిక డ్రాఫ్ట్‌ను సిద్ధం చేయడం, అనిశ్చితిని స్పష్టంగా తెలియజేస్తుంది ✔
• బి) మూలాధారాలు లేకుండా జనాభా గణాంకాలను రూపొందించమని AIని అడగడం
• సి) అధికారిక గణాంకాలకు బదులుగా AI ఉత్పత్తి చేసిన సంఖ్యను ఉపయోగించడం
• D) అనిశ్చితి పరిధిని పేర్కొనకుండా ఒకే ఖచ్చితమైన సంఖ్యను ప్రదర్శించడం

వివరణ: AI దానికదే నమ్మకమైన సంఖ్యాపరమైన ప్రొజెక్షన్‌ను ఉత్పత్తి చేయదు; అధికారిక గణాంకాల డేటా (ఉదా. TURKSTAT) మరియు ధృవీకరించబడిన పద్ధతిని ప్రాసెస్ చేస్తుంది మరియు దృశ్యం మరియు నివేదిక డ్రాఫ్ట్‌లను సిద్ధం చేస్తుంది. ఇన్‌పుట్ డేటా, వృద్ధి అంచనాలు మరియు అనిశ్చితి పరిధిని స్పష్టంగా పేర్కొనడం ద్వారా AIని ఒక వివరణ మరియు రచన సాధనంగా ఉపయోగించడం సరైన ఉపయోగం.

6. AIతో భూ వినియోగ అనుకూలత విశ్లేషణను సెటప్ చేసినప్పుడు, మీరు ఉపయోగించే డేటా లేయర్‌లలో ఒకటి పాతది మరియు తక్కువ ప్రాదేశిక ఖచ్చితత్వాన్ని కలిగి ఉంటుంది. ఆరోగ్యకరమైన విధానం ఏమిటి?

• ఎ) లేయర్‌ని అలాగే ఉపయోగించడం మరియు ఫలితాన్ని ఫైనల్‌గా అంగీకరించడం
• B) డేటా యొక్క ప్రస్తుత మరియు ఖచ్చితత్వాన్ని అంచనా వేయండి, వీలైతే ప్రస్తుత మూలంతో దాన్ని భర్తీ చేయండి మరియు నివేదికలో పరిమితులను వ్రాయండి ✔
• సి) AI అందమైన మ్యాప్‌ను రూపొందించినందున డేటా నాణ్యతను విస్మరించడం
• D) విశ్లేషణ నుండి తప్పిపోయిన పొరను నిశ్శబ్దంగా తీసివేసి, నివేదికలో నివేదించడం లేదు

వివరణ: ప్రాదేశిక విశ్లేషణ ఫలితం ఇన్‌పుట్ డేటా యొక్క నాణ్యత (చెత్త ఇన్, చెత్త బయటకు) అంత మంచిది. పాత లేదా తక్కువ విశ్వసనీయత పొర క్రమపద్ధతిలో ఫలితాన్ని తప్పుదారి పట్టిస్తుంది. డేటా కరెన్సీ మరియు ఖచ్చితత్వాన్ని మూల్యాంకనం చేయాలి, వీలైతే నవీకరించబడిన/ధృవీకరించబడిన మూలంతో భర్తీ చేయాలి మరియు నివేదికలో పరిమితులను స్పష్టంగా వ్రాయాలి.

7. AIతో భాగస్వామ్య ప్రణాళికలో మీరు సేకరించిన వేలాది పౌరుల అభిప్రాయాలను మీరు సంగ్రహిస్తారు. ప్రాతినిధ్యం పరంగా అత్యంత క్లిష్టమైన ప్రమాదం మరియు ముందు జాగ్రత్త ఏమిటి?

• ఎ) AI సారాంశాన్ని అన్ని అభిప్రాయాలకు న్యాయమైన ప్రాతినిధ్యంగా పరిగణించడం మరియు ముడి డేటాను చూడకపోవడం
• బి) చాలా తరచుగా పునరావృతమయ్యే థీమ్‌లపై మాత్రమే నిర్ణయం తీసుకోండి
• సి) మైనారిటీ మరియు అట్టడుగు వర్గాలకు చెందిన అభిప్రాయాలను విడివిడిగా పర్యవేక్షించడం, ముడి డేటాకు ప్రాప్యతను రక్షించడం మరియు నిర్ణయాన్ని పారదర్శక పబ్లిక్ ప్రక్రియకు వదిలివేయడం ✔
• డి) తక్కువ పునరావృత అభిప్రాయాలను నాయిస్‌గా తొలగించండి

వివరణ: AI సారాంశాలు మెజారిటీ మరియు తరచుగా పునరావృతమయ్యే స్టేట్‌మెంట్‌ల స్వరాలను హైలైట్ చేయగలవు మరియు మైనారిటీ మరియు అట్టడుగు వర్గాల అభిప్రాయాలను అస్పష్టం చేస్తాయి. ఇది ప్రాతినిధ్య పక్షపాతం. సారాంశం ఈ సమూహాలను విడిగా పర్యవేక్షించాలి, ముడి డేటాకు ప్రాప్యత రక్షించబడాలి మరియు తుది నిర్ణయాన్ని పారదర్శక పబ్లిక్ ప్రక్రియకు వదిలివేయాలి.

8. సిటీ కౌన్సిల్‌కు అర్బన్ గ్రోత్ సిమ్యులేషన్ అవుట్‌పుట్‌ను సమర్పించేటప్పుడు అత్యంత ఖచ్చితమైన ఫ్రేమింగ్ ఏది?

• ఎ) ఖచ్చితమైన భవిష్యత్తు అంచనాగా అవుట్‌పుట్‌ను ప్రదర్శించడం
• బి) ఊహలు మరియు అనిశ్చితిని వివరించకుండా ఒకే దృష్టాంతాన్ని సరిగ్గా చూపడం
• సి) అధికారిక ప్రణాళిక ప్రక్రియతో అనుకరణను భర్తీ చేయడం
• డి) ఊహలు, అడ్డంకులు మరియు అనిశ్చితులను స్పష్టంగా పేర్కొనండి, అవుట్‌పుట్‌ను ఒక దృశ్యం/చర్చ సాధనంగా ప్రదర్శించండి మరియు నిర్ణయాన్ని అధికారిక ప్రక్రియకు వదిలివేయండి ✔

వివరణ: అనుకరణ అవుట్‌పుట్ అనేది నిర్దిష్ట అంచనాల క్రింద ఉన్న దృశ్యం, ఖచ్చితమైన అంచనా లేదా భవిష్యత్తు కాదు. సరైన ప్రెజెంటేషన్ అనేది ఇన్‌పుట్ అంచనాలు, అడ్డంకులు మరియు అనిశ్చితిని స్పష్టంగా పేర్కొంటుంది మరియు అవుట్‌పుట్‌ను నిర్ణయానికి వాదనగా ప్రదర్శించడం; తుది నిర్ణయాన్ని అధికారిక ప్రణాళిక ప్రక్రియ మరియు నిపుణుల మూల్యాంకనానికి వదిలివేస్తుంది.

9. క్లౌడ్-ఆధారిత AI సాధనానికి ఇంకా సస్పెండ్ చేయని ప్లాన్ సవరణ యొక్క డ్రాయింగ్ మరియు పార్శిల్ డేటాను అందించేటప్పుడు గోప్యత పరంగా ఉత్తమ ప్రవర్తన ఏమిటి?

• ఎ) సందర్భాన్ని అజ్ఞాతీకరించండి, ఐడెంటిఫైయర్‌లను క్లియర్ చేయండి మరియు విద్యలో డేటా ఉపయోగించబడని విధాన-అనుకూల సాధనాన్ని ఉపయోగించండి ✔
• బి) అన్ని డ్రాయింగ్‌లు మరియు పార్శిల్ యజమాని సమాచారాన్ని యథాతథంగా అప్‌లోడ్ చేయడం
• సి) గోప్యతా విధానాన్ని చదవకుండా ఉచిత సాధనాన్ని ఉపయోగించడం
• D) ఫలితాల నాణ్యత కోసం స్థాన సమాచారం తప్పనిసరిగా బహిర్గతం చేయబడుతుందని ఊహిస్తూ.

బహిర్గతం: సస్పెండ్ చేయని ప్లాన్ డేటా, పార్శిల్ యజమాని సమాచారం మరియు స్థానం వ్యక్తిగత డేటా మరియు పబ్లిక్ ప్రాసెస్ రెండింటిలోనూ సున్నితంగా ఉంటాయి; ముందస్తు లీకేజీ ఊహాగానాలు మరియు అక్రమంగా సంపాదించిన లాభాల ప్రమాదాన్ని సృష్టిస్తుంది. సందర్భాన్ని అనామకంగా మార్చడం, పార్శిల్/కోఆర్డినేట్/పేరు వంటి ఐడెంటిఫైయర్‌లను క్లీన్ చేయడం మరియు శిక్షణలో డేటా ఉపయోగించబడదని హామీ ఇచ్చే పాలసీ-కంప్లైంట్ సాధనాన్ని ఎంచుకోవడం అవసరం.

10. AIతో ట్రాఫిక్ మోడల్ ఫలితాలను వివరించేటప్పుడు అత్యంత ఖచ్చితమైన విధానం ఏమిటి?

• ఎ) మోడల్ లేకుండా ట్రాఫిక్ వాల్యూమ్‌లను స్వయంగా లెక్కించమని AIని అడగడం
• బి) క్రమాంకనం చేయబడిన మరియు ధృవీకరించబడిన మోడల్ యొక్క అవుట్‌పుట్‌ను AIకి సంగ్రహించి, అంచనాలను స్పష్టంగా పేర్కొంటూ మరియు తుది మూల్యాంకనాన్ని నిపుణుడికి వదిలివేయండి ✔
• సి) ఫీల్డ్ కౌంటింగ్‌తో మోడల్ క్రమాంకనం చేయనప్పటికీ ఖచ్చితమైన ఫలితాన్ని అంగీకరించడం.
• D) అధికారిక అధ్యయనానికి బదులుగా AI ద్వారా ఉత్పత్తి చేయబడిన వాల్యూమ్ విలువను ఉపయోగించడం

వివరణ: AI ట్రాఫిక్ అసైన్‌మెంట్‌ను స్వయంగా లెక్కించదు; క్రమాంకనం చేయబడిన మోడల్ అవుట్‌పుట్‌ను సంగ్రహిస్తుంది. ఫలితాలు అర్థవంతంగా ఉండాలంటే, ఫీల్డ్ సెన్సస్ ద్వారా మోడల్ క్రమాంకనం చేయబడాలి మరియు ధృవీకరించబడాలి, అంచనాలు (దృష్టాంత సంవత్సరం, డిమాండ్ మాతృక) స్పష్టంగా ఉండాలి మరియు తుది మూల్యాంకనాన్ని సమర్థ రవాణా నిపుణుడి ద్వారా చేయాలి.

11. AI-ప్రారంభించబడిన ప్లానింగ్ యూనిట్‌లో నాణ్యత, ప్రజా ఆసక్తి మరియు జవాబుదారీతనం నిర్వహించడానికి ఏర్పాటు చేయవలసిన ప్రాథమిక నిర్మాణం ఏమిటి?

• ఎ) ప్రతి ఉద్యోగి వారి స్వంత మార్గంలో పర్యవేక్షించబడని AIని ఉపయోగిస్తున్నారు
• బి) AI అవుట్‌పుట్‌లను ఏదీ సేవ్ చేయకుండా నేరుగా ప్లాన్‌కి బదిలీ చేయండి
• సి) ఒక సాధారణ ప్రాంప్ట్ లైబ్రరీ, ధృవీకరణ ప్రోటోకాల్, డేటా గవర్నెన్స్ మరియు గోప్యతా విధానాన్ని ఏర్పాటు చేయడం మరియు సమర్థ ఆమోదంతో క్లిష్టమైన అవుట్‌పుట్‌లను మూసివేయడం ✔
• D) ప్రక్రియ ముగింపులో ఒకసారి మాత్రమే ధృవీకరణ జరుపుము

వివరణ: AI యొక్క పంపిణీ మరియు అనియంత్రిత ఉపయోగం లోపం, పక్షపాతం మరియు గోప్యత ప్రమాదాన్ని పెంచుతుంది మరియు ప్రజల విశ్వాసాన్ని బలహీనపరుస్తుంది. ఎంటర్‌ప్రైజ్ స్కేల్‌లో ఒక సాధారణ ప్రాంప్ట్ లైబ్రరీని ఏర్పాటు చేయడం, ప్రతి అవుట్‌పుట్ రకానికి ధృవీకరణ ప్రోటోకాల్, డేటా గవర్నెన్స్ మరియు స్పష్టమైన గోప్యతా విధానం; ప్రతి భద్రత మరియు ప్రజా ప్రయోజన కీలకమైన అవుట్‌పుట్‌ను సమర్థ ఆమోదంతో మూసివేయడం చాలా అవసరం.

12. మీరు జోనింగ్ రెగ్యులేషన్ కథనం గురించి AIని అడిగినప్పుడు, అతను స్పష్టమైన కథనం సంఖ్య మరియు రేటును ఇచ్చాడు. మీ ప్లాన్ నిర్ణయంలో ఈ సమాచారాన్ని ఉపయోగించే ముందు మీరు ఏమి చేయాలి?

• ఎ) AI స్పష్టమైన పదార్థాన్ని ఇస్తుంది కాబట్టి నేరుగా వర్తించండి
• బి) మరొక ప్రాజెక్ట్ నుండి మీరు గుర్తుంచుకునే విలువతో అంశాన్ని భర్తీ చేయడం
• సి) మూలాన్ని చూడకుండా రౌండ్ చేయడం ద్వారా కథనం సంఖ్యను ఉపయోగించడం
• D) ప్రస్తుత నియంత్రణ యొక్క అధికారిక ప్రస్తుత టెక్స్ట్ నుండి సమాచారాన్ని నిర్ధారించడానికి మరియు అవసరమైతే, సమర్థ పరిపాలన నుండి ధృవీకరించడానికి ✔

వివరణ: నియంత్రణ కథనాలు కాలానుగుణంగా మారుతాయి మరియు AI పాతది లేదా వేరే చట్టానికి చెందిన సమాచారాన్ని అందించవచ్చు లేదా కథనం సంఖ్యను భ్రమింపజేస్తుంది. అమలులో ఉన్న సంబంధిత నియంత్రణ యొక్క అధికారిక మరియు ప్రస్తుత టెక్స్ట్ నుండి విలువ తప్పనిసరిగా నిర్ధారించబడాలి మరియు అవసరమైతే, సమర్థ పరిపాలన ద్వారా ధృవీకరించబడుతుంది.

13. భూ వినియోగ విశ్లేషణలో AIని ఉపయోగించడానికి అత్యంత ప్రభావవంతమైన మార్గం దానికి ఏమి ఇవ్వడం?

• ఎ) పని చేసే ప్రాంతం, లేయర్‌లు, కోఆర్డినేట్ సిస్టమ్, ప్రమాణాలు మరియు బరువులను స్పష్టంగా మరియు నిర్మాణాత్మకంగా ఇవ్వడం ✔
• బి) 'మంచి భూ వినియోగ విశ్లేషణ చేయండి' వంటి ఒక వాక్య అభ్యర్థనను ఇవ్వండి
• సి) అనేక మ్యాప్‌లను రూపొందించడం మరియు ఎటువంటి సందర్భం ఇవ్వకుండా ఒకదాన్ని ఎంచుకోవడం
• డి) AI స్వయంగా ఊహించవలసిన ప్రమాణాలు మరియు బరువులను వదిలివేయడం

వివరణ: AI యొక్క అవుట్‌పుట్ నాణ్యత ఇన్‌పుట్ నాణ్యతపై ఆధారపడి ఉంటుంది. మీరు పని చేసే ప్రాంతం సరిహద్దు, ఉపయోగించాల్సిన పొరలు, సమన్వయ వ్యవస్థ, విశ్లేషణ ప్రమాణాలు మరియు బరువులు వంటి పరిమితులను స్పష్టంగా పేర్కొన్నప్పుడు అవుట్‌పుట్ బాగా పని చేస్తుంది; అస్పష్టమైన ఒక-వాక్యం అభ్యర్థనలు సాధారణ మరియు ఉపరితలం, తప్పుదారి పట్టించే ఫలితాలను కూడా అందిస్తాయి.

14. మీరు AIతో ప్లాన్ డిస్‌క్లోజర్ రిపోర్ట్ (ప్లాన్ జస్టిఫికేషన్ రిపోర్ట్)ని రూపొందించారు. ఈ డ్రాఫ్ట్ పట్ల అత్యంత సరైన వైఖరి ఏమిటి?

• ఎ) అప్రూవల్ ఫైల్‌లో డ్రాఫ్ట్‌ను అలాగే ఉంచడం
• బి) డ్రాఫ్ట్‌ను ఫ్రేమ్‌వర్క్‌గా ఉపయోగించండి మరియు ప్రతి డేటా, శాసన సూచన మరియు సమర్థనను సమర్థ ప్లానర్‌తో సమీక్షించి సరి చేయండి ✔
• సి) శాసన సూచనలను తనిఖీ చేయడం లేదు ఎందుకంటే AI వాటిని ఇస్తుంది
• డి) విశ్లేషణ డేటాను వాస్తవ అధ్యయనంతో పోల్చకుండా అంగీకరించడం

వివరణ: ప్లాన్ బహిర్గతం నివేదిక చట్టపరమైన ఆమోద ప్రక్రియలో భాగం మరియు సాంకేతిక/చట్టపరమైన బాధ్యతను సృష్టిస్తుంది. AI త్వరగా డ్రాఫ్ట్ అస్థిపంజరాన్ని ఉత్పత్తి చేస్తుంది; అయితే, ప్రతి డేటా, శాసన సూచన, రేటు మరియు సమర్థనను సమర్థ అర్బన్ ప్లానర్ సమీక్షించాలి మరియు ప్రస్తుత చట్టం మరియు వాస్తవ విశ్లేషణ డేటా ప్రకారం సరిదిద్దాలి మరియు బాధ్యత తప్పనిసరిగా ప్లానర్‌పైనే ఉండాలి.