ඔබේ AI ඇජන්ට් නිෂ්පාදනයට සූදානම්ද? ඔබ පළමු දිනවල පමණක් පසුකාලීන උදාහරණ 5ක් පමණක් ඇගයුම් දත්ත ලෙස භාවිතා කර, ඒ සියල්ලම දැන්වීම් පරීක්ෂාවෙන් පසු සාර්ථක බව තහවුරු කර ගත්තේ නම්, එය අනාගත අසාර්ථකතා වැළැක්වීමට ප්රමාණවත් නොවේ.
ඇත්තේ, එම පරීක්ෂාවන් පසු, දෙසැම්බර් මාසයේදී නිෂ්පාදනයේ අහඹු වැරදි පෙනී යයි. පළමු පරීක්ෂාව සාර්ථක වූ නිසා, ඔබ ප්රෝම්ප්ට් එක වෙනස් කර, එම උදාහරණය පවා පසුතැවෙයි. නමුත් නව ගැටළුවක් තවමත් පෙනෙන්නේ නැත – ඔබට ඒ වැරදි වර්ගය හඳුනාගැනීමට අවශ්ය ඇගයුම් දත්ත නැත.
ඇගයුම් දත්ත (eval set) යනු නිෂ්පාදන-සුදුසු බව තහවුරු කරන මූලික මට්ටමයි. ඔබ මොඩලය, ප්රෝම්ප්ට්, හෝ ටූල් වෙනස් කළාම, පරණ ඇගයුම් දත්ත මගින් පමණක් ඔබේ සමාධාන තත්ත්වය පරීක්ෂා කළ හැකිය. ඒ නිසා, ඇගයුම් දත්ත සෑම විටම ඔබේ පද්ධතියේ "කාර්ය සාධන" අර්ථය අඩංගු කරයි.
ඇගයුම් දත්ත සකස් කිරීමේ ප්රධාන උපදෙස්:
- ඇරඹීමේදී කල්පනා නොකර, සැබෑ වැරදි වලින්ම දත්ත එකතු කරන්න.
- අවලංගු කරන වැරදි (disqualifying failures) වලට බර දී, ඒවා අඩංගු කරගන්න.
- 80% පාරිභෝගික ගමන් මාර්ගය සාමාන්යය නම්, ඒ ආකාරයේ මධ්යම කේස්ද ඇගයුම් දත්ත තුළ අඩංගු විය යුතුය.
- ආදර්ශ පදනම්ව නොව, ගුණාත්මක ගුණාංග (refusal, correct tool call, budget) මත පදනම්ව පරීක්ෂා කරන්න.
AI ඇජන්ට්ස් අස්ථිර (non-deterministic) වන බැවින්, එකම පිළිතුරක් නියමිත ලෙස පරීක්ෂා කිරීම අඩු විශ්වාසයක් දක්වයි. ඒ වෙනුවට, එය අවශ්ය ප්රතිපත්තියක් (unsafe request එකක් ප්රතික්ෂේප කිරීම, නිවැරදි API කෝල් කිරීම) පුරවා තිබේදැයි පරීක්ෂා කිරීම වඩාත් ප්රයෝජනවත්.
ශ්රී ලංකාවට ඇති වැදගත්කම
- සිසුන් – AI පරීක්ෂණ ක්රමවේදය පිළිබඳ හොඳ අවබෝධයක් ලැබීමෙන්, පළපුරුදු ව්යාපෘති වලින් අත්දැකීම් රැගෙන ගත හැකිය.
- සොෆ්ට්වේයා සංවර්ධකයින් – සාර්ථක නිෂ්පාදන-සූදානම් AI ඇජන්ට්ස් නිර්මාණය සඳහා විශ්වාසනීය ඇගයුම් දත්ත සම්පත් එකතුවක් ලබා ගත හැකිය.
- ව්යාපාර – අඩු වැරදි සමඟ AI සේවා ලබා ගැනීමෙන්, පාරිභෝගික විශ්වාසය ඉහළ යාම සහ වියදම් අඩු කිරීමේ හැකියාව ලැබේ.
ඉතින්, AI ඇජන්ට්ස් නිෂ්පාදනයේ සාර්ථකත්වය තහවුරු කිරීමේදී, ඇගයුම් දත්ත යනු ඔබේ වඩාත් වටිනා සම්පත බව අමතක නොකරන්න. ප්රෝම්ප්ට් එක වෙනස් කළත්, මොඩලය වෙනස් කළත්, එම දත්ත මඟින් ඔබේ පද්ධතියේ සැබෑ කාර්ය සාධනය පරීක්ෂා කළ හැකිය.
ඉදිරියට යාමට, සැබෑ වැරදි වලින්ම ඇගයුම් දත්ත සකස් කර, ඒවා නිතර යාවත්කාලීන කර ගැනීම ඔබේ AI ඇජන්ට්ස් නිෂ්පාදන-සුදුසු බව තහවුරු කරන මූලික මාර්ගය වේ.
