AI පරීක්ෂක මාර්ක්, සින්ත්දත්ත (SynthData) නමින් හැඳින්වෙන AI දත්ත පයිප්ලයින් සමාගමක ගැටලුවක් සොයාගැනීමට අලුත් පරීක්ෂණයක් ආරම්භ කරයි.
කාර්ය මණ්ඩලයක් ත්රිවිධ සේවා පද්ධතියක් භාවිතා කරන අතර, එක් සේවාවක් නවතා දැමූ පසු එහි ලියාපදිංචි reverse-registration තවමත් සක්රියව තිබුණි. ඒ නිසා පිටත තැන්පත් පරිශීලකයින්ට ඉවත් කර ඇති endpoint වෙත ප්රවේශ විය හැකි විය.
මොහුගේ පරීක්ෂණ ස්ක්රිප්ට් එක 03:14 AM කාලයේ ops-deploy-02 ගිණුමක් නව සැසි එකක් ඇරඹුවා බව දැනුම් දුන්නා. එය පැරණි SRE කෙනෙකුගේ ගිණුමක් වන අතර, අතුරුදන් වූ පසුද සක්රියව රැඳී තිබුණි.
ඉදිරියට, ගිණුමේ ක්රෝන්ටැබ් එක සතියකට එක් වරක් 03:00 AM වේලාවේ healthz-check.sh ස්ක්රිප්ට් එක ක්රියාත්මක කරනු ලබන බව හඳුනා ගත්තා. එය probe_model_accuracy.py නමැති Python ස්ක්රිප්ට් එකට ඇදගෙන යන අතර, එය නිෂ්පාදන මොඩලයට කාලය-අනුව වෙනස් වන shadow inputs ලබා දී, 2% කට වැඩි වෙනස්කම් සිදු වුවහොත් ඇලර්ට් එකක් නිකුත් කරයි.
කාලය අන්යෝන්යව 1 පැයක් මාරු වූ විට, ඒ shadow inputs වල කාලය-කේතන අගයන් මූලික baseline සමඟ නොගැලපේ. ඒ නිසා වැරදි ඇලර්ට් එකක් පැන නැඟෙයි, මොඩලය ස්වයංක්රීයව පසුගිය ස්ථාවර අනුවාදයට ආපසු හැරෙයි. මෙය සතියකට එක වරක් සිදු වීම නිසා, සමාගමට නිතර node එකක් අඩු වීමක් පෙනී යාමට හේතුව විය.
- අතුරුදන් වූ ගිණුම සක්රියව තිබීම
- අවලංගු සේවා endpoint සක්රියව රැඳී සිටීම
- කාලය-සම්බන්ධිත පරීක්ෂණ cron එකේ වැරදි සකස් කිරීම
- AI මොඩලය අනිසි rollback කිරීම
ශ්රී ලංකාවට ඇති වැදගත්කම
මෙම කේස් එකේ පෙන්වා දුන්නේ AI පද්ධති පරීක්ෂණයේ සුක්ෂ්ම විස්තරයක් අත්හැරීමේ අවිස්සාවය. ශ්රී ලංකාවේ තාක්ෂණ ආරම්භකයින්, AI ඉංජිනේරු සහ ව්යාපාරිකයන්ට මෙය වැදගත් පළපුරුද්දක්:
- AI audit ක්රමවේදය නිවැරදිව සැලසුම් කිරීමේ වැදගත්කම.
- පරණ ගිණුම්, සේවා endpoint සහ cron job පරීක්ෂා කිරීමේ මූලික පියවර.
- කාලය-සම්බන්ධිත දත්ත පරීක්ෂා කිරීමේදී baseline එකක් තබා ගැනීමේ අවශ්යතාව.
- ශ්රී ලංකාවේ startup කාර්ය මණ්ඩලයට ආරක්ෂිත AI පයිප්ලයින් නිර්මාණය කිරීමේ පියවර.
අවසන් වශයෙන්, මාර්ක්ගේ හොඳම පරීක්ෂණ ක්රමය සමාගමේ ආරක්ෂාව වැඩිදියුණු කරමින්, AI පද්ධති වල අඳුරු වැරදි හඳුනා ගැනීමට මඟ පෙන්වයි.
මෙම පරීක්ෂණය AI ආරක්ෂාව, පද්ධති කළමනාකරණය සහ කාර්ය සාධනයේ නව මට්ටමක් ගොඩනැගීමට උදව් කරයි.
