AI මොඩලයක් සමඟ පද්ධතියක් ඉදිරිපත් කරන කෙනෙකුට, ටෝකන් වියදම අහඹු ලෙස ඉහල යන අත්දැකීමක් ඇතිවෙයි. බොහෝ වෙලාවේ, මේ ගැටලුව මොඩලය තෝරා ගැනීමේ වැරදි නිසා නොව, ඒ මොඩලයට දෙන “කාර්ය” නිසා වේ.
උදාහරණයක් ලෙස, 2+2 ගණනය කිරීම, ලැයිස්තුවක් අකාරානුකූලව සකස් කිරීම, හෝ රෙගෙක්ස් පරික්ෂා කිරීම වැනි සරල ගණිත හෝ පද්ධති කාර්යයන් AI මොඩලයට භාරදීම, අතිශය අඩු මිලකින් කරගත හැකි වැඩකි. එවැනි කාර්යයන් deterministic (අනුවර්තනීය) ලෙස හැඳින්වේ; එකම ආදානයට එකම ප්රතිඵලය ලැබේ, නිර්මාණශීලී හෝ විචාරක හැකියාවක් අවශ්ය නොවේ.
මෙවැනි කාර්යයන් AI මොඩලයට භාරදීමේදී, මොඩලය සියලු පියවර ලියා දක්වන්නා බැවින්, ටෝකන් ගණන වැඩි වේ. එමෙන්ම, AI මොඩලය සමහරවිට සරල ගණිතදෝෂයක් කරනු ඇත – කැලැකියුලේටර් එක කිසිදා වැරදින්නේ නැත, නමුත් AI එකේ “පෙළ රූපකරණ” ක්රමය සමඟ අසාර්ථක විය හැක.
ඉතින්, මෙම ගැටලුව විසඳීමට “වෙනස්” සිතීමක් අවශ්යයි. AI මොඩලය සියම තනිව සියලු කාර්යයන් කරන්නේ නොව, tool use හෝ function calling මගින් නිශ්චිත උපකරණ භාවිතා කිරීමයි. පියවර කිහිපයක්:
- කාර්යය සරල ගණිත හෝ තර්කයක්ද? එසේ නම්, ස්ක්රිප්ට් එකක් හෝ calculator API එකක් භාවිතා කරන්න.
- දත්ත සොයන්න හෝ පරීක්ෂා කරන්න අවශ්යද? දත්ත සමුදායක්, API, හෝ search index එකට සෘජුව ඇමතුමක් දියත් කරන්න.
- නියමිත නියමයන් (if‑else) මඟින් විසඳිය හැකිද? එය කේතයකින් ලියන්න.
- අවසානයේ, තේරුම්, ලේඛන, හෝ තීරණය වැනි “fuzzy” කාර්යයන් සඳහා AI මොඩලය භාවිතා කරන්න.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ තරුණ සංවර්ධකයින්ට, මෙම පදනම අනුගමනය කිරීමෙන් AI පද්ධති නිර්මාණය වඩාත් ආර්ථික සහ විශ්වාසනීය වේ. ටෝකන් වියදම අඩු කිරීමෙන් ව්යාපාරික පිරිවැය අඩු වේ, එමඟින් ස්ථානයේ AI ආරම්භක ව්යාපෘති වලට තවත් ආයෝජන හැකියාව ලැබේ. තවත්, ඉගෙනුම් පරිසරයන්හි, සිසුන්ට “tool use” සංකල්පය ඉගැන්වීමෙන්, පරිගණක විද්යාවේ ප්රායෝගික කුසලතා වැඩිවේ, කේත ලේඛන හා AI එකතු කිරීමේ නවතම ප්රවණතා අත්හදා බැලීමට හැකියාව ලැබේ.
අවසානයේ, AI මොඩලය “සියලු” කාර්යයන්ට භාරදීමේ අධි වියදමෙන් පසු, නිවැරදි, වේගවත්, සහ පරිසර හිතකාමී පද්ධතියක් ගොඩනැගීමට මෙය මාර්ගයක් වේ. ඔබේ පද්ධතියේ “deterministic” කාර්යයන් සඳහා නිශ්චිත උපකරණ භාවිතා කර, AI එකේ “creative” හැකියාවන්ට අවශ්ය අවකාශය තබා ගන්න.
