මෑතකදී මම ත්රිත්ව AI කේත උදව්කරුවන් (coding assistants) අතර සරල පරීක්ෂණයක් කළා. එකම ඉංජිනේරු artefact එකක් දෙමින්, ඒක පරික්ෂා කරලා, මගේ සූදානම් කරපු සත්යාපන ලැයිස්තුවට අනුව ලකුණු ගත්තා. මට හිතාගන්න ලැබුණේ කවුද හොඳ පරීක්ෂකයා කියලා. නමුත්, ප්රතිඵලය මට තවත් අමුතු තැනක් පෙන්වලා – මගේ මූලික ලැයිස්තුවේම අඩුපාඩු තිබුණා.
ලැයිස්තුවේ තිබුන ප්රශ්න සෑම වර්ගයක්ම ආවරණය කරලා, සම්බන්ධීකරණයක් හමුවේ ලකුණු ලැබුනා. එය වස්තුමය ලෙස පෙනුනත්, ලැයිස්තුවේ නොමැති හමු වූ ගැටලු සියල්ල අසත්ය (false positives) ලෙස ගණනය වුනා. ඒ කියන්නේ, AI එකක් මගේ අඳුරු කරපු නව ගැටලුවක් හඳුනා ගත්තාමත්, ඒක ලකුණු නොලැබුවා. මට ලැබුනු මතය ‘කවුද හොඳ පරීක්ෂකයා’ නොව, ‘කවුද මගේ මනෝභාවයට අඩුපාඩු නැතිව හිතනවා’ කියලා වුණා.
ප්රශ්නයේ විසඳුම ලැයිස්තුව වැඩි කිරීම නොවෙයි – මම පළමුව ලැයිස්තුව පුළුල් කළා, නමුත් ඒත් තවමත් මට නොදන්නා කරුණු ඇති වුණා. එබැවින් මම ප්රතිඵල දෙකකට වෙන් කළා: “අපේක්ෂිත හමු වූ ගැටලු” සහ “ලැයිස්තුවෙන් පිටත නව ගැටලු”. නව ගැටලු සඳහා, මමම ඒක තීරණය නොකර, වෙනත් විශේෂඥයෙකුට පරීක්ෂා කරලා. ඒ මගින් මට දෙකක් නව ගැටලු හමුවුණා – ඒ දෙකම මට අමතක වූවා. ඒවා දෙකම වෙන වෙනම AI එකකින් පෙනුනා, එකම AI එක දෙකම නොපෙනුනා. මෙයින් මට තේරුණේ “ඉතා හොඳ පරීක්ෂකයා කවුද?” වෙනුවට “පරීක්ෂකයන් එකිනෙකට පූරණය කරනවද?” කියලා පරීක්ෂා කළ යුතු බවය.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ බොහෝ ඩෙවලපර්ලා, ආරම්භකයන්, ව්යාපාරිකයින් AI‑කේත උදව්කරුවන් භාවිතා කරයි. මේ පර්යේෂණය පෙන්වන්නේ:
- ලැයිස්තු පදනම් වූ මූලික මූලධර්මය – සමාලෝචන ක්රමයක් ස්ථාවර කරගැනීමේදී, පරීක්ෂකයන්ගේ නව සොයාගැනීම් වැලමිල්ල නොකඩවා ගත යුතුයි.
- ආකෘතිකරණය – විවිධ AI ආකෘතින් එකිනෙකට පූරණය කරගැනීමෙන් වැඩි දක්ෂතා සහිත කේත ගුණාත්මකභාවයක් ලැබේ.
- ස්ථානික AI ඉගැන්වීම් – ලංකාවේ AI පරිසරය තවත් විශ්වාසදායක කරගැනීමට, මෙම පරික්ෂණ වැනි ප්රායෝගික උදාහරණයන් අවශ්ය වේ.
ඒ අනුව, ශ්රී ලංකාවේ තාක්ෂණික උපාය මාර්ගය AI‑කේත උදව්කරුවන්ගේ “සහයෝගිතාව” මත පදනම් කරගැනීමෙන්, වැඩි නිෂ්පාදනශීලීත්වයක්, දෝෂ අඩු කිරීම, සහ ඉගෙනුම් වේගය වැඩි කිරීමේ ලාභ ලබා ගත හැක.
අවසානයේ, මට තේරුණේ, සත්යාපන ලැයිස්තුවක් වඩාත් වැදගත්, නමුත් “අලුත් දේ හොයා ගැනීම” සඳහා වෙනත් මතයක් අවශ්ය බව. මේ ක්රමය හරහා, AI කේත උදව්කරුවන්ගේ සත්ය කාර්යක්ෂමතාවය තේරුම්ගත හැකි වනු ඇත.
