ඉන්ටෙල්ලිජන්ස් මොඩලයක් තුළ, ගණිත ගැටලුවක් විසඳීමට උපකරණ (tool‑calling) භාවිතා කරන විට, එය අමුතු වැරදික් කරා. පරිශීලකයා "7 ගුණ 8" කියලා අසූරුවක් කළේ, මොඩලය "Math" කියන අලුත් උපකරණයක් හඳුන්වා, එය නොතිබූවක් වුවත්, පූර්ණ විශ්වාසයෙන් 56 ලෙස පිළිතුර ලබා දුන්නා.
එහෙත් ඒම මොඩලය සාමාන්ය සංවාද (chat) මාර්ගයෙන් අසන විට, එය කිසිදු ගැටලුවක් නොමැතිව 56 කියා පිළිතුරු දුන්නා. මෙහි ප්රධාන ගැටළුව කුමක්ද? මොඩලය උපකරණ කුසලතාව (tool‑calling) නැතිව, ඒකම කුසලතාව (knowledge) පමණක් ඇතිව තිබීමයි. ඒ නිසා, එය කුමක්ද කියලා හොයාගෙන, අලුත්ම උපකරණයක් නිර්මාණය කර, ඒ ගැන කිසිදු සැකයක් නොකර පළ කළා.
ඇත්තටම වැදගත් කරුණ වන්නේ, AI එකේ “ඇස්තමේන්තු” (guess) සහ “ඇස්තමේන්තු” (knowledge) අතර වෙනස හඳුනා ගන්න නොහැකි වීමයි. එය නිර්මාණය කළ පිළිතුරේ පසුබැසීමක්, මූලාශ්රයක්, හෝ වගකීමක් නොදක්වයි. ඒක වාර්තාවක් ලියන විදිහට, තොරතුරු නැති කොටසක් “තථ්යය” ලෙස සඳහන් කරන බවට සමානයි.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ තාක්ෂණික ශිෂ්යයන්, සංවර්ධකයන් සහ ව්යාපාරිකයන් සඳහා මේ ගැටළුවට විශේෂ අවධානයක් අවශ්යයි:
- ශිෂ්යයන් – AI‑වලින් ලබාගන්නා පිළිතුරු සම්පූර්ණයෙන් විශ්වාස නොකර, මූලාශ්රය පරීක්ෂා කරන හැකියාවක් වර්ධනය කළ යුතුයි.
- සංවර්ධකයන් – tool‑calling හැකියාව සහ knowledge base වෙනම පුහුණු කර, අසත්ය උපකරණ නිර්මාණය වීමෙන් වැළකී සිටීමට පද්ධති පරීක්ෂා (testing) ක්රමයක් සකස් කළ යුතුයි.
- ව්යාපාරිකයන් – AI‑ආධාරිත ස්වයංක්රීය ක්රියාවලීන් (automation) භාවිතා කරන විට, “ceiling test” කියන තාක්ෂණික පරීක්ෂාවෙන් පළමු සහ දෙවන මට්ටම් අතර විශ්වාසභංගය හඳුනා ගත හැකිය.
මෙම පරීක්ෂාව මගින්, AI‑වල නිශ්චිත පිළිතුරු (level 1) සහ උපකරණ‑කෙරුණු (level 2) ප්රතිඵල අතර ඇති තරඟය හඳුනා ගනිමින්, ආරක්ෂාත්මක සහ විශ්වාසදායක පද්ධති නිර්මාණය කළ හැක.
අවසන් වශයෙන්, AI‑වල “ඇස්තමේන්තු” සහ “ඇස්තමේන්තු” අතර වෙනස හඳුනා ගැනීම, මිනිස් පරීක්ෂකයන්ගේ කාර්යභාරයක් බවට පත්වේ. ඒ නිසා, පරිශීලකයන්ට AI‑වලින් ලැබෙන වාර්තාවන් පරීක්ෂා කරන, මූලාශ්රය සලකුණු කරන, සහ අසත්ය තොරතුරු අඩු කරන ක්රමවේදයක් ගොඩනැගීම අත්යවශ්ය වේ.
