කොටස් කිහිපයක් පසුගිය මාස තුළ අපගේ AI මූලික සම්මුඛ සාකච්ඡා පද්ධතියේ පසුගිය සාර්ථකත්ව අගය ඉහළ ගියා. නමුත් සාර්ථකත්ව සංඛ්යාත්මකව වැඩිවීමත් සමඟ, නවකයන්ගේ කාර්ය සාධන වර්ධනයක් නොපෙනෙන්නා බව පරීක්ෂකයන් හට සලකා බැලීමට ලැබුණි.
ප්රථමයෙන්, පසුගිය අඩු මාස 6 තුළ අපි පසුගිය සංඛ්යාන වලට වඩා උසස් අගයන් දැක්කා: අපේක්ෂක පසුගිය ප්රතිශතය 23% කින් වැඩිවීම, සම්මුඛ සාකච්ඡා සම්පූර්ණ කිරීමේ අනුපාතය 31% කින් ඉහළ යාම, සහ අයදුම්කරුවන්ගේ සතුට 18% කින් වැඩිවීම. සියළුම පුවරුවල තොරතුරු හරිත වර්ණයෙන් පිරුණු අතර, සතියකට සතියට වාර්තා තවත් වඩා හොඳින් පෙනුණි.
එහෙත්, ඉංජිනේරු කළමනාකරු කෙනෙකු මෙම ප්රගතියේ අඩුපාඩුවක් අසන්නා: නවකයන් වැඩි ප්රමාණයෙන් පසුගිය සාකච්ඡා ජය ගත්තාත්, ඔවුන්ගේ පළමු මාස හය තුළ කාර්ය සාධන වර්ධනය පසුගිය කණ්ඩායම් සමඟ සමාන විය. මෙය පෙන්වන්නේ, AI පද්ධතියේ “කොළඹ” වැඩි වීමත්, “ප්රතිඵල” වැඩි නොවීමත් අතර සම්බන්ධතාවයක් නොමැති බවයි.
ඉදිරියට ගොස් බලන්නට ලැබුනේ, AI පද්ධතියේ ප්රතිචාරයක් ලබා දෙන මානව සමාලෝචකයන් අතර, එක් රිකෘට්ටර් කෙනෙකුගේ තීරණය අනෙකුත් සියලුදෙනාගේ තීරණයට වඩා බරපතළ වීම. ඔහු සෑම වාරයක්ම AI නිර්දේශිත අපේක්ෂකයන් 90% ක් අනුමත කළේය, එනම් සාමාන්ය රිකෘට්ටර් 55-65% අනුමත කිරීමේ සාමාන්යයත් සමඟ සැලකිය නොහැකි අගයක්. ඒ නිසා, AI පද්ධතියේ සකස් කරන ලද ස්කෝරින් මට්ටම්, මෙම රිකෘට්ටර්ගේ අනුමත කිරීම් මත පදනම්ව සකස් වීමෙන්, පද්ධතිය තවත් “පහසු” බවට පත්විය.
ශ්රී ලංකාවට ඇති වැදගත්කම
මෙම සිදුවීම ශ්රී ලාංකීය තාක්ෂණික සමාජයට කිහිපයක් අර්ථ දක්වයි:
- දත්ත පාලනයේ වැදගත්කම: AI පද්ධති වලින් ලබා ගන්නා ප්රතිචාර දත්ත පාලනය නොකළහොත්, පක්ෂපාතී තීරණ වලට හේතු විය හැක.
- ඉගෙනුම් අවස්ථා: දේශීය විශ්වවිද්යාල හා පුහුණු කේන්ද්රවල AI ethics, bias mitigation පාඨමාලා ඇතුළත් කිරීම අවශ්ය.
- ව්යාපාරික පරිසරය: සමාගම් AI-ආධාරිත රැකියා තෝරා ගැනීමේ ක්රම පද්ධති නිර්මාණය කරන විට, ප්රතිචාර මට්ටම් විවිධීකරණය කිරීම අත්යවශ්ය.
අවසන් වශයෙන්, AI පද්ධතියේ නිවැරදි ක්රියාකාරිත්වය සුරක්ෂිත කිරීම සඳහා, පද්ධතියේ “feedback loop” හොඳින් නිරීක්ෂණය කර, ඒකකයක අධික බලපෑමක් නොමැති බව තහවුරු කිරීම අත්යවශ්ය වේ. එසේ නොකළහොත්, ඉදිරියේදී තවත් “ඇදිරි” පරිණාමයක් සිදුවීමට ඉඩ ඇත.
