සමහර AI උපකරණයක් එකම ප්රශ්නයට දෙවරක් හෝ තවත් වරක් පිළිතුරක් දෙන්නේ, ඒ පිළිතුරු එකිනෙකට අනුකූල වුවත්, වැරදියි. මෙය සොෆ්ට්වෙයාර් ලෝකයේ පරණ ගැටලුවක් වන අතර, කේත සමාලෝචනය සඳහා දෙදෙනෙකුගේ නිරීක්ෂණය අවශ්ය වීමත් සමඟ සමානයි.
ඔබේ AI එකට එකම ප්රශ්නයක් අහලා, ඒකේ පිළිතුරු එකිනෙකට සමාන වුවහොත්, ඒක ඔබට ‘නිශ්චිත’ බවක් දැනේ. නමුත් ඒ නිශ්චිතතාවය බොහෝ විට අසත්යය. ඒකේ ගැටලුව නම්, ඒ AI එකේ “සොයාගැනීමේ හැඩය” එකම වන අතර, ඒ නිසා එහි අඳුරු තැන් එකම තැන් තුළ පවා පෙනෙන්නේ නැත.
මෙම ගැටලුවට විසඳුමක් ලෙස, ලේඛකයා දෙකේ AI මාදිලි – එකිනෙකට කතා නොකරන – එකට එකතු කර, එකට අභියෝගයක් දුන්නේ. පළමු මාදිලිය විසඳුමක් දෙන අතර, දෙවැනිය එය විරෝධාත්මකව විග්රහ කරයි. මෙහි වැදගත් කාරණය වන්නේ, “සමාලෝචනය” නොකෙරෙයි, “විරෝධය” කරයි. විරෝධය කරන මොඩලය අනිවාර්යයෙන්ම අඩු විශ්වාසයකින් පළමු මොඩලයේ වැරදි හඳුනා ගනී.
ප්රථම වරට මෙය නිවැරදිව ක්රියාත්මක කළ විට, AI එකක් සතිකාලයක් පුරා ලියූ ගෝලීය ලිපියක් කෙටි වාක්යයක් තුළම බිඳ දැමීය. එමගින්, ඔබේ AI එක “තමන්ගේම” පරීක්ෂාවට විරෝධාත්මකව ක්රියා නොකරන බව පෙනේ. ඒ නිසා, ඔබේ AI එක වැරදි පිළිතුරක් ලබා දුන්නේ නම්, ඒ පිළිතුරට තවත් මොඩලයක් “ඇතුළත්” වීමෙන් පසුම ඔබට සත්ය තොරතුරු ලැබේ.
ශ්රී ලංකාවට ඇති වැදගත්කම
- ශිෂ්යයන් – AI මූලික පාඨමාලා හෝ පර්යේෂණ ව්යාපෘතිවලදී, දෙකේ AI එකක් අභියෝග කිරීමෙන් තවත් නිරීක්ෂණයක් ලැබෙයි. මෙය අධ්යාපනික ගුණාත්මකතාවය වැඩි කරයි.
- ඩෙවලපර්ස් – කේත සමාලෝචනය, API පරීක්ෂා, හෝ cloud සේවාවන් සංවර්ධනයේදී, “අනෙක් AI එකේ විරෝධය” භාවිතා කිරීමෙන් බග් හෝ අසත්ය තොරතුරු ඉක්මනින් හඳුනාගත හැකිය.
- ව්යාපාර – AI‑ආධාරිත නිර්ණය, chatbot, හෝ data‑analysis වැනි ක්ෂේත්රවලදී, දෙකේ AI එකක් එකිනෙකට විරෝධාත්මකව පරීක්ෂා කිරීමෙන් සේවා විශ්වාසය වැඩි වේ, ගැටළු හෝ නුසුදුසු තීරණ වලින් වළකිනු ලැබේ.
අවසානයේ, AI එකම මතයකට පදනම්ව තනිව පරීක්ෂා කිරීමේ තැනැත්තියක් නොවේ. දෙකේ AI එකක් “විරෝධාත්මක”ව එකිනෙකට සමාලෝචනය කිරීම, ඔබේ වැඩපිළිවෙළේ වැරදි අඩු කරයි. මෙය තවත් “අපේක්ෂිත” තොරතුරු ලබා ගැනීමට අතිශය ප්රයෝජනවත් ක්රමයක් බවට පත්වේ.
