AI මගින් සහය දෙන පද්ධතියක් නිර්මාණය කරන අවස්ථාවේ, අපිට අහඹු ලෙස "snapback" කියන අමුතු රටාවක් දිගුවක් ලෙස පෙනී ඇත. මේ රටාව යනු පද්ධතියේ අභ්යන්තර ආකෘතියක් ස්ථාවරව තිබෙන අතර, එය සරලව පාරිභෝගික වචනයකට පරිවර්තනය කිරීමේදී ගැටළුවක් ඇති වීමයි.
පළමු කොටසේ පෙනුණු පරිදි, කණ්ඩායමක් විසින් AI සහය පද්ධතියේ විවිධ පිරිසකට දෙපාර්ශ්වීය සමාලෝචන ක්රියාවලියක් සැලසුම් කර තිබුණා. ඒ අනුව, මිනිසා අවසාන අනුමැතිය ලබා දෙන අතර, AI පද්ධතිය පිරික්සුම්, සාක්ෂි සපයන භූමිකාවක් භාර ගනී. මෙම ආකෘතිය "reciprocal cognitive contribution" ලෙස හඳුන්වයි.
කෙසේ වෙතත්, පද්ධතියේ ප්රකාශන (README, ලිපි, සාරාංශ) සරල ඉංග්රීසි වාක්ය වලට පරිවර්තනය කරන විට, එම දෙපාර්ශ්වීය ආකෘතිය අඩු‑දෘශ්යමය "human‑controls‑AI" හෝ "AI‑controls‑human" ලෙස නරඹා ඇත. එම නිසා, අභ්යන්තර ආකෘතිය හා බාහිර විස්තර අතර ගැලැපීමක් ඇතිවී, සංවර්ධකයින්ට අසාදනයක් උදාවී.
මෙම ගැලැපීම පෙන්වා දෙන්නේ, ව්යාපෘතියේ ස්ථාවර ආකෘතිය බාහිර වචනවලට ස්වයංක්රීයව පරිවර්තනය නොවෙයි. එබැවින්, ප්රකාශන ලියන විට ආකෘතියේ සත්යය, බලය, සාක්ෂි, තත්ත්ව‑පරිවර්තන ව්යුහය යන සියල්ලත් සමඟ සත්ය පරීක්ෂාවක් කළ යුතුය. අසාදන තොරතුරු පවා වැදගත් සීමා දත්තයක් ලෙස ගත කළ හැක.
ශ්රී ලංකාවට ඇති වැදගත්කම
- සිසුන්ට – AI සහය පද්ධති සැලසුම් කරන විට ආකෘතියේ නිශ්චිත ව්යුහය කෙලින්ම තේරුම් ගත හැකි වීම, උපාය මාර්ගයන් ඉගෙන ගැනීමට හොඳ පදනමක් වේ.
- ඩෙවලපර්ලා – ප්රකාශන ලියන විට ආකෘතියේ සත්යය රැක ගැනීමේ වැදගත්කම තේරුම් ගනිමින්, ව්යාපෘති ලේඛන වල ගුණාත්මකභාවය ඉහළ යයි.
- ව්යාපාරිකයින් – AI‑උපකාරක විසඳුම් අභ්යන්තර ප්රතිපත්ති හා බලය වෙන් කරන ආකාරය පැහැදිලිව දැන ගැනීමෙන්, අවදානම් කළමනාකරණය සහ නීතිමය අනුකූලතාවය වැඩි වේ.
අවසන් වශයෙන්, "snapback" රටාව පෙන්වනවා ව්යාපෘතියේ ආකෘතිය බාහිර වචන වලට පරිවර්තනය කිරීමේදී සලකුණු කරන ලද සීමාවන් නිවැරදිව රැක ගැනීමට අවශ්ය බවයි. එම නිසා, ලේඛන සංස්කරණය කිරීමේදී ආකෘතිය, විස්තර, හෝ අන්තර්ගතය යන තිදෙනා අතර වෙනසක් ඇතිනම්, ඒ වෙනස සපයන පාර්ශවය නිශ්චිතව සඳහන් කර, පද්ධතියේ මූලික ආකෘතිය වෙනස් නොවී පවත්වා ගැනීම අත්යවශ්ය වේ.
මෙම අවබෝධය ශ්රී ලංකාවේ AI‑සහය ව්යාපෘති වල සාර්ථකත්වය ඉහළ දැමීමට, නව නිර්මාණශීලී හැකියාවන් ගොඩනැගීමට මූලික පියවරක් වනු ඇත.
