ආයතනික පරිසරයේ AI ප්රයෝගයන් වැඩි වශයෙන් "වැඩි මොඩලයක්" යන අදහසින්ම විසඳුමක් ලෙස ගනී. නමුත් නවතම Project Sentinel පරීක්ෂණයෙන් පෙනෙන්නේ, සැබෑ කාර්යක්ෂමතාවය ලැබෙන්නේ මොඩලය භාවිතා නොකළමත් ඉදිරියට යන විධානයන් නිවැරදිව සැලසුම් කිරීමෙන් බවයි.
Project Sentinel හි සැලසුම් කරන්නේ LLM (Large Language Model) එක මධ්යම කොටසක් ලෙස නොගෙන, එයට පෙර නිශ්චිත පද්ධති, මූලාශ්ර දත්ත, සෙවුම්, මාර්ගගත කිරීම සහ වැඩපිළිවෙළ යන අංගයන් එකතු කිරීමයි. මෙයින් AI මොඩලයට ඇතුළත් වීමට පෙර අවශ්ය නොවන ගැඹුරු විශ්ලේෂණය අඩු කර, ඉක්මන් ප්රතිචාරයක් ලබා දීමට හැකියාව ලැබේ.
මෙම ආකෘතියේ ප්රධාන ලාභය වන්නේ කාර්යක්ෂමතාවය, පැහැදිලිත්වය සහ ව්යාපාරික විශ්වාසනීයතාවය. මොඩලයේ පරාමිතීන් වැඩි කළාමත්, ඒවා භාවිතා කිරීමේ වේගය, බලපෑම, පිරිවැය අඩුවීම යන ගුණාංග අඩු විය හැක. එබැවින්, සංකීර්ණ ජාතික-දේශීය තොරතුරු විශ්ලේෂණය සඳහා මෙවැනි “ස්මාර්ට්” සංග්රහණය වඩාත් සුදුසු වේ.
- ගෝලීය සිදුවීම් ස්වයංක්රීය ඇතුළත් කිරීම
- ඉන්ටෙලිජන්ට් මොඩල තෝරා ගැනීම සඳහා "Traffic Cop" මාර්ගගත කිරීම
- ව්යුහගත පිරිසිදුකම්, අර්ථපූර්ණ සෙවුම් සහ වෙබ් තොරතුරු සමඟ හයිබ්රිඩ් සෙවුම්
- කාලය-අදාල ප්රශ්න විසඳුම
- නිශ්චිත භූ-රාජ්ය අවදානම් අගය කිරීම
- BYOD (Bring-Your-Own-Data) ආකෘතිය
- වැඩපිළිවෙළ සංග්රහණය සහ ස්වයංක්රීය බුද්ධි ක්රියාකාරීත්වය
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ තාක්ෂණික ශිෂ්යයින්, සංවර්ධකයන් සහ ව්යාපාරිකයන්ට Project Sentinel වැනි සංග්රහණය අත්යවශ්ය අත්දැකීමක් වේ. එය පවතින AI පද්ධතිවලට වඩා අඩු පිරිවැයකින්, ඉක්මනින් ප්රතිඵල ලබා දීමට සහ පාරිභෝගිකයන්ට පැහැදිලි විස්තර ලබා දීමට උපකාරී වේ. විශාල මොඩලවලට නිරන්තරයෙන් සම්පත් යොදා ගැනීමට බදවා ගැනීමේ පළපුරුදු ව්යාපාරයන්ට, මෙම නව ආකෘතිය පිරිවැය අඩුවීම, නීතිමය අනුකූලතාවය සහ දත්ත රහස්යතාවය රැක ගැනීමේ අතින් විශාල වාසි ලබා දෙයි.
ඉදිරියේදී, ශ්රී ලංකාවේ AI පර්යේෂණ ආයතන, උපාධි පාඨමාලා සහ තාක්ෂණික ආරම්භකයන් මෙම සංග්රහණය භාවිතා කරමින් ස්ථානාත්මක AI විසඳුම් නිර්මාණය කිරීමේ හැකියාව වැඩි කර ගත හැක. එමඟින් රටේ AI පරිසරය තවත් ශක්තිමත් කර, ගෝලීය තරගාවලියේ ඉදිරියට යාමට පදනමක් සපයයි.
සාරාංශයෙන්, AI විසඳුම්වල ප්රමාණය වැඩි කිරීමට වඩා, නිවැරදි සංග්රහණය, පිරිසිදු දත්ත හා ස්වයංක්රීය වැඩපිළිවෙළ යොදා ගැනීම වඩාත් ප්රයෝජනවත් බව Project Sentinel පෙන්වා දී ඇත.
