සොෆ්ට්වේයාර් සංවර්ධනයේ පරීක්ෂණ (Testing) ක්රියාවලියට පසුබැසීමක් නැතිව, AI ඒජන්ට්වරුන්ට ‘රෙඩ්’ බාර් එකක් ලැබෙන්නේ නමුත් ඒක සැබෑ වැරදිද, හෝ පසුබැසීමේ (flaky) වැරදිද කියලා ඔවුන්ට නොදනි.
මානව සංවර්ධකයන්ට, පසුබැසීමේ ටෙස්ට් එකක් ‘රෙඩ්’ වීම සලකුණක් ලෙස නොලබා, “පළමුව නැවත ධාවනය කරන්න” කියලා සරලව ඉදිරියට යනවා. ඒ වෙනුවට, ඒජන්ට් එකට එය සම්පූර්ණයෙන්ම වැරදි සංඥාවක් ලෙස හැඳින්වීමේ අවශ්යතාවයක් ඇතිවෙයි.
මෙම ලිපියෙන්, පසුබැසීමේ (flaky) ටෙස්ට් එකක් AI ඒජන්ට්ගේ සම්මාන (reward) සංකේතයට කොහොමත් අස්ථිරතාවයක් ගෙන එනවා කියලා පැහැදිළි කරයි. මනුෂ්යයන්ට පසුබැසීමේ ටෙස්ට්වල ‘රෙඩ්’ බාර් එකක් අඩු කාලයක් පමණ අකාරාදර්ශයක් වන අතර, ඒජන්ට්ට එය සම්පුර්ණයෙන්ම තොරතුරක් ලෙස ගන්නේය.
ඇයි මේක වැදගත්ද? AI ඒජන්ට්වරුන් TDD (Test‑Driven Development) පදනමට පදනම්ව කේතය සංස්කරණය කරනවා. ඔවුන් “සියලු තත්වයන්ම අනිවාර්යයෙන්ම නිවැරදි” කියලා විශ්වාස කරයි. පසුබැසීමේ ටෙස්ට් එකක් ඇතුළත් වීමෙන්, ඒජන්ට්වරුන්ගේ ‘කොන්ට්රාක්ට්’ (contract) විකෘත වෙයි, ඒ නිසා වැරදි හඳුනා ගැනීමේ ක්රමය අඩු වේ.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ තාක්ෂණික සිසුන්, ඩෙවලපර්වරුන් සහ ව්යාපාරිකයින්ට මෙම අවධාරණය පහත පරිදි ප්රයෝජනවත් වේ:
- සිසුන් – පරික්ෂණ ක්රමවේදයේ පසුබැසීමේ (flaky) ගැටළු හඳුනා ගැනීමේ හැකියාව ඉගෙන ගත හැකිය.
- ඩෙවලපර්වරුන් – CI/CD පයිප්ලයින් සැකසීමේදී ‘ignore list’ භාවිතය සීමා කර, සත්ය බග් හඳුනා ගැනීමට අවකාශය වැඩි වේ.
- ව්යාපාර – AI‑සහයෝගී පද්ධති වල නිවැරදි පරීක්ෂණ නිර්මාණය කිරීමෙන්, නිෂ්පාදන ගුණාත්මකභාවය වැඩි වෙයි, වැරදි නිෂ්පාදනයේ පිරිවැය අඩු වේ.
ඉදිරියේදී, AI ඒජන්ට්වරුන්ට පසුබැසීමේ ටෙස්ට්වල “ඇඟවීම” (filter) ලබා දීමේ ක්රමයක් ගොඩනැගිය හැකිය. එය මනුෂ්යයන්ගේ අඛණ්ඩ අත්දැකීම් මත පදනම්ව, යන්ත්රයට පසුබැසීමේ පසුබැසීමේ ඉතිහාසය, පරිසර තත්ත්වය සහ තීරණාත්මක තොරතුරු ලබා දීමෙන් සම්භවිතාව වැඩි කරයි.
අවසන් වශයෙන්, පසුබැසීමේ ටෙස්ට් එකක් “නොසලකා හරින” බව AI ඒජන්ට්වරුන්ට පවසා දීම, එම ටෙස්ට් එකේ අර්ථය පූර්ණයෙන්ම නීතිකරණයෙන් ඉවත් කරනවා සමඟ, ඒජන්ට්ගේ සම්පූර්ණ විශ්වාසභංගයක් වෙයි. එබැවින්, පරීක්ෂණ පද්ධතියේ සත්යතාවය රැක ගැනීම, AI‑ආධාරිත සංවර්ධනයේ අනාගතය සුරක්ෂිත කරයි.
