AI සංවර්ධකයෙකුගේ නව අදහසක් තාක්ෂණ ලෝකයේ ගැඹුරු කතාබහක් උද්ධමනය කරයි. ඔහු ඉදිරිපත් කළ ප්රශ්නය වන්නේ, භාවිතා කරන්න ලද LLM (Claude, GPT, Gemini වැනි) වලට අනුව ‘අසම්පූර්ණ’ ප්රෝම්ප්ට් එකක් පුරවා, ඒක සවිස්තරාත්මක, මොඩලයට සුදුසු පරිදි පරිවර්තනය කිරීමේ ක්රමවේදයක් තිබේද යන්නයි.
මෙම අදහසට මූලික කරුණක් තියෙන්නේ, එකම උපදෙස් එකම පරිසරයකදීත් විවිධ මාදිලි වලදී වඩාත් වෙනස් ප්රතිඵල ලබාදෙයි. එබැවින් සාමාන්ය “පිරිසිදු” ප්රෝම්ප්ට් එකකට පමණක් සීමා නොව, එක් එක් මාදිලියට අදාළව විශේෂිතව නිර්මාණය කළ ප්රෝම්ප්ට් එකක් අවශ්ය වේ. මේ නිසා “prompt optimization” ක්ෂේත්රයේ නව පර්යේෂණ අවස්ථාවක් උද්ධමනය වෙමින් පවතී.
දැනට පවත්නා පර්යේෂණ වල බොහෝමයක් සාමාන්ය ප්රෝම්ප්ට් වැඩිදියුණු කිරීමේ තාක්ෂණයන් (prompt engineering, chain‑of‑thought, few‑shot) මත පදනම් වෙයි. නමුත් මාදිලිය‑විශේෂිත පරිවර්තනය, එනම් model‑specific prompt rewriting ගැන සොයාබැලීම තවමත් අඩුයි. GitHub, arXiv, සහ විවිධ AI බ්ලොග් සයිට් වල අලුත්ම ලිපි පරීක්ෂා කිරීමෙන්, මෙවැනි වැඩ පිළිබඳ සීමිත උදාහරණ කිහිපයක් පමණක් ලැබේ.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ AI සංවර්ධකයින්, විශ්වවිද්යාල සිසුන්, සහ තාක්ෂණ ව්යාපාර සඳහා මෙම පර්යේෂණය ගෙන දෙන ලාභ කිහිපයක් මෙසේය:
- දක්ෂතා වැඩිදියුණු කිරීම – මාදිලි අනුව ප්රෝම්ප්ට් සැකසුම ඉගෙනගැනීමෙන්, දේශීය සංවර්ධකයින්ට විවිධ LLM වල උපරිම කාර්ය සාධනය ලබා ගැනීමට හැකි වේ.
- වෙනත් රටවලට සමාන තාක්ෂණික සපයන්නා – Prompt‑specific API නිර්මාණය කර, ගෝලීය AI සමාගම් සමඟ තරග කිරීමට අවස්ථා ලැබේ.
- ව්යාපාරික නවෝත්පාදන – කාර්ය මණ්ඩලයන්ට අදාළ AI මොඩලයක් තෝරා, ඉන්පසු ඒ මොඩලයට පූර්ණයෙන්ම අනුගත ප්රෝම්ප්ට් එකක් ලබා දීමෙන්, සේවා ගුණාත්මකත්වය හා කාර්යක්ෂමතාව ඉහළ යයි.
ඉදිරියට, ශ්රී ලංකාවේ AI පර්යේෂණ ආයතන හා තාක්ෂණ ආරම්භකයන්ට මෙම මාදිලි‑අනුව ප්රෝම්ප්ට් සැකසුම් ක්ෂේත්රය තුළ ප්රයෝජනවත් පර්යේෂණයක් ආරම්භ කර, ගෝලීය AI ප්රවණතා සමඟ එකඟව ඉදිරියට යාමට අවස්ථාව ලැබේ.
