AI මඟින් රූප නිර්මාණය කරන වෙලාවේ, "Draw the MAPK pathway" වැනි කෙටි ඉල්ලීමක් පමණක් දීලා ඉදිරියට යන්න පුළුවන්. නමුත් එම ඉල්ලීමේ තොරතුරු අඩු නිසා, මොන ශාඛාව, කුමන කොෂ්ඨය, ඊලඟට මොකක්ද කියලා සියල්ල අස්ථානගත වෙයි. එම නිසා පළමු පියවරේම අර්ථවත් තීරණ ගැනීමට විස්තරාත්මක සැකැස්මක් අවශ්ය වේ.
ලේඛකයා පරිගණකයට දෙන්නා වූ සැකැස්ම සරල JSON වර්ගයකි. මෙහි purpose (ඉලක්කය), entities (අංශ), relations (සම්බන්ධතා) සහ exclude (අවශ්ය නොවන අංශ) වැනි කොටස් අඩංගු වේ. මේ ආකාරයෙන් මොඩලයට පින්තූරය තැනීමට පෙර තීරණ ගත හැකි වේ, එවිට පින්තූරය ලස්සන වුවත් අරුතක් නැතිවීමෙන් වැලැක්විය හැක.
ඊළඟට, අරෝ එකේ වර්ගය ගැන අවධානය යොමු කළේය. "activates", "inhibits", "transports", "next-step" වැනි වර්ගයන් වෙන වෙනම නාමික කර, එම වර්ගය අනුව ලේඛකයාට අරෝ හි ආකාරය (රේඛා රේඛාව, ලේබල, තිරස්) තේරීමට හැකියාව ලැබේ. එමඟින් රේඛා වර්ණය පමණක් නොව, රේඛා රේඛාවේ ශෛලිය, ලේබලය මගින් තේරුම් ගත හැකිය.
දත්ත මූලාශ්රය සදහා "measured", "literature", "interpretation" වැනි වර්ගයන් ඇතුළත් කර, ඒ අනුව රේඛා තදබල, ලේබල, සටහන් ආදී වෙනස් වේ. මෙය සමාලෝචකයන්ට මූලික තොරතුරු සපයයි, එකම රූපයක් හරහා මිනිසුන්ට ව්යවස්ථාත්මක තොරතුරු සහ අනුමාන අතර වෙනස පැහැදිලි කරයි.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ විද්යාඥ, ඉංජිනේරු, ව්යාපාරිකයින්ට මේ පද්ධතියෙන් ලැබෙන ප්රයෝජන අතිශය වැදගත්. සිසුන්ට පළමු වරට පරිසර-අනුමාන රූප නිර්මාණය කරගැනීමට හැකියාව ලැබේ, ඒ නිසා පංති පුරාවෘත්තයේ සංකීර්ණ මාර්ග පද්ධති ඉගෙන ගැනීම පහසු වේ.
- සියලුම අංශයක් – නිශ්චිත JSON සැකැස්ම මඟින් පර්යේෂණ ලේඛන වල අර්ථය ගැළපෙන පින්තූරයක් නිර්මාණය කළ හැක.
- දෘශ්ය සත්යතාව – රේඛා වර්ගය, ලේබලය, තිරස් මගින් පරිගණකය මඟින් නිර්මාණය කරන රූපය දත්ත මත පදනම්ව ඇති බව තහවුරු කරයි.
- ව්යාපාරික අයදුම් – ඖෂධ, ජීව විද්යා, යාන්ත්රික නිෂ්පාදන ආදී ක්ෂේත්රවල AI‑දෘශ්ය රූප නිර්මාණය කරමින් නිෂ්පාදන සැලසුම් වේගවත් කරයි.
අවසන් වශයෙන්, රූප නිර්මාණය කිරීමේදී පින්තූරයේ රූපලාවන්යය නොව, එහි තර්කය, සබඳතා, සහ මූලාශ්රයන් පරීක්ෂා කිරීම වැදගත් බව ලේඛකයා ප්රකාශ කරයි. මේ පියවරෙන් පසු, ඔබේ රූපය අලංකාර වුවත්, විද්යාත්මක වශයෙන් වැරදි නොවේ.
