ඔබේ වැඩ අවසන් කරලා AI එකට සමාලෝචනය අයැදුවාම “හොඳයි” කියලා පණිවිඩයක් ලැබුණා නම්, ඒක සැබවින්ම තරම් විශ්වාසයක් නොවේ. නියමිත පරීක්ෂණයක් නොකළව පළ කිරීම, ගැටළුවක් පමණක් නොව, කාලය, සම්පත්, API ඇමතුම් වැනි වැයයන් ඉතිරි කරයි.
ලේඛකයා පවසන්නේ, “generic AI reviewer” එකේ ප්රතිචාර බොහෝවිට පේටර්න්‑මැච් කිරීමේ පදනමක් වන අතර, “කෝඩ් එකේ දෝෂ හසුරුවන්න” වැනි උපදෙස් සැබෑ අවශ්යතාවය නොවෙයි. එම නිසා, තනිව වැඩ කරන විකසකයින්ට හෝ කණ්ඩායම් රහිතව සිටිනවන්ට, මේ සමාලෝචන වඩාත් අහිතකරයි.
මෙම ගැටළුව විසඳීමට ලේඛකයා “Named Experts” කියන නව ක්රමයක් හඳුන්වා දී ඇත. “security reviewer” කියා ඇහුවට වඩා, කෙන් තම්පසන්, ලිනස් ටෝර්වල්ඩ්ස්, ජෝන් කාර්මැක් වැනි සත්ය නාමයන් යොදා ගනිමින්, ඔවුන්ගේ ප්රසිද්ධ ලේඛන, ලෙක්චර්, TED කතා වැනි ප්රමාණවත් මූලාශ්රයන්ට යොමු කරයි. මෙයින් AI මොඩලයට “කොහොමද” කියා පෙන්වා දීමට හැකි වේ, එවිට ප්රතිචාරය වඩාත් විශ්වාසනීය වේ.
ඒත් 33 නාමික විශේෂඥයන් ගොඩක් තිබුණාම, කවදාත් කවුද කුමකට සමාලෝචනය කරනවා කියලා තීරණය කිරීම කම්පනීය වේ. ඒ නිසා ලේඛකයා YAML ගොනුවක “routing table” එකක් සකස් කරයි. මෙහි “experiment-design” හෝ “code‑review” වැනි ට්රිගර් වචන පදනම් කරගෙන, සම්බන්ධිත විශේෂඥයන්ට ස්වයංක්රීයව කාර්ය බාර දෙනු ලබයි.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලාංකීය විකසකයින්ට, මේ ක්රමය භාවිතා කිරීමෙන් API ඇමතුම් වැනි සීමිත සම්පත් ඉතිරි කරගැනීමට, නිවැරදි ආරක්ෂණ පරීක්ෂණ සිදු කිරීමට, සහ ගුණාත්මක කේතයක් නිර්මාණය කිරීමට හැකියාව ලැබේ. විශ්ව විද්යාල සිසුන්ට, “Ken Thompson” හෝ “Don Norman” වැනි නාමිකයන්ගේ ප්රායෝගික නියමයන් පරීක්ෂා කිරීමෙන්, තාක්ෂණික සංකල්පයන් ඉගෙන ගැනීමට නව මාර්ගයක් ලැබේ. එසේම, ස්ථානීය ආයතන හා ස්ටාර්ට්‑අප් සඳහා, වඩාත් පාරදර්ශී, අඩු වැරදි සහිත නිෂ්පාදන නිකුත් කිරීමේ හැකියාව ලබා දේ.
අවසානයේ, “fabricated” විශේෂඥ උපුටා දැක්වීම් වලට බොහෝ විට අධික විශ්වාස නොකර, මූලාශ්ර පරීක්ෂා කරගැනීමේ අභ්යාසයක් වශයෙන්, AI සමාලෝචනයේ ගුණාත්මකභාවය වැඩි කරගත හැකිය.
