අද දින AI තාක්ෂණය ඉක්මනින් වැඩිවීමත් සමඟ, නව මෙවලම් ඉතා සෙමින්ම වෙළඳපලට එළඹෙයි. කෙසේ වෙතත්, ඒවායෙහි ප්රතිඵලය "පරීක්ෂා කරන ලද්දේද, නැතහොත් අනුමාන කළේද" කියන ප්රශ්නයක් ගැටළුවක් වශයෙන් පැන නැගේ. මේ ලිපියෙහි ලේඛකයා, ප්රොඩක්ෂන් අවසර පද්ධති (auth systems) සඳහා නිර්මාණය කළ AI පරීක්ෂක මෙවලමක් උදාහරණයක් ලෙස ගෙන, එය පරීක්ෂා කිරීමේ ක්රමවේදය සහ එය ගෙන ආ ගැටලු පිළිබඳව විස්තර කරයි.
මූලික සිදුවීම සහ එහි වැදගත්කම
ලේඛකයාගේ පළමු AI මෙවලම සාර්ථක ලෙස ක්රියා කළා වැනි පෙනුමක් තිබුණා. නමුත්, ගනුදෙනුකරුවෙකු එය භාවිතා කර, එකක් වූ සොයාගැනීමක් ගැන අභියාචනා කළ විට, "මෙම ප්රතිඵලය විශ්වාසනීයද?" යන ප්රශ්නය උත්පන්න වුණා. ප්රතිචාරයක් ලෙස "මගේ prompt එක හොඳයි" යනුවෙන් පිළිතුරු දීමට ලේඛකයාට පවා තෘප්තිමත් නොවුණා. මෙයින් පසු, ඔහු AI මෙවලම පරීක්ෂා කිරීමේ නව පියවරක් ගන්නට තීරණය කළා.
ඉන්පසු, ඔහු අඩවිය-විරෝධී (adversarial) fixtures හතරක් සකසා, ඒවායේ Recall (ඇත්තේ සොයා ගැනීම), Precision (ඇත්තක් නොමැති විට නිශ්ශබ්දව සිටීම), Generalization (වෙනත් vendors සමඟ ක්රියාකාරීත්වය) සහ Edge Cases (අසීමිත තත්ත්ව) පරීක්ෂා කළා.
මෙම පරීක්ෂණයන් මඟින්, සැබැවින්ම මෙවලම වැරදි ප්රතිඵල ලබා දුන්නා කියා හඳුනා ගැනීමට හැකි වුණා. විශේෂයෙන්, vendor‑වෙතින් ලබා දෙන token storage සැකසුම් පිළිබඳව, වර්ෂන 5 සහ 6 අතර වෙනසක් නිසා, මෙවලම v6 පදනමෙන් සොයමින් "default storage: localStorage" යන වැරදි ප්රකාශයක් කළා. තවත් ගැටලුවක් වශයෙන්, එකම fixture එක විවිධ LLM මොඩලයන් සමඟ ධාවනය කළ විට, ප්රතිඵල වෙනස් වීමක් දක්නට ලැබුණා.
ශ්රී ලංකාවට ඇති වැදගත්කම
- අධ්යයන ආකාරය: සිසුන්ට AI‑සම්බන්ධ පරීක්ෂණ ක්රමවේදයන් ඉගෙන ගැනීමට නව මාදිලියක් ලැබේ.
- ඩිවෙලපර්ලාගේ වෘත්තීය වර්ධනය: LLM‑ඇති මෙවලම් නිර්මාණය හා පරීක්ෂා කිරීමේ පියවරයන් අධ්යයනය කිරීමෙන්, දක්ෂතා වැඩිදියුණු වේ.
- ව්යාපාරික ආරක්ෂාව: AI‑මූලික සුරක්ෂිතතා පරීක්ෂකයන් නිවැරදිව පරීක්ෂා කර, වැරදි නිෂ්පාදන හේතුවෙන් සිදුවන පිරිවැය හා නීතිමය ප්රතිඵල අවම කරයි.
- පාරිභෝගික විශ්වාසය: පරීක්ෂණය කර ඇති AI මෙවලම් භාවිතා කිරීමෙන්, සේවාලාභීන්ට විශ්වාසය ලබා දීමට හැකි වේ.
මෙවලම මුලින් markdown ගොනු දෙකක් (විස්තරාත්මක වාර්තාව සහ සාරාංශය) නිර්මාණය කර තිබුණා, නමුත් නිදහස් වචන රූපය නිසා යන්ත්ර පරීක්ෂණය අසීරු වුණා. ඒ නිසා, ලේඛකයා මාර්ගගත ව්යුහය (structured output) ඇතුළත් කර, එය ස්වයංක්රීයව පරීක්ෂා කළ හැකි ආකාරයට පරිවර්තනය කළා.
ඉතින්, AI මෙවලම් නිර්මාණය කරන කෙනාට පරීක්ෂාවක් නොකළහොත්, එය “ඇස්තමේන්තු” පමණක් වනු ඇත. නියමිත පරීක්ෂණ ක්රමවේදයක් ඇතුළත් කිරීමෙන්, මෙවලම වඩා නිරවද්ය, පාරිභෝගික‑හිතකාමී සහ ව්යාපාරික‑ආරක්ෂිත බවට පත්වේ.
අවසානයේ, AI‑මූලික පරීක්ෂකයන් පරීක්ෂා කිරීමේ අත්දැකීම්, ශ්රී ලංකාවේ තාක්ෂණික ප්රගතියේ නව පියවරක් බවට පත්වේ. ඔබත් ඔබේ AI මෙවලම් පරීක්ෂා කර, විශ්වාසනීය ප්රතිඵල ලබා ගන්න.
