Agentic AI පාරිභෝගික අත්දැකීම් සහ මෙහෙයුම් කාර්යක්ෂමතාව පරිවර්තනය කිරීමට සූදානම්ව සිටින අතර, නායකත්වයෙන් නව උපායමාර්ගික ප්රවේශයක් අවශ්ය වේ. කෘත්රිම බුද්ධියේ මෙම පරිණාමය සරල නිර්දේශවලින් ඔබ්බට ක්රියාශීලී ක්රියාවකට ගමන් කරමින් කාර්යයන් සැලසුම් කිරීමට, ක්රියාත්මක කිරීමට සහ අඛණ්ඩව සිටීමට පද්ධති බල ගන්වයි. UX කණ්ඩායම්, නිෂ්පාදන කළමනාකරුවන් සහ විධායකයින් සඳහා, මෙම මාරුව අවබෝධ කර ගැනීම නවෝත්පාදනයේ අවස්ථා අගුළු හැරීම, කාර්ය ප්රවාහයන් විධිමත් කිරීම සහ තාක්ෂණය මිනිසුන්ට සේවය කරන ආකාරය නැවත අර්ථ දැක්වීම සඳහා ඉතා වැදගත් වේ. රොබෝ ක්රියාවලි ස්වයංක්රීයකරණය (RPA) සමඟ Agentic AI පටලවා ගැනීම පහසුය, එය පරිගණකවල සිදු කෙරෙන නීති මත පදනම් වූ කාර්යයන් කෙරෙහි අවධානය යොමු කරන තාක්ෂණයකි. වෙනස පවතින්නේ දෘඪතාව සහ තර්කනය තුළ ය. දැඩි ස්ක්රිප්ට් එකක් අනුගමනය කිරීමට RPA විශිෂ්ටයි: X සිදුවුවහොත් Y කරන්න. එය මිනිස් අත් අනුකරණය කරයි. නියෝජිත AI මානව තර්කනය අනුකරණය කරයි. එය රේඛීය පිටපතක් අනුගමනය නොකරයි; එය එකක් නිර්මාණය කරයි. බඳවා ගැනීමේ කාර්ය ප්රවාහයක් සලකා බලන්න. RPA bot එකකට Resume එකක් scan කරලා database එකකට upload කරන්න පුළුවන්. එය පුනරාවර්තන කාර්යයක් පරිපූර්ණ ලෙස ඉටු කරයි. නියෝජිත පද්ධතියක් ජීව දත්ත පත්රය දෙස බලයි, අපේක්ෂකයා නිශ්චිත සහතිකයක් ලැයිස්තුගත කරයි, නව සේවාදායක අවශ්යතාවයක් සමඟ හරස් යොමු කිරීම් කරයි, සහ එම ගැළපීම උද්දීපනය කරන පුද්ගලාරෝපිත විද්යුත් තැපෑලක් කෙටුම්පත් කිරීමට තීරණය කරයි. RPA පූර්ව නිශ්චිත සැලැස්මක් ක්රියාත්මක කරයි; නියෝජිත AI ඉලක්කයක් මත පදනම්ව සැලැස්ම සකස් කරයි. මෙම ස්වාධීනත්වය පසුගිය දශකය තුළ අප භාවිතා කළ අනාවැකි මෙවලම්වලින් නියෝජිතයන් වෙන් කරයි. තවත් උදාහරණයක් නම් රැස්වීම් ගැටුම් කළමනාකරණය කිරීමයි. ඔබගේ දින දර්ශනයට අනුකලනය කරන ලද පුරෝකථන ආකෘතියක් ඔබගේ රැස්වීම් කාලසටහන සහ ඔබගේ සගයන්ගේ කාලසටහන් විශ්ලේෂණය කළ හැක. එවිට එය එකවරම සැලසුම් කරන ලද වැදගත් රැස්වීම් දෙකක් හෝ ප්රධාන සහභාගිවන්නෙකු නිවාඩුවක් ගත කරන විට නියමිත රැස්වීමක් වැනි විභව ගැටුම් යෝජනා කළ හැකිය. එය ඔබට තොරතුරු සපයන අතර විය හැකි ගැටළු සලකුණු කරයි, නමුත් ක්රියාමාර්ග ගැනීමට ඔබ වගකිව යුතුය. නියෝජිත AI, එම අවස්ථාවෙහිම, වළක්වා ගැනීමට ගැටුම් යෝජනා කිරීමෙන් ඔබ්බට යයි. ප්රධාන සහභාගිවන්නෙකු සමඟ ගැටුමක් හඳුනා ගැනීමෙන් පසු, නියෝජිතයාට ක්රියා කළ හැක්කේ:
අවශ්ය සියලුම සහභාගිවන්නන්ගේ තිබේදැයි පරීක්ෂා කිරීම. සෑම කෙනෙකුටම වැඩ කරන විකල්ප කාල පරාසයන් හඳුනා ගැනීම. සියලුම සහභාගිවන්නන්ට යෝජිත නව රැස්වීම් ආරාධනා යැවීම. ගැටුම බාහිර සහභාගිවන්නෙකු සමඟ නම්, නියෝජිතයාට නැවත කාලසටහන්ගත කිරීමේ සහ විකල්ප වේලාවන් පිරිනැමීමේ අවශ්යතාවය පැහැදිලි කරමින් විද්යුත් තැපෑලක් කෙටුම්පත් කර එවිය හැකිය. තහවුරු කළ පසු නව රැස්වීම් විස්තර සමඟ ඔබේ දින දර්ශනය සහ ඔබේ සගයන්ගේ දින දර්ශන යාවත්කාලීන කිරීම.
මෙම නියෝජිත AI ඉලක්කය තේරුම් ගනී (රැස්වීම් ගැටුම නිරාකරණය කිරීම), පියවර සැලසුම් කරයි (තිබේදැයි පරීක්ෂා කිරීම, විකල්ප සෙවීම, ආරාධනා යැවීම), එම පියවර ක්රියාත්මක කරයි, සහ ගැටුම විසඳන තෙක් පවතිනු ඇත, සියල්ල අවම සෘජු පරිශීලක මැදිහත්වීමකින්. මෙය "නියෝජිත" වෙනස පෙන්නුම් කරයි: පද්ධතිය පරිශීලකයාට තොරතුරු සැපයීමට වඩා පරිශීලකයා සඳහා ක්රියාකාරී පියවර ගනී. නියෝජිත AI පද්ධති ඉලක්කයක් තේරුම් ගනී, එය සාක්ෂාත් කර ගැනීම සඳහා පියවර මාලාවක් සැලසුම් කරයි, එම පියවර ක්රියාත්මක කරයි, සහ දේවල් වැරදුනහොත් පවා අනුගත වේ. එය ක්රියාශීලී ඩිජිටල් සහායකයකු ලෙස සිතන්න. යටින් පවතින තාක්ෂණය බොහෝ විට සංකීර්ණ කාර්යයන් කළමනාකරණය කළ හැකි ක්රියාවන් බවට පත් කරන සැලසුම් ඇල්ගොරිතම සමඟ අවබෝධය සහ තර්කනය සඳහා විශාල භාෂා ආකෘති (LLMs) ඒකාබද්ධ කරයි. මෙම නියෝජිතයින්ට ඔවුන්ගේ අරමුණු සාක්ෂාත් කර ගැනීම සඳහා විවිධ මෙවලම්, APIs සහ වෙනත් AI මාදිලි සමඟ අන්තර් ක්රියා කළ හැකි අතර, විවේචනාත්මකව, ඔවුන්ට ස්ථීර තත්වයක් පවත්වා ගත හැකිය, එනම් ඔවුන් පෙර ක්රියාවන් මතක තබා ගනිමින් කාලයත් සමඟ ඉලක්කයක් කරා වැඩ කිරීම දිගටම කරගෙන යයි. මෙය සාමාන්යයෙන් තනි ඉල්ලීමක් සම්පූර්ණ කර නැවත සකසන සාමාන්ය උත්පාදක AI වලින් මූලික වශයෙන් වෙනස් කරයි. නියෝජිත හැසිරීම් පිළිබඳ සරල වර්ගීකරණයක් අපට නියෝජිත හැසිරීම් ස්වාධීනත්වයේ වෙනස් ආකාර හතරකට වර්ග කළ හැකිය. මේවා බොහෝ විට ප්රගතියක් ලෙස පෙනෙන අතර, ඒවා ස්වාධීන මෙහෙයුම් ආකාරයන් ලෙස ක්රියා කරයි. උපලේඛනගත කිරීම සඳහා ස්වයංක්රීයව ක්රියා කිරීමට පරිශීලකයෙකු නියෝජිතයෙකු විශ්වාස කළ හැකි නමුත් මූල්ය ගනුදෙනු සඳහා එය “යෝජනා මාදිලියේ” තබා ගන්න. ස්වයංක්රීය වාහන සඳහා කර්මාන්ත ප්රමිතීන් (SAE මට්ටම්) ඩිජිටල් පරිශීලක අත්දැකීම් සන්දර්භයන්ට අනුවර්තනය කිරීමෙන් අපි මෙම මට්ටම් ලබා ගත්තෙමු. නිරීක්ෂණය සහ යෝජනා නියෝජිතයා මොනිටරයක් ලෙස ක්රියා කරයි. එය දත්ත ප්රවාහ විශ්ලේෂණය කරන අතර විෂමතා හෝ අවස්ථා සලකුණු කරයි, නමුත් ශුන්ය ක්රියාමාර්ග ගනී. අවකලනය මීළඟ මට්ටම මෙන් නොව, නියෝජිතයා සංකීර්ණ සැලැස්මක් ජනනය නොකරයි. එය ගැටලුවක් පෙන්වා දෙයි. උදාහරණ DevOps නියෝජිතයා සේවාදායක CPU ස්පයික් එකක් දකින අතර ඇමතුම් ඉංජිනේරුවරයාට අනතුරු අඟවයි. එය නිවැරදි කරන්නේ කෙසේදැයි හෝ උත්සාහ කරන්නේ කෙසේදැයි නොදනී, නමුත් යමක් වැරදී ඇති බව දනී. මෙම මට්ටමේ සැලසුම් සහ අධීක්ෂණය සඳහා ඇඟවුම්,සැලසුම් සහ අධීක්ෂණය පැහැදිලි, ආක්රමණශීලී නොවන දැනුම්දීම්වලට ප්රමුඛත්වය දිය යුතු අතර යෝජනා මත ක්රියා කිරීම සඳහා පරිශීලකයින්ට හොඳින් අර්ථ දක්වා ඇති ක්රියාවලියක්. පාලනයකින් තොරව කාලෝචිත සහ අදාළ තොරතුරු සමඟ පරිශීලකයා සවිබල ගැන්වීම කෙරෙහි අවධානය යොමු කෙරේ. UX වෘත්තිකයන් යෝජනා පැහැදිලි සහ තේරුම් ගැනීමට පහසු කිරීම කෙරෙහි අවධානය යොමු කළ යුතු අතර, නිෂ්පාදන කළමනාකරුවන් පරිශීලකයා යටපත් නොකර පද්ධතියට වටිනාකමක් ලබා දෙන බවට සහතික විය යුතුය. සැලසුම් කිරීම සහ යෝජනා කිරීම නියෝජිතයා ඉලක්කයක් හඳුනාගෙන එය සාක්ෂාත් කර ගැනීම සඳහා බහු-පියවර උපාය මාර්ගයක් ජනනය කරයි. එය මානව සමාලෝචනය සඳහා සම්පූර්ණ සැලැස්ම ඉදිරිපත් කරයි. අවකලනය නියෝජිතයා උපායමාර්ගිකයෙකු ලෙස ක්රියා කරයි. එය ක්රියාත්මක නොවේ; එය සම්පූර්ණ ප්රවේශය මත අනුමැතිය සඳහා බලා සිටී. උදාහරණ එකම DevOps නියෝජිතයා CPU ස්පයික් නිරීක්ෂණය කරයි, ලඝු-සටහන් විශ්ලේෂණය කරයි, සහ ප්රතිකර්ම සැලැස්මක් යෝජනා කරයි:
අමතර අවස්ථා දෙකක් කරකවන්න. load balancer එක Restart කරන්න. පැරණි ලඝු-සටහන් සංරක්ෂණය කරන්න.
මිනිසා තර්කනය සමාලෝචනය කර "සැලැස්ම අනුමත කරන්න" ක්ලික් කරයි. සැලසුම් සහ අධීක්ෂණය සඳහා ඇඟවුම් සැලසුම් කරන සහ යෝජනා කරන නියෝජිතයන් සඳහා, සැලසුම් කිරීම යෝජිත සැලසුම් පහසුවෙන් තේරුම් ගත හැකි බව සහතික කළ යුතු අතර පරිශීලකයින්ට ඒවා වෙනස් කිරීමට හෝ ප්රතික්ෂේප කිරීමට බුද්ධිමය ක්රම ඇති බව සහතික කළ යුතුය. යෝජනාවල ගුණාත්මකභාවය සහ නියෝජිතයාගේ සැලසුම් තර්කනය නිරීක්ෂණය කිරීමේදී අධීක්ෂණය ඉතා වැදගත් වේ. UX වෘත්තිකයන් විසින් යෝජිත සැලසුම්වල පැහැදිලි දෘශ්යකරණයන් සැලසුම් කළ යුතු අතර නිෂ්පාදන කළමනාකරුවන් පැහැදිලි සමාලෝචන සහ අනුමත කාර්ය ප්රවාහයන් ස්ථාපිත කළ යුතුය. තහවුරු කිරීම සමඟ ක්රියා කරන්න නියෝජිතයා සියලු සූදානම් කිරීමේ කටයුතු සම්පූර්ණ කර අවසාන ක්රියාව වේදිකාගත තත්වයක තබයි. එය ඵලදායි ලෙස දොර විවෘතව තබාගෙන, හිස නමන තෙක් බලා සිටියි. වෙනස මෙය "සැලසුම්-සහ-යෝජනා" වලින් වෙනස් වන්නේ කාර්යය දැනටමත් සිදු කර වේදිකාගත කර ඇති බැවිනි. එය ඝර්ෂණය අඩු කරයි. පරිශීලකයා තහවුරු කරන්නේ ප්රතිඵලය මිස උපාය මාර්ගය නොවේ. උදාහරණ බඳවා ගැනීමේ නියෝජිතයා සම්මුඛ පරීක්ෂණ ආරාධනා පහක් කෙටුම්පත් කරයි, දින දර්ශනවල විවෘත වේලාවන් සොයා ගනී, සහ දින දර්ශන සිදුවීම් නිර්මාණය කරයි. එය "සියල්ල යවන්න" බොත්තමක් ඉදිරිපත් කරයි. බාහිර ක්රියාව අවුලුවාලීම සඳහා පරිශීලකයා අවසාන අවසරය ලබා දෙයි. සැලසුම් කිරීම සහ අධීක්ෂණය සඳහා ඇඟවුම් නියෝජිතයන් තහවුරු කිරීම සමඟ ක්රියා කරන විට, සැලසුම මඟින් විභව ප්රතිවිපාක පැහැදිලිව ගෙනහැර දක්වමින් අපේක්ෂිත ක්රියාවෙහි විනිවිද පෙනෙන සහ සංක්ෂිප්ත සාරාංශ සැපයිය යුතුය. තහවුරු කිරීමේ ක්රියාවලිය ශක්තිමත් බව සහ ක්රියාවන් අන්ධ ලෙස අනුමත කරන ලෙස පරිශීලකයින්ගෙන් ඉල්ලා නොසිටින බව අධීක්ෂණය විසින් සත්යාපනය කිරීමට අවශ්ය වේ. UX වෘත්තිකයන් පැහැදිලි සහ අවශ්ය සියලු තොරතුරු සපයන තහවුරු කිරීමේ විමසුම් සැලසුම් කළ යුතු අතර, නිෂ්පාදන කළමනාකරුවන් සියලු තහවුරු කළ ක්රියාවන් සඳහා ශක්තිමත් විගණන මාවතකට ප්රමුඛත්වය දිය යුතුය. ක්රියා-ස්වයංක්රීයව නියෝජිතයා නිශ්චිත සීමාවන් තුළ ස්වාධීනව කාර්යයන් ඉටු කරයි. අවකලනය පරිශීලකයා ක්රියාවන්ගේ ඉතිහාසය සමාලෝචනය කරයි, ක්රියාවන්ම නොවේ. උදාහරණය බඳවා ගැනීමේ නියෝජිතයා ගැටුමක් දකියි, සම්මුඛ පරීක්ෂණය උපස්ථ ස්ලට් එකකට ගෙන යයි, අපේක්ෂකයා යාවත්කාලීන කරයි, සහ බඳවා ගැනීමේ කළමනාකරුට දැනුම් දෙයි. මිනිසාට පෙනෙන්නේ දැනුම්දීමක් පමණි: සම්මුඛ පරීක්ෂණය අඟහරුවාදාට නැවත කාලසටහන් කර ඇත. සැලසුම් කිරීම සහ අධීක්ෂණය සඳහා ඇඟවුම් ස්වයංක්රීය නියෝජිතයන් සඳහා, සැලසුම පැහැදිලි පූර්ව-අනුමත මායිම් ස්ථාපිත කිරීමට සහ ශක්තිමත් අධීක්ෂණ මෙවලම් සැපයීමට අවශ්ය වේ. අධීක්ෂණය සඳහා මෙම සීමාවන් තුළ නියෝජිතයාගේ ක්රියාකාරීත්වය අඛණ්ඩව ඇගයීමට ලක් කිරීම, ශක්තිමත් ලොග් කිරීම සඳහා තීරණාත්මක අවශ්යතාවයක්, පැහැදිලි අභිබවා යාමේ යාන්ත්රණයන් සහ පරිශීලක පාලනය සහ විශ්වාසය පවත්වා ගැනීම සඳහා පරිශීලක-නිර්වචනය කළ ඝාතන ස්විචයන් අවශ්ය වේ. UX වෘත්තිකයන් ස්වයංක්රීය නියෝජිත හැසිරීම් නිරීක්ෂණය කිරීම සඳහා ඵලදායී උපකරණ පුවරු සැලසුම් කිරීම කෙරෙහි අවධානය යොමු කළ යුතු අතර නිෂ්පාදන කළමනාකරුවන් පැහැදිලි පාලනයක් සහ සදාචාරාත්මක මාර්ගෝපදේශ ක්රියාත්මක බව සහතික කළ යුතුය.
මෙම මාතයන් ක්රියාත්මක වන ආකාරය බැලීමට HR තාක්ෂණයේ සැබෑ ලෝක යෙදුමක් දෙස බලමු. කුලියට ගැනීමේ ලොජිස්ටික්ස් හැසිරවීමට නිර්මාණය කර ඇති "සම්මුඛ පරීක්ෂණ සම්බන්ධීකරණ නියෝජිතයා" සලකා බලන්න.
යෝජනා ප්රකාරයේදී සම්මුඛ පරීක්ෂකයෙකු දෙවරක් වෙන් කර ඇති බව නියෝජිතයා දකී. එය බඳවා ගන්නාගේ උපකරණ පුවරුවේ ගැටුම උද්දීපනය කරයි: "අවවාදයයි: සාරා සවස 2 සම්මුඛ පරීක්ෂණය සඳහා දෙවරක් වෙන් කර ඇත." සැලසුම් ප්රකාරයේදී නියෝජිතයා සාරාගේ දින දර්ශනය සහ අපේක්ෂකයාගේ ඇති බව විශ්ලේෂණය කරයි. එය විසඳුමක් ඉදිරිපත් කරයි: "සම්මුඛ පරීක්ෂණය බ්රහස්පතින්දා පෙ.ව. 10 ට ගෙන යාමට මම නිර්දේශ කරමි. මේ සඳහා සාරාගේ 1:1 ඇයගේ කළමනාකරු සමඟ ගෙන යාමට අවශ්ය වේ." බඳවා ගන්නන් මෙම තර්කය සමාලෝචනය කරයි. තහවුරු කිරීමේ ප්රකාරයේදී නියෝජිතයා අපේක්ෂකයාට සහ කළමනාකරුට ඊමේල් කෙටුම්පත් කරයි. එය කැලැන්ඩර ආරාධනා පුරවයි. බඳවා ගන්නා සාරාංශයක් දකී: "බ්රහස්පතින්දාට නැවත කාලසටහන් කිරීමට සූදානම්. යාවත්කාලීන යවන්න?" බඳවා ගන්නා "තහවුරු කරන්න" ක්ලික් කරයි. ස්වයංක්රීය ප්රකාරයේදී නියෝජිතයා ගැටුම ක්ෂණිකව හසුරුවයි. එය පෙර සැකසූ රීතියකට ගරු කරයි: “සෑම විටම අභ්යන්තර 1:1s වලට වඩා අපේක්ෂක සම්මුඛ පරීක්ෂණවලට ප්රමුඛත්වය දෙන්න.” එය රැස්වීම ගෙනයන අතර දැනුම්දීම් යවයි. බඳවා ගන්නා ලඝු සටහනක් දකියි: "විසඳා ඇතB අපේක්ෂකයා සඳහා කාලසටහන ගැටුම.
පර්යේෂණ ප්රාථමිකය: පර්යේෂණ කළ යුතු දේ සහ කෙසේද සාම්ප්රදායික මෘදුකාංග හෝ උත්පාදක AI සමඟ සසඳන විට ඵලදායී නියෝජිත AI සංවර්ධනය කිරීම සඳහා වෙනස් පර්යේෂණ ප්රවේශයක් අවශ්ය වේ. AI නියෝජිතයින්ගේ ස්වායත්ත ස්වභාවය, තීරණ ගැනීමේ හැකියාව සහ ක්රියාශීලී ක්රියාව සඳහා ඔවුන්ගේ විභවය පරිශීලක අපේක්ෂාවන් අවබෝධ කර ගැනීම, සංකීර්ණ නියෝජිත හැසිරීම් සිතියම්ගත කිරීම සහ විභව අසාර්ථකත්වයන් අපේක්ෂා කිරීම සඳහා විශේෂිත ක්රමවේද අවශ්ය වේ. පහත පර්යේෂණ ප්රාථමිකය නියෝජිත AI හි මෙම අද්විතීය අංග මැනීමට සහ ඇගයීමට ප්රධාන ක්රම ගෙනහැර දක්වයි. මානසික-ආදර්ශ සම්මුඛ පරීක්ෂණ මෙම සම්මුඛ සාකච්ඡා මගින් AI නියෝජිතයෙකු හැසිරිය යුතු ආකාරය පිළිබඳව පරිශීලකයින්ගේ පූර්ව නිගමනයන් අනාවරණය කරයි. පරිශීලකයින්ට අවශ්ය දේ සරලව අසනවා වෙනුවට, නියෝජිතයාගේ හැකියාවන් සහ සීමාවන් පිළිබඳ ඔවුන්ගේ අභ්යන්තර ආකෘතීන් අවබෝධ කර ගැනීම කෙරෙහි අවධානය යොමු කෙරේ. අපි සහභාගිවන්නන් සමඟ "නියෝජිතයා" යන වචනය භාවිතා කිරීමෙන් වැළකී සිටිය යුතුය. එය විද්යා ප්රබන්ධ ගමන් මලු රැගෙන යයි හෝ සහාය හෝ සේවා සපයන මානව නියෝජිතයෙකු සමඟ ඉතා පහසුවෙන් ව්යාකූල පදයකි. ඒ වෙනුවට, "සහායකයින්" හෝ "පද්ධතිය" වටා සාකච්ඡාව සකස් කරන්න. පරිශීලකයින් ප්රයෝජනවත් ස්වයංක්රීයකරණය සහ ආක්රමණශීලී පාලනය අතර රේඛාව අඳින්නේ කොතැනදැයි අපට අනාවරණය කර ගත යුතුය.
ක්රමය: විවිධ උපකල්පිත අවස්ථා වලදී නියෝජිතයා සමඟ ඔවුන්ගේ අපේක්ෂිත අන්තර්ක්රියා විස්තර කිරීමට, ඇඳීමට හෝ විස්තර කිරීමට පරිශීලකයින්ගෙන් ඉල්ලා සිටින්න. ප්රධාන පරීක්ෂණ (විවිධ කර්මාන්ත පිලිබිඹු කරයි): අපේක්ෂිත ස්වයංක්රීයකරණයේ මායිම් සහ අධි-ස්වයංක්රීයකරණය වටා ඇති විය හැකි කාංසාවන් තේරුම් ගැනීමට, අසන්න: ඔබගේ පියාසැරිය අවලංගු වුවහොත්, පද්ධතිය ස්වයංක්රීයව කිරීමට ඔබට අවශ්ය වන්නේ කුමක්ද? ඔබේ පැහැදිලි උපදෙස් නොමැතිව එය කළහොත් ඔබට කරදර විය හැක්කේ කුමක් ද?
නියෝජිතයාගේ අභ්යන්තර ක්රියාවලීන් සහ අවශ්ය සන්නිවේදනය පිළිබඳ පරිශීලකයාගේ අවබෝධය ගවේෂණය කිරීමට, අසන්න: ඩිජිටල් සහායකයකු ඔබේ ස්මාර්ට් නිවස කළමනාකරණය කරන බව සිතන්න. පැකේජයක් බෙදා හරිනු ලැබුවහොත්, එයට ගත යුතු පියවර මොනවාද, සහ ඔබ ලැබීමට අපේක්ෂා කරන තොරතුරු මොනවාද?
බහු-පියවර ක්රියාවලියක් තුළ පාලනය සහ කැමැත්ත පිළිබඳ අපේක්ෂාවන් අනාවරණය කර ගැනීමට, අසන්න: රැස්වීමක් කාලසටහන්ගත කරන ලෙස ඔබ ඔබේ ඩිජිටල් සහායකගෙන් ඉල්ලා සිටියහොත්, එය ගන්නා පියවර මොනවාද? ඔබට උපදෙස් ලබා ගැනීමට හෝ තේරීම් ලබා දීමට අවශ්ය කුමන අවස්ථා වලදීද?
ක්රමයේ ප්රතිලාභ: ව්යංග උපකල්පන හෙළිදරව් කරයි, නියෝජිතයාගේ සැලසුම්ගත හැසිරීම පරිශීලක අපේක්ෂාවලින් බැහැර විය හැකි ප්රදේශ ඉස්මතු කරයි, සහ සුදුසු පාලන සහ ප්රතිපෝෂණ යාන්ත්රණ සැලසුම් කිරීම දැනුම් දෙයි.
නියෝජිත ගමන සිතියම්ගත කිරීම: සාම්ප්රදායික පරිශීලක ගමන් සිතියම්කරණයට සමානව, නියෝජිත ගමන් සිතියම්කරණය පරිශීලකයාගේ අන්තර්ක්රියාවට අමතරව AI නියෝජිතයාගේම අපේක්ෂිත ක්රියා සහ තීරණ ස්ථාන කෙරෙහි විශේෂයෙන් අවධානය යොමු කරයි. මෙය විභව අන්තරායන් කල්තියා හඳුනා ගැනීමට උපකාරී වේ.
ක්රමය: සියලුම විභව ක්රියා, තීරණ සහ බාහිර පද්ධති හෝ පරිශීලකයන් සමඟ අන්තර්ක්රියා ඇතුළුව, ආරම්භයේ සිට සම්පූර්ණ කිරීම දක්වා නියෝජිතයෙකුගේ මෙහෙයුමේ විවිධ අවධීන් ගෙනහැර දක්වන දෘශ්ය සිතියමක් සාදන්න. සිතියම සඳහා ප්රධාන අංග: නියෝජිත ක්රියා: නියෝජිතයා ඉටු කරන නිශ්චිත කාර්යයන් හෝ තීරණ මොනවාද? තොරතුරු යෙදවුම්/ප්රතිදාන: නියෝජිතයාට අවශ්ය දත්ත මොනවාද සහ එය උත්පාදනය කරන්නේ හෝ සන්නිවේදනය කරන්නේ කුමන තොරතුරුද? තීරණ ලකුණු: නියෝජිතයා තේරීම් කරන්නේ කොතැනද, සහ එම තේරීම් සඳහා වන නිර්ණායක මොනවාද? පරිශීලක අන්තර්ක්රියා ලකුණු: පරිශීලකයා ක්රියාවන් ආදානය, සමාලෝචනය හෝ අනුමත කරන්නේ කොතැනින්ද? අසාර්ථක වීමේ කරුණු: වැදගත් ලෙස, නියෝජිතයාට උපදෙස් වැරදි ලෙස අර්ථකථනය කිරීමට, වැරදි තීරණයක් ගැනීමට හෝ වැරදි ආයතනයක් සමඟ අන්තර් ක්රියා කළ හැකි විශේෂිත අවස්ථා හඳුනා ගන්න. උදාහරණ: වැරදි ලබන්නා (උදා., වැරදි පුද්ගලයාට සංවේදී තොරතුරු යැවීම), අයිරා (උදා., පවතින අරමුදල් ඉක්මවන ස්වයංක්රීය ගෙවීමක්), අභිප්රාය වැරදි ලෙස අර්ථකථනය කිරීම (උදා: අපැහැදිලි භාෂාව හේතුවෙන් වැරදි දිනයකට ගුවන් යානයක් වෙන්කරවා ගැනීම).
ප්රතිසාධන මාර්ග: නියෝජිතයා හෝ පරිශීලකයා මෙම අසාර්ථක වීම් වලින් ප්රකෘතිමත් වන්නේ කෙසේද? නිවැරදි කිරීම හෝ මැදිහත්වීම සඳහා ඇති යාන්ත්රණයන් මොනවාද?
ක්රමයේ ප්රතිලාභ: නියෝජිතයාගේ ක්රියාකාරී ප්රවාහය පිළිබඳ පරිපූර්ණ දැක්මක් සපයයි, සැඟවුණු පරායත්තතා අනාවරණය කරයි, සහ සෘණාත්මක ප්රතිඵල වැළැක්වීමට හෝ අවම කිරීමට ආරක්ෂිත ක්රම, දෝෂ හැසිරවීම සහ පරිශීලක මැදිහත්වීම් ලක්ෂ්යයන් ක්රියාශීලීව සැලසුම් කිරීමට ඉඩ සලසයි.
අනුකරණය කළ වැරදි හැසිරීම් පරීක්ෂාව: මෙම ප්රවේශය සැලසුම් කර ඇත්තේ AI නියෝජිතයා අසාර්ථක වූ විට හෝ අපේක්ෂාවෙන් බැහැර වූ විට පද්ධතිය ආතතිය පරීක්ෂා කිරීමට සහ පරිශීලක ප්රතික්රියා නිරීක්ෂණය කිරීමට ය. එය විශ්වාස අලුත්වැඩියාව සහ අහිතකර අවස්ථාවන්හිදී චිත්තවේගීය ප්රතිචාරයන් අවබෝධ කර ගැනීමයි.
ක්රමය: පාලිත විද්යාගාර අධ්යයනයන්හිදී, නියෝජිතයා වරදක් කරන, විධානයක් වැරදි ලෙස අර්ථකථනය කරන, හෝ අනපේක්ෂිත ලෙස හැසිරෙන අවස්ථා හිතාමතාම හඳුන්වා දෙන්න. අනුකරණය කිරීමට "වැරදි හැසිරීම්" වර්ග: විධානයවැරදි අර්ථකථනය: නියෝජිතයා පරිශීලකයා අදහස් කළ දෙයට වඩා තරමක් වෙනස් ක්රියාවක් සිදු කරයි (උදා: එකක් වෙනුවට අයිතම දෙකක් ඇණවුම් කිරීම). තොරතුරු අධි බර / යටපත් කිරීම: නියෝජිතයා ඕනෑවට වඩා අදාළ නොවන තොරතුරු හෝ ප්රමාණවත් තීරණාත්මක තොරතුරු සපයයි. අනවශ්ය ක්රියාවක්: නියෝජිතයා විසින් පරිශීලකයාට පැහැදිලිවම අවශ්ය හෝ බලාපොරොත්තු නොවූ ක්රියාවක් සිදු කරයි (උදා: අනුමැතියකින් තොරව කොටස් මිලදී ගැනීම). පද්ධතියේ අසාර්ථකත්වය: නියෝජිතයා බිඳ වැටීම, ප්රතිචාර නොදක්වයි, හෝ දෝෂ පණිවිඩයක් සපයයි. සදාචාරාත්මක උභතෝකෝටික: නියෝජිතයා සදාචාරාත්මක ඇඟවුම් සහිත තීරණයක් ගනී (උදා., අනපේක්ෂිත මෙට්රික් එකක් මත පදනම්ව තවත් කාර්යයකට ප්රමුඛත්වය දීම).
නිරීක්ෂණ අවධානය: පරිශීලක ප්රතිචාර: පරිශීලකයින් චිත්තවේගීයව ප්රතිචාර දක්වන්නේ කෙසේද (කලකිරීම, කෝපය, ව්යාකූලත්වය, විශ්වාසය නැතිවීම)? ප්රතිසාධන ප්රයත්න: නියෝජිතයාගේ හැසිරීම නිවැරදි කිරීමට හෝ එහි ක්රියාවන් ඉවත් කිරීමට පරිශීලකයන් ගන්නා පියවර මොනවාද? විශ්වාස අළුත්වැඩියා යාන්ත්රණ: පද්ධතියේ ගොඩනඟන ලද ප්රතිසාධනය හෝ ප්රතිපෝෂණ යාන්ත්රණය විශ්වාසය ප්රතිස්ථාපනය කිරීමට උපකාරී වේද? දෝෂ පිළිබඳව පරිශීලකයින්ට දැනුම් දීමට අවශ්ය වන්නේ කෙසේද? මානසික ආදර්ශ මාරුව: වැරදි හැසිරීම නියෝජිතයාගේ හැකියාවන් හෝ සීමාවන් පිළිබඳ පරිශීලකයාගේ අවබෝධය වෙනස් කරයිද?
ක්රමයේ ප්රතිලාභ: දෝෂ ප්රතිසාධනය, ප්රතිපෝෂණ සහ පරිශීලක පාලනය සම්බන්ධ සැලසුම් හිඩැස් හඳුනා ගැනීම සඳහා ඉතා වැදගත් වේ. නියෝජිතයින්ගේ අසාර්ථකත්වයන්ට ඔරොත්තු දෙන පරිශීලකයින් කෙසේද යන්න සහ විශ්වාසය පවත්වා ගැනීමට හෝ නැවත ගොඩනඟා ගැනීමට අවශ්ය වන්නේ කුමක්ද යන්න පිළිබඳ අවබෝධයක් එය සපයයි, එය වඩාත් ශක්තිමත් සහ සමාව දෙන නියෝජිත පද්ධති වෙත යොමු කරයි.
මෙම පර්යේෂණ ක්රමවේද ඒකාබද්ධ කිරීමෙන්, UX වෘත්තිකයින්ට නියෝජිත පද්ධති භාවිත කළ හැකි බවට පත් කිරීමෙන් ඔබ්බට ගොස් ඒවා විශ්වාසදායක, පාලනය කළ හැකි සහ වගවීම, පරිශීලකයන් සහ ඔවුන්ගේ AI නියෝජිතයන් අතර ධනාත්මක සහ ඵලදායි සබඳතාවක් ඇති කර ගත හැකිය. නියෝජිත AI ඵලදායී ලෙස ගවේෂණය කිරීමට අදාළ එකම ක්රම මේවා නොවන බව සලකන්න. වෙනත් බොහෝ ක්රම තිබේ, නමුත් මේවා නුදුරු කාලීනව වෘත්තිකයන්ට වඩාත් ප්රවේශ විය හැකිය. මම මීට පෙර Wizard of Oz ක්රමය ආවරණය කර ඇත, සංකල්ප පරීක්ෂා කිරීමේ තරමක් දියුණු ක්රමයක්, එය නියෝජිත AI සංකල්ප ගවේෂණය කිරීම සඳහා වටිනා මෙවලමක් ද වේ. පර්යේෂණ ක්රමවේදයේ සදාචාරාත්මක සලකා බැලීම් නියෝජිත AI පිළිබඳ පර්යේෂණ කරන විට, විශේෂයෙන් වැරදි හැසිරීම් හෝ දෝෂ අනුකරණය කිරීමේදී, සදාචාරාත්මක කරුණු සැලකිල්ලට ගැනීම ප්රධාන වේ. Smashing Magazine සඳහා මා ලියූ ලිපියක්, UX Design Institute වෙතින් මෙම මාර්ගෝපදේශ සහ Inclusive Design Toolkit වෙතින් මෙම පිටුව ඇතුළුව සදාචාරාත්මක UX පර්යේෂණ කෙරෙහි අවධානය යොමු කරන බොහෝ ප්රකාශන තිබේ. නියෝජිත AI සඳහා මූලික ප්රමිතික නියෝජිත AI පද්ධතිවල කාර්ය සාධනය සහ විශ්වසනීයත්වය ඵලදායී ලෙස තක්සේරු කිරීමට ඔබට පුළුල් ප්රමිතික කට්ටලයක් අවශ්ය වනු ඇත. මෙම ප්රමිතික පරිශීලක විශ්වාසය, පද්ධති නිරවද්යතාවය සහ සමස්ත පරිශීලක අත්දැකීම පිළිබඳ අවබෝධය සපයයි. මෙම දර්ශක හඹා යාමෙන්, සංවර්ධකයින්ට සහ නිර්මාණකරුවන්ට වැඩිදියුණු කළ යුතු ක්ෂේත්ර හඳුනා ගත හැකි අතර AI නියෝජිතයන් ආරක්ෂිතව සහ කාර්යක්ෂමව ක්රියාත්මක වන බව සහතික කළ හැකිය. 1. මැදිහත්වීමේ අනුපාතය ස්වයංක්රීය නියෝජිතයන් සඳහා, අපි නිශ්ශබ්දතාවයෙන් සාර්ථකත්වය මනිමු. නියෝජිතයෙකු කාර්යයක් ක්රියාත්මක කරන්නේ නම් සහ පරිශීලකයා සකසන ලද කවුළුවක් තුළ (උදා: පැය 24) ක්රියාවට මැදිහත් වීම හෝ ආපසු හැරවීම නොකළේ නම්, අපි එය පිළිගැනීමක් ලෙස සලකමු. අපි මැදිහත්වීමේ අනුපාතය නිරීක්ෂණය කරමු: නියෝජිතයා නැවැත්වීමට හෝ නිවැරදි කිරීමට මිනිසා කොපමණ වාරයක් පනින්නේද? ඉහළ මැදිහත්වීම් අනුපාතයක් විශ්වාසයේ හෝ තර්කනයේ නොගැලපීම සංඥා කරයි. 2. කාර්ය 1,000කට අනපේක්ෂිත ක්රියාවන්හි සංඛ්යාතය මෙම තීරණාත්මක මෙට්රික් මඟින් AI නියෝජිතයා විසින් සිදු කරන ලද පරිශීලකයා විසින් අකැමැති හෝ අපේක්ෂා නොකළ, සම්පූර්ණ කරන ලද කාර්යයන් 1,000කට සාමාන්යකරණය කරන ලද ක්රියා සංඛ්යාව ගණනය කරයි. අනපේක්ෂිත ක්රියාවන්හි අඩු සංඛ්යාතයක් යනු පරිශීලක අභිප්රාය නිවැරදිව අර්ථකථනය කරන සහ නිශ්චිත සීමාවන් තුළ ක්රියාත්මක වන හොඳින් පෙළගැස්වූ AI ය. මෙම මෙට්රික් AI හි සන්දර්භය පිළිබඳ අවබෝධය, විධාන අපැහැදිලි කිරීමට ඇති හැකියාව සහ එහි ආරක්ෂිත ප්රොටෝකෝලවල ශක්තිමත්භාවය සමඟ සමීපව බැඳී ඇත. 3. ආපසු හැරවීම හෝ අවලංගු කිරීමේ අනුපාත මෙම මෙට්රික් පරිශීලකයින් විසින් AI විසින් සිදු කරන ලද ක්රියාවක් ආපසු හැරවීමට හෝ අහෝසි කිරීමට කොපමණ වාරයක් අවශ්ය දැයි නිරීක්ෂණය කරයි. ඉහළ ආපසු හැරීමේ අනුපාත යෝජනා කරන්නේ AI නිතර වැරදි සිදු කරන බව, උපදෙස් වැරදි ලෙස අර්ථකථනය කිරීම හෝ පරිශීලක අපේක්ෂාවන් සමඟ නොගැලපෙන ආකාරයෙන් ක්රියා කරන බවයි. මෙම ආපසු හැරීම් පිටුපස ඇති හේතු විශ්ලේෂණය කිරීමෙන් AI හි ඇල්ගොරිතම වැඩිදියුණු කිරීම, පරිශීලක මනාපයන් පිළිබඳ අවබෝධය සහ අපේක්ෂිත ප්රතිඵල පුරෝකථනය කිරීමේ හැකියාව සඳහා වටිනා ප්රතිපෝෂණ ලබා දිය හැකිය. හේතුව තේරුම් ගැනීමට, ඔබ ඉවත් කිරීමේ ක්රියාව පිළිබඳ ක්ෂුද්ර සමීක්ෂණයක් ක්රියාත්මක කළ යුතුය. උදාහරණයක් ලෙස, පරිශීලකයෙකු කාලසටහන් වෙනස් කිරීමක් ආපසු හරවන විට, සරල විමසුමකින් මෙසේ ඇසිය හැක: "වැරදි වේලාවක්ද? වැරදි පුද්ගලයෙක්ද? නැතහොත් ඔබට එය තනිවම කිරීමට අවශ්යද?" පරිශීලකයාට ඔවුන්ගේ තර්කයට වඩාත් ගැලපෙන විකල්පය මත ක්ලික් කිරීමට ඉඩ දීම. 4. දෝෂයකින් පසු විසර්ජනය කිරීමට කාලය මෙම මෙට්රික්AI විසින් සිදු කරන ලද දෝෂයක් නිවැරදි කිරීමට පරිශීලකයෙකුට හෝ AI පද්ධතියම වැරදි තත්ත්වයකින් යථා තත්ත්වයට පත් කිරීමට ගතවන කාලය මැනීම. විභේදනය සඳහා කෙටි කාලයක් කාර්යක්ෂම සහ පරිශීලක-හිතකාමී දෝෂ ප්රතිසාධන ක්රියාවලියක් පෙන්නුම් කරයි, එමඟින් පරිශීලක කලකිරීම අවම කර ඵලදායිතාව පවත්වා ගත හැකිය. දෝෂය හඳුනාගැනීමේ පහසුව, අහෝසි කිරීමේ හෝ නිවැරදි කිරීමේ යාන්ත්රණවල ප්රවේශ්යතාව සහ AI විසින් සපයන ලද දෝෂ පණිවිඩවල පැහැදිලි බව මෙයට ඇතුළත් වේ.
මෙම ප්රමිතික එකතු කිරීම සඳහා නියෝජිත ක්රියා හැඳුනුම්පත් හඹා යාමට ඔබේ පද්ධතියට උපකරණයක් අවශ්ය වේ. කාලසටහනක් යෝජනා කිරීම හෝ ගුවන් ගමනක් වෙන්කරවා ගැනීම වැනි නියෝජිතයා ගන්නා සෑම වෙනස් ක්රියාවක්ම ලඝු-සටහන් තුළ පවතින අනන්ය හැඳුනුම්පතක් ජනනය කළ යුතුය. මැදිහත්වීමේ අනුපාතය මැනීමට, අපි ක්ෂණික පරිශීලක ප්රතික්රියාවක් සොයන්නේ නැත. නිර්වචනය කරන ලද කවුළුවක් තුළ ප්රති-ක්රියාවක් නොමැතිකම අපි සොයන්නෙමු. ක්රියා හැඳුනුම්පතක් 9:00 AM ට උත්පාදනය කරන්නේ නම් සහ කිසිදු මානව පරිශීලකයෙකු එම නිශ්චිත හැඳුනුම්පත ඊළඟ දවසේ උදේ 9:00 ට වෙනස් නොකළහොත් හෝ ප්රතිවර්තනය නොකරන්නේ නම්, පද්ධතිය තර්කානුකූලව එය පිළිගත් ලෙස ටැග් කරයි. සක්රීය තහවුරු කිරීමකට වඩා පරිශීලක නිශ්ශබ්දතාවය මත පදනම්ව සාර්ථකත්වය ප්රමාණ කිරීමට මෙය අපට ඉඩ සලසයි. ආපසු ගෙවීමේ ගාස්තු සඳහා, ඒවාට සන්දර්භය නොමැති නිසා අමු ගණන් ප්රමාණවත් නොවේ. යටින් පවතින හේතුව ග්රහණය කර ගැනීම සඳහා, ඔබ ඔබේ යෙදුමේ Undo හෝ Revert ශ්රිතයන් මත intercept logic ක්රියාත්මක කළ යුතුය. පරිශීලකයෙකු නියෝජිතයා විසින් ආරම්භ කරන ලද ක්රියාවක් ආපසු හරවන විට, සැහැල්ලු ක්ෂුද්ර සමීක්ෂණයක් ක්රියාරම්භ කරන්න. මෙම දෝෂය සත්ය වශයෙන්ම වැරදි, සන්දර්භය නොමැති හෝ කාර්යය අතින් හැසිරවීමට සරල මනාපයක් ලෙස වර්ගීකරණය කිරීමට පරිශීලකයාගෙන් ඉල්ලා සිටින සරල විකල්ප තුනකින් යුත් මාදිලියක් විය හැකිය. මෙය ගුණාත්මක තීක්ෂ්ණ බුද්ධිය සමඟ ප්රමාණාත්මක දුරස්ථමිතිය ඒකාබද්ධ කරයි. බිඳුණු ඇල්ගොරිතමයක් සහ පරිශීලක මනාප නොගැලපීම අතර වෙනස හඳුනා ගැනීමට එය ඉංජිනේරු කණ්ඩායම්වලට හැකියාව ලබා දෙයි. මෙම ප්රමිතික, අඛණ්ඩව ලුහුබැඳීම සහ පරිපූර්ණ ලෙස විශ්ලේෂණය කළ විට, නියෝජිත AI පද්ධතිවල ක්රියාකාරීත්වය ඇගයීම සඳහා ශක්තිමත් රාමුවක් සපයන අතර, පාලනය, කැමැත්ත සහ වගවීම අඛණ්ඩව වැඩිදියුණු කිරීමට ඉඩ සලසයි. රැවටීමට එරෙහිව නිර්මාණය නියෝජිතයන් වඩ වඩාත් දක්ෂ වන විට, අපි නව අවදානමකට මුහුණ දෙමු: නියෝජිත රොන්මඩ. සාම්ප්රදායික රොන්මඩ ඝර්ෂණයක් ඇති කරන අතර එමඟින් දායකත්වයක් අවලංගු කිරීමට හෝ ගිණුමක් මකා දැමීමට අපහසු වේ. නියෝජිත මඩ ප්රතිලෝමව ක්රියා කරයි. එය වරදක් සඳහා ඝර්ෂණය ඉවත් කරයි, පරිශීලකයෙකුට තම අවශ්යතාවලට වඩා ව්යාපාරයට ප්රතිලාභ ගෙන දෙන ක්රියාවකට එකඟ වීම ඉතා පහසු කරයි. සංචාරක වෙන්කරවා ගැනීම සඳහා සහාය වන නියෝජිතයෙකු සලකා බලන්න. පැහැදිලි ආරක්ෂක වැටවල් නොමැතිව, පද්ධතිය හවුල්කාර ගුවන් සමාගමකට හෝ ඉහළ ආන්තික හෝටලයකට ප්රමුඛත්වය දිය හැකිය. එය මෙම තේරීම ප්රශස්ත මාර්ගය ලෙස ඉදිරිපත් කරයි. පරිශීලකයා, පද්ධතියේ අධිකාරිය විශ්වාස කරමින්, පරීක්ෂාවකින් තොරව නිර්දේශය පිළිගනී. මෙය පහසුව මුවාවෙන් ආදායම් සඳහා පද්ධතිය ප්රශස්ත කරන රැවටිලිකාර රටාවක් නිර්මාණය කරයි. ව්යාජ ලෙස මවාගත් නිපුණතාවයේ අවදානම ද්වේෂසහගත චේතනාවෙන් රැවටීම ඇති නොවිය හැක. එය බොහෝ විට AI හි Imagined Competence ලෙස ප්රකාශ වේ. විශාල භාෂා ආකෘතීන් වැරදි වූ විට පවා බොහෝ විට අධිකාරී ලෙස ශබ්ද කරයි. ඔවුන් අසත්ය වෙන් කිරීම් තහවුරු කිරීමක් හෝ සාවද්ය සාරාංශයක් සත්යාපිත සත්යයක් ලෙස එකම විශ්වාසයකින් ඉදිරිපත් කරයි. පරිශීලකයන් ස්වභාවිකවම මෙම විශ්වාසදායක ස්වරය විශ්වාස කළ හැකිය. මෙම නොගැලපීම පද්ධති හැකියාව සහ පරිශීලක අපේක්ෂාවන් අතර භයානක පරතරයක් නිර්මාණය කරයි. මෙම පරතරය පියවීම සඳහා අප විශේෂයෙන් සැලසුම් කළ යුතුය. කාර්යයක් සම්පූර්ණ කිරීමට නියෝජිතයෙකු අසමත් වුවහොත්, අතුරු මුහුණත එම අසාර්ථකත්වය පැහැදිලිව සංඥා කළ යුතුය. පද්ධතිය අවිනිශ්චිත නම්, එය ඔප දැමූ ගද්යයෙන් වසං කරනවාට වඩා අවිනිශ්චිතභාවය ප්රකාශ කළ යුතුය. Primitives හරහා විනිවිදභාවය මඩ සහ මායාව යන දෙකටම ප්රතිවිරෝධය ප්රත්යක්ෂය වේ. සෑම ස්වාධීන ක්රියාවකටම තීරණයේ මූලාරම්භය පැහැදිලි කරන විශේෂිත පාරදත්ත ටැගයක් අවශ්ය වේ. ප්රතිඵලය පිටුපස ඇති තාර්කික දාමය පරීක්ෂා කිරීමේ හැකියාව පරිශීලකයින්ට අවශ්ය වේ. මෙය සාක්ෂාත් කර ගැනීම සඳහා, අපි ප්රාථමික පිළිතුරු ප්රායෝගික පිළිතුරු බවට පරිවර්තනය කළ යුතුය. මෘදුකාංග ඉංජිනේරු විද්යාවේදී, ප්රාථමිකයන් යනු නියෝජිතයෙකු විසින් සිදු කරනු ලබන තොරතුරු හෝ ක්රියාවන්හි මූලික ඒකක වේ. ඉංජිනේරුවාට, මෙය API ඇමතුමක් හෝ ලොජික් ගේට්ටුවක් ලෙස පෙනේ. පරිශීලකයාට, එය පැහැදිලි පැහැදිලි කිරීමක් ලෙස දිස්විය යුතුය. මෙම තාක්ෂණික පියවරයන් මිනිසාට කියවිය හැකි තාර්කිකත්වයට සිතියම්ගත කිරීමේදී නිර්මාණ අභියෝගය පවතී. නියෝජිතයෙකු නිශ්චිත ගුවන් ගමනක් නිර්දේශ කරන්නේ නම්, ඒ මන්දැයි පරිශීලකයා දැනගත යුතුය. අතුරු මුහුණතට සාමාන්ය යෝජනාවක් පිටුපස සැඟවිය නොහැක. එය යටින් පවතින ප්රාථමිකය හෙලිදරව් කළ යුතුය: තර්කනය: ලාභම_Direct_Flight හෝ තර්කය: Partner_Airline_Priority. රූප සටහන 4 මෙම පරිවර්තන ප්රවාහය නිදර්ශනය කරයි. අපි අමු පද්ධතිය ප්රාථමික - සත්ය කේත තර්කනය - ගෙන එය පරිශීලක-මුහුණු තන්තුවකට සිතියම් කරමු. නිදසුනක් වශයෙන්, රැස්වීමක් දින දර්ශන කාලසටහනක් ප්රාථමික පරීක්ෂා කිරීම පැහැදිලි ප්රකාශයක් බවට පත් වේ: මම සවස 4 ට යෝජනා කළෙමි.රැස්වීම. මෙම විනිවිදභාවයේ මට්ටම නියෝජිතයාගේ ක්රියාවන් තාර්කික සහ ප්රයෝජනවත් බව සහතික කරයි. නියෝජිතයා ඔවුන්ගේ යහපත සඳහා ක්රියා කළ බව තහවුරු කිරීමට එය පරිශීලකයාට ඉඩ දෙයි. ප්රාථමිකයන් හෙළිදරව් කිරීමෙන්, අපි කළු පෙට්ටියක් වීදුරු පෙට්ටියක් බවට පරිවර්තනය කරමු, පරිශීලකයන් ඔවුන්ගේම ඩිජිටල් ජීවිතවල අවසාන අධිකාරිය ලෙස සිටීම සහතික කරමු.
නිර්මාණය සඳහා වේදිකාව සැකසීම නියෝජිත පද්ධතියක් ගොඩනැගීම සඳහා මනෝවිද්යාත්මක සහ චර්යාත්මක අවබෝධයේ නව මට්ටමක් අවශ්ය වේ. සාම්ප්රදායික උපයෝගීතා පරීක්ෂණයෙන් ඔබ්බට ගොස් විශ්වාසය, කැමැත්ත සහ වගවීම යන ක්ෂේත්රය වෙත ගමන් කිරීමට එය අපට බල කරයි. අප සාකච්ඡා කළ පර්යේෂණ ක්රම, මානසික ආකෘතීන් සොයා බැලීමේ සිට වැරදි හැසිරීම් අනුකරණය කිරීම සහ නව ප්රමිතික ස්ථාපිත කිරීම දක්වා අවශ්ය පදනමක් සපයයි. ස්වයංක්රීය පද්ධතියක් අසාර්ථක විය හැක්කේ කොතැනද යන්න සහ වඩාත් වැදගත් ලෙස, එය සිදු වූ විට පරිශීලක-නියෝජිත සම්බන්ධතාවය අලුත්වැඩියා කරන්නේ කෙසේද යන්න කල්තියා හඳුනා ගැනීම සඳහා මෙම භාවිතයන් අත්යවශ්ය මෙවලම් වේ. නියෝජිත AI වෙත මාරුවීම පරිශීලක-පද්ධති සම්බන්ධතාවයේ නැවත අර්ථ දැක්වීමකි. අපි තවදුරටත් විධාන වලට ප්රතිචාර දක්වන මෙවලම් සඳහා නිර්මාණය නොකරමු; අප වෙනුවෙන් ක්රියා කරන හවුල්කරුවන් සඳහා අපි සැලසුම් කරමු. මෙය කාර්යක්ෂමතාව සහ භාවිතයේ පහසුවේ සිට විනිවිදභාවය, පුරෝකථනය කිරීමේ හැකියාව සහ පාලනය දක්වා සැලසුම් අත්යාවශ්ය වෙනස් කරයි. AI හට ගුවන් ගමනක් වෙන්කරවා ගැනීමට හෝ අවසාන ක්ලික් කිරීමකින් තොරව කොටස් වෙළඳාම් කිරීමට හැකි වූ විට, එහි "on-ramps" සහ "off-ramps" සැලසුම් කිරීම ඉතා වැදගත් වේ. පරිශීලකයින් රෝදය භාර දුන් විට පවා තමන් රියදුරු අසුනේ සිටින බව දැනීම සහතික කිරීම අපගේ වගකීමයි. මෙම නව යථාර්ථය UX පර්යේෂකයාගේ භූමිකාව ද ඉහළ නංවයි. අපි නියෝජිතයෙකුගේ ස්වාධීනත්වයේ ආරක්ෂක වැටවල් නිර්වචනය කිරීමට සහ පරීක්ෂා කිරීමට ඉංජිනේරුවන් සහ නිෂ්පාදන කළමනාකරුවන් සමඟ සහයෝගයෙන් වැඩ කරමින් පරිශීලක විශ්වාසයේ භාරකරුවන් බවට පත් වෙමු. පර්යේෂකයන් වීමෙන් ඔබ්බට, අපි සංවර්ධන ක්රියාවලිය තුළ පරිශීලක පාලනය, විනිවිදභාවය සහ සදාචාරාත්මක ආරක්ෂාව වෙනුවෙන් පෙනී සිටින්නන් බවට පත් වෙමු. ප්රාථමිකයන් ප්රායෝගික ප්රශ්නවලට පරිවර්තනය කිරීමෙන් සහ නරකම අවස්ථා අනුකරණය කිරීමෙන්, අපට බලවත් සහ ආරක්ෂිත යන දෙඅංශයෙන්ම ශක්තිමත් පද්ධති ගොඩනගා ගත හැකිය. මෙම ලිපියෙන් නියෝජිත AI පර්යේෂණයේ "කුමක්ද" සහ "ඇයි" යන්න දක්වා ඇත. අපගේ සාම්ප්රදායික මෙවලම් කට්ටල ප්රමාණවත් නොවන බවත් අප නව, ඉදිරි දැක්මක් ඇති ක්රමවේද අනුගමනය කළ යුතු බවත් එයින් පෙන්වා දී ඇත. මීළඟ ලිපිය මෙම පදනම මත ගොඩනැගෙන්නේ, නියෝජිතයෙකුගේ උපයෝගීතාව පරිශීලකයින්ට විනිවිද පෙනෙන නිශ්චිත සැලසුම් රටා සහ ආයතනික භාවිතයන් ලබා දෙමින්, විශ්වාසයෙන් සහ පාලනයෙන් නියෝජිත AI හි බලය උපයෝගී කර ගත හැකි බව සහතික කරමිනි. UX හි අනාගතය පද්ධති විශ්වාසදායක බවට පත් කිරීමයි. නියෝජිත AI පිළිබඳ අමතර අවබෝධයක් සඳහා, ඔබට පහත සම්පත් ගවේෂණය කළ හැක:
නියෝජිත AI පිළිබඳ Google AI බ්ලොග් AI නියෝජිතයන් පිළිබඳ Microsoft හි පර්යේෂණ
