AI ಔಟ್‌ಪುಟ್‌ಗಳನ್ನು ಪರೀಕ್ಷಿಸುವುದು ಮತ್ತು ದೃಢೀಕರಿಸುವುದು

ಸಸ್ಯ ಆಧಾರಿತ (Plant-based) ಸಂಸ್ಥಾಪಕರು ರೆಸಿಪಿಗಳನ್ನು ವಿಸ್ತರಿಸಲು ಮತ್ತು ಅಲರ್ಜನ್ ಮ್ಯಾಟ್ರಿಕ್ಸ್ ಅನ್ನು ವೇಗವಾಗಿ ರಚಿಸಲು AI ಅನ್ನು ಬಳಸುತ್ತಾರೆ. ಒಂದು ತಪ್ಪು ಗ್ರಾಂ ಪ್ರಮಾಣವು ಉತ್ಪನ್ನವನ್ನು ಹಿಂಪಡೆಯಲು (recall) ಅಥವಾ ಕೆಟ್ಟ ವಿಮರ್ಶೆಗೆ ಕಾರಣವಾಗಬಹುದು. ಪರಿಶೀಲನೆಗಳಿಲ್ಲದೆ AI ಅನ್ನು ಬಳಸುವುದು ವೇಗವನ್ನು ಅಪಾಯವಾಗಿ ಪರಿಣಮಿಸುತ್ತದೆ.

ನಿಮ್ಮ ಪ್ರಯತ್ನವನ್ನು ಅಪಾಯದ ಮಟ್ಟಕ್ಕೆ ಅನುಗುಣವಾಗಿ ಹೊಂದಿಸಲು ಮೂರು ಹಂತಗಳ ವ್ಯವಸ್ಥೆಯನ್ನು ಬಳಸಿ.

  • ಕಡಿಮೆ ಅಪಾಯದ ಬದಲಾವಣೆಗಳು: 5% ಅಥವಾ ಅದಕ್ಕಿಂತ ಕಡಿಮೆ ಮಸಾಲೆ ಹೊಂದಾಣಿಕೆಗಳು. ಸ್ವಯಂಚಾಲಿತ ಅನುಮೋದನೆಗಾಗಿ (auto-approve) ತ್ವರಿತ ಕ್ರಾಸ್-ಚೆಕ್ ಬಳಸಿ.
  • ಮಧ್ಯಮ ಅಪಾಯದ ಬದಲಾವಣೆಗಳು: ಅಲರ್ಜನ್ ಆಗಿರುವ ಪದಾರ್ಥಕ್ಕಾಗಿ ಹೊಸ ಪೂರೈಕೆದಾರರನ್ನು ಬಳಸುವುದು. ಪ್ರತಿಯೊಂದು ಪದಾರ್ಥದ ಮ್ಯಾನುಯಲ್ ಸ್ಪಾಟ್-ಚೆಕ್ ಮಾಡಿ.
  • ಹೆಚ್ಚಿನ ಅಪಾಯದ ಬದಲಾವಣೆಗಳು: ಹೊಸ ಅಲರ್ಜನ್ ಅನ್ನು ಸೇರಿಸುವುದು ಅಥವಾ 1 ಗ್ರಾಂಗಿಂತ ಕಡಿಮೆ ಪ್ರಮಾಣದ ಪದಾರ್ಥಗಳನ್ನು ಬದಲಾಯಿಸುವುದು. ಇವುಗಳಿಗೆ ಸಂಪೂರ್ಣ ಪ್ರೋಟೋಕಾಲ್ ಅಗತ್ಯವಿದೆ.

ಹೆಚ್ಚಿನ ಅಪಾಯದ ಬದಲಾವಣೆಗಳಿಗೆ ಮೂರು ಹಂತಗಳು ಬೇಕು:

  1. ಪ್ರತಿ ಪದಾರ್ಥವನ್ನು ವಿಶ್ವಾಸಾರ್ಹ ಅಲರ್ಜನ್ ಡೇಟಾಬೇಸ್‌ನೊಂದಿಗೆ ಕ್ರಾಸ್-ರೆಫರೆನ್ಸ್ ಮಾಡಿ.
  2. ಎಲ್ಲಾ ಪೂರೈಕೆದಾರರ ಘೋಷಣೆಗಳನ್ನು (declarations) ಪರಿಶೀಲಿಸಿ.
  3. Reverse Audit Tool ಅನ್ನು ಚಲಾಯಿಸಿ. ಈ ಟೂಲ್ ವಿಸ್ತರಿಸಿದ ಬ್ಯಾಚ್‌ನಿಂದ ಮೂಲ ರೆಸಿಪಿಯವರೆಗೆ ಲೆಕ್ಕಾಚಾರ ಮಾಡುವ ಮೂಲಕ AI ಪ್ರಮಾಣವನ್ನು ದೃಢೀಕರಿಸುತ್ತದೆ.

ಈ ಸನ್ನಿವೇಶವನ್ನು ಪರಿಗಣಿಸಿ. ನೀವು 100 ಕೆಜಿ ಬ್ಯಾಚ್ ಅನ್ನು ವಿಸ್ತರಿಸುತ್ತಿದ್ದೀರಿ ಎಂದು ಭಾವಿಸೋಣ. ನಿಮಗೆ 2,050 ಗ್ರಾಂ ಗೋಡಂಬಿ ಬೇಕು ಎಂದು AI ಹೇಳುತ್ತದೆ. ಆದರೆ ನಿಮ್ಮ ಮೂಲ ರೆಸಿಪಿಯಲ್ಲಿ, ಗೋಡಂಬಿಯ ತೂಕವು 1 ಗ್ರಾಂಗಿಂತ ಕಡಿಮೆ ಇರುತ್ತದೆ. ಇದು ಹೆಚ್ಚಿನ ಅಪಾಯದ ಬದಲಾವಣೆಯಾಗಿದೆ. ನೀವು Reverse Audit Tool ಅನ್ನು ಚಲಾಯಿಸಿದಾಗ ದಶಮಾಂಶದ (decimal) ತಪ್ಪನ್ನು ಪತ್ತೆಹಚ್ಚುತ್ತೀರಿ. ಉತ್ಪಾದನೆಯನ್ನು ಪ್ರಾರಂಭಿಸುವ ಮೊದಲು ನೀವು ಅದನ್ನು 205 ಗ್ರಾಂಗೆ ಸರಿಪಡಿಸುತ್ತೀರಿ.

ಸುರಕ್ಷಿತವಾಗಿರಲು ಈ ವರ್ಕ್‌ಫ್ಲೋವನ್ನು ಅನುಸರಿಸಿ:

  • ಬದಲಾವಣೆಯನ್ನು ವರ್ಗೀಕರಿಸಿ: ಇದು ಕಡಿಮೆ, ಮಧ್ಯಮ ಅಥವಾ ಹೆಚ್ಚಿನ ಅಪಾಯವೇ ಎಂದು ನಿರ್ಧರಿಸಿ. ಅಲರ್ಜನ್ ಸೇರ್ಪಡೆ ಅಥವಾ ಪೂರೈಕೆದಾರರ ಬದಲಾವಣೆಗಳನ್ನು ಪರಿಶೀಲಿಸಿ.
  • ಸರಿಯಾದ ಪರಿಶೀಲನೆಗಳನ್ನು ಮಾಡಿ: ಕಡಿಮೆ ಅಪಾಯಕ್ಕೆ ಸ್ಪ್ರೆಡ್‌ಶೀಟ್ ಬಳಸಿ. ಮಧ್ಯಮ ಅಪಾಯಕ್ಕೆ ಮ್ಯಾನುಯಲ್ ಸ್ಪಾಟ್-ಚೆಕ್‌ಗಳನ್ನು ಬಳಸಿ. ಹೆಚ್ಚಿನ ಅಪಾಯಕ್ಕೆ ಸಂಪೂರ್ಣ ಡೇಟಾಬೇಸ್ ಮತ್ತು ಆಡಿಟ್ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಬಳಸಿ.
  • ಸೆನ್ಸರಿ ಪರೀಕ್ಷೆಯನ್ನು ಮಾಡಿ: ಯಾವಾಗಲೂ ಸಣ್ಣ ಪ್ರಮಾಣದಲ್ಲಿ ಅಡುಗೆ ಮಾಡಿ ನೋಡಿ (cook-off). AI ಗೆ ರುಚಿ ನೋಡಲು ಸಾಧ್ಯವಿಲ್ಲ. ರುಚಿ ಅಥವಾ ವಿನ್ಯಾಸ (texture) ತಪ್ಪಾಗಿದ್ದರೆ, ಪ್ರಮಾಣವನ್ನು ಹೆಚ್ಚಿಸುವ ಮೊದಲು AI ಇನ್‌ಪುಟ್‌ಗಳನ್ನು ಸರಿಪಡಿಸಿ.

ಗುಣಮಟ್ಟದ ಭರವಸೆಗಾಗಿ (quality assurance) ಪ್ರತಿ ಹೊಸ ಉತ್ಪನ್ನಕ್ಕೆ 2 ರಿಂದ 3 ಗಂಟೆಗಳನ್ನು ಮೀಸಲಿಡಿ. ಇದು ಹೆಚ್ಚುವರಿ ಕೆಲಸವಲ್ಲ. ಇದು ನಿಮ್ಮ ಬ್ರ್ಯಾಂಡ್‌ಗಾಗಿ ಒಂದು ವಿಮೆ ಇದ್ದಂತೆ. ಅಪಾಯ ಆಧಾರಿತ ವರ್ಕ್‌ಫ್ಲೋವು AI ಸ್ಕೇಲಿಂಗ್ ಅನ್ನು ಜೂಜಿನಿಂದ ಸುರಕ್ಷತಾ ಜಾಲವಾಗಿ ಬದಲಾಯಿಸುತ್ತದೆ. ನೀವು AI ನ ವೇಗವನ್ನು ಕಾಯ್ದುಕೊಳ್ಳುವ ಜೊತೆಗೆ ನಿಮ್ಮ ಲೇಬಲ್‌ಗಳು ಮತ್ತು ಉತ್ಪನ್ನದ ಗುಣಮಟ್ಟವನ್ನು ರಕ್ಷಿಸುತ್ತೀರಿ.

Source: https://dev.to/ken_deng_ai/testing-and-validating-ai-outputs-quality-assurance-for-scaling-and-labeling-2478

Optional learning community: https://t.me/GyaanSetuAi