AI வெளியீடுகளைச் சோதித்தல் மற்றும் சரிபார்த்தல்

தாவர அடிப்படையிலான (Plant-based) நிறுவனர்கள், செய்முறைகளை விரிவாக்கவும் (scale) மற்றும் ஒவ்வாமை காரணிகளின் பட்டியலை (allergen matrices) விரைவாக உருவாக்கவும் AI-ஐப் பயன்படுத்துகின்றனர். ஒரு கிராம் அளவு தவறானாலும், அது தயாரிப்பு திரும்பப் பெறப்படுவதற்கோ (recall) அல்லது மோசமான விமர்சனத்திற்கோ வழிவகுக்கும். சரிபார்ப்புகள் இன்றி AI-ஐப் பயன்படுத்துவது, வேகத்தை ஒரு ஆபத்தாக மாற்றுகிறது.

உங்கள் முயற்சியை அபாய நிலைக்கு ஏற்ப மாற்றியமைக்க, மூன்று அடுக்கு முறையைப் பயன்படுத்தவும்.

  • குறைந்த அபாய மாற்றங்கள்: 5% அல்லது அதற்கும் குறைவான சிறிய மசாலா மாற்றங்கள். தானாகவே அங்கீகரிக்க (auto-approve) ஒரு விரைவான குறுக்குச் சரிபார்ப்பைப் பயன்படுத்தவும்.
  • நடுத்தர அபாய மாற்றங்கள்: ஒரு ஒவ்வாமை காரணிக்கு (allergen) புதிய விநியோகஸ்தரைப் பயன்படுத்துதல். ஒவ்வொரு மூலப்பொருளையும் கைமுறையாகச் சரிபார்க்கவும் (manual spot-check).
  • அதிக அபாய மாற்றங்கள்: புதிய ஒவ்வாமை காரணியைச் சேர்த்தல் அல்லது 1 கிராமுக்கும் குறைவான மூலப்பொருட்களை மாற்றுதல். இதற்கு முழுமையான நெறிமுறை (full protocol) தேவை.

அதிக அபாய மாற்றங்களுக்கு மூன்று படிகள் தேவை:

  1. ஒவ்வொரு மூலப்பொருளையும் நம்பகமான ஒவ்வாமை தரவுத்தளத்துடன் (allergen database) ஒப்பிட்டுச் சரிபார்க்கவும்.
  2. அனைத்து விநியோகஸ்தர் பிரகடனங்களையும் (supplier declarations) சரிபார்க்கவும்.
  3. Reverse Audit Tool-ஐ இயக்கவும். இந்த கருவி, விரிவாக்கப்பட்ட தொகுப்பிலிருந்து (scaled batch) அசல் செய்முறைக்குத் திரும்பக் கணக்கிடுவதன் மூலம் AI அளவுகளைச் சரிபார்க்கிறது.

இந்தச் சூழலைக் கருத்தில் கொள்ளுங்கள். நீங்கள் 100 கிலோ தொகுப்பை விரிவாக்குகிறீர்கள். உங்களுக்கு 2,050 கிராம் முந்திரி தேவை என்று AI கூறுகிறது. உங்கள் அசல் செய்முறையில், முந்தியின் எடை 1 கிராமுக்கும் குறைவாக உள்ளது. இது ஒரு அதிக அபாய மாற்றமாகும். நீங்கள் Reverse Audit Tool-ஐ இயக்கி, ஒரு தசமப் பிழையைக் (decimal error) கண்டறிகிறீர்கள். உற்பத்தியைத் தொடங்குவதற்கு முன் அதை 205 கிராமாகச் சரிசெய்கிறீர்கள்.

பாதுகாப்பாக இருக்க இந்த பணிப்பாய்வைப் (workflow) பின்பற்றவும்:

  • மாற்றத்தை வகைப்படுத்துங்கள்: அது குறைந்த, நடுத்தர அல்லது அதிக அபாயமா என்பதைத் தீர்மானிக்கவும். ஒவ்வாமை காரணிகள் சேர்க்கப்பட்டுள்ளதா அல்லது விநியோகஸ்தர்கள் மாற்றப்பட்டுள்ளார்களா என்பதைச் சரிபார்க்கவும்.
  • சரியான சரிபார்ப்புகளைச் செய்யுங்கள்: குறைந்த அபாயத்திற்கு ஒரு விரிதாளைப் (spreadsheet) பயன்படுத்தவும். நடுத்தர அபாயத்திற்கு கைமுறைச் சரிபார்ப்புகளைப் பயன்படுத்தவும். அதிக அபாயத்திற்கு முழுமையான தரவுத்தளம் மற்றும் தணிக்கை முறையைப் பயன்படுத்தவும்.
  • புலன் சோதனை (sensory test) செய்யவும்: எப்போதும் ஒரு சிறிய அளவிலான சமையலைச் செய்து பார்க்கவும். AI-ஆல் சுவைக்க முடியாது. சுவை அல்லது அமைப்பு (texture) தவறாக இருந்தால், விரிவாக்குவதற்கு முன் AI உள்ளீடுகளைச் சரிசெய்யவும்.

தர உறுதித்தன்மைக்காக (quality assurance) ஒவ்வொரு புதிய தயாரிப்பிற்கும் 2 முதல் 3 மணிநேரம் ஒதுக்குங்கள். இது கூடுதல் வேலை அல்ல. இது உங்கள் பிராண்டிற்கான காப்பீடு. அபாய அடிப்படையிலான பணிப்பாய்வு, AI விரிவாக்கத்தை ஒரு சூதாட்டத்திலிருந்து ஒரு பாதுகாப்பு வலையாக மாற்றுகிறது. AI-ன் வேகத்தைப் பராமரிக்கும் அதே வேளையில், உங்கள் லேபிள்களையும் தயாரிப்புத் தரத்தையும் நீங்கள் பாதுகாக்கிறீர்கள்.

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