මෙමගින් කෘතිම බුද්ධියේ (AI) විවිධ පැතිකඩ සාකච්ඡා කරයි. එක් ප්‍රභවයක් AI හි ඇති අන්තරායන් කෙරෙහි අවධානය යොමු කරන අතර, රැකියා අහිමිවීම, පෞද්ගලිකත්ව උල්ලංඝනය, පක්ෂපාතී තීරණ සහ ආරක්ෂක අවදානම් වැනි කරුණු ඉස්මතු කරයි. අනෙක් ප්‍රභවයන් ද AI හි අන්තරායන් ගැන කතා කරන නමුත්, AI හි වාසි, එනම් ස්මාර්ට් සහායකයන්, අධ්‍යාපනික ක්‍රීඩා සහ පුද්ගලීකරණය කළ අත්දැකීම් වැනි දේ ද සඳහන් කරයි. සමස්තයක් ලෙස ගත් කල, සියලුම ප්‍රභවයන් AI යනු ප්‍රයෝජනවත් මෙන්ම අවදානම් සහිත තාක්ෂණයක් බවට පොදු එකඟතාවයකට පැමිණේ.

මෙමඟින් AI LLM Model එකක් Server එකක Host කරන ආකාරය පිළිබඳව මූලික දැනුමක් ලබා දේ. එයට අවශ්‍ය Hardware සහ Software අවශ්‍යතා, Environment Setup කිරීම, Model Download කිරීම, Server Script එකක් ලිවීම (Flask හෝ FastAPI භාවිතයෙන්) සහ Server Run කිරීම මෙහි විස්තර කර ඇත. අමතර වශයෙන්, Docker Container එකක් නිර්මාණය කිරීම, API Test කිරීම, කාර්ය සාධනය වැඩි දියුණු කිරීමේ උපක්‍රම (Performance Optimization Tips), ආරක්ෂාව (Security Considerations), සහ Monitoring and Logging පිළිබඳවද තොරතුරු ඇතුළත් වේ. මෙය AI LLM models සේවාවක් ලෙස ක්‍රියාත්මක කිරීමට උනන්දු වන අයට මූලික මග පෙන්වීමක් සපයයි.

Note : https://drive.google.com/file/d/10ux2RNA52XgQpWhUFyL0gXiMnjY2VFkJ/view?usp=sharing

විශාල භාෂා ආකෘති (LLMs) නඩත්තු කිරීම සහ වැඩිදියුණු කිරීම පිළිබඳව සාකච්ඡා කරයි. එක් මුලාශ්‍රයක් LLM වල කාර්යසාධනය වැඩිදියුණු කිරීමට සංවර්ධකයින්ට භාවිතා කළ හැකි ශිල්පීය ක්‍රම 5ක් ඉදිරිපත් කරයි, එහි ප්‍රොම්ප්ට් ඉංජිනේරු විද්‍යාව, Retrieval-Augmented Generation (RAG), fine-tuning, Semantic Caching, සහ Reinforcement Learning with Human Feedback (RLHF) වැනි ක්‍රම ඇතුළත් වේ. අනෙක් මුලාශ්‍රය LLM ආකෘතියක් නිසි ලෙස නඩත්තු කිරීම සඳහා මූලික මාර්ගෝපදේශයක් සපයයි. එහි දත්ත තත්ත්ව පරීක්ෂා කිරීම, කාර්යසාධනය අධීක්ෂණය, ආකෘති යාවත්කාලීන කිරීම, ආරක්ෂක ක්‍රියාමාර්ග, දෝශ නිරාකරණය සහ වාර්තාකරණය වැනි වැදගත් අංගයන් ආවරණය කරයි. දෙකම LLM හි නිවැරදි බව, විශ්වසනීයත්වය සහ කාර්යක්ෂමතාව වැඩිදියුණු කිරීමේ වැදගත්කම අවධාරණය කරයි.