AI குறியீடு சரியாகத் தோன்றி, ஆனால் உண்மையில் இல்லாதபோது: மறைந்திருக்கும் பிழைகளைக் கண்டறிவதற்கான புதிய அணுகுமுறை

AI-உதவியுடனான குறியீடாக்கத்தில் மறைந்திருக்கும் ஆபத்து

குறியீட்டை எழுத நீங்கள் ஒரு AI உதவியாளரைக் கேட்பதாக கற்பனை செய்து பாருங்கள். இது நியாயமானதாகத் தெரிகிறது. சோதனைகள் தேர்ச்சி பெறுகின்றன. ஆனால் தயாரிப்பில், ஏதோ தவறு இருக்கிறது. உடைந்த தொடரியல் அல்லது தோல்வியுற்ற சோதனை வழக்குகள் பிரச்சனை அல்ல - குறியீடு அது செய்ய வேண்டியதிலிருந்து வித்தியாசமாக ஏதாவது செய்கிறது, மேலும் சோதனைகள் அந்த துல்லியமான நடத்தையை ஒருபோதும் தேடவில்லை.

ஜூலை 10, 2026 அன்று, AI-உதவியுடனான பணிப்பாய்வுகளில் இது ஒரு உண்மையான பிரச்சனை. AI சோதனைகளை எழுதுவதற்கும் உதவினால், இன்னொரு கேள்வி எழுகிறது: அந்த சோதனைகள் உண்மையில் போதுமானதா? சோதனை அணுகுமுறையில் குருட்டுப் புள்ளிகள் இருந்தால், பிழைகள் இடைவெளிகளில் மறைந்திருக்கலாம்.

bug-cause-inference-game எனப்படும் ஒரு சிறிய பைதான் முன்மாதிரி இந்தப் பிரச்சனையை வேறு கோணத்தில் ஆராய்கிறது. ஒரு AI-ஐ "இதை மட்டும் பிழை திருத்து" என்று கேட்பதற்குப் பதிலாக, இது பிழை விசாரணையை ஒரு புத்திசாலித்தனமான முடிவெடுக்கும் பிரச்சனையாகக் கருதுகிறது: உங்களுக்குத் தெரிந்தவற்றைக் கொண்டு, உங்களுக்கு அதிகம் கற்பிக்கக்கூடிய, சோதிக்க வேண்டிய மலிவான அடுத்த விஷயம் என்ன?

முன்மாதிரியின் பின்னால் உள்ள பிரச்சனை

ஒரு பிழை தோன்றும்போது, ​​விசாரணையாளர்கள் வழக்கமாகக் கேட்கிறார்கள்: இதற்கு என்ன காரணம்? வழக்கமான அணுகுமுறை ஒரு மன சரிபார்ப்பு பட்டியல் - பதிவுகளைச் சரிபார்க்கவும், எட்ஜ்-கேஸ் சோதனைகளை இயக்கவும், சமீபத்திய மாற்றங்களை மதிப்பாய்வு செய்யவும், உள்ளமைவைச் சரிபார்க்கவும். இது வேலை செய்கிறது, ஆனால் இது திறமையற்றது.

மாற்றாக, விசாரணையை ஆய்வாளருக்கும் பிழைகளுக்கும் இடையிலான விளையாட்டாக உருவாக்குவதை கற்பனை செய்து பாருங்கள். பிழைகள் மறைந்திருக்க முயற்சிக்கின்றன; ஆய்வாளர் அவற்றை வெளிப்படுத்த நடவடிக்கைகளைத் தேர்ந்தெடுக்கிறார். திருப்பம்: சில விசாரணை நடவடிக்கைகளுக்கு நேரமோ பணமோ செலவாகும். முழுமையான அழுத்த சோதனையை இயக்குவது race condition-ஐ வெளிப்படுத்தலாம் ஆனால் பல மணிநேரங்கள் ஆகும். பிழைப் பதிவைச் சரிபார்க்க நொடிகள் ஆகும். ஒரு புத்திசாலித்தனமான விசாரணை உத்தி ஒவ்வொரு செயலின் விலையையும், எந்த நடவடிக்கைகள் அதிகம் கற்பிக்கின்றன என்பதையும் கணக்கில் கொள்ள வேண்டும்.

உற்பத்தி குறியீட்டில் உண்மையான பிழைகளைத் தீர்ப்பதாக முன்மாதிரி கூறவில்லை. இது தவறு-உள்ளூர்மயமாக்கல் இயந்திரம் அல்ல, தானியங்கி பழுதுபார்க்கும் கருவி அல்ல, மற்றும் முறையான விளையாட்டு-கோட்பாட்டு பிழைத்திருத்தி அல்ல. மாறாக, இது ஒரு ஆயத்தப் படியாகும்: செலவு-அறிந்த விசாரணை உத்தி கொள்கையளவில் வேலை செய்ய முடியுமா, அது எங்கு தோல்வியடைகிறது? பதிப்பு 0.1.0 (commit 9e30c93f246602d840c875e975c362e6ab1e7747) இந்தக் கேள்வியை ஆராய்கிறது.

முன்மாதிரி எவ்வாறு செயல்படுகிறது: P1a

முதல் சோதனை, P1a என அழைக்கப்படுகிறது, எளிமையாகத் தொடங்குகிறது. இது 50 செயற்கை பிழை நிகழ்வுகளை உருவாக்குகிறது, ஒவ்வொன்றும் ஐந்து காரண வகைகளில் ஒன்றில் லேபிளிடப்பட்டுள்ளன: boundary conditions, missing null handling, configuration issues, race conditions, அல்லது mismatches between code and specification. பின்னர் அது சாத்தியமான எட்டு விசாரணை நடவடிக்கைகளை ஒதுக்குகிறது:

• inspect_error_log
• run_boundary_tests
• compare_environment
• inspect_recent_diff
• run_reproduction_matrix
• add_instrumentation
• check_spec_acceptance
• run_concurrency_stress

ஒவ்வொரு செயலுக்கும் ஒரு செலவு உண்டு மற்றும் தகவலை வழங்குகிறது. முன்மாதிரி பின்னர் வெவ்வேறு விசாரணை கொள்கைகளை ஒப்பிடுகிறது - அடுத்ததாக எந்த செயலைத் தேர்ந்தெடுக்க வேண்டும் என்பதற்கான வெவ்வேறு விதிகள். information_gain_per_cost எனப்படும் முக்கிய கொள்கை, கேட்கிறது: ஒரு யூனிட் விலைக்கு எந்த நடவடிக்கை எனக்கு அதிகம் கற்பிக்கும்?

சீரற்ற செயல் தேர்வு, நிலையான சரிபார்ப்பு பட்டியல் அல்லது எப்போதுமே மலிவான செயலைத் தேர்ந்தெடுப்பது போன்ற எளிமையான கொள்கைகளுக்கு எதிராக அதைப் போட்டியிடுங்கள். முடிவுகள் முக்கியமானவை, ஏனெனில் அவை புத்திசாலித்தனமான உத்தி எங்கே பலன் தருகிறது என்பதைக் காட்டுகின்றன.

P1a உண்மையில் கண்டறிந்தது என்ன

செயற்கை தரவுத்தொகுப்பில், information_gain_per_cost உண்மையான காரணத்தைக் கண்டறிவதற்கான சராசரி விலையைக் குறைத்தது (விலை 1.12) நிலையான சரிபார்ப்புப் பட்டியலுக்கு எதிராக (விலை 1.56) — தோராயமாக 28 சதவீதக் குறைப்பு. பட்ஜெட் வரம்பிற்குள், கொள்கை 94 சதவீதம் வெற்றி பெற்றது.

ஆனால் இதில் ஒரு சிக்கல் உள்ளது. wrong-stop வீதம் சுமார் 13 சதவீதமாக இருந்தது - தவறான பதிலில் அதிக நம்பிக்கையுடன் விசாரணை நிறுத்தப்பட்ட வழக்குகள். மிகவும் கடினமான வழக்குகளில் (ஆரம்பத்தில் தவறாக வகைப்படுத்தப்பட்ட பிழைகள்), கொள்கை சராசரியாக வேகமாக பதில்களைக் கண்டறிந்தது, ஆனால் சலிப்பான சரிபார்ப்பு பட்டியல் உண்மையில் அதிக வெற்றி விகிதத்தைக் கொண்டிருந்தது.

இது உண்மையான கண்டுபிடிப்பு: இந்த பொம்மை அமைப்பில் செலவு-அறிந்த விசாரணை சராசரி விலையைக் குறைத்தது, ஆனால் அது தவறுகளை அகற்றவில்லை. சில நேரங்களில் ஒரு முட்டாள்தனமான சரிபார்ப்பு பட்டியல் மெதுவாக இருந்தாலும் கூட நம்பகமானதாக இருக்கும். AI-உதவியுடனான குறியீடாக்கத்திற்கு, அது பயனுள்ளதாக இருக்கும். ஒரு நல்ல விசாரணைக் கருவி எங்கு நேரத்தைச் சேமிக்கிறது, எங்கு மிக விரைவாக நிற்கிறது மற்றும் எங்கு சலிப்பான அணுகுமுறை இன்னும் வெற்றிபெறுகிறது என்பதை வெளிப்படுத்த வேண்டும்.

யதார்த்த சோதனை: P1b

ஆனால் செயற்கை வழக்குகள் எளிதானவை. P1b கடினமான கேள்வியைச் சேர்க்கிறது: மெட்டாடேட்டாவிற்குப் பதிலாக உண்மையான செயல்பாட்டை நீங்கள் கவனிக்கும்போது மூலோபாயம் இன்னும் செயல்படுகிறதா?

இந்த பரிசோதனையானது 20 பிழையான குறியீடு மாறுபாடுகளையும் 5 சுத்தமான வகைகளையும் உருவாக்குகிறது, பின்னர் விசாரணைக் கொள்கைகளை இரண்டு வழிகளில் மதிப்பிடுகிறது. முதல் வழி, metadata_synth என்று அழைக்கப்படுகிறது, மாறுபட்ட மெட்டாடேட்டாவிலிருந்து ஆதாரங்களை ஒருங்கிணைக்கிறது - இது ஒரு உறைந்த அடிப்படை. இரண்டாவது, execution_grounded, உண்மையான சோதனை முடிவுகள், விதிவிலக்குகள், செயல்பாட்டுத் தடயங்கள், கவரேஜ் பகுப்பாய்வு மற்றும் குறியீடு வேறுபாடுகளிலிருந்து அவதானிப்புகளை உருவாக்குகிறது.

முடிவுகள் ஒரு நம்பிக்கை இடைவெளியை வெளிப்படுத்துகின்றன. மெட்டாடேட்டாவிலிருந்து பெறப்பட்ட ஆதாரங்களுடன், செலவு-அறிந்த கொள்கை காகிதத்தில் சிறப்பாகத் தெரிந்தது:

• பட்ஜெட்டுக்குள் பிழை கண்டறிதல்: 55 சதவீதம் மற்றும் உண்மையான செயல்பாட்டில் 40 சதவீதம்
• காரணத் துல்லியம்: 80 சதவீதம் மற்றும் 55 சதவீதம்
• சராசரி விசாரணைச் செலவு: 2.80 மற்றும் 4.64

இந்த பாடம் நுட்பமானது ஆனால் முக்கியமானது. மெட்டாடேட்டா தூய்மையானதாகவும் நம்பகமானதாகவும் தெரிகிறது. உண்மையான செயலாக்கம் குழப்பமான, விலைமதிப்பற்ற, மற்றும் கடினமானதாக உள்ளது. மெட்டாடேட்டாவில் சோதிக்கப்படும்போது புத்திசாலித்தனமாகத் தோன்றும் கொள்கையானது உண்மையான செயலாக்கத் தடயங்கள் மற்றும் விதிவிலக்குகளை எதிர்கொள்ளும்போது சிதறக்கூடும்.

AI-உதவியுடனான குறியீடாக்கத்திற்கு, இது ஒரு பரந்த எச்சரிக்கை: குறியீட்டின் கட்டமைப்பை (மெட்டாடேட்டா) அடிப்படையாகக் கொண்ட பகுத்தறிவு, விசாரணை உத்தியை உண்மையை விடச் சிறப்பாகக் காட்டலாம். நீங்கள் உண்மையில் குறியீட்டை இயக்கி, என்ன நடக்கிறது என்பதைக் கவனிக்கும்போது, ​​உத்தி கடினமான தேர்வுகளை எதிர்கொள்கிறது.

P1c மற்றும் மோசமான நிலை

P1c அடுத்த படியை எடுக்கிறது: சான்றுகள் வேண்டுமென்றே தெளிவற்றதாகவோ, விலை உயர்ந்ததாகவோ அல்லது தவறாக வழிநடத்துவதாகவோ இருந்தால் என்ன செய்வது? முன்மாதிரியானது வேட்பாளர் காட்சிகளைக் குறிக்கிறது — மோசமான மாறுபாடுகள், தெளிவற்ற பக்கெட்டுகள், கண்காணிப்பு-கட்டண அழுத்தச் சோதனைகள் — அழுத்தம் உண்மையானதாக இருக்கும்போது விசாரணைக் கொள்கைகள் பயனுள்ளதாக இருக்குமா என்பதைச் சரிபார்க்க.

இது சரியான உத்தியைக் கண்டுபிடிப்பது பற்றியது அல்ல. இது தற்போதையவற்றின் வரம்புகளை அம்பலப்படுத்துவது பற்றியது. பயனுள்ள விசாரணைக் கருவி சராசரியாகச் செயல்பட வேண்டும், கடினமான நிகழ்வுகளில் வேலை செய்ய வேண்டும் மற்றும் ஆதாரங்கள் குறைவாக அல்லது நம்பகத்தன்மையற்றதாக இருக்கும்போது நேர்த்தியாகத் தோல்வியடைய வேண்டும்.

இப்போது இது ஏன் முக்கியமானது

2026 ஆம் ஆண்டில் AI குறியீடு உருவாக்கம் முக்கிய நீரோட்டமாக மாறுவதால், "குறியீடு வேலை செய்கிறதா?" என்பது மட்டும் கேள்வியல்ல, மாறாக "அது வேலை செய்வது போல் தோன்றும்போது நாம் எவ்வளவு நம்பிக்கையுடன் இருக்கிறோம்?" என்பதுதான். சோதனை கட்டமைப்புகள் உதவுகின்றன, ஆனால் அவை நீங்கள் எழுதும் சோதனைகளைப் போலவே சிறந்தவை. AI குறியீடு மற்றும் சோதனைகள் இரண்டையும் எழுத உதவினால், குருட்டுப் புள்ளிகள் பெருகும்.

செலவு-அறிந்த விசாரணை மூலோபாயம் மனித தீர்ப்பை மாற்றாது, ஆனால் அது கேள்வியை ஒழுங்கமைக்கலாம்: குறைந்த நேரம் மற்றும் பட்ஜெட்டைக் கருத்தில் கொண்டு, அடுத்து நாம் எதைச் சரிபார்க்க வேண்டும்? முன்மாதிரியானது புத்திசாலித்தனமான முன்னுரிமைப் படுத்தல் சராசரியாக முயற்சியைச் சேமிக்கிறது என்பதைக் காட்டுகிறது, ஆனால் அது எங்கு தோல்வியடைகிறது என்பதையும் காட்டுகிறது — மெட்டாடேட்டா நன்னம்பிக்கை யதார்த்தத்துடன் பொருந்தாத இடத்தில், மோசமான பிழைகள் எங்கே மறைக்கப்படுகின்றன, நேரடியான சரிபார்ப்புப் பட்டியல் மிகவும் நம்பகமானதாக இருக்கும்.

முடிவுரை

bug-cause-inference-game முன்மாதிரி ஒரு உற்பத்தி பிழைதிருத்தி என்று கூறவில்லை. இதன் நோக்கம் வடிவமைப்பால் குறுகியது: கொள்கையளவில் செலவு-அறிந்த விசாரணை எவ்வாறு செயல்படுகிறது என்பதைக் காட்டுதல், உத்தி நேரத்தைச் சேமிக்கும் இடத்தை வெளிப்படுத்துதல் மற்றும் அது எங்கு குறைகிறது என்பதை வெளிப்படுத்துதல். பதிப்பு 0.1.0 அதைச் செய்கிறது. செயற்கை நிகழ்வுகளில் சராசரி விசாரணைச் செலவை தோராயமாக 28 சதவிகிதம் குறைக்கலாம் என்பதை இது நிரூபிக்கிறது, ஆனால் அவை மெட்டாடேட்டாவிலிருந்து பெறப்பட்ட சான்றுகள் மற்றும் உண்மையான செயல்பாட்டிற்கு இடையிலான இடைவெளியையும் அம்பலப்படுத்துகின்றன, மேலும் நம்பிக்கை அதிகமாக இருக்கும்போது மிக விரைவாக நிறுத்துவதற்கான அபாயத்தையும் அவை காட்டுகின்றன, ஆனால் துல்லியம் குறைவாக உள்ளது.

AI-உதவியுடனான குறியீட்டு பணிப்பாய்வுகளுக்கு, இது சரியான வகையான தயாரிப்பு: மற்றொரு நம்பிக்கையான கணிப்பு அல்ல, ஆனால் விசாரணையை வெளிப்படையாக்கும், அனுமானங்களை வெளிப்படுத்தும் மற்றும் மூலோபாயம் எங்கு உடைந்து போகிறது என்பதைத் தெளிவாகக் காட்டும் கருவி.

தகுதிகள்

• செலவுக் கட்டுப்பாடுகளின் கீழ் ஒரு முடிவு பிரச்சனையாக விசாரணையை வெளிப்படையாக மாதிரியாக்குகிறது
• செயற்கையான காட்சிகளில் சராசரியாக 28 சதவீத செலவு குறைப்பை உறுதியாகக் காட்டுகிறது
• மெட்டாடேட்டாவிலிருந்து பெறப்பட்ட மற்றும் செயல்படுத்துதல்-அடிப்படையிலான ஆதாரங்களுக்கு இடையிலான இடைவெளியை வெளிப்படுத்துகிறது
• wrong-stop வீதம் மற்றும் மோசமான-நிலை செயல்திறன் உள்ளிட்ட தோல்வி முறைகள் குறித்து நேர்மையானது
• கொள்கைகள், செயல்கள் மற்றும் செலவுகளை வெளிப்படையாக்கி "மாதிரி முடிவு செய்தது" என்பதைத் தாண்டிச் செல்கிறது

தீமைகள்

• செயற்கை நிகழ்வுகள் மற்றும் சிறிய சாரக்கட்டுகளுக்கு மட்டுமே வரையறுக்கப்பட்டுள்ளது; நிஜ உலக பிழைத்திருத்த துல்லியத்திற்கு எந்த ஆதாரமும் இல்லை
• மெட்டாடேட்டா நன்னம்பிக்கை இடைவெளி முடிவுகள் உற்பத்தி காட்சிகளுக்கு மாற்றப்படாமல் போகலாம் என்று கூறுகிறது
• 13 சதவீத wrong-stop வீதம் என்பது அதிக நம்பிக்கையுள்ள தவறான பதில்கள் இன்னும் நடக்கின்றன என்பதாகும்
• திருத்தங்களை உருவாக்காது அல்லது தீர்வுகளை முன்மொழியாது, காரணங்களை மட்டுமே விசாரிக்கிறது
• ஒவ்வொரு டொமைனுக்கும் செலவு மதிப்புகளை கவனமாக சரிசெய்தல் மற்றும் நிறுத்துவதற்கான வரம்புகள் தேவை

எச்சரிக்கை

இந்தக் கட்டுரை கல்வியியல் சார்ந்தது மற்றும் ஆராய்ச்சி முன்மாதிரியைச் சுருக்கமாகக் கூறுகிறது. முன்மாதிரியானது வெளிப்படையாக ஒரு உற்பத்தி பிழை-உள்ளூர்மயமாக்கல் இயந்திரம், தானியங்கி பழுதுபார்க்கும் கருவி, ஃபஸ்ஸிங் கட்டமைப்பு அல்லது முறையான விளையாட்டு-கோட்பாட்டு பிழைத்திருத்தி அல்ல. இந்த கருத்துகளைப் பயன்படுத்தும்போது, ​​அசல் மூலத்திற்கும் v0.1.0 களஞ்சியத்திற்கும் எதிரான உரிமைகோரல்களைச் சரிபார்க்கவும். செலவு மதிப்புகள், விசாரணை நடவடிக்கைகள் மற்றும் வெற்றி வரம்புகள் டொமைன் சார்ந்தவை மற்றும் கவனமாகத் தழுவல் தேவைப்படுகிறது. 28 சதவீத செலவுக் குறைப்பு செயற்கை வழக்குகளில் மட்டுமே அளவிடப்படுகிறது; நிஜ உலக முடிவுகள் வேறுபடலாம். மற்ற சரிபார்ப்பு அணுகுமுறைகளுடன் எப்போதும் செலவு-அறிந்த உத்திகளை இணைக்கவும்.

அடிக்கடி கேட்கப்படும் கேள்விகள்

• செலவு-அறிந்த பிழை விசாரணை என்றால் என்ன, அது ஏன் முக்கியமானது?
• அடுத்த விசாரணை நடவடிக்கையை முன்மாதிரி எவ்வாறு தேர்வு செய்கிறது?
• மெட்டாடேட்டா நன்னம்பிக்கை இடைவெளி என்றால் என்ன, அது ஏன் முக்கியமானது?
• இந்த முன்மாதிரி பாரம்பரிய பிழைத்திருத்த கருவிகளை மாற்ற முடியுமா?
• wrong-stop வீதம் என்றால் என்ன, அதன் அர்த்தம் என்ன?
• மெட்டாடேட்டாவிலிருந்து பெறப்பட்ட சான்றுகளிலிருந்து execution-grounded சான்று எவ்வாறு வேறுபடுகிறது?
• P1a செயற்கைத் தரவுத்தொகுப்பில் உள்ள ஐந்து காரண வகைகளும் யாவை?
• சில நேரங்களில் செலவு-அறிந்த கொள்கையை விட நிலையான சரிபார்ப்பு பட்டியல் ஏன் அதிக நம்பகமானதாக இருக்கிறது?

குறிச்சொற்கள்

#aidebug #softwareengineering #bugdetection #costaware #investigation #testing