লাভ:
- ডিজাইন, কোড, এআই ইন্টিগ্রেশন, প্রাইভেসি, টেস্টিং, ডিবাগিং, পারফরম্যান্স এবং রিলিজ ধাপে একটি মোবাইল ফিচার এন্ড-টু-এন্ড এবং যাচাইযোগ্য বিকাশ করার ক্ষমতা
- কৃত্রিম বুদ্ধিমত্তার দায়িত্বশীল এবং নৈতিক ব্যবহারের জন্য স্বচ্ছতা, যাচাইকরণ-জবাবদিহিতা এবং ন্যায়বিচার-অ-অপরাধের নীতিগুলির সাথে একটি কাঠামো স্থাপন করার ক্ষমতা।
- যেখানে কৃত্রিম বুদ্ধিমত্তা শক্তিশালী এবং দুর্বল সেই ক্ষেত্রগুলিকে আলাদা করে এবং চূড়ান্ত সিদ্ধান্ত মানুষের হাতে রেখে একটি টেকসই পেশাদার অনুশীলন তৈরি করতে সক্ষম হওয়া।
এই মডিউল জুড়ে, আমরা মোবাইল ডেভেলপমেন্টের প্রতিটি পর্যায়ে AI ব্যবহার করেছি: কোড জেনারেশন, ইন্টারফেস, অন-ডিভাইস এবং ক্লাউড এআই ইন্টিগ্রেশন, টেস্টিং, ডিবাগিং, পারফরম্যান্স, গোপনীয়তা এবং স্টোর ডেলিভারি। এই চূড়ান্ত ইউনিটে, আমরা এই সমস্ত অংশগুলিকে একক এন্ড-টু-এন্ড ফ্লোতে একত্রিত করব, AI-এর দায়িত্বশীল এবং নৈতিক ব্যবহারের জন্য কাঠামো স্পষ্ট করব এবং কীভাবে এই দক্ষতাগুলিকে একটি টেকসই পেশাদার অনুশীলনে পরিণত করা যায় সে সম্পর্কে কথা বলব। মূল বার্তাটি পরিবর্তিত হয়নি, তবে এটি এখন দৃঢ়ভাবে প্রতিষ্ঠিত: এআই এমন একটি শক্তি যা একজন দক্ষ মোবাইল বিকাশকারীকে গুণ করে; এটি একটি বিকল্প নয়। এটি সেই ব্যক্তি যিনি ব্যবহারকারীর কাছে পণ্যের গুণমান, নিরাপত্তা এবং প্রতিশ্রুতির জন্য দায়ী৷
একটি এন্ড-টু-এন্ড বৈশিষ্ট্য: অংশগুলি একত্রিত করা
এআই সমর্থনের সাথে শুরু থেকে শেষ পর্যন্ত একটি বাস্তব বৈশিষ্ট্য বিকাশ করা প্রতিটি ইউনিটকে একত্রিত করে যা আমরা একটি চেইনে শিখেছি। উদাহরণ: "রসিদ থেকে খরচ যোগ করুন" বৈশিষ্ট্য। প্রবাহ এই মত কাজ করে:
- নকশা (ইউনিট 3)। AI সহ স্ক্রীন এবং চারটি অবস্থা (লোডিং/খালি/ত্রুটি/পূর্ণ) খসড়া করুন, শুরু থেকেই অ্যাক্সেসযোগ্যতার অনুরোধ করুন।
- কোড (ইউনিট 2)। এমভিভিএম দিয়ে স্তরে স্তরে ক্যামেরা, ডেটা মডেল এবং ভিউমডেল স্তর তৈরি করুন; প্রতিটি স্তর যাচাই করুন।
- অন-ডিভাইস AI (ইউনিট 4)। এমএল কিট টেক্সট স্বীকৃতি সহ রসিদ থেকে পরিমাণ/তারিখ পড়ুন; প্রিপ্রসেসিং এবং কনফিডেন্স স্কোরিং বিবেচনা করুন।
- গোপনীয়তা (ইউনিট 9)। ন্যূনতম সুবিধা সহ ক্যামেরা অনুমতির অনুরোধ করুন, প্রত্যাখ্যানের দৃশ্য লিখুন, ডিভাইসে ডেটা রাখুন।
- পরীক্ষা (ইউনিট 6)। নিষ্কাশন যুক্তির ইউনিট পরীক্ষা তৈরি করুন, প্রদর্শনের UI পরীক্ষা; সীমান্ত রাজ্যগুলি অন্তর্ভুক্ত করুন।
- ডিবাগিং (ইউনিট 7)। AI কে প্রেক্ষাপট সহ ক্র্যাশগুলি বিশ্লেষণ করুন এবং মূল কারণটি সমাধান করুন৷
- কর্মক্ষমতা (ইউনিট 8)। ক্যামেরা প্রক্রিয়াকরণের ব্যাটারি খরচ পরিমাপ করুন এবং এটি ব্যাটারি-বান্ধব সেট করুন।
- সম্প্রচার (ইউনিট 10)। স্বচ্ছভাবে AI ব্যবহার সম্পর্কে রিপোর্ট করুন, গোপনীয়তা ফর্মটি সত্যভাবে পূরণ করুন এবং একটি স্ব-পরীক্ষা পরিচালনা করুন।
প্রতিটি ধাপে, এআই ত্বরান্বিত হয়, মানুষ যাচাই করে এবং সিদ্ধান্ত নেয়। এই লুপটি মডিউলের মূল।
টিপ: একটি বিশাল অনুরোধের সাথে AI-কে একটি জটিল বৈশিষ্ট্য তৈরি করার চেষ্টা করবেন না। উপরের মত যাচাইযোগ্য ধাপে এটি ভেঙে দিন। প্রতিটি ধাপের আউটপুট পরীক্ষা করা এবং পরবর্তীতে যাওয়া নিরাপদ এবং শেষ পর্যন্ত দ্রুততর; কারণ আপনি শেষের দিকে নয়, প্রথম ধাপে একটি বড় ভুল ধরতে পারেন।
AI এর দায়িত্বশীল এবং নৈতিক ব্যবহার
একা কারিগরি দক্ষতা যথেষ্ট নয়; একটি দায়িত্বশীল কাঠামো এটি সম্পূর্ণ করে। তিনটি নীতি:
স্বচ্ছতা। ব্যবহারকারীকে অবশ্যই জানতে হবে যে সে AI এর সাথে ইন্টারঅ্যাক্ট করছে। একটি গোপন AI বিশ্বাসের লঙ্ঘন। এআই-উত্পন্ন সামগ্রী ট্যাগ করা হয়; এআই পরামর্শকে "কঠিন সত্য" এর পরিবর্তে "সহায়ক পরামর্শ" হিসাবে উপস্থাপন করা হয়।
যাচাই এবং জবাবদিহিতা। AI আউটপুট একটি সূচনা বিন্দু, একটি সমাপ্ত পণ্য নয়। প্রকাশিত কোডের প্রতিটি লাইন, প্রতিটি AI প্রতিক্রিয়া, প্রতিটি ডেটা লেনদেনের জন্য আপনি দায়ী৷ "এআই এইভাবে লিখেছে" কোনও প্রতিরক্ষা নয়।
ন্যায়বিচার এবং অ-দুর্নীতি। এআই মডেলগুলি তাদের প্রশিক্ষণপ্রাপ্ত ডেটা থেকে পক্ষপাত বহন করতে পারে। একটি মুখের স্বীকৃতি কিছু ত্বকের রঙে খারাপ কাজ করতে পারে, একটি সুপারিশ ইঞ্জিন একটি গ্রুপ বাদ দিতে পারে। আপনার পণ্যটি বিভিন্ন ব্যবহারকারী গোষ্ঠীতে মোটামুটিভাবে কাজ করে কিনা তা পরীক্ষা করার দায়িত্ব আপনার।
মনোযোগ: আইটি এবং নিরাপত্তার ক্ষেত্রে আপনি যে কোনো কৌশল শিখেন তা শুধুমাত্র অনুমোদিত এবং গঠনমূলক উদ্দেশ্যে ব্যবহার করা হয়। AI ব্যবহার করে ম্যালওয়্যার তৈরি করা, অনুমতি ছাড়াই অন্য কারো অ্যাপ্লিকেশন ক্র্যাক করা, সম্মতি ছাড়াই ব্যবহারকারীর ডেটা সংগ্রহ করা বা বিভ্রান্তিকর বিষয়বস্তু তৈরি করা বেআইনি এবং পেশার নৈতিকতার পরিপন্থী। শক্তির পরিমাপ প্রকাশিত হয় যেখানে আপনি এটি ব্যবহার করেন না।
AI এর সীমা স্বীকৃতি
একজন পরিপক্ক বিকাশকারী জানেন যে AI কোথায় জ্বলছে এবং কোথায় এটি কম পড়ে।
এআই শক্তিশালী
এআই দুর্বল
ছাঁচ কোড, বয়লারপ্লেট উত্পাদন
পণ্য এবং স্থাপত্য সিদ্ধান্ত
পরীক্ষা এবং ডকুমেন্টেশন খসড়া
ব্যবসার প্রেক্ষাপট এবং ব্যবহারকারী বোঝা
ক্র্যাশ লগ পড়া, ত্রুটি স্ক্যানিং
নির্দিষ্ট মূল কারণ নির্ণয় (যাচাই প্রয়োজন)
শেখা, ধারণা ব্যাখ্যা
বর্তমান/অপ্রকৃত API তথ্য
পাঠ্য, বর্ণনা, অনুবাদ
নৈতিকতা, নিরাপত্তা এবং আইনি চূড়ান্ত সিদ্ধান্ত
এই পার্থক্যকে অভ্যন্তরীণভাবে AI কার্যকরভাবে ব্যবহার করা এবং এর ক্ষতিগুলি এড়ানোর চাবিকাঠি।
তিনটি মিনি কেস
কেস 1 — এন্ড-টু-এন্ড গতি। একজন একক বিকাশকারী উপরের 8-পদক্ষেপ প্রবাহের সাথে 4 দিনের মধ্যে "আনপ্লাগড" বৈশিষ্ট্যটি শেষ করেছেন; AI ছাড়া অনুমান ছিল 12 দিন। কিন্তু তিনি প্রতিটি ধাপ যাচাই করার কারণে, প্রকাশনাটি প্রথমবারের মতো অনুমোদিত হয়েছিল। গতি আসল কারণ শৃঙ্খলা ছিল আসল। পাঠ: AI + যাচাইকরণ AI - যাচাইকরণের চেয়ে দ্রুত।
কেস 2 - পক্ষপাতিত্ব ধরা পড়েছে। একটি এআই-ভিত্তিক বিশেষ্য-লিঙ্গ পূর্বাভাস বৈশিষ্ট্য পরীক্ষা করার সময়, একটি দল কিছু তুর্কি বিশেষ্যের পদ্ধতিগত ত্রুটি লক্ষ্য করেছে; মডেলটিকে বেশিরভাগ ইংরেজি তথ্যের উপর প্রশিক্ষণ দেওয়া হয়েছিল। ভুল অনুমান করার পরিবর্তে ব্যবহারকারীকে জিজ্ঞাসা করার জন্য বৈশিষ্ট্যটি পরিবর্তন করা হয়েছে। পাঠ: মডেলের প্রশিক্ষণের পক্ষপাত পরীক্ষা করা ডেভেলপারের কাজ।
কেস 3 - "এআই তাই বলেছে" প্রতিরক্ষা ভেঙে পড়েছে। একজন বিকাশকারী এটি যাচাই না করেই একটি AI-জেনারেটেড পেমেন্ট কোড প্রকাশ করেছে; একটি চরম ক্ষেত্রে কোড ডাবল সংগ্রহ করছিল। "এআই লিখেছে" বলে দায়িত্ব মুছে যায় না; অ্যাকাউন্ট হোল্ডার হিসাবে, তিনি একজন বিকাশকারী ছিলেন। পাঠ: দায়িত্ব অর্পণ করা যাবে না।
দুর্বল প্রম্পট / শক্তিশালী প্রম্পট
দুর্বল প্রম্পট: "আমাকে একটি সম্পূর্ণ রসিদ স্ক্যান করার আবেদন লিখুন।"
শক্তিশালী প্রম্পট: "আমাকে ধাপে ধাপে 'রসিদ থেকে খরচ যোগ করুন' বৈশিষ্ট্যটি বিকাশে সহায়তা করুন। আসুন ক্রমানুসারে এগিয়ে যাই, যখন আমি প্রতিটি ধাপ যাচাই ও অনুমোদন করি, পরবর্তীতে যান: 1) স্ক্রীন + চারটি অবস্থা + অ্যাক্সেসিবিলিটি2) MVVM স্তরগুলি (ক্যামেরা, মডেল, ভিউমডেল) 3) রিডিং রিডিং ক্যামেরার স্কোর +4 এমএল স্কোর রিডিং (সর্বনিম্ন বিশেষাধিকার) + প্রত্যাখ্যান প্রবাহ5) ইউনিট এবং UI পরীক্ষা প্রতিটি ধাপে আমার যে ঝুঁকি এবং পয়েন্টগুলি যাচাই করতে হবে তা আমাকে বলুন।"
অনুলিপিযোগ্য টেমপ্লেট
এন্ড-টু-এন্ড প্ল্যানিং টেমপ্লেট: "আমি নিম্নলিখিত বৈশিষ্ট্যটি বিকাশ করব: [বৈশিষ্ট্য]। এটিকে যাচাইযোগ্য ধাপে বিভক্ত করুন: ডিজাইন, কোড, এআই ইন্টিগ্রেশন, গোপনীয়তা/অনুমতি, পরীক্ষা, কর্মক্ষমতা, প্রকাশ। প্রতিটি ধাপের জন্য আউটপুট, ঝুঁকি এবং যাচাইয়ের মানদণ্ড লিখুন। একটি একক দৈত্য উত্পাদন করবেন না।"
নীতিশাস্ত্র/পক্ষপাত অডিট টেমপ্লেট: "ন্যায্যতা এবং পক্ষপাতের জন্য নিম্নলিখিত AI বৈশিষ্ট্যটি নিরীক্ষণ করুন: [বৈশিষ্ট্য]। কোন ব্যবহারকারী গোষ্ঠী এটি খারাপভাবে কাজ করতে পারে? প্রশিক্ষণ ডেটা পক্ষপাতকে কীভাবে প্রভাবিত করে? আমি কীভাবে এটি পরীক্ষা করব, কীভাবে আমি এটিকে আরও অন্তর্ভুক্ত করতে পারি?"
জবাবদিহিতা যাচাই টেমপ্লেট: "এই AI-উত্পাদিত কোড/বৈশিষ্ট্যটি প্রকাশ করার আগে আমাকে যে জবাবদিহিতা প্রশ্ন জিজ্ঞাসা করা উচিত তা তালিকাভুক্ত করুন: আমি কি এটি বুঝতে পেরেছি, আমি এটি পরীক্ষা করেছি, এটি কি নিরাপদ, এটি কি ব্যবহারকারীর কাছে স্বচ্ছ, এটি কি আইনি/নৈতিক?"
ক্রমাগত শেখার টেমপ্লেট: "মোবাইল ডেভেলপারে আমার AI দক্ষতা উন্নত করার জন্য একটি 4-সপ্তাহের ব্যবহারিক পরিকল্পনা প্রস্তাব করুন: প্রতি সপ্তাহে একটি বিষয় (কোড, ইন্টিগ্রেশন, টেস্টিং, প্রকাশ), একটি ছোট প্রকল্পের লক্ষ্য এবং যাচাইকরণের অভ্যাস।"
সাধারণ ভুল
- একটি বিশাল অনুরোধের সাথে জটিল বৈশিষ্ট্য তৈরি করা। যাচাই করা যাবে না; এটিকে ধাপে ভাগ করুন।
- "এআই লিখেছে" বলে দায়িত্ব এড়িয়ে যাচ্ছে। আপনি প্রকাশিত কোড জন্য দায়ী.
- এআই পক্ষপাতিত্বের জন্য পরীক্ষা করা হচ্ছে না। মডেল কিছু গ্রুপে খারাপভাবে কাজ করতে পারে; বিচার পরীক্ষা করুন।
- ব্যবহারকারীর কাছ থেকে AI মিথস্ক্রিয়া লুকানো। স্বচ্ছতা বিশ্বাসের ভিত্তি।
- AI এর সীমাবদ্ধতা ভুলে যাওয়া। স্থাপত্য, নীতিশাস্ত্র এবং বর্তমান API-এর বিষয়ে চূড়ান্ত বক্তব্য রয়েছে মানুষের।
- শেখা বন্ধ করতে। সরঞ্জাম এবং দোকান নিয়ম দ্রুত পরিবর্তন; প্রতিনিয়ত আপডেট থাকুন।
সংক্ষেপে
একটি এন্ড-টু-এন্ড বৈশিষ্ট্য একটি শৃঙ্খলে মডিউলের সমস্ত অংশকে একত্রিত করে: ডিজাইন, কোড, এআই ইন্টিগ্রেশন, গোপনীয়তা, পরীক্ষা, ডিবাগিং, কর্মক্ষমতা এবং প্রকাশ। প্রতিটি ধাপে, এআই ত্বরান্বিত হয়, মানুষ যাচাই করে এবং সিদ্ধান্ত নেয়; জটিল কাজ ছোট যাচাইযোগ্য ধাপে বিভক্ত। দায়িত্বশীল ব্যবহার তিনটি নীতির উপর ভিত্তি করে: স্বচ্ছতা, যাচাইকরণ-দায়বদ্ধতা এবং ন্যায্যতা-কোন ক্ষতি করবেন না। AI একটি শক্তিশালী গুণক, কিন্তু স্থাপত্য, নীতিশাস্ত্র, নিরাপত্তা এবং বর্তমান জ্ঞানের উপর মানুষের চূড়ান্ত বক্তব্য রয়েছে। "এআই এটি সেভাবে করেছে" একটি প্রতিরক্ষা নয়; আপনি আপনার পণ্য এবং আপনি আপনার ব্যবহারকারীর প্রতিশ্রুতি জন্য দায়ী. এই শৃঙ্খলার সাথে, AI আপনাকে আপনার ক্যারিয়ার জুড়ে দ্রুত, আরও ব্যাপক এবং শক্তিশালী করে তোলে।
আবেদন টাস্ক
"এন্ড-টু-এন্ড প্ল্যানিং টেমপ্লেট" সহ যাচাইযোগ্য ধাপে আপনার পছন্দের একটি মোবাইল বৈশিষ্ট্য (যেমন "ভয়েস নোট নেওয়ার মাধ্যমে সংক্ষিপ্তকরণ" বা "ফটো থেকে পণ্যের স্বীকৃতি") ভেঙে দিন। প্রকৃতপক্ষে AI এর সাথে কমপক্ষে একটি ধাপ বিকাশ এবং যাচাই করুন। তারপর, বৈশিষ্ট্যটি "নৈতিকতা/পক্ষপাত নিয়ন্ত্রণ টেমপ্লেট" এর সাথে সমস্যা সৃষ্টি করতে পারে কোন ব্যবহারকারীর গোষ্ঠীগুলিকে বিশ্লেষণ করুন এবং "দায় নিয়ন্ত্রণ টেমপ্লেট" দিয়ে প্রকাশের আগে আপনাকে যে প্রশ্নগুলি জিজ্ঞাসা করতে হবে তার উত্তর দিন৷
চেকলিস্ট
- [ ] আমি বৈশিষ্ট্যটিকে যাচাইযোগ্য ছোট ধাপে ভেঙে দিয়েছি, একটি একক দৈত্য উৎপাদন নয়
- [ ] আমি প্রতিটি ধাপে AI আউটপুট যাচাই করেছি এবং সিদ্ধান্ত নিয়েছি
- [ ] আমি ব্যবহারকারীর কাছে স্বচ্ছভাবে AI মিথস্ক্রিয়া উপস্থাপন করেছি
- [ ] আমি মূল্যায়ন করেছি যে বৈশিষ্ট্যটি বিভিন্ন গোষ্ঠীতে মোটামুটি/পক্ষপাতমূলকভাবে কাজ করে কিনা
- [ ] আমি প্রি-রিলিজ দায়িত্বের প্রশ্নের উত্তর দিয়েছি (বুঝলাম/পরীক্ষা/নিরাপদ/নৈতিক)
- [ ] আমি শুধুমাত্র উপযুক্ত এবং গঠনমূলক উদ্দেশ্যে AI ব্যবহার করেছি এবং শেখা চালিয়ে যাওয়ার পরিকল্পনা করেছি
মডিউল পরীক্ষা
1. মোবাইল ডেভেলপমেন্টে কৃত্রিম বুদ্ধিমত্তার জন্য নিচের কোনটি সবচেয়ে সঠিক অবস্থান?
- ক) এআই বিকাশকারীকে প্রতিস্থাপন করে; এটি তৈরি করা কোডটি না পড়ে সরাসরি প্রকাশ করা যেতে পারে
- খ) কৃত্রিম বুদ্ধিমত্তা শুধুমাত্র টেক্সট লিখতে কাজ করে, কোড জেনারেশনের সাথে এর কোন সম্পর্ক নেই
- গ) কৃত্রিম বুদ্ধিমত্তা একটি সহকারী এবং ত্বরক; স্থাপত্য, নিরাপত্তা এবং সম্প্রচারের সিদ্ধান্তের দায়িত্ব মানুষের উপর বর্তায় ✔
- D) যেহেতু কৃত্রিম বুদ্ধিমত্তা সর্বদা সঠিক কোড তৈরি করে, তাই অতিরিক্ত পরীক্ষা এবং যাচাইকরণ অপ্রয়োজনীয়
বর্ণনা: কৃত্রিম বুদ্ধিমত্তা হল একটি সহকারী এবং অ্যাক্সিলারেটর যা কোড, ব্লুপ্রিন্ট এবং সমাধান তৈরি করে। স্থাপত্য, অনুমতি, নিরাপত্তা এবং প্রকাশনার মতো সিদ্ধান্তের দায়িত্ব এবং চূড়ান্ত অনুমোদন উপযুক্ত বিকাশকারীর কাছে; প্রকাশিত প্রতিটি লাইনের জন্য মানুষ দায়ী।
2. কৃত্রিম বুদ্ধিমত্তা থেকে মোবাইল কোডের জন্য অনুরোধ করার সময়, কোনটি সবচেয়ে বেশি উত্পাদিত কোডের আর্কিটেকচারাল গুণমান বাড়ায়?
- ক) প্রম্পট যতটা সম্ভব ছোট রাখুন এবং বলুন 'আমাকে একটি অ্যাপ লিখুন'
- খ) প্রথমে, MVVM-এর মতো একটি আর্কিটেকচার চাপিয়ে দিন এবং কোডটিকে ছোট ছোট টুকরো করে, স্তরে স্তরে অনুরোধ করুন ✔
- গ) একটি একক প্রম্পটে একটি একক দৈত্যাকার ফাইল হিসাবে পুরো বৈশিষ্ট্যটি তৈরি করা
- ঘ) স্থাপত্যটি একেবারে নির্দিষ্ট করবেন না এবং সেরা সিদ্ধান্তটি কৃত্রিম বুদ্ধিমত্তার উপর ছেড়ে দিন
ব্যাখ্যা: এমভিভিএম-এর মতো একটি আর্কিটেকচার আরোপ করা এবং এআই-তে সরাসরি কোড লেখার আগে স্তরে স্তরের প্রয়োজন একটি পরীক্ষাযোগ্য এবং রক্ষণাবেক্ষণযোগ্য কাঠামো তৈরি করে যা পর্দা থেকে যুক্তিকে আলাদা করে। আর্কিটেকচার ছাড়া অনুরোধটি কোড ফেরত দেয় যা পর্দায় সবকিছুকে ক্র্যাম করে।
3. কৃত্রিম বুদ্ধিমত্তার সাথে একটি ইন্টারফেস তৈরি করার সময় কোনটি প্রায়শই উপেক্ষা করা হয় এবং বাস্তব ব্যবহারের ক্ষেত্রে কোনটি সবচেয়ে গুরুত্বপূর্ণ?
- ক) লোডিং, খালি এবং ত্রুটির অবস্থা ডিজাইন করা, শুধু পূর্ণ স্ক্রীন নয় ✔
- খ) শুধুমাত্র সেরা লুকিং পূর্ণ স্ক্রীন তৈরি করা, অন্যান্য ক্ষেত্রে এড়িয়ে যাওয়া
- গ) প্রতিটি পর্দায় যতটা সম্ভব রঙ এবং অ্যানিমেশন যোগ করা
- D) অ্যাক্সেসিবিলিটি ট্যাগগুলিকে রেখে দেওয়া এবং শুধুমাত্র চেহারা নিয়ে কাজ করা
ব্যাখ্যা: বিকাশকারীরা প্রায়ই শুধুমাত্র 'পূর্ণ' অবস্থা বিবেচনা করে; যদিও বাস্তবে ব্যবহারকারী বেশিরভাগই লোডিং, খালি এবং ত্রুটির অবস্থার সম্মুখীন হয়। সমস্ত চারটি অবস্থা (লোডিং/খালি/ত্রুটি/পূর্ণ) তৈরি করা একটি শক্তিশালী ইন্টারফেসের গোপনীয়তা।
4. কেন অন-ডিভাইস এআই এমন একটি বৈশিষ্ট্যের জন্য ডিফল্ট পছন্দ যা সংবেদনশীল ব্যক্তিগত ডেটা (যেমন স্বাস্থ্য পরিমাপ) প্রক্রিয়া করে?
- ক) অন-ডিভাইস মডেল সবসময় ক্লাউডের চেয়ে বেশি নির্ভুল
- খ) অন-ডিভাইস প্রসেসিং কখনই ব্যাটারি বা প্রসেসরের খরচ বহন করে না
- গ) অন-ডিভাইস প্রক্রিয়াকরণ মডেলের আকারের ক্ষেত্রে সীমাহীন
- ঘ) যেহেতু ডেটা ফোন ছেড়ে যায় না, তাই এটি গোপনীয়তা এবং ব্যবহারকারীর বিশ্বাসের ক্ষেত্রে একটি শক্তিশালী সুবিধা প্রদান করে ✔
ব্যাখ্যা: অন-ডিভাইস প্রক্রিয়াকরণ ফোন থেকে ডেটা অপসারণ করে না; এটি গোপনীয়তা সম্মতি এবং ব্যবহারকারীর বিশ্বাসের ক্ষেত্রে একটি শক্তিশালী সুবিধা, এছাড়াও এটি অফলাইনে এবং তাত্ক্ষণিকভাবে কাজ করে৷ এর সীমা ডিভাইসের শক্তি এবং মডেলের আকার।
5. সবচেয়ে সাধারণ 'নীরব' ত্রুটি কী যা অর্থহীন ফলাফলের কারণ হয় এবং একটি অন-ডিভাইস মডেল ইন্টিগ্রেশনে একটি ত্রুটি বার্তা তৈরি করে না?
- ক) মডেলের ফাইলের নামের ভুল বানান
- খ) অ্যাপ্লিকেশন আইকনের কম রেজোলিউশন
- গ) ভুল ইনপুট প্রিপ্রসেসিং (আকার/স্বাভাবিককরণ) ✔
- ঘ) ডার্ক স্ক্রিন থিম
ব্যাখ্যা: ভুলভাবে ইনপুট প্রিপ্রসেসিং করলে ত্রুটি না ফেলে সম্পূর্ণ ভুল ফলাফল পাওয়া যাবে। প্রি-প্রসেসিং মানগুলি মডেলের ডকুমেন্টেশন থেকে যাচাই করা উচিত।
6. একটি মোবাইল অ্যাপ্লিকেশনে ক্লাউড এলএলএম সংহত করার সময় সবচেয়ে নিরাপত্তা-সমালোচনামূলক নিয়ম কী?
- ক) API কী শুধুমাত্র ব্যাকএন্ডে রাখা উচিত, ক্লায়েন্টে নয়; অনুরোধ প্রক্সি মাধ্যমে যেতে হবে ✔
- খ) এপিআই কী সুবিধার জন্য সরাসরি অ্যাপ্লিকেশন কোডে এম্বেড করা উচিত
- গ) এপিআই কী অ্যাপ্লিকেশনের বিবরণে শেয়ার করতে হবে
- ঘ) API কী ক্লায়েন্টে রাখা উচিত এবং শুধুমাত্র নাম পরিবর্তন করে লুকানো উচিত।
প্রকাশ: API কী মোবাইল অ্যাপ্লিকেশন কোড এম্বেড করা হয় না; কারণ অ্যাপ্লিকেশনটি রিভার্স ইঞ্জিনিয়ার করা যায় এবং কী বের করা যায়। সঠিক আর্কিটেকচার হল কীটি শুধুমাত্র ব্যাকএন্ডে রাখা এবং আপনার নিজস্ব প্রক্সি সার্ভারের মাধ্যমে অনুরোধগুলি পাস করা।
7. দীর্ঘ এলএলএম উত্তরগুলিতে ব্যবহারকারীর অনুভূত গতি এবং বৈশিষ্ট্য সমাপ্তির হার সবচেয়ে বেশি কী বাড়ায়?
- ক) সম্পূর্ণ উত্তর উত্পাদিত না হওয়া পর্যন্ত অপেক্ষা করা এবং একবারে দেখানো
- খ) শব্দ দ্বারা উত্তর শব্দ দেখানো, যেমন এটি উত্পাদিত হয়, স্ট্রিমিং সহ ✔
- গ) প্রতিটি অনুরোধের সাথে মডেলের কাছে পুরো চ্যাট ইতিহাস পাঠানো
- ঘ) যতটা সম্ভব প্রতিক্রিয়া প্রসারিত করতে মডেল নির্দেশ বড় করুন
বর্ণনা: স্ট্রিমিং নাটকীয়ভাবে প্রতিক্রিয়া প্রদর্শন করে অনুভূত গতি এবং সাবলীলতা বৃদ্ধি করে কারণ এটি শব্দ দ্বারা শব্দ উত্পাদিত হয়। একটি ফাঁকা স্ক্রিনে অপেক্ষা করার পরিবর্তে, ব্যবহারকারী পাঠ্য ফর্মটি দেখেন; এটি উল্লেখযোগ্যভাবে পরিত্যাগের হার হ্রাস করে।
8. কৃত্রিম বুদ্ধিমত্তা দ্বারা উত্পাদিত পরীক্ষায় সবচেয়ে সাধারণ সমস্যা কী যা পরীক্ষাকে মূল্যহীন করে তোলে?
- ক) পরীক্ষাগুলি অনেকগুলি সীমা রাজ্যকে কভার করে৷
- খ) পরীক্ষাগুলি বাস্তব পরিষেবা নয়, মক অবজেক্ট ব্যবহার করে
- গ) টেস্ট খুব দ্রুত চলে
- D) খালি/অকার্যকর পরীক্ষার মাধ্যমে স্কোপ ব্লোট যা আসলে কোনো আচরণকে বৈধতা দেয় না ✔
ব্যাখ্যা: কৃত্রিম বুদ্ধিমত্তা কখনও কখনও এমন পরীক্ষা তৈরি করে যা প্রকৃতপক্ষে কোনো আউটপুট যাচাই করে না (যেমন শুধুমাত্র ফাংশনটি কল করুন এবং একটি খালি দাবি লিখুন)। এগুলো কভারেজ সংখ্যা বৃদ্ধি করে কিন্তু প্রকৃত সুরক্ষা প্রদান করে না; অর্থপূর্ণ আচরণ যাচাই করার জন্য প্রতিটি পরীক্ষা অবশ্যই পরীক্ষা করা উচিত।
9. কৃত্রিম বুদ্ধিমত্তার পরামর্শ দিয়ে একটি ক্র্যাশকে ট্রাই-ক্যাচের মধ্যে রেখে এটিকে নীরব করা কেন যথেষ্ট সমাধান নয়?
- ক) মোবাইল অ্যাপ্লিকেশনে ট্রাই-ক্যাচ ব্যবহার করা যাবে না
- খ) ক্র্যাশ বন্ধ হয়ে যায়, কিন্তু যেহেতু মূল কারণটি সমাধান করা হয় না, সমস্যাটি ভিন্ন আকারে ফিরে আসে ✔
- গ) ট্রাই-ক্যাচ ব্যবহার করা অ্যাপ্লিকেশানকে ধীর করে দেয়, তাই এটি নিষিদ্ধ
- ঘ) নীরব ত্রুটি স্বয়ংক্রিয়ভাবে দোকান দ্বারা প্রত্যাখ্যান করা হয়
ব্যাখ্যা: উপসর্গটিকে চুপ করে রাখলে মূল কারণের সমাধান হয় না; ক্র্যাশ বন্ধ হয়ে যায়, কিন্তু আসল সমস্যা (যেমন ভাঙ্গা ডেটা সংযোগ) অন্য ফর্মে ফিরে আসে (যেমন ডেটা ক্ষতি)। পেশাদার ডিবাগিংয়ের লক্ষ্য হল মূল কারণ সমাধান করা, লক্ষণ নয়।
10. কর্মক্ষমতা অপ্টিমাইজেশানে অনুসরণ করার জন্য মৌলিক সুবর্ণ নিয়ম কি?
- ক) প্রথমে একটি প্রোফাইল নিন এবং আসল বাধা পরিমাপ করুন, তারপর অপ্টিমাইজ করুন ✔
- খ) অনুমান করা যেখানে ধীর এবং সেখানে মনোনিবেশ করা
- গ) প্রতিটি ফাংশনে ছোট লাভ তাড়া করা
- ঘ) এমুলেটরে কর্মক্ষমতা পরিমাপ করা এবং বাস্তব ডিভাইসটি কখনই চেষ্টা করবেন না
বর্ণনা: প্রথমে পরিমাপ করুন, পরে অপ্টিমাইজ করুন। বাস্তব বাধা প্রায় সবসময় ভবিষ্যদ্বাণীর চেয়ে ভিন্ন অবস্থানে থাকে; প্রোফাইলিং ছাড়া অপ্টিমাইজেশন একটি অন্ধ অনুমান এবং প্রায়ই প্রচেষ্টার অপচয় হয়.
11. একটি ক্রমাগত চলমান AI বৈশিষ্ট্য (যেমন লাইভ ক্যামেরা অনুবাদ) জন্য সবচেয়ে গুরুত্বপূর্ণ ইঞ্জিনিয়ারিং উদ্বেগ কি?
- ক) বৈশিষ্ট্যটি যতটা সম্ভব অনুমতির অনুরোধ করে৷
- খ) স্যাম্পলিং ফ্রিকোয়েন্সি এবং ব্যাচ প্রক্রিয়াকরণ সহ ক্রমাগত প্রক্রিয়াকরণের ব্যাটারি এবং প্রসেসরের খরচ পরিচালনা করা ✔
- গ) শুধুমাত্র সবচেয়ে দামী ফোনে ফিচারটি চালান
- ঘ) ক্রমাগত সর্বোচ্চ সম্ভাব্য ফ্রেম হারে ক্যামেরা রেন্ডার করা
বর্ণনা: ক্রমাগত মডেল, ক্যামেরা এবং নেটওয়ার্ক কাজ করে; এটি দ্রুত ব্যাটারি গ্রাস করতে পারে, ডিভাইস গরম করতে পারে এবং সিস্টেম দ্বারা সীমাবদ্ধ হতে পারে। স্যাম্পলিং ফ্রিকোয়েন্সি হ্রাস করা, ব্যাচিং করা এবং শুধুমাত্র প্রয়োজন হলে চালানো ব্যাটারি খরচ পরিচালনা করার উপায়।
12. মোবাইল ডেভেলপমেন্টে অনুমতি ব্যবস্থাপনায় 'ন্যূনতম বিশেষাধিকার' নীতির অর্থ কী?
- ক) স্টার্টআপে সমস্ত সম্ভাব্য অনুমতির জন্য অনুরোধ করা, শুধুমাত্র ক্ষেত্রে।
- খ) অনুমতি অস্বীকার করা হলে অ্যাপটিকে অকার্যকর করা
- গ) বিস্তৃত অনুমতি চাওয়া এবং পরে এটি সংকুচিত করার পরিকল্পনা করা।
- ঘ) শুধুমাত্র সেই অনুমতির জন্য অনুরোধ করা যা প্রকৃতপক্ষে প্রয়োজন, যখন প্রয়োজন এবং সংকীর্ণ সুযোগের মধ্যে, একটি প্রত্যাখ্যানের দৃশ্যের সাথে ✔
ব্যাখ্যা: ন্যূনতম বিশেষাধিকার হল শুধুমাত্র সেই অনুমতি চাওয়া যা প্রকৃতপক্ষে প্রয়োজন, যখন এটি প্রয়োজন হয় এবং যতটা সম্ভব সংকুচিত হয়। অনেক বেশি অনুমতি ব্যবহারকারীর বিশ্বাসকে ক্ষুন্ন করে, স্টোর প্রত্যাখ্যানের দিকে নিয়ে যায় এবং ডেটা ফাঁসের ঝুঁকি বাড়ায়।
13. দোকানে কৃত্রিম বুদ্ধিমত্তা সহ একটি অ্যাপ্লিকেশন উপস্থাপন করার সময় কোন নির্দিষ্ট প্রয়োজনীয়তা পূরণ করতে হবে?
- ক) বিষয়বস্তুর স্বচ্ছতা, বিষয়বস্তু নিয়ন্ত্রণ এবং গোপনীয়তার আকারে কৃত্রিম বুদ্ধিমত্তায় যাওয়া ডেটার প্রকাশ ✔
- খ) ব্যবহারকারীর কাছ থেকে কৃত্রিম বুদ্ধিমত্তার ব্যবহার গোপন করা
- গ) ডেটা চিহ্নিত করা যা আসলে গোপনীয়তা ফর্মে সংগ্রহ করা হয় না
- ঘ) প্রতিশ্রুতিশীল বৈশিষ্ট্য যা বর্ণনায় বিদ্যমান নেই
প্রকাশ: স্টোরগুলি বিষয়বস্তুর স্বচ্ছতা (বিবৃতি যে এটি এআই তৈরি করে), বিষয়বস্তু সংযম (ক্ষতিকারক আউটপুট এবং ব্যবহারকারীর বিজ্ঞপ্তির ফিল্টারিং), এবং কৃত্রিম বুদ্ধিমত্তা ধারণকারী অ্যাপ্লিকেশনগুলি থেকে ডেটা ব্যবহারের প্রকাশ আশা করে; সংবেদনশীল এলাকায় সঠিকতা সতর্কতা প্রয়োজন। এগুলি বাদ দেওয়া আবেদনগুলি প্রত্যাখ্যান করা হবে।
14. প্রকাশিত এআই-জেনারেটেড কোডে এজ কেস ত্রুটি দেখা দিলে কেন 'এআই এভাবে লিখেছে' প্রতিরক্ষা অবৈধ?
- ক) যেহেতু কৃত্রিম বুদ্ধিমত্তা সবসময় ত্রুটি-মুক্ত কোড তৈরি করে, ত্রুটিটি ব্যবহারকারীর কাছ থেকে আসে
- খ) কারণ স্টোরগুলি স্বয়ংক্রিয়ভাবে এআই-জেনারেটেড কোড সংশোধন করে
- গ) কারণ কৃত্রিম বুদ্ধিমত্তার কাছে দায়িত্ব হস্তান্তর করা যায় না; বিকাশকারী প্রকাশিত কোড এবং ডেটার জন্য দায়ী ✔
- ঘ) কারণ কৃত্রিম বুদ্ধিমত্তা দ্বারা তৈরি কোড কখনই লাইভ করা হয় না
বর্ণনা: এআই আউটপুট একটি সূচনা বিন্দু, একটি সমাপ্ত পণ্য নয়। এটি বিকাশকারী যিনি প্রকাশিত প্রতিটি লাইন, প্রতিটি ডেটা প্রক্রিয়াকরণ এবং প্রতিটি প্রতিশ্রুতির জন্য দায়ী; দায়িত্ব AI কে অর্পণ করা যাবে না, তাই প্রকাশের আগে আউটপুট বুঝতে হবে এবং পরীক্ষা করতে হবে।