Kasu:
- Võimalus arendada täielikku ja kontrollitavat mobiilifunktsiooni disaini, koodi, AI-integratsiooni, privaatsuse, testimise, silumise, jõudluse ja väljalaskeetappide osas
- Oskus luua tehisintellekti vastutustundliku ja eetilise kasutamise raamistik läbipaistvuse, kontrollimise-aruandekohustuse ja õigluse-mittepahatahtlikkuse põhimõtetega.
- Oskus luua jätkusuutlikku erialast praktikat, eristades valdkondi, kus tehisintellekt on tugev ja nõrk ning hoides lõpliku otsuse inimese kätes.
Kogu selle mooduli jooksul kasutasime AI-d mobiiliarenduse igas etapis: koodi genereerimine, liides, seadmes ja pilves AI integreerimine, testimine, silumine, jõudlus, privaatsus ja poe kohaletoimetamine. Selles viimases üksuses ühendame kõik need tükid üheks otsast lõpuni üheks vooluks, selgitame tehisintellekti vastutustundliku ja eetilise kasutamise raamistikku ning räägime, kuidas muuta need oskused jätkusuutlikuks professionaalseks praktikaks. Põhisõnum ei ole muutunud, kuid see on nüüd kindlalt paika pandud: AI on jõud, mis mitmekordistab pädevat mobiiliarendajat; see ei ole asendaja. See on isik, kes vastutab toote kvaliteedi, ohutuse ja kasutajale lubaduse eest.
Täielik funktsioon: osade kombineerimine
Tõelise funktsiooni arendamine algusest lõpuni koos tehisintellekti toega ühendab kõik meie õpitud üksused ahelas. Näide: funktsioon "lisa kulud kviitungilt". Voog toimib järgmiselt:
- Disain (üksus 3). Tehke tehisintellektiga ekraan ja neli olekut (laadimine/tühi/viga/täis), taotlege juurdepääsetavust algusest peale.
- Kood (üksus 2). Looge kaamera, andmemudel ja ViewModel kihthaaval MVVM-iga; kontrollige iga kihti.
- Seadmesisene AI (üksus 4). Summa/kuupäeva lugemine kättesaamisest ML Kit tekstituvastusega; Kaaluge eeltöötlust ja usalduse hindamist.
- Konfidentsiaalsus (9. osa). Taotlege kaamera luba väikseima privileegiga, kirjutage tagasilükkamise stsenaarium, hoidke andmeid seadmes.
- Testimine (üksus 6). Looge ekstraheerimisloogika ühikutestid, kuvari kasutajaliidese testimine; Kaasake piiririigid.
- Silumine (üksus 7). Laske tehisintellektil kokkujooksmisi kontekstiga analüüsida ja nende algpõhjused lahendada.
- Jõudlus (üksus 8). Mõõtke kaamera töötlemise aku kulu ja seadke see akusõbralikuks.
- Ringhääling (üksus 10). Teatage tehisintellekti kasutamisest läbipaistvalt, täitke privaatsusvorm ausalt ja viige läbi enesetest.
Igal sammul AI kiirendab, inimene kontrollib ja otsustab. See silmus on mooduli tuum.
Näpunäide: ärge püüdke tehisintellekti ühe hiiglasliku taotlusega teha keerukaks funktsiooniks. Jagage see kontrollitavateks sammudeks nagu ülal. Iga sammu väljundi testimine ja järgmise juurde liikumine on nii turvalisem kui ka kiirem; Sest sa tabad suure vea mitte lõpus, vaid esimesel sammul.
Tehisintellekti vastutustundlik ja eetiline kasutamine
Tehnilisest kompetentsist üksi ei piisa; vastutustundlik raamistik täiendab seda. Kolm põhimõtet:
Läbipaistvus. Kasutaja peab teadma, et ta suhtleb tehisintellektiga. Salajane tehisintellekt on usalduse rikkumine. AI-ga loodud sisu on märgistatud; AI nõuandeid esitatakse pigem "kasuliku nõuandena" kui "karmi tõena".
Kontrollimine ja vastutus. AI väljund on lähtepunkt, mitte valmistoode. Vastutate iga avaldatud koodirea, iga AI vastuse ja iga andmetehingu eest. "AI kirjutas selle nii" ei ole kaitse.
Õiglus ja pahatahtlikkus. Tehisintellekti mudelid võivad edastada eelarvamusi saadud andmete põhjal. Näotuvastus võib mõne nahavärvi puhul halvemini töötada, soovitusmootor võib rühma välistada. Teie kohustus on testida, kas teie toode töötab õiglaselt erinevates kasutajarühmades.
Tähelepanu: kõiki IT- ja turvavaldkonnas õpitud tehnikaid kasutatakse ainult volitatud ja konstruktiivsetel eesmärkidel. Tehisintellekti kasutamine pahavara loomiseks, kellegi teise rakenduse loata murdmiseks, kasutajaandmete kogumiseks ilma nõusolekuta või eksitava sisu loomiseks on ebaseaduslik ja vastuolus selle elukutse eetikaga. Võimu mõõt selgub seal, kus sa seda ei kasuta.
AI piiride teadvustamine
Küps arendaja teab, kus tehisintellekt paistab silma ja kus see alla jääb.
AI on võimas
AI on nõrk
Hallituse kood, katlaplaadi tootmine
Toote- ja arhitektuuriotsused
Katsetamine ja dokumentatsiooni mustand
Ärikonteksti ja kasutaja mõistmine
Krahhilogi lugemine, vigade skannimine
Algpõhjuse lõplik diagnoos (vajalik kontrollimine)
Õppimine, mõiste selgitamine
Praegune/töötlemata API teave
Tekst, kirjeldus, tõlge
Eetika, turvalisus ja juriidiline lõppotsus
Selle eristuse arvessevõtmine on AI tõhusa kasutamise ja selle lõkse vältimise võti.
kolm minikarpi
Juhtum 1 – otsast lõpuni kiirus. Üks üksi arendaja lõpetas "lahti ühendatud" funktsiooni 4 päevaga ülaltoodud 8-astmelise vooluga; Ilma tehisintellektita oli prognoos 12 päeva. Kuid kuna ta kontrollis iga sammu, kiideti väljaanne esimest korda heaks. Kiirus oli tõeline, sest distsipliin oli tõeline. Õppetund: AI + kontrollimine on kiirem kui AI - kontrollimine.
Juhtum 2 – kallutatus tabatud. AI-l põhineva nimisõna-soo ennustusfunktsiooni testimisel märkas meeskond süstemaatilisi vigu mõnes türgi nimisõnas; mudelit koolitati peamiselt ingliskeelsete andmete põhjal. Funktsioon on muudetud valede eelduste tegemise asemel küsimiseks kasutajalt. Õppetund: arendaja ülesanne on testida mudeli koolituse eelarvamusi.
Juhtum 3 – "AI ütles nii" kaitse varises kokku. Arendaja avaldas tehisintellekti loodud maksekoodi ilma seda kinnitamata; Ühel äärmuslikul juhul tegi kood topeltkogumisi. Vastutust ei eemaldata sõnadega "AI kirjutas selle"; Kontoomanikuna oli ta arendaja. Õppetund: vastutust ei saa delegeerida.
Nõrk viip / Tugev viip
Nõrk viip: "Kirjutage mulle täielik kviitungi skannimise rakendus."
Võimas viip: "Aidake mul samm-sammult välja töötada funktsioon "Kviitungist kulu lisamine". Jätkame järjekorras, kui ma iga sammu kontrollin ja kinnitan, liikuge järgmise juurde: 1) ekraan + neli olekut + juurdepääsetavus2) MVVM-i kihid (kaamera, mudel, vaatemudel)3) lugemise summa/kuupäev alates ML-komplekti kättesaamisest + litsentsitasu skoor (4) + litsentsiluba. Voog5) Seadme- ja kasutajaliidese testid Rääkige mulle riskidest ja punktidest, mida pean igal etapil kontrollima."
Kopeeritavad mallid
Täielik planeerimismall: "Arendan välja järgmise funktsiooni: [funktsioon]. Jaotage see kontrollitavateks etappideks: disain, kood, AI integreerimine, privaatsus/luba, testimine, jõudlus, väljalase. Kirjutage iga etapi väljund, risk ja kontrollikriteeriumid. Ärge tehke ühtki hiiglaslikku tootmist."
Eetika/kallutatuse auditi mall: "Õigluse ja eelarvamuste huvides auditige järgmist AI funktsiooni: [funktsioon]. Millistele kasutajarühmadele see halvasti toimida võib? Kuidas mõjutavad koolitusandmed eelarvamusi? Kuidas seda testida, kuidas seda kaasavamaks muuta?"
Vastutuse kontrolli mall: "Loetlege vastutuse küsimused, mida peaksin enne selle AI-ga loodud koodi/funktsiooni avaldamist küsima: kas ma sain sellest aru, kas olen seda testinud, kas see on ohutu, kas see on kasutajale läbipaistev, kas see on seaduslik/eetiline?"
Pideva õppimise mall: "Pakkuge välja 4-nädalane praktiline plaan oma AI-oskuste parandamiseks mobiiliarendajas: üks teema igal nädalal (kood, integreerimine, testimine, väljalase), eesmärgiga väike projekt ja kontrollimisharjumus."
Levinud vead
- Keeruka funktsiooni tootmine ühe hiiglasliku taotlusega. Ei saa kontrollida; jaotage see sammudeks.
- Vastutuse vältimine, öeldes "AI kirjutas nii". Teie vastutate avaldatud koodi eest.
- Ei testita AI eelarvamusi. Mudel võib mõnes rühmas halvasti töötada; Testige õiglust.
- AI interaktsiooni peitmine kasutaja eest. Läbipaistvus on usalduse alus.
- AI piirangute unustamine. Inimestel on viimane sõna arhitektuuri, eetika ja praeguse API osas.
- Õppimise lõpetamiseks. Tööriistad ja kaupluse reeglid muutuvad kiiresti; Olge pidevalt kursis.
Kokkuvõttes
Täielik funktsioon ühendab kõik mooduli osad ahelas: disain, kood, AI integreerimine, privaatsus, testimine, silumine, jõudlus ja väljalase. Igal sammul AI kiirendab, inimene kontrollib ja otsustab; Keeruline töö on jaotatud väikesteks kontrollitavateks etappideks. Vastutustundlik kasutamine põhineb kolmel põhimõttel: läbipaistvus, kontrollimine-vastutus ja õiglus – ära kahjusta. AI on võimas kordistaja, kuid inimestel on viimane sõna arhitektuuri, eetika, turvalisuse ja praeguste teadmiste osas. "AI tegi seda nii" ei ole kaitse; Vastutate oma toote ja kasutajale antud lubaduse eest. Selle distsipliiniga muudab AI teid kiiremaks, põhjalikumaks ja tugevamaks kogu teie karjääri jooksul.
Rakenduse ülesanne
Jaotage oma valitud mobiilifunktsioon (nt "kokkuvõtte tegemine häälmärkmete tegemise teel" või "toote tuvastamine fotolt") kontrollitavateks sammudeks "Täieliku planeerimismalliga". Tegelikult arendage ja kinnitage tehisintellektiga vähemalt üks samm. Seejärel analüüsige, millistele kasutajarühmadele võib funktsioon "Eetika/eelarvamuste kontrollmalliga" probleeme tekitada, ja vastake "Vastutuskontrolli malliga" küsimustele, mida peate enne vabastamist küsima.
kontrollnimekiri
- [ ] Jagasin funktsiooni kontrollitavateks väikesteks sammudeks, mitte üheks hiiglaslikuks lavastuseks
- [ ] Kontrollisin tehisintellekti väljundit igal sammul ja tegin otsuse
- [ ] Esitasin AI interaktsiooni kasutajale läbipaistvalt
- [ ] Hindasin, kas funktsioon töötab erinevates rühmades õiglaselt/kallutatult
- [ ] Vastasin avaldamiseelsetele vastutuse küsimustele (arusaadav/testimine/ohutu/eetiline)
- [ ] Olen kasutanud tehisintellekti ainult pädevatel ja konstruktiivsetel eesmärkidel ning kavatsen edasi õppida
Mooduli eksam
1. Milline järgmistest on kõige täpsem tehisintellekti positsioneerimine mobiiliarenduses?
- A) AI asendab arendajat; saab avaldada otse ilma selle loodud koodi lugemata
- B) Tehisintellekt töötab ainult teksti kirjutamisel, koodi genereerimisega pole sellel midagi pistmist
- C) Tehisintellekt on abiline ja kiirendaja; Vastutus arhitektuuri-, turva- ja ringhäälinguotsuste eest lasub inimestel ✔
- D) Kuna tehisintellekt toodab alati õiget koodi, ei ole täiendavad testimised ja kontrollimised vajalikud
Kirjeldus: Tehisintellekt on assistent ja kiirendi, mis genereerib koodi, jooniseid ja lahendusi. Vastutus ja otsuste lõplik kinnitamine, nagu arhitektuur, lubade andmine, turvalisus ja avaldamine, lasub pädeval arendajal; Inimesed vastutavad iga avaldatud rea eest.
2. Mis tõstab tehisintellektilt mobiilikoodi küsimisel toodetava koodi arhitektuurset kvaliteeti kõige enam?
- A) Hoidke viip võimalikult lühike ja öelge "kirjuta mulle rakendus".
- B) Esiteks kehtestage arhitektuur nagu MVVM ja taotlege koodi väikeste tükkidena, kiht kihi haaval ✔
- C) Kogu funktsiooni loomine ühe hiiglasliku failina ühe viipaga
- D) Ära täpsusta arhitektuuri üldse ja jäta parim otsus tehisintellekti hooleks
Selgitus. Sellise arhitektuuri nagu MVVM rakendamine ja kihtide kaupa nõudmine enne koodi otse AI-sse kirjutamist loob testitava ja hooldatava struktuuri, mis eraldab loogika ekraanist. Päring ilma arhitektuurita tagastab koodi, mis kogub kõik ekraanile.
3. Mis jääb tehisintellektiga liidese loomisel kõige sagedamini tähelepanuta ja mis on reaalses kasutuses kõige kriitilisem?
- A) Laadimis-, tühja- ja veaolekute kujundamine, mitte ainult täisekraanil ✔
- B) Tootmine ainult parima välimusega täisekraanil, jättes vahele muud juhtumid
- C) Lisage igale ekraanile võimalikult palju värve ja animatsioone
- D) Juurdepääsetavuse siltide jätmine viimaseks ja ainult välimusega tegelemine
Selgitus: arendajad võtavad sageli arvesse ainult täielikku olekut; kusjuures tegelikkuses kohtab kasutaja enamasti laadimis-, tühi- ja veaolekuid. Kõigi nelja oleku genereerimine (laadimine / tühi / viga / täis) on tugeva liidese saladus.
4. Miks on delikaatseid isikuandmeid töötleva funktsiooni (nt tervisemõõtmise) puhul sageli vaikevalik seadmesisene tehisintellekt?
- A) Seadmes olevad mudelid on alati täpsemad kui pilv
- B) Seadmesisese töötlemisega ei kaasne kunagi aku- ega protsessorikulusid
- C) Seadmesisene töötlemine on mudeli suuruse osas piiramatu
- D) Kuna andmed ei lahku telefonist, annab see tugeva eelise privaatsuse ja kasutajate usalduse osas ✔
Selgitus: seadmesisene töötlemine ei eemalda telefonist andmeid; See on suur eelis privaatsuse järgimise ja kasutajate usalduse osas, lisaks töötab see võrguühenduseta ja koheselt. Selle piirang on seadme võimsus ja mudeli suurus.
5. Mis on kõige levinum vaikne viga, mis põhjustab mõttetuid tulemusi ja ei anna seadmesisese mudeli integreerimisel veateadet?
- A) Mudeli failinime vale kirjapilt
- B) Rakenduse ikooni madal eraldusvõime
- C) Vale sisendi eeltöötlus (suurus/normaliseerimine) ✔
- D) Tumeekraani teema
Selgitus: sisendi eeltöötluse ebaõige tegemine annab täiesti valed tulemused ilma vigu tekitamata. Eeltöötluse väärtused tuleks kontrollida mudeli dokumentatsioonist.
6. Mis on turvalisuse seisukohalt kõige olulisem reegel pilv LLM-i integreerimisel mobiilirakendusse?
- A) API võtit tuleks hoida ainult taustaprogrammis, mitte kliendis; taotlused peavad minema puhverserveri kaudu ✔
- B) API-võti tuleks mugavuse huvides manustada otse rakenduse koodi
- C) API-võtit tuleks rakenduse kirjelduses jagada
- D) API võtit tuleks hoida kliendis ja peita ainult nime muutmisega.
Avalikustamine: API-võtit ei manustata kunagi mobiilirakenduse koodi; sest rakendust saab pöördprojekteerida ja võtme eraldada. Õige arhitektuur on hoida võtit ainult taustaprogrammis ja edastada päringuid oma puhverserveri kaudu.
7. Mis suurendab kõige enam kasutaja tajutavat kiirust ja funktsioonide valmimise määra pikkades LLM-i vastustes?
- A) Ootame, kuni kogu vastus on koostatud, ja näitad seda korraga
- B) Vastuse kuvamine sõna-sõnalt nii, nagu see toodetakse, voogedastusega ✔
- C) Kogu vestlusajaloo saatmine mudelile iga päringuga
- D) Suurendage mudeli juhist, et pikendada vastust nii palju kui võimalik
Kirjeldus: voogesitus suurendab märgatavalt tajutavat kiirust ja sujuvust, kuvades vastuse sõna-sõnalt. Tühjal ekraanil ootamise asemel jälgib kasutaja tekstivormi; See vähendab oluliselt loobumise määra.
8. Mis on tehisintellekti toodetud testides kõige levinum probleem, mis muudab testi väärtusetuks?
- A) Testid hõlmavad liiga palju piirseisundeid
- B) Testides kasutatakse näidisobjekte, mitte tegelikke teenuseid
- C) Testid jooksevad väga kiiresti
- D) Kontrollige puhitus tühjade/kasutute testidega, mis tegelikult käitumist ei kinnita ✔
Selgitus: tehisintellekt toodab mõnikord teste, mis tegelikult ei kontrolli ühtegi väljundit (nt lihtsalt helistage funktsioonile ja kirjutage tühi väide). Need suurendavad leviala numbrit, kuid ei paku tegelikku kaitset; Mõtteka käitumise kontrollimiseks tuleb kontrollida iga testi.
9. Miks ei ole piisav lahendus avarii vaigistamiseks tehisintellekti soovitusega proovile panemisega?
- A) try-catchit ei saa mobiilirakendustes üldse kasutada
- B) Krahh peatub, kuid kuna algpõhjus ei lahene, taastub probleem teisel kujul ✔
- C) Try-catch'i kasutamine aeglustab rakendust, seega on see keelatud
- D) Pood lükkab vaigistatud vea automaatselt tagasi
Selgitus: sümptomi vaigistamine ei lahenda algpõhjust; Krahh peatub, kuid algne probleem (nt katkendlik andmeühendus) taastub teisel kujul (nt andmekadu). Professionaalse silumise eesmärk on lahendada algpõhjus, mitte sümptom.
10. Mis on põhiline kuldreegel, mida jõudluse optimeerimisel järgida?
- A) Kõigepealt võtke profiil ja mõõtke tegelik kitsaskoht, seejärel optimeerige ✔
- B) Arvamine, kus on aeglane, ja keskendumine seal
- C) Väikeste kasutegurite tagaajamine igas funktsioonis
- D) Emulaatori jõudluse mõõtmine ega proovi kunagi päris seadet
Kirjeldus: kõigepealt mõõta, hiljem optimeerida. Tegelik pudelikael on peaaegu alati prognoositust erinevas kohas; Optimeerimine ilma profiilideta on pime oletus ja sageli raisatud pingutus.
11. Mis on pidevalt töötava tehisintellekti funktsiooni (nt otsekaamera tõlge) puhul kõige olulisem insenertehniline mure?
- A) Funktsioon nõuab võimalikult palju õigusi
- B) Pideva töötlemise aku ja protsessori kulude haldamine proovivõtusageduse ja partiitöötlusega ✔
- C) Kasutage seda funktsiooni ainult kõige kallimates telefonides
- D) Kaamera pidev renderdamine suurima võimaliku kaadrisagedusega
Kirjeldus: Pidevalt töötav mudel, kaamera ja võrk; See võib akut kiiresti tühjendada, seadet soojendada ja süsteemi poolt piirata. Proovivõtusageduse vähendamine, partiide jaotamine ja ainult vajaduse korral töötamine on viise aku kulu haldamiseks.
12. Mida tähendab mobiiliarenduses lubade haldamise „väikseima privileeg” põhimõte?
- A) Igaks juhuks küsige käivitamisel kõiki võimalikke õigusi.
- B) Rakenduse kasutuskõlbmatuks muutmine, kui luba on keelatud
- C) Kõige laiema loa küsimine ja plaanimine seda hiljem kitsendada.
- D) Vajadusel ja kõige kitsamas ulatuses ainult tegelikult nõutava loa taotlemine tagasilükkamise stsenaariumiga ✔
Selgitus: Väikseim privileeg on küsida ainult tegelikult vajalikku luba, siis, kui seda vajatakse, ja võimalikult kitsas ulatuses. Liiga palju lubasid õõnestab kasutajate usaldust, viib poe tagasilükkamiseni ja suurendab andmete lekke ohtu.
13. Milliseid konkreetseid nõudeid tuleb täita tehisintellektiga rakenduse poele esitamisel?
- A) Sisu läbipaistvus, sisu kontroll ja tehisintellektile minevate andmete avaldamine konfidentsiaalsuse vormis ✔
- B) Tehisintellekti kasutamise varjamine kasutaja eest
- C) Andmete märkimine, mida privaatsusvormil tegelikult ei koguta
- D) Paljutõotavad funktsioonid, mida kirjelduses ei ole
Avalikustamine: poed ootavad sisu läbipaistvust (teade, et see toodab tehisintellekti), sisu modereerimist (kahjuliku väljundi ja kasutajate teavituste filtreerimine) ning tehisintellekti sisaldavate rakenduste andmekasutuse avalikustamist; Tundlikus piirkonnas on nõutav täpsushoiatus. Need taotlused lükatakse tagasi.
14. Miks on kaitse „AI kirjutas niimoodi” kehtetu, kui avaldatud tehisintellekti loodud koodis ilmneb tõrge?
- A) Kuna tehisintellekt toodab alati veavaba koodi, tuleb viga kasutajalt
- B) Kuna salvestab automaatselt õige tehisintellekti loodud koodi
- C) Sest vastutust ei saa üle kanda tehisintellektile; Arendaja vastutab avaldatud koodi ja andmete eest ✔
- D) Kuna tehisintellekti loodud koodi ei panda kunagi aktiivseks
Kirjeldus: AI väljund on lähtepunkt, mitte valmistoode. Arendaja vastutab iga avaldatud rea, iga töödeldud andmete ja iga antud lubaduse eest; vastutust ei saa AI-le delegeerida, seega tuleb väljundist enne avaldamist aru saada ja seda testida.