Voitot:
- Kyky kehittää mobiiliominaisuus päästä päähän ja todennettavissa suunnittelun, koodin, tekoälyintegroinnin, yksityisyyden, testauksen, virheenkorjauksen, suorituskyvyn ja julkaisuvaiheiden osalta
- Kyky luoda puitteet tekoälyn vastuulliselle ja eettiselle käytölle läpinäkyvyyden, verifiointi-vastuullisuuden ja oikeudenmukaisuuden-ei-haitallisuuden periaatteiden mukaisesti.
- Kyky luoda kestävä ammatillinen käytäntö erottamalla alueet, joilla tekoäly on vahvaa ja heikkoa ja pitämällä lopullisen päätöksen ihmisten käsissä.
Koko tämän moduulin aikana käytimme tekoälyä mobiilikehityksen kaikissa vaiheissa: koodin luomisessa, käyttöliittymässä, laitteiden ja pilvi AI-integraatiossa, testaamisessa, virheenkorjauksessa, suorituskyvyssä, yksityisyydessä ja myymälätoimituksessa. Tässä viimeisessä jaksossa yhdistämme kaikki nämä osat yhdeksi päästä päähän -virtaukseksi, selvennämme tekoälyn vastuullisen ja eettisen käytön puitteita ja puhumme siitä, kuinka nämä taidot voidaan muuttaa kestäväksi ammattitoiminnaksi. Ydinviesti ei ole muuttunut, mutta se on nyt vakiintunut: AI on voima, joka moninkertaistaa pätevän mobiilikehittäjän; se ei ole korvike. Se on henkilö, joka on vastuussa tuotteen laadusta, turvallisuudesta ja lupauksesta käyttäjälle.
Päästä päähän -ominaisuus: osien yhdistäminen
Todellisen ominaisuuden kehittäminen alusta loppuun tekoälytuen avulla yhdistää kaikki oppimamme yksiköt ketjuun. Esimerkki: "lisää kulut kuitista" -ominaisuus. Flow toimii näin:
- Suunnittelu (osa 3). Piirrä näyttö ja neljä tilaa (lataus/tyhjä/virhe/täynnä) tekoälyllä, pyydä käytettävyyttä alusta alkaen.
- Koodi (yksikkö 2). Luo kamera, tietomalli ja ViewModel kerros kerrokselta MVVM:n avulla; tarkista jokainen kerros.
- Laitteen AI (yksikkö 4). Lue summa/päivämäärä kuitista ML Kit -tekstintunnistuksen avulla; Harkitse esikäsittelyä ja luottamuspisteiden laskemista.
- Luottamuksellisuus (osa 9). Pyydä kameran lupa vähiten etuoikeuksilla, kirjoita hylkäysskenaario, säilytä tiedot laitteella.
- Testaus (yksikkö 6). Luo yksikkötestejä poimintalogiikasta, näytön käyttöliittymätestausta; Sisällytä rajavaltiot.
- Virheenkorjaus (yksikkö 7). Pyydä tekoälyä analysoimaan kaatumiset kontekstin kanssa ja ratkaisemaan niiden perimmäinen syy.
- Suorituskyky (yksikkö 8). Mittaa kameran käsittelyn akun hinta ja aseta se akkuystävälliseksi.
- Lähetys (yksikkö 10). Ilmoita tekoälyn käytöstä avoimesti, täytä tietosuojalomake totuudenmukaisesti ja suorita itsetesti.
Jokaisessa vaiheessa tekoäly kiihtyy, ihminen tarkistaa ja päättää. Tämä silmukka on moduulin ydin.
Vinkki: Älä yritä saada tekoälyä tekemään monimutkaista ominaisuutta yhdellä jättimäisellä pyynnöstä. Jaa se todennettaviin vaiheisiin kuten yllä. Kunkin vaiheen tulosten testaus ja siirtyminen seuraavaan on sekä turvallisempaa että viime kädessä nopeampaa. Koska et saa kiinni suuresta virheestä ei lopussa, vaan ensimmäisessä vaiheessa.
Tekoälyn vastuullinen ja eettinen käyttö
Pelkkä tekninen osaaminen ei riitä; vastuullinen kehys täydentää sen. Kolme periaatetta:
Läpinäkyvyys. Käyttäjän on tiedettävä, että hän on vuorovaikutuksessa tekoälyn kanssa. Salainen tekoäly rikkoo luottamusta. Tekoälyn luoma sisältö on merkitty; Tekoälyn neuvot esitetään "hyödyllisinä neuvoina" eikä "kovana totuutena".
Todentaminen ja tilivelvollisuus. AI-tulostus on lähtökohta, ei valmis tuote. Olet vastuussa jokaisesta julkaistusta koodirivistä, jokaisesta tekoälyvastauksesta ja jokaisesta datatapahtumasta. "Tekoäly kirjoitti sen niin" ei ole puolustus.
Oikeudenmukaisuus ja pahuuttamattomuus. Tekoälymallit voivat sisältää harhoja datasta, johon ne on koulutettu. Kasvojentunnistus voi toimia huonommin joillakin ihoväreillä, suositusmoottori voi sulkea pois ryhmän. Sinun vastuullasi on testata, että tuotteesi toimii reilusti eri käyttäjäryhmissä.
Huomio: Kaikkia IT- ja turvallisuusalalla opittuja tekniikoita käytetään vain valtuutettuihin ja rakentaviin tarkoituksiin. Tekoälyn käyttö haittaohjelmien luomiseen, jonkun toisen sovelluksen murtamiseen ilman lupaa, käyttäjätietojen keräämiseen ilman lupaa tai harhaanjohtavan sisällön tuottamiseen on laitonta ja vastoin ammatin etiikkaa. Voiman mitta paljastuu siellä, missä sitä ei käytetä.
Tekoälyn rajojen tunnistaminen
Kypsä kehittäjä tietää, missä tekoäly loistaa ja missä se epäonnistuu.
AI on voimakas
AI on heikko
Muottikoodi, kattilalevyjen valmistus
Tuote- ja arkkitehtuuripäätökset
Testaus ja dokumentaatioluonnos
Liiketoiminnan kontekstin ja käyttäjän ymmärtäminen
Vikalokin lukeminen, virheskannaus
Lopullinen syydiagnoosi (tarkistus vaaditaan)
Oppiminen, käsitteiden selitys
Nykyiset / valmistamattomat API-tiedot
Teksti, kuvaus, käännös
Etiikka, turvallisuus ja oikeudellinen lopullinen päätös
Tämän eron sisäistäminen on avaintekijä tekoälyn tehokkaassa käytössä ja sen sudenkuopat välttämisessä.
kolme minilaukkua
Tapaus 1 — Päästä päähän -nopeus. Yksi yksinkehittäjä sai "unplugged" -ominaisuuden valmiiksi 4 päivässä yllä olevan 8-vaiheisen virran kanssa; Ilman tekoälyä arvio oli 12 päivää. Mutta koska hän varmisti jokaisen askeleen, julkaisu hyväksyttiin ensimmäistä kertaa. Nopeus oli todellista, koska kuri oli todellista. Oppitunti: AI + -vahvistus on nopeampi kuin AI -vahvistus.
Tapaus 2 – harha kiinni. Testaessaan tekoälyyn perustuvaa substantiivien sukupuolen ennustusominaisuutta, ryhmä huomasi systemaattisia virheitä joissakin turkin kielen substantiiviissa; mallia koulutettiin enimmäkseen englanninkielisten tietojen perusteella. Ominaisuus on muutettu kysymään käyttäjältä väärän oletuksen tekemisen sijaan. Oppitunti: kehittäjän tehtävänä on testata mallin harjoitteluharhaa.
Tapaus 3 - "AI sanoi niin" -puolustus romahti. Kehittäjä julkaisi tekoälyn luoman maksukoodin vahvistamatta sitä; Yhdessä ääritapauksessa koodi teki kaksoiskeräyksiä. Vastuuta ei poisteta sanomalla "AI kirjoitti sen"; Tilin haltijana hän oli kehittäjä. Oppitunti: vastuuta ei voi delegoida.
Heikko kehote / Vahva kehote
Heikko kehote: "Kirjoita minulle täydellinen kuitin skannaussovellus."
Tehokas kehote: "Auta minua kehittämään 'lisää kulut kuitista' -ominaisuuden vaihe vaiheelta. Jatketaan järjestyksessä, kun vahvistan ja hyväksyn jokaisen vaiheen, siirry seuraavaan: 1) Näyttö + neljä tilaa + saavutettavuus2) MVVM-tasot (kamera, malli, ViewModel)3) Lukumäärä/päivämäärä kuitista ML Kitin kanssa + luottamuksellinen pistemäärä (4) +luottamusoikeuspiste flow5) Yksikkö- ja käyttöliittymätestit Kerro minulle riskit ja kohdat, jotka minun on tarkistettava jokaisessa vaiheessa."
Kopioitavat mallit
Päästä päähän -suunnittelumalli: "Kehitän seuraavan ominaisuuden: [ominaisuus]. Jaa se todennettavissa oleviin vaiheisiin: suunnittelu, koodi, tekoälyintegraatio, tietosuoja/luvat, testaus, suorituskyky, julkaisu. Kirjoita kunkin vaiheen tulos, riski ja vahvistuskriteerit. Älä tee yhtä jättituotantoa."
Etiikka/harhatarkistusmalli: "Tarkista seuraava tekoälyominaisuus oikeudenmukaisuuden ja puolueellisuuden varmistamiseksi: [ominaisuus]. Mitkä käyttäjäryhmät voivat toimia huonosti? Miten koulutustiedot vaikuttavat harhaan? Miten testaan sitä, miten voin tehdä siitä kattavamman?"
Vastuullisuuden tarkistusmalli: "Luettelo vastuullisuuskysymykset, jotka minun pitäisi kysyä ennen tämän tekoälyn luoman koodin/ominaisuuden julkaisemista: ymmärsinkö sen, olenko testannut sen, onko se turvallista, onko se läpinäkyvää käyttäjälle, onko se laillista/eettistä?"
Jatkuvan oppimisen malli: "Ehdota 4 viikon käytännön suunnitelmaa tekoälytaitojeni parantamiseksi mobiilikehittäjänä: yksi aihe joka viikko (koodi, integrointi, testaus, julkaisu), tavoitteena pieni projekti ja todennustapa."
Yleisiä virheitä
- Monimutkaisen ominaisuuden tuottaminen yhdellä jättimäisellä pyynnöstä. Ei voida vahvistaa; jakaa se vaiheisiin.
- Vältä vastuuta sanomalla "AI kirjoitti niin". Olet vastuussa julkaistusta koodista.
- Ei testata tekoälyn harhaa. Malli saattaa toimia huonosti joissakin ryhmissä; Testaa oikeudenmukaisuutta.
- AI-vuorovaikutuksen piilottaminen käyttäjältä. Avoimuus on luottamuksen perusta.
- Tekoälyn rajoitukset unohtamatta. Ihmisillä on viimeinen sana arkkitehtuurista, etiikasta ja nykyisestä API:sta.
- Oppimisen lopettamiseksi. Työkalut ja kaupan säännöt muuttuvat nopeasti; Pysy jatkuvasti ajan tasalla.
Yhteenvetona
Päästä päähän -ominaisuus yhdistää kaikki moduulin osat ketjuun: suunnittelu, koodi, tekoälyintegraatio, yksityisyys, testaus, virheenkorjaus, suorituskyky ja julkaisu. Tekoäly kiihdyttää joka vaiheessa, ihminen tarkistaa ja päättää; Monimutkainen työ jakautuu pieniin todennettavissa oleviin vaiheisiin. Vastuullinen käyttö perustuu kolmeen periaatteeseen: läpinäkyvyys, todentaminen-vastuullisuus ja oikeudenmukaisuus - ei haittaa. Tekoäly on voimakas kerrannaisvaikutus, mutta ihmisillä on viimeinen sana arkkitehtuurista, etiikasta, turvallisuudesta ja nykytiedosta. "Tekoäly teki niin" ei ole puolustus; Olet vastuussa tuotteestasi ja käyttäjällesi antamastasi lupauksesta. Tämän kurinalaisuuden avulla tekoäly tekee sinusta nopeamman, kattavamman ja vahvemman koko urasi ajan.
Sovellustehtävä
Jaa valitsemasi mobiiliominaisuus (esim. "yhteenveto tekemällä äänimuistiinpanoja" tai "tuotteen tunnistus valokuvasta") todennettaviin vaiheisiin "päästä päähän -suunnittelumallin avulla". Kehitä ja validoi ainakin yksi vaihe tekoälyllä. Analysoi sitten, mitkä käyttäjäryhmät ominaisuus saattaa aiheuttaa ongelmia "Etiikka/bias-hallintamallissa" ja vastaa kysymyksiin, jotka sinun tulee kysyä ennen julkaisua "Vastuuhallintamallilla".
tarkistuslista
- [ ] Jakoin ominaisuuden todennettavissa oleviin pieniin vaiheisiin, en yhteen jättituotantoon
- [ ] Tarkastin tekoälyn jokaisessa vaiheessa ja tein päätöksen
- [ ] Esitin tekoälyn vuorovaikutuksen käyttäjälle läpinäkyvästi
- [ ] Arvioin, toimiiko ominaisuus reilusti/puoluellisesti eri ryhmissä
- [ ] Vastasin julkaisua edeltäviin vastuukysymyksiin (ymmärretty/testaus/turvallinen/eettinen)
- [ ] Olen käyttänyt tekoälyä vain päteviin ja rakentaviin tarkoituksiin ja aion jatkaa oppimista
Moduulin tentti
1. Mikä seuraavista on tarkin tekoälyn paikannus mobiilikehityksessä?
- A) AI korvaa kehittäjän; voidaan julkaista suoraan lukematta sen luomaa koodia
- B) Tekoäly toimii vain tekstin kirjoittamisessa, sillä ei ole mitään tekemistä koodin luomisen kanssa
- C) Tekoäly on avustaja ja kiihdytin; Vastuu arkkitehtuuri-, turvallisuus- ja lähetyspäätöksistä on ihmisillä ✔
- D) Koska tekoäly tuottaa aina oikean koodin, lisätestaus ja -varmennus ovat tarpeettomia
Kuvaus: Tekoäly on apulainen ja kiihdytin, joka luo koodia, piirustuksia ja ratkaisuja. Vastuu ja päätösten lopullinen hyväksyntä, kuten arkkitehtuuri, lupa, turvallisuus ja julkaisu, kuuluu toimivaltaiselle kehittäjälle; Ihmiset ovat vastuussa jokaisesta julkaistusta rivistä.
2. Mikä nostaa tuotetun koodin arkkitehtonista laatua eniten, kun mobiilikoodia pyydetään tekoälyltä?
- A) Pidä kehote mahdollisimman lyhyenä ja sano "kirjoita minulle sovellus"
- B) Aseta ensin arkkitehtuuri, kuten MVVM, ja pyydä koodi pieninä paloina, kerros kerrokselta ✔
- C) Tuotetaan koko ominaisuus yhtenä jättimäisenä tiedostona yhdessä kehotteessa
- D) Älä määritä arkkitehtuuria ollenkaan ja jätä paras päätös tekoälylle
Selitys: MVVM:n kaltaisen arkkitehtuurin käyttöönotto ja kerros kerrokselta ennen koodin kirjoittamista suoraan tekoälyyn tuottaa testattavan ja ylläpidettävän rakenteen, joka erottaa logiikan näytöstä. Pyyntö ilman arkkitehtuuria palauttaa koodin, joka tukkii kaiken näytölle.
3. Mikä jää useimmiten huomiotta luotaessa käyttöliittymää tekoälyn kanssa ja mikä on kriittisintä todellisessa käytössä?
- A) Lataus-, tyhjä- ja virhetilojen suunnittelu, ei vain koko näyttö ✔
- B) Tuottaa vain parhaan näköisen koko näytön, ohittaen muut tapaukset
- C) Lisää mahdollisimman monta väriä ja animaatiota jokaiseen näyttöön
- D) Esteettömyystunnisteiden jättäminen viimeiseksi ja vain ulkonäkö
Selitys: Kehittäjät ottavat usein huomioon vain "täyden" tilan; kun taas todellisuudessa käyttäjä kohtaa useimmiten lataus-, tyhjä- ja virhetiloja. Kaikkien neljän tilan (lataus/tyhjä/virhe/täysi) luominen on vankan käyttöliittymän salaisuus.
4. Miksi laitteen tekoäly on usein oletusvalinta ominaisuudelle, joka käsittelee arkaluontoisia henkilötietoja (esim. terveydentilamittaukset)?
- A) Laitteessa olevat mallit ovat aina tarkempia kuin pilvi
- B) Laitteessa tapahtuva käsittely ei koskaan aiheuta akku- tai prosessorikustannuksia
- C) Laitteessa tapahtuvaa käsittelyä ei ole mallikoon mukaan rajoitettu
- D) Koska tiedot eivät poistu puhelimesta, se tarjoaa vahvan edun yksityisyyden ja käyttäjien luottamuksen kannalta ✔
Selitys: Laitteessa tapahtuva käsittely ei poista tietoja puhelimesta. Tämä on vahva etu tietosuojan noudattamisen ja käyttäjien luottamuksen kannalta, ja se toimii myös offline-tilassa ja välittömästi. Sen rajana on laitteen teho ja mallin koko.
5. Mikä on yleisin 'hiljainen' virhe, joka aiheuttaa merkityksettömiä tuloksia eikä tuota virheilmoitusta laitteen sisäisessä malliintegraatiossa?
- A) Mallin tiedostonimen kirjoitusvirhe
- B) Sovelluskuvakkeen alhainen resoluutio
- C) Virheellinen syötteen esikäsittely (koko/normalisointi) ✔
- D) Tumman näytön teema
Selitys: Syöttöjen esikäsittelyn tekeminen väärin tuottaa täysin vääriä tuloksia ilman virheitä. Esikäsittelyarvot tulee tarkistaa mallin dokumentaatiosta.
6. Mikä on turvallisuuden kannalta kriittisin sääntö integroitaessa pilvi LLM:ää mobiilisovellukseen?
- A) API-avain tulee säilyttää vain taustajärjestelmässä, ei asiakkaassa; Pyynnöt tulee lähettää välityspalvelimen kautta ✔
- B) API-avain tulee upottaa suoraan sovelluskoodiin mukavuuden vuoksi
- C) API-avain tulee jakaa sovelluksen kuvauksessa
- D) API-avain tulee säilyttää asiakkaassa ja piilottaa vain nimeä vaihtamalla.
Paljastus: API-avainta ei ole koskaan upotettu mobiilisovelluksen koodiin; koska sovellus voidaan palauttaa ja avain purkaa. Oikea arkkitehtuuri on pitää avain vain taustajärjestelmässä ja välittää pyynnöt oman välityspalvelimesi kautta.
7. Mikä eniten lisää käyttäjän havaitsemaa nopeutta ja ominaisuuksien valmistumisastetta pitkissä LLM-vastauksissa?
- A) Odotetaan, kunnes koko vastaus on tuotettu, ja näytät sen kerralla
- B) Näytä vastaus sana sanalta sellaisena kuin se on tuotettu, suoratoistolla ✔
- C) Koko chat-historian lähettäminen mallille jokaisen pyynnön yhteydessä
- D) Suurenna malliohjetta, jotta vastaus laajenee mahdollisimman paljon
Kuvaus: Suoratoisto lisää dramaattisesti havaittua nopeutta ja sujuvuutta näyttämällä vastauksen sellaisena kuin se tuotetaan sana sanalta. Sen sijaan, että odottaisi tyhjää näyttöä, käyttäjä katselee tekstilomaketta; Tämä vähentää merkittävästi luopumisprosenttia.
8. Mikä on yleisin tekoälyn tuottamien testien ongelma, joka tekee testistä arvottoman?
- A) Testit kattavat liian monta rajatilaa
- B) Testeissä käytetään valeobjekteja, ei oikeita palveluita
- C) Testit kulkevat erittäin nopeasti
- D) Selvitä turvotusta tyhjillä/hyödyttömillä testeillä, jotka eivät itse asiassa vahvista käyttäytymistä ✔
Selitys: Tekoäly tuottaa joskus testejä, jotka eivät todellisuudessa vahvista mitään tulosta (esim. vain kutsuu funktiota ja kirjoitat tyhjän väitteen). Nämä lisäävät peittomäärää, mutta eivät tarjoa todellista suojaa; Jokainen testi on tarkistettava mielekkään toiminnan varmistamiseksi.
9. Miksi ei ole riittävä ratkaisu hiljentää törmäys laittamalla se kokeiluun tekoälyn ehdotuksella?
- A) try-catchia ei voi käyttää ollenkaan mobiilisovelluksissa
- B) Törmäys pysähtyy, mutta koska perimmäinen syy ei ratkea, ongelma palaa eri muodossa ✔
- C) Try-catchin käyttö hidastaa sovellusta, joten se on kielletty
- D) Kauppa hylkää automaattisesti vaimennettu virhe
Selitys: Oireen vaimentaminen ei ratkaise perimmäistä syytä. Kaatuminen pysähtyy, mutta alkuperäinen ongelma (esim. katkennut datayhteys) palaa toisessa muodossa (esim. tietojen katoaminen). Ammattimaisen virheenkorjauksen tavoitteena on ratkaista perimmäinen syy, ei oire.
10. Mikä on kultainen perussääntö suorituskyvyn optimoinnissa?
- A) Ota ensin profiili ja mittaa todellinen pullonkaula ja optimoi sitten ✔
- B) Arvaaminen missä on hidasta ja keskittyminen sinne
- C) Pienten voittojen tavoitteleminen jokaisessa funktiossa
- D) Emulaattorin suorituskyvyn mittaaminen ja todellisen laitteen kokeileminen
Kuvaus: Mittaa ensin, optimoi myöhemmin. Todellinen pullonkaula on lähes aina eri paikassa kuin ennustettiin; Optimointi ilman profilointia on sokea arvaus ja usein vaivan hukkaa.
11. Mikä on jatkuvasti käynnissä olevan tekoälyominaisuuden (esim. suoran kameran käännöksen) tärkein tekninen huolenaihe?
- A) Ominaisuus pyytää mahdollisimman monta käyttöoikeutta
- B) Jatkuvan käsittelyn akun ja prosessorin kustannusten hallinta näytteenottotaajuudella ja eräkäsittelyllä ✔
- C) Käytä ominaisuutta vain kalleimmissa puhelimissa
- D) Jatkuva renderöinti kameran korkeimmalla mahdollisella kuvanopeudella
Kuvaus: Jatkuvasti toimiva malli, kamera ja verkko; Se voi kuluttaa nopeasti akun, lämmittää laitteen ja järjestelmän rajoittaa sitä. Näytteenottotiheyden vähentäminen, jaksottaminen ja käyttö vain tarvittaessa ovat tapoja hallita akkukustannuksia.
12. Mitä 'least privilege' -periaate käyttöoikeuksien hallinnassa tarkoittaa mobiilikehityksessä?
- A) Kaikkien mahdollisten käyttöoikeuksien pyytäminen käynnistyksen yhteydessä varmuuden vuoksi.
- B) Sovelluksen tekeminen käyttökelvottomaksi, jos lupa evätään
- C) Laajemman luvan pyytäminen ja sen rajaaminen myöhemmin.
- D) Vain todella vaaditun luvan pyytäminen tarvittaessa ja suppeimmassa laajuudessa hylkäysskenaariolla ✔
Selitys: Vähiten etuoikeus on pyytää vain sitä lupaa, jota todella tarvitaan, silloin kun sitä tarvitaan ja mahdollisimman vähän. Liian monta käyttöoikeutta heikentää käyttäjien luottamusta, johtaa myymälän hylkäämiseen ja lisää tietovuotojen riskiä.
13. Mitä erityisvaatimuksia on täytettävä esitettäessä tekoälyä sisältävä sovellus myymälään?
- A) Sisällön läpinäkyvyys, sisällönhallinta ja tekoälyyn menevien tietojen paljastaminen luottamuksellisuuden muodossa ✔
- B) Tekoälyn käytön piilottaminen käyttäjältä
- C) Merkinnät tiedot, joita ei todellisuudessa kerätä tietosuojalomakkeeseen
- D) Lupaavia ominaisuuksia, joita kuvauksessa ei ole
Tietojen paljastaminen: Kaupat odottavat sisällön läpinäkyvyyttä (ilmoitus, että se tuottaa tekoälyä), sisällön valvontaa (haitallisen tulosteen suodatus ja käyttäjäilmoitukset) sekä tekoälyä sisältävien sovellusten tiedonkäytön paljastamista. Tarkkuusvaroitus vaaditaan herkällä alueella. Hakemukset, joista nämä puuttuvat, hylätään.
14. Miksi 'AI kirjoitti sen niin' -suojaus on virheellinen, kun julkaistussa tekoälyn luomassa koodissa tapahtuu reunakirjainvirhe?
- A) Koska tekoäly tuottaa aina virheetöntä koodia, virhe tulee käyttäjältä
- B) Koska tallentaa automaattisesti oikean tekoälyn luoman koodin
- C) Koska vastuuta ei voi siirtää tekoälylle; Kehittäjä on vastuussa julkaistusta koodista ja tiedoista ✔
- D) Koska tekoälyn tuottamaa koodia ei koskaan julkaista
Kuvaus: AI-tulostus on lähtökohta, ei valmis tuote. Kehittäjä on vastuussa jokaisesta julkaistusta rivistä, jokaisesta käsitellystä tiedosta ja jokaisesta annetusta lupauksesta; vastuuta ei voida siirtää tekoälylle, joten tulos on ymmärrettävä ja testattava ennen julkaisemista.