ಕಂಪ್ಯೂಟರ್ ಇಂಜಿನಿಯರಿಂಗ್‌ನಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಮತ್ತು ಪರಿಶೀಲನಾ ಶಿಸ್ತಿನ ಪರಿಚಯ

ಲಾಭಗಳು:

• ಸಾಫ್ಟ್‌ವೇರ್ ಡೆವಲಪ್‌ಮೆಂಟ್ ಲೈಫ್‌ಸೈಕಲ್‌ನಲ್ಲಿ AI ನೈಜ ವೇಗವನ್ನು ಎಲ್ಲಿ ಒದಗಿಸುತ್ತದೆ ಮತ್ತು ನಿರ್ಧಾರ ಮತ್ತು ಜವಾಬ್ದಾರಿ ಇಂಜಿನಿಯರ್‌ನಲ್ಲಿ ಉಳಿದಿದೆ ಎಂಬುದನ್ನು ಗುರುತಿಸುವ ಸಾಮರ್ಥ್ಯ
• ಸಂಕಲನ, ಪರೀಕ್ಷೆ ಮತ್ತು ವಿಮರ್ಶೆಯ ಮೂಲಕ ಉತ್ಪಾದಿಸಲಾದ ಪ್ರತಿಯೊಂದು ಕೋಡ್ ಮತ್ತು ವಿನ್ಯಾಸವನ್ನು ಪರಿಶೀಲಿಸುವ ಮೂರು-ಪದರದ ಎಂಜಿನಿಯರಿಂಗ್ ಶಿಸ್ತನ್ನು ಅನ್ವಯಿಸುವ ಸಾಮರ್ಥ್ಯ.
• ಗೌಪ್ಯ ಮೂಲ ಕೋಡ್, ರುಜುವಾತುಗಳು ಮತ್ತು ಗ್ರಾಹಕರ ಡೇಟಾವನ್ನು ಹಂಚಿಕೊಳ್ಳದೆಯೇ AI ಅನ್ನು ನಿಯಂತ್ರಿಸಲು ಸಂದರ್ಭವನ್ನು ತೆರವುಗೊಳಿಸುವ ಅಭ್ಯಾಸವನ್ನು ಪಡೆಯಿರಿ

ನೀವು ಕಂಪ್ಯೂಟರ್ ಇಂಜಿನಿಯರ್ ದಿನವನ್ನು ನೋಡಿದಾಗ, ಹೆಚ್ಚಿನ ತಂಡಗಳಲ್ಲಿ ಚಿತ್ರವು ಹೋಲುತ್ತದೆ: ವ್ಯಾಪಾರ ವಿನಂತಿಯನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು, ವಿನ್ಯಾಸ ಮಾಡುವುದು, ಕೋಡ್ ಬರೆಯುವುದು, ಬೇರೊಬ್ಬರ ಕೋಡ್ ಓದುವುದು, ಡೀಬಗ್ ಮಾಡುವುದು (ಪ್ರೋಗ್ರಾಂ ಏಕೆ ತಪ್ಪಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತಿದೆ ಮತ್ತು ಅದನ್ನು ಸರಿಪಡಿಸುವ ಪ್ರಕ್ರಿಯೆ), ಪರೀಕ್ಷೆಗಳನ್ನು ಬರೆಯುವುದು, ದಾಖಲೆಗಳನ್ನು ಸಿದ್ಧಪಡಿಸುವುದು, ಕೋಡ್ ಪರಿಶೀಲಿಸುವುದು ಮತ್ತು ಸಭೆಗಳಿಗೆ ಹಾಜರಾಗುವುದು. ಬೇರೆ ರೀತಿಯಲ್ಲಿ ಹೇಳುವುದಾದರೆ, ನಿಜವಾದ "ಎಂಜಿನಿಯರಿಂಗ್ ತೀರ್ಪು" ಕ್ಕೆ ಮೀಸಲಾದ ಸಮಯವನ್ನು, ಅಂದರೆ, ಪರಿಹಾರವು ಸರಿಯಾಗಿದೆಯೇ, ಸುರಕ್ಷಿತವಾಗಿದೆ ಮತ್ತು ಸಮರ್ಥನೀಯವಾಗಿದೆಯೇ ಎಂಬುದನ್ನು ಪುನರಾವರ್ತಿತ ಕೆಲಸದ ಅಡಿಯಲ್ಲಿ ಪುಡಿಮಾಡಲಾಗುತ್ತದೆ. ಇಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ (ಸಂಕ್ಷಿಪ್ತವಾಗಿ AI; ದೊಡ್ಡ ಭಾಷಾ ಮಾದರಿಯೊಂದಿಗೆ ಪಠ್ಯ ಮತ್ತು ಕೋಡ್‌ನಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುವ ಸಾಫ್ಟ್‌ವೇರ್) ಕಾರ್ಯರೂಪಕ್ಕೆ ಬರುತ್ತದೆ. AI ನಿಮಗಾಗಿ ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳುವುದಿಲ್ಲ; ಇದು ನಿರ್ಧಾರಕ್ಕಾಗಿ ನಿಮ್ಮನ್ನು ಸಿದ್ಧಪಡಿಸುತ್ತದೆ, ಕೋಡ್ ಅಸ್ಥಿಪಂಜರವನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ, ದೋಷವನ್ನು ಕಿರಿದಾಗಿಸುತ್ತದೆ ಮತ್ತು ಕೆಲಸದ ಕರಡು ನಿಮ್ಮ ಮುಂದೆ ಇಡುತ್ತದೆ. ಈ ಮಾಡ್ಯೂಲ್‌ನಾದ್ಯಂತ ನಾವು AI ಅನ್ನು "ಸ್ವಯಂಚಾಲಿತ ಪ್ರೋಗ್ರಾಮರ್" ಆಗಿ ಅಲ್ಲ ಆದರೆ ಶಿಸ್ತಿನ ಜೋಡಿ ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಪಾಲುದಾರರಾಗಿ ಇರಿಸುತ್ತೇವೆ, ಅದರ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಪ್ರತಿ ಬಾರಿ ಕಂಪೈಲ್ ಮಾಡಲಾಗುತ್ತದೆ, ಪರೀಕ್ಷಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಪರಿಶೀಲಿಸಲಾಗುತ್ತದೆ.

ಈ ಮೊದಲ ಘಟಕದಲ್ಲಿ, ನಾವು ಮೂರು ವಿಷಯಗಳನ್ನು ಸ್ಪಷ್ಟಪಡಿಸುತ್ತೇವೆ: ಸಾಫ್ಟ್‌ವೇರ್ ಅಭಿವೃದ್ಧಿ ಜೀವನಚಕ್ರದ ಯಾವ ಹಂತಗಳಲ್ಲಿ (ತಂತ್ರಾಂಶವು ಕಲ್ಪನೆಯಿಂದ ಉತ್ಪಾದನೆಗೆ ಹಾದುಹೋಗುವ ಹಂತಗಳು: ವಿಶ್ಲೇಷಣೆ, ವಿನ್ಯಾಸ, ಕೋಡಿಂಗ್, ಪರೀಕ್ಷೆ, ನಿಯೋಜನೆ, ನಿರ್ವಹಣೆ) AI ನೈಜ ಮೌಲ್ಯವನ್ನು ಸೇರಿಸುತ್ತದೆ; ಯಾವ ನಿರ್ಧಾರಗಳು ಇಂಜಿನಿಯರ್‌ನಲ್ಲಿ ಕಟ್ಟುನಿಟ್ಟಾಗಿ ಉಳಿಯಬೇಕು; ಮತ್ತು ಇದನ್ನು ಮಾಡುವಾಗ ನೀವು ಅನುಸರಿಸಬೇಕಾದ ಪರಿಶೀಲನೆ ಮತ್ತು ಗೌಪ್ಯತೆಯ ಶಿಸ್ತು ಯಾವುದು. ಈ ಮೇಲ್ಛಾವಣಿಯನ್ನು ಸರಿಯಾಗಿ ಸ್ಥಾಪಿಸದಿದ್ದರೆ, ನಂತರದ ಘಟಕಗಳಲ್ಲಿನ ತಂತ್ರಗಳು ಅಪಾಯಕಾರಿಯಾಗಬಹುದು; ಏಕೆಂದರೆ ಸಾಫ್ಟ್‌ವೇರ್‌ನಲ್ಲಿನ ದೋಷವು ಅದೇ ಸಮಯದಲ್ಲಿ ಲಕ್ಷಾಂತರ ಬಳಕೆದಾರರನ್ನು ತಲುಪುತ್ತದೆ ಮತ್ತು ಭದ್ರತಾ ದುರ್ಬಲತೆಯಾಗಿ ಬದಲಾಗಬಹುದು.

ಪರಿಕಲ್ಪನೆಗಳು: ಭ್ರಮೆ: AI ಯ ಮನವೊಪ್ಪಿಸುವ ಫ್ಯಾಬ್ರಿಕೇಶನ್ ವಿಧಾನ, ಗ್ರಂಥಾಲಯ, API, ಅಥವಾ ವಾಸ್ತವವಾಗಿ ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲದ ನಡವಳಿಕೆ. ಸಂದರ್ಭ: AI ಗೆ ನೀವು ನೀಡುವ ಇನ್‌ಪುಟ್ (ಕೋಡ್, ದೋಷ ಸಂದೇಶ, ಅವಶ್ಯಕತೆ, ನಿರ್ಬಂಧಗಳು). ಪರಿಶೀಲನೆ: ಸ್ವತಂತ್ರ ರೀತಿಯಲ್ಲಿ ಔಟ್ಪುಟ್ ಅನ್ನು ಪರಿಶೀಲಿಸುವುದು (ಸಂಕಲನ, ಪರೀಕ್ಷೆ, ದಸ್ತಾವೇಜನ್ನು). ಈ ಮೂರು ಪರಿಕಲ್ಪನೆಗಳು ಸಂಪೂರ್ಣ ಮಾಡ್ಯೂಲ್ನ ಬೆನ್ನೆಲುಬುಗಳಾಗಿವೆ.

ಯಾವ ವ್ಯವಹಾರಗಳಲ್ಲಿ AI ವೇಗವರ್ಧಕವಾಗಿದೆ, ಯಾವ ವ್ಯವಹಾರಗಳಲ್ಲಿ ಇದು ಅಪಾಯಕಾರಿ?

ಫಲಿತಾಂಶಗಳ ವಿಷಯದಲ್ಲಿ ಸಾಫ್ಟ್‌ವೇರ್ ಉದ್ಯೋಗಗಳು ದ್ವಿಮುಖ ಸ್ಪೆಕ್ಟ್ರಮ್‌ನಲ್ಲಿ ಬೀಳುತ್ತವೆ. ಒಂದು ತುದಿಯಲ್ಲಿ ಹಿಂತಿರುಗಿಸಬಹುದಾದ, ಕಡಿಮೆ ಅಪಾಯದ ಪೂರ್ವಸಿದ್ಧತಾ ಕೆಲಸ; ಇನ್ನೊಂದು ತುದಿಯಲ್ಲಿ, ಉತ್ಪಾದನಾ ಪರಿಸರವನ್ನು ಪ್ರವೇಶಿಸುವ ಕಷ್ಟಕರವಾದ-ಹಿಂತಿರುಗಿಸುವ ಕಾರ್ಯಗಳಿವೆ ಮತ್ತು ಡೇಟಾ ನಷ್ಟ, ಭದ್ರತಾ ದೋಷಗಳು ಅಥವಾ ಅಡಚಣೆಗಳಿಗೆ ಕಾರಣವಾಗಬಹುದು. ಈ ಸ್ಪೆಕ್ಟ್ರಮ್‌ನಲ್ಲಿ ನೀವು ಎಲ್ಲಿ ನಿಲ್ಲುತ್ತೀರಿ ಎಂಬುದರ ಆಧಾರದ ಮೇಲೆ AI ಮೌಲ್ಯವು ಬದಲಾಗುತ್ತದೆ.

ವ್ಯಾಪಾರ ಪ್ರಕಾರ

AI ಕೊಡುಗೆ

ಇಂಜಿನಿಯರ್ ಪಾತ್ರ

ಕೋಡ್ ಅಸ್ಥಿಪಂಜರ / ಬಾಯ್ಲರ್

ಪುನರಾವರ್ತಿತ ರಚನೆಯ ತ್ವರಿತ ಉತ್ಪಾದನೆ

ತರ್ಕ ಮತ್ತು ಅಂಚಿನ ಸ್ಥಿತಿ ನಿಯಂತ್ರಣ

ಡೀಬಗ್ ಮಾಡುವುದು

ಕಲ್ಪನೆ ಮತ್ತು ಸಂಭವನೀಯ ಕಾರಣಗಳ ಪಟ್ಟಿ

ಸಂತಾನೋತ್ಪತ್ತಿ ಮತ್ತು ಮೂಲ ಕಾರಣ ದೃಢೀಕರಣ

ಪರೀಕ್ಷೆಗಳನ್ನು ಬರೆಯುವುದು

ಪರೀಕ್ಷಾ ಕರಡು ಮತ್ತು ಸನ್ನಿವೇಶ ಸೃಷ್ಟಿ

ಅರ್ಥಪೂರ್ಣ ಪ್ರತಿಪಾದನೆ ಮತ್ತು ವ್ಯಾಪ್ತಿಯ ಪರಿಶೀಲನೆ

ರಿಫ್ಯಾಕ್ಟರಿಂಗ್

ರಿಫ್ಯಾಕ್ಟರಿಂಗ್ ಪ್ರಸ್ತಾವನೆ

ಪರೀಕ್ಷೆಯ ಮೂಲಕ ನಡವಳಿಕೆಯನ್ನು ಕಾಪಾಡಿಕೊಳ್ಳುವುದು

ದಾಖಲೀಕರಣ

ಮೊದಲ ಕರಡು ಮತ್ತು ರಚನೆ

ಕೋಡ್ ವಿರುದ್ಧ ಸರಿಯಾದತೆಯನ್ನು ಪರಿಶೀಲಿಸಿ

ಆರ್ಕಿಟೆಕ್ಚರಲ್/ಸೆಕ್ಯುರಿಟಿ ನಿರ್ಧಾರ

ಆಯ್ಕೆಗಳು ಮತ್ತು ಸಾಧಕ-ಬಾಧಕಗಳ ಪಟ್ಟಿ

ಅಂತಿಮ ನಿರ್ಧಾರ ಮತ್ತು ಜವಾಬ್ದಾರಿ

ನಿಯಮವು ಸರಳವಾಗಿದೆ: AI ಔಟ್‌ಪುಟ್‌ನ ಅಪಾಯವು ಆ ಔಟ್‌ಪುಟ್ ದೋಷವನ್ನು ಉಂಟುಮಾಡಿದರೆ ಅದು ಉಂಟುಮಾಡುವ ಹಾನಿಗೆ ಸಮನಾಗಿರುತ್ತದೆ. ವೇರಿಯಬಲ್ ಹೆಸರನ್ನು ತಪ್ಪಾಗಿ ಸೂಚಿಸುವುದು ನಿರುಪದ್ರವ; ಅಸಮರ್ಪಕ ದೃಢೀಕರಣ (ಬಳಕೆದಾರರು ನಿಜವಾಗಿಯೂ ಅವರು ಹೇಳಿಕೊಳ್ಳುತ್ತಿದ್ದಾರೆಯೇ ಎಂದು ಪರಿಶೀಲಿಸುವುದು) ಸಂಪೂರ್ಣ ಸಿಸ್ಟಮ್ ಅನ್ನು ದುರ್ಬಲಗೊಳಿಸುತ್ತದೆ. ಆದ್ದರಿಂದ ಔಟ್ಪುಟ್ ಅನ್ನು ಬಳಸುವ ಮೊದಲು ಕೇಳಬೇಕಾದ ಮೊದಲ ಪ್ರಶ್ನೆ: "ಇದು ತಪ್ಪಾಗಿದ್ದರೆ ಏನಾಗುತ್ತದೆ ಮತ್ತು ಯಾರು ಅದನ್ನು ಗಮನಿಸುತ್ತಾರೆ ಮತ್ತು ಯಾವಾಗ?"

ಎಚ್ಚರಿಕೆ: AI ನಿರರ್ಗಳ ಮತ್ತು ಆತ್ಮವಿಶ್ವಾಸದ ಕೋಡ್ ಅನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ. ನಿರರ್ಗಳತೆಯು ನಿಖರತೆಯ ಭರವಸೆಯಲ್ಲ. ಒಂದು ಭಾಷಾ ಮಾದರಿಯು ನಿಜವಾಗಿ ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲದ ಕಾರ್ಯದ ಹೆಸರನ್ನು, ತಪ್ಪಾದ ಪ್ಯಾರಾಮೀಟರ್ ಅನುಕ್ರಮ ಅಥವಾ ಅಸುರಕ್ಷಿತ ಮಾದರಿಯನ್ನು ವಿಶ್ವಾಸಾರ್ಹವಾಗಿ ಉತ್ಪಾದಿಸಬಹುದು. ಸಾಫ್ಟ್‌ವೇರ್‌ನಲ್ಲಿ, ಇದು ಕಾಗದದ ಮೇಲೆ ಉಳಿಯುವುದಿಲ್ಲ; ಇದು ಉತ್ಪಾದನೆಯಲ್ಲಿ ಕಂಪೈಲ್ ಮಾಡುತ್ತದೆ, ರನ್ ಆಗುತ್ತದೆ ಮತ್ತು ಸ್ಫೋಟಗೊಳ್ಳುತ್ತದೆ.

ಇಂಜಿನಿಯರ್‌ಗೆ ಬಿಡಬೇಕಾದ ನಿರ್ಧಾರಗಳು

ಕೆಲವು ನಿರ್ಧಾರಗಳು ಸಂಪೂರ್ಣವಾಗಿ ಸ್ವಯಂಚಾಲಿತವಾಗಿರಬಾರದು; ತಾಂತ್ರಿಕ, ಕಾನೂನು ಮತ್ತು ನೈತಿಕ ಅಪಾಯಗಳನ್ನು ಹೊಂದಿದೆ:

• ಉತ್ಪಾದನೆಗೆ ಅನುಮೋದನೆ: ಉತ್ಪಾದನೆಗೆ ಕೋಡ್ ಬಿಡುಗಡೆ ಮತ್ತು ಇದರ ಜವಾಬ್ದಾರಿ.
• ಭದ್ರತೆ ಮತ್ತು ವಾಸ್ತುಶಿಲ್ಪ: ದೃಢೀಕರಣ, ದೃಢೀಕರಣ, ಎನ್‌ಕ್ರಿಪ್ಶನ್ ಮತ್ತು ಡೇಟಾ ಮಾದರಿಯಂತಹ ದುಬಾರಿ ನಿರ್ಧಾರಗಳು.
• ಪರವಾನಗಿ ಮತ್ತು ಹಕ್ಕುಸ್ವಾಮ್ಯ: ವಾಣಿಜ್ಯ ಉತ್ಪನ್ನ ಮತ್ತು ಪರವಾನಗಿ ಅನುಸರಣೆಯಲ್ಲಿ ಉತ್ಪಾದಿಸಿದ ಕೋಡ್‌ನ ಉಪಯುಕ್ತತೆ.
• ಗೌಪ್ಯ ಡೇಟಾದೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುವುದು: ಗ್ರಾಹಕರ ಡೇಟಾ, ಮೂಲ ಕೋಡ್ ರಹಸ್ಯಗಳು ಮತ್ತು ಗುರುತಿನ ಮಾಹಿತಿಯೊಂದಿಗೆ ವಹಿವಾಟುಗಳು.

ಎಚ್ಚರಿಕೆ: "ಈ ಕೋಡ್ ಸುರಕ್ಷಿತವಾಗಿದೆ ಮತ್ತು ಉತ್ಪಾದನೆಗೆ ಸಿದ್ಧವಾಗಿದೆ" ಎಂದು AI ಹೇಳಿದರೂ ಸಹ, ಭದ್ರತಾ ಪರೀಕ್ಷೆ, ಕೋಡ್ ಪರಿಶೀಲನೆ ಮತ್ತು ನೈಜ ಲೋಡ್‌ನಲ್ಲಿ ಮೌಲ್ಯೀಕರಣವಿಲ್ಲದೆ ಇದನ್ನು ಸ್ವೀಕರಿಸುವುದು ಸ್ವೀಕಾರಾರ್ಹವಲ್ಲ. ಸುರಕ್ಷತೆ-ನಿರ್ಣಾಯಕ ಕೆಲಸದಲ್ಲಿ, AI ಔಟ್‌ಪುಟ್ ಎಂದಿಗೂ ಸಮರ್ಥ ಇಂಜಿನಿಯರ್‌ನಿಂದ ಅನುಮೋದನೆಗೆ ಬದಲಿಯಾಗಿರುವುದಿಲ್ಲ; ನಿರ್ಧಾರಕ್ಕೆ ಕಾರಣವಾಗುವ ಯಾವುದೇ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಅನುಷ್ಠಾನಕ್ಕೆ ಮೊದಲು ಅಧಿಕೃತ ಇಂಜಿನಿಯರ್‌ನಿಂದ ಸ್ವತಂತ್ರವಾಗಿ ಪರಿಶೀಲಿಸಬೇಕು ಮತ್ತು ಅನುಮೋದಿಸಬೇಕು.

ಪರಿಶೀಲನೆ ಶಿಸ್ತು: ಮೂರು-ಪದರದ ನಿಯಂತ್ರಣ

AI ಔಟ್‌ಪುಟ್ ಅನ್ನು ಕುರುಡಾಗಿ ಬಳಸುವ ಬದಲು ಹಿರಿಯ ವಿಮರ್ಶಕರಂತೆ ಬಳಸಲು ಮೂರು ಲೇಯರ್‌ಗಳ ನಿಯಂತ್ರಣವನ್ನು ಅನ್ವಯಿಸಿ. ಮಾಡ್ಯೂಲ್‌ನಾದ್ಯಂತ ನಾವು ಪುನರಾವರ್ತಿಸುವ ಮೂಲ ಪ್ರತಿಫಲಿತ ಇದು.

1. ಸಂಕಲನ ಮತ್ತು ಸ್ಥಿರ ತಪಾಸಣೆ: ಕೋಡ್ ನಿಜವಾಗಿ ಕಂಪೈಲ್/ರನ್ ಆಗುತ್ತದೆಯೇ? ಟೈಪ್ ದೋಷಗಳು, ಬಳಕೆಯಾಗದ ಅಸ್ಥಿರಗಳು, ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲದ API ಗಳು ಇವೆಯೇ? ಸ್ಟ್ಯಾಟಿಕ್ ಅನಾಲಿಸಿಸ್ ಟೂಲ್ (ಕೋಡ್ ಅನ್ನು ರನ್ ಮಾಡದೆಯೇ ಪರೀಕ್ಷಿಸುವ ಸಾಧನ) ಏನು ಹೇಳುತ್ತದೆ?
2. ಸ್ವತಂತ್ರ ಪುನರುತ್ಪಾದನೆ (ಪರೀಕ್ಷೆ): ಸಣ್ಣ, ತಿಳಿದಿರುವ ಇನ್‌ಪುಟ್‌ಗಳೊಂದಿಗೆ ಕೋಡ್ ಅನ್ನು ರನ್ ಮಾಡಿ ಮತ್ತು ನೀವು ನಿರೀಕ್ಷಿತ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಪಡೆಯುತ್ತೀರಾ ಎಂದು ನೋಡಿ. ಅಂಚಿನ ಪ್ರಕರಣಗಳನ್ನು ಪ್ರಯತ್ನಿಸಿ (ಶೂನ್ಯ, ಶೂನ್ಯ, ಋಣಾತ್ಮಕ, ಬೃಹತ್).
3. ಮೂಲ ಪರಿಶೀಲನೆ: AI ಬಳಸುವ ಪ್ರತಿಯೊಂದು API, ಲೈಬ್ರರಿ ಆವೃತ್ತಿ ಮತ್ತು ಭಾಷಾ ವೈಶಿಷ್ಟ್ಯವನ್ನು ಅಧಿಕೃತ ದಾಖಲೆಗಳಿಂದ ಪರಿಶೀಲಿಸಬೇಕು.

ಪರಿಶೀಲನಾ ಪ್ರಾಂಪ್ಟ್ (ಔಟ್‌ಪುಟ್ ಅನ್ನು ಪರಿಶೀಲಿಸುವುದನ್ನು ಸುಲಭಗೊಳಿಸುತ್ತದೆ): "ನಿಮ್ಮ ಕೋಡ್‌ನಲ್ಲಿ ನೀವು ಬಳಸುವ ಎಲ್ಲಾ ಬಾಹ್ಯ ಲೈಬ್ರರಿಗಳು, ವಿಧಾನಗಳು ಮತ್ತು ಭಾಷಾ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿ. ಪ್ರತಿಯೊಂದಕ್ಕೂ, ಅದು ಯಾವ ಆವೃತ್ತಿಯಲ್ಲಿ ಲಭ್ಯವಿದೆ ಎಂಬುದನ್ನು ಸೂಚಿಸಿ ಮತ್ತು ಅದನ್ನು 'ದಾಖಲೆಯಿಂದ ಪರಿಶೀಲಿಸಬೇಕು' ಎಂದು ಲೇಬಲ್ ಮಾಡಿ. ನಿಮಗೆ ಖಚಿತವಾಗಿರದ ಯಾವುದೇ API ಗಳನ್ನು ರಚಿಸಬೇಡಿ; ನಿಮಗೆ ಖಚಿತವಿಲ್ಲದಿದ್ದರೆ, ನೀವು ಯಾವುದೇ ಪ್ರತ್ಯೇಕ ಪ್ರಕರಣಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿ 'ಖಾತ್ರಿಯಾಗಿಲ್ಲ' ಎಂದು ಪಟ್ಟಿ ಮಾಡಿ."

ನಿಮ್ಮ ಸ್ವಂತ ಕೋಡ್ ಪ್ರಾಂಪ್ಟ್ ಅನ್ನು ಟೀಕಿಸಿ: "ನಿಮ್ಮನ್ನು ನೇಮಿಸಿದ ಹಿರಿಯ ಇಂಜಿನಿಯರ್‌ನಂತೆ ನೀವು ಈಗ ಬರೆದ ಕೋಡ್ ಅನ್ನು ವಿಮರ್ಶಾತ್ಮಕವಾಗಿ ನೋಡಿ. ಈ ಮೂರು ಶೀರ್ಷಿಕೆಗಳ ಅಡಿಯಲ್ಲಿ ಕಾಂಕ್ರೀಟ್ ಐಟಂಗಳನ್ನು ನೀಡಿ: (1) ಲಾಜಿಕ್/ಎಡ್ಜ್ ಕೇಸ್ ದೋಷಗಳು, (2) ಭದ್ರತಾ ಅಪಾಯಗಳು, (3) ಕಾರ್ಯಕ್ಷಮತೆ ಅಥವಾ ಓದುವಿಕೆ ಸಮಸ್ಯೆಗಳು. ಪ್ರತಿ ಐಟಂಗೆ, 'ಏಕೆ ಸಮಸ್ಯೆಯಾಗಿದೆ' ಎಂದು ಬರೆಯಿರಿ ಮತ್ತು 'ಸಮಸ್ಯೆ ಕಂಡುಬಂದಿಲ್ಲ' ಎಂದು ಹೇಳಿದರೆ, 'ಸಮಸ್ಯೆ ಕಂಡುಬಂದಿಲ್ಲ' ಎಂದು ಹೇಳಲು ಸಾಧ್ಯವಿಲ್ಲ. ಅದನ್ನು ಅಲಂಕರಿಸಲು ಪ್ರಯತ್ನಿಸಿ."

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ದುರ್ಬಲ:"ನನಗೆ ಬಳಕೆದಾರ ದೃಢೀಕರಣ ಕಾರ್ಯವನ್ನು ಬರೆಯಿರಿ."(ಫಲಿತಾಂಶ: ಯಾವ ಭಾಷೆ, ಯಾವ ನಿಯಮ, ಯಾವ ದೋಷ ನಡವಳಿಕೆ ಅಸ್ಪಷ್ಟವಾಗಿದೆ; ಜೆನೆರಿಕ್ ಕೋಡ್, ಸಾಮಾನ್ಯವಾಗಿ ಅಸುರಕ್ಷಿತ ಅಥವಾ ಸಂದರ್ಭದಿಂದ ಹೊರಗಿದೆ.)STRONG:"ಪೈಥಾನ್ 3.11 ಗಾಗಿ ಇಮೇಲ್ ಮೌಲ್ಯೀಕರಣ ಕಾರ್ಯವನ್ನು ಬರೆಯಿರಿ. ಇನ್‌ಪುಟ್: ಸ್ಟ್ರಿಂಗ್. ಔಟ್‌ಪುಟ್: ಮಾನ್ಯವಾಗಿದ್ದರೆ, ತಪ್ಪು, ಇಲ್ಲವಾದರೆ ಮೂಲ ಸ್ಟ್ರಮ್ ಬೇಕು. ಬಾಹ್ಯ ಲೈಬ್ರರಿಯನ್ನು ಬಳಸಬೇಡಿ.

ವ್ಯತ್ಯಾಸವು ಸನ್ನಿವೇಶದಲ್ಲಿದೆ. ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್; ಇದು ಭಾಷೆ, ಆವೃತ್ತಿ, ಇನ್‌ಪುಟ್-ಔಟ್‌ಪುಟ್ ಒಪ್ಪಂದ, ನಿರ್ಬಂಧಗಳು ಮತ್ತು ಪರೀಕ್ಷಾ ನಿರೀಕ್ಷೆಯನ್ನು ಒಳಗೊಂಡಿದೆ. ಈ ಏಕೈಕ ಶಿಸ್ತು ಭ್ರಮೆಗಳು ಮತ್ತು ಅಸುರಕ್ಷಿತ ಕೋಡ್ ಅಪಾಯವನ್ನು ಬಹಳವಾಗಿ ಕಡಿಮೆ ಮಾಡುತ್ತದೆ.

ಮಿನಿ ಪ್ರಕರಣಗಳು

ಪ್ರಕರಣ 1 - ಯೋಜಿತ ವಿಧಾನ. ದಿನಾಂಕ ಲೈಬ್ರರಿಯಲ್ಲಿ date.addBusinessDays(5) ಎಂಬ ವಿಧಾನವಿದೆ ಎಂದು ಡೆವಲಪರ್ AI ನಿಂದ ಕೇಳುತ್ತಾನೆ ಮತ್ತು ಅದನ್ನು ಆತ್ಮವಿಶ್ವಾಸದ ರೀತಿಯಲ್ಲಿ ವಿವರಿಸಲಾಗಿದೆ. ದಸ್ತಾವೇಜನ್ನು ನೋಡುವಾಗ, ಅಂತಹ ಯಾವುದೇ ವಿಧಾನವಿಲ್ಲ ಎಂದು ಅವನು ನೋಡುತ್ತಾನೆ, ಸರಿಯಾದ ಮಾರ್ಗವೆಂದರೆ ಕೈಯಿಂದ ಮಾಡಿದ ಲೂಪ್. 10 ನಿಮಿಷಗಳ ಪರಿಶೀಲನೆಯೊಂದಿಗೆ ಉತ್ಪಾದನೆಗೆ ಹೋಗುವ ಮೊದಲು ಭ್ರಮೆಯನ್ನು ಸೆರೆಹಿಡಿಯಲಾಗುತ್ತದೆ.

ಪ್ರಕರಣ 2 - ಎಡ್ಜ್ ಸ್ಟೇಟ್ ನಷ್ಟ. AI "ಸರಾಸರಿ ಲೆಕ್ಕಾಚಾರ" ಕಾರ್ಯವನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ; 1,000 ಸಾಲುಗಳ ಡೇಟಾದೊಂದಿಗೆ ಪರೀಕ್ಷಿಸಿದಾಗ ಇದು ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ. ಆದಾಗ್ಯೂ, ಪಟ್ಟಿಯು ಖಾಲಿಯಾಗಿರುವಾಗ, ಅದು ಶೂನ್ಯ ದೋಷದಿಂದ ವಿಭಜನೆಯನ್ನು ನೀಡುತ್ತದೆ. ಇಂಜಿನಿಯರ್ ಖಾಲಿ ಇನ್‌ಪುಟ್ ಪರೀಕ್ಷೆಯನ್ನು ಸೇರಿಸಿರುವುದರಿಂದ, ಅದು ಲೈವ್ ಆಗುವ ಮೊದಲು ಅವರು ದೋಷವನ್ನು ನೋಡುತ್ತಾರೆ ಮತ್ತು ಸರಿಪಡಿಸುತ್ತಾರೆ. ಸಿಂಗಲ್ ಎಡ್ಜ್ ಸ್ಥಿತಿಯ ಪರೀಕ್ಷೆಯು ಬೆಳಿಗ್ಗೆ 3 ಗಂಟೆಗೆ ಉತ್ಪಾದನಾ ಎಚ್ಚರಿಕೆಯನ್ನು ತಡೆಯುತ್ತದೆ.

ಪ್ರಕರಣ 3 - ಗೌಪ್ಯತೆ ಅಪಾಯ. ಪರಿಣಿತರು ನಿಜವಾದ ಡೇಟಾಬೇಸ್ ಸಂಪರ್ಕ ಸ್ಟ್ರಿಂಗ್ ಮತ್ತು API ಕೀಲಿಯೊಂದಿಗೆ ಫೈಲ್ ಅನ್ನು ಸಾರ್ವಜನಿಕ ಸಾಧನಕ್ಕೆ ಅಂಟಿಸಲಿದ್ದಾರೆ. ಸಂಸ್ಥೆಯ ನೀತಿಯನ್ನು ನೆನಪಿಸುತ್ತದೆ; ಇದು ರಹಸ್ಯಗಳನ್ನು <REDACTED> ನೊಂದಿಗೆ ಬದಲಾಯಿಸುತ್ತದೆ, ಪ್ರತಿನಿಧಿ ಉದಾಹರಣೆಗೆ ಕೋಡ್ ಅನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ ಮತ್ತು ಅದನ್ನು ಕೇಳುತ್ತದೆ. ಹೀಗಾಗಿ, ಅವರು 5 ನಿಮಿಷಗಳಲ್ಲಿ ಸಹಾಯವನ್ನು ಪಡೆಯುತ್ತಾರೆ, ಆದರೆ ಅವರ ಗುರುತಿನ ಮಾಹಿತಿಯು ಹೊರಬರುವುದಿಲ್ಲ.

ರಹಸ್ಯ ಕೋಡ್ ಮತ್ತು ಗುರುತಿನ ಮಾಹಿತಿಯೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುವ ತತ್ವ

ಸಾಫ್ಟ್‌ವೇರ್‌ನ ಅತ್ಯಂತ ಸೂಕ್ಷ್ಮ ಭಾಗ; ಮೂಲ ಕೋಡ್ ರಹಸ್ಯಗಳು, ಗುರುತಿನ ಮಾಹಿತಿ (API ಕೀ, ಪಾಸ್‌ವರ್ಡ್, ಟೋಕನ್) ಮತ್ತು ಗ್ರಾಹಕ/ವೈಯಕ್ತಿಕ ಡೇಟಾ. ಮೂಲ ತತ್ವ: ಹಂಚಿಕೊಳ್ಳುವ ಮೊದಲು ಸ್ವಚ್ಛಗೊಳಿಸಿ, ಸಾಧ್ಯವಾದರೆ ಪ್ರತಿನಿಧಿ ಉದಾಹರಣೆಯೊಂದಿಗೆ ಸಮಸ್ಯೆಯ ಸಾರವನ್ನು ಮಾತ್ರ ಕೇಳಿ.

ಅನಾಮಧೇಯ ಪ್ರಾಂಪ್ಟ್ ಪ್ಯಾಟರ್ನ್: "ಕೆಳಗಿನ ಕಾರ್ಯದಲ್ಲಿ ದೋಷವಿದೆ. ನಾನು ನಿಜವಾದ ವ್ಯಾಪಾರ ತರ್ಕ ಮತ್ತು ಗುಪ್ತ ಸ್ಥಿರಾಂಕಗಳನ್ನು ಪ್ರಾತಿನಿಧಿಕ ಮೌಲ್ಯಗಳೊಂದಿಗೆ (API ಕೀ, ಟೇಬಲ್ ಹೆಸರುಗಳು, ಕ್ಷೇತ್ರ ಹೆಸರುಗಳು ಜೆನೆರಿಕ್) ಬದಲಾಯಿಸಿದ್ದೇನೆ. ಸಮಸ್ಯೆ: ಇನ್‌ಪುಟ್ X ನಲ್ಲಿ ನನಗೆ Y ದೋಷವಿದೆ. ಈ ಪ್ರತಿನಿಧಿ ಕೋಡ್‌ನಲ್ಲಿ ಲಾಜಿಕ್ ದೋಷವನ್ನು ಕಂಡುಹಿಡಿಯಿರಿ ಮತ್ತು ಸರಿಪಡಿಸಿದ ಆವೃತ್ತಿಯನ್ನು ವಿವರಿಸಿ. [ಪ್ರತಿನಿಧಿ ಕೋಡ್]"

ಸಲಹೆ: ಸಂದೇಹವಿದ್ದರೆ, ಈ ಪರೀಕ್ಷೆಯನ್ನು ತೆಗೆದುಕೊಳ್ಳಿ: "ನಾನು ಇದನ್ನು ವೇದಿಕೆಯಲ್ಲಿ ಸಾರ್ವಜನಿಕವಾಗಿ ಬರೆದರೆ ನನ್ನ ಸಂಸ್ಥೆಗೆ ತೊಂದರೆಯಾಗುತ್ತದೆಯೇ?" ಉತ್ತರ ಅಸ್ಪಷ್ಟವಾಗಿದ್ದರೂ, ಅದನ್ನು ಮೊದಲು ತೆರವುಗೊಳಿಸಿ. ನಂತರ ಸೋರಿಕೆಯನ್ನು ಬೆನ್ನಟ್ಟುವುದಕ್ಕಿಂತ ಮರುಹೊಂದಿಸುವುದು ಯಾವಾಗಲೂ ಅಗ್ಗವಾಗಿದೆ.

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

• ಕಂಪೈಲಿಂಗ್/ಟೆಸ್ಟಿಂಗ್ ಮಾಡದೆ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಬಳಸುವುದು. "AI ಬರೆದರು" ಎನ್ನುವುದು ಸಮರ್ಥನೆಯಲ್ಲ; ಪ್ರತಿಯೊಂದು ಕೋಡ್ ತುಂಡನ್ನು ರನ್ ಮಾಡುವ ಮೂಲಕ ಪರಿಶೀಲಿಸಲಾಗುತ್ತದೆ.
• ಸಂದರ್ಭವಿಲ್ಲದೆ ವಿನಂತಿಗಳನ್ನು ಮಾಡುವುದು. ಭಾಷೆ, ಆವೃತ್ತಿ, ಇನ್‌ಪುಟ್-ಔಟ್‌ಪುಟ್ ಮತ್ತು ನಿರ್ಬಂಧಗಳನ್ನು ನೀಡದಿದ್ದರೆ, ಕೋಡ್ ಸಾಮಾನ್ಯವಾಗುತ್ತದೆ ಮತ್ತು ಸಾಮಾನ್ಯವಾಗಿ ಅಸುರಕ್ಷಿತವಾಗಿರುತ್ತದೆ.
• ಯೋಚಿಸದೆ ಗೌಪ್ಯ ಮಾಹಿತಿಯನ್ನು ಹಂಚಿಕೊಳ್ಳುವುದು. API ಕೀ, ಪಾಸ್‌ವರ್ಡ್ ಮತ್ತು ಗ್ರಾಹಕರ ಡೇಟಾವನ್ನು ತೆರವುಗೊಳಿಸದೆ ಬಿಡುಗಡೆ ಮಾಡಬಾರದು.
• ನಿಖರವಾದ ಭಾಷೆಯನ್ನು ನಿಖರತೆಯೊಂದಿಗೆ ಗೊಂದಲಗೊಳಿಸುವುದು. AI ಹೆಚ್ಚು ಆತ್ಮವಿಶ್ವಾಸದಿಂದ ಮಾತನಾಡುತ್ತದೆ, ನೀವು ಹೆಚ್ಚು ಜಾಗರೂಕರಾಗಿರಬೇಕು; ಆತ್ಮವಿಶ್ವಾಸದ ಸ್ವರವು ಸಾಕ್ಷಿಯಲ್ಲ.
• ನಿರ್ಧಾರವನ್ನು AI ಗೆ ನಿಯೋಜಿಸುವುದು. ಉತ್ಪಾದನೆ, ಭದ್ರತೆ ಮತ್ತು ವಾಸ್ತುಶಿಲ್ಪಕ್ಕೆ ಹಾಕುವ ನಿರ್ಧಾರವು ಎಂಜಿನಿಯರ್‌ನಲ್ಲಿ ಉಳಿದಿದೆ; AI ಕೇವಲ ವಸ್ತುಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ.

ಸಾರಾಂಶದಲ್ಲಿ

AI ಸಾಫ್ಟ್‌ವೇರ್ ಕೆಲಸದ ಪುನರಾವರ್ತಿತ ಮತ್ತು ಸಮಯ-ಸೇವಿಸುವ ಭಾಗಗಳನ್ನು ವೇಗಗೊಳಿಸುತ್ತದೆ: ಅಸ್ಥಿಪಂಜರ ಕೋಡ್, ಟೆಸ್ಟ್ ಡ್ರಾಫ್ಟಿಂಗ್, ಬಗ್ ಕಿರಿದಾಗುವಿಕೆ, ದಾಖಲಾತಿ. ಆದಾಗ್ಯೂ, ನಿರ್ಧಾರ ಮತ್ತು ಜವಾಬ್ದಾರಿಯು ಎಂಜಿನಿಯರ್‌ಗೆ ಉಳಿದಿದೆ. ಪ್ರತಿಯೊಂದು ಔಟ್‌ಪುಟ್ ನಿಯಂತ್ರಣದ ಮೂರು ಪದರಗಳನ್ನು ರವಾನಿಸಬೇಕು (ಕಂಪೈಲ್/ಸ್ಥಿರ, ಪರೀಕ್ಷೆ, ಮೂಲ). ಸಂದರ್ಭದೊಂದಿಗೆ ಪ್ರಾಂಪ್ಟ್‌ಗಳನ್ನು ಬರೆಯುವುದು ಮತ್ತು ಗುಪ್ತ ಮಾಹಿತಿಯನ್ನು ತೆರವುಗೊಳಿಸುವುದು ಈ ಮಾಡ್ಯೂಲ್‌ನ ಪ್ರತಿಯೊಂದು ಘಟಕದಲ್ಲಿ ನಾವು ಪುನರಾವರ್ತಿಸುವ ಎರಡು ಪ್ರಮುಖ ಅಭ್ಯಾಸಗಳಾಗಿವೆ. ನೀವು AI ಅನ್ನು ಶಿಸ್ತಿನಿಂದ ಬಳಸಿದಾಗ, ನೀವು ವೇಗವನ್ನು ಪಡೆಯುತ್ತೀರಿ; ನೀವು ಅದನ್ನು ಶಿಸ್ತು ಇಲ್ಲದೆ ಬಳಸಿದಾಗ, ನೀವು ಉತ್ಪಾದನೆಯಲ್ಲಿ ದೋಷಗಳು ಮತ್ತು ದುರ್ಬಲತೆಗಳನ್ನು ಸಾಗಿಸುತ್ತೀರಿ.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

ನಿಮ್ಮ ಸ್ವಂತ ಕೆಲಸದಿಂದ ಅಥವಾ ಕಾಲ್ಪನಿಕ ಯೋಜನೆಯಿಂದ (ಉದಾಹರಣೆಗೆ ಊರ್ಜಿತಗೊಳಿಸುವಿಕೆಯ ಕಾರ್ಯ) ಸಣ್ಣ ಕೋಡಿಂಗ್ ಕಾರ್ಯವನ್ನು ಆಯ್ಕೆಮಾಡಿ. ಮೊದಲು ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ ಅನ್ನು ಬರೆಯಿರಿ ಮತ್ತು ಔಟ್ಪುಟ್ ಅನ್ನು ಪಡೆಯಿರಿ. ನಂತರ ಈ ಘಟಕದಿಂದ ಪ್ರಬಲ ಪ್ರಾಂಪ್ಟ್ ಮಾದರಿಯನ್ನು ಅನ್ವಯಿಸಿ: ಭಾಷೆ/ಆವೃತ್ತಿ, ಇನ್‌ಪುಟ್-ಔಟ್‌ಪುಟ್ ಒಪ್ಪಂದ, ನಿರ್ಬಂಧಗಳು ಮತ್ತು ಪರೀಕ್ಷಾ ನಿರೀಕ್ಷೆಯನ್ನು ಸೇರಿಸಿ. ಎರಡು ಪ್ರಿಂಟ್‌ಔಟ್‌ಗಳನ್ನು ಅಕ್ಕಪಕ್ಕದಲ್ಲಿ ಇರಿಸಿ ಮತ್ತು ವ್ಯತ್ಯಾಸವನ್ನು ಬರೆಯಿರಿ. ನಂತರ ದೃಢವಾದ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಕಂಪೈಲ್ ಮಾಡಿ ಮತ್ತು ಅದನ್ನು ಕನಿಷ್ಠ ಮೂರು ಅಂಚಿನ ಪ್ರಕರಣಗಳೊಂದಿಗೆ (ಶೂನ್ಯ, ಶೂನ್ಯ/ಋಣಾತ್ಮಕ, ಅನಿರೀಕ್ಷಿತ ಸ್ವರೂಪ) ಪರೀಕ್ಷಿಸಿ ಮತ್ತು ಯಾವ ಪರೀಕ್ಷೆಯಲ್ಲಿ ನೀವು ಕಂಡುಕೊಂಡಿದ್ದೀರಿ ಎಂಬುದನ್ನು ಗಮನಿಸಿ.

ಪರಿಶೀಲನಾಪಟ್ಟಿ

• [ ] ನಾನು ಪ್ರಾಂಪ್ಟ್‌ಗೆ ಭಾಷೆ, ಆವೃತ್ತಿ ಮತ್ತು ಇನ್‌ಪುಟ್-ಔಟ್‌ಪುಟ್ ಒಪ್ಪಂದವನ್ನು ಸೇರಿಸಿದೆ.
• [ ] ನಾನು "ಇದನ್ನು ಮಾಡಬೇಡಿ, ನಿಮಗೆ ಖಚಿತವಿಲ್ಲದಿದ್ದರೆ ನನಗೆ ತಿಳಿಸಿ" ಮತ್ತು ವ್ಯಾಪ್ತಿಯ ನಿರ್ಬಂಧವನ್ನು ಬರೆದಿದ್ದೇನೆ.
• [ ] ನಾನು ಕೋಡ್ ಅನ್ನು ಕಂಪೈಲ್ ಮಾಡಿದ್ದೇನೆ/ರನ್ ಮಾಡಿದ್ದೇನೆ, ಸ್ಥಿರ ಎಚ್ಚರಿಕೆಗಳಿಗಾಗಿ ಪರಿಶೀಲಿಸಿದ್ದೇನೆ.
• [ ] ನಾನು ಕನಿಷ್ಟ ಮೂರು ಅಂಚಿನ ಪ್ರಕರಣಗಳೊಂದಿಗೆ ಪರೀಕ್ಷಿಸಿದ್ದೇನೆ.
• [ ] ನಾನು ಅಧಿಕೃತ ದಾಖಲಾತಿಯಿಂದ ಬಳಸಿದ API ಗಳನ್ನು ಪರಿಶೀಲಿಸಿದ್ದೇನೆ.
• [ ] ನಾನು ಯಾವುದೇ ರಹಸ್ಯ ಕೋಡ್/ರುಜುವಾತುಗಳನ್ನು ತೆರವುಗೊಳಿಸಿದ್ದೇನೆ ಅಥವಾ ಎಂಟರ್‌ಪ್ರೈಸ್ ಉಪಕರಣವನ್ನು ಬಳಸಿದ್ದೇನೆ.
• [ ] ಉತ್ಪಾದನೆ ಮತ್ತು ಭದ್ರತೆಗೆ ಹಾಕುವ ನಿರ್ಧಾರವು ಮಾನವನಲ್ಲೇ ಉಳಿದಿದೆ ಎಂದು ನಾನು ದೃಢಪಡಿಸಿದೆ.