अन्त-देखि-अन्त परियोजना, कृत्रिम बुद्धिमत्ताको जिम्मेवार प्रयोग र पेशामा रोडम्याप

लाभ:

• डिजाइन, कोड, एआई एकीकरण, गोपनीयता, परीक्षण, डिबगिङ, कार्यसम्पादन र रिलिज चरणहरूमा एक मोबाइल सुविधा अन्त-देखि-अन्त र प्रमाणित गर्न सक्ने क्षमता।
• पारदर्शिता, प्रमाणिकरण-जवाबदेही र न्याय-गैर-दुर्भावनाका सिद्धान्तहरूको साथ कृत्रिम बुद्धिमत्ताको जिम्मेवार र नैतिक प्रयोगको लागि एक रूपरेखा स्थापना गर्ने क्षमता।
• आर्टिफिसियल इन्टेलिजेन्स बलियो र कमजोर भएको क्षेत्र छुट्याई र अन्तिम निर्णय मानिसको हातमा राखेर दिगो व्यावसायिक अभ्यास सिर्जना गर्न सक्षम हुनु।

यस मोड्युलमा, हामीले मोबाइल विकासको हरेक चरणमा AI प्रयोग गर्यौं: कोड उत्पादन, इन्टरफेस, अन-डिभाइस र क्लाउड एआई एकीकरण, परीक्षण, डिबगिङ, कार्यसम्पादन, गोपनीयता, र स्टोर डेलिभरी। यस अन्तिम एकाईमा, हामी यी सबै टुक्राहरूलाई एकल अन्त-देखि-अन्त प्रवाहमा जोड्नेछौं, AI को जिम्मेवार र नैतिक प्रयोगको लागि ढाँचा स्पष्ट गर्नेछौं, र यी सीपहरूलाई कसरी दिगो व्यावसायिक अभ्यासमा परिणत गर्ने बारे कुरा गर्नेछौं। मूल सन्देश परिवर्तन भएको छैन, तर यो अब दृढतापूर्वक स्थापित भएको छ: एआई एक सक्षम मोबाइल विकासकर्तालाई गुणा गर्ने शक्ति हो; यो एक विकल्प होइन। यो व्यक्ति हो जसले प्रयोगकर्तालाई उत्पादनको गुणस्तर, सुरक्षा र प्रतिज्ञाको लागि जिम्मेवार छ।

अन्त-देखि-अन्त सुविधा: भागहरू संयोजन

AI समर्थनको साथ सुरुदेखि अन्त्यसम्म वास्तविक सुविधाको विकास गर्दा हामीले चेनमा सिकेका प्रत्येक एकाइलाई जोड्छ। उदाहरण: "रसीदबाट खर्च थप्नुहोस्" सुविधा। प्रवाह यस प्रकार काम गर्दछ:

1. डिजाइन (एकाइ 3)। AI सँग स्क्रिन र चार अवस्थाहरू (लोडिङ/खाली/त्रुटि/पूर्ण) ड्राफ्ट गर्नुहोस्, सुरुबाट पहुँच अनुरोध गर्नुहोस्।
2. कोड (एकाइ 2)। MVVM को साथ लेयर द्वारा क्यामेरा, डाटा मोडेल र ViewModel तह उत्पन्न गर्नुहोस्; प्रत्येक तह प्रमाणित गर्नुहोस्।
3. अन-यन्त्र AI (इकाई 4)। ML Kit पाठ पहिचानको साथ रसिदबाट रकम/मिति पढ्नुहोस्; प्रिप्रोसेसिङ र आत्मविश्वास स्कोरिङलाई विचार गर्नुहोस्।
4. गोपनीयता (एकाइ 9)। कम्तिमा विशेषाधिकारको साथ क्यामेरा अनुमति अनुरोध गर्नुहोस्, अस्वीकार परिदृश्य लेख्नुहोस्, यन्त्रमा डाटा राख्नुहोस्।
5. परीक्षण (एकाइ 6)। निकासी तर्कको एकाइ परीक्षणहरू उत्पन्न गर्नुहोस्, प्रदर्शनको UI परीक्षण; सीमा राज्यहरू समावेश गर्नुहोस्।
6. डिबगिङ (एकाइ 7)। AI लाई सन्दर्भको साथ दुर्घटनाहरूको विश्लेषण गर्नुहोस् र मूल कारण समाधान गर्नुहोस्।
7. प्रदर्शन (एकाइ 8)। क्यामेरा प्रशोधनको ब्याट्री लागत नाप्नुहोस् र यसलाई ब्याट्री-अनुकूल सेट गर्नुहोस्।
8. प्रसारण (एकाइ १०)। AI को प्रयोग पारदर्शी रूपमा रिपोर्ट गर्नुहोस्, गोपनीयता फारम सत्यताका साथ भर्नुहोस्, र एक आत्म-परीक्षण सञ्चालन गर्नुहोस्।

प्रत्येक चरणमा, एआईले गति लिन्छ, मानवले प्रमाणित गर्दछ र निर्णय गर्दछ। यो लूप मोड्युल को कोर हो।

सुझाव: AI लाई एक विशाल अनुरोधको साथ जटिल सुविधा बनाउन प्रयास नगर्नुहोस्। यसलाई माथिको जस्तै प्रमाणित चरणहरूमा तोड्नुहोस्। प्रत्येक चरणको आउटपुट परीक्षण र अर्कोमा जानु दुबै सुरक्षित र अन्ततः छिटो छ; किनकी तपाईले ठुलो गल्तीलाई अन्त्यमा होइन पहिलो पाइलामा समात्नु हुन्छ।

AI को जिम्मेवार र नैतिक प्रयोग

प्राविधिक क्षमता मात्र पर्याप्त छैन; जिम्मेवार ढाँचाले यसलाई पूरा गर्छ। तीन सिद्धान्त:

पारदर्शिता। प्रयोगकर्तालाई थाहा हुनुपर्छ कि उसले एआईसँग अन्तरक्रिया गरिरहेको छ। गोप्य एआई विश्वासको उल्लंघन हो। AI-उत्पन्न सामग्री ट्याग गरिएको छ; AI सल्लाह "कठोर सत्य" को सट्टा "उपयोगी सल्लाह" को रूपमा प्रस्तुत गरिएको छ।

प्रमाणीकरण र उत्तरदायित्व। एआई आउटपुट एक सुरूवात बिन्दु हो, समाप्त उत्पादन होइन। तपाईं प्रकाशित कोडको प्रत्येक लाइन, प्रत्येक एआई प्रतिक्रिया, प्रत्येक डेटा लेनदेनको लागि जिम्मेवार हुनुहुन्छ। "एआईले त्यसरी लेख्यो" रक्षा होइन।

न्याय र गैर-दोषीता। AI मोडेलहरूले उनीहरूलाई तालिम दिइएको डाटाबाट पूर्वाग्रहहरू बोक्न सक्छन्। अनुहार पहिचानले केही छालाको रंगहरूमा नराम्रो काम गर्न सक्छ, सिफारिस इन्जिनले समूहलाई बहिष्कार गर्न सक्छ। तपाईंको उत्पादनले विभिन्न प्रयोगकर्ता समूहहरूमा निष्पक्ष रूपमा काम गर्छ भनेर परीक्षण गर्ने जिम्मेवारी तपाईंको हो।

ध्यान दिनुहोस्: तपाईंले IT र सुरक्षाको क्षेत्रमा सिक्नुहुने कुनै पनि प्रविधि अधिकृत र रचनात्मक उद्देश्यका लागि मात्र प्रयोग गरिन्छ। मालवेयर सिर्जना गर्न एआई प्रयोग गर्नु, अनुमति बिना कसैको अनुप्रयोग क्र्याक गर्नु, सहमति बिना प्रयोगकर्ताको डाटा संकलन गर्नु वा भ्रामक सामग्री उत्पादन गर्नु गैरकानूनी र पेशाको नैतिकता विरुद्ध हो। शक्तिको मापन जहाँ तपाइँ यसलाई प्रयोग गर्नुहुन्न त्यहाँ प्रकट हुन्छ।

AI को सीमाहरू पहिचान गर्दै

एक परिपक्व विकासकर्तालाई थाहा छ कि AI कहाँ चम्किन्छ र कहाँ छोटो हुन्छ।

एआई शक्तिशाली छ

एआई कमजोर छ

मोल्ड कोड, बॉयलरप्लेट उत्पादन

उत्पादन र वास्तु निर्णय

परीक्षण र कागजात मस्यौदा

व्यापार सन्दर्भ र प्रयोगकर्ता बुझ्दै

क्र्यास लग रिडिङ, त्रुटि स्क्यानिङ

निश्चित मूल कारण निदान (प्रमाणीकरण आवश्यक)

सिक्ने, अवधारणा व्याख्या

हालको/बनाईएको API जानकारी

पाठ, वर्णन, अनुवाद

नैतिकता, सुरक्षा र कानूनी अन्तिम निर्णय

यस भिन्नतालाई आन्तरिक रूपमा एआईलाई प्रभावकारी रूपमा प्रयोग गर्न र यसका कमजोरीहरूलाई बेवास्ता गर्ने कुञ्जी हो।

तीन मिनी केसहरू

केस 1 - अन्त देखि अन्त गति। एक एकल विकासकर्ताले माथिको ८-चरण प्रवाहको साथ ४ दिनमा "अनप्लग्ड" सुविधा समाप्त गर्यो; AI बिना अनुमान 12 दिन थियो। तर उसले प्रत्येक चरण प्रमाणित गरेको कारण, प्रकाशन पहिलो पटक स्वीकृत भयो। गति वास्तविक थियो किनभने अनुशासन वास्तविक थियो। पाठ: AI + प्रमाणिकरण AI - प्रमाणीकरण भन्दा छिटो छ।

केस 2 - पूर्वाग्रह समातियो। एआई-आधारित संज्ञा-लिंग भविष्यवाणी सुविधा परीक्षण गर्दा, टोलीले केही टर्की संज्ञाहरूमा व्यवस्थित त्रुटिहरू देख्यो; मोडेललाई प्रायः अंग्रेजी डाटामा तालिम दिइएको थियो। गलत धारणा बनाउनुको सट्टा प्रयोगकर्तालाई सोध्ने सुविधालाई परिवर्तन गरिएको छ। पाठ: यो मोडेलको प्रशिक्षण पूर्वाग्रह परीक्षण गर्न विकासकर्ताको काम हो।

केस 3 - "एआईले त्यसो भन्यो" रक्षा पतन भयो। एक विकासकर्ताले AI-उत्पन्न भुक्तानी कोड प्रमाणित नगरी प्रकाशित गर्यो; एउटा चरम अवस्थामा कोडले दोहोरो सङ्कलन गरिरहेको थियो। "एआईले लेख्यो" भन्दै जिम्मेवारी हट्दैन; खातावालाको रूपमा, उनी विकासकर्ता थिए। पाठ: जिम्मेवारी प्रत्यायोजित गर्न सकिँदैन।

कमजोर प्रम्प्ट / बलियो प्रम्प्ट

कमजोर प्रम्प्ट: "मलाई पूर्ण रसिद स्क्यानिङ आवेदन लेख्नुहोस्।"

शक्तिशाली प्रम्प्ट: "मलाई 'रसीदबाट खर्च थप्नुहोस्' सुविधा चरण-दर-चरण विकास गर्न मद्दत गर्नुहोस्। क्रमबद्ध रूपमा अगाडि बढौं, जब मैले प्रत्येक चरणलाई प्रमाणित र अनुमोदन गर्छु, अर्कोमा जानुहोस्: 1) स्क्रिन + चार राज्यहरू + पहुँच २) MVVM तहहरू (क्यामेरा, मोडेल, भ्यूमोडल) 3) क्यामेरा रिडिङ रकम + एमएल रिडिङ स्कोर प्रति 4 एमएल रिडिङ स्कोर / date (न्यूनतम विशेषाधिकार) + अस्वीकृति प्रवाह5) एकाइ र UI परीक्षणहरू मलाई प्रत्येक चरणमा प्रमाणित गर्न आवश्यक पर्ने जोखिम र बिन्दुहरू बताउनुहोस्।"

प्रतिलिपि गर्न मिल्ने टेम्प्लेटहरू

अन्त-देखि-अन्त योजना टेम्प्लेट: "म निम्न सुविधा विकास गर्नेछु: [विशेषता]। यसलाई प्रमाणित चरणहरूमा विभाजन गर्नुहोस्: डिजाइन, कोड, एआई एकीकरण, गोपनीयता/अनुमति, परीक्षण, प्रदर्शन, रिलीज। प्रत्येक चरणको लागि आउटपुट, जोखिम, र प्रमाणिकरण मापदण्डहरू लेख्नुहोस्। एउटै विशाल उत्पादन नगर्नुहोस्।"

नैतिकता/पूर्वाग्रह लेखापरीक्षण टेम्प्लेट: "निपक्षता र पूर्वाग्रहको लागि निम्न AI सुविधाको लेखाजोखा गर्नुहोस्: [सुविधा]। कुन प्रयोगकर्ता समूहहरूले यसले खराब प्रदर्शन गर्न सक्छ? प्रशिक्षण डेटाले पूर्वाग्रहलाई कसरी असर गर्छ? म यसलाई कसरी परीक्षण गर्छु, कसरी यसलाई थप समावेशी बनाउन सक्छु?"

उत्तरदायित्व जाँच टेम्प्लेट: "यो AI-उत्पन्न कोड/सुविधा जारी गर्नु अघि मैले सोध्नु पर्ने जवाफदेहिता प्रश्नहरूको सूची बनाउनुहोस्: के मैले यो बुझेको छु, के मैले यसलाई परीक्षण गरेको छु, के यो सुरक्षित छ, के यो प्रयोगकर्ताको लागि पारदर्शी छ, के यो कानूनी/नैतिक छ?"

निरन्तर सिक्ने टेम्प्लेट: "मोबाइल विकासकर्तामा मेरो AI कौशल सुधार गर्न 4-हप्ताको व्यावहारिक योजना प्रस्ताव गर्नुहोस्: सानो परियोजना र प्रमाणिकरण बानीको लक्ष्यको साथ हरेक हप्ता एउटा विषय (कोड, एकीकरण, परीक्षण, रिलीज)।"

सामान्य गल्तीहरू

• एक विशाल अनुरोध संग जटिल सुविधा उत्पादन। प्रमाणित गर्न सकिँदैन; यसलाई चरणहरूमा तोड्नुहोस्।
• "एआईले यस्तो लेख्यो" भन्दै जिम्मेवारीबाट जोगिने। तपाईं प्रकाशित कोड को लागी जिम्मेवार हुनुहुन्छ।
• AI पूर्वाग्रहको लागि परीक्षण छैन। मोडेलले केही समूहहरूमा खराब काम गर्न सक्छ; न्याय परीक्षण गर्नुहोस्।
• प्रयोगकर्ताबाट AI अन्तरक्रिया लुकाउँदै। पारदर्शिता विश्वासको आधार हो।
• AI को सीमितताहरू बिर्सदै। वास्तुकला, नैतिकता र वर्तमान API मा मानिसहरूको अन्तिम भनाइ छ।
• सिक्न बन्द गर्न। उपकरण र पसल नियम चाँडै परिवर्तन; निरन्तर अपडेट रहनुहोस्।

संक्षेपमा

अन्त-देखि-अन्त सुविधाले मोड्युलका सबै भागहरूलाई चेनमा जोड्दछ: डिजाइन, कोड, एआई एकीकरण, गोपनीयता, परीक्षण, डिबगिङ, प्रदर्शन र रिलीज। प्रत्येक चरणमा, एआईले गति बढाउँछ, मानव प्रमाणीकरण र निर्णय गर्दछ; जटिल कार्यलाई साना प्रमाणिक चरणहरूमा विभाजन गरिएको छ। जिम्मेवारी प्रयोग तीन सिद्धान्तहरूमा आधारित छ: पारदर्शिता, प्रमाणिकरण-जवाफदारी र निष्पक्षता-कुनै हानि नगर्नुहोस्। एआई एक शक्तिशाली गुणक हो, तर वास्तुकला, नैतिकता, सुरक्षा र वर्तमान ज्ञानमा मानिसको अन्तिम कुरा छ। "एआईले त्यसरी गर्यो" रक्षा होइन; तपाइँ तपाइँको उत्पादन र तपाइँ तपाइँको प्रयोगकर्ता को प्रतिज्ञा को लागी जिम्मेवार हुनुहुन्छ। यस अनुशासनको साथ, AI ले तपाइँलाई तपाइँको करियरमा छिटो, थप व्यापक र बलियो बनाउँछ।

आवेदन कार्य

आफ्नो मनपर्ने मोबाइल सुविधा (जस्तै "भ्वाइस नोटहरू लिएर सारांश" वा "फोटोबाट उत्पादन पहिचान") लाई "अन्त-देखि-अन्त योजना टेम्प्लेट" को साथ प्रमाणित चरणहरूमा तोड्नुहोस्। वास्तवमा AI को साथ कम्तिमा एक चरणको विकास र प्रमाणीकरण गर्नुहोस्। त्यसपछि, विश्लेषण गर्नुहोस् कि कुन प्रयोगकर्ता समूहहरूले सुविधाले "एथिक्स/बायस कन्ट्रोल टेम्प्लेट" मा समस्या निम्त्याउन सक्छ र "दायित्व नियन्त्रण टेम्प्लेट" को साथ रिलीज गर्नु अघि सोध्नु पर्ने प्रश्नहरूको जवाफ दिनुहोस्।

चेकलिस्ट

• [ ] मैले सुविधालाई प्रमाणित गर्न सकिने साना चरणहरूमा तोडें, एकल विशाल उत्पादन होइन
• [] मैले हरेक चरणमा AI आउटपुट प्रमाणित गरें र निर्णय गरें
• [ ] मैले प्रयोगकर्तालाई पारदर्शी रूपमा एआई अन्तरक्रिया प्रस्तुत गरें
• [ ] मैले यो सुविधाले विभिन्न समूहहरूमा निष्पक्ष/पक्षपाती काम गर्छ कि गर्दैन भनेर मूल्याङ्कन गरें
• [ ] मैले पूर्व-रिलीज जिम्मेवारी प्रश्नहरूको जवाफ दिएँ (बुझेको/परीक्षण/सुरक्षित/नैतिक)
• [] मैले AI लाई सक्षम र रचनात्मक उद्देश्यका लागि मात्र प्रयोग गरेको छु र सिक्न जारी राख्ने योजना बनाएको छु

मोड्युल परीक्षा

1. मोबाइल विकासमा आर्टिफिसियल इन्टेलिजेन्सको लागि निम्न मध्ये कुन सबैभन्दा सही स्थिति हो?

• ए) एआईले विकासकर्तालाई प्रतिस्थापन गर्दछ; यसले उत्पन्न गरेको कोड नपढाई सीधै प्रकाशित गर्न सकिन्छ
• ख) आर्टिफिसियल इन्टेलिजेन्सले पाठ लेख्न मात्र काम गर्छ, यसको कोड जेनरेशनसँग कुनै सरोकार छैन
• C) कृत्रिम बुद्धिमत्ता एक सहायक र गतिवर्धक हो; वास्तुकला, सुरक्षा र प्रसारण निर्णयहरूको जिम्मेवारी मानवमा रहन्छ ✔
• D) कृत्रिम बुद्धिमत्ताले सधैं सही कोड उत्पादन गर्ने भएकोले, थप परीक्षण र प्रमाणिकरण अनावश्यक छन्।

विवरण: आर्टिफिसियल इन्टेलिजेन्स एक सहायक र एक्सेलेटर हो जसले कोड, ब्लुप्रिन्ट र समाधानहरू उत्पन्न गर्दछ। वास्तुकला, अनुमति, सुरक्षा र प्रकाशन जस्ता निर्णयहरूको जिम्मेवारी र अन्तिम स्वीकृति सक्षम विकासकर्तासँग; प्रकाशित हरेक पङ्क्तिका लागि मानिस जिम्मेवार छन्।

2. आर्टिफिसियल इन्टेलिजेन्सबाट मोबाइल कोड अनुरोध गर्दा, कुन कुराले सबैभन्दा बढी उत्पादित कोडको वास्तुकलाको गुणस्तर बढाउँछ?

• क) प्रम्प्टलाई सकेसम्म छोटो राख्नुहोस् र 'मलाई एउटा एप लेख्नुहोस्' भन्नुहोस्।
• ख) पहिले, MVVM जस्तै आर्किटेक्चर लागू गर्नुहोस् र कोडलाई सानो टुक्रामा, तहमा तहमा अनुरोध गर्नुहोस् ✔
• C) एकल प्रम्प्टमा एकल विशाल फाइलको रूपमा सम्पूर्ण सुविधा उत्पादन गर्दै
• घ) वास्तुकला निर्दिष्ट नगर्नुहोस् र कृत्रिम बुद्धिमत्तामा उत्तम निर्णय छोड्नुहोस्

स्पष्टीकरण: MVVM जस्तो वास्तुकला लागू गर्नु र AI मा सिधै कोड लेख्नु अघि लेयर-दर लेयर आवश्यक पर्दा स्क्रिनबाट तर्कलाई अलग गर्ने परीक्षणयोग्य र मर्मत योग्य संरचना उत्पन्न हुन्छ। वास्तुकला बिनाको अनुरोधले स्क्रिनमा सबै कुरा क्र्याम गर्ने कोड फर्काउँछ।

3. आर्टिफिसियल इन्टेलिजेन्सको साथ इन्टरफेस सिर्जना गर्दा प्रायः कुन कुरालाई बेवास्ता गरिन्छ र वास्तविक प्रयोगमा सबैभन्दा महत्त्वपूर्ण के हो?

• A) डिजाइन लोडिङ, खाली र त्रुटि अवस्था, पूर्ण स्क्रिन मात्र होइन ✔
• B) केवल उत्कृष्ट देखिने पूर्ण स्क्रिन उत्पादन गर्दै, अन्य केसहरू छोड्दै
• C) प्रत्येक स्क्रिनमा सकेसम्म धेरै रङहरू र एनिमेसनहरू थप्दै
• D) पहुँच ट्यागहरू अन्तिममा छोड्दै र केवल उपस्थितिसँग व्यवहार गर्दै

स्पष्टीकरण: विकासकर्ताहरूले प्रायः 'पूर्ण' अवस्थालाई मात्र विचार गर्छन्; जबकि वास्तविकतामा प्रयोगकर्ताले प्रायः लोडिङ, खाली र त्रुटि अवस्थाहरू सामना गर्छन्। सबै चार अवस्थाहरू (लोडिङ/खाली/त्रुटि/पूर्ण) उत्पन्न गर्नु बलियो इन्टरफेसको रहस्य हो।

4. संवेदनशील व्यक्तिगत डेटा (जस्तै स्वास्थ्य मापन) प्रशोधन गर्ने सुविधाको लागि किन अन-डिभाइस AI प्राय: पूर्वनिर्धारित विकल्प हो?

• A) अन-यन्त्र मोडेलहरू सधैं क्लाउड भन्दा बढी सटीक हुन्छन्
• B) यन्त्रमा प्रशोधन गर्दा ब्याट्री वा प्रोसेसरको लागत कहिल्यै लाग्दैन
• C) अन-डिभाइस प्रशोधन मोडेल आकारको सन्दर्भमा असीमित छ
• D) डाटाले फोन छोड्दैन, यसले गोपनीयता र प्रयोगकर्ता विश्वासको सन्दर्भमा बलियो फाइदा प्रदान गर्दछ ✔

स्पष्टीकरण: अन-डिभाइस प्रशोधनले फोनबाट डाटा हटाउँदैन; यो गोपनीयता अनुपालन र प्रयोगकर्ता विश्वासको सर्तमा एक बलियो फाइदा हो, साथै यसले अफलाइन र तत्काल काम गर्दछ। यसको सीमा उपकरण शक्ति र मोडेल आकार हो।

5. सबैभन्दा सामान्य 'मौन' त्रुटि के हो जसले अर्थहीन परिणामहरू निम्त्याउँछ र अन-यन्त्र मोडेल एकीकरणमा त्रुटि सन्देश उत्पन्न गर्दैन?

• A) मोडेलको फाइल नामको गलत हिज्जे
• B) एप्लिकेसन आइकनको कम रिजोलुसन
• C) गलत इनपुट प्रिप्रोसेसिङ (आकार/सामान्यीकरण) ✔
• D) गाढा स्क्रिन विषयवस्तु

स्पष्टीकरण: इनपुट प्रिप्रोसेसिङ गलत तरिकाले गर्दा त्रुटिहरू फ्याँकिएको बिना पूर्ण रूपमा गलत परिणामहरू उत्पादन हुनेछ। प्रिप्रोसेसिङ मानहरू मोडेलको कागजातबाट प्रमाणित गरिनुपर्छ।

6. क्लाउड LLM लाई मोबाइल अनुप्रयोगमा एकीकृत गर्दा सबैभन्दा सुरक्षा-महत्वपूर्ण नियम के हो?

• A) API कुञ्जीलाई ब्याकइन्डमा मात्र राख्नु पर्छ, क्लाइन्टमा होइन; अनुरोधहरू प्रोक्सी मार्फत जानुपर्छ ✔
• B) API कुञ्जीलाई सुविधाको लागि सिधै एप्लिकेसन कोडमा इम्बेड गरिएको हुनुपर्छ
• C) एपीआई कुञ्जी अनुप्रयोग विवरणमा साझा गर्नुपर्छ
• D) API कुञ्जी क्लाइन्टमा राख्नुपर्छ र नाम परिवर्तन गरेर मात्र लुकाउनु पर्छ।

खुलासा: API कुञ्जी कहिल्यै मोबाइल अनुप्रयोग कोडमा इम्बेड गरिएको छैन; किनभने अनुप्रयोग रिभर्स इन्जिनियर र कुञ्जी निकाल्न सकिन्छ। सही वास्तुकला भनेको कुञ्जीलाई ब्याकइन्डमा मात्र राख्नु र तपाइँको आफ्नै प्रोक्सी सर्भर मार्फत अनुरोधहरू पास गर्नु हो।

7. लामो LLM जवाफहरूमा कुन कुराले प्रयोगकर्ता-अनुभवित गति र सुविधा पूरा हुने दर बढाउँछ?

• A) सम्पूर्ण उत्तर उत्पादन नभएसम्म पर्खनुहोस् र यसलाई एकै पटक देखाउनुहोस्
• ख) स्ट्रिमिङ ✔ को साथ, यो उत्पादन गरिएको छ, शब्द द्वारा जवाफ शब्द देखाउँदै
• C) प्रत्येक अनुरोधको साथ मोडेलमा सम्पूर्ण च्याट इतिहास पठाउँदै
• D) प्रतिक्रियालाई सकेसम्म विस्तार गर्न मोडेल निर्देशनलाई ठूलो बनाउनुहोस्

विवरण: स्ट्रिमिङले नाटकीय रूपमा प्रतिक्रिया देखाएर कथित गति र प्रवाहलाई बढाउँछ किनभने यो शब्दद्वारा शब्द उत्पादन गरिन्छ। खाली स्क्रिनमा पर्खनुको सट्टा, प्रयोगकर्ताले पाठ फारम हेर्छ; यसले परित्याग दरलाई उल्लेखनीय रूपमा घटाउँछ।

8. कृत्रिम बुद्धिमत्ताद्वारा उत्पादित परीक्षणहरूमा सबैभन्दा सामान्य समस्या के हो जसले परीक्षणलाई बेकार बनाउँछ?

• A) परीक्षणहरूले धेरै सीमा राज्यहरू कभर गर्दछ
• ख) परीक्षणहरूले नक्कली वस्तुहरू प्रयोग गर्दछ, वास्तविक सेवाहरू होइन
• C) परीक्षण धेरै छिटो चल्छ
• D) खाली / बेकार परीक्षणहरू द्वारा स्कोप ब्लोट जसले वास्तवमा व्यवहारलाई मान्य गर्दैन ✔

स्पष्टीकरण: आर्टिफिसियल इन्टेलिजेन्सले कहिलेकाहीँ परीक्षणहरू उत्पादन गर्दछ जुन वास्तवमा कुनै पनि आउटपुट प्रमाणित गर्दैन (जस्तै प्रकार्यलाई कल गर्नुहोस् र खाली दावी लेख्नुहोस्)। यसले कभरेज संख्या बढाउँछ तर वास्तविक सुरक्षा प्रदान गर्दैन; अर्थपूर्ण व्यवहार प्रमाणित गर्न प्रत्येक परीक्षण जाँच गर्नुपर्छ।

९. क्र्यासलाई कृत्रिम बुद्धिमत्ताको सुझावको साथ ट्रया-क्याचमा राखेर शान्त पार्नु किन पर्याप्त समाधान होइन?

• A) मोबाइल अनुप्रयोगहरूमा प्रयास-क्याच प्रयोग गर्न सकिँदैन
• ख) दुर्घटना रोकिन्छ, तर मूल कारण समाधान नभएको कारण, समस्या फरक रूप मा फर्किन्छ ✔
• C) प्रयास-क्याच प्रयोग गर्नाले अनुप्रयोगलाई सुस्त बनाउँछ, त्यसैले यो निषेधित छ
• D) मौन त्रुटि स्वचालित रूपमा स्टोर द्वारा अस्वीकार गरिएको छ

स्पष्टीकरण: लक्षणलाई मौन राख्नुले मूल कारणको समाधान गर्दैन; क्र्यास रोकिन्छ, तर मूल समस्या (जस्तै बिग्रिएको डेटा जडान) अर्को फारममा फर्कन्छ (जस्तै डाटा हानि)। व्यावसायिक डिबगिङको लक्ष्य मूल कारण समाधान गर्नु हो, लक्षण होइन।

10. कार्यसम्पादन अप्टिमाइजेसनमा पालना गर्नुपर्ने आधारभूत सुनौलो नियम के हो?

• क) पहिले प्रोफाइल लिनुहोस् र वास्तविक बाधा नाप्नुहोस्, त्यसपछि अप्टिमाइज गर्नुहोस् ✔
• ख) कहाँ ढिलो छ अनुमान गर्ने र त्यहाँ ध्यान केन्द्रित गर्ने
• ग) प्रत्येक कार्यमा साना लाभहरू पछ्याउँदै
• D) इमुलेटरमा कार्यसम्पादन नाप्ने र वास्तविक यन्त्रलाई कहिल्यै प्रयास नगर्ने

विवरण: पहिले मापन गर्नुहोस्, पछि अनुकूलन गर्नुहोस्। वास्तविक बाधा लगभग सधैं भविष्यवाणी भन्दा फरक स्थानमा हुन्छ; प्रोफाइल बिना अप्टिमाइजेसन एक अन्धा अनुमान हो र अक्सर प्रयास को बर्बादी हो।

11. निरन्तर चलिरहेको AI सुविधा (जस्तै लाइभ क्यामेरा अनुवाद) को लागि सबैभन्दा महत्त्वपूर्ण इन्जिनियरिङ चिन्ता के हो?

• A) सुविधाले सकेसम्म धेरै अनुमतिहरू अनुरोध गर्दछ
• ख) नमूना आवृत्ति र ब्याच प्रशोधनको साथ निरन्तर प्रशोधनको ब्याट्री र प्रोसेसर लागत प्रबन्धन ✔
• C) सबैभन्दा महँगो फोनहरूमा मात्र सुविधा चलाउनुहोस्
• D) उच्चतम सम्भावित फ्रेम दरमा लगातार क्यामेरा रेन्डर गर्दै

विवरण: निरन्तर काम गर्ने मोडेल, क्यामेरा र नेटवर्क; यसले तुरुन्तै ब्याट्री खपत गर्न सक्छ, यन्त्रलाई तातो बनाउन सक्छ, र प्रणालीद्वारा प्रतिबन्धित हुन सक्छ। नमूना फ्रिक्वेन्सी घटाउनु, ब्याचिङ गर्नु र आवश्यक पर्दा मात्र चलाउनु ब्याट्री लागत व्यवस्थापन गर्ने तरिकाहरू हुन्।

12. मोबाइल विकासमा अनुमति व्यवस्थापनमा 'न्यूनतम विशेषाधिकार' को सिद्धान्तको अर्थ के हो?

• ए) स्टार्टअपमा सबै सम्भावित अनुमतिहरू अनुरोध गर्दै, केवल केसमा।
• B) यदि अनुमति अस्वीकार गरिएको छ भने एपलाई निष्क्रिय बनाउने
• ग) फराकिलो अनुमतिको लागि सोध्दै र पछि यसलाई संकीर्ण गर्ने योजना।
• D) वास्तवमा आवश्यक परेको अनुमति मात्र अनुरोध गर्दै, आवश्यक परेको बेला र सबैभन्दा संकीर्ण दायरा भित्र, अस्वीकार परिदृश्य ✔

स्पष्टीकरण: न्यूनतम विशेषाधिकार भनेको वास्तवमा चाहिने अनुमति मात्र माग्नु हो, जब यो आवश्यक हुन्छ, र सम्भव भएसम्म। धेरै अनुमतिहरूले प्रयोगकर्ताको विश्वासलाई कमजोर बनाउँछ, भण्डार अस्वीकृतिको नेतृत्व गर्छ, र डाटा चुहावटको जोखिम बढाउँछ।

13. स्टोरमा आर्टिफिसियल इन्टेलिजेन्स भएको एप्लिकेसन प्रस्तुत गर्दा कुन विशेष आवश्यकताहरू पूरा गर्नुपर्छ?

• क) सामग्रीको पारदर्शिता, सामग्री नियन्त्रण र गोप्यताको रूपमा कृत्रिम बुद्धिमत्तामा जाने डाटाको खुलासा ✔
• ख) प्रयोगकर्ताबाट कृत्रिम बुद्धिमत्ताको प्रयोग लुकाउने
• C) गोप्यता फारममा वास्तवमा सङ्कलन नगरिएको डाटा चिन्ह लगाउने
• D) वर्णनमा अवस्थित नभएका आशाजनक सुविधाहरू

खुलासा: स्टोरहरूले सामग्रीको पारदर्शिता (यसले एआई उत्पादन गर्छ भनी कथन), सामग्री संयमितता (हानिकारक आउटपुट र प्रयोगकर्ता सूचनाको फिल्टरिंग), र कृत्रिम बुद्धिमत्ता भएका अनुप्रयोगहरूबाट डेटा प्रयोगको खुलासाको अपेक्षा गर्दछ; संवेदनशील क्षेत्रमा सटीकता चेतावनी आवश्यक छ। यी छोड्ने आवेदनहरू अस्वीकार गरिनेछ।

14. प्रकाशित AI-उत्पन्न कोडमा एज केस त्रुटि देखा पर्दा किन 'AI ले त्यसरी लेखेको' प्रतिरक्षा अमान्य हुन्छ?

• A) किनभने कृत्रिम बुद्धिमत्ताले सधैं त्रुटि-रहित कोड उत्पादन गर्दछ, त्रुटि प्रयोगकर्ताबाट आउँछ
• B) किनकी स्टोरहरूले स्वचालित रूपमा AI-उत्पन्न कोड सच्याउँछन्
• C) जिम्मेवारी कृत्रिम बुद्धिमत्तामा हस्तान्तरण गर्न सकिँदैन; विकासकर्ता प्रकाशित कोड र डेटा को लागी जिम्मेवार छ ✔
• D) किनभने आर्टिफिसियल इन्टेलिजेन्स-उत्पन्न कोड कहिल्यै लाइभ राखिएको छैन

विवरण: एआई आउटपुट एक सुरूवात बिन्दु हो, समाप्त उत्पादन होइन। यो विकासकर्ता हो जो प्रकाशित हरेक लाइन, प्रत्येक डाटा प्रशोधन, र हरेक प्रतिज्ञा को लागी जिम्मेवार छ; जिम्मेवारी AI लाई प्रत्यायोजित गर्न सकिँदैन, त्यसैले आउटपुट बुझ्नुपर्छ र प्रकाशन अघि परीक्षण गर्नुपर्छ।