ਐਂਡ-ਟੂ-ਐਂਡ ਪ੍ਰੋਜੈਕਟ, ਪੇਸ਼ੇ ਵਿੱਚ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਅਤੇ ਰੋਡਮੈਪ ਦੀ ਜ਼ਿੰਮੇਵਾਰ ਵਰਤੋਂ

ਲਾਭ:

• ਡਿਜ਼ਾਇਨ, ਕੋਡ, ਏਆਈ ਏਕੀਕਰਣ, ਗੋਪਨੀਯਤਾ, ਟੈਸਟਿੰਗ, ਡੀਬਗਿੰਗ, ਪ੍ਰਦਰਸ਼ਨ ਅਤੇ ਰੀਲੀਜ਼ ਦੇ ਕਦਮਾਂ ਵਿੱਚ ਇੱਕ ਮੋਬਾਈਲ ਵਿਸ਼ੇਸ਼ਤਾ ਸਿਰੇ ਤੋਂ ਅੰਤ ਅਤੇ ਪ੍ਰਮਾਣਿਤ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
• ਪਾਰਦਰਸ਼ਤਾ, ਤਸਦੀਕ-ਜਵਾਬਦੇਹੀ ਅਤੇ ਨਿਆਂ-ਗੈਰ-ਨੁਕਸਾਨ ਦੇ ਸਿਧਾਂਤਾਂ ਦੇ ਨਾਲ ਨਕਲੀ ਬੁੱਧੀ ਦੀ ਜ਼ਿੰਮੇਵਾਰ ਅਤੇ ਨੈਤਿਕ ਵਰਤੋਂ ਲਈ ਇੱਕ ਢਾਂਚਾ ਸਥਾਪਤ ਕਰਨ ਦੀ ਸਮਰੱਥਾ।
• ਉਹਨਾਂ ਖੇਤਰਾਂ ਨੂੰ ਵੱਖਰਾ ਕਰਕੇ ਜਿੱਥੇ ਨਕਲੀ ਬੁੱਧੀ ਮਜ਼ਬੂਤ ​​ਅਤੇ ਕਮਜ਼ੋਰ ਹੈ ਅਤੇ ਅੰਤਮ ਫੈਸਲਾ ਮਨੁੱਖਾਂ ਦੇ ਹੱਥਾਂ ਵਿੱਚ ਰੱਖ ਕੇ ਇੱਕ ਟਿਕਾਊ ਪੇਸ਼ੇਵਰ ਅਭਿਆਸ ਬਣਾਉਣ ਦੇ ਯੋਗ ਹੋਣਾ।

ਇਸ ਮੌਡਿਊਲ ਦੇ ਦੌਰਾਨ, ਅਸੀਂ ਮੋਬਾਈਲ ਵਿਕਾਸ ਦੇ ਹਰ ਪੜਾਅ 'ਤੇ AI ਦੀ ਵਰਤੋਂ ਕੀਤੀ: ਕੋਡ ਜਨਰੇਸ਼ਨ, ਇੰਟਰਫੇਸ, ਔਨ-ਡਿਵਾਈਸ ਅਤੇ ਕਲਾਉਡ AI ਏਕੀਕਰਣ, ਟੈਸਟਿੰਗ, ਡੀਬਗਿੰਗ, ਪ੍ਰਦਰਸ਼ਨ, ਗੋਪਨੀਯਤਾ, ਅਤੇ ਸਟੋਰ ਡਿਲੀਵਰੀ। ਇਸ ਅੰਤਮ ਇਕਾਈ ਵਿੱਚ, ਅਸੀਂ ਇਹਨਾਂ ਸਾਰੇ ਟੁਕੜਿਆਂ ਨੂੰ ਇੱਕ ਸਿੰਗਲ ਐਂਡ-ਟੂ-ਐਂਡ ਪ੍ਰਵਾਹ ਵਿੱਚ ਜੋੜਾਂਗੇ, AI ਦੀ ਜ਼ਿੰਮੇਵਾਰ ਅਤੇ ਨੈਤਿਕ ਵਰਤੋਂ ਲਈ ਢਾਂਚੇ ਨੂੰ ਸਪੱਸ਼ਟ ਕਰਾਂਗੇ, ਅਤੇ ਇਹਨਾਂ ਹੁਨਰਾਂ ਨੂੰ ਇੱਕ ਟਿਕਾਊ ਪੇਸ਼ੇਵਰ ਅਭਿਆਸ ਵਿੱਚ ਕਿਵੇਂ ਬਦਲਣਾ ਹੈ ਬਾਰੇ ਗੱਲ ਕਰਾਂਗੇ। ਮੁੱਖ ਸੁਨੇਹਾ ਬਦਲਿਆ ਨਹੀਂ ਹੈ, ਪਰ ਇਹ ਹੁਣ ਮਜ਼ਬੂਤੀ ਨਾਲ ਸਥਾਪਿਤ ਹੋ ਗਿਆ ਹੈ: AI ਇੱਕ ਸ਼ਕਤੀ ਹੈ ਜੋ ਇੱਕ ਸਮਰੱਥ ਮੋਬਾਈਲ ਡਿਵੈਲਪਰ ਨੂੰ ਗੁਣਾ ਕਰਦੀ ਹੈ; ਇਹ ਕੋਈ ਬਦਲ ਨਹੀਂ ਹੈ। ਇਹ ਉਹ ਵਿਅਕਤੀ ਹੈ ਜੋ ਉਪਭੋਗਤਾ ਨੂੰ ਉਤਪਾਦ ਦੀ ਗੁਣਵੱਤਾ, ਸੁਰੱਖਿਆ ਅਤੇ ਵਾਅਦੇ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਹੈ।

ਅੰਤ-ਤੋਂ-ਅੰਤ ਵਿਸ਼ੇਸ਼ਤਾ: ਭਾਗਾਂ ਨੂੰ ਜੋੜਨਾ

AI ਸਹਾਇਤਾ ਨਾਲ ਸ਼ੁਰੂ ਤੋਂ ਲੈ ਕੇ ਅੰਤ ਤੱਕ ਇੱਕ ਅਸਲੀ ਵਿਸ਼ੇਸ਼ਤਾ ਵਿਕਸਿਤ ਕਰਨਾ ਹਰ ਇਕਾਈ ਨੂੰ ਜੋੜਦਾ ਹੈ ਜੋ ਅਸੀਂ ਇੱਕ ਲੜੀ ਵਿੱਚ ਸਿੱਖੀਆਂ ਹਨ। ਉਦਾਹਰਨ: "ਰਸੀਦ ਤੋਂ ਖਰਚ ਸ਼ਾਮਲ ਕਰੋ" ਵਿਸ਼ੇਸ਼ਤਾ। ਪ੍ਰਵਾਹ ਇਸ ਤਰ੍ਹਾਂ ਕੰਮ ਕਰਦਾ ਹੈ:

1. ਡਿਜ਼ਾਈਨ (ਯੂਨਿਟ 3)। AI ਨਾਲ ਸਕ੍ਰੀਨ ਅਤੇ ਚਾਰ ਅਵਸਥਾਵਾਂ (ਲੋਡਿੰਗ/ਖਾਲੀ/ਗਲਤੀ/ਪੂਰੀ) ਦਾ ਖਰੜਾ ਤਿਆਰ ਕਰੋ, ਸ਼ੁਰੂ ਤੋਂ ਹੀ ਪਹੁੰਚਯੋਗਤਾ ਦੀ ਬੇਨਤੀ ਕਰੋ।
2. ਕੋਡ (ਯੂਨਿਟ 2)। MVVM ਨਾਲ ਪਰਤ ਦੁਆਰਾ ਕੈਮਰਾ, ਡੇਟਾ ਮਾਡਲ ਅਤੇ ਵਿਊ ਮਾਡਲ ਲੇਅਰ ਤਿਆਰ ਕਰੋ; ਹਰੇਕ ਲੇਅਰ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ।
3. ਆਨ-ਡਿਵਾਈਸ AI (ਯੂਨਿਟ 4)। ML ਕਿੱਟ ਟੈਕਸਟ ਮਾਨਤਾ ਦੇ ਨਾਲ ਰਸੀਦ ਤੋਂ ਰਕਮ/ਤਾਰੀਖ ਪੜ੍ਹੋ; ਪ੍ਰੀਪ੍ਰੋਸੈਸਿੰਗ ਅਤੇ ਆਤਮ-ਵਿਸ਼ਵਾਸ ਸਕੋਰਿੰਗ 'ਤੇ ਵਿਚਾਰ ਕਰੋ।
4. ਗੁਪਤਤਾ (ਯੂਨਿਟ 9)। ਘੱਟੋ-ਘੱਟ ਵਿਸ਼ੇਸ਼ ਅਧਿਕਾਰ ਦੇ ਨਾਲ ਕੈਮਰਾ ਅਨੁਮਤੀ ਦੀ ਬੇਨਤੀ ਕਰੋ, ਅਸਵੀਕਾਰ ਦ੍ਰਿਸ਼ ਲਿਖੋ, ਡਿਵਾਈਸ 'ਤੇ ਡੇਟਾ ਰੱਖੋ।
5. ਟੈਸਟਿੰਗ (ਯੂਨਿਟ 6)। ਐਕਸਟਰੈਕਸ਼ਨ ਤਰਕ ਦੇ ਯੂਨਿਟ ਟੈਸਟ ਤਿਆਰ ਕਰੋ, ਡਿਸਪਲੇਅ ਦੀ UI ਟੈਸਟਿੰਗ; ਸਰਹੱਦੀ ਰਾਜਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰੋ।
6. ਡੀਬੱਗਿੰਗ (ਯੂਨਿਟ 7)। AI ਨੂੰ ਸੰਦਰਭ ਦੇ ਨਾਲ ਕਰੈਸ਼ਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਅਤੇ ਮੂਲ ਕਾਰਨ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਕਹੋ।
7. ਪ੍ਰਦਰਸ਼ਨ (ਯੂਨਿਟ 8)। ਕੈਮਰਾ ਪ੍ਰੋਸੈਸਿੰਗ ਦੀ ਬੈਟਰੀ ਲਾਗਤ ਨੂੰ ਮਾਪੋ ਅਤੇ ਇਸਨੂੰ ਬੈਟਰੀ-ਅਨੁਕੂਲ ਸੈੱਟ ਕਰੋ।
8. ਪ੍ਰਸਾਰਣ (ਯੂਨਿਟ 10)। ਪਾਰਦਰਸ਼ੀ ਤੌਰ 'ਤੇ AI ਦੀ ਵਰਤੋਂ ਦੀ ਰਿਪੋਰਟ ਕਰੋ, ਗੋਪਨੀਯਤਾ ਫਾਰਮ ਨੂੰ ਸੱਚਾਈ ਨਾਲ ਭਰੋ, ਅਤੇ ਸਵੈ-ਟੈਸਟ ਕਰੋ।

ਹਰ ਕਦਮ 'ਤੇ, ਏਆਈ ਤੇਜ਼ ਹੁੰਦਾ ਹੈ, ਮਨੁੱਖ ਤਸਦੀਕ ਕਰਦਾ ਹੈ ਅਤੇ ਫੈਸਲਾ ਕਰਦਾ ਹੈ. ਇਹ ਲੂਪ ਮੋਡੀਊਲ ਦਾ ਕੋਰ ਹੈ।

ਸੁਝਾਅ: ਇੱਕ ਵਿਸ਼ਾਲ ਬੇਨਤੀ ਨਾਲ AI ਨੂੰ ਇੱਕ ਗੁੰਝਲਦਾਰ ਵਿਸ਼ੇਸ਼ਤਾ ਬਣਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਨਾ ਕਰੋ। ਇਸ ਨੂੰ ਉਪਰੋਕਤ ਵਾਂਗ ਪ੍ਰਮਾਣਿਤ ਕਦਮਾਂ ਵਿੱਚ ਵੰਡੋ। ਹਰੇਕ ਕਦਮ ਦੇ ਆਉਟਪੁੱਟ ਦੀ ਜਾਂਚ ਕਰਨਾ ਅਤੇ ਅਗਲੇ ਪੜਾਅ 'ਤੇ ਜਾਣਾ ਸੁਰੱਖਿਅਤ ਅਤੇ ਅੰਤ ਵਿੱਚ ਤੇਜ਼ ਹੈ; ਕਿਉਂਕਿ ਤੁਸੀਂ ਇੱਕ ਵੱਡੀ ਗਲਤੀ ਨੂੰ ਅੰਤ ਵਿੱਚ ਨਹੀਂ, ਪਰ ਪਹਿਲੇ ਕਦਮ ਵਿੱਚ ਫੜਦੇ ਹੋ.

AI ਦੀ ਜ਼ਿੰਮੇਵਾਰ ਅਤੇ ਨੈਤਿਕ ਵਰਤੋਂ

ਸਿਰਫ਼ ਤਕਨੀਕੀ ਯੋਗਤਾ ਹੀ ਕਾਫ਼ੀ ਨਹੀਂ ਹੈ; ਇੱਕ ਜ਼ਿੰਮੇਵਾਰ ਫਰੇਮਵਰਕ ਇਸਨੂੰ ਪੂਰਾ ਕਰਦਾ ਹੈ। ਤਿੰਨ ਸਿਧਾਂਤ:

ਪਾਰਦਰਸ਼ਤਾ। ਉਪਭੋਗਤਾ ਨੂੰ ਪਤਾ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਉਹ AI ਨਾਲ ਇੰਟਰੈਕਟ ਕਰ ਰਿਹਾ ਹੈ। ਇੱਕ ਗੁਪਤ AI ਵਿਸ਼ਵਾਸ ਦੀ ਉਲੰਘਣਾ ਹੈ। AI-ਤਿਆਰ ਸਮੱਗਰੀ ਨੂੰ ਟੈਗ ਕੀਤਾ ਗਿਆ ਹੈ; AI ਸਲਾਹ ਨੂੰ "ਸਖਤ ਸੱਚਾਈ" ਦੀ ਬਜਾਏ "ਮਦਦਗਾਰ ਸਲਾਹ" ਵਜੋਂ ਪੇਸ਼ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।

ਤਸਦੀਕ ਅਤੇ ਜਵਾਬਦੇਹੀ. AI ਆਉਟਪੁੱਟ ਇੱਕ ਸ਼ੁਰੂਆਤੀ ਬਿੰਦੂ ਹੈ, ਇੱਕ ਮੁਕੰਮਲ ਉਤਪਾਦ ਨਹੀਂ। ਤੁਸੀਂ ਪ੍ਰਕਾਸ਼ਿਤ ਕੋਡ ਦੀ ਹਰ ਲਾਈਨ, ਹਰ AI ਜਵਾਬ, ਹਰ ਡੇਟਾ ਟ੍ਰਾਂਜੈਕਸ਼ਨ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਹੋ। "ਏਆਈ ਨੇ ਇਸ ਤਰ੍ਹਾਂ ਲਿਖਿਆ" ਕੋਈ ਬਚਾਅ ਨਹੀਂ ਹੈ।

ਨਿਆਂ ਅਤੇ ਗੈਰ-ਕੁਦਰਤੀ। AI ਮਾਡਲ ਉਸ ਡੇਟਾ ਤੋਂ ਪੱਖਪਾਤ ਕਰ ਸਕਦੇ ਹਨ ਜਿਸ 'ਤੇ ਉਨ੍ਹਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ। ਇੱਕ ਚਿਹਰੇ ਦੀ ਪਛਾਣ ਕੁਝ ਚਮੜੀ ਦੇ ਰੰਗਾਂ 'ਤੇ ਬਦਤਰ ਕੰਮ ਕਰ ਸਕਦੀ ਹੈ, ਇੱਕ ਸਿਫਾਰਸ਼ ਇੰਜਣ ਇੱਕ ਸਮੂਹ ਨੂੰ ਬਾਹਰ ਕੱਢ ਸਕਦਾ ਹੈ। ਇਹ ਜਾਂਚ ਕਰਨਾ ਤੁਹਾਡੀ ਜ਼ਿੰਮੇਵਾਰੀ ਹੈ ਕਿ ਤੁਹਾਡਾ ਉਤਪਾਦ ਵੱਖ-ਵੱਖ ਉਪਭੋਗਤਾ ਸਮੂਹਾਂ ਵਿੱਚ ਸਹੀ ਢੰਗ ਨਾਲ ਕੰਮ ਕਰਦਾ ਹੈ।

ਧਿਆਨ ਦਿਓ: ਆਈਟੀ ਅਤੇ ਸੁਰੱਖਿਆ ਦੇ ਖੇਤਰ ਵਿੱਚ ਤੁਸੀਂ ਜੋ ਵੀ ਤਕਨੀਕ ਸਿੱਖਦੇ ਹੋ, ਉਸ ਦੀ ਵਰਤੋਂ ਸਿਰਫ਼ ਅਧਿਕਾਰਤ ਅਤੇ ਰਚਨਾਤਮਕ ਉਦੇਸ਼ਾਂ ਲਈ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਮਾਲਵੇਅਰ ਬਣਾਉਣ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰਨਾ, ਬਿਨਾਂ ਇਜਾਜ਼ਤ ਦੇ ਕਿਸੇ ਹੋਰ ਦੀ ਐਪਲੀਕੇਸ਼ਨ ਨੂੰ ਤੋੜਨਾ, ਸਹਿਮਤੀ ਤੋਂ ਬਿਨਾਂ ਉਪਭੋਗਤਾ ਡੇਟਾ ਇਕੱਠਾ ਕਰਨਾ, ਜਾਂ ਗੁੰਮਰਾਹਕੁੰਨ ਸਮੱਗਰੀ ਤਿਆਰ ਕਰਨਾ ਗੈਰ ਕਾਨੂੰਨੀ ਹੈ ਅਤੇ ਪੇਸ਼ੇ ਦੀ ਨੈਤਿਕਤਾ ਦੇ ਵਿਰੁੱਧ ਹੈ। ਸ਼ਕਤੀ ਦਾ ਮਾਪ ਪ੍ਰਗਟ ਹੁੰਦਾ ਹੈ ਜਿੱਥੇ ਤੁਸੀਂ ਇਸਦੀ ਵਰਤੋਂ ਨਹੀਂ ਕਰਦੇ.

AI ਦੀਆਂ ਸੀਮਾਵਾਂ ਨੂੰ ਪਛਾਣਨਾ

ਇੱਕ ਪਰਿਪੱਕ ਵਿਕਾਸਕਾਰ ਜਾਣਦਾ ਹੈ ਕਿ AI ਕਿੱਥੇ ਚਮਕਦਾ ਹੈ ਅਤੇ ਇਹ ਕਿੱਥੇ ਘੱਟ ਜਾਂਦਾ ਹੈ।

AI ਸ਼ਕਤੀਸ਼ਾਲੀ ਹੈ

AI ਕਮਜ਼ੋਰ ਹੈ

ਮੋਲਡ ਕੋਡ, ਬੋਇਲਰਪਲੇਟ ਉਤਪਾਦਨ

ਉਤਪਾਦ ਅਤੇ ਆਰਕੀਟੈਕਚਰਲ ਫੈਸਲੇ

ਟੈਸਟਿੰਗ ਅਤੇ ਦਸਤਾਵੇਜ਼ੀ ਡਰਾਫਟ

ਵਪਾਰਕ ਸੰਦਰਭ ਅਤੇ ਉਪਭੋਗਤਾ ਨੂੰ ਸਮਝਣਾ

ਕਰੈਸ਼ ਲੌਗ ਰੀਡਿੰਗ, ਗਲਤੀ ਸਕੈਨਿੰਗ

ਨਿਸ਼ਚਿਤ ਮੂਲ ਕਾਰਨ ਨਿਦਾਨ (ਪੁਸ਼ਟੀ ਦੀ ਲੋੜ ਹੈ)

ਸਿੱਖਣਾ, ਸੰਕਲਪ ਦੀ ਵਿਆਖਿਆ

ਮੌਜੂਦਾ/ਅਨਫੈਬਰੀਕੇਟਿਡ API ਜਾਣਕਾਰੀ

ਪਾਠ, ਵਰਣਨ, ਅਨੁਵਾਦ

ਨੈਤਿਕਤਾ, ਸੁਰੱਖਿਆ ਅਤੇ ਕਾਨੂੰਨੀ ਅੰਤਿਮ ਫੈਸਲਾ

ਇਸ ਅੰਤਰ ਨੂੰ ਅੰਦਰੂਨੀ ਬਣਾਉਣਾ AI ਨੂੰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਵਰਤਣ ਅਤੇ ਇਸ ਦੀਆਂ ਕਮੀਆਂ ਤੋਂ ਬਚਣ ਦੀ ਕੁੰਜੀ ਹੈ।

ਤਿੰਨ ਛੋਟੇ ਕੇਸ

ਕੇਸ 1 — ਸਿਰੇ ਤੋਂ ਅੰਤ ਦੀ ਗਤੀ। ਇੱਕ ਸੋਲੋ ਡਿਵੈਲਪਰ ਨੇ ਉਪਰੋਕਤ 8-ਪੜਾਅ ਦੇ ਪ੍ਰਵਾਹ ਦੇ ਨਾਲ 4 ਦਿਨਾਂ ਵਿੱਚ "ਅਨਪਲੱਗਡ" ਵਿਸ਼ੇਸ਼ਤਾ ਨੂੰ ਪੂਰਾ ਕੀਤਾ; AI ਤੋਂ ਬਿਨਾਂ ਅੰਦਾਜ਼ਾ 12 ਦਿਨ ਸੀ। ਪਰ ਕਿਉਂਕਿ ਉਸਨੇ ਹਰ ਕਦਮ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ, ਪ੍ਰਕਾਸ਼ਨ ਨੂੰ ਪਹਿਲੀ ਵਾਰ ਮਨਜ਼ੂਰੀ ਦਿੱਤੀ ਗਈ ਸੀ। ਗਤੀ ਅਸਲੀ ਸੀ ਕਿਉਂਕਿ ਅਨੁਸ਼ਾਸਨ ਅਸਲੀ ਸੀ। ਪਾਠ: AI + ਤਸਦੀਕ AI - ਤਸਦੀਕ ਨਾਲੋਂ ਤੇਜ਼ ਹੈ।

ਕੇਸ 2 - ਪੱਖਪਾਤ ਫੜਿਆ ਗਿਆ। ਇੱਕ AI-ਅਧਾਰਤ ਨਾਮ-ਲਿੰਗ ਪੂਰਵ-ਅਨੁਮਾਨ ਵਿਸ਼ੇਸ਼ਤਾ ਦੀ ਜਾਂਚ ਕਰਦੇ ਸਮੇਂ, ਇੱਕ ਟੀਮ ਨੇ ਕੁਝ ਤੁਰਕੀ ਨਾਮਾਂ ਵਿੱਚ ਯੋਜਨਾਬੱਧ ਤਰੁੱਟੀਆਂ ਵੇਖੀਆਂ; ਮਾਡਲ ਨੂੰ ਜ਼ਿਆਦਾਤਰ ਅੰਗਰੇਜ਼ੀ ਡੇਟਾ 'ਤੇ ਸਿਖਲਾਈ ਦਿੱਤੀ ਗਈ ਸੀ। ਫੀਚਰ ਨੂੰ ਗਲਤ ਧਾਰਨਾ ਬਣਾਉਣ ਦੀ ਬਜਾਏ ਉਪਭੋਗਤਾ ਤੋਂ ਪੁੱਛਣ ਲਈ ਬਦਲਿਆ ਗਿਆ ਹੈ। ਪਾਠ: ਮਾਡਲ ਦੇ ਸਿਖਲਾਈ ਪੱਖਪਾਤ ਦੀ ਜਾਂਚ ਕਰਨਾ ਵਿਕਾਸਕਾਰ ਦਾ ਕੰਮ ਹੈ।

ਕੇਸ 3 - "AI ਨੇ ਅਜਿਹਾ ਕਿਹਾ" ਬਚਾਅ ਪੱਖ ਢਹਿ ਗਿਆ। ਇੱਕ ਡਿਵੈਲਪਰ ਨੇ ਇਸਦੀ ਪੁਸ਼ਟੀ ਕੀਤੇ ਬਿਨਾਂ ਇੱਕ AI-ਤਿਆਰ ਭੁਗਤਾਨ ਕੋਡ ਪ੍ਰਕਾਸ਼ਤ ਕੀਤਾ; ਇੱਕ ਅਤਿ ਸਥਿਤੀ ਵਿੱਚ ਕੋਡ ਡਬਲ ਕਲੈਕਸ਼ਨ ਕਰ ਰਿਹਾ ਸੀ। "AI ਨੇ ਲਿਖਿਆ" ਕਹਿ ਕੇ ਜ਼ਿੰਮੇਵਾਰੀ ਨਹੀਂ ਹਟਾਈ ਜਾਂਦੀ; ਖਾਤਾ ਧਾਰਕ ਹੋਣ ਦੇ ਨਾਤੇ, ਉਹ ਇੱਕ ਡਿਵੈਲਪਰ ਸੀ. ਸਬਕ: ਜ਼ਿੰਮੇਵਾਰੀ ਨਹੀਂ ਸੌਂਪੀ ਜਾ ਸਕਦੀ।

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ: "ਮੈਨੂੰ ਇੱਕ ਪੂਰੀ ਰਸੀਦ ਸਕੈਨਿੰਗ ਐਪਲੀਕੇਸ਼ਨ ਲਿਖੋ।"

ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰੋਂਪਟ: "'ਰਸੀਦ ਤੋਂ ਖਰਚਾ ਜੋੜੋ' ਵਿਸ਼ੇਸ਼ਤਾ ਨੂੰ ਕਦਮ-ਦਰ-ਕਦਮ ਵਿਕਸਿਤ ਕਰਨ ਵਿੱਚ ਮੇਰੀ ਮਦਦ ਕਰੋ। ਆਓ ਕ੍ਰਮ ਵਿੱਚ ਅੱਗੇ ਵਧੀਏ, ਜਦੋਂ ਮੈਂ ਹਰ ਪੜਾਅ ਦੀ ਪੁਸ਼ਟੀ ਕਰਦਾ ਹਾਂ ਅਤੇ ਮਨਜ਼ੂਰੀ ਦਿੰਦਾ ਹਾਂ, ਅਗਲੇ 'ਤੇ ਅੱਗੇ ਵਧਦੇ ਹਾਂ: 1) ਸਕ੍ਰੀਨ + ਚਾਰ ਸਥਿਤੀਆਂ + ਪਹੁੰਚਯੋਗਤਾ2) MVVM ਲੇਅਰਾਂ (ਕੈਮਰਾ, ਮਾਡਲ, ਵਿਊ ਮਾਡਲ) 3) ਕੈਮਰਾ ਰੀਡਿੰਗ ਦੀ ਰਕਮ + 4 ਐੱਮ.ਐੱਲ. ਸਕੋਰ ਪ੍ਰਤੀ ਕੈਮਰੀ ਰੀਡਿੰਗ (ਘੱਟੋ-ਘੱਟ ਵਿਸ਼ੇਸ਼ ਅਧਿਕਾਰ) + ਅਸਵੀਕਾਰ ਪ੍ਰਵਾਹ5) ਯੂਨਿਟ ਅਤੇ UI ਟੈਸਟ ਮੈਨੂੰ ਹਰੇਕ ਪੜਾਅ 'ਤੇ ਤਸਦੀਕ ਕਰਨ ਲਈ ਲੋੜੀਂਦੇ ਜੋਖਮਾਂ ਅਤੇ ਬਿੰਦੂਆਂ ਬਾਰੇ ਦੱਸੋ।"

ਨਕਲ ਕਰਨ ਯੋਗ ਟੈਂਪਲੇਟਸ

ਐਂਡ-ਟੂ-ਐਂਡ ਪਲੈਨਿੰਗ ਟੈਮਪਲੇਟ: "ਮੈਂ ਹੇਠ ਲਿਖੀ ਵਿਸ਼ੇਸ਼ਤਾ ਦਾ ਵਿਕਾਸ ਕਰਾਂਗਾ: [ਵਿਸ਼ੇਸ਼ਤਾ]। ਇਸਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਦਮਾਂ ਵਿੱਚ ਵੰਡੋ: ਡਿਜ਼ਾਈਨ, ਕੋਡ, AI ਏਕੀਕਰਣ, ਗੋਪਨੀਯਤਾ/ਅਧਿਕਾਰਤ, ਟੈਸਟਿੰਗ, ਪ੍ਰਦਰਸ਼ਨ, ਰਿਲੀਜ਼। ਹਰੇਕ ਪੜਾਅ ਲਈ ਆਉਟਪੁੱਟ, ਜੋਖਮ, ਅਤੇ ਪੁਸ਼ਟੀਕਰਨ ਮਾਪਦੰਡ ਲਿਖੋ। ਇੱਕ ਵੀ ਵਿਸ਼ਾਲ ਉਤਪਾਦਨ ਨਾ ਕਰੋ।"

ਨੈਤਿਕਤਾ/ਪੱਖਪਾਤ ਆਡਿਟ ਟੈਮਪਲੇਟ: "ਨਿਰਪੱਖਤਾ ਅਤੇ ਪੱਖਪਾਤ ਲਈ ਨਿਮਨਲਿਖਤ AI ਵਿਸ਼ੇਸ਼ਤਾ ਦਾ ਆਡਿਟ ਕਰੋ: [ਵਿਸ਼ੇਸ਼ਤਾ]। ਕਿਹੜੇ ਉਪਭੋਗਤਾ ਸਮੂਹ ਇਹ ਮਾੜਾ ਪ੍ਰਦਰਸ਼ਨ ਕਰ ਸਕਦੇ ਹਨ? ਸਿਖਲਾਈ ਡੇਟਾ ਪੱਖਪਾਤ ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਭਾਵਤ ਕਰਦਾ ਹੈ? ਮੈਂ ਇਸ ਦੀ ਜਾਂਚ ਕਿਵੇਂ ਕਰਾਂ, ਮੈਂ ਇਸਨੂੰ ਹੋਰ ਸੰਮਲਿਤ ਕਿਵੇਂ ਬਣਾਵਾਂ?"

ਜਵਾਬਦੇਹੀ ਜਾਂਚ ਟੈਮਪਲੇਟ: "ਇਸ AI-ਤਿਆਰ ਕੋਡ/ਵਿਸ਼ੇਸ਼ਤਾ ਨੂੰ ਜਾਰੀ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਜਵਾਬਦੇਹੀ ਸਵਾਲਾਂ ਦੀ ਸੂਚੀ ਬਣਾਓ: ਕੀ ਮੈਂ ਇਸਨੂੰ ਸਮਝਿਆ, ਕੀ ਮੈਂ ਇਸਦੀ ਜਾਂਚ ਕੀਤੀ, ਕੀ ਇਹ ਸੁਰੱਖਿਅਤ ਹੈ, ਕੀ ਇਹ ਉਪਭੋਗਤਾ ਲਈ ਪਾਰਦਰਸ਼ੀ ਹੈ, ਕੀ ਇਹ ਕਾਨੂੰਨੀ/ਨੈਤਿਕ ਹੈ?"

ਨਿਰੰਤਰ ਸਿੱਖਣ ਦਾ ਟੈਮਪਲੇਟ: "ਮੋਬਾਈਲ ਡਿਵੈਲਪਰ ਵਿੱਚ ਮੇਰੇ AI ਹੁਨਰ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ ਇੱਕ 4-ਹਫ਼ਤੇ ਦੀ ਵਿਹਾਰਕ ਯੋਜਨਾ ਦਾ ਪ੍ਰਸਤਾਵ ਕਰੋ: ਇੱਕ ਛੋਟੇ ਪ੍ਰੋਜੈਕਟ ਅਤੇ ਤਸਦੀਕ ਦੀ ਆਦਤ ਦੇ ਟੀਚੇ ਦੇ ਨਾਲ ਹਰ ਹਫ਼ਤੇ ਇੱਕ ਵਿਸ਼ਾ (ਕੋਡ, ਏਕੀਕਰਣ, ਟੈਸਟਿੰਗ, ਰੀਲੀਜ਼)।"

ਆਮ ਗਲਤੀਆਂ

• ਇੱਕ ਵਿਸ਼ਾਲ ਬੇਨਤੀ ਨਾਲ ਗੁੰਝਲਦਾਰ ਵਿਸ਼ੇਸ਼ਤਾ ਪੈਦਾ ਕਰਨਾ। ਤਸਦੀਕ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ; ਇਸ ਨੂੰ ਕਦਮਾਂ ਵਿੱਚ ਤੋੜੋ।
• "AI ਨੇ ਲਿਖਿਆ" ਕਹਿ ਕੇ ਜ਼ਿੰਮੇਵਾਰੀ ਤੋਂ ਬਚਣਾ। ਤੁਸੀਂ ਪ੍ਰਕਾਸ਼ਿਤ ਕੋਡ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਹੋ।
• AI ਪੱਖਪਾਤ ਲਈ ਟੈਸਟ ਨਹੀਂ ਕਰ ਰਿਹਾ। ਮਾਡਲ ਕੁਝ ਸਮੂਹਾਂ ਵਿੱਚ ਮਾੜਾ ਕੰਮ ਕਰ ਸਕਦਾ ਹੈ; ਨਿਆਂ ਦੀ ਜਾਂਚ ਕਰੋ।
• ਉਪਭੋਗਤਾ ਤੋਂ AI ਇੰਟਰੈਕਸ਼ਨ ਨੂੰ ਲੁਕਾਉਣਾ। ਪਾਰਦਰਸ਼ਤਾ ਭਰੋਸੇ ਦੀ ਨੀਂਹ ਹੈ।
• ਏਆਈ ਦੀਆਂ ਸੀਮਾਵਾਂ ਨੂੰ ਭੁੱਲਣਾ. ਆਰਕੀਟੈਕਚਰ, ਨੈਤਿਕਤਾ ਅਤੇ ਮੌਜੂਦਾ API 'ਤੇ ਲੋਕਾਂ ਦੀ ਅੰਤਿਮ ਰਾਏ ਹੈ।
• ਸਿੱਖਣ ਨੂੰ ਰੋਕਣ ਲਈ. ਟੂਲ ਅਤੇ ਦੁਕਾਨ ਦੇ ਨਿਯਮ ਤੇਜ਼ੀ ਨਾਲ ਬਦਲਦੇ ਹਨ; ਲਗਾਤਾਰ ਅੱਪਡੇਟ ਰਹੋ।

ਸਾਰੰਸ਼ ਵਿੱਚ

ਇੱਕ ਅੰਤ-ਤੋਂ-ਅੰਤ ਵਿਸ਼ੇਸ਼ਤਾ ਇੱਕ ਲੜੀ ਵਿੱਚ ਮੋਡੀਊਲ ਦੇ ਸਾਰੇ ਹਿੱਸਿਆਂ ਨੂੰ ਜੋੜਦੀ ਹੈ: ਡਿਜ਼ਾਈਨ, ਕੋਡ, ਏਆਈ ਏਕੀਕਰਣ, ਗੋਪਨੀਯਤਾ, ਟੈਸਟਿੰਗ, ਡੀਬਗਿੰਗ, ਪ੍ਰਦਰਸ਼ਨ ਅਤੇ ਰਿਲੀਜ਼। ਹਰ ਕਦਮ 'ਤੇ, AI ਤੇਜ਼ ਕਰਦਾ ਹੈ, ਮਨੁੱਖੀ ਤਸਦੀਕ ਕਰਦਾ ਹੈ ਅਤੇ ਫੈਸਲਾ ਕਰਦਾ ਹੈ; ਗੁੰਝਲਦਾਰ ਕੰਮ ਨੂੰ ਛੋਟੇ ਪ੍ਰਮਾਣਿਤ ਕਦਮਾਂ ਵਿੱਚ ਵੰਡਿਆ ਗਿਆ ਹੈ। ਜ਼ਿੰਮੇਵਾਰ ਵਰਤੋਂ ਤਿੰਨ ਸਿਧਾਂਤਾਂ 'ਤੇ ਅਧਾਰਤ ਹੈ: ਪਾਰਦਰਸ਼ਤਾ, ਤਸਦੀਕ-ਜਵਾਬਦੇਹੀ ਅਤੇ ਨਿਰਪੱਖਤਾ-ਕੋਈ ਨੁਕਸਾਨ ਨਾ ਕਰੋ। AI ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਗੁਣਕ ਹੈ, ਪਰ ਮਨੁੱਖਾਂ ਕੋਲ ਆਰਕੀਟੈਕਚਰ, ਨੈਤਿਕਤਾ, ਸੁਰੱਖਿਆ ਅਤੇ ਮੌਜੂਦਾ ਗਿਆਨ 'ਤੇ ਅੰਤਮ ਕਹਿਣਾ ਹੈ। “ਏਆਈ ਨੇ ਇਸ ਤਰ੍ਹਾਂ ਕੀਤਾ” ਕੋਈ ਬਚਾਅ ਨਹੀਂ ਹੈ; ਤੁਸੀਂ ਆਪਣੇ ਉਤਪਾਦ ਅਤੇ ਤੁਹਾਡੇ ਉਪਭੋਗਤਾ ਨਾਲ ਕੀਤੇ ਵਾਅਦੇ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਹੋ। ਇਸ ਅਨੁਸ਼ਾਸਨ ਦੇ ਨਾਲ, AI ਤੁਹਾਨੂੰ ਤੁਹਾਡੇ ਪੂਰੇ ਕਰੀਅਰ ਵਿੱਚ ਤੇਜ਼, ਵਧੇਰੇ ਵਿਆਪਕ ਅਤੇ ਮਜ਼ਬੂਤ ​​ਬਣਾਉਂਦਾ ਹੈ।

ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ

"ਐਂਡ-ਟੂ-ਐਂਡ ਪਲੈਨਿੰਗ ਟੈਮਪਲੇਟ" ਦੇ ਨਾਲ ਪ੍ਰਮਾਣਿਤ ਕਦਮਾਂ ਵਿੱਚ ਆਪਣੀ ਪਸੰਦ ਦੀ ਇੱਕ ਮੋਬਾਈਲ ਵਿਸ਼ੇਸ਼ਤਾ (ਉਦਾਹਰਨ ਲਈ "ਵੌਇਸ ਨੋਟਸ ਲੈ ਕੇ ਸੰਖੇਪ" ਜਾਂ "ਫੋਟੋ ਤੋਂ ਉਤਪਾਦ ਦੀ ਪਛਾਣ") ਨੂੰ ਤੋੜੋ। ਅਸਲ ਵਿੱਚ AI ਨਾਲ ਘੱਟੋ-ਘੱਟ ਇੱਕ ਕਦਮ ਦਾ ਵਿਕਾਸ ਅਤੇ ਪ੍ਰਮਾਣਿਤ ਕਰੋ। ਫਿਰ, ਵਿਸ਼ਲੇਸ਼ਣ ਕਰੋ ਕਿ ਕਿਹੜਾ ਉਪਭੋਗਤਾ ਸਮੂਹ ਵਿਸ਼ੇਸ਼ਤਾ "ਨੈਤਿਕਤਾ/ਪੱਖਪਾਤ ਨਿਯੰਤਰਣ ਟੈਂਪਲੇਟ" ਨਾਲ ਸਮੱਸਿਆਵਾਂ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਉਹਨਾਂ ਪ੍ਰਸ਼ਨਾਂ ਦੇ ਉੱਤਰ ਦਿਓ ਜੋ ਤੁਹਾਨੂੰ "ਦੇਣਦਾਰੀ ਨਿਯੰਤਰਣ ਟੈਂਪਲੇਟ" ਨਾਲ ਰੀਲੀਜ਼ ਤੋਂ ਪਹਿਲਾਂ ਪੁੱਛਣ ਦੀ ਲੋੜ ਹੈ।

ਚੈੱਕਲਿਸਟ

• [ ] ਮੈਂ ਵਿਸ਼ੇਸ਼ਤਾ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਛੋਟੇ ਕਦਮਾਂ ਵਿੱਚ ਤੋੜ ਦਿੱਤਾ, ਇੱਕ ਵੀ ਵਿਸ਼ਾਲ ਉਤਪਾਦਨ ਨਹੀਂ
• [ ] ਮੈਂ ਹਰ ਕਦਮ 'ਤੇ AI ਆਉਟਪੁੱਟ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਅਤੇ ਫੈਸਲਾ ਲਿਆ
• [ ] ਮੈਂ AI ਪਰਸਪਰ ਪ੍ਰਭਾਵ ਨੂੰ ਪਾਰਦਰਸ਼ੀ ਢੰਗ ਨਾਲ ਉਪਭੋਗਤਾ ਨੂੰ ਪੇਸ਼ ਕੀਤਾ
• [ ] ਮੈਂ ਮੁਲਾਂਕਣ ਕੀਤਾ ਕਿ ਕੀ ਵਿਸ਼ੇਸ਼ਤਾ ਵੱਖ-ਵੱਖ ਸਮੂਹਾਂ ਵਿੱਚ ਨਿਰਪੱਖ/ਪੱਖਪਾਤੀ ਕੰਮ ਕਰਦੀ ਹੈ
• [ ] ਮੈਂ ਪ੍ਰੀ-ਰਿਲੀਜ਼ ਜ਼ਿੰਮੇਵਾਰੀ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦਿੱਤੇ (ਸਮਝਿਆ/ਟੈਸਟਿੰਗ/ਸੁਰੱਖਿਅਤ/ਨੈਤਿਕ)
• [ ] ਮੈਂ AI ਦੀ ਵਰਤੋਂ ਸਿਰਫ ਸਮਰੱਥ ਅਤੇ ਰਚਨਾਤਮਕ ਉਦੇਸ਼ਾਂ ਲਈ ਕੀਤੀ ਹੈ ਅਤੇ ਸਿੱਖਣਾ ਜਾਰੀ ਰੱਖਣ ਦੀ ਯੋਜਨਾ ਬਣਾਈ ਹੈ

ਮੋਡੀਊਲ ਪ੍ਰੀਖਿਆ

1. ਮੋਬਾਈਲ ਵਿਕਾਸ ਵਿੱਚ ਨਕਲੀ ਬੁੱਧੀ ਲਈ ਹੇਠਾਂ ਦਿੱਤੇ ਵਿੱਚੋਂ ਕਿਹੜਾ ਸਭ ਤੋਂ ਸਹੀ ਸਥਿਤੀ ਹੈ?

• ਏ) ਏਆਈ ਡਿਵੈਲਪਰ ਦੀ ਥਾਂ ਲੈਂਦਾ ਹੈ; ਇਸ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਕੋਡ ਨੂੰ ਪੜ੍ਹੇ ਬਿਨਾਂ ਸਿੱਧੇ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ
• ਅ) ਨਕਲੀ ਬੁੱਧੀ ਸਿਰਫ ਟੈਕਸਟ ਲਿਖਣ ਵਿੱਚ ਕੰਮ ਕਰਦੀ ਹੈ, ਇਸਦਾ ਕੋਡ ਜਨਰੇਸ਼ਨ ਨਾਲ ਕੋਈ ਲੈਣਾ-ਦੇਣਾ ਨਹੀਂ ਹੈ
• C) ਨਕਲੀ ਬੁੱਧੀ ਇੱਕ ਸਹਾਇਕ ਅਤੇ ਐਕਸਲੇਟਰ ਹੈ; ਆਰਕੀਟੈਕਚਰਲ, ਸੁਰੱਖਿਆ ਅਤੇ ਪ੍ਰਸਾਰਣ ਦੇ ਫੈਸਲਿਆਂ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਮਨੁੱਖਾਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ ✔
• D) ਕਿਉਂਕਿ ਨਕਲੀ ਬੁੱਧੀ ਹਮੇਸ਼ਾ ਸਹੀ ਕੋਡ ਪੈਦਾ ਕਰਦੀ ਹੈ, ਵਾਧੂ ਟੈਸਟਿੰਗ ਅਤੇ ਤਸਦੀਕ ਬੇਲੋੜੀ ਹਨ

ਵਰਣਨ: ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਇੱਕ ਸਹਾਇਕ ਅਤੇ ਐਕਸਲੇਟਰ ਹੈ ਜੋ ਕੋਡ, ਬਲੂਪ੍ਰਿੰਟਸ ਅਤੇ ਹੱਲ ਤਿਆਰ ਕਰਦਾ ਹੈ। ਫੈਸਲਿਆਂ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਅਤੇ ਅੰਤਮ ਪ੍ਰਵਾਨਗੀ ਜਿਵੇਂ ਕਿ ਆਰਕੀਟੈਕਚਰ, ਪਰਮਿਟਿੰਗ, ਸੁਰੱਖਿਆ ਅਤੇ ਪ੍ਰਕਾਸ਼ਨ ਸਮਰੱਥ ਡਿਵੈਲਪਰ ਦੇ ਨਾਲ ਬਾਕੀ; ਪ੍ਰਕਾਸ਼ਿਤ ਹਰ ਲਾਈਨ ਲਈ ਮਨੁੱਖ ਜ਼ਿੰਮੇਵਾਰ ਹੈ।

2. ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਤੋਂ ਮੋਬਾਈਲ ਕੋਡ ਦੀ ਬੇਨਤੀ ਕਰਨ ਵੇਲੇ, ਕੋਡ ਦੀ ਆਰਕੀਟੈਕਚਰਲ ਗੁਣਵੱਤਾ ਸਭ ਤੋਂ ਵੱਧ ਕੀ ਵਧਾਉਂਦੀ ਹੈ?

• A) ਪ੍ਰੋਂਪਟ ਨੂੰ ਜਿੰਨਾ ਹੋ ਸਕੇ ਛੋਟਾ ਰੱਖੋ ਅਤੇ ਕਹੋ 'ਮੈਨੂੰ ਇੱਕ ਐਪ ਲਿਖੋ'
• ਅ) ਪਹਿਲਾਂ, MVVM ਵਰਗਾ ਇੱਕ ਆਰਕੀਟੈਕਚਰ ਲਗਾਓ ਅਤੇ ਕੋਡ ਨੂੰ ਛੋਟੇ ਟੁਕੜਿਆਂ ਵਿੱਚ, ਪਰਤ ਦਰ ਪਰਤ ਵਿੱਚ ਬੇਨਤੀ ਕਰੋ ✔
• C) ਇੱਕ ਸਿੰਗਲ ਪ੍ਰੋਂਪਟ ਵਿੱਚ ਪੂਰੀ ਵਿਸ਼ੇਸ਼ਤਾ ਨੂੰ ਇੱਕ ਸਿੰਗਲ ਵਿਸ਼ਾਲ ਫਾਈਲ ਦੇ ਰੂਪ ਵਿੱਚ ਤਿਆਰ ਕਰਨਾ
• ਡੀ) ਆਰਕੀਟੈਕਚਰ ਨੂੰ ਬਿਲਕੁਲ ਵੀ ਨਿਰਧਾਰਿਤ ਨਾ ਕਰੋ ਅਤੇ ਸਭ ਤੋਂ ਵਧੀਆ ਫੈਸਲਾ ਨਕਲੀ ਬੁੱਧੀ 'ਤੇ ਛੱਡੋ

ਵਿਆਖਿਆ: MVVM ਵਰਗੀ ਇੱਕ ਆਰਕੀਟੈਕਚਰ ਲਗਾਉਣਾ ਅਤੇ AI ਨੂੰ ਸਿੱਧਾ ਕੋਡ ਲਿਖਣ ਤੋਂ ਪਹਿਲਾਂ ਲੇਅਰ ਦਰ ਪਰਤ ਦੀ ਲੋੜ ਹੈ, ਇੱਕ ਜਾਂਚਯੋਗ ਅਤੇ ਰੱਖ-ਰਖਾਅਯੋਗ ਬਣਤਰ ਪੈਦਾ ਕਰਦਾ ਹੈ ਜੋ ਤਰਕ ਨੂੰ ਸਕ੍ਰੀਨ ਤੋਂ ਵੱਖ ਕਰਦਾ ਹੈ। ਆਰਕੀਟੈਕਚਰ ਤੋਂ ਬਿਨਾਂ ਬੇਨਤੀ ਕੋਡ ਵਾਪਸ ਕਰਦੀ ਹੈ ਜੋ ਸਕ੍ਰੀਨ 'ਤੇ ਹਰ ਚੀਜ਼ ਨੂੰ ਕ੍ਰੈਮ ਕਰਦੀ ਹੈ।

3. ਨਕਲੀ ਬੁੱਧੀ ਨਾਲ ਇੰਟਰਫੇਸ ਬਣਾਉਂਦੇ ਸਮੇਂ ਸਭ ਤੋਂ ਵੱਧ ਕਿਹੜੀ ਚੀਜ਼ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਅਤੇ ਅਸਲ ਵਰਤੋਂ ਵਿੱਚ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਕੀ ਹੈ?

• A) ਲੋਡਿੰਗ, ਖਾਲੀ ਅਤੇ ਗਲਤੀ ਸਥਿਤੀਆਂ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰਨਾ, ਨਾ ਕਿ ਸਿਰਫ਼ ਪੂਰੀ ਸਕ੍ਰੀਨ ✔
• ਅ) ਸਿਰਫ਼ ਵਧੀਆ ਦਿੱਖ ਵਾਲੀ ਪੂਰੀ ਸਕ੍ਰੀਨ ਬਣਾਉਣਾ, ਹੋਰ ਮਾਮਲਿਆਂ ਨੂੰ ਛੱਡਣਾ
• C) ਹਰੇਕ ਸਕਰੀਨ ਵਿੱਚ ਵੱਧ ਤੋਂ ਵੱਧ ਰੰਗ ਅਤੇ ਐਨੀਮੇਸ਼ਨ ਸ਼ਾਮਲ ਕਰਨਾ
• ਡੀ) ਪਹੁੰਚਯੋਗਤਾ ਟੈਗਸ ਨੂੰ ਆਖਰੀ ਅਤੇ ਸਿਰਫ ਦਿੱਖ ਨਾਲ ਨਜਿੱਠਣਾ ਛੱਡਣਾ

ਵਿਆਖਿਆ: ਡਿਵੈਲਪਰ ਅਕਸਰ ਸਿਰਫ਼ 'ਪੂਰੀ' ਅਵਸਥਾ ਨੂੰ ਹੀ ਮੰਨਦੇ ਹਨ; ਜਦੋਂ ਕਿ ਅਸਲ ਵਿੱਚ ਉਪਭੋਗਤਾ ਨੂੰ ਜਿਆਦਾਤਰ ਲੋਡਿੰਗ, ਖਾਲੀ ਅਤੇ ਗਲਤੀ ਸਥਿਤੀਆਂ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈਂਦਾ ਹੈ। ਸਾਰੀਆਂ ਚਾਰ ਅਵਸਥਾਵਾਂ (ਲੋਡਿੰਗ/ਖਾਲੀ/ਗਲਤੀ/ਪੂਰੀ) ਬਣਾਉਣਾ ਇੱਕ ਮਜ਼ਬੂਤ ​​ਇੰਟਰਫੇਸ ਦਾ ਰਾਜ਼ ਹੈ।

4. ਸੰਵੇਦਨਸ਼ੀਲ ਨਿੱਜੀ ਡੇਟਾ (ਜਿਵੇਂ ਕਿ ਸਿਹਤ ਮਾਪ) ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰਨ ਵਾਲੀ ਵਿਸ਼ੇਸ਼ਤਾ ਲਈ ਔਨ-ਡਿਵਾਈਸ AI ਅਕਸਰ ਡਿਫੌਲਟ ਵਿਕਲਪ ਕਿਉਂ ਹੁੰਦਾ ਹੈ?

• A) ਔਨ-ਡਿਵਾਈਸ ਮਾਡਲ ਹਮੇਸ਼ਾ ਕਲਾਉਡ ਨਾਲੋਂ ਵਧੇਰੇ ਸਹੀ ਹੁੰਦੇ ਹਨ
• ਅ) ਔਨ-ਡਿਵਾਈਸ ਪ੍ਰੋਸੈਸਿੰਗ ਵਿੱਚ ਕਦੇ ਵੀ ਬੈਟਰੀ ਜਾਂ ਪ੍ਰੋਸੈਸਰ ਦੀ ਲਾਗਤ ਨਹੀਂ ਆਉਂਦੀ
• C) ਔਨ-ਡਿਵਾਈਸ ਪ੍ਰੋਸੈਸਿੰਗ ਮਾਡਲ ਆਕਾਰ ਦੇ ਰੂਪ ਵਿੱਚ ਅਸੀਮਿਤ ਹੈ
• D) ਕਿਉਂਕਿ ਡੇਟਾ ਫੋਨ ਨੂੰ ਨਹੀਂ ਛੱਡਦਾ, ਇਹ ਗੋਪਨੀਯਤਾ ਅਤੇ ਉਪਭੋਗਤਾ ਦੇ ਵਿਸ਼ਵਾਸ ਦੇ ਰੂਪ ਵਿੱਚ ਇੱਕ ਮਜ਼ਬੂਤ ਫਾਇਦਾ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ✔

ਵਿਆਖਿਆ: ਔਨ-ਡਿਵਾਈਸ ਪ੍ਰੋਸੈਸਿੰਗ ਫੋਨ ਤੋਂ ਡੇਟਾ ਨੂੰ ਨਹੀਂ ਹਟਾਉਂਦੀ ਹੈ; ਇਹ ਗੋਪਨੀਯਤਾ ਦੀ ਪਾਲਣਾ ਅਤੇ ਉਪਭੋਗਤਾ ਵਿਸ਼ਵਾਸ ਦੇ ਰੂਪ ਵਿੱਚ ਇੱਕ ਮਜ਼ਬੂਤ ​​ਫਾਇਦਾ ਹੈ, ਨਾਲ ਹੀ ਇਹ ਔਫਲਾਈਨ ਅਤੇ ਤੁਰੰਤ ਕੰਮ ਕਰਦਾ ਹੈ। ਇਸਦੀ ਸੀਮਾ ਡਿਵਾਈਸ ਪਾਵਰ ਅਤੇ ਮਾਡਲ ਦਾ ਆਕਾਰ ਹੈ।

5. ਸਭ ਤੋਂ ਆਮ 'ਚੁੱਪ' ਗਲਤੀ ਕੀ ਹੈ ਜੋ ਅਰਥਹੀਣ ਨਤੀਜਿਆਂ ਦਾ ਕਾਰਨ ਬਣਦੀ ਹੈ ਅਤੇ ਔਨ-ਡਿਵਾਈਸ ਮਾਡਲ ਏਕੀਕਰਣ ਵਿੱਚ ਇੱਕ ਗਲਤੀ ਸੁਨੇਹਾ ਨਹੀਂ ਦਿੰਦੀ?

• ਏ) ਮਾਡਲ ਦੇ ਫਾਈਲ ਨਾਮ ਦੀ ਗਲਤ ਸਪੈਲਿੰਗ
• ਅ) ਐਪਲੀਕੇਸ਼ਨ ਆਈਕਨ ਦਾ ਘੱਟ ਰੈਜ਼ੋਲਿਊਸ਼ਨ
• C) ਗਲਤ ਇਨਪੁਟ ਪ੍ਰੀਪ੍ਰੋਸੈਸਿੰਗ (ਆਕਾਰ/ਆਮੀਕਰਨ) ✔
• ਡੀ) ਡਾਰਕ ਸਕ੍ਰੀਨ ਥੀਮ

ਵਿਆਖਿਆ: ਇਨਪੁਟ ਪ੍ਰੀਪ੍ਰੋਸੈਸਿੰਗ ਨੂੰ ਗਲਤ ਤਰੀਕੇ ਨਾਲ ਕਰਨ ਨਾਲ ਗਲਤੀਆਂ ਸੁੱਟੇ ਬਿਨਾਂ ਪੂਰੀ ਤਰ੍ਹਾਂ ਗਲਤ ਨਤੀਜੇ ਨਿਕਲਣਗੇ। ਪ੍ਰੀਪ੍ਰੋਸੈਸਿੰਗ ਮੁੱਲਾਂ ਨੂੰ ਮਾਡਲ ਦੇ ਦਸਤਾਵੇਜ਼ਾਂ ਤੋਂ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।

6. ਕਲਾਉਡ LLM ਨੂੰ ਮੋਬਾਈਲ ਐਪਲੀਕੇਸ਼ਨ ਵਿੱਚ ਜੋੜਨ ਵੇਲੇ ਸਭ ਤੋਂ ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਨਿਯਮ ਕੀ ਹੈ?

• ਏ) API ਕੁੰਜੀ ਨੂੰ ਸਿਰਫ਼ ਬੈਕਐਂਡ ਵਿੱਚ ਰੱਖਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ, ਕਲਾਇੰਟ 'ਤੇ ਨਹੀਂ; ਬੇਨਤੀਆਂ ਨੂੰ ਪ੍ਰੌਕਸੀ ਰਾਹੀਂ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ✔
• ਅ) API ਕੁੰਜੀ ਨੂੰ ਸਹੂਲਤ ਲਈ ਸਿੱਧੇ ਐਪਲੀਕੇਸ਼ਨ ਕੋਡ ਵਿੱਚ ਏਮਬੈਡ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ
• C) API ਕੁੰਜੀ ਐਪਲੀਕੇਸ਼ਨ ਵੇਰਵੇ ਵਿੱਚ ਸਾਂਝੀ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ
• ਡੀ) API ਕੁੰਜੀ ਨੂੰ ਕਲਾਇੰਟ ਵਿੱਚ ਰੱਖਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਨਾਮ ਬਦਲ ਕੇ ਹੀ ਲੁਕਾਇਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।

ਖੁਲਾਸਾ: API ਕੁੰਜੀ ਕਦੇ ਵੀ ਮੋਬਾਈਲ ਐਪਲੀਕੇਸ਼ਨ ਕੋਡ ਵਿੱਚ ਏਮਬੇਡ ਨਹੀਂ ਹੁੰਦੀ ਹੈ; ਕਿਉਂਕਿ ਐਪਲੀਕੇਸ਼ਨ ਨੂੰ ਉਲਟਾ ਇੰਜਨੀਅਰ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਅਤੇ ਕੁੰਜੀ ਕੱਢੀ ਜਾ ਸਕਦੀ ਹੈ। ਸਹੀ ਢਾਂਚਾ ਕੁੰਜੀ ਨੂੰ ਸਿਰਫ਼ ਬੈਕਐਂਡ ਵਿੱਚ ਰੱਖਣਾ ਹੈ ਅਤੇ ਤੁਹਾਡੇ ਆਪਣੇ ਪ੍ਰੌਕਸੀ ਸਰਵਰ ਰਾਹੀਂ ਬੇਨਤੀਆਂ ਨੂੰ ਪਾਸ ਕਰਨਾ ਹੈ।

7. ਲੰਬੇ LLM ਜਵਾਬਾਂ ਵਿੱਚ ਉਪਭੋਗਤਾ ਦੁਆਰਾ ਸਮਝੀ ਗਈ ਗਤੀ ਅਤੇ ਵਿਸ਼ੇਸ਼ਤਾ ਸੰਪੂਰਨਤਾ ਦਰ ਨੂੰ ਕਿਹੜੀ ਚੀਜ਼ ਸਭ ਤੋਂ ਵੱਧ ਵਧਾਉਂਦੀ ਹੈ?

• A) ਪੂਰਾ ਜਵਾਬ ਤਿਆਰ ਹੋਣ ਤੱਕ ਇੰਤਜ਼ਾਰ ਕਰਨਾ ਅਤੇ ਇਸਨੂੰ ਇੱਕ ਵਾਰ ਵਿੱਚ ਦਿਖਾਉਣਾ
• ਅ) ਜਵਾਬ ਸ਼ਬਦ ਨੂੰ ਸ਼ਬਦ ਦੁਆਰਾ ਦਰਸਾਉਣਾ, ਜਿਵੇਂ ਕਿ ਇਹ ਪੈਦਾ ਕੀਤਾ ਗਿਆ ਹੈ, ਸਟ੍ਰੀਮਿੰਗ ਦੇ ਨਾਲ ✔
• C) ਹਰ ਬੇਨਤੀ ਦੇ ਨਾਲ ਮਾਡਲ ਨੂੰ ਪੂਰੀ ਗੱਲਬਾਤ ਇਤਿਹਾਸ ਭੇਜਣਾ
• D) ਪ੍ਰਤੀਕਿਰਿਆ ਨੂੰ ਜਿੰਨਾ ਸੰਭਵ ਹੋ ਸਕੇ ਵਧਾਉਣ ਲਈ ਮਾਡਲ ਨਿਰਦੇਸ਼ ਨੂੰ ਵੱਡਾ ਕਰੋ

ਵਰਣਨ: ਸਟ੍ਰੀਮਿੰਗ ਪ੍ਰਤੀਕਿਰਿਆ ਨੂੰ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਕੇ ਸਮਝੀ ਗਤੀ ਅਤੇ ਰਵਾਨਗੀ ਨੂੰ ਨਾਟਕੀ ਢੰਗ ਨਾਲ ਵਧਾਉਂਦੀ ਹੈ ਕਿਉਂਕਿ ਇਹ ਸ਼ਬਦ ਦੁਆਰਾ ਸ਼ਬਦ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਖਾਲੀ ਸਕ੍ਰੀਨ 'ਤੇ ਉਡੀਕ ਕਰਨ ਦੀ ਬਜਾਏ, ਉਪਭੋਗਤਾ ਟੈਕਸਟ ਫਾਰਮ ਨੂੰ ਦੇਖਦਾ ਹੈ; ਇਹ ਤਿਆਗ ਦੀ ਦਰ ਨੂੰ ਮਹੱਤਵਪੂਰਨ ਤੌਰ 'ਤੇ ਘਟਾਉਂਦਾ ਹੈ।

8. ਨਕਲੀ ਬੁੱਧੀ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਗਏ ਟੈਸਟਾਂ ਵਿੱਚ ਸਭ ਤੋਂ ਆਮ ਸਮੱਸਿਆ ਕੀ ਹੈ ਜੋ ਟੈਸਟ ਨੂੰ ਬੇਕਾਰ ਬਣਾ ਦਿੰਦੀ ਹੈ?

• A) ਟੈਸਟ ਬਹੁਤ ਸਾਰੀਆਂ ਸੀਮਾਵਾਂ ਨੂੰ ਕਵਰ ਕਰਦੇ ਹਨ
• ਅ) ਟੈਸਟ ਮਖੌਲੀ ਵਸਤੂਆਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ, ਅਸਲ ਸੇਵਾਵਾਂ ਦੀ ਨਹੀਂ
• C) ਟੈਸਟ ਬਹੁਤ ਤੇਜ਼ੀ ਨਾਲ ਚੱਲਦੇ ਹਨ
• D) ਖਾਲੀ/ਬੇਕਾਰ ਟੈਸਟਾਂ ਦੁਆਰਾ ਸਕੋਪ ਬਲੋਟ ਜੋ ਅਸਲ ਵਿੱਚ ਇੱਕ ਵਿਵਹਾਰ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਨਹੀਂ ਕਰਦੇ ✔

ਵਿਆਖਿਆ: ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਕਈ ਵਾਰ ਅਜਿਹੇ ਟੈਸਟ ਪੈਦਾ ਕਰਦੀ ਹੈ ਜੋ ਅਸਲ ਵਿੱਚ ਕਿਸੇ ਆਉਟਪੁੱਟ ਦੀ ਪੁਸ਼ਟੀ ਨਹੀਂ ਕਰਦੇ (ਜਿਵੇਂ ਕਿ ਫੰਕਸ਼ਨ ਨੂੰ ਕਾਲ ਕਰੋ ਅਤੇ ਇੱਕ ਖਾਲੀ ਦਾਅਵਾ ਲਿਖੋ)। ਇਹ ਕਵਰੇਜ ਨੰਬਰ ਵਧਾਉਂਦੇ ਹਨ ਪਰ ਅਸਲ ਸੁਰੱਖਿਆ ਪ੍ਰਦਾਨ ਨਹੀਂ ਕਰਦੇ; ਅਰਥਪੂਰਨ ਵਿਵਹਾਰ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਲਈ ਹਰੇਕ ਟੈਸਟ ਦੀ ਜਾਂਚ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ।

9. ਕਿਸੇ ਕਰੈਸ਼ ਨੂੰ ਨਕਲੀ ਬੁੱਧੀ ਦੇ ਸੁਝਾਅ ਦੇ ਨਾਲ ਇੱਕ ਕੋਸ਼ਿਸ਼-ਕੈਚ ਵਿੱਚ ਪਾ ਕੇ ਚੁੱਪ ਕਰਾਉਣਾ ਇੱਕ ਢੁੱਕਵਾਂ ਹੱਲ ਕਿਉਂ ਨਹੀਂ ਹੈ?

• ਏ) ਟਰਾਈ-ਕੈਚ ਦੀ ਵਰਤੋਂ ਮੋਬਾਈਲ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਬਿਲਕੁਲ ਨਹੀਂ ਕੀਤੀ ਜਾ ਸਕਦੀ
• ਅ) ਕਰੈਸ਼ ਰੁਕ ਜਾਂਦਾ ਹੈ, ਪਰ ਕਿਉਂਕਿ ਮੂਲ ਕਾਰਨ ਹੱਲ ਨਹੀਂ ਹੁੰਦਾ, ਸਮੱਸਿਆ ਇੱਕ ਵੱਖਰੇ ਰੂਪ ਵਿੱਚ ਵਾਪਸ ਆਉਂਦੀ ਹੈ ✔
• C) ਟਰਾਈ-ਕੈਚ ਦੀ ਵਰਤੋਂ ਕਰਨ ਨਾਲ ਐਪਲੀਕੇਸ਼ਨ ਹੌਲੀ ਹੋ ਜਾਂਦੀ ਹੈ, ਇਸਲਈ ਇਸਦੀ ਮਨਾਹੀ ਹੈ
• ਡੀ) ਚੁੱਪ ਗਲਤੀ ਸਟੋਰ ਦੁਆਰਾ ਆਪਣੇ ਆਪ ਰੱਦ ਕਰ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ

ਵਿਆਖਿਆ: ਲੱਛਣ ਨੂੰ ਚੁੱਪ ਕਰਾਉਣ ਨਾਲ ਮੂਲ ਕਾਰਨ ਦਾ ਹੱਲ ਨਹੀਂ ਹੁੰਦਾ; ਕਰੈਸ਼ ਰੁਕ ਜਾਂਦਾ ਹੈ, ਪਰ ਅਸਲ ਸਮੱਸਿਆ (ਜਿਵੇਂ ਕਿ ਟੁੱਟਿਆ ਡਾਟਾ ਕਨੈਕਸ਼ਨ) ਕਿਸੇ ਹੋਰ ਰੂਪ ਵਿੱਚ ਵਾਪਸ ਆਉਂਦੀ ਹੈ (ਉਦਾਹਰਨ ਲਈ ਡੇਟਾ ਦਾ ਨੁਕਸਾਨ)। ਪੇਸ਼ੇਵਰ ਡੀਬੱਗਿੰਗ ਵਿੱਚ ਟੀਚਾ ਮੂਲ ਕਾਰਨ ਨੂੰ ਹੱਲ ਕਰਨਾ ਹੈ, ਨਾ ਕਿ ਲੱਛਣ।

10. ਕਾਰਗੁਜ਼ਾਰੀ ਅਨੁਕੂਲਨ ਵਿੱਚ ਪਾਲਣ ਕਰਨ ਲਈ ਬੁਨਿਆਦੀ ਸੁਨਹਿਰੀ ਨਿਯਮ ਕੀ ਹੈ?

• ਏ) ਪਹਿਲਾਂ ਇੱਕ ਪ੍ਰੋਫਾਈਲ ਲਓ ਅਤੇ ਅਸਲ ਰੁਕਾਵਟ ਨੂੰ ਮਾਪੋ, ਫਿਰ ਅਨੁਕੂਲਿਤ ਕਰੋ ✔
• ਅ) ਅੰਦਾਜ਼ਾ ਲਗਾਉਣਾ ਕਿ ਕਿੱਥੇ ਹੌਲੀ ਹੈ ਅਤੇ ਉੱਥੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਨਾ
• C) ਹਰ ਫੰਕਸ਼ਨ ਵਿੱਚ ਛੋਟੇ ਲਾਭਾਂ ਦਾ ਪਿੱਛਾ ਕਰਨਾ
• ਡੀ) ਇਮੂਲੇਟਰ 'ਤੇ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਮਾਪਣਾ ਅਤੇ ਕਦੇ ਵੀ ਅਸਲ ਡਿਵਾਈਸ ਦੀ ਕੋਸ਼ਿਸ਼ ਨਹੀਂ ਕਰਨਾ

ਵਰਣਨ: ਪਹਿਲਾਂ ਮਾਪੋ, ਬਾਅਦ ਵਿੱਚ ਅਨੁਕੂਲ ਬਣਾਓ। ਅਸਲ ਰੁਕਾਵਟ ਲਗਭਗ ਹਮੇਸ਼ਾਂ ਭਵਿੱਖਬਾਣੀ ਨਾਲੋਂ ਵੱਖਰੀ ਸਥਿਤੀ ਵਿੱਚ ਹੁੰਦੀ ਹੈ; ਪ੍ਰੋਫਾਈਲਿੰਗ ਤੋਂ ਬਿਨਾਂ ਅਨੁਕੂਲਤਾ ਇੱਕ ਅੰਨ੍ਹਾ ਅੰਦਾਜ਼ਾ ਹੈ ਅਤੇ ਅਕਸਰ ਕੋਸ਼ਿਸ਼ਾਂ ਦੀ ਬਰਬਾਦੀ ਹੁੰਦੀ ਹੈ।

11. ਲਗਾਤਾਰ ਚੱਲ ਰਹੀ AI ਵਿਸ਼ੇਸ਼ਤਾ (ਜਿਵੇਂ ਕਿ ਲਾਈਵ ਕੈਮਰਾ ਅਨੁਵਾਦ) ਲਈ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਇੰਜੀਨੀਅਰਿੰਗ ਚਿੰਤਾ ਕੀ ਹੈ?

• A) ਵਿਸ਼ੇਸ਼ਤਾ ਵੱਧ ਤੋਂ ਵੱਧ ਅਨੁਮਤੀਆਂ ਦੀ ਬੇਨਤੀ ਕਰਦੀ ਹੈ
• ਅ) ਨਮੂਨੇ ਦੀ ਬਾਰੰਬਾਰਤਾ ਅਤੇ ਬੈਚ ਪ੍ਰੋਸੈਸਿੰਗ ਦੇ ਨਾਲ ਨਿਰੰਤਰ ਪ੍ਰੋਸੈਸਿੰਗ ਦੀ ਬੈਟਰੀ ਅਤੇ ਪ੍ਰੋਸੈਸਰ ਦੀ ਲਾਗਤ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨਾ ✔
• C) ਸਿਰਫ ਸਭ ਤੋਂ ਮਹਿੰਗੇ ਫੋਨਾਂ 'ਤੇ ਵਿਸ਼ੇਸ਼ਤਾ ਚਲਾਓ
• D) ਸਭ ਤੋਂ ਵੱਧ ਸੰਭਵ ਫਰੇਮ ਦਰ 'ਤੇ ਕੈਮਰੇ ਨੂੰ ਲਗਾਤਾਰ ਰੈਂਡਰ ਕਰਨਾ

ਵਰਣਨ: ਲਗਾਤਾਰ ਕੰਮ ਕਰਨ ਵਾਲਾ ਮਾਡਲ, ਕੈਮਰਾ ਅਤੇ ਨੈੱਟਵਰਕ; ਇਹ ਤੇਜ਼ੀ ਨਾਲ ਬੈਟਰੀ ਦੀ ਖਪਤ ਕਰ ਸਕਦਾ ਹੈ, ਡਿਵਾਈਸ ਨੂੰ ਗਰਮ ਕਰ ਸਕਦਾ ਹੈ, ਅਤੇ ਸਿਸਟਮ ਦੁਆਰਾ ਪ੍ਰਤਿਬੰਧਿਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਨਮੂਨਾ ਲੈਣ ਦੀ ਬਾਰੰਬਾਰਤਾ ਨੂੰ ਘਟਾਉਣਾ, ਬੈਚ ਕਰਨਾ, ਅਤੇ ਲੋੜ ਪੈਣ 'ਤੇ ਹੀ ਚਲਾਉਣਾ ਬੈਟਰੀ ਦੀ ਲਾਗਤ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨ ਦੇ ਤਰੀਕੇ ਹਨ।

12. ਮੋਬਾਈਲ ਵਿਕਾਸ ਵਿੱਚ ਇਜਾਜ਼ਤ ਪ੍ਰਬੰਧਨ ਵਿੱਚ 'ਘੱਟੋ-ਘੱਟ ਵਿਸ਼ੇਸ਼ ਅਧਿਕਾਰ' ਦੇ ਸਿਧਾਂਤ ਦਾ ਕੀ ਅਰਥ ਹੈ?

• A) ਸਟਾਰਟਅੱਪ 'ਤੇ ਸਾਰੀਆਂ ਸੰਭਵ ਇਜਾਜ਼ਤਾਂ ਦੀ ਬੇਨਤੀ ਕਰਨਾ, ਸਿਰਫ਼ ਇਸ ਸਥਿਤੀ ਵਿੱਚ।
• ਅ) ਅਨੁਮਤੀ ਤੋਂ ਇਨਕਾਰ ਕੀਤੇ ਜਾਣ 'ਤੇ ਐਪ ਨੂੰ ਅਯੋਗ ਬਣਾਉਣਾ
• C) ਵਿਆਪਕ ਅਨੁਮਤੀ ਦੀ ਮੰਗ ਕਰਨਾ ਅਤੇ ਬਾਅਦ ਵਿੱਚ ਇਸਨੂੰ ਘੱਟ ਕਰਨ ਦੀ ਯੋਜਨਾ ਬਣਾਉਣਾ।
• D) ਸਿਰਫ਼ ਉਸ ਇਜਾਜ਼ਤ ਦੀ ਬੇਨਤੀ ਕਰਨਾ ਜੋ ਅਸਲ ਵਿੱਚ ਲੋੜੀਂਦਾ ਹੈ, ਜਦੋਂ ਲੋੜ ਹੋਵੇ ਅਤੇ ਸਭ ਤੋਂ ਤੰਗ ਦਾਇਰੇ ਵਿੱਚ, ਅਸਵੀਕਾਰ ਦ੍ਰਿਸ਼ ਦੇ ਨਾਲ ✔

ਸਪਸ਼ਟੀਕਰਨ: ਘੱਟੋ-ਘੱਟ ਵਿਸ਼ੇਸ਼ ਅਧਿਕਾਰ ਸਿਰਫ਼ ਉਹੀ ਇਜਾਜ਼ਤ ਮੰਗ ਰਿਹਾ ਹੈ ਜਿਸਦੀ ਅਸਲ ਵਿੱਚ ਲੋੜ ਹੈ, ਜਦੋਂ ਇਸਦੀ ਲੋੜ ਹੋਵੇ, ਅਤੇ ਸਭ ਤੋਂ ਛੋਟੀ ਹੱਦ ਤੱਕ। ਬਹੁਤ ਸਾਰੀਆਂ ਅਨੁਮਤੀਆਂ ਉਪਭੋਗਤਾ ਦੇ ਵਿਸ਼ਵਾਸ ਨੂੰ ਕਮਜ਼ੋਰ ਕਰਦੀਆਂ ਹਨ, ਸਟੋਰ ਨੂੰ ਅਸਵੀਕਾਰ ਕਰਨ ਵੱਲ ਲੈ ਜਾਂਦੀਆਂ ਹਨ, ਅਤੇ ਡੇਟਾ ਲੀਕ ਹੋਣ ਦੇ ਜੋਖਮ ਨੂੰ ਵਧਾਉਂਦੀਆਂ ਹਨ।

13. ਸਟੋਰ ਨੂੰ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਵਾਲੀ ਐਪਲੀਕੇਸ਼ਨ ਪੇਸ਼ ਕਰਦੇ ਸਮੇਂ ਕਿਹੜੀਆਂ ਖਾਸ ਲੋੜਾਂ ਪੂਰੀਆਂ ਹੋਣੀਆਂ ਚਾਹੀਦੀਆਂ ਹਨ?

• A) ਸਮੱਗਰੀ ਦੀ ਪਾਰਦਰਸ਼ਤਾ, ਸਮੱਗਰੀ ਨਿਯੰਤਰਣ ਅਤੇ ਗੁਪਤਤਾ ਦੇ ਰੂਪ ਵਿੱਚ ਨਕਲੀ ਬੁੱਧੀ ਨੂੰ ਜਾਣ ਵਾਲੇ ਡੇਟਾ ਦਾ ਖੁਲਾਸਾ ✔
• ਅ) ਉਪਭੋਗਤਾ ਤੋਂ ਨਕਲੀ ਬੁੱਧੀ ਦੀ ਵਰਤੋਂ ਨੂੰ ਲੁਕਾਉਣਾ
• C) ਡੇਟਾ ਨੂੰ ਮਾਰਕ ਕਰਨਾ ਜੋ ਅਸਲ ਵਿੱਚ ਗੋਪਨੀਯਤਾ ਫਾਰਮ ਵਿੱਚ ਇਕੱਤਰ ਨਹੀਂ ਕੀਤਾ ਗਿਆ ਹੈ
• ਡੀ) ਵਾਅਦਾ ਕਰਨ ਵਾਲੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਜੋ ਵਰਣਨ ਵਿੱਚ ਮੌਜੂਦ ਨਹੀਂ ਹਨ

ਖੁਲਾਸਾ: ਸਟੋਰ ਸਮੱਗਰੀ ਦੀ ਪਾਰਦਰਸ਼ਤਾ (ਕਥਨ ਕਿ ਇਹ AI ਪੈਦਾ ਕਰਦਾ ਹੈ), ਸਮੱਗਰੀ ਸੰਜਮ (ਹਾਨੀਕਾਰਕ ਆਉਟਪੁੱਟ ਅਤੇ ਉਪਭੋਗਤਾ ਨੋਟੀਫਿਕੇਸ਼ਨ ਦੀ ਫਿਲਟਰਿੰਗ), ਅਤੇ ਨਕਲੀ ਬੁੱਧੀ ਵਾਲੀਆਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਤੋਂ ਡਾਟਾ ਵਰਤੋਂ ਦੇ ਖੁਲਾਸੇ ਦੀ ਉਮੀਦ ਕਰਦੇ ਹਨ; ਸੰਵੇਦਨਸ਼ੀਲ ਖੇਤਰ ਵਿੱਚ ਸਟੀਕਤਾ ਚੇਤਾਵਨੀ ਦੀ ਲੋੜ ਹੈ। ਇਹਨਾਂ ਨੂੰ ਛੱਡਣ ਵਾਲੀਆਂ ਅਰਜ਼ੀਆਂ ਨੂੰ ਰੱਦ ਕਰ ਦਿੱਤਾ ਜਾਵੇਗਾ।

14. ਪ੍ਰਕਾਸ਼ਿਤ AI-ਜਨਰੇਟ ਕੋਡ ਵਿੱਚ ਇੱਕ ਕਿਨਾਰੇ ਕੇਸ ਦੀ ਗਲਤੀ ਹੋਣ 'ਤੇ 'AI ਨੇ ਇਸ ਤਰ੍ਹਾਂ ਲਿਖਿਆ' ਰੱਖਿਆ ਅਯੋਗ ਕਿਉਂ ਹੈ?

• A) ਕਿਉਂਕਿ ਨਕਲੀ ਬੁੱਧੀ ਹਮੇਸ਼ਾ ਗਲਤੀ-ਮੁਕਤ ਕੋਡ ਪੈਦਾ ਕਰਦੀ ਹੈ, ਗਲਤੀ ਉਪਭੋਗਤਾ ਤੋਂ ਆਉਂਦੀ ਹੈ
• ਅ) ਕਿਉਂਕਿ ਸਟੋਰ ਆਪਣੇ ਆਪ AI-ਉਤਪੰਨ ਕੋਡ ਨੂੰ ਠੀਕ ਕਰਦੇ ਹਨ
• C) ਕਿਉਂਕਿ ਜ਼ਿੰਮੇਵਾਰੀ ਨਕਲੀ ਬੁੱਧੀ ਨੂੰ ਤਬਦੀਲ ਨਹੀਂ ਕੀਤੀ ਜਾ ਸਕਦੀ; ਡਿਵੈਲਪਰ ਪ੍ਰਕਾਸ਼ਿਤ ਕੋਡ ਅਤੇ ਡੇਟਾ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਹੈ ✔
• ਡੀ) ਕਿਉਂਕਿ ਨਕਲੀ ਬੁੱਧੀ ਦੁਆਰਾ ਤਿਆਰ ਕੋਡ ਨੂੰ ਕਦੇ ਵੀ ਲਾਈਵ ਨਹੀਂ ਕੀਤਾ ਜਾਂਦਾ ਹੈ

ਵਰਣਨ: AI ਆਉਟਪੁੱਟ ਇੱਕ ਸ਼ੁਰੂਆਤੀ ਬਿੰਦੂ ਹੈ, ਇੱਕ ਮੁਕੰਮਲ ਉਤਪਾਦ ਨਹੀਂ। ਇਹ ਡਿਵੈਲਪਰ ਹੈ ਜੋ ਪ੍ਰਕਾਸ਼ਿਤ ਹਰ ਲਾਈਨ, ਹਰ ਡੇਟਾ ਪ੍ਰੋਸੈਸ, ਅਤੇ ਕੀਤੇ ਗਏ ਹਰ ਵਾਅਦੇ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਹੈ; ਜ਼ਿੰਮੇਵਾਰੀ AI ਨੂੰ ਨਹੀਂ ਸੌਂਪੀ ਜਾ ਸਕਦੀ, ਇਸ ਲਈ ਪ੍ਰਕਾਸ਼ਨ ਤੋਂ ਪਹਿਲਾਂ ਆਉਟਪੁੱਟ ਨੂੰ ਸਮਝਣਾ ਅਤੇ ਟੈਸਟ ਕਰਨਾ ਲਾਜ਼ਮੀ ਹੈ।