Projekt kompleksowy, Odpowiedzialne wykorzystanie sztucznej inteligencji i plan działania w zawodzie

Zyski:

• Możliwość opracowania funkcji mobilnej od początku do końca i weryfikowalności pod względem projektu, kodu, integracji AI, prywatności, testowania, debugowania, wydajności i etapów wydawania
• Umiejętność ustanowienia ram odpowiedzialnego i etycznego wykorzystania sztucznej inteligencji z zachowaniem zasad przejrzystości, weryfikacji-odpowiedzialności i sprawiedliwości-nieszkodzenia.
• Możliwość stworzenia zrównoważonej praktyki zawodowej poprzez rozróżnienie obszarów, w których sztuczna inteligencja jest mocna i słaba, i pozostawienie ostatecznej decyzji w rękach człowieka.

W całym tym module wykorzystaliśmy sztuczną inteligencję na każdym etapie rozwoju urządzeń mobilnych: generowaniu kodu, interfejsie, integracji AI na urządzeniu i w chmurze, testowaniu, debugowaniu, wydajności, prywatności i dostawie do sklepu. W tej ostatniej części połączymy wszystkie te elementy w jeden kompleksowy przepływ, wyjaśnimy ramy odpowiedzialnego i etycznego wykorzystania sztucznej inteligencji oraz porozmawiamy o tym, jak przekształcić te umiejętności w zrównoważoną praktykę zawodową. Podstawowe przesłanie nie uległo zmianie, ale jest teraz mocno ugruntowane: sztuczna inteligencja to siła, która pomnaża kompetentnego programistę mobilnego; to nie jest substytut. To osoba odpowiedzialna jest za jakość, bezpieczeństwo i obietnicę produktu dla użytkownika.

Kompleksowa funkcja: łączenie części

Opracowanie prawdziwej funkcji od początku do końca przy wsparciu AI łączy w łańcuchu każdą jednostkę, której się nauczyliśmy. Przykład: funkcja „dodaj wydatek z paragonu”. Przepływ działa w następujący sposób:

1. Projektowanie (część 3). Narysuj ekran i cztery stany (ładowanie/pusty/błąd/pełny) za pomocą sztucznej inteligencji, od początku żądaj dostępności.
2. Kod (jednostka 2). Generuj kamerę, model danych i ViewModel warstwa po warstwie za pomocą MVVM; sprawdź każdą warstwę.
3. Sztuczna inteligencja na urządzeniu (jednostka 4). Odczytaj kwotę/datę z paragonu za pomocą rozpoznawania tekstu ML Kit; Weź pod uwagę przetwarzanie wstępne i punktację pewności.
4. Poufność (część 9). Poproś o pozwolenie na kamerę z najmniejszymi uprawnieniami, napisz scenariusz odrzucenia, zachowaj dane na urządzeniu.
5. Testowanie (część 6). Generowanie testów jednostkowych logiki ekstrakcji, testowanie interfejsu użytkownika wyświetlacza; Uwzględnij państwa graniczne.
6. Debugowanie (część 7). Niech sztuczna inteligencja przeanalizuje awarie z uwzględnieniem kontekstu i rozwiąże pierwotną przyczynę.
7. Wydajność (jednostka 8). Zmierz koszt baterii związany z przetwarzaniem aparatu i ustaw go na oszczędzanie baterii.
8. Nadawanie (jednostka 10). Zgłoś użycie sztucznej inteligencji w przejrzysty sposób, wypełnij formularz prywatności zgodnie z prawdą i przeprowadź autotest.

Na każdym kroku AI przyspiesza, człowiek weryfikuje i podejmuje decyzję. Pętla ta stanowi rdzeń modułu.

Wskazówka: nie próbuj zmuszać sztucznej inteligencji do wykonania złożonej funkcji jednym gigantycznym żądaniem. Podziel to na weryfikowalne kroki, jak powyżej. Testowanie wyników każdego kroku i przejście do następnego jest bezpieczniejsze i ostatecznie szybsze; Bo duży błąd łapie się nie na końcu, a już na pierwszym kroku.

Odpowiedzialne i etyczne wykorzystanie sztucznej inteligencji

Same kompetencje techniczne nie wystarczą; uzupełniają go odpowiedzialne ramy. Trzy zasady:

Przejrzystość. Użytkownik musi wiedzieć, że wchodzi w interakcję z sztuczną inteligencją. Tajna sztuczna inteligencja to naruszenie zaufania. Treści generowane przez sztuczną inteligencję są tagowane; Rady AI są przedstawiane jako „pomocna rada”, a nie „twarda prawda”.

Weryfikacja i odpowiedzialność. Wyniki AI to punkt wyjścia, a nie gotowy produkt. Jesteś odpowiedzialny za każdą opublikowaną linię kodu, każdą odpowiedź AI, każdą transakcję danych. „AI tak to napisała” nie jest obroną.

Sprawiedliwość i niekrzywdzenie. Modele sztucznej inteligencji mogą przenosić błędy wynikające z danych, na których są szkolone. Rozpoznawanie twarzy może działać gorzej w przypadku niektórych kolorów skóry, silnik rekomendacji może wykluczyć grupę. Twoim obowiązkiem jest sprawdzenie, czy Twój produkt działa prawidłowo w różnych grupach użytkowników.

Uwaga: Każda technika, której się nauczysz w dziedzinie IT i bezpieczeństwa, jest używana wyłącznie w autoryzowanych i konstruktywnych celach. Używanie sztucznej inteligencji do tworzenia złośliwego oprogramowania, łamania cudzych aplikacji bez pozwolenia, gromadzenia danych użytkowników bez zgody lub tworzenia treści wprowadzających w błąd jest nielegalne i sprzeczne z etyką zawodu. Miara mocy objawia się tam, gdzie jej nie używasz.

Uznanie ograniczeń AI

Dojrzały programista wie, gdzie sztuczna inteligencja świeci, a gdzie jej zawodzi.

Sztuczna inteligencja jest potężna

Sztuczna inteligencja jest słaba

Kod formy, produkcja płyt kotłowych

Decyzje produktowe i architektoniczne

Testy i projekt dokumentacji

Zrozumienie kontekstu biznesowego i użytkownika

Odczyt dziennika awarii, skanowanie błędów

Ostateczna diagnoza przyczyny źródłowej (wymagana weryfikacja)

Nauka, wyjaśnienie koncepcji

Aktualne/niesfabrykowane informacje API

Tekst, opis, tłumaczenie

Etyka, bezpieczeństwo i ostateczna decyzja prawna

Internalizacja tego rozróżnienia jest kluczem do skutecznego wykorzystania sztucznej inteligencji i uniknięcia jej pułapek.

trzy mini etui

Przypadek 1 — Szybkość od początku do końca. Jeden z indywidualnych programistów ukończył pracę nad funkcją „odłączonego” w 4 dni, wykonując powyższy 8-etapowy proces; Bez sztucznej inteligencji szacunki wynosiły 12 dni. Ale ponieważ weryfikował każdy krok, publikacja została zatwierdzona za pierwszym razem. Szybkość była prawdziwa, ponieważ dyscyplina była prawdziwa. Lekcja: AI + weryfikacja jest szybsza niż AI - weryfikacja.

Przypadek 2 — złapano stronniczość. Podczas testowania funkcji przewidywania płci rzeczowników opartej na sztucznej inteligencji zespół zauważył systematyczne błędy w niektórych tureckich rzeczownikach; model był szkolony głównie na danych angielskich. Funkcja została zmieniona tak, aby pytać użytkownika zamiast przyjmować błędne założenia. Lekcja: zadaniem programisty jest przetestowanie błędu uczenia modelu.

Przypadek 3 — Obrona „AI tak powiedziała” upadła. Deweloper opublikował kod płatności wygenerowany przez sztuczną inteligencję bez jego weryfikacji; W jednym skrajnym przypadku kod wykonywał podwójne kolekcje. Odpowiedzialność nie jest usuwana poprzez stwierdzenie: „AI to napisała”; Jako posiadacz konta był programistą. Lekcja: odpowiedzialności nie można delegować.

Słaba zachęta/silna zachęta

Słaby monit: „Napisz mi kompletną aplikację do skanowania paragonów”.

Potężny monit: „Pomóż mi opracować funkcję „dodaj wydatek z paragonu” krok po kroku. Przejdźmy dalej w podanej kolejności. Po sprawdzeniu i zatwierdzeniu każdego kroku przejdź do następnego: 1) Ekran + cztery stany + dostępność2) Warstwy MVVM (kamera, model, ViewModel)3) Odczyt kwoty/daty z paragonu za pomocą ML Kit + wskaźnik zaufania4) Uprawnienia do kamery (najmniejsze uprawnienia) + przepływ odrzucenia5) Testy jednostek i interfejsu użytkownika Powiedz mi o ryzyku i punktach, które muszę zweryfikować pod adresem każdym kroku.”

Szablony do kopiowania

Kompleksowy szablon planowania: „Opracuję następującą funkcję: [funkcja]. Podzielę ją na weryfikowalne etapy: projekt, kod, integracja AI, prywatność/zezwolenia, testowanie, wydajność, wydanie. Zapisz wyniki, ryzyko i kryteria weryfikacji dla każdego etapu. Nie twórz jednej gigantycznej produkcji.

Szablon audytu etyki/uprzedzeń: „Przeprowadź audyt następującej funkcji sztucznej inteligencji pod kątem uczciwości i stronniczości: [funkcja]. W jakich grupach użytkowników może ona działać słabo? W jaki sposób dane szkoleniowe wpływają na stronniczość? Jak ją przetestować i jak uczynić ją bardziej włączającą?”

Szablon kontroli odpowiedzialności: „Wymień pytania dotyczące odpowiedzialności, które powinienem zadać przed udostępnieniem tego kodu/funkcji wygenerowanej przez sztuczną inteligencję: czy zrozumiałem, czy przetestowałem, czy jest to bezpieczne, czy jest przejrzyste dla użytkownika, czy jest to legalne/etyczne?”

Szablon ciągłego uczenia się: „Zaproponuj 4-tygodniowy praktyczny plan doskonalenia moich umiejętności AI w programiście mobilnym: jeden temat tygodniowo (kod, integracja, testowanie, wydanie), z celem małego projektu i nawyku weryfikacji”.

Typowe błędy

• Tworzenie złożonej funkcji w ramach jednego gigantycznego żądania. Nie można zweryfikować; podziel to na etapy.
• Unikanie odpowiedzialności poprzez powiedzenie „AI tak napisała”. Jesteś odpowiedzialny za opublikowany kod.
• Nie testuję stronniczości AI. Model może słabo działać w niektórych grupach; Sprawdź sprawiedliwość.
• Ukrywanie interakcji AI przed użytkownikiem. Przejrzystość jest podstawą zaufania.
• Zapominając o ograniczeniach AI. Ostateczny głos w sprawie architektury, etyki i obecnego API mają ludzie.
• Aby przestać się uczyć. Narzędzia i zasady sklepu zmieniają się szybko; Bądź na bieżąco.

Podsumowując

Kompleksowa funkcja łączy wszystkie części modułu w łańcuch: projekt, kod, integracja AI, prywatność, testowanie, debugowanie, wydajność i wydanie. Na każdym kroku AI przyspiesza, człowiek weryfikuje i podejmuje decyzję; Złożoną pracę dzieli się na małe, weryfikowalne etapy. Odpowiedzialne użytkowanie opiera się na trzech zasadach: przejrzystości, weryfikacji – odpowiedzialności i uczciwości – nie szkodzić. Sztuczna inteligencja to potężny mnożnik, ale to ludzie mają ostatnie słowo w sprawie architektury, etyki, bezpieczeństwa i aktualnej wiedzy. „AI tak to zrobiła” nie jest obroną; Jesteś odpowiedzialny za swój produkt i obietnicę, którą składasz użytkownikowi. Dzięki tej dyscyplinie sztuczna inteligencja sprawi, że będziesz szybszy, bardziej wszechstronny i silniejszy przez całą karierę.

Zadanie aplikacji

Podziel wybraną funkcję mobilną (np. „podsumowanie poprzez robienie notatek głosowych” lub „rozpoznawanie produktu na zdjęciu”) na możliwe do sprawdzenia etapy za pomocą „szablonu planowania kompleksowego”. Właściwie opracuj i zweryfikuj co najmniej jeden krok za pomocą sztucznej inteligencji. Następnie przeanalizuj, dla których grup użytkowników dana funkcja może powodować problemy, korzystając z „szablonu kontroli etyki/uprzedzeń” i odpowiedz na pytania, które należy zadać przed udostępnieniem, korzystając z „szablonu kontroli odpowiedzialności”.

lista kontrolna

• [ ] Podzieliłem tę funkcję na możliwe do sprawdzenia małe kroki, a nie na pojedynczą gigantyczną produkcję
• [ ] Na każdym kroku sprawdzałem wydajność AI i podjąłem decyzję
• [ ] W sposób przejrzysty dla użytkownika przedstawiłem interakcję AI
• [ ] Oceniłem, czy funkcja działa sprawiedliwie/stronniczo w różnych grupach
• [ ] Odpowiedziałem na pytania dotyczące odpowiedzialności przed wydaniem (zrozumiałe/testowanie/bezpieczne/etyczne)
• [ ] Używałem sztucznej inteligencji wyłącznie do kompetentnych i konstruktywnych celów i planuję kontynuować naukę

Egzamin modułowy

1. Które z poniższych jest najdokładniejszym pozycjonowaniem sztucznej inteligencji w rozwoju urządzeń mobilnych?

• A) AI zastępuje programistę; można opublikować bezpośrednio, bez czytania generowanego kodu
• B) Sztuczna inteligencja działa tylko przy pisaniu tekstu, nie ma nic wspólnego z generowaniem kodu
• C) Sztuczna inteligencja jest asystentem i akceleratorem; Odpowiedzialność za decyzje dotyczące architektury, bezpieczeństwa i transmisji spoczywa na człowieku ✔
• D) Ponieważ sztuczna inteligencja zawsze generuje poprawny kod, dodatkowe testy i weryfikacja są niepotrzebne

Opis: Sztuczna inteligencja to asystent i akcelerator generujący kod, plany i rozwiązania. Odpowiedzialność i ostateczne zatwierdzenie decyzji dotyczących architektury, pozwoleń, bezpieczeństwa i publikacji spoczywa na kompetentnym deweloperze; Za każdą opublikowaną linijkę odpowiadają ludzie.

2. Co w przypadku żądania kodu mobilnego od sztucznej inteligencji najbardziej podnosi jakość architektoniczną wytworzonego kodu?

• A) Treść monitu powinna być możliwie najkrótsza i powiedzieć „napisz mi aplikację”
• B) Najpierw narzuć architekturę taką jak MVVM i zażądaj kodu w małych fragmentach, warstwa po warstwie ✔
• C) Wytworzenie całej funkcji w postaci jednego, ogromnego pliku w jednym wierszu
• D) Nie określaj w ogóle architektury i zostaw najlepszą decyzję sztucznej inteligencji

Objaśnienie: Narzucenie architektury takiej jak MVVM i wymaganie warstwa po warstwie przed zapisaniem kodu bezpośrednio do sztucznej inteligencji tworzy testowalną i łatwą w utrzymaniu strukturę, która oddziela logikę od ekranu. Żądanie bez architektury zwraca kod, który umieszcza wszystko na ekranie.

3. O czym najczęściej się zapomina przy tworzeniu interfejsu ze sztuczną inteligencją, a co jest najważniejsze w rzeczywistym użytkowaniu?

• A) Projektowanie stanów ładowania, pustych i błędów, a nie tylko pełnego ekranu ✔
• B) Tworzenie tylko najlepiej wyglądającego trybu pełnoekranowego, pomijając inne przypadki
• C) Dodanie jak największej liczby kolorów i animacji do każdego ekranu
• D) Pozostawienie znaczników dostępności na końcu i dotyczących wyłącznie wyglądu

Objaśnienie: Programiści często biorą pod uwagę tylko stan „pełny”; podczas gdy w rzeczywistości użytkownik najczęściej spotyka się ze stanami ładowania, pustymi i błędami. Generowanie wszystkich czterech stanów (ładowanie/pusty/błąd/pełny) jest tajemnicą solidnego interfejsu.

4. Dlaczego sztuczna inteligencja na urządzeniu jest często domyślnym wyborem w przypadku funkcji przetwarzającej wrażliwe dane osobowe (np. pomiar stanu zdrowia)?

• A) Modele na urządzeniu są zawsze dokładniejsze niż w chmurze
• B) Przetwarzanie na urządzeniu nigdy nie wiąże się z kosztami baterii ani procesora
• C) Przetwarzanie na urządzeniu jest nieograniczone pod względem rozmiaru modelu
• D) Ponieważ dane nie opuszczają telefonu, zapewnia to zdecydowaną przewagę w zakresie prywatności i zaufania użytkowników ✔

Objaśnienie: Przetwarzanie na urządzeniu nie powoduje usunięcia danych z telefonu; Jest to duża zaleta pod względem zgodności z przepisami dotyczącymi prywatności i zaufania użytkowników, a ponadto działa w trybie offline i natychmiastowo. Jego ograniczeniem jest moc urządzenia i rozmiar modelu.

5. Jaki jest najczęstszy „cichy” błąd, który powoduje bezsensowne wyniki i nie powoduje wyświetlenia komunikatu o błędzie podczas integracji modelu na urządzeniu?

• A) Błędna pisownia nazwy pliku modelu
• B) Niska rozdzielczość ikony aplikacji
• C) Nieprawidłowe wstępne przetwarzanie danych wejściowych (rozmiar/normalizacja) ✔
• D) Motyw ciemnego ekranu

Objaśnienie: Nieprawidłowe wykonanie wstępnego przetwarzania danych wejściowych da całkowicie błędne wyniki bez generowania błędów. Wartości wstępnego przetwarzania należy zweryfikować z dokumentacji modelu.

6. Jaka jest zasada najbardziej istotna dla bezpieczeństwa podczas integracji Cloud LLM z aplikacją mobilną?

• A) Klucz API powinien być przechowywany wyłącznie w backendzie, a nie na kliencie; żądania muszą przejść przez serwer proxy ✔
• B) Dla wygody klucz API powinien być osadzony bezpośrednio w kodzie aplikacji
• C) Klucz API należy udostępnić w opisie aplikacji
• D) Klucz API należy przechowywać w kliencie i ukrywać jedynie poprzez zmianę nazwy.

Ujawnienie: Klucz API nigdy nie jest osadzony w kodzie aplikacji mobilnej; ponieważ aplikację można poddać inżynierii wstecznej i wyodrębnić klucz. Prawidłowa architektura polega na przechowywaniu klucza tylko w backendie i przekazywaniu żądań przez własny serwer proxy.

7. Co najbardziej zwiększa szybkość postrzeganą przez użytkownika i współczynnik ukończenia funkcji w długich odpowiedziach LLM?

• A) Poczekanie, aż zostanie utworzona cała odpowiedź i pokazanie jej od razu
• B) Pokazywanie odpowiedzi słowo po słowie w trakcie jej tworzenia, za pomocą transmisji strumieniowej ✔
• C) Wysyłanie całej historii rozmów do modela przy każdym żądaniu
• D) Powiększ instrukcję modelu, aby maksymalnie rozszerzyć odpowiedź

Opis: Przesyłanie strumieniowe radykalnie zwiększa postrzeganą szybkość i płynność, wyświetlając odpowiedź słowo po słowie. Zamiast czekać na pustym ekranie, użytkownik ogląda formularz tekstowy; To znacznie zmniejsza współczynnik porzuceń.

8. Jaki jest najczęstszy problem w testach wytwarzanych przez sztuczną inteligencję, który sprawia, że ​​test jest bezwartościowy?

• A) Testy obejmują zbyt wiele stanów granicznych
• B) Testy wykorzystują fałszywe obiekty, a nie prawdziwe usługi
• C) Testy przebiegają bardzo szybko
• D) Rozszerzanie zakresu poprzez puste/bezużyteczne testy, które w rzeczywistości nie potwierdzają zachowania ✔

Objaśnienie: Sztuczna inteligencja czasami tworzy testy, które w rzeczywistości nie weryfikują żadnego wyniku (np. wystarczy wywołać funkcję i wpisać pustą asercję). Zawyżają one zakres ubezpieczenia, ale nie zapewniają prawdziwej ochrony; Każdy test należy sprawdzić, aby zweryfikować sensowne zachowanie.

9. Dlaczego nie jest wystarczającym rozwiązaniem wyciszenie awarii poprzez zaczepienie jej za pomocą sugestii sztucznej inteligencji?

• A) try-catch nie może być w ogóle używany w aplikacjach mobilnych
• B) Awaria ustała, ale ponieważ pierwotna przyczyna nie została rozwiązana, problem powraca w innej formie ✔
• C) Korzystanie z try-catch spowalnia aplikację, więc jest zabronione
• D) Wyciszony błąd jest automatycznie odrzucany przez sklep

Wyjaśnienie: Wyciszenie objawu nie rozwiązuje pierwotnej przyczyny; Awaria ustanie, ale pierwotny problem (np. zerwane połączenie danych) powraca w innej formie (np. utrata danych). Celem profesjonalnego debugowania jest rozwiązanie pierwotnej przyczyny, a nie objawu.

10. Jaka jest podstawowa złota zasada, której należy przestrzegać przy optymalizacji wydajności?

• A) Najpierw utwórz profil i zmierz rzeczywiste wąskie gardło, a następnie zoptymalizuj ✔
• B) Zgadywanie, gdzie jest wolniej i gdzie się koncentruje
• C) Pogoń za małymi zyskami w każdej funkcji
• D) Pomiar wydajności na emulatorze i nigdy nie próbowanie prawdziwego urządzenia

Opis: Najpierw zmierz, później optymalizuj. Prawdziwe wąskie gardło prawie zawsze znajduje się w innym miejscu niż przewidywano; Optymalizacja bez profilowania to ślepe domysły i często strata wysiłku.

11. Jaki jest najważniejszy problem inżynieryjny w przypadku stale działającej funkcji AI (np. tłumaczenie kamery na żywo)?

• A) Funkcja żąda jak największej liczby uprawnień
• B) Zarządzanie kosztami baterii i procesora w przypadku ciągłego przetwarzania z częstotliwością próbkowania i przetwarzaniem wsadowym ✔
• C) Uruchom tę funkcję tylko na najdroższych telefonach
• D) Ciągłe renderowanie kamery z najwyższą możliwą liczbą klatek na sekundę

Opis: Stale działający model, kamera i sieć; Może szybko zużywać baterię, nagrzewać urządzenie i być ograniczany przez system. Zmniejszanie częstotliwości próbkowania, grupowanie i uruchamianie tylko wtedy, gdy jest to konieczne, to sposoby zarządzania kosztami baterii.

12. Co oznacza zasada „najmniejszych uprawnień” w zarządzaniu uprawnieniami w rozwoju urządzeń mobilnych?

• A) Na wszelki wypadek prośba o wszystkie możliwe uprawnienia przy uruchomieniu.
• B) Uniemożliwienie działania aplikacji w przypadku odmowy pozwolenia
• C) Proszenie o jak najszersze pozwolenie i planowanie jego zawężenia później.
• D) Zwracanie się tylko o pozwolenie, które jest faktycznie potrzebne, gdy jest to konieczne i w najwęższym zakresie, ze scenariuszem odmowy ✔

Objaśnienie: Najmniejsze uprawnienia to proszenie tylko o pozwolenie, które jest rzeczywiście potrzebne, kiedy jest potrzebne i w możliwie najwęższym zakresie. Zbyt wiele uprawnień podważa zaufanie użytkowników, prowadzi do odrzucenia sklepu i zwiększa ryzyko wycieku danych.

13. Jakie konkretne wymagania należy spełnić prezentując w sklepie aplikację ze sztuczną inteligencją?

• A) Przejrzystość treści, kontrola treści i udostępnianie danych trafiających do sztucznej inteligencji w formie poufności ✔
• B) Ukrywanie przed użytkownikiem wykorzystania sztucznej inteligencji
• C) Oznaczenie w formularzu prywatności danych, które faktycznie nie są gromadzone
• D) Obiecujące funkcje, których nie ma w opisie

Ujawnianie: Sklepy oczekują przejrzystości treści (oświadczenia, że ​​tworzą sztuczną inteligencję), moderacji treści (filtrowanie szkodliwych wyników i powiadamianie użytkowników) oraz ujawniania wykorzystania danych z aplikacji zawierających sztuczną inteligencję; Wymagane ostrzeżenie dotyczące dokładności w wrażliwym obszarze. Zgłoszenia pomijające te elementy zostaną odrzucone.

14. Dlaczego obrona „AI tak to napisała” jest nieważna, gdy w opublikowanym kodzie wygenerowanym przez sztuczną inteligencję pojawia się błąd wielkości liter?

• A) Ponieważ sztuczna inteligencja zawsze tworzy kod wolny od błędów, błąd pochodzi od użytkownika
• B) Ponieważ przechowuje automatycznie poprawny kod wygenerowany przez sztuczną inteligencję
• C) Ponieważ nie można przenieść odpowiedzialności na sztuczną inteligencję; Deweloper jest odpowiedzialny za opublikowany kod i dane ✔
• D) Ponieważ kod wygenerowany przez sztuczną inteligencję nigdy nie jest uruchamiany

Opis: Wynik AI jest punktem wyjścia, a nie gotowym produktem. To programista jest odpowiedzialny za każdą opublikowaną linię, każde przetworzone dane i każdą złożoną obietnicę; odpowiedzialności nie można delegować na sztuczną inteligencję, dlatego przed publikacją należy zrozumieć i przetestować wyniki.