Zana za Usimbaji za AI na Ujumuishaji wa mtiririko wa kazi

Faida:

• Uwezo wa kupanga kukamilika kwa mhariri, msaidizi wa gumzo, wakala wa CLI na kategoria za otomatiki za CI kwa kazi
• Uwezo wa kurekebisha kiwango cha uhuru kulingana na hatari na kutumia nidhamu ya 'panga kwanza' kwa mawakala wa CLI
• Uwezo wa kubadilisha matumizi ya AI kuwa mfumo wa timu kulingana na zana iliyoidhinishwa, lango la uthibitishaji, uwazi na uwajibikaji.

Kufikia sasa tumejifunza kutumia AI katika kazi za kibinafsi (kuandika, kukagua, kupima, kurekebisha hitilafu). Katika kitengo hiki cha mwisho, tuliweka vipande pamoja: kupata kujua zana tofauti za usimbaji za AI, kulinganisha zana inayofaa kwa kazi inayofaa, na kuzipachika kwa usalama kwenye mtiririko wako wa maendeleo ya kila siku—kutoka kwa kihariri hadi udhibiti wa toleo, kutoka kwa bomba la CI/CD hadi usimamizi wa timu. Kusudi ni kugeuza tabia mbaya ya "kuuliza AI ​​kila mara" kuwa mfumo wa kufanya kazi thabiti na unaoweza kukaguliwa.

Tunashughulikia aina za magari kwa kategoria zisizoegemea upande wowote (majina ya bidhaa mahususi hubadilika haraka; ni mambo ambayo kategoria hufanya ndio muhimu). Kila kategoria ina "mahali pazuri" na wasifu wa hatari; Mastery ni kujua ni kiasi gani cha uhuru wa kutoa kwa kazi gani.

Aina za Zana za Usimbaji za AI

1. Kukamilika kwa mhariri. Programu-jalizi zinazopendekeza mistari/vizuizi unapoandika kwenye IDE yako (mazingira ya ukuzaji ambapo unaandika msimbo). Mahali pazuri: kasi ya mtiririko wa ndani, nambari ya sahani ya boiler. Hatari: muktadha finyu, kukubali pendekezo bila kufikiria.

2. Msaidizi wa jopo la gumzo/upande. Kiolesura cha gumzo kilichopachikwa katika IDE na mwonekano katika sehemu ya msingi wako wa msimbo. Mahali pazuri: maelezo, refactor, upimaji, uchambuzi wa mdudu. Hatari: mdogo kwa muktadha unaotoa, inahitaji uthibitishaji.

3. Wakala wa CLI (zana za wakala). Zana zinazoendesha kutoka kwa mstari wa amri, zinaweza kusoma na kurekebisha faili nyingi, kuendesha amri, na kutekeleza kazi za hatua nyingi peke yao. Mahali pazuri: mabadiliko ya faili nyingi, kazi zinazorudiwa, kazi za aina ya "ongeza mali hii". Hatari: uhuru wa juu = athari kubwa; Ikiachwa bila kuangaliwa, hutoa mabadiliko mapana na magumu-kuthibitisha.

4. Kuunganishwa kwa mstari / otomatiki. roboti za CI (Ushirikiano Unaoendelea) ambazo huacha maoni ya ukaguzi wa kiotomatiki kwenye PRs, kupendekeza majaribio, au kutoa kumbukumbu za mabadiliko. Mahali pa tamu: chujio cha kwanza bila uchovu, msimamo. Hatari: kelele, imani ya uwongo.

Kidokezo: Kadiri uhuru unavyoongezeka, udhibiti unapaswa pia kuongezeka. Kwa sababu ukamilishaji wa uhariri ni mdogo na wa papo hapo, unasimamiwa kwa urahisi; Urekebishaji wa faili nyingi wa wakala wa CLI unapaswa kuchunguzwa kama, ikiwa si kwa uangalifu zaidi, kuliko PR ya binadamu.

Hatua kwa Hatua: Kupachika AI kwenye Mtiririko wa Kazi

1. Weka kazi kwenye chombo. Nyongeza ndogo ya mtiririko → kukamilika; elewa/refactor/jaribu → gumzo; faili nyingi, kazi ya kurudia → wakala wa CLI; kichujio cha kwanza kinachoendelea → muunganisho wa CI.
2. Chagua kiwango cha uhuru. Je, wakala ana uhuru kiasi gani? Maoni ya kusoma tu au urekebishaji wa faili + utekelezaji wa amri? Rekebisha kwa hatari.
3. Kuza muktadha. anzisha kabisa sheria za mradi (mtindo, usanifu, "usifanye") kwenye chombo; Tumia faili ya maagizo ya mradi badala ya kuielezea tena na tena.
4. Dumisha milango ya uthibitishaji. Mabadiliko ya AI ni kama mabadiliko ya binadamu: hupitia mkusanyo, majaribio, ukaguzi, na (ikiwa ni muhimu) idhini ya mtaalamu. AI kufungua PR haikwepeki idhini.
5. Pima na urekebishe. Tazama kile kinachoharakisha, ambapo mzigo wa kurekebisha huongezeka; Punguza matumizi ambayo hayafanyi kazi.

Kesi Tatu Ndogo

Kesi ya 1 - Wakala wa CLI alishughulikia ubadilishaji jina wa faili nyingi. Timu moja ingebadilisha jina la dhana iliyoenea katika faili 60. Walitoa kazi hiyo kwa wakala wa CLI, kwanza waliomba mpango, wakaidhinisha mpango huo, kisha wakafanya mabadiliko na kuendesha kundi zima la majaribio. Wakala 3 alikosa kesi ya makali kwenye faili; Mitihani iliipata, ikarekebisha. Kazi hiyo, iliyochukua takriban saa 3 kwa mikono, ilikamilishwa kwa dakika 50 kwa usimamizi.

Kesi ya 2 - Uhuru ambao haujadhibitiwa umerudishwa nyuma. Msanidi programu mwingine alimwambia wakala "kuboresha moduli hii" na akaitoa; Wakala alirekebisha faili 18 na kuongeza vitegemezi viwili. Mabadiliko hayo yalikuwa mapana sana hivi kwamba hayakuweza kupitiwa upya na ilibidi yaondolewe. Somo: wape mawakala upeo finyu, vigezo wazi vya kukubalika, na nidhamu ya kupanga-baadaye.

Kesi ya 3 - Kijibu cha ukaguzi wa CI kimekuwa kichujio cha kwanza. Timu moja imeunda mfumo wa kijibu ambao huacha maoni ya ukaguzi ya AI ya kiotomatiki kwenye PRs. Mara tu mfumo wa roboti uliponasa kuachwa bila kuangalia na masuala ya mtindo, wakaguzi wa kibinadamu waliweza kutumia wakati wao kwa mantiki ya biashara. Hata hivyo, timu ilisema wazi kwamba bot haikutoa "kibali": angalau kibali cha kibinadamu bado kilihitajika. Ili kupunguza kelele, walirekebisha mashua ili kuacha tu kelele ya juu/wastani.

Violezo Vinne Vinakiliwa

"Panga kwanza" nidhamu kwa wakala wa CLI:

Kazi: {{wazi, kazi finyu}}Vigezo vya kukubalika: {{matokeo yanayoweza kupimika}}Kikwazo: fanya kazi tu kwenye {{saraka/faili zifuatazo}}; kuongeza utegemezi mpya.Kwanza wasilisha mpango BILA MABADILIKO: faili zipi, nini kitabadilika, ni majaribio gani ya kufanya. Ngoja niidhinishe mpango huo. Kisha uitumie hatua kwa hatua, ukiendesha majaribio kwa kila hatua.

Faili ya maagizo ya mradi (muktadha unaoendelea kwa zana):

Kanuni za kudumu za zana za AI katika mradi huu:- Lugha/toleo: {{...}}. Mtindo: {{...}}.- Kizuizi cha usanifu: {{k.m. mwelekeo kati ya tabaka}}.- KAMWE: kupachika siri, kwa kutumia data ya uzalishaji, {{maktaba haramu}}.- Kila mabadiliko lazima yajaribiwe; Kubadilisha saini ya API ya umma BILA kuuliza. - Unapokuwa na shaka, simama na uulize.

Uamuzi wa ramani ya zana ya kazi:

Ninafafanua kazi ifuatayo: {{task}}. Je, ni aina gani ya zana ninapaswa kufanya hivi kwa: (a) kukamilika kwa kihariri, (b) msaidizi wa gumzo,(c) wakala wa CLI, (d) otomatiki wa CI? Andika mantiki yako, hatari na kiwango kilichopendekezwa cha uhuru (mapendekezo tu / badilisha faili / amri ya kukimbia).

CI kagua kanuni za maadili ya bot:

Acha tu matokeo ya ukali wa JUU na WA KATI kama maoni katika ukaguzi wa PR. Kila utafutaji: kategoria, ukali, marekebisho yaliyopendekezwa. Kusanya madokezo katika kiwango cha upendeleo wa mtindo katika maoni tofauti, ya muhtasari mmoja. HUKUBALI; kibali cha binadamu kinahitajika.

Agizo dhaifu / Ukumbusho thabiti

Dhaifu: (kwa wakala wa CLI) "Fanya moduli ya malipo kuwa bora zaidi."

Imara: (Kwa wakala wa CLI) "Endesha tu chini ya src/payments/. Kazi: Toa mantiki ya uthibitishaji unaojirudia kutoka kwa kurejesha pesa() chaguo la kukokotoa hadi kwenye usaidizi mmoja; tabia na sahihi hazibadiliki. Kwanza wasilisha mpango na usubiri idhini yangu; kisha tekeleza na uendeshe majaribio/malipo/ kifurushi. Ongeza utegemezi mpya."

Toleo lenye nguvu hupunguza upeo, huweka vigezo vya kukubalika na vikwazo, na huweka nidhamu ya "mpango kwanza". Mahitaji yasiyoeleweka ya "fanya vizuri zaidi" ndio sababu kuu ya mabadiliko makubwa na yasiyoweza kudhibitiwa.

darasa la gari

Nini yeye ni bora katika

uhuru

uzito wa ukaguzi

Kukamilika kwa mhariri

Nyongeza ndogo ya mtiririko

chini

Nyepesi (kusoma papo hapo)

msaidizi wa mazungumzo

Kuelewa, mtihani, refactor

kati

Kati (uthibitishaji wa pato)

Wakala wa CLI

Multi-faili, kujirudia

juu

Nzito (mpango + mapitio kamili)

CI otomatiki

Kichujio cha kwanza kinachoendelea

kati

Wastani (kanuni + idhini ya mwanadamu)

Utawala wa Timu: Kutoka kwa Ustadi wa Mtu Binafsi hadi Mfumo wa Pamoja

Kutumia AI vizuri kwa msingi wa mtu binafsi ni mwanzo; ukomavu halisi ni mfumo thabiti katika ngazi ya timu. Mfumo huu unategemea nguzo kadhaa: orodha ya zana zilizoidhinishwa (ambazo zana zinaweza kutumika na data gani - kutoka kitengo cha 10), milango ya uthibitishaji (mabadiliko ya AI hupitia lango sawa la kujenga/jaribio/kagua - kutoka kitengo cha 11), uwazi (kusema kuwa mabadiliko yanaendeshwa na AI hutoa ufuatiliaji inapobidi), na uwazi wa uwajibikaji (mtu anayetia saini anawajibika). Mfumo huu huzuia hatari wakati wa kudumisha kasi na huhakikisha kuwa washiriki wapya wa timu hufanya kazi kwa nidhamu sawa.

Tahadhari: Kadiri uhuru wa chombo unavyoongezeka—hasa mawakala wa CLI ambao wanaweza kurekebisha faili, kutekeleza amri—ndivyo inavyozuia zaidi kufikia mazingira ya utayarishaji, data ya siri, na utendakazi ambao ni vigumu kurudisha. Funga amri za uharibifu (kufuta kwa kudumu, kupeleka) kwa idhini ya kibinadamu.

Makosa ya kawaida

• Kazi-inamaanisha kutopatana. Kujaribu kufanya kazi ya faili nyingi na kukamilika kwa mhariri au kiambatisho kidogo na wakala mzito.
• Kuachilia wakala. Kazi za wakala zinazotolewa kwa upeo finyu na bila "mpango kwanza" hutoa mabadiliko ambayo hayajachunguzwa.
• Kulegeza milango ya uthibitishaji ya AI. "AI ilifanya hivyo, wacha tuendelee haraka" ni ubaguzi hatari zaidi; Milango ni sawa kwa kila mtu.
• Kutoa muktadha kwa mikono kila wakati. Kutoandika sheria za mradi katika faili ya maagizo ya kudumu huleta kutofautiana na kurudia.
• Kukosea idhini ya CI bot kwa idhini ya binadamu. Bot ni chujio; Idhini ya kibinadamu inayowajibika ni ya lazima.

Kwa muhtasari

Zana za usimbaji za AI ziko katika kategoria nne kuu: ukamilishaji wa kihariri, msaidizi wa gumzo, mawakala wa CLI, na otomatiki wa CI. Ustadi ni kulinganisha kazi na chombo sahihi na kiwango sahihi cha uhuru; Kadiri uhuru unavyoongezeka, udhibiti pia huongezeka. Toa zana muktadha endelevu wa mradi, weka nidhamu ya "mpango kwanza" kwa mawakala wa faili nyingi, na upitishe mabadiliko ya AI kupitia milango sawa ya uthibitishaji kama mabadiliko ya mwanadamu. Ustadi wa mtu binafsi; Ibadilishe kuwa mfumo wa timu uliojengwa kwenye orodha ya zana iliyoidhinishwa, milango ya uthibitishaji, uwazi na uwazi wa uwajibikaji. AI ni kizidisha kasi cha mwisho hadi mwisho; Mtu anayetia sahihi na kutoa hesabu huwa ni mtu mwenye uwezo.

Jukumu la maombi

Orodhesha kazi tatu za kweli utakazofanya wiki ijayo. Tumia kiolezo cha "maamuzi ya ulinganishaji wa kazi kwa gari" kwa kila moja ili kuhalalisha ni aina gani ya gari na ni kiwango gani cha uhuru utakachochagua. Kisha endesha kazi finyu kwa wakala wa CLI (au msaidizi wa gumzo) kwa nidhamu ya "panga kwanza": idhinisha mpango, utekeleze, endesha majaribio, na uhakiki mabadiliko kama vile PR binadamu. Hatimaye, andika "sheria ya matumizi ya AI" yenye pointi 5 kwa ajili ya timu yako (zana zilizoidhinishwa, sheria ya data, lango la uthibitishaji, kikomo cha uhuru, uwajibikaji).

orodha ya ukaguzi

• [ ] Ninaweza kutofautisha kati ya kategoria za zana za usimbaji za AI na sehemu tamu ya kila moja.
• [ ] Ninaweka kazi kwenye darasa sahihi la gari na kiwango kinachofaa cha uhuru.
• [ ] Ninatoa muktadha wa kudumu wa mradi (faili ya maagizo) kwa zana.
• [ ] Ninatumia upeo finyu na nidhamu ya "kupanga kwanza" kwa mawakala wa CLI.
• [ ] Ninapitisha mabadiliko ya AI kupitia milango sawa ya uthibitishaji kama mabadiliko ya mwanadamu.
• [ ] Ninatetea zana iliyoidhinishwa, sheria ya data, uwazi na mfumo wa uwajibikaji katika ngazi ya timu.

Mtihani wa Moduli

1. Kielelezo cha msingi cha lugha cha msaidizi wa usimbaji hufanya nini kinapotoa msimbo?

• A) Hutabiri kwa mpangilio uwezekano mkubwa wa kuendelea kulingana na muktadha uliotolewa ✔
• B) Huhakikisha matokeo sahihi kwa kuunda na kuendesha msimbo
• C) Huchanganua msimbo kote mtandaoni moja kwa moja na kunakili ile iliyo sahihi zaidi.
• D) Anaelewa mantiki ya kanuni kama mhandisi binadamu na anaelewa nia

Ufafanuzi: LLM 'haielewi' msimbo kama binadamu; Hutoa mwendelezo unaowezekana zaidi kwa muktadha uliotolewa, kulingana na mifumo ambayo hujifunza kutoka kwa mkusanyiko mkubwa wa maandishi na msimbo. Kwa hivyo, ubora wa pato moja kwa moja unategemea ubora wa muktadha na maagizo unayotoa, na kila pato lazima liidhinishwe.

2. Unaiitaje wakati AI inapotengeneza kwa uthabiti kazi au maktaba ambayo haipo, na ni dawa gani pekee ya kweli?

• A) Hili linaitwa kosa la mkusanyiko; Dawa ni vifaa vyenye nguvu zaidi
• B) Hii inaitwa hallucination; Kinga ni kuthibitisha msimbo na kila API kutumika ✔
• C) Hii inaitwa regression; Kinga ni kuanzisha upya mfano
• D) Hii inaitwa kufurika kwa muktadha; Dawa ni kufupisha haraka

Maelezo: Hii inaitwa hallucination na husababisha mojawapo ya hitilafu za gharama kubwa katika programu. Dawa pekee ya kweli ni uthibitishaji: kuthibitisha kwamba kila chaguo za kukokotoa, API, na kifurushi kinachotumika kipo na kwamba msimbo hufanya kazi. Toni ya ujasiri ya mfano sio ushahidi wa usahihi.

3. Ni mbinu gani inayoboresha ubora na uthabiti wa pato wakati wa kutengeneza msimbo kwa kutumia AI?

• A) Kutoa mfano kwa kusema 'niandikie haya' bila kutoa muktadha wowote
• B) Kuandika haraka na dhana ndefu iwezekanavyo
• C) Bainisha na utoe mifano ya mkataba wa pembejeo/pato, vikasha vya makali, toleo na mtindo ✔
• D) Kuchanganya nambari iliyotengenezwa moja kwa moja bila kuisoma

Ufafanuzi: Kubainisha aina za ingizo/towe za kitendakazi (mkataba), visa vya ukingo, kikwazo cha lugha/toleo na mtindo na kutoa mfano kwa modeli huwezesha mpito kutoka kwa utabiri hadi usahihi. Maombi ya 'niandikie' bila muktadha hutoa msimbo ambao ni tofauti kila wakati na mara nyingi hupita kesi za makali.

4. Unapogundua msingi wa msimbo wa kigeni kwa kutumia AI, jina la chaguo za kukokotoa linaweza kuwa 'validateAndSave' lakini muhtasari wa AI unaweza kuwa si sahihi. Ni ipi njia sahihi?

• A) Kujiamini kamili katika muhtasari wa AI kwani jina linajieleza
• B) Kubadilisha kazi moja kwa moja bila kuisoma
• C) Kuamua kwa kuangalia tu jina la kazi
• D) Chukua maelezo ya AI kama dhana na uthibitishe madai muhimu mstari kwa mstari katika msimbo ✔

Maelezo: AI inaweza kuangalia jina kwenye nambari na kukuambia 'inavyoonekana kama inafanya', lakini kwa kweli mantiki inaweza kuwa tofauti (au hata kugeuzwa). Kwa hivyo maelezo ya AI ni dhana; Madai muhimu, haswa yale yanayohusisha usalama, mamlaka au mtiririko wa pesa, yanapaswa kuthibitishwa kwa njia inayohusika.

5. Ni hatari gani kubwa ya kusema 'AI iliiangalia, ni wazi' katika ukaguzi wa msimbo unaosaidiwa na AI?

• A) AI inaweza kutoa hasi za uwongo; Makosa ya kweli ambayo hayakukosekana huunda imani ya uwongo ✔
• B) Ukaguzi wa AI ni wa polepole sana kwa hivyo unapoteza muda
• C) Timu haielewi kwa sababu AI inatoa maoni kwa Kiingereza pekee
• D) PR haiunganishi kwa sababu AI hutafsiri kupita kiasi kila wakati

Maelezo: AI hutoa chanya zote za uwongo (kuashiria shida mahali haipo) na hasi za uwongo (kukosa mdudu halisi). Hasi za uwongo ni kimya; Makosa hatari zaidi ni yale ambayo hayakutajwa katika hakiki hata kidogo. Kwa hivyo AI ni kichujio cha kwanza, sio kibali; Uamuzi wa kuunganisha ni wa mtu anayewajibika.

6. Ni mtego gani wa hila zaidi unaotokea unapoipa AI msimbo na majaribio ya kuchapisha?

• A) AI huandika majaribio mengi sana kila wakati na huzuia codebase
• B) AI hujaribu tabia ya sasa (labda sio sahihi) ya nambari kama 'sahihi' na kurekebisha mdudu ✔
• C) AI hufuta kiotomati nambari wakati wa kuandika vipimo
• D) AI huandika majaribio sio tu kwa njia ya kufurahisha lakini kila wakati kwa kesi ya makali

Maelezo: AI huelekea kuangalia nambari na kuandika madai ambayo hujaribu tabia ya sasa. Ikiwa nambari sio sahihi tangu mwanzo, AI hurekebisha tabia hii mbaya kama 'sahihi'. Kwa hiyo, matarajio ya mtihani yanapaswa kuandikwa kulingana na kanuni inayotakiwa (specific), si kulingana na matokeo ya sasa ya kanuni.

7. Ni nini zaidi huamua usahihi wa dhana wakati wa kurekebisha mdudu na AI?

• A) Jinsi pendekezo limeandikwa kwa upole.
• B) Swali liliulizwa mara ngapi tena
• C) Ubora wa ushahidi unaotolewa kwa modeli: ujumbe kamili wa makosa, ufuatiliaji wa rafu, ingizo na tabia inayotarajiwa ✔
• D) Je, msimbo umeandikwa kwa mandhari ya rangi gani?

Maelezo: AI haioni kosa jinsi unavyofanya; Anajua ushahidi unaompa tu. Kwa kuzingatia ujumbe kamili wa hitilafu, ufuatiliaji wa rafu, ingizo la kuanzisha, na tabia inayotarajiwa, mtindo huorodhesha uwezekano halisi; Ikiwa hakuna ushahidi, hufanya nadhani (hallucination) na kukuongoza kwenye njia mbaya.

8. Ni hatua gani muhimu zaidi kabla ya kutoa kumbukumbu za uzalishaji kwa AI kwa uchambuzi?

• A) Kubandika logi kama ilivyo, kufunika siku nzima
• B) Badilisha logi kuwa herufi kubwa kwanza
• C) Kupanga mistari ya kumbukumbu kwa mpangilio wa alfabeti
• D) Kuficha data ya kibinafsi na siri na kutoa tu dirisha linalofaa ✔

Maelezo: Kumbukumbu za uzalishaji ghafi zina IP, barua pepe, kitambulisho cha kikao, ishara na wakati mwingine siri iliyo wazi. Kuzibandika kwenye zana ya AI bila kuzifunga ni ukiukaji mkubwa wa faragha. Zaidi ya hayo, logi inapaswa kuchujwa kwenye dirisha la wakati nyembamba; Lakini hitaji la kwanza ni kusafisha data nyeti.

9. Nini kifanyike ikiwa AI inasema matukio mawili yalitokea 'wakati huo huo' katika uchanganuzi wa kumbukumbu na kutangaza moja kama chanzo kikuu?

• A) Kupuuza uwiano kama sababu na kuthibitisha dai kwa vipimo na msimbo ✔
• B) Kukubali sababu kama dhahiri kwa sababu AI huanzisha uhusiano wa wakati
• C) Kuanzisha tena sehemu ya mshitakiwa wa kwanza mara moja
• D) Kufuta kumbukumbu kabisa na kuzikusanya tena

Ufafanuzi: Shimo la kawaida katika uchanganuzi wa kumbukumbu ni utata wa uunganisho na sababu. Uhusiano wa wakati ulioanzishwa na AI ni kidokezo, sio ushahidi. Sababu ya kweli inahitaji muda, utaratibu, na, ikiwezekana, kurudiwa; Dai lazima liidhinishwe kwa vipimo na msimbo.

10. Ni kanuni gani ya dhahabu isiyoweza kujadiliwa wakati wa kurekebisha tena AI na ni nini kinachoiweka salama?

• A) Nambari inapaswa kuwa fupi; Idadi ya mistari inathibitisha hili
• B) Hakuna mabadiliko katika tabia; vipimo vinavyonasa tabia ya sasa vinahakikisha hili ✔
• C) Kanuni ina maoni zaidi; AI inahakikisha hii
• D) Kuandika upya faili nzima mara moja; wakala anakuhakikishia hili

Maelezo: Kurekebisha upya ni kuboresha muundo wa ndani wa kanuni bila kubadilisha tabia yake ya nje; Kanuni ya dhahabu ni kwamba tabia inabaki mara kwa mara. Kinachohakikisha hii ni majaribio: testnet inayonasa tabia ya sasa kabla ya kuibadilisha inawekwa na kuendeshwa baada ya kila hatua. Refactoring bila testnet ni kamari.

11. Ni safu gani katika utengenezaji wa nyaraka ambayo AI haiwezi kujua na ni hatari kutengeneza?

• A) Jinsi ya kuendesha hatua za ufungaji
• B) Orodha ya vigezo vya chaguo za kukokotoa
• C) Uthibitisho wa 'kwa nini' uamuzi wa kubuni ulifanywa hivyo ✔
• D) Msimbo umeandikwa kwa lugha gani?

Maelezo: AI inaweza kutoa safu ya 'nini/jinsi' (kazi hufanya nini, inasanidiwaje) kutoka kwa nambari; lakini haiwezi kujua safu ya 'kwa nini' (sababu ya muundo wa uamuzi, sababu ya dhamana ya kikomo). 'Sababu' iliyoundwa ni hatari zaidi kuliko kutokuwa na uhalali; Mmiliki wa msimbo lazima aongeze safu hii.

12. Msanidi programu anapaswa kufanya nini ikiwa anataka kubandika faili ya usanidi iliyo na ufunguo wa moja kwa moja wa API kwenye zana ya AI isiyoidhinishwa huku akisuluhisha hitilafu ya dharura?

• A) Kwa kasi, bandika faili kama ilivyo kisha ufute gumzo
• B) Ongeza kidokezo cha 'siri' mwishoni mwa faili na utume
• C) Acha ufunguo na ubadilishe tu jina la faili
• D) Ondoa/ficha siri na toa muktadha muhimu tu usio nyeti ✔

Ufichuzi: Siri, data ya kibinafsi na mali ya siri haipaswi kamwe kuingizwa katika njia ambazo hazijaidhinishwa; Dharura haisitishi mstari huu mwekundu. Njia sahihi ni kutoa/kuficha siri kwanza na kutoa tu muktadha unaohitajika na usio nyeti. Ikiwa siri bado inavuja, jambo la kwanza kufanya ni kugeuza ufunguo huo mara moja.

13. Msimbo unaozalishwa na AI hupitisha majaribio na huendeshwa katika uzalishaji. Je, hii inathibitisha kwamba kanuni ni salama?

• A) Hapana; 'kufanya kazi' haimaanishi kuwa salama, usalama unahitaji safu tofauti ya uthibitishaji ✔
• B) Ndiyo; Nambari inayopitisha jaribio ni salama kwa ufafanuzi
• C) Ndiyo; Kuiendesha katika uzalishaji huondoa udhaifu wote
• D) Hapana; lakini usalama ni muhimu tu ikiwa nambari ni polepole

Ufafanuzi: 'Kufanya kazi' si sawa na 'salama'. Hata kama msimbo una athari kama vile sindano ya SQL, inaweza kufanya majaribio na kufanya kazi vizuri; Athari hufichuliwa tu mvamizi anapoipata. Kwa hivyo, pamoja na usahihi, ukaguzi na uchanganuzi unaolenga usalama kama vile SAST unapaswa kufanywa kama safu tofauti.

14. Ni nidhamu gani salama wakati wa kutoa kazi ya faili nyingi kwa wakala wa CLI (zana ya uhuru ambayo inaweza kurekebisha faili na kuendesha amri)?

• A) Kumwambia wakala 'boresha moduli hii' na kutoa uhuru kamili
• B) Kutoa upeo finyu na vigezo vya kukubalika, kuomba mpango kwanza, kuupitisha, kuutekeleza hatua kwa hatua, na kuendesha majaribio ✔
• C) Unganisha moja kwa moja mabadiliko yote ya wakala bila kuyapitia
• D) Kumpa wakala ufikiaji usio na kikomo kwa mazingira ya uzalishaji na data ya siri

Maelezo: Kadiri uhuru unavyoongezeka, udhibiti pia unapaswa kuongezeka. Kumpa wakala wigo finyu na vigezo wazi vya kukubalika, kwanza kuuliza mpango bila mabadiliko, kuidhinisha mpango huo, kisha kutekelezwa hatua kwa hatua na kufanya majaribio kwa kila hatua; Huzuia mabadiliko ambayo ni mapana, yasiyoweza kukaguliwa, na yanayohitaji kurejeshwa.

15. Nani ana dhima inayotokana na msimbo unaozalishwa na AI katika programu muhimu kwa usalama (k.m. malipo au uthibitishaji)?

• A) Kwa kuwa nambari hutoka kwa AI, iko kwenye mtoaji wa gari
• B) Ikiwa AI imeendelezwa vya kutosha, hakuna mtu anaye; hakuna haja ya kuthibitisha
• C) Timu/mhandisi anayechunguza, kukusanya na kusambaza kanuni; AI haichukui nafasi ya idhini ✔
• D) Ni mtu tu anayeandika onyesho, sio wale wanaokagua

Maelezo: AI ni kiongeza kasi na jenereta ya ramani; hawezi kuwajibika. Wajibu wa hitilafu, udhaifu au ukiukaji wowote unaotokana na kanuni katika toleo la umma ni wa timu ambayo hukagua, kukusanya na kusambaza misimbo hiyo. Katika maeneo muhimu kwa usalama, matokeo ya AI si mbadala wa kukaguliwa na kuidhinishwa na mhandisi aliyehitimu kwa hali yoyote.