முடிவில் இருந்து இறுதி திட்டம், தொழிலில் செயற்கை நுண்ணறிவு மற்றும் சாலை வரைபடம் ஆகியவற்றின் பொறுப்பான பயன்பாடு

ஆதாயங்கள்:

• வடிவமைப்பு, குறியீடு, AI ஒருங்கிணைப்பு, தனியுரிமை, சோதனை, பிழைத்திருத்தம், செயல்திறன் மற்றும் வெளியீட்டு படிகளில் மொபைல் அம்சத்தை இறுதி முதல் இறுதி வரை மற்றும் சரிபார்க்கக்கூடிய திறன்.
• வெளிப்படைத்தன்மை, சரிபார்ப்பு-பொறுப்புக்கூறல் மற்றும் நீதி-குறைபாடு இல்லாத கொள்கைகளுடன் செயற்கை நுண்ணறிவின் பொறுப்பான மற்றும் நெறிமுறை பயன்பாட்டிற்கான கட்டமைப்பை நிறுவும் திறன்.
• செயற்கை நுண்ணறிவு வலுவான மற்றும் பலவீனமான பகுதிகளை வேறுபடுத்தி, இறுதி முடிவை மனிதர்களின் கைகளில் வைத்திருப்பதன் மூலம் நிலையான தொழில்முறை நடைமுறையை உருவாக்க முடியும்.

இந்த தொகுதி முழுவதும், மொபைல் வளர்ச்சியின் ஒவ்வொரு கட்டத்திலும் AI ஐப் பயன்படுத்தினோம்: குறியீடு உருவாக்கம், இடைமுகம், சாதனம் மற்றும் கிளவுட் AI ஒருங்கிணைப்பு, சோதனை, பிழைத்திருத்தம், செயல்திறன், தனியுரிமை மற்றும் ஸ்டோர் டெலிவரி. இந்த இறுதிப் பிரிவில், இந்த அனைத்துப் பகுதிகளையும் ஒரே முடிவில் இருந்து இறுதி ஓட்டமாக இணைத்து, AI இன் பொறுப்பான மற்றும் நெறிமுறை பயன்பாட்டிற்கான கட்டமைப்பை தெளிவுபடுத்துவோம், மேலும் இந்த திறன்களை ஒரு நிலையான தொழில்முறை நடைமுறையாக மாற்றுவது பற்றி பேசுவோம். முக்கிய செய்தி மாறவில்லை, ஆனால் அது இப்போது உறுதியாக நிறுவப்பட்டுள்ளது: AI என்பது ஒரு திறமையான மொபைல் டெவலப்பரைப் பெருக்கும் சக்தியாகும்; அது ஒரு மாற்று அல்ல. தயாரிப்பின் தரம், பாதுகாப்பு மற்றும் பயனருக்கான வாக்குறுதி ஆகியவற்றிற்கு பொறுப்பான நபர்.

இறுதி முதல் இறுதி அம்சம்: பகுதிகளை இணைத்தல்

AI ஆதரவுடன் தொடக்கத்தில் இருந்து இறுதி வரை உண்மையான அம்சத்தை உருவாக்குவது, ஒரு சங்கிலியில் நாம் கற்றுக்கொண்ட ஒவ்வொரு யூனிட்டையும் ஒருங்கிணைக்கிறது. எடுத்துக்காட்டு: "ரசீதில் இருந்து செலவைச் சேர்" அம்சம். ஓட்டம் பின்வருமாறு செயல்படுகிறது:

1. வடிவமைப்பு (அலகு 3). AI உடன் திரை மற்றும் நான்கு நிலைகளை (ஏற்றுதல்/காலி/பிழை/முழுமை) வரையவும், தொடக்கத்தில் இருந்தே அணுகலைக் கோரவும்.
2. குறியீடு (அலகு 2). எம்விவிஎம் மூலம் கேமரா, டேட்டா மாடல் மற்றும் வியூமாடலை லேயர் பை லேயர் உருவாக்கவும்; ஒவ்வொரு அடுக்கையும் சரிபார்க்கவும்.
3. சாதனத்தில் AI (அலகு 4). ML கிட் உரை அங்கீகாரத்துடன் ரசீதில் இருந்து தொகை/தேதியைப் படிக்கவும்; முன் செயலாக்கம் மற்றும் நம்பிக்கை மதிப்பெண்ணைக் கருத்தில் கொள்ளுங்கள்.
4. இரகசியத்தன்மை (அலகு 9). குறைந்தபட்ச சிறப்புரிமையுடன் கேமரா அனுமதியைக் கோரவும், நிராகரிப்பு காட்சியை எழுதவும், சாதனத்தில் தரவை வைத்திருக்கவும்.
5. சோதனை (அலகு 6). பிரித்தெடுத்தல் தர்க்கத்தின் அலகு சோதனைகளை உருவாக்குதல், காட்சியின் UI சோதனை; எல்லை மாநிலங்களைச் சேர்க்கவும்.
6. பிழைத்திருத்தம் (அலகு 7). AI செயலிழப்புகளை சூழலுடன் பகுப்பாய்வு செய்து மூல காரணத்தை தீர்க்கவும்.
7. செயல்திறன் (அலகு 8). கேமரா செயலாக்கத்தின் பேட்டரி செலவை அளந்து, பேட்டரிக்கு ஏற்றதாக அமைக்கவும்.
8. ஒளிபரப்பு (அலகு 10). AI இன் பயன்பாட்டை வெளிப்படையாகப் புகாரளிக்கவும், தனியுரிமைப் படிவத்தை உண்மையாக நிரப்பவும் மற்றும் சுய பரிசோதனையை மேற்கொள்ளவும்.

ஒவ்வொரு அடியிலும், AI துரிதப்படுத்துகிறது, மனிதன் சரிபார்த்து முடிவு செய்கிறான். இந்த வளையம் தொகுதியின் மையமாகும்.

உதவிக்குறிப்பு: ஒரு மாபெரும் கோரிக்கையுடன் AI ஐ சிக்கலான அம்சத்தைச் செய்ய முயற்சிக்காதீர்கள். மேலே உள்ளதைப் போன்ற சரிபார்க்கக்கூடிய படிகளாக அதை உடைக்கவும். ஒவ்வொரு அடியின் வெளியீட்டையும் சோதித்து அடுத்த கட்டத்திற்குச் செல்வது பாதுகாப்பானது மற்றும் இறுதியில் வேகமானது; ஏனென்றால் நீங்கள் ஒரு பெரிய தவறை இறுதியில் அல்ல, ஆனால் முதல் படியில் பிடிக்கிறீர்கள்.

AI இன் பொறுப்பான மற்றும் நெறிமுறை பயன்பாடு

தொழில்நுட்பத் திறன் மட்டும் போதாது; ஒரு பொறுப்பான கட்டமைப்பு அதை நிறைவு செய்கிறது. மூன்று கொள்கைகள்:

வெளிப்படைத்தன்மை. அவர் அல்லது அவள் AI உடன் தொடர்பு கொள்கிறார் என்பதை பயனர் அறிந்திருக்க வேண்டும். ஒரு ரகசிய AI என்பது நம்பிக்கையை மீறுவதாகும். AI-உருவாக்கப்பட்ட உள்ளடக்கம் குறியிடப்பட்டுள்ளது; AI ஆலோசனையானது "கடினமான உண்மை" என்பதற்கு பதிலாக "உதவிகரமான ஆலோசனை" என்று வழங்கப்படுகிறது.

சரிபார்ப்பு மற்றும் பொறுப்பு. AI வெளியீடு ஒரு தொடக்கப் புள்ளியாகும், முடிக்கப்பட்ட தயாரிப்பு அல்ல. வெளியிடப்பட்ட ஒவ்வொரு குறியீட்டு வரிக்கும், ஒவ்வொரு AI பதிலுக்கும், ஒவ்வொரு தரவு பரிவர்த்தனைக்கும் நீங்கள் பொறுப்பு. "AI அதை அப்படியே எழுதியது" என்பது ஒரு பாதுகாப்பு அல்ல.

நீதி மற்றும் குற்றமற்ற தன்மை. AI மாதிரிகள் அவர்கள் பயிற்றுவிக்கப்பட்ட தரவுகளிலிருந்து சார்புகளைக் கொண்டு செல்ல முடியும். ஒரு முக அங்கீகாரம் சில தோல் நிறங்களில் மோசமாக வேலை செய்யலாம், ஒரு பரிந்துரை இயந்திரம் ஒரு குழுவை விலக்கலாம். உங்கள் தயாரிப்பு வெவ்வேறு பயனர் குழுக்களில் நியாயமான முறையில் செயல்படுகிறது என்பதைச் சோதிப்பது உங்கள் பொறுப்பு.

கவனம்: தகவல் தொழில்நுட்பம் மற்றும் பாதுகாப்பு துறையில் நீங்கள் கற்றுக் கொள்ளும் எந்தவொரு நுட்பமும் அங்கீகரிக்கப்பட்ட மற்றும் ஆக்கபூர்வமான நோக்கங்களுக்காக மட்டுமே பயன்படுத்தப்படுகிறது. தீம்பொருளை உருவாக்க, அனுமதியின்றி வேறொருவரின் பயன்பாட்டை உடைக்க, அனுமதியின்றி பயனர் தரவைச் சேகரிக்க அல்லது தவறாக வழிநடத்தும் உள்ளடக்கத்தை உருவாக்க AI ஐப் பயன்படுத்துவது சட்டவிரோதமானது மற்றும் தொழிலின் நெறிமுறைகளுக்கு எதிரானது. நீங்கள் பயன்படுத்தாத இடத்தில் சக்தியின் அளவு வெளிப்படுகிறது.

AI இன் வரம்புகளை அங்கீகரித்தல்

ஒரு முதிர்ந்த டெவலப்பருக்கு AI எங்கு ஒளிர்கிறது மற்றும் எங்கு குறைகிறது என்பது தெரியும்.

AI சக்தி வாய்ந்தது

AI பலவீனமாக உள்ளது

அச்சு குறியீடு, கொதிகலன் உற்பத்தி

தயாரிப்பு மற்றும் கட்டடக்கலை முடிவுகள்

சோதனை மற்றும் ஆவண வரைவு

வணிக சூழல் மற்றும் பயனரைப் புரிந்துகொள்வது

க்ராஷ் லாக் ரீடிங், ஸ்கேனிங் பிழை

உறுதியான மூல காரண கண்டறிதல் (சரிபார்ப்பு தேவை)

கற்றல், கருத்து விளக்கம்

தற்போதைய/கட்டமைக்கப்படாத API தகவல்

உரை, விளக்கம், மொழிபெயர்ப்பு

நெறிமுறைகள், பாதுகாப்பு மற்றும் சட்ட இறுதி முடிவு

இந்த வேறுபாட்டை உள்வாங்குவது AI ஐ திறம்பட பயன்படுத்துவதற்கும் அதன் ஆபத்துக்களை தவிர்ப்பதற்கும் முக்கியமாகும்.

மூன்று சிறிய வழக்குகள்

வழக்கு 1 - இறுதி முதல் இறுதி வேகம். ஒரு தனி டெவலப்பர் மேலே உள்ள 8-படி ஓட்டத்துடன் "அன்ப்ளக்டு" அம்சத்தை 4 நாட்களில் முடித்தார்; AI இல்லாமல் 12 நாட்கள் என மதிப்பிடப்பட்டது. ஆனால் அவர் ஒவ்வொரு அடியையும் சரிபார்த்ததால், வெளியீடு முதல் முறையாக அங்கீகரிக்கப்பட்டது. ஒழுக்கம் உண்மையானது என்பதால் வேகம் உண்மையானது. பாடம்: AI + சரிபார்ப்பு AI - சரிபார்ப்பை விட வேகமானது.

வழக்கு 2 - சார்பு பிடிபட்டது. AI-அடிப்படையிலான பெயர்ச்சொல்-பாலின முன்கணிப்பு அம்சத்தை சோதிக்கும் போது, ​​ஒரு குழு சில துருக்கிய பெயர்ச்சொற்களில் முறையான பிழைகளை கவனித்தது; இந்த மாதிரி பெரும்பாலும் ஆங்கில தரவுகளில் பயிற்சியளிக்கப்பட்டது. தவறான அனுமானத்தை உருவாக்குவதற்குப் பதிலாக பயனரிடம் கேட்கும் வகையில் அம்சம் மாற்றப்பட்டுள்ளது. பாடம்: மாதிரியின் பயிற்சி சார்புநிலையைச் சோதிப்பது டெவலப்பரின் வேலை.

வழக்கு 3 - "AI சொன்னது" பாதுகாப்பு சரிந்தது. ஒரு டெவலப்பர் AI-உருவாக்கிய கட்டணக் குறியீட்டை சரிபார்க்காமல் வெளியிட்டார்; ஒரு தீவிர வழக்கில் குறியீடு இரட்டை வசூல் செய்து கொண்டிருந்தது. "AI எழுதியது" என்று சொல்லி பொறுப்பு நீக்கப்படுவதில்லை; கணக்கு வைத்திருப்பவராக, அவர் ஒரு டெவலப்பர். பாடம்: பொறுப்பை ஒப்படைக்க முடியாது.

பலவீனமான வரியில் / வலுவான வரியில்

பலவீனமான அறிவுறுத்தல்: "எனக்கு முழுமையான ரசீது ஸ்கேனிங் விண்ணப்பத்தை எழுது."

சக்திவாய்ந்த அறிவுறுத்தல்: "'ரசீதில் இருந்து செலவைச் சேர்' அம்சத்தை படிப்படியாக உருவாக்க எனக்கு உதவுங்கள். நான் ஒவ்வொரு அடியையும் சரிபார்த்து ஒப்புதல் அளிக்கும் போது, அடுத்த கட்டத்திற்குச் செல்லலாம்: 1) திரை + நான்கு நிலைகள் + அணுகல்தன்மை2) MVVM லேயர்கள் (கேமரா, மாடல், ViewModel)3) ML ரசீது அனுமதியுடன் கூடிய தொகை/தேதியை படிக்கும் அளவு/தேதி சிறப்புரிமை) + நிராகரிப்பு ஓட்டம்5) அலகு மற்றும் UI சோதனைகள் ஒவ்வொரு அடியிலும் நான் சரிபார்க்க வேண்டிய அபாயங்கள் மற்றும் புள்ளிகளைக் கூறுங்கள்."

நகலெடுக்கக்கூடிய வார்ப்புருக்கள்

முடிவில் இருந்து இறுதி திட்டமிடல் டெம்ப்ளேட்: "நான் பின்வரும் அம்சத்தை உருவாக்குவேன்: [அம்சம்]. அதை சரிபார்க்கக்கூடிய படிகளாகப் பிரிக்கவும்: வடிவமைப்பு, குறியீடு, AI ஒருங்கிணைப்பு, தனியுரிமை/அனுமதி, சோதனை, செயல்திறன், வெளியீடு. ஒவ்வொரு படிக்கும் வெளியீடு, ஆபத்து மற்றும் சரிபார்ப்பு அளவுகோல்களை எழுதுங்கள். ஒரு பெரிய தயாரிப்பை உருவாக்க வேண்டாம்."

நெறிமுறைகள்/சார்பு தணிக்கை டெம்ப்ளேட்: "பின்வரும் AI அம்சத்தை நேர்மை மற்றும் சார்புக்காக தணிக்கை செய்யுங்கள்: [அம்சம்]. எந்த பயனர் குழுக்கள் மோசமாக செயல்படக்கூடும்? பயிற்சி தரவு சார்புநிலையை எவ்வாறு பாதிக்கிறது? அதை நான் எப்படிச் சோதிப்பது, அதை மேலும் உள்ளடக்குவது எப்படி?"

பொறுப்புக்கூறல் சரிபார்ப்பு டெம்ப்ளேட்: "இந்த AI-உருவாக்கிய குறியீடு/அம்சத்தை வெளியிடுவதற்கு முன் நான் கேட்க வேண்டிய பொறுப்புக்கூறல் கேள்விகளை பட்டியலிடுங்கள்: நான் அதை புரிந்து கொண்டேன், நான் அதை சோதித்தேன், இது பாதுகாப்பானதா, இது பயனருக்கு வெளிப்படையானதா, இது சட்டபூர்வமானதா/நெறிமுறையா?"

தொடர்ச்சியான கற்றல் டெம்ப்ளேட்: "மொபைல் டெவலப்பரில் எனது AI திறனை மேம்படுத்த 4-வார நடைமுறைத் திட்டத்தை முன்மொழிக: ஒவ்வொரு வாரமும் ஒரு தலைப்பு (குறியீடு, ஒருங்கிணைப்பு, சோதனை, வெளியீடு), ஒரு சிறிய திட்டம் மற்றும் சரிபார்ப்பு பழக்கத்தின் குறிக்கோளுடன்."

பொதுவான தவறுகள்

• ஒரு மாபெரும் கோரிக்கையுடன் சிக்கலான அம்சத்தை உருவாக்குகிறது. சரிபார்க்க முடியாது; அதை படிகளாக உடைக்கவும்.
• "AI அப்படி எழுதியது" என்று கூறி பொறுப்பைத் தவிர்ப்பது. வெளியிடப்பட்ட குறியீட்டிற்கு நீங்கள் பொறுப்பு.
• AI சார்புக்கான சோதனை இல்லை. மாதிரி சில குழுக்களில் மோசமாக வேலை செய்யலாம்; நீதியை சோதிக்கவும்.
• பயனரிடமிருந்து AI தொடர்புகளை மறைத்தல். வெளிப்படைத்தன்மை நம்பிக்கையின் அடித்தளம்.
• AI இன் வரம்புகளை மறந்துவிட்டது. கட்டிடக்கலை, நெறிமுறைகள் மற்றும் தற்போதைய API ஆகியவற்றில் மக்கள் இறுதி முடிவைக் கொண்டுள்ளனர்.
• கற்பதை நிறுத்த வேண்டும். கருவிகள் மற்றும் கடை விதிகள் விரைவாக மாறுகின்றன; தொடர்ந்து புதுப்பித்த நிலையில் இருங்கள்.

சுருக்கமாக

வடிவமைப்பு, குறியீடு, AI ஒருங்கிணைப்பு, தனியுரிமை, சோதனை, பிழைத்திருத்தம், செயல்திறன் மற்றும் வெளியீடு: ஒரு எண்ட்-டு-எண்ட் அம்சமானது தொகுதியின் அனைத்து பகுதிகளையும் ஒரு சங்கிலியில் இணைக்கிறது. ஒவ்வொரு அடியிலும், AI துரிதப்படுத்துகிறது, மனிதன் சரிபார்த்து முடிவு செய்கிறான்; சிக்கலான வேலை சிறிய சரிபார்க்கக்கூடிய படிகளாக பிரிக்கப்பட்டுள்ளது. பொறுப்பான பயன்பாடு மூன்று கொள்கைகளை அடிப்படையாகக் கொண்டது: வெளிப்படைத்தன்மை, சரிபார்ப்பு-பொறுப்புணர்வு மற்றும் நேர்மை-எந்தத் தீங்கும் செய்யாதீர்கள். AI ஒரு சக்திவாய்ந்த பெருக்கி, ஆனால் கட்டிடக்கலை, நெறிமுறைகள், பாதுகாப்பு மற்றும் தற்போதைய அறிவு ஆகியவற்றில் மனிதர்களுக்கு இறுதி கருத்து உள்ளது. "AI அதை அப்படியே செய்தது" என்பது ஒரு பாதுகாப்பு அல்ல; உங்கள் தயாரிப்பு மற்றும் உங்கள் பயனருக்கு நீங்கள் வழங்கும் வாக்குறுதிக்கு நீங்கள் பொறுப்பு. இந்த ஒழுங்குமுறை மூலம், AI உங்களை உங்கள் வாழ்க்கை முழுவதும் வேகமாகவும், விரிவானதாகவும், வலிமையாகவும் ஆக்குகிறது.

விண்ணப்ப பணி

நீங்கள் விரும்பும் மொபைல் அம்சத்தை (எ.கா. "குரல் குறிப்புகளை எடுப்பதன் மூலம் சுருக்கமாக" அல்லது "புகைப்படத்திலிருந்து தயாரிப்பு அங்கீகாரம்") "எண்ட்-டு-எண்ட் திட்டமிடல் டெம்ப்ளேட்" மூலம் சரிபார்க்கக்கூடிய படிகளாக பிரிக்கவும். AI உடன் குறைந்தது ஒரு படியையாவது உருவாக்கி சரிபார்க்கவும். பின்னர், எந்தெந்த பயனர் குழுக்களில் இந்த அம்சம் "நெறிமுறைகள்/சார்புக் கட்டுப்பாட்டு டெம்ப்ளேட்டில்" சிக்கல்களை ஏற்படுத்தக்கூடும் என்பதைப் பகுப்பாய்வு செய்து, வெளியீட்டிற்கு முன் நீங்கள் கேட்க வேண்டிய கேள்விகளுக்கு "பொறுப்புக் கட்டுப்பாட்டு டெம்ப்ளேட்" மூலம் பதிலளிக்கவும்.

சரிபார்ப்பு பட்டியல்

• [ ] நான் இந்த அம்சத்தை சரிபார்க்கக்கூடிய சிறிய படிகளாக உடைத்தேன், ஒரு பெரிய தயாரிப்பு அல்ல
• [ ] ஒவ்வொரு அடியிலும் AI வெளியீட்டை சரிபார்த்து முடிவெடுத்தேன்
• [ ] நான் பயனருக்கு AI தொடர்புகளை வெளிப்படையாக வழங்கினேன்
• [ ] இந்த அம்சம் வெவ்வேறு குழுக்களில் நியாயமாக/சார்புடன் செயல்படுகிறதா என்பதை மதிப்பீடு செய்தேன்
• [ ] வெளியீட்டிற்கு முந்தைய பொறுப்புக் கேள்விகளுக்கு நான் பதிலளித்தேன் (புரிந்து கொண்டது/சோதனை/பாதுகாப்பான/நெறிமுறை)
• [ ] நான் திறமையான மற்றும் ஆக்கபூர்வமான நோக்கங்களுக்காக மட்டுமே AI ஐப் பயன்படுத்தினேன் மேலும் கற்றலைத் தொடர திட்டமிட்டுள்ளேன்

தொகுதி தேர்வு

1. மொபைல் மேம்பாட்டில் செயற்கை நுண்ணறிவுக்கான மிகவும் துல்லியமான நிலைப்படுத்தல் எது?

• A) டெவலப்பரை AI மாற்றுகிறது; அது உருவாக்கும் குறியீட்டைப் படிக்காமல் நேரடியாக வெளியிடலாம்
• B) செயற்கை நுண்ணறிவு உரை எழுதுவதில் மட்டுமே வேலை செய்கிறது, அதற்கும் குறியீடு உருவாக்கத்திற்கும் எந்த தொடர்பும் இல்லை
• C) செயற்கை நுண்ணறிவு ஒரு உதவியாளர் மற்றும் முடுக்கி; கட்டடக்கலை, பாதுகாப்பு மற்றும் ஒளிபரப்பு முடிவுகளுக்கான பொறுப்பு மனிதர்களிடம் உள்ளது ✔
• D) செயற்கை நுண்ணறிவு எப்போதும் சரியான குறியீட்டை உருவாக்குவதால், கூடுதல் சோதனை மற்றும் சரிபார்ப்பு தேவையற்றது

விளக்கம்: செயற்கை நுண்ணறிவு என்பது குறியீடு, வரைபடங்கள் மற்றும் தீர்வுகளை உருவாக்கும் உதவியாளர் மற்றும் முடுக்கி ஆகும். கட்டிடக்கலை, அனுமதி, பாதுகாப்பு மற்றும் வெளியீடு போன்ற முடிவுகளின் பொறுப்பு மற்றும் இறுதி ஒப்புதல் திறமையான டெவலப்பரிடம் உள்ளது; வெளியிடப்படும் ஒவ்வொரு வரிக்கும் மனிதர்களே பொறுப்பு.

2. செயற்கை நுண்ணறிவிடமிருந்து மொபைல் குறியீட்டைக் கோரும் போது, ​​குறியீட்டின் கட்டடக்கலைத் தரத்தை எது அதிகமாக உருவாக்குகிறது?

• A) முடிந்தவரை சுருக்கமாக, 'எனக்கு ஒரு பயன்பாட்டை எழுது' என்று கூறவும்
• B) முதலில், MVVM போன்ற ஒரு கட்டமைப்பைத் திணித்து, சிறிய துண்டுகளாக, அடுக்காக அடுக்காகக் கோரவும் ✔
• C) ஒரே வரியில் முழு அம்சத்தையும் ஒரே மாபெரும் கோப்பாக உருவாக்குதல்
• D) கட்டிடக்கலையை குறிப்பிட வேண்டாம் மற்றும் செயற்கை நுண்ணறிவுக்கு சிறந்த முடிவை விட்டுவிடாதீர்கள்

விளக்கம்: MVVM போன்ற ஒரு கட்டமைப்பைத் திணித்து, AIக்கு நேரடியாகக் குறியீட்டை எழுதுவதற்கு முன், லேயர் பை லேயர் தேவைப்படுவது, திரையில் இருந்து தர்க்கத்தைப் பிரிக்கும் சோதனைக்குரிய மற்றும் பராமரிக்கக்கூடிய கட்டமைப்பை உருவாக்குகிறது. கட்டமைப்பு இல்லாத கோரிக்கையானது திரையில் அனைத்தையும் குவிக்கும் குறியீட்டை வழங்கும்.

3. செயற்கை நுண்ணறிவுடன் இடைமுகத்தை உருவாக்கும் போது அடிக்கடி கவனிக்கப்படாதது மற்றும் உண்மையான பயன்பாட்டில் எது மிகவும் முக்கியமானது?

• A) முழுத் திரையில் மட்டுமல்ல, ஏற்றுதல், வெற்று மற்றும் பிழை நிலைகளை வடிவமைத்தல் ✔
• B) மற்ற நிகழ்வுகளைத் தவிர்த்து, சிறந்த முழுத் திரையை மட்டும் உருவாக்குதல்
• C) ஒவ்வொரு திரையிலும் முடிந்தவரை பல வண்ணங்கள் மற்றும் அனிமேஷன்களைச் சேர்த்தல்
• D) அணுகல்தன்மை குறிச்சொற்களை கடைசியாக விட்டுவிட்டு தோற்றத்தை மட்டுமே கையாள்வது

விளக்கம்: டெவலப்பர்கள் பெரும்பாலும் 'முழு' நிலையை மட்டுமே கருதுகின்றனர்; உண்மையில் பயனர் பெரும்பாலும் ஏற்றுதல், வெற்று மற்றும் பிழை நிலைகளை சந்திக்கிறார். நான்கு நிலைகளையும் உருவாக்குவது (ஏற்றுதல்/காலி/பிழை/முழு) ஒரு வலுவான இடைமுகத்தின் ரகசியம்.

4. முக்கியமான தனிப்பட்ட தரவை (எ.கா. சுகாதார அளவீடு) செயலாக்கும் அம்சத்திற்கான இயல்புநிலை தேர்வாக சாதனத்தில் AI ஏன் உள்ளது?

• A) சாதனத்தில் உள்ள மாதிரிகள் எப்போதும் மேகக்கணியை விட துல்லியமாக இருக்கும்
• B) சாதனத்தில் செயலாக்கம் ஒருபோதும் பேட்டரி அல்லது செயலி செலவுகளை ஏற்படுத்தாது
• சி) மாடல் அளவின் அடிப்படையில் சாதனத்தில் செயலாக்கம் வரம்பற்றது
• D) தரவு தொலைபேசியை விட்டு வெளியேறாததால், தனியுரிமை மற்றும் பயனர் நம்பிக்கையின் அடிப்படையில் இது வலுவான நன்மையை வழங்குகிறது ✔

விளக்கம்: சாதனத்தில் செயலாக்கம் தொலைபேசியிலிருந்து தரவை அகற்றாது; தனியுரிமை இணக்கம் மற்றும் பயனர் நம்பிக்கையின் அடிப்படையில் இது ஒரு வலுவான நன்மையாகும், மேலும் இது ஆஃப்லைனிலும் உடனடியாகவும் செயல்படும். அதன் வரம்பு சாதனத்தின் சக்தி மற்றும் மாதிரி அளவு.

5. மிகவும் பொதுவான 'அமைதியான' பிழையானது அர்த்தமற்ற முடிவுகளை ஏற்படுத்தும் மற்றும் சாதன மாதிரி ஒருங்கிணைப்பில் பிழை செய்தியை உருவாக்காது?

• A) மாதிரியின் கோப்பு பெயரின் தவறான எழுத்துப்பிழை
• B) பயன்பாட்டு ஐகானின் குறைந்த தெளிவுத்திறன்
• C) தவறான உள்ளீடு முன்செயலாக்கம் (அளவு/இயல்புநிலை) ✔
• D) இருண்ட திரை தீம்

விளக்கம்: உள்ளீடு முன்செயலாக்கத்தை தவறாகச் செய்வது, பிழைகள் இல்லாமல் முற்றிலும் தவறான முடிவுகளைத் தரும். முன் செயலாக்க மதிப்புகள் மாதிரியின் ஆவணங்களில் இருந்து சரிபார்க்கப்பட வேண்டும்.

6. ஒரு மொபைல் பயன்பாட்டில் கிளவுட் LLM ஐ ஒருங்கிணைக்கும் போது மிகவும் பாதுகாப்பு-முக்கியமான விதி என்ன?

• A) API விசையானது பின்தளத்தில் மட்டுமே வைக்கப்பட வேண்டும், கிளையண்டில் அல்ல; கோரிக்கைகள் ப்ராக்ஸி மூலம் செல்ல வேண்டும் ✔
• B) API விசை வசதிக்காக நேரடியாக பயன்பாட்டுக் குறியீட்டில் உட்பொதிக்கப்பட வேண்டும்
• C) விண்ணப்ப விளக்கத்தில் API விசை பகிரப்பட வேண்டும்
• D) API விசையை கிளையண்டில் வைத்திருக்க வேண்டும் மற்றும் பெயரை மாற்றுவதன் மூலம் மட்டுமே மறைக்க வேண்டும்.

வெளிப்படுத்தல்: மொபைல் பயன்பாட்டுக் குறியீட்டில் API விசை ஒருபோதும் உட்பொதிக்கப்படவில்லை; ஏனெனில் பயன்பாடு தலைகீழாக வடிவமைக்கப்பட்டு விசையை பிரித்தெடுக்க முடியும். பின்தளத்தில் மட்டும் சாவியை வைத்து உங்கள் சொந்த ப்ராக்ஸி சர்வர் மூலம் கோரிக்கைகளை அனுப்புவதே சரியான கட்டமைப்பு.

7. நீண்ட LLM பதில்களில் பயனர் உணரும் வேகம் மற்றும் அம்சம் நிறைவு விகிதத்தை எது அதிகப்படுத்துகிறது?

• A) முழுப் பதிலும் வரும் வரை காத்திருந்து ஒரே நேரத்தில் காட்டுதல்
• B) ஸ்ட்ரீமிங் ✔ மூலம் பதிலை வார்த்தைக்கு வார்த்தை காட்டுதல்
• C) ஒவ்வொரு கோரிக்கையுடன் முழு அரட்டை வரலாற்றையும் மாதிரிக்கு அனுப்புதல்
• D) முடிந்தவரை பதிலை நீட்டிக்க மாதிரி அறிவுறுத்தலை பெரிதாக்கவும்

விளக்கம்: ஸ்ட்ரீமிங் வியத்தகு முறையில் உணரப்பட்ட வேகத்தையும் சரளத்தையும் அதிகரிக்கிறது. வெற்றுத் திரையில் காத்திருப்பதற்குப் பதிலாக, பயனர் உரை படிவத்தைப் பார்க்கிறார்; இது கைவிடப்பட்ட விகிதத்தை கணிசமாகக் குறைக்கிறது.

8. செயற்கை நுண்ணறிவால் தயாரிக்கப்படும் சோதனைகளில் மிகவும் பொதுவான பிரச்சனை என்னவென்றால், சோதனையை பயனற்றதாக ஆக்குகிறது?

• A) சோதனைகள் பல வரம்பு நிலைகளை உள்ளடக்கியது
• B) சோதனைகள் போலி பொருட்களைப் பயன்படுத்துகின்றன, உண்மையான சேவைகள் அல்ல
• சி) சோதனைகள் மிக வேகமாக இயங்கும்
• D) ஒரு நடத்தையை உண்மையில் சரிபார்க்காத வெற்று/பயனற்ற சோதனைகள் மூலம் வீக்கத்தின் நோக்கம் ✔

விளக்கம்: செயற்கை நுண்ணறிவு சில நேரங்களில் சோதனைகளை உருவாக்குகிறது, அவை உண்மையில் எந்த வெளியீட்டையும் சரிபார்க்காது (எ.கா. செயல்பாட்டை அழைத்து வெற்று உறுதிமொழியை எழுதவும்). இவை கவரேஜ் எண்ணை உயர்த்தினாலும் உண்மையான பாதுகாப்பை வழங்காது; அர்த்தமுள்ள நடத்தையை சரிபார்க்க ஒவ்வொரு சோதனையும் சரிபார்க்கப்பட வேண்டும்.

9. செயற்கை நுண்ணறிவு ஆலோசனையுடன் ட்ரை-கேட்ச் செய்வதன் மூலம் விபத்தை அமைதிப்படுத்துவது ஏன் போதுமான தீர்வாக இல்லை?

• A) மொபைல் பயன்பாடுகளில் முயற்சி-பிடிப்பைப் பயன்படுத்தவே முடியாது
• B) செயலிழப்பு நிறுத்தப்படும், ஆனால் மூல காரணம் தீர்க்கப்படாததால், பிரச்சனை வேறு வடிவத்தில் திரும்பும் ✔
• சி) டிரை-கேட்சைப் பயன்படுத்துவது பயன்பாட்டின் வேகத்தைக் குறைக்கிறது, எனவே இது தடைசெய்யப்பட்டுள்ளது
• D) சைலண்ட் செய்யப்பட்ட பிழை தானாகவே கடையால் நிராகரிக்கப்படும்

விளக்கம்: அறிகுறியை அமைதிப்படுத்துவது மூல காரணத்தை தீர்க்காது; செயலிழப்பு நிறுத்தப்படும், ஆனால் அசல் சிக்கல் (எ.கா. உடைந்த தரவு இணைப்பு) மற்றொரு வடிவத்தில் திரும்பும் (எ.கா. தரவு இழப்பு). தொழில்முறை பிழைத்திருத்தத்தின் குறிக்கோள் மூல காரணத்தைத் தீர்ப்பதாகும், அறிகுறி அல்ல.

10. செயல்திறன் தேர்வுமுறையில் பின்பற்ற வேண்டிய அடிப்படை தங்க விதி என்ன?

• A) முதலில் ஒரு சுயவிவரத்தை எடுத்து உண்மையான தடையை அளவிடவும், பின்னர் ✔ மேம்படுத்தவும்
• B) எங்கே மெதுவாக இருக்கிறது என்று யூகித்து அங்கு கவனம் செலுத்துகிறது
• C) ஒவ்வொரு செயல்பாட்டிலும் சிறிய லாபங்களைத் துரத்துவது
• ஈ) எமுலேட்டரில் செயல்திறனை அளவிடுதல் மற்றும் உண்மையான சாதனத்தை ஒருபோதும் முயற்சிப்பதில்லை

விளக்கம்: முதலில் அளவிடவும், பின்னர் மேம்படுத்தவும். உண்மையான இடையூறு எப்பொழுதும் கணிக்கப்பட்டதை விட வேறு இடத்தில் இருக்கும்; விவரக்குறிப்பு இல்லாமல் உகப்பாக்கம் என்பது ஒரு குருட்டு யூகம் மற்றும் பெரும்பாலும் முயற்சி வீணாகும்.

11. தொடர்ந்து இயங்கும் AI அம்சத்திற்கு (எ.கா. நேரலை கேமரா மொழிபெயர்ப்பு) மிக முக்கியமான பொறியியல் அக்கறை என்ன?

• A) அம்சம் முடிந்தவரை பல அனுமதிகளைக் கோருகிறது
• B) மாதிரி அதிர்வெண் மற்றும் தொகுதி செயலாக்கத்துடன் தொடர்ச்சியான செயலாக்கத்தின் பேட்டரி மற்றும் செயலி செலவை நிர்வகித்தல் ✔
• C) மிகவும் விலையுயர்ந்த தொலைபேசிகளில் மட்டுமே அம்சத்தை இயக்கவும்
• D) கேமராவை அதிகபட்ச பிரேம் வீதத்தில் தொடர்ந்து வழங்குதல்

விளக்கம்: தொடர்ந்து வேலை செய்யும் மாதிரி, கேமரா மற்றும் நெட்வொர்க்; இது விரைவாக பேட்டரியை உட்கொள்ளலாம், சாதனத்தை சூடாக்கலாம் மற்றும் கணினியால் கட்டுப்படுத்தப்படலாம். மாதிரி அதிர்வெண்ணைக் குறைத்தல், பேட்ச் செய்தல் மற்றும் தேவைப்படும் போது மட்டும் இயங்குதல் ஆகியவை பேட்டரி செலவை நிர்வகிப்பதற்கான வழிகளாகும்.

12. அனுமதி நிர்வாகத்தில் 'குறைந்த சலுகை' என்ற கொள்கை மொபைல் மேம்பாட்டில் எதைக் குறிக்கிறது?

• A) தொடக்கத்தில் சாத்தியமான அனைத்து அனுமதிகளையும் கோருதல்.
• B) அனுமதி மறுக்கப்பட்டால் செயலியை செயலிழக்கச் செய்தல்
• C) பரந்த அனுமதியைக் கேட்டு பின்னர் அதைக் குறைக்க திட்டமிடுதல்.
• D) நிராகரிப்பு சூழ்நிலையுடன், தேவைப்படும் போது மற்றும் குறுகிய எல்லைக்குள், உண்மையில் தேவைப்படும் அனுமதியை மட்டும் கோருதல் ✔

விளக்கம்: குறைந்தபட்ச சலுகை என்பது உண்மையில் தேவைப்படும்போது, ​​அது தேவைப்படும்போது மற்றும் முடிந்தவரை குறுகிய அளவிற்கு மட்டுமே அனுமதி கேட்பதாகும். அதிகமான அனுமதிகள் பயனர் நம்பிக்கையை குறைமதிப்பிற்கு உட்படுத்துகிறது, ஸ்டோர் நிராகரிப்புக்கு வழிவகுக்கிறது மற்றும் தரவு கசிவு அபாயத்தை அதிகரிக்கிறது.

13. செயற்கை நுண்ணறிவு கொண்ட ஒரு பயன்பாட்டை கடையில் வழங்கும்போது என்ன குறிப்பிட்ட தேவைகள் பூர்த்தி செய்யப்பட வேண்டும்?

• A) உள்ளடக்க வெளிப்படைத்தன்மை, உள்ளடக்கக் கட்டுப்பாடு மற்றும் ரகசியத்தன்மையின் வடிவத்தில் செயற்கை நுண்ணறிவுக்குச் செல்லும் தரவை வெளிப்படுத்துதல் ✔
• B) செயற்கை நுண்ணறிவின் பயன்பாட்டை பயனரிடமிருந்து மறைத்தல்
• C) தனியுரிமை படிவத்தில் உண்மையில் சேகரிக்கப்படாத தரவைக் குறித்தல்
• D) விளக்கத்தில் இல்லாத நம்பிக்கைக்குரிய அம்சங்கள்

வெளிப்படுத்தல்: ஸ்டோர்கள் உள்ளடக்க வெளிப்படைத்தன்மை (அது AI ஐ உருவாக்கும் அறிக்கை), உள்ளடக்கத்தை கட்டுப்படுத்துதல் (தீங்கு விளைவிக்கும் வெளியீடு மற்றும் பயனர் அறிவிப்பை வடிகட்டுதல்) மற்றும் செயற்கை நுண்ணறிவு கொண்ட பயன்பாடுகளின் தரவு பயன்பாட்டை வெளிப்படுத்துதல் ஆகியவற்றை எதிர்பார்க்கின்றன; உணர்திறன் வாய்ந்த பகுதியில் துல்லிய எச்சரிக்கை தேவை. இவற்றைத் தவிர்க்கும் விண்ணப்பங்கள் நிராகரிக்கப்படும்.

14. வெளியிடப்பட்ட AI-உருவாக்கிய குறியீட்டில் எட்ஜ் கேஸ் பிழை ஏற்பட்டால் 'AI அப்படி எழுதப்பட்டது' பாதுகாப்பு ஏன் செல்லாது?

• A) செயற்கை நுண்ணறிவு எப்போதும் பிழை இல்லாத குறியீட்டை உருவாக்குவதால், பிழை பயனரிடமிருந்து வருகிறது
• B) ஏனெனில் ஸ்டோர்கள் தானாகவே AI-உருவாக்கப்பட்ட குறியீட்டை சரிசெய்கிறது
• C) ஏனெனில் பொறுப்பை செயற்கை நுண்ணறிவுக்கு மாற்ற முடியாது; வெளியிடப்பட்ட குறியீடு மற்றும் தரவுகளுக்கு டெவலப்பர் பொறுப்பு ✔
• D) செயற்கை நுண்ணறிவால் உருவாக்கப்பட்ட குறியீடு ஒருபோதும் நேரலையில் வைக்கப்படுவதில்லை

விளக்கம்: AI வெளியீடு ஒரு தொடக்கப் புள்ளியாகும், முடிக்கப்பட்ட தயாரிப்பு அல்ல. வெளியிடப்பட்ட ஒவ்வொரு வரிக்கும், செயலாக்கப்பட்ட ஒவ்வொரு தரவுக்கும் மற்றும் ஒவ்வொரு வாக்குறுதிக்கும் டெவலப்பர்தான் பொறுப்பு; பொறுப்பை AI க்கு வழங்க முடியாது, எனவே வெளியீட்டை வெளியிடுவதற்கு முன்பு புரிந்து கொள்ள வேண்டும் மற்றும் சோதிக்க வேண்டும்.