โครงการแบบครบวงจร การใช้ปัญญาประดิษฐ์และแผนงานอย่างมีความรับผิดชอบในวิชาชีพ

กำไร:

• ความสามารถในการพัฒนาฟีเจอร์บนมือถือตั้งแต่ต้นจนจบและตรวจสอบได้ในการออกแบบ โค้ด การรวม AI ความเป็นส่วนตัว การทดสอบ การดีบัก ประสิทธิภาพ และขั้นตอนการเผยแพร่
• ความสามารถในการสร้างกรอบการทำงานสำหรับการใช้ปัญญาประดิษฐ์อย่างมีความรับผิดชอบและมีจริยธรรมด้วยหลักการของความโปร่งใส การตรวจสอบความรับผิดชอบ และการไม่กระทำความผิดต่อความยุติธรรม
• สามารถสร้างแนวทางปฏิบัติทางวิชาชีพที่ยั่งยืนโดยแยกแยะส่วนที่ปัญญาประดิษฐ์มีความเข้มแข็งและอ่อนแอ และเก็บการตัดสินใจขั้นสุดท้ายไว้ในมือของมนุษย์

ตลอดโมดูลนี้ เราใช้ AI ในทุกขั้นตอนของการพัฒนาอุปกรณ์เคลื่อนที่: การสร้างโค้ด อินเทอร์เฟซ การรวม AI บนอุปกรณ์และบนคลาวด์ การทดสอบ การดีบัก ประสิทธิภาพ ความเป็นส่วนตัว และการส่งมอบร้านค้า ในหน่วยสุดท้ายนี้ เราจะรวมส่วนต่างๆ เหล่านี้ไว้ในขั้นตอนเดียวตั้งแต่ต้นจนจบ ชี้แจงกรอบการทำงานสำหรับการใช้ AI อย่างมีความรับผิดชอบและมีจริยธรรม และพูดคุยเกี่ยวกับวิธีเปลี่ยนทักษะเหล่านี้ให้เป็นแนวทางปฏิบัติทางวิชาชีพที่ยั่งยืน ข้อความหลักไม่ได้เปลี่ยนแปลง แต่ขณะนี้ได้กำหนดไว้อย่างมั่นคงแล้ว: AI เป็นพลังที่เพิ่มจำนวนนักพัฒนามือถือที่มีความสามารถ มันไม่ใช่สิ่งทดแทน เป็นผู้รับผิดชอบด้านคุณภาพ ความปลอดภัย และคำมั่นสัญญาของผลิตภัณฑ์ที่มีต่อผู้ใช้

คุณลักษณะแบบ end-to-end: การรวมชิ้นส่วนต่างๆ

การพัฒนาคุณสมบัติที่แท้จริงตั้งแต่ต้นจนจบด้วยการสนับสนุน AI จะรวมทุกหน่วยที่เราเรียนรู้เข้าด้วยกัน ตัวอย่าง: คุณลักษณะ "เพิ่มค่าใช้จ่ายจากใบเสร็จรับเงิน" โฟลว์ทำงานดังนี้:

1. การออกแบบ (หน่วยที่ 3) ร่างหน้าจอและสถานะสี่สถานะ (กำลังโหลด/ว่าง/ผิดพลาด/เต็ม) ด้วย AI ขอการเข้าถึงตั้งแต่ต้น
2. รหัส (หน่วยที่ 2) สร้างกล้อง โมเดลข้อมูล และ ViewModel ทีละชั้นด้วย MVVM ตรวจสอบแต่ละชั้น
3. AI บนอุปกรณ์ (หน่วยที่ 4) อ่านจำนวน/วันที่ที่ได้รับด้วยการจดจำข้อความ ML Kit พิจารณาการประมวลผลล่วงหน้าและการให้คะแนนความเชื่อมั่น
4. การรักษาความลับ (หน่วยที่ 9) ขออนุญาตใช้กล้องโดยมีสิทธิ์น้อยที่สุด เขียนสถานการณ์การปฏิเสธ เก็บข้อมูลไว้ในอุปกรณ์
5. การทดสอบ (หน่วยที่ 6) สร้างการทดสอบหน่วยของตรรกะการแยก การทดสอบ UI ของจอแสดงผล รวมรัฐชายแดน
6. การดีบัก (หน่วยที่ 7) ให้ AI วิเคราะห์ข้อขัดข้องพร้อมบริบทและแก้ไขสาเหตุที่แท้จริง
7. การแสดง (หน่วยที่ 8) วัดต้นทุนแบตเตอรี่ของการประมวลผลกล้องและตั้งค่าให้เป็นมิตรกับแบตเตอรี่
8. การกระจายเสียง (หน่วยที่ 10) รายงานการใช้ AI อย่างโปร่งใส กรอกแบบฟอร์มความเป็นส่วนตัวตามความเป็นจริง และดำเนินการทดสอบตนเอง

ในแต่ละขั้นตอน AI จะเร่งความเร็ว มนุษย์จะตรวจสอบและตัดสินใจ ลูปนี้เป็นแกนหลักของโมดูล

เคล็ดลับ: อย่าพยายามทำให้ AI ทำฟีเจอร์ที่ซับซ้อนด้วยการร้องขอครั้งใหญ่เพียงครั้งเดียว แบ่งย่อยออกเป็นขั้นตอนที่ตรวจสอบได้เหมือนด้านบน การทดสอบผลลัพธ์ของแต่ละขั้นตอนและการก้าวไปสู่ขั้นต่อไปนั้นปลอดภัยกว่าและเร็วกว่าในที่สุด เพราะคุณจับข้อผิดพลาดใหญ่ไม่ได้ในตอนท้าย แต่อยู่ที่ขั้นตอนแรก

การใช้ AI อย่างมีความรับผิดชอบและมีจริยธรรม

ความสามารถด้านเทคนิคเพียงอย่างเดียวไม่เพียงพอ กรอบการทำงานที่รับผิดชอบทำให้เสร็จสมบูรณ์ หลักการสามประการ:

ความโปร่งใส ผู้ใช้จะต้องรู้ว่าเขาหรือเธอกำลังโต้ตอบกับ AI AI ที่เป็นความลับคือการละเมิดความไว้วางใจ เนื้อหาที่สร้างโดย AI ถูกแท็ก; คำแนะนำ AI ถูกนำเสนอเป็น "คำแนะนำที่เป็นประโยชน์" มากกว่า "ความจริงที่ยาก"

การตรวจสอบและความรับผิดชอบ เอาต์พุต AI เป็นจุดเริ่มต้น ไม่ใช่ผลิตภัณฑ์สำเร็จรูป คุณต้องรับผิดชอบต่อโค้ดทุกบรรทัดที่เผยแพร่ ทุกการตอบสนองของ AI และทุกธุรกรรมข้อมูล “AI เขียนแบบนั้น” ไม่ใช่การป้องกันตัว

ความยุติธรรมและการไม่กระทำความผิด โมเดล AI อาจมีอคติจากข้อมูลที่ได้รับการฝึกฝน การจดจำใบหน้าอาจทำงานได้แย่ลงกับสีผิวบางสี กลไกการแนะนำอาจแยกกลุ่มออก เป็นความรับผิดชอบของคุณที่จะต้องทดสอบว่าผลิตภัณฑ์ของคุณทำงานได้ดีกับกลุ่มผู้ใช้ที่แตกต่างกัน

ข้อควรสนใจ: เทคนิคใดๆ ที่คุณเรียนรู้ในด้านไอทีและความปลอดภัยจะถูกใช้เพื่อวัตถุประสงค์ที่ได้รับอนุญาตและสร้างสรรค์เท่านั้น การใช้ AI เพื่อสร้างมัลแวร์ ถอดรหัสแอปพลิเคชันของผู้อื่นโดยไม่ได้รับอนุญาต รวบรวมข้อมูลผู้ใช้โดยไม่ได้รับความยินยอม หรือสร้างเนื้อหาที่ทำให้เข้าใจผิดถือเป็นสิ่งผิดกฎหมายและขัดต่อจรรยาบรรณของวิชาชีพ การวัดพลังจะถูกเปิดเผยเมื่อคุณไม่ได้ใช้

ตระหนักถึงขีดจำกัดของ AI

นักพัฒนาที่เป็นผู้ใหญ่รู้ว่า AI โดดเด่นตรงไหนและด้อยตรงไหน

เอไอมีพลังมาก

เอไออ่อนแอ

รหัสแม่พิมพ์ การผลิตแผ่นสำเร็จรูป

การตัดสินใจเกี่ยวกับผลิตภัณฑ์และสถาปัตยกรรม

การทดสอบและร่างเอกสาร

ทำความเข้าใจบริบททางธุรกิจและผู้ใช้

การอ่านบันทึกข้อขัดข้อง การสแกนข้อผิดพลาด

การวินิจฉัยสาเหตุที่แท้จริงขั้นสุดท้าย (ต้องมีการตรวจสอบ)

การเรียนรู้การอธิบายแนวคิด

ข้อมูล API ปัจจุบัน/ไม่ได้ประดิษฐ์

ข้อความ คำอธิบาย การแปล

จริยธรรม ความปลอดภัย และการตัดสินใจขั้นสุดท้ายทางกฎหมาย

การทำให้ความแตกต่างนี้เป็นกุญแจสำคัญในการใช้ AI อย่างมีประสิทธิภาพและหลีกเลี่ยงข้อผิดพลาด

มินิเคสสามอัน

กรณีที่ 1 — ความเร็วจากต้นทางถึงปลายทาง นักพัฒนาเดี่ยวรายหนึ่งเสร็จสิ้นฟีเจอร์ "ถอดปลั๊ก" ภายใน 4 วันด้วยขั้นตอน 8 ขั้นตอนข้างต้น หากไม่มี AI ค่าประมาณคือ 12 วัน แต่เนื่องจากเขาตรวจสอบทุกขั้นตอน สิ่งพิมพ์จึงได้รับการอนุมัติในครั้งแรก ความเร็วมีจริงเพราะวินัยมีจริง บทเรียน: AI + การตรวจสอบเร็วกว่า AI - การตรวจสอบ

กรณีที่ 2 — จับอคติได้ ขณะทดสอบคุณลักษณะการทำนายคำนามเพศโดยใช้ AI ทีมงานสังเกตเห็นข้อผิดพลาดอย่างเป็นระบบในคำนามภาษาตุรกีบางคำ แบบจำลองนี้ได้รับการฝึกฝนโดยใช้ข้อมูลภาษาอังกฤษเป็นส่วนใหญ่ คุณลักษณะนี้มีการเปลี่ยนแปลงเป็นการถามผู้ใช้แทนที่จะตั้งสมมติฐานผิด บทเรียน: เป็นหน้าที่ของนักพัฒนาที่จะทดสอบอคติในการฝึกของโมเดล

กรณีที่ 3 — การป้องกัน “AI พูดอย่างนั้น” พังทลายลง นักพัฒนาเผยแพร่รหัสการชำระเงินที่สร้างโดย AI โดยไม่ตรวจสอบ ในกรณีที่ร้ายแรงประการหนึ่ง โค้ดกำลังทำการรวบรวมสองครั้ง ความรับผิดชอบไม่ได้ถูกลบออกด้วยการพูดว่า "AI เขียนมัน"; ในฐานะเจ้าของบัญชี เขาเป็นนักพัฒนา บทเรียน: ไม่สามารถมอบหมายความรับผิดชอบได้

พรอมต์อ่อน / พรอมต์แข็งแกร่ง

ข้อความแจ้งที่อ่อนแอ: "เขียนแอปพลิเคชันสแกนใบเสร็จรับเงินให้ฉันครบถ้วน"

ข้อความแจ้งที่มีประสิทธิภาพ: "ช่วยฉันพัฒนาคุณลักษณะ 'เพิ่มค่าใช้จ่ายจากใบเสร็จรับเงิน' ทีละขั้นตอน เรามาดำเนินการตามลำดับเมื่อฉันตรวจสอบและอนุมัติแต่ละขั้นตอน แล้วไปยังขั้นตอนถัดไป: 1) หน้าจอ + สี่สถานะ + การเข้าถึง2) เลเยอร์ MVVM (กล้อง รุ่น ViewModel)3) จำนวนการอ่าน/วันที่จากการรับด้วย ML Kit + คะแนนความน่าเชื่อถือ4) การอนุญาตกล้อง (สิทธิ์ขั้นต่ำ) + โฟลว์การปฏิเสธ5) การทดสอบหน่วยและ UI บอกความเสี่ยงและจุดที่ฉันต้องตรวจสอบในแต่ละขั้นตอน"

เทมเพลตที่คัดลอกได้

เทมเพลตการวางแผนตั้งแต่ต้นจนจบ: "ฉันจะพัฒนาฟีเจอร์ต่อไปนี้: [ฟีเจอร์] แบ่งมันออกเป็นขั้นตอนที่ตรวจสอบได้: การออกแบบ โค้ด การบูรณาการ AI ความเป็นส่วนตัว/การอนุญาต การทดสอบ ประสิทธิภาพ การเผยแพร่ เขียนผลลัพธ์ ความเสี่ยง และเกณฑ์การตรวจสอบสำหรับแต่ละขั้นตอน อย่าสร้างการผลิตขนาดใหญ่เพียงแห่งเดียว"

เทมเพลตการตรวจสอบจริยธรรม/อคติ: "ตรวจสอบฟีเจอร์ AI ต่อไปนี้เพื่อความเป็นธรรมและอคติ: [ฟีเจอร์] กลุ่มผู้ใช้ใดที่อาจทำงานได้ไม่ดี ข้อมูลการฝึกอบรมส่งผลต่ออคติอย่างไร ฉันจะทดสอบได้อย่างไร ฉันจะทำให้ครอบคลุมมากขึ้นได้อย่างไร"

เทมเพลตการตรวจสอบความรับผิดชอบ: "แสดงรายการคำถามเกี่ยวกับความรับผิดชอบที่ฉันควรถามก่อนเผยแพร่โค้ด/ฟีเจอร์ที่สร้างโดย AI: ฉันเข้าใจหรือไม่ ฉันได้ทดสอบแล้ว ปลอดภัยหรือไม่ โปร่งใสต่อผู้ใช้หรือไม่ ถูกกฎหมาย/จริยธรรมหรือไม่

เทมเพลตการเรียนรู้ต่อเนื่อง: "เสนอแผนปฏิบัติ 4 สัปดาห์เพื่อพัฒนาทักษะ AI ของฉันในนักพัฒนามือถือ: หนึ่งหัวข้อในแต่ละสัปดาห์ (โค้ด การบูรณาการ การทดสอบ การเผยแพร่) โดยมีเป้าหมายเป็นโครงการขนาดเล็กและนิสัยในการตรวจสอบ"

ข้อผิดพลาดทั่วไป

• การสร้างคุณสมบัติที่ซับซ้อนด้วยคำขออันยิ่งใหญ่เพียงข้อเดียว ไม่สามารถตรวจสอบได้ แบ่งมันออกเป็นขั้นตอน
• หลีกเลี่ยงความรับผิดชอบด้วยการพูดว่า "AI เขียนอย่างนั้น" คุณต้องรับผิดชอบต่อโค้ดที่เผยแพร่
• ไม่ได้ทดสอบอคติของ AI โมเดลอาจทำงานได้ไม่ดีในบางกลุ่ม ทดสอบความยุติธรรม
• ซ่อนการโต้ตอบ AI จากผู้ใช้ ความโปร่งใสเป็นรากฐานของความไว้วางใจ
• ลืมข้อจำกัดของ AI ผู้คนมีสิทธิ์ตัดสินใจขั้นสุดท้ายเกี่ยวกับสถาปัตยกรรม จริยธรรม และ API ในปัจจุบัน
• เพื่อหยุดการเรียนรู้ เครื่องมือและกฎของร้านค้าเปลี่ยนแปลงอย่างรวดเร็ว ปรับปรุงอยู่ตลอดเวลา

โดยสรุป

คุณลักษณะแบบ end-to-end รวมทุกส่วนของโมดูลเข้าด้วยกัน: การออกแบบ โค้ด การบูรณาการ AI ความเป็นส่วนตัว การทดสอบ การแก้จุดบกพร่อง ประสิทธิภาพ และการเปิดตัว ในแต่ละขั้นตอน AI จะเร่งความเร็ว มนุษย์ตรวจสอบและตัดสินใจ งานที่ซับซ้อนแบ่งออกเป็นขั้นตอนเล็กๆ ที่ตรวจสอบได้ การใช้งานอย่างมีความรับผิดชอบตั้งอยู่บนหลักการสามประการ: ความโปร่งใส การตรวจสอบความรับผิดชอบ และความเป็นธรรมไม่ก่อให้เกิดอันตราย AI เป็นตัวคูณที่ทรงพลัง แต่มนุษย์เป็นผู้ตัดสินขั้นสุดท้ายเกี่ยวกับสถาปัตยกรรม จริยธรรม ความปลอดภัย และความรู้ในปัจจุบัน “AI ทำแบบนั้น” ไม่ใช่การป้องกัน คุณต้องรับผิดชอบต่อผลิตภัณฑ์ของคุณและคำสัญญาที่คุณทำกับผู้ใช้ของคุณ ด้วยระเบียบวินัยนี้ AI จะทำให้คุณเร็วขึ้น ครอบคลุมมากขึ้น และแข็งแกร่งขึ้นตลอดอาชีพการงานของคุณ

งานสมัคร

แจกแจงคุณลักษณะบนมือถือที่คุณเลือก (เช่น "การสรุปโดยจดบันทึกเสียง" หรือ "การจดจำผลิตภัณฑ์จากภาพถ่าย") ให้เป็นขั้นตอนที่ตรวจสอบได้โดยใช้ "เทมเพลตการวางแผนตั้งแต่ต้นทางถึงปลายทาง" พัฒนาและตรวจสอบจริงอย่างน้อยหนึ่งขั้นตอนด้วย AI จากนั้น วิเคราะห์กลุ่มผู้ใช้ที่ฟีเจอร์นี้อาจทำให้เกิดปัญหากับ "เทมเพลตการควบคุมจริยธรรม/อคติ" และตอบคำถามที่คุณต้องถามก่อนเผยแพร่ด้วย "เทมเพลตการควบคุมความรับผิด"

รายการตรวจสอบ

• [ ] ฉันแบ่งฟีเจอร์นี้ออกเป็นขั้นตอนเล็กๆ ที่ตรวจสอบได้ ไม่ใช่การผลิตขนาดใหญ่เพียงรายการเดียว
• [ ] ฉันตรวจสอบเอาต์พุต AI ในทุกขั้นตอนและทำการตัดสินใจ
• [ ] ฉันนำเสนอการโต้ตอบของ AI แก่ผู้ใช้อย่างโปร่งใส
• [ ] ฉันประเมินว่าฟีเจอร์นี้ทำงานอย่างยุติธรรม/มีอคติในกลุ่มต่างๆ หรือไม่
• [ ] ฉันตอบคำถามเกี่ยวกับความรับผิดชอบก่อนเผยแพร่ (เข้าใจ/ทดสอบ/ปลอดภัย/มีจริยธรรม)
• [ ] ฉันใช้ AI เพื่อจุดประสงค์ที่มีความสามารถและสร้างสรรค์เท่านั้น และวางแผนที่จะเรียนรู้ต่อไป

การสอบโมดูล

1. ข้อใดต่อไปนี้คือตำแหน่งที่แม่นยำที่สุดสำหรับปัญญาประดิษฐ์ในการพัฒนาอุปกรณ์เคลื่อนที่

• ก) AI เข้ามาแทนที่นักพัฒนา สามารถเผยแพร่ได้โดยตรงโดยไม่ต้องอ่านโค้ดที่สร้างขึ้น
• B) ปัญญาประดิษฐ์ใช้งานได้เฉพาะในการเขียนข้อความเท่านั้น ไม่เกี่ยวข้องกับการสร้างโค้ด
• C) ปัญญาประดิษฐ์เป็นผู้ช่วยและผู้เร่งความเร็ว ความรับผิดชอบต่อการตัดสินใจด้านสถาปัตยกรรม ความปลอดภัย และการออกอากาศเป็นหน้าที่ของมนุษย์ ✔
• ง) เนื่องจากปัญญาประดิษฐ์จะสร้างโค้ดที่ถูกต้องเสมอ การทดสอบและการตรวจสอบเพิ่มเติมจึงไม่จำเป็น

คำอธิบาย: ปัญญาประดิษฐ์เป็นตัวช่วยและตัวเร่งความเร็วที่สร้างโค้ด พิมพ์เขียว และโซลูชัน ความรับผิดชอบและการอนุมัติขั้นสุดท้ายของการตัดสินใจ เช่น สถาปัตยกรรม การอนุญาต การรักษาความปลอดภัย และสิ่งพิมพ์เป็นของนักพัฒนาที่มีความสามารถ มนุษย์มีความรับผิดชอบต่อทุกบรรทัดที่เผยแพร่

2. ในการขอโค้ดมือถือจากปัญญาประดิษฐ์ อะไรจะช่วยเพิ่มคุณภาพสถาปัตยกรรมของโค้ดที่ผลิตได้มากที่สุด?

• ก) รักษาข้อความแจ้งให้สั้นที่สุดเท่าที่จะเป็นไปได้และพูดว่า 'เขียนแอปให้ฉัน'
• B) ขั้นแรก กำหนดสถาปัตยกรรมเช่น MVVM และขอโค้ดเป็นชิ้นเล็กๆ ทีละชั้น ✔
• C) การสร้างฟีเจอร์ทั้งหมดเป็นไฟล์ขนาดใหญ่เพียงไฟล์เดียวในพรอมต์เดียว
• D) อย่าระบุสถาปัตยกรรมเลยและทิ้งการตัดสินใจที่ดีที่สุดไว้กับปัญญาประดิษฐ์

คำอธิบาย: การใช้สถาปัตยกรรมเช่น MVVM และต้องใช้เลเยอร์ต่อเลเยอร์ก่อนที่จะเขียนโค้ดโดยตรงไปยัง AI จะสร้างโครงสร้างที่ทดสอบและบำรุงรักษาได้ซึ่งแยกลอจิกออกจากหน้าจอ คำขอที่ไม่มีสถาปัตยกรรมจะส่งคืนโค้ดที่อัดทุกอย่างลงบนหน้าจอ

3. สิ่งใดที่ถูกมองข้ามบ่อยที่สุดเมื่อสร้างอินเทอร์เฟซกับปัญญาประดิษฐ์ และสิ่งใดที่สำคัญที่สุดในการใช้งานจริง

• A) การออกแบบสถานะการโหลด ว่างเปล่า และข้อผิดพลาด ไม่ใช่แค่แบบเต็มหน้าจอ ✔
• B) การสร้างเฉพาะแบบเต็มหน้าจอที่ดูดีที่สุด โดยข้ามกรณีอื่นไป
• C) การเพิ่มสีและภาพเคลื่อนไหวให้มากที่สุดในแต่ละหน้าจอ
• D) ปล่อยให้แท็กการเข้าถึงเป็นสิ่งสุดท้ายและเกี่ยวข้องกับลักษณะที่ปรากฏเท่านั้น

คำอธิบาย: นักพัฒนามักจะพิจารณาเฉพาะสถานะ 'เต็ม' เท่านั้น ในขณะที่ในความเป็นจริงผู้ใช้ส่วนใหญ่พบกับสถานะการโหลด ว่างเปล่า และข้อผิดพลาด การสร้างสถานะทั้งสี่ (กำลังโหลด/ว่าง/ผิดพลาด/เต็ม) เป็นความลับของอินเทอร์เฟซที่แข็งแกร่ง

4. เหตุใด AI บนอุปกรณ์จึงมักเป็นตัวเลือกเริ่มต้นสำหรับฟีเจอร์ที่ประมวลผลข้อมูลส่วนบุคคลที่ละเอียดอ่อน (เช่น การวัดผลด้านสุขภาพ)

• A) โมเดลในอุปกรณ์มีความแม่นยำมากกว่าระบบคลาวด์เสมอ
• B) การประมวลผลบนอุปกรณ์ไม่ต้องเสียค่าใช้จ่ายแบตเตอรี่หรือโปรเซสเซอร์
• C) การประมวลผลบนอุปกรณ์ไม่จำกัดในแง่ของขนาดรุ่น
• D) เนื่องจากข้อมูลไม่ได้ออกจากโทรศัพท์ จึงมีข้อได้เปรียบอย่างมากในแง่ของความเป็นส่วนตัวและความไว้วางใจของผู้ใช้ ✔

คำอธิบาย: การประมวลผลบนอุปกรณ์ไม่ได้ลบข้อมูลออกจากโทรศัพท์ นี่เป็นข้อได้เปรียบที่ชัดเจนในแง่ของการปฏิบัติตามความเป็นส่วนตัวและความไว้วางใจของผู้ใช้ อีกทั้งยังสามารถทำงานแบบออฟไลน์ได้ในทันที ขีดจำกัดคือกำลังของอุปกรณ์และขนาดรุ่น

5. อะไรคือข้อผิดพลาด 'เงียบ' ที่พบบ่อยที่สุดซึ่งทำให้เกิดผลลัพธ์ที่ไม่มีความหมายและไม่สร้างข้อความแสดงข้อผิดพลาดในการรวมรุ่นบนอุปกรณ์

• A) การสะกดชื่อไฟล์ของโมเดลไม่ถูกต้อง
• B) ไอคอนแอปพลิเคชันความละเอียดต่ำ
• C) การประมวลผลอินพุตล่วงหน้าไม่ถูกต้อง (ขนาด/การทำให้เป็นมาตรฐาน) ✔
• D) ธีมหน้าจอมืด

คำอธิบาย: การประมวลผลอินพุตล่วงหน้าอย่างไม่ถูกต้องจะให้ผลลัพธ์ที่ผิดโดยสิ้นเชิงโดยไม่มีข้อผิดพลาดเกิดขึ้น ค่าการประมวลผลล่วงหน้าควรได้รับการตรวจสอบจากเอกสารประกอบของโมเดล

6. กฎที่มีความสำคัญต่อความปลอดภัยมากที่สุดเมื่อรวม Cloud LLM เข้ากับแอปพลิเคชันมือถือคืออะไร

• A) ควรเก็บคีย์ API ไว้ในแบ็กเอนด์เท่านั้น ไม่ใช่บนไคลเอ็นต์ คำขอจะต้องผ่านพร็อกซี ✔
• B) ควรฝังคีย์ API ลงในโค้ดแอปพลิเคชันโดยตรงเพื่อความสะดวก
• C) ควรใช้คีย์ API ร่วมกันในคำอธิบายแอปพลิเคชัน
• D) ควรเก็บคีย์ API ไว้ในไคลเอนต์และซ่อนไว้โดยการเปลี่ยนชื่อเท่านั้น

การเปิดเผยข้อมูล: คีย์ API ไม่เคยฝังอยู่ในโค้ดแอปพลิเคชันมือถือ เนื่องจากแอปพลิเคชันสามารถวิศวกรรมย้อนกลับและแตกคีย์ได้ สถาปัตยกรรมที่ถูกต้องคือเก็บคีย์ไว้ในแบ็กเอนด์เท่านั้นและส่งคำขอผ่านพร็อกซีเซิร์ฟเวอร์ของคุณเอง

7. อะไรเพิ่มความเร็วที่ผู้ใช้รับรู้และอัตราความสำเร็จของคุณสมบัติในคำตอบ LLM แบบยาวได้มากที่สุด

• A) รอจนกว่าคำตอบทั้งหมดจะถูกสร้างขึ้นและแสดงคำตอบทันที
• B) แสดงคำตอบทีละคำในขณะที่สร้างพร้อมสตรีมมิ่ง✔
• C) ส่งประวัติการแชททั้งหมดไปยังโมเดลพร้อมกับทุกคำขอ
• D) ขยายคำสั่งโมเดลเพื่อขยายการตอบสนองให้มากที่สุด

คำอธิบาย: การสตรีมช่วยเพิ่มความเร็วและความคล่องในการรับรู้ได้อย่างมากโดยการแสดงการตอบสนองในขณะที่สร้างคำต่อคำ แทนที่จะรอบนหน้าจอว่าง ผู้ใช้จะดูแบบฟอร์มข้อความ สิ่งนี้จะช่วยลดอัตราการละทิ้งได้อย่างมาก

8. อะไรคือปัญหาที่พบบ่อยที่สุดในการทดสอบที่ผลิตโดยปัญญาประดิษฐ์ที่ทำให้การทดสอบไร้ค่า?

• A) การทดสอบครอบคลุมสถานะขีดจำกัดมากเกินไป
• B) การทดสอบใช้วัตถุจำลอง ไม่ใช่บริการจริง
• C) การทดสอบดำเนินการเร็วมาก
• D) ขยายขอบเขตโดยการทดสอบเปล่าๆ/ไร้ประโยชน์ซึ่งไม่ได้ตรวจสอบพฤติกรรมจริงๆ ✔

คำอธิบาย: บางครั้งปัญญาประดิษฐ์จะสร้างการทดสอบที่ไม่ได้ตรวจสอบเอาต์พุตใดๆ จริงๆ (เช่น เพียงเรียกใช้ฟังก์ชันและเขียนการยืนยันที่ว่างเปล่า) สิ่งเหล่านี้ทำให้จำนวนความคุ้มครองเพิ่มขึ้นแต่ไม่ได้ให้ความคุ้มครองที่แท้จริง การทดสอบแต่ละครั้งจะต้องได้รับการตรวจสอบเพื่อตรวจสอบพฤติกรรมที่มีความหมาย

9. เหตุใดจึงไม่เพียงพอที่จะปิดเสียงการชนโดยการวางระบบ try-catch ด้วยคำแนะนำด้านปัญญาประดิษฐ์

• A) try-catch ไม่สามารถใช้งานได้เลยในแอปพลิเคชันบนมือถือ
• B) การหยุดทำงานหยุดลง แต่เนื่องจากสาเหตุที่แท้จริงไม่ได้รับการแก้ไข ปัญหาจึงกลับมาในรูปแบบที่แตกต่างออกไป ✔
• C) การใช้ try-catch จะทำให้แอปพลิเคชันช้าลง ดังนั้นจึงเป็นสิ่งต้องห้าม
• D) ร้านค้าจะปฏิเสธข้อผิดพลาดที่ถูกปิดปากโดยอัตโนมัติ

คำอธิบาย: การปิดเสียงอาการไม่ได้ช่วยแก้ปัญหาที่ต้นเหตุ หยุดข้อขัดข้อง แต่ปัญหาเดิม (เช่น การเชื่อมต่อข้อมูลที่เสียหาย) กลับคืนมาในรูปแบบอื่น (เช่น ข้อมูลสูญหาย) เป้าหมายในการดีบักแบบมืออาชีพคือการแก้ปัญหาที่ต้นเหตุ ไม่ใช่ที่อาการ

10. กฎทองพื้นฐานที่ต้องปฏิบัติตามในการเพิ่มประสิทธิภาพคืออะไร?

• A) ขั้นแรกให้ทำโปรไฟล์และวัดคอขวดจริง จากนั้นจึงปรับให้เหมาะสม ✔
• B) คาดเดาว่าที่ไหนช้าและมีสมาธิอยู่ที่นั่น
• C) ไล่ตามกำไรเล็กๆ น้อยๆ ในทุกฟังก์ชัน
• D) การวัดประสิทธิภาพบนเครื่องจำลองและไม่เคยลองใช้อุปกรณ์จริง

คำอธิบาย: วัดผลก่อน ปรับให้เหมาะสมในภายหลัง คอขวดที่แท้จริงมักจะอยู่ในตำแหน่งที่แตกต่างจากที่คาดการณ์ไว้เสมอ การเพิ่มประสิทธิภาพโดยไม่สร้างโปรไฟล์เป็นการคาดเดาแบบไร้เหตุผลและมักเป็นการสิ้นเปลืองความพยายาม

11. อะไรคือข้อกังวลทางวิศวกรรมที่สำคัญที่สุดสำหรับฟีเจอร์ AI ที่ทำงานอย่างต่อเนื่อง (เช่น การแปลด้วยกล้องถ่ายทอดสด)

• A) คุณลักษณะนี้ขอสิทธิ์ให้ได้มากที่สุด
• B) การจัดการต้นทุนแบตเตอรี่และโปรเซสเซอร์ของการประมวลผลต่อเนื่องด้วยความถี่การสุ่มตัวอย่างและการประมวลผลเป็นชุด ✔
• C) เรียกใช้คุณสมบัตินี้บนโทรศัพท์ที่แพงที่สุดเท่านั้น
• D) เรนเดอร์กล้องอย่างต่อเนื่องที่อัตราเฟรมสูงสุดที่เป็นไปได้

คำอธิบาย: โมเดล กล้อง และเครือข่ายที่ทำงานอย่างต่อเนื่อง สามารถใช้แบตเตอรี่ได้อย่างรวดเร็ว ทำให้อุปกรณ์ร้อนขึ้น และถูกจำกัดโดยระบบ การลดความถี่ในการสุ่มตัวอย่าง การแบ่งกลุ่ม และการทำงานเมื่อจำเป็นเท่านั้นเป็นวิธีการจัดการต้นทุนแบตเตอรี่

12. หลักการของ 'สิทธิ์ขั้นต่ำ' ในการจัดการสิทธิ์หมายถึงอะไรในการพัฒนาอุปกรณ์เคลื่อนที่?

• A) การขอสิทธิ์ที่เป็นไปได้ทั้งหมดเมื่อเริ่มต้น เผื่อไว้
• B) ทำให้แอปไม่สามารถใช้งานได้หากการอนุญาตถูกปฏิเสธ
• C) ขออนุญาตอย่างกว้างที่สุดและวางแผนที่จะจำกัดขอบเขตให้แคบลงในภายหลัง
• D) การขอเฉพาะการอนุญาตที่จำเป็นจริง เมื่อจำเป็นและอยู่ในขอบเขตที่แคบที่สุด โดยมีสถานการณ์การปฏิเสธ ✔

คำอธิบาย: สิทธิ์ขั้นต่ำคือการขอเฉพาะการอนุญาตที่จำเป็นจริง เมื่อจำเป็น และในขอบเขตที่แคบที่สุดเท่าที่จะเป็นไปได้ การอนุญาตมากเกินไปจะบ่อนทำลายความไว้วางใจของผู้ใช้ นำไปสู่การปฏิเสธการจัดเก็บ และเพิ่มความเสี่ยงที่ข้อมูลจะรั่วไหล

13. ต้องปฏิบัติตามข้อกำหนดเฉพาะใดบ้างเมื่อนำเสนอแอปพลิเคชันที่มีปัญญาประดิษฐ์แก่ร้านค้า?

• A) ความโปร่งใสของเนื้อหา การควบคุมเนื้อหา และการเปิดเผยข้อมูลที่ส่งไปยังปัญญาประดิษฐ์ในรูปแบบของการรักษาความลับ ✔
• B) การซ่อนการใช้ปัญญาประดิษฐ์จากผู้ใช้
• C) การทำเครื่องหมายข้อมูลที่ไม่ได้รวบรวมจริงในรูปแบบความเป็นส่วนตัว
• D) คุณสมบัติที่มีแนวโน้มว่าไม่มีอยู่ในคำอธิบาย

การเปิดเผยข้อมูล: ร้านค้าคาดหวังความโปร่งใสของเนื้อหา (การระบุว่าตนสร้าง AI) การกลั่นกรองเนื้อหา (การกรองเอาต์พุตที่เป็นอันตรายและการแจ้งเตือนผู้ใช้) และการเปิดเผยการใช้ข้อมูลจากแอปพลิเคชันที่มีปัญญาประดิษฐ์ ต้องมีคำเตือนที่แม่นยำในพื้นที่ละเอียดอ่อน ใบสมัครที่ละเว้นสิ่งเหล่านี้จะถูกปฏิเสธ

14. เหตุใดการป้องกัน 'AI เขียนแบบนั้น' จึงไม่ถูกต้องเมื่อเกิดข้อผิดพลาดตัวพิมพ์ใหญ่ในโค้ดที่สร้างโดย AI ที่เผยแพร่

• ตอบ) เนื่องจากปัญญาประดิษฐ์จะสร้างโค้ดที่ปราศจากข้อผิดพลาดเสมอ ข้อผิดพลาดจึงมาจากผู้ใช้
• B) เนื่องจากร้านค้าจะแก้ไขโค้ดที่สร้างโดย AI โดยอัตโนมัติ
• C) เนื่องจากความรับผิดชอบไม่สามารถถ่ายโอนไปยังปัญญาประดิษฐ์ได้ นักพัฒนามีหน้าที่รับผิดชอบโค้ดและข้อมูลที่เผยแพร่✔
• D) เนื่องจากโค้ดที่สร้างโดยปัญญาประดิษฐ์ไม่เคยถูกเผยแพร่

คำอธิบาย: เอาต์พุต AI เป็นจุดเริ่มต้น ไม่ใช่ผลิตภัณฑ์สำเร็จรูป นักพัฒนาเป็นผู้รับผิดชอบทุกบรรทัดที่เผยแพร่ ทุกข้อมูลที่ประมวลผล และทุกคำสัญญาที่ให้ไว้ ไม่สามารถมอบหมายความรับผิดชอบให้กับ AI ได้ ดังนั้นจึงต้องเข้าใจและทดสอบผลลัพธ์ก่อนที่จะเผยแพร่