اینڈ ٹو اینڈ پروجیکٹ، مصنوعی ذہانت کا ذمہ دارانہ استعمال اور پیشے میں روڈ میپ

فائدہ:

• ڈیزائن، کوڈ، اے آئی انٹیگریشن، پرائیویسی، ٹیسٹنگ، ڈیبگنگ، کارکردگی اور ریلیز کے مراحل میں ایک موبائل فیچر اینڈ ٹو اینڈ تک تیار کرنے کی صلاحیت اور قابل تصدیق
• شفافیت، تصدیق-احتساب اور انصاف-عدم خرابی کے اصولوں کے ساتھ مصنوعی ذہانت کے ذمہ دارانہ اور اخلاقی استعمال کے لیے ایک فریم ورک قائم کرنے کی صلاحیت۔
• جہاں مصنوعی ذہانت مضبوط اور کمزور ہے ان شعبوں میں فرق کرکے اور حتمی فیصلہ انسانوں کے ہاتھ میں رکھ کر ایک پائیدار پیشہ ورانہ مشق پیدا کرنے کے قابل ہونا۔

اس پورے ماڈیول کے دوران، ہم نے موبائل ڈیولپمنٹ کے ہر مرحلے پر AI کا استعمال کیا: کوڈ جنریشن، انٹرفیس، آن ڈیوائس اور کلاؤڈ AI انٹیگریشن، ٹیسٹنگ، ڈیبگنگ، کارکردگی، رازداری، اور اسٹور ڈیلیوری۔ اس حتمی یونٹ میں، ہم ان تمام ٹکڑوں کو ایک ہی اختتام سے آخر تک بہاؤ میں جوڑیں گے، AI کے ذمہ دارانہ اور اخلاقی استعمال کے لیے فریم ورک کو واضح کریں گے، اور ان مہارتوں کو ایک پائیدار پیشہ ورانہ مشق میں تبدیل کرنے کے بارے میں بات کریں گے۔ بنیادی پیغام تبدیل نہیں ہوا ہے، لیکن یہ اب مضبوطی سے قائم ہو چکا ہے: AI ایک ایسی قوت ہے جو ایک قابل موبائل ڈویلپر کو ضرب دیتی ہے۔ یہ ایک متبادل نہیں ہے. یہ وہ شخص ہے جو صارف سے مصنوعات کے معیار، حفاظت اور وعدے کا ذمہ دار ہے۔

ایک اختتام سے آخر تک خصوصیت: حصوں کو ملانا

AI سپورٹ کے ساتھ شروع سے آخر تک ایک حقیقی خصوصیت تیار کرنا ہر اس یونٹ کو یکجا کرتا ہے جسے ہم نے ایک سلسلہ میں سیکھا ہے۔ مثال: "رسید سے اخراجات شامل کریں" کی خصوصیت۔ بہاؤ اس طرح کام کرتا ہے:

1. ڈیزائن (یونٹ 3)۔ AI کے ساتھ اسکرین اور چار حالتوں (لوڈنگ/خالی/غلطی/مکمل) کا مسودہ تیار کریں، شروع سے ہی رسائی کی درخواست کریں۔
2. کوڈ (یونٹ 2)۔ ایم وی وی ایم کے ساتھ کیمرہ، ڈیٹا ماڈل اور ویو ماڈل پرت بہ تہہ بنائیں۔ ہر پرت کی تصدیق کریں۔
3. آن ڈیوائس AI (یونٹ 4)۔ ایم ایل کٹ ٹیکسٹ ریکگنیشن کے ساتھ رسید سے رقم/تاریخ پڑھیں؛ پری پروسیسنگ اور اعتماد کے اسکورنگ پر غور کریں۔
4. رازداری (یونٹ 9)۔ کم سے کم استحقاق کے ساتھ کیمرے کی اجازت کی درخواست کریں، مسترد ہونے کا منظر نامہ لکھیں، ڈیٹا کو ڈیوائس پر رکھیں۔
5. ٹیسٹنگ (یونٹ 6)۔ نکالنے کی منطق کے یونٹ ٹیسٹ بنائیں، ڈسپلے کی UI ٹیسٹنگ؛ سرحدی ریاستیں شامل کریں۔
6. ڈیبگنگ (یونٹ 7)۔ AI سے کریشوں کا سیاق و سباق کے ساتھ تجزیہ کرنے اور بنیادی وجہ کو حل کرنے کو کہیں۔
7. کارکردگی (یونٹ 8)۔ کیمرہ پروسیسنگ کی بیٹری لاگت کی پیمائش کریں اور اسے بیٹری کے موافق سیٹ کریں۔
8. نشریات (یونٹ 10)۔ شفاف طریقے سے AI کے استعمال کی اطلاع دیں، رازداری کے فارم کو سچائی سے پُر کریں، اور خود ٹیسٹ کرائیں۔

ہر قدم پر، AI تیز ہوتا ہے، انسان تصدیق کرتا ہے اور فیصلہ کرتا ہے۔ یہ لوپ ماڈیول کا بنیادی حصہ ہے۔

مشورہ: ایک بڑی درخواست کے ساتھ AI کو پیچیدہ فیچر بنانے کی کوشش نہ کریں۔ اسے اوپر کی طرح قابل تصدیق مراحل میں توڑ دیں۔ ہر قدم کے آؤٹ پٹ کی جانچ کرنا اور اگلے مرحلے پر جانا زیادہ محفوظ اور بالآخر تیز تر ہے۔ کیونکہ آپ ایک بڑی غلطی کو آخر میں نہیں بلکہ پہلے قدم پر پکڑتے ہیں۔

AI کا ذمہ دار اور اخلاقی استعمال

صرف تکنیکی قابلیت کافی نہیں ہے۔ ایک ذمہ دار فریم ورک اسے مکمل کرتا ہے۔ تین اصول:

شفافیت۔ صارف کو معلوم ہونا چاہیے کہ وہ AI کے ساتھ بات چیت کر رہا ہے۔ ایک خفیہ AI اعتماد کی خلاف ورزی ہے۔ AI سے تیار کردہ مواد کو ٹیگ کیا جاتا ہے۔ AI مشورہ کو "سخت سچائی" کے بجائے "مددگار مشورہ" کے طور پر پیش کیا جاتا ہے۔

تصدیق اور احتساب۔ AI آؤٹ پٹ ایک نقطہ آغاز ہے، تیار شدہ مصنوعات نہیں۔ آپ شائع شدہ کوڈ کی ہر سطر، ہر AI جواب، ہر ڈیٹا ٹرانزیکشن کے ذمہ دار ہیں۔ "AI نے اسے اس طرح لکھا" کوئی دفاع نہیں ہے۔

انصاف اور عدم استحکام۔ AI ماڈل اس ڈیٹا سے تعصب لے سکتے ہیں جس پر انہیں تربیت دی جاتی ہے۔ چہرے کی شناخت جلد کے کچھ رنگوں پر بدتر کام کر سکتی ہے، تجویز کرنے والا انجن کسی گروپ کو خارج کر سکتا ہے۔ یہ جانچنا آپ کی ذمہ داری ہے کہ آپ کا پروڈکٹ مختلف صارف گروپوں میں مناسب طریقے سے کام کرتا ہے۔

دھیان دیں: آئی ٹی اور سیکیورٹی کے شعبے میں آپ جو بھی تکنیک سیکھتے ہیں وہ صرف مجاز اور تعمیری مقاصد کے لیے استعمال ہوتی ہے۔ میلویئر بنانے کے لیے AI کا استعمال، بغیر اجازت کے کسی اور کی ایپلی کیشن کو کریک کرنا، صارف کا ڈیٹا بغیر رضامندی کے جمع کرنا، یا گمراہ کن مواد تیار کرنا غیر قانونی اور پیشے کی اخلاقیات کے خلاف ہے۔ طاقت کا پیمانہ ظاہر ہوتا ہے جہاں آپ اسے استعمال نہیں کرتے ہیں۔

AI کی حدود کو تسلیم کرنا

ایک بالغ ڈویلپر جانتا ہے کہ AI کہاں چمکتا ہے اور کہاں کم ہوتا ہے۔

AI طاقتور ہے۔

AI کمزور ہے۔

مولڈ کوڈ، بوائلر پلیٹ کی پیداوار

مصنوعات اور تعمیراتی فیصلے

جانچ اور دستاویزات کا مسودہ

کاروباری سیاق و سباق اور صارف کو سمجھنا

کریش لاگ پڑھنا، اسکیننگ میں خرابی۔

بنیادی وجہ کی تشخیص (تصدیق درکار ہے)

سیکھنا، تصور کی وضاحت

موجودہ/غیر من گھڑت API معلومات

متن، تفصیل، ترجمہ

اخلاقیات، تحفظ اور قانونی حتمی فیصلہ

اس امتیاز کو اندرونی بنانا AI کو مؤثر طریقے سے استعمال کرنے اور اس کے نقصانات سے بچنے کی کلید ہے۔

تین چھوٹے مقدمات

کیس 1 - آخر سے آخر تک رفتار۔ ایک سولو ڈویلپر نے 4 دنوں میں "ان پلگڈ" فیچر کو اوپر والے 8 قدموں کے بہاؤ کے ساتھ مکمل کیا۔ AI کے بغیر تخمینہ 12 دن تھا۔ لیکن چونکہ اس نے ہر قدم کی تصدیق کی، اس لیے پہلی بار اشاعت کی منظوری دی گئی۔ رفتار حقیقی تھی کیونکہ نظم و ضبط حقیقی تھا۔ سبق: AI + تصدیق AI - تصدیق سے تیز ہے۔

کیس 2 - تعصب پکڑا گیا۔ AI پر مبنی اسم صنفی پیشن گوئی کی خصوصیت کی جانچ کے دوران، ایک ٹیم نے کچھ ترک اسموں میں منظم غلطیوں کو دیکھا؛ ماڈل کو زیادہ تر انگریزی ڈیٹا پر تربیت دی گئی تھی۔ غلط قیاس کرنے کے بجائے صارف سے پوچھنے کے لیے فیچر کو تبدیل کر دیا گیا ہے۔ سبق: ماڈل کے تربیتی تعصب کو جانچنا ڈویلپر کا کام ہے۔

کیس 3 - "AI نے ایسا کہا" دفاع منہدم ہو گیا۔ ایک ڈویلپر نے بغیر تصدیق کیے AI سے تیار کردہ ادائیگی کوڈ شائع کیا۔ ایک انتہائی معاملے میں کوڈ ڈبل کلیکشن کر رہا تھا۔ "AI نے لکھا" کہہ کر ذمہ داری نہیں ہٹائی جاتی۔ اکاؤنٹ ہولڈر کے طور پر، وہ ایک ڈویلپر تھا۔ سبق: ذمہ داری نہیں سونپی جا سکتی۔

کمزور فوری / مضبوط اشارہ

کمزور اشارہ: "مجھے ایک مکمل رسید سکیننگ درخواست لکھیں۔"

طاقتور پرامپٹ: "'رسید سے اخراجات شامل کریں' فیچر کو مرحلہ وار تیار کرنے میں میری مدد کریں۔ آئیے ترتیب سے آگے بڑھیں، جب میں ہر قدم کی تصدیق اور منظوری دیتا ہوں، تو اگلے پر جائیں: 1) اسکرین + چار حالتیں + رسائی 2) MVVM پرتیں (کیمرہ، ماڈل، ویو ماڈل) 3) کیمرہ کے ٹرسٹ کی رقم + 4 ایم ایل کے ساتھ پڑھنے کی رقم (کم از کم استحقاق) + مسترد ہونے کا بہاؤ5) یونٹ اور UI ٹیسٹ مجھے وہ خطرات اور پوائنٹس بتائیں جن کی مجھے ہر قدم پر تصدیق کرنے کی ضرورت ہے۔"

کاپی کرنے کے قابل ٹیمپلیٹس

اینڈ ٹو اینڈ پلاننگ ٹیمپلیٹ: "میں مندرجہ ذیل فیچر تیار کروں گا: [فیچر]۔ اسے قابل تصدیق مراحل میں تقسیم کریں: ڈیزائن، کوڈ، اے آئی انٹیگریشن، پرائیویسی/اجازت، ٹیسٹنگ، کارکردگی، ریلیز۔ ہر قدم کے لیے آؤٹ پٹ، رسک، اور تصدیق کے معیار کو لکھیں۔ ایک بھی بڑا پروڈکشن نہ بنائیں۔"

اخلاقیات/تعصب آڈٹ ٹیمپلیٹ: "انصاف اور تعصب کے لیے درج ذیل AI خصوصیت کا آڈٹ کریں: [خصوصیت]۔ یہ کون سے صارف گروپ خراب کارکردگی کا مظاہرہ کر سکتا ہے؟ تربیتی ڈیٹا تعصب کو کیسے متاثر کرتا ہے؟ میں اس کی جانچ کیسے کروں، میں اسے مزید جامع کیسے بناؤں؟"

احتسابی جانچ ٹیمپلیٹ: "یہ AI سے تیار کردہ کوڈ/فیچر کو جاری کرنے سے پہلے جوابدہی کے سوالات کی فہرست بنائیں: کیا میں نے اسے سمجھا، کیا میں نے اس کا تجربہ کیا، کیا یہ محفوظ ہے، کیا یہ صارف کے لیے شفاف ہے، کیا یہ قانونی/اخلاقی ہے؟"

مسلسل سیکھنے کا سانچہ: "موبائل ڈویلپر میں میری AI مہارت کو بہتر بنانے کے لیے 4 ہفتے کا عملی منصوبہ تجویز کریں: ہر ہفتے ایک موضوع (کوڈ، انضمام، ٹیسٹنگ، ریلیز)، ایک چھوٹے پروجیکٹ اور تصدیق کی عادت کے ہدف کے ساتھ۔"

عام غلطیاں

• ایک بڑی درخواست کے ساتھ پیچیدہ خصوصیت تیار کرنا۔ تصدیق نہیں کی جا سکتی؛ اسے قدموں میں توڑ دو.
• "AI نے ایسا لکھا" کہہ کر ذمہ داری سے بچنا۔ آپ شائع شدہ کوڈ کے ذمہ دار ہیں۔
• AI تعصب کی جانچ نہیں کر رہا ہے۔ ماڈل کچھ گروپوں میں خراب کام کر سکتا ہے؛ انصاف کا امتحان۔
• صارف سے AI تعامل کو چھپانا۔ شفافیت اعتماد کی بنیاد ہے۔
• AI کی حدود کو بھولنا۔ لوگوں کا فن تعمیر، اخلاقیات اور موجودہ API پر حتمی رائے ہے۔
• سیکھنا بند کرنا۔ ٹولز اور دکان کے اصول تیزی سے بدل جاتے ہیں۔ مسلسل اپ ڈیٹ رہیں۔

خلاصہ میں

ایک اینڈ ٹو اینڈ فیچر ماڈیول کے تمام حصوں کو ایک سلسلہ میں جوڑتا ہے: ڈیزائن، کوڈ، AI انٹیگریشن، پرائیویسی، ٹیسٹنگ، ڈیبگنگ، کارکردگی اور ریلیز۔ ہر قدم پر، AI تیز ہوتا ہے، انسان تصدیق کرتا ہے اور فیصلہ کرتا ہے۔ پیچیدہ کام کو چھوٹے قابل تصدیق مراحل میں تقسیم کیا گیا ہے۔ ذمہ دارانہ استعمال تین اصولوں پر مبنی ہے: شفافیت، تصدیق-احتساب اور منصفانہ-کوئی نقصان نہیں پہنچانا۔ AI ایک طاقتور ضرب ہے، لیکن فن تعمیر، اخلاقیات، سلامتی اور موجودہ علم پر حتمی رائے انسانوں کے پاس ہے۔ "AI نے اس طرح کیا" دفاع نہیں ہے؛ آپ اپنی مصنوعات اور اپنے صارف سے کیے گئے وعدے کے ذمہ دار ہیں۔ اس نظم و ضبط کے ساتھ، AI آپ کو اپنے پورے کیریئر میں تیز، زیادہ جامع اور مضبوط بناتا ہے۔

درخواست کا کام

اپنی پسند کے موبائل فیچر کو توڑ دیں (مثلاً "صوتی نوٹ لے کر خلاصہ کرنا" یا "تصویر سے پروڈکٹ کی شناخت") کو "آخر سے آخر تک پلاننگ ٹیمپلیٹ" کے ساتھ قابل تصدیق مراحل میں۔ اصل میں AI کے ساتھ کم از کم ایک قدم تیار اور توثیق کریں۔ اس کے بعد، تجزیہ کریں کہ کن کن صارف گروپوں کی یہ خصوصیت "اخلاقیات/تعصب کنٹرول ٹیمپلیٹ" کے ساتھ مسائل کا سبب بن سکتی ہے اور ان سوالات کے جوابات دیں جن کی آپ کو ریلیز سے پہلے پوچھنا ہے "لائبلٹی کنٹرول ٹیمپلیٹ" کے ساتھ۔

چیک لسٹ

• [ ] میں نے خصوصیت کو قابل تصدیق چھوٹے قدموں میں توڑ دیا، ایک بھی بڑا پروڈکشن نہیں۔
• میں نے ہر قدم پر AI آؤٹ پٹ کی تصدیق کی اور فیصلہ کیا۔
• میں نے AI تعامل کو شفاف طریقے سے صارف کے سامنے پیش کیا۔
• میں نے جائزہ لیا کہ آیا یہ خصوصیت مختلف گروپوں میں منصفانہ/متعصبانہ کام کرتی ہے۔
• میں نے ریلیز سے پہلے کے ذمہ داری کے سوالات کا جواب دیا (سمجھا گیا/ٹیسٹنگ/محفوظ/اخلاقی)
• میں نے AI کو صرف قابل اور تعمیری مقاصد کے لیے استعمال کیا ہے اور سیکھنے کو جاری رکھنے کا ارادہ رکھتا ہوں۔

ماڈیول امتحان

1. موبائل ڈیولپمنٹ میں مصنوعی ذہانت کے لیے درج ذیل میں سے کون سی پوزیشننگ سب سے زیادہ درست ہے؟

• A) AI ڈویلپر کی جگہ لے لیتا ہے۔ اس کے تیار کردہ کوڈ کو پڑھے بغیر براہ راست شائع کیا جا سکتا ہے۔
• ب) مصنوعی ذہانت صرف متن لکھنے میں کام کرتی ہے، اس کا کوڈ جنریشن سے کوئی تعلق نہیں ہے۔
• C) مصنوعی ذہانت ایک معاون اور تیز رفتار ہے۔ تعمیراتی، حفاظتی اور نشریاتی فیصلوں کی ذمہ داری انسانوں پر ہے ✔
• D) چونکہ مصنوعی ذہانت ہمیشہ درست کوڈ تیار کرتی ہے، اس لیے اضافی جانچ اور تصدیق غیر ضروری ہے۔

تفصیل: مصنوعی ذہانت ایک اسسٹنٹ اور ایکسلریٹر ہے جو کوڈ، بلیو پرنٹس اور حل تیار کرتی ہے۔ فن تعمیر، اجازت، تحفظ اور اشاعت جیسے فیصلوں کی ذمہ داری اور حتمی منظوری مجاز ڈویلپر کے پاس ہے۔ شائع ہونے والی ہر سطر کے ذمہ دار انسان ہیں۔

2. مصنوعی ذہانت سے موبائل کوڈ کی درخواست کرتے وقت، سب سے زیادہ تیار کردہ کوڈ کے تعمیراتی معیار میں کیا اضافہ ہوتا ہے؟

• A) پرامپٹ کو جتنا ممکن ہو سکے مختصر رکھیں اور کہیں کہ 'مجھے ایک ایپ لکھیں'
• ب) سب سے پہلے، MVVM جیسے فن تعمیر کو نافذ کریں اور کوڈ کو چھوٹے چھوٹے ٹکڑوں میں، تہہ در تہہ درخواست کریں ✔
• C) ایک ہی پرامپٹ میں پوری خصوصیت کو ایک واحد وشال فائل کے طور پر تیار کرنا
• D) فن تعمیر کی بالکل وضاحت نہ کریں اور بہترین فیصلہ مصنوعی ذہانت پر چھوڑ دیں۔

وضاحت: MVVM جیسے فن تعمیر کو مسلط کرنا اور کوڈ کو براہ راست AI پر لکھنے سے پہلے تہہ در تہہ درکار ایک قابل آزمائش اور برقرار رکھنے کے قابل ڈھانچہ تیار کرتا ہے جو اسکرین سے منطق کو الگ کرتا ہے۔ فن تعمیر کے بغیر درخواست کوڈ واپس کرتا ہے جو اسکرین پر ہر چیز کو کچل دیتا ہے۔

3. مصنوعی ذہانت کے ساتھ انٹرفیس بناتے وقت کس چیز کو اکثر نظر انداز کیا جاتا ہے اور حقیقی استعمال میں کون سی چیز سب سے اہم ہے؟

• A) لوڈنگ، خالی اور خرابی کی حالتوں کو ڈیزائن کرنا، نہ صرف پوری اسکرین ✔
• ب) صرف بہترین نظر آنے والی پوری اسکرین تیار کرنا، دوسرے معاملات کو چھوڑنا
• ج) ہر اسکرین پر زیادہ سے زیادہ رنگ اور متحرک تصاویر شامل کرنا
• D) رسائی کے ٹیگز کو آخری اور صرف ظاہری شکل کے ساتھ چھوڑنا

وضاحت: ڈویلپر اکثر صرف 'مکمل' حالت پر غور کرتے ہیں۔ جبکہ حقیقت میں صارف کو زیادہ تر لوڈنگ، خالی اور ایرر سٹیٹس کا سامنا کرنا پڑتا ہے۔ چاروں حالتوں کو پیدا کرنا (لوڈنگ/خالی/غلطی/مکمل) ایک مضبوط انٹرفیس کا راز ہے۔

4. حساس ذاتی ڈیٹا (مثلاً صحت کی پیمائش) پر کارروائی کرنے والی خصوصیت کے لیے آن ڈیوائس AI اکثر پہلے سے طے شدہ انتخاب کیوں ہوتا ہے؟

• A) آن ڈیوائس ماڈلز ہمیشہ کلاؤڈ سے زیادہ درست ہوتے ہیں۔
• ب) آن ڈیوائس پروسیسنگ میں کبھی بھی بیٹری یا پروسیسر کے اخراجات نہیں ہوتے ہیں۔
• C) آن ڈیوائس پروسیسنگ ماڈل سائز کے لحاظ سے لامحدود ہے۔
• D) چونکہ ڈیٹا فون کو نہیں چھوڑتا، اس لیے یہ رازداری اور صارف کے اعتماد کے لحاظ سے ایک مضبوط فائدہ فراہم کرتا ہے ✔

وضاحت: آن ڈیوائس پروسیسنگ فون سے ڈیٹا نہیں ہٹاتی ہے۔ رازداری کی تعمیل اور صارف کے اعتماد کے لحاظ سے یہ ایک مضبوط فائدہ ہے، نیز یہ آف لائن اور فوری طور پر کام کرتا ہے۔ اس کی حد ڈیوائس کی طاقت اور ماڈل کا سائز ہے۔

5. سب سے عام 'خاموش' غلطی کون سی ہے جو بے معنی نتائج کا باعث بنتی ہے اور آن ڈیوائس ماڈل انٹیگریشن میں غلطی کا پیغام نہیں دیتی؟

• A) ماڈل کی فائل کے نام کی غلط املا
• ب) ایپلیکیشن آئیکن کی کم ریزولوشن
• C) غلط ان پٹ پری پروسیسنگ (سائز/نارملائزیشن) ✔
• ڈی) ڈارک اسکرین تھیم

وضاحت: ان پٹ پری پروسیسنگ کو غلط طریقے سے کرنے سے غلطیاں پھینکے بغیر مکمل طور پر غلط نتائج برآمد ہوں گے۔ پری پروسیسنگ اقدار کی تصدیق ماڈل کی دستاویزات سے کی جانی چاہئے۔

6. کلاؤڈ LLM کو موبائل ایپلیکیشن میں ضم کرتے وقت سب سے زیادہ سیکورٹی کے لیے اہم اصول کیا ہے؟

• A) API کلید کو صرف بیک اینڈ میں رکھا جانا چاہیے، کلائنٹ پر نہیں۔ درخواستوں کو پراکسی کے ذریعے جانا چاہیے ✔
• ب) API کلید کو سہولت کے لیے براہ راست ایپلیکیشن کوڈ میں سرایت کرنا چاہیے۔
• C) درخواست کی تفصیل میں API کلید کا اشتراک کیا جانا چاہیے۔
• D) API کلید کو کلائنٹ میں رکھا جانا چاہئے اور صرف نام تبدیل کرکے چھپایا جانا چاہئے۔

انکشاف: API کلید کبھی بھی موبائل ایپلیکیشن کوڈ میں سرایت نہیں کی جاتی ہے۔ کیونکہ ایپلیکیشن کو ریورس انجینئر کیا جا سکتا ہے اور کلید نکالی جا سکتی ہے۔ صحیح فن تعمیر یہ ہے کہ کلید کو صرف بیک اینڈ میں رکھیں اور اپنے پراکسی سرور کے ذریعے درخواستیں پاس کریں۔

7. طویل ایل ایل ایم جوابات میں صارف کی سمجھی جانے والی رفتار اور خصوصیت کی تکمیل کی شرح میں کون سی چیز سب سے زیادہ اضافہ کرتی ہے؟

• ا) پورا جواب آنے تک انتظار کرنا اور اسے ایک ساتھ دکھانا
• ب) جوابی لفظ کو لفظ بہ لفظ دکھانا، جیسا کہ یہ تیار کیا گیا ہے، سلسلہ بندی کے ساتھ ✔
• ج) ہر درخواست کے ساتھ چیٹ کی پوری تاریخ ماڈل کو بھیجنا
• D) جواب کو زیادہ سے زیادہ بڑھانے کے لیے ماڈل ہدایات کو بڑا کریں۔

تفصیل: سٹریمنگ ڈرامائی طور پر ردعمل ظاہر کرکے سمجھی رفتار اور روانی کو بڑھاتی ہے کیونکہ یہ لفظ بہ لفظ تیار کیا جاتا ہے۔ خالی اسکرین پر انتظار کرنے کے بجائے، صارف ٹیکسٹ فارم کو دیکھتا ہے۔ یہ نمایاں طور پر ترک کرنے کی شرح کو کم کرتا ہے۔

8. مصنوعی ذہانت کے ذریعہ تیار کردہ ٹیسٹوں میں سب سے عام مسئلہ کیا ہے جو ٹیسٹ کو بیکار بنا دیتا ہے؟

• A) ٹیسٹ بہت زیادہ حد کی حالتوں کا احاطہ کرتے ہیں۔
• ب) ٹیسٹ فرضی اشیاء استعمال کرتے ہیں، حقیقی خدمات نہیں۔
• C) ٹیسٹ بہت تیزی سے چلتے ہیں۔
• D) خالی / بیکار ٹیسٹوں کے ذریعہ اسکوپ بلوٹ جو حقیقت میں کسی رویے کی توثیق نہیں کرتے ہیں ✔

وضاحت: مصنوعی ذہانت بعض اوقات ایسے ٹیسٹ تیار کرتی ہے جو درحقیقت کسی آؤٹ پٹ کی تصدیق نہیں کرتے ہیں (مثال کے طور پر صرف فنکشن کو کال کریں اور ایک خالی دعویٰ لکھیں)۔ یہ کوریج نمبر کو بڑھاتے ہیں لیکن حقیقی تحفظ فراہم نہیں کرتے ہیں۔ بامعنی رویے کی تصدیق کے لیے ہر ٹیسٹ کی جانچ پڑتال کی جانی چاہیے۔

9. مصنوعی ذہانت کی تجویز کے ساتھ کریش کو آزمانے میں ڈال کر اسے خاموش کرنا کافی حل کیوں نہیں ہے؟

• A) موبائل ایپلیکیشنز میں ٹرائی کیچ کو بالکل بھی استعمال نہیں کیا جا سکتا
• ب) کریش رک جاتا ہے، لیکن چونکہ بنیادی وجہ حل نہیں ہوتی، اس لیے مسئلہ ایک مختلف شکل میں واپس آجاتا ہے ✔
• C) ٹرائی کیچ استعمال کرنے سے ایپلیکیشن سست ہوجاتی ہے، اس لیے یہ ممنوع ہے۔
• D) سٹور کی طرف سے خاموش غلطی کو خود بخود مسترد کر دیا جاتا ہے۔

تشریح: علامت کو خاموش کرنے سے اصل وجہ حل نہیں ہوتی۔ کریش رک جاتا ہے، لیکن اصل مسئلہ (مثلاً ٹوٹا ہوا ڈیٹا کنکشن) دوسری شکل میں واپس آجاتا ہے (جیسے ڈیٹا کا نقصان)۔ پیشہ ورانہ ڈیبگنگ کا مقصد بنیادی وجہ کو حل کرنا ہے، علامت نہیں۔

10. کارکردگی کو بہتر بنانے کے لیے بنیادی سنہری اصول کیا ہے؟

• A) پہلے ایک پروفائل لیں اور حقیقی رکاوٹ کی پیمائش کریں، پھر بہتر بنائیں ✔
• ب) اندازہ لگانا کہ کہاں سست ہے اور وہاں توجہ مرکوز کرنا
• ج) ہر فنکشن میں چھوٹے فوائد کا پیچھا کرنا
• D) ایمولیٹر پر کارکردگی کی پیمائش کرنا اور کبھی بھی اصلی ڈیوائس کو آزمانا نہیں۔

تفصیل: پہلے پیمائش کریں، بعد میں اصلاح کریں۔ حقیقی رکاوٹ تقریبا ہمیشہ پیش گوئی سے مختلف جگہ پر ہوتی ہے۔ پروفائلنگ کے بغیر اصلاح ایک اندھا اندازہ ہے اور اکثر کوششوں کا ضیاع ہے۔

11. مسلسل چلنے والی AI خصوصیت (جیسے لائیو کیمرہ ترجمہ) کے لیے انجینئرنگ کی سب سے اہم تشویش کیا ہے؟

• A) خصوصیت زیادہ سے زیادہ اجازتوں کی درخواست کرتی ہے۔
• ب) سیمپلنگ فریکوئنسی اور بیچ پروسیسنگ کے ساتھ مسلسل پروسیسنگ کی بیٹری اور پروسیسر لاگت کا انتظام ✔
• ج) فیچر صرف مہنگے ترین فونز پر چلائیں۔
• D) کیمرہ کو زیادہ سے زیادہ ممکنہ فریم ریٹ پر مسلسل پیش کرنا

تفصیل: مسلسل کام کرنے والا ماڈل، کیمرہ اور نیٹ ورک؛ یہ بیٹری کو تیزی سے استعمال کر سکتا ہے، ڈیوائس کو گرم کر سکتا ہے، اور سسٹم کے ذریعے اس پر پابندی لگا سکتا ہے۔ نمونے لینے کی فریکوئنسی کو کم کرنا، بیچنگ، اور صرف ضرورت کے وقت چلنا بیٹری کی لاگت کو منظم کرنے کے طریقے ہیں۔

12. موبائل ڈیولپمنٹ میں اجازت کے انتظام میں 'کم سے کم استحقاق' کے اصول کا کیا مطلب ہے؟

• ا) آغاز کے وقت تمام ممکنہ اجازتوں کی درخواست کرنا، صرف اس صورت میں۔
• ب) اجازت نہ ملنے پر ایپ کو ناکارہ بنانا
• C) وسیع ترین اجازت طلب کرنا اور بعد میں اسے کم کرنے کی منصوبہ بندی کرنا۔
• D) صرف اس اجازت کی درخواست کرنا جو درحقیقت درکار ہے، جب ضروری ہو اور سب سے تنگ دائرہ کار میں، مسترد کرنے کے منظر نامے کے ساتھ ✔

وضاحت: کم از کم استحقاق صرف وہ اجازت طلب کرنا ہے جس کی درحقیقت ضرورت ہو، جب اس کی ضرورت ہو، اور جس حد تک ممکن ہو۔ بہت زیادہ اجازتیں صارف کے اعتماد کو مجروح کرتی ہیں، سٹور کو مسترد کرنے کا باعث بنتی ہیں، اور ڈیٹا لیک ہونے کا خطرہ بڑھاتی ہیں۔

13. اسٹور پر مصنوعی ذہانت کے ساتھ ایپلی کیشن پیش کرتے وقت کن مخصوص ضروریات کو پورا کرنا ضروری ہے؟

• A) مواد کی شفافیت، مواد کا کنٹرول اور رازداری کی صورت میں مصنوعی ذہانت کو جانے والے ڈیٹا کا انکشاف ✔
• ب) مصنوعی ذہانت کے استعمال کو صارف سے چھپانا۔
• C) ڈیٹا کو نشان زد کرنا جو حقیقت میں پرائیویسی فارم میں جمع نہیں ہوتا ہے۔
• D) امید افزا خصوصیات جو تفصیل میں موجود نہیں ہیں۔

انکشاف: اسٹورز مواد کی شفافیت (یہ بیان کہ یہ AI پیدا کرتا ہے)، مواد میں اعتدال (نقصان دہ آؤٹ پٹ اور صارف کی اطلاع کی فلٹرنگ)، اور مصنوعی ذہانت پر مشتمل ایپلیکیشنز سے ڈیٹا کے استعمال کے انکشاف کی توقع کرتے ہیں۔ حساس علاقے میں درستگی کی وارننگ درکار ہے۔ ان درخواستوں کو مسترد کر دیا جائے گا۔

14. شائع شدہ AI سے تیار کردہ کوڈ میں ایج کیس کی غلطی ہونے پر 'AI نے اس طرح لکھا' دفاع کیوں غلط ہے؟

• A) چونکہ مصنوعی ذہانت ہمیشہ غلطی سے پاک کوڈ تیار کرتی ہے، اس لیے غلطی صارف کی طرف سے آتی ہے۔
• ب) کیونکہ اسٹورز خود بخود AI سے تیار کردہ کوڈ کو درست کرتے ہیں۔
• ج) کیونکہ ذمہ داری مصنوعی ذہانت کو منتقل نہیں کی جا سکتی۔ ڈویلپر شائع شدہ کوڈ اور ڈیٹا کے لیے ذمہ دار ہے ✔
• D) کیونکہ مصنوعی ذہانت سے تیار کردہ کوڈ کو کبھی بھی لائیو نہیں کیا جاتا ہے۔

تفصیل: AI آؤٹ پٹ ایک نقطہ آغاز ہے، تیار شدہ مصنوعات نہیں۔ یہ ڈویلپر ہے جو شائع ہونے والی ہر سطر، ہر ڈیٹا پر کارروائی، اور کیے گئے ہر وعدے کے لیے ذمہ دار ہے۔ ذمہ داری AI کو نہیں سونپی جا سکتی، لہذا اشاعت سے پہلے آؤٹ پٹ کو سمجھنا اور جانچنا ضروری ہے۔