Dự án đầu cuối, sử dụng trí tuệ nhân tạo có trách nhiệm và lộ trình trong ngành — Trí tuệ nhân tạo trong phát triển ứng dụng di động

Lợi nhuận:

Khả năng phát triển tính năng di động từ đầu đến cuối và có thể kiểm chứng trong các bước thiết kế, mã, tích hợp AI, quyền riêng tư, thử nghiệm, gỡ lỗi, hiệu suất và phát hành
Khả năng thiết lập một khuôn khổ để sử dụng trí tuệ nhân tạo một cách có trách nhiệm và có đạo đức với các nguyên tắc minh bạch, xác minh-trách nhiệm và công bằng-không ác ý.
Có thể tạo ra một hoạt động chuyên môn bền vững bằng cách phân biệt các lĩnh vực mà trí tuệ nhân tạo mạnh và yếu và giữ quyền quyết định cuối cùng trong tay con người.

Trong suốt mô-đun này, chúng tôi đã sử dụng AI ở mọi giai đoạn phát triển thiết bị di động: tạo mã, giao diện, tích hợp AI trên thiết bị và đám mây, thử nghiệm, gỡ lỗi, hiệu suất, quyền riêng tư và phân phối tại cửa hàng. Trong phần cuối cùng này, chúng ta sẽ kết hợp tất cả những phần này thành một quy trình từ đầu đến cuối duy nhất, làm rõ khuôn khổ cho việc sử dụng AI có trách nhiệm và có đạo đức, đồng thời nói về cách biến những kỹ năng này thành một hoạt động chuyên môn bền vững. Thông điệp cốt lõi không thay đổi, nhưng giờ đây nó đã được thiết lập chắc chắn: AI là sức mạnh giúp nhân lên số lượng nhà phát triển di động có năng lực; nó không phải là một sự thay thế. Chính người chịu trách nhiệm về chất lượng, độ an toàn và lời hứa của sản phẩm đối với người sử dụng.

Tính năng toàn diện: kết hợp các bộ phận

Việc phát triển một tính năng thực tế từ đầu đến cuối với sự hỗ trợ của AI sẽ kết hợp mọi đơn vị chúng tôi đã học thành một chuỗi. Ví dụ: tính năng "thêm chi phí từ biên lai". Dòng chảy hoạt động như thế này:

Thiết kế (Đơn vị 3). Soạn thảo màn hình và bốn trạng thái (đang tải/trống/lỗi/đầy) bằng AI, yêu cầu khả năng truy cập ngay từ đầu.
Mã (Đơn vị 2). Tạo camera, mô hình dữ liệu và từng lớp ViewModel bằng MVVM; xác minh từng lớp.
AI trên thiết bị (Bài 4). Đọc số tiền/ngày từ khi nhận bằng nhận dạng văn bản ML Kit; Hãy xem xét việc xử lý trước và cho điểm độ tin cậy.
Tính bảo mật (Đơn vị 9). Yêu cầu quyền truy cập camera với đặc quyền tối thiểu, viết kịch bản từ chối, giữ dữ liệu trên thiết bị.
Kiểm tra (Đơn vị 6). Tạo các bài kiểm tra đơn vị về logic trích xuất, kiểm tra giao diện người dùng của màn hình; Bao gồm các quốc gia biên giới.
Gỡ lỗi (Bài 7). Yêu cầu AI phân tích các sự cố theo ngữ cảnh và giải quyết nguyên nhân gốc rễ.
Hiệu suất (Bài 8). Đo mức tiêu thụ pin trong quá trình xử lý của máy ảnh và đặt mức pin thân thiện.
Phát sóng (Đơn vị 10). Báo cáo việc sử dụng AI một cách minh bạch, điền trung thực vào biểu mẫu quyền riêng tư và tiến hành tự kiểm tra.

Ở mỗi bước, AI tăng tốc, con người xác minh và quyết định. Vòng lặp này là cốt lõi của mô-đun.

Mẹo: Đừng cố gắng bắt AI thực hiện một tính năng phức tạp chỉ với một yêu cầu khổng lồ. Chia nó thành các bước có thể kiểm chứng như trên. Kiểm tra đầu ra của từng bước và chuyển sang bước tiếp theo vừa an toàn hơn vừa nhanh hơn; Bởi vì bạn mắc sai lầm lớn không phải ở cuối mà ở bước đầu tiên.

Sử dụng AI có trách nhiệm và có đạo đức

Năng lực kỹ thuật thôi là chưa đủ; một khuôn khổ có trách nhiệm hoàn thành nó. Ba nguyên tắc:

Minh bạch. Người dùng phải biết rằng họ đang tương tác với AI. AI bí mật là sự vi phạm lòng tin. Nội dung do AI tạo được gắn thẻ; Lời khuyên của AI được trình bày dưới dạng “lời khuyên hữu ích” hơn là “sự thật phũ phàng”.

Xác minh và chịu trách nhiệm. Đầu ra AI là điểm khởi đầu, không phải là sản phẩm hoàn chỉnh. Bạn chịu trách nhiệm về mọi dòng mã được xuất bản, mọi phản hồi AI, mọi giao dịch dữ liệu. “AI đã viết như vậy” không phải là lời bào chữa.

Công lý và không ác độc. Các mô hình AI có thể mang những thành kiến từ dữ liệu mà chúng được đào tạo. Nhận dạng khuôn mặt có thể hoạt động kém hơn trên một số màu da, công cụ đề xuất có thể loại trừ một nhóm. Bạn có trách nhiệm kiểm tra xem sản phẩm của mình có hoạt động công bằng trên các nhóm người dùng khác nhau hay không.

Lưu ý: Bất kỳ kỹ thuật nào bạn học trong lĩnh vực CNTT và bảo mật chỉ được sử dụng cho các mục đích được phép và mang tính xây dựng. Sử dụng AI để tạo phần mềm độc hại, bẻ khóa ứng dụng của người khác mà không được phép, thu thập dữ liệu người dùng mà không có sự đồng ý hoặc tạo ra nội dung gây hiểu lầm là bất hợp pháp và trái với đạo đức nghề nghiệp. Thước đo sức mạnh được bộc lộ khi bạn không sử dụng nó.

Nhận thức được giới hạn của AI

Một nhà phát triển trưởng thành biết AI tỏa sáng ở đâu và thiếu sót ở đâu.

AI rất mạnh mẽ

AI yếu

Mã khuôn, sản xuất bản mẫu

Quyết định về sản phẩm và kiến trúc

Dự thảo thử nghiệm và tài liệu

Hiểu bối cảnh kinh doanh và người dùng

Đọc nhật ký sự cố, quét lỗi

Chẩn đoán nguyên nhân gốc rễ chính xác (yêu cầu xác minh)

Học tập, giải thích khái niệm

Thông tin API hiện tại/không được chế tạo

Văn bản, mô tả, dịch thuật

Quyết định cuối cùng về đạo đức, an ninh và pháp lý

Nội hóa sự khác biệt này là chìa khóa để sử dụng AI một cách hiệu quả và tránh những cạm bẫy của nó.

ba trường hợp nhỏ

Trường hợp 1 - Tốc độ từ đầu đến cuối. Một nhà phát triển solo đã hoàn thành tính năng "rút phích cắm" trong 4 ngày với quy trình 8 bước ở trên; Nếu không có AI thì ước tính là 12 ngày. Nhưng vì anh ấy đã xác minh từng bước nên lần xuất bản đầu tiên đã được phê duyệt. Tốc độ là có thật vì kỷ luật là có thật. Bài học: AI + xác minh nhanh hơn AI - xác minh.

Trường hợp 2 - Bị phát hiện sai lệch. Trong khi thử nghiệm tính năng dự đoán giới tính danh từ dựa trên AI, một nhóm đã nhận thấy các lỗi hệ thống ở một số danh từ tiếng Thổ Nhĩ Kỳ; mô hình được đào tạo chủ yếu trên dữ liệu tiếng Anh. Tính năng này đã được thay đổi để hỏi người dùng thay vì đưa ra giả định sai. Bài học: công việc của nhà phát triển là kiểm tra độ lệch huấn luyện của mô hình.

Trường hợp 3 - Cách phòng thủ “AI đã nói như vậy” sụp đổ. Nhà phát triển đã xuất bản mã thanh toán do AI tạo mà không xác minh mã đó; Trong một trường hợp cực đoan, mã đã thực hiện các bộ sưu tập kép. Trách nhiệm không bị loại bỏ bằng cách nói “AI đã viết nó”; Với tư cách là chủ tài khoản, anh ấy là một nhà phát triển. Bài học: Trách nhiệm không thể được ủy thác.

Dấu nhắc yếu / Dấu nhắc mạnh

Lời nhắc yếu: "Viết cho tôi một ứng dụng quét biên nhận hoàn chỉnh."

Lời nhắc mạnh mẽ: "Hãy giúp tôi phát triển tính năng 'thêm chi phí từ biên nhận' từng bước. Hãy tiến hành theo thứ tự, khi tôi xác minh và phê duyệt từng bước, hãy chuyển sang bước tiếp theo: 1) Màn hình + bốn trạng thái + khả năng truy cập2) Lớp MVVM (máy ảnh, kiểu máy, ViewModel)3) Số lượng/ngày đọc từ khi nhận bằng ML Kit + điểm tin cậy4) Quyền của máy ảnh (đặc quyền tối thiểu) + quy trình từ chối5) Kiểm tra đơn vị và giao diện người dùng Cho tôi biết những rủi ro và điểm mà tôi cần xác minh ở mỗi bước."

Mẫu có thể sao chép

Mẫu lập kế hoạch toàn diện: "Tôi sẽ phát triển tính năng sau: [tính năng]. Chia thành các bước có thể xác minh: thiết kế, mã, tích hợp AI, quyền riêng tư/quyền, thử nghiệm, hiệu suất, phát hành. Viết đầu ra, rủi ro và tiêu chí xác minh cho từng bước. Đừng tạo ra một sản phẩm khổng lồ duy nhất."

Mẫu kiểm tra đạo đức/thiên vị: "Kiểm tra tính công bằng và thiên vị của tính năng AI sau: [tính năng]. Tính năng này có thể hoạt động kém ở nhóm người dùng nào? Dữ liệu đào tạo tác động đến thành kiến như thế nào? Làm cách nào để kiểm tra nó, làm cách nào để làm cho nó trở nên toàn diện hơn?"

Mẫu kiểm tra trách nhiệm giải trình: "Liệt kê các câu hỏi về trách nhiệm giải trình mà tôi nên hỏi trước khi phát hành mã/tính năng do AI tạo này: Tôi đã hiểu nó chưa, tôi đã kiểm tra nó chưa, nó có an toàn không, nó có minh bạch với người dùng không, nó có hợp pháp/đạo đức không?"

Mẫu học tập liên tục: "Đề xuất kế hoạch thực tế trong 4 tuần để cải thiện kỹ năng AI của tôi trong lĩnh vực phát triển thiết bị di động: một chủ đề mỗi tuần (mã, tích hợp, thử nghiệm, phát hành), với mục tiêu là một dự án nhỏ và thói quen xác minh."

Những lỗi thường gặp

Sản xuất tính năng phức tạp với một yêu cầu khổng lồ. Không thể xác minh; chia nó thành các bước.
Trốn tránh trách nhiệm bằng cách nói “AI viết vậy”. Bạn chịu trách nhiệm về mã được xuất bản.
Không kiểm tra độ lệch AI. Mô hình có thể hoạt động kém ở một số nhóm; Kiểm tra công lý.
Ẩn tương tác AI với người dùng. Sự minh bạch là nền tảng của niềm tin.
Quên đi những hạn chế của AI. Mọi người có tiếng nói cuối cùng về kiến trúc, đạo đức và API hiện tại.
Để ngừng học tập. Các công cụ và quy tắc cửa hàng thay đổi nhanh chóng; Luôn cập nhật liên tục.

Tóm lại

Tính năng toàn diện kết hợp tất cả các phần của mô-đun thành một chuỗi: thiết kế, mã, tích hợp AI, quyền riêng tư, thử nghiệm, gỡ lỗi, hiệu suất và phát hành. Ở mỗi bước, AI tăng tốc, con người xác minh và quyết định; Công việc phức tạp được chia thành các bước nhỏ có thể kiểm chứng được. Việc sử dụng có trách nhiệm dựa trên ba nguyên tắc: minh bạch, xác minh-trách nhiệm giải trình và công bằng-không gây hại. AI là một hệ số nhân mạnh mẽ, nhưng con người mới là người có tiếng nói cuối cùng về kiến trúc, đạo đức, an ninh và kiến thức hiện tại. “AI đã làm theo cách đó” không phải là lời bào chữa; Bạn chịu trách nhiệm về sản phẩm của mình và lời hứa bạn đưa ra với người dùng. Với kỷ luật này, AI giúp bạn nhanh hơn, toàn diện hơn và mạnh mẽ hơn trong suốt sự nghiệp của mình.

Nhiệm vụ ứng dụng

Chia nhỏ tính năng di động mà bạn chọn (ví dụ: "tóm tắt bằng ghi chú thoại" hoặc "nhận dạng sản phẩm từ ảnh") thành các bước có thể xác minh bằng "mẫu lập kế hoạch toàn diện". Trên thực tế, hãy phát triển và xác thực ít nhất một bước bằng AI. Sau đó, phân tích nhóm người dùng nào mà tính năng này có thể gây ra sự cố với "Mẫu kiểm soát đạo đức/thiên vị" và trả lời các câu hỏi bạn cần đặt ra trước khi phát hành bằng "Mẫu kiểm soát trách nhiệm pháp lý".

danh sách kiểm tra

[ ] Tôi đã chia tính năng này thành các bước nhỏ có thể kiểm chứng được, không phải là một sản phẩm khổng lồ
[ ] Tôi đã xác minh đầu ra AI ở mỗi bước và đưa ra quyết định
[ ] Tôi đã trình bày sự tương tác AI một cách minh bạch cho người dùng
[ ] Tôi đã đánh giá xem tính năng này có hoạt động công bằng/sai lệch giữa các nhóm khác nhau hay không
[ ] Tôi đã trả lời các câu hỏi về trách nhiệm trước khi phát hành (đã hiểu/kiểm tra/an toàn/đạo đức)
[ ] Tôi chỉ sử dụng AI cho các mục đích có hiệu quả và mang tính xây dựng cũng như dự định tiếp tục học tập

Thi học phần

1. Định vị nào sau đây là chính xác nhất cho trí tuệ nhân tạo trong phát triển di động?

A) AI thay thế nhà phát triển; có thể được xuất bản trực tiếp mà không cần đọc mã nó tạo ra
B) Trí tuệ nhân tạo chỉ hoạt động trong việc viết văn bản, nó không liên quan gì đến việc tạo mã
C) Trí tuệ nhân tạo là trợ lý và máy gia tốc; Trách nhiệm đối với các quyết định về kiến trúc, an ninh và phát sóng thuộc về con người ✔
D) Vì trí tuệ nhân tạo luôn tạo ra mã chính xác nên việc kiểm tra và xác minh bổ sung là không cần thiết

Mô tả: Trí tuệ nhân tạo là một trợ lý và máy gia tốc tạo ra mã, bản thiết kế và giải pháp. Trách nhiệm và phê duyệt cuối cùng đối với các quyết định như kiến trúc, cấp phép, bảo mật và xuất bản thuộc về nhà phát triển có thẩm quyền; Con người phải chịu trách nhiệm về từng dòng được xuất bản.

2. Khi yêu cầu mã di động từ trí tuệ nhân tạo, điều gì làm tăng chất lượng kiến trúc của mã được tạo ra nhiều nhất?

A) Giữ lời nhắc càng ngắn càng tốt và nói 'viết cho tôi một ứng dụng'
B) Đầu tiên, áp đặt một kiến trúc như MVVM và yêu cầu mã theo từng phần nhỏ, từng lớp ✔
C) Tạo toàn bộ tính năng dưới dạng một tệp khổng lồ trong một dấu nhắc duy nhất
D) Không chỉ định kiến trúc nào cả và để trí tuệ nhân tạo đưa ra quyết định tốt nhất

Giải thích: Việc áp dụng một kiến trúc như MVVM và yêu cầu từng lớp trước khi viết mã trực tiếp vào AI sẽ tạo ra một cấu trúc có thể kiểm tra và bảo trì giúp tách logic khỏi màn hình. Yêu cầu không có kiến trúc sẽ trả về mã nhồi nhét mọi thứ lên màn hình.

3. Điều gì thường bị bỏ qua nhất khi tạo giao diện với trí tuệ nhân tạo và điều gì quan trọng nhất trong sử dụng thực tế?

A) Thiết kế trạng thái tải, trống và lỗi, không chỉ toàn màn hình ✔
B) Chỉ tạo ra màn hình toàn màn hình đẹp nhất, bỏ qua các trường hợp khác
C) Thêm càng nhiều màu sắc và hình ảnh động càng tốt vào mỗi màn hình
D) Để lại thẻ truy cập cuối cùng và chỉ xử lý hình thức

Giải thích: Các nhà phát triển thường chỉ quan tâm đến trạng thái “đầy đủ”; trong khi trên thực tế, người dùng chủ yếu gặp phải trạng thái tải, trống và lỗi. Tạo ra cả bốn trạng thái (đang tải/trống/lỗi/đầy) là bí mật của một giao diện mạnh mẽ.

4. Tại sao AI trên thiết bị thường là lựa chọn mặc định cho tính năng xử lý dữ liệu cá nhân nhạy cảm (ví dụ: đo sức khỏe)?

A) Các mô hình trên thiết bị luôn chính xác hơn trên đám mây
B) Quá trình xử lý trên thiết bị không bao giờ phát sinh chi phí pin hoặc bộ xử lý
C) Xử lý trên thiết bị không giới hạn về kích thước mô hình
D) Vì dữ liệu không rời khỏi điện thoại nên nó mang lại lợi thế lớn về quyền riêng tư và sự tin cậy của người dùng ✔

Giải thích: Quá trình xử lý trên thiết bị không xóa dữ liệu khỏi điện thoại; Đây là một lợi thế mạnh mẽ về mặt tuân thủ quyền riêng tư và sự tin cậy của người dùng, ngoài ra nó còn hoạt động ngoại tuyến và tức thời. Giới hạn của nó là sức mạnh thiết bị và kích thước model.

5. Lỗi 'im lặng' phổ biến nhất gây ra kết quả vô nghĩa và không tạo ra thông báo lỗi khi tích hợp mô hình trên thiết bị là gì?

A) Sai chính tả tên tệp của mô hình
B) Độ phân giải thấp của biểu tượng ứng dụng
C) Tiền xử lý đầu vào không chính xác (kích thước/chuẩn hóa) ✔
D) Chủ đề màn hình tối

Giải thích: Việc xử lý trước đầu vào không chính xác sẽ tạo ra kết quả sai hoàn toàn mà không có lỗi ném ra. Các giá trị tiền xử lý phải được xác minh từ tài liệu của mô hình.

6. Quy tắc quan trọng nhất về bảo mật khi tích hợp LLM đám mây vào ứng dụng di động là gì?

A) Khóa API chỉ được giữ ở phần phụ trợ chứ không phải trên máy khách; yêu cầu phải thông qua proxy ✔
B) Khóa API nên được nhúng trực tiếp vào mã ứng dụng để thuận tiện
C) Khóa API phải được chia sẻ trong phần mô tả ứng dụng
D) Khóa API phải được giữ trong máy khách và chỉ ẩn bằng cách thay đổi tên.

Tiết lộ: Khóa API không bao giờ được nhúng vào mã ứng dụng di động; vì ứng dụng có thể được thiết kế ngược và trích xuất khóa. Kiến trúc đúng là chỉ giữ khóa trong phần phụ trợ và chuyển yêu cầu qua máy chủ proxy của riêng bạn.

7. Điều gì làm tăng tốc độ nhận thức của người dùng và tỷ lệ hoàn thành tính năng nhiều nhất trong các câu trả lời LLM dài?

A) Chờ cho đến khi toàn bộ câu trả lời được đưa ra và hiển thị ngay lập tức
B) Hiển thị câu trả lời từng từ, như nó được tạo ra, với tính năng phát trực tuyến ✔
C) Gửi toàn bộ lịch sử trò chuyện tới mô hình theo mọi yêu cầu
D) Mở rộng hướng dẫn mô hình để mở rộng phản hồi nhiều nhất có thể

Mô tả: Truyền trực tuyến làm tăng đáng kể tốc độ cảm nhận và sự trôi chảy bằng cách hiển thị phản hồi khi nó được tạo ra từng từ. Thay vì chờ đợi trên một màn hình trống, người dùng xem dạng văn bản; Điều này làm giảm đáng kể tỷ lệ bỏ rơi.

8. Vấn đề thường gặp nhất trong các bài kiểm tra do trí tuệ nhân tạo thực hiện khiến bài kiểm tra trở nên vô giá trị là gì?

A) Kiểm thử bao gồm quá nhiều trạng thái giới hạn
B) Thử nghiệm sử dụng đối tượng giả, không phải dịch vụ thực
C) Các bài kiểm tra chạy rất nhanh
D) Mở rộng phạm vi bằng các thử nghiệm trống rỗng/vô dụng không thực sự xác thực một hành vi ✔

Giải thích: Trí tuệ nhân tạo đôi khi tạo ra các bài kiểm tra không thực sự xác minh bất kỳ kết quả đầu ra nào (ví dụ: chỉ gọi hàm và viết một xác nhận trống). Những điều này làm tăng số lượng bảo hiểm nhưng không mang lại sự bảo vệ thực sự; Mỗi bài kiểm tra phải được kiểm tra để xác minh hành vi có ý nghĩa.

9. Tại sao việc ngăn chặn một vụ va chạm bằng cách đưa nó vào thử nghiệm bằng gợi ý trí tuệ nhân tạo không phải là giải pháp đủ hiệu quả?

A) tính năng thử bắt hoàn toàn không thể được sử dụng trong các ứng dụng di động
B) Sự cố dừng lại, nhưng do nguyên nhân cốt lõi không được giải quyết nên sự cố sẽ quay trở lại ở dạng khác ✔
C) Việc sử dụng try-catch làm chậm ứng dụng nên bị cấm
D) Lỗi im lặng được cửa hàng tự động từ chối

Giải thích: Im lặng triệu chứng không giải quyết được căn nguyên; Sự cố dừng lại nhưng sự cố ban đầu (ví dụ: kết nối dữ liệu bị hỏng) lại xuất hiện ở dạng khác (ví dụ: mất dữ liệu). Mục tiêu của việc gỡ lỗi chuyên nghiệp là giải quyết nguyên nhân gốc rễ chứ không phải triệu chứng.

10. Nguyên tắc vàng cơ bản cần tuân theo trong việc tối ưu hóa hiệu suất là gì?

A) Trước tiên hãy lập hồ sơ và đo lường nút thắt thực sự, sau đó tối ưu hóa ✔
B) Đoán xem chỗ nào chậm và tập trung ở chỗ đó
C) Theo đuổi những lợi ích nhỏ trong mọi chức năng
D) Đo hiệu suất trên trình mô phỏng và không bao giờ thử thiết bị thật

Mô tả: Đo lường trước, tối ưu hóa sau. Nút thắt thực sự hầu như luôn ở một vị trí khác với dự đoán; Tối ưu hóa mà không lập hồ sơ là một sự phỏng đoán mù quáng và thường gây lãng phí công sức.

11. Mối quan tâm kỹ thuật quan trọng nhất đối với tính năng AI chạy liên tục (ví dụ: dịch trực tiếp qua camera) là gì?

A) Tính năng này yêu cầu càng nhiều quyền càng tốt
B) Quản lý chi phí pin và bộ xử lý khi xử lý liên tục với tần suất lấy mẫu và xử lý hàng loạt ✔
C) Chỉ chạy tính năng này trên những điện thoại đắt tiền nhất
D) Liên tục hiển thị máy ảnh ở tốc độ khung hình cao nhất có thể

Mô tả: Model, camera, mạng hoạt động liên tục; Nó có thể nhanh chóng tiêu hao pin, làm nóng thiết bị và bị hệ thống hạn chế. Giảm tần suất lấy mẫu, phân đợt và chỉ chạy khi cần thiết là những cách để quản lý chi phí pin.

12. Nguyên tắc 'đặc quyền tối thiểu' trong quản lý quyền có ý nghĩa gì trong phát triển di động?

A) Yêu cầu tất cả các quyền có thể có khi khởi động, đề phòng.
B) Làm cho ứng dụng không thể hoạt động nếu quyền bị từ chối
C) Yêu cầu sự cho phép rộng rãi nhất và dự định thu hẹp nó sau này.
D) Chỉ yêu cầu sự cho phép thực sự cần thiết, khi cần thiết và trong phạm vi hẹp nhất, với kịch bản bị từ chối ✔

Giải thích: Đặc quyền tối thiểu là chỉ yêu cầu sự cho phép thực sự cần thiết, khi cần thiết và trong phạm vi hẹp nhất có thể. Quá nhiều quyền sẽ làm suy yếu lòng tin của người dùng, dẫn đến việc cửa hàng từ chối và làm tăng nguy cơ rò rỉ dữ liệu.

13. Khi đưa ứng dụng có trí tuệ nhân tạo vào cửa hàng phải đáp ứng những yêu cầu cụ thể nào?

A) Minh bạch nội dung, kiểm soát nội dung và tiết lộ dữ liệu đến trí tuệ nhân tạo dưới dạng bảo mật ✔
B) Che giấu việc sử dụng trí tuệ nhân tạo với người dùng
C) Đánh dấu dữ liệu không thực sự được thu thập trong biểu mẫu bảo mật
D) Các tính năng hứa hẹn không tồn tại trong mô tả

Tiết lộ: Các cửa hàng mong đợi sự minh bạch về nội dung (tuyên bố rằng họ tạo ra AI), kiểm duyệt nội dung (lọc đầu ra có hại và thông báo cho người dùng) cũng như tiết lộ việc sử dụng dữ liệu từ các ứng dụng chứa trí tuệ nhân tạo; Cần có cảnh báo chính xác ở khu vực nhạy cảm. Các ứng dụng bỏ qua những điều này sẽ bị từ chối.

14. Tại sao cách bảo vệ 'AI viết theo cách đó' không hợp lệ khi xảy ra lỗi trường hợp biên trong mã do AI tạo được công bố?

A) Vì trí tuệ nhân tạo luôn tạo ra mã không có lỗi nên lỗi xuất phát từ người dùng
B) Bởi vì các cửa hàng tự động sửa mã do AI tạo
C) Vì trách nhiệm không thể chuyển giao cho trí tuệ nhân tạo; Nhà phát triển chịu trách nhiệm về mã và dữ liệu được xuất bản ✔
D) Bởi vì mã do trí tuệ nhân tạo tạo ra không bao giờ được đưa vào hoạt động

Mô tả: Đầu ra AI là điểm khởi đầu, không phải là sản phẩm hoàn chỉnh. Chính nhà phát triển là người chịu trách nhiệm về mọi dòng được xuất bản, mọi dữ liệu được xử lý và mọi lời hứa được đưa ra; Trách nhiệm không thể được giao cho AI nên đầu ra phải được hiểu và kiểm tra trước khi xuất bản.