Mwongozo wa Uhandisi wa Programu
6.0

Tazama kwa Kiingereza

6.0 Utangulizi wa Sehemu ya 6: Akili Bandia

Akili bandia imetoka kuwa jambo geni la utafiti hadi uwezo wa msingi ambao mashirika makubwa sasa yanatarajiwa kuutumia kwa uwajibikaji na kwa ukubwa. Sehemu hii inapitia mzunguko mzima wa maisha: kuamua mahali AI inastahili kutumika, kuhandisi mifumo ya kujifunza kwa mashine inayoishi kugusana na uzalishaji, kujenga programu juu ya mifano ya kuzalisha, kutumia AI kusaidia uendelezaji wa programu wenyewe, kutimiza wajibu wenu wa haki na uwajibikaji, na kuendesha miundombinu maalumu ambayo yote haya yanahitaji. Wazo moja linafunga kila sura pamoja: mfano mara chache ndio sehemu ngumu. Sehemu ngumu ni uhandisi, utawala, na nidhamu ya uendeshaji inayouzunguka.

Kwa timu kubwa, ukubwa na uzito wa kusimama huongeza dau. Mpango uliopangwa vibaya unaweza kuchoma bajeti, kuwavuruga wahandisi wenye ujuzi, na kumomonyoa uaminifu unaposhindwa hadharani. Uliochaguliwa vizuri unaweza kuotomatisha kazi ya kuchosha na kufichua ufahamu kutoka data ambayo hungeweza kamwe kuifikia hapo awali. Kuvuka mamia ya wasanidi na mifano kadhaa, tabia ndogo na mapengo madogo ya usimamizi hujumlishwa kuwa matokeo ya kishirika. Ndiyo maana majukwaa ya pamoja, chaguo-msingi, na kanuni vinajalisha zaidi ya suluhisho lolote moja la ujanja.

Mazingira ya mashirika makubwa na serikali huongeza vikwazo vikali zaidi, na vinapita kila sura. Vyombo vya umma lazima vihalalishe matumizi, vihakikishe uwazi, viepuke ubaguzi usio halali, na viendelee kuwajibika kwa wadhibiti na umma. Kanuni za ununuzi zinaweza kukataza kufungwa kwa muuzaji mmoja na kudai uwezo wa kuelezea na njia za kutoka. Sheria zinazoibuka kama Sheria ya AI ya EU (udhibiti wa Umoja wa Ulaya wa mifumo ya AI wenye ngazi za hatari) na viwango kama NIST AI Risk Management Framework na ISO/IEC 42001, kiwango cha mfumo wa usimamizi wa AI kinachoweza kuthibitishwa, huweka mahitaji yaliyopangwa kwa hatari. Katika mazingira haya, uzingatiaji, uwezo wa kukaguliwa, uwezo wa kuzalisha upya, na enzi ya data ni mahitaji ya daraja la kwanza, si mawazo ya baadaye.

Sura katika sehemu hii

  • 6.1 Mkakati wa AI na utayari: Nidhamu ya kuamua mahali pa kutumia AI, mahali pa kuiepuka, na misingi gani ya data, vipaji, na utawala lazima iwepo kabla ya mfano wa kwanza kufika kwenye uzalishaji.

  • 6.2 Uhandisi wa kujifunza kwa mashine (MLOps): Kuleta ukali wa programu kwenye uhalisia wa sehemu tatu wa msimbo pamoja na data pamoja na mifano, ili mifumo ya ML iweze kuzalishwa upya, kuonekana, na kudumishwa badala ya maonyesho ya mara moja.

  • 6.3 AI ya kuzalisha na programu za LLM: Kuhandisi programu za kutegemewa zinazozunguka mifano ya lugha ya uwezekano kupitia usimamizi wa muktadha, msingi unaoongezwa kwa urejeshaji, vizuizi (ukaguzi wa wakati wa kuendesha unaobana ingizo na matokeo ya mfano), na tathmini kali.

  • 6.4 Uendelezaji wa programu unaosaidiwa na AI: Kutumia wasaidizi wa uandishi wa msimbo wa AI kuongeza matokeo bila kupunguza ubora, kupitia kanuni wazi, chaguo-msingi nzuri, uthibitisho imara, na umakini kwa usalama na leseni.

  • 6.5 AI ya kuwajibika na ya kuaminika: Kujenga mifumo ambayo ni ya haki, wazi, yenye uwajibikaji, salama, na inayoheshimu faragha, na kuweza kuonyesha yote haya kwa walioathirika na kwa wadhibiti.

  • 6.6 Miundombinu na operesheni za AI: Kutayarisha na kuendesha viongeza kasi adimu, hifadhi ya vekta (mifumo inayoorodhesha data kama vekta za namba kwa utafutaji wa ufanano), na tabaka za kuhudumia ambazo mizigo ya AI inadai, kwa gharama nafuu, kwa kutegemewa, na kwa kuonekana.

  • 6.7 Mawakala wa AI na mifumo ya kiwakala: Kujenga programu inayotumia mfano wa lugha katika mzunguko pamoja na zana, kumbukumbu, na lengo ili kuchukua hatua, na kufanya hivyo kwa usalama kupitia uhuru wenye mipaka, ufikiaji wa zana wa upendeleo mdogo, idhini za binadamu-kwenye-mzunguko, vizuizi dhidi ya sindano ya maagizo, na tathmini kali ya tabia isiyo ya kuamuliwa.

  • 6.8 Tathmini na majaribio ya AI: Kufanya AI iaminike kupitia uendelezaji unaoendeshwa na tathmini, seti za tathmini za uwakilishi na vipimo vinavyofaa kazi, LLM-kama-hakimu iliyorekebishwa na mapitio ya binadamu, red-teaming, malango ya regression kwenye ujumuishaji endelevu, na ufuatiliaji wa ubora na kuteleza kwenye uzalishaji.

  • 6.9 Uhandisi wa maagizo na usanifu wa muktadha: Kuchukulia kutoa maagizo kama uhandisi, kwa maagizo yenye muundo, mbinu za mifano-michache na mnyororo-wa-mawazo, bajeti na urejeshaji wenye nidhamu wa muktadha, matokeo yenye muundo na miito ya zana, na maagizo yanayowekewa matoleo, kupitiwa, na kutathminiwa kama msimbo.

Jinsi sura hizi zinavyohusiana

Kwa pamoja sura hizi zinaunda mzunguko wa maisha unaotoka kwenye nia hadi operesheni. Sura ya 6.1 inaweka mkakati na utayari, ikipanga ni matatizo gani yanahalalisha AI kabisa na misingi gani unayohitaji kwanza. Sura ya 6.2 inatoa uti wa mgongo wa kihandisi kwa kujifunza kwa mashine ya kawaida, wakati sura ya 6.3 inashughulikia mifumo tofauti ya mifano ya kuzalisha, ambapo tabia huumbwa na maagizo na muktadha uliorejeshwa badala ya hatua ya mafunzo. Sura ya 6.4 inageuza AI kwenye ufundi wa uendelezaji wa programu wenyewe, na sura ya 6.6 inatoa msingi wa kokotoo, hifadhi, na kuhudumia ambao kila sura nyingine inautegemea. Sura ya 6.5 kwa makusudi si neno la mwisho bali mwenzi wa kudumu: wajibu wa AI ya kuwajibika huumba mkakati, hubana uchaguzi wa mfano, huweka lango la usambazaji, na hufahamisha maamuzi ya miundombinu kote.

Mstari wa kati unatoka mkakati hadi MLOps hadi AI ya kuzalisha hadi uendelezaji unaosaidiwa na AI hadi AI ya kuwajibika hadi miundombinu, lakini ufikirie kama utando, si mstari ulionyooka. MLOps na miundombinu zinashiriki wasiwasi kuhusu uwezo wa kuzalisha upya, gharama, na kuhudumia, kwa hiyo sura ya 6.2 na sura ya 6.6 zinasomwa vizuri pamoja. AI ya kuwajibika inarudi kwenye mkakati katika sura ya 6.1 na mbele kwenye uchambuzi mpana wa maadili na maslahi ya umma katika sura ya 10.5, na inategemea mazoea ya faragha na ulinzi wa data katika sura ya 4.5. Misingi mipana ya kihandisi ya mwongozo huu inashikilia sehemu nzima: utoaji endelevu katika sura ya 8.1, uonekanaji na ufuatiliaji katika sura ya 9.2, mkakati wa majaribio katika sura ya 2.4, na mapitio ya msimbo katika sura ya 2.5 yote ni masharti ya kufanya AI vizuri. AI haibadilishi uhandisi sahihi wa programu. Inaongeza dau la kuupata sawa.