Responsible AI in Software Development

• Podstawowa znajomość przepływów pracy w rozwoju oprogramowania
• Znajomość Agile, DevOps lub ogólnych praktyk projektów oprogramowania

Grupa docelowa

• Zespoły ds. zgodności
• Programiści
• Menadżerowie projektów oprogramowania

Responsible AI in Software Development jest kursem podstawowym, który porusza kwestiami etycznymi, prawno-legalnymi i zarządzania, związanych z używaniem narzędzi AI w procesie rozwoju oprogramowania. Kurs podkreśla przejrzystość, sprawiedliwość, sprawy własności intelektualnej oraz bezpieczne wdrażanie kodu generowanego przez AI.

To szkolenie prowadzone przez instruktora (online lub stacjonarne) jest skierowane do początkujących zawodowców technicznych i nietechnicznych, którzy chcą zapewnić etyczne, zgodne z prawem i świadome ryzyka użycie AI w swoich projektach oprogramowania.

Na zakończenie tego szkolenia uczestnicy będą w stanie:

• Identyfikować i minimalizować ryzyka etyczne i prawne związane z rozwijaniem wspieranym przez AI.
• Rozumieć uprzedzenia w kodzie generowanym przez AI oraz jak ocenić sprawiedliwość.
• Zarządzać licencjami oprogramowania i przypisywaniem autorstwa związanym z zawartością generowaną przez AI.
• Ustanawiać ramy zarządzania, polityki i zgodności z przepisami dotyczące użycia AI w zespołach rozwojowych.

Format kursu

• Interaktywne wykłady i dyskusje.
• Dużo ćwiczeń i praktyki.
• Ręczne wdrażanie w żywym środowisku laboratoryjnym.

Opcje dostosowywania kursu

• Aby poprosić o dostosowane szkolenie dla tego kursu, prosimy o kontakt, aby ustalić szczegóły.

Zasady odpowiedzialnego AI

• Co to jest odpowiedzialne AI i dlaczego jest ważne w rozwoju oprogramowania
• Zasady: sprawiedliwość, odpowiedzialność, przejrzystość i prywatność
• Przykłady nieetycznych błędów i nieprawidłowego użycia AI w kodach

Uprzedzenia i sprawiedliwość w kodzie generowanym przez AI

• Jak modele językowe dużego rozmiaru mogą utrwalać uprzedzenia poprzez dane szkoleniowe
• Wykrywanie i naprawianie sugerowanych kodów zawierających uprzedzenia lub niebezpieczne treści
• Halucynacje AI i ryzyko wprowadzania błędów na dużą skalę

Licencje, atrybucje i kwestie związane z prawami autorskimi

• Rozumienie licencji open-source (MIT, GPL, Copyleft)
• Czy wyjścia generowane przez LLM wymagają atrybucji?
• Audytowanie kodu wspomaganego przez AI pod kątem problemów z licencjami od stron trzecich

Bezpieczeństwo i zgodność w rozwoju wspomaganym przez AI

• Zapewnienie bezpieczeństwa kodu i uniknięcie niebezpiecznych wzorców z LLM
• Zgodność z wewnętrznymi wytycznymi bezpieczeństwa i przepisami branżowymi
• Dokumentacja podlegająca audytowi decyzji wspomaganych przez AI

Polityka i zarządzanie dla zespołów rozwojowych

• Tworzenie wewnętrznych polityk dotyczących użycia AI przez zespoły programistyczne
• Określanie dopuszczalnego użytku i sygnałów ostrzegawczych
• Wybór narzędzi i odpowiedzialne wprowadzanie asystentów AI

Ocenianie i audytowanie wyjść AI

• Używanie list kontrolnych do oceny wiarygodności generowanych treści
• Przewodzenie ręcznych i automatycznych przeglądów kodu generowanego przez AI
• Najlepsze praktyki dotyczące procesów recenzji przez kolegów i zatwierdzenia

Podsumowanie i następne kroki