Language model से coding करते हुए यह मान लेना कि मशीन अपने-आप machine-level expressions को जादू की तरह बना देगी, बड़ी लुटेरी सोच है.
जितनी ज़्यादा constraints हों, उतना ही वह उन्हीं constraints के भीतर अच्छा काम करती है
आजकल लगता है कि अगर किसी प्रस्तुति को वाकई सार्थक बनाना है, तो वह ज़्यादातर AI से जुड़ी टिप्स पर ही केंद्रित होनी चाहिए, लेकिन अफसोस है कि प्रस्तुति का मूल भाव धीरे-धीरे ज़्यादा आसान होता जा रहा है और फीका पड़ता महसूस होता है।
हंगुल से जुड़ी सिर्फ़ एक ही किताब आई है, लेकिन अफ़सोस कि Linux kernel में Rust इस्तेमाल करने का तरीका कई बार breaking changes से गुज़रा, इसलिए वह आजकल के kernel के साथ बिल्कुल compatible नहीं है। GitHub वगैरह के ज़रिए अगर इसमें सुधार हो जाए तो बहुत अच्छा होगा।
फिर भी, मुझे लगता है कि कुछ सार्थक measurement criteria ज़रूर होंगे। खासकर, अगर कोई ऐसा व्यक्ति हो जो एक-दूसरे के विपरीत जाने वाले दो metrics, दोनों की जिम्मेदारी ले, तो यह और भी प्रभावी होगा। SRE के नज़रिए से incident count कम हुआ कहकर खुश हुआ जा सकता है, लेकिन उतना ही ज़्यादा सतर्कता बरतने के कारण deployment देर से हो सकता है और feature development धीमा पड़ सकता है। वहीं Dev के नज़रिए से feature development ज़्यादा हुआ कहकर खुश हुआ जा सकता है, लेकिन उसी अनुपात में incidents की संख्या भी बढ़ सकती है।
मुझे लगता है कि p99 latency, response success rate, request per cost, MTTR, incident count जैसे metrics भी ऐसे अच्छे संकेतक हैं जिनका abuse करना आसान नहीं है। (बिलकुल, इनका abuse हो सकता है, लेकिन इन्हें track और manage करने से नुकसान की तुलना में फ़ायदा ज़्यादा होगा...)
मैं आम तौर पर सोचता था कि performance को percentage में दिखाना बेकार है, और लगता है यह लेख मेरी उस सोच को पूरा करता है.
"बिक्री में 5 प्रतिशत वृद्धि में योगदान" कहने के बजाय, मुझे लगता है यह बताना चाहिए कि किस अवधि में कितना बढ़ाया, और अपने योगदान से पहले की तुलना में वह कितनी अधिक steep हुई.
मुझे भी यह उचित लगता है कि कंपनियाँ बाज़ार से जितना लाभ कमाती हैं, उतना ही बाज़ार में योगदान दें, और तकनीक की प्रगति से जिस समाज ने ऐसी प्रगति संभव बनाई है, उसके प्रति भी योगदान करें.
मेरा मानना है कि जनरेटिव AI की बुनियादी रूपरेखा पहले से ही सार्वजनिक है, और जिन हिस्सों को OpenAI सार्वजनिक नहीं करता, वे कंपनी के trade secret के दायरे में आते हैं. कंपनियों या तकनीक का समाज को फिर से योगदान देना ऊपर से देखने पर आभार की अभिव्यक्ति और सह-अस्तित्व का संदेश लगता है, लेकिन व्यवहार में मैं इसे कंपनी की टिकाऊ वृद्धि के लिए बाज़ार में किया गया पुनर्निवेश मानता हूँ. इस दृष्टि से देखें तो AI कंपनियों के लिए यह अधिक उचित होगा कि वे अपनी कमाई से शिक्षा या सामाजिक इन्फ्रास्ट्रक्चर में योगदान दें; यह कहना कि कंपनी के पास मौजूद लगभग संपत्ति जैसे AI की पूरी प्रतिलिपि ही सार्वजनिक कर दी जाए, क्या ऐसा नहीं है जैसे सोने के अंडे देने वाली हंस के सोने के अंडों के लाभ को नज़रअंदाज़ करके उसका पेट चीरने की माँग करना? सोने के अंडे तो लगातार मिलते रहेंगे. उन्हें बाँट लिया जाए, लेकिन अगर हंस ही बाहर निकालने को कहा जाए, तो फिर उसे पालने की प्रेरणा किसे होगी, यही सवाल है.
AI कैसे काम करता है, यह तो पहले से ही विद्युतचुंबकत्व की तरह ज्ञात है. स्मार्टफोन में केवल विद्युतचुंबकत्व का बुनियादी ज्ञान ही नहीं, बल्कि ऐसी तकनीकें भी शामिल होती हैं जो हर कंपनी के ऐसे trade secret हैं जिन्हें वे उजागर नहीं कर सकतीं. इस पहलू का सम्मान किए बिना जनरेटिव AI को जैसे कोई witch-hunt चल रही हो, वैसे बुरा ठहराया जाना मुझे समझ नहीं आता.
जिन लोगों ने reply में जवाब दिए, उनकी बातों की वजह से मैंने बहुत कुछ खोजा और बहुत कुछ सोचा. धन्यवाद.
मेरी सैलरी की बढ़ोतरी का ग्राफ पिछले 5 सालों से 0% पर है।
इसे सामान्य बनाकर कहना आसान नहीं होगा, लेकिन फिलहाल मैनेजमेंट को मनाने के लिए यह सबसे अच्छा टूल है, यह तो निश्चित है।
दूसरों के server पर computation चलाने का तरीका user की computing freedom को नुकसान पहुँचाता है, इसलिए इसका इस्तेमाल नहीं करना चाहिए
क्या यह सिर्फ़ LLM ही नहीं, बल्कि सभी cloud services और external services को ठुकराने की बात नहीं है...? क्या अनुवाद गलत हुआ है?
लगता है यह वही लेख है जो मैंने बहुत पहले देखा था.. इसे फिर से पढ़कर खुद को दोबारा प्रेरित महसूस हुआ। अपलोड करने के लिए धन्यवाद।
Language model से coding करते हुए यह मान लेना कि मशीन अपने-आप machine-level expressions को जादू की तरह बना देगी, बड़ी लुटेरी सोच है.
जितनी ज़्यादा constraints हों, उतना ही वह उन्हीं constraints के भीतर अच्छा काम करती है
आजकल लगता है कि अगर किसी प्रस्तुति को वाकई सार्थक बनाना है, तो वह ज़्यादातर AI से जुड़ी टिप्स पर ही केंद्रित होनी चाहिए, लेकिन अफसोस है कि प्रस्तुति का मूल भाव धीरे-धीरे ज़्यादा आसान होता जा रहा है और फीका पड़ता महसूस होता है।
काम डेलीगेट करना कितना मुश्किल होता है, यह मैंने फिर से महसूस किया।
फिर भी, क्या कई maintainer बीच में हट नहीं गए?
हंगुल से जुड़ी सिर्फ़ एक ही किताब आई है, लेकिन अफ़सोस कि Linux kernel में Rust इस्तेमाल करने का तरीका कई बार breaking changes से गुज़रा, इसलिए वह आजकल के kernel के साथ बिल्कुल compatible नहीं है। GitHub वगैरह के ज़रिए अगर इसमें सुधार हो जाए तो बहुत अच्छा होगा।
भले ही AI कोड लिख दे, लेकिन सेवा की ज़िम्मेदारी तो डेवलपर को ही लेनी होगी। जिस कोड को आप खुद समझ नहीं सकते, उसकी ज़िम्मेदारी क्या आप सच में ले पाएंगे?
फिर भी, मुझे लगता है कि कुछ सार्थक measurement criteria ज़रूर होंगे। खासकर, अगर कोई ऐसा व्यक्ति हो जो एक-दूसरे के विपरीत जाने वाले दो metrics, दोनों की जिम्मेदारी ले, तो यह और भी प्रभावी होगा। SRE के नज़रिए से incident count कम हुआ कहकर खुश हुआ जा सकता है, लेकिन उतना ही ज़्यादा सतर्कता बरतने के कारण deployment देर से हो सकता है और feature development धीमा पड़ सकता है। वहीं Dev के नज़रिए से feature development ज़्यादा हुआ कहकर खुश हुआ जा सकता है, लेकिन उसी अनुपात में incidents की संख्या भी बढ़ सकती है।
मुझे लगता है कि p99 latency, response success rate, request per cost, MTTR, incident count जैसे metrics भी ऐसे अच्छे संकेतक हैं जिनका abuse करना आसान नहीं है। (बिलकुल, इनका abuse हो सकता है, लेकिन इन्हें track और manage करने से नुकसान की तुलना में फ़ायदा ज़्यादा होगा...)
तो शायद उस ग्राफ़ के दूषित होने की संभावना काफ़ी ज़्यादा होगी।
Goodhart का नियम: "जिस क्षण कोई मापदंड लक्ष्य बन जाता है, वह मापदंड फिर अच्छा मापदंड नहीं रहता"
मैं आम तौर पर सोचता था कि performance को percentage में दिखाना बेकार है, और लगता है यह लेख मेरी उस सोच को पूरा करता है.
"बिक्री में 5 प्रतिशत वृद्धि में योगदान" कहने के बजाय, मुझे लगता है यह बताना चाहिए कि किस अवधि में कितना बढ़ाया, और अपने योगदान से पहले की तुलना में वह कितनी अधिक steep हुई.
:+1:
बहुत ही बढ़िया सामग्री है।
???: यह सफेद है.
ऐसे देखने पर सारे रंग सुंदर लगते हैं।
हाहाहाहाहा
मुझे भी यह उचित लगता है कि कंपनियाँ बाज़ार से जितना लाभ कमाती हैं, उतना ही बाज़ार में योगदान दें, और तकनीक की प्रगति से जिस समाज ने ऐसी प्रगति संभव बनाई है, उसके प्रति भी योगदान करें.
मेरा मानना है कि जनरेटिव AI की बुनियादी रूपरेखा पहले से ही सार्वजनिक है, और जिन हिस्सों को OpenAI सार्वजनिक नहीं करता, वे कंपनी के trade secret के दायरे में आते हैं. कंपनियों या तकनीक का समाज को फिर से योगदान देना ऊपर से देखने पर आभार की अभिव्यक्ति और सह-अस्तित्व का संदेश लगता है, लेकिन व्यवहार में मैं इसे कंपनी की टिकाऊ वृद्धि के लिए बाज़ार में किया गया पुनर्निवेश मानता हूँ. इस दृष्टि से देखें तो AI कंपनियों के लिए यह अधिक उचित होगा कि वे अपनी कमाई से शिक्षा या सामाजिक इन्फ्रास्ट्रक्चर में योगदान दें; यह कहना कि कंपनी के पास मौजूद लगभग संपत्ति जैसे AI की पूरी प्रतिलिपि ही सार्वजनिक कर दी जाए, क्या ऐसा नहीं है जैसे सोने के अंडे देने वाली हंस के सोने के अंडों के लाभ को नज़रअंदाज़ करके उसका पेट चीरने की माँग करना? सोने के अंडे तो लगातार मिलते रहेंगे. उन्हें बाँट लिया जाए, लेकिन अगर हंस ही बाहर निकालने को कहा जाए, तो फिर उसे पालने की प्रेरणा किसे होगी, यही सवाल है.
AI कैसे काम करता है, यह तो पहले से ही विद्युतचुंबकत्व की तरह ज्ञात है. स्मार्टफोन में केवल विद्युतचुंबकत्व का बुनियादी ज्ञान ही नहीं, बल्कि ऐसी तकनीकें भी शामिल होती हैं जो हर कंपनी के ऐसे trade secret हैं जिन्हें वे उजागर नहीं कर सकतीं. इस पहलू का सम्मान किए बिना जनरेटिव AI को जैसे कोई witch-hunt चल रही हो, वैसे बुरा ठहराया जाना मुझे समझ नहीं आता.
जिन लोगों ने reply में जवाब दिए, उनकी बातों की वजह से मैंने बहुत कुछ खोजा और बहुत कुछ सोचा. धन्यवाद.
धन्यवाद :)