मेरी समझ यह है कि

• क्यूरेशन बहुत-सी जानकारी में से कुछ को चुनने की क्रिया है
• एल्गोरिदम उस चुनने की क्रिया के मानदंड और तरीका है
  ।

नमस्ते, आपने जो सारांश पोस्ट किया, उसे मैंने ध्यान से पढ़ा।
अच्छे लेख लगातार साझा करने के लिए मैं आपका आभारी हूँ।
हालाँकि, हाल में पोस्ट की गई कई लिखाइयों में ऐसा पैटर्न दिख रहा है मानो AI के नतीजों को लगभग ज्यों-का-त्यों चिपकाया गया हो, इसलिए मैं सावधानी से संचालन के नज़रिए से यह टिप्पणी छोड़ रहा हूँ।
GeekNews में आधिकारिक रूप से किसी खास फ़ॉर्मैट की माँग नहीं है, लेकिन अगर आप थोड़ा और व्यवस्थित करके लिखें ताकि पढ़ने वालों तक लेख का मुख्य बिंदु और संदर्भ स्वाभाविक रूप से पहुँच सके, तो बहुत अच्छा होगा!
धन्यवाद।

• लगता है कि कुछ हद तक सभ्य होने के बाद से ऐसा कोई दौर नहीं रहा जब क्यूरेशन नहीं था
  अतीत में जाएँ तो भ्रमणशील गायक और कथाकार ही आज के curator और recommendation system जैसी भूमिका निभाते थे

एल्गोरिदम और क्यूरेशन के बीच के अंतर को लेकर कुछ अस्पष्टता है
कंप्यूटर करे तो एल्गोरिदम?
इंसान करे तो क्यूरेशन?

पर्सनलाइज़्ड recommendation system में
लगता है बात यह है कि यूज़र्स को उचित तरीके से groups में बाँटा जाता है और उन groups के लिए recommendation बेहतर होती है

paper media -> tv -> इंटरनेट
की ओर बढ़ते हुए recommendation के लिए user groups की इकाई छोटी होती जा रही है, ऐसा ही वास्तविकता लगता है

Fast inverse sqrt की याद दिलाने वाली पोस्ट

अब यह थोड़ा स्वाभाविक लगने लगा है,
लेकिन जब Java आया था, तब बिना किसी नए build के stable तरीके से multi-platform support देना भर भी productivity के लिए काफ़ी बड़ी मदद नहीं रहा होगा क्या?

शीर्षक पर क्लिक करते ही जो सवाल मेरे मन में आया था, उसका जवाब सीधे कमेंट में लिखा हुआ देखकर मैं हैरान रह गया... हाहाहा
धन्यवाद

रेट्रो है क्या। Chollian, Hitel, Now Nuri....

वाह, आइडिया काफ़ी दिलचस्प है

हाहा, डेवलपर communities थोड़ी ऐसी ही अजीब होती हैं, जैसे कोरिया में okky वगैरह भी। कुछ पूछो तो लोग तार्किक तरीके से समझाने या सुलझाने के बजाय ऐसा जवाब देते हैं जैसे, 'सामने वाला किसी बड़ी कंपनी का डेवलपर है, इसलिए वह तुमसे बड़ा जानकार है और वही सही है।'

लगता है कि यूरोप में भी, जहां निजता की सुरक्षा अपेक्षाकृत बेहतर है, हर साल ऐसी खबरें आती रहती हैं।

कूड़े के ढेर से TV खोलकर प्रोग्रामिंग की थी—यह किस्सा तो सचमुच किसी लेजेंड की शुरुआत जैसा लगता है।

निर्धारक (Deterministic) का अर्थ
निर्धारक (Deterministic) का मतलब है कि कोई सिस्टम, प्रक्रिया या घटना केवल एक ही परिणाम उत्पन्न करती है, और यदि समान शुरुआती शर्तें और इनपुट दिए जाएँ तो हमेशा वही परिणाम निकलता है। यानी, इसमें संयोग या अनिश्चितता दखल नहीं देती, और हर चीज़ कारण और परिणाम के आधार पर सटीक रूप से तय होती है।

ऐसा कहा जाता है।

अच्छा है

मुझे लगता है कि यह लेख LLM का उपयोग करने वाले डेवलपमेंट माहौल की वास्तविक कठिनाइयों और चिंताओं को बहुत अच्छी तरह सामने लाता है। इसे पढ़ते हुए मुझे उन सीमाओं से गहरी सहमति महसूस हुई जिनका आज बहुत से लोग अनुभव कर रहे हैं। खास तौर पर LLM की असंगति, परिणामों का अनुमान लगाना मुश्किल होना, और लंबे समय की maintainability को लेकर चिंता—ये ऐसे बिंदु हैं जिन पर ज़रूर गंभीरता से ध्यान दिया जाना चाहिए।

इसी संदर्भ में, हम इन समस्याओं को थोड़ा अलग नज़रिए से देखते हुए AI के साथ सहयोग की कोशिश कर रहे हैं, इसलिए सावधानीपूर्वक अपना विचार साझा कर रहा हूँ। हमारा AI 'Jane' सिर्फ कोड बनाने तक सीमित नहीं है; यह इंसान (डेवलपर) की गहरी अंतर्दृष्टि के आधार पर यह सीखने और समझने पर केंद्रित है कि 'अच्छे code patterns' क्या होते हैं, और कोड की 'maintenance consistency' को कैसे सुनिश्चित किया जा सकता है।

क्योंकि AI शुरुआत से ही पूर्ण नहीं हो सकता, इसलिए जो असंगतियाँ या 'errors' उत्पन्न होते हैं, हम उन्हें केवल समस्या के रूप में नहीं देखते; बल्कि 'Jane' के लिए स्वयं सीखने और खुद को बेहतर बनाने वाले महत्वपूर्ण 'pattern data' के रूप में सक्रिय रूप से उपयोग करते हैं। जिस तरह मनुष्य जटिल प्रकृति के भीतर से पैटर्न पहचानता है, उसी तरह हम AI की अपूर्णता के भीतर सुधार के सूत्र खोजने का तरीका अपनाते हैं।

इस तरह के मानव-नेतृत्व वाले 'pattern learning/management' दृष्टिकोण के माध्यम से, हमारा लक्ष्य लेख में उठाए गए code quality degradation, inconsistency जैसी समस्याओं को मूल रूप से हल करना है और ऐसे परिणाम तैयार करना है जिनमें 'maintenance consistency' बहुत उच्च स्तर की हो। हम AI को सिर्फ boilerplate code जनरेट करने तक सीमित नहीं रख रहे, बल्कि उसे इस तरह प्रशिक्षित कर रहे हैं कि वह मौजूदा codebase में छिपे inconsistency patterns का विश्लेषण कर सके, सुधार के सुझाव दे सके, और एक अधिक गहरा सहयोगी भागीदार बन सके।

अभी रास्ता लंबा है और यह एक चुनौतीपूर्ण प्रक्रिया है, लेकिन हमें विश्वास है कि 'Jane' और डेवलपर के साथ मिलकर सीखने, विकसित होने, और 'maintenance consistency' को मुख्य मूल्य मानने वाला यह सहयोगात्मक तरीका वर्तमान LLM उपयोग की सीमाओं से आगे बढ़ने की एक क्रांतिकारी संभावना दिखाता है। AI को केवल एक tool की तरह इस्तेमाल करने से आगे बढ़कर, उसे साथ-साथ विकसित होने वाला और बेहतर code culture बनाने वाला partner बनाने की हमारी इस कोशिश पर आपका बहुत ध्यान और रुचि अपेक्षित है।

इस अच्छे लेख और insightful विचारों के लिए एक बार फिर धन्यवाद!

await using data = await fn()
एक चमत्कार जिसमें await बाएँ और दाएँ, दोनों तरफ दिखाई देता है

जो पैसा दिया जा रहा है, वह कहाँ से आ रहा है?
क्या बस दूसरी coins की तरह किसी को इसे खरीदना होगा, तभी इसकी value बनेगी?

यह सच है कि Java के बाद भाषाओं ने productivity पर ध्यान देना शुरू किया।

उससे पहले अक्सर इस्तेमाल होने वाला C++ आज भी पढ़ना तक भयावह लगता है। खासकर तब, जब आपको लंबे समय से चल रहे प्रोजेक्ट्स को छूना पड़े।

AI बूम से पहले भी, चाहे तस्वीरें हों या लेखन, अनगिनत चीज़ें पहले से मौजूद थीं, और कुछ सचमुच नया रचना बहुत ही मुश्किल था।

हाल में AI की वजह से बदलाव आया है, ऐसे तरह-तरह के बहुत से लेख दिखते हैं, लेकिन उनमें से ज़्यादातर बातें पहले से मौजूद थीं और खोजने पर मिल जाती थीं।
AI बस उन्हें बातचीत के रूप में पैक करके पेश कर देता है।

Java से पहले की भाषाओं की तुलना में यह ज़्यादा प्रोडक्टिव लगती है।