भविष्य की तकनीक 'AI' नहीं, 'फोकस' है

 (carette.xyz)
12 पॉइंट द्वारा GN⁺ 2025-04-22 | 1 टिप्पणियां | WhatsApp पर शेयर करें
  • LLM दोहराए जाने वाले कामों के automation और brainstorming आदि में उपयोगी हैं, लेकिन अंधाधुंध निर्भरता समस्या-समाधान क्षमता में गिरावट ला सकती है
  • खासकर नई समस्याओं के मामले में LLM की विश्वसनीयता कम होती है, इसलिए मानव इंजीनियर का निर्णय महत्वपूर्ण है
  • Google जैसे search engine exploration और exploitation के बीच संतुलन देते हैं, लेकिन LLM तुरंत सिर्फ ‘exploitation’ की ओर धकेलते हैं
  • जल्दी जवाब पर ही निर्भर रहने की आदत मूलभूत समस्या-समाधान क्षमता और फोकस (focus) के क्षय का कारण बनती है
  • भविष्य की मुख्य क्षमता AI का उपयोग करना नहीं, बल्कि गहरी सोच और फोकस जैसी मनुष्य की विशिष्ट क्षमताएँ होंगी

LLM शक्तिशाली हैं, लेकिन सावधानी से इस्तेमाल किए जाने चाहिए

  • LLM दोहराए जाने वाले कामों को automate करने, code लिखने या debugging में मदद करने जैसे कामों में बहुत उपयोगी हैं
  • लेकिन bias, inconsistency और hallucination जैसी समस्याओं के कारण इनके output की हमेशा समीक्षा करना ज़रूरी है
  • खासकर training data में पुराने सवालों के जवाब हो सकते हैं, लेकिन वास्तव में नई समस्याओं से निपटने की क्षमता कम होती है
  • नतीजतन, अगर इंजीनियर LLM पर निर्भर हो जाएँ, तो उनकी अपनी समस्या-समाधान क्षमता कमजोर पड़ सकती है

बिना आलोचनात्मक सोच के स्वीकार करने का खतरा

  • अगर LLM द्वारा दिए गए जवाब को समझे बिना ही स्वीकार कर लिया जाए, तो समस्या हल करने से ज़्यादा जवाब पाने पर ध्यान केंद्रित होने लगता है
  • जटिल समस्या-समाधान के लिए आखिरकार बुनियादी क्षमता और सोचने की शक्ति का संचय ज़रूरी होता है, और LLM इसका विकल्प नहीं बन सकते
  • महत्वपूर्ण सिर्फ परिणाम नहीं, बल्कि यह समझना और सोचना है कि समाधान इस तरह क्यों निकला

search engine और LLM के बीच महत्वपूर्ण अंतर

  • search engine exploration और exploitation के लिए संतुलित दृष्टिकोण संभव बनाते हैं
  • दूसरी ओर, LLM शुरुआत से ही सीधा जवाब देने की कोशिश करते हैं, और उपयोगकर्ता इन्हें बिना सत्यापन के इस्तेमाल करने की प्रवृत्ति रखते हैं
  • ऐसी व्यवस्था जिसमें exploration नहीं और सिर्फ exploitation हो, वह अस्थिरता और निर्भरता बढ़ाती है

computer science का मूल उद्देश्य: इंसानों को समस्या-समाधान पर ध्यान देने में मदद करने वाला उपकरण

  • इंसानों ने बार-बार होने वाले काम कम करने के लिए औज़ार बनाए हैं, और algorithm पर नियंत्रण इंसानों के पास था
  • लेकिन अब जल्दी परिणाम देने के दबाव के कारण फोकस और सोचने की क्षमता का अभ्यास करने के अवसर कम हो रहे हैं
  • यह प्रवाह अंततः मानव की रचनात्मकता और गहरी सोच को कमजोर कर सकता है

भविष्य के लिए असली skill: फोकस (Focus)

  • जैसे-जैसे तकनीक आगे बढ़ेगी, मनुष्य की विशिष्ट सोचने की क्षमता और फोकस और भी महत्वपूर्ण होंगे
  • AI की performance से ज़्यादा महत्वपूर्ण है जटिल समस्याओं को पहचानने और हल करने की मानव क्षमता
  • LLM इस्तेमाल करने की क्षमता नहीं, बल्कि फोकस और मूल बातों को समझने की क्षमता भविष्य की मुख्य skill बनने की अधिक संभावना रखती है

संबंधित पढ़ाई

1 टिप्पणियां

 
GN⁺ 2025-04-22
Hacker News की राय

  • नए छात्रों का फोकस खो देना आम बात है। सिर्फ LLMs ही नहीं, लगभग हर app और startup यूज़र के सीमित attention को खींचने के लिए प्रतिस्पर्धा कर रहे हैं

    • LLMs ने वह बाधा हटा दी है जिसमें छात्रों को जवाब खोजने के लिए मेहनत करनी पड़ती थी। तेज जवाबों की आदत लगना आसान है, और यह भूल जाना भी कि कोई चीज़ क्यों काम करती है
    • लेकिन सही तरीके से अपनाया जाए तो LLMs खोजबीन को support कर सकते हैं। ऐसे पल देखे गए हैं जब छात्र पहले जवाब का प्रतिवाद करते हैं और उससे गहरी समझ तक पहुँचते हैं
    • असली जोखिम tool नहीं है, बल्कि उसे सोच-समझकर इस्तेमाल करने का तरीका भूल जाना है

  • Gunbound में aimbot इस्तेमाल करने से खिलाड़ी बेहतर नहीं हुए। उसने game ecosystem को बर्बाद कर दिया

    • पता नहीं इंसानियत "literacy aimbot" का जिम्मेदारी से इस्तेमाल कर पाएगी या नहीं
    • ABS ने फिसलन वाली परिस्थितियों में ब्रेक लगाना आसान और सुरक्षित बनाया। लोगों ने बेहतर braking सीखना नहीं सीखा, और वे अब भी सोचते रहे कि pedal को ज़्यादा ज़ोर से दबाने से गाड़ी जल्दी रुकेगी
    • कई लोगों को focus की ज़रूरत होती है। कुछ को नहीं होती, और उन्हें scale करना चाहिए। कुछ systems को aimbot चाहिए, कुछ को नहीं
    • भविष्य ऐसा होगा जहाँ हर तरह की तकनीक साथ-साथ मौजूद रहेगी

  • search engine खोजबीन (results list और pages में घूमना) और exploitation (top result पर क्लिक करना) के बीच अच्छा विकल्प देते हैं

    • LLMs यह विकल्प नहीं देते
    • LLMs exploration के लिए बहुत उपयोगी हैं। वे जटिल समस्याएँ सुलझाने और ideas को refine करने में मदद करते हैं। वे ऐसा feedback loop भी बना सकते हैं जो इंसानी partner के साथ भी कठिन होता है

  • आजकल फोकस कर पाना एक privilege जैसा लगता है

    • 90s में बिना रुकावट हफ्तों तक काम किया जा सकता था। आजकल हमेशा ऐसे managers होते हैं जिन्हें updates या planning चाहिए होती है
    • असली काम बातचीत के पीछे धकेल दिया जाता है

  • जानकारी से भरी दुनिया में, जानकारी की अधिकता किसी और चीज़ की कमी का मतलब होती है। जानकारी प्राप्त करने वाले का attention खाती है

    • जानकारी की प्रचुरता attention की गरीबी पैदा करती है, और इसे कुशलता से बाँटने की ज़रूरत होती है

  • focus का उल्टा reactivity है। SO पर post करने से सटीक जवाब मिल सकता है, लेकिन सही सवाल लिखने और जवाब का इंतज़ार करने का धैर्य चाहिए

    • LLM तुरंत गलत बात भी बता सकता है। यह reactive है
    • एक बेहतरीन engineer को teammates, managers, customers और business के प्रति responsive होना पड़ता है। साथ ही उसे focus के लिए समय भी निकालना पड़ता है
    • Covid के बाद, जो लोग asynchronous नहीं थे और remote नहीं थे, वे भी सब online हो गए, जिससे बड़ा cultural shift आया
    • reactivity को मापना आसान है, लेकिन quality और growth को मापना कठिन है

  • LLMs इस्तेमाल करते समय focus खो जाता है

    • copy-paste, copy-paste। समाधान की असली समझ नहीं बनती
    • शायद ज़्यादा काम किया जा सकता है, लेकिन मज़ा नहीं आता। अब Google पर लौटना भी संभव नहीं लगता
    • काश यह आविष्कार हुआ ही न होता

  • यह focus का एक अलग प्रकार होगा

    • अक्सर यह अनुमान लगाया जाता है कि तकनीक उन क्षमताओं को कम कर देगी जिन्हें पहले महत्वपूर्ण माना जाता था
    • calculator ने बच्चों को हाथ से arithmetic करने की ज़रूरत से मुक्त कर दिया। लेकिन नतीजों की व्याख्या करने की skill अब भी ज़रूरी है
    • search engine ने लोगों को कुछ ही सेकंड में जवाब ढूँढने लायक बना दिया। लेकिन अब भी यह जानना ज़रूरी है कि क्या खोजना है, और जो मिला है उसका इस्तेमाल कैसे करना है

  • 10 साल पहले ऐसे experts थे जो कहते थे कि smartphone और social media सब कुछ बदल देंगे। उन्हें समझदारी से इस्तेमाल करना सीखना होगा

  • मैं इस बात से सहमत नहीं हूँ कि LLM क्रांति को 90s के Google जैसे search engine के उभार के बराबर माना जाए

    • LLMs त्वरित exploitation को बढ़ावा देते हैं। यूज़र तब exploration कर सकते हैं जब पहला solution काम न करे
    • LLM के ज़्यादातर इस्तेमाल वास्तव में search engine जैसे ही हैं। जैसे मौजूदा design decisions समझाना, ज़रूरत के मुताबिक library खोजना, या संबंधित queries बनाना