Whatever का उभार

• पर्सनल वेब, क्रिप्टोकरेंसी, विज्ञापन प्लेटफ़ॉर्म और generative AI को जोड़ने वाली साझा बात Whatever culture है, जो वास्तविक मूल्य से ज़्यादा price graph, ad impressions और सुनने में ठीक लगने वाले outputs को आगे रखती है
• Bitcoin से उम्मीद थी कि यह बिचौलियों के बिना पैसा भेजने का माध्यम बनेगा, लेकिन रोज़मर्रा के payments की जगह यह speculative ecosystem और कॉपी किए जा सकने वाले coins व NFTs तक फैल गया
• वेब व्यक्तिगत sites की विविधता से हटकर बड़े platforms-केंद्रित ढांचे में चला गया, और ad revenue model ने engagement maximization, clickbait, SEO filler और recommendation algorithms को धक्का दिया
• LLM की आलोचना Star Trek-जैसे computer के बजाय “सुनने में ठीक लगने वाला text” निकालने वाली Whatever machine के रूप में होती है, और search, video व weather apps में AI summaries असली जानकारी को हटाकर noise बन जाती हैं
• Programming, music, images और writing में अगर एक button से output मिलना baseline बन जाए, तो सीखने और खुद बनाने की क्रिया का मूल्य घटता है; इसलिए अंतिम संदेश Do things. Make things. रह जाता है

---

PayPal की सीमाएं और Bitcoin से लगाई गई उम्मीदें

• 2000 के दशक में अमेरिका में किसी भी व्यक्ति को इंटरनेट से पैसे भेजने का व्यावहारिक विकल्प लगभग सिर्फ PayPal था
  • PayPal बैंक नहीं था, फिर भी पैसा रखता था, और अगर उसे नियमों का उल्लंघन लगा तो account lock करके पैसा 6 महीने तक रोक सकता था
  • लेखक commissions या छोटे व्यक्तिगत sellers के लिए PayPal लगभग अकेला intermediary था, और वह यह भी सीमित करने की स्थिति में था कि क्या बेचा जा सकता है
• 2010 के आसपास Bitcoin बिना intermediary के पैसा भेजने का नया तरीका लगता था
  • websites के tip jar, browser के भीतर छोटे tips जैसी संभावनाओं की उम्मीद थी
  • लेखक ने खुद miner लगभग एक दिन चलाया, लेकिन coin mine नहीं कर पाया, और उस समय आगे कुछ करने को न होने के कारण Bitcoin को भूल गया

मुद्रा नहीं, graph बन चुकी cryptocurrency

• Bitcoin के आम तौर पर मशहूर होने के बाद भी “किसी को भी आसानी से पैसा भेजने” की उम्मीद पूरी नहीं हुई
  • हाल में Bitcoin से वास्तविक चीज़ें खरीदी जा सकती हैं—ऐसे उदाहरण के तौर पर सिर्फ gray market estradiol जैसा मामला सुना
  • किसी भी व्यक्ति को पैसा भेजने का सबसे नया साधन अब भी PayPal है, और Stripe भी जुड़ गया है, लेकिन Stripe भी पाबंदियां लगाता है
  • Patreon, Itch और Ko-fi Stripe व PayPal पर निर्भर हैं
• Cryptocurrency मुद्रा से ज़्यादा get-rich-quick ecosystem में बदल गई
  • कई participants को विषय से ज़्यादा इसमें दिलचस्पी है कि “graph ऊपर जाएगा तो अमीर बनेंगे”
  • Coins, NFTs और अन्य Whatever सभी time axis और dollar axis वाला graph साझा करते हैं, और वास्तविक चीज़ सिर्फ title में बचती है
• Bitcoin open source है, इसलिए कोई भी उसे copy करके अपना coin बना सकता है, और NFT “collectibles” कहलाने वाला Whatever परिवार बना सकते हैं
  • अहम बात art, technology और token के जुड़ने का तरीका नहीं, बल्कि यह है कि क्या आप दूसरों को खरीदने के लिए मना सकते हैं
  • माना जाता है कि इसी structure ने Twitter पर ढेरों scammers द्वारा एक-दूसरे से मिलते-जुलते Whatever बेचने का माहौल बनाया

Personal web से ad platform बनकर जम गया web

• Web ऐसा बड़ा bulletin board जैसा स्थान था जहां कोई भी कुछ भी डाल सकता था, और पहले ISP personal websites भी देते थे
  • आज भी GitHub जैसी जगहों पर छोटी websites host की जा सकती हैं
  • पुराने web में लोगों द्वारा बनाई गई छोटी sites, रंगीन designs, Twitter profile background images जैसी विविधता थी
• Personal websites ज़्यादा हों तो updates track करना मुश्किल होता है, replies भेजना मुश्किल होता है, और खुद site बनाने के लिए सीखना पड़ता है
  • Web Reddit या Twitter जैसे giant platforms के आसपास सिमट गया
  • बड़े platforms करोड़ों-लाखों लोगों के scale पर interactions देते हैं, इसलिए hosting cost बढ़ जाती है
• Ads website चलाने का खर्च निकालने का पारंपरिक तरीका थे, और platforms अधिक ad impressions के लिए engagement को सर्वोच्च प्राथमिकता देने लगे
  • Structure ऐसा है कि user दुखी हो तो भी रुका रहे तो ठीक है, और ad परेशान करे तो भी बस दिखना चाहिए
  • इस model की आलोचना है कि यह phone software, videos और Windows तक फैल गया

“Content” और ads के आसपास का Whatever

• रचनात्मक काम को “content” कहने पर कड़ी आपत्ति जताई गई
  • “content” शब्द layout design करते समय उस page material के लिए इस्तेमाल होता है जिसमें अभी क्या आएगा पता नहीं, या car trunk में पड़े सामान के लिए
  • Marketers के लिए content वह है जो ads के आसपास रखा जाता है
• Ad-centered model ने clickbait, बढ़ा-चढ़ाकर बनाए गए thumbnails, लाल arrows, Wikipedia पढ़कर सुनाने वाले video essays, recommendation algorithms, लंबी recipe blogs और SEO के लिए game walkthrough posts पैदा किए
  • Game site का उदाहरण आता है जो “blue key नदी किनारे चट्टान के नीचे है” जैसी जानकारी को लंबा खींचकर ads के बीच paragraphs बढ़ाती है
  • TikTok-style never-ending stream भी उसी प्रवाह में रखी गई है
• पहले एक get-rich-quick तरीका था: generic WordPress theme और Google ads लगाना, थोड़े अस्पष्ट विषयों पर नीरस लेख बनाना और search traffic से ad views कमाना
  • अब ऐसा generic filler भी computer लिख सकता है

LLM पर मुख्य आलोचना: सुनने में ठीक लगने वाला noise

• मूल्यांकन यह है कि अगर 2025 में Star Trek computer जैसी चीज़ मिली होती तो खुशी होती, लेकिन वास्तव में sparkling autocomplete के करीब chatbot मिला
  • LLM मूल रूप से वह काम नहीं कर पाते जिसका दावा investors और उत्साही समर्थक करते हैं, और उन पर आरोप है कि वे statistically plausible text जोड़ते हैं
  • हर नई progress पर Ph.D-level होने का प्रचार आता है, लेकिन output अब भी banal sludge जैसा दिखता है
• Google products में आए LLM output को experience खराब करने के उदाहरण के रूप में लिया गया
  • Google Search का AI summary desktop screen की ऊंचाई का एक-तिहाई हिस्सा घेरता है, और top search result के highlight को दोहराता है या गलत बातें देता है
  • YouTube का AI summary video title को और ज़्यादा शब्दों में दोहराता है
  • Pixel weather app का AI summary “इस हफ्ते गर्मी बढ़ेगी” जैसी बात दिखाता है और temperature graph को screen पर नीचे धकेल देता है
• हाल के Pixel phone में System > Apps > Show all apps > तीन-dot menu के “Show system” > “AICore” को खोजकर disable करने से ऐसे outputs बंद किए जा सकते हैं
  • यह भी जोड़ा गया कि Android 16 में संबंधित elements integrate किए गए लगते हैं
  • इसके बाद LLM output जैसी चीज़ नहीं दिखी

Ren’Py मामला: LLM ने अस्तित्वहीन API बना दी

• Ren’Py की समस्या LLM से पूछने पर model ने भरोसे से संबंधित formatting tags सुझाए, लेकिन वे tags कभी मौजूद ही नहीं थे
  • और context देने पर उसने माफी मांगी और फिर नकली tags का दूसरा set बना दिया
  • क्योंकि built-in तरीका नहीं था और पहले के examples भी नहीं थे, इसलिए model ने आधार के बजाय सुनने में ठीक लगने वाली चीज़ बनाई—ऐसा समझा गया
• यह failure सवाल का जवाब न दे पाने से भी बदतर था
  • यह जांचने में समय बर्बाद हुआ कि कहीं कोई fake API छूट तो नहीं गई
  • इंसान कह सकता है कि उसे नहीं पता, या कोई जटिल workaround सुझा सकता है, लेकिन LLM ऐसा जवाब बनाता है जो मौजूद हो सकने वाली API जैसा लगता है
• वास्तविक समस्या sentences के बीच दो spaces डालना और Ren’Py से उन्हें render कराना था
  • Ren’Py string parse करते समय whitespace को एक में collapse कर देता है, इसलिए formatting tag से समाधान नहीं हो सकता था
  • आखिरकार parser को monkeypatch करके समाधान किया गया

Copilot मामला: Microsoft द्वारा चुने गए example की खामियां

• दिसंबर 2024 में Visual Studio Code website देखते समय दिखा कि उसका बड़ा हिस्सा LLM code completion service Copilot को समर्पित था
  • Front page example web service call code था, और उसने form data encode नहीं किया था
  • Code ज़रूरत से ज़्यादा लंबा था, और web service certificate 3 साल पहले expire हो चुका था, जिससे HTTPS website पर वह काम नहीं करता था
• बात यह नहीं थी कि latest API form data encoding support नहीं करती, बल्कि Copilot ने उसका इस्तेमाल नहीं किया
  • Copilot का जवाब one-off disposable output था, इसलिए कोई दूसरा “form data encoding भूल गए” कहकर सुधार सके—ऐसा structure नहीं है
  • यह example और भी problematic था क्योंकि यह सबसे लोकप्रिय code editor, Microsoft और latest LLM integration का front-page example था

Programming tool analogy पर आपत्ति

• LLM की तुलना table saw, calculator, screwdriver, digital camera जैसे tools से करने वाले तर्क का विरोध किया गया
  • Table saw तेज़ी से straight line काटने का tool है; वह कभी-कभी wavy line काटने या randomly कोई और काम करने नहीं लगता
  • Calculator arithmetic कर देता है, लेकिन user को पता होना चाहिए कि कौन-सा button दबाना है
• सामान्य tools के exception cases किनारों पर होते हैं, लेकिन LLM के exception cases हर जगह हैं, और same input same model में डालने पर भी समय के साथ output बदल सकता है
  • Tools को adjust या customize किया जा सकता है, लेकिन LLM customization के अधिकतर examples “customer से बात करते जैसे जवाब दो” जैसे paragraph को आगे जोड़ने भर के लगे
  • इसलिए LLM को simple automation नहीं, बल्कि लगभग किसी भी input पर Whatever देने वाली नई तरह की machine माना गया

“बेहतर हो जाए तो?” वाला प्रतिप्रश्न

• “better” से क्या मतलब है, यही साफ नहीं है
  • Presentation slides के छोटे अक्षरों में improvements जैसे “Mississippi” के letters सही गिन लेना शामिल होता है, लेकिन output अब भी crap बताया गया
  • जब जवाब नहीं होता और वह plausible fiction बनाता रहता है, तो उपयोगिता नहीं रहती
• LLM और generative AI से नाराज़गी intellectual property या environmental impact जैसे बड़े मुद्दों से ज़्यादा vibes are bad में संक्षेपित होती है
  • Tone असहनीय है, और झूठ को fallback बनाना अप्रिय लगता है
  • Ads इसे इस तरह promote करते हैं कि birthday card या दूसरे कामों की परवाह किए बिना निकला जा सकता है
  • Funders और promoters पर यह आलोचना है कि वे human input को जितना संभव हो machine से बदलने के विचार से उत्साहित हैं

Music, images और homework में दिखती baseline की समस्या

• किसी ने कहा कि उसने 3.5 घंटे में album और album art बना लिया; इस पर सवाल है कि अगर कोई भी ऐसा कर सकता है तो वह music क्यों सुना जाए
  • Album सुनने में ही 3.5 घंटे का बड़ा हिस्सा लग जाएगा, इसलिए हाथ से कितना काम हुआ—यह सवाल बचता है
  • Computer स्वतंत्र रूप से जो कर सकता है, वह baseline बन जाता है
• Photo-quality image generation सुधारने की कोशिशों पर तीखी नाराज़गी जताई गई
  • पहले से conservative “news” का क्षेत्र है जो केवल झूठ से alternate reality बना देता है; फिर fake photos और videos बनाने की machine देने की वजह क्या है—यह पूछा गया
  • ऐसी functionality को phone camera apps में लाने का भी विरोध किया गया
• Students द्वारा LLM से school pass करने के cases critical thinking ability को लेकर चिंता में बदलते हैं
  • Comments या assignments में “As a large language model…” जैसे निशान रह जाना, इस बात का संकेत माना गया कि उन्होंने अपने नाम से submit किए गए शब्द भी नहीं पढ़े

Enough of Whatever

• Facebook द्वारा अपनी website पर LLM-based fake accounts चलाने का proposal याद किया गया
  • Fake people Whatever के बारे में fake posts बनाते हैं, और users को ज़्यादा ads दिखते हैं—ऐसा structure है
• Switch shop में Midjourney-generated art वाले game देखकर शर्मिंदगी महसूस होने की बात कही गई
  • इस trend को mediocrity का व्यापक उत्सव जैसा बताया गया
• खुद programming करने, लिखने और कुछ बनाकर “मैंने बनाया” महसूस करने की खुशी पर ज़ोर दिया गया
  • अस्पष्ट description डालकर, काफी अच्छा दिखने वाला Whatever मिलने तक refresh करने में कोई खुशी महसूस नहीं होती
• Stable Diffusion “art को democratize करता है”—यह बात गलत मानी गई
  • Art की अनुमति देने वाला कोई King of Art नहीं है, और कोई भी अभी तुरंत drawing कर सकता है, लेकिन सीखने में effort लगता है
  • आलोचना यह है कि computer बिना effort के praise देता है, इसलिए लोग skill सीखने की कठिनाई की शिकायत करते हैं
• जो बेचा जा रहा है वह ऐसी machine है जो सब कुछ कर देने का वादा करती है, और इसे बेचने के लिए “कुछ करने की क्रिया का कोई मूल्य नहीं” वाला विचार बेचना पड़ता है
  • अगर कुछ करने में value है, तो button दबाकर लगभग बिना cost के Whatever पाने से वह बेहतर काम होना ही चाहिए
  • निष्कर्ष Do things. Make things. है, और अंत अपने बनाए हुए को website पर डालने के अनुरोध से होता है