वह दिन नहीं जब AI इंसानों को हरा देगा, बल्कि वह दिन असली deadline है जब इंसान खुद सोचना बंद कर देंगे

> "आपके पास 18 महीने बचे हैं"

• AI अगले 18 महीनों में सभी नौकरियों की जगह ले लेगा—इस भविष्यवाणी से भी बड़ा संकट है नई मशीनों के सामने इंसानों द्वारा अपनी ही क्षमताओं का क्षय होने देना
• लिखना और पढ़ना गहरे विचार के जुड़वां स्तंभ हैं, लेकिन ChatGPT जैसे generative AI के आने के बाद छात्र लेखन को outsource कर रहे हैं और किताबें पढ़ना छोड़ रहे हैं, जिससे सोचने की क्षमता खुद तेज़ी से कमजोर हो रही है
• अमेरिका का औसत reading score 32 वर्षों में सबसे निचले स्तर पर पहुंच गया है, और elite विश्वविद्यालयों के छात्र भी बिना एक भी किताब पूरी पढ़े दाखिला ले रहे हैं
• लिखना और पढ़ना सिर्फ कौशल नहीं थे, बल्कि मानवीय विचार और ज्ञान को पुनर्संरचित करने के साधन थे; इनका पतन जटिल symbolic logic और systems thinking की क्षमता के खोने का संकेत है
• AI युग में हमारे बच्चों के लिए सबसे ज़रूरी क्षमताएं हैं लंबे और जटिल टेक्स्ट पढ़ने का धैर्य, परस्पर विरोधी विचारों को एक साथ संभालने की क्षमता, और वाक्य-स्तर पर गहन जूझने की आदत—और अब यह एक विकल्प का प्रश्न बन गया है

---

विचार का तनाव-समय (Time Under Tension)

fitness की अवधारणा का विचार पर प्रयोग

• fitness में "तनाव-समय" का मतलब है एक ही वजन के साथ squat को 2 सेकंड में करना या 10 सेकंड में करना
  • दूसरा ज़्यादा कठिन है, लेकिन ज़्यादा मांसपेशियां बनाता है
  • ज़्यादा समय का मतलब ज़्यादा तनाव, ज़्यादा पीड़ा का मतलब ज़्यादा परिणाम
• सोच को भी इसी सिद्धांत से लाभ मिलता है
  • लगभग असंबद्ध या टूटे हुए विचारों के साथ धैर्यपूर्वक बैठे रहने की क्षमता
  • इसी से उन्हें जोड़कर कुछ नया बनाया जा सकता है

निबंध लिखने की प्रक्रिया का उदाहरण

• संपादक Jerusalem Demsas ने इस दावे पर एक निबंध मांगा कि AI 18 महीनों में सभी नौकरियां छीन लेगा
• शुरुआती प्रतिक्रिया: यह भविष्यवाणी बहुत आक्रामक और लगभग निश्चित रूप से गलत लगी, इसलिए कहने को कुछ खास नहीं है ऐसा लगा
• लेकिन prompt के साथ बैठे रहने पर कई puzzle pieces आपस में जुड़ने लगे:
  • Financial Times निबंध - Have humans passed peak brain power?
  • The Atlantic लेख - The Elite College Students Who Can’t Read Books
  • National Assessment of Educational Progress अध्ययन
  • Walter Ong की किताब - Orality and Literacy: The Technologizing of the Word
  • gym में eccentric pull-up करते समय विचार आया और framework की रूपरेखा साफ हुई

मूल समस्या की पुनर्परिभाषा

• अगले 18 महीनों की समस्या यह नहीं है कि AI सभी कामगारों को निकाल देगा या छात्र गैर-मानवीय एजेंटों से प्रतिस्पर्धा में हार जाएंगे
• असली सवाल यह है कि क्या हम नई मशीनों के सामने अपनी ही क्षमताओं को कमज़ोर होने देंगे
• हम इस बात पर इतने केंद्रित हैं कि तकनीक हमें कैसे पीछे छोड़ देगी, कि हम उन अनेक तरीकों को नज़रअंदाज़ कर रहे हैं जिनसे हम खुद को अक्षम बना सकते हैं

18 महीनों की चेतावनी

• AI नेताओं की भविष्यवाणियां

  • कई प्रमुख AI executives और विचारकों का संदेश: 2027 की गर्मियों तक ही इंसान AI पर बढ़त बनाए रख पाएंगे
  • अनुमान है कि AI की क्षमताओं का विस्फोट carbon-based life को पीछे छोड़ देगा
  • अधिकतम "सभी entry-level white-collar नौकरियों में से आधी" के खत्म होने की भविष्यवाणी
  • Nobel-स्तर के दिमाग भी इस बात से डर सकते हैं कि AI डिजाइनर "data center के भीतर प्रतिभाओं का एक देश" बना देंगे

• माता-पिता की चिंता

  • पिछले कुछ महीनों में माता-पिता से सबसे अधिक मिला सवाल: "अगर AI हर चीज़ में हमसे बेहतर होने वाला है, तो हमारे बच्चों को क्या करना चाहिए?"
  • अगर generative AI programmers, radiologists और mathematicians से coding, diagnosis और problem-solving बेहतर कर सके
  • तो computer science, medicine और mathematics जैसे पारंपरिक रूप से "safe" माने जाने वाले विषय भी सुरक्षित नहीं रहेंगे

• वास्तविकता पर दोबारा नज़र

  • भविष्य की भविष्यवाणी करने से ज़्यादा महत्वपूर्ण है उस वास्तविकता को समझना जो पहले से मौजूद है
  • यह नहीं पता कि AI किसी काल्पनिक तारीख़ पर कामगारों को बेकार बना देगा या नहीं
  • लेकिन तकनीक अभी इसी समय हमारी गहरी सोचने की क्षमता को किस तरह प्रभावित कर रही है, यह पहले से दिख रहा है
  • लेखक को सोचने वाली मशीनों के उदय से ज़्यादा सोचने वाले इंसानों के पतन की चिंता है

लेखन का अंत, पढ़ने का अंत

• AI के सहारे cheating का फैलाव

  • मार्च 2025 में New York Magazine की cover story: हर कोई स्कूल में AI का इस्तेमाल cheating के लिए कर रहा है
  • बड़े language models ने हाई स्कूल और कॉलेज के छात्रों के लिए किसी भी विषय पर तुरंत निबंध बनाना संभव कर दिया है
  • छात्रों की वास्तविक लेखन क्षमता का आकलन करने में शिक्षक अस्तित्वगत संकट का सामना कर रहे हैं
  • एक छात्र: "इस बिंदु पर कॉलेज इस बारे में है कि मैं ChatGPT का कितनी अच्छी तरह उपयोग कर सकता हूँ"
  • एक प्रोफेसर: "बड़ी संख्या में छात्र मूलतः निरक्षर रहते हुए डिग्री लेकर नौकरी की दुनिया में प्रवेश करेंगे"

• लेखन स्वयं विचार है

  • लेखन के पतन का महत्व इसलिए है क्योंकि लिखना सोच के बाद होने वाली दूसरी क्रिया नहीं है
  • लिखने की क्रिया स्वयं सोचने की क्रिया है
  • यह बात सिर्फ छात्रों पर नहीं, पेशेवरों पर भी लागू होती है
  • Nature के editorial "Writing is thinking" के अनुसार, "पूरी लेखन प्रक्रिया को LLM को outsource करना" वैज्ञानिकों को उस अहम काम से वंचित करता है जिसमें वे समझते हैं कि उन्होंने क्या खोजा और वह क्यों महत्वपूर्ण है
  • जो लोग AI को लिखने का काम सौंपते हैं, वे पाएंगे कि स्क्रीन पर शब्द भरे हैं, लेकिन मन विचारों से खाली है

• पढ़ने की क्षमता का और भी गंभीर पतन

  • कार्यात्मक निरक्षरता की स्थिति

    • गुमनाम कॉलेज प्रोफेसर Hilarius Bookbinder: "ज़्यादातर छात्र कार्यात्मक रूप से निरक्षर हैं"
    • "यह मज़ाक नहीं है" और न ही अतिशयोक्ति

  • पूरे पश्चिम में गिरावट

    • literacy और numeracy के उपलब्धि स्कोर दशकों में पहली बार पूरे पश्चिमी जगत में गिर रहे हैं
    • Financial Times के पत्रकार John Burn-Murdoch ने सवाल उठाया कि क्या ठीक उसी समय जब इंसान हमारे लिए सोचने वाली मशीनें बना रहे हैं, हम "brain power की चोटी पार कर चुके हैं"
    • अमेरिका का "Nation's Report Card" (NAEP द्वारा प्रकाशित): 2024 में औसत reading score 32 वर्षों में सबसे नीचे
      • यह और भी चिंताजनक है क्योंकि data series सिर्फ 32 साल पहले तक ही जाती है

  • खंडित पढ़ने का सामान्य होना

    • अमेरिकी हमेशा शब्द पढ़ रहे हैं: email, text, social media newsfeed, Netflix subtitles
    • लेकिन ये शब्द ऐसे लेखन-खंडों में रहते हैं जो बड़े टेक्स्ट को समझने के लिए ज़रूरी लगातार एकाग्रता की लगभग मांग ही नहीं करते
    • digital युग के अमेरिकी tweet से लंबी चीज़ों के साथ बैठने या उनमें रुचि रखने में असमर्थ होते जा रहे हैं
    • अवकाश के लिए किताबें पढ़ने की बात कहने वाले अमेरिकियों का अनुपात 2000 के दशक के बाद से लगभग 40% घट गया है

  • elite छात्रों द्वारा किताबों का त्याग

    • The Atlantic की Rose Horowitch की रिपोर्ट: अमेरिका के सबसे elite विश्वविद्यालयों में दाखिला लेने वाले छात्रों ने स्कूल के लिए एक भी किताब पूरी नहीं पढ़ी
    • Georgetown के English department के प्रमुख Daniel Shore: छात्रों को sonnet पर भी ध्यान केंद्रित करने में कठिनाई होती है
    • American Enterprise Institute के education researcher Nat Malkus का सुझाव है कि standardized test के reading section की तैयारी कराने के लिए हाई स्कूलों ने किताबों को टुकड़ों में तोड़ दिया
    • reading skill assessment को optimize करते-करते अमेरिकी शिक्षा प्रणाली ने अनजाने में किताब पढ़ना ही मार डाला

गहरे विचार के जुड़वां स्तंभ

• Cal Newport का दृष्टिकोण

  • Cal Newport: computer science के professor और "Deep Work" सहित कई bestseller के लेखक
  • लिखना और पढ़ना गहरे विचार के जुड़वां स्तंभ हैं
  • आधुनिक अर्थव्यवस्था symbolic logic और systems thinking को महत्व देती है, और गहरा पढ़ना-लिखना इसके लिए सबसे अच्छा अभ्यास है

• AI विचार-क्षमता के खिलाफ़ लड़ाई में उतरा नवीनतम ताकतवर खिलाड़ी है

  • TV के उदय के साथ प्रति व्यक्ति newspaper subscription में गिरावट और मनोरंजन के लिए पढ़ने का धीमा क्षय साथ-साथ चला
  • उसके बाद internet, social media, smartphone और streaming TV आए
  • "पढ़ने और लिखने का one-two punch वह serum है जिसे हमें गहरी symbolic thinking जैसी superpower पाने के लिए लेना पड़ता है" - Newport
  • "इसीलिए मैं लगातार यह चेतावनी देता रहा हूँ कि हमें यह serum लेते रहना चाहिए"

• Walter Ong की अंतर्दृष्टि

  • विद्वान Walter Ong की पुस्तक "Orality and Literacy" का अवलोकन
  • साक्षरता कोई अस्थायी कौशल नहीं है
  • यह मानवीय विचार और ज्ञान को पुनर्संरचित करने का साधन है ताकि जटिल विचारों के लिए जगह बन सके

  • मौखिक बनाम लिखित का अंतर

    • जो लोग पढ़ या लिख नहीं सकते, वे भी कहानियां याद रख सकते हैं
    • लेकिन Newton की "Principia" जैसी चीज़ calculus के सूत्र लिख पाने की क्षमता के बिना पीढ़ियों तक नहीं पहुंच सकती
    • मौखिक बोलियों में आम तौर पर कुछ हज़ार शब्द ही होते हैं
    • इसके विपरीत "standard English के रूप में ज्ञात grapholect में कम से कम 15 लाख शब्द होते हैं" - Ong
    • अगर पढ़ने और लिखने ने मानव मस्तिष्क के logic engine को फिर से wire किया, तो पढ़ने और लिखने का पतन उसी समय हमारी संज्ञानात्मक superpower की wiring खोल रहा है जब क्षितिज पर और भी बड़ी मशीनें दिखाई दे रही हैं

सोचने वाली मशीनों के युग में सीखना

• मूल्यवान मुख्य कार्य

  • यह तो पता नहीं कि किसी खास छात्र को किस क्षेत्र में major करना चाहिए, लेकिन उन्हें किन कार्यों को मूल्य देना चाहिए इस पर गहरा विश्वास है
  • वही कार्य जो अभी क्षीण हो रहे हैं:
    • लंबे और जटिल टेक्स्ट पढ़ने का धैर्य
    • हमारे दिमाग़ में परस्पर विरोधी विचारों को संभालकर रखना और उनके असंगति-तनाव का आनंद लेना
    • लेखन के भीतर वाक्य-स्तर पर कठोर संघर्ष में उतरने की क्षमता
    • ऐसे युग में जब video entertainment पढ़ने की जगह ले रहा है और ChatGPT essay लेखन की, इन चीज़ों को महत्व देना (जो अब एक विकल्प का प्रश्न है)

• स्पष्ट और वर्तमान खतरा

  • जैसे-जैसे AI प्रचुर होगा, गहरी मानवीय सोच दुर्लभ होने का एक स्पष्ट और मौजूदा खतरा है
  • तकनीक हमें पीछे छोड़ेगी या नहीं, उससे भी बड़ा सवाल यह है कि क्या हम खुद अपनी क्षमताओं को क्षीण होने देंगे

निष्कर्ष

• मानवता के भविष्य को खतरा AI की तकनीकी प्रगति स्वयं नहीं, बल्कि अपने दम पर सोचने, गहराई से पढ़ने और खुद लिखने की क्षमता का खोना है
• AI युग में हमें सबसे ज़्यादा जिस चीज़ की ज़रूरत है, वह है गहरी विचार-शक्ति, एकाग्रता और धैर्य

[argo9]

लगता है कि SF की तरह दिमाग में chip के जरिए ज्ञान implant करने का दौर भी जल्द आ जाएगा।

[shakespeares]

जब सच में सोच-विचार करना बंद हो जाने वाला दौर आ जाएगा, तब लोग इम्प्लांट करवाने लगेंगे.. तब शायद वही अंत होगा।

[GN⁺]

Hacker News राय

• मेरा मानना है कि AI ऐसी चीज़ है जो हर व्यक्ति की मौजूदा प्रवृत्तियों को और अधिक मजबूत कर देती है। रिसर्च और सीखने में, और उन कामों में जहाँ दिमाग से ज़्यादा समय दोहराए जाने वाले कामों में खर्च होता है, AI ने बहुत मदद की है। इसलिए मैं उन क्षेत्रों में, जहाँ सच में मानवीय सोच की ज़रूरत होती है, और उन कामों में जिन्हें मैं ज़्यादा पसंद करता हूँ, अधिक समय दे पाया हूँ, और व्यक्तिगत रूप से ऐसा लगता है जैसे मैं जबरदस्त विकास के रॉकेट पर सवार हूँ। लेकिन मैंने कुछ लोगों को सचमुच AI के अपने काम के प्रतिरूप जैसा बनते हुए भी देखा है। वही लोग शिकायत करते हैं कि AI उनकी नौकरी छीन लेगा, लेकिन यह बिल्कुल नहीं समझते कि वे खुद ही अर्थहीन प्रक्रियाओं को दोहराते-दोहराते अपनी नौकरी AI को “सौंप” चुके हैं। लोग यह क्यों नहीं समझते कि वे खुद यह स्थिति पैदा कर रहे हैं, यह अब भी मेरी समझ से बाहर है
  • यह लेख मुख्य रूप से उस युवा पीढ़ी पर है जो अभी ऐसे टूल्स के साथ बड़ी हो रही है और जिनकी आदतें व प्रवृत्तियाँ बन रही हैं। मैंने भी LLM आने से पहले stackoverflow पर खुद खोजकर और ट्रायल-एंड-एरर से प्रोग्रामिंग सीखी थी। इसलिए मुझे ‘शून्य से कुछ बनाने की प्रक्रिया’ के अपने भीतर के मूल्य का एहसास हुआ। लेकिन पश्चिमी संस्कृति ज़्यादातर बाहरी इनामों पर केंद्रित है, इसलिए चिंता है कि अगली पीढ़ी कहीं इस महत्वपूर्ण क्षमता को सीखने का अवसर न खो दे
  • असल समस्या का केंद्र यह है कि बहुत से लोगों में शुरू से ही किसी प्रक्रिया में खास मूल्य जोड़ने की क्षमता नहीं होती। यह “AI” आने से बहुत पहले से चला आ रहा है। समाज में ऐसे बहुत लोग हैं जो सिर्फ बेकार के काम बढ़ाते हैं, गलत कार्य-संस्कृति को ज़िद में बिगाड़ते हैं, या व्यवहार में कुल मिलाकर माइनस साबित होते हैं। शायद AI ऐसे लोगों को और स्पष्ट रूप से सामने ला सकता है, लेकिन समस्या खुद मूल रूप से नहीं बदलती। तो फिर इन लोगों को कहाँ रखा जाए? क्या इंसानियत को नष्ट किए बिना सबको कोई सकारात्मक भूमिका देने का तरीका है? या फिर किस्मत पर छोड़ दिया जाए और उम्मीद की जाए कि कभी न कभी उन्हें कोई ऐसा काम मिल जाए जिसमें वे सच में अच्छे हों? आखिरकार UBI (बेसिक इनकम) और स्वायत्त खोजबीन का विचार इतना बुरा भी नहीं लगता
  • Steve Jobs जिस “कंप्यूटर दिमाग की साइकिल है” वाली बात करते थे, ऐसा लगता है कि वह वादा सच में पूरा हो गया है। लोग बहुत ज़्यादा चिंता करते हैं कि AI की वजह से वे सोचने की क्षमता खो देंगे, लेकिन सच कहें तो अगर आप endless SNS scrolling से अपनी सोचने की शक्ति नहीं खो चुके, तो AI उसे एक झटके में नहीं छीन लेगा। लेकिन समस्या यह है कि बहुत से लोगों ने सच में SNS की वजह से अपनी सोचने की क्षमता खो दी है। लोगों को यह साफ़ समझना चाहिए कि वे अपने दिमाग में क्या भरते हैं, इसका चुनाव उनके हाथ में है। अनगिनत algorithm-recommended content को बिना सोचे-समझे स्क्रॉल करने से पहले यह परखना चाहिए कि वह आपकी मान्यताओं, खरीदारी की आदतों और lifestyle पर असर डाल सकता है
  • वास्तव में बहुत से लोग मूल रूप से अपने पेशे में रुचि ही नहीं रखते। इसका मुख्य कारण यह है कि उन्हें लगता है कि उन्हें उचित प्रतिफल नहीं मिलता। इसलिए अगर वे अपना श्रम AI को सौंप भी दें, तो यह उनकी पहचान पर चोट जैसा महसूस नहीं होता
• AI के उपयोग को लेकर मैं अब तक किसी ठोस निष्कर्ष पर नहीं पहुँचा हूँ। शुरुआत में मेरा रुख कुछ ऐसा था कि “यह बुरी चीज़ है, हम अपनी सोचने की क्षमता outsource कर रहे हैं”, लेकिन अब उल्टा मैंने वाकई बहुत तरह के काम बहुत तेज़ी से सीख लिए हैं। क्या मैं यह सब इस ‘नए सहायक उपकरण’ के बिना भी याद रख पाता? शायद नहीं, लेकिन वैसे भी इसकी वजह से मैं बहुत-सी चीज़ें शुरू ही कर पाया, जो वरना शायद शुरू भी नहीं होतीं
  • मैं AI को शराब जैसी चीज़ मानता हूँ। अति हर चीज़ की बुरी होती है। थोड़ी मात्रा में वह सुकून भी दे सकती है, और मानव इतिहास में प्राचीन स्वच्छता-जोखिमों से निपटने के लिए उसे disinfectant और preservative की तरह भी इस्तेमाल किया गया था। लेकिन कुछ लोगों के लिए यह चिंता से राहत पाने का अस्वस्थ सहारा बन जाती है, और चरम मामलों में लत इतनी गहरी हो सकती है कि उसके बिना जीना ही मुश्किल लगे। AI addiction के सीधे घातक होने की संभावना कम है, लेकिन बात यह है कि कोई उपयोगी टूल भी कभी-कभी गंभीर मानसिक बैसाखी बन सकता है
  • आखिरकार बात इस पर निर्भर करती है कि आप इसका उपयोग कैसे करते हैं। क्या आप सिर्फ जवाब लेकर आगे बढ़ जाते हैं, या जवाब मिलने के बाद यह समझने की कोशिश भी करते हैं कि वह सही क्यों है? मैं खुद Raylib से roguelike-टाइप गेम बना रहा था और शुरुआत में कोशिश की कि reference material या AI के बिना जितना हो सके खुद सीखूँ। field of view की गणना में जब भी दीवार टकराती थी तो गैर-स्वाभाविक नतीजे आते थे, और मैं कई बार अटक गया। आखिर में मैंने copilot से फ़ंक्शन बनवाया, और Bresenham's Line Algorithm सामने आया, जिससे मुझे यह भी समझ आया कि वह क्यों काम करता है। बहुत से लोग शायद यह जानने की जिज्ञासा भी नहीं रखेंगे कि AI का जवाब काम क्यों कर गया, लेकिन मुद्दा AI का उपयोग करना या न करना नहीं, बल्कि यह है कि आप उसे कितनी गहराई से इस्तेमाल करते हैं; उसी हिसाब से आप दिमाग का उपयोग जारी रख सकते हैं
  • हर कोई तुम्हारी तरह औसत नहीं होता
  • सहमत हूँ। काम आगे बढ़ाने की क्षमता बेहतर होने के बाद मैंने कई नई तकनीकों का अनुभव किया है
  • यही समस्या है। AI कुछ लोगों को कुल मिलाकर और मूर्ख बना देगा, कुछ लोगों को और बुद्धिमान, और कुछ के लिए इसका असर क्षेत्र के हिसाब से अच्छा-बुरा दोनों होगा। उस लेख में जो अत्यधिक सामान्यीकरण था, वह निराशाजनक लगा। संदर्भ के लिए मैं अपना Claude विश्लेषण परिणाम साझा कर रहा हूँ। मेरा मानना है कि Claude से लेख का विश्लेषण करके लोग खुद देख सकते हैं कि वे वास्तव में ज़्यादा बुद्धिमान हुए हैं या कम। (अतिरिक्त: Claude prompt में लेखक का gender गलत लिख देना भी शायद इस बात का उदाहरण हो सकता है कि AI का मेरा उपयोग वास्तव में क्या असर डालता है)
• इसका एक पहले से मौजूद उदाहरण यह है कि अब बहुत से लोग रास्ता ढूँढने वाले software के बिना route plan नहीं कर पाते या navigation नहीं कर पाते। real-time जानकारी के आधार पर वैकल्पिक रास्ता मिलना अच्छी बात है, लेकिन अगर आप बार-बार सिर्फ निर्देशों का पालन करते हैं, तो निर्भरता बहुत बढ़ जाती है
  • मैं हमेशा मानता था कि मैं दिशा-बोध में कमजोर नहीं हूँ, लेकिन एक समय मुझे अहसास हुआ कि बिना map के रास्ता ढूँढने की मेरी क्षमता बहुत तेज़ी से कम हो गई है। उसी समय मैंने Human Being: Reclaim 12 Vital Skills We’re Losing to Technology नाम की किताब में navigation वाला अध्याय पढ़ा, इतना झटका लगा कि किताब बंद कर दी और पहले अपनी navigation क्षमता वापस लाने पर काम किया। अब हालत यह है कि सिर्फ नक्शा देखकर मैं शहर में कहीं भी मानसिक रूप से रास्ता बना सकता हूँ। smartphone से रास्ता खोजने वाले दौर से मैं निकल चुका हूँ। अब मुझे डर है कि communication भी संकट में न पड़ जाए, इसलिए उसी किताब का वह अध्याय पढ़ रहा हूँ। तकनीक पर बढ़ती निर्भरता की वजह से बुनियादी क्षमताएँ सचमुच कम होती दिख रही हैं, और यह मान लेना आसान नहीं कि हम बस “ज़्यादा सोचने” की इच्छा से इसकी भरपाई कर लेंगे
  • इसके सामाजिक असर के वास्तविक उदाहरण के रूप में यह NPR लेख है। और यह सीखने के लिए कि ऐसा रवैया कैसे मूल्य और क्षमता को खोखला कर सकता है, नीचे दिया गया Marine Corps लेख भी देखने लायक है
  • मेरे लिए GPS वह वजह बना जिसने मुझे उन जगहों तक जाने लायक बनाया जहाँ जाने की मैं पहले सोच भी नहीं सकता था
  • मुझे नहीं लगता कि navigation app पर निर्भरता कोई बहुत बड़ी समस्या है। ज़्यादातर लोगों के लिए route planning अपने आप में लगभग बेकार कौशल है। ज़रूरत पड़े तो इसे कभी भी आसानी से सीखा जा सकता है
  • तो इसमें बुरा क्या है? अगर निर्भर रहना ठीक है तो रहो। जब मैं छोटा था, कार में हमेशा map book रहती थी, और एक नौकरी में मैं रोज़ 30 मिनट लगाकर 4 घंटे की ड्राइविंग route कागज़ पर बनाता था। पन्नों के बीच जुड़ती सड़कों को खोजने में बहुत समय जाता था, पुरानी हो चुकी map markings और असली intersections अलग होने से भ्रम होता था, और पीछे वाली गाड़ियाँ हॉर्न बजाती थीं। वह सब बेकार की मेहनत और समय की बर्बादी थी। उससे मैं न मज़बूत बना, न ज़्यादा बुद्धिमान, न बेहतर इंसान। जैसे अब paper maps और long division के बिना हम ठीक हैं, वैसे ही यह भी ठीक है
• हाल ही में senior engineer hiring process से गुजरते हुए मैं कौशल में स्पष्ट गिरावट देख रहा हूँ। 80% उम्मीदवार GenAI के बिना junior-level coding तक नहीं कर पाते। जब हम उन्हें असल काम के काफ़ी करीब coding tasks देते हैं, तो वे basic data structure के काम में ही अटक जाते हैं। सिर्फ coding problem की बात है या नहीं, यह देखने के लिए हमने collaboration और idea generation भी परखी, लेकिन LLM पर निर्भरता वहाँ भी उतनी ही गंभीर निकली। यह सचमुच महसूस की जाने वाली वास्तविकता है। और “तो फिर उन्हें LLM इस्तेमाल करने दो” वाले तर्क के जवाब में, हमारा काम ऐसा है जहाँ हम नई technology और API खुद बनाते हैं, इसलिए कई practical स्थितियाँ ऐसी होती हैं जहाँ LLM ठीक से मदद ही नहीं कर पाता। ऐसे में सवाल उठता है कि अगर स्थिति यही है, तो senior को इतनी ऊँची salary क्यों दी जाए
  • सच कहूँ तो मैं भी side projects में vibe coding करते समय AI का बहुत इस्तेमाल करता हूँ। अगर अभी अचानक LLM के बिना coding interview देना पड़े, तो मुझे भी शायद थोड़े adaptation time की ज़रूरत पड़े। फिर भी, कुछ ही दिनों के अभ्यास से मैं जल्दी वापस फॉर्म में आ सकता हूँ, और मुझे भरोसा है कि जल्द ही मैं ज़्यादातर लोगों से बेहतर करूँगा। अगर छिपी हुई क्षमता के बावजूद सिर्फ तत्काल test performance देखकर प्रतिभा को छोड़ दिया जाए, तो नतीजा अफसोसजनक हो सकता है
  • आपने पूछा कि senior को पैसे क्यों दिए जाएँ; आज के समय में AI से सही ढंग से संवाद करना ही senior की एक अलग पहचान वाली skill है। यह समस्या-क्षेत्र को सही तरह से समझने और बहुत-से trial and error से गुजरने के बाद ही सीखी जा सकती है
  • title inflation कंपनी तक भी पहुँच चुकी है। कुछ दशक पहले जो लोग ‘senior’ कहलाने लायक भी नहीं होते, आज वही ‘principal’ title के साथ दिखते हैं
  • क्या चीज़ जानना ज़रूरी है और क्या सिर्फ LLM search से काम चल सकता है, इस पर हर किसी की राय अलग होगी
  • “GenAI के बिना junior-level काम नहीं कर पाना” का मतलब पूर्ण अज्ञान नहीं भी हो सकता; इसका मतलब यह भी हो सकता है कि विस्तार से याददाश्त धुंधली हो गई है और बस हल्की-सी समझ बाकी है। junior ने शायद हाल की पढ़ाई के कारण $algorithm तक पूरी तरह याद रखा हो, लेकिन senior को अक्सर सिर्फ इतना याद रहता है कि कौन-से algorithms मौजूद हैं, कब और क्यों उपयोग करने हैं, और उन्हें कहाँ खोजा जा सकता है। अगर किसी विशेष क्षेत्र में अब सीधे हाथ से काम करने की ज़रूरत न रही हो, तो स्मृति मिटने लगती है, और बदले में ध्यान दूसरी क्षमताओं पर चला जाता है। यानी काम खुद विभाजित हो चुका है, और ‘junior’ तथा ‘senior’ एक ही skillset के बस ऊपर-नीचे के स्तर नहीं हैं। यह बात कंपनी में देखकर साफ़ हो जाती है कि junior और senior सच में एक ही काम कर रहे हैं या अलग-अलग क्षेत्र संभाल रहे हैं। और title inflation भी वास्तव में मौजूद है
• पत्रिका का नाम भले <i>the Argument</i> हो, लेकिन इस लेख में “समस्या X नहीं, Y है” कहा गया है, फिर X का खंडन किए बिना Y पर ही लंबी बहस की गई है
  • आम तौर पर ऐसे लेखों को “मुझे X से ज़्यादा Y की चिंता है” वाले रुख के रूप में पढ़ना उपयोगी होता है। इसलिए पाठक को X पर उलझने की ज़रूरत नहीं, बल्कि यह देखना चाहिए कि Y सच में समस्या है या नहीं। इस लेख में भी साफ़ कहा गया है, “AI नौकरियाँ छीन लेगा या नहीं, यह अलग सवाल है, लेकिन अभी जो सोचने की क्षमता का क्षरण हो रहा है, वह स्पष्ट समस्या है। मुझे सोचने वाली मशीनों के आने से ज़्यादा, सोचने से दूर होते लोगों की बढ़ती संख्या की चिंता है।” इसलिए लेखक का केंद्र Y ही है
  • X का खंडन ज़रूरी नहीं, क्योंकि शुरुआत से ही यह एक व्यक्तिपरक रुख है
• लेखक जवाब के करीब की बातें करता है, लेकिन शायद उसके अर्थ को खुद नहीं पहचानता। उदाहरण के लिए, खुद को gym में pull-up करते हुए देखिए। क्या पीठ की मांसपेशियों की ताकत सचमुच जीवित रहने के लिए अनिवार्य है? अगर हम 20वीं सदी से पहले की तरह सब लोग शारीरिक श्रम करते होते, तो क्या हम अलग से exercise methods खोजने में समय लगाते? जैसे-जैसे दिमाग का उपयोग कम होता जाएगा, हम शायद उल्टा और सक्रिय रूप से ‘सोचने की मांसपेशियाँ’ विकसित करने लगेंगे। आखिरकार शिक्षा के बिना भी सीखने, रचने और संबंध बनाने की प्रवृत्ति कुछ प्रतिशत लोगों में हमेशा रहेगी
• शिक्षा व्यवस्था खुद पहले ही बीते युग का अवशेष बन चुकी है। लेख में कही गई हर बात इस धारणा पर टिकी है कि “public school classroom में बच्चे जल्दी-जल्दी essay लिखें, और कम वेतन पाने वाले, थके हुए शिक्षक जल्दबाज़ी में जाँच करें” — यही 2025 में critical thinking सिखाने का आदर्श तरीका है। आगे चलकर AI हर व्यक्ति की गति के अनुसार personalized curriculum दे सकेगा, real-time में गलत दिशा में जाने से रोककर feedback देगा, और सीखना अधिक प्रभावी हो सकता है। मुझे तो उल्टा यह चिंता ज़्यादा है कि इससे collaboration और social skills जैसी चीज़ों में और कमी आ सकती है। इसलिए मानव शिक्षक की भूमिका ‘ज्ञान देने वाले’ या ‘ग्रेड देने वाले’ से ज़्यादा motivation और relationship-building जैसी दिशाओं में महत्वपूर्ण हो सकती है
  • क्या आपके पास parenting का अनुभव है? अगर आपने वास्तव में बच्चों का पालन-पोषण होते देखा है, तो आप जानते होंगे कि दस में नौ से भी ज़्यादा बच्चे माता-पिता, शिक्षक या साथियों के सामाजिक दबाव के बिना assignment या पढ़ाई की तरफ ध्यान ही नहीं देते। स्कूल का सार यही है कि इस तरह के बाध्यकारी सामाजिक माहौल के ज़रिए कम-से-कम जीवन में एक बार दिमाग में कुछ ज्ञान डाला जा सके। कम-से-कम उस growth phase में, जब बच्चा अभी लगभग कोरी स्लेट जैसा होता है, समाज उसे न्यूनतम प्रयास करने के लिए प्रेरित करे — स्कूल का यही मतलब है
  • हैरानी की बात यह है कि hallucination और झूठी जानकारी देने वाले AI के हवाले शिक्षा करना, क्या वाकई कम वेतन और अधिक काम से जूझ रहे शिक्षकों से बेहतर होगा? शायद असली समाधान शिक्षकों की स्थितियों को बेहतर बनाना और उन्हें अधिक समर्थन देना है
• समझ नहीं आता कि सब लोग सिर्फ एक ही पहलू की बात क्यों करते हैं। अगर उबाऊ काम AI को न सौंपे जाएँ, तो जटिल काम कौन हल करेगा? अगर हम सिर्फ दोहराव वाली गणनाएँ खुद ही करते रहते, तो क्या यह प्रगति संभव होती? AI की बदौलत मानवता अंतहीन log tables और हाथ से की जाने वाली गणना से मुक्त हो सकी है
• AI software engineering में अक्सर मिलने वाली ‘विशाल abstraction layer’ जैसा है। लेकिन स्थायी सत्य यही है कि सर्वश्रेष्ठ engineers सिर्फ abstraction पर रुकते नहीं, बल्कि उनमें यह जिज्ञासा और बुद्धि होती है कि नीचे की परत वास्तव में कैसे काम करती है। भले वे TCP/IP stack खुद न बनाते हों, लेकिन protocol की अवधारणाएँ समझते हैं; DB का internal implementation और availability/consistency trade-off भी कुछ हद तक जानना एक बेहतरीन engineer की पहचान है। अंततः AI के साथ भी अगर आप बस आँख मूँदकर उसके निर्देश मानते रहेंगे, तो बुरी तरह फँसने का जोखिम बहुत बड़ा है
• मैंने हाल ही में इसी विषय पर एक लेख लिखा था। जैसे-जैसे AI लंबी और जटिल tasks अधिक सहजता से हल कर रहा है, इंसानों की attention span उतनी ही छोटी होती जा रही है। संबंधित पोस्ट. मुझे उम्मीद है कि आगे लोग AI की मदद लेते हुए भी खुद सोचने की ताकत बनाए रखने का रास्ता खोजेंगे। सच तो यह है कि school assignments खुद बहुत व्यावहारिक चीज़ें भी नहीं थीं...