- पिछले कई दशकों से दोहराई जाती रही “प्रोग्रामर के अंत” की भविष्यवाणी हर बार गलत साबित हुई है, और तकनीकी प्रगति ने उलटे ज़्यादा डेवलपर्स और ज़्यादा प्रोग्राम पैदा किए हैं
- WYSIWYG, 4GL, No-Code, LLM जैसी कई ऑटोमेशन तकनीकें आईं, लेकिन व्यवहार में वे डेवलपर्स की ज़रूरत कम नहीं कर सकीं
- LLM-आधारित टूल पिछली तकनीकों की तुलना में विश्वसनीयता और maintainability में कमज़ोर हैं, और ज़्यादातर टीमों में productivity में गिरावट और quality में खराबी लाते हैं
- प्रोग्रामिंग की मूल कठिनाई कोड लिखना नहीं, बल्कि मानव की अस्पष्ट सोच को तार्किक रूप में बदलने की क्षमता है, और यह अब भी इंसानों का क्षेत्र है
- इसलिए AI के डेवलपर्स की जगह लेने की संभावना कम है, और इसके उलट skilled डेवलपर्स की मांग और बढ़ने की संभावना है
बार-बार लौटने वाला “प्रोग्रामर के अंत” का चक्र
- पिछले 43 वर्षों में Visual Basic, Delphi, Executable UML, No-Code, Low-Code जैसी कई तकनीकों के बारे में कहा गया कि वे प्रोग्रामर्स की ज़रूरत खत्म कर देंगी
- 1970~80 के दशक में 4GL, 5GL, उससे पहले Fortran, COBOL, और उससे भी पहले compiler A-0 तक के बारे में यही भविष्यवाणी की गई थी
- शुरुआती इलेक्ट्रॉनिक कंप्यूटर COLOSSUS को physical wiring से प्रोग्राम किया जाता था, और उसके बाद की पीढ़ियों को कभी-कभी “असल प्रोग्रामर नहीं” कहकर भी मज़ाक बनाया गया
- लेकिन नतीजा यह रहा कि प्रोग्रामर्स की संख्या घटी नहीं, बल्कि बढ़ी, और इसे Jevons Paradox का एक प्रतिनिधि उदाहरण माना जाता है
LLM और पिछली तकनीकों में अंतर
- पिछली तकनीकों ने वास्तव में सॉफ़्टवेयर प्रोडक्शन की गति बढ़ाई और विश्वसनीयता भी सुनिश्चित की, लेकिन LLM ज़्यादातर टीमों में उलटा असर दिखाते हैं
- LLM कोड quality को गिराते हैं और maintenance को कठिन बनाते हैं, जिससे “LOSE-LOSE” स्थिति पैदा होती है
- एक ही prompt से भी एक जैसा परिणाम नहीं मिलता, और बने हुए कोड में मानव डेवलपर द्वारा verification और correction अनिवार्य है
- AI डेवलपर्स की जगह ले रहा है, इसका कोई प्रमाण नहीं है; हाल की layoffs के पीछे pandemic के दौर की over-hiring, ब्याज दरों में बढ़ोतरी, data center निवेश पर फोकस जैसे आर्थिक कारण हैं
प्रोग्रामिंग की मूल चुनौती
- प्रोग्रामिंग का केंद्र मानव की अस्पष्ट सोच को तार्किक और सटीक computational thinking में बदलने की प्रक्रिया है
- यह punched card के दौर से लेकर COBOL, Visual Basic और Python तक नहीं बदली है
- Natural language स्वभाव से ही अस्पष्ट और असटीक होती है, इसलिए अंग्रेज़ी या फ़्रेंच में प्रोग्रामिंग का युग नहीं आएगा, इस संदर्भ में Dijkstra की भविष्यवाणी उद्धृत की गई है
- यह सोचने का तरीका सीखा जा सकता है, लेकिन यह ऐसा काम नहीं है जिसे हर कोई पसंद करे या अच्छी तरह कर सके, और skilled लोगों की supply हमेशा कम रहती है
AI की सीमाएँ और स्थिरता
- AGI (सामान्य कृत्रिम बुद्धिमत्ता) अभी भी दूर है, और इसके लिए मानव-स्तर की समझ, तर्क और सीखने की क्षमता चाहिए
- बड़े पैमाने के LLM भारी लागत और नुकसान पैदा कर रहे हैं, इसलिए वे लंबे समय में टिकाऊ नहीं हैं
- समय के साथ मॉडल द्वारा सीखे गए language और library version की सीमाओं के कारण उनकी उपयोगिता घट सकती है
- इन्हीं कारणों से अति-वृहद LLM ‘Apollo moon mission’ जैसी गैर-आर्थिक प्रयोगधर्मिता बनकर रह सकते हैं
भविष्य के डेवलपमेंट माहौल की दिशा
- निकट भविष्य में सॉफ़्टवेयर डेवलपमेंट का रूप ऐसा हो सकता है जहाँ छोटे language model-आधारित सहायक टूल prototype generation या code auto-completion जैसी सहायक भूमिका निभाएँ
- लेकिन महत्वपूर्ण फैसले और quality assurance की अगुवाई मानव डेवलपर्स ही करेंगे, और Jevons के नियम के अनुसार डेवलपर्स की मांग उलटे बढ़ भी सकती है
- कंपनियों को अभी से skilled डेवलपर्स की hiring और training में निवेश करना चाहिए; यह AI हो या न हो, productivity और reliability बढ़ाने की मुख्य रणनीति है
अभी कोई टिप्पणी नहीं है.