AI के खिलाफ माहौल की लहर में मत बहिए
(antirez.com)- हाल के large language models (LLM) इतने आगे बढ़ चुके हैं कि वे मध्यम आकार के प्रोजेक्ट लगभग अकेले पूरा कर सकते हैं, और प्रोग्रामिंग का तरीका बुनियादी रूप से बदल रहा है
- खुद कोड लिखने की आवश्यकता घट रही है, और क्या बनाना है, उसे कैसे समझाना है इस पर सोचने की क्षमता अधिक महत्वपूर्ण कौशल बनती जा रही है
- Redis के संस्थापक Antirez ने Claude Code का उपयोग करके UTF-8 support जोड़ना, Redis test bug ठीक करना, BERT embedding के लिए C library बनाना, और Redis Streams की internal structure को फिर से बनाना—ये चार काम कुछ ही घंटों में पूरे किए
- AI software development के democratization को तेज कर रहा है, जिससे छोटे team भी बड़ी कंपनियों से मुकाबला कर सकें
- लेकिन AI technology के centralization का जोखिम और नौकरियों में कमी के मुद्दे पर सामाजिक प्रतिक्रिया ज़रूरी है; AI से मुंह मोड़ने के बजाय उसका सक्रिय उपयोग करना चाहिए
प्रोग्रामिंग में बदलाव और LLM की भूमिका
- आधुनिक LLM पर्याप्त संकेत मिलने पर मध्यम आकार के प्रोजेक्ट लगभग स्वतंत्र रूप से पूरा कर सकते हैं
- सफलता इस बात पर निर्भर करती है कि प्रोग्रामिंग का प्रकार क्या है और समस्या को कितनी स्पष्टता से व्यक्त किया गया है
- system programming जैसे वे काम जिन्हें text में व्यक्त किया जा सकता है उनमें इसका प्रभाव अधिक है
- अधिकतर प्रोजेक्ट में खुद कोड लिखना अक्षम है; अब क्या बनाना है और कैसे बनाना है, इसे समझना ज्यादा महत्वपूर्ण हो गया है
- लेखक Antirez ने AI की मदद से ये चार काम किए
- linenoise library में UTF-8 support जोड़ना और emulation terminal आधारित test framework बनाना
- पहले cost की तुलना में value कम होने के कारण छोड़ दिया गया काम AI की मदद से संभव हुआ
- Redis test में timing और TCP deadlock से जुड़े intermittent failure की समस्या हल करना
— Claude Code ने process state का विश्लेषण करके bug ठीक किया - BERT family embedding model inference के लिए pure C library केवल 5 मिनट में बनाना
- PyTorch की तुलना में 15% धीमी, लेकिन परिणाम समान। कोड लगभग 700 lines का
- GTE-small model conversion के लिए Python tool भी शामिल
- Redis Streams की internal structure बदलने का काम सिर्फ design document के आधार पर फिर से बनाना
- review और execution approval समय को छोड़ दें तो लगभग 20 मिनट में पूरा
- linenoise library में UTF-8 support जोड़ना और emulation terminal आधारित test framework बनाना
- इन अनुभवों से उन्होंने पुष्टि की कि AI प्रोग्रामिंग की प्रकृति को बदल रहा है
AI और डेवलपर का संबंध
- AI कोड लिखे तब भी डेवलपर की भूमिका खत्म नहीं होती
- महत्वपूर्ण बात है समस्या को परिभाषित करना, और AI द्वारा बने कोड की review व tuning करने की क्षमता
- AI एक partner के रूप में development productivity को अधिकतम करता है
- AI कंपनियों की profitability, stock price, CEO के बयान आदि लंबी अवधि में महत्वपूर्ण नहीं हैं
- प्रोग्रामिंग में यह बुनियादी बदलाव अब वापस नहीं होगा
- लेखक अपने बनाए कोड के LLM training में इस्तेमाल होने को सकारात्मक मानते हैं
- वे इसे knowledge और systems के democratization की प्रक्रिया के रूप में देखते हैं
- जैसे open source ने 1990 के दशक में किया था, वैसे ही AI भी छोटी टीमों की प्रतिस्पर्धात्मक क्षमता बढ़ाने में मदद करेगा
AI तकनीक का लोकतंत्रीकरण और केंद्रीकरण की चिंता
- फिलहाल China आदि से open models आ रहे हैं, जिससे कुछ हद तक लोकतंत्रीकरण हो रहा है
- closed labs के leading models की तुलना में performance gap बहुत बड़ा नहीं है
- लेकिन यह संतुलन स्थायी नहीं भी हो सकता है
- AI technology के कुछ गिनी-चुनी कंपनियों में सिमट जाने की संभावना को लेकर चिंता है
- बड़े neural networks स्वभावतः चौंकाने वाला प्रदर्शन करते हैं; ऐसा कोई विशेष ‘magic’ नहीं है जिसे सिर्फ कुछ कंपनियां ही अपने कब्जे में रख सकें
सामाजिक प्रभाव और प्रतिक्रिया
- AI की वजह से नौकरियों में कमी आने की आशंका है
- कंपनियां लोगों की संख्या घटाएँगी या और अधिक प्रोजेक्ट आगे बढ़ाएँगी, यह अभी स्पष्ट नहीं है
- कुछ उद्योगों में इंसानों के पूरी तरह replace होने का जोखिम भी है
- इसलिए सरकार की भूमिका महत्वपूर्ण है
- बेरोजगार लोगों को सहारा देने और बदलाव के अनुरूप नीति बनाने की जरूरत है
- उनका अनुमान है कि जैसे-जैसे layoffs बढ़ेंगे, राजनीतिक दबाव भी बढ़ेगा और सामाजिक सुरक्षा की मांग तेज होगी
डेवलपरों के लिए सलाह
- AI को ठुकराना या उससे बचना career के लिए फायदेमंद नहीं है
- नए tools को खुद प्रयोग करके और लंबे समय तक इस्तेमाल करके देखना चाहिए
- छोटे test के आधार पर निष्कर्ष न निकालें; कई हफ्तों के प्रयोग के साथ लगातार कोशिश करें
- AI के जरिए अपनी क्षमता का विस्तार करने के तरीके खोजने चाहिए
- coding का सार ‘लिखना’ नहीं बल्कि कुछ बनाने का आनंद है, और AI की मदद से ज़्यादा और बेहतर बनाया जा सकता है
5 टिप्पणियां
सोच से भी कम, ऐसी समस्याएँ हैं जिन्हें सिर्फ़ code से हल किया जा सकता है। code काफ़ी सारी समस्याएँ हल कर सकता है, लेकिन ज़्यादातर समस्याएँ code या monitor के बाहर होती हैं।
मुझे लगता है कि जैसे जिद्दी अविश्वास गलत है, वैसे ही पूर्ण अंधविश्वास भी गलत है.
उचित तरीके से इसके फायदे-नुकसान पर अच्छी तरह विचार करके इस्तेमाल करना ज़रूरी है, लेकिन यूँ ही FOMO का माहौल बनाना मुझे AI कंपनियों की मार्केटिंग चाल लगता है.
दूसरी ओर, मेरा मानना है कि समस्याओं की ओर इशारा करने वाली आवाज़ों को भी नज़रअंदाज़ नहीं किया जाना चाहिए। मुझे अक्सर ऐसा लगता है कि हल्की-सी आलोचना को भी बस निंदा समझकर खारिज कर दिया जाता है।
Hacker News की राय
रात भर कोड लिखते हुए अपने प्रोजेक्ट को चलते देखना मेरे लिए जुनून था — यानी ‘कुछ बनाने की खुशी’।
हर व्यक्ति में उस चिंगारी का रूप अलग होता है। किसी को “कंप्यूटर को अपनी मर्ज़ी से नियंत्रित करने” के एहसास से प्रेरणा मिलती है, किसी को “दूसरों की समस्या हल करने” से, और किसी को “ऐसी चीज़ बनाने” से जो भावनाएँ जगाए।
मेरे मामले में, मैंने शुरू में दूसरों की वेबसाइट खराब करने की चाह से प्रोग्रामिंग शुरू की थी, लेकिन बाद में बनाने और साझा करने की प्रक्रिया ज़्यादा मज़ेदार लगने लगी। इसलिए दूसरों का फ़ीडबैक सुनना मेरी चिंगारी बन गया।
आखिरकार हर प्रोग्रामर की वजह अलग होती है; कुछ लोगों के लिए LLM मज़ा बढ़ाता है, जबकि कुछ के लिए यह मूल आनंद छीन लेने वाली चीज़ बन जाता है।
मैं antirez की बात से पूरी तरह सहमत हूँ। AI डेवलपर्स को बड़ा फ़ायदा दे रहा है, और हम अभी इंटरनेट के बाद की सबसे बड़ी तकनीकी क्रांति के बीच में हैं।
लेकिन उन्होंने AI के नुकसान या anti-AI नज़रिए के कारणों का विश्लेषण नहीं किया। सामाजिक प्रभाव, खासकर software engineering के भविष्य को लेकर चिंता, इस पर बात न होना खलता है।
“AI ट्रेन पर नहीं चढ़े तो पीछे रह जाओगे” वाली बात समझ नहीं आती। अभी यह मेरे काम में बहुत मददगार नहीं है, इसलिए मुझे लगता है कि टूल जब पर्याप्त अच्छे हो जाएँ, तब शुरू करना भी देर नहीं होगी।
“anti-AI लहर” कहना चीज़ों को बहुत ज़्यादा सरल बना देना है। तकनीकी रूप से यह अभी खुरदुरा है, लेकिन इसकी उपयोगिता साफ़ है और यह गायब नहीं होने वाला।
लेकिन बिज़नेस के स्तर पर revenue model साफ़ नहीं है। तकनीक बनी रहेगी, पर इसके आधार पर बनी startup कंपनियों के ढहने की संभावना है।
5 साल बाद भी AI का इस्तेमाल और बढ़ेगा, लेकिन अभी मौजूद ज़्यादातर AI कंपनियाँ शायद तब तक नहीं रहेंगी।
“AI प्रोग्रामिंग को हमेशा के लिए बदल देगा” बनाम “बस अपने दिमाग़ से सोचो” — यह कभी न खत्म होने वाली बहस चलती रहती है। मैं दूसरे पक्ष को पसंद करता हूँ। AI के फ़ायदों की बात भर करने से समस्या हल नहीं होती।
“नवीनतम LLM मध्यम आकार के प्रोजेक्ट लगभग अकेले पूरा कर देते हैं” — यह अतिशयोक्ति है। अगर domain knowledge वाला व्यक्ति ठोस specification दे, तो productivity बहुत बढ़ सकती है, लेकिन output की quality अब भी यूज़र के ज्ञान स्तर को दर्शाती है।
बढ़िया tractor दे देने से भी किसान की काबिलियत का महत्व कम नहीं होता — यह तुलना सही है।
जैसे-जैसे डेवलपमेंट टूल्स में abstraction बढ़ा है, वैसे-वैसे डेवलपर्स का प्रभाव और reward उल्टा और बढ़ा है। LLM उसी क्रम का अगला कदम है।
abstraction काम को आसान बनाती है, लेकिन साथ ही आपको और ज़्यादा काम करने लायक बनाती है, और नई जटिलताएँ भी पैदा करती है। आखिर में trust और influence ही अहम बनते हैं। इसलिए CEO को कर्मचारियों से कहीं ज़्यादा reward मिलता है।
LLM डेवलपर्स की शक्ति और प्रभाव को और बढ़ाएगा।
आखिरकार फिर वही पुराना दौर लौट सकता है — “ऊपर उठो(out) या गायब हो जाओ।” अगर आपने लोगों को संभालने की कला और business sense नहीं सीखी, तो धीरे-धीरे ग़ैर-ज़रूरी हो जाने का ख़तरा है।
“Look ma, no hands” तरह के AI पर अंधविश्वास में नहीं फँसना चाहिए।
Antirez + LLM + CFO का संयोजन शायद अरबों डॉलर की Redis कंपनी बना दे, लेकिन ऐसा इसलिए संभव है क्योंकि वह Redis को पूरी तरह समझते हैं।
अगर बात Postgres जैसे अनजाने codebase की हो, तो वही नतीजा निकालना मुश्किल होगा, और ज़्यादातर डेवलपर्स ऐसे ही अनजान माहौल में काम करते हैं।
आखिरकार LLM की असली कीमत domain experts के लिए है, और अगर कोई संगठन AI का सही इस्तेमाल करना चाहता है, तो कर्मचारी प्रशिक्षण और सीखने में निवेश अनिवार्य है।
अगर इस तरह validation system अच्छी तरह बना लिया जाए, तो अनजान क्षेत्रों में भी नतीजे निकाले जा सकते हैं। आखिर में ज़रूरत intuition, critical thinking, और scientific mindset की ही होती है।
“LLM ने मेरा कोड सीख लिया, यह सोचकर खुशी होती है” — इस बात से मैं सहमत नहीं हूँ।
मैं ऐसा महसूस नहीं करता। उल्टा मुझे लगता है कि software quality गिर रही है, और मुझे नहीं लगता कि LLM बेहतर कोड बना रहा है।
“AI को ठुकराने से दुनिया रुक नहीं जाएगी” — इस बात से मैं सहमत हूँ।
मैं भी अपने दोस्तों से कहता हूँ, “खुद इस्तेमाल करके देखो, फिर राय बनाओ।” 5 मिनट छूकर निष्कर्ष मत निकालो; कुछ हफ्तों तक प्रयोग करके देखो।
अभी ज़्यादातर मीडिया clicks के लिए नकारात्मक narrative बेच रहा है। सही निर्णय के लिए खुद इस्तेमाल करने के अलावा कोई रास्ता नहीं।
और अभी सकारात्मक संकेतों को और ध्यान से देखने की ज़रूरत है। “मैंने इससे यह किया” जैसे उदाहरण, “अभी यह नहीं हो सकता” जैसी बातों से कहीं ज़्यादा क़ीमती हैं।
लगता है अभी भी काफ़ी ऐसे डेवलपर्स हैं जो AI का इस्तेमाल नहीं करते और कहते हैं कि यह सिर्फ़ कचरा code ही बनाता है। हैरानी होती है...