वाइब कोडिंग के जादू को तोड़ना

 (fast.ai)
20 पॉइंट द्वारा GN⁺ 2026-02-16 | अभी कोई टिप्पणी नहीं है. | WhatsApp पर शेयर करें
  • AI द्वारा जनरेट किए गए जटिल कोड का बड़े पैमाने पर उत्पादन फैल रहा है, और इंसानों द्वारा न पढ़े जाने वाले कोड बनाने की प्रवृत्ति पूरे उद्योग में फैलती जा रही है
  • प्रबंधन AI के कारण workforce reduction को जायज़ ठहरा रहा है, और डेवलपर्स पर AI से बने कोड का अनुपात भरने का दबाव है
  • ऐसी ‘वाइब कोडिंग’ जुए की लत के तंत्र जैसी ‘dark flow’ स्थिति पैदा करती है, जिससे उत्पादकता का भ्रम होता है
  • वास्तव में AI coding tools इस्तेमाल करने पर 20% उत्पादकता बढ़ने का एहसास होता है, लेकिन असल में 19% धीमापन आता है, ऐसा शोध बताता है
  • AI उपयोगी है, लेकिन मानव की सोच, रचनात्मकता और software engineering क्षमता का विकल्प नहीं है, और इसे छोड़ देना उलटे गिरावट का जोखिम पैदा कर सकता है

वाइब कोडिंग का फैलाव और समस्या की पहचान

  • वाइब कोडिंग AI द्वारा जनरेट किए गए जटिल कोड का बड़े पैमाने पर उत्पादन है, जिससे ऐसा कोड बनता है जिसे इंसानों के लिए पढ़ना या maintain करना मुश्किल हो जाता है
    • कुछ कंपनियां यह कहकर छंटनी को सही ठहराती हैं कि AI इंसानों का काम कर सकता है
    • डेवलपर्स पर AI-जनरेटेड कोड का अनुपात पूरा न करने पर performance evaluation में नुकसान झेलने का दबाव होता है
    • छात्र और नौकरीपेशा लोग दोनों ही “AI जल्द ही मेरा काम बदल देगा” जैसी चिंता में self-development से हिचकने लगते हैं
  • AI वास्तव में उपयोगी है, लेकिन वाइब कोडिंग में सावधानी ज़रूरी है, और गलत इस्तेमाल पर इसके नकारात्मक परिणाम हो सकते हैं

‘flow’ और ‘dark flow’ का अंतर

  • मनोवैज्ञानिक Mihaly Csikszentmihalyi के अनुसार ‘flow’ चुनौती और कौशल के संतुलन से बनने वाली गहन तल्लीनता की अवस्था है
  • इसके विपरीत, जुए की तरह कौशल से असंबंधित गतिविधियों में भी तल्लीनता पैदा हो सकती है, और यह ‘नकली flow’ के अंतर्गत आता है
    • slot machine के Loss Disguised as a Win (LDW) उदाहरण की तरह, असल में नुकसान होने पर भी जीत जैसा भ्रम पैदा किया जाता है
    • शोध के अनुसार LDW वास्तविक जीत जैसी शारीरिक प्रतिक्रिया पैदा करता है, जिससे लत वाली तल्लीनता और मजबूत होती है
  • इस तरह की स्थिति को ‘dark flow’ या ‘junk flow’ कहा जाता है, यानी ऐसी नशे जैसी तल्लीनता जिसमें विकास नहीं होता

वाइब कोडिंग और जुए की समानता

  • डेवलपर Armin Ronacher ने बताया कि AI coding tools इस्तेमाल करने के बाद उन्होंने बहुत सारा कोड बनाया, लेकिन वास्तव में उसका लगभग उपयोग नहीं कर पाए
    • यह जुए की ‘नकली जीत’ जैसी भ्रमकारी संरचना से मिलता-जुलता है
  • वाइब कोडिंग निम्न बिंदुओं पर flow की शर्तों का उल्लंघन करती है
    • परिणाम पर स्पष्ट feedback का अभाव, बल्कि गलत उपलब्धि-बोध देना
    • चुनौती के स्तर और कौशल के स्तर में असंतुलन
    • control illusion के ज़रिए उपयोगकर्ता को यह विश्वास दिलाना कि वह परिणामों को नियंत्रित कर रहा है
  • AI द्वारा जनरेट किए गए कोड की गुणवत्ता की समस्या अक्सर कई हफ्तों बाद समझ में आती है, और bug व maintain न की जा सकने वाली जटिलता बाद में सामने आती है
  • LLM और slot machine दोनों उपयोगकर्ता की मनोवैज्ञानिक प्रतिक्रिया को अधिकतम करने के लिए डिज़ाइन किए गए हैं, ताकि लगातार उपयोग कराया जा सके

उत्पादकता का भ्रम और ‘अविश्वसनीय कथावाचक’

  • METR के शोध के अनुसार, AI tools इस्तेमाल करने वाले डेवलपर्स को 20% अधिक तेज़ होने का एहसास हुआ, लेकिन वे वास्तव में 19% धीमे थे
    • इसका मतलब है अनुभूत दक्षता और वास्तविक दक्षता के बीच 40% का अंतर
  • AI से लिखे गए लेख भी ऊपरी तौर पर समान दिख सकते हैं, लेकिन गुणवत्ता में कमजोर हो सकते हैं
    • एक AI शोधकर्ता की blog post AI से लिखे जाने के बाद पहले से कम पढ़ने योग्य शैली में बदल गई
  • लोग अपनी उत्पादकता का वस्तुनिष्ठ आकलन करने में मुश्किल महसूस करते हैं, और AI इस्तेमाल के बाद उसे बढ़ा-चढ़ाकर आंकने की प्रवृत्ति रखते हैं

गलत भविष्यवाणियां और करियर जोखिम

  • AI coding को पूरी तरह बदल देगा, ऐसी भविष्यवाणियां बार-बार गलत साबित हुई हैं
    • Geoffrey Hinton ने कहा था कि 2021 तक AI radiologist की जगह ले लेगा, लेकिन ऐसा नहीं हुआ
    • Google के Sundar Pichai और Jeff Dean ने कहा था कि 2023 तक सभी data scientists automated neural network design tools इस्तेमाल करेंगे, लेकिन यह भी नहीं हुआ
    • Anthropic के Dario Amodei ने दावा किया कि 2025 के अंत तक AI पूरे कोड का 90% लिखेगा, लेकिन इसके समर्थन में कोई आधार नहीं है
  • ऐसे बढ़ा-चढ़ाकर पेश किए गए अनुमानों के आधार पर अपनी तकनीकी क्षमताओं का विकास रोक देना खतरनाक है
    • AI की प्रगति की रफ्तार को वास्तविकता से लगातार अधिक आंका गया है

मानव सोच और रचनात्मकता का स्थायी महत्व

  • AI coding agents व्याकरणिक रूप से सही कोड बना सकते हैं, लेकिन
    • उपयोगी abstraction, modularization और code structure में सुधार नहीं कर पाते
    • यानी coding का कुछ हिस्सा automate हुआ है, लेकिन software engineering automate नहीं हुई
  • AI द्वारा जनरेट किया गया टेक्स्ट भी व्याकरण की दृष्टि से स्वाभाविक हो सकता है, लेकिन वह सोच को परिष्कृत या मूल बिंदु को नहीं पकड़ता
  • Jeremy Howard ने चेतावनी दी कि “अगर सोचने की प्रक्रिया पूरी तरह AI को सौंप दी जाए, तो सीखने और बढ़ने की क्षमता खो जाती है”
    • AI एक tool के रूप में उपयोगी है, लेकिन यह मानव की मूल क्षमताओं का विकल्प नहीं है

संबंधित पढ़ाई

अभी कोई टिप्पणी नहीं है.

अभी कोई टिप्पणी नहीं है.