हम वह आख़िरी पीढ़ी हैं जो जानती है कि चीज़ें कैसे काम करती हैं

• 1990 के दशक में कंप्यूटर गेम चलाने के लिए यूज़र को autoexec.bat, boot disk, और sound card interrupt जैसी मशीन की शर्तें खुद सीखनी पड़ती थीं
• modem negotiation sound, drive jumper, और गलत सेट किए गए interrupt की तरह कंप्यूटर यूज़र को दूर धकेलता था, और उस प्रतिरोध से गुजरने की प्रक्रिया ही उसके काम करने के तरीके को जानने का रास्ता थी
• AI assistant configuration file या शर्तें मांगने के बजाय यूज़र के वाक्यों के अनुसार खुद को फिर से व्यवस्थित करने वाले अनुकूल औज़ार के ज़्यादा करीब है
• सबसे बड़ा नुकसान तकनीकी क्षमता का नहीं, बल्कि परिचय के खोने का है; मशीन से लड़ने, असफल होने और फिर दोबारा कोशिश करने से जो रिश्ता बनता था, वह गायब हो रहा है
• आगे चलकर हम पहले से कहीं ज़्यादा मशीनों पर निर्भर होंगे, लेकिन साथ ही उन मशीनों को पहले से कम जानने की स्थिति में भी हो सकते हैं

---

जब कठिनाई ही ज्ञान थी: कंप्यूटर का अनुभव

• 1990 के दशक में कंप्यूटर गेम खेलने के लिए पहले यह थोड़ा-बहुत जानना पड़ता था कि कंप्यूटर कैसे काम करता है
  • autoexec.bat जैसी फाइलें खोलकर पढ़ी जाती थीं
  • किसी एक खास गेम को चलाने के लिए अलग boot disk भी बनाई जाती थी
  • अगर मशीन इजाज़त न दे, तो गेम चल ही नहीं सकता था, और यूज़र को मशीन की शर्तें सीखनी पड़ती थीं
• उस समय के कंप्यूटर और peripherals में ऐसा friction था जिसका सामना यूज़र को खुद करना पड़ता था
  • modem कनेक्शन की negotiation आवाज़ में सुनाई देती थी, और उसे बार-बार सुनते-सुनते यह भी समझ में आने लगता था कि कॉल कब टूटने वाली है
  • drive पर छोटे jumper नाखून से सेट किए जाते थे
  • यह जानना पड़ता था कि sound card किस interrupt का जवाब देता है, और गलती होने पर कुछ भी काम नहीं करता था
• “कठिनाई ही ज्ञान है” वाली अनुभूति उस दौर के कंप्यूटर अनुभव के केंद्र में थी
  • यूज़र उसी चीज़ के ज़रिए मशीन को जानता था जो उसे दूर धकेलती थी
  • “हम केवल उसी चीज़ को जान सकते हैं जिससे हार सकते हैं” यह वाक्य इस अनुभव को संक्षेप में पकड़ता है

अनुकूल AI और गायब होती परिचितता

• आज का AI assistant अंतिम सुविधा जैसा लगता है, और इस तरह काम करता है कि यूज़र जो चाहता है वह कहे और परिणाम सामने आ जाए
  • यह configuration file पढ़ने को नहीं कहता
  • यह कोई शर्त नहीं रखता
  • यह यूज़र के वाक्यों के अनुसार खुद को बदल लेता है, और यूज़र असंतुष्ट हो तो माफ़ी मांगकर फिर कोशिश करता है
• जो मशीन चुनौती नहीं देती, उसे जानना मुश्किल होता है, और वह मुख्यतः सिर्फ इस्तेमाल की वस्तु बन जाती है
  • असली बात यह नहीं है कि क्षमता गायब हो रही है
  • AI model वे manuals भी पढ़ चुका है जिन्हें इंसान नहीं पढ़ते, और वह बता सकता है कि मशीन कैसे काम करती है
  • गणना क्षमता या तकनीकी ज्ञान के लिहाज़ से देखें तो ज्ञान पहले से ज़्यादा सुरक्षित भी लग सकता है
• जो चीज़ गायब हो रही है, वह किसी खास मशीन से टकराने पर पैदा होने वाली परिचितता है
  • किसी मशीन से लड़ना, असफल होना, फिर दोबारा कोशिश करना और आख़िरकार उसे चला लेना—ऐसे अनुभव कम हो रहे हैं
  • लोग पहले से ज़्यादा मशीनों पर निर्भर हो रहे हैं, लेकिन साथ ही उन्हें पहले से कम जान रहे हैं
• अगली पीढ़ी शायद इसे किसी नुकसान की तरह महसूस भी न करे
  • जिस रिश्ते को कभी बनाया ही न हो, उसकी कमी महसूस नहीं की जा सकती
  • वे ऐसे औज़ारों को, जो सब कुछ कर दें और बदले में कुछ न मांगें, बिजली के स्विच की तरह स्वाभाविक रूप से इस्तेमाल कर सकते हैं
• modem connection sound की recording को आधुनिक कंप्यूटर का तुरंत और पूरी तरह चला देना इस विरोधाभास को दिखाता है
  • पुराने modem की आवाज़ अब भी मन में बसी हुई है
  • लेकिन उस आवाज़ को चलाने वाली आधुनिक मशीन को उसी तरह नहीं जाना जा सकता
  • आधुनिक मशीनें इस तरह बनाई गई हैं कि यूज़र को उन्हें उस तरह जानने की ज़रूरत ही न पड़े, और यही तो वह नतीजा है जिसकी हमने चाह की थी

[GN⁺]

Hacker News की राय

• अफ़सोस है कि Pangram इस लेख को AI द्वारा लिखा हुआ बता रहा है
  https://www.pangram.com/history/c0a9cde2-7a5c-4588-83a3-0269...

  • मैं लेखक हूँ, इसलिए गारंटी दे सकता हूँ कि मैं सचमुच इंसान हूँ और यह AI नहीं है
    शुद्ध AI लेखन का बढ़ना साफ़ है, लेकिन जो सेवाएँ इस तरह content को “analyze” करने का दावा करती हैं, मुझे लगता है वे फ़ायदे से ज़्यादा नुकसान करती हैं
  • सच कहूँ तो मुझे LLM से भी कम भरोसा इन AI detectors पर है
  • विडंबना यह है कि बेहतरीन Genius AI detector इसे सही ढंग से AI नहीं मानता
    https://geniusaidetector.com/
  • LLM या तथाकथित “AI” के आने से बहुत पहले, grad school में लिखे अपने कुछ papers डाले, तो उसने उन्हें लगभग 70% AI बताया
  • मुझे लगता है ऐसे detectors बस बकवास के काफ़ी करीब हैं

• समस्या यह है कि हमें नहीं पता यह कैसे काम करता है
  आम तौर पर हम उन abstraction layers को समझते हैं जिनके साथ हम जन्म से रहे हैं, और उनसे एक-दो स्तर नीचे तक भी कुछ हद तक जान सकते हैं, लेकिन जितना नीचे जाते हैं समझ घटती जाती है
  उम्र बढ़ने के साथ मैंने यह प्रक्रिया खुद देखी है; कभी दुर्लभ ज्ञान की भारी मांग थी, लेकिन अब युवा लोगों के पास जो दुर्लभ ज्ञान है, उसका अधिकांश हिस्सा ऐसी चीज़ें हैं जिनकी मुझे ज़्यादा परवाह नहीं, और मेरे पास बस उन समस्याओं को हल करने की परिष्कृत तकनीकें बची हैं जो मेरे लिए पहले ही ज़्यादातर abstraction बनकर गायब हो चुकी हैं

  • मौजूदा abstraction layer की बड़ी छलांग में जो बात खास तौर पर अलग है, वह determinism का खोना है
    यह एक अर्थपूर्ण रूप से अलग बदलाव है
  • मुझे नहीं पता यह बात पूरी तरह सही है या नहीं; यह कुछ ज़्यादा generalize की हुई लगती है
    यहाँ मौजूद बहुत से लोग रेत को silicon में बदलने की प्रक्रिया या lithography के लिए advanced lenses को हाथ से polish करने की विशेषज्ञता नहीं जानते होंगे, लेकिन वे इतना जानते हैं कि ऐसी चीज़ों की ज़रूरत होती है और उनके पीछे का मोटा-मोटा दार्शनिक concept क्या है
    ख़तरा तब पैदा होता है जब low-level infrastructure के काम को इतना पूरी तरह automate कर दिया जाए कि भविष्य की पीढ़ियों के पास इस बात का conceptual framework भी न रहे कि वे जिस technology का इस्तेमाल कर रही हैं, वह बनती कैसे है
  • सहमत हूँ, लेकिन abstraction system के भीतर मौजूद knowledge को व्यापक रूप से लागू करने योग्य बनाती है
    AI-generated systems में यह फायदा दरवाज़े से बाहर चला जाता है। अगर बेहद सावधान न रहें तो नए codebase में consistency नहीं रहती, और LLM व prompter की नज़र में “क्योंकि यह काम कर गया”, नए paradigms जगह-जगह introduce हो जाते हैं
    मानो एक ही pattern 37 बार थोड़ा-थोड़ा अलग रूप में दोहराया जाना मायने नहीं रखता था, इसलिए अब knowledge की portability घट जाती है
    पहले code देखकर “क्यों?” पूछते तो आम तौर पर पिछले अनुभव या प्रयोगों से “x, y, z करके देखा था, काम नहीं हुआ” जैसा जवाब मिलता था। लेकिन LLM सिर्फ इसलिए जटिल चीज़ें डाल देता है क्योंकि वे मांगा गया काम कर देती हैं
    किसी valid source से string को byte-by-byte पढ़ते हुए \0 मिलने तक जाना काम तो करेगा, लेकिन अगर API docs X कहती हैं, तो एक कदम पीछे हटकर सोचना चाहिए कि आप फिर से क्यों check कर रहे हैं कि वही सही है या नहीं
  • मुझे नहीं लगता इस तरह की nostalgia ज़्यादा मददगार है
    मैं भी बहुत बूढ़ा नहीं हूँ, लेकिन मैंने C++ से शुरुआत की, manual memory management और programming language design सीखा, और उस समय भी काफ़ी कठिन मानी जाने वाली assembly class भी ली
    मैं assembly में माहिर नहीं हूँ और न होना चाहता हूँ, लेकिन high-level code किस तरह low-level assembly/machine-code instructions में compile होता है, यह समझना performance को manipulate करने की समझ पाने में बहुत valuable है। इससे यह भी पता चलता है कि loop unrolling जैसी “मूर्खतापूर्ण दिखने वाली” चीज़ instruction count घटाने में कितना बड़ा असर डाल सकती है
    Newton/Chartres के Bernard ने जैसा कहा था, हम दिग्गजों के कंधों पर खड़े होकर आगे तक देखते हैं, लेकिन पैरों के नीचे की ज़मीन की details खो देते हैं। आधुनिक इंसान के लिए transistors से खुद computer बनाते हुए मिलने वाली व्यापक विशेषज्ञता पाना अब मुश्किल है, लेकिन academic रूप से सीखकर अब भी knowledge के महत्वपूर्ण टुकड़े हासिल करने चाहिए
    ऐसे highly specialized क्षेत्रों का expert अगर दूसरे लोगों को details से overwhelm किए बिना संबंधित बातें share करने की communication ability रखता हो, तो वह बेहद useful होता है
  • “जन्म से जिन abstraction layers के साथ रहे हैं, उन्हें जानते हैं” यह बात इस अर्थ में ज़्यादातर सही है कि किसी युग की अधिकतर jobs समान abstraction level से निपटती हैं, इसलिए लोग उसी level पर रहते हैं
    लेकिन मैं इसे technical debt के साथ पैदा होना मानता हूँ, और एक engineer के रूप में अपना कर्तव्य समझता हूँ कि समझूँ पिछली पीढ़ियों ने क्या बनाया और मुझे किस दिशा से काम करना चाहिए

• जिस तेज़ी से हम हासिल कर रहे हैं, लगभग उसी तेज़ी से कुछ खो भी रहे हैं—इसे शब्दों में कहना छोटी बात नहीं है
  लेख के nostalgic माहौल के नीचे control खोने और रोज़ बढ़ती बेचैनी की परत है
  बहुत कम उम्र के लोगों को सिर्फ touch interfaces और apps सीखकर, संकीर्ण अर्थ में computer इस्तेमाल न कर पाते देखना पहले से ही काफ़ी चौंकाने वाला है। यह curated content और interfaces का, और market के lowest common denominator को satisfy करने के लिए हजारों iterations में कठिनाइयों को ironing out कर दिए गए माहौल का नतीजा है
  फिर भी मुझे लगता है कि आज जो लोग सबसे ज़्यादा बना रहे हैं, और अच्छा, काम करने वाला व maintainable बना रहे हैं, वे वे लोग हैं जिन्हें tools तो मिले हैं, लेकिन जिन्होंने हमारे इस्तेमाल किए जाने वाले medium का ज्ञान नहीं खोया है

  • हर चीज़ का financialization बहुत कुछ बिगाड़ रहा है
    computers और internet के क्षेत्र में चीज़ों से छेड़छाड़ करने, खुद PC assemble करने, malware की वजह से C drive format करने, और forums या Myspace page सजाने के लिए “snippets” खोजने की एक गर्मजोशी भरी nostalgia है
    लेकिन अंततः पैसे का incentive हावी हो जाता है। मज़े और knowledge के लिए tinkering profitable नहीं है, और जब पैसे व capital के लिए optimized लोग सारा पैसा और capital निगल जाते हैं, तो हर व्यक्ति का पैसे और capital के प्रति रवैया धीरे-धीरे कम मायने रखने लगता है
    अभी जो हो रहा है उसमें सबसे चिंताजनक बात wealth gap है, और उससे गहराई से जुड़ी “post-truth” स्थिति भी पीछे आती है। लोग commercial या ideological उद्देश्यों की ओर वही मानने को तैयार रहते हैं जो वे मानना चाहते हैं, और जब उनके साथ चीज़ें ठीक नहीं होतीं तो पड़ोसियों से नफ़रत करना और उन्हें दोष देना आसान हो जाता है
  • औसतन हम control खो रहे हैं, लेकिन कोई व्यक्ति control खोए या नहीं, यह चुन सकता है
    programming languages, UNIX, debuggers गायब नहीं हो रहे। computing में boss की मांगों और tech forums में चल रहे trends से कहीं ज़्यादा कुछ है
    बल्कि indie/handmade scene hobby level पर ही सही, काफी बढ़ेगा या boom करेगा। जिस काम को machine से करवाया जा सकता था, उसे अपने खून-पसीने से खुद बनाया गया—यह तथ्य और भी बड़ी प्रशंसा और आनंद पैदा कर सकता है
  • “यह चौंकाने वाली बात है कि बहुत छोटे लोग सिर्फ तथाकथित car की mechanical operation सीखते हैं और संकीर्ण अर्थ में vehicle का इस्तेमाल नहीं कर पाते”—ऐसा भी लगातार कहा जा सकता है

• कई दशकों तक computer technology में hobbyists के लिए एक sweet spot था, जहाँ वे बिना ज़्यादा खर्च के प्रयोग कर सकते थे और शुरुआती computing क्षेत्र की सीमाओं को आगे बढ़ा सकते थे
  genetic radiation की तरह बहुत-सी niches बनीं और जल्दी भर गईं, और अब computing ecosystem उस स्तर तक विकसित हो चुका है जहाँ वह low-level abstractions पर नहीं, जो कभी interaction का इकलौता माध्यम थीं, बल्कि सबसे ऊँची संभव abstraction, यानी तथाकथित “natural language” पर चलता है
  “कठिनाई ही ज्ञान थी। जैसे हम resistance को जानते हैं, वैसे ही हमने machine को जाना। resistance खुद माध्यम था। आप वही जान पाते हैं जिसे खो सकते हैं।”
  उस दौर से गुज़रे हम लोगों ने hands-on engineer वाला ज्ञान बनाया, और अनुभव व practice से सीखा कि abstraction layers front line पर कैसे विकसित होती हैं। आज कई लोग आसान जवाबों से भरी दुनिया में आए हैं, लेकिन वे जवाब सही हैं या नहीं यह अलग बात है, और accuracy को कितनी अहमियत देनी है यह उन्हें खुद तौलना होगा

  • यह बात निश्चित रूप से सही है, और हमें फिर से कुछ ऐसा ही चाहिए
    बच्चों को Python सिखाने के लिए मैं “The Farmer Was Replaced” नाम के game को शुरुआती बिंदु की तरह इस्तेमाल कर रहा हूँ, लेकिन जितना सोचता हूँ उतना लगता है कि पुराने Apple //e जैसा कोई hardware package चाहिए, जिसमें वे खुद पर्याप्त गलतियाँ कर सकें
    उस समय ऐसे systems पर assembler तक सीखना भी काफ़ी आसान था, और clock को उस बिंदु तक पीछे ले जाकर अनुभव को अलग-थलग करके देखना मूल्यवान होगा कि नई पीढ़ी के बच्चे क्या बना पाते हैं

• मैं उस बूढ़े वर्ग में आता हूँ जिसके neurons में 2400 baud modem negotiation की ध्वनि-क्रम छपी हुई है
  कुछ समय से मैं अपने systems के बीच WireGuard connections set up करने की कोशिश कर रहा था, लेकिन काम और परिवार में व्यस्त होने की वजह से अभी इसे Tailscale पर छोड़ दिया है
  network paths, firewall rules, key pairs, systemd units आदि सहित कई hosts पर मैं इसे खुद भी configure कर सकता था, लेकिन “सस्ता और आसान” विकल्प वहीं मौजूद था और काम कर गया। बस तब नहीं, जब वह जबरन re-authentication माँगता है
  LLM agent से मैं मौजूदा network का आसानी से analysis कर पाया और अपने चाहीदे काम के हिसाब से script बनवा सका। मेरा काम बस security issues वगैरह की समीक्षा करना था, और मेरी network topology के कारण routing rules में ज़रूरी 3–4 specific बदलाव दिख गए
  कुछ manuals खुद पढ़कर, एक-दो घंटे छेड़छाड़ करके और script को बार-बार सुधारकर भी मैं वहाँ पहुँच जाता, लेकिन agent की availability और effectiveness बहुत लुभावनी है
  यह मेरी technical capability के लिए क्या मायने रखता है, और अब वह महत्वपूर्ण भी है या नहीं, मुझे ठीक से नहीं पता। फिर भी जब तक दिमाग ठीक चलता है, मुझे काफ़ी भरोसा है कि मैं manuals पढ़कर ऐसी चीज़ें खुद समझ सकता हूँ। इस रफ़्तार से मेरे बच्चों में भी वही क्षमता होगी या नहीं, इस पर शक है, और यह कितना महत्वपूर्ण होगा, वह भी नहीं पता
  फिर भी मैं बच्चों को LLM पर ज़्यादा निर्भर हुए बिना “पुराने तरीके” से समस्याएँ हल करने में मदद कर रहा हूँ। AI चाहे जितनी सक्षम हो जाए, अगर problem-solving ability विकसित नहीं की, तो जीवन में नुकसान ही होगा—यह बात मुझे काफ़ी पक्की लगती है

  • हर कोई शिकायत करता है कि AI हमारा attention और understanding छीन रहा है, लेकिन LLM को गहरी समझ के tool की तरह भी आसानी से इस्तेमाल किया जा सकता है
    बस ज़्यादातर default path “अरे कबाड़, यह कर दे” वाला है, “हैलो कबाड़, मुझे बताओ यह कैसे काम करता है” वाला नहीं
    मैंने दूसरे तरीके को थोड़ा आज़माया है, और खासकर self-learners के लिए यह educational tool के रूप में हैरान कर देने वाली हद तक undervalued है
  • 300 baud से 2400 baud पर जाना जादू जैसा लगा था

• मुझे यकीन नहीं कि 1990s के वे computer users, जिन्हें autoexec.bat edit करना या boot floppy लगाना आता था, किसी meaningful स्तर पर “computer कैसे काम करता है” जानते थे
  आज abstraction stack और गहरा हो गया है, और आगे भी गहरा होता रहेगा लगता है, लेकिन 1990s में भी abstraction पहले से काफ़ी गहरी थी
  यहाँ आम गलती मुझे population-group fallacy लगती है। computer nerds मज़े के लिए abstractions को भेदकर अंदर जाते हैं, और यह वैसे ही नहीं रुकेगा जैसे web browser kernel authors को खत्म नहीं कर पाए
  उल्टे, low-level code पहले से ज़्यादा लिखा जा रहा है। क्योंकि ज़रूरी ज्ञान तक पहुँच पर पहले जैसी gatekeeping कम है

  • यह बात ज़्यादा बार कही जानी चाहिए
    आज HN पर सबसे ऊँची आवाज़ वाला समूह nerds नहीं, बल्कि पाँव जमाने की कोशिश कर रहे founders और scammers के ज़्यादा करीब है
    वे “AI” के प्रभाव को लगातार बढ़ा-चढ़ाकर बताते हैं, और अब अपने followers को उनके सबसे nostalgic पलों की याद दिलाकर यह मानने पर मजबूर करते हैं कि उस दौर में हर कोई उनकी तरह टटोल रहा था और भ्रमित था, और बाकी इतिहास को नज़रअंदाज़ कर देते हैं

• “knowledge खतरनाक नहीं है। दरअसल यह पहले से कहीं ज़्यादा सुरक्षित है। AI models ने वे सभी manuals पढ़ लिए हैं जिन्हें इंसान नहीं पढ़ते” — इस बात से मैं सहमत नहीं हूँ
  अगर model से manual माँगने पर वह training data का manual ज्यों का त्यों उगल दे, तो वह overfitting है। वह असली manual जैसा दिखने वाला कुछ, या manual से जुड़े query के अनुरूप कुछ उगलेगा
  जब error दिखे तो कभी-कभी उसे challenge करना पड़ता है, लेकिन error पहचानने के लिए आपको पहले से पता होना चाहिए कि क्या ढूँढना है और क्या expect करना है। नहीं तो output को ignore करके सिर्फ links लेने होंगे, और वे links भी पुराने या गढ़े हुए हो सकते हैं। verify करने से पहले पता नहीं चलता
  और यह compression व time के साथ degrade होता है
  कोई royal road नहीं है। खुद करके देखना, frustrate होना और समझने की कोशिश करना भारी reward देता है—इससे मैं सहमत हूँ। “सब कुछ तेज़ी से, अभी तुरंत” वाले युग में भी यह प्रक्रिया अब भी मूल्यवान है और बहुत undervalued है

• “बचपन में मैंने अपने माता-पिता का कंप्यूटर ठीक किया, और उम्र बढ़ने पर बच्चों का कंप्यूटर ठीक करता हूँ। क्या हम ही इकलौती पीढ़ी हैं जो जानती है कि कंप्यूटर कैसे काम करता है?”
  https://x.com/ryancbriggs/status/1847391612428517844
  https://xcancel.com/ryancbriggs/status/1847391612428517844

  • नहीं। बस उसके परिवार में वही अकेला व्यक्ति है जो जानता है कि कंप्यूटर कैसे काम करता है
    बड़ी उम्र की पीढ़ियों और कम उम्र की पीढ़ियों, दोनों में कंप्यूटर जानने वाले बहुत लोग हैं; बस वे उसके माता-पिता या बच्चे नहीं हैं। आज के सबसे प्रभावशाली assembly लिखने वालों में कुछ 20 साल से कम उम्र के भी हैं। सब ठीक रहेगा
  • दूसरे नज़रिए से देखें तो, मेरे ज़्यादा पढ़े-लिखे न होने वाले working-class पिता ने 80–90 के दशक की कंप्यूटर magazines देखकर मज़े-मज़े में थोड़ी programming खुद सीखी, और command prompt भी जैसे-तैसे चला लेते थे
    मैंने computer science में major किया और undergraduate classes पढ़ाईं, लेकिन करीब 10 साल पहले से ही मैंने देखा कि bootable Linux USB दिए जाने पर computer science students system setup नहीं कर पाते थे
    समस्या सिर्फ ज्ञान की कमी नहीं थी, बल्कि पूरी तरह की बेबसी थी: 2 मिनट में काम न बने तो “काम नहीं हुआ, अब क्या करूँ?” वाला मेल भेज देना। ChatGPT जैसी चीज़ों पर निर्भर होने की सबसे बड़ी समस्या भी यही है
    युवा पीढ़ी शायद और खराब स्थिति में है। वे सिर्फ यह नहीं जानते कि कंप्यूटर कैसे काम करता है, बल्कि कई बार उनमें वह बुनियादी DIY problem-solving attitude भी नहीं होता जो हमारे माता-पिता की पीढ़ी में था

• jumper हाथ से set करना, sound card interrupts से जूझना, और autoexec.bat में बदलाव करने वाले सारे उदाहरण बहुत relatable लगे
  साथ ही, मैं LLM और agents भी अच्छे से इस्तेमाल कर रहा हूँ। यह लेख अच्छी तरह पकड़ता है कि क्या खो गया है, और यह उन चीज़ों जैसा है जो दूसरे क्षेत्रों में बहुत पहले ही खो चुकी थीं या शुरू से थीं ही नहीं—जैसे modern car और Model T का फर्क
  वापस जाना नहीं चाहता, लेकिन खोने का अहसास फिर भी महसूस किया जा सकता है। लेख भी सुंदर है

• modding community अब भी ज़िंदा है
  बच्चे आज भी Minecraft servers host कर रहे होंगे, या आजकल trend में चल रही किसी चीज़ से खेल रहे होंगे। DIY 8-bit computers भी लोकप्रिय हो रहे हैं
  मुझे लगता है कि कोई चीज़ बहुत mainstream हो जाने का मतलब यह नहीं कि वह सबके लिए dilute हो गई है। जिज्ञासा और जुनून के अलग-अलग स्तर वाले लोग हमेशा होते हैं

  • इंसानी जिज्ञासा को बुझाया नहीं जा सकता
    incentives कम किए जा सकते हैं, लेकिन खत्म नहीं किए जा सकते। nerd हमेशा nerd ही रहता है