विचार नेता

एआई थकान वास्तविक है, लेकिन यह वह नहीं है जो आप सोचते हैं

Andrew Filev
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
मुख्य बिंदुएआई थकान एक नई संज्ञानात्मक कौशल सीखने से होने वाली अस्थायी प्रशिक्षण पीड़ा है, कोई…
और देखें
  • एआई थकान एक नई संज्ञानात्मक कौशल सीखने से होने वाली अस्थायी प्रशिक्षण पीड़ा है, कोई स्थायी स्थिति नहीं।
  • एआई अपनाने के मध्य चरणों के दौरान, कुशल मानसिक मार्ग बनने से पहले, यह थकावट चरम पर होती है।
  • नेताओं को इस संज्ञानात्मक भार का प्रबंधन एक कोच की तरह करना चाहिए, न कि एआई अपनाने से पीछे हटना चाहिए।

इस समय एक धारणा आकार ले रही है और खूब ध्यान खींच रही है: AI हमारी ऊर्जा निचोड़ रहा है। इंजीनियर पहले से कहीं अधिक कोड दे रहे हैं और पहले से कहीं बदतर महसूस कर रहे हैं। «AI थकान» शब्द चर्चा में है और उस पर राय बढ़ती जा रही हैं।

एक सॉफ़्टवेयर इंजीनियर Business Insider में लिखते हैं कि पिछली तिमाही उनकी सबसे उत्पादक और सबसे थकाने वाली थी। स्टीव येगे, जिन्होंने सचमुच वाइब कोडिंग पर किताब लिखी है, The Pragmatic Engineer से कहते हैं कि वे दिन में झपकी लेते हैं और असली AI-सहायित काम को तीन घंटे तक सीमित रखते हैं। स्टार्टअप संस्थापकों की ऊर्जा दोपहर दो बजे चुक जाती है। इस महीने सबसे अधिक साझा की गई पोस्टों में से एक चेताती है कि AI का सबसे अधिक इस्तेमाल करने वालों पर उसका «पिशाच जैसा असर» होता है।

लेकिन एक बात शायद कोई नहीं देख रहा: सबसे अधिक थकान बताने वाले संशयवादी नहीं हैं। वे AI पर सबसे गहरा विश्वास रखने वाले हैं।

येगे के AI अपनाने के पैमाने पर पहले स्तर में अटके इंजीनियर, जो AI को पूरी तरह नज़रअंदाज़ करते हैं, ठीक महसूस करते हैं। शायद थोड़े चिंतित हों, लेकिन निढाल नहीं। घर लौटते समय पूरी तरह चूर वे होते हैं जो स्तर पाँच, छह और सात पर हैं: पूरी ताकत से जुटे, कई एजेंट चलाते, जटिल कार्यप्रवाहों का समन्वय करते और ऐसी गति से काम देते हैं जिसकी कभी कल्पना नहीं की थी।

इस पैटर्न को हमें कुछ बताना चाहिए। मेरा मानना है कि यह बताता है कि «AI थकान» पूरी तरह गलत निदान है।

समस्या थकान की नहीं, अभ्यास की है

पहली बार डेडलिफ्ट करने के बारे में सोचिए। कोई खास भारी वजन नहीं, केवल वह हरकत। अगले दिन उठे तो पूरा शरीर ऐसा लगा मानो उसे खोलकर गलत ढंग से जोड़ दिया गया हो। पैरों में दर्द था, पीठ में दर्द था। जिन मांसपेशियों के होने का पता भी नहीं था, वे सबसे अप्रिय ढंग से अपनी मौजूदगी जता रही थीं।

अगर उस दिन कोई आपका काम मापता तो परिणाम बहुत खराब दिखता। बिना मुँह बनाए बैठना भी मुश्किल था। आप उचित रूप से निष्कर्ष निकाल सकते थे कि डेडलिफ्ट लंबे समय तक करना संभव नहीं, मानव शरीर इसके लिए नहीं बना और कीमत लाभ से अधिक है।

लेकिन छह महीने बाद आप स्वाभाविक रूप से दोगुना वजन उठाते हैं और बाद में भी ठीक महसूस करते हैं। शरीर ने नए मार्ग बनाए और अनुकूलन किया। जो हरकत पहले पूरी सचेत मेहनत माँगती थी, वह अपने आप होने लगी। मांसपेशियों का दर्द यह नहीं बताता था कि आप टूट गए हैं, बल्कि यह कि कुछ नया बना रहे हैं।

AI-सहायित काम में ठीक यही हो रहा है।

वह संज्ञानात्मक भार जिसकी कोई बात नहीं करता

पारंपरिक तरीके से कोड लिखते समय आपका मस्तिष्क अच्छी तरह अभ्यास किया हुआ प्रोग्राम चलाता है। आप यह हज़ारों बार कर चुके हैं। कुंजियाँ दबाने का क्रम, पैटर्न और डिबगिंग की लय जानते हैं। यह रोज़ कार चलाकर काम पर जाने जैसा है: तकनीकी रूप से जटिल, लेकिन इतना अभ्यास हो चुका है कि साथ में रात के खाने के बारे में सोच सकते हैं।

AI-सहायित काम बुनियादी तौर पर अलग संज्ञानात्मक कार्य है। अब आप कोड नहीं लिख रहे। आप निर्देश देते, मूल्यांकन करते, निर्णय लेते, कई एजेंटों के बीच संदर्भ बदलते और ऐसा आउटपुट जाँचते हैं जिसे आपने नहीं लिखा। सिस्टम आर्किटेक्चर का उद्देश्य दिमाग में रखते हैं, जबकि AI ऐसे कार्यान्वयन विकल्प चुनता है जिन्हें आपको वास्तविक समय में सत्यापित करना होता है।

यह वही काम तेज़ी से करना नहीं, बल्कि पूरी तरह अलग काम है। मस्तिष्क ने अभी उसके लिए कुशल मार्ग नहीं बनाए हैं।

हर निर्णय अभी सचेत है। हर समीक्षा सक्रिय मेहनत माँगती है। आप गुणवत्ता देखते हैं, समानांतर कार्यधाराओं का संदर्भ बनाए रखते हैं और AI आउटपुट पर लगातार विवेकपूर्ण निर्णय करते हैं। इसलिए इस काम के तीन घंटे पारंपरिक कोडिंग के आठ घंटे से अधिक थका सकते हैं। संज्ञानात्मक रूप से यह जिम में पहले सप्ताह जैसा है।

अपनाने का वक्र असल में थकावट का वक्र है

येगे का आठ स्तरों वाला ढाँचा, जो AI अपनाने का वर्णन करता है, थकावट के वक्र से लगभग पूरी तरह मेल खाता है, हालाँकि मुझे नहीं लगता कि उनका यही इरादा था।

स्तर एक और दो पर आप AI का बहुत कम उपयोग करते हैं। कहीं स्वतः पाठ पूरा करना, कहीं एक सवाल। कम संज्ञानात्मक भार। कम थकान।

स्तर तीन से छह तक आप गहरे पानी में हैं। एजेंट को अधिक स्वायत्तता दी है, पंक्ति-दर-पंक्ति कम और पूरे काम की समीक्षा अधिक करते हैं, कई एजेंट चलाते हैं और लगातार ऐसे कार्यप्रवाह में रास्ता ढूँढ़ते हैं जो 18 महीने पहले था ही नहीं। ऊर्जा यहीं खर्च होती है। यही भारी डेडलिफ्ट है।

स्तर सात और आठ पर दिलचस्प बदलाव शुरू होता है। आपने समन्वय की प्रणालियाँ बना ली हैं। AI अधिक स्वतंत्र रूप से काम करता है। आप सीख चुके हैं कि किस पर भरोसा करना है और क्या जाँचना है। अपेक्षित परिणाम बताते हैं और चले जाते हैं। मैट शुमर ठीक यही बताते हैं: AI से कहना कि क्या बनाना है, चार घंटे के लिए जाना और तैयार काम के पास लौटना। अनुकूलन असर दिखाने लगा है।

थकावट बराबर नहीं बँटी है। वह बीच में चरम पर है, जहाँ इस समय शुरुआती उपयोगकर्ताओं का अधिकांश हिस्सा है। इसलिए थकान सर्वव्यापी लगती है: AI पर सबसे अधिक बोलने वालों में सीखने के वक्र के सबसे कठिन हिस्से में मौजूद लोग अनुपात से कहीं अधिक हैं।

किसी ने «ड्राइविंग थकान» पर लेख नहीं लिखे

गाड़ी चलाना सीखना याद है? पहली बार हाईवे के यातायात में शामिल होते समय शायद आपने स्टीयरिंग ऐसे पकड़ा होगा मानो जीवन उसी पर निर्भर हो, और सच कहें तो था भी। आधे घंटे की ड्राइव के बाद घर पूरी तरह निढाल लौटे। मस्तिष्क पूरी क्षमता पर था: शीशे देखना, गति सँभालना, दूसरे चालकों का अनुमान लगाना और संकेत समझना, सब एक साथ और सचेत होकर।

अब आप एक घंटे गाड़ी चलाते हैं, आधे ध्यान से पॉडकास्ट सुनते और सैंडविच खाते हैं। काम नहीं बदला। आप बदले हैं। मस्तिष्क ने ड्राइविंग के लिए कुशल तंत्रिका मार्ग बनाए और पहले पूरा सचेत ध्यान माँगने वाले काम को पृष्ठभूमि प्रक्रियाओं में समेट दिया।

किसी ने «ड्राइविंग थकान» को अस्तित्व के संकट की तरह समझने वाले लेख नहीं लिखे। किसी ने नहीं कहा कि कारों का चालकों पर «पिशाच जैसा असर» है। हम सहज रूप से समझते थे कि थकावट अस्थायी है। यह कुछ नया सीखने की कीमत थी।

वर्तमान चर्चा में यही बात गायब है। «AI थकान» को स्थायी स्थिति और तकनीक की बुनियादी विशेषता माना जा रहा है, जबकि यह वास्तव में बदलाव की कीमत है। यह अभ्यास के बाद मांसपेशियों का दर्द है, दीर्घकालिक बीमारी नहीं।

यह आराम से बढ़कर क्यों मायने रखता है

यह फर्क केवल शब्दों का नहीं है। समस्या का निदान तय करता है कि उसके बारे में आप क्या करेंगे।

अगर AI थकान तकनीक की स्थायी विशेषता है, तो येगे की तीन घंटे की सीमा हमेशा की छत है। कंपनियों को ऐसे इंजीनियरों के हिसाब से योजना बनानी चाहिए जो दिन के छोटे हिस्से में ही उत्पादक हों। «पिशाच जैसा असर» प्रवेश की कीमत है और हमें उसके साथ रहना होगा।

लेकिन यदि यह अभ्यास के बाद मांसपेशियों का दर्द है, तो तरीका बिल्कुल अलग होगा। आप भार सँभालते हैं और क्षमता धीरे-धीरे बनाते हैं। मांसपेशियाँ दुखने पर जिम नहीं छोड़ते। सबसे ज़रूरी, यह नहीं मानते कि आज की थकावट का स्तर कल भी वही होगा।

इस चरण से आगे बढ़ने वाले इंजीनियर AI के काम का निर्देशन करने, सही विस्तार-स्तर पर समीक्षा करने और समानांतर कार्यधाराओं में आर्किटेक्चर का उद्देश्य बनाए रखने के संज्ञानात्मक मार्ग बनाते हैं। अंततः वे यह ड्राइविंग जितनी सहजता से करेंगे। तीन घंटे की दीवार पाँच, फिर सात घंटे पर जाएगी। इसलिए नहीं कि वे अधिक मेहनत करेंगे, बल्कि इसलिए कि काम उसी तरह प्रयास नहीं माँगेगा।

इस बीच «AI थकान» पढ़कर स्तर दो की आरामदायक और परिचित स्थिति में, बिना निढाल हुए रुकने का निर्णय करने वाले इंजीनियर कहीं बदतर स्थिति में होंगे।

इसलिए नहीं कि वे रुझान के साथ नहीं चले, बल्कि इसलिए कि उन्होंने वह अभ्यास शुरू ही नहीं किया जिसे बाकी सब पार कर चुके थे।

असली जोखिम: मांसपेशियों के दर्द को चोट समझ लेना

मैं एक बात स्पष्ट करना चाहता हूँ। अभ्यास के बाद मांसपेशियों के दर्द और वास्तविक चोट में फर्क है। यहाँ भी वह फर्क लागू होता है।

यदि आप दिन में 14 घंटे वाइब कोडिंग करते, चार घंटे सोते और नवीनता के नशे में एड्रेनालिन के सहारे चलते हैं, तो यह अभ्यास नहीं है। यह हद से ज़्यादा अभ्यास है। जिम की तरह, हद से ज़्यादा अभ्यास कुछ नहीं बनाता। वह आपको तोड़ता है।

येगे की तीन घंटे की टिप्पणी स्थायी छत नहीं, वर्तमान आराम और पुनर्बहाली की ज़रूरत का संकेत होने के कारण मूल्यवान है। अभ्यास की शुरुआत में सत्रों के बीच अधिक आराम चाहिए। अनुकूलन के साथ अधिक मात्रा सँभाल सकते हैं। बर्नआउट के शिकार वे नहीं हैं जो तीन घंटे केंद्रित AI-सहायित काम करते हैं, बल्कि वे हैं जो रुक नहीं पाते क्योंकि फीडबैक चक्र बहुत लुभावना है। यह स्लॉट मशीन का ठीक वही व्यवहार-चक्र है जिसके बारे में मैं पहले लिख चुका हूँ।

उत्तर जिम से बचना नहीं, समझदारी से अभ्यास करना है: तीव्र सत्र, वास्तविक पुनर्बहाली और क्रमिक प्रगति।

एक भविष्यवाणी जो कोई और नहीं कर रहा

मुझे लगता है कि अगले 12–18 महीनों में यह होगा।

«AI थकान» की कथा इस साल किसी समय चरम पर पहुँचेगी। अधिक लेख, अधिक चिंता और शायद कुछ प्रसिद्ध इंजीनियर सार्वजनिक रूप से «AI उपकरणों से विराम» लेंगे। यह महत्वपूर्ण विरोधी प्रतिक्रिया जैसी लगेगी।

फिर वह चुपचाप फीकी पड़ेगी। इसलिए नहीं कि लोगों ने AI छोड़ दिया, बल्कि इसलिए कि शुरुआती उपयोगकर्ताओं का अनुकूलन पूरा हो गया। डेढ़ साल से यह करने वालों को तीन घंटे की दीवार दूर की याद लगेगी। वे AI कार्यप्रवाहों को वैसे निर्देशित करेंगे जैसे कभी for-लूप लिखते थे: बिना उस पर सोचे।

मांसपेशियों के दर्द से आगे बढ़ने वालों और न बढ़ने वालों के बीच बहुत बड़ा अंतर होगा। इसलिए नहीं कि AI कौशल दुर्लभ हैं, बल्कि इसलिए कि अनुकूलन खुद, यानी पंक्ति-दर-पंक्ति कार्यान्वयन के बजाय निर्देशन, मूल्यांकन और समन्वय के रूप में सोचना, एक समूह की सहज आदत बन चुका होगा और दूसरे के लिए बिल्कुल अपरिचित होगा।

अभ्यास के बाद मांसपेशियों के दर्द का सबसे खराब जवाब हमेशा एक रहा है: जिम जाना छोड़ देना।

नेताओं के लिए इसका अर्थ

अगर इस समय इंजीनियरिंग टीम का नेतृत्व कर रहे हैं, तो समझिए कि असल में क्या देख रहे हैं। सबसे उत्पादक इंजीनियर सबसे थके हुए भी हैं। यह विरोधाभास नहीं, बल्कि आपके पास सबसे स्पष्ट संकेत है कि अनुकूलन चल रहा है।

AI अपनाना घटाकर प्रतिक्रिया न दें। न ही दिखावा करें कि थकान वास्तविक नहीं है। अच्छे कोच की तरह अभ्यास का भार सँभालें। तीव्र और केंद्रित AI-सहायित काम के सत्रों के बाद वास्तविक पुनर्बहाली की अपेक्षा रखें। नए संज्ञानात्मक कौशल बनाते समय लोगों को उतने घंटे काम करने दें जो कम लगते हों। परिणाम फिर भी पहले से कई गुना होंगे।

इसे सही करने वाली कंपनियों के पास साल के अंत तक अनुकूलित टीमें होंगी। जो थकान को नज़रअंदाज़ करती हैं या उसके कारण AI से पीछे हटती हैं, उन्हें दोनों नतीजों के सबसे खराब पक्ष मिलेंगे: निढाल इंजीनियर जो वक्र का सबसे कठिन हिस्सा कभी पार नहीं कर पाए।

हम नई तकनीक के दुष्प्रभाव नहीं झेल रहे। हम नए कामकाजी तरीके के अभ्यास के शुरुआती हफ्तों में हैं। मांसपेशियों का दर्द साबित करता है कि यह असर कर रहा है। इसे स्वीकारें, सँभालें और भरोसा रखें कि मस्तिष्क, प्रकृति की हर दूसरी अनुकूलनशील प्रणाली की तरह, वही करेगा जो हमेशा करता आया है।

वह अनुकूलन करेगा।

एंड्रू फिलेव Zencoder के संस्थापक/सीईओ हैं। उन्होंने व्राइक (20,000 से अधिक ग्राहक, 2.25 अरब डॉलर में बेची गई) की स्थापना करके सहयोगी कार्य प्रबंधन को बदल दिया, फोर्ब्स और द न्यू यॉर्क टाइम्स में उनके बारे में लिखा गया, और उनका एआई और नवाचार के लिए जुनून कार्य के भविष्य को आकार देना जारी रखता है।