प्रोफेसर एरान याहव, टैबनाइन के सह-संस्थापक और सह-सीईओ – साक्षात्कार श्रृंखला

प्रोफेसर एरान याहव, टैबनाइन के सह-संस्थापक और सह-सीईओ, तकनीक – इज़राइल प्रौद्योगिकी संस्थान में कंप्यूटर विज्ञान के प्रोफेसर हैं, जिनका शोध कार्यक्रम भाषाओं, मशीन लर्निंग और सॉफ्टवेयर इंजीनियरिंग पर केंद्रित है, विशेष रूप से प्रोग्राम सिंथेसिस और बड़े पैमाने पर कोड विश्लेषण पर। अपने अकादमिक कार्य के साथ-साथ, उन्होंने टैबनाइन (मूल रूप से कोडोटा) की सह-स्थापना की ताकि वे वर्षों के शोध को व्यावहारिक डेवलपर टूल्स में लागू कर सकें, जो एआई-ड्रIVEN कोड पूर्णता और स्वचालन के क्षेत्र में अग्रणी हैं। उनका काम अकादमिक और उद्योग के बीच की खाई को पाटता है, एआई-जनित कोड को वास्तविक दुनिया के उद्यम वातावरण के लिए अधिक विश्वसनीय, सुरक्षित और संदर्भ-जागरूक बनाने पर ध्यान केंद्रित करता है।

टैबनाइन एक एआई-पावर्ड कोडिंग प्लेटफ़ॉर्म है जो पूरे सॉफ़्टवेयर विकास जीवन चक्र में डेवलपर्स की मदद करने के लिए डिज़ाइन किया गया है, कोड लिखने और डीबगिंग से लेकर परीक्षण और दस्तावेज़ीकरण उत्पन्न करने तक। मूल रूप से एक कोड पूर्णता उपकरण के रूप में लॉन्च किया गया, यह एक व्यापक उद्यम-केंद्रित प्लेटफ़ॉर्म में विकसित हुआ है जो जनरेटिव एआई और एजेंट-आधारित कार्य प्रवाहों को एकीकृत करता है, जिससे टीमें जटिल विकास कार्यों को स्वचालित करने के साथ-साथ गोपनीयता, सुरक्षा और अनुपालन पर मजबूत नियंत्रण बनाए रखने में सक्षम होती हैं। कई प्रोग्रामिंग भाषाओं और प्रमुख आईडीई के साथ एकीकरण के समर्थन के साथ, टैबनाइन डेवलपर उत्पादकता में सुधार करने का लक्ष्य रखता है, सुनिश्चित करता है कि एआई-जनित कोड संगठनात्मक मानकों के साथ संरेखित रहता है।

आपने तकनीक – इज़राइल प्रौद्योगिकी संस्थान में प्रोग्राम विश्लेषण और सिंथेसिस पर वर्षों का शोध किया है और पहले आईबीएम रिसर्च में काम किया है। सॉफ़्टवेयर विकास में कौन सी समस्या ने आपको टैबनाइन की सह-स्थापना करने के लिए प्रेरित की, और आपके अकादमिक शोध ने कंपनी के मूल दृष्टिकोण को कैसे आकार दिया?

मेरा अकादमिक कार्य प्रोग्राम विश्लेषण और सिंथेसिस पर केंद्रित था, जो मूल रूप से मशीनों को कोड समझने और उत्पन्न करने सिखाने के बारे में है। मैंने प्रोग्राम विश्लेषण पर अपनी पीएचडी की और यह वह जगह है जहां मैंने अपने शुरुआती वर्षों के लागू अनुसंधान कार्य किया। सॉफ़्टवेयर गुणवत्ता समस्याओं को प्रोग्राम विश्लेषण के साथ हल करने से यह स्पष्ट हो गया कि कुछ समस्याएं बहुत कठिन हैं जब कार्यक्रम पहले से ही गलत तरीके से लिखा जाता है। एक औंस रोकथाम एक पाउंड इलाज से बेहतर है, अगर आप चाहें। यह मुझे यह समझने में मदद करता है कि सॉफ़्टवेयर गुणवत्ता को प्रोग्राम सिंथेसिस के माध्यम से संबोधित करना सही तरीका है, जिस पर मैंने अपने शोध का अधिकांश समय और ऊर्जा बिताई है।

मैंने पहले समांतर कार्यक्रमों के लिए प्रोग्राम सिंथेसिस पर काम किया, जिसमें क्रमिक कार्यक्रमों से समांतर कार्यक्रमों के निर्माण को स्वचालित करने का प्रयास किया गया। मैंने तब मशीन लर्निंग का उपयोग करके अधिक सामान्य रूप से लागू प्रोग्राम सिंथेसिस में स्विच किया।

मशीन लर्निंग का उपयोग करके प्रोग्राम सिंथेसिस भी टैबनाइन को शक्ति प्रदान करने वाला मूल विचार था। यह विचार, जो अब स्पष्ट लगता है, यह था कि मॉडल कोड पैटर्न से सीख सकते हैं और विकासकर्ताओं को वास्तविक समय में सहायता प्रदान कर सकते हैं। यह सामान्य विचार सॉफ़्टवेयर विकास जीवन चक्र के सभी चरणों में लागू होता है – कोड निर्माण से लेकर कोड समीक्षा, तैनाती और परे।

दृष्टि हमेशा मानव विकासकर्ता को उपकरण प्रदान करने की रही है जो विकास प्रक्रिया को तेज करते हैं और घर्षण को दूर करते हैं। सॉफ़्टवेयर विकास एक रचनात्मक और समस्या-समाधान अनुशासन है, और लक्ष्य एआई को प्रक्रिया से घर्षण को दूर करने के लिए था ताकि विकासकर्ता नियमित कार्यों को संभाल सकें और प्रवाह में रहें। वह दृष्टि आज भी हमें मार्गदर्शन करती है, हालांकि प्रौद्योगिकी उन शुरुआती दिनों से काफी विकसित हुई है।

टैबनाइन ने ओपनएआई के मॉडल जैसे टूल के साथ मुख्यधारा में आने से कई वर्षों पहले एआई कोडिंग सहायकों को पioneered किया। उन शुरुआती दिनों से सॉफ़्टवेयर विकास में एआई की भूमिका कैसे विकसित हुई है, और उद्योग ने पहली पीढ़ी के कोडिंग कोपिलॉट से क्या सबक सीखा है?

एआई कोडिंग सहायकों की पहली पीढ़ी मुख्य रूप से भविष्यवाणी पर केंद्रित थी। वे मूल रूप से उन्नत ऑटोकम्प्लीट सिस्टम थे जो विकासकर्ताओं को कोड लिखने में मदद करते थे और अगली पंक्ति या फ़ंक्शन की भविष्यवाणी करते थे।

जो बदलाव आया है वह यह है कि एआई अब अधिक स्वायत्तता के साथ कार्यों को संभाल सकता है, जिस बिंदु पर हम उन्हें स्वतंत्र जूनियर डेवलपर मान सकते हैं।

लेकिन इससे उद्योग को एक महत्वपूर्ण सबक मिला है। कच्चे मॉडल क्षमता पर्याप्त नहीं है उद्यम सॉफ़्टवेयर विकास के लिए। सार्वजनिक डेटा पर प्रशिक्षित मॉडल उत्पादक आउटपुट उत्पन्न कर सकते हैं, लेकिन वे अक्सर संगठन की वास्तुकला, निर्भरताओं और सम्मेलनों के बारे में जागरूकता की कमी होती है।

इसका अर्थ है कि अगला विकास चरण केवल बड़े मॉडल या बड़े संदर्भ विंडो के बारे में नहीं है, बल्कि उन मॉडलों को वास्तविक संदर्भ से जोड़ने के बारे में है जिसमें सॉफ़्टवेयर बनाया जाता है।

कई उद्यम यह खोज कर रहे हैं कि एआई एजेंटों को स्केल करने से अधिक की आवश्यकता है – यह संगठनात्मक संदर्भ की गहरी समझ की आवश्यकता है। आप क्यों मानते हैं कि संदर्भ विश्वसनीय एआई-चालित विकास के लिए सच्ची फ्रंटियर बन रहा है?

सॉफ़्टवेयर सिस्टम जटिल संबंधों के नेटवर्क हैं। एक単ल परिवर्तन कई सेवाओं, एपीआई या डाउनस्ट्रीम घटकों को प्रभावित कर सकता है।

आज के एआई मॉडल कोड उत्पन्न करने में बहुत अच्छे हैं, लेकिन वे अक्सर संरचित संबंधों की समझ के बिना काम करते हैं। उस समझ के बिना, एआई परिवर्तन के परिणामों के बारे में विश्वसनीय रूप से तर्क नहीं कर सकता है।

उद्यमों का पता चलता है कि एआई प्रणालियों की विश्वसनीयता संचालित संदर्भ की गुणवत्ता पर निर्भर करती है। यदि एआई प्रणाली प्रणाली की वास्तुकला, सेवाओं के बीच निर्भरताओं और संगठन के कोडिंग मानकों को समझती है, तो यह कोड उत्पन्न कर सकती है जो अधिक बारीकी से उस प्रणाली के साथ संरेखित होती है जैसा कि वास्तव में काम करता है।

इस अर्थ में, संदर्भ विश्वसनीय एआई विकास के लिए अगली फ्रंटियर बन रहा है।

आपका नया एंटरप्राइज़ कंटेक्स्ट इंजन एआई एजेंटों को संगठन की वास्तुकला, निर्भरताओं और इंजीनियरिंग प्रथाओं की संरचित समझ प्रदान करने का लक्ष्य रखता है। यह दृष्टिकोण उन तरीकों से कैसे भिन्न है जो कई कंपनियों द्वारा वर्तमान में उपयोग किए जाते हैं, जैसे कि रिट्रीवल-ऑगमेंटेड जेनरेशन?

रिट्रीवल-ऑगमेंटेड जेनरेशन एक उपयोगी तकनीक है। यह मॉडल को प्रासंगिक दस्तावेज़ या कोड स्निपेट प्राप्त करने की अनुमति देता है जब उत्तर उत्पन्न करते हैं।

लेकिन रिट्रीवल अकेले समझ नहीं पैदा करता है। यह जानकारी प्रदान करता है, न कि संरचना।

एंटरप्राइज़ कंटेक्स्ट इंजन को आगे बढ़ाने के लिए डिज़ाइन किया गया है ताकि यह सॉफ़्टवेयर वातावरण का एक संरचित प्रतिनिधित्व बना सके। यह भंडारों, सेवाओं, निर्भरताओं, एपीआई और वास्तुशिल्प संबंधों का विश्लेषण करता है और उन्हें एक मॉडल में व्यवस्थित करता है जो वास्तव में प्रणाली कैसे काम करती है।

यह एआई प्रणालियों को पाठ के टुकड़ों को पुनर्प्राप्त करने के बजाय घटकों के बीच संबंधों के बारे में तर्क करने की अनुमति देता है। जटिल उद्यम वातावरण के लिए, यह अंतर बहुत महत्वपूर्ण हो जाता है।

एआई कोडिंग टूल्स मल्टी-स्टेप वर्कफ़्लो को निष्पादित करने में सक्षम स्वायत्त एजेंटों से ऑटोकम्प्लीट सुझाव तक विकसित हो रहे हैं। अगले पांच वर्षों में मानव विकासकर्ताओं और एजेंटिक सिस्टम के बीच संतुलन कैसे बदलेगा?

एआई एजेंट नियमित विकास कार्यों को अपने आप संभालेंगे। वे पहले से ही सुविधाओं को अंत से अंत तक लागू करने में सक्षम हैं, जिसमें परीक्षण और दस्तावेज़ीकरण शामिल है। प्रत्येक डेवलपर एआई डेवलपर की एक टीम का नेतृत्व करेगा। मुख्य चुनौती उन आवश्यकताओं को संवाद करना होगी और यह सत्यापित करना होगा कि उत्पन्न किए गए आर्टिफैक्ट्स रेखांकित आवश्यकताओं से मेल खाते हैं।

हालांकि, सॉफ़्टवेयर विकास मूल रूप से समस्या-समाधान और डिज़ाइन के बारे में है। मानव विकासकर्ता वास्तुकला को परिभाषित करना, व्यापार-बंद करना और प्रणालियों की समग्र दिशा का मार्गदर्शन करना जारी रखेंगे।

जो बदलेगा वह यह है कि विकासकर्ता किस स्तर के अभिविन्यास पर काम करते हैं। कोड पर ध्यान केंद्रित करने के बजाय, विकासकर्ता उच्च-स्तरीय कार्य प्रवाहों का समन्वय करेंगे और उन कार्य प्रवाहों के हिस्सों को निष्पादित करने वाले एआई प्रणालियों के साथ सहयोग करेंगे।

दूसरे शब्दों में, विकासकर्ताओं की भूमिका अधिक रणनीतिक हो जाती है क्योंकि एआई अधिक यांत्रिक कार्य संभालता है।

टैबनाइन ने संकेत दिया है कि उद्यम उपयोगकर्ता कुछ वातावरण में एआई-जनित कोड स्वीकृति दर 80% तक देख सकते हैं। संगठनों को यह निर्धारित करने के लिए कौन से मैट्रिक्स का उपयोग करना चाहिए कि एआई कोडिंग टूल्स वास्तव में डेवलपर उत्पादकता में सुधार कर रहे हैं या क्या वे बस अधिक कोड उत्पन्न कर रहे हैं?

मुख्य प्रश्न यह नहीं है कि एआई कितना कोड उत्पन्न करता है, बल्कि यह कितना उपयोगी कार्य वास्तव में उत्पन्न करता है।

संगठनों को कई मैट्रिक्स को ट्रैक करना चाहिए। एक पहला पास स्वीकृति दर है, जो मापता है कि कितनी बार एआई-जनित कोड को संशोधन के बिना उपयोग किया जा सकता है। दूसरा समीक्षा चक्र समय है – पुल अनुरोध को विलय करने से पहले कितने पुनरावृत्ति की आवश्यकता होती है।

संगठनों को डेवलपर द्वारा पुनर्कार्य पर बिताए गए समय और विकास से उत्पादन तक परिवर्तन के लिए लीड समय पर भी ध्यान देना चाहिए।

यदि एआई टूल्स वास्तव में उत्पादकता में सुधार कर रहे हैं, तो आपको उन मैट्रिक्स में सुधार देखना चाहिए। डेवलपर्स उत्पन्न कोड को ठीक करने में कम समय बिताते हैं और उच्च मूल्य वाले कार्यों पर अधिक समय बिताते हैं।

उद्यम अभी भी प्रोप्राइटरी कोड को बाहरी मॉडल के सामने लाने के बारे में सावधान हैं। “विश्वसनीय एआई कोडिंग” की अवधारणा कैसे शासन, गोपनीयता और अनुपालन चिंताओं को संबोधित करती है जिन्होंने एआई विकास टूल के उद्यम अपनाने को धीमा कर दिया है?

विश्वास उद्यम अपनाने के लिए सबसे महत्वपूर्ण कारकों में से एक है।

विश्वास अंतिम चुनौती है जो एआई इंजीनियर को वास्तविक बनाने के लिए है। हम एआई इंजीनियर पर कैसे विश्वास करते हैं कि यह स्वायत्त रूप से महत्वपूर्ण सॉफ़्टवेयर इंजीनियरिंग कार्यों को पूरा करने के लिए कार्य करे? हम यह कैसे सुनिश्चित करते हैं कि इसकी क्रियाएं हमारी गुणवत्ता, सुरक्षा और नीतियों के अनुरूप हैं? यदि एआई इंजीनियर हमारी इंजीनियरिंग टीमों का एक स्वीकृत सदस्य होना है, तो यह हमारे अच्छी तरह से जांचे गए और उपयुक्त रूप से ऑनबोर्ड किए गए साथियों के रूप में विश्वसनीय होना चाहिए।

इस चुनौती का समाधान करने में दो महत्वपूर्ण स्तंभ शामिल हैं:

• वैयक्तिकरण: एआई इंजीनियर को आपके संगठन, कोडबेस और सर्वोत्तम प्रथाओं की गहन समझ प्रदान करना।
• नियंत्रण: मजबूत प्रणाली को लागू करने के लिए ताकि यह सुनिश्चित किया जा सके कि उत्पन्न कोड – एआई-जनित और मानव-लिखित दोनों – संगठन के गुणवत्ता, सुरक्षा, प्रदर्शन और विश्वसनीयता मानकों को पूरा करता है।

इसके अलावा, विश्वसनीय एआई कोडिंग का अर्थ है कि संगठनों को यह नियंत्रण देना कि वे एआई को कैसे तैनात करते हैं और केंद्रीकृत शासन और नियंत्रण सुनिश्चित करते हैं।

आपका मानना ​​है कि संगठनात्मक संदर्भ भविष्य में एआई स्टैक में एक मूलभूत परत बन सकता है – डेटाबेस या क्लाउड इन्फ्रास्ट्रक्चर की तरह पिछली पीढ़ियों में। यह भविष्य की वास्तुकला कैसी दिखेगी?

यदि आप देखते हैं कि उद्यम प्रौद्योगिकी कैसे विकसित होती है, तो हम अक्सर नए इन्फ्रास्ट्रक्चर परतों को उभरते हुए देखते हैं।

डेटाबेस डेटा प्रबंधन के लिए आधार बन गए। क्लाउड प्लेटफ़ॉर्म बड़े पैमाने पर अनुप्रयोगों को चलाने के लिए आधार बन गए।

एआई युग में, संगठनों को ऐसी इन्फ्रास्ट्रक्चर की आवश्यकता होगी जो एआई प्रणालियों को उद्यम की आंतरिक संरचना – इसकी प्रणालियों, संबंधों और संचालन संबंधों को समझने की अनुमति दे।

उस इन्फ्रास्ट्रक्चर परत को कई एआई प्रणालियों द्वारा उपयोग किया जा सकता है, चाहे वे कोडिंग सहायक, समर्थन एजेंट या संचालन स्वचालन टूल हों।

इस अर्थ में, संदर्भ एआई के लिए एक साझा आधार बन जाता है।

कई कंपनियां कोडिंग सहायकों को एकल फाउंडेशन मॉडल से जोड़ रही हैं। टैबनाइन के बजाय, उद्यमों को अपनी आवश्यकताओं के अनुसार विभिन्न मॉडलों से जुड़ने की अनुमति देता है। मॉडल लचीलापन एआई विकास टूल के दीर्घकालिक विकास के लिए क्यों महत्वपूर्ण है?

एआई पारिस्थितिकी तंत्र तेजी से विकसित हो रहा है। नए मॉडल अक्सर जारी किए जाते हैं, और विभिन्न मॉडल अक्सर विभिन्न क्षेत्रों में ताकत रखते हैं।

उद्यमों को मॉडल लैंडस्केप बदलने पर अपने विकास कार्यों को फिर से डिज़ाइन नहीं करना चाहिए। संगठनों को मॉडल चुनने और स्विच करने की अनुमति देकर, हम उन्हें अपनी एआई रणनीति को भविष्य में तैयार करने में मदद करते हैं।

मॉडल लचीलापन संगठनों को प्रदर्शन, लागत, गोपनीयता आवश्यकताओं और तैनाती प्रतिबंधों के बीच संतुलन बनाने की भी अनुमति देता है।

दीर्घकाल में, उद्यमों को एक बहु-मॉडल वातावरण में काम करने की संभावना है, और विकास मंचों को उस वास्तविकता के साथ डिज़ाइन किया जाना चाहिए।

वर्तमान में एआई विकास मंचों का मूल्यांकन करने वाले सीटीओ और इंजीनियरिंग नेताओं के लिए, एआई कोडिंग टूल तैनात करते समय संगठन सबसे बड़ी गलतियाँ क्या करते हैं, और वे उनसे कैसे बच सकते हैं?

एक सामान्य गलती मॉडल क्षमता पर ध्यान केंद्रित करना है। बड़े मॉडल निश्चित रूप से एक महत्वपूर्ण घटक हैं, लेकिन वास्तविक दुनिया के वातावरण में विश्वसनीयता इस बात पर निर्भर करती है कि एआई प्रणाली कितनी अच्छी तरह से सिस्टम को समझती है जिसमें यह संचालित होती है।

एक और गलती एआई टूल्स को तैनात करना है जो शासन और सुरक्षा आवश्यकताओं पर विचार नहीं करता है। उद्यमों को स्पष्ट नीतियों की आवश्यकता है कि कैसे कोड एक्सेस किया जाता है, मॉडल कैसे तैनात किए जाते हैं और आउटपुट कैसे मान्य किए जाते हैं।

अंत में, संगठन कभी-कभी एआई से तुरंत उत्पादकता लाभ की उम्मीद करते हैं बिना कार्य प्रवाह को अनुकूलित किए और पर्याप्त संदर्भ प्रदान किए। सफल तैनाती आमतौर पर एआई को मौजूदा विकास प्रक्रियाओं में एकीकृत करने और इसे संगठन के कोड और वास्तुकला से जोड़ने के साथ शामिल होती है।

जब ये तत्व एक साथ आते हैं, तो एआई सॉफ़्टवेयर विकास के लिए एक शक्तिशाली त्वरणक बन सकता है, न कि केवल एक और उपकरण।

साक्षात्कार के लिए धन्यवाद, पाठक जो अधिक जानना चाहते हैं उन्हें टैबनाइन पर जाना चाहिए।