क्या बड़े भाषा मॉडल प्रोग्रामिंग को समाप्त कर देंगे?

पिछले सप्ताह में, OpenAI ने अपने OpenAI DevDay पर GPT-4 टर्बो का अनावरण किया। GPT-4 टर्बो की एक उल्लेखनीय विशेषता इसकी विस्तारित संदर्भ विंडो है, जो 128,000 तक है, जो GPT-4 के 8,000 से काफी अधिक है। यह उन्नति पाठ के प्रसंस्करण को 16 गुना अधिक बढ़ाती है, जो लगभग 300 पृष्ठों के पाठ के बराबर है।

यह प्रगति एक अन्य महत्वपूर्ण विकास से जुड़ी हुई है: SaaS स्टार्टअप्स के परिदृश्य पर संभावित प्रभाव।

OpenAI के ChatGPT Enterprise, जिसमें उन्नत सुविधाएं हैं, कई SaaS स्टार्टअप्स के लिए एक चुनौती पेश करता है। ये कंपनियां, जो ChatGPT या इसके API के आसपास उत्पादों और सेवाओं की पेशकश कर रही थीं, अब एक ऐसे उपकरण से प्रतिस्पर्धा का सामना कर रही हैं जिसमें उद्यम-स्तर की क्षमताएं हैं। ChatGPT Enterprise की पेशकशें, जैसे कि डोमेन सत्यापन, SSO, और उपयोग अंतर्दृष्टि, कई मौजूदा B2B सेवाओं के साथ ओवरलैप करती हैं, जो इन स्टार्टअप्स के अस्तित्व को संभावित रूप से खतरे में डाल सकती हैं।

अपने मुख्य भाषण में, OpenAI के सीईओ सैम ऑल्टमैन ने एक और बड़ा विकास का खुलासा किया: GPT-4 टर्बो के ज्ञान कट-ऑफ का विस्तार। GPT-4 के विपरीत, जिसमें केवल 2021 तक की जानकारी थी, GPT-4 टर्बो अप्रैल 2023 तक के ज्ञान के साथ अपडेट किया गया है, जो AI की प्रासंगिकता और अनुप्रयोग में एक महत्वपूर्ण कदम है।

ChatGPT Enterprise उन्नत सुरक्षा और गोपनीयता, GPT-4 तक उच्च गति वाली पहुंच, और लंबे इनपुट के लिए विस्तारित संदर्भ विंडो जैसी सुविधाओं के साथ खड़ा है। इसकी उन्नत डेटा विश्लेषण क्षमताएं, अनुकूलन विकल्प, और उपयोग कैप को हटाना इसे अपने पूर्ववर्तियों की तुलना में एक बेहतर विकल्प बनाता है। इसकी लंबे इनपुट और फ़ाइलों को संसाधित करने की क्षमता, साथ ही उन्नत डेटा विश्लेषण उपकरणों जैसे कि पहले से ज्ञात कोड इंटरप्रेटर तक असीमित पहुंच, विशेष रूप से व्यवसायों के बीच इसकी अपील को और भी मजबूत बनाती है जो पहले डेटा सुरक्षा चिंताओं के कारण संकोच कर रहे थे।

मैनुअल रूप से कोड बनाने का युग AI-चालित प्रणालियों के लिए रास्ता दे रहा है, जो प्रशिक्षित हैं और प्रोग्राम किए जाते हैं, जो सॉफ्टवेयर विकास में एक मूलभूत परिवर्तन को दर्शाता है।

मैनुअल प्रोग्रामिंग के नीरस कार्य जल्द ही AI के लिए गिर सकते हैं, जिससे गहरे कोडिंग विशेषज्ञता की आवश्यकता कम हो जाएगी। जैसे कि GitHub के CoPilot और Replit के Ghostwriter जैसे उपकरण, जो कोडिंग में सहायता करते हैं, AI की भूमिका के विस्तार के शुरुआती संकेत हैं, जो एक भविष्य की ओर इशारा करते हैं जहां AI पूरी तरह से प्रोग्रामिंग प्रक्रिया का प्रबंधन करेगा। कल्पना कीजिए कि एक सामान्य परिदृश्य जहां एक प्रोग्रामर किसी विशिष्ट भाषा में एक सूची को उलटने के लिए वाक्य रचना भूल जाता है। CoPilot तुरंत सहायता प्रदान करता है, प्रोग्रामर को लक्ष्य की ओर केंद्रित रखते हुए।

लो-कोड से AI-चालित विकास में संक्रमण

लो-कोड और नो-कोड टूल्स ने प्रोग्रामिंग प्रक्रिया को सरल बनाया, मूल कोडिंग ब्लॉक्स के निर्माण को स्वचालित किया और विकासकर्ताओं को उनकी परियोजनाओं के रचनात्मक पहलुओं पर ध्यान केंद्रित करने के लिए स्वतंत्र किया। लेकिन जैसे ही हम इस नए AI तरंग में प्रवेश करते हैं, परिदृश्य और भी बदलता है। उपयोगकर्ता इंटरफ़ेस की सादगी और सीधे निर्देशों के माध्यम से कोड का निर्माण करने की क्षमता, जैसे कि “मुझे X करने के लिए एक वेबसाइट बनाएं”, प्रक्रिया को क्रांतिकारी बना रही है।

AI का प्रोग्रामिंग में प्रभाव पहले से ही विशाल है। जैसे पहले के कंप्यूटर वैज्ञानिकों ने इलेक्ट्रिकल इंजीनियरिंग से अधिक अमूर्त अवधारणाओं पर ध्यान केंद्रित किया, भविष्य के प्रोग्रामर विस्तृत कोडिंग को पुराना मान सकते हैं। AI में तेजी से प्रगति केवल पाठ/कोड जेनरेशन तक सीमित नहीं है। छवि जेनरेशन में डिफ्यूजन मॉडल जैसे रनवे एमएल, डीएलएल-ई 3, में बड़े सुधार दिखा रहे हैं। बस नीचे दिए गए रनवे द्वारा अपनी नवीनतम सुविधा को प्रदर्शित करने वाले ट्वीट को देखें।

https://twitter.com/runwayml/status/1723033256067489937

प्रोग्रामिंग से परे, AI का रचनात्मक उद्योगों पर प्रभाव समान रूप से परिवर्तनकारी होने वाला है। जेफ काट्जेनबर्ग, फिल्म उद्योग में एक दिग्गज और वॉल्ट डिज़नी स्टूडियो के पूर्व अध्यक्ष, ने भविष्यवाणी की है कि AI एनिमेटेड फिल्मों के उत्पादन की लागत को काफी कम कर देगा। ब्लूमबर्ग के एक हालिया लेख के अनुसार, काट्जेनबर्ग 90% की लागत में कमी की भविष्यवाणी करते हैं। इसमें पारंपरिक एनिमेशन में इन-बीटवीनिंग जैसे श्रमसाध्य कार्यों को स्वचालित करना, दृश्यों को रेंडर करना और यहां तक कि चरित्र डिजाइन और स्टोरीबोर्डिंग जैसी रचनात्मक प्रक्रियाओं में सहायता करना शामिल हो सकता है।

कोडिंग में AI की लागत प्रभावशीलता

सॉफ्टवेयर इंजीनियर को नियुक्त करने की लागत विश्लेषण:

1. कुल मुआवजा: टेक हब्स जैसे सिलिकॉन वैली या सिएटल में एक सॉफ्टवेयर इंजीनियर के लिए औसत वेतन, अतिरिक्त लाभों सहित, लगभग $312,000 प्रति वर्ष है।

दैनिक लागत विश्लेषण:

1. वर्ष में कार्य दिवस: यह मानकर कि एक वर्ष में लगभग 260 कार्य दिवस हैं, एक सॉफ्टवेयर इंजीनियर को नियुक्त करने की दैनिक लागत लगभग $1,200 है।
2. कोड आउटपुट: यह मानकर कि एक उदार अनुमान के अनुसार प्रति दिन 100 अंतिम, परीक्षणित, समीक्षित और अनुमोदित कोड लाइनें हैं, यह दैनिक आउटपुट तुलना के लिए आधार है।

GPT-3 के लिए कोड जेनरेशन की लागत विश्लेषण:

1. टोकन लागत: वीडियो के समय में, GPT-3 का उपयोग करने की लागत प्रति 1,000 टोकन के लिए लगभग $0.02 थी।
2. प्रति कोड लाइन टोकन: औसतन, एक कोड लाइन में लगभग 10 टोकन हो सकते हैं।
3. 100 कोड लाइनों की लागत: इसलिए, 100 कोड लाइनों (या 1,000 टोकन) को GPT-3 का उपयोग करके उत्पन्न करने की लागत लगभग $0.12 होगी।

तुलनात्मक विश्लेषण:

• मानव बनाम AI प्रति कोड लाइन लागत: लागतों की तुलना करते हुए, प्रति दिन 100 कोड लाइनें उत्पन्न करने की लागत मानव सॉफ्टवेयर इंजीनियर द्वारा $1,200 है, जबकि GPT-3 का उपयोग करके केवल $0.12 है।
• लागत कारक: यह लगभग 10,000 गुना का लागत कारक अंतर दर्शाता है, जिसमें AI काफी सस्ता है।

यह विश्लेषण कोडिंग के क्षेत्र में AI की आर्थिक संभावना की ओर इशारा करता है। मानव विकासकर्ताओं की तुलना में AI-उत्पन्न कोड की कम लागत से संकेत मिलता है कि भविष्य में AI कोड जेनरेशन के लिए पसंदीदा तरीका बन सकता है, विशेष रूप से मानक या पुनरावृत्ति कार्यों के लिए। यह परिवर्तन कंपनियों के लिए महत्वपूर्ण लागत बचत और मानव प्रोग्रामर्स की भूमिका में परिवर्तन का कारण बन सकता है, संभावित रूप से जटिल, रचनात्मक या पर्यवेक्षण कार्यों पर ध्यान केंद्रित करता है जो AI अभी तक संभाल नहीं सकता है।

ChatGPT की बहुमुखी प्रतिभा विभिन्न प्रोग्रामिंग संदर्भों में फैली हुई है, जिसमें वेब विकास फ्रेमवर्क के साथ जटिल इंटरैक्शन शामिल हैं। एक परिदृश्य पर विचार करें जहां एक विकासकर्ता React के साथ काम कर रहा है, जो एक लोकप्रिय जावास्क्रिप्ट लाइब्रेरी है जो उपयोगकर्ता इंटरफ़ेस बनाने के लिए उपयोग की जाती है। परंपरागत रूप से, यह कार्य व्यापक दस्तावेज़ीकरण और समुदाय-प्रदत्त उदाहरणों में गोता लगाने को शामिल करता है, विशेष रूप से जटिल घटकों या स्टेट प्रबंधन से निपटने के दौरान।

ChatGPT के साथ, यह प्रक्रिया सुव्यवस्थित हो जाती है। विकासकर्ता को बस React में लागू करने की इच्छित कार्यक्षमता का वर्णन करना होता है, और ChatGPT प्रासंगिक, तैयार-टू-उपयोग कोड स्निपेट प्रदान करता है। यह मूल घटक संरचना से लेकर अधिक उन्नत सुविधाओं जैसे हुक्स के साथ स्टेट प्रबंधन या बाहरी एपीआई के साथ एकीकरण तक हो सकता है। शोध और परीक्षण-त्रुटि के समय को कम करके, ChatGPT वेब विकास संदर्भों में दक्षता में सुधार करता है और परियोजना विकास को तेज करता है।

AI-चालित प्रोग्रामिंग में चुनौतियां

जैसे ही AI प्रोग्रामिंग परिदृश्य को फिर से आकार देता है, यह पहचानना आवश्यक है कि AI पर पूरी तरह से निर्भर रहने के साथ आने वाली सीमाओं और चुनौतियों को स्वीकार किया जाता है। ये चुनौतियां AI की ताकत का लाभ उठाने के लिए एक संतुलित दृष्टिकोण की आवश्यकता पर जोर देती हैं, साथ ही साथ इसकी सीमाओं को स्वीकार करती हैं।

1. कोड गुणवत्ता और रखरखाव: AI-उत्पन्न कोड कभी-कभी वाक्यरचना या अक्षम हो सकता है, जिससे रखरखाव चुनौतियां पैदा हो सकती हैं। जबकि AI कार्यात्मक कोड लिख सकता है, यह सुनिश्चित करना कि यह कोड सर्वोत्तम प्रथाओं के लिए पढ़ने, कुशलता और रखरखाव के लिए अनुकूल है, अभी भी एक मानव-निर्देशित कार्य है।
2. डीबगिंग और त्रुटि हैंडलिंग: AI प्रणाली तेजी से कोड उत्पन्न कर सकती है, लेकिन वे हमेशा मौजूदा कोड में सूक्ष्म त्रुटियों को डीबग करने या समझने में उतनी अच्छी नहीं होती हैं। बड़े और जटिल प्रणालियों में डीबगिंग की बारीकियां अक्सर मानवीय समझ और अनुभव की मांग करती हैं।
3. प्रशिक्षण डेटा पर निर्भरता: प्रोग्रामिंग में AI की प्रभावशीलता बड़े पैमाने पर इसके प्रशिक्षण डेटा की गुणवत्ता और विस्तार पर निर्भर करती है। यदि प्रशिक्षण डेटा में कुछ बग, पैटर्न या परिदृश्यों के उदाहरणों का अभाव है, तो AI की ऐसी स्थितियों से निपटने की क्षमता समझौता करती है।
4. नैतिक और सुरक्षा चिंताएं: AI की प्रोग्रामिंग में बढ़ती भूमिका के साथ, विशेष रूप से डेटा गोपनीयता और AI-उत्पन्न कोड में संभावित पूर्वाग्रह के बारे में नैतिक और सुरक्षा चिंताएं उत्पन्न होती हैं। जिम्मेदार AI-चालित प्रोग्रामिंग टूल्स के विकास के लिए नैतिक उपयोग और इन पूर्वाग्रहों को संबोधित करना आवश्यक है।

AI और पारंपरिक प्रोग्रामिंग कौशल के बीच संतुलन

भविष्य में सॉफ्टवेयर विकास टीमों में एक हाइब्रिड मॉडल उभर सकता है। उत्पाद प्रबंधक AI कोड जनरेटर के लिए निर्देशों में आवश्यकताओं का अनुवाद कर सकते हैं। मानव पर्यवेक्षण गुणवत्ता आश्वासन के लिए अभी भी आवश्यक हो सकता है, लेकिन ध्यान विस्तृत कोडिंग से AI-उत्पन्न आउटपुट की सत्यापन और सूक्ष्म समायोजन की ओर स्थानांतरित हो जाएगा। यह परिवर्तन पारंपरिक कोडिंग सिद्धांतों जैसे मॉड्यूलरिटी और अभिव्यक्ति पर जोर को कम करने का सुझाव देता है, क्योंकि AI-उत्पन्न कोड को मानव-केंद्रित रखरखाव मानकों का पालन करने की आवश्यकता नहीं है।

इस नए युग में, इंजीनियरों और कंप्यूटर वैज्ञानिकों की भूमिका काफी हद तक बदल जाएगी। वे LLM के साथ बातचीत करेंगे, प्रशिक्षण डेटा और उदाहरण प्रदान करके कार्यों को प्राप्त करने के लिए, ध्यान को विस्तृत कोडिंग से AI मॉडल के साथ रणनीतिक रूप से काम करने की ओर स्थानांतरित करते हैं।

मूल गणना इकाई पारंपरिक प्रोसेसर से बड़े, पूर्व-प्रशिक्षित LLM मॉडल में स्थानांतरित हो जाएगी, जो स्थिर, स्थिर प्रक्रियाओं से गतिशील, अनुकूली AI एजेंटों में एक प्रस्थान को चिह्नित करता है।

फोकस कोड और कार्यक्रमों को बनाने और समझने से AI मॉडल को निर्देशित करने की ओर स्थानांतरित हो रहा है, जो कंप्यूटर वैज्ञानिकों और इंजीनियरों की भूमिकाओं को पुनः परिभाषित करता है और हमारे प्रौद्योगिकी के साथ हमारे संवाद को फिर से आकार देता है।

AI-उत्पन्न कोड में मानव अंतर्दृष्टि की आवश्यकता

प्रोग्रामिंग का भविष्य कोडिंग के बारे में कम और हमारी तकनीकी दुनिया को चलाने वाली बुद्धिमत्ता को निर्देशित करने के बारे में अधिक है।

यह विश्वास कि AI द्वारा प्राकृतिक भाषा प्रसंस्करण पूरी तरह से औपचारिक गणितीय संकेतन और पारंपरिक प्रोग्रामिंग की सटीकता और जटिलता को प्रतिस्थापित कर सकता है, कम से कम कहने के लिए, समय से पहले है। प्रोग्रामिंग में AI की ओर बढ़ने से औपचारिक प्रोग्रामिंग और गणितीय कौशल की सख्ती और सटीकता की आवश्यकता समाप्त नहीं होती है जो केवल मानव प्रदान कर सकते हैं।

इसके अलावा, AI-उत्पन्न कोड को पहले से हल नहीं किए गए समस्याओं के लिए परीक्षण करने की चुनौती अभी भी महत्वपूर्ण है। संपत्ति-आधारित परीक्षण जैसी तकनीकें गहरी प्रोग्रामिंग कौशल की मांग करती हैं, जो कि AI, अपनी वर्तमान स्थिति में, प्रतिकृति या प्रतिस्थापित नहीं कर सकता है।

सारांश में, जबकि AI प्रोग्रामिंग के कई पहलुओं को स्वचालित करने का वादा करता है, रचनात्मकता, जटिल समस्या समाधान और नैतिक पर्यवेक्षण के क्षेत्रों में मानव तत्व अभी भी महत्वपूर्ण है।