हाल ही में, BuzzFeed के वरिष्ठ डेटा वैज्ञानिक मैक्स वुल्फ ने एक प्रयोग किया, जिसमें AI से कोड को सुधारने के प्रभाव का अन्वेषण किया गया। प्रयोग में, उन्होंने Claude3.5 भाषा मॉडल का उपयोग किया और एक क्लासिक प्रोग्रामिंग चुनौती दी: एक मिलियन यादृच्छिक संख्याओं में से 30 का योग करने वाले सबसे बड़े और सबसे छोटे मान के बीच का अंतर निकालने के लिए Python कोड लिखें।
छवि स्रोत नोट: छवि AI द्वारा उत्पन्न की गई है, छवि अधिकार सेवा प्रदाता Midjourney
प्रारंभिक संस्करण में, Claude द्वारा उत्पन्न कोड का चलने का समय 657 मिलीसेकंड था। हालांकि, वुल्फ के "बेहतर कोड लिखें (write better code)" इस सरल निर्देश को बार-बार देने के साथ, अंततः उत्पन्न कोड का चलने का समय केवल 6 मिलीसेकंड तक कम हो गया, जिसने प्रदर्शन में 100 गुना सुधार किया। यह परिणाम न केवल ध्यान आकर्षित करने वाला था, बल्कि AI ने "बेहतर कोड" की परिभाषा के दौरान अप्रत्याशित बदलाव भी दिखाए।
जब चौथी बार "बेहतर कोड लिखें" का अनुरोध किया गया, तो Claude ने अप्रत्याशित रूप से कोड को एक कॉर्पोरेट एप्लिकेशन जैसी संरचना में बदल दिया, कुछ विशिष्ट कॉर्पोरेट विशेषताएँ जोड़ी, जबकि वुल्फ ने ऐसा करने का अनुरोध नहीं किया था। यह दर्शाता है कि AI "बेहतर कोड" को "कॉर्पोरेट सॉफ़्टवेयर" से जोड़ सकता है, जो इसके प्रशिक्षण के दौरान संचित ज्ञान को दर्शाता है।
डेवलपर साइमोन विलीसन ने इस पुनरावृत्ति सुधार घटना का विश्लेषण किया, और माना कि भाषा मॉडल हर नए अनुरोध में कोड को एक नई दृष्टिकोण से देखता है। हालांकि हर अनुरोध में पिछले संवाद का संदर्भ शामिल होता है, लेकिन Claude विश्लेषण करते समय ऐसा लगता है जैसे वह पहली बार उस कोड को देख रहा हो, जिससे वह लगातार सुधार कर सकता है।
हालांकि, वुल्फ ने अधिक विशिष्ट अनुरोधों के प्रयास में पाया कि, जबकि इससे बेहतर परिणाम तेजी से मिलते हैं, कोड में कुछ सूक्ष्म त्रुटियाँ भी होती हैं जिन्हें मानव द्वारा ठीक करने की आवश्यकता होती है। इसलिए, उन्होंने जोर देकर कहा कि सटीक संकेत इंजीनियरिंग अभी भी महत्वपूर्ण है। हालाँकि सरल अनुवर्ती प्रश्न प्रारंभिक रूप से कोड की गुणवत्ता को बढ़ा सकते हैं, लक्षित संकेत इंजीनियरिंग महत्वपूर्ण प्रदर्शन सुधार ला सकती है, हालाँकि जोखिम भी बढ़ सकता है।
यह ध्यान देने योग्य है कि इस प्रयोग में, Claude ने कुछ ऐसे अनुकूलन चरणों को छोड़ दिया जिन्हें मानव डेवलपर्स स्वाभाविक मानते हैं, जैसे कि डुप्लिकेट को हटाना या संख्याओं को पहले क्रमबद्ध करना। इसके अलावा, प्रश्न पूछने के तरीके में सूक्ष्म बदलाव भी Claude के आउटपुट पर महत्वपूर्ण प्रभाव डाल सकते हैं।
हालांकि ये प्रदर्शन सुधार प्रभावशाली हैं, वुल्फ हमें याद दिलाते हैं कि मानव डेवलपर्स समाधान की सत्यापन और दोष निवारण में अभी भी अपरिहार्य हैं। उन्होंने कहा कि जबकि AI द्वारा उत्पन्न कोड को सीधे उपयोग नहीं किया जा सकता, इसके रचनात्मकता और उपकरणों के सुझाव देने की क्षमता पर ध्यान देना महत्वपूर्ण है।
मुख्य बिंदु:
🌟 AI ने बार-बार निर्देश देकर कोड के प्रदर्शन में सुधार किया, मूल कोड का चलने का समय 657 मिलीसेकंड से घटकर 6 मिलीसेकंड हो गया।
💡 AI ने कोड में स्वचालित रूप से कॉर्पोरेट विशेषताएँ जोड़ी, "बेहतर कोड" की अपनी अनूठी समझ को प्रदर्शित किया।
🛠️ संकेत इंजीनियरिंग अभी भी महत्वपूर्ण है, सटीक अनुरोध परिणामों के उत्पादन को तेज कर सकते हैं, लेकिन सत्यापन और सुधार के लिए मानव डेवलपर्स की आवश्यकता होती है।
