A survey of generative AI adoption and perceived productivity among scientists who program
868 वैज्ञानिक प्रोग्रामरों के एक सर्वेक्षण से पता चलता है कि जबकि जनरेटिव एआई (generative AI) को अपनाने की दर कम अनुभवी उपयोगकर्ताओं में सर्वाधिक है जो सामान्य प्रयोजन वाले उपकरणों को प्राथमिकता देते हैं, कथित उत्पादकता वास्तविक सत्यापन के बजाय स्वीकृत जनरेटेड कोड की मात्रा और औपचारिक विकास प्रथाओं की कमी से प्रेरित है, जो अत्यधिक निर्भरता के एक संभावित जोखिम को उजागर करती है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि एक विशाल पुस्तकालय है जहाँ वैज्ञानिक जटिल मशीनें (उनका शोध) बनाने की कोशिश कर रहे हैं, लेकिन इसके लिए वे एक बहुत ही विशिष्ट और कठिन भाषा: 'कोड' का उपयोग कर रहे हैं। वर्षों से, कई वैज्ञानिकों को यह बताया गया है, "आपको इन मशीनों को पूरी तरह से बनाना सीखना होगा," लेकिन उन्हें कभी कोई उचित कार्यशाला या कोई मास्टर बिल्डर नहीं दिया गया जो उन्हें सिखा सके। वे अक्सर परीक्षण और त्रुटि (trial and error) के माध्यम से सीख रहे हैं, जो धीमा और निराशाजनक है।
अब, एक नए प्रकार का "जादुई सहायक" आ गया है: जेनरेटिव एआई (Generative AI)। यह एक सुपर-फास्ट रोबोट की तरह है जो तुरंत इन मशीनों के ब्लूप्रिंट लिख सकता है।
यह पेपर एक रिपोर्ट कार्ड है कि वैज्ञानिक इस रोबोट का उपयोग कैसे कर रहे हैं, वे कितना सोचते हैं कि यह उनकी मदद कर रहा है, और क्या वे वास्तव में बेहतर मशीनें बना रहे हैं या केवल उन्हें तेज़ी से बना रहे हैं जो शायद बाद में टूट सकती हैं।
यहाँ उनके निष्कर्षों का विवरण दिया गया है, जिसमें रोजमर्रा के उदाहरणों का उपयोग किया गया है:
1. इस जादुई रोबोट का उपयोग कौन कर रहा है?
नए खिलाड़ी (The New Kids on the Block)।
अध्ययन में पाया गया कि इस एआई का सबसे अधिक उपयोग करने वाले लोग छात्र और कम अनुभवी प्रोग्रामर हैं। इसे एक नए वीडियो गेम कंट्रोलर की तरह समझें। वे लोग जो 20 साल से खेल रहे हैं (वरिष्ठ वैज्ञानिक) थोड़े संदेही हैं या अपने पुराने, भरोसेमंद कंट्रोलर को पसंद करते हैं। लेकिन नए खिलाड़ी? वे इस नए गैजेट को तुरंत पसंद करते हैं।
- उपकरण का चुनाव: अधिकांश वैज्ञानिक उन "प्रो" टूल्स का उपयोग नहीं कर रहे हैं जो विशेष रूप से मशीनें बनाने के लिए डिज़ाइन किए गए हैं (जैसे GitHub Copilot)। इसके बजाय, वे "जनरल चैट" टूल्स (जैसे ChatGPT) का उपयोग कर रहे हैं।
- उदाहरण: यह एक कार के इंजन को ठीक करने के लिए एक बहुत ही बुद्धिमान, मिलनसार लाइब्रेरियन से चैट विंडो में बात करने जैसा है, बजाय इसके कि आप एक विशेष मैकेनिक के डायग्नोस्टिक कंप्यूटर का उपयोग करें। वे चैट को पसंद करते हैं क्योंकि यह अधिक स्वाभाविक लगता है, भले ही यह काम के लिए सबसे सटीक उपकरण न हो।
2. "उत्पादकता" का भ्रम
गति बनाम गुणवत्ता का जाल (The Speed vs. Quality Trap)।
शोधकर्ताओं ने पूछा: "क्या आप अधिक उत्पादक महसूस करते हैं?"
इसका उत्तर शुरुआती लोगों और उन लोगों से एक जोरदार "हाँ!" था जो सख्त निर्माण नियमों का पालन नहीं करते हैं।
पेंच (The Catch): अध्ययन में एक अजीब पैटर्न पाया गया। वे वैज्ञानिक जो सबसे अधिक उत्पादक महसूस कर रहे थे, वे थे जिन्होंने:
- कम अनुभव रखा था।
- कोड टेस्टिंग या पीयर रिव्यू जैसे "सुरक्षा जाल" (safety nets) का उपयोग नहीं किया था।
- एक साथ कोड के सबसे बड़े हिस्से को स्वीकार किया।
उदाहरण: कल्पना कीजिए कि आप एक केक बना रहे हैं।
- पुराना तरीका: आप रेसिपी लिखते हैं, सामग्री की जांच करते हैं, एक दोस्त से चखने के लिए कहते हैं, और फिर बेक करते हैं। इसमें बहुत समय लगता है।
- एआई वाला तरीका: आप रोबोट से रेसिपी मांगते हैं। वह तुरंत 50 पन्नों का एक निर्देश मैनुअल थमा देता है।
- "उत्पादक" वैज्ञानिक: वह वैज्ञानिक जो कहता है, "वाह, मुझे 2 सेकंड में 50 पन्नों का मैनुअल मिल गया! मैं बहुत उत्पादक हूँ!" और बिना पढ़े ही तुरंत बेकिंग शुरू कर देता है।
- वास्तविकता: उन्होंने शायद ऐसी रेसिपी स्वीकार कर ली है जिसमें लिखा है "500 अंडे डालें।" वे तेज़ महसूस कर रहे हैं, लेकिन केक एक आपदा हो सकता है। अध्ययन बताता है कि वैज्ञानिक अपनी सफलता को इस आधार पर माप रहे हैं कि कितना कोड जेनरेट हुआ, न कि इस आधार पर कि वह कोड कितना अच्छा काम करता है।
3. सुरक्षा जाल (या उनकी कमी)
"नो-नेट" ट्रैपेज़ एक्ट (The "No-Net" Trapeze Act)।
पेशेवर सॉफ्टवेयर निर्माण में, आपके पास सुरक्षा जाल होते हैं:
- वर्जन कंट्रोल (Version Control): एक "सेव पॉइंट" ताकि अगर आप गलती करें तो वापस जा सकें।
- कोड रिव्यू (Code Review): आपका काम चेक करने वाला एक दोस्त।
- टेस्टिंग (Testing): यह देखने के लिए एक सिमुलेशन चलाना कि मशीन टूट तो नहीं जाएगी।
अध्ययन में पाया गया कि कई वैज्ञानिक इन सुरक्षा जालों का उपयोग नहीं करते हैं। वे बिना किसी सुरक्षा हार्नेस के ट्रैपेज़ (झूला) पर करतब दिखा रहे हैं।
- परस्पर क्रिया (The Interaction): जब वैज्ञानिक इन सुरक्षा जालों का उपयोग करते हैं, तो एआई से मिलने वाला "उत्पादकता लाभ" कम हो जाता है। क्यों? क्योंकि वे वास्तव में काम की जांच कर रहे हैं! वे यह सुनिश्चित करने के लिए धीमे हो जाते हैं कि रोबोट ने कोई गलती तो नहीं की।
- खतरा: जो वैज्ञानिक सबसे अधिक उत्पादक महसूस करते हैं, वे अक्सर बिना किसी सुरक्षा जाल के उड़ रहे होते हैं, जो रोबोट के आउटपुट को आँख मूंदकर स्वीकार कर लेते हैं।
4. कुछ लोग रोबोट को "ना" क्यों कहते हैं?
लगभग 25% वैज्ञानिकों ने एआई का उपयोग करने से इनकार कर दिया। क्यों?
- "मैं सीखना चाहता हूँ": उन्हें लगा कि रोबोट का उपयोग करने से वे आलसी हो जाएंगे और वे खुद मशीनें बनाना नहीं सीख पाएंगे। (जैसे एक छात्र कैलकुलेटर का उपयोग करने से मना कर देता है ताकि वह गणित सीख सके)।
- "यह अनैतिक है": उन्हें चिंता थी कि एआई की पर्यावरणीय लागत क्या है या जो कंपनियाँ इसे बना रही हैं वे डेटा चुरा रही हैं।
- "यह सार्थक नहीं है": छोटे, सरल कार्यों के लिए, रोबोट वास्तव में धीमा था क्योंकि उसने ऐसी गलतियाँ कीं जिन्हें ठीक करने में खुद काम करने की तुलना में अधिक समय लगा।
- "यह बहुत झूठ बोलता है": रोबोट कभी-कभी ऐसे तथ्य या कोड बना देता था जो काम नहीं करते थे (hallucinations), जो परेशान करने वाला और खतरनाक था।
मुख्य निष्कर्ष
पेपर चेतावनी देता है: सिर्फ इसलिए कि रोबोट तेज़ी से कोड लिखता है, इसका मतलब यह नहीं है कि विज्ञान अच्छा है।
हम वर्तमान में एक ऐसे चरण में हैं जहाँ वैज्ञानिक बहुत उत्पादक महसूस कर रहे हैं क्योंकि वे अधिक कोड जेनरेट कर रहे हैं। लेकिन यदि वे उस कोड की जांच (टेस्टिंग, रिव्यू और समझ) करना शुरू नहीं करते हैं, तो वे ताश के पत्तों का घर बना सकते हैं। "जादुई सहायक" बहुत अच्छा है, लेकिन यदि आप कार चलाना नहीं जानते हैं, तो आप बस उसे और तेज़ी से क्रैश कर सकते हैं।
संक्षेप में: शुरुआती लोग गति से प्यार कर रहे हैं, लेकिन विशेषज्ञ चिंतित हैं कि सुरक्षा जाल के बिना, हम बहुत सारा सुंदर, तेज़, लेकिन टूटा हुआ विज्ञान जेनरेट कर सकते हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।