The Nature of Technical Debt in Research Software
यह शोध पत्र एक बहु-विधि अध्ययन प्रस्तुत करता है जो अनुसंधान सॉफ्टवेयर में स्व-स्वीकृत तकनीकी ऋण (self-admitted technical debt) के नौ अद्वितीय प्रकारों की पहचान करता है और 28,000 कोड टिप्पणियों और शोधकर्ताओं एवं सॉफ्टवेयर इंजीनियरों के साथ साक्षात्कार के विश्लेषण के माध्यम से इसके प्रबंधन को प्रभावित करने वाले चार प्रमुख विषयों का अन्वेषण करता 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 आप एक टीम के खोजकर्ता हैं जो एक नए, अनछुए महाद्वीप का मानचित्र बनाने की कोशिश कर रहे हैं। आपका लक्ष्य नई भूमि की खोज करना, मौसम को समझना और संसाधनों को खोजना है। इसे करने के लिए, आप एक जटिल, उच्च-तकनीकी वाहन (रिसर्च सॉफ्टवेयर) बनाते हैं जो ज्वार-भाटा की गणना कर सकता है, तूफ़ानों की भविष्यवाणी कर सकता है और मिट्टी के नमूनों का विश्लेषण कर सकता है।
यह शोध पत्र उन छिपी हुई दरारों, ढीले बोल्टों और "काम चलाऊ" शॉर्टकट के बारे में है जो आपकी खोज करने की जल्दबाजी के दौरान उस वाहन में बनाए जाते हैं। लेखक इसे टेक्निकल डेब्ट (तकनीकी ऋण) कहते हैं, लेकिन विज्ञान की दुनिया में, उन्हें एक विशेष, खतरनाक प्रकार का ऋण मिला जिसे वे साइंटिफिक डेब्ट (वैज्ञानिक ऋण) कहते हैं।
यहाँ उनके निष्कर्षों की कहानी दी गई है, जिसे सरल अवधारणाओं में विभाजित किया गया है:
1. "ऋण" के दो प्रकार
सामान्य सॉफ्टवेयर (जैसे आपके फोन पर कोई ऐप) में, "टेक्निकल डेब्ट" किसी काम को जल्दी पूरा करने के लिए शॉर्टकट लेने जैसा है। शायद आपने कार को पूरी तरह से पेंट नहीं किया, या आपने वेल्डिंग के बजाय एक सस्ता गोंद इस्तेमाल किया। यह अभी के लिए काम करता है, लेकिन बाद में आपको इसे ठीक करने के लिए "ब्याज" (अतिरिक्त समय और पैसा खर्च करना) चुकाना होगा।
शोधकर्ताओं ने पाया कि साइंस सॉफ्टवेयर में, दो प्रकार के शॉर्टकट होते हैं:
- रेगुलर टेक्निकल डेब्ट (सामान्य तकनीकी ऋण): यह सामान्य चीजें हैं। कोड अव्यवस्थित है, डॉक्यूमेंटेशन गायब है, या डिज़ाइन भद्दा है। यह एक ऐसी कार की तरह है जिसका दरवाज़ा चरमरा रहा है और दस्ताने का डिब्बा बिखरा हुआ है। यह परेशान करने वाला है, लेकिन कार फिर भी चलती है।
- साइंटिफिक डेब्ट (नई खोज): यह डरावना वाला है। यह तब होता है जब कोड में स्वयं विज्ञान को सरल बनाया जाता है या उसका अनुमान लगाया जाता है।
- उपमा: कल्पना कीजिए कि आपके कार के नेविगेशन सिस्टम ने मान लिया है कि सड़क समतल है, लेकिन वास्तव में, वहाँ एक विशाल खाई है। कार समतल जमीन पर ठीक चलती है, लेकिन अगर वह खाई में पहुँचती है, तो दुर्घटनाग्रस्त हो जाती है।
- रिसर्च सॉफ्टवेयर में, इसका मतलब है कि कोड प्रकृति के काम करने के तरीके के बारे में एक धारणा बनाता है (जैसे, "बर्फ इस सटीक तापमान पर पिघलती है") ताकि गणित आसान हो सके। यदि वह धारणा थोड़ी भी गलत है, तो पूरी वैज्ञानिक खोज गलत हो सकती है। सॉफ्टवेयर काम करता है, लेकिन विज्ञान झूठ बोल रहा है।
2. "28,000 स्टिकी नोट्स" का अध्ययन
शोधकर्ताओं ने नौ विशाल, प्रसिद्ध विज्ञान परियोजनाओं (जैसे सितारों, जलवायु परिवर्तन या सूक्ष्म अणुओं का अध्ययन करने के लिए उपयोग किए जाने वाले उपकरण) को देखा। उन्होंने प्रोग्रामरों द्वारा छोड़ी गई 28,680 टिप्पणियों (comments) को स्कैन किया।
इन टिप्पणियों को स्टिकी नोट्स के रूप में सोचें जो डेवलपर्स अपने कोड पर चिपकाते हैं, जैसे, "हे, यह हिस्सा एक जुगाड़ है," या "हमें यकीन नहीं है कि यह गणित सही है या नहीं, लेकिन हमें इसे चलाने की आवश्यकता है।"
उन्होंने पाया कि जबकि अधिकांश स्टिकी नोट्स अव्यवस्थित कोड (रेगुलर डेब्ट) के बारे में थे, एक महत्वपूर्ण संख्या साइंटिफिक डेब्ट के बारे में थी। ये नोट्स स्वीकार करते थे जैसे:
- "हम मान रहे हैं कि सभी न्यूट्रिनो एक जैसे हैं, भले ही हम जानते हैं कि वे नहीं हैं।"
- "यह फॉर्मूला बड़े अणुओं के लिए काम नहीं करता, लेकिन हमारे पास इसे ठीक करने का समय नहीं है।"
- "हमने भौतिक विज्ञान के इस नियम के सरलीकृत संस्करण का उपयोग किया क्योंकि वास्तविक वाला बहुत धीमा है।"
3. यह क्यों होता है? (इंटरव्यू)
शोधकर्ताओं ने इस सॉफ्टवेयर को बनाने और बनाए रखने वाले 11 लोगों का साक्षात्कार लिया। उन्होंने पूछा, "आप ये खतरनाक शॉर्टकट क्यों छोड़ देते हैं?"
जवाबों ने चार मुख्य विषय प्रकट किए:
- "बाउंड्री ऑब्जेक्ट" की समस्या: टीम में वैज्ञानिक (जो भौतिकी/जीव विज्ञान जानते हैं) और इंजीनियर (जो कोडिंग जानते हैं) का मिश्रण है। वे अक्सर अलग-अलग भाषाएं बोलते हैं। कोड ही एकमात्र चीज़ बन जाता है जिस पर वे दोनों सहमत हो सकते हैं। कभी-कभी, कोड इसलिए अव्यवस्थित हो जाता है क्योंकि दोनों समूह एक जटिल वैज्ञानिक विचार को एक सरल कंप्यूटर निर्देश में अनुवाद करने पर पूरी तरह सहमत नहीं हो पाते।
- "पब्लिश और पेरिश" (प्रकाशित करो या खत्म हो जाओ) का दबाव: वैज्ञानिक नई खोजों को अभी प्रकाशित करने के भारी दबाव में होते हैं। फंडिंग और करियर इन्हीं पर निर्भर करते हैं। "अव्यवस्थित कोड" या "गलत धारणाओं" को ठीक करने में वह समय लगता है जो नई खोज करने में लगाया जा सकता है। इसलिए, वे कोड को बाद में (यदि कभी) ठीक करने का विकल्प चुनते हैं। यह एक शेफ की तरह है जो वीआईपी मेहमान को भोजन परोसने की जल्दी में है; वह सब्जियां ठीक से धोने जैसे काम को छोड़ सकता है क्योंकि मेहमान इंतज़ार कर रहा है।
- "ट्राइबल नॉलेज" (कबीलाई ज्ञान) का जोखिम: ये परियोजनाएं अक्सर कुछ सुपर-विशेषज्ञों पर निर्भर करती हैं जो जानते हैं कि कोड कैसे काम करता है। यदि वह व्यक्ति चला जाता है (रिटायर हो जाता है या नौकरी बदल लेता है), तो "ऋण" एक दुःस्वप्न बन जाता है क्योंकि किसी और को उनके द्वारा लिए गए शॉर्टकट समझ नहीं आते।
- "जटिलता" का जाल: जिन समस्याओं को ये वैज्ञानिक हल कर रहे हैं, वे अविश्वसनीय रूप से कठिन हैं (जैसे पूरे ग्रह के लिए मौसम की भविष्यवाणी करना)। गणित इतना जटिल है कि विशेषज्ञों को भी अनुमान लगाना पड़ता है। सॉफ्टवेयर इतना बड़ा है (लाखों लाइनों का कोड) कि हर एक परिदृश्य का परीक्षण करना असंभव है।
4. "साइंटिफिक डेब्ट" का खतरा
पेपर चेतावनी देता है कि जबकि रेगुलर डेब्ट सॉफ्टवेयर को धीमा या अपडेट करने में कठिन बनाता है, साइंटिफिक डेब्ट सच्चाई के लिए खतरा पैदा करता है।
यदि आपके पास रेगुलर डेब्ट है, तो आपका ऐप क्रैश हो सकता है। यदि आपके पास साइंटिफिक डेब्ट है, तो आपका ऐप पूरी तरह से चलेगा, लेकिन यह आपको गलत उत्तर देगा।
- उदाहरण: एक क्लाइमेट मॉडल अगले 10 वर्षों के लिए तापमान वृद्धि की सही भविष्यवाणी कर सकता है क्योंकि यह एक "काफी अच्छे" शॉर्टकट का उपयोग करता है। लेकिन, उस शॉर्टकट के कारण, 50 वर्षों के बाद इसकी भविष्यवाणी पूरी तरह से गलत हो सकती है, जिससे गलत नीतिगत निर्णय लिए जा सकते हैं।
5. AI ट्विस्ट (भविष्य का जोखिम)
लेखक जेनरेटिव एआई (Generative AI) (जैसे कि वह टूल जिससे आप अभी बात कर रहे हैं) के बारे में भी चिंतित हैं।
- AI बहुत तेज़ी से कोड लिख सकता है, जो कुछ गड़बड़ियों को ठीक करने में मदद कर सकता है।
- लेकिन, यदि वैज्ञानिक गहरे गणित को पूरी तरह से समझे बिना जटिल वैज्ञानिक कोड लिखने के लिए AI का उपयोग करते हैं, तो वे अधिक साइंटिफिक डेब्ट पैदा कर सकते हैं। वे एक ऐसा काम करने वाला प्रोग्राम प्राप्त कर सकते हैं जो अच्छा दिखता है लेकिन जिसमें छिपी हुई वैज्ञानिक त्रुटियां हैं जिन्हें कोई नहीं समझता। यह एक रोबोट को कार चलाने के लिए छोड़ने जैसा है बिना उसे सड़क के नियम सिखाए; वह आपको वहां पहुंचा सकता है, लेकिन वह एक खतरनाक रास्ता ले सकता है।
निचोड़
रिसर्च सॉफ्टवेयर आधुनिक विज्ञान का इंजन है। लेखक कह रहे हैं: "हमें वैज्ञानिक शॉर्टकट को केवल 'टेक्निकल डेब्ट' के रूप में मानना बंद करना चाहिए और यह समझना चाहिए कि वे 'वैज्ञानिक जोखिम' हैं।"
इसे ठीक करने के लिए, हमें आवश्यकता है:
- वैज्ञानिकों और कोडर्स के बीच बेहतर टीम वर्क की।
- केवल नई खोजों के लिए ही नहीं, बल्कि पुराने कोड को साफ करने के लिए भी अधिक फंडिंग की।
- एक नई मानसिकता की, जहाँ यह स्वीकार करना कि "विज्ञान का यह हिस्सा एक अनुमान है" एक कमजोरी नहीं बल्कि एक ताकत है, ताकि हम इसे ब्रह्मांड की हमारी समझ को तोड़ने से पहले ठीक कर सकें।
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।