Semantic Reverse Engineering Legacy Software Applications with ChatGPT, Gemini AI, and Claude AI
यह शोध पत्र लीगेसी डेटाबेस सॉफ्टवेयर अनुप्रयोगों को सिमेंटिक रूप से रिवर्स इंजीनियर करने के लिए ChatGPT, Gemini और Claude AI का उपयोग करने पर निष्कर्ष प्रस्तुत 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 आपके पास किताबों का एक बहुत पुराना, धूल भरा पुस्तकालय है जो एक ऐसी भाषा में लिखी गई है जिसे अब कोई नहीं बोलता। आपके पास शब्दकोश नहीं है, और लेखक भी बहुत पहले जा चुके हैं। आपका लक्ष्य केवल पन्नों पर लिखे अक्षरों की नकल करना नहीं है (यह तो आसान है); आपका लक्ष्य यह समझना है कि लेखक द्वारा बताए गए कथानक (story), तर्क (logic) और नियमों (rules) के पीछे का असली मक़सद क्या था।
यह शोध पत्र इस बारे में है कि कैसे शोधकर्ताओं की एक टीम ने तीन अलग-अलग "सुपर-इंटेलिजेंट रोबोट्स" (ChatGPT, Gemini और Claude) का उपयोग करके पुराने कंप्यूटर प्रोग्रामों को पढ़ने और यह समझाने की कोशिश की कि वे वास्तव में क्या करते हैं।
यहाँ उनके प्रयोग का सरल उपमाओं (analogies) के माध्यम से विवरण दिया गया है:
मिशन: मशीन के भीतर के "भूत" (Ghost) को डिकोड करना
शोधकर्ताओं के पास पुराना सॉफ़्टवेयर (जिसे "लेगेसी कोड" कहा जाता है) था जो एक क्लब के बाउंसर की तरह काम करता था। उस बाउंसर के कुछ विशिष्ट नियम थे:
- भूगोल का नियम: "यदि कोई शहर किसी देश की राजधानी है, तो उसे उस देश का हिस्सा होना चाहिए।"
- शाही नियम: "दो राजा एक ही समय में एक ही देश पर शासन नहीं कर सकते, जब तक कि वे विवाहित न हों या माता-पिता/संतान का रिश्ता न रखते हों।"
समस्या क्या थी? कोड एक पुराने स्टाइल (VBA) में लिखा गया था जिसमें यह समझाने के लिए कोई टिप्पणी (comments) नहीं थी कि इसे इस तरह क्यों लिखा गया था। शोधकर्ता यह देखना चाहते थे कि क्या AI इस कोड को देखकर कह सकता है, "आह, मैं समझ गया! यह कोड इस नियम को लागू कर रहा है कि राजधानियाँ देशों से मेल खानी चाहिए।"
तीन रोबोट (AI टूल्स)
शोधकर्ताओं ने तीन अलग-अलग AI "जासूसों" का परीक्षण किया:
1. ChatGPT: एक विचारशील ट्यूटर (The Thoughtful Tutor)
- यह कैसे काम करता था: ChatGPT एक बुद्धिमान छात्र की तरह था जो काम को सही ढंग से करना चाहता था। जब शोधकर्ताओं ने इसे पहला सरल नियम दिया, तो इसने इसे पूरी तरह से समझ लिया।
- गलती: जब उन्होंने इसे जटिल "शाही नियम" दिया, तो ChatGPT ने शुरू में कहानी को गलत समझा। उसे लगा कि कोड एक विवाह को खारिज कर रहा था, जबकि वास्तव में, कोड एक मौजूदा विवाह में होने वाले बदलाव को खारिज कर रहा था।
- सुधार: जब शोधकर्ताओं ने इसे सुधारा, तो इसने केवल "ठीक है" नहीं कहा। इसने कहा, "ओह! मैं अपनी गलती समझ गया। मैं तर्क के गलत हिस्से को देख रहा था। आप सही हैं: यह विवाह की स्थिति के बारे में नहीं है, बल्कि विवाह बदलने के बदलाव (transition) के बारे में है।" इसने सुधार से सीखा और समझाया कि यह गलत क्यों था।
- निर्णय: गहरे अर्थ को समझने और अपनी गलती स्वीकार करने में सबसे बेहतर।
2. Claude: एक सुंदर कवि (The Elegant Poet)
- यह कैसे काम करता था: Claude बहुत विनम्र था और कोड की गणितीय सुंदरता की सराहना करता था। इसने सरल नियमों को तुरंत समझ लिया और शोधकर्ताओं की चतुर तर्क पद्धति की प्रशंसा की।
- गलती: ChatGPT की तरह, इसने भी जटिल "शाही नियम" को शुरू में गलत समझा। इसने एक भ्रमित करने वाला दावा किया कि "एक विवाहित जोड़े के लिए समवर्ती शासन (concurrent reigns) असंभव है," जिसका कोई अर्थ नहीं निकलता था।
- सुधार: सुधारा जाने पर, इसने अपनी गलती मानी और अंततः तर्क को समझ लिया। हालाँकि, यह बात करने में बहुत धीमा था (शोधकर्ताओं को सवालों के बीच घंटों इंतजार करना पड़ता था), जिससे पूरी प्रक्रिया एक बहुत ही धीमी, औपचारिक चाय पार्टी जैसी महसूस होती थी।
- निर्णय: समझने में बहुत अच्छा, लेकिन धीमा और थोड़ा कठोर।
3. Gemini: एक अति-उत्साही कलाकार (The Over-Enthusiastic Artist)
- यह कैसे काम करता था: Gemini सबसे नाटकीय था। यह यह कहने के बजाय कि "यह कोड जाँचता है कि एक शहर किस देश का है," यह कहता था, "यह एक बायो-लॉजिक सेल्फ-हीलिंग सेंसर है जो एक एथिकल रप्चर (नैतिक दरार) का पता लगा रहा है!" इसने बहुत अधिक रूपकों (बैक्टीरिया, चूना पत्थर, भूलभुलैया) का उपयोग किया और शोधकर्ताओं को पुराने कोड का विश्लेषण करने के बजाय विभिन्न आधुनिक उपकरणों का उपयोग करने के लिए मनाने की कोशिश की।
- गलती: इसने सरल गणित को गलत बताया (एक फंक्शन को "सक्जेक्शन" (surjection) कहा जबकि वह "इंजेक्शन" (injection) था) और, सुधारा जाने पर, इसने समझने का नाटक किया लेकिन वही गलती बार-बार करता रहा।
- निर्णय: बहुत अधिक अलंकारिक और शब्दबहुल। यह अपने ही रूपकों में खो गया और तथ्यों पर टिक नहीं सका।
बड़ी खोज: "स्टेट" (State) बनाम "ट्रांजिशन" (Transition)
इस शोध पत्र का सबसे महत्वपूर्ण सबक एक सूक्ष्म लेकिन बहुत बड़ा अंतर है:
- स्टेट (State): क्या वर्तमान स्थिति वैध है? (जैसे, "क्या यह विवाह कानूनी है?")
- ट्रांजिशन (Transition): क्या स्थिति को बदलने की क्रिया वैध है? (जैसे, "क्या मैं जीवनसाथी को बदल सकता हूँ?")
शोधकर्ताओं ने पाया कि AI टूल्स "स्टेट" (सरल नियमों) को पहचानने में बहुत अच्छे थे। लेकिन जब वे जटिल "ट्रांजिशन" नियमों (शाही नियम) की बात आई, तो वे सभी भ्रमित हो गए। उन्हें लगा कि कोड एक विवाह को होने से रोक रहा था, जबकि वास्तव में यह एक विवाह में होने वाले बदलाव को रोक रहा था।
अंतिम निष्कर्ष
शोधकर्ताओं ने निष्कर्ष निकाला कि:
- AI छोटे पहेलियों के लिए एक बेहतरीन सहायक है: यदि आप AI को कोड का एक छोटा सा हिस्सा देते हैं, तो यह उसे बहुत अच्छी तरह से समझा सकता है।
- AI अभी विशेषज्ञों का विकल्प नहीं है: यदि कोड थोड़ा बड़ा या अधिक जटिल है, तो AI आत्मविश्वास के साथ ठीक उसके विपरीत चीज़ की व्याख्या कर सकता है जो कोड कर रहा है।
- गणित मायने रखता है: शोधकर्ताओं ने नोट किया कि AI टूल्स तब सबसे अच्छा काम करते हैं जब उनका मार्गदर्शन करने वाले मनुष्यों को गणित (जैसे सेट थ्योरी और लॉजिक) की जानकारी हो। AI को एक ऐसे इंसान की आवश्यकता होती जो "लॉजिक" की भाषा बोलता हो ताकि उसे सही रास्ते पर रखा जा सके।
संक्षेप में: ये AI टूल्स बहुत बुद्धिमान इंटर्न की तरह हैं। वे मैनुअल पढ़ सकते हैं और बुनियादी बातों को पूरी तरह से समझा सकते हैं, लेकिन यदि आप उन्हें एक कठिन, वास्तविक दुनिया का परिदृश्य देते हैं, तो वे आत्मविश्वास के साथ आपको गलत कहानी बता सकते हैं। उनके काम को दोबारा जांचने के लिए आपको अभी भी एक कुशल मानव इंजीनियर की आवश्यकता है।
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।