Teaching Machine Learning to Software Engineers
यह शोध पत्र एक संरचित विषय सूची को परिभाषित करके, पाठ्यक्रम मानचित्रण के माध्यम से कवरेज अंतराल की पहचान करके, और मौजूदा पाठ्यक्रमों में उच्च-प्राथमिकता वाले एमएल (ML) अवधारणाओं को एकीकृत करने के लिए साक्ष्य-आधारित दिशा-निर्देश प्राप्त करने हेतु प्रशिक्षकों का सर्वेक्षण करके, एआई/एमएल (AI/ML) प्रणालियों के संबंध में स्नातक सॉफ्टवेयर इंजीनियरिंग पाठ्यक्रमों में मौजूद अंतराल को संबोधित 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 घर बना रहे हैं। दशकों तक, एक सॉफ्टवेयर इंजीनियर को प्रशिक्षित करने का ब्लूप्रिंट बहुत स्पष्ट था: उन्हें ईंटें बिछाना, दीवारें बनाना और प्लंबिंग स्थापित करना सिखाएं। उन्होंने ऐसे सिस्टम बनाना सीखा जो घड़ी की तरह काम करते थे—यदि आप एक बटन दबाते हैं, तो एक विशिष्ट लाइट जल जाती है।
लेकिन आज, निर्माण उद्योग बदल गया है। हम अब केवल स्थिर (static) घर नहीं बना रहे हैं; हम "स्मार्ट होम" बना रहे हैं जो सीखते हैं। इन घरों में AI दिमाग है जो यह अनुमान लगा सकता है कि आप कब पहुंचेंगे, तापमान को समायोजित कर सकता है, या रिसाव होने से पहले ही उसे पकड़ सकता है।
यह शोध पत्र उन निर्माण फोरमैन (विश्वविद्यालय के प्रोफेसरों) के एक समूह की रिपोर्ट की तरह है जिन्होंने महसूस किया कि कुछ डरावना है: हम अभी भी अपने भविष्य के इंजीनियरों को पुराने जमाने के घर बनाना सिखा रहे हैं, लेकिन उन्हें स्मार्ट घर बनाने के लिए काम पर रखा जा रहा है।
यहाँ इस पेपर में मिली बातों का विवरण दिया गया, सरल उपमाओं (analogies) का उपयोग करते हुए:
1. समस्या: "टूलबॉक्स" का बेमेल होना
लेखकों (नफीसेह कहानी और जेसन जास्कोल्का) ने सॉफ्टवेयर इंजीनियरिंग के छात्रों को दिए जाने वाले मानक "टूलबॉक्स" का अध्ययन किया। उन्होंने इसकी तुलना नए "स्मार्ट होम" ब्लूप्रिंट (मशीन लर्निंग सिस्टम) से की।
उन्होंने एक अंतर पाया। जबकि छात्र बुनियादी चीजों (जैसे ईंटें बिछाना) में बहुत अच्छे हैं, वे अक्सर उन विशिष्ट उपकरणों की कमी महसूस करते हैं जो घर के "सीखने" वाले हिस्सों को संभालने के लिए आवश्यक हैं।
- पुराना तरीका: "यदि दरवाजा खुलता है, तो लाइट चालू करें।" (डिटरमिनिस्टिक लॉजिक)।
- नया तरीका: "दरवाजा खुल सकता है, लेकिन सिस्टम को हजारों पिछले अनुभवों से सीखने की आवश्यकता है कि यह किसी व्यक्ति या पालतू जानवर के बीच अंतर कैसे करे, और फिर निर्णय ले सके कि क्या करना है।" (प्रोबेबिलिस्टिक लॉजिक)।
2. इन्वेंटरी: क्या गायब है?
शोधकर्ताओं ने इन स्मार्ट सिस्टम को बनाने के लिए आवश्यक 36 विभिन्न "कौशलों" की एक विशाल चेकलिस्ट बनाई। उन्होंने उन्हें पांच श्रेणियों में व्यवस्थित किया:
- गणितीय आधार (भौतिकी/Physics): छात्र बुनियादी गणित जानते हैं, लेकिन उनके पास वह "उन्नत भौतिकी" की कमी है जो यह समझने के लिए आवश्यक है कि AI कैसे सीखता है (जैसे कि सीखने की प्रक्रिया को कैसे ट्यून किया जाए या जटिल संभावनाओं को कैसे संभाला जाए)।
- डेटा स्ट्रक्चर (भंडारण/Storage): वे फाइलें स्टोर करना जानते हैं, लेकिन वे उन विशाल, अव्यवस्थित डेटा लेक्स (data lakes) को स्टोर करना नहीं जानते जिन्हें AI "खाने" के लिए उपयोग करता है।
- प्लेटफॉर्म और कंप्यूटिंग (पावर ग्रिड): वे एक लैंप को प्लग इन करना जानते हैं, लेकिन वे उन विशाल, उच्च गति वाले पावर ग्रिड (जैसे GPU और क्लाउड क्लस्टर) को वायर करना नहीं जानते जो इन AI दिमागों को प्रशिक्षित करने के लिए आवश्यक हैं।
- मॉडल ऑपरेशंस (रखरखाव/Maintenance): यह सबसे बड़ा अंतर है। सामान्य सॉफ्टवेयर में, एक बार जब आप इसे बना लेते हैं, तो यह हमेशा के लिए काम करता है। AI में, "दिमाग" समय के साथ बीमार हो सकता है या चीजें भूल सकता है। छात्रों को यह नहीं सिखाया जाता है कि AI की निगरानी कैसे करें, भ्रमित होने पर उसे कैसे ठीक करें, या इसे सुरक्षित रूप से कैसे अपडेट करें।
- इंजीनियरिंग में AI (स्मार्ट टूल्स): उन्हें यह नहीं सिखाया जा रहा है कि सॉफ्टवेयर बनाने में मदद के लिए AI का उपयोग कैसे करें (जैसे बग खोजने या कोड लिखने के लिए AI का उपयोग करना)।
3. सर्वेक्षण: शिक्षकों से पूछना
शोधकर्ताओं ने केवल अनुमान नहीं लगाया; उन्होंने दुनिया भर (उत्तरी अमेरिका, यूरोप, एशिया, ऑस्ट्रेलिया) के 36 सॉफ्टवेयर इंजीनियरिंग प्रोफेसरों से दो प्रश्न पूछे:
- "क्या आप वर्तमान में इन विषयों को पढ़ा रहे हैं?"
- "यदि आप नहीं पढ़ा रहे हैं, तो क्या आपको लगता है कि आपको यह पढ़ाना चाहिए?"
परिणाम:
- बुनियादी बातें ठीक हैं: अधिकांश प्रोफेसर बुनियादी गणित और कोडिंग पढ़ाते हैं।
- "स्मार्ट" चीजें गायब हैं: लगभग कोई भी उन्नत रखरखाव, निगरानी और "AI ऑपरेशंस" (MLOps) नहीं पढ़ा रहा है।
- शिक्षक इसे पढ़ाना चाहते हैं: जब गायब विषयों के बारे में पूछा गया, तो प्रोफेसरों ने भारी बहुमत से कहा, "हाँ, हमारे छात्रों को यह जानने की आवश्यकता है!"
- "क्यों नहीं?" की सूची: शिक्षकों ने इन विषयों को कल ही जोड़ने में असमर्थ होने के तीन मुख्य कारण दिए:
- विशेषज्ञता की कमी: "मैं एक सॉफ्टवेयर शिक्षक हूँ, AI जादूगर नहीं। मुझे इसे पढ़ाने के लिए पर्याप्त जानकारी नहीं है।"
- ओवरलोडेड बैकपैक: "पाठ्यक्रम पहले से ही भरा हुआ है। यदि हम AI जोड़ते हैं, तो हमें कुछ और हटाना होगा।"
- नौकरशाही: "पाठ्यक्रम को बदलने में वर्षों का कागजी काम और बैठकें लगती हैं।"
4. समाधान: "मॉड्यूलर" दृष्टिकोण
पेपर सुझाव देता है कि हमें पूरा घर गिराकर फिर से बनाने की आवश्यकता नहीं है। इसके बजाय, हमें मॉड्यूलर एकीकरण (modular integration) का उपयोग करना चाहिए।
इसे रसोई का नवीनीकरण करने के रूप में सोचें। एक स्मार्ट फ्रिज जोड़ने के लिए आपको पूरा घर फिर से बनाने की आवश्यकता नहीं है। आप बस स्मार्ट फ्रिज को मौजूदा कैबिनेट स्पेस में फिट कर देते हैं।
- सिफारिश: हर किसी के लिए एक नया "AI मेजर" न बनाएं। इसके बजाय, मौजूदा सॉफ्टवेयर इंजीनियरिंग कक्षाओं (जैसे "टेस्टिंग" या "प्रोजेक्ट मैनेजमेंट") को लें और उनमें AI के उदाहरण शामिल करें।
- उदाहरण: "टेस्टिंग" पढ़ाते समय, दिखाएं कि चेहरे पहचानने वाले AI का परीक्षण कैसे किया जाता है, न कि केवल एक कैलकुलेटर का।
- उदाहरण: "मेंटेनेंस" पढ़ाते समय, दिखाएं कि उस AI की निगरानी कैसे करें जो मौसम बदलने पर गलतियाँ करने लगता है।
सारांश
यह पेपर एक चेतावनी (wake-up call) है। विश्वविद्यालय ऐसे सॉफ्टवेयर इंजीनियर स्नातक कर रहे हैं जो स्थिर उपकरण बनाने में उत्कृष्ट हैं, लेकिन वे उन्हें भविष्य के "जीवित", सीखने वाले सॉफ्टवेयर सिस्टम के लिए अप्राप्त तैयारी के साथ छोड़ रहे हैं। शिक्षक यह जानते हैं और इसे ठीक करना चाहते हैं, लेकिन उन्हें अपने ज्ञान को अपडेट करने और मौजूदा पाठ्यक्रम को तोड़े बिना इन नए कौशलों को व्यस्त शेड्यूल में फिट करने के तरीके खोजने के लिए मदद की आवश्यकता है।
लक्ष्य हर सॉफ्टवेयर इंजीनियर को डेटा साइंटिस्ट बनाना नहीं है; बल्कि उन्हें पर्याप्त "AI साक्षरता" देना है ताकि वे उन स्मार्ट सिस्टम को बना सकें, ठीक कर सकें और प्रबंधित कर सकें जो अब सामान्य होते जा रहे 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।