programming के साथ

मेटा विवरणः Cognition CEO Scott Wu साझा करता है कि OpenAI का ओ1 मॉडल कैसे कदम-दर-कदम कोडिंग समस्याओं के माध्यम से तर्क देता है, जैसा कि मानव इंजीनियर वास्तव में काम करते हैं।

टैगः OpenAI o1 , Scott Wu, संज्ञान, AI कोडिंग, तर्क मॉडल

विशेष रुप से प्रदर्शित छवि: (अंग्रेज़ी में) ">"</string> एक अमूर्त, मैत्रीपूर्ण चित्रण जो चमकदार neural network के फ्लोचार्ट की तरह फ्लोटिंग कोड प्रतीकों पर शाखाओं को दिखाता है, नरम नीले और गर्म संतरे में।

यदि आप एआई संचालित software विकास का अनुसरण करते हैं, तो आपने शायद डेवलपर्स को यह बहस करते हुए सुना होगा कि क्या large language models वास्तव में "समझता है" कोड या बस अगले शब्द की भविष्यवाणी करता है। Scott Wu, CEO और कॉग्निशन के सह-संस्थापक, इस सवाल पर एक सम्मोहक परिप्रेक्ष्य प्रदान करते हैं। उनके विचार में, OpenAI का ओ 1 मॉडल एक सार्थक बदलाव का प्रतिनिधित्व करता हैः तुरंत उत्तर देने के बजाय, यह कोडिंग निर्णयों के माध्यम से ऐसे तरीके से काम करता है जो मानव इंजीनियर कैसे सोचता है उससे बहुत करीब लगता है। यह लेख वू को तोड़ देता है, क्यों महत्वपूर्ण है, और इसका मतलब किसी के लिए भी AI कोडिंग टूल बनाना या उपयोग करना है।

तुरंत जवाब देने से लेकर सोचने तक का बदलाव

पारंपरिक भाषा मॉडल लगभग तुरंत कोडिंग संकेत का जवाब देते हैं। आप एक फ़ंक्शन के लिए पूछते हैं, और मॉडल एक एकल पास में उत्पन्न करता है. यह गति प्रभावशाली है, लेकिन यह व्यापार-बंद के साथ आता हैः उत्तर देने से पहले मॉडल के पास पुनर्विचार करने, पीछे हटने या विकल्पों पर विचार करने की बहुत कम जगह होती है।

वू बताते हैं कि o1 इस गतिशीलता को बदल देता है। तुरंत आउटपुट का उत्पादन करने के बजाय, मॉडल प्रतिक्रिया देने से पहले आंतरिक रूप से तर्क करने में समय बिताता है। यह विभिन्न दृष्टिकोणों पर विचार करता है, व्यापार-ऑफ का मूल्यांकन करता है और एक पथ पर बस जाता है। वू इसे अधिक मानवीय निर्णय प्रक्रिया के रूप में वर्णित करता है क्योंकि अनुभवी डेवलपर्स शायद ही कभी अपने सिर में पहली कोशिश में सही कोड लिखते हैं। वे विकल्पों का वजन करते हैं, किनारे मामलों की उम्मीद करते हैं और टाइप करने से पहले अपनी मानसिक योजना को संशोधित करते हैं।

किसी भी व्यक्ति के लिए जिसने AI सहायक को आत्मविश्वास से टूटी हुई कोड का उत्पादन करते हुए देखा है, इस अंतर की सराहना करना आसान है। उत्तर देने से पहले विचार-विमर्श वास्तव में एक विचारशील इंजीनियर और जल्दी अनुमान लगाने वाले लोगों को अलग करता है।

वास्तविक दुनिया की इंजीनियरिंग में तर्क क्यों महत्वपूर्ण है

कोड लिखना सिंटैक्स के बारे में JUST नहीं है। वास्तविक परियोजनाओं में अस्पष्ट आवश्यकताएं, छिपी हुई बाधाएँ और दीर्घकालिक परिणामों वाले निर्णय शामिल हैं। क्या आपको पुनरावृत्ति या पुनरावर्तन का उपयोग करना चाहिए? कौन सी डेटा संरचना कार्यभार को फिट करती है? यह परिवर्तन मौजूदा प्रणालियों के साथ कैसे बातचीत करेगा?

वू की बात यह है कि o1 का तर्क शैली इसे इन निर्णय कॉल के लिए अधिक उपयुक्त बनाती है। सबसे सांख्यिकीय रूप से संभावित स्निपेट में अपना रास्ता बनाने के बजाय, मॉडल एक समस्या को ध्यान में रख सकता है और कदम-दर-कदम काम कर सकता है। वह दृष्टिकोण दर्पण करता है कि मानव डेवलपर्स बड़े कार्यों को छोटे लोगों में कैसे तोड़ते हैं, परीक्षण मान्यताओं और सही पाठ्यक्रम जब कुछ नहीं जोड़ता है।

यह उन टीमों के लिए मायने रखता है जो उत्पादन सेटिंग्स में AI एजेंट का उपयोग करते हैं, जहां एक गलत वास्तुशिल्प निर्णय मॉडल "सोच" के कुछ अतिरिक्त सेकंड से कहीं अधिक समय खर्च कर सकता है।

संज्ञान के काम से संबंध

वू को AI के बारे में एक या दो बातें पता हैं जो कोड करता है। वह CEO और संज्ञान का सह-संस्थापक है, डेविन के पीछे की कंपनी, एक AI- software इंजीनियर जिसे अंत से अंत तक बहु-चरण इंजीनियरिंग कार्यों को संभालने के लिए डिज़ाइन किया गया है। डेवन जैसी प्रणाली बनाने के लिए ऐसे मॉडल की आवश्यकता होती है जो योजना बना सकें, अनुकूलित कर सकें और गलतियों से उबर सकें, ऐसे गुण जो शुद्ध अगले शब्द भविष्यवाणी देने के लिए संघर्ष करते हैं।

यह पृष्ठभूमि वू के अवलोकन को अतिरिक्त वजन देती है। जब वह कहते हैं कि ओ 1 अधिक मानवीय तरीके से निर्णय लेता है, तो वह किसी ऐसे व्यक्ति के दृष्टिकोण से बोल रहा है जिसका उत्पाद उन मॉडलों पर निर्भर करता है जो लंबे, जटिल कार्यों में विश्वसनीय रूप से तर्क करते हैं। एक मॉडल जो उत्तर देने से पहले विचार-विमर्श करता है स्वायत्त कोडिंग एजेंटों के लिए एक मजबूत नींव है जो केवल जितनी जल्दी हो सके पाठ उत्पन्न करता है।

जैसे-जैसे तर्क पर केंद्रित मॉडल में सुधार होता है, "AI के बीच की खाई जो स्वचालित रूप से पूर्ण कोड का सुझाव देती है" और " AI कि वास्तव में इंजीनियरों software " चौड़ा होना जारी रख सकता है।

डेवलपर्स के लिए इसका क्या मतलब है

कामकाजी डेवलपर्स के लिए, वू का दृष्टिकोण कुछ व्यावहारिक सुझाव देता हैः

• बेहतर निर्णय की उम्मीद, नहीं JUST बेहतर वाक्यविन्यास. तर्क मॉडल का उद्देश्य कोड के पीछे "क्यों" को संभालना है, न कि केवल "कैसे"।
• धैर्य का फल मिल सकता है। उत्तर देने से पहले सोचने वाले मॉडल में थोड़ा अधिक समय लग सकता है, लेकिन आउटपुट को अक्सर कम रीवर्क की आवश्यकता होती है।
• मानव-जैसी प्रक्रिया बेंचमार्क है। लक्ष्य एक कुशल टीम के साथी की तरह निर्णय लेने के लिए विश्वसनीय कोड उत्पन्न करने से स्थानांतरित हो रहा है।

इसका कोई मतलब यह नहीं है कि AI इंजीनियरिंग निर्णय को रातोंरात बदल देगा। इसका मतलब यह है कि उपकरण डेवलपर्स से मिलने में बेहतर हो रहे हैं जहां वे पहले से ही काम करते हैंः समाधान के लिए प्रतिबद्ध होने से पहले समस्याओं के माध्यम से सोचें।

सारांश

Scott Wu का अवलोकन एआई-असिस्टेड डेवलपमेंट में वर्तमान क्षण के बारे में कुछ महत्वपूर्ण है। OpenAI का ओ 1 तेजी से कोड नहीं बनाता; यह एक विचारशील व्यक्ति की तरह कोडिंग निर्णयों पर पहुंचता है, विकल्पों का वजन करता है और कार्रवाई करने से पहले ट्रेड-ऑफ के माध्यम से तर्क देता है। संज्ञान जैसे बिल्डर्स के लिए, वह व्यवहार अधिक सक्षम AI इंजीनियरों के लिए नींव है। रोजमर्रा के डेवलपर्स के लिए यह संकेत है कि AI कोडिंग टूल चालाक पाठ भविष्यवाणियों से वास्तविक सहयोगियों में परिपक्व हो रहे हैं।