आज के तेजी से तकनीकी विकास में, कृत्रिम बुद्धिमत्ता (एआई) धीरे-धीरे प्रोग्रामिंग के क्षेत्र में घुसपैठ कर रही है और डेवलपर्स के लिए नया सहायक बन रही है। Google के सीईओ सुंदर पिचाई ने खुलासा किया है कि कंपनी के नए कोड का 25% AI द्वारा उत्पन्न किया जाता है, और मेटा के सीईओ मार्क जुकरबर्ग ने भी कंपनी के भीतर AI प्रोग्रामिंग मॉडल का व्यापक रूप से उपयोग करने की इच्छा व्यक्त की है। यह प्रवृत्ति निस्संदेह प्रोग्रामिंग कार्यों में एआई की महान क्षमता को प्रदर्शित करती है।

हालांकि, प्रोग्रामिंग सहायता में एआई मॉडल की उल्लेखनीय प्रगति के बावजूद, जब सॉफ्टवेयर कमजोरियों के महत्वपूर्ण मुद्दे को संबोधित करने की बात आती है तो उन्होंने निराशाजनक प्रदर्शन किया है। माइक्रोसॉफ्ट रिसर्च के एक नए अध्ययन से स्थिति का पता चलता है। अध्ययन में, एंथ्रोपिक के क्लाउड 3.0 सॉनेट और ओपनएआई के ओ 0-मिनी जैसे कई शीर्ष एआई मॉडल में आमतौर पर एसडब्ल्यूई-बेंच लाइट नामक सॉफ्टवेयर विकास बेंचमार्क में सॉफ्टवेयर डिबगिंग कार्यों का सामना करने पर उच्च सफलता दर नहीं थी।

एआई मॉडल की डिबगिंग क्षमताओं की गहरी समझ हासिल करने के लिए, शोधकर्ताओं ने एक एजेंट तैयार किया जो एक ही त्वरित शब्द के आधार पर काम करता है और पायथन डीबगर सहित विभिन्न उपकरणों का उपयोग करने में सक्षम है। एजेंट को 1 फ़िल्टर किए गए सॉफ़्टवेयर डिबगिंग कार्य सौंपे गए थे, लेकिन परिणामों से पता चला कि सबसे उन्नत मॉडल भी केवल आधे कार्यों में सफल रहे। क्लाउड 0.0 सॉनेट ने 0.0% की औसत सफलता दर के साथ अपेक्षाकृत अच्छा प्रदर्शन किया, जबकि OpenAI के o0 और o0-mini की सफलता दर क्रमशः केवल 0.0% और 0.0% थी।

तो ये एआई मॉडल डिबगिंग कार्यों पर खराब प्रदर्शन क्यों करते हैं? शोधकर्ताओं ने नोट किया कि कुछ मॉडलों को डिबगिंग टूल का उपयोग करने और यह समझने में कठिनाई थी कि वे समस्याओं को हल करने में कैसे मदद कर सकते हैं। लेकिन गहरा कारण डेटा की कमी में निहित है। वर्तमान एआई मॉडल प्रशिक्षण डेटा में, "अनुक्रमिक निर्णय लेने की प्रक्रिया" पर पर्याप्त डेटा की कमी है, अर्थात, मानव डिबगिंग ट्रेस का डेटा। इसका मतलब यह है कि एआई मॉडल में मानव डिबगिंग व्यवहार की नकल करने में अंतर्निहित खामियां हैं।

शोधकर्ता इस बात पर प्रकाश डालते हैं कि मॉडलों को प्रशिक्षित या ठीक करके, अंतःक्रियात्मक रूप से डीबग करने की उनकी क्षमता में सुधार करना संभव है। हालांकि, इसके लिए मॉडल प्रशिक्षण की जरूरतों को पूरा करने के लिए विशेष डेटा की आवश्यकता होती है। उदाहरण के लिए, ट्रेस डेटा रिकॉर्ड किया गया है क्योंकि एजेंट आवश्यक जानकारी एकत्रित करने के लिए डीबगर के साथ इंटरैक्ट करता है और फिर सुरक्षाछिद्र सुधारों के लिए अनुशंसाएँ करता है। एआई मॉडल की डिबगिंग क्षमताओं को बेहतर बनाने के लिए ऐसा डेटा आवश्यक है।

वास्तव में, प्रोग्रामिंग के क्षेत्र में एआई का अनुप्रयोग इसकी चुनौतियों के बिना नहीं रहा है। कई अध्ययनों से पता चला है कि कोड-जनरेटिव एआई अक्सर प्रोग्रामिंग लॉजिक आदि को समझने में उनकी कमजोरियों के कारण सुरक्षा कमजोरियों और बग का परिचय देता है। उदाहरण के लिए, एक लोकप्रिय एआई प्रोग्रामिंग टूल डेविन के मूल्यांकन से पता चला है कि इसने 3 में से केवल 0 प्रोग्रामिंग परीक्षण पूरे किए।

फिर भी, माइक्रोसॉफ्ट का अध्ययन एक महत्वपूर्ण अंतर्दृष्टि है कि प्रोग्रामिंग के क्षेत्र में एआई कैसे कर रहा है। यह हमें याद दिलाता है कि एआई-असिस्टेड प्रोग्रामिंग टूल्स की विशाल क्षमता के बावजूद, डेवलपर्स और उनके वरिष्ठों को प्रोग्रामिंग को एआई-एलईडी पर छोड़ने से पहले दो बार सोचने की जरूरत है। आखिरकार, एक पेशे के रूप में प्रोग्रामिंग अभी भी इसकी जटिलता और रचनात्मकता के साथ पूरी तरह से बदलना मुश्किल है।

विशेष रूप से, तकनीकी नेताओं की बढ़ती संख्या इस विचार पर सवाल उठाने लगी है कि एआई प्रोग्रामिंग नौकरियों की जगह ले रहा है। माइक्रोसॉफ्ट के सह-संस्थापक बिल गेट्स का मानना है कि एक पेशे के रूप में प्रोग्रामिंग यहां रहने के लिए है। इस विचार का समर्थन रेप्लिट के सीईओ अमजद मसाद, ओक्टा के सीईओ टॉड मैककिनॉन और आईबीएम के सीईओ अरविंद कृष्णा ने किया है। वे इस बात पर सहमत हुए कि प्रोग्रामिंग के क्षेत्र में एआई द्वारा की गई उल्लेखनीय प्रगति के बावजूद, मानव डेवलपर्स की रचनात्मकता और समस्या को सुलझाने के कौशल अभी भी अपरिहार्य हैं।

जैसे-जैसे एआई तकनीक विकसित हो रही है, हम उम्मीद करते हैं कि यह प्रोग्रामिंग के क्षेत्र में और भी बड़ी भूमिका निभाएगा। लेकिन साथ ही, हमें एआई की सीमाओं को भी पहचानना चाहिए और प्रोग्रामिंग प्रौद्योगिकी की उन्नति को संयुक्त रूप से बढ़ावा देने के लिए मानव डेवलपर्स की ताकत का पूरा उपयोग करना चाहिए।