2025ના અંત સુધીમાં આર્ટિફિશિયલ ઇન્ટેલિજન્સ માટે સ્પષ્ટતાનો સમય હોવો જોઈએ. તેના બદલે, તે સમાંતર એકલવચનોનો સમય છે.
મેં એક સવાર ચર્ચામાં રહેલા ચાર AI રિપોર્ટ્સ વાંચવામાં વિતાવી, જેમાંથી દરેક વર્ષના છેલ્લા ક્વાર્ટરમાં પ્રકાશિત થયા હતા. મને લાગ્યું કે તેઓ રેન્કિંગ અથવા અનુમાન બાબતે અસંમત થશે. તેઓ તેનાથી પણ વધુ મૂંઝવણભર્યું કંઈક કર્યું: તેઓ વિષયને જ ફરીથી વ્યાખ્યાયિત કરી રહ્યા હતા. એક રિપોર્ટનું આર્ટિફિશિયલ ઇન્ટેલિજન્સ એ કોડિંગ આસિસ્ટન્ટ છે જે તેના હરીફ કરતા ઝડપથી ટાઈપ કરે છે. બીજાનું એ કન્ઝ્યુમર મીડિયા ફેક્ટરી છે જે સ્ટેટિક PDF ને સિન્થેટિક પોડકાસ્ટમાં ફેરવે છે. ત્રીજું માત્ર કાચું ઇન્ફ્રાસ્ટ્રક્ચર જુએ છે: વેક્ટર સ્ટોર્સ, મેમરી લેયર્સ અને ઇન્ફરન્સ રેપર્સ જે GitHub ના સ્ટાર ચાર્ટ્સમાં ઉપર આવી રહ્યા છે. ચોથું રિપોર્ટ સફળતાને એક જ, સીધા માપદંડથી માપે છે—કે મુખ્ય ભૂમિ ચીનમાં રહેલો વપરાશકર્તા લિંક પર ક્લિક કરીને ખરીદી પૂર્ણ કરી શકે છે કે નહીં.
સમાન કીવર્ડ. ચાર અલગ-અલગ ભાષાઓ. અને કોઈ તેનું ભાષાંતર કરી રહ્યું નથી.
ચાર રિપોર્ટ્સ, જે તેમના પોતાના ખૂણાઓ પૂરતા મર્યાદિત છે
પ્રથમ રિપોર્ટ સ્પોર્ટ્સ લીગ ટેબલ જેવો બનાવવામાં આવ્યો છે. તે Cursor અને Claude Code જેવા કોડિંગ ટૂલ્સને ટિયર રેન્કિંગ આપે છે. તેના માપદંડો મર્યાદિત અને વ્યવહારુ છે: ચેટ સ્પીડ, ટૂલ-યુઝ એક્યુરેસી, પ્રોમ્પ્ટ અને આઉટપુટ વચ્ચેનો લેટન્સી (latency). જો તમે IDE ની અંદર કામ કરતા હોવ, તો આ યાદી ઉપયોગી છે. તે તમને જણાવે છે કે જ્યારે તમે કોઈ ફંક્શન રિફેક્ટર કરી રહ્યા હોવ અથવા ટેસ્ટ સ્યુટ જનરેટ કરી રહ્યા હોવ ત્યારે કયો આસિસ્ટન્ટ સૌથી ઝડપી લાગે છે. પરંતુ તે AI ને એક તૈયાર ઉપકરણ તરીકે જુએ છે, જેનો સંપૂર્ણ રીતે તેના પોલિશ્ડ સપાટી દ્વારા નિર્ણય લેવામાં આવે છે જે વપરાશકર્તાને સ્પર્શે છે.
બીજો રિપોર્ટ Google તરફથી આવે છે. તે ચેટબોટ્સને લગભગ સંપૂર્ણપણે અવગણે છે. તેના બદલે, તે NotebookLM અને ઇમેજ એડિટિંગ સુટ્સ જેવી ટોપ-લેવલ કેટેગરીઝ દર્શાવે છે. અહીં, AI એ સંવાદાત્મક એજન્ટ નથી પરંતુ એક પ્રોડક્શન એન્જિન છે. રિપોર્ટ મોડેલ જે બનાવે છે તેની ઉજવણી કરે છે: રિસર્ચ પેપરનું વર્ણનાત્મક ઓડિયો બ્રેકડાઉન, ટેક્સ્ટ પ્રોમ્પ્ટમાંથી જનરેટ થયેલ ઈમેજ, એક સ્ટ્રક્ચર્ડ સમરી જે અગાઉ અસ્તિત્વમાં નહોતી. જો ટિયર લિસ્ટ ટૂલ કેવી રીતે વર્તે છે તેની ચિંતા કરે છે, તો Google ની યાદી ટૂલ શું પહોંચાડે છે તેની ચિંતા કરે છે. આર્ટિફેક્ટ (artifact) પાછળ આસિસ્ટન્ટ પોતે અદૃશ્ય થઈ જાય છે.
ત્રીજો રિપોર્ટ શુદ્ધ GitHub ટ્રેન્ડિંગ છે. તે પ્રોજેક્ટ્સને તેઓ કેટલી ઝડપથી સ્ટાર્સ એકત્રિત કરે છે તેના આધારે રેન્ક કરે છે. આ એન્જિન રૂમનો દૃષ્ટિકોણ છે. તમને મેમરી ફ્રેમવર્ક, રિટ્રાઇવલ લેયર્સ, કોન્ટેક્સ્ટ વિન્ડોઝ અને લાઇટવેઇટ મોડેલ હોસ્ટ્સ મળશે. આ રિપોઝીટરીઝમાં ભાગ્યે જ સ્લીક માર્કેટિંગ સાઇટ્સ હોય છે. કેટલાકમાં તો ગ્રાફિકલ ઇન્ટરફેસ પણ હોતું નથી. છતાં તેઓ તે પાયો (substrate) બનાવે છે જે ટિયર-લિસ્ટ વિજેતાઓને શક્ય બનાવે છે. ટોપ-રેન્ક્ડ કોડિંગ આસિસ્ટન્ટ કદાચ બરાબર એવા જ પ્રકારના મેમરી આર્કિટેક્ચર પર આધારિત હોઈ શકે છે જે ગયા મહિને ત્રણ હજાર નવા સ્ટાર્સ સાથે પ્રકાશિત થયેલા GitHub પ્રોજેક્ટમાં હતું. ટ્રેન્ડિંગ લિસ્ટ આ જાણે છે. ટિયર લિસ્ટ તેનો ઉલ્લેખ કરતું નથી.
ચોથો રિપોર્ટ કોમર્સ ડિરેક્ટરી છે. મૂલ્યની તેની વ્યાખ્યા એ સુલભતા અને વ્યવહારની તૈયારી છે. શું લિંક કામ કરે છે? શું ચીનમાં રહેલા વાચકો માટે પેમેન્ટ ફ્લો કાર્યરત છે? શું ટૂલ ખરેખર VPN, કોર્પોરેટ પ્રોક્યોરમેન્ટ ટીમ અથવા પશ્ચિમી ક્રેડિટ કાર્ડ વગર ખરીદી શકાય છે અને અપનાવી શકાય છે? આ રિપોર્ટમાં ઓપન-સોર્સ ફિલોસોફી અથવા મોડેલ બેન્ચમાર્ક માટે કોઈ ધીરજ નથી. તે એક જ પ્રશ્નનો જવાબ આપે છે: શું તમે તે મેળવી શકો છો?
શા માટે આ અલગ-અલગ વિભાગો (Silos) આપણને અંધ બનાવે છે
મુશ્કેલી ત્યારે શરૂ થાય છે જ્યારે તમે AI માં શું મહત્વનું છે તે જાણવા માટે કોઈપણ એક રિપોર્ટ પર વિશ્વાસ કરો છો.
એક ટૂલ Google ની કન્ઝ્યુમર કેટેગરીઝમાં ક્યારેય દેખાયા વગર કોડિંગ ટિયર લિસ્ટમાં પ્રભુત્વ મેળવી શકે છે. એક GitHub મેમરી પ્રોજેક્ટ એવા ઉત્પાદનને શક્તિ આપી શકે છે જેને લાખો વપરાશકર્તાઓ આવશ્યક તરીકે રેન્ક કરે છે, છતાં વપરાશકર્તાઓ ક્યારેય પ્રોજેક્ટનું નામ જાણશે નહીં. એક કોમર્સ સાઇટ કોઈ રેપર અથવા પ્રાદેશિક ક્લોન સૂચવી શકે છે જ્યારે મૂળ GitHub રિપોઝીટરી એવા કોઈપણ વ્યક્તિ માટે અદૃશ્ય રહે છે જે ફક્ત ડિરેક્ટરીઓ દ્વારા ખરીદી કરે છે. દરેક રિપોર્ટ માને છે કે તેની પોતાની વ્યાખ્યા સંપૂર્ણ છે. તેમાંથી કોઈ પણ તે ડિપેન્ડન્સી ગ્રાફને જોડતું નથી જે ખરેખર ઇકોસિસ્ટમને ચલાવે છે.
સ્ટેક (stack) પર વિચાર કરો. જ્યારે તમે ઉચ્ચ રેન્ક ધરાવતા કોડિંગ આસિસ્ટન્ટનો ઉપયોગ કરો છો, ત્યારે તમે એકસાથે ત્રણ અલગ-અલગ લેયર્સને સ્પર્શી રહ્યા છો. એક ઇન્ટરફેસ છે જે તમારો પ્રોમ્પ્ટ સ્વીકારે છે. એક મોડેલ છે જે પ્રતિસાદ જનરેટ કરે છે. અને એક મેમરી લેયર છે જે લાંબા સત્ર દરમિયાન સંદર્ભ (context) જાળવી રાખે છે, અગાઉની ફાઇલોમાંથી સંબંધિત સ્નિપેટ્સ ખેંચી લાવે છે. ટિયર લિસ્ટ ટોચના લેયરનો ન્યાય કરે છે. GitHub નીચેના લેયરને સપાટી પર લાવે છે. Google ની યાદી મધ્ય લેયરને પ્રદર્શિત કરી શકે છે, પરંતુ ફક્ત ત્યારે જ જ્યારે તે કોઈ ચમકતું કન્ઝ્યુમર આર્ટિફેક્ટ બનાવે છે. કોમર્સ લિસ્ટ આ ત્રણેયને અવગણે છે સિવાય કે તે બંડલ ખરીદી શકાય તેમ હોય. પરિણામ એ સપ્લાય ચેઇન છે જેને દરેક રિપોર્ટ એક નાના કાણા (peephole) દ્વારા જુએ છે, ક્યારેય આખા રૂમને જોતો નથી.
આ બાબત મહત્વની છે કારણ કે ખરીદીના નિર્ણયો, કરિયરના જોખમો અને આર્કિટેક્ચરલ પસંદગીઓ - આ બધું જ એક એવા અંશતઃ અંધાપાથી પીડાય છે. એક ડેવલપર કદાચ સૌથી ઝડપી રેન્ક ધરાવતું કોડિંગ ટૂલ પસંદ કરી શકે છે અને એ વાત ચૂકી જાય કે તેનું મેમરી સ્ટેક GitHub પર વધતા જઈ રહેલા એક ઓપન-સોર્સ વિકલ્પ દ્વારા બંધ (sunset) થવા જઈ રહ્યું છે. એક પ્રોડક્ટ મેનેજર કદાચ Google ના શોકેસને જોઈને એવું માની લે કે ચેટબોટ્સ હવે મૃત છે, અને એ વાત ક્યારેય સમજી ન શકે કે તેઓ માત્ર ડેવલપર ટૂલિંગમાં સમાઈ ગયા છે. એક પ્રોક્યોરમેન્ટ લીડ કદાચ કોમર્સ ડિરેક્ટરીની ભલામણો મુજબ સ્ટોક કરી શકે છે પરંતુ તે ઓપન-કોર પ્રોજેક્ટને ચૂકી જાય છે જે ખરેખર સૌથી વિશ્વસનીય ફીચર્સને પાવર આપે છે.
તેમને ચાર અલગ જવાબો તરીકે વાંચવા
મેં માસ્ટર રિપોર્ટ શોધવાનું બંધ કરી દીધું છે. તે અસ્તિત્વમાં નથી. તેના બદલે, હવે હું દરેક સ્ત્રોતને એક ચોક્કસ, મર્યાદિત પ્રશ્નના જવાબ તરીકે વાંચું છું.
જો મારે મારી ટીમ માટે કોડિંગ ટૂલ્સની યાદી બનાવવી હોય, તો હું tier rankings નો ઉપયોગ કરું છું. હું જાણું છું કે હું માત્ર સપાટી પરના પ્રદર્શનને જોઈ રહ્યો છું, પરંતુ રોજિંદા ઉપયોગ માટે મને તે જ જોઈએ છે.
જો હું જોવા માંગતો હોઉં કે Big Tech ક્યાં તેના જાહેર રોકાણો (bets) કરી રહ્યું છે, તો હું Google ની કેટેગરી લિસ્ટનો ઉપયોગ કરું છું. તે દર્શાવે છે કે કયા તૈયાર ઉત્પાદનોને મુખ્ય પ્લેટફોર્મ્સ સફળ માને છે, અને કયા યુઝર એક્સપિરિયન્સને તેઓ પેકેજ અને પ્રમોટ કરવા તૈયાર છે. તે મને જણાવે છે કે ગ્રાહકોની અપેક્ષાઓ કઈ દિશામાં ઘડાઈ રહી છે.
જો મારે સમજવું હોય કે હવેથી છ મહિના પછી તકનીકી રીતે શું શક્ય છે, તો હું GitHub trending નો ઉપયોગ કરું છું. અહીં મેમરી ટૂલ્સ, orchestration frameworks અને small-model hosts જોવા મળે છે. જો અહીં કોઈ પ્રોજેક્ટ ઝડપથી લોકપ્રિય બને છે, તો tier lists તેમના માપદંડ અપડેટ કરે તે પહેલાં તે સંભવિત રીતે કોમર્શિયલ ટૂલ્સમાં સ્થળાંતરિત થઈ જશે.
જો મારે જાણવું હોય કે શું ઉપલબ્ધ છે, ખાસ કરીને ફાયરવોલ અને પેમેન્ટની મર્યાદાઓ પાર કરીને, તો હું કોમર્સ ડિરેક્ટરીનો ઉપયોગ કરું છું. ભૌગોલિક અને નિયમનકારી વાસ્તવિકતા એ પોતે જ એક સત્ય છે. જે ટૂલ સુધી પહોંચી શકાતું નથી અથવા જેના માટે બિલિંગ કરી શકાતું નથી, તે વાસ્તવિક વિકલ્પ નથી, ભલે તેનું આર્કિટેક્ચર ગમે તેટલું નવીન હોય.
તમારે આ દ્રષ્ટિકોણને જાતે જ જોડવો પડશે. કોઈ ક્યુરેટર આ બધું જોડીને આપનાર નથી.
એક સેતુની રાહ
હું ત્રણ મહિનામાં ફરીથી આ જ ચેનલો તપાસવાનું આયોજન કરી રહ્યો છું. હું જોવા માંગુ છું કે શું કોઈ એક જૂથ અન્ય જૂથોને સમાવવાનું શરૂ કરે છે. કદાચ કોઈ tier list દરેક રેન્ક્ડ ટૂલને પાવર આપતા GitHub substrates સાથે લિંક કરવાનું શરૂ કરશે. કદાચ Google નો કન્ઝ્યુમર રિપોર્ટ સ્વીકારશે કે તેના ઘણા શુદ્ધ (polished) આઉટપુટ્સ એવા conversational engines પર આધારિત છે જેના વિશે તે હવે ચર્ચા કરતું નથી. કદાચ કોમર્સ ડિરેક્ટરી સ્થિરતાના પ્રતીક તરીકે star velocity ને ટ્રેક કરવાનું શરૂ કરશે.
સૌથી વધુ તો, હું એવો રિપોર્ટ જોવા માંગુ છું જે AI ને માત્ર એક પ્રોડક્ટ કેટેગરી તરીકે નહીં પણ એક જોડાયેલી સિસ્ટમ તરીકે જુએ. એવો રિપોર્ટ જે કોઈ પ્રોજેક્ટને GitHub repository થી લઈને વેન્ડર પાર્ટનરશિપ દ્વારા કન્ઝ્યુમર-ફેસિંગ ફીચરમાં કેવી રીતે પહોંચે છે તેનો ટ્રેક કરી શકે, અને પછી તે ફીચર શાંઘાઈમાં ખરીદવા માટે ઉપલબ્ધ છે કે નહીં તેની નોંધ લે. આવો રિપોર્ટ આખરે ચારેય વ્યાખ્યાઓને જોડી દેશે.
ત્યાં સુધી, તમે જ અનુવાદક છો. ચારેય વાંચો. તથ્યોને સ્પષ્ટ રાખો. અને યાદ રાખો કે એક પેજ પરનો AI શબ્દ કદાચ બીજા પેજ પર કંઈક તદ્દન અલગ અર્થ ધરાવતો હશે.
Source: https://dev.to/ninghonggang/four-juejin-pieces-four-definitions-of-ai-no-shared-bridge-1fbj
Join the discussion: https://t.me/GyaanSetuAi