OpenAI Codex એ સંપૂર્ણ 16-bit x86 Assembly Asteroids-શૈલીની DOS ગેમ બનાવી છે, જેમાં 18 સોર્સ ફાઇલો અને અંદાજે 2,500 લાઇનનો કોડ માનવ દ્વારા લખાયેલ એક પણ Assembly લાઇન વગર તૈયાર કરવામાં આવ્યો છે. આ પ્રયોગ દર્શાવે છે કે AI સીધા પ્રોગ્રામરના હસ્તક્ષેપ વગર પ્લાનિંગથી લઈને ડિબગિંગ સુધીના સંપૂર્ણ સોફ્ટવેર લાઇફસાયકલનું સંચાલન કરી શકે છે, જે સામાન્ય “code-completion” ડેમોથી એક ડગલું આગળ છે.

આ પરીક્ષણ શા માટે મહત્વનું હતું

મોટાભાગના જાહેર AI-coding પ્રદર્શનો નાના સ્નિપેટ્સ અથવા સાદા યુટિલિટીઝ સુધી જ મર્યાદિત હોય છે. તેની ઉપલી મર્યાદા તપાસવા માટે, આ પ્રયોગમાં Codex ને કલ્પના કરી શકાય તેવા સૌથી મર્યાદિત વાતાવરણમાં મૂકવામાં આવ્યું હતું: ગેમ એન્જિન, ગ્રાફિક્સ લાઇબ્રેરી અથવા હાઇ-લેવલ લેંગ્વેજની સુવિધાઓ વગરનું DOS પર 16-bit x86 Assembly. ધ્યેય એ જોવાનો હતો કે શું AI માત્ર કોડ જ જનરેટ કરી શકે છે કે સાથે સાથે તેની આસપાસના એન્જિનિયરિંગ કાર્યોનું પણ સંચાલન કરી શકે છે.

ભૂમિકાઓ કેવી રીતે વહેંચવામાં આવી હતી

માનવની જવાબદારીઓ ત્રણ ક્રિયાઓ સુધી મર્યાદિત હતી:

  • સમગ્ર પ્રોજેક્ટનું લક્ષ્ય નક્કી કરવું (એક Asteroids-શૈલીનું શૂટર).
  • ગેમપ્લે સંબંધિત ઉદ્ભવતા કોઈપણ પ્રશ્નોના જવાબ આપવા.
  • દરેક બિલ્ડનું પ્લે-ટેસ્ટ કરવું અને જોવા મળતી ભૂલો (bugs) વિશે રિપોર્ટ કરવો.

Codex ની જવાબદારીઓમાં બાકીનું બધું જ આવરી લેવામાં આવ્યું હતું:

  • પ્રોજેક્ટ પ્લાન અને આર્કિટેક્ચર તૈયાર કરવું.
  • Assembly સોર્સ ફાઇલો લખવી.
  • કોડને ડિબગ, રિફેક્ટર અને પુનઃરચના (restructure) કરવી.
  • Git રિપોઝિટરીનું સંચાલન કરવું, જેમાં કમિટ્સ (commits) અને બ્રાન્ચ મેનેજમેન્ટનો સમાવેશ થાય છે.
  • બાઈનરી બનાવવી અને તેને DOS એむલેટરમાં ચલાવવી.

માનવે ક્યારેય એક પણ Assembly ઇન્સ્ટ્રક્શન ટાઇપ કરી નથી, ક્યારેય કમ્પાઇલરનો ઉપયોગ કર્યો નથી, અને ડેવલપમેન્ટ દરમિયાન ગેમ ક્યારેય લોન્ચ કરી નથી. વાતચીત માત્ર બગના લક્ષણો વર્ણવવા પૂરતી જ મર્યાદિત હતી; AI એ પોતે જ મૂળ કારણ શોધી કાઢ્યું અને તેને સુધાર્યું.

ઇટરેટિવ વર્કફ્લો

દરેક સાયકલ Codex દ્વારા એક માઈલસ્ટોન પ્રસ્તાવિત કરવાથી શરૂ થતી હતી (દા.ત., “પ્લેયર શિપનું મૂવમેન્ટ અમલમાં મૂકવું”). ત્યારબાદ તેણે સંબંધિત સોર્સ ફાઇલો બનાવી, તેને કમિટ કરી, એક્ઝિક્યુટેબલ ફાઇલ બનાવી અને ટેસ્ટરને ચલાવી શકાય તેવી બિલ્ડ સોંપી. Codex એ લક્ષણોનું વિશ્લેષણ કર્યું, કોડબેઝમાં તેનો ટ્રેસ કર્યો અને વધુ માનવ માર્ગદર્શન વિના પેચ (patch) બહાર પાડ્યો.

અંતિમ ઉત્પાદનમાં શું સમાવિષ્ટ છે

  • 18 Assembly સોર્સ ફાઇલો, જે પરંપરાગત રિપોઝિટરી સ્ટ્રક્ચરમાં ગોઠવાયેલી છે.
  • ≈2,500 Assembly લાઇન, જેમાં ઇનપુટ હેન્ડલિંગ, સ્પ્રાઇટ ડ્રોઇંગ, કોલિઝન ડિટેક્શન અને હાઇ-સ્કોર સિસ્ટમનો સમાવેશ થાય છે.
  • એક ચલાવી શકાય તેવી (playable) DOS એક્ઝિક્યુટેબલ જે સ્ટાન્ડર્ડ DOS વાતાવરણમાં ચાલે છે અને ક્લાસિક Asteroids ગેમપ્લેની નકલ કરે છે.
  • શૂન્ય માનવ-લખિત Assembly, જે પુષ્ટિ કરે છે કે AI એ તમામ લો-લેવલ પ્રોગ્રામિંગ કાર્યો સંભાળ્યા છે.

જોખમો અને અસરો

જો AI કોઈ પ્રોજેક્ટને કલ્પનાથી લઈને કાર્યરત બાઈનરી સુધી સ્વાયત્ત રીતે આગળ વધારી શકે છે, તો કોડબેઝના મુખ્ય સંચાલક તરીકે પ્રોગ્રામરની પરંપરાગત ભૂમિકા બદલાઈ જાય છે. કંપનીઓ બૉઇલરપ્લેટ સેટઅપ, ડોક્યુમેન્ટેશન અને રૂટિન ડિબગિંગ પાછળ વિતાવેલા સમયમાં ઘટાડો કરી શકે છે, જેનાથી એન્જિનિયરો ડિઝાઇન અને પ્રોડક્ટ વ્યૂહરચના પર ધ્યાન કેન્દ્રિત કરવા માટે મુક્ત થશે.

આ પ્રયોગ મર્યાદાઓ પણ દર્શાવે છે. પરીક્ષણનું વાતાવરણ જાણીજોઈને મર્યાદિત રાખવામાં આવ્યું હતું: સારી રીતે સમજાયેલી મિકેનિક્સ ધરાવતી સિંગલ-પ્લેયર DOS ગેમ. બાહ્ય નિર્ભરતાઓ (dependencies), સુરક્ષા મર્યાદાઓ અથવા પર્ફોર્મન્સ-ક્રિટિકલ કોડ પાથ ધરાવતી મોટી, મલ્ટી-મોડ્યુલ સિસ્ટમ્સ સુધી આ અભિગમને સ્કેલ કરવો હજુ અપ્રમાણિત છે. તદુપરાંત, માનવ ટેસ્ટર હજુ પણ અંતિમ ક્વોલિટી ગેટ તરીકે કાર્ય કરી રહ્યો હતો; તે દેખરેખ વગર કોઈ ન પકડાયેલી લોજિકલ ભૂલ રહી ગઈ હોત.

વિરોધી દલીલો અને ખુલ્લા પ્રશ્નો

  • વિશ્વસનીયતા (Reliability): Assembly પ્રોગ્રામિંગ ક્ષમાશીલ નથી; એક નાની ભૂલ પણ આખા પ્રોગ્રામને ક્રેશ કરી શકે છે. Codex એ તેને જોવા મળેલી ભૂલો સુધારી હતી, પરંતુ તે સૂક્ષ્મ ટાઇમિંગ સમસ્યાઓ ચૂકી શકે છે જે માત્ર સ્ટ્રેસ ટેસ્ટિંગ દરમિયાન જ દેખાય છે.
  • જાળવણીક્ષમતા (Maintainability): માનવ સ્ટાઇલ માર્ગદર્શિકા વગર જનરેટ થયેલ કોડ ભવિષ્યના ડેવલપર્સ માટે વાંચવો અથવા વિસ્તારવો મુશ્કેલ હોઈ શકે છે, ખાસ કરીને જો AI ના નામકરણના નિયમો (naming conventions) ટીમ સ્ટાન્ડર્ડ્સથી અલગ હોય.
  • બૌદ્ધિક સંપત્તિ (Intellectual property): જ્યારે AI કોડ લખે છે ત્યારે તેનો માલિક કોણ છે? વર્તમાન લાયસન્સિંગ ફ્રેમવર્ક માનવ લેખકતા માને છે, જે AI દ્વારા ઉત્પાદિત વસ્તુઓ માટે ગ્રે એરિયા (અસ્પષ્ટતા) છોડે છે.

આગળ શું જોવું

  • વ્યાપક બેન્ચમાર્ક: નેટવર્ક એપ્લિકેશન્સ, મોબાઈલ એપ્સ અથવા આધુનિક C/C++ પ્રોજેક્ટ્સ પર સમાન સ્વાયત્ત વર્કફ્લો લાગુ કરવાથી એ ચકાસવામાં આવશે કે આ અભિગમ રેટ્રો-શૈલીની ગેમ્સથી આગળ વધી શકે છે કે નહીં.
  • ટૂલ ઇન્ટિગ્રેશન: Codex ને CI/CD પાઇપલાઇન્સમાં સામેલ કરવાથી માત્ર કોડ જનરેશન જ નહીં પરંતુ ટેસ્ટિંગ, સિક્યુરિટી સ્કેનિંગ અને ડિપ્લોયમેન્ટને પણ ઓટોમેટ કરી શકાય છે.
  • પોલિસી ઉત્ક્રાંતિ: જેમ જેમ AI-જનરેટેડ કોડ વધશે, તેમ કાયદાકીય અને કોર્પોરેટ નીતિઓએ માલિકી, જવાબદારી અને પાલન (compliance) ના મુદ્દાઓને સંબોધવાની જરૂર પડશે.

મુખ્ય તારણ સ્પષ્ટ છે: AI હવે સારી રીતે વ્યાખ્યાયિત અને મર્યાદિત પ્રોજેક્ટ્સ માટે એકલ સોફ્ટવેર એન્જિનિયર તરીકે કાર્ય કરી શકે છે, જે માનવ હસ્ત-કોડિંગ વગર કાર્યરત, લો-લેવલ કોડ પૂરો પાડે છે. શું આ ક્ષમતા મુખ્ય પ્રવાહના ડેવલપમેન્ટને નવો આકાર આપશે તે એ વાત પર નિર્ભર છે કે ઇકોસિસ્ટમ કેટલી ઝડપથી વિશ્વસનીયતા, જાળવણીક્ષમતા અને કાયદાકીય ચિંતાઓનું નિરાકરણ લાવી શકે છે.