लाइब्रेरी बनाने के लिए पढ़ना बंद करें। समस्या सुलझाने के लिए पढ़ना शुरू करें।
अधिकांश इंजीनियरिंग रीडिंग लिस्ट ज्ञान इकट्ठा करने पर ध्यान केंद्रित करती हैं।
आधुनिक इंजीनियरिंग केवल एक चीज़ का इनाम देती है: बाधाओं (bottlenecks) को दूर करना।
हाल ही में एक जूनियर इंजीनियर ने मुझे इंजीनियरों के लिए शीर्ष 10 किताबों की एक सूची दिखाई। यह दस साल पहले की सूचियों जैसी ही लग रही थी। यह उन्हीं पुरानी क्लासिक और प्रोसेस किताबों पर आधारित थी।
यह धारणा गलत है। किताबें पढ़ना आपको अपने आप एक बेहतर इंजीनियर नहीं बना देता।
उच्च प्रदर्शन करने वाली टीमें किताबों के आधार पर लर्निंग प्लान नहीं बनाती हैं। वे उन्हें बाधाओं (constraints) के आधार पर बनाती हैं।
मानक रीडिंग लिस्ट यह मानती हैं कि सभी ज्ञान का मूल्य समान है। वास्तव में, इंजीनियरिंग का मूल्य आपकी विशिष्ट स्थिति पर निर्भर करता है।
- डेटाबेस की समस्याओं का सामना कर रहे एक बैकएंड इंजीनियर को Agile बुक की आवश्यकता नहीं है।
- उच्च AI लागत वाली टीम को किसी सामान्य सॉफ्टवेयर बुक की आवश्यकता नहीं है।
- लेटेंसी (latency) की समस्याओं वाले स्टार्टअप को लीडरशिप फ्रेमवर्क की आवश्यकता नहीं है।
इन लोगों को अपने सामने मौजूद विशिष्ट बाधा (bottleneck) के समाधान की आवश्यकता है।
इंजीनियरिंग प्रासंगिकता (relevance) को पुरस्कृत करती है, पूर्णता (completeness) को नहीं।
डेटाबेस और नेटवर्किंग जैसे बुनियादी सिद्धांत (fundamentals) अभी भी मायने रखते हैं। लेकिन वे अब पर्याप्त नहीं हैं। आधुनिक प्रणालियाँ AI इन्फरेंस लागत (AI inference costs) जैसी नई चुनौतियाँ लाती हैं।
दशकों तक, इंजीनियरों ने डिटरमिनिस्टिक (deterministic) सिस्टम के साथ काम किया। एक ही इनपुट हमेशा एक ही आउटपुट देता था।
आज, कई सिस्टम प्रोबेबिलिस्टिक (probabilistic) हैं। एक AI प्रॉम्प्ट हर बार अलग-अलग प्रतिक्रिया दे सकता है। एक मॉडल अपग्रेड आपके कोड को छुए बिना आपके ऐप के काम करने के तरीके को बदल सकता है।
नए प्रश्न आपके काम को संचालित करते हैं:
- आप गुणवत्ता का मूल्यांकन कैसे करते हैं?
- आप अप्रत्याशित घटकों (unpredictable components) को कैसे प्रबंधित करते हैं?
सबसे सक्षम इंजीनियर मैकेनिज्म (mechanisms) समझने के लिए पढ़ते हैं, न कि किताब खत्म करने के लिए। वे एक बाधा (bottleneck) ढूंढते हैं और उसे ठीक करने के लिए आवश्यक विशिष्ट लॉजिक सीखते हैं।
- यदि लेटेंसी (latency) अधिक है, तो बैचिंग (batching) का अध्ययन करें।
- यदि कॉन्टेक्स्ट (context) खो जाता है, तो रिट्रीवल (retrieval) का अध्ययन करें।
- यदि AI एजेंट विफल हो जाते हैं, तो इवैल्यूएशन (evaluation) का अध्ययन करें।
यह सीखने को प्रोडक्शन परिणामों से जोड़ता है। आपका ज्ञान तत्काल लाभ (leverage) बन जाता है।
इस लर्निंग लूप का उपयोग करें:
- बाधा (bottleneck) की पहचान करें।
- इसे ठीक करने के लिए विशिष्ट संसाधन खोजें।
- इसे सिस्टम पर लागू करें।
अपनी अगली किताब शुरू करने से पहले, खुद से एक सवाल पूछें: मेरे सिस्टम में अभी सबसे बड़ी बाधा (constraint) क्या है?
क्या यह लेटेंसी (latency), लागत, विश्वसनीयता (reliability), या ऑब्जर्वेबिलिटी (observability) है?
उस संसाधन को खोजें जो उस समस्या का समाधान करे। सबसे लोकप्रिय किताब न चुनें। वह चुनें जो आपकी बाधा (constraint) को हल करे।
इंजीनियरिंग पढ़ने की कोई प्रतियोगिता नहीं है। यह बाधाओं को सुलझाने का एक पेशा है। अपने सिस्टम को यह तय करने दें कि आप आगे क्या सीखेंगे।
वैकल्पिक लर्निंग कम्युनिटी: https://t.me/GyaanSetuAi