AI ಅನ್ನು ಸರ್ಚ್ ಇಂಜಿನ್ ಆಗಿ ಬಳಸುವುದು ನಿಲ್ಲಿಸಿ

ಒಬ್ಬ ಡೆವಲಪರ್ ಡೇಟಾಬೇಸ್ ಸ್ಕೀಮಾದ ಬಗ್ಗೆ Claude ಜೊತೆ ಮಾತನಾಡಲು ನಲವತ್ತು ನಿಮಿಷಗಳನ್ನು ವ್ಯಯಿಸುವುದನ್ನು ನಾನು ನೋಡಿದೆ. ಪ್ರತಿಯೊಂದು ಸಂದೇಶವೂ ಒಂದು ಪ್ರಶ್ನೆಯಾಗಿತ್ತು. ಪ್ರತಿಯೊಂದು ಪ್ರತಿಕ್ರಿಯೆಯೂ ಒಂದು ಉತ್ತರವಾಗಿತ್ತು. ಕೊನೆಯಲ್ಲಿ, ಅವರಿಗೆ ಕೆಲಸ ಮಾಡುವ ಸ್ಕೀಮಾ ಸಿಕ್ಕಿತು, ಆದರೆ ಅದು ಸರಿಯಾದಂತೆ ಅನಿಸಲಿಲ್ಲ.

ಸಮಸ್ಯೆ ಮಾಡೆಲ್ ಆಗಿರಲಿಲ್ಲ. ಸಮಸ್ಯೆ ಅದರ ವಿಧಾನದಲ್ಲಿತ್ತು. ಅವರು ಸಂಭಾಷಣೆಯನ್ನು ಪ್ರಶ್ನೋತ್ತರ (Q&A) ಸೆಷನ್‌ನಂತೆ ಬಳಸಿದರು. ಅವರಿಗೆ ಬೇಕಾಗಿದ್ದು ಒಂದು ಚಿಂತನಾ ಸೆಷನ್ (thinking session). ಇವೆರಡೂ ಒಂದೇ ಅಲ್ಲ.

ನೀವು ಕ್ವೇರಿಗಳನ್ನು (queries) ಬಳಸಲು Google ನಿಮ್ಮನ್ನು ತರಬೇತಿಗೊಳಿಸಿದೆ. ನೀವು ಒಂದು ಚಿಕ್ಕ ಪದವನ್ನು ಹುಡುಕುತ್ತೀರಿ, ಫಲಿತಾಂಶಗಳನ್ನು ಪಡೆಯುತ್ತೀರಿ ಮತ್ತು ಟ್ಯಾಬ್ ಅನ್ನು ಮುಚ್ಚುತ್ತೀರಿ. ಈ ಅಭ್ಯಾಸವು AI ಬಳಕೆಯಲ್ಲಿ ವಿಫಲವಾಗುತ್ತದೆ. ನೀವು AI ಅನ್ನು ಸರ್ಚ್ ಇಂಜಿನ್‌ನಂತೆ ಪರಿಗಣಿಸಿದಾಗ, ನಿಮಗೆ ಕೇವಲ ಉತ್ತರಗಳು ಮಾತ್ರ ಸಿಗುತ್ತವೆ. ನಿಮಗೆ ಒಳನೋಟಗಳು (insights) ಸಿಗುವುದಿಲ್ಲ. ನಿಮಗೆ ಆರ್ಕಿಟೆಕ್ಚರ್‌ಗೆ ಬದಲಾಗಿ ಸಿಂಟ್ಯಾಕ್ಸ್ (syntax) ಸಿಗುತ್ತದೆ. ನಿಮಗೆ ಬೇಕಾದದ್ದನ್ನು ಪಡೆಯುವ ಬದಲು, ನೀವು ಕೇಳಿದ್ದನ್ನೇ ಪಡೆಯುತ್ತೀರಿ.

ಸರ್ಚ್ ಇಂಜಿನ್‌ಗಳು ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಸತ್ಯಗಳನ್ನು ಹುಡುಕುತ್ತವೆ. AI ಹೊಸ ಸಮಸ್ಯೆಗಳ ಮೂಲಕ ತರ್ಕಬದ್ಧವಾಗಿ ಯೋಚಿಸಬಲ್ಲದು. ಸರ್ಚ್ ಇಂಜಿನ್ ಒಂದು ಲೈಬ್ರರಿಯಿದ್ದಂತೆ. AI ಒಬ್ಬ ಸಹೋದ್ಯೋಗಿಯಂತೆ ಇರಬಲ್ಲದು. ಲೈಬ್ರರಿಯು ಬರೆದಿರುವ ಮಾಹಿತಿಯನ್ನು ನೀಡುತ್ತದೆ. ಆದರೆ ಸಹೋದ್ಯೋಗಿಯು ನಿಮ್ಮ ಊಹೆಗಳನ್ನು ಪ್ರಶ್ನಿಸುತ್ತಾನೆ ಮತ್ತು ನಿಮ್ಮ ಯೋಜನೆಯಲ್ಲಿನ ಲೋಪದೋಷಗಳನ್ನು ಪತ್ತೆಹಚ್ಚುತ್ತಾನೆ.

ಒಂದೇ ವಿಷಯವನ್ನು ಕೇಳಲು ಈ ಎರಡು ವಿಧಾನಗಳನ್ನು ನೋಡಿ:

Search mode: "Python microservice ಅನ್ನು ರಚಿಸಲು ಅತ್ಯುತ್ತಮ ವಿಧಾನ ಯಾವುದು?"

Thinking mode: "ನಾನು ಮೂರು APIs ಗಾಗಿ ಒಂದು Python microservice ಅನ್ನು ನಿರ್ಮಿಸುತ್ತಿದ್ದೇನೆ. ಪ್ರತಿಯೊಂದು API ಗೆ ವಿಭಿನ್ನ ರಿಟ್ರೈ ನಿಯಮಗಳು (retry rules) ಮತ್ತು ಡೇಟಾ ಶೇಪ್‌ಗಳಿವೆ (data shapes). ನಾನು ಒಂದು ಕ್ಯೂ (queue) ಇರುವ ಒಂದು FastAPI ಆಪ್ ಅಥವಾ ಮೂರು ಪ್ರತ್ಯೇಕ ಕನ್ಸ್ಯೂಮರ್‌ಗಳ (consumers) ನಡುವೆ ಆಯ್ಕೆ ಮಾಡುತ್ತಿದ್ದೇನೆ. ಇಬ್ಬರು ಎಂಜಿನಿಯರ್‌ಗಳು ಇದನ್ನು ನಿರ್ವಹಿಸುತ್ತಾರೆ. ನಾನು ಗಮನಿಸದ ಟ್ರೇಡ್-ಆಫ್‌ಗಳು (tradeoffs) ಯಾವುವು?"

ಮೊದಲ ವಿಧಾನವು ನಿಮಗೆ ಒಂದು ಬ್ಲಾಗ್ ಪೋಸ್ಟ್ ಅನ್ನು ನೀಡುತ್ತದೆ. ಎರಡನೇ ವಿಧಾನವು ನಿಮ್ಮನ್ನು ಯೋಚಿಸುವಂತೆ ಮಾಡುತ್ತದೆ.

ಅತ್ಯುತ್ತಮ ಬಳಕೆದಾರರು ಚತುರವಾದ ಪ್ರಾಂಪ್ಟ್‌ಗಳನ್ನು (prompts) ಹೊಂದಿರುವುದಿಲ್ಲ. ಅವರು ಹೆಚ್ಚಿನ ಸಂದರ್ಭವನ್ನು (context) ನೀಡುತ್ತಾರೆ. ಅವರು ತಾವು ಏನನ್ನು ನಿರ್ಮಿಸುತ್ತಿದ್ದಾರೆ, ತಮ್ಮ ಮಿತಿಗಳು ಮತ್ತು ಈಗಾಗಲೇ ಪ್ರಯತ್ನಿಸಿದ ವಿಷಯಗಳನ್ನು ವಿವರಿಸುತ್ತಾರೆ.

ಅವರು "ಇದು ಸರಿಯಾದಂತೆ ಅನಿಸುತ್ತಿಲ್ಲ, ಆದರೆ ಏಕೆ ಎಂದು ಹೇಳಲು ಸಾಧ್ಯವಾಗುತ್ತಿಲ್ಲ" ಎಂಬಂತಹ ವಿಷಯಗಳನ್ನು ಸಹ ಹೇಳುತ್ತಾರೆ.

ಇದು ಒಂದು ಅದ್ಭುತವಾದ ಪ್ರಾಂಪ್ಟ್. ಇದು ನಿಮ್ಮ ಊಹೆಗಳನ್ನು ಪರೀಕ್ಷಿಸಲು ಮಾಡೆಲ್‌ಗೆ ಸೂಚಿಸುತ್ತದೆ. ನೀವು ಹೆಸರಿಸಲಾಗದ ಸಮಸ್ಯೆಯನ್ನು ಪತ್ತೆಹಚ್ಚಲು ಇದು ಮಾಡೆಲ್‌ಗೆ ಸಹಾಯ ಮಾಡುತ್ತದೆ.

ಪ್ರಶ್ನೆಗಳು ಅತಿಯಾಗಿ ಸರಳವಾಗಿದ್ದಾಗ ಮೇಲ್ಪದರದ (shallow) ಫಲಿತಾಂಶಗಳು ಬರುತ್ತವೆ. ನೈಜ ಎಂಜಿನಿಯರಿಂಗ್ ಗೊಂದಲಮಯವಾಗಿರುತ್ತದೆ. ಅದರಲ್ಲಿ ಗಡುವುಗಳು (deadlines) ಮತ್ತು ಲೆಗಸಿ ಕೋಡ್ (legacy code) ಇರುತ್ತವೆ. ನೀವು ಆ ಗೊಂದಲಗಳನ್ನು ತೆಗೆದುಹಾಕಿದರೆ, AI ವಾಸ್ತವವನ್ನು ನಿರ್ಲಕ್ಷಿಸುವ ಒಂದು ಅಚ್ಚುಕಟ್ಟಾದ ಉತ್ತರವನ್ನು ನೀಡುತ್ತದೆ. ಆ ಗೊಂದಲವೇ ನಿಜವಾದ ಸಮಸ್ಯೆ.

ನಿಮ್ಮ ಮುಂದಿನ ಪ್ರಾಂಪ್ಟ್‌ಗಿಂತ ಮೊದಲು, ಈ ಮೂರು ವಿಷಯಗಳನ್ನು ಬರೆಯಲು ಎರಡು ನಿಮಿಷಗಳನ್ನು ವ್ಯಯಿಸಿ:

ಮೊದಲು ಈ ಮೂರನ್ನೂ ಮಾಡೆಲ್‌ಗೆ ನೀಡಿ.

ಇದಕ್ಕೆ ಹೆಚ್ಚಿನ ಶ್ರಮ ಬೇಕಾಗುತ್ತದೆ. ಯಾವುದೇ ಕೋಡ್ ಬರೆಯುವ ಮೊದಲು ನೀವು ಮಾಡಬೇಕಾದ ಶ್ರಮವಿದು. AI ಈ ಹಂತವನ್ನು ಸೇರಿಸುವುದಿಲ್ಲ. ಅದು ಕೇವಲ ಈ ಹಂತವನ್ನು ಬಿಟ್ಟುಬಿಡುವುದನ್ನು ಹೆಚ್ಚು ದುಬಾರಿಯಾಗಿಸುತ್ತದೆ.

ಒಂದು ಸರ್ಚ್ ಇಂಜಿನ್‌ಗೆ ಸ್ಪಷ್ಟವಾದ ಪ್ರಶ್ನೆಯ ಅಗತ್ಯವಿರುತ್ತದೆ. ಒಂದು ಆಲೋಚನಾ ಪಾಲುದಾರನಿಗೆ ಸಂಪೂರ್ಣ ಚಿತ್ರಣದ ಅಗತ್ಯವಿರುತ್ತದೆ.

ಅಸ್ತವ್ಯಸ್ತತೆಯನ್ನು ಸರಿಪಡಿಸುವುದನ್ನು ನಿಲ್ಲಿಸಿ. ಆ ಅಸ್ತವ್ಯಸ್ತತೆಯೇ ನಿಮ್ಮ ಸಂದರ್ಭ.

ಮೂಲ: https://dev.to/gmoustakas/stop-using-ai-as-a-search-engine-with-extra-steps-49oo

ಐಚ್ಛಿಕ ಕಲಿಕಾ ಸಮುದಾಯ: https://t.me/GyaanSetuAi