ಬರಲಿರುವ ಲೂಪ್: AI Harness Engineering ಕೋಡಿಂಗ್ ಅನ್ನು ಹೇಗೆ ಬದಲಾಯಿಸುತ್ತದೆ
AI ಕೋಡಿಂಗ್ನಲ್ಲಿ ಆಗುತ್ತಿರುವ ದೊಡ್ಡ ಬದಲಾವಣೆಯು ಉತ್ತಮ ಮಾಡೆಲ್ಗಳ ಬಗ್ಗೆ ಅಲ್ಲ. ಅದು ಲೂಪ್ (loop) ಬಗ್ಗೆ ಆಗಿದೆ.
ಸಾಫ್ಟ್ವೇರ್ ಅಭಿವೃದ್ಧಿಯು Harness Engineering ಎಂಬ ಹೊಸ ಹಂತಕ್ಕೆ ಸಾಗುತ್ತಿದೆ. ಈ ಹಂತವು ಕೇವಲ ಸರಳ ಪ್ರಾಂಪ್ಟ್ಗಳಿಗಿಂತ (prompts) ಮಿಗಿಲಾದದ್ದು. ಇದು AI ಏಜೆಂಟ್ಗಳನ್ನು ನಿಯಂತ್ರಿಸುವ ವ್ಯವಸ್ಥೆಗಳನ್ನು ನಿರ್ಮಿಸುವುದರ ಮೇಲೆ ಗಮನಹರಿಸುತ್ತದೆ.
ಒಂದು ಉತ್ತಮ ಹಾರ್ನೆಸ್ (harness), ಒಂದು ಉತ್ತಮ ಮಾಡೆಲ್ನಿಗಿಂತ ಶ್ರೇಷ್ಠವಾದುದು.
ಹಾರ್ನೆಸ್ ಮಾಡೆಲ್ ಸುತ್ತಲಿನ ಎಲ್ಲವನ್ನೂ ಒಳಗೊಂಡಿರುತ್ತದೆ:
- ಸಿಸ್ಟಮ್ ಪ್ರಾಂಪ್ಟ್ಗಳು ಮತ್ತು ಪರಿಕರಗಳು (System prompts and tools)
- ಫೈಲ್ ಸಿಸ್ಟಮ್ ಪ್ರವೇಶ (File system access)
- ಎಕ್ಸಿಕ್ಯೂಷನ್ ಸ್ಯಾಂಡ್ಬಾಕ್ಸ್ಗಳು (Execution sandboxes)
- ವೆರಿಫಿಕೇಶನ್ ಲಾಜಿಕ್ (Verification logic)
ಹೆಚ್ಚಿನ ತಂಡಗಳು ಇನ್ನರ್ ಲೂಪ್ (inner loop) ಮೇಲೆ ಗಮನ ಹರಿಸುತ್ತವೆ. ಇದು AI ಒಂದು ಪರಿಕರವನ್ನು ಬಳಸುವಾಗ, ಫೈಲ್ ಅನ್ನು ಎಡಿಟ್ ಮಾಡುವಾಗ ಮತ್ತು ಪರೀಕ್ಷೆಯನ್ನು (test) ನಡೆಸುವಾಗ ನಡೆಯುವ ಪ್ರಕ್ರಿಯೆಯಾಗಿದೆ.
ನಿಜವಾದ ಮೌಲ್ಯವು ಔಟರ್ ಲೂಪ್ (outer loop) ನಲ್ಲಿ ಅಡಗಿದೆ. ಇದು ಒಂದು ಆರ್ಕೆಸ್ಟ್ರೇಶನ್ ಲೇಯರ್ (orchestration layer). ಇದು ಕಾರ್ಯಗಳನ್ನು ಕ್ಯೂ (queue) ಮಾಡುತ್ತದೆ, ಕೆಲಸವು ಪೂರ್ಣಗೊಂಡಿದೆಯೇ ಎಂದು ಮೌಲ್ಯಮಾಪನ ಮಾಡುತ್ತದೆ ಮತ್ತು ಇಡೀ ಪ್ರಕ್ರಿಯೆಯನ್ನು ನಿರ್ವಹಿಸುತ್ತದೆ. ಈ ಕಾರ್ಯವು ಕೇವಲ ಒಂದು ಚಾಟ್ ಸೆಷನ್ನ ಹೊರಗೆ ಇರುತ್ತದೆ.
AI ಅಭಿವೃದ್ಧಿಯ ವಿಕಸನ:
- Prompt Engineering (2022-23): ಸ್ನಿಪೆಟ್ಗಳಿಗಾಗಿ (snippets) ಏಕೈಕ ಪ್ರಾಂಪ್ಟ್ಗಳನ್ನು ಬರೆಯುವುದು.
- Context Engineering (2024-25): ಫೀಚರ್ಗಳಿಗಾಗಿ ಮೆಮೊರಿ ಮತ್ತು ಫೈಲ್ಗಳನ್ನು ನಿರ್ವಹಿಸುವುದು.
- Harness Engineering (2026): ಸ್ವಾಯತ್ತ ನಿಯಂತ್ರಣ ವ್ಯವಸ್ಥೆಗಳನ್ನು (autonomous control systems) ನಿರ್ಮಿಸುವುದು.
ಅಡಚಣೆಯ ಕೇಂದ್ರಬಿಂದು ಬದಲಾಗಿದೆ. AI ಕೋಡ್ ಬರೆಯಬಲ್ಲದೇ ಎಂಬುದು ಈಗ ಮುಖ್ಯವಲ್ಲ. ಬದಲಾಗಿ, AI ಅನುಸರಿಸಬಹುದಾದ ಸ್ಪೆಕ್ (spec) ಅನ್ನು ನೀವು ಬರೆಯಬಲ್ಲರಾ ಎಂಬುದು ಮುಖ್ಯವಾಗಿದೆ.
ಲೂಪ್ಗಳು ಎಲ್ಲಿ ಉತ್ತಮವಾಗಿ ಕೆಲಸ ಮಾಡುತ್ತವೆ:
- ಒಂದು ಭಾಷೆಯಿಂದ ಇನ್ನೊಂದು ಭಾಷೆಗೆ ಕೋಡ್ ಅನ್ನು ವರ್ಗಾಯಿಸುವುದು (Porting code).
- ಪರ್ಫಾರ್ಮೆನ್ಸ್ ಬೆಂಚ್ಮಾರ್ಕ್ಗಳನ್ನು (performance benchmarks) ನಡೆಸುವುದು.
- ಸೆಕ್ಯೂರಿಟಿ ಸ್ಕ್ಯಾನಿಂಗ್.
- ಕ್ಷಿಪ್ರ ಸಂಶೋಧನೆ ಮತ್ತು ಪ್ರೊಟೊಟೈಪ್ಗಳು.
ಲೂಪ್ಗಳು ಎಲ್ಲಿ ವಿಫಲವಾಗುತ್ತವೆ:
- ಆಳವಾದ ಮಾನವ ನಿರ್ಧಾರದ ಅಗತ್ಯವಿರುವ ಕೋಡ್.
- ಕಟ್ಟುನಿಟ್ಟಾದ ಆರ್ಕಿಟೆಕ್ಚರಲ್ ನಿಯಮಗಳ ಅಗತ್ಯವಿರುವ ವ್ಯವಸ್ಥೆಗಳು.
- ಉನ್ನತ ಮಟ್ಟದ ವಿನ್ಯಾಸ ಮತ್ತು ನಿರ್ವಹಣಾ ಸಾಮರ್ಥ್ಯ (maintainability).
ನಾವು 'Comprehension Debt' ನಂತಹ ಹೊಸ ಅಪಾಯಗಳನ್ನು ನೋಡುತ್ತಿದ್ದೇವೆ. ಮಾನವರು ಪರಿಶೀಲಿಸುವುದಕ್ಕಿಂತ ವೇಗವಾಗಿ AI ಕೋಡ್ ಅನ್ನು ರಚಿಸಿದಾಗ ಇದು ಸಂಭವಿಸುತ್ತದೆ. ಇದರಿಂದಾಗಿ ತಂಡಗಳು ತಮಗೆ ಅರ್ಥವಾಗದ ಕೋಡ್ಬೇಸ್ಗಳನ್ನು (codebases) ಹೊಂದಬೇಕಾಗುತ್ತದೆ.
ಈ ಬದಲಾವಣೆಯು ಮೂರು ಕಾರಣಗಳಿಂದ ಅನಿವಾರ್ಯವಾಗಿದೆ:
- ಭದ್ರತೆ (Security): ದಾಳಿಕೋರರು ಲೂಪ್ಗಳನ್ನು ಬಳಸುತ್ತಾರೆ. ರಕ್ಷಕರು ಕೂಡ ಅವುಗಳನ್ನು ಬಳಸಲೇಬೇಕು.
- ಅರ್ಥಶಾಸ್ತ್ರ (Economics): ಸಣ್ಣ ತಂಡಗಳು ಈಗ ದೊಡ್ಡ ಗುಂಪುಗಳ ಕೆಲಸವನ್ನು ಮಾಡಬಲ್ಲವು.
- ತಾಂತ್ರಿಕ ಸಾಲ (Technical Debt): ಭವಿಷ್ಯದ ಕೋಡ್ಬೇಸ್ಗಳು AI ಜೊತೆಗೆ ಕೆಲಸ ಮಾಡುವಂತೆ ನಿರ್ಮಿಸಲ್ಪಡುತ್ತವೆ.
ನಿಮ್ಮ ಕೆಲಸ ಬದಲಾಗುತ್ತಿದೆ. ನೀವು ಕೋಡ್ ಬರೆಯುವುದರಿಂದ, ಕೋಡ್ ಬರೆಯುವ ಲೂಪ್ಗಳನ್ನು ಬರೆಯುವ ಕಡೆಗೆ ಸಾಗುತ್ತಿದ್ದೀರಿ.
Optional learning community: https://t.me/GyaanSetuAi