𝗦𝘁𝗼𝗽 𝗨𝘀𝗶𝗻𝗴 𝗔𝗜 𝗔𝘀 𝗔 𝗦𝗲𝗮𝗿𝗰𝗵 𝗘𝗻𝗴𝗶𝗻𝗲
ഒരു ഡെവലപ്പർ ഒരു ഡാറ്റാബേസ് സ്കീമയെക്കുറിച്ച് Claude-നോട് സംസാരിക്കാൻ നാല്പത് മിനിറ്റ് ചെലവഴിക്കുന്നത് ഞാൻ കണ്ടു. ഓരോ സന്ദേശവും ഒരു ചോദ്യമായിരുന്നു. ഓരോ മറുപടിയും ഒരു ഉത്തരമായിരുന്നു. അവസാനം, അവർക്ക് പ്രവർത്തിക്കുന്ന ഒരു സ്കീം ലഭിച്ചു, പക്ഷേ അത് ശരിയല്ലെന്ന് അവർക്ക് തോന്നി.
പ്രശ്നം ആ മോഡലായിരുന്നില്ല. രീതിയായിരുന്നു. അവർ ഒരു സംഭാഷണത്തെ ചോദ്യോത്തര സെഷൻ പോലെയാണ് ഉപയോഗിച്ചത്. അവർക്ക് വേണ്ടത് ഒരു ചിന്താപരമായ സെഷൻ (thinking session) ആയിരുന്നു. ഇവ രണ്ടും ഒന്നല്ല.
ക്വറികൾ (queries) ഉപയോഗിക്കാൻ ഗൂഗിൾ നിങ്ങളെ പരിശീലിപ്പിച്ചു. നിങ്ങൾ ഒരു ചെറിയ വാചകം നൽകുന്നു, ഫലങ്ങൾ ലഭിക്കുന്നു, തുടർന്ന് ആ ടാബ് അടയ്ക്കുന്നു. ഈ ശീലം AI-യുടെ കാര്യത്തിൽ പരാജയപ്പെടും. നിങ്ങൾ ഒരു AI-യെ ഒരു സെർച്ച് എഞ്ചിനെപ്പോലെ കാണുമ്പോൾ, നിങ്ങൾക്ക് ഉത്തരങ്ങൾ മാത്രമേ ലഭിക്കൂ. നിങ്ങൾക്ക് ഉൾക്കാഴ്ചകൾ (insights) ലഭിക്കില്ല. നിങ്ങൾക്ക് ആർക്കിടെക്ചറിന് പകരം സിന്റാക്സ് (syntax) ലഭിക്കുന്നു. നിങ്ങൾക്ക് ആവശ്യമുള്ളതിന് പകരം നിങ്ങൾ ചോദിച്ചതേ നിങ്ങൾക്ക് ലഭിക്കുന്നുള്ളൂ.
സെർച്ച് എഞ്ചിനുകൾ നിലവിലുള്ള വസ്തുതകൾ കണ്ടെത്തുന്നു. എന്നാൽ AI-ക്ക് പുതിയ പ്രശ്നങ്ങളിലൂടെ യുക്തിപൂർവ്വം ചിന്തിക്കാൻ കഴിയും. ഒരു സെർച്ച് എഞ്ചിൻ ഒരു ലൈബ്രറി പോലെയാണ്. എന്നാൽ ഒരു AI ഒരു സഹപ്രവർത്തകൻ (colleague) ആകാൻ കഴിയും. ഒരു ലൈബ്രറി എഴുതപ്പെട്ട കാര്യങ്ങൾ നിങ്ങൾക്ക് നൽകുന്നു. എന്നാൽ ഒരു സഹപ്രവർത്തകൻ നിങ്ങളുടെ അനുമാനങ്ങളെ ചോദ്യം ചെയ്യുകയും നിങ്ങളുടെ പ്ലാനിലെ പിഴവുകൾ കണ്ടെത്തുകയും ചെയ്യുന്നു.
ഒരേ കാര്യം ചോദിക്കാനുള്ള ഈ രണ്ട് രീതികൾ നോക്കൂ:
സെർച്ച് മോഡ്: "ഒരു Python microservice സ്ട്രക്ചർ ചെയ്യാൻ ഏറ്റവും നല്ല മാർഗ്ഗം എന്താണ്?"
തിങ്കിംഗ് മോഡ്: "ഞാൻ മൂന്ന് API-കൾക്കായി ഒരു Python microservice നിർമ്മിക്കുകയാണ്. ഓരോ API-ക്കും വ്യത്യസ്തമായ റീട്രൈ നിയമങ്ങളും (retry rules) ഡാറ്റാ രൂപങ്ങളും (data shapes) ഉണ്ട്. ഒരു ക്യൂ ഉള്ള ഒരു FastAPI ആപ്പ് വേണോ അതോ മൂന്ന് പ്രത്യേക കൺസ്യൂമറുകൾ വേണോ എന്ന് ഞാൻ തീരുമാനിക്കാൻ ശ്രമിക്കുകയാണ്. രണ്ട് എഞ്ചിനീയർമാരാണ് ഇത് പരിപാലിക്കുക. ഞാൻ ശ്രദ്ധിക്കാതെ പോകുന്ന എന്തെങ്കിലും വിട്ടുവീഴ്ചകൾ (tradeoffs) ഉണ്ടോ?"
ആദ്യത്തെ രീതി നിങ്ങൾക്ക് ഒരു ബ്ലോഗ് പോസ്റ്റ് നൽകുന്നു. രണ്ടാമത്തെ രീതി നിങ്ങളെ ചിന്തിപ്പിക്കുന്നു.
മികച്ച ഉപയോക്താക്കൾക്ക് ബുദ്ധിപരമായ പ്രോംപ്റ്റുകൾ (prompts) ഉണ്ടെന്നല്ല അർത്ഥം. അവർ കൂടുതൽ സന്ദർഭങ്ങൾ (context) നൽകുന്നു. അവർ എന്താണ് നിർമ്മിക്കുന്നത് എന്നും, അവരുടെ പരിമിതികൾ എന്തൊക്കെയാണെന്നും, അവർ ഇതിനകം എന്തൊക്കെ പരീക്ഷിച്ചു എന്നും വിവരിക്കുന്നു.
അവർ ഇങ്ങനെയുള്ള കാര്യങ്ങളും പറയാറുണ്ട്: "ഇത് ശരിയല്ലെന്ന് തോന്നുന്നു, പക്ഷേ എന്താണെന്ന് എനിക്ക് പറയാൻ കഴിയുന്നില്ല."
ഇതൊരു മികച്ച പ്രോംപ്റ്റാണ്. നിങ്ങളുടെ അനുമാനങ്ങളെ പരിശോധിക്കാൻ ഇത് മോഡലിനോട് ആവശ്യപ്പെടുന്നു. നിങ്ങൾക്ക് പേരിടാൻ കഴിയാത്ത പ്രശ്നം കണ്ടെത്താൻ ഇത് മോഡലിനെ സഹായിക്കുന്നു.
ചോദ്യങ്ങൾ വളരെ കൃത്യവും ലളിതവുമാകുമ്പോൾ ഉപരിപ്ലവമായ (shallow) ഫലങ്ങൾ ലഭിക്കുന്നു. യഥാർത്ഥ എഞ്ചിനീയറിംഗ് സങ്കീർണ്ണമാണ്. അതിൽ ഡെഡ്ലൈനുകളും ലെഗസി കോഡുകളും (legacy code) ഉണ്ടാകും. നിങ്ങൾ ആ സങ്കീർണ്ണതകൾ ഒഴിവാക്കിയാൽ, യാഥാർത്ഥ്യത്തെ അവഗണിച്ചുകൊണ്ടുള്ള ഒരു വൃത്തിയുള്ള ഉത്തരം മാത്രമേ AI നൽകുകയുള്ളൂ. ആ സങ്കീർണ്ണതയാണ് യഥാർത്ഥ പ്രശ്നം.
നിങ്ങളുടെ അടുത്ത പ്രോംപ്റ്റിന് മുമ്പ്, ഈ മൂന്ന് കാര്യങ്ങൾ എഴുതാൻ രണ്ട് മിനിറ്റ് ചെലവഴിക്കുക:
- നിങ്ങൾ എന്താണ് പൂർത്തിയാക്കാൻ ആഗ്രഹിക്കുന്നത്.
- നിങ്ങൾ പരിഗണിക്കുന്ന രീതി.
- നിങ്ങൾക്ക് ഉറപ്പില്ലാത്ത കാര്യങ്ങൾ.
ഇവ മൂന്നും ആദ്യം മോഡലിന് നൽകുക.
ഇതിന് കൂടുതൽ പരിശ്രമം ആവശ്യമാണ്. കോഡ് എഴുതുന്നതിന് മുമ്പ് നിങ്ങൾ ചെയ്യേണ്ട പരിശ്രമമാണിത്. AI ഈ ഘട്ടം കൂട്ടിച്ചേർക്കുന്നില്ല. പകരം, ഇത് ഒഴിവാക്കുന്നത് കൂടുതൽ പ്രയാസകരമാക്കുകയാണ് ചെയ്യുന്നത്.
ഒരു സെർച്ച് എഞ്ചിന് വ്യക്തമായ ഒരു ക്വറി ആവശ്യമാണ്. ഒരു ചിന്താ പങ്കാളിക്ക് കാര്യങ്ങളുടെ പൂർണ്ണരൂപം ആവശ്യമാണ്.
അലങ്കോലങ്ങൾ വൃത്തിയാക്കുന്നത് നിർത്തുക. ആ അലങ്കോലങ്ങളാണ് നിങ്ങളുടെ കോൺടെക്സ്റ്റ്.
ഉറവിടം: https://dev.to/gmoustakas/stop-using-ai-as-a-search-engine-with-extra-steps-49oo
ഓപ്ഷണൽ ലേണിംഗ് കമ്മ്യൂണിറ്റി: https://t.me/GyaanSetuAi