ഒരു ലൈബ്രറി നിർമ്മിക്കാൻ വേണ്ടി വായിക്കുന്നത് നിർത്തുക. ഒരു പ്രശ്നം പരിഹരിക്കാൻ വേണ്ടി വായിക്കാൻ തുടങ്ങുക.
മിക്ക എഞ്ചിനീയറിംഗ് വായനാ പട്ടികകളും അറിവ് ശേഖരിക്കുന്നതിലാണ് ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നത്.
ആധുനിക എഞ്ചിനീയറിംഗ് ഒരു കാര്യത്തിന് മാത്രം പ്രതിഫലം നൽകുന്നു: തടസ്സങ്ങൾ (bottlenecks) നീക്കം ചെയ്യുക.
ഒരു ജൂനിയർ എഞ്ചിനീയർ അടുത്തിടെ എഞ്ചിനീയർമാർക്കായുള്ള മികച്ച 10 പുസ്തകങ്ങളുടെ ഒരു പട്ടിക എനിക്ക് കാണിച്ചുതന്നു. പത്ത് വർഷം മുമ്പുള്ള പട്ടികകൾ പോലെ തന്നെയായിരുന്നു അത്. പഴയ ക്ലാസിക് പുസ്തകങ്ങളെയും പ്രോസസ്സ് പുസ്തകങ്ങളെയും ആശ്രയിച്ചാണ് അത് തയ്യാറാക്കിയിരുന്നത്.
ഈ അനുമാനം തെറ്റാണ്. പുസ്തകങ്ങൾ വായിക്കുന്നത് കൊണ്ട് മാത്രം നിങ്ങൾ ഒരു മികച്ച എഞ്ചിനീയർ ആകണമെന്നില്ല.
മികച്ച പ്രകടനം കാഴ്ചവെക്കുന്ന ടീമുകൾ പുസ്തകങ്ങളെ അടിസ്ഥാനമാക്കിയല്ല പഠന പദ്ധതികൾ തയ്യാറാക്കുന്നത്. അവർ അവ നിർമ്മിക്കുന്നത് പരിമിതികളെ (constraints) അടിസ്ഥാനമാക്കിയാണ്.
എല്ലാ അറിവിനും തുല്യ മൂല്യമുണ്ടെന്ന് സാധാരണ വായനാ പട്ടികകൾ കരുതുന്നു. എന്നാൽ യഥാർത്ഥത്തിൽ, എഞ്ചിനീയറിംഗിലെ മൂല്യം നിങ്ങളുടെ പ്രത്യേക സാഹചര്യത്തെ ആശ്രയിച്ചിരിക്കും.
- ഡാറ്റാബേസ് പ്രശ്നങ്ങൾ നേരിടുന്ന ഒരു ബാക്കെൻഡ് എഞ്ചിനീയർക്ക് ഒരു Agile പുസ്തകം ആവശ്യമില്ല.
- ഉയർന്ന AI ചിലവുള്ള ഒരു ടീമിന് ഒരു ജനറൽ സോഫ്റ്റ്വെയർ പുസ്തകം ആവശ്യമില്ല.
- ലേറ്റൻസി (latency) പ്രശ്നങ്ങളുള്ള ഒരു സ്റ്റാർട്ടപ്പിന് ഒരു ലീഡർഷിപ്പ് ഫ്രെയിംവർക്ക് ആവശ്യമില്ല.
ഈ ആളുകൾക്ക് തങ്ങളുടെ മുന്നിലുള്ള പ്രത്യേക തടസ്സങ്ങൾക്കുള്ള പരിഹാരങ്ങളാണ് വേണ്ടത്.
എഞ്ചിനീയറിംഗ് പ്രസക്തിക്കാണ് (relevance) പ്രാധാന്യം നൽകുന്നത്, പൂർണ്ണതയ്ക്കല്ല.
ഡാറ്റാബേസുകളും നെറ്റ്വർക്കിംഗും പോലുള്ള അടിസ്ഥാന കാര്യങ്ങൾ ഇപ്പോഴും പ്രധാനമാണ്. എന്നാൽ അവ മാത്രം മതിയാകില്ല. AI ഇൻഫറൻസ് ചിലവുകൾ (AI inference costs) പോലുള്ള പുതിയ വെല്ലുവിളികൾ ആധുനിക സിസ്റ്റങ്ങൾ ഉയർത്തുന്നുണ്ട്.
പതിറ്റാണ്ടുകളായി എഞ്ചിനീയർമാർ പ്രവർത്തിച്ചിരുന്നത് ഡെറ്റർമിനിസ്റ്റിക് (deterministic) സിസ്റ്റങ്ങളിലാണ്. ഒരേ ഇൻപുട്ട് എപ്പോഴും ഒരേ ഔട്ട്പുട്ട് തന്നെ നൽകുന്നു.
ഇന്ന്, പല സിസ്റ്റങ്ങളും പ്രോബബിലിസ്റ്റിക് (probabilistic) ആണ്. ഒരു AI പ്രോംപ്റ്റ് ഓരോ തവണയും വ്യത്യസ്തമായ മറുപടികൾ നൽകിയേക്കാം. നിങ്ങൾ കോഡിൽ മാറ്റം വരുത്താതെ തന്നെ ഒരു മോഡൽ അപ്ഗ്രേഡ് നിങ്ങളുടെ ആപ്പിന്റെ പ്രവർത്തനത്തെ മാറ്റിയേക്കാം.
പുതിയ ചോദ്യങ്ങളാണ് നിങ്ങളുടെ ജോലിയെ നയിക്കുന്നത്:
- നിങ്ങൾ എങ്ങനെയാണ് ഗുണനിലവാരം വിലയിരുത്തുന്നത്?
- പ്രവചനാതീതമായ ഘടകങ്ങളെ (unpredictable components) നിങ്ങൾ എങ്ങനെ കൈകാര്യം ചെയ്യുന്നു?
ഏറ്റവും മികച്ച എഞ്ചിനീയർമാർ ഒരു പുസ്തകം പൂർത്തിയാക്കാൻ വേണ്ടിയല്ല, മറിച്ച് പ്രവർത്തനരീതികൾ (mechanisms) മനസ്സിലാക്കാൻ വേണ്ടിയാണ് വായിക്കുന്നത്. അവർ ഒരു തടസ്സം കണ്ടെത്തുകയും അത് പരിഹരിക്കാൻ ആവശ്യമായ പ്രത്യേക ലോജിക് പഠിക്കുകയും ചെയ്യുന്നു.
- ലേറ്റൻസി കൂടുതലാണെങ്കിൽ, batching പഠിക്കുക.
- കോൺടെക്സ്റ്റ് (context) നഷ്ടപ്പെടുന്നുണ്ടെങ്കിൽ, retrieval പഠിക്കുക.
- AI ഏജന്റുകൾ പരാജയപ്പെടുന്നുണ്ടെങ്കിൽ, evaluation പഠിക്കുക.
ഇത് പഠനത്തെ പ്രൊഡക്ഷൻ ഫലങ്ങളുമായി ബന്ധിപ്പിക്കുന്നു. നിങ്ങളുടെ അറിവ് ഉടനടി പ്രയോജനപ്പെടുത്താൻ സാധിക്കുന്നു.
ഈ ലേണിംഗ് ലൂപ്പ് ഉപയോഗിക്കുക:
- തടസ്സം തിരിച്ചറിയുക.
- അത് പരിഹരിക്കാനുള്ള കൃത്യമായ സ്രോതസ്സ് കണ്ടെത്തുക.
- അത് സിസ്റ്റത്തിൽ പ്രയോഗിക്കുക.
അടുത്ത പുസ്തകം വായിച്ചു തുടങ്ങുന്നതിന് മുമ്പ്, സ്വയം ഒരു ചോദ്യം ചോദിക്കുക: എന്റെ സിസ്റ്റത്തിലെ ഏറ്റവും വലിയ പരിമിതി (constraint) ഇപ്പോൾ എന്താണ്?
അത് ലേറ്റൻസിയാണോ, ചിലവാണോ, വിശ്വാസ്യതയാണോ (reliability), അതോ ഒബ്സർവബിലിറ്റിയാണോ (observability)?
ആ പ്രശ്നത്തെ നേരിടാൻ സഹായിക്കുന്ന സ്രോതസ്സ് കണ്ടെത്തുക. ഏറ്റവും പ്രചാരമുള്ള പുസ്തകം തിരഞ്ഞെടുക്കരുത്. നിങ്ങളുടെ പരിമിതി പരിഹരിക്കുന്ന പുസ്തകം തിരഞ്ഞെടുക്കുക.
എൻജിനീയറിംഗ് എന്നത് ഒരു വായന മത്സരമല്ല. പരിമിതികൾ പരിഹരിക്കുന്ന ഒരു തൊഴിലാണ് ഇത്. അടുത്തതായി നിങ്ങൾ എന്താണ് പഠിക്കേണ്ടതെന്ന് നിങ്ങളുടെ സിസ്റ്റം തീരുമാനിക്കട്ടെ.
ഐച്ഛികമായ പഠന കൂട്ടായ്മ: https://t.me/GyaanSetuAi