𝗦𝘁𝗼𝗽 𝗨𝘀𝗶𝗻𝗴 𝗔𝗜 𝗔𝘀 𝗔 𝗦𝗲𝗮𝗿𝗰𝗵 𝗘𝗻𝗴𝗶𝗻𝗲
मी एका डेव्हलपरला डेटाबेस स्कीमाबद्दल Claude शी चाळीस मिनिटे बोलताना पाहिले. प्रत्येक मेसेज एक प्रश्न होता. प्रत्येक उत्तर एक प्रतिसाद होता. शेवटी, त्यांच्याकडे एक स्कीमा होता जो काम तर करत होता, पण तो काहीतरी चुकीचा वाटत होता.
समस्या मॉडेलमध्ये नव्हती, तर पद्धतीत होती. त्यांनी संवादाचा वापर प्रश्नोत्तरांच्या सत्रासारखा केला होता. त्यांना विचारमंथनाच्या सत्राची (thinking session) गरज होती. या दोन्ही गोष्टी एकच नाहीत.
Google ने तुम्हाला क्वेरीज (queries) वापरण्याचे प्रशिक्षण दिले आहे. तुम्ही एक छोटा शब्द तयार करता, निकाल मिळवता आणि टॅब बंद करता. ही सवय AI सोबत काम करताना अपयशी ठरते. जेव्हा तुम्ही AI ला शोध इंजिनप्रमाणे वागवता, तेव्हा तुम्हाला फक्त उत्तरे मिळतात. तुम्हाला त्यातून मिळणारे सखोल ज्ञान (insights) मिळत नाही. तुम्हाला आर्किटेक्चरऐवजी फक्त सिंटॅक्स (syntax) मिळतो. तुम्हाला ज्याची गरज आहे त्याऐवजी तुम्ही जे विचारले आहे तेच मिळते.
शोध इंजिन अस्तित्वात असलेले तथ्य शोधतात. AI नवीन समस्यांवर तर्क करू शकते. शोध इंजिन हे एका लायब्ररीसारखे असते. AI हा तुमचा सहकारी (colleague) असू शकतो. लायब्ररी तुम्हाला लिहिलेले साहित्य देते. सहकारी तुमच्या गृहितकांना आव्हान देतो आणि तुमच्या योजनेतील त्रुटी शोधून काढतो.
एकच गोष्ट विचारण्याच्या या दोन पद्धती पहा:
Search mode: "Python microservice स्ट्रक्चर करण्याचा सर्वोत्तम मार्ग कोणता?"
Thinking mode: "मी तीन APIs साठी एक Python microservice तयार करत आहे. प्रत्येक API चे रिट्राय नियम (retry rules) आणि डेटाचे स्वरूप (data shapes) वेगळे आहेत. मी एका queue सह एक FastAPI app किंवा तीन स्वतंत्र consumers यापैकी एक निवडत आहे. दोन इंजिनिअर्स याचे व्यवस्थापन करतील. मी कोणत्या तडजोडींकडे (tradeoffs) दुर्लक्ष करत आहे?"
पहिली पद्धत तुम्हाला एक ब्लॉग पोस्ट मिळवून देते. दुसरी पद्धत तुम्हाला विचार करायला लावते.
सर्वोत्तम वापरकर्त्यांकडे चपळ प्रॉम्प्ट्स (prompts) नसतात. ते अधिक संदर्भ (context) आणतात. ते काय तयार करत आहेत, त्यांच्या मर्यादा काय आहेत आणि त्यांनी आधी काय प्रयत्न केले आहेत, याचे वर्णन करतात.
ते असेही म्हणतात: "हे काहीतरी चुकीचे वाटतेय पण ते का वाटतेय हे मला सांगता येत नाहीये."
हा एक उत्तम प्रॉम्प्ट आहे. तो मॉडेलला तुमच्या गृहितकांची पडताळणी करण्यास सांगतो. तुम्ही ज्या समस्येचे नाव देऊ शकत नाही, ती शोधण्यात तो मॉडेलला मदत करतो.
जेव्हा प्रश्न खूपच स्पष्ट किंवा 'क्लीन' असतात, तेव्हा निकाल वरवरचे मिळतात. खरे इंजिनिअरिंग गोंधळलेले (messy) असते. त्यात डेडलाईन्स आणि लेगसी कोड (legacy code) असतो. जर तुम्ही तो गोंधळ बाजूला सारला, तर AI तुम्हाला एक स्वच्छ उत्तर देईल जे वास्तवाकडे दुर्लक्ष करते. तो गोंधळच खरी समस्या असते.
तुमच्या पुढच्या प्रॉम्प्टपूर्वी, या तीन गोष्टी लिहिण्यासाठी दोन मिनिटे खर्च करा:
- तुम्हाला काय साध्य करायचे आहे.
- तुम्ही कोणत्या दृष्टिकोनाचा (approach) विचार करत आहात.
- तुम्हाला कशाबद्दल खात्री नाही.
या तिन्ही गोष्टी आधी मॉडेलला द्या.
यासाठी अधिक प्रयत्न करावे लागतात. कोणताही कोड लिहिण्यापूर्वी तुम्ही हे प्रयत्न केलेच पाहिजेत. AI ही पायरी त्यात जोडत नाही. ते फक्त ही पायरी वगळणे अधिक महागडे (किंवा नुकसानकारक) बनवते.
सर्च इंजिनला स्वच्छ क्वेरीची गरज असते. विचारमंथन करणाऱ्या जोडीदाराला संपूर्ण चित्राची गरज असते.
गोंधळ साफ करणे थांबवा. तो गोंधळच तुमचा संदर्भ आहे.
स्रोत: https://dev.to/gmoustakas/stop-using-ai-as-a-search-engine-with-extra-steps-49oo
ऐच्छिक शिक्षण समुदाय: https://t.me/GyaanSetuAi