२०२५ च्या उत्तरार्धात कृत्रिम बुद्धिमत्तेसाठी (AI) स्पष्टतेचा क्षण असायला हवा होता. त्याऐवजी, हा समांतर स्वगतचा (parallel monologues) क्षण ठरला आहे.
मी एका सकाळी मोठ्या प्रमाणावर प्रसारित झालेल्या चार AI अहवालांचे वाचन केले, जे वर्षाच्या शेवटच्या तिमाहीत प्रकाशित झाले होते. मला वाटले होते की ते रँकिंग किंवा अंदाजांवर disagreed होतील. पण त्यांनी त्यापेक्षाही गोंधळात टाकणारी गोष्ट केली: त्यांनी विषयाचीच पुनर्व्याख्या केली. एका अहवालातील कृत्रिम बुद्धिमत्ता म्हणजे एक कोडिंग असिस्टंट आहे जो त्याच्या प्रतिस्पर्ध्यापेक्षा वेगाने टाईप करतो. दुसऱ्यासाठी ती एक ग्राहक मीडिया फॅक्टरी आहे जी एका स्थिर PDF चे सिंथेटिक पॉडकास्टमध्ये रूपांतर करते. तिसरा अहवाल केवळ कच्च्या पायाभूत सुविधा पाहतो: वेक्टर स्टोअर्स, मेमरी लेयर्स आणि GitHub च्या स्टार चार्ट्सवर वर चढणारे इन्फरन्स रॅपर्स. चौथा अहवाल एकाच, सरळ मापदंडने यश मोजतो—चीनमधील वापरकर्ता लिंकवर क्लिक करून खरेदी पूर्ण करू शकतो की नाही.
तोच कीवर्ड. चार वेगवेगळ्या भाषा. आणि कोणीही अनुवाद करत नाहीये.
चार अहवाल, त्यांच्या स्वतःच्या कोपऱ्यात मर्यादित
पहिला अहवाल एखाद्या स्पोर्ट्स लीग टेबलप्रमाणे तयार केला आहे. तो Cursor आणि Claude Code सारख्या कोडिंग टूल्सना टियर रँकिंग्स देतो. त्याचे निकष मर्यादित आणि व्यावहारिक आहेत: चॅटचा वेग, टूल-वापराची अचूकता, प्रॉम्प्ट आणि आउटपुटमधील विलंब (latency). जर तुम्ही IDE मध्ये काम करत असाल, तर ही यादी उपयुक्त आहे. फंक्शन रिफॅक्टरिंग करताना किंवा टेस्ट सूट जनरेट करताना कोणता असिस्टंट सर्वात वेगवान वाटतो, हे ती तुम्हाला सांगते. परंतु, ती AI कडे एक तयार उत्पादन (appliance) म्हणून पाहते, ज्याचा निर्णय पूर्णपणे वापरकर्त्याला स्पर्श करणाऱ्या पॉलिश केलेल्या पृष्ठभागावरून घेतला जातो.
दुसरा अहवाल Google कडून आला आहे. तो चॅटबॉट्सना जवळजवळ पूर्णपणे दुर्लक्षित करतो. त्याऐवजी, तो NotebookLM आणि इमेज एडिटिंग सूट्स सारख्या उच्च-स्तरीय श्रेणींचे प्रदर्शन करतो. येथे, AI हा केवळ संवादात्मक एजंट नसून एक प्रोडक्शन इंजिन आहे. हा अहवाल मॉडेल काय तयार करते याचे कौतुक करतो: एखाद्या रिसर्च पेपरचे कथन केलेले ऑडिओ विश्लेषण, टेक्स्ट प्रॉम्प्टपासून तयार केलेली इमेज किंवा जिथे आधी काहीच नव्हते तिथे तयार केलेला एक संरचित सारांश. जर टियर लिस्ट टूल कसे वागते यावर लक्ष केंद्रित करत असेल, तर Google ची यादी टूल काय देते यावर लक्ष केंद्रित करते. असिस्टंट स्वतः त्या निर्मितीमागे (artifact) नाहीसा होतो.
तिसरा अहवाल पूर्णपणे GitHub ट्रेंडिंगवर आधारित आहे. तो प्रोजेक्ट्सना ते किती वेगाने स्टार्स मिळवतात यानुसार रँक करतो. हा दृष्टिकोन 'इंजिन रूम'चा आहे. तुम्हाला यामध्ये मेमरी फ्रेमवर्क्स, रिट्रिव्हल लेयर्स, कॉन्टेक्स्ट विंडोज आणि लाइटवेट मॉडेल होस्ट्स आढळतील. या रिपॉझिटरीजना क्वचितच चकचकीत मार्केटिंग साइट्स असतात. काहींना तर ग्राफिकल इंटरफेसही नसतो. तरीही, ते तो आधारभूत घटक (substrate) तयार करतात ज्यामुळे टियर-लिस्टचे विजेते शक्य होतात. एक उच्च रँक असलेला कोडिंग असिस्टंट कदाचित अगदी त्याच प्रकारच्या मेमरी आर्किटेक्चरवर अवलंबून असू शकतो, जे गेल्या महिन्यात तीन हजार नवीन स्टार्स मिळवलेल्या GitHub प्रोजेक्टने प्रकाशित केले आहे. ट्रेंडिंग लिस्टला हे माहित आहे. टियर लिस्टचा याचा उल्लेखही नाही.
चौथा अहवाल एक कॉमर्स डिरेक्टरी आहे. त्याची मूल्याची व्याख्या सुलभता आणि व्यवहारासाठी सज्जता ही आहे. लिंक काम करते का? चीनमधील वाचकांसाठी पेमेंट फ्लो कार्यान्वित आहे का? VPN, कॉर्पोरेट खरेदी टीम किंवा पाश्चात्य क्रेडिट कार्डशिवाय हे टूल प्रत्यक्षात खरेदी आणि स्वीकारले जाऊ शकते का? या अहवालाला ओपन-सोर्स तत्त्वज्ञान किंवा मॉडेल बेंचमार्क्ससाठी संयम नाही. तो फक्त एकच प्रश्न विचारतो: तुम्हाला ते मिळू शकते का?
हे विभाग (Silos) आपल्याला कसे अंधाळे करतात
जेव्हा तुम्ही AI मध्ये काय महत्त्वाचे आहे हे सांगण्यासाठी कोणत्याही एका अहवालावर विश्वास ठेवता, तेव्हा समस्या सुरू होते.
एक टूल Google च्या ग्राहक श्रेणींमध्ये कधीही न दिसता कोडिंग टियर लिस्टवर वर्चस्व गाजवू शकते. एक GitHub मेमरी प्रोजेक्ट अशा उत्पादनाला शक्ती देऊ शकतो ज्याला लाखो वापरकर्ते अत्यावश्यक मानतात, तरीही वापरकर्त्यांना त्या प्रोजेक्टचे नाव कधीच कळणार नाही. एक कॉमर्स साइट एखाद्या रॅपर किंवा प्रादेशिक क्लोनची यादी देऊ शकते, तर मूळ GitHub रिपॉझिटरी केवळ डिरेक्टरीद्वारे खरेदी करणाऱ्यांसाठी अदृश्य राहू शकते. प्रत्येक अहवाल असे गृहीत धरतो की त्याची स्वतःची व्याख्या पूर्ण आहे. त्यांच्यापैकी कोणीही त्या अवलंबित्व ग्राफला (dependency graph) जोडत नाही जो प्रत्यक्षात ही इकोसिस्टम चालवतो.
त्या स्टॅकचा विचार करा. जेव्हा तुम्ही उच्च रँक असलेल्या कोडिंग असिस्टंटचा वापर करता, तेव्हा तुम्ही एकाच वेळी तीन वेगवेगळ्या स्तरांना स्पर्श करत असता. एक इंटरफेस जो तुमचा प्रॉम्प्ट स्वीकारतो. एक मॉडेल जे प्रतिसाद तयार करते. आणि एक मेमरी लेयर जो एका दीर्घ सत्रात कॉन्टेक्स्ट जतन करतो आणि आधीच्या फाइल्समधून संबंधित माहिती खेचून आणतो. टियर लिस्ट वरच्या स्तराचे परीक्षण करते. GitHub खालच्या स्तराला समोर आणते. Google ची यादी मधला स्तर दाखवू शकते, पण केवळ तेव्हाच जेव्हा तो एखादा चकचकीत ग्राहक उत्पादन (consumer artifact) तयार करतो. कॉमर्स लिस्ट या तिन्हींना दुर्लक्षित करते, जोपर्यंत तो संच (bundle) खरेदी करता येत नाही. परिणामी, ही एक अशी पुरवठा साखळी (supply chain) आहे जिथे प्रत्येक अहवाल एका लहान छिद्रातून (peephole) पाहतो, संपूर्ण खोली कधीच पाहू शकत नाही.
हे महत्त्वाचे आहे कारण खरेदीचे निर्णय, करिअरमधील महत्त्वाचे निर्णय आणि आर्किटेक्चरल निवडी या सर्वांना एकाच प्रकारच्या अपूर्ण दृष्टीचा (partial blindness) त्रास होतो. एखादा डेव्हलपर सर्वात वेगाने रँक केलेले कोडिंग टूल निवडू शकतो आणि हे दुर्लक्षित करू शकतो की त्याचे मेमरी स्टॅक GitHub वर वेगाने वाढणाऱ्या एखाद्या ओपन-सोर्स पर्यायामुळे लवकरच कालबाह्य (sunsetted) होणार आहे. एखादा प्रोडक्ट मॅनेजर Google चे प्रदर्शन पाहून चॅटबॉट्स संपले आहेत असे समजू शकतो, पण ते प्रत्यक्षात डेव्हलपर टूलिंगमध्ये समाविष्ट झाले आहेत हे त्याला उमजत नाही. एखादा प्रोक्योरमेंट लीड कॉमर्स डिरेक्टरीच्या शिफारसी स्वीकारू शकतो, पण प्रत्यक्षात सर्वात विश्वसनीय फीचर्स चालवणाऱ्या ओपन-कोर प्रोजेक्टकडे त्याचे दुर्लक्ष होऊ शकते.
त्यांना चार वेगळ्या उत्तरांच्या स्वरूपात वाचणे
मी मास्टर रिपोर्ट शोधणे थांबवले आहे. तो अस्तित्वात नाही. त्याऐवजी, मी आता प्रत्येक स्त्रोत एका विशिष्ट, मर्यादित प्रश्नाचे उत्तर म्हणून वाचतो.
जर मला माझ्या टीमसाठी कोडिंग टूल्सची शॉर्टलिस्ट तयार करायची असेल, तर मी टियर रँकिंग्ज (tier rankings) वापरतो. मला माहित आहे की मी फक्त पृष्ठभागावरील कामगिरी (surface-level performance) पाहत आहे, पण दैनंदिन वापरासाठी (daily driver) मला नेमके तेच हवे असते.
जर मला 'बिग टेक' (Big Tech) कुठे आपले सार्वजनिक डावपेच रचत आहे हे पाहायचे असेल, तर मी Google ची कॅटेगरी लिस्ट वापरतो. त्यातून हे समजते की प्रमुख प्लॅटफॉर्म्स कोणत्या तयार उत्पादनांना यश मानतात आणि कोणते युजर एक्सपिरियन्स (user experiences) ते पॅकेज आणि प्रमोट करण्यास तयार आहेत. त्यावरून ग्राहकांच्या अपेक्षा कोणत्या दिशेने वळवल्या जात आहेत, हे मला समजते.
जर मला सहा महिन्यांनंतर तांत्रिकदृष्ट्या काय शक्य आहे हे समजून घ्यायचे असेल, तर मी GitHub trending वापरतो. येथे मेमरी टूल्स, ऑर्केस्ट्रेशन फ्रेमवर्क्स (orchestration frameworks) आणि स्मॉल-मॉडेल होस्ट्स (small-model hosts) उपलब्ध असतात. जर येथील एखादा प्रोजेक्ट वेगाने लोकप्रिय झाला, तर टियर लिस्टने त्यांचे निकष अपडेट करण्यापूर्वीच तो बहुधा व्यावसायिक टूल्समध्ये (commercial tools) समाविष्ट होईल.
जर मला काय उपलब्ध आहे हे जाणून घ्यायचे असेल, विशेषतः फायरवॉल्स आणि पेमेंटच्या मर्यादांच्या पलीकडे, तर मी कॉमर्स डिरेक्टरी वापरतो. भौगोलिक आणि नियामक वास्तव (regulatory reality) हे स्वतःच एक सत्य आहे. एखादे टूल ज्यापर्यंत पोहोचता येत नाही किंवा ज्याचे बिलिंग करता येत नाही, तोपर्यंत ते कितीही नाविन्यपूर्ण आर्किटेक्चरचे असले तरीही, तो एक खरा पर्याय ठरत नाही.
तुम्हाला स्वतःच हे चित्र एकत्र जोडावे लागेल. कोणताही क्युरेटर (curator) ते एकत्र जोडण्याचे काम करत नाही.
एका दुव्याची प्रतीक्षा
मी तीन महिन्यांनंतर पुन्हा हेच चॅनेल तपासण्याचे नियोजन करत आहे. मला हे पाहायचे आहे की एखादा गट इतर गटांना आत्मसात करण्यास सुरुवात करतो का. कदाचित एखादी टियर लिस्ट प्रत्येक रँक केलेल्या टूलला ऊर्जा देणाऱ्या GitHub substrates शी लिंक करण्यास सुरुवात करेल. कदाचित Google चा कन्झ्युमर रिपोर्ट हे मान्य करेल की त्याची अनेक पॉलिश केलेली उत्पादने अशा कन्वर्सेशनल इंजिन्सवर (conversational engines) अवलंबून आहेत ज्याबद्दल ते आता चर्चा करत नाही. कदाचित एखादी कॉमर्स डिरेक्टरी स्थिरतेचा (stability) निकष म्हणून 'स्टार व्हेलॉसिटी' (star velocity) ट्रॅक करण्यास सुरुवात करेल.
कशापेक्षाही महत्त्वाचे म्हणजे, मला असा रिपोर्ट पाहायचा आहे जो AI ला केवळ एक उत्पादन श्रेणी न मानता एक जोडलेली प्रणाली (connected system) म्हणून पाहतो. असा रिपोर्ट जो एखाद्या प्रोजेक्टचा मागोवा GitHub रिपॉझिटरीपासून ते व्हेंडर पार्टनरशिपपर्यंत आणि तिथून ग्राहकांसाठी उपलब्ध असलेल्या फीचरपर्यंत घेऊ शकेल, आणि त्यानंतर ते फीचर शांघायमध्ये खरेदीसाठी उपलब्ध आहे की नाही हे देखील सांगू शकेल. असा रिपोर्ट अखेर या चार व्याख्यांना एक दुवा (bridge) देईल.
तोपर्यंत, तुम्हीच अनुवादक आहात. चारही वाचा. तथ्ये स्पष्ट ठेवा. आणि लक्षात ठेवा की एका पानावरचा 'AI' हा शब्द दुसऱ्या पानावर कदाचित पूर्णपणे वेगळा अर्थ देऊ शकतो.
स्रोत: https://dev.to/ninghonggang/four-juejin-pieces-four-definitions-of-ai-no-shared-bridge-1fbj
चर्चात सहभागी व्हा: https://t.me/GyaanSetuAi