OpenAI ਨੇ GPT-Live ਲਾਂਚ ਕੀਤਾ ਹੈ, ਜੋ ChatGPT ਦੇ ਡੈਸਕਟਾਪ ਐਪ ਵਿੱਚ ਬਣਿਆ ਇੱਕ ਫੁੱਲ-ਡੁਪਲੈਕਸ (full-duplex) ਵੌਇਸ ਮੋਡ ਹੈ। ਡਿਵੈਲਪਰ ਕੋਡ-ਲਿਖਣ ਵਾਲੇ ਏਜੰਟਾਂ ਨਾਲ ਗੱਲ ਕਰ ਸਕਦੇ ਹਨ ਜਦੋਂ ਕਿ ਸਿਸਟਮ ਰੀਅਲ-ਟਾਈਮ ਵਿੱਚ ਸੁਣਦਾ ਅਤੇ ਜਵਾਬ ਦਿੰਦਾ ਹੈ। ਇਹ ਫੀਚਰ, ਸਿਰਫ਼ ਭੁਗਤਾਨ ਕੀਤੇ ਹੋਏ ਸਬਸਕ੍ਰਾਈਬਰਾਂ ਲਈ ਸੀਮਤ ਹੈ, ਉਹਨਾਂ Codex ਅਤੇ ChatGPT Work ਕੋਟਾ (quotas) ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ ਜੋ ਮੌਜੂਦਾ ਕੋਡ-ਜਨਰੇਸ਼ਨ ਟੂਲਸ ਨੂੰ ਚਲਾਉਂਦੇ ਹਨ ਅਤੇ ਵਿੰਡੋ ਬਦਲੇ ਬਿਨਾਂ ਕਈ ਕੋਡਿੰਗ ਕੰਮਾਂ ਨੂੰ ਸ਼ੁਰੂ ਕਰਨ, ਚਲਾਉਣ ਅਤੇ ਨਿਗਰਾਨੀ ਕਰਨ ਦਾ ਇੱਕ ਹੈਂਡਜ਼-ਫ੍ਰੀ ਤਰੀਕਾ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।

ਚੈਟ ਵਿੰਡੋਜ਼ ਤੋਂ ਲੈ ਕੇ ਬੋਲ ਕੇ ਸੰਚਾਲਨ ਤੱਕ

ਏਜੈਂਟਿਕ ਪ੍ਰੋਗਰਾਮਿੰਗ—ਸੌਫਟਵੇਅਰ ਏਜੰਟ ਜੋ ਕੋਡ ਲਿਖਦੇ ਹਨ, ਟੈਸਟ ਕਰਦੇ ਹਨ, ਅਤੇ ਪੁੱਲ-ਰਿਕਵੈਸਟ (pull-request) ਰਿਵਿਊ ਵਿੱਚ ਮਦਦ ਕਰਦੇ ਹਨ—ਬਹੁਤ ਸਮੇਂ ਤੋਂ ਸਿਰਫ਼ ਟੈਕਸਟ-ਅਧਾਰਤ ਇੰਟਰਫੇਸਾਂ ਤੱਕ ਸੀਮਤ ਰਹੀ ਹੈ। GPT-Live ਇਸ ਇੰਟਰੈਕਸ਼ਨ ਮਾਡਲ ਨੂੰ ਆਵਾਜ਼ ਦੇ ਖੇਤਰ ਵਿੱਚ ਲੈ ਆਉਂਦਾ ਹੈ। ਪ੍ਰੋਂਪਟ ਟਾਈਪ ਕਰਨ ਦੀ ਬਜਾਏ, ਇੱਕ ਡਿਵੈਲਪਰ ਕਹਿ ਸਕਦਾ ਹੈ “ਨਵੇਂ ਮੋਡਿਊਲ 'ਤੇ ਸਟੈਟਿਕ-ਐਨਾਲਸਿਸ ਚੈੱਕ ਚਲਾਓ” ਅਤੇ ਦੇਖ ਸਕਦਾ ਹੈ ਕਿ ਕਿਵੇਂ ਇੱਕ ਏਜੰਟ ਪੈਰਲਲ ਵਰਕਫਲੋ ਸ਼ੁਰੂ ਕਰਦਾ ਹੈ ਜਦੋਂ ਕਿ ਮਾਡਲ ਉੱਚੀ ਆਵਾਜ਼ ਵਿੱਚ ਕਾਰਵਾਈ ਦੀ ਪੁਸ਼ਟੀ ਕਰਦਾ ਹੈ। ਵੌਇਸ ਚੈਨਲ ਖੁੱਲ੍ਹਾ ਰਹਿੰਦਾ ਹੈ, ਇਸ ਲਈ ਡਿਵੈਲਪਰ ਟਾਈਪ ਕਰਨ ਲਈ ਰੁਕੇ ਬਿਨਾਂ ਤੁਰੰਤ “ਐਜ ਕੇਸਾਂ ਲਈ ਯੂਨਿਟ ਟੈਸਟ ਜੋੜੋ” ਜਾਂ “ਹਾਲ ਹੀ ਦੇ ਕਮਿਟ ਲਈ ਪੁੱਲ-ਰਿਕਵੈਸਟ ਰਿਵਿਊ ਖੋਲ੍ਹੋ” ਵਰਗੇ ਅਗਲੇ ਨਿਰਦੇਸ਼ ਦੇ ਸਕਦਾ ਹੈ।

ਇਹ ਬਦਲਾਅ ਕਿਉਂ ਮਹੱਤਵਪੂਰਨ ਹੈ

ਇੱਕੋ ਡਿਵੈਲਪਰ ਨੂੰ ਟਿਕਟਾਂ ਅਤੇ ਮੀਟਿੰਗਾਂ ਨੂੰ ਸੰਭਾਲਦੇ ਹੋਏ ਲਿੰਟ ਰਨ (lint run) ਸ਼ੁਰੂ ਕਰਨ, ਬਿਲਡ ਚਲਾਉਣ, ਰਿਵਿਊ ਦੀ ਮੰਗ ਕਰਨ ਅਤੇ ਡੀਬੱਗਿੰਗ ਸ਼ੁਰੂ ਕਰਨ ਦੀ ਲੋੜ ਹੋ ਸਕਦੀ ਹੈ। ਵੌਇਸ-ਡਰਾਈਵਨ ਡੈਲੀਗੇਸ਼ਨ ਡਿਵੈਲਪਰ ਨੂੰ ਕੰਮ ਦਾ ਸੰਦਰਭ (context) ਬਦਲੇ ਬਿਨਾਂ ਹੁਕਮ ਦੇਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ।

ਅਜੇ ਕੀ ਹੋਣਾ ਬਾਕੀ ਹੈ

  • ਟੀਚੇ ਦੀ ਪਰਿਭਾਸ਼ਾ – ਮਾਡਲ ਪ੍ਰੋਜੈਕਟ ਦੀਆਂ ਤਰਜੀਹਾਂ ਦਾ ਅੰਦਾਜ਼ਾ ਨਹੀਂ ਲਗਾਏਗਾ। ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਸਮੱਸਿਆ ਨੂੰ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਦੱਸਣਾ ਹੋਵੇਗਾ, ਇਸਨੂੰ ਉਪ-ਕਾਰਜਾਂ (subtasks) ਵਿੱਚ ਵੰਡਣਾ ਹੋਵੇਗਾ, ਅਤੇ ਸਵੀਕ੍ਰਿਤੀ ਮਾਪਦੰਡ (acceptance criteria) ਸੈੱਟ ਕਰਨੇ ਹੋਣਗੇ।
  • ਐਕਸੈਸ ਕੰਟਰੋਲ – ਏਜੰਟਾਂ ਨੂੰ ਰਿਪੋਜ਼ਟਰੀਆਂ ਅਤੇ ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਵਾਤਾਵਰਣਾਂ ਲਈ ਸੀਮਤ ਇਜਾਜ਼ਤਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ; ਬਿਨਾਂ ਕਿਸੇ ਰੋਕ-ਟੋਕ ਦੀ ਪਹੁੰਚ ਇੱਕ ਸੁਰੱਖਿਆ ਜੋਖਮ ਹੋਵੇਗੀ।
  • ਕਾਰਜ ਦੀ ਸੁਤੰਤਰਤਾ – ਪੈਰਲਲ ਵਰਕਫਲੋ ਉਦੋਂ ਸਭ ਤੋਂ ਵਧੀਆ ਕੰਮ ਕਰਦੇ ਹਨ ਜਦੋਂ ਉਹ ਆਪਸ ਵਿੱਚ ਟਕਰਾਉਂਦੇ ਨਹੀਂ ਹਨ; ਸਪਸ਼ਟ ਨਿਰਭਰਤਾਵਾਂ (dependencies) ਨੂੰ ਪਹਿਲਾਂ ਹੀ ਦੱਸਣਾ ਜ਼ਰੂਰੀ ਹੈ।
  • ਮਨੁੱਖੀ ਰਿਵਿਊ – ਵੌਇਸ ਕਮਾਂਡਾਂ ਟੈਸਟ ਜਾਂ ਪੁੱਲ-ਰਿਕਵੈਸਟ ਰਿਵਿਊ ਸ਼ੁਰੂ ਕਰ ਸਕਦੀਆਂ ਹਨ, ਪਰ ਅੰਤਿਮ ਮਰਜ (merge) ਲਈ ਇੱਕ ਮਨੁੱਖ ਨੂੰ ਹਾਂ ਕਹਿਣੀ ਹੋਵੇਗੀ ਅਤੇ ਸੁਰੱਖਿਆ ਚੈੱਕ ਕਰਨੇ ਹੋਣਗੇ।

ਸੰਖੇਪ ਵਿੱਚ, GPT-Live ਡੈਲੀਗੇਸ਼ਨ ਦੀ ਰਫ਼ਤਾਰ ਵਧਾਉਂਦਾ ਹੈ, ਨਾ ਕਿ ਅਸਲ ਕੋਡਿੰਗ ਜਾਂ ਕੁਆਲਿਟੀ-ਅਸ਼ੋਰੈਂਸ (quality-assurance) ਕਦਮਾਂ ਨੂੰ।

ਬੋਲਣ ਵਾਲੇ ਇੰਟਰਫੇਸ ਦੀਆਂ ਸੀਮਾਵਾਂ

ਭਵਿੱਖ ਵੱਲ ਦੇਖਦੇ ਹੋਏ: ਇੱਕ ਮਲਟੀਮੋਡਲ ਕਮਾਂਡ ਸੈਂਟਰ

OpenAI ਦਾ ਰੋਡਮੈਪ ਆਵਾਜ਼ ਨੂੰ ਹੋਰ ਇਨਪੁੱਟਸ ਨਾਲ ਮਿਲਾਉਣ ਦਾ ਸੰਕੇਤ ਦਿੰਦਾ ਹੈ। ਵਿਸਤ੍ਰਿਤ ਵੇਰਵਿਆਂ ਲਈ ਟੈਕਸਟ ਹੀ ਮੁੱਖ ਚੈਨਲ ਰਹੇਗਾ, ਜਦੋਂ ਕਿ ਸਕ੍ਰੀਨ ਦਾ ਸੰਦਰਭ—ਜਿਵੇਂ ਕਿ ਕੋਡ ਸਨਿਪੇਟ ਜਾਂ ਡਿਫ ਵਿਊ (diff view)—ਉਸ ਜਾਣਕਾਰੀ ਨੂੰ ਦੁਹਰਾਉਣ ਦੀ ਲੋੜ ਨੂੰ ਖਤਮ ਕਰ ਸਕਦਾ ਹੈ ਜੋ ਮਾਡਲ ਪਹਿਲਾਂ ਹੀ ਦੇਖ ਰਿਹਾ ਹੈ। ਇਹ ਇੱਕ ਅਜਿਹੇ ਕੌਕਪਿਟ (cockpit) ਦੀ ਕਲਪਨਾ ਹੈ ਜਿੱਥੇ ਇੱਕ ਡਿਵੈਲਪਰ ਕੰਮ ਸ਼ੁਰੂ ਕਰਨ ਲਈ ਬੋਲਦਾ ਹੈ, ਪੁਸ਼ਟੀ ਲਈ ਇੱਕ ਵਿਜ਼ੂਅਲ ਸੰਕੇਤ ਵੱਲ ਦੇਖਦਾ ਹੈ, ਅਤੇ ਸਿਰਫ਼ ਉਦੋਂ ਟਾਈਪ ਕਰਦਾ ਹੈ ਜਦੋਂ ਬਾਰੀਕ ਕੰਟਰੋਲ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।

ਟੀਮਾਂ ਨੂੰ ਆਪਣੇ ਆਪ ਨੂੰ ਕੀ ਪੁੱਛਣਾ ਚਾਹੀਦਾ ਹੈ

ਅਜਿਹੇ ਦੁਹਰਾਏ ਜਾਣ ਵਾਲੇ, ਚੰਗੀ ਤਰ੍ਹਾਂ ਨਿਰਧਾਰਤ ਕੰਮਾਂ ਦੀ ਪਛਾਣ ਕਰੋ ਜਿਨ੍ਹਾਂ ਦੇ ਟੈਸਟ ਅਤੇ ਸਪਸ਼ਟ ਸਫਲਤਾ ਮਾਪਦੰਡ ਪਹਿਲਾਂ ਹੀ ਮੌਜੂਦ ਹਨ। ਜੇਕਰ ਕਿਸੇ ਬੱਗ-ਟ੍ਰਾਇਜ (bug-triage) ਰੁਟੀਨ ਜਾਂ ਨਾਈਟਲੀ ਬਿਲਡ ਨੂੰ ਇੱਕੋ ਵਾਕ ਵਿੱਚ ਦੱਸਿਆ ਜਾ ਸਕਦਾ ਹੈ, ਤਾਂ ਉਹ ਵੌਇਸ-ਡਰਾਈਵਨ ਡੈਲੀਗੇਸ਼ਨ ਲਈ ਇੱਕ ਉੱਤਮ ਉਮੀਦਵਾਰ ਹੈ।

ਸਿੱਖਿਆ (Takeaway): ਅਸਲ ਮੁੱਲ ਉਦੋਂ ਪ੍ਰਗਟ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਟੀਮਾਂ ਤਕਨਾਲੋਜੀ ਨੂੰ ਅਜਿਹੇ ਕੰਮਾਂ ਨਾਲ ਮਿਲਾਉਂਦੀਆਂ ਹਨ ਜੋ ਆਟੋਮੇਟ ਕਰਨ ਲਈ ਸੁਰੱਖਿਅਤ ਹਨ ਅਤੇ ਵੌਇਸ ਕਮਾਂਡ ਲਾਈਨ ਤੋਂ ਲਾਭ ਲੈਣ ਲਈ ਕਾਫ਼ੀ ਅਮੀਰ ਹਨ।