When you are stuck choosing between two JavaScript frameworks or trying to pick an orchestration library for your next p

உங்கள் அடுத்த திட்டத்திற்காக இரண்டு JavaScript frameworks-களுக்கு இடையே ஒன்றைத் தேர்ந்தெடுக்க முயலும்போதோ அல்லது ஒரு orchestration library-யைத் தேர்ந்தெடுக்க முயற்சிக்கும்போதோ, ஒரு AI-யிடம் கேட்பது இயல்பாகத் தோன்றுகிறது. நீங்கள் ஒரு தெளிவான, உறுதியான பதிலைப் প্রত্যাசிக்கிறீர்கள். ஆனால், உங்களுக்குக் கிடைப்பது நீங்கள் எந்த chat window-வைத் திறந்திருக்கிறீர்கள் என்பதைப் பொறுத்தே அமைகிறது.

Sarah Pan செய்த நேரடி ஒப்பீடு இதைத் தெளிவுபடுத்துகிறது. இந்த மாதிரிகள் (models) ஒரே மாதிரியான கருவிகளைப் பரிந்துரைக்கின்றனவா என்பதைப் பார்க்க, அவர் ஐந்து டெவலப்பர் பிரிவுகளில் இருபது ஒரே மாதிரியான prompts-களை ChatGPT மற்றும் Gemini ஆகிய இரண்டிலும் இயக்கினார். அவை அவ்வாறு செய்யவில்லை. இந்த முடிவுகள் எந்த framework ஆக்கபூர்வமாகச் சிறந்தது என்பதை விட, ஒவ்வொரு மாதிரியும் எவ்வாறு சிந்திக்கிறது, எதற்கு முக்கியத்துவம் அளிக்கிறது மற்றும் அவற்றின் பலவீனங்கள் எங்கே உள்ளன என்பதைப் பற்றியே அதிகம் வெளிப்படுத்துகின்றன.

பொதுவான ஒற்றுமை: சோதிக்கப்பட்ட கருவிகள்

இரண்டு மாதிரிகளும் ஒரே குரலில் பேசும் ஒரு பகுதி உள்ளது. ஏற்கனவே நிலைபெற்று, பரவலாகப் பயன்படுத்தப்படும் கருவிகளைப் பற்றிப் பேசும்போது, அவற்றின் உடன்பாடு கிட்டத்தட்டத் தானாகவே நிகழ்கிறது. version control, relational databases, containerization அல்லது அடிப்படை frontend frameworks பற்றி கேட்டால், ChatGPT மற்றும் Gemini ஆகிய இரண்டும் ஒரே பெயர்களைப் பரிந்துரைக்கின்றன. Git, Docker, PostgreSQL, React—ஆயிரக்கணக்கான blog posts, conference talks மற்றும் GitHub issues ஆகியவற்றில் விவாதிக்கப்பட்ட கருவிகள்—தொடர்ச்சியாகத் தோன்றுகின்றன.

இந்த ஒருமித்த கருத்து நிலவுவதற்குத் காரணம், இந்தத் கருவிகள் மறுக்க முடியாத தெளிவானத் தரவுகளைக் கொண்டுள்ளன. அவற்றின் தோல்வி முறைகள் (failure modes) ஆவணப்படுத்தப்பட்டுள்ளன, மிகப்பெரிய பயனர் தளங்களைக் கொண்டுள்ளன, மேலும் நுணுக்கமான வர்த்தகப் பரிமாற்றங்கள் (trade-offs) கூட நன்கு புரிந்துகொள்ளப்பட்ட அளவுக்குப் பெரிய சமூகங்களைக் கொண்டுள்ளன. ஒரு AI மாதிரி அவற்றின் நம்பகத்தன்மை குறித்துக் கணிக்க வேண்டிய அவசியமில்லை. இணையமே ஏற்கனவே அந்த வேலையைச் செய்துவிட்டது, மேலும் இரண்டு பயிற்சித் தரவுகளும் (training sets) அதே மேலோங்கிய ஒருமித்த கருத்தையே பிரதிபலிக்கின்றன.

முரண்பாடு: புதிய தொழில்நுட்பம் மற்றும் AI Agents

புதிய அல்லது சிதறிக்கிடக்கும் துறைகளில், குறிப்பாக AI tooling தொடர்பான விஷயங்களில் நீங்கள் நுழையும்போது, அந்த உடன்பாடு உடைந்துவிடுகிறது. agent frameworks மற்றும் large language model orchestration போன்ற பிரிவுகளில், இரண்டு மாதிரிகளும் முற்றிலும் மாறுபட்ட பாதையில் சென்றன.

ChatGPT தொடர்ந்து OpenAI ecosystem மற்றும் LangChain ஆகியவற்றுடன் தொடர்புடைய கருவிகளைப் பரிந்துரைத்தது. அதே நேரத்தில், Gemini, Anthropic-ன் தயாரிப்புகளையும் CrewAI-யையும் முன்னிறுத்தியது. இந்தத் தேர்வுகள் எதேச்சையானவை அல்ல. ChatGPT, OpenAI-ன் தயாரிப்பு உலகிற்குள் இயங்குகிறது, மேலும் LangChain அதன் எழுச்சியிலிருந்து OpenAI மாதிரிகளுக்கான மிக முக்கியமான integration layers ஒன்றாக இருந்து வருகிறது. Google உருவாக்கிய Gemini-க்கு அதன் சொந்த ஈர்ப்பு உள்ளது, மேலும் அதன் பரிந்துரைகள் Anthropic-ன் கருவிகள் மற்றும் பல ஏஜென்ட்களின் (multi-agent) பங்குகளை வலியுறுத்தும் CrewAI போன்ற புதிய சிறப்பு கட்டமைப்புகளை (specialized frameworks) முன்னிறுத்தின.

இந்த முரண்பாடு ஒரு முக்கியமான யதார்த்தத்தை எடுத்துக்காட்டுகிறது: வளர்ந்து வரும் பிரிவுகளில், இன்னும் ஒரு தனிப்பட்ட சந்தைத் தலைவர் (market leader) இல்லை. பல ஆண்டுகால சமூக அங்கீகாரம் இல்லாத நிலையில், மாதிரிகள் அவற்றின் பயிற்சித் தரவுகள் எதற்கு அதிக முக்கியத்துவம் அளிக்கின்றனவோ அதையே பின்பற்றுகின்றன. ஒரு தொழில்நுட்பப் பரிந்துரை போலத் தெரிவது பெரும்பாலும் சமீபத்தியத் தன்மை (recency), ஆவணங்களின் அடர்த்தி (documentation density) மற்றும் நுட்பமான நிறுவனத் தொடர்பு (corporate alignment) ஆகியவற்றின் பிரதிபலிப்பாகவே இருக்கிறது.

சிறந்த முறையில் பரிந்துரைக்கப்பட்ட கருவிகளின் பொதுவான பண்புகள்

குறிப்பிட்ட பெயர்களில் கருத்து வேறுபாடுகள் இருந்தாலும், இரண்டு மாதிரிகளும் பொதுவான அமைப்பைக் கொண்ட கருவிகளையே விரும்பின. சிறந்த பரிந்துரைகளில் மீண்டும் மீண்டும் தோன்றிய நான்கு பண்புகளை Pan சுட்டிக்காட்டினார்.

முதலாவதாக, தெளிவான தொழில்நுட்ப ஆவணங்கள் (technical documentation). அவை சந்தைப்படுத்தல் நகல்கள் (marketing copy) அல்லது கவர்ச்சிகரமான பக்கங்கள் அல்ல, மாறாக ஒரு அமைப்பு எவ்வாறு செயல்படுகிறது, அதன் கட்டுப்பாடுகள் என்ன மற்றும் அதன் உட்புற அமைப்பு எவ்வாறு கட்டமைக்கப்பட்டுள்ளது என்பதற்கான உண்மையான விளக்கங்கள். இரண்டாவதாக, சுறுசுறுப்பான GitHub repositories. ஒரு திட்டத்தில் சமீபத்திய commits, பதிலளிக்கக்கூடிய பராமரிப்பாளர்கள் (maintainers) மற்றும் கையாளப்படும் திறந்த சிக்கல்கள் (open issues) உள்ளனவா என்பதை மாதிரிகள் கவனித்தன. மூன்றாவதாக, சிறந்த API references. சுத்தமான, நன்கு கட்டமைக்கப்பட்ட endpoints மற்றும் கணிக்கக்கூடிய request-response முறைகளைக் கொண்ட கருவிகள் அதிக மதிப்பெண்களைப் பெற்றன. நான்காவதாக, வலுவான சமூகங்கள் (communities). Discord servers, Stack Overflow tags அல்லது உயர்தர GitHub விவாதங்கள் மூலம் எதுவாக இருந்தாலும், இரண்டு மாதிரிகளும் சமூக அங்கீகாரத்தை (social proof) நம்பகத்தன்மையின் அறிகுறியாகக் கருதின.

இதற்கெல்லாம் கீழே ஒரு எளிய வடிவம் உள்ளது. விவரிக்க எளிதான கருவிகளையே AI மாதிரிகள் பரிந்துரைக்கின்றன. ஒரு மென்பொருள் தெளிவான கருத்தியல் எல்லையைக் கொண்டிருந்தால்—"gRPC பேசும் ஒரு task queue" அல்லது "கணிக்கக்கூடிய reducer functions பயன்படுத்தும் ஒரு state manager"—அந்த மாதிரியால் அதைத் தன்னம்பிக்கையுடன் பகுப்பாய்வு செய்ய முடியும். அதன் கட்டமைப்பு குழப்பமாக இருந்தாலோ அல்லது அதன் அம்சங்கள் சரியாக இணைக்கப்படாத நுண் இணையதளங்களில் (microsites) சிதறிக்கிடந்தாலோ, ஒரு பயனுள்ள கருவியும் கண்ணுக்குத் தெரியாமல் போய்விடும்.

இரண்டு வெவ்வேறு சிந்தனைகள்

இந்த கருத்து வேறுபாடு பிராண்ட் விசுவாசத்தை விட ஆழமானது. "சிறந்தது" என்பதன் பொருள் என்ன என்பதை மதிப்பிடும்போது, ChatGPT மற்றும் Gemini ஆகியவை வெவ்வேறு தர்க்கங்களைப் (logic) பயன்படுத்துவது போல் தோன்றுகிறது.

ChatGPT பன்முகத்தன்மைக்காக (versatility) உழைக்க முயல்கிறது. இது பரந்த பணிப்பாய்வுகளில் (workflows) எளிதாகப் பொருந்தக்கூடிய, பல பயன்பாட்டுத் தேவைகளைத் தகுந்த முறையில் கையாளக்கூடிய மற்றும் டெவலப்பர்களுக்கான சூழல் மாற்றத்தைக் (context-switching) குறைக்கும் கருவிகளைத் தேர்ந்தெடுக்கிறது. நீங்கள் ஒரு பரிந்துரையைக் கேட்டால், அது உங்கள் கேள்வியைத் சற்று மாற்றித் தழுவி, நீங்கள் குறிப்பிடாத விளிம்புநிலைச் சூழல்களையும் (edge cases) கருத்தில் கொண்டு அதன் எல்லையை விரிவுபடுத்தும். இதன் விளைவாகக் கிடைக்கும் முடிவு பொதுவாக ஒரு பாதுகாப்பான, பொதுவானத் தெரிவாக இருக்கும்.

Gemini ஒரு நேரடி அணுகுமுறையைக் கையாள்கிறது. இது உங்கள் தூண்டுதலின் (prompt) வார்த்தைகளுடனேயே நெருக்கமாகச் செயல்படுகிறது மற்றும் தொழில்நுட்பத் துல்லியத்திற்கு முக்கியத்துவம் அளிக்கிறது. நீங்கள் செயல்திறனைப் (performance) பற்றி கேட்டால், அது அனைத்துத் தேவைகளுக்கும் பயன்படும் கருவிகளை விட, அதிகத் திறன் அல்லது சிறப்பு கட்டமைப்பைக் கொண்ட கருவிகளையே பரிந்துரைக்கும். அதன் பரிந்துரைகள் கடுமையான கட்டமைப்பு வடிவமைப்புகளைக் கொண்ட கருவிகளை நோக்கியே இருக்கும், அந்தத் கருவிகளைப் பயன்படுத்துவதற்கு அதிகத் தயாரிப்பு (setup) தேவைப்பட்டாலும் கூட.

இதன் பொருள், ChatGPT உங்கள் கேள்விக்குச் சற்று விரிவான ஒரு பதிலைத் தருகிறது, ஆனால் Gemini நீங்கள் கேட்ட அதே துல்லியமான கேள்விக்கு பதிலளிக்கிறது. இந்த இரண்டு அணுகுமுறைகளுமே உலகளாவிய ரீதியில் சிறந்தது என்று சொல்ல முடியாது. நீங்கள் ஒரு முன்மாதிரியை (prototyping) உருவாக்கி மிக வேகமாகச் செயல்பட வேண்டியிருந்தால், ChatGPT-ன் பன்முகத்தன்மை நோக்கிய போக்கு நேரத்தைச் சேமிக்கும். நீங்கள் ஒரு உற்பத்திப் பாதையை (production pipeline) மேம்படுத்தி, ஒவ்வொரு மில்லிசெகண்டும் முக்கியம் என்றால், Gemini-ன் தொழில்நுட்ப வலிமை குறித்த நேரடி கவனம் மிகவும் பயனுள்ளதாக இருக்கும்.

உருவாக்குபவர்கள் புரிந்து கொள்ள வேண்டியவை

ஒருவேளை மிக முக்கியமான விஷயம் எந்த மாதிரியான மாடலை நம்புவது என்பது அல்ல, மாறாக நீங்கள் உண்மையில் டெவலப்பர் கருவிகளை உருவாக்கும்போது இது எதைக் குறிக்கிறது என்பதுதான். AI என்பது இனி மென்பொருள் ஆவணங்களை (software documentation) வெறும் நுகர்வோராக மட்டும் இருப்பதில்லை. அது ஒரு இடைத்தரகராக (intermediary) மாறிவிட்டது. தேடுபொறிகளைத் தேடுவதற்கோ, Hacker News-ஐப் பார்ப்பதற்கோ அல்லது ஒரு சக ஊழியரிடம் கேட்பதற்கோ முன்னதாகவே, டெவலப்பர்கள் ஒரு குறுகிய பட்டியலைப் பெற AI-யிடம் கேட்கின்றனர்.

உங்கள் கருவி அந்த வடிகட்டியில் தப்பிக்க வேண்டுமென்றால், நீங்கள் இயந்திரப் புரிதலுக்காக (machine comprehension) உகந்ததாக இருக்க வேண்டும். ஒரு பெரிய மொழி மாதிரி (large language model) குழப்பமின்றிப் புரிந்துகொள்ளும் வகையில் ஆவணங்களை எழுதுங்கள். வழக்கமான செயல்பாடுகளைக் காட்டும் ஒரு பொதுவான GitHub களஞ்சியத்தைப் (repository) பராமரியுங்கள். API குறிப்புகள் கட்டமைக்கப்பட்டதாகவும் முழுமையாகவும் இருக்க வேண்டும்; அவை அங்கீகாரச் சுவர்கள் (authentication walls) பின்னால் மறைக்கப்பட்டோ அல்லது PDF கோப்புகளுக்குள் புதைக்கப்பட்டோ இருக்கக்கூடாது. உங்கள் திட்டத்தை தெளிவான, கட்டமைக்கப்பட்ட மொழியில் முன்வையுங்கள். அது என்ன, என்ன இல்லை மற்றும் ஒரு தொழில்நுட்பத் தொகுப்பில் (stack) அது எவ்வாறு பொருந்துகிறது என்பதைத் துல்லியமாக விவரிக்கவும்.

இது பாரம்பரிய அர்த்தத்தில் தேடுபொறி உகப்பாக்கம் (SEO) அல்ல. இது AI கண்டறியும் திறன் (AI discoverability) ஆகும். Pan-ன் சோதனை காட்டுவது போல, மாதிரிகள் தாங்கள் எளிதாகப் புரிந்துகொள்ளக்கூடிய மற்றும் நம்பிக்கையுடன் சுருக்கக்கூடிய விஷயங்களின் அடிப்படையில் கருத்துக்களை உருவாக்குகின்றன. உங்கள் திட்டம் வலிமையானதாக இருந்து, ஆனால் அதை விளக்குவது கடினமாக இருந்தால், இந்த மாதிரிகள் அதை பரிந்துரைக்கத் தயங்கும், குறிப்பாகப் புதிய அல்லது சிறந்த ஆவணங்களைக் கொண்ட மாற்றுகள் இருக்கும்போது.

ஒரு இறுதி எச்சரிக்கை: AI பரிந்துரைகளைத் தொடக்கப் புள்ளிகளாகக் கருதுங்கள், தரவரிசைகளாக அல்ல. அவை பயிற்சித் தரவு (training data), அறிவு வரம்புகள் (knowledge cutoffs) மற்றும் மாடல் சார்ந்த காரணங்களால் உருவான கருத்துக்கள் மட்டுமே. ChatGPT, OpenAI கருவிகளையும், Gemini, Anthropic கருவிகளையும் முன்னிறுத்தும்போது, நீங்கள் ஒரு விருப்பத்தையே (preference) பார்க்கிறீர்கள், அது ஒரு நிரூபணம் அல்ல.

இறுதி முடிவு: நீங்கள் கருவிகளைத் தேர்ந்தெடுப்பவர் என்றால், இரண்டு மாடல்களிடமும் கேட்டு அவற்றின் பதில்களுக்குப் பின்னால் உள்ள தர்க்கத்தை ஒப்பிட்டுப் பாருங்கள். ஆனால் நீங்கள் அவற்றை வெளியிடுபவர் (shipping) என்றால், AI-யை ஒரு பயனர் உருவமாக (user persona) கருதி எழுதத் தொடங்குங்கள். மென்பொருளை ஒரு இயந்திரத்திற்கு எளிதாக விளக்கும் வகையில் உருவாக்கும் குழுக்களே, டெவலப்பர்கள் கேட்கத் தொடங்கும் போது முன்னிலையில் இருக்கும்.

Source: Comparing How ChatGPT and Gemini Recommend Developer Tools by Sarah Pan
Join the GyaanSetu learning community: https://t.me/GyaanSetuAi