Ask HN: क्या और कोई OpenAI को लेकर मंदी (bearish) महसूस कर रहा है?

Hacker News चर्चा ↗

OpenAI की दीर्घकालिक संभावनाओं को लेकर संदेह, ChatGPT जैसे टूल्स से रोज़मर्रा की उत्पादकता में आए बड़े उछाल की रिपोर्टों से टकरा रहा है। टिप्पणीकार मौजूदा AI उछाल की तुलना crypto hype cycle से करते हैं, AGI के वादों, business moats, और उच्च compute costs पर सवाल उठाते हैं, जबकि अन्य कहते हैं कि hallucination risks के बावजूद LLMs ने उनके web search, debugging, scripting, और writing workflows का बड़ा हिस्सा पहले ही बदल दिया है। कई लोगों को उम्मीद है कि OpenAI को open-source models और tech giants से कड़ी प्रतिस्पर्धा मिलेगी, लेकिन वे सामान्य रूप से large language models को computers के साथ लोगों के interaction में एक स्थायी बदलाव मानते हैं.

ChatGPT/LLMs का माना जाने वाला व्यावहारिक मूल्य

  • कई टिप्पणीकार कहते हैं कि GPT-4 (और उस पर आधारित Bing Chat) एक दैनिक टूल बन गया है, जो अक्सर “Y में X कैसे करूँ” जैसे सवालों के लिए Google/Stack Overflow की जगह ले रहा है।
  • बताए गए लाभ: तेज़ boilerplate कोडिंग, SQL/jq/shell one‑liners, Terraform/Terraform refactors, अस्पष्ट errors की debugging, tests लिखना, legacy configs को refactor करना, छोटे scripts, data cleanup, copywriting, job descriptions, emails, reports, translations, survey summarization, और document → Markdown conversions।
  • कुछ लोगों का कहना है कि यह SRE/devops workflows को भौतिक रूप से बदल देता है (kernel/network deep dives, error interpretation, config issues), और वे $20/महीना से कहीं ज़्यादा देने को तैयार होंगे।
  • कई गैर-dev उपयोग: शिक्षा/ट्यूटोरिंग, भाषा सीखना, पत्रों को फिर से लिखना, legal-style correspondence drafts, UX/management brainstorming, tax/letter reviews, और content proofreading।

सीमाएँ, Hallucinations, और भरोसा

  • कई लोग “confidently wrong” जवाब, मनगढ़ंत APIs, libraries, academic papers, और ऐसा code रिपोर्ट करते हैं जो type-check नहीं करता या चलता नहीं।
  • कुछ लोगों के लिए hallucinations स्वीकार्य हैं अगर आप Stack Overflow की तरह जाँच करें; दूसरों के लिए verification overhead किसी भी लाभ को खत्म कर देता है।
  • GPT-4 को 3.5/Claude Instant की तुलना में व्यापक रूप से “एक अलग स्तर” कहा जाता है, फिर भी यह error-prone है और कभी-कभी निरर्थक भी होता है।
  • चिंता यह है कि यह authoritative लगता है, over-trust को बढ़ावा देता है, और medical/legal/scientific तथ्यों के sole source के रूप में उपयुक्त नहीं है।

किसे लाभ मिलता है और किन कार्यों में

  • सबसे अच्छे परिणाम “complicated but shallow” कार्यों में हैं: APIs wiring करना, infrastructure as code, CSV/log analysis, quick code patterns, summarization, language/style work।
  • यह deep theoretical CS/math (NP reductions, formal semantics, advanced algorithms) और कम training data वाले niche domains में खराब काम करता है।
  • कई लोग कहते हैं कि यह सबसे उपयोगी तब है जब आपको इतना ज्ञान पहले से हो कि आप इसका काम जाँच सकें; जब आप नहीं जानते, तब यह ख़तरनाक है।

Crypto और hype चिंताओं से तुलना

  • कुछ लोग crypto की प्रतिध्वनि देखते हैं: भारी hype, wrapper startups, VCs का झुंड, और AGI के धुंधले वादे।
  • दूसरे तर्क देते हैं कि मुख्य अंतर यह है कि यहाँ लाखों लोगों के लिए स्पष्ट, तात्कालिक utility है, crypto के सीमित वास्तविक-विश्व उपयोग के विपरीत।
  • एक हिस्सा “meh” है: उन्होंने GPT आज़माया, उसे generic या गलत पाया, और महसूस करते हैं कि Google/docs + expertise अभी भी बेहतर हैं।

OpenAI की business prospects और moat

  • राय “आसानी से $100B+ कंपनी / अगला Google-स्तरीय दिग्गज” से लेकर margins, GPU costs, और open/open-source models के बेहतर होने पर moat की कमी को लेकर skepticism तक फैली हुई हैं।
  • कुछ लोग regulatory capture और pseudo-monopoly की उम्मीद करते हैं; दूसरे मानते हैं कि Meta, Google, Microsoft, या on-device models OpenAI की बढ़त को कम कर देंगे।
  • चिंता यह भी है कि कई “OpenAI wrappers” तब कुचल दिए जाएँगे जब OpenAI खुद सबसे अच्छे ideas को productize कर देगा।

On-device, privacy, और Open Source

  • privacy को प्राथमिकता देने वाला एक छोटा समूह चाहता है कि लगभग GPT-4 स्तर के models offline personal devices पर चलें; मौजूदा local models को बहुत धीमा/कमज़ोर या चलाने में बहुत कठिन माना जाता है।
  • कई लोग edge पर छोटे open-source models को cloud-only offerings के लिए एक बड़ा दीर्घकालिक खतरा मानते हैं।

AGI, trajectory, और समाज

  • कई लोगों को नहीं लगता कि मौजूदा LLMs AGI हैं या AGI तक पहुँचने के लिए पर्याप्त हैं; कुछ इन्हें भविष्य की methods के बीच केवल एक component मानते हैं।
  • दूसरे तर्क देते हैं कि world knowledge को compress करने और few-shot learning करने की क्षमता AGI को “implementation detail” जैसा महसूस कराती है, हालांकि समय-सीमा स्पष्ट नहीं है।
  • निकट-भविष्य के अपेक्षित प्रभाव: बड़े productivity boosts, lower-tier white-collar work (support, basic writing, junior coding) का displacement, और शिक्षा तथा “हम computers के साथ कैसे interact करते हैं” में महत्वपूर्ण बदलाव, भले AGI न भी हो।