"प्रोग्रामिंग का अंत" प्रोग्रामिंग जैसा ही बहुत कुछ दिखेगा (2023)
AI द्वारा प्रोग्रामिंग के जल्द “अंत” के दावे मिश्रित प्रतिक्रियाएँ पैदा करते हैं, और कई engineers का कहना है कि मौजूदा large language models शक्तिशाली assistants तो हैं, लेकिन human developers को बदलने से अभी बहुत दूर हैं। टिप्पणीकर्ता अस्पष्ट requirements, maintenance, accountability, safety, और real-world edge cases जैसी स्थायी चुनौतियों की ओर इशारा करते हैं, और आज के उत्साह की तुलना UML, no-code tools, और offshore development की पिछली लहरों से करते हैं, जिन्होंने programmers को खत्म करने का वादा किया था लेकिन अधिकतर उनके काम करने के तरीके को ही बदला। उभरती सहमति यह है कि AI increasingly boilerplate और routine coding संभालेगा, जबकि humans specification, testing, architecture, और oversight पर अधिक ध्यान देंगे, बजाय इसके कि वे पूरी तरह loop से बाहर हो जाएँ।
“प्रोग्रामिंग के अंत” का दायरा
- कई लोग तर्क देते हैं कि “कोई प्रोग्रामिंग नहीं” का मतलब होगा कि AI स्वतंत्र रूप से कामों को शुरू से अंत तक संभालेगा (ईमेल, APIs, दूसरे AIs को नियुक्त करना, आदि), जहाँ उपयोगकर्ता प्राकृतिक-भाषा में अनुरोध करेंगे जैसे “मुझे मेरे सबसे अच्छे ग्राहक दिखाओ,” बिना स्पष्ट कोड या UIs के।
- दूसरों का मानना है कि “अंत” बस प्रोग्रामिंग को एक अर्ध-प्राकृतिक, अर्ध-औपचारिक भाषा में बदल देगा, या फिर फ़ंक्शनों को लिखने के बजाय नियमों, tests, और requirements को निर्दिष्ट करने की ओर ले जाएगा।
वर्तमान और निकट-भविष्य की वास्तविकता
- आज के LLMs को इस तरह देखा जाता है:
- verbose भाषाओं के लिए शक्तिशाली autocomplete।
- Stack Overflow पर खोजने की तुलना में तेज़ Q&A।
- boilerplate, one-liners, और शुरुआती tests के लिए अच्छे, लेकिन जटिल या नए सिस्टमों के लिए नहीं।
- कई लोग ऐसे agents के साथ सफलता की रिपोर्ट करते हैं जो files पढ़/लिख सकते हैं, iteration कर सकते हैं, और सरल bugs ठीक कर सकते हैं (जैसे छोटे games), फिर भी वे अपरिचित या जटिल codebases में संघर्ष करते हैं।
क्या प्रोग्रामर प्रतिस्थापित हो जाएंगे?
- संदेहपूर्ण दृष्टिकोण:
- प्रोग्रामिंग की कठिनाई syntax में नहीं, बल्कि requirements, tradeoffs, और human desires को समझने में है।
- CASE tools, UML, 4GLs, no-code/low-code का इतिहास: उन्होंने काम को स्थानांतरित किया, programmers को समाप्त नहीं किया।
- LLMs को “reality vs text” के mismatch का सामना करना पड़ता है (जैसे hardware bugs, वास्तविक दुनिया की सीमाएँ), इसलिए human oversight को स्थायी माना जाता है।
- अधिक आशावादी दृष्टिकोण:
- जैसे-जैसे models सुधरेंगे, वे coding और maintenance दोनों संभाल लेंगे; humans मुख्यतः behavior specify करेंगे और tests लिखेंगे।
- developers, architects, tech leads, या “prompt programmers” में बदल सकते हैं जो AI agents के fleets का प्रबंधन करें।
जवाबदेही, testing, और specs
- इस बात पर जोर दिया गया है कि AI कानूनी रूप से accountable नहीं हो सकता; organizations को परिणामों की जिम्मेदारी लेने के लिए फिर भी humans की आवश्यकता होगी।
- कई लोग मानते हैं कि programmers testers/spec writers बन जाएंगे: tests और properties true business logic को encode करेंगे, जबकि AI implementations बनाएगा।
- अच्छे requirements लिखना coding जितना ही कठिन बताया गया है; plain-English specs को भी फिर precision की ज़रूरत होगी।
आर्थिक और संगठनात्मक चिंताएँ
- businesses लागत घटाने के लिए AI को आगे बढ़ाएंगे, भले ही quality प्रभावित हो, जैसा कि outsourcing और कुछ AI-assisted workflows में पहले से देखा गया है।
- चिंताएँ कुल प्रतिस्थापन से कम, और इन बातों से अधिक जुड़ी हैं:
- staff reduction और कमजोर developers पर दबाव।
- AI-driven micromanagement और automated performance scoring।
- hybrid environments जहाँ humans को AI-generated “hairball” systems को, underlying design पर बहुत कम नियंत्रण के साथ, बनाए रखना पड़े।