Google ने जून में पिछले दो वर्षों की तुलना में Chrome में अधिक बग ठीक किए, AI की बदौलत

मूल लेख ↗ Hacker News चर्चा ↗

Google का दावा है कि AI-सहायता प्राप्त टूल्स ने Chrome इंजीनियरों को हालिया रिलीज़ माइलस्टोन में पिछले दो वर्षों के कुल से अधिक security vulnerabilities खोजने और ठीक करने में मदद की है, जिससे दिलचस्पी और संदेह दोनों पैदा हुए। टिप्पणीकार नोट करते हैं कि large language models code analysis, refactoring, और security review के लिए वास्तव में शक्तिशाली हो सकते हैं, खासकर जब testing और tooling के साथ tightly integrated हों, लेकिन वे सवाल करते हैं कि AI कितने बग भी पैदा करता है, कौन-से models उपयोग हो रहे हैं, और परिणाम कैसे मापे जाते हैं। यह चर्चा hype-driven AI adoption, developer workflows, और web platform पर Google के बढ़ते नियंत्रण के जोखिमों तक फैल जाती है, साथ ही high-level design, UX quality, और लंबे समय से मौजूद feature bugs के लिए AI की सीमाओं पर भी।

Google के दावे पर समग्र प्रतिक्रिया

  • कई लोगों को AI-सहायता प्राप्त बग खोज संभव लगती है, खासकर Chrome जैसे विशाल, जटिल C++ कोडबेस के लिए।
  • अन्य लोग संदेह में हैं और इसे AI में भारी वित्तीय निवेश करने वाली कंपनी की मार्केटिंग मानते हैं।
  • कई लोगों ने ध्यान दिलाया कि लेख एक ही महीने के सभी बगों के बारे में नहीं, बल्कि रिलीज़ माइलस्टोन के across security बगों के बारे में है।

बग और सुरक्षा के लिए AI का उपयोग कैसे हो रहा है

  • टिप्पणीकार LLMs के लिए मजबूत परिणामों की रिपोर्ट करते हैं:
    • स्टैटिक-स्टाइल विश्लेषण, प्रतिकूल परीक्षण, और रिफैक्टरिंग सुझाव।
    • बड़े पैमाने पर कोडबेस स्कैनिंग, डुप्लिकेट बग पहचान, और सुरक्षा समीक्षा ट्रायेज।
    • बाहरी शोधकर्ताओं के शोषण से पहले कमजोरियों की स्वतः खोज।
  • फज़र्स, लिन्टर्स, और औपचारिक टूल्स के साथ तुलना की जाती है: AI “एक और अधिक शक्तिशाली स्वचालित चेकर” है, लेकिन यह अधिक मानव-जैसी तर्क क्षमता के स्तर पर काम कर रहा है।

संदेह, गायब मेट्रिक्स, और संभावित नुकसान

  • कई लोग पूछते हैं:
    • कितने AI-सहायता प्राप्त फिक्स वापस लिए गए?
    • AI ने कितने नए बग पेश किए?
    • AI बग फाइंडर्स की false-positive rate क्या है?
  • कुछ लोग प्रबंधन KPI gaming का संदेह करते हैं (जैसे AI को आसान, कम-प्रभाव वाले backlog bugs पर केंद्रित करना) और शिकायत करते हैं कि पोस्ट सिर्फ “wins” देती है, failure data नहीं।
  • अन्य लोग इसका विरोध करते हैं, तर्क देते हुए कि कई छोटे या कठिन-से-शोषित मुद्दों का बंद होना भी शुद्ध सुरक्षा लाभ है, क्योंकि exploit chains को अक्सर कई बगों की ज़रूरत होती है।

क्या AI ने बग भी बनाए?

  • आलोचना की एक पंक्ति: AI-generated code बगों की संख्या बढ़ा सकता है, इसलिए “अधिक ठीक करना” स्पष्ट रूप से अच्छा नहीं है।
  • प्रतिवाद:
    • Chrome लगभग 20 साल पुराना है; गंभीर बगों का अधिकांश हिस्सा LLM उपयोग से पहले का है।
    • repository stats हाल ही में नए code में विस्फोट नहीं दिखाते।
    • भले ही AI कुछ बग पेश करे, कई समस्याएँ ठीक करके लंबे exploit chains तोड़ना फिर भी मूल्यवान है।

डेवलपमेंट में AI के व्यापक अनुभव

  • कई लोग रिपोर्ट करते हैं कि LLMs निम्न के लिए बहुत सहायक हैं:
    • code review, dependency और security updates, तथा छोटे refactors।
    • वास्तविक telemetry/profiles पर आधारित और closed loops में चलाए जाने पर performance tuning।
  • अन्य लोग LLMs को high-level design, system simplification, या deep performance direction में कमजोर पाते हैं, और code तथा internal communication में “AI slop” की शिकायत करते हैं।

Chrome, C++ और ecosystem control पर चिंताएँ

  • कुछ लोग इसे बड़े C++ systems की नाज़ुकता को उजागर करने वाला मानते हैं और memory-safe rewrites (जैसे Rust) के लिए तर्क देते हैं, जबकि अन्य बेहतर tooling के साथ C/C++ का बचाव करते हैं।
  • AI से अलग, कई लोग web stack पर Google के प्रभुत्व और ad-driven product decisions को लेकर असहजता व्यक्त करते हैं; अधिक bugs fixed होना उस structural issue को नहीं सुलझाता।