एआई कोडिंग को नापसंद करने के कारण
AI-सहायता प्राप्त coding ने उन लोगों के बीच विभाजन पैदा कर दिया है जो इसे एक शक्तिशाली productivity tool मानते हैं और उन लोगों के बीच जो इसे craft, employment, और long-term software quality के लिए ख़तरा देखते हैं। Commenters इस पर बहस करते हैं कि LLMs को केवल boilerplate संभालना चाहिए या धीरे-धीरे पूरे systems “own” करने चाहिए, और cognitive atrophy, junior roles के नुकसान, model limitations से बनी औसत दर्जे की design, तथा ऐसे codebases जिने कोई सच में नहीं समझता—इन पर चिंता जताते हैं। तकनीकी तर्कों के नीचे wealth concentration, संदिग्ध data use, और AI firms की यह घोषित महत्वाकांक्षा कि वे जितने संभव हों उतने human jobs automate करना चाहती हैं, जैसी व्यापक चिंताएँ हैं.
लेख पर प्रतिक्रियाएँ
- कई पाठकों को यह लेख बिखरा हुआ और सतही लगता है, जैसे किसी तर्क के बजाय बातों की एक सूची।
- “हमें उत्पादन के साधनों पर कब्ज़ा करना चाहिए” जैसी दलीलों पर निर्भरता को अस्पष्ट और टालमटोल भरी माना गया है।
- कुछ लोग इसका बचाव एक निजी ब्लॉग पोस्ट के रूप में करते हैं, जिसका उद्देश्य विचारों को बाहर व्यक्त करना है, न कि कोई व्यापक ग्रंथ होना।
एआई कोडिंग की उपयोगिता और सीमाएँ
- कई लोग LLMs को boilerplate, support logic, glue code, और उच्च-स्तरीय abstraction (modules, microservices) के लिए उत्कृष्ट मानते हैं, लेकिन critical core business logic के लिए नहीं।
- कुछ लोग बड़ी productivity gains की रिपोर्ट करते हैं और design तथा higher-level thinking की ओर बदलाव का स्वागत करते हैं।
- अन्य तर्क देते हैं कि LLMs अक्सर नाज़ुक, औसत दर्जे का code बनाते हैं, जिसके लिए फिर भी भारी expert oversight चाहिए।
Craft, Cognition, और “Code as Art”
- एक मजबूत विषय: हाथ से code लिखना गहरे mental models, critical thinking, और pattern recognition को विकसित करता है; बहुत अधिक outsourcing से cognitive atrophy का जोखिम है।
- calculators, GPS, washing machines, और CNC tools से analogies पर बहस होती है; आलोचकों का कहना है कि ये code के long-term maintenance और सोचने वाले पहलू को नज़रअंदाज़ करती हैं।
- इस पर असहमति है कि code “art” हो सकता है या बस एक tool है जो art पैदा कर सकता है; demoscene को एक counterexample के रूप में उठाया गया है।
रोज़गार, शक्ति, और राजनीतिक अर्थव्यवस्था
- बार-बार यह चिंता सामने आती है कि AI, पिछले automation की तरह, headcount कम करता है जबकि wealth को केंद्रित करता है, जिससे बहुत से लोग पहले से बदतर स्थिति में रह जाते हैं।
- कुछ लोग तर्क देते हैं कि रोजगार स्तर कुल economic activity का परिणाम होते हैं, न कि किसी विशिष्ट tool का; अन्य लोग entry-level roles में गिरावट को चेतावनी संकेत मानते हैं।
- चर्चा में Marx और “fully automated luxury communism” का उल्लेख है, और इस पर असहमति है कि capitalism के तहत technology workers को कैसे प्रभावित करती है।
विश्वास, नैतिकता, और data का उपयोग
- AI कंपनियों के उद्देश्यों (profit, militarization, stock price) के प्रति गहरी शंका है, और इस पर संदेह है कि वे केवल programmers की मदद करना चाहती हैं।
- इस बात की कड़ी आलोचना की जाती है कि models को ऐसे काम पर train किया गया है जिसका इस उपयोग के लिए लोगों का इरादा नहीं था, जिससे open sharing हतोत्साहित होता है।
- copyright/“stolen” code के projects को दूषित करने और junior-developer pathways को कमजोर करने की चिंताएँ हैं।
Tool Comparisons and Determinism
- कुछ लोग LLMs की तुलना compilers या higher-level languages से करते हैं; अन्य इसे अमान्य मानते हैं क्योंकि compilers deterministic होते हैं, spec-driven होते हैं, और प्रति run शुल्क नहीं लेते।
गुणवत्ता, रखरखाव, और “Vibecoding”
- शिकायतें हैं कि LLM workflows “good enough” आंशिक समाधानों को स्वीकार करने और long-term quality को अनदेखा करने के लिए प्रेरित करते हैं।
- अन्य लोग दावा करते हैं कि आधुनिक models, यदि domain knowledge वाला कोई व्यक्ति सक्रिय रूप से मार्गदर्शन और समीक्षा कर रहा हो, तो कई जल्दबाज़ी में काम करने वाले humans से साफ़ code बना सकते हैं।