तो मेरा खयाल है अब हर कोई सोचने के लिए LLMs का इस्तेमाल करता है
एक व्यक्तिगत ब्लॉग पोस्ट, जो हॉबी कोडिंग और “सोचने” के काम के लिए बड़े भाषा मॉडल्स (LLMs) का उपयोग न करने के पक्ष में तर्क देती है, इस पर व्यापक बहस छेड़ देती है कि कितना मानसिक प्रयास AI पर छोड़ा जाना चाहिए। टिप्पणीकार शोध और सॉफ्टवेयर इंजीनियरिंग में LLMs की वास्तविक उत्पादकता वृद्धि की तुलना उनकी आत्मविश्वास के साथ गलत होने की प्रवृत्ति, समझ को ही आउटसोर्स करने के जोखिम, और AI विकास तथा विपणन की नैतिकता से करते हैं। अन्य लोग इसे नैतिक उपदेश या “प्रामाणिकता संकेत” मानते हुए विरोध करते हैं, और तर्क देते हैं कि निजी प्रोजेक्ट्स में टूल का चुनाव व्यक्ति की पसंद का मामला रहना चाहिए, न कि सद्गुण प्रदर्शन का।
लेखन शैली और कैपिटलाइज़ेशन
- एक बड़ा सबथ्रेड लेखक की सभी-लोअरकेस शैली पर बहस करता है।
- कुछ लोग इसे जानबूझकर अपनाई गई अनौपचारिकता, दक्षता, या “ब्रेन डंप” शैली मानते हैं; दूसरों को यह पाठकों के प्रति अनादर और स्कैन करने की सुविधा कम करने वाला लगता है।
- कुछ का तर्क है कि पठनीयता पर असर मामूली है; अन्य कहते हैं कि हर छोटी गिरावट (कैपिटल न होना, टाइपो, ऑल-कैप्स) संज्ञानात्मक बोझ बढ़ाती है।
- कुछ लोग कैपिटलाइज़ेशन की कमी को “प्रामाणिकता” या anti-AI संकेत के रूप में देखते हैं, और इसे घमंड या बनावटीपन से जोड़ते हैं; अन्य इसे इंटरनेट की लंबे समय से चली आ रही शैली का अनावश्यक अतिपाठन मानकर खारिज करते हैं।
उपकरण के रूप में LLMs बनाम सोचने के विकल्प
- कई लोग निम्न में अंतर करते हैं:
- शोध, boilerplate, और line-by-line कोडिंग सहायता के लिए LLMs का उपयोग करना (जिसे शक्तिशाली और उत्पादकता बढ़ाने वाला माना जाता है)।
- “सोच” और पूरे codebases को LLMs पर छोड़ देना (जिसे नाज़ुक, निम्न-गुणवत्ता वाला काम और अधिक समीक्षा-भार पैदा करने वाला माना जाता है)।
- कई लोग सहमत हैं कि निजी/हॉबी प्रोजेक्ट्स के लिए, भले ही वह अक्षम हो, काम को AI को सौंपने के बजाय खुद मैन्युअली करना ज़्यादा मज़ेदार और शैक्षिक हो सकता है।
विश्वसनीयता, “आत्मविश्वास के साथ गलत” व्यवहार, और मॉडल गुणवत्ता
- कई टिप्पणीकार LLMs के आत्मविश्वास के साथ गलत होने पर निराशा दोहराते हैं, खासकर विशेषीकृत डोमेन्स या भाषाओं में।
- अन्य लोग कहते हैं कि नए “frontier” मॉडल बहुत कम बार विफल होते हैं, लेकिन फिर भी hallucinate करते हैं; अनुभव, prompting कौशल, और tooling बहुत मायने रखते हैं।
- इस बात पर असहमति है कि मॉडल कितने सुधरे हैं और क्या आलोचक पुराने या निम्न-स्तरीय systems के आधार पर निर्णय कर रहे हैं।
- कुछ लोग नोट करते हैं कि CoT reasoning traces और tool calls अक्सर बेतुके लगते हैं, भले ही अंतिम उत्तर अच्छे हों, जिससे trust, monitoring, और safety को लेकर चिंताएँ बढ़ती हैं।
काम, उत्पादकता, और करियर दबाव
- कुछ लोगों को लगता है कि प्रतिस्पर्धी बने रहने के लिए काम पर LLMs का उपयोग करना लगभग मजबूरी है, भले ही वे ऐसा न करना चाहें।
- सहकर्मियों द्वारा शोध और निम्न-स्तरीय कोडिंग को आउटसोर्स करने पर बड़ी उत्पादकता वृद्धि की रिपोर्टें हैं, लेकिन जब पूरे systems एजेंट्स को सौंप दिए जाते हैं तो गंभीर गुणवत्ता समस्याएँ आती हैं।
- चिंता है कि अत्यधिक निर्भरता नौकरियों को “data-labeling” या supervisory भूमिकाओं में बदल सकती है और संभावित रूप से प्रतिस्थापन को तेज़ कर सकती है।
नैतिकता, संस्कृति, और लहजा
- चर्चा की एक धारा विशाल AI capex और marketing की आलोचना करती है, यह कहते हुए कि यह समाजिक “spam” और cult-like hype पैदा कर रहा है।
- अन्य लोग उन “मैं AI का उपयोग नहीं करता” पोस्टों का विरोध करते हैं जिन्हें वे virtue-signaling मानते हैं और जो दूसरों को अपने हॉबी समय को कैसे बिताना चाहिए, यह बताती हैं।
- कई लोग तर्क देते हैं कि AI के प्रभाव पर सार्थक बहस के लिए heavy और minimal AI use — दोनों का अनुभव ज़रूरी है, सिर्फ एक पक्ष का नहीं।