एआई हमें 40 वर्षों का तकनीकी ऋण चुकाने के लिए मजबूर कर रही है
AI-संचालित कोड विश्लेषण PHP और HTTP जैसे कोर software stacks में दशकों पुरानी vulnerabilities को तेज़ी से सामने ला रहा है, जिससे संगठनों को सुरक्षा और design में लंबे समय से अनदेखे “technical debt” का सामना करना पड़ रहा है। टिप्पणीकार इस पर बहस कर रहे हैं कि क्या इससे सरल architectures, memory-safe भाषाएँ, formal verification और मज़बूत regulation की ओर स्थायी बदलाव आएगा, या यह केवल AI-जनित patches और नए bugs के अंतहीन चक्र को जन्म देगा। कई लोगों के अनुसार मूल समस्या tools या languages अकेले नहीं, बल्कि वे incentives हैं जिन्होंने लंबे समय से rigorously engineering और maintenance के बजाय speed, compatibility और features को प्राथमिकता दी है.
एआई-चालित भेद्यता खोज और “40 वर्षों का ऋण”
- कई लोगों का मानना है कि एआई-संचालित कोड विश्लेषण आखिरकार लंबे समय से अनदेखे बग्स और 0-days को उजागर कर रहा है, जिनमें PHP, HTTP/2, Brotli, और लोकप्रिय लाइब्रेरीज़ जैसे कोर स्टैक्स भी शामिल हैं।
- कुछ लोग इसे दशकों के तकनीकी/सुरक्षा ऋण को “चुकाना” मानते हैं; जबकि अन्य का तर्क है कि यह वास्तव में लंबे समय से चली आ रही लापरवाही और इन्फ्रास्ट्रक्चर तथा ओपन सोर्स में निवेश की कमी को उजागर कर रहा है।
- चिंता यह है कि समन्वित प्रकटीकरण (coordinated disclosure) उस दुनिया से मेल नहीं खाता जहाँ कोई भी किसी मोटे-मोटे बग विवरण पर LLM लगा सकता है और जल्दी से exploit पा सकता है।
KISS, जटिलता, और LLM कोडिंग व्यवहार
- कई टिप्पणीकार शिकायत करते हैं कि LLMs अक्सर अति-इंजीनियरिंग करती हैं और “enterprisey” रक्षात्मक कोड जोड़ देती हैं, जिससे सिस्टम भारी और नाज़ुक हो जाते हैं।
- अन्य लोग तर्क देते हैं कि रक्षात्मक जाँचें और मान्यताओं का दस्तावेज़ीकरण आवश्यक है, क्योंकि validations स्थानांतरित हो सकती हैं और परिस्थितियाँ बदल सकती हैं।
- KISS की प्रशंसा हमले की सतह (attack surface) कम करने के लिए की जाती है; उदाहरणों में जटिल स्टैक्स के बजाय static files का उपयोग, या सरल deployment architectures शामिल हैं।
क्या AI तकनीकी ऋण घटाती है या बढ़ाती है?
- कुछ लोगों का कहना है कि AI ने बड़ी मात्रा में legacy code हटाने, refactor करने, और वर्षों की तुलना में महीनों में कहीं अधिक bugs ठीक करने में मदद की है।
- अन्य कहते हैं कि AI “slop” को नाटकीय रूप से बढ़ा रही है: vibe-coded features, विशाल PRs, और अस्थायी fixes जिन्हें कोई गहराई से नहीं समझता।
- इस पर बहस है कि क्या duplication और कम abstraction AI-निर्धारित दुनिया में स्वीकार्य हो सकती है, बनिस्बत पारंपरिक DRY/human-centric design के।
Formal verification, provable code, और सीमाएँ
- एक विचारधारा यह है: AI-चालित हमलावर अंततः सभी exploitable bugs खोज लेंगे, इसलिए रक्षकों को provable, formally verified systems की ओर बढ़ना होगा, जहाँ AI theorem provers की सहायता करे।
- प्रतिवाद: proofs केवल किसी spec के अनुरूपता दिखाते हैं, specs गलत हो सकती हैं, और हमारे पास पर्याप्त विशेषज्ञ नहीं हैं; अधिकांश software इतना जटिल है कि उसे पूरी तरह verify नहीं किया जा सकता।
- भौतिक इंजीनियरिंग से तुलना: हम ज्ञात failure modes के विरुद्ध सत्यापन करते हैं, आंशिक assurance स्वीकार करते हैं, और safety margins पर निर्भर रहते हैं, पूर्णता पर नहीं।
Memory safety, भाषाएँ, और implementation bugs
- C/C++ से memory-safe भाषाओं (Rust, आदि) की ओर बढ़ने के लिए मजबूत समर्थन है, यह स्वीकार करते हुए भी कि इन ecosystems और compilers में भी critical bugs हो सकते हैं।
- कुछ लोग critical stacks (जैसे PHP की implementation) में C/C++ के बने रहने को “clown industry” और backward-compatibility constraints का प्रतीक मानते हैं।
Open source, audits, और certifications
- Linus’s Law पर फिर से विचार किया जाता है: open source को पर्याप्त मानवीय “eyeballs” नहीं मिले; AI शायद विशाल codebases को सस्ते में scan करके इस धारणा को सच कर दे।
- सुरक्षा certifications (जैसे ISO 27001) के gaming होने और compliance optics से संचालित होने को लेकर संदेह, वास्तविक security के बजाय।
- चिंता यह है कि अब attackers और defenders दोनों के पास समान AI tools हैं; परिणाम incentives, governance, और ongoing hardening के लिए कौन भुगतान करता है, उस पर निर्भर करता है।