एआई कोडिंग को सस्ता बना रहा है। अब क्या मायने रखता है

1. एआई के युग में करियर सलाह [0]

एआई के युग में करियर की सलाह में एआई के साथ निर्माण के लिए सबसे अच्छे अवसरों पर ध्यान केंद्रित करना और उत्पाद प्रबंधन की बाधाओं को समझना शामिल है।

1.1. एआई के साथ निर्माण का सुनहरा युग [3]

1. एआई के साथ निर्माण का यह सबसे अच्छा समय है, क्योंकि एआई की क्षमता तेजी से बढ़ रही है [3]
   1. एआई21 लैब्स के एक अध्ययन से पता चला है कि एआई द्वारा किए जा सकने वाले कार्यों की जटिलता हर सात महीने में दोगुनी हो रही है, जिसे मानव द्वारा उन कार्यों को पूरा करने में लगने वाले समय से मापा जाता है [7]
   2. एआई कोडिंग के लिए, यह दोगुना होने का समय और भी कम है, लगभग 70 दिन [11]
2. एआई बिल्डिंग ब्लॉक्स का उपयोग करके सॉफ्टवेयर बनाना अब पहले से कहीं अधिक शक्तिशाली और तेज है [14]
   1. एआई बिल्डिंग ब्लॉक्स में बड़े भाषा मॉडल, स्वायत्त एजेंट, वर्कफ़्लो, वॉयस एआई और डीप लर्निंग शामिल हैं [16]
   2. ये बिल्डिंग ब्लॉक्स एक या दो साल पहले मौजूद नहीं थे या बहुत मुश्किल थे, जिसका अर्थ है कि अब कोई भी पहले से कहीं अधिक शक्तिशाली सॉफ्टवेयर बना सकता है [20]
3. एआई कोडिंग टूल बहुत तेजी से बदल रहे हैं, इसलिए नवीनतम टूल के साथ अपडेट रहना महत्वपूर्ण है [23]
   1. नवीनतम पीढ़ी के टूल के साथ बने रहने से उत्पादकता बढ़ती है और अधिक शक्तिशाली सॉफ्टवेयर तेजी से बनाने में मदद मिलती है [31]
   2. एआई के कई क्षेत्रों में, एआई कोडिंग टूल प्रगति की जबरदस्त गति दिखाते हैं [30]
4. अब निर्माण करना और दूसरों को दिखाना पहले से कहीं अधिक महत्वपूर्ण है [32]

1.2. उत्पाद प्रबंधन की बाधा और इंजीनियरों की बदलती भूमिका [35]

1. एआई कोडिंग के कारण सॉफ्टवेयर बनाना सस्ता और तेज हो गया है, लेकिन इससे यह तय करने में बाधा आ गई है कि क्या बनाना है [35]
   1. सॉफ्टवेयर बनाने की प्रक्रिया में कोड लिखना, उपयोगकर्ताओं को दिखाना, प्रतिक्रिया प्राप्त करना और फिर उत्पाद को बेहतर बनाने के लिए संशोधन करना शामिल है [37]
   2. एआई कोडिंग के साथ, यह प्रक्रिया बहुत तेज हो गई है, जिससे यह तय करने पर ध्यान केंद्रित हो गया है कि क्या बनाना है या स्पष्ट विनिर्देश कैसे लिखना है [36]
2. इंजीनियर-से-उत्पाद प्रबंधक अनुपात बदल रहा है, कुछ टीमें अब एक इंजीनियर के लिए एक उत्पाद प्रबंधक का प्रस्ताव कर रही हैं [43]
   1. पारंपरिक सिलिकॉन वैली कंपनियों में आमतौर पर एक उत्पाद प्रबंधक के लिए 4:1, 7:1, या 8:1 का अनुपात होता है [44]
   2. यह बदलाव इसलिए हो रहा है क्योंकि इंजीनियरिंग एआई द्वारा तेजी से बढ़ रही है, जबकि उत्पाद प्रबंधन उतनी तेजी से नहीं बढ़ रहा है [46]
3. जो इंजीनियर उत्पाद को आकार दे सकते हैं, वे बहुत तेजी से आगे बढ़ सकते हैं [49]
   1. जो इंजीनियर उपयोगकर्ताओं से बात करना, प्रतिक्रिया प्राप्त करना और उपयोगकर्ताओं के लिए गहरी सहानुभूति विकसित करना सीखते हैं, वे सिलिकॉन वैली में सबसे तेजी से आगे बढ़ने वाले लोग हैं [52]
   2. यह इंजीनियरों को उत्पाद को ग्राहकों तक ले जाने के लिए किसी और का इंतजार किए बिना कोड लिखने और पुनरावृति करने की अनुमति देता है [58]

1.3. करियर की सफलता के लिए लोगों और समुदाय का महत्व [61]

1. सीखने की गति और सफलता के स्तर के लिए सबसे मजबूत भविष्यवाणियों में से एक उन लोगों के साथ खुद को घेरना है जिनके साथ आप काम करते हैं [61]
   1. हम सामाजिक प्राणी हैं और अपने आसपास के लोगों से सीखते हैं [62]
   2. यदि आपके करीबी दोस्त मेहनती और दृढ़ निश्चयी हैं, तो आपके भी ऐसा करने की अधिक संभावना है [68]
2. स्टैनफोर्ड जैसे संस्थानों में एक समृद्ध कनेक्टिव टिश्यू (संबंधों का नेटवर्क) है जो छात्रों को आगे बढ़ने में मदद करता है [72]
   1. स्टैनफोर्ड के पूर्व छात्र अत्याधुनिक एआई प्रयोगशालाओं में काम करते हैं, जिससे एक मजबूत नेटवर्क बनता है [74]
   2. यह नेटवर्क ऐसी जानकारी प्रदान करता है जो व्यापक रूप से ज्ञात नहीं होती है, जिससे तकनीकी वास्तुकला और परियोजना दिशाओं के बारे में निर्णय लेने में मदद मिलती है [77]
3. नौकरी चुनते समय, कंपनी के ब्रांड के बजाय उन लोगों पर ध्यान केंद्रित करें जिनके साथ आप दिन-प्रतिदिन काम करेंगे [90]
   1. एक छात्र को एक शीर्ष एआई कंपनी में नौकरी मिली, लेकिन उसे एक एआई परियोजना के बजाय बैकएंड जावा भुगतान प्रसंस्करण प्रणाली पर काम करने के लिए सौंपा गया, जिससे वह निराश हो गया [91]
   2. एक अच्छी टीम के साथ काम करने से, भले ही कंपनी का लोगो उतना प्रसिद्ध न हो, करियर में तेजी से और बेहतर प्रगति हो सकती है [106]

2. एआई में करियर के लिए तीन स्तंभ [109]

एआई में करियर की सफलता के लिए तीन स्तंभों में गहरी समझ, व्यावसायिक फोकस और वितरण के प्रति पूर्वाग्रह शामिल हैं।

2.1. शक्तिशाली सॉफ्टवेयर का निर्माण और जिम्मेदारी [109]

1. शक्तिशाली सॉफ्टवेयर को तेजी से बनाना पहले से कहीं अधिक आसान हो गया है [109]
   1. इसका मतलब है कि जिम्मेदारी से काम करना और दूसरों को नुकसान पहुंचाने वाले सॉफ्टवेयर का निर्माण न करना [110]
   2. दुनिया में कई परियोजनाएं हैं जिन्हें यदि आप नहीं बनाते हैं, तो कोई और नहीं बनाएगा, इसलिए अनुमति का इंतजार न करें [115]
2. विफलता की लागत अब बहुत कम है, क्योंकि आप एक सप्ताहांत बर्बाद कर सकते हैं लेकिन कुछ सीख सकते हैं [119]

2.2. कड़ी मेहनत और उत्पादकता [123]

1. कड़ी मेहनत को प्रोत्साहित करना कुछ हलकों में राजनीतिक रूप से सही नहीं माना जाता है, लेकिन यह सफलता के लिए महत्वपूर्ण है [123]
   1. कुछ लोग जीवन के ऐसे चरण में हो सकते हैं जहां वे कड़ी मेहनत करने की स्थिति में नहीं हैं, और उनका सम्मान किया जाना चाहिए [126]
   2. हालांकि, सभी सफल पीएचडी छात्रों ने अविश्वसनीय रूप से कड़ी मेहनत की [128]
2. यदि आप कड़ी मेहनत करने की स्थिति में हैं, तो अब बहुत सारे अवसर हैं [131]
   1. शाम और सप्ताहांत में कोडिंग और चीजें बनाने में समय बिताना, और उपयोगकर्ता प्रतिक्रिया प्राप्त करना सफलता की संभावनाओं को बढ़ाएगा [132]
   2. कड़ी मेहनत करने वाले लोग बहुत कुछ हासिल करते हैं [134]

2.3. एआई में करियर परिदृश्य और नौकरी बाजार की वास्तविकता [143]

1. एआई में करियर सलाह के लिए, स्टैनफोर्ड में उपलब्ध नेटवर्क और प्रतिष्ठा का उपयोग करना महत्वपूर्ण है [211]
   1. वर्तमान नौकरी परिदृश्य आदर्श नहीं है, जिसमें बड़े पैमाने पर तकनीकी छंटनी और धीमी गति से भर्ती हो रही है [213]
   2. जूनियर (स्नातक स्तर) की भर्ती में महत्वपूर्ण कमी आई है, और प्रवेश स्तर के पद दुर्लभ लगते हैं [226]
2. एआई उद्योग तेजी से बदल रहा है, और सही मानसिकता वाले लोग सफल होंगे [234]
   1. 2021-2022 में वैश्विक महामारी के कारण औद्योगिक मंदी आई, जिससे कंपनियों को राजस्व बढ़ाने वाली चीजों पर ध्यान केंद्रित करना पड़ा [242]
   2. 2022-2023 में, एआई के विस्फोट और कोविड के कारण हुई देरी के कारण बड़े पैमाने पर भर्ती हुई, जिससे कई कंपनियों में अधिक भर्ती हुई और अयोग्य कर्मचारी पदों पर आ गए [250]
   3. 2024-2025 में, कंपनियों को एहसास हुआ कि अधिक भर्ती से अयोग्य कर्मचारियों की संख्या बढ़ गई है, जिससे एआई कौशल के लिए अधिक सावधानी बरती जा रही है [262]

2.4. एआई में सफलता के तीन स्तंभ [274]

1. एआई व्यवसाय की दुनिया में सफलता के लिए तीन स्तंभ हैं: समझ और गहराई, व्यावसायिक फोकस और वितरण के प्रति पूर्वाग्रह [274]
   1. अब केवल एआई को अपने रिज्यूमे पर रखने से नौकरी नहीं मिलेगी; आपको इन स्तंभों के साथ संरेखित मानसिकता का प्रदर्शन करना होगा [275]
   2. कोड को प्रॉम्प्ट करने या चीजों को अस्तित्व में लाने की क्षमता आपको अपनी क्षमताओं को पहले से कहीं बेहतर दिखाने की अनुमति देती है [277]
2. समझ और गहराई में दो पहलू शामिल हैं [285]
   1. शैक्षणिक समझ: मशीन लर्निंग और विशिष्ट मॉडल आर्किटेक्चर की गहरी समझ होना, पेपर पढ़ना और उन्हें काम में लाना [286]
   2. प्रवृत्ति की समझ: विशिष्ट रुझानों पर नज़र रखना और यह समझना कि कहां सिग्नल-टू-नॉइज़ अनुपात (उपयोगी जानकारी बनाम अनावश्यक जानकारी) सिग्नल के पक्ष में है [288]
3. व्यावसायिक फोकस का अर्थ है कि आप जो आउटपुट उत्पन्न करते हैं वह व्यावसायिक लक्ष्यों के साथ संरेखित होना चाहिए [291]
   1. कड़ी मेहनत को केवल समय बिताने के बजाय आउटपुट के संदर्भ में मापा जाना चाहिए [294]
   2. अपने आउटपुट को उस नौकरी के लिए बनाएं जिसकी आप आकांक्षा करते हैं, न कि उस नौकरी के लिए जो आपके पास वर्तमान में है [324]
   3. उदाहरण के लिए, Google में नौकरी के लिए साक्षात्कार करते समय, एक उम्मीदवार ने Google क्लाउड पर चलने वाला एक जावा एप्लिकेशन बनाया, जिससे साक्षात्कारकर्ताओं ने उसके कोड के बारे में पूछा, जिससे उसे अपनी विशेषज्ञता प्रदर्शित करने का अवसर मिला [326]
4. वितरण के प्रति पूर्वाग्रह का अर्थ है कि विचार सस्ते हैं, लेकिन निष्पादन सब कुछ है [339]
   1. कई लोगों के पास अस्पष्ट विचार होते हैं, लेकिन जो लोग अपने विचारों को अच्छी तरह से आधार बना सकते हैं और उन्हें वितरित कर सकते हैं, उन्हें नौकरी मिलती है [343]
   2. इसमें एआई के पीछे के शिक्षाविदों और व्यावहारिकता की गहरी समझ, व्यवसाय की जरूरतों पर ध्यान केंद्रित करना और उन्हें वितरित करने की क्षमता शामिल है [345]

3. एआई में काम करने की वास्तविकता और जोखिमों का प्रबंधन [348]

एआई में काम करने की वास्तविकता में व्यावसायिक फोकस, जोखिम शमन और जिम्मेदार एआई का विकास शामिल है, जबकि हाइप साइकिल को नेविगेट करना और तकनीकी ऋण का प्रबंधन करना महत्वपूर्ण है।

3.1. एआई में काम करने की वास्तविकता: उत्पादन और मूल्य पर ध्यान केंद्रित करना [348]

1. एआई में काम करना अब केवल "शानदार चीजें" करने के बारे में नहीं है, बल्कि "उपयोगी चीजें" बनाने के बारे में है जो उत्पादन के लिए तैयार हों [351]
   1. इसमें नए मॉडल बनाना, मॉडल को अनुकूलित करना और उपयोगकर्ता अनुभव (UX) को समझना शामिल है [355]
   2. व्यवसाय अब बॉटम लाइन (शुद्ध लाभ) पर केंद्रित हैं, इसलिए कंपनियों के साथ बातचीत करते समय यह मानसिकता महत्वपूर्ण है [359]
2. उपयोगी चीजें भी शानदार हो सकती हैं, लेकिन मुख्य ध्यान मूल्य प्रदान करने पर होना चाहिए [362]

3.2. चार वास्तविकताएं: व्यावसायिक फोकस, जोखिम शमन और जिम्मेदार एआई [368]

1. व्यावसायिक फोकस अब गैर-परक्राम्य है [369]
   1. पिछले 10 वर्षों में, कई बड़ी कंपनियों ने अपने कर्मचारियों के विकास पर ध्यान केंद्रित किया, जिसमें काम पर अपना पूरा व्यक्तित्व लाना शामिल था, जिससे कंपनियों के भीतर बहुत अधिक सक्रियता हुई [371]
   2. हालांकि, सक्रियता का अत्यधिक सूचकांक (overindexing) कुछ कंपनियों को व्यवसाय से ऊपर सक्रियता का समर्थन करने के लिए मजबूर कर रहा है, जिससे छंटनी और सक्रियता का दमन हो रहा है [379]
   3. अब कंपनियों में प्रवेश करते समय यह समझना होगा कि व्यावसायिक फोकस बिल्कुल गैर-परक्राम्य है [388]
2. जोखिम शमन नौकरी का एक महत्वपूर्ण हिस्सा है, खासकर एआई के साथ [390]
   1. एआई-उन्मुख होने के लिए एक विशेष व्यावसायिक प्रक्रिया को बदलने के जोखिमों को समझना और उन जोखिमों को कम करने में मदद करना बहुत शक्तिशाली है [391]
   2. साक्षात्कार के माहौल में, यह मानसिकता कि आप अनुमानी कंप्यूटिंग (heuristic computing) से बुद्धिमान कंप्यूटिंग (intelligent computing) में व्यावसायिक परिवर्तन कर रहे हैं, जोखिमों को समझना और उन्हें कम करना सबसे महत्वपूर्ण कौशल है [393]
3. जिम्मेदारी विकसित हो रही है [395]
   1. जिम्मेदार एआई की परिभाषा अब "यह सुनिश्चित करना कि एआई व्यवसाय को चलाता है, और फिर यह सुनिश्चित करना कि यह सभी के लिए काम करता है" में बदल गई है [396]
   2. पहले, इसे अक्सर उलट दिया जाता था, जिससे कुछ प्रसिद्ध आपदाएं हुईं [397]
   3. जेमिनी (Gemini) का एक उदाहरण दिखाया गया, जहां एक सुरक्षा फ़िल्टर ने "कोकेशियाई" या "सफेद" जैसे शब्दों की तलाश की और छवियों को उत्पन्न करने से इनकार कर दिया, जबकि अन्य जातीयताओं के लिए छवियों को उत्पन्न किया [403]
   4. जब "आयरिश महिला" के लिए पूछा गया, तो इसने लाल बालों वाली महिला की छवि उत्पन्न की, जो एक नकारात्मक रूढ़िवादिता को पुष्ट करती है [439]
   5. यह दर्शाता है कि जिम्मेदारी की एक बहुत ही संकीर्ण दृष्टि ने मॉडल पर कब्जा कर लिया, जिससे मॉडल और कंपनी की प्रतिष्ठा को नुकसान पहुंचा [445]
   6. जिम्मेदार एआई अब अस्पष्ट सामाजिक मुद्दों से हटकर व्यवसाय से जुड़े और कंपनी की प्रतिष्ठा को नुकसान पहुंचाने से रोकने वाले अधिक कठोर क्षेत्रों में चला गया है [451]
   7. गलतियों से सीखना एक सतत प्रक्रिया है, और एआई में काम करने की वास्तविकता में गलतियां करना और उनसे सीखना शामिल है [470]

3.3. कोड जनरेशन और तकनीकी ऋण का प्रबंधन [475]

1. कोड जनरेशन (जिसे "वाइब कोडिंग" भी कहा जाता है) इंजीनियरों को कम उपयोगी नहीं बनाता है, बल्कि उन्हें एक विश्वसनीय सलाहकार की भूमिका निभाने में मदद करता है [475]
   1. एक इंजीनियर के रूप में आप जितने अधिक कुशल होंगे, कोड जनरेशन का उपयोग करने में आप उतने ही बेहतर होंगे [480]
   2. विश्वसनीय सलाहकार के रूप में, आपको उत्पन्न कोड के निहितार्थों को समझना होगा, जिसे एक इंजीनियर सबसे अच्छी तरह से समझ सकता है [485]
2. तकनीकी ऋण एक महत्वपूर्ण अवधारणा है जिसे समझना चाहिए [487]
   1. तकनीकी ऋण सॉफ्टवेयर विकास में एक अवधारणा है जो वित्तीय ऋण के समान है [491]
   2. अच्छा ऋण (जैसे घर खरीदना) मूल्य प्रदान करता है जो लागत से अधिक होता है, जबकि बुरा ऋण (जैसे उच्च-ब्याज क्रेडिट कार्ड पर आवेगपूर्ण खरीदारी) कम मूल्य प्रदान करता है [491]
   3. सॉफ्टवेयर बनाते समय, आप हमेशा तकनीकी ऋण लेते हैं (बग, समर्थन की आवश्यकताएं, नई आवश्यकताएं, दस्तावेज़ीकरण, आदि) [504]
   4. महत्वपूर्ण बात यह है कि यह तय करना है कि क्या लिया गया तकनीकी ऋण इसके लायक है [511]
3. अच्छे तकनीकी ऋण का प्रबंधन करने के लिए, स्पष्ट उद्देश्य, व्यावसायिक मूल्य और मानवीय समझ पर ध्यान केंद्रित करें [524]
   1. स्पष्ट उद्देश्य: जानें कि आपको क्या बनाना है, और एआई आपको इसे तेजी से बनाने में मदद कर सकता है [524]
   2. व्यावसायिक मूल्य: सुनिश्चित करें कि आपका आउटपुट व्यवसाय के लक्ष्यों के साथ संरेखित हो और मूल्य प्रदान करे [539]
   3. मानवीय समझ: ऐसा कोड वितरित करने से बचें जिसे कोई नहीं समझता है; दस्तावेज़ीकरण, स्पष्ट एल्गोरिदम और समझदार चर नामों के माध्यम से कोड को समझने योग्य बनाएं [543]
4. खराब तकनीकी ऋण के उदाहरणों में समस्या की तलाश में समाधान, स्पेगेटी कोड और योग्यता पर अधिकार शामिल हैं [547]
   1. समस्या की तलाश में समाधान: जब कोई उपकरण होता है और हर समस्या एक कील की तरह दिखती है, तो ऐसे उपकरण बनाए जाते हैं जिनकी आवश्यकता नहीं होती है [547]
   2. स्पेगेटी कोड: खराब संरचित कोड, खासकर जब बार-बार प्रॉम्प्टिंग का उपयोग किया जाता है, जिससे कोड को मैन्युअल रूप से बदलना पड़ता है [553]
   3. योग्यता पर अधिकार: जब एक वरिष्ठ व्यक्ति बिना तकनीकी समझ के कुछ बनाता है, तो उसे ठीक करना इंजीनियरों की समस्या बन जाती है [563]

3.4. हाइप साइकिल को नेविगेट करना और विश्वसनीय सलाहकार बनना [568]

1. हाइप एक शक्तिशाली शक्ति है, खासकर एआई और क्रिप्टो जैसे गर्म क्षेत्रों में [569]
   1. सोशल मीडिया पर, जुड़ाव (engagement) सटीकता से अधिक महत्वपूर्ण है, जिससे बहुत अधिक अनावश्यक जानकारी फैलती है [573]
   2. जो लोग शोर से सिग्नल को फ़िल्टर कर सकते हैं और दूसरों को सिग्नल की ओर प्रोत्साहित कर सकते हैं, उन्हें बहुत बड़ा फायदा होता है [578]
2. एक विश्वसनीय सलाहकार बनने के लिए, "क्यों" और "क्या" प्रश्न पूछना महत्वपूर्ण है [582]
   1. जब एक कंपनी ने एक एजेंट को लागू करने के लिए कहा, तो पहला प्रश्न "क्यों" होना चाहिए, यह समझने के लिए कि वे वास्तव में क्या हासिल करना चाहते हैं [587]
   2. एक उदाहरण में, एक सीईओ अपने सेल्सपर्सन को अधिक कुशल बनाना चाहता था, और एआई या एजेंटों के बजाय, समाधान सेल्सपर्सन के लिए पृष्ठभूमि अनुसंधान के समय को कम करने पर केंद्रित था [594]
3. एजेंटिक एआई (Agentic AI) में चार चरण शामिल हैं: इरादे को समझना, योजना बनाना, उपकरणों का उपयोग करके निष्पादित करना और परिणाम पर विचार करना [613]
   1. इरादे को समझना: बड़े भाषा मॉडल (LLM) इरादे को समझने में बहुत अच्छे हैं [620]
   2. योजना बनाना: एजेंट उपलब्ध उपकरणों का उपयोग करके कार्य को चरणों में तोड़ सकता है [626]
   3. निष्पादित करना: एजेंट योजना को निष्पादित करने के लिए उपकरणों का उपयोग करता है [628]
   4. विचार करना: एजेंट मूल इरादे के संबंध में परिणाम पर विचार करता है और देखता है कि क्या लक्ष्य पूरा हुआ [629]
4. हाइप के उदाहरणों में "सॉफ्टवेयर इंजीनियरिंग मर चुका है," "हॉलीवुड मर चुका है," या "साल के अंत तक एजीआई" शामिल हैं [650]
   1. ये दावे अक्सर अतिरंजित होते हैं और वास्तविक क्षमताओं को प्रतिबिंबित नहीं करते हैं [657]
   2. एक विश्वसनीय सलाहकार बनने के लिए, रुझानों को वस्तुनिष्ठ रूप से मूल्यांकन करना, वास्तविक अवसरों पर विचार करना और तकनीकी वास्तविकता को नेतृत्व को समझाना महत्वपूर्ण है [662]
5. तकनीकी अवधारणाओं को यथासंभव साधारण बनाना महत्वपूर्ण है [669]
   1. उदाहरण के लिए, टेक्स्ट-टू-वीडियो जनरेशन को "जादुई" के बजाय "लगातार फ्रेम उत्पन्न करना" के रूप में समझा जा सकता है [676]
   2. यह विशेषज्ञों को क्षेत्र में शानदार चीजें करने के लिए एक आधार प्रदान करता है [680]
6. हाइप नेविगेशन रणनीति में सक्रिय रूप से फ़िल्टर करना, मूल सिद्धांतों पर गहराई से जाना और रुझानों पर नज़र रखना शामिल है [682]

3.5. एआई उद्योग में जोखिम और अवसर [689]

1. एआई उद्योग में जोखिम हैं, जिसमें एक संभावित बबल (आर्थिक बुलबुला) शामिल है [689]
   1. डॉट-कॉम बबल (2000 के दशक) सबसे बड़ा बबल था, लेकिन जो कंपनियां मूल सिद्धांतों को समझती थीं, वे बच गईं और फली-फूलीं (जैसे अमेज़ॅन, गूगल) [700]
   2. जो कंपनियां "यदि आप इसे बनाते हैं, तो वे आएंगे" मानसिकता के साथ थीं, वे बबल के फटने पर गायब हो गईं (जैसे Pets.com) [706]
2. एआई बबल आने की संभावना है, लेकिन जो कंपनियां और लोग एआई को सही तरीके से कर रहे हैं, वे न केवल बचेंगे बल्कि बबल के बाद भी सफल होंगे [710]
3. किसी भी बबल की एनाटॉमी (संरचना) में हाइप, बड़े पैमाने पर वीसी निवेश, अवास्तविक मूल्यांकन, मी-टू उत्पाद और वास्तविक मूल्य शामिल हैं [715]
   1. हाइप: शीर्ष पर है [716]
   2. बड़े पैमाने पर वीसी निवेश: पहले बहुत अधिक था, लेकिन अब सूख रहा है और अधिक सतर्क हो रहा है [717]
   3. अवास्तविक मूल्यांकन: जो कंपनियां पैसा नहीं कमा रही हैं, उनका मूल्यांकन बहुत अधिक है [725]
   4. मी-टू उत्पाद: जब कोई सफल होता है, तो हर कोई उस पर कूद पड़ता है [727]
   5. वास्तविक मूल्य: सबसे नीचे है, और जो लोग इसके लिए निर्माण करते हैं, वे बचेंगे [730]
4. अगले पांच वर्षों में एआई उद्योग में एक द्विशाखन (bifurcation) होगा: बड़ा एआई बनाम छोटा/ओपन-वेट एआई [736]
   1. बड़ा एआई: बड़े मॉडल (जैसे जेमिनी, क्लाउड, ओपनएआई) जो एजीआई या बेहतर व्यावसायिक मूल्य की ओर बढ़ रहे हैं [737]
   2. छोटा/ओपन-वेट एआई: ओपन-सोर्स या सेल्फ-होस्टेबल मॉडल जो अधिक लोकप्रिय हो रहे हैं और तेजी से स्मार्ट हो रहे हैं [741]
5. छोटे/सेल्फ-होस्टेबल मॉडल में प्रमुख कौशल फाइन-ट्यूनिंग होगा [752]
   1. हॉलीवुड स्टूडियो अपनी बौद्धिक संपदा (IP) की सुरक्षा के लिए जीपीटी या जेमिनी जैसे बड़े मॉडल के साथ अपनी फिल्मों का विवरण साझा नहीं करेंगे [755]
   2. वे अपने स्वयं के छोटे मॉडल को सेल्फ-होस्ट कर सकते हैं और उन्हें विशिष्ट कार्यों के लिए फाइन-ट्यून कर सकते हैं, जैसे फिल्म विश्लेषण [767]
   3. गोपनीयता महत्वपूर्ण होने वाले अन्य क्षेत्रों (जैसे कानून कार्यालय, चिकित्सा कार्यालय) में भी यही बात लागू होती है [772]
6. करियर के लिए, किसी भी बबल के प्रभाव से बचने के लिए मूल सिद्धांतों पर ध्यान केंद्रित करें, वास्तविक समाधान बनाएं, व्यावसायिक पक्ष को समझें और सबसे महत्वपूर्ण बात, अपने कौशल में विविधता लाएं [775]

4. एआई में कौशल और भविष्य के रुझान [780]

एआई में भविष्य के रुझानों में छोटे एआई का उदय और एआई, मशीन लर्निंग और वैज्ञानिक अनुसंधान के लिए इसके निहितार्थ शामिल हैं, जिसमें सामाजिक समानता और असमानता पर इसके प्रभाव पर विचार करना भी शामिल है।

4.1. कौशल में विविधता लाना बनाम विशेषज्ञता [780]

1. कौशल में विविधता लाना एक संकीर्ण विशेषज्ञता पर ध्यान केंद्रित करने से बेहतर है [791]
   1. एक संकीर्ण परिदृश्य में विशेषज्ञ होना अच्छा है, लेकिन यदि आप उस एक अवसर को प्राप्त नहीं करते हैं, तो आपके पास अन्य विकल्प होने चाहिए [792]
   2. कौशल में विविधता लाने में मॉडल के ज्ञान और उनका उपयोग कैसे करना है, के अलावा अनुप्रयोगों का निर्माण, स्केलिंग, सॉफ्टवेयर इंजीनियरिंग और उपयोगकर्ता अनुभव (UX) कौशल शामिल हैं [794]

4.2. छोटे एआई का उदय और एआई हर जगह [800]

1. छोटा एआई अगला बड़ा कदम है, क्योंकि दुनिया एआई हर जगह, एक साथ की ओर बढ़ रही है [800]
   1. पारंपरिक रूप से, एआई के लिए कंप्यूट प्लेटफॉर्म सीपीयू और जीपीयू होते थे, लेकिन यह बदल रहा है [803]
   2. एआरएम स्केलेबल मैट्रिक्स एक्सटेंशन (ARM scalable matrix extensions) जैसी प्रौद्योगिकियां एआई वर्कलोड को सीपीयू पर चलाने की अनुमति दे रही हैं [805]
2. एलिप पे (Alip Pay) का उदाहरण दर्शाता है कि कैसे एआई को डिवाइस पर ले जाने से गोपनीयता, विलंबता और लागत की समस्याओं का समाधान होता है [810]
   1. पारंपरिक फोटो खोज ऐप्स को बैकएंड सेवा की आवश्यकता होती है, जिससे गोपनीयता, विलंबता और क्लाउड सेवा लागत की समस्याएं होती हैं [815]
   2. डिवाइस पर मॉडल चलाने से इन समस्याओं का समाधान होता है, जिससे एआई सीपीयू पर चलता है [821]
3. एप्पल (Apple) भी स्केलेबल मैट्रिक्स एक्सटेंशन में भारी निवेश कर रहा है, जिससे एआई को चलाने के लिए जीपीयू की आवश्यकता की आदत टूट रही है [824]
   1. छोटे मॉडल के स्मार्ट होने और कम-शक्ति वाले उपकरणों पर चलने की क्षमता के कारण एआई का अभिसरण हो रहा है [828]

4.3. एजेंटिक क्षमताएं और कृत्रिम समझ [833]

1. कृत्रिम बुद्धिमत्ता का एक छिपा हुआ हिस्सा कृत्रिम समझ है, जो मॉडल को आपकी ओर से चीजों को समझने और उस समझ से नई चीजें बनाने की अनुमति देता है [833]
2. एक उदाहरण में, एक हॉकी खिलाड़ी की तस्वीर से वीडियो बनाने के लिए एक खराब प्रॉम्प्ट का उपयोग किया गया, जिसके परिणामस्वरूप अवास्तविक विवरण (जैसे दर्शक, दो स्टिक) वाला वीडियो बना [842]
   1. यह एक एजेंटिक वर्कफ़्लो का पालन न करने के कारण हुआ, जिसमें इरादे को समझना, उपलब्ध उपकरणों को समझना, एक योजना बनाना, एक प्रॉम्प्ट बनाना, फिर उनका उपयोग करना और प्रतिबिंबित करना शामिल है [856]
3. एक स्टार्टअप के लिए वर्चुअल अभिनेताओं के साथ फिल्म बनाने के लिए एजेंटिक क्षमताओं का उपयोग करने से भावनाओं को चित्रित करने वाले अधिक प्रभावी वीडियो बने [858]
   1. एजेंटिक वर्कफ़्लो में, एलएलएम ने एक प्रॉम्प्ट उत्पन्न किया जो अधिक वर्णनात्मक था और एक अच्छे शॉट, कोण और भावना को व्यक्त करने के बारे में समझ रखता था [881]
   2. यह वर्कफ़्लो वीडियो जनरेशन में लागत बचाता है, क्योंकि यह सही परिणाम प्राप्त करने के लिए कम प्रयासों की अनुमति देता है [889]

4.4. एआई उद्योग में आश्चर्य और प्रेरणा [895]

1. एआई उद्योग में सबसे आश्चर्यजनक बात यह है कि हाइप ने कितना कब्जा कर लिया है, और तत्काल लाभ की इच्छा दीर्घकालिक लाभों पर हावी हो गई है [899]
   1. Google ने एक TensorFlow प्रोफेशनल सर्टिफिकेट कार्यक्रम चलाया, जिसकी लागत $100,000 प्रति वर्ष थी, लेकिन इसने सीरिया में एक युवा व्यक्ति को गरीबी से बाहर निकालने और जर्मनी में नौकरी पाने में मदद करके बहुत सद्भावना पैदा की [903]
   2. हालांकि, चूंकि इससे कंपनी के लिए कोई राजस्व उत्पन्न नहीं हुआ, इसलिए इसे बंद कर दिया गया, जिससे संभावित सद्भावना का नुकसान हुआ [916]
2. एआई के साथ बहुत सफल होने वाले लोग, जिनके बारे में आप नहीं सोचते कि वे सफल होंगे, प्रेरणादायक रहे हैं [923]
   1. एक पूर्व पेशेवर आइस हॉकी खिलाड़ी, जो तकनीकी रूप से जानकार नहीं था, ने अपने गैर-लाभकारी संगठन के लिए रिपोर्ट बनाने के लिए चैटजीपीटी का उपयोग किया [925]
   2. इससे उसे सलाहकारों पर प्रति वर्ष $150,000 बचाने में मदद मिली, जो अब वंचित बच्चों के लिए हॉकी उपकरण और पाठों पर खर्च किए जाते हैं [948]
   3. यह दर्शाता है कि एआई उन लोगों को सुपरपावर प्रदान कर सकता है जो तकनीकी रूप से जानकार नहीं हैं, जिससे वे महत्वपूर्ण समाधान बना सकते हैं [953]

4.5. हाइप को नेविगेट करना और वैज्ञानिक अनुसंधान में एआई [956]

1. इंजीनियरों के लिए हाइप को नेविगेट करना और शोर से सिग्नल को देखना आसान हो सकता है, लेकिन दूसरों के लिए, यह एक अवसर है कि हम उनके लिए विश्वसनीय सलाहकार बनें [959]
   1. इनाम तंत्र को समझना महत्वपूर्ण है, जहां सब कुछ वास्तविक पदार्थ के बजाय जुड़ाव को पुरस्कृत करता है [964]
   2. औसत व्यक्ति आम तौर पर बहुत बुद्धिमान होता है, भले ही वे किसी विशिष्ट डोमेन में विशेषज्ञ न हों, और उन्हें मार्गदर्शन देना महत्वपूर्ण है [968]
2. वैज्ञानिक अनुसंधान के लिए एआई और मशीन लर्निंग का उपयोग करना आमतौर पर एक अच्छा विचार है, लेकिन परिणामों और अपेक्षाओं को हमेशा जमीनी वास्तविकता के खिलाफ दोबारा जांचना चाहिए [973]
   1. अनुसंधान में स्वचालन का उपयोग करना गति बढ़ा सकता है [976]
   2. एक शोधकर्ता को मस्तिष्क कैंसर अनुसंधान के लिए जीपीयू तक पहुंच की समस्या थी, लेकिन Google Colab का उपयोग करने से उसे मुफ्त में क्लाउड में जीपीयू तक पहुंच मिली, जिससे उसके अनुसंधान में बहुत प्रगति हुई [985]

4.6. एआई: सामाजिक समानता या असमानता की शक्ति? [1002]

1. एआई सामाजिक समानता या असमानता दोनों की शक्ति हो सकता है, और यह दोनों में से कोई भी नहीं हो सकता है [1005]
   1. कोई भी उपकरण किसी भी उद्देश्य के लिए इस्तेमाल किया जा सकता है, इसलिए लोगों को सही उद्देश्यों के लिए उपकरणों का उपयोग करने के लिए शिक्षित और प्रेरित करना महत्वपूर्ण है [1008]
   2. शासन (governance) कभी-कभी समस्याओं को हल करने से अधिक समस्याएं पैदा कर सकता है [1010]
2. हमेशा अच्छे इरादे को मानकर चलना चाहिए, लेकिन बुरे इरादे के लिए भी तैयार रहना चाहिए [1011]
   1. अधिकांश गलतियां अच्छे इरादे के कारण होती हैं जिनका गलत तरीके से उपयोग किया जाता है, न कि बुरे इरादे के कारण [1014]
   2. एआई का स्वयं कोई विकल्प नहीं है; यह इस बात पर निर्भर करता है कि लोग इसका उपयोग कैसे करते हैं [1017]