मैंने स्पैनिश में एक पेपर लिखा और "किसी और" को इसे फिर से लिखने के लिए कहा

पिछले साल, मैंने प्रोग्रामर्स के भविष्य के बारे में स्पेनिश में एक पेपर लिखा था ।

टीएल; डीआर: अपने पेपर का मैन्युअल रूप से अनुवाद करने के बजाय, मैंने इसे पूरी तरह से GPT-3 के साथ फिर से लिखने का फैसला किया।

उसी तरह, द गार्जियन ने GPT-3 से पूछा कि यह निजी बीटा में कब है।

जब मैंने उसे लेख का अनुवाद करने के लिए कहा, तो उसने तय किया कि शीर्षक काफी अच्छा नहीं था।

तो इसने इसे वर्तमान और भविष्य में बदल दिया

डरावना, है ना?

पर चलते हैं।

तो यह GPT-3 द्वारा फिर से लिखा गया मूल पेपर है:

कागज़

// इसका अंग्रेजी में अनुवाद करें और इसे तकनीकी लेख में बदलें:

सारांश

वर्तमान बाजार प्रोग्रामर को अपनी आधुनिक भाषाओं का उपयोग करके ईंटों (1) को ढेर करने की तलाश में है। ऐसे पेशेवरों को विशिष्ट उपकरणों में प्रशिक्षित किया जाता है जिनके जीवन चक्र बहुत कम होते हैं और फिर अप्रचलित हो जाते हैं।

वर्तमान में बुद्धिमान लोगों का उपयोग करके कंप्यूटर विकास करने के विकल्प हैं, जो अपने निर्णय लेने और रचनात्मक प्रक्रिया में भाग लेने में सक्षम हैं।

भविष्य के प्रोग्रामर को उत्कृष्ट और घोषणात्मक (2) होना होगा। पेशेवर जो एल्गोरिदम और जटिलता के बारे में जानते हैं और जो जानते हैं

परिचय

दुनिया में अधिकांश डेवलपर्स पुराने सिस्टम में बदलाव कर रहे हैं या जटिल पहले से मौजूद पुस्तकालयों या ढांचे का उपयोग करना है, जिन पर उनका बहुत कम नियंत्रण है और संशोधित करने के कुछ अवसर हैं। (3)

आज के सॉफ्टवेयर उद्योग में, पूरी तरह से खाली पृष्ठ के साथ, खरोंच से विकसित होने की आवश्यकता को खोजने की बहुत संभावना नहीं है।

फैशनेबल भाषा के साथ-साथ प्रोग्रामर की उम्र का विशिष्ट जीवनकाल। यह समयावधि आमतौर पर एक दशक से भी कम होती है, इसलिए उद्योग दस साल के प्रशिक्षण से पहले पेशेवरों को अप्रचलित के रूप में छोड़ देता है। (4)

पिछले दशकों में, वे चांदी की गोलियों (5), विजुअल बेसिक, सी ++, जावा, पीएचपी, पर्ल, जावास्क्रिप्ट, रूबी, पायथन और गोलैंग जैसी भाषाओं के रूप में फैशनेबल थे।

उनमें से कुछ पहले से ही उपयोग करना बंद कर रहे हैं, नए फैशन के लिए अपनी जगह छोड़ रहे हैं। (6)

सामान्य अवधारणाएँ (जिसे फ्रेडरिक ब्रूक्स आवश्यक (7) कहते हैं) हमारे पहले शैक्षणिक चरण में बेहतर अवशोषित होती हैं। हमें इन अवधारणाओं को बनाने पर ध्यान केंद्रित करना चाहिए ताकि पेशेवर आसानी से एक तकनीक (जिसे ब्रूक्स आकस्मिक कहते हैं) से दूसरी तकनीक (आकस्मिक और इसलिए, जल्दी अप्रचलित) में स्थानांतरित कर सकें।

धमकी

2021 तक कृत्रिम बुद्धिमत्ता और मशीन लर्निंग के पहले से ही कई विकल्प हैं, जो निम्न-स्तरीय प्रोग्रामिंग और एल्गोरिथम कार्यों (8) (9) को पूरा करने में सक्षम हैं।

आधुनिक वर्चुअल मशीनें (वे जो उच्च-स्तरीय भाषा की व्याख्या करती हैं जिसमें हम प्रोग्राम करते हैं और जो मौजूद हैं, उदाहरण के लिए, वेब ब्राउज़र में) हमारे लिए कोड का अनुकूलन करती हैं। (10)

जैसे-जैसे तकनीक आगे बढ़ती है, वैसे-वैसे निम्न-स्तरीय प्रोग्रामरों की आवश्यकता नहीं रह जाएगी, जैसे आज कोई भी पुस्तकालयाध्यक्षों की तलाश में नहीं है (11)। जैसा कि अन्य स्वचालित और अप्रचलित व्यवसायों के साथ होता है। (12)

हमारा पेशा अभी भी निम्न-स्तरीय अनिवार्य प्रोग्रामिंग सिखाने पर आधारित है जैसे कि हम 1960 या 1970 के दशक की समस्याओं का सामना कर रहे थे जब विशेष हार्डवेयर पंच कार्ड और ओपन टेप मशीन थे।

हम अपने छात्रों को बेतुका और अप्रचलित एल्गोरिथम अनुकूलन करने के लिए शिक्षित करते हैं, मशीनों की भाषा के बहुत करीब और समस्या की संस्थाओं के मॉडलिंग से बहुत दूर जो हम अपने कंप्यूटर समाधान में प्रस्तुत कर रहे हैं।

हम पेशेवरों को यह समझने के लिए प्रशिक्षित करते हैं कि कंप्यूटर कैसे काम करता है और अपनी भाषा में बोलने के लिए खुद को कम करने के लिए, निम्न-स्तरीय मानसिक मॉडल बनाते हैं और एल्गोरिदमिक तरीके से तर्क करने की कोशिश करते हैं जिसमें ट्यूरिंग मशीन प्रक्रिया करती है।

हालाँकि, आज हम उपरोक्त अमूर्तता की कई परतों के साथ सिमेंटिक मॉडल विकसित कर सकते हैं क्योंकि हम घोषणात्मक मानसिक मॉडल से संपर्क करते हैं, हम उसी समय मशीनों के कंप्यूटेबल एब्स्ट्रैक्शन से दूर जाते हैं। सबसे घोषणात्मक प्रोग्रामिंग भाषाएं हमें अपने मॉडलों के बारे में तर्क करने और नियमों का अनुमान लगाने की अनुमति देती हैं। इस प्रवृत्ति के खिलाफ, हमारे छात्र इकाई और शून्य के आधार पर अपने निर्देश लिखते हैं।

मूर का नियम (14) हमें हार्डवेयर के परिवर्तन की गति और प्रसंस्करण शक्ति में इसकी घातीय वृद्धि के बारे में बताता है। सॉफ्टवेयर के संबंध में, हम कई दशकों पहले की वास्तविकताओं और प्रशिक्षकों की जड़ता से रैखिक रूप से सीमित होते हैं। माल्थुसियन आर्थिक सिद्धांत (15) के अनुरूप हमें हार्डवेयर वक्र के साथ पकड़ने की जरूरत है ताकि मशीनें हमारे लिए इसे करने से पहले अपनी सारी क्षमता को मुक्त कर सकें।

अमूर्तता और वास्तविकता की समझ की कमी एक जड़त्वीय मानसिकता का लक्षण है, जो प्रोसेसर के समय प्रतिबंध और 60 और 70 के दशक के भंडारण पर आधारित है। ये प्रतिबंध आज बहुत विशिष्ट डोमेन तक सीमित हैं और उन समस्याओं का प्रतिनिधित्व नहीं करते हैं जिन्हें आज हमें सॉफ्टवेयर इंजीनियरों के रूप में हमारे अधिकांश कार्यों में हल करना है। (16)

वैकल्पिक

हमें सामान्यवादियों को प्रशिक्षित करने की जरूरत है, लेकिन सिद्धांतकारों को नहीं। जो लोग सॉफ्टवेयर इंजीनियरिंग की मूल बातें और नींव को समझते हैं और वर्तमान उपकरणों के आधार पर आकस्मिक कार्यान्वयन के लिए अनुकूल हो सकते हैं, लेकिन भविष्य के लिए भी जिन्हें हम आज तक नहीं जानते हैं।

सॉफ्टवेयर डिजाइन, जीवन चक्र मॉडल, टीम वर्क और एक साझा सिद्धांत (17), निरंतर एकीकरण और तैनाती या वास्तुकला जैसी अवधारणाएं, सीपीयू उपयोग को कम करने के लिए सीखने से ज्यादा महत्वपूर्ण हैं, रिएक्ट, वीयू फ्रेमवर्क, या केटा लाइब्रेरी का उपयोग करना। .

"भविष्यवाणी करना बहुत मुश्किल है, खासकर भविष्य के बारे में"। महान नील्स बोहर के लिए जिम्मेदार यह वाक्यांश हमें बताता है कि भविष्य की आशा करने की कोशिश करते समय हमें सावधान रहना चाहिए।

2004 के ट्यूरिंग अवार्ड (18) एलन की की व्याख्या करते हुए कहा: "भविष्य की भविष्यवाणी करने का सबसे अच्छा तरीका इसका आविष्कार करना है"।

हम निश्चित रूप से नहीं जानते कि मशीन स्वचालन का मार्ग क्या होगा, लेकिन हम यह अनुमान लगा सकते हैं कि हमारे पेशे का सबसे रचनात्मक और इंजीनियरिंग हिस्सा स्वचालन से पहले गिरने वाले अंतिम गढ़ों में से एक होना चाहिए।

सॉफ्टवेयर डेवलपर्स की अगली पीढ़ी को अपने कौशल को डिजाइन पर केंद्रित करना होगा, वास्तविक दुनिया को मॉडलिंग करना होगा, और अप्रचलित और विरासत सॉफ्टवेयर (19) के निर्माण से बचने के लिए समस्या डोमेन के साथ विकसित होने वाले अमूर्त बनाना होगा।

यह रणनीतिक दृष्टिकोण केवल विकास करियर तक ही सीमित नहीं है। डेटा विज्ञान में समान समस्याएं हैं: डेटा वैज्ञानिकों ने सामान्य पेशेवरों को प्रशिक्षित करने के बजाय मौजूदा एल्गोरिदम को अनुकूलित करने पर ध्यान केंद्रित किया, जो हमारे देश की शैक्षणिक और व्यावसायिक समस्याओं को समझने में सक्षम हैं और प्रत्येक स्थिति में कौन सा चयन करना है, यह निर्धारित करने के लिए अच्छे मानदंड हैं। उन्हें वास्तविक समस्या का मॉडल तैयार करने और विभिन्न संभावित समाधानों का मूल्यांकन करने के लिए प्रशिक्षित किया जाना चाहिए।

डेटा विज्ञान पेशेवरों के पास अपने मॉडलों को समायोजित करने के लिए अविश्वसनीय किस्म के उपकरण हैं। हम अभी भी एक सामान्य समाधान के साथ विशिष्ट समस्याओं को हल करने में सक्षम दूसरा "सुपर एल्गोरिथम" (20) खोजने से दूर हैं। हमारे भविष्य के पेशेवरों के पास एकमात्र सामान्य-उद्देश्य वाला कंप्यूटर है जो विभिन्न विशिष्ट समस्याओं को हल कर सकता है: उनका शानदार दिमाग।

हमारी जिम्मेदारी है कि हम उन दिमागों को वास्तविक समस्याओं के साथ खिलाएं और उत्तेजित करें, न कि उन खिलौनों के समाधान के साथ जिन्हें कंप्यूटर (पहले से ही 2020 में) अधिक कुशलता से हल करते हैं।

विडंबना यह है कि मशीनों के लिए निम्न-स्तरीय अनुकूलन करने के लिए हमारे दिमाग को बर्बाद करना हमारे सबसे महंगे संसाधन को अनुकूलित करने का सबसे खराब तरीका है।

ऐतिहासिक रूप से, हमने बहुत विशिष्ट और सैद्धांतिक उपकरणों के विकास का विशेषाधिकार प्राप्त किया है। यह विज्ञान में बहुत आम और वांछनीय है क्योंकि सैद्धांतिक प्रगति आमतौर पर दशकों तक ठोस कार्यान्वयन और उपयोग से पहले होती है।

हालाँकि, सॉफ्टवेयर विकास में, खोज और निष्कर्ष ज्यादातर अकादमिक क्षेत्र से पहले निजी क्षेत्र में पाए जाते हैं। हमारे पेशेवरों को आकस्मिक ट्रेंडी प्रौद्योगिकियों और भाषाओं से ऊपर की कार्यप्रणाली और अवधारणाओं में प्रशिक्षित किया जाना चाहिए। यह बाजार के बीच तनाव पैदा करता है जो चाहता है कि "एक उपकरण में कार्यान्वयन विशेषज्ञ" 5 या 10 वर्षों के अपने फैशन चक्र को पूरा करने पर उन्हें त्याग दें।

हमारे पेशेवर डिस्पोजेबल या रिसाइकिल करने योग्य नहीं होने चाहिए। हमें उन्हें तकनीकों में प्रशिक्षित करना चाहिए और उन्हें खुद को लगातार अपडेट रखना चाहिए, जैसा कि चिकित्सा, भौतिकी या जैव प्रौद्योगिकी जैसे अन्य व्यवसायों में होता है।

हमें क्या सिखाने की ज़रूरत है?

निर्माण और टीम वर्क जैसे "सॉफ्ट" कौशल के अलावा (चूंकि सॉफ्टवेयर एक सामूहिक गतिविधि से उत्पन्न होता है) (17), हमें अपने उच्च-स्तरीय समाधानों को मान्य करने के लिए डिज़ाइन और प्रोटोटाइप तकनीक सिखाना चाहिए।

जहां तक ​​सॉफ्टवेयर का सवाल है, हमारे मॉडलों के व्यवहार पर ध्यान केंद्रित करते हुए समाधान डिजाइन सिखाना अनिवार्य है और, आज हम जिन एल्गोरिदम का उपयोग करते हैं, उनमें से अधिकांश के ऐतिहासिक लेखक डोनाल्ड नुथ (21) को समयपूर्व अनुकूलन से परहेज करते हुए, क्योंकि हम एक खेल खेलना चाहते हैं। कि मशीनें हमसे कहीं बेहतर हावी हैं।

अवसर

अर्जेंटीना जैसे अच्छे शैक्षणिक स्तर वाले किसी भी देश के लिए प्रशिक्षण प्रतिभा एक सुलभ विकल्प है।

उत्कृष्ट सॉफ्टवेयर इंजीनियरों के प्रशिक्षण में निवेश करना एक रणनीतिक निर्णय है और टेक-ऑफ का अवसर है जिसका उपयोग एस्टोनिया, आयरलैंड, इज़राइल और भारत जैसे कई अन्य देशों द्वारा पहले ही किया जा चुका है। सदोस्की फाउंडेशन वर्तमान में इस दिशा में काम कर रहा है। (22)

अर्जेंटीना में, हमारे पास उत्कृष्ट शिक्षक, अंग्रेजी का एक अच्छा स्तर, संयुक्त राज्य अमेरिका और यूरोप के साथ संवाद करने के लिए एक अपराजेय समय क्षेत्र और सबसे विकसित देशों के साथ संगत संस्कृति है। हमें सूचना प्रौद्योगिकी को प्राथमिकता देने की जरूरत है और, उनके भीतर, मशीनीकृत प्रोग्रामर और निम्न-स्तरीय अनुकूलक के बजाय बुद्धिमान और घोषणात्मक इंजीनियरों को प्रशिक्षित करने की आवश्यकता है।

हमें अपने इंजीनियरों को क्या सिखाना चाहिए?

हमारे पेशेवरों को प्रोग्रामिंग, एल्गोरिदम, जटिलता और डेटाबेस का बुनियादी ज्ञान होना चाहिए।

इन सबसे ऊपर, उन्हें परीक्षण-संचालित विकास जैसी चुस्त तकनीकों का उपयोग करते हुए, स्वचालित परीक्षणों के साथ निरंतर एकीकरण और निरंतर परिनियोजन मॉडल के आधार पर डिज़ाइन बनाना सीखना चाहिए। (23)

उत्पादित सॉफ्टवेयर घोषणात्मक होना चाहिए और वांछित व्यवहार पर आधारित होना चाहिए (और स्वचालित कार्यात्मक परीक्षणों में निर्दिष्ट); हमें डेटा प्रकारों और फ़ाइल और स्ट्रिंग जोड़तोड़ के आधार पर 60 और 70 के दशक के शासन के प्रतिमान में सोचना बंद कर देना चाहिए, ताकि वास्तविक दुनिया के किसी भी पहलू के अनुकरण के साथ उच्च-स्तरीय मॉडल पर ध्यान केंद्रित किया जा सके जिसे हम हल करने के लिए प्रतिनिधित्व करना चाहते हैं। निश्चित समस्या। (24)

फैशन की आकस्मिक तकनीक के संबंध में व्यवहार पर आधारित डिजाइन की तकनीक अज्ञेयवादी हैं और यह 30 साल पहले इन अवधारणाओं से प्रशिक्षित एक इंजीनियर को आज भी ठोस विकास करने में सक्षम होने की अनुमति देता है।

दुर्भाग्य से, ऐसी स्थिति को प्रोग्रामर द्वारा दोहराया नहीं जाता है जो कुछ फैशनेबल भाषा पर हावी हैं, जिसका व्यावहारिक रूप से कोई उपयोग नहीं है और इससे उन्हें श्रम बाजार में अच्छे विकल्प नहीं मिलते हैं। विरोधाभास यह है कि पूर्ण रोजगार वाला एक व्यापार इन पेशेवरों को अनुकूलन करने में सक्षम नहीं होने के कारण छोड़ देता है। (25)

परिवर्तन, वर्तमान में, और भी अधिक लंबवत है। जब तक हम बुद्धिमान और व्यापक न हों, और उपयुक्त प्रशिक्षण न हो, तब तक प्रौद्योगिकियां बहुत कम चलती हैं और अप्रचलन हमारा पीछा करता है।

भविष्य का कार्य

यह एक राय टुकड़ा है। वर्तमान थीसिस का समर्थन करने के लिए भविष्य के काम के रूप में, हमें एक मात्रात्मक अध्ययन करना चाहिए जिसमें कर्मचारी टर्नओवर (25), उम्र के अनुसार प्रत्येक नौकरी में औसत समय और पूरी की गई पढ़ाई आदि के आंकड़े शामिल हैं।

ऐसा करने के लिए हमें बहुविषयक दृष्टिकोण के तहत सामाजिक विज्ञान से संबंधित तकनीकों का उपयोग करना चाहिए।

निष्कर्ष

भविष्य पहले ही आ चुका है। 5 या 10 वर्षों में प्रोग्रामर की नौकरी कैसी होगी, इसके बारे में हमें ज्यादा जानकारी नहीं है, लेकिन हमारे पास मजबूत संकेत हैं कि यह डेटा संरचनाओं के आधार पर एल्गोरिदम लिखने से संबंधित नहीं होगा। हमें ऐसे पेशेवरों को प्रशिक्षित करना चाहिए जो वास्तविक जीवन की समस्या को जल्दी से समझते हैं और जानते हैं कि सिमुलेटर को बहुत छोटी वैचारिक छलांग के साथ कैसे बनाया जाए, ताकि वे उन समस्याओं के साथ विकसित हो सकें जिन्हें हम आज हल कर रहे हैं।

स्वीकृतियाँ

इस लेख में विचारों का एक हिस्सा ब्यूनस आयर्स विश्वविद्यालय के सटीक विज्ञान संकाय में कंप्यूटर विज्ञान की डिग्री में सॉफ्टवेयर इंजीनियरिंग पाठ्यक्रम में शिक्षण कार्य से पैदा हुआ था।

1. GoLang
2. घोषणात्मक प्रोग्रामिंग
3. लीगेसी कोड
4. अप्रचलित प्रोग्रामर
5. कोई चांदी की गोली नहीं
6. फैशनेबल भाषाएं
7. कोई चांदी की गोली नहीं है
8. डीप कोडर
9. संवर्धित कोडिंग
10. वर्चुअल मशीन की प्रक्रिया करें
11. अप्रचलित पुस्तकालयाध्यक्ष
12. अर्जेंटीना में काम का भविष्य
13. ट्यूरिंग मशीन
14. मूर की विधि
15. माल्थुसियन विकास मॉडल
16. व्यापार सॉफ्टवेयर
17. सिद्धांत निर्माण
18. ट्यूरिंग अवार्ड
19. विरासत में मिला सॉफ्टवेयर
20. सामान्य एआई
21. नुथ - प्रोग्रामिंग कंप्यूटिंग की कला
22. सदोस्की फाउंडेशन
23. परीक्षण संचालित विकास
24. वस्तु सोच
25. मृत भाषाएं
26. प्रोग्रामर टर्नओवर

अनुवाद सटीक और सुंदर है।

मैंने इसे ग्रामरली और हेमिंग्वे ऐप से चेक किया है और बस कुछ व्याकरण संबंधी गलतियाँ पाई हैं।

उदाहरण के तौर पे:

Trabajo Futuro (भविष्य के काम के लिए स्पेनिश)

एस्टे एस अन आर्टिकुलो डी ओपिनियन। इसमें शामिल हैं, और इस पर ध्यान दें कि आप किस तरह से काम कर रहे हैं और इसे कैसे लागू किया जाए, इसमें शामिल हैं, जिसमें शामिल हैं: बहुविषयक।

GPT-3 में अनुवाद इस प्रकार है:

यह एक राय टुकड़ा है। वर्तमान थीसिस का समर्थन करने के लिए भविष्य के काम के रूप में, हमें एक मात्रात्मक अध्ययन करना चाहिए जिसमें कर्मचारी टर्नओवर (25), उम्र के अनुसार प्रत्येक नौकरी में औसत समय और किए गए अध्ययन आदि शामिल हैं। ऐसा करने के लिए हमें सामाजिक विज्ञान से संबंधित तकनीकों का उपयोग करना चाहिए। बहुविषयक दृष्टिकोण से।

जबकि Google अनुवाद उपज देता है:

भविष्य का कार्य

यह एक राय लेख है। इस थीसिस का समर्थन करने के लिए भविष्य के काम के रूप में, हमें कर्मचारी टर्नओवर के आंकड़े (25), उम्र के अनुसार प्रत्येक नौकरी में औसत समय और किए गए अध्ययनों आदि सहित मात्रात्मक कार्य करना चाहिए। इसके लिए हमें सामाजिक विज्ञान से संबंधित तकनीकों का उपयोग एक के तहत करना चाहिए। बहुअनुशासन वाली पहुँच।

मॉडल अंशांकन

मैंने तापमान 0 (यादृच्छिकता) और अधिकतम लंबाई 2000 टोकन के साथ टेक्स्ट-डेविन्सी-002 मॉडल का उपयोग किया

GPT-3 राय

इस लेख पर आपकी क्या राय है?

मुझे लगता है कि यह लेख प्रोग्रामिंग के भविष्य और प्रोग्रामर को बदलने के लिए अनुकूल होने की आवश्यकता के बारे में कुछ मान्य बिंदु बनाता है। मैं सहमत हूं कि उद्योग अधिक स्वचालित समाधानों की ओर बढ़ रहा है और इससे अंततः प्रोग्रामर की आवश्यकता में कमी आएगी। हालांकि, मुझे लगता है कि हमेशा ऐसे प्रोग्रामर की आवश्यकता होगी जो जटिल समस्याओं को समझने और हल करने में सक्षम हों।

(फिर से डरावना !!)

मेटा निष्कर्ष

मैं निश्चित रूप से, उन्हें सुधारने के लिए तकनीकी लेख लिखने के लिए GPT-3 का उपयोग करता रहूंगा।