अगले 18 महीनों के लिए अनुसंधान प्राथमिकताएँ: स्वायत्त कोडिंग को आगे कहाँ जाना चाहिए

अनुसंधान प्राथमिकताएँ: स्वायत्त कोडिंग के अगले 18 महीने

एआई-संचालित कोडिंग असिस्टेंट पहले से ही सॉफ्टवेयर विकास को बदल रहे हैं। 2025 के अंत तक, GitHub Copilot और AI चैटबॉट जैसे उपकरण अधिकांश डेवलपर्स द्वारा रोजाना उपयोग किए जा रहे होंगे, और गैर-प्रोग्रामर भी साधारण संकेतों के साथ कोड का प्रोटोटाइप बना सकते हैं। Google के सीईओ का मानना है कि यह प्रवृत्ति – जिसे अक्सर "वाइब कोडिंग" कहा जाता है – गैर-तकनीकी कर्मचारियों के लिए प्रोग्रामिंग को अधिक सुलभ बना रही है (www.itpro.com)। हालांकि, वास्तविक दुनिया के परिनियोजन ने महत्वपूर्ण कमियों को उजागर किया है। एआई-जनित कोड में अक्सर सूक्ष्म बग होते हैं, जटिल परियोजनाओं पर विफल हो जाता है, और जवाबदेही और नीतिगत मुद्दे उठाता है। प्रयोगशाला प्रदर्शनों से विश्वसनीय उत्पादन प्रणालियों तक जाने के लिए, हमें चार मोर्चों पर केंद्रित अनुसंधान की आवश्यकता है: विश्वसनीयता, दीर्घकालिक योजना, सत्यापनशीलता, और सामाजिक-तकनीकी शासन। नीचे हम प्रमुख खुली समस्याओं की रूपरेखा देते हैं और उनसे निपटने के लिए अनुसंधान एजेंडा, बेंचमार्क और सहयोग का प्रस्ताव करते हैं।

1. विश्वसनीयता और कोड गुणवत्ता

एक प्रमुख मुद्दा मूलभूत विश्वसनीयता है: एआई असिस्टेंट द्वारा लिखा गया कोड अभी भी मानव कोड की तुलना में काफी अधिक त्रुटियाँ रखता है। उदाहरण के लिए, 470 GitHub पुल रिक्वेस्ट के विश्लेषण में पाया गया कि एआई-लिखित PRs में मानव-लिखित PRs की तुलना में लगभग 1.7 गुना अधिक समस्याएँ थीं (www.itpro.com)। औसतन एआई PRs ने ~10.8 समस्याएँ (लॉजिक बग, नामकरण या फ़ॉर्मेटिंग समस्याएँ, सुरक्षा खामियाँ, आदि) उत्पन्न कीं, जबकि मानव PRs के लिए यह ~6.5 थी (www.itpro.com)। विशेष रूप से, एआई-लिखित कोड में गंभीर बग (लॉजिक त्रुटियाँ और सुरक्षा कमजोरियाँ मानव कोड की तुलना में लगभग दोगुनी बार दिखाई दीं) का एक भारी “टेल” था (www.itpro.com)। व्यवहार में, एआई उपकरणों का उपयोग करने वाली टीमों ने आश्चर्य की सूचना दी है: ऐसा कोड जो अलग-अलग सही दिखता है लेकिन एकीकरण में विफल हो जाता है या छिपी हुई खामियाँ रखता है। वास्तव में, कोड-जेनरेशन उपकरणों के एक व्यापक सर्वेक्षण में पाया गया है कि मौजूदा बेंचमार्क उत्पादन में देखी जाने वाली विफलता मोड को कैप्चर नहीं करते हैं – जैसे हैलुसिनेटेड एपीआई कॉल, असंगत नामकरण, या सूक्ष्म लॉजिक त्रुटियाँ जो यूनिट परीक्षणों से फिसल जाती हैं (doi.org)। संक्षेप में, एआई काम करने वाले कोड स्निपेट उत्पन्न कर सकता है, लेकिन वे स्निपेट अक्सर उत्पादन के लिए तैयार नहीं होते हैं (doi.org)।

डेवलपर अनुभव इस अविश्वास को दर्शाता है। एक बड़े सोनारसोर्स सर्वेक्षण (उद्योग प्रेस द्वारा रिपोर्ट किया गया) में पाया गया कि जबकि 72% इंजीनियर AI उपकरणों का दैनिक उपयोग करते हैं 42% तक कोड लिखने के लिए, एक चौंका देने वाले 96% स्वीकार करते हैं कि वे AI आउटपुट पर पूरी तरह भरोसा नहीं करते (www.itpro.com)। फिर भी, आधी से भी कम टीमें AI-जनित कोड को कमिट करने से पहले हमेशा उसकी समीक्षा करती हैं (www.itpro.com)। यह अंतर – उच्च उपयोग लेकिन कम विश्वास – विशेषज्ञों द्वारा “सत्यापन ऋण” कहे जाने वाले को जन्म देता है। बेहतर विश्वसनीयता के बिना, संगठन जब भी AI कोडिंग शॉर्टकट अपनाते हैं तो उन्हें पकड़ने में मुश्किल बग और तकनीकी ऋण पेश करने का जोखिम होता है (www.itpro.com)।

अनुसंधान एजेंडा: हमें एआई कोड में त्रुटि पैटर्न का व्यवस्थित अध्ययन और उन्हें कम करने के लिए नई विधियों की आवश्यकता है। विचारों में स्वचालित एआई-प्रूफिंग शामिल है: स्थिर विश्लेषक या द्वितीयक मॉडल को एकीकृत करना जो सामान्य गलतियों के लिए एआई आउटपुट को स्कैन करते हैं (दूसरे समीक्षक के समान)। बेहतर एलएलएम प्रशिक्षण उद्देश्यों को स्थिरता पर ध्यान केंद्रित करना चाहिए - उदाहरण के लिए, मॉडल को सुरक्षित समाधान पसंद करने के लिए सिखाने के लिए बग वाले बनाम स्वच्छ कोड उदाहरणों पर प्रशिक्षण देना। शोधकर्ताओं को विश्लेषण करना चाहिए कि किस प्रकार के कोड (एल्गोरिदम, I/O, सुरक्षा-महत्वपूर्ण) एआई के आंतरिक अनुमानों को विफल करते हैं, और विशेष सुरक्षा विकसित करते हैं। उदाहरण के लिए, शुरुआती काम ने यह दर्शाया है कि एआई उपकरण जोखिम भरे शॉर्टकट (हार्डकोडेड पासवर्ड, अक्षम लूप, आदि) का अत्यधिक उपयोग करते हैं (www.businesswire.com) (www.infoworld.com)। हमें इन विफलता मोड को संहिताबद्ध करना चाहिए।

शैक्षिक समाधान भी मदद कर सकते हैं: जैसा कि सामुदायिक दिशानिर्देशों पर जोर दिया गया है, एआई उपकरण केवल सहायता कर सकते हैं – मनुष्यों को सत्यापित करना चाहिए (firefox-source-docs.mozilla.org) (chromium.googlesource.com)। इसे प्रोत्साहित करने के लिए, भविष्य के उपकरण स्वचालित रूप से चेतावनी उत्पन्न कर सकते हैं या मानव अनुमोदन के बिना कार्यों को संभालने से भी इनकार कर सकते हैं। बेंचमार्किंग को बदलना चाहिए: "क्या यह कोड संकलित होता है" से आगे बढ़कर "कितनी सूक्ष्म समस्याएँ बची हुई हैं" पर ध्यान केंद्रित करना चाहिए। उदाहरण के लिए, कोड-समीक्षा एआई मॉडल उभर रहे हैं जो विशेष रूप से बग-पहचान प्रदर्शन को मापते हैं (docs.factory.ai)। वास्तविक एआई बनाम मानव कोड परिवर्तनों (एनोटेटेड दोषों के साथ) का एक सार्वजनिक डेटासेट तैयार करने का एक सामुदायिक प्रयास – कोडरेबिट के पीआर अध्ययन के समान – शोधकर्ताओं को विश्वसनीयता में प्रगति को ट्रैक करने देगा।

2. दीर्घकालिक योजना और रखरखाव

एआई कोड जनरेटर छोटे, स्व-निहित कार्यों में उत्कृष्ट होते हैं, लेकिन बड़े प्रोजेक्ट उनकी सीमाओं को उजागर करते हैं। वास्तविक सॉफ्टवेयर समय के साथ विकसित होता है, जिसमें बदलती आवश्यकताएं, कई फाइलें और प्रबंधित करने के लिए वास्तुकला संबंधी निर्णय होते हैं। सर्वेक्षणों से पता चलता है कि “सही पृथक फ़ंक्शन उत्पन्न करना एक बड़े कोडबेस में सुसंगत वास्तुकला संबंधी निर्णयों को बनाए रखने से गुणात्मक रूप से भिन्न होता है” (doi.org)। व्यवहार में, यहां तक कि अत्याधुनिक मॉडल भी बहु-चरण, बहु-फ़ाइल कार्यों से जूझते हैं। दो हालिया बेंचमार्क इस अंतर को उजागर करते हैं:

रोडमैपबेंच (मई 2026) वास्तविक ओपन-सोर्स परियोजनाओं पर “दीर्घकालिक” अपग्रेड का मूल्यांकन करता है। प्रत्येक कार्य एजेंट को एक परियोजना का आधार संस्करण और लागू करने के लिए सुविधाओं की एक सूची देता है, जिसमें 50 से अधिक फाइलों में ~3,700 लाइनें बदल जाती हैं। यहां तक कि सबसे मजबूत मॉडलों में से एक क्लाउड-ओपस-4.7 ने भी केवल ~39% कार्यों को हल किया, और अन्य मॉडल 5% तक गिर गए (papers.cool)। इसके विपरीत, साधारण वन-शॉट बग फिक्स में लगभग पूर्ण एआई प्रदर्शन देखा जाता है। रोडमैपबेंच के लेखक निष्कर्ष निकालते हैं कि “दीर्घकालिक सॉफ्टवेयर विकास काफी हद तक एक अनसुलझी समस्या बनी हुई है।” (papers.cool)
स्लोपकोडबेंच (2026) पुनरावृत्तीय विकास की जांच करता है। एजेंटों को एक कार्य दिया गया और कोड बनाया गया, फिर 20 राउंड में कार्य विनिर्देश बदल गए, जिससे कोड को विकसित होने के लिए मजबूर होना पड़ा। परिणाम: भले ही सभी मध्यवर्ती संस्करण मौजूदा परीक्षणों को पास कर चुके थे, एआई-जनित कोडबेस मानव-रखरखाव वाले कोड की तुलना में 2.2 गुना अधिक विस्तृत और बनाए रखने में बहुत कठिन हो गए (www.techradar.com)। वास्तव में, किसी भी शीर्ष मॉडल ने पूरी अनुक्रम को हल नहीं किया: अंतिम चेकपॉइंट तक सफलता दर ~0.5% तक गिर गई। यह दर्शाता है कि छोटी डिज़ाइन त्रुटियां जमा होती हैं, जिससे भविष्य के संशोधनों में बाधा आती है (www.techradar.com)।

ये निष्कर्ष योजना और विघटन पर अनुसंधान ध्यान केंद्रित करने का सुझाव देते हैं। एआई प्रणालियों को केवल प्रॉम्प्ट के अनुसार “कोड लिखना” नहीं चाहिए, बल्कि बहु-चरण रणनीतियों की योजना बनानी चाहिए। एक उभरता हुआ विचार योजना-और-निष्पादित करना है: मॉडल को पहले एक डिज़ाइन या चरणों का अनुक्रम रेखांकित करने दें, फिर प्रत्येक चरण के लिए कोड उत्पन्न करें (crabtalk.ai)। वास्तव में, कोडिंग एजेंटों (क्लाउड कोड, GitHub Copilot, आदि) के विश्लेषण से पता चलता है कि नियोजन को निष्पादन से अलग करना (और योजना को उपयोगकर्ता के सामने उजागर करना) जटिल कार्यों पर प्रदर्शन में नाटकीय रूप से सुधार करता है (crabtalk.ai)। अनुसंधान को नई वास्तुकला विकसित करनी चाहिए: उदाहरण के लिए, नेस्टेड एजेंट जहाँ एक “प्रबंधक” एलएलएम एक बड़ी समस्या को कार्यकर्ता एलएलएम के लिए उप-कार्यों में तोड़ता है। दीर्घकालिक स्मृति तंत्र की भी आवश्यकता है: भविष्य के मॉडल को सत्र में पहले उत्पन्न कोड को संदर्भ विंडो से परे भी याद रखना चाहिए।

बेंचमार्क: समुदाय को ऐसे बेंचमार्क परिभाषित करने चाहिए जो वास्तविक डेवलपर कार्य को दर्शाते हों। रोडमैपबेंच से आगे बढ़कर, हमें कई भाषाओं और एकीकरण चुनौतियों (फ्रंटएंड/बैकएंड, डेटाबेस, आदि) को कवर करने वाले कार्यों की आवश्यकता है। सिम्युलेटेड टीम प्रोजेक्ट यह परीक्षण करेंगे कि AI और मनुष्य रिलीज़ के दौरान कैसे सहयोग करते हैं। सॉफ्टवेयर इंजीनियरिंग से विचारों को उधार लेते हुए, बेंचमार्क न केवल शुद्धता बल्कि रखरखाव क्षमता (एक नई सुविधा जोड़ना कितना आसान है?), प्रदर्शन (क्या AI कोड विकसित होने पर खराब होता है?), और एकीकरण (क्या यह मौजूदा शैली परंपराओं में फिट बैठता है?) को माप सकता है। उदाहरण के लिए, बेंचमार्क एक मौजूदा कोडबेस से शुरू हो सकता है और एजेंट से समय-समय पर परीक्षणों के साथ सुविधाओं के अनुरोधों या रिफैक्टरिंग की एक श्रृंखला को लागू करने के लिए कह सकता है। अगले 18 महीनों में, ऐसी खुली चुनौतियां (शायद अकादमिक-औद्योगिक प्रतियोगिताओं के माध्यम से) बनाना बहु-स्तरीय कोडिंग में अनुसंधान का मार्गदर्शन करेगा।

3. सत्यापनशीलता और औपचारिक इंटरफेस

जैसे-जैसे एआई असिस्टेंट अधिक महत्वपूर्ण कार्यों का प्रयास करते हैं, शुद्धता सुनिश्चित करना आवश्यक हो जाता है। सत्यापनशीलता का अर्थ है कोड को सटीक विशिष्टताओं या परीक्षण सूट से जोड़ना ताकि हम यह सुनिश्चित कर सकें कि यह वही करता है जो हम चाहते हैं। क्लासिक इंजीनियरिंग में, कोड करने से पहले एक औपचारिक विशिष्टता या पूरी तरह से परीक्षण लिखे जाते हैं। हम इस मानसिकता को एआई-संचालित कोडिंग में कैसे लाते हैं?

एक अवसर “क्लोज्ड-लूप” जनरेशन है। हाल के काम में यह प्रस्ताव है कि एक एआई-जनित कोड, उसका डॉकस्ट्रिंग और कोई भी औपचारिक एनोटेशन संगतता के लिए जांचा जाना चाहिए। उदाहरण के लिए, क्लोवर दृष्टिकोण कोड के साथ-साथ औपचारिक विशिष्टताओं (जैसे डैफनी जैसी भाषाओं का उपयोग करके) को स्वचालित रूप से उत्पन्न करता है, और फिर असंगत समाधानों को अस्वीकार करने के लिए प्रूफ टूल का उपयोग करता है (theory.stanford.edu)। शुरुआती परीक्षणों में इसने पाठ्यपुस्तक-स्तर के डेटासेट पर सभी गलत कार्यक्रमों का पता लगाया। इसी तरह, ऑटोएसीएसएल स्थिर विश्लेषण का उपयोग करके एक एलएलएम को सटीक फ़ंक्शन अनुबंध (पूर्व/पश्चात-स्थितियां) लिखने के लिए प्रेरित करता है और फिर उन्हें फ्रामा-सी (papers.cool) से सत्यापित करता है। असंतुष्ट स्थितियों को वापस फीड करके, इसने सिद्ध-सही कोड के प्रतिशत में नाटकीय रूप से सुधार किया। ये उदाहरण दिखाते हैं कि कोड-जनरेशन चरण में औपचारिक तरीकों को एकीकृत करने से एक अनियंत्रित एआई अनुमान को एक सत्यापित कार्यक्रम में बदला जा सकता है।

औपचारिक गणित के अलावा, हमें अनौपचारिक विशिष्टताओं, परीक्षणों और कोड के बीच बेहतर इंटरफेस की भी आवश्यकता है। आज एक फ़ंक्शन को अंग्रेजी में वर्णित करना और यह उम्मीद करना आम बात है कि एआई सही काम करेगा। लेकिन हमें एआई से परीक्षण मामले, प्रकार एनोटेशन और डिज़ाइन टिप्पणियाँ उत्पन्न करने या मांगने के लिए भी कहना चाहिए। उदाहरण के लिए, एक प्रॉम्प्ट पहले मॉडल से प्राकृतिक भाषा या स्यूडोकोड में एल्गोरिथम या इनवेरिएंट का वर्णन करने के लिए कह सकता है, और उसके बाद ही उसे कोड करने के लिए कह सकता है। या हम कॉन्ट्रैक्ट-फर्स्ट डेवलपमेंट का उपयोग कर सकते हैं: यूनिट टेस्ट (या प्रॉपर्टी टेस्ट) लिखें जिन्हें एआई को संतुष्ट करना होगा। इन विचारों के मोटे स्केच ने वादा दिखाया है: कुछ उदाहरण-आधारित परीक्षण उत्पन्न करना भी मॉडल को तुच्छ समाधानों से दूर कर सकता है।

बेंचमार्क: नए बेंचमार्क में औपचारिक-जांच संबंधी समस्याएँ शामिल होनी चाहिए। उदाहरण के लिए, हम ऐसे कार्य जोड़ सकते हैं जहाँ “शुद्धता” को केवल यूनिट परीक्षणों के बजाय एक प्रमेय प्रोवर या सिम्बोलिक चेकर द्वारा सत्यापित किया जाता है। LTL/TLA+ या अलॉय स्पेसिफिकेशन्स और संबंधित कोड के साथ उपयोगकर्ता कहानियों के डेटासेट मूल्यवान होंगे। शिक्षा में, TLA+ मॉडल-चेक चुनौती जैसी प्रतियोगिताएं दिखाती हैं कि विनिर्देशन कठिन है – एक अध्ययन में पाया गया कि वर्तमान एलएलएम सीधे TLA+ स्पेसिफिकेशन्स पर केवल ~8% अर्थ संबंधी शुद्धता प्राप्त करते हैं (papers.cool)। ओपन-सोर्स प्रोजेक्ट विनिर्देशन भाषाओं को अधिक व्यापक रूप से जारी कर सकते हैं (एक प्रकार का कोडिंग हलफनामा)। API स्पेसिफिकेशन्स या डेटा स्कीमा के लिए मानकीकृत प्रारूप (YAML, JSON) का उपयोग AI द्वारा कोड को इच्छित व्यवहार के साथ संरेखित करने के लिए किया जा सकता है।

4. सामाजिक-तकनीकी शासन और विश्वास

अंत में, स्वायत्त कोडिंग मानवीय और नीतिगत मुद्दे उठाती है। एआई कोड के लिए कौन जिम्मेदार है? हम सुरक्षा, कॉपीराइट अनुपालन और जवाबदेही कैसे सुनिश्चित करते हैं? कई संगठनों ने इस पर ध्यान देना शुरू कर दिया है, लेकिन खुले प्रश्न अभी भी बने हुए हैं।

डेवलपर अभ्यास: जैसा कि उल्लेख किया गया है, उद्योग सर्वेक्षण एक विश्वास अंतर दिखाते हैं। डेवलपर्स जानते हैं कि उन्हें एआई आउटपुट की समीक्षा करनी चाहिए, लेकिन अगर यह आसान होता है तो वे अक्सर इसे छोड़ देते हैं, जिससे जोखिम अप्रबंधित रहता है (www.itpro.com)। जवाब में, प्रमुख परियोजनाओं ने स्पष्ट नियम निर्धारित किए हैं। उदाहरण के लिए, ओपनइन्फ्रा फाउंडेशन एआई सहायता की अनुमति तभी देता है जब कमिट को “Assisted-By:” या “Generated-By:” टैग के साथ लेबल किया गया हो (openinfra.org)। Google का क्रोमियम प्रोजेक्ट भी इसी तरह यह मांग करता है कि लेखक किसी भी एआई-सुझावित कोड को पूरी तरह से समझें अन्यथा कमिट विशेषाधिकार खो दें (chromium.googlesource.com)। मोज़िला की फ़ायरफ़ॉक्स नीति स्पष्ट रूप से कहती है: “एआई सहायता कर सकता है, लेकिन जिम्मेदारी हमेशा परिवर्तन के पीछे के इंसान की होती है” (firefox-source-docs.mozilla.org)। यहां तक कि NumPy परियोजना भी चेतावनी देती है कि आपको किसी भी सबमिट किए गए कोड को समझाने में सक्षम होना चाहिए, भले ही एआई ने इसे लिखा हो या नहीं (numpy.org)। ये नीतियां इस बात पर जोर देती हैं कि केवल तकनीकी उपकरण ही अपर्याप्त हैं – हमें स्पष्ट कार्यप्रवाह और संस्कृति की भी आवश्यकता है।

विनियमन और मानक: व्यापक पैमाने पर, सरकारें और मानक निकाय गति पकड़ रहे हैं। यूरोपीय संघ सामान्य-उद्देश्य एआई के लिए आचार संहिता को अंतिम रूप दे रहा है, जिसके लिए एआई मॉडल प्रदाताओं से पारदर्शिता और सुरक्षा उपायों की आवश्यकता होगी (digital-strategy.ec.europa.eu)। हालांकि यह कोडिंग के लिए विशिष्ट नहीं है, यह प्रशिक्षण डेटा लाइसेंस और मॉडल व्याख्यात्मकता पर कड़ी जांच का संकेत देता है – दोनों अत्यधिक प्रासंगिक हैं यदि आपका कोड असिस्टेंट कॉपीराइटेड कोड से लिया गया है। इसी तरह, ISO और IEEE ने शासन और नैतिकता के लिए एआई मानकों को शुरू कर दिया है, हालांकि कुछ ही सीधे कोड जनरेशन को संबोधित करते हैं। एआई अधिनियम (ईयू) और आगामी यूएस दिशानिर्देश संभवतः इस बात को प्रभावित करेंगे कि कंपनियां आंतरिक रूप से एआई कोड का कैसे मूल्यांकन करती हैं।

सहयोग की आवश्यकता: इन सामाजिक-तकनीकी अंतरालों को पाटने के लिए संयुक्त प्रयासों की आवश्यकता होगी। शिक्षाविद यह अध्ययन कर सकते हैं कि एआई उपकरण टीम की उत्पादकता, भेद्यता की खोज और लाइसेंसिंग को कैसे प्रभावित करते हैं; उद्योग वास्तविक एआई-संबंधित घटनाओं पर गुमनाम डेटा साझा कर सकता है; मानक निकाय (जैसे W3C, IEEE) नैतिक एआई दिशानिर्देशों में कोडिंग परिदृश्यों को शामिल कर सकते हैं। उदाहरण के लिए, कार्यशालाएं एआई कोड सुरक्षा के लिए मूल्यांकन मानदंड परिभाषित करने के लिए एसएटी-ईएल (सॉफ्टवेयर आश्वासन) विशेषज्ञों को एमएल विशेषज्ञों के साथ ला सकती हैं। दिशानिर्देश मानकों में विकसित हो सकते हैं (जैसे “IEEE 8201: एआई-सहायता प्राप्त सॉफ्टवेयर प्रक्रिया”), संगठनों को एक सामान्य ढांचा प्रदान करते हुए। अगले 18 महीनों में, श्वेत पत्रों, कंसोर्टिया या ओपन-सोर्स नीति टेम्पलेट्स के माध्यम से सर्वोत्तम प्रथाओं पर आम सहमति बनाना टीमों को इन उपकरणों को जिम्मेदारी से अपनाने में मदद करेगा।

5. अनुसंधान और बेंचमार्क एजेंडा

संक्षेप में, हम अनुसंधान समुदाय के लिए निम्नलिखित ठोस कदमों का सुझाव देते हैं:

संवर्धित बेंचमार्क: बेंचमार्क का एक सूट विकसित करें जो वास्तविक सॉफ्टवेयर परियोजनाओं की नकल करता हो। उदाहरण के लिए, बहु-मॉड्यूल फ्रेमवर्क (वेब ऐप्स, एपीआई, एम्बेडेड सिस्टम) जहां एआई को नई सुविधाओं को लागू करना चाहिए और फिर उन्हें बनाए रखना चाहिए। विकसित हो रहे विनिर्देशों (बदलती आवश्यकताओं का अनुकरण) को शामिल करें। केवल टेस्ट पास दरें ही नहीं बल्कि कोड की जटिलता, पठनीयता, सुरक्षा मेट्रिक्स और समीक्षा कार्यभार को भी मापें। बेंचमार्क कार्यों के रूप में वास्तविक बग-फिक्स इतिहास और सुविधा अनुरोधों को स्रोत करने के लिए उद्योग के साथ काम करें।
त्रुटि वर्गीकरण अध्ययन: एआई द्वारा पेश की जाने वाली बगों के प्रकारों को व्यवस्थित रूप से वर्गीकृत करें। CodeRabbit की रिपोर्ट ने एक प्रारंभिक विवरण दिया (तर्क त्रुटियां, नामकरण मुद्दे, आदि) (www.infoworld.com)। एक बड़ा अकादमिक अध्ययन पीआर डेटा एकत्र कर सकता है और एआई बनाम मानव त्रुटियों को वर्गीकृत कर सकता है। यह नए मॉडल नुकसानों (जैसे सुरक्षा पर अतिरिक्त भार) और स्वचालित डिटेक्टरों (ऐसे उपकरण जो आमतौर पर एआई-गलत पैटर्न को ध्वजांकित करते हैं) का मार्गदर्शन करेगा।
योजना और बहु-एजेंट अनुसंधान: प्लानर/एक्जीक्यूटर एजेंटों जैसी वास्तुकला का अन्वेषण करें। यह जांचें कि एआई सिस्टम को सत्रों में कुछ प्रकार की स्मृति कैसे दी जाए या पदानुक्रमित योजना को कैसे लागू किया जाए। एजेंटिक एआई और रोबोटिक्स में मौजूदा काम के साथ सहयोग करें (कोड के लिए बहु-चरण तर्क विधियों का पुन: उपयोग)।
औपचारिक विधियों का एकीकरण: क्लोवर और ऑटोएसीएसएल जैसे अनुसंधान में निवेश करें जो प्रोग्राम संश्लेषण और प्रमाणों को जोड़ते हैं। औपचारिक-विधियों के शोधकर्ताओं को एनएलपी/एमएल समूहों के साथ साझेदारी करने के लिए प्रोत्साहित करें। उदाहरण के लिए, अकादमिक प्रतियोगिताएं साझा कार्यों पर एलएलएम कोड असिस्टेंट को प्रोवर के साथ जोड़ सकती हैं। एआई-जनित प्रमाणों या अनुबंध अनुमान के लिए प्रतियोगिताएं बनाएं।
शासन ढांचा: टीम प्रथाओं और देयता पर सामाजिक विज्ञान अध्ययन। उदाहरण के लिए, डेवलपर अध्ययन चलाएं: टीमों को एआई उपकरण दें और निरीक्षण करें कि वे कैसे समीक्षा और डीबग करते हैं। आईपी पर कानूनी अनुसंधान: जैसा कि एक ब्लॉग नोट करता है, “Copilot कॉपीराइट समस्या” (गैर-लाइसेंसशुदा कोड) एक खुला मुद्दा है (www.systemshardening.com)। मानक निकायों को एआई कोड के लिए डेटा लाइसेंसिंग और एट्रिब्यूशन के आसपास स्पष्ट दिशानिर्देश तैयार करने चाहिए।
टूलिंग और इंटरफेस: अंत में, ऐसे उपकरण प्रोटोटाइप बनाएं जो सर्वोत्तम प्रथाओं को प्रदर्शित करते हों। एक उदाहरण: एक एआई कोडिंग आईडीई प्लगइन जो किसी भी एआई-जनित कोड पर स्वचालित रूप से स्थिर विश्लेषण या परीक्षण चलाता है और उपयोगकर्ता को चेतावनी देता है। या एक सीएलआई जो कोडबेस में सभी एआई-सहायता प्राप्त अनुभागों को लेबल करता है। ओपन-सोर्स परियोजनाओं को “एआई का उपयोग किया गया” बैज या कमिट-संदेश परंपराओं को अपनाने के लिए प्रोत्साहित करें। इन अनौपचारिक मानकों को बाद में औपचारिक रूप दिया जा सकता है।

सामुदायिक बेंचमार्क परिभाषित करके और बहु-संस्थागत चुनौतियां आयोजित करके (जैसे कुछ सुरक्षा या रखरखाव लक्ष्यों को पूरा करने के लिए एआई-कोडिंग हैकाथॉन), हम प्रगति को ट्रैक कर सकते हैं। इसे इस तरह से सोचें कि कैसे ImageNet ने दृष्टि को आगे बढ़ाया: हमें कोड के लिए एक साझा “ImageNet” की आवश्यकता है जो वास्तविक विकास को दर्शाता हो। शुरुआती प्रयास (RoadmapBench, SlopCodeBench, Sigmabench (sigmabench.com)) रास्ता दिखाते हैं, लेकिन आगे हमें उन्हें बढ़ाना और उन्हें व्यापक रूप से उपलब्ध कराना चाहिए।

6. औपचारिक इंटरफेस: विशिष्टताएँ, परीक्षण और कोड

एक केंद्रीय अवसर विशिष्टताओं और परीक्षणों को कोडिंग लूप में अधिक कसकर एकीकृत करना है। पारंपरिक विकास में, एक विशिष्टता यह बताती है कि कोड को क्या करना चाहिए, और परीक्षण इसकी जांच करते हैं। एआई उपकरण इन्हें जोड़ने में मदद कर सकते हैं। उदाहरण के लिए, एक आशाजनक अभ्यास स्पेक-ड्राइव जनरेशन है: पहले एक (संभवतः अनौपचारिक) विशिष्टता लिखें, फिर एआई को इसे कोड करने के लिए प्रेरित करें। इससे भी बेहतर, कोई एआई के साथ मिलकर विशिष्टता विकसित कर सकता है। उदाहरण के लिए, असिस्टेंट से पूछें: “इस आवश्यकता के लिए यूनिट टेस्ट उत्पन्न करें,” फिर “कोड को सत्यापित करने के लिए उन परीक्षणों का उपयोग करें।” यह एक औपचारिक इंटरफ़ेस बनाता है: प्राकृतिक-भाषा विशिष्टता, इसके द्वारा निहित परीक्षण, और कोड एक तंग त्रिकोण बनाते हैं।

अनुसंधान पक्ष पर, विशिष्टताओं के लिए एक मानक प्रारूप (जैसे कार्यक्षमता का वर्णन करने वाला YAML या JSON स्कीमा) परिभाषित किया जा सकता है और AI सिस्टम को इसे उपभोग करने की आवश्यकता हो सकती है। TLA+, अलॉय, या BDD-शैली के उपकरण (खीरा) जैसे प्रयासों को एकीकृत किया जा सकता है: कल्पना करें कि आप AI को बता रहे हैं, “कृपया ऐसा कोड उत्पन्न करें जो इस TLA+ मॉडल को संतुष्ट करता हो।” हालांकि आज LLM खरोंच से TLA+ लिखने में महान नहीं हैं (papers.cool), मानव-लिखित अमूर्त विशिष्टता को AI-संवर्धित कोड जनरेशन के साथ जोड़ना अन्वेषण के योग्य है। लक्ष्य टीमों के लिए एक चलाने योग्य विशिष्टता (भले ही अनौपचारिक हो) का उत्पादन करना आसान बनाना है जिसे AI सम्मान करता है। औपचारिक परीक्षणों को तब स्वतः उत्पन्न किया जा सकता है: हालिया काम दिखाता है कि GPT मॉडल फ़ंक्शन व्यवहार के विवरण दिए जाने पर संपत्ति-आधारित परीक्षण उत्पन्न कर सकते हैं।

अधिक महत्वाकांक्षी रूप से, हम औपचारिक विशिष्टता टेम्पलेट बना सकते हैं। क्लाउड डिप्लॉयमेंट या सुरक्षा-महत्वपूर्ण कोड के लिए, एक टेम्पलेट (जैसे “उपयोगकर्ता प्रमाणीकरण प्रवाह” फ़ील्ड के साथ) परिभाषित करें। AI टेम्पलेट भरता है और कोड उत्पन्न करता है; एक सत्यापनकर्ता अनुबंध की जाँच करता है। इन इंटरफेस को प्रदान करके, हम कोडिंग को एक ब्लैक बॉक्स से अधिक नियंत्रित पाइपलाइन में बदलते हैं। TLA+ के लिए AI उपकरण या LLM-से-स्पेक अनुवाद (कुछ शोध समूहों में चल रहा है) जैसी पहल शुरुआती उदाहरण हैं। व्यवहार में, यहां तक कि आंशिक अपनाने (AI से टिप्पणियां या प्रकार हस्ताक्षर आउटपुट करने के लिए कहना) भी शुद्धता में सुधार कर सकता है।

डेवलपर्स के लिए पहला कदम: अभी सरल स्पेक-टेस्ट लूप को शामिल करें। उदाहरण के लिए, यदि ChatGPT का उपयोग कर रहे हैं, तो अपने सत्र की शुरुआत “हमें एक ऐसा फ़ंक्शन चाहिए जो X करता है, पहले टेस्ट लिखें” लिखकर करें। फिर उसे कार्यान्वयन उत्पन्न करने के लिए कहें। फैंसी औपचारिक उपकरणों के बिना भी, यह एक अनुशासन लागू करता है जहां AI हमेशा कोड एक साथ जांच के साथ उत्पन्न करता है। समय के साथ यह आदत AI कोडिंग के लिए मानकों में औपचारिक रूप ले सकती है।

7. सहयोग: शिक्षाविद, उद्योग और मानक

इन लक्ष्यों को प्राप्त करने के लिए व्यापक सहयोग की आवश्यकता है:

शिक्षाविद डेटा और बेंचमार्क बनाकर और साझा करके, और कठोर मूल्यांकन प्रकाशित करके योगदान दे सकते हैं। विश्वविद्यालयों को परीक्षण के लिए वास्तविक कोड बेस प्राप्त करने हेतु कंपनियों के साथ साझेदारी करनी चाहिए। अनुसंधान प्रयोगशालाएँ दीर्घकालिक कोड गुणवत्ता या सत्यापित कोड जनरेशन जैसे कार्यों पर खुली चुनौतियाँ (पुरस्कारों के साथ) आयोजित कर सकती हैं।
उद्योग को फीडबैक लूप प्रदान करना चाहिए। AI कोडिंग उपकरणों को तैनात करने वाली फर्मों को बग आँकड़े, योगदानकर्ता अनुभव और सुविधा अनुरोधों को गुमनाम रूप से साझा करना चाहिए। टेक कंपनियाँ सम्मेलनों (जैसे ICSE, FSE) में “कोडिंग के लिए AI” कार्यशालाओं या ट्रैक को भी वित्तपोषित कर सकती हैं। वे अपनी नीतियों के कुछ हिस्सों को ओपन-सोर्स कर सकते हैं (जैसा कि Google ने क्रोमियम की AI नीति (chromium.googlesource.com)) के साथ किया था ताकि अन्य लोग सीख सकें।
मानक निकायों (IEEE, ISO, W3C, आदि) को मौजूदा AI नैतिकता और सुरक्षा मानकों में कोडिंग को शामिल करना चाहिए। उदाहरण के लिए, AI शासन (ISO/IEC 38507) और AI जीवन-चक्र (ISO/IEC 5338) पर ISO के चल रहे काम में कोड जनरेशन को स्पष्ट रूप से इंगित किया जा सकता है। W3C के पास वेब एमएल के लिए एक नैतिक सिद्धांत मसौदा (www.w3.org) है – इसे प्रोग्रामिंग उपयोग पर एक खंड के साथ बढ़ाया जा सकता है। AI-निर्भर विकास टीमों के लिए एक हल्का “आचार संहिता” उभरना चाहिए, जैसे सुरक्षा के लिए सुरक्षित विकास मानक (जैसे OWASP) मौजूद हैं।

संक्षेप में, आगे का रास्ता सामाजिक-तकनीकी है। जैसे ओपन-सोर्स समुदायों ने कोडिंग मानक और समीक्षा संस्कृतियाँ बनाईं, वैसे ही एआई कोडिंग के उभरते हुए क्षेत्र को साझा मानदंडों की आवश्यकता है। संयुक्त रोडमैप (उदाहरण के लिए, एआई कोड सुरक्षा पर उद्योग संघ) और पारदर्शिता (बेंचमार्क और विफलता के मामलों को प्रकाशित करना) सभी को एक ही पृष्ठ पर लाएगा।

8. किसे लाभ होता है और कैसे शुरुआत करें

निर्णायक रूप से, एआई-सहायता प्राप्त कोडिंग केवल विशेषज्ञ डेवलपर्स के लिए नहीं है। ये उपकरण प्रोग्रामिंग का लोकतंत्रीकरण कर सकते हैं। शुरुआती और विषय-वस्तु विशेषज्ञ एआई का उपयोग उन परियोजनाओं को शुरू करने के लिए कर सकते हैं जिन्हें वे कभी भी हाथ से कोड करने का समय नहीं पाते। उदाहरण के लिए, एक मार्केटिंग विश्लेषक एआई से पाइथन खरोंच से सीखने के बजाय एक डेटा-रिपोर्टिंग स्क्रिप्ट लिखने के लिए कह सकता है। एक कलाकार प्रॉम्प्ट स्केच करके एक ऐप यूआई का प्रोटोटाइप बना सकता है। प्रत्येक मामले में, एआई निर्माण की बाधा को कम करता है।

इन उपकरणों के साथ शुरुआत करने के लिए, उसी फुर्तीले, पुनरावृत्तीय कार्यप्रवाह का पालन करें जिसका पेशेवर टीमें उपयोग करती हैं:

एक स्पष्ट लक्ष्य या विशिष्टता परिभाषित करें। ठोस शब्दों में बताएं कि आप क्या चाहते हैं। यह किसी सुविधा का प्राकृतिक-भाषा विवरण या चरणों का एक साधारण स्केच हो सकता है। प्रोग्रामर के लिए, बुलेट पॉइंट्स या उपयोगकर्ता कहानियों की एक सूची भी काम कर सकती है।
कोड का मसौदा तैयार करने के लिए AI असिस्टेंट का उपयोग करें। एक AI कोडिंग टूल चलाएँ (कई उपलब्ध हैं: ऑनलाइन चैटबॉट या IDE एक्सटेंशन) और उससे स्पेक को लागू करने के लिए कहें। उदाहरण के लिए, आप टाइप कर सकते हैं “एक Python फ़ंक्शन बनाएँ जो CSV पढ़ता है और डेटा पॉइंट्स को प्लॉट करता है।” AI एक पहला संस्करण उत्पन्न करेगा।
सत्यापित और परिष्कृत करें। महत्वपूर्ण रूप से, AI के आउटपुट को लें और उसका परीक्षण करें। यदि यह कोड है, तो इसे अपने वातावरण में चलाएँ। कुछ सरल परीक्षण लिखें या स्वतः उत्पन्न करें: क्या यह बुनियादी मामलों पर सही परिणाम देता है? यदि कुछ विफल हो जाता है (यह अक्सर पहले प्रयास में होगा), तो AI को फीडबैक दें: उदाहरण के लिए, विफल मामले को हाइलाइट करें और उससे कोड को ठीक करने के लिए कहें। कई उपकरण पुनरावृत्तीय प्रॉम्प्टिंग या “मल्टी-टर्न” एडिटिंग की अनुमति देते हैं।
स्पष्टीकरण और दस्तावेज़ीकरण के लिए पूछें। AI का उपयोग डॉकस्ट्रिंग या टिप्पणियाँ उत्पन्न करने के लिए करें। यह आपको, (नए) कोडर को समझने में मदद करता है कि क्या किया गया था। आप AI से संभावित मुद्दों को इंगित करने या सुधारों का सुझाव देने के लिए भी कह सकते हैं।
धीरे-धीरे जटिलता बढ़ाएँ। एक बार जब सरल स्क्रिप्ट काम करती हैं, तो आप एक छोटी परियोजना (जैसे एक टू-डू ऐप, एक डेटा विश्लेषण पाइपलाइन) का प्रयास कर सकते हैं। परियोजना को टुकड़ों में विभाजित करें: AI से प्रत्येक घटक (डेटाबेस स्कीमा, फ्रंट-एंड, व्यावसायिक तर्क) के लिए एक-एक करके पूछें। इसे पेयर प्रोग्रामिंग की तरह मानें, जहाँ AI आपका जूनियर पार्टनर है।

पहला अगला कदम: एक शुरुआती-अनुकूल AI कोडिंग टूल चुनें और एक छोटा प्रयोग करें। उदाहरण के लिए, GPT-4 (कोड क्षमताओं के साथ) जैसे इंटरफेस का या अपने कोड एडिटर में एक मुफ्त एक्सटेंशन का उपयोग करें। इसे एक तुच्छ कार्य दें (“एक सूची सॉर्ट करें”, “एक ग्राफ बनाएं”, “हैलो वर्ल्ड वेब पेज”) और देखें कि यह क्या उत्पन्न करता है। फिर कोड पढ़ें – कोडिंग अनुभव के बिना भी, संरचना को देखें। इसे चलाएं और किसी भी त्रुटि को नोट करें। फिर दोहराएं: अपने प्रॉम्प्ट को परिष्कृत करें (शायद अधिक विवरण या बाधाएं जोड़ें) और पुनः उत्पन्न करें। समय के साथ, आप सीखेंगे कि उपकरण के साथ प्रभावी ढंग से कैसे संवाद करें और इसे सही समाधानों की ओर कैसे निर्देशित करें।

नए कोडर को यह ध्यान रखना चाहिए: एआई एक शक्तिशाली सहायक है, भविष्यवक्ता नहीं। हमेशा इसके काम की जाँच करें, और इसे सीखने के अवसर के रूप में उपयोग करें। एआई के कोड के लिए अपने स्वयं के परीक्षण लिखें, उन्हें चलाएँ, और तब तक अनुवर्ती प्रश्न पूछें जब तक आप आश्वस्त न हों। यह “जाँचो-फिर-भरोसा करो” की आदत है कि हर कोई – नौसिखिया या विशेषज्ञ – एआई के साथ सुरक्षित रूप से कैसे निर्माण करें।

निष्कर्ष

स्वायत्त कोडिंग उपकरणों का उदय एक महत्वपूर्ण मोड़ है, लेकिन इसके पूर्ण लाभ उठाने के लिए हमें शुरुआती परिनियोजनों द्वारा उजागर की गई खुली समस्याओं का सामना करना होगा। विश्वसनीयता में, हम देखते हैं कि कोड असिस्टेंट मनुष्यों की तुलना में अधिक गलतियाँ करते हैं, इसलिए अनुसंधान को त्रुटि का पता लगाने और मजबूत जनरेशन पर ध्यान केंद्रित करना चाहिए। योजना में, हम देखते हैं कि एजेंट लंबे, बहु-चरणीय परियोजनाओं पर लड़खड़ाते हैं, इसलिए हमें जटिल कार्यप्रवाहों के लिए नई वास्तुकला और बेंचमार्क की आवश्यकता है। सत्यापनशीलता में, हम पहचानते हैं कि हमें AI कोडिंग प्रक्रिया में ही औपचारिक विशिष्टता और परीक्षण समर्थन की आवश्यकता है। और शासन पर, कंपनियाँ और नियामक नियम बनाने के लिए संघर्ष कर रहे हैं ताकि AI कोड पारदर्शी, सुरक्षित और जवाबदेह हो।

अगले 18 महीनों में, इनमें से प्रत्येक क्षेत्र में प्रगति आवश्यक होगी। कठोर बेंचमार्क (परियोजना-योजना चुनौतियों से लेकर एआई-प्रेरित बगों के निरीक्षण तक) बनाकर, औपचारिक तरीकों को एआई कोडिंग पाइपलाइनों में एकीकृत करके, और विभिन्न विषयों में सहयोग स्थापित करके, हम शानदार प्रदर्शनों और वास्तविक दुनिया की विश्वसनीयता के बीच के अंतर को पाट सकते हैं। दृष्टिकोण स्पष्ट है: एक एआई कोडिंग पारिस्थितिकी तंत्र जहां शुरुआती लोग भी सुरक्षित रूप से सॉफ्टवेयर बना सकते हैं, और जहां एआई द्वारा उत्पन्न कोड मानव-निर्मित कोड जितना विश्वसनीय हो। इस दृष्टिकोण को पूरा करने के लिए प्रौद्योगिकी और इसके आसपास की प्रथाओं दोनों को आकार देने की आवश्यकता होगी। केंद्रित अनुसंधान और व्यापक सामुदायिक प्रयास के साथ, एआई उपकरणों की अगली पीढ़ी वास्तव में सभी के लिए कोडिंग को अनलॉक कर सकती है – आज से ही।