Schematik AI वाइब कोडिंगला भौतिक जगात आणू इच्छिते

कोड जनरेशनपासून डिव्हाइस बांधणीपर्यंत

AI इंटरफेसची नवीनतम प्रयोगशीलता आता स्क्रीनवरून उतरून वर्कबेंचपर्यंत पोहोचत आहे. Wired च्या अहवालानुसार, Amsterdam-आधारित संस्थापक Samuel Beek यांनी तयार केलेली Schematik स्वतःला “हार्डवेअरसाठी Cursor” म्हणून सादर करत आहे, असे टूल जे वापरकर्त्यांना ते बनवू इच्छित असलेल्या भौतिक उपकरणाचे वर्णन करण्यास मदत करते आणि त्यानंतर घटक, स्रोत आणि असेंब्लीबाबत मार्गदर्शन देते.

हा प्रस्ताव समजायला सोपा आहे, कारण तो एका अतिशय ठोस अपयशातून आला आहे. Beek यांनी Wired ला सांगितले की इलेक्ट्रिक दरवाजा उघडण्यासाठी ChatGPT-निर्मित वायरिंग मार्गदर्शनावर अवलंबून राहिल्यामुळे त्यांनी आपल्या घरातील प्रत्येक फ्यूज उडवला होता. हार्डवेअर संदर्भात “ज्या गोष्टीबद्दल ते बोलत आहे ते खोलवर समजणारे” AI तयार करण्यासाठी ही समस्या प्रेरणा ठरली, असे ते म्हणाले; अशा ठिकाणी चुका फक्त त्रासदायक नसून संभाव्यतः विनाशकारीही ठरू शकतात.

हार्डवेअर AI साठी अधिक कठीण समस्या का आहे

सॉफ्टवेअर “वाइब कोडिंग” हे AI सिस्टम्सना जलद काम करणारा कोड तयार करण्यासाठी प्रवृत्त करण्याचे संक्षिप्त रूप बनले आहे. हार्डवेअर मात्र कमी माफक असते. चुकीचे सॉफ्टवेअर आउटपुट एखादे अॅप क्रॅश करू शकते. चुकीची हार्डवेअर सूचना कनेक्शन शॉर्ट करू शकते, उपकरणांचे नुकसान करू शकते, किंवा सुरक्षिततेचा धोका निर्माण करू शकते. Wired च्या रिपोर्टिंगमध्ये Schematik च्या उदयामागील पार्श्वभूमी म्हणून नेमका हाच ताण वापरला आहे.

लेखानुसार, उत्पादन वापरकर्त्यांना ते काय बनवू इच्छितात ते सांगण्याची परवानगी देते, त्यानंतर प्रणाली आवश्यक वायर आणि घटक सुचवते, ते विकत घेण्यासाठी दुवे देते, आणि सर्वकाही एकत्र करण्यासाठी मार्गदर्शक म्हणून काम करते. त्यामुळे AI इंटरफेस कल्पना-निर्मितीपलीकडे जाऊन अधिक ऑपरेशनल भूमिकेत प्रवेश करतो: प्रत्यक्ष जगातील भागांची निवड करणे आणि असेंब्लीची प्रक्रिया आकार देणे.

वचन स्पष्ट आहे. खोल हार्डवेअर प्रशिक्षण नसलेली व्यक्ती कल्पनेपासून वस्तूपर्यंत अधिक वेगाने पोहोचू शकते. धोका देखील स्पष्ट आहे. जर मॉडेलचा निर्णय चुकला, तर भौतिक परिणाम बग्गी वेब अॅपपेक्षा अधिक गंभीर पद्धतीने अपयशी ठरू शकतो. त्यामुळे Schematik चे आकर्षण हे या सर्जनशील महत्त्वाकांक्षा आणि विश्वासार्ह अंमलबजावणी यातील अंतर किती कमी करता येते यावर अवलंबून आहे.

प्रारंभिक प्रतिसाद आधीच दिसू लागला आहे

Wired सांगते की Beek यांनी फेब्रुवारीत X वर ही कल्पना पोस्ट केली आणि ती वापरून पाहण्यास तयार लोकांकडून जोरदार रस मिळवला. त्यापैकी एक, N8N branding lead Marc Vermeeren, यांनी सांगितले की त्यांनी Schematik चा वापर करून अनेक उपकरणे तयार केली, ज्यात MP3 player आणि Claude coding sessions व्यवस्थापित करण्यात मदत करणारा Clawy नावाचा Tamagotchi-शैलीचा bot यांचा समावेश आहे. लेखात इतर वापरकर्त्यांनीही स्वतःचे प्रकार तयार केल्याचे वर्णन केले आहे.

हे महत्त्वाचे आहे, कारण maker tools अनेकदा समुदायाच्या उत्साहावर टिकून राहतात किंवा कोसळतात, ते परिपक्व व्यवसाय बनण्यापूर्वी. या प्रकरणात, स्टार्टअपकडे वापरकर्ता प्रयोग आणि गुंतवणूकदारांचे पाठबळ दोन्ही दिसते. Wired नुसार Schematik ने Lightspeed Venture Partners कडून $4.6 दशलक्ष उभारले असून Beek त्याभोवती व्यवसाय उभारण्याची योजना आखत आहेत.

Anthropic ची भूमिका गुंतवणुकीची नाही, तर सक्षम करण्याची आहे

लेखाचे शीर्षक Anthropic यात सहभागी व्हायचे इच्छित असल्याचे सुचवते, आणि मजकूर नेमके त्याचा अर्थ स्पष्ट करतो. Anthropic इंजिनिअर Felix Rieseberg यांनी X वर पोस्ट केले की कंपनीने makers आणि developers साठी Bluetooth API सक्षम केली आहे. या संदर्भात, हे Schematik सारख्या साधनांना सक्षम करायच्या हार्डवेअर-निर्मिती workflows साठी platform support सारखे दिसते.

हा एक महत्त्वाचा फरक आहे. दिलेल्या मजकुराच्या आधारावर, Anthropic ला येथे Schematik चा गुंतवणूकदार म्हणून वर्णन केलेले नाही. Wired जे दाखवते ते म्हणजे frontier AI models आणि maker-oriented tooling यांच्यातील वाढती जुळवाजुळव. जर मोठे model providers devices, hobby electronics, आणि connected products साठी उपयुक्त interfaces उघड करत असतील, तर coding assistant आणि hardware assistant यांच्यातील सीमारेषा कमी होऊ लागते.

कथेच्या मागे असलेला मोठा बदल

Schematik केवळ लोकांना gadgets एकत्र करण्यात मदत करते म्हणूनच रोचक नाही; ते AI product design मधील व्यापक नमुन्याचा विस्तार करते. वापरकर्ते आता models कडून फक्त उत्तर देणारी इंजिने नसून workflows मध्ये agents म्हणून अपेक्षा करू लागले आहेत. सॉफ्टवेअरमध्ये ही अपेक्षा आता सामान्य झाली आहे. हार्डवेअरमध्ये ती अजूनही प्रयोगात्मक आहे, कारण चुकण्याची किंमत जास्त आहे आणि संबंधित ज्ञान parts, tolerances, connections, आणि constraints मध्ये अधिक आधारलेले आहे.

म्हणूनच Schematik ला “हार्डवेअरसाठी Cursor” असे म्हणणे अर्थपूर्ण आहे. ते एक परिचित software metaphor अधिक कठीण domain मध्ये रूपांतरित करते. ही तुलना पूर्णपणे तंतोतंत आहे का, हा अजून खुला प्रश्न आहे. पण महत्त्वाकांक्षा स्पष्ट आहे: प्रॉम्प्ट केलेल्या कल्पनेपासून कार्यक्षम भौतिक artifact पर्यंतचे अंतर कमी करणे.

हे hobbyists पेक्षा अधिक का महत्त्वाचे ठरू शकते

ही साधने सुधारली, तर त्यांचा उपयोग weekend tinkering पुरता मर्यादित राहणार नाही. prototypes वर जलद iteration शिक्षण, product design, internal tooling, आणि लहान manufacturing teams साठी महत्त्वाचे ठरू शकते. मुख्य फायदा जादू नाही. तो म्हणजे compression. parts सुचवू शकणारी, assembly steps सांगू शकणारी, आणि संपूर्ण build process मध्ये context-aware राहू शकणारी system प्रत्यक्ष काहीतरी बनवण्यासाठी लागणारी प्रारंभिक ऊर्जा कमी करू शकते.

तरीही, Wired चे framing मध्यवर्ती सावधगिरी लक्षात ठेवते. हार्डवेअर हे असे ठिकाण आहे जिथे अस्पष्ट AI confidence जळालेले components, वाया गेलेला वेळ, किंवा त्याहूनही वाईट परिणाम देऊ शकते. या श्रेणीची खरी चाचणी ती सर्जनशील वाटते का हा नाही. तारा प्रत्यक्ष असताना तिच्यावर विश्वास ठेवता येतो का, हीच खरी परीक्षा आहे.

काय पाहायचे

• maker communities सार्वजनिक build workflows मध्ये AI-native hardware tools स्वीकारत राहतात का.
• Anthropic सारखे model providers devices आणि peripherals साठी लक्ष्यित interfaces किती दूरपर्यंत उघडतात का.
• विश्वासार्हता आणि सुरक्षितता AI-assisted hardware design मध्ये मुख्य differentiators बनतात का.

Schematik applied AI मधील एक खरा frontier पकडते: सॉफ्टवेअर तयार करण्यापासून भौतिक निर्मितीचे orchestration करण्याकडे जाणे. संधी मोठी आहे. चूक झाली, तर दंडही तितकाच मोठा आहे.

हा लेख Wired च्या रिपोर्टिंगवर आधारित आहे. मूळ लेख वाचा.