ప్రోగ్రామింగ్‌లో AIకి పాత్ర ఉందని Linus Torvalds అభిప్రాయం

Linux సృష్టికర్త Linus Torvalds ప్రోగ్రామింగ్‌లో కృత్రిమ మేధస్సుకు పరిమిత మద్దతు తెలిపారు. ఆనందం కోసం, బగ్‌లను కనుగొనడం కోసం ఇది ఉపయోగకరమైన సాధనం కావచ్చని, అయితే కీలక సాఫ్ట్‌వేర్ అభివృద్ధిలో దాని వినియోగానికి స్పష్టమైన హద్దులు అవసరమని ఆయన అన్నారు.

Pragueలో జరిగిన Open Source Summit Europeలో మాట్లాడుతూ, గతంలో AI తగినంత సామర్థ్యం కలిగి లేదని భావించినప్పటికీ ఇప్పుడు దాన్ని ఉపయోగించడం తనకు నచ్చుతోందని Torvalds చెప్పారు. అయితే Linux kernel వంటి ప్రాజెక్టుల్లో నిర్లక్ష్యంగా ఉపయోగించినప్పుడు AI రూపొందించిన మెటీరియల్ maintainers పనిని పెంచగలదని హెచ్చరించారు.

ఒక సాధనం, ఆటోమేటిక్ ప్రత్యామ్నాయం కాదు

AI విలువ సందర్భంపై ఆధారపడి ఉంటుందని Torvalds వివరించారు. హాబీ ప్రోగ్రామింగ్ మరియు అభ్యాసంలో codingను సులభతరం చేసి చిన్న ప్రాజెక్టుపై పనిచేసే ఆనందాన్ని తిరిగి ఇవ్వగలదు. AI-సహాయక “vibe coding” ద్వారా ప్రోగ్రామింగ్‌లో ఆనందం పొందవచ్చని ఆయన అన్నారు.

చాలా మంది ఉపయోగించే కీలక సాఫ్ట్‌వేర్‌లో రూపొందించిన outputపై ఆధారపడటం వేరే విషయం. వాస్తవమైన, ముఖ్యమైన పనికి AIని ఉపయోగించినప్పుడు developers జాగ్రత్తగా ఉండాలని Torvalds చెప్పారు.

ఈ తేడా Linux వంటి open-source ప్రాజెక్ట్ అవసరాలను ప్రతిబింబిస్తుంది. Kernelను పెద్ద contributor సమాజం నిర్వహిస్తుంది; maintainers patches, reports మరియు ప్రతిపాదిత మార్పులను అంచనా వేయాలి. తక్కువ నాణ్యత గల AI submissions వెల్లువలా వస్తే, కొన్ని నమ్మదగినవిగా కనిపించినా review సమయం ఖర్చవుతుంది.

బగ్‌లను కనుగొనడం మరింత ఆశాజనకమైన ఉపయోగం

నివేదిక ప్రకారం, Linux kernelలో బగ్‌లను కనుగొని పరిష్కరించడంలో AI కీలక భాగంగా మారవచ్చని Torvalds భావిస్తున్నారు. ఇది design లేదా code review బాధ్యతను modelకు అప్పగించడం కంటే పరిమితమైన ఉపయోగం: సాంకేతికత సమస్యలను గుర్తించగలదు, కానీ ప్రతిపాదిత పరిష్కారం సరైనదో కాదో మనుషులే నిర్ణయించాలి.

coding assistantsను స్వీకరిస్తున్న బృందాలకు ఇది ఉపయోగకరమైన తేడా. కోడ్ రూపొందించడం software పనిలో ఒక భాగం మాత్రమే. పెద్ద ప్రాజెక్ట్‌ను నిర్వహించడానికి system behaviorను అర్థం చేసుకోవడం, మార్పులను సమీక్షించడం, పరీక్షించడం మరియు ఫలితాలకు బాధ్యత వహించడం అవసరం.

తాను ప్రధానంగా maintainerనని, పెద్ద మొత్తంలో kernel programming చేసే వ్యక్తిని కాదని Torvalds చెప్పారు. పరిపక్వమైన, సహకార codebaseలో AI output ఎలా ప్రవేశిస్తుందనే ఆచరణాత్మక ప్రశ్నకు ఆయన పాత్ర ప్రత్యేక ప్రాధాన్యం ఇస్తుంది.

కొత్త ప్రోగ్రామర్లకు అడ్డంకిని తగ్గించడం

ప్రోగ్రామింగ్ నేర్చుకునే అనుభవంలో మార్పులతోనూ Torvalds AIని అనుసంధానించారు. 1980ల ప్రారంభంలో ఆయన programming ప్రారంభించినప్పుడు కంప్యూటర్లు, వాటి కోసం రాసిన programs చాలా సరళంగా ఉండేవి. నేడు software engineering ప్రమాణం చాలా పెరిగింది; అందువల్ల చిన్న ప్రయత్నాలు కూడా అర్థవంతమైనవేనని కొత్తవారు చూడటం కష్టమైంది.

ఆధునిక computing stackలో ప్రతి పొరను ముందుగా నేర్చుకోకుండానే ప్రయోగాలు చేయడానికి, ప్రశ్నలు అడగడానికి, ఏదైనా నిర్మించడానికి AI అవకాశం ఇస్తుంది. ఆ సందర్భంలో దాని విలువ సాంకేతికమైనదే కాక ప్రేరణాత్మకమైనదీ కావచ్చు.

అది ప్రాథమిక విషయాలు నేర్చుకోవాల్సిన అవసరాన్ని తొలగించదు. బదులుగా, ప్రారంభ అన్వేషణను assistant తక్కువ భయానకంగా చేయగలదు. వ్యక్తిగత ప్రాజెక్టులపై పనిచేసేవారికి, ఆలోచన నుంచి పనిచేసే ప్రయోగం వరకు దూరాన్ని తగ్గించే సాధనం ప్రోగ్రామింగ్‌ను మరింత తక్షణంగా అనిపించవచ్చు.

Maintainersకు ఇప్పటికీ పరిమాణం కాదు, ఉపయోగకరమైన సంకేతం అవసరం

అభ్యాసకులకు సహాయపడే అందుబాటు స్థాపిత ప్రాజెక్టుల్లో సమస్యలను సృష్టించవచ్చు. AI patches లేదా bug reportsను పెద్ద స్థాయిలో రూపొందించడం సులభం చేస్తే, maintainersకు submissions పెరగవచ్చు కానీ ఉపయోగకరమైన contributions పెరగకపోవచ్చు. మూల్యాంకన సమయంలో అనుభవజ్ఞులైన developers తప్పులు, duplicates మరియు projectకు సరిపోని మార్పులను గుర్తించాలి.

అందువల్ల Torvalds వైఖరి పూర్తిస్థాయి మద్దతు కాదు, తిరస్కరణ కూడా కాదు. ముఖ్యంగా experimentation మరియు bug discoveryలో developer పనికి తోడ్పడితే AI ఉపయోగకరం. అర్థం చేసుకోని లేదా validate చేయని పనిని సమర్పించేందుకు అది ప్రోత్సహిస్తే ప్రమాదకరం.

Linux మరియు ఇతర కీలక open-source ప్రాజెక్టుల్లో human review ప్రక్రియకు కేంద్రంగా ఉంటుంది. AI system issueను గుర్తించడంలో లేదా ఆలోచనకు draft తయారు చేయడంలో సహాయపడవచ్చు, కానీ technical correctness మరియు project suitabilityను maintainersే నిర్ణయించాలి.

AI codingపై ఆచరణాత్మక దృష్టి

Torvalds వ్యాఖ్యల విస్తృత ప్రాధాన్యం సిద్ధాంతం కంటే వినియోగంపై దృష్టి పెట్టడంలో ఉంది. AIపై చర్చలు తరచూ పూర్తిగా స్వీకరించడం లేదా పూర్తిగా తిరస్కరించడం అనే ఎంపికగా మారతాయి. ఆయన వ్యాఖ్యలు ఆచరణాత్మక ప్రమాణాన్ని సూచిస్తున్నాయి: ఉపయోగపడే చోట సాంకేతికతను వాడండి; విఫలమైతే ప్రభావం పెరిగే కొద్దీ జాగ్రత్త పెంచండి.

ఈ దృక్పథం software development అంతటా వర్తించవచ్చు. వ్యక్తిగత ప్రయోగం, విద్యా ప్రాజెక్ట్ మరియు production kernel releaseకు వేర్వేరు ప్రమాదాలు ఉంటాయి. AI assistantకు సరైన పాత్ర కూడా వాటి ప్రకారం మారాలి.

Torvalds సందేశం స్పష్టమైనది. AI ప్రోగ్రామింగ్‌ను మరింత ఆనందదాయకంగా చేసి బగ్‌లను కనుగొనడంలో సహాయపడగలదు. కానీ ముఖ్యమైన సాఫ్ట్‌వేర్‌లో రూపొందించిన outputకు బాధ్యత వహించే వ్యక్తుల జాగ్రత్త, నైపుణ్యం మరియు బాధ్యతను అది భర్తీ చేయదు.

ఈ కథనం ZDNET నివేదిక ఆధారంగా రూపొందించబడింది. అసలు కథనాన్ని చదవండి.