मुझे हाल ही में एक शानदार ओपन-सोर्स Skill मिला है, जिसे आपमें से कई लोगों ने भी देखा होगा।
इसका नाम Anatomy है, जिसका मतलब "गहन विश्लेषण" या "संरचनात्मक विश्लेषण" होता है।
https://x.com/wheresryan22/status/2108948624004526516
मुझे यह टूल खास तौर पर दिलचस्प लगा।
इसकी मुख्य डिज़ाइन फिलॉसफी को एक वाक्य में समझा जा सकता है:
वस्तु ही व्याख्या है।
कॉन्सेप्ट्स को समझाने के लिए टेक्स्ट का इस्तेमाल करने के बजाय, Anatomy उस सिद्धांत को जिसे आप समझना चाहते हैं, एक काम करने वाले उपकरण में बदलने की कोशिश करता है, ताकि आप पूरी प्रक्रिया को खुद अपनी आँखों से देख सकें।
आसान शब्दों में कहें तो, यह अमूर्त ज्ञान को इंटरैक्टिव मैकेनिकल मॉडल एनिमेशन में बदल देता है, जहाँ एजेंट्स चलने वाले पुर्जे बनाते हैं, पूरे कंपोनेंट दिखाते हैं और यूज़र को उनके साथ इंटरैक्ट करने देते हैं।
और इसके नतीजे हैरान कर देने वाले हद तक खूबसूरत और विस्तृत होते हैं।
उदाहरण के लिए, अगर आप जानना चाहते हैं कि मैकेनिकल वॉच अंदर से कैसे काम करती है।
इसका एस्थेटिक स्टाइल बिल्कुल वैसा ही है जैसा मुझे पसंद है। इंटरैक्शन के मामले में, आप क्रॉउन को हाथ से घुमाकर (वाइंड करके) देख सकते हैं कि अंदर के पुर्जे कैसे काम करते हैं। आप अलग-अलग हिस्सों को खोलकर उनकी संरचना भी देख सकते हैं।
यह इफ़ेक्ट लेखक ने नीचे दिए गए प्रॉम्प्ट का इस्तेमाल करके बनाया था:
/anatomy explain how a mechanical watch keeps time, interactive
इसका अनुवाद है: "एक इंटरैक्टिव डेमो बनाओ जो बताए कि मैकेनिकल वॉच समय कैसे मापती है।"
ऐसे कई और उदाहरण भी हैं।
आप इसका इस्तेमाल क्वार्टर-सेक्शन व्यू के साथ Rolls-Royce Trent 970 इंजन बनाने के लिए भी कर सकते हैं।
यह सिर्फ इंजन का बाहरी आवरण नहीं बनाता; यह फैन, कंप्रेसर, कंबस्चन चैंबर, टर्बाइन और अन्य आंतरिक संरचनाओं को बहुत सटीक रूप से दर्शाता है।
सच कहूँ तो, जब मैंने पहली बार ये एनिमेशन देखे, तो मुझे ये बेहद कमाल लगे।
खासकर उन दोस्तों के लिए जो मैकेनिकल संरचनाओं और भौतिक सिद्धांतों को समझने में रुचि रखते हैं, यहाँ खोजने के लिए बहुत कुछ है।
इस skill का इस्तेमाल करना आसान है। बस अपना Agent खोलें और उसे हाल ही में लोकप्रिय हुए Anatomy skill को इंस्टॉल करने के लिए कहें।
या फिर, नीचे दिया गया प्रॉम्प्ट कॉपी करें और अपने Agent को भेज दें:
Help me install this skill: https://github.com/wheresryan22/anatomy/tree/main
इंस्टॉल होने के बाद, आप इसे आजमाना शुरू कर सकते हैं।
हालाँकि, खुद कई टेस्ट रन करने के बाद, मुझे एक बड़ी समस्या नज़र आई।
ऊपर दी गई वॉच के एनिमेशन को ही उदाहरण ले लें—एनिमेशन भले ही खूबसूरत हैं, लेकिन मैकेनिकल वॉच के आंतरिक हिस्सों की कोई पूर्व जानकारी न होने के कारण, थोड़ी देर देखने के बाद मैं कन्फ्यूज हो गया।
हर पुर्जा क्या है? वह क्या करता है? समय की गणना असल में कैसे होती है?
Skill द्वारा एनिमेशन के साथ दी गई बिल्ट-इन टेक्स्ट व्याख्याओं को ध्यान से पढ़ने के बाद भी, समझना मुश्किल रहा।
जो लोग पहले से इन सिद्धांतों को समझते हैं, उनके लिए ये संक्षिप्त और बेहद विस्तृत मैकेनिकल एनिमेशन संरचनाओं को अधिक सहजता से देखने में मदद करते हैं।
लेकिन अगर मैं उस विषय से पूरी तरह अनजान हूँ, तो विज़ुअल्स चाहे कितने भी शानदार क्यों न हों, मैं उन्हें समझ नहीं पाऊँगा।
इसलिए मैंने सोचा कि जिन लोगों के पास बुनियादी ज्ञान नहीं है, उनके लिए सिर्फ वस्तु को खुद चलते दिखाना काफी नहीं है। आदर्श रूप से, विज़ुअल के साथ एक नैरेशन (व्याख्या) भी होनी चाहिए, जो बताए कि यह चीज़ क्या है, अभी क्या हो रहा है, ऐसा क्यों हो रहा है, और इसका उद्देश्य क्या है।
जब यह skill पहले से ही जटिल सिद्धांतों को एनिमेशन में बदल सकती है, तो क्यों न AI से इसी के आधार पर एक नैरेटेड, वॉइस-ओवर वाला साइंस एक्सप्लेनर वीडियो बनवाया जाए?
और फिर, कुछ दिलचस्प हुआ।
मैंने उसी मैकेनिकल वॉच वाले उदाहरण को आज़माया।
Opus 5.5 का इस्तेमाल किया, हाई रीज़निंग इंटेंसिटी के साथ।
प्रॉम्प्ट बिल्कुल सरल था, सिर्फ एक लाइन।
इसने सीधे एक ही बार में नीचे दिया गया वीडियो तैयार कर दिया।
चूँकि इसने डिफ़ॉल्ट रूप से MacOS सिस्टम TTS का इस्तेमाल किया, इसलिए वॉइसओवर थोड़ा अजीब लग रहा था, लेकिन बाकी सब कुछ काफी प्रभावशाली था।
परिचय व्यापक और स्पष्ट था, जिसमें यह बताया गया कि कौन-कौन से पुर्जे हैं, उनके कार्य क्या हैं, पुर्जों के बीच क्या संबंध है, टाइमिंग के सिद्धांत क्या हैं, आदि। अगर आप गियर्स को ध्यान से देखें, तो वे घूमते समय एक-दूसरे में पूरी तरह फिट बैठते हैं, और साथ में संबंधित साउंड इफ़ेक्ट्स भी दिए गए हैं।
ऊपर दिए गए शुद्ध एनिमेशन की तुलना में, मेरे जैसे आम लोगों के लिए यह फॉर्मेट काफी ज़्यादा सुविधाजनक है।
ऐसा वीडियो देखने से आप शायद मास्टर न बनें, लेकिन इससे आपको मैकेनिकल वॉच के काम करने के तरीके की प्रारंभिक समझ मिल जाती है, जो आगे सीखने के लिए एक रास्ता तैयार करती है।
Thunderbolt जैसी रोबोटिक आवाज़ की समस्या को ठीक करना आसान है—बस इसे Volcano Engine TTS पर स्विच करने के लिए कहें, और यह एक झटके में ठीक हो जाती है।
मैंने GPU के काम करने के सिद्धांतों को समझाने वाला एक वीडियो भी बनाया।
फिर से, बिना किसी बदलाव के सीधे एक ही बार में जनरेट हो गया।
यह पहले बताता है कि GPU किस काम आते हैं, उनके कंपोनेंट क्या हैं, असेंबली कैसे होती है, एक फ्रेम की गणना की प्रक्रिया क्या है, GPU की गणना तेज़ क्यों होती है, इमेज एनिमेट कैसे होती हैं, कूलिंग के तरीके क्या हैं, और अंत में इनपुट/आउटपुट का सारांश देता है।
इसकी संरचना बहुत तार्किक है। जब किसी विशेष हिस्से की बात होती है, तो स्क्रीन उस हिस्से को हाइलाइट या डिस्प्ले करती है, जिससे सब कुछ स्पष्ट और समझने में आसान हो जाता है।
यहाँ दी गई व्याख्या अपेक्षाकृत संक्षिप्त है। अगर आपको और अधिक विस्तार चाहिए, तो बस प्रॉम्प्ट में अपनी ज़रूरतें जोड़ दें।
उदाहरण के लिए, मैंने इससे TCP three-way handshake पर एक विस्तृत एक्सप्लेनर वीडियो बनाने को कहा।
यहाँ मैंने Opus 5.5 Ultra इंटेंसिटी का इस्तेमाल किया।
कुछ अंग्रेजी शब्दों के उच्चारण की समस्याओं को छोड़ दें, तो वीडियो की गुणवत्ता काफी अच्छी है।
मैंने इसे हमारी कंपनी की एक सहकर्मी को दिखाया जिनका टेलीकम्युनिकेशन बैकग्राउंड है। उन्होंने कहा कि इस कंटेंट को समझाने में आमतौर पर यूनिवर्सिटी का पूरा एक लेक्चर लग जाता है, फिर भी AI ने इसे कुछ मिनट के वीडियो में स्पष्ट रूप से समझा दिया।
हाल ही में ब्रेक्स एक चर्चा का विषय रहे हैं, इसलिए मैंने ब्रेक की संरचना को समझाने के लिए भी इस skill का इस्तेमाल किया।
जैसा कि हम सभी जानते हैं, यह महत्वपूर्ण जानकारी है—तो दोस्तों, इसे अच्छे से सीख लें ताकि बाद में कोई परेशानी न हो।
संक्षेप में, पिछले दो दिनों में इसे आज़माना बहुत मज़ेदार रहा।
जब भी आप कुछ सीखना चाहें, बस इसे अपने लिए एक कस्टम एक्सप्लेनर जनरेट करने दें। यह एहसास सच में बहुत संतोषजनक है।
नतीजे देखने के बाद, मुझे पता है कि आपमें से कई लोग token खपत और समय को लेकर चिंतित होंगे।
सच कहूँ तो, इस skill से वीडियो बनाने की token लागत मेरी उम्मीद से कहीं कम थी।
उदाहरण के लिए, 5 मिनट के TCP handshake वीडियो ने मेरे $200 वाले Claude Max साप्ताहिक कोटे का लगभग 1% ही इस्तेमाल किया।
अन्य 5 मिनट के वीडियो में भी साप्ताहिक कोटे का लगभग 1% ही खर्च हुआ।
अगर आप इसे ऑनलाइन पब्लिश करने की योजना बना रहे हैं और चाहते हैं कि हर हिस्सा बेहद विस्तृत हो, तो आपको Opus 5.5 जैसे टॉप-टियर मॉडल और अधिकतम रीज़निंग इंटेंसिटी की ज़रूरत पड़ सकती है।
लेकिन अगर यह सिर्फ निजी पढ़ाई के लिए है, तो आप अधिक किफायती कॉन्फ़िगरेशन का उपयोग करके एक सरल वर्ज़न बना सकते हैं।
मैंने Sonnet 5.5 और हाई रीज़निंग इंटेंसिटी का इस्तेमाल करके GPU सिद्धांतों पर एक वीडियो भी बनाया। खुद से सीखने के उद्देश्य से, इसका परिणाम बिल्कुल पर्याप्त है।
समय की बात करें तो, Opus 5.5 पर Ultra इंटेंसिटी के साथ 5 मिनट का वीडियो जनरेट करने में लगभग 1.5 घंटे लगते हैं।
इसे तेज़ करने का कोई ख़ास तरीका नहीं है।
Anatomy skill के लेखक ने इसे जानबूझकर धीमा रखा है।
उन्होंने इसका कारण इस प्रकार बताया:
विस्तार में समय लगता है, इसलिए मैं अनुमान लगाने के बजाय असल आँकड़े दिखाना पसंद करता हूँ।
यथार्थवादी विवरण के प्रति उनकी यह लगन कितनी गहरी है?
जब मैंने इससे Transformer के सिद्धांत समझाने को कहा, तो इसने खुद एक छोटा मॉडल ट्रेन करने की कोशिश की, जिससे Claude के सुरक्षा फ़िल्टर ट्रिगर हो गए और सेशन बैन हो गया। मैं तो डर ही गया...
बेशक, मुझे एक डिस्क्लेमर भी जोड़ना चाहिए।
AI-जनरेटेड एनिमेशन और वीडियो, भले ही देखने में बहुत परिष्कृत लगें, इस बात की गारंटी नहीं दे सकते कि हर मैकेनिकल संरचना, गणना प्रक्रिया और व्याख्या 100% सही है।
खासकर जब आप प्रोफेशनल ज्ञान सीख रहे हों, तो विशिष्ट पैरामीटर और मुख्य सिद्धांतों की पुष्टि ज़रूर करें।
लेकिन इन सीमाओं के बावजूद, मेरा मानना है कि यहाँ दिखाई गई संभावनाएँ उत्साहजनक हैं।
क्योंकि यह सिर्फ साइंस वीडियो बनाने के तरीके के बारे में नहीं है; यह एक बड़े सवाल से जुड़ता है:
भविष्य में हम उन चीज़ों को कैसे सीखेंगे जिन्हें हम बिल्कुल नहीं समझते?
इस skill के साथ खेलते समय, मुझे Karpathy द्वारा National Day के दौरान X पर पोस्ट की गई एक लंबी पोस्ट याद आ गई।
https://x.com/karpathy/status/2105819303471976479
उन्होंने कहा था कि भविष्य में हम शायद AI-जनरेटेड कंटेंट को समझने में ज़्यादा समय बिताएँगे।
इस कंटेंट को समझना आसान बनाने के लिए, उन्होंने कई तरीके बताए थे।
पहला, AI से समस्याओं को अधिक स्पष्ट और सरल भाषा में समझाने को कहें।
उन्होंने ASD-STE100 का ज़िक्र किया, जो एक तकनीकी अंग्रेजी मानक है जिसे मूल रूप से एविएशन मेंटेनेंस डॉक्यूमेंटेशन के लिए विकसित किया गया था। यह अस्पष्टता को कम करने के लिए शब्दावली और वाक्य संरचना को सीमित करता है (जैसे, वाक्य की लंबाई सीमित करना, सक्रिय वाच्य का उपयोग, सुसंगत शब्दावली)।
उन्होंने पाया कि AI से इस मानक का पालन करने को कहने पर टेक्स्ट पढ़ना बहुत आसान हो जाता है।
यहाँ, मैंने Claude से इस मानक के बिना और उसके साथ mortise and tenon joints (लकड़ी के जोड़) को समझाने को कहा। फर्क खुद महसूस करें।
ASD-STE100 संदर्भ के साथ।
दूसरा, उनका मानना है कि यह पहले वाले से बेहतर है:
AI से सीधे डायग्राम बनवाएं।
इससे एक कदम आगे, HTML वेब पेज और भी बेहतर हैं।
चूँकि अब AI कोडिंग काफी मजबूत हो गई है, यह खूबसूरत और इंटरैक्टिव वेब पेज बना सकती है।
यह Anatomy skill का प्राथमिक आउटपुट फॉर्मेट भी है।
मैंने Opus 5.5 से एक ही बार में ऐसे ही एक पेज को जनरेट किया।
और आखिरी तरीका, जो Karpathy को सबसे ज़्यादा पसंद है:
AI से विशिष्ट सवालों के लिए समर्पित साइंस एक्सप्लेनर वीडियो जनरेट करवाएं।
विभिन्न फॉर्मेट्स की प्रभावशीलता की तुलना करने के लिए मैंने Anatomy का उपयोग करके एक वीडियो भी बनाया।
मेरे नज़रिए से, ये फॉर्मेट एक-दूसरे की जगह नहीं लेते।
टेक्स्ट तुरंत जानकारी खोजने के लिए अच्छा है, चार्ट संबंध दिखाने के लिए, इंटरैक्टिव वेब पेज खुद आज़माकर सीखने के लिए, और वीडियो प्रक्रियाओं को सहज रूप से स्टेप-बाय-स्टेप समझने के लिए।
अलग-अलग ज्ञान, अलग-अलग लोग और सीखने के अलग-अलग चरण—सबके लिए अलग-अलग फॉर्मेट उपयुक्त होते हैं।
मैंने सहकर्मियों से पूछा कि कॉलेज के दिनों में वे पूरी तरह अनजान विषयों को सीखना कैसे शुरू करते थे।
जवाब लगभग एक जैसे थे: सर्च इंजन या प्लेटफॉर्म्स पर संबंधित वीडियो ढूँढना।
लेकिन जो सामग्री आपको मिलती है, वह ज़रूरी नहीं कि आपके लिए उपयुक्त हो।
कुछ बहुत उथली होती हैं, तो कुछ बहुत ज़्यादा विशेषज्ञता वाली। और दुर्लभ विषयों के लिए तो आपको कोई कोर्स मिलेगा भी नहीं।
आखिरकार, पहले की स्टडी मटेरियल किसी और ने पहले से बनाकर सभी के लिए बाँट दी होती थी।
हम केवल मौजूदा कंटेंट में से अपने लिए सबसे उपयुक्त चीज़ चुन सकते थे।
लेकिन अब, Opus 5.5 जैसे मॉडल और Anatomy जैसे skills के साथ, हम AI से अपनी ज़रूरत के अनुसार स्टडी मटेरियल जनरेट करवा सकते हैं।
इससे खोजने में लगने वाला समय बचता है और ऐसी जिज्ञासा भी पूरी होती है जिसे हम शायद अधूरा छोड़ देते।
भले ही आप किसी बहुत छोटे से सवाल को लेकर उत्सुक हों, आप तुरंत AI से उसके लिए एक वीडियो व्याख्या बनवाने को कह सकते हैं।
कितना शानदार दौर है।
बस इतना ही। अगर आपको यह आर्टिकल पसंद आया, तो कृपया लाइक, कमेंट और शेयर करें। इससे हमें बहुत मदद मिलती है।
पढ़ने के लिए शुक्रिया। अगली बार मिलते हैं।
