Yoichi Ochiai की AI महारत: प्रयास की "रोटेशन स्पीड" बढ़ाना

प्रयास को AI को सौंपना नहीं, बल्कि प्रयास की "घूर्णन गति" बढ़ाना

जनरेटिव AI आपको बिना प्रयास के परिणाम उत्पन्न करने की अनुमति देता है।

AI टेक्स्ट लिखता है।

AI इमेज बनाता है।

AI दस्तावेज़ों का सारांश बनाता है।

AI कोड लागू करता है।

AI जानकारी एकत्र करता है।

इस तरह देखने पर, AI प्रयास को कम करने वाली मशीन जैसा लगता है।

हालाँकि, योइची ओचियाई के AI उपयोग को ट्रैक करने पर एक बिल्कुल अलग तस्वीर सामने आती है।

वह सोचने की मात्रा को कम करने के लिए AI का उपयोग नहीं कर रहे हैं।

वह उन परिकल्पनाओं को बढ़ा रहे हैं जिनका वह परीक्षण कर सकते हैं, जांच का दायरा बढ़ा रहे हैं, प्रोटोटाइप बना सकते हैं, और एक ही समय सीमा में विफलता से अगले प्रयास तक जाने की गति बढ़ा रहे हैं।

यह AI के साथ एक ही कार्य को आसानी से पूरा करने के बारे में नहीं है।

यह एक ऐसे कार्य को दस या सौ बार दोहराना संभव बनाने के बारे में है जो पहले एक प्रयास के बाद समाप्त हो जाता था।

दूसरे शब्दों में, वह AI के साथ जो प्रवर्धित कर रहे हैं, वह प्रतिभा नहीं है, बल्कि प्रयास की घूर्णन गति है।

2023 में अपने आधिकारिक कलाकार वक्तव्य में, ओचियाई ने नोट किया कि उन्होंने लगभग दो महीनों तक सुबह से रात तक बड़े भाषा मॉडलों के साथ संवाद जारी रखा। 2025 में, एक वर्कफ़्लो शुरू किया गया जहाँ उन्होंने एक साथ ChatGPT, Gemini, Grok और Claude जैसे कई AI लॉन्च किए, और उन्हें प्रक्रिया के अनुसार शोध, इमेज जनरेशन और कार्यान्वयन जैसे कार्य सौंपे। इसके अलावा, 2026 में, उन्होंने केवल मौजूदा AI सेवाओं का उपयोग नहीं किया; उन्होंने ऑफ़लाइन चलने वाले "vibe-local" और कई AI प्रदाताओं को पार करने वाले "co-vibe" जैसे कोडिंग एजेंट जारी किए।

यह उस व्यक्ति का व्यवहार नहीं है जो आमतौर पर कल्पना के अनुसार "AI के साथ समय बचा रहा है।"

लंबे समय तक AI से बात करना।

कई मॉडलों की तुलना करना।

आउटपुट को कई बार फिर से बनाना।

उपयोग के वातावरण को स्वयं डिज़ाइन करना।

यदि अपारदर्शी भाग हों तो स्वयं उपकरण बनाना।

बनाए गए उपकरणों को AI के साथ और सत्यापित करना।

शोध, कार्यों, स्थान और शरीर से जोड़ना।

AI के साथ प्रयास को समाप्त करने से दूर, वह AI का उपयोग करके स्वयं पर पहले से अधिक परीक्षण लागू कर रहे हैं।

इस लेख में प्रयुक्त शब्द "प्रयास का जीनियस" उनके द्वारा स्वयं के लिए दावा की गई उपाधि नहीं है। यह एक ऐसा शब्द है जिसका उपयोग यहाँ योइची ओचियाई के सार्वजनिक बयानों, लेखों, कार्यों और जारी किए गए सॉफ़्टवेयर से देखे गए कार्य की संरचना का वर्णन करने के लिए किया गया है। उनकी आधिकारिक प्रोफ़ाइल उन्हें एक मीडिया कलाकार, त्सुकुबा विश्वविद्यालय में प्रोफेसर, टोक्यो विश्वविद्यालय में एसोसिएट प्रोफेसर और 2025 ओसाका/कंसाई एक्सपो के थीम प्रोजेक्ट निर्माता के रूप में वर्णित करती है।

साथ ही, ओचियाई के सभी AI वार्तालाप लॉग या दैनिक कार्य रिकॉर्ड सार्वजनिक नहीं हैं। निम्नलिखित सार्वजनिक रूप से उपलब्ध उदाहरणों के आधार पर उनके कार्यों के पीछे प्रयास के डिज़ाइन का एक विश्लेषण है।

1. योइची ओचियाई के लिए, प्रयास "लंबे समय तक कष्ट सहना" नहीं है

जब लोग प्रयास शब्द सुनते हैं, तो कई लोग सहनशक्ति की कल्पना करते हैं।

नींद आने पर भी डेस्क पर बैठे रहना।

दर्द होने पर भी जारी रखना।

भारी मात्रा में पाठ पढ़ना।

एक ही चीज़ को बार-बार अभ्यास करना।

दूसरों से अधिक समय तक काम करना।

बेशक, ऐसे काम हैं जिनमें दृढ़ता और धैर्य की आवश्यकता होती है। हालाँकि, ओचियाई के काम को केवल काम के समय की लंबाई से समझाना सार को खो देता है। उनकी ताकत केवल प्रयास की मात्रा बढ़ाने में नहीं है, बल्कि एक ही प्रयास से प्राप्त जानकारी की मात्रा बढ़ाने में है।

एक ही विषय पर केवल एक AI से पूछने के बजाय, वह इसे एक साथ कई AI पर डालता है। केवल टेक्स्ट में सोचने के बजाय, वह इसे इमेज में बदलता है। केवल इमेज देखने के बजाय, वह उन्हें चलने वाले प्रोटोटाइप में बदलता है। केवल प्रोटोटाइप खत्म करने के बजाय, वह इसे भौतिक स्थान में घुमाता है। यदि कोई समस्या आती है, तो वह इसे केवल हाथ से ठीक नहीं करता; वह उपकरण या सिस्टम बदलता है ताकि यह फिर से न हो।

काम करने के इस तरीके को निम्नलिखित सूत्र द्वारा कैप्चर किया जा सकता है:

परिणामों की गुणवत्ता = पूछताछ की गुणवत्ता × परीक्षणों की संख्या × सत्यापन शक्ति × कार्यान्वयन की गति × वास्तविकता से प्रतिक्रिया

जनरेटिव AI परीक्षणों की संख्या और कार्यान्वयन की गति को काफी बढ़ा देता है। हालाँकि, यह स्वचालित रूप से पूछताछ की गुणवत्ता, सत्यापन शक्ति या वास्तविकता से प्रतिक्रिया नहीं बढ़ाता है। वास्तव में, जैसे-जैसे आउटपुट बढ़ता है, निर्णय की आवश्यक मात्रा बढ़ती है—क्या विश्वास करना है, क्या त्यागना है, और कहाँ ठीक करना है। AI के बाद का प्रयास अक्षर दर अक्षर इनपुट करने के कार्य से लगातार दिशाएँ चुनने के कार्य में स्थानांतरित हो जाता है।

ओचियाई-शैली का AI उपयोग प्रयास को शून्य करने के बारे में नहीं है। यह प्रयास के स्थान को कम मूल्य वाली पुनरावृत्ति से उच्च मूल्य वाले निर्णय में स्थानांतरित करने के बारे में है।

2. सही प्रश्न बनाने के बाद ही AI न खोलें

AI से जूझने वाले लोग अक्सर पहले प्रॉम्प्ट को सही बनाने की कोशिश करते हैं। उन्हें लगता है कि उन्हें उद्देश्य लिखना होगा, शर्तों को व्यवस्थित करना होगा, भूमिकाएँ निर्दिष्ट करनी होंगी और आउटपुट प्रारूप तय करने होंगे। सोचते-सोचते यह एक काम बन जाता है, और वे अंत में AI का उपयोग नहीं करते।

ओचियाई की विधि इसके विपरीत है। 2025 की पुस्तक "जनरेटिव AI एवन ए कैट कैन अंडरस्टैंड" के एक अंश में, यह बताया गया है कि यदि आप नहीं जानते कि AI का उपयोग कैसे करें, तो आपको AI से ही पूछना चाहिए कि इसका उपयोग कैसे करें, आवाज़ से बात करके इसका अंदाज़ा लगाएँ, और यदि यह आपकी उम्मीद से अलग जवाब देता है, तो AI को उपयोगकर्ता का साक्षात्कार करने दें। यहाँ मुख्य बात यह है कि "प्रश्न की तैयारी" अकेले मनुष्यों द्वारा पूरी नहीं की जानी चाहिए।

उदाहरण के लिए, मान लीजिए कि आप एक नए प्रोजेक्ट के बारे में सोच रहे हैं लेकिन स्वयं उद्देश्य को शब्दों में व्यक्त नहीं कर पा रहे हैं। सामान्यतः, आप AI से परामर्श करने से पहले इसे स्वयं व्यवस्थित करने का प्रयास करेंगे। हालाँकि, आप इस तरह शुरू कर सकते हैं:

मैं एक नए प्रोजेक्ट के बारे में सोच रहा हूँ, लेकिन अभी तक स्वयं उद्देश्य को शब्दों में व्यक्त नहीं कर पाया हूँ। कृपया मुझसे एक बार में एक प्रश्न पूछकर लक्षित दर्शकों, हल की जाने वाली समस्या, उपलब्ध संसाधनों और बचने वाली चीज़ों को स्पष्ट करें। यदि मेरे उत्तरों में विरोधाभास हैं, तो कृपया उन्हें मौके पर इंगित करें।

फिर, AI के साथ संवाद ही आवश्यकता परिभाषा बन जाता है। आप किस तक पहुँचना चाहते हैं? आप ऐसा क्यों कर रहे हैं? वर्तमान विकल्प क्या हैं? बजट क्या है? विफलता क्या मानी जाती है? कौन से भाग अपरिवर्तनीय हैं? आप AI को कोई पूर्ण निर्देश नहीं देते; आप AI के साथ बातचीत के माध्यम से निर्देश को पूरा करते हैं।

यह अंतर बहुत बड़ा है। यदि आप पहले एक सही प्रॉम्प्ट बनाने की कोशिश करते हैं, तो आप केवल उसी सीमा के भीतर लिख सकते हैं जो आप पहले से समझते हैं। AI द्वारा प्रश्न पूछने से, आप उन शर्तों को नोटिस कर सकते हैं जिनके बारे में आपने अभी तक नहीं सोचा था। AI एक उत्तर देने वाली मशीन के साथ-साथ मानवीय अस्पष्टता की खोज के लिए एक प्रश्न पूछने वाला उपकरण बन जाता है। प्रयास का जीनियस वह नहीं है जिसके पास शुरू से ही सही पूछताछ हो, बल्कि वह है जो अस्पष्ट स्थिति में शुरू कर सकता है और बातचीत करते हुए पूछताछ के रिज़ॉल्यूशन को बढ़ा सकता है।

3. पहले आवाज़ से मन में आने वाली बात को कैप्चर करें

मानवीय विचार आवश्यक रूप से वाक्यों के रूप में नहीं होते। आप सोच सकते हैं कि कुछ दिलचस्प लगता है, या कल की बातचीत आज देखी गई किसी इमेज से जुड़ती है। आपको एक अकथनीय बेचैनी या एक अनाम इमेज महसूस हो सकती है। इस स्थिति में वाक्य लिखने का प्रयास करना विचार को रोक देता है। आप अंततः संपादन करना शुरू कर देते हैं—पहला वाक्य ठीक करना, शब्दों के अर्थ जाँचना, पृष्ठभूमि जोड़ना, या तर्क को पुनर्व्यवस्थित करना। आपको विचारों को रिकॉर्ड करना था, लेकिन यह आधे रास्ते में संपादन में बदल गया।

2023 में, ओचियाई ने वॉयस रिकॉग्निशन टूल Whisper को GPT-4 के साथ मिलाकर खुद को डिजिटल रूप से पूरक करने की एक विधि के बारे में लिखा। उन्होंने कहा कि विचारों के संदर्भ को बाद में पूरक किया जा सकता है, जिससे स्पष्टीकरण पर खर्च किए गए समय को आगे सोचने में पुनर्निर्देशित किया जा सकता है। यह AI युग के लिए एक बहुत शक्तिशाली नोट लेने की तकनीक है। सामान्य नोट्स में, रिकॉर्डिंग और संपादन एक साथ होते हैं। ओचियाई शैली में, ये दोनों अलग हो जाते हैं।

पहले, विचार को रोके बिना बोलें। "मुझे लगता है कि यह और वह समान हैं।" "मुझे नहीं पता क्यों, लेकिन मैं उत्सुक हूँ।" "अगर मैं इस तरह की इमेज बनाऊँ तो क्या होगा?" "शायद आधार गलत है।" "यह पहले जो मैंने सोचा था उसके विपरीत है, लेकिन..." आपको व्याकरण ठीक करने या क्रम के बारे में चिंता करने की आवश्यकता नहीं है। बाद में, AI से प्रतिलेखन को निम्नलिखित में वर्गीकृत करने के लिए कहें:

• देखे गए तथ्य
• व्यक्तिगत व्याख्याएँ
• असत्यापित परिकल्पनाएँ
• उत्पादन या शोध के लिए विचार
• आगे जाँचने के लिए आइटम
• वे भाग जहाँ स्पष्टीकरण की कमी है
• विरोधाभासी कथन

फिर, मनुष्य AI के व्यवस्थित परिणामों में संदर्भ जोड़ता है। इस क्रम में, रचनात्मक चरण लेखन क्षमता से बाधित नहीं होता है। आप विचार की गति बनाए रख सकते हैं और बाद में इसे समझाने योग्य रूप में वापस ला सकते हैं। AI का उपयोग उन विचारों को खोने से बचाने के लिए बफर के रूप में किया जा सकता है जो अभी तक शब्द नहीं बने हैं। हालाँकि, आवाज़ रिकॉर्ड करते समय, यह जाँचना आवश्यक है कि इसमें दूसरों की बातचीत, गोपनीय जानकारी या व्यक्तिगत डेटा शामिल नहीं है। आप सब कुछ AI को नहीं भेजते; जैसे-जैसे रिकॉर्डिंग की गति बढ़ती है, कौन सी जानकारी इनपुट की जा सकती है, इसकी सीमाओं का प्रबंधन अधिक महत्वपूर्ण हो जाता है।

4. एक AI पर भरोसा न करें; एक साथ कई AI चलाएँ

ओचियाई के AI उपयोग का प्रतीक कई मॉडलों का समानांतर संचालन है। 2025 के अंत में एक PIVOT लेख में, यह बताया गया था कि एक नया प्रोजेक्ट या शोध शुरू करते समय, वह एक साथ ChatGPT, Gemini, Grok और Claude लॉन्च करता है और पृष्ठभूमि की जानकारी की जाँच करने के लिए डीप रिसर्च फ़ंक्शन का उपयोग करता है। इसका मूल्य केवल यह नहीं है कि जानकारी की मात्रा चार गुना हो जाती है। प्रत्येक मॉडल में संगठन, संदर्भित जानकारी, सावधानी और लेखन शैली में अलग-अलग ताकत होती है।

एक ही प्रश्न के साथ भी, एक संस्थागत पक्ष पर जोर दे सकता है, दूसरा तकनीकी पक्ष पर, दूसरा भविष्य की भविष्यवाणियों की ओर बढ़ सकता है, और दूसरा कई विरोधी राय प्रदान कर सकता है। महत्वपूर्ण बात चार उत्तरों का औसत निकालना नहीं है, बल्कि यह देखना है कि उत्तर कहाँ टकराते हैं। सुसंगत भाग अपेक्षाकृत स्थिर जानकारी हो सकते हैं। केवल एक AI द्वारा उठाया गया बिंदु एक नई खोज हो सकता है। यदि संख्याएँ भिन्न हैं, तो लक्ष्य अवधि या परिभाषा में अंतर हो सकता है। यदि उद्धरण भिन्न हैं, तो आपको प्राथमिक स्रोतों पर वापस जाने की आवश्यकता है।

एक AI को बॉस की तरह उपयोग करने से उत्तर को स्वीकार या अस्वीकार करने का द्विआधारी विकल्प बनता है। कई AI को एक शोध टीम के रूप में उपयोग करने से आप उत्तरों को एक दूसरे से टकरा सकते हैं। उदाहरण के लिए, आप भूमिकाएँ विभाजित कर सकते हैं: पहला एक मानक स्पष्टीकरण बनाए, दूसरा उन प्रतिउदाहरण खोजे जहाँ मानक स्पष्टीकरण लागू नहीं होता, तीसरा केवल प्राथमिक स्रोत एकत्र करे, चौथा कार्यान्वयन बाधाओं और लागतों का अनुमान लगाए, और पाँचवाँ इसे सामान्य उपयोगकर्ताओं की भाषा में अनुवाद करे।

जुलाई 2026 तक, कुछ डीप रिसर्च फ़ंक्शन न केवल वेब खोज, बल्कि उपयोगकर्ता द्वारा अनुमत फ़ाइलें, क्लाउड पर दस्तावेज़ और ईमेल को भी शोध लक्ष्य के रूप में शामिल कर सकते हैं। कोडिंग एजेंट कोडबेस पढ़ने, कई फ़ाइलों को संपादित करने और कमांड चलाने में सक्षम हो गए हैं। इस स्थिति में, एक बार यह तय करना कि "कौन सा AI सबसे चालाक है" का कोई मतलब नहीं है। मॉडल अपडेट होते हैं, कीमतें बदलती हैं, और विशेषज्ञता के क्षेत्र बदलते हैं। मायने यह नहीं रखता कि आप किसी विशिष्ट ब्रांड के प्रति वफादार हैं, बल्कि कार्य को विघटित करना और उस कार्य के लिए उपयुक्त क्षमता रखना मायने रखता है।

5. एक ही चैट को योजना से पूर्णता तक सब कुछ संभालने न दें

AI से "एक नए उत्पाद की योजना बनाएं, उस पर शोध करें, इसे डिज़ाइन करें, प्रचारात्मक कॉपी लिखें और इसे लागू करें" पूछना कुशल लगता है। हालाँकि, यदि आप सभी चरणों को एक ही बातचीत में आगे बढ़ाते हैं, तो AI द्वारा पहले बनाई गई परिकल्पना के बाद के चरणों में तथ्य के रूप में माने जाने की संभावना है। AI अपने द्वारा बनाए गए बाजार अनुमान के आधार पर एक योजना बनाता है, फिर यह मानते हुए कॉपी लिखता है कि वह योजना सही है, और अंत में योजना का मूल्यांकन करता है। यह आंतरिक रूप से सुसंगत है, लेकिन वह सुसंगतता प्रारंभिक धारणा को सभी चरणों में ले जाने का परिणाम हो सकती है।

ओचियाई के सार्वजनिक वर्कफ़्लो में, वह प्रत्येक चरण के लिए अलग-अलग उपकरणों का उपयोग करते हैं: सूचना संग्रह के लिए कई भाषा मॉडल, अवधारणा विज़ुअलाइज़ेशन के लिए Midjourney या Stable Diffusion, और कार्यान्वयन के लिए Cursor। इस विधि के दो फायदे हैं। एक यह है कि प्रत्येक चरण के लिए सबसे उपयुक्त AI का उपयोग करने में सक्षम होना। दूसरा यह है कि चरणों के बीच मानवीय निर्णय डालने में सक्षम होना। आप शोध परिणाम पढ़ते हैं और एक मानव परिकल्पना चुनता है। आप चुनी गई परिकल्पना के आधार पर एक इमेज बनाते हैं। आप इमेज देखते हैं और दिशा सुधारते हैं। आप सुधारी गई दिशा को एक विनिर्देश में अनुवादित करते हैं। आप विनिर्देश को कोड जनरेशन AI को देते हैं। एक मानव चल रहे उत्पाद का परीक्षण करता है और समस्याएँ ढूँढता है। दूसरे शब्दों में, आप AI के काम को सीधे AI से नहीं जोड़ते; आप बीच में चयन द्वार रखते हैं। इन द्वारों पर, एक मानव तय करता है कि क्या रखना है और क्या त्यागना है। ओचियाई-शैली के वर्कफ़्लो को सार रूप में इस प्रकार दर्शाया जा सकता है:

शोध → मानव परिकल्पना चयन → विज़ुअलाइज़ेशन → मानव दिशा सुधार → कार्यान्वयन → वास्तविक वातावरण में परीक्षण → मानव मूल्यांकन → पुनः शोध

उथले AI उपयोग वाले लोग AI से एक तैयार उत्पाद प्राप्त करने का प्रयास करते हैं। गहरे AI उपयोग वाले लोग प्रक्रिया को बारीक चरणों में काटते हैं और प्रत्येक चरण में AI और मानव के असाइनमेंट को पुन: कॉन्फ़िगर करते हैं।

6. डीप रिसर्च "उत्तर" बनाने का कार्य नहीं है

डीप रिसर्च कम समय में भारी मात्रा में सामग्री ढूँढता है, उनकी तुलना करता है, और उद्धरणों के साथ लंबी रिपोर्ट में सारांशित करता है। फरवरी 2025 में, ओचियाई ने अपने नोट पर बताया कि डीप रिसर्च के परीक्षण परिणाम के रूप में, लगभग 25,000 वर्णों का एक आउटपुट जो डिजिटल नेचर, ऑब्जेक्ट-ओरिएंटेड ऑन्टोलॉजी, पोस्टह्यूमैनिज़्म और एक्सपो मंडपों को पार करता है, एक साथ उत्पन्न हुआ था। केवल यह देखकर, कोई सोच सकता है "यदि आप AI को 25,000 वर्ण लिखने देते हैं तो शोध समाप्त हो जाता है।" हालाँकि, एक लंबा उत्पन्न पाठ और सही सामग्री अलग-अलग चीज़ें हैं।

AI गैर-मौजूद उद्धरण बना सकता है। यह एक ही नाम वाले शोधकर्ताओं या पेपरों को भ्रमित कर सकता है। यह तथ्यों और अनुमानों को सहज वाक्यों से जोड़ सकता है। यह पुराने आंकड़ों को वर्तमान के रूप में समझा सकता है। ओचियाई-जुकू कार्यशालाओं को सारांशित करने वाली सामग्री यह भी बताती है कि जबकि AI साहित्य खोज, विश्लेषण और परिकल्पना निर्माण को गति दे सकता है, आउटपुट की सटीकता और उद्धरणों की वैधता को मनुष्यों द्वारा सत्यापित किया जाना चाहिए। इसलिए, डीप रिसर्च से जो अनुरोध किया जाना चाहिए, वह "मुझे सच बताओ" नहीं है, बल्कि इस तरह के कार्य हैं:

• इस विषय में कौन से बिंदु शामिल हैं?
• महत्वपूर्ण प्राथमिक स्रोत क्या हैं?
• शोधकर्ताओं के बीच राय कहाँ भिन्न होती है?
• संख्याओं के लिए कितने प्रकार की परिभाषाएँ हैं?
• कौन से दावे असत्यापित हैं?
• अतिरिक्त रूप से कौन सी सामग्री जाँची जानी चाहिए?

संक्षेप में, डीप रिसर्च की मुख्य भूमिका एक शोध मानचित्र बनाना है। यह एक मानव है जो वास्तव में मानचित्र पर खींची गई सड़कों की जाँच करता है। शोध सटीकता बढ़ाने के लिए, AI से निम्नलिखित आउटपुट की आवश्यकता लेना अच्छा है:

• तथ्यों, अनुमानों और भविष्यवाणियों को अलग करें।
• प्रत्येक दावे के लिए स्रोत संलग्न करें।
• स्रोत के प्रकाशन की तारीख और संभाले गए डेटा की लक्ष्य अवधि को अलग करें।
• प्राथमिक और द्वितीयक स्रोतों के बीच अंतर करें।
• उन वस्तुओं को स्पष्ट रूप से बताएं जिनकी पुष्टि नहीं की जा सकी।
• विरोधी साक्ष्य एक अलग कॉलम में प्रदान करें।
• यदि कई सामग्रियों में संख्याएँ भिन्न हैं, तो अंतर के कारण का अनुमान लगाएं।

डीप रिसर्च द्वारा बचाए गए समय का उपयोग सीधे अन्य कार्यों के लिए नहीं किया जाना चाहिए। बचाए गए समय का एक हिस्सा सत्यापन में पुनर्निवेश करें। AI के साथ भारी मात्रा में जानकारी संभालने वाले मनुष्यों की यही जिम्मेदारी है।

7. लंबे प्रॉम्प्ट लंबा टेक्स्ट लिखने की प्रतियोगिता नहीं हैं

2024 में मध्य और उच्च विद्यालय के छात्रों के लिए एक कार्यशाला में, यह बताया गया कि ओचियाई ने प्रॉम्प्ट को लंबा और विशिष्ट बनाने की सलाह दी, और AI को कई बार फिर से करने के लिए कहने में कोई आपत्ति नहीं है। प्रतिभागियों ने ChatGPT के साथ "वर्ष 2300 में सेट की गई कहानियाँ" बनाईं और जनरेटिव AI का उपयोग करके उन्हें स्टोरीबोर्ड में विस्तारित किया। हालाँकि, "जितना लंबा उतना बेहतर" शब्दों को शाब्दिक रूप से नहीं लिया जाना चाहिए। अप्रासंगिक जानकारी की भारी मात्रा लिखने से निर्देश अस्पष्ट हो जाते हैं। मूल्य लंबाई में नहीं है, बल्कि उन पूर्वधारणाओं को डालने में है जो केवल मानव के दिमाग में थीं, AI द्वारा संभाले जा सकने वाले रूप में।

2024 में, ओचियाई ने इनपुट की जा सकने वाली जानकारी की मात्रा बढ़ने के साथ अमूर्त अवधारणाओं और ऑब्जेक्ट-ओरिएंटेड संरचनाओं को प्रॉम्प्ट में लाने की संभावना के बारे में लिखा। वह ChatGPT के सर्च सपोर्ट के अनुसार अपने कस्टम इंस्ट्रक्शन को भी अपडेट करते हैं। यहाँ जो देखा जाता है, वह एक बार के "गॉड प्रॉम्प्ट" की खोज करने का रवैया नहीं है, बल्कि काम के अनुसार निर्देश प्रणाली को स्वयं अपडेट करने का रवैया है। एक गहरे प्रॉम्प्ट में कम से कम निम्नलिखित तत्व होते हैं:

• उद्देश्य: इस बार आप अंततः क्या तय करना चाहते हैं?
• पृष्ठभूमि: यह काम क्यों आवश्यक है?
• वर्तमान में क्या ज्ञात है: पुष्टि किए गए तथ्य, पिछला इतिहास, उपलब्ध संसाधन।
• क्या ज्ञात नहीं है: अपुष्ट वस्तुएँ, अस्पष्ट परिभाषाएँ, विरोधाभासी जानकारी।
• बाधाएँ: बजट, समय सीमा, अधिकार, निषेध, लक्षित दर्शक।
• मूल्यांकन मानदंड: कौन से मानदंड एक अच्छे आउटपुट का निर्धारण करते हैं?
• कार्य प्रक्रिया: शोध, विचार, तुलना, कार्यान्वयन और सत्यापन को कैसे विभाजित करें।
• उपकरण अनुमतियाँ: खोज, फ़ाइल देखना या कोड निष्पादन जैसी चीज़ों की अनुमति क्या है?
• रोकने की शर्तें: किस बिंदु पर स्वचालित निष्पादन रोकें और मानव से जाँच करें।
• आउटपुट प्रारूप: तथ्यों, परिकल्पनाओं, प्रस्तावों और अपुष्ट वस्तुओं को अलग-अलग प्रदर्शित करें।

यह एक प्रॉम्प्ट से अधिक एक छोटे कार्य के लिए एक विनिर्देश है। AI युग में, टेक्स्ट लिखने की क्षमता और सिस्टम डिज़ाइन करने की क्षमता एक साथ आती है। यह एक "चतुर अनुरोध" लिखने के बारे में नहीं है, बल्कि उद्देश्य, स्थिति, बाधाओं और निर्णय मानदंडों को एक ऐसे रूप में वर्णित करने के बारे में है जिसे AI संसाधित कर सके। ओचियाई-शैली के लंबे प्रॉम्प्ट शब्दों को बढ़ाने के बारे में नहीं हैं, बल्कि संरचित विचार को पारित करने के बारे में हैं।

8. पहला उत्तर "तैयार उत्पाद" नहीं है, बल्कि अन्वेषण के लिए सामग्री है

AI का उपयोग शुरू करने वाले लोग पहले उत्तर के आधार पर निर्णय लेते हैं। यदि यह अच्छा है, तो वे इसे अपना लेते हैं; यदि यह बुरा है, तो वे सोचते हैं "AI बेकार है।" हालाँकि, ओचियाई के सार्वजनिक उदाहरणों से जो दिखता है, वह पहले आउटपुट को तैयार उत्पाद के रूप में न मानने का रवैया है। संवाद को स्तरित करें। विवरण निकालें। प्रारूप बदलें। इसे दूसरे AI पर डालें। इसे इमेज में बदलें। इसे कोड में बदलें। वास्तव में इसे चलाएँ। यदि समस्याएँ आती हैं, तो निर्देश फिर से बदलें। 2023 में, ओचियाई ने लिखा कि चरणों में संवाद आगे बढ़ाने से विवरण सामने आते हैं, जिससे प्राकृतिक भाषा से कोड, इमेज और आवाज़ में विस्तार करना आसान हो जाता है।

AI की सबसे बड़ी विशेषता यह नहीं है कि वह शुरू से सही उत्तर दे सकता है, बल्कि यह है कि फिर से करने की सामाजिक लागत कम है। यदि आप बिना आधार के किसी मानव डिज़ाइनर से सौ बार संशोधन करने के लिए कहते हैं, तो रिश्ता टूट जाता है। यदि आप किसी कर्मचारी को एक ही दस्तावेज़ को बार-बार फिर से बनाने के लिए कहते हैं, तो आप उनका समय और प्रेरणा छीन लेते हैं। AI थकता नहीं है, चाहे आप एक ही अनुरोध को कितनी भी बार बदलें। यही कारण है कि AI का उपयोग करते समय, आप मनुष्यों पर अर्थहीन संशोधनों को मजबूर करने के बजाय, AI चरण में अन्वेषण की मात्रा बढ़ा सकते हैं। हालाँकि, केवल "इसे बेहतर बनाओ" दोहराने से एक सीमा लग जाएगी। जो आवश्यक है, वह है संशोधन के कारण को रिकॉर्ड करना:

• यह योजना किसी पर भी लागू होती है।
• इस इमेज की संरचना कमजोर है, रंग नहीं।
• यह कोड काम करता है लेकिन बनाए रखना मुश्किल है।
• यह टेक्स्ट सही है लेकिन इसमें मेरा अनुभव नहीं है।
• यह प्रोजेक्ट दिलचस्प है लेकिन इसका कोई निष्पादक नहीं है।

अस्वीकृति के कारण को AI को वापस करना अगली पीढ़ी की शर्त बन जाता है। फिर, निर्देश प्रणाली प्रत्येक पुनरावृत्ति के साथ अधिक स्मार्ट हो जाती है। प्रयास एक ही कार्य को कई बार दोहराना नहीं है, बल्कि प्रत्येक विफलता को अगली शर्त में परिवर्तित करना है।

9. प्राकृतिक भाषा को कार्यान्वयन भाषा के रूप में उपयोग करें

ओचियाई ने जल्दी ही नोट किया कि जनरेटिव AI प्राकृतिक भाषा और प्रोग्रामिंग भाषाओं के बीच की दूरी को कम करता है। 2023 के एक लेख में, उन्होंने तर्क दिया कि वॉयस रिकॉग्निशन और ChatGPT के आगमन से प्राकृतिक भाषा से कोड में रूपांतरण आसान हो जाता है, जिससे शब्दों के माध्यम से वीडियो, संगीत और टेक्स्ट जैसे विविध आउटपुट बनाए जा सकते हैं। यह "प्रोग्रामिंग जाने बिना कुछ भी बनाने में सक्षम होने" की एक सरल कहानी नहीं है। बल्कि, आवश्यकताओं को शब्दबद्ध करने की क्षमता का महत्व बढ़ जाता है:

• क्या इनपुट करना है?
• किस डेटा का उपयोग करना है?
• प्रसंस्करण का क्रम क्या है?
• त्रुटि की स्थिति में कैसे कार्य करें?
• उपयोगकर्ता को क्या प्रदर्शित करना है?
• क्या सहेजा जा सकता है?
• पूर्णता के लिए किन शर्तों को पूरा करना होगा?

पहले, ऐसे डिज़ाइन कोड के रूप में लिखे जाते थे। अब, इसका एक हिस्सा AI को प्राकृतिक भाषा में बताया जा सकता है। हालाँकि, यदि आप अस्पष्ट प्राकृतिक भाषा देते हैं, तो आपको एक अस्पष्ट प्रोग्राम मिलता है। इसलिए, जैसे-जैसे AI कोडिंग आगे बढ़ती है, कोड लिखने की गति से अधिक विनिर्देशों में विरोधाभासों की खोज करने की शक्ति महत्वपूर्ण हो जाती है। 2026 में, PIVOT ने "उत्पादकता 32 गुना है" शीर्षक वाली एक लघु फिल्म में ओचियाई के AI उपयोग को पेश किया। हालाँकि, लक्ष्य कार्यों, तुलना अवधि और गुणवत्ता मूल्यांकन जैसी गणना की शर्तों की पुष्टि सार्वजनिक पृष्ठ से नहीं की जा सकती है। इस संख्या को एक सख्त कॉर्पोरेट उत्पादकता सूचकांक के बजाय एक प्रतीकात्मक अभिव्यक्ति के रूप में लेना उचित है कि AI कोडिंग ने कार्यान्वयन की गति को काफी बदल दिया।

वास्तव में, भले ही कोड की पंक्तियों की संख्या 32 गुना हो जाए, मूल्य आवश्यक रूप से 32 गुना नहीं होता है। बग भी 32 गुना हो सकते हैं। सत्यापित करने के लिए कोड भी बढ़ता है। विनिर्देश परिवर्तनों के दौरान प्रभाव का दायरा भी बढ़ता है। अप्रयुक्त कार्यों की भारी मात्रा बनाने की संभावना है। AI कोडिंग का वास्तविक परिणाम परिकल्पना से प्रोटोटाइप तक के समय, उपयोगकर्ताओं से प्रतिक्रिया प्राप्त करने के समय, समस्याओं को खोजने, ठीक करने और पुनर्प्रकाशित करने के समय, और वास्तव में परीक्षण किए गए विचारों की संख्या से मापा जाना चाहिए जो पहले लागत के कारण परीक्षण नहीं किए जा सकते थे।

10. केवल सुविधाजनक AI का उपयोग न करें; AI का उपयोग करने के लिए उपकरण बनाएँ

ओचियाई के नवीनतम AI उपयोग के विशेष रूप से प्रतीक "vibe-local" और "co-vibe" हैं। Vibe-local एक ओपन-सोर्स कोडिंग एजेंट के रूप में जारी किया गया है जो Python और एक स्थानीय LLM निष्पादन वातावरण का उपयोग करता है, जिससे यह नेटवर्क कनेक्शन या भुगतान वाली क्लाउड सेवाओं के बिना चल सकता है। इसे एक एकल Python फ़ाइल के आसपास डिज़ाइन किया गया है और शिक्षा, शोध और ऑफ़लाइन कार्यशालाओं में उपयोग के लिए है। Co-vibe में कई प्रदाताओं जैसे Anthropic, OpenAI, Groq और स्थानीय मॉडलों को पार करने का एक तंत्र है, जो जटिलता के अनुसार कार्यों को वितरित करता है। इसे एक एकल टर्मिनल वातावरण में वेब शोध, फ़ाइल संचालन, कोडिंग, कई एजेंटों का समानांतर निष्पादन और सत्र निरंतरता को संभालने के लिए डिज़ाइन किया गया है।

इन दोनों से जो दिखता है, वह मौजूदा सेवाओं को वैसे ही स्वीकार न करने का रवैया है। ऐसे वातावरण हैं जो क्लाउड से कनेक्ट नहीं हो सकते। छात्र भुगतान वाली सेवाओं की सदस्यता नहीं ले सकते। वह एक ही AI प्रदाता पर निर्भर नहीं रहना चाहते। वह जाँचना चाहते हैं कि आंतरिक रूप से क्या हुआ। वह शोध उपकरणों से जुड़ना चाहते हैं। वह लंबे शोध कार्यों को जारी रखना चाहते हैं। ऐसी असंतुष्टियों के लिए, अन्य उत्पादों की तलाश जारी रखने के बजाय, वह आवश्यक वातावरण बनाते हैं। AI-मूल प्रयास केवल प्रॉम्प्ट तैयार करने के बारे में नहीं है। यह उपकरणों में सुधार करके आवर्ती असुविधाओं को समाप्त करने के बारे में है। एक ऐसा कार्य है जिसमें प्रतिदिन पाँच मिनट लगते हैं। यदि प्रतिदिन मैन्युअल रूप से जारी रखा जाए, तो यह एक वर्ष में बड़ी मात्रा में समय बन जाता है। एक बार स्क्रिप्ट बनाने के बाद, अगले दिन से लगभग कोई समय नहीं लगता है। इसके अलावा, यदि उस स्क्रिप्ट को AI एजेंट में शामिल किया जाए ताकि वह उसी प्रकार के कार्य को स्वचालित रूप से आंक सके, तो इसका उपयोग अन्य नौकरियों के लिए किया जा सकता है। प्रयास का जीनियस वह नहीं है जो केवल सामने वाले कार्य को जल्दी से संभाल लेता है, बल्कि वह है जो अगली बार से प्रयास की आवश्यकता नहीं होने वाले भागों को ढूँढता है और उस मात्रा में नए प्रयास की ओर बढ़ता है।

11. जब तक यह ब्लैक बॉक्स है, तब तक इसका सुविधाजनक उपयोग न करें

AI उपकरण जितने अधिक सुविधाजनक होते जाते हैं, उनके अंदर देखना उतना ही कठिन होता जाता है। आप निर्देश डालते हैं, थोड़ी देर प्रतीक्षा करते हैं, और तैयार उत्पाद बाहर आता है। उपयोगकर्ता को नहीं पता होता कि बीच में कौन सा मॉडल इस्तेमाल हुआ, कितनी बार विफल हुआ, उसने क्या खोजा, या उसने कौन सी फ़ाइलें बदलीं। सरल कार्यों के लिए, यह ठीक हो सकता है। हालाँकि, उन कार्यों में जहाँ विफलता का प्रभाव बड़ा होता है, जैसे शोध, व्यावसायिक सिस्टम, व्यक्तिगत जानकारी या उपकरण नियंत्रण, आपको बाद में यह जाँचने में सक्षम होना चाहिए कि "ऐसा क्यों हुआ।"

ओचियाई ने अपने सार्वजनिक लेखन में कई बार उल्लेख किया है कि वह "सफेद बक्से" को महत्व देते हैं जहाँ आंतरिक प्रक्रिया को पारदर्शी बनाया जा सके। वह जाँच करते हैं कि AI किस स्रोत का हवाला दे रहा है, क्या उसने सही ढंग से पढ़ा है, और क्या उसके तर्क में त्रुटियाँ हैं। यह सत्यापन प्रक्रिया प्रयास की गुणवत्ता का एक महत्वपूर्ण हिस्सा है। AI के साथ प्रयास करने का अर्थ केवल तेजी से काम करना नहीं है, बल्कि यह समझना भी है कि AI कैसे काम करता है और उसके आउटपुट की विश्वसनीयता का आकलन कैसे करें।

को-वाइब का पोजीशन पेपर व्यावसायिक AI कोडिंग सपोर्ट की अत्यधिक प्रशंसा करता है, लेकिन यह बताता है कि अपारदर्शिता अनुसंधान उद्देश्यों के लिए एक समस्या बन जाती है, और API कॉल, मॉडल चयन और टूल निष्पादन को ट्रैक करने में सक्षम संरचना आवश्यक है। यह एक ही AI प्रदाता पर निर्भर हुए बिना स्थानीय और क्लाउड मॉडल के बीच स्विच करने की क्षमता को एक डिज़ाइन आवश्यकता के रूप में भी रखता है। यह ओचियाई-शैली AI उपयोग की एक महत्वपूर्ण विशेषता है। AI को जादू की तरह उपयोग न करें; इसे एक अवलोकनीय उपकरण के रूप में उपयोग करें। कौन सा निर्देश विफल हुआ? इसने कितनी बार दोबारा किया? किस मॉडल ने क्या संभाला? इसकी लागत कितनी थी? कौन सी फ़ाइलें बदली गईं? इसने कितने परीक्षण पास किए? मानव ने कहाँ अनुमोदन किया? यदि ये रिकॉर्ड किए जा सकते हैं, तो विफलता पुनरुत्पादक हो जाती है। पुनरुत्पादक विफलता में सुधार किया जा सकता है। इसके विपरीत, "किसी तरह इस बार यह काम कर गया" की स्थिति को अगले काम में दोहराया नहीं जा सकता। AI के अंदर के गैर-सार्वजनिक विचारों को पढ़ने की कोई आवश्यकता नहीं है। जो चाहिए वह पुष्टि योग्य कार्यों का इतिहास है जैसे खोजी गई सामग्री, निष्पादित संचालन, परिवर्तन अंतर, परीक्षण परिणाम, लागत और प्रसंस्करण समय। जैसे-जैसे आप AI पर अधिक काम छोड़ते हैं, आपको लॉग की उपेक्षा नहीं करनी चाहिए। सिर्फ़ उत्पाद को न देखें; उत्पाद बनने तक की प्रक्रिया को सहेजें। AI को एक उपकरण के रूप में प्रशिक्षित करने की यही नींव है।

12. रचनात्मकता में, AI को मानवीय शब्दों का बहुत अधिक पालन न करने दें

काम के लिए AI का उपयोग करते समय, यह महत्वपूर्ण है कि वह उपयोगकर्ता के इरादे के अनुसार चले। हालाँकि, सृजन में, चीज़ें अलग होती हैं। यदि केवल वही चीज़ें सामने आती हैं जैसी मानव ने कल्पना की थी, तो AI का उपयोग करने का अर्थ कम हो जाता है। यदि अंतिम रूप पहले से ही दिमाग में है, तो मानव को इसे वैसे ही बनाना चाहिए। AI का मूल्य कभी-कभी ऐसे संबंध उत्पन्न करने में निहित है जिनकी उपयोगकर्ता को उम्मीद नहीं थी। ओचियाई को उस समय GPT-4.5 की "साहित्यिक" प्रकृति का मूल्यांकन करने के रूप में पेश किया गया था, जो न केवल तार्किक रूपों में फिट बैठता था बल्कि शब्दों और प्रतीकों के बीच छलांग लगाता था। यह मॉडल श्रेष्ठता का एक सार्वभौमिक मूल्यांकन नहीं है, बल्कि AI का उपयोग करने का एक दृष्टिकोण है जो सृजन के लिए अप्रत्याशित संबंध उत्पन्न करता है।

एक अन्य लेख में, ओचियाई ने AI सृजन को उन मामलों में वर्गीकृत किया जहाँ मानव सब कुछ नियंत्रित करता है, जहाँ इसे पूरी तरह से स्वचालित पीढ़ी पर छोड़ दिया जाता है, और जहाँ मानव AI पीढ़ी के आधार पर केवल चयन और फ़ाइन-ट्यूनिंग करता है, और बीच के अंतर्विरोधों की जाँच की। यदि मानव इसे बहुत बारीकी से ठीक करता है, तो AI-विशिष्ट विचलन खो जाते हैं; यदि यह पूरी तरह से स्वचालित है, तो मानवीय रचनात्मक इच्छा को संतुष्ट करना कठिन है। इससे जो निकलता है वह "AI को एक अच्छा काम बनाने के लिए प्रॉम्प्ट" नहीं है, बल्कि एक संपादन तकनीक है कि AI की अप्रत्याशितता को कितना छोड़ना है। उदाहरण के लिए, मान लीजिए कि AI द्वारा बनाई गई छवि में एक अजीब आकार दिखाई देता है। आम तौर पर, आप इसे एक दोष के रूप में हटा देंगे। हालाँकि, यदि उस अजीबता में एक नई छाप है, तो आप समग्र रचना को उस आकार से मिला सकते हैं। यदि AI द्वारा बनाए गए टेक्स्ट में सामान्य रूप से असंबंधित अवधारणाओं को एक साथ रखा गया है, तो आप उन्हें अर्थहीन के रूप में काट सकते हैं। दूसरी ओर, एक मानव यह सोच सकता है कि वे दोनों एक साथ क्यों रखे गए थे और इसे एक नई जाँच में बदल सकता है। ओचियाई के "लिक्विड यूनिवर्स" वीडियो में, जहाँ तरल क्रिस्टल की छवि तरल रूप से बदलती है, जनरेटिव AI द्वारा निर्मित किया गया था। 2025 की प्रदर्शनी में, एक कॉन्फ़िगरेशन अपनाया गया था जहाँ जनरेटिव AI द्वारा वीडियो लगातार बदलता है, और समुद्री जीवन और ड्रैगन की मूर्तियों की छवियां जन्म लेती हैं और गायब हो जाती हैं। AI लेखक के हाथ को पूरी तरह से प्रतिस्थापित नहीं कर रहा है। मानव पीढ़ी विधि, सामग्री, प्रदर्शन उपकरण, स्थान, समय, छोड़ने के लिए परिवर्तन और दर्शकों से दूरी डिज़ाइन करता है। सृजन में मानवीय प्रयास सब कुछ हाथ से चित्रित करने से उन चीज़ों को सीमाएँ देने की ओर स्थानांतरित हो जाता है जो उत्पन्न होती रहती हैं।

13. AI को चैट स्क्रीन से बाहर निकालें और इसे स्पेस और शरीर से जोड़ें

कई लोगों के लिए, AI ब्राउज़र के अंदर है। आप एक प्रश्न इनपुट करते हैं, और टेक्स्ट वापस आता है। लेकिन ओचियाई का AI उपयोग स्क्रीन पर ही नहीं रुकता। उनके मोबाइल कार्य वातावरण में, यह बताया गया है कि वे Apple Vision Pro को "दृष्टि के लिए हेडफ़ोन" के रूप में उपयोग करते हैं ताकि आसपास की दृश्य जानकारी को अवरुद्ध किया जा सके और एक विशाल आभासी स्क्रीन का विस्तार किया जा सके। यह शिंकान्सेन पर भी अपने स्वयं के एकाग्रता वातावरण के पुनर्निर्माण का एक विचार है। ओसाका/कंसाई एक्सपो के "null²" में, AI ने केवल टेक्स्ट वापस नहीं किया; यह उपयोगकर्ता के दूसरे स्व, आवाज़, वीडियो और स्थानिक उत्पादन से जुड़ा था। मिरर्ड बॉडी में, उपयोगकर्ताओं द्वारा जानकारी और आवाज़ें पंजीकृत करके AI अवतार बनाने, इसे मंडप के उत्पादन से जोड़ने की एक तंत्र अपनाया गया था। इसके अलावा, वहाँ उपयोग की जाने वाली 3D रियल अवतार तकनीक का एक हिस्सा एक्सपो के बाद ओपन सोर्स के रूप में जारी किया गया था।

AI उपयोग को समझने के लिए यहाँ एक महान सुझाव है। AI का उपयोग करना केवल चैट से काम का अनुरोध करने के बारे में नहीं है। मानव जो देखता है उसे बदलें। मानव जहाँ है उस स्थान को बदलें। शरीर की गतिविधियों को इनपुट के रूप में उपयोग करें। आवाज़ को इंटरफ़ेस के रूप में उपयोग करें। वास्तविक उपकरणों को चलाएं। दर्शकों की प्रतिक्रिया के अनुसार अभिव्यक्ति बदलें। AI को पर्यावरण के हिस्से के रूप में डिज़ाइन करें। बेशक, हर किसी को महंगे हेडसेट या बड़े पैमाने पर प्रदर्शनी उपकरण तैयार करने की आवश्यकता नहीं है। जो पोर्ट किया जाना चाहिए वह सिद्धांत है, उपकरण नहीं। उन सूचनाओं को ब्लॉक करें जो एकाग्रता में बाधा डालती हैं। उसी कार्य वातावरण से AI को हमेशा कॉल करना संभव बनाएं। आवाज़, फ़ोटो, दस्तावेज़ और कोड को एक प्रोजेक्ट में समेकित करें। बार-बार उपयोग किए जाने वाले निर्देशों को टेम्पलेट करें। वास्तविक कार्य परिणामों को AI पर वापस लाएं। पहले वह वातावरण बनाएं जहाँ एकाग्रता होती है ताकि मनुष्यों को हर बार इच्छाशक्ति से ध्यान केंद्रित न करना पड़े। जो लोग प्रयास जारी रख सकते हैं वे केवल दृढ़ इच्छाशक्ति वाले नहीं हैं; वे अपने आस-पास एक ऐसा वातावरण बना रहे हैं जहाँ प्रयास आसान हो।

14. AI युग जितना अधिक होगा, पुराने ज़माने का मैनुअल अनुभव उतना ही मूल्यवान होगा

अक्सर यह सोचा जाता है कि AI में महारत हासिल करने के लिए, आपको केवल नवीनतम टूल जानने की आवश्यकता है। हालाँकि, ओचियाई "एनालॉग बूढ़े आदमी" जैसे अनुभव के मूल्य पर जोर देते हैं - जिसने कोड हाथ से लिखा हो, तंत्र को समझा हो और तकनीकी परिवर्तनों से गुज़रा हो। भले ही AI कोड या टेक्स्ट उत्पन्न करता है, यदि आप आंतरिक संरचना को नहीं समझते हैं, तो जब कोई समस्या आती है तो आप कारण का न्याय नहीं कर सकते। यदि आपने स्वयं अपने हाथ हिलाने का अनुभव किया है, तो आप दोषों या त्रुटि स्थानों के संकेतों को जल्दी से नोटिस कर सकते हैं। यह पुरानी पीढ़ी के युवा पीढ़ी से बेहतर होने की एक सरल कहानी नहीं है। उम्र मायने नहीं रखती, बल्कि यह मायने रखता है कि क्या आपने बुनियादी प्रक्रियाओं का स्वयं अनुभव किया है। जिसने कई बार टेक्स्ट फिर से लिखा है, वह AI टेक्स्ट में अप्राकृतिक तार्किक संबंधों को नोटिस करने की संभावना रखता है। जिसने फोटोग्राफी का अनुभव किया है, वह जनरेट की गई छवियों में प्रकाश स्रोतों या लेंस अभिव्यक्ति में विरोधाभासों को नोटिस कर सकता है। जिसने प्रोग्राम डीबग किए हैं, वह ऐसे कोड को देखने की संभावना रखता है जो सिर्फ़ चलाने से खतरनाक है। जिसने पेपर पढ़े हैं, वह उन उद्धरणों में असुविधा महसूस कर सकता है जो मौजूद प्रतीत होते हैं लेकिन नहीं हैं। जिसने ग्राहक सेवा संभाली है, वह कल्पना कर सकता है कि AI द्वारा बनाया गया आदर्श व्यावसायिक प्रवाह साइट पर उपयोग क्यों नहीं किया जा सकता है।

AI शुरुआती लोगों की आउटपुट गति बढ़ाता है। हालाँकि, यह स्वचालित रूप से एक शुरुआती को विशेषज्ञ नहीं बनाता है। यह मूल्यांकन करने के लिए कि कोई आउटपुट सही है या नहीं, उस क्षेत्र की समझ आवश्यक है। इसलिए, AI युग में सीखना सभी बुनियादी बातों को छोड़ने के बारे में नहीं है। यह आवश्यक संख्या में बुनियादी कार्यों का अनुभव करने और AI के साथ बाद के बड़े पैमाने पर दोहराव को गति देने के बारे में है। सिर्फ़ इसलिए कि कैलकुलेटर हैं, इसका मतलब यह नहीं है कि आपको संख्याओं का अर्थ नहीं सीखना है। सिर्फ़ इसलिए कि अनुवाद AI है, इसका मतलब यह नहीं है कि आपको भाषा में सांस्कृतिक अंतर नहीं जानना है। सिर्फ़ इसलिए कि कोडिंग AI है, इसका मतलब यह नहीं है कि आपको डेटा, अनुमतियाँ, परीक्षण और सुरक्षा को समझना नहीं है। AI साक्षरता अकेले विशेषज्ञता का विकल्प नहीं बन सकती। ओचियाई-शैली AI उपयोग पुराने कौशल को त्यागने के बारे में नहीं है, बल्कि AI आउटपुट के लिए निरीक्षण उपकरणों के रूप में पुराने कौशल का उपयोग करने के बारे में है।

15. समय न भरें; जिज्ञासा को चलने के लिए मार्जिन छोड़ें

जब आप किसी को अविश्वसनीय मात्रा में काम करते देखते हैं, तो आप सोचते हैं कि वे मिनट-दर-मिनट अपने शेड्यूल का प्रबंधन करते हैं। हालाँकि, ओचियाई यह विचार दिखाते हैं कि अत्यधिक समय प्रबंधन जिज्ञासा को छीन लेता है। दूसरी ओर, वह कुछ भी प्रबंधित नहीं करता; वह ध्यान केंद्रित करने के लिए समय स्लॉट डिज़ाइन करता है, जैसे सुबह के समय का उपयोग रचनात्मक कार्य के लिए करना। यह दक्षता के संबंध में एक महत्वपूर्ण विरोधाभास है। आपने AI के साथ एक घंटा बचाया। आपने उस घंटे में एक नई मीटिंग रखी। आपने एक और घंटा बचाया। आप एक और अनुरोध लेते हैं। यदि आप सभी बचाए गए समय को योजनाओं से भर देते हैं, तो प्रसंस्करण मात्रा बढ़ जाती है। लेकिन आकस्मिक खोजें कम हो जाती हैं। यदि आप AI द्वारा दक्षता का उपयोग केवल काम में ठूंसने के लिए करते हैं, तो मानव AI द्वारा बनाई गई कार्य सूचियों को पचाने वाले उपकरण बन जाते हैं।

ओचियाई के निर्माण के बारे में साक्षात्कारों में, ऐसे आउटपुट का लक्ष्य रखने का एक दृष्टिकोण बताया गया है जो मानवता ने अभी तक नहीं बनाया है और तकनीकी नींव और कलात्मक पूर्णता दोनों को बढ़ाने का प्रयास करना है। साथ ही, एक विचार यह देखा जाता है कि शुरू से एक विषय तय करने के बजाय, हाथ हिलाने और आसपास की रुचियों को आज़माने के दौरान विषय उभरता है। नई चीज़ें किसी योजना में रिक्त स्थान भरने से पैदा नहीं होती हैं। किसी ऐसी चीज़ की जाँच करना जिसके बारे में आप किसी तरह उत्सुक हैं। ऐसा कोड लिखना जिसके बारे में आप नहीं जानते कि यह उपयोगी है या नहीं। अन्य क्षेत्रों की किताबें पढ़ना। सामग्री को छूना। तस्वीरें लेना। AI पर अजीब संयोजन फेंकना। विफलताओं को देखना। ऐसा समय अल्पावधि में अक्षम लगता है। लेकिन नियोजित उत्पादों के बाहर से अज्ञात विषय अंदर आते हैं। यदि AI नियमित काम को तेज़ करता है, तो मनुष्यों को उस मार्जिन को अधिक नियमित काम से नहीं भरना चाहिए। उन्हें इसे बिना किसी निश्चित उद्देश्य के अन्वेषण में वापस करना चाहिए। प्रयास का प्रतिभाशाली व्यक्ति वह नहीं है जो पूरे दिन योजनाएँ ठूंस सकता है, बल्कि वह है जो चुन सकता है कि किस पर ध्यान केंद्रित करना है, क्या स्वचालित करना है, और कहाँ उद्देश्यहीन समय छोड़ना है।

16. "स्मार्टनेस" को AI को सौंपने के बाद, मनुष्य किसमें प्रयास करते हैं?

2026 के एक साक्षात्कार में, ओचियाई ने इस संभावना के बारे में बात की कि जैसे-जैसे मशीनें वह ले लेंगी जो मनुष्यों ने प्रयास और बुद्धिमत्ता के माध्यम से प्राप्त किया है, कई लोगों को "उन्हें क्या करना चाहिए" के बारे में अस्तित्वगत चिंता का सामना करना पड़ेगा। यह भविष्य पर उनका दृष्टिकोण है, यह तथ्य नहीं कि सभी नौकरियां पहले ही बदल दी गई हैं। यह समस्या AI उपयोग तकनीकों के अंतिम बिंदु पर निहित है। काम को तेज़ करना। दस्तावेज़ों को तेज़ बनाना। कोड को तेज़ लिखना। अनुसंधान को तेज़ खत्म करना। उसके बाद साकार होने पर, मनुष्य क्या करते हैं? क्या वे और भी अधिक दस्तावेज़ बनाते हैं? क्या वे और भी अधिक कोड लिखते हैं? क्या वे और भी अधिक काम लेते हैं? यदि ऐसा है, तो AI उपयोग का उद्देश्य हमेशा प्रसंस्करण मात्रा बढ़ाने की ओर इशारा करेगा। ओचियाई एक "माटागी-जैसी" जीवन शैली की कल्पना करते हैं - विशिष्ट समुदायों के साथ संबंध रखना और उनके किनारों पर गलती से नई चीज़ें ढूंढना। यह पर्यावरण, भौतिकता, अनुष्ठानों और समुदाय के संपर्क में खोए बिना प्रौद्योगिकी का उपयोग करने का एक तरीका है।

यदि आप "स्मार्ट तरीके से संसाधित करने का काम" AI को सौंपते हैं, तो मनुष्यों के लिए निम्नलिखित काम बचे रहते हैं:

• किस बात पर आश्चर्यचकित होना है?
• किस चीज़ को सुंदर महसूस करना है?
• किस समस्या को अनदेखा करना असंभव मानना है?
• किसके साथ रहना है?
• किस चीज़ पर समय बिताना है?
• किस विफलता को स्वीकार करना है?
• कहाँ जिम्मेदारी लेनी है?
• वास्तविक शरीर के साथ किस तरह का अनुभव प्राप्त करना है?

ये केवल सूचना प्रसंस्करण नहीं हैं। AI उम्मीदवार बना सकता है। यह भविष्यवाणी भी कर सकता है। लेकिन किस उम्मीदवार को अपने जीवन के रूप में चुनना है, यह केवल एक मानव ही ले सकता है। AI युग में प्रयास अधिक सही उत्तरों को याद रखने से अपने मूल्यों को लगातार अपडेट करने की ओर स्थानांतरित हो रहा है।

17. आपको जिस चीज़ की नकल नहीं करनी चाहिए, वह चरम जीवन शैली की आदतें हैं

जब प्रसिद्ध निर्माताओं की कार्य तकनीकों को पेश किया जाता है, तो जागने का समय, सोने का समय और भोजन की संख्या ध्यान आकर्षित करती है। ओचियाई के लिए भी, वह सुबह के समय का उपयोग कैसे करता है और उसकी अनोखी खाने की आदतों को पेश किया जाता है। हालाँकि, ऐसी जीवन शैली की आदतों को AI उपयोग तकनीकों के केंद्र के रूप में अनुकरण नहीं किया जाना चाहिए। आहार, नींद, व्यायाम और दवा की शरीर, उम्र, पुरानी बीमारियों और काम की सामग्री के आधार पर उपयुक्त स्थितियाँ होती हैं। व्यक्ति क्या कर रहा है और जो आम तौर पर अनुशंसित किया जा सकता है, वे अलग हैं। इस लेख में जो निकाला जाना चाहिए वह भोजन की संख्या नहीं है। यह है:

• कई AI की तुलना करना।
• सामग्री को आवाज़ द्वारा छोड़ना।
• कार्य प्रक्रियाओं को विघटित करना।
• पहले ड्राफ्ट को अंतिम उत्पाद न मानना।
• स्रोतों को सत्यापित करना।
• AI निष्पादन इतिहास छोड़ना।
• यदि आवश्यक हो तो अपने स्वयं के उपकरण बनाना।
• वास्तविक शरीर और पर्यावरण पर लौटना।

AI के साथ आउटपुट बढ़ाने के लिए नींद काटना दीर्घकालिक प्रयास डिज़ाइन नहीं है। AI द्वारा छोटे किए गए समय को नींद से और न लें; इसे रिकवरी, सीखने, अवलोकन और परिवार या दूसरों के साथ समय के लिए आवंटित करें। प्रयास के प्रतिभाशाली व्यक्ति से जो सीखना चाहिए वह यह नहीं है कि कष्ट कैसे सहना है। यह है एक ऐसी प्रणाली कैसे बनाई जाए ताकि आपको उसी कष्ट को दोहराना न पड़े और उस मात्रा से अज्ञात काम की ओर बढ़ सकें।

सार्वजनिक उदाहरणों से सारगर्भित "ओचियाई-शैली AI प्रयास OS"

अब तक की सामग्री को एक ऐसे रूप में व्यवस्थित करें जिसे सामान्य काम पर पोर्ट किया जा सके। यह स्वयं ओचियाई द्वारा जारी की गई सटीक दैनिक कार्य प्रक्रिया नहीं है। यह एक व्यावहारिक मॉडल है जिसे इस लेख द्वारा सार्वजनिक AI उपयोग उदाहरणों से सारगर्भित किया गया है।

चरण 1: असंगठित अवस्था में शुरू करें

शुरू से एक प्रस्ताव न लिखें। पहले, पाँच से दस मिनट के लिए, अपने दिमाग में जो कुछ है उसे वैसे ही बाहर निकालें, आवाज़ या टेक्स्ट द्वारा। आप उद्देश्य, पृष्ठभूमि, भावनाओं, असुविधा, विचारों और चिंताओं को मिश्रित कर सकते हैं। फिर, AI से निम्नानुसार पूछें:

मेरे बयानों को पुष्ट तथ्यों, व्याख्याओं, परिकल्पनाओं, आशाओं, बाधाओं और अपुष्ट वस्तुओं में वर्गीकृत करें। अभी तक कोई निष्कर्ष न निकालें, और उद्देश्य को स्पष्ट करने के लिए एक बार में एक प्रश्न पूछें।

यहाँ, AI को उत्तर न दें। इसे मानव पक्ष पर अस्पष्टता की खोज करने दें।

चरण 2: एक ही कार्य को तीन या अधिक AI को पास करें

एक AI पर निर्भर न रहें। एक ही पृष्ठभूमि सामग्री और प्रश्नों को कई AI को पास करें। हालाँकि, तीन समान उत्तर एकत्र न करें; भूमिकाएँ बदलें। एक को मानक शोध करने दें, एक को प्रतिउदाहरण खोजने दें, और एक को कार्यान्वयन विधियों और लागतों के बारे में सोचने दें। यदि संभव हो, तो दूसरे को उपयोगकर्ताओं या विरोधियों का दृष्टिकोण संभालने दें। आउटपुट के बाद, एक तुलना तालिका बनाएं:

• सभी AI जिन बिंदुओं पर सहमत थे
• वे बिंदु जो केवल कुछ ने दावा किए
• वे बिंदु जहाँ संख्याएँ या तथ्य विरोधाभासी थे
• प्राथमिक स्रोतों से जाँच करने के लिए बिंदु
• वे बिंदु जिन पर किसी ने विचार नहीं किया मानव उत्तरों के बीच के अंतर को पढ़ता है, न कि स्वयं उत्तरों को।

चरण 3: टेक्स्ट के साथ समाप्त न करें; दूसरे प्रारूप में बदलें

शोध परिणामों को पढ़कर संतुष्ट न हों। यदि यह एक योजना है, तो इसे एक एकल आरेख बनाएं। यदि यह एक उत्पाद है, तो इसे एक स्क्रीन का प्रोटोटाइप बनाएं। यदि यह एक काम है, तो इसे एक छवि या छोटा वीडियो बनाएं। यदि यह एक सिस्टम है, तो इसे एक प्रक्रिया आरेख बनाएं जिससे उपयोगकर्ता गुज़रते हैं। यदि यह शोध है, तो इसे परिकल्पनाओं और सत्यापन विधियों में विभाजित करें। विचार टेक्स्ट में विरोधाभासों को छिपा सकते हैं। जब आप उन्हें लागू करने का प्रयास करते हैं, तो लापता स्थितियाँ दिखाई देती हैं। इसका उपयोग कौन करता है? वे कौन सा बटन दबाते हैं? डेटा कहाँ से आता है? विफलता के मामले में वे कैसे लौटते हैं? कार्यान्वयन विचारों के लिए एक निरीक्षण उपकरण है।

चरण 4: एक AI ने जो बनाया है, उसे दूसरे AI से तोड़ दें

जनरेट करने वाले AI को केवल स्व-मूल्यांकन करने न दें। उत्पाद को दूसरी बातचीत, दूसरे मॉडल या दूसरी भूमिका में पास करें। इसे निम्नलिखित दृष्टिकोणों से समस्याओं की तलाश करने दें:

• तथ्यात्मक त्रुटियाँ
• उद्धरणों का अस्तित्व न होना
• सुरक्षा मुद्दे
• अधिकार मुद्दे
• लक्षित दर्शकों की गलत पहचान
• निष्पादन लागत का कम आकलन
• वे भाग जिन्हें बनाए नहीं रखा जा सकता
• वे भाग जो सामान्यताओं में भाग जाते हैं
• मानव अनुमोदन की आवश्यकता वाले भाग
• वे भाग जो विफलता के मामले में पुनर्प्राप्त नहीं हो सकते एक मानव प्राथमिक स्रोतों या वास्तविक वातावरण में उच्च प्राथमिकता वाली समस्याओं की जाँच करता है। AI द्वारा निरीक्षण अंतिम गारंटी नहीं है। उन स्थानों को कम करने के लिए इसका उपयोग करें जिनका मानव को निरीक्षण करना चाहिए।

चरण 5: अस्वीकृति के कारणों को अगले प्रॉम्प्ट संपत्ति में बदलें

खराब आउटपुट को केवल हटाकर समाप्त न करें। यह क्यों अच्छा नहीं था, इसे एक पंक्ति में छोड़ दें।

• "लक्षित दर्शक बहुत व्यापक हैं।"
• "तकनीकी रूप से संभव है, लेकिन कोई उपयोग मामला नहीं है।"
• "टेक्स्ट व्यवस्थित है, लेकिन अनुभव की कमी है।"
• "छवि सुंदर है, लेकिन उद्देश्य से असंबंधित है।"
• "शोध परिणामों में प्राथमिक स्रोतों की कमी है।"
• "कोड काम करता है, लेकिन अनुमति प्रबंधन की कमी है।" इन्हें परियोजना निषेधों या मूल्यांकन मानदंडों में जोड़ें। अगली बार, AI से वही गलती करने की संभावना कम होती है। मानवीय अनुभव कस्टम निर्देशों, विशिष्टताओं, परीक्षणों और चेकलिस्ट में परिवर्तित हो जाता है। यह प्रयास को एक संचयी रूप में बदलने का काम है।

चरण 6: बार-बार होने वाली असुविधाओं को स्वचालित या टूलिफ़ाई करें

यदि आप हर बार एक ही निर्देश लिखते हैं, तो इसे एक टेम्पलेट बनाएं। यदि आप हर बार एक ही प्रारूप में बदलते हैं, तो इसे एक स्क्रिप्ट बनाएं। यदि आप हर बार एक ही सामग्री की तलाश करते हैं, तो शोध प्रक्रिया को सहेजें। यदि आप हर बार एक ही जाँच करते हैं, तो इसे एक परीक्षण बनाएं। यदि आप हर बार एक मॉडल चुनते हैं, तो कार्य के अनुसार नियम बनाएं। यदि आप हर बार मैन्युअल रूप से फ़ाइलें पास करते हैं, तो एक सुरक्षित कनेक्शन विधि पर विचार करें। मायने यह नहीं रखता कि एक कार्य को तीन मिनट छोटा करना है। यह है कि उन तीन मिनटों को भविष्य में सैकड़ों बार होने से रोकना है।

चरण 7: अंत में, इसे वास्तविकता में ले जाएं

केवल AI के बीच बातचीत से मूल्यांकन न करें। इसे लोगों को दिखाएं। इसे साइट पर चलाएं। इसे प्रिंट करें। इसे प्रोजेक्ट करें। ग्राहकों को इसका उपयोग करने दें। बाहर चलते समय सोचें। सामग्री को स्पर्श करें। इसे अपने शरीर से अनुभव करें। AI प्रशंसनीय उपयोगकर्ता व्यक्तित्व बना सकता है। लेकिन वास्तविक उपयोगकर्ता कहाँ खो जाते हैं, यह तब तक नहीं जाना जा सकता जब तक आप इसे वास्तविकता में न ले जाएं। वास्तविकता AI द्वारा बनाए गए सुंदर तर्क को तोड़ देती है। वह विनाश अगले प्रयास की दिशा निर्धारित करता है।

व्यावहारिक प्रयास रोटेशन प्रॉम्प्ट

निम्नलिखित ओचियाई के स्वयं के प्रॉम्प्ट का पुनरुत्पादन नहीं है। यह इस लेख में विश्लेषित संरचना का एक एकल संवाद प्रोटोकॉल है: समानांतर शोध, चरणबद्ध कार्यान्वयन, प्रतिसाक्ष्य और लॉगिंग।

1आप एक ऐसा AI नहीं हैं जो मेरी ओर से एक ही बार में एक तैयार उत्पाद बनाने के लिए कार्य करता है, बल्कि एक "अनुसंधान और विकास आयोजक" हैं जो अनुसंधान, प्रोटोटाइप, प्रतिसाक्ष्य और सुधार की रोटेशन गति को बढ़ाता है।
2
3【विषय】
4{{इस बार काम करने का विषय}}
5
6【मैं अंततः क्या तय करना चाहता हूँ】
7{{जितना आप जानते हैं उतना भरें। अनिर्णीत हो सकता है}}
8
9【मेरे पास वर्तमान में सामग्री】
10{{नोट्स, वॉइस ट्रांसक्रिप्शन, दस्तावेज़, डेटा, कोड, आदि}}
11
12【मूल सिद्धांत】
131. जब तक मेरा उद्देश्य अस्पष्ट है, तब तक अंतिम योजना न बनाएं।
142. उद्देश्य, लक्ष्य, बाधाओं और सफलता की शर्तों को स्पष्ट करने के लिए एक बार में एक प्रश्न पूछें।
153. तथ्यों, व्याख्याओं, परिकल्पनाओं और प्रस्तावों को स्पष्ट रूप से अलग करें।
164. तथ्यों के साथ स्रोत संलग्न करें और प्राथमिक स्रोतों को प्राथमिकता दें।
175. जिन चीज़ों की पुष्टि नहीं की जा सकती, उन्हें अनुमान से न भरें; "अपुष्ट" के रूप में चिह्नित करें।
186. पहली योजना को अंतिम योजना न मानें।
197. अनुसंधान, विचार-विमर्श, कार्यान्वयन और मूल्यांकन को अलग-अलग प्रक्रियाओं के रूप में मानें।
208. एक ही AI को निर्माता और एकमात्र मूल्यांकनकर्ता दोनों के रूप में काम नहीं करना चाहिए।
219. मानव अनुमोदन की आवश्यकता वाले भागों को स्पष्ट रूप से इंगित करें।
2210. सभी अस्वीकृति कारणों को अगली पीढ़ी के लिए शर्तों के रूप में रिकॉर्ड करें।
23
24【चरण 1: उद्देश्य की खोज】
25मेरे इनपुट को निम्नलिखित में वर्गीकृत करें:
26- पुष्ट तथ्य
27- मेरी व्याख्याएँ
28- अप्रमाणित परिकल्पनाएँ
29- भावनाएँ या असुविधा
30- उपलब्ध संसाधन
31- बाधाएँ
32- अभी तक परिभाषित नहीं किए गए शब्द
33लापता जानकारी के लिए एक बार में एक प्रश्न पूछें।
34
35【चरण 2: समानांतर अनुसंधान का डिज़ाइन】
36विषय को निम्नलिखित भूमिकाओं में विभाजित करें:
37A. मानक स्पष्टीकरण और प्रमुख सामग्री एकत्र करने वाला शोधकर्ता
38B. प्रतिउदाहरण, विरोधी साक्ष्य और विफलता उदाहरणों की तलाश करने वाला प्रतिसाधक
39C. कार्यान्वयन विधियों, लागतों और समय सीमाओं के बारे में सोचने वाला व्यवसायी
40D. उपयोगकर्ताओं, गैर-उपयोगकर्ताओं और वंचित लोगों के बारे में सोचने वाला हितधारक विश्लेषक
41E. अन्य क्षेत्रों के साथ अप्रत्याशित संबंधों की तलाश करने वाला खोजकर्ता
42प्रत्येक भूमिका के लिए जाँच करने के लिए प्रश्न बनाएं, यह सुनिश्चित करते हुए कि बिंदुओं में कोई ओवरलैप न हो।
43
44【चरण 3: साक्ष्य बहीखाता】
45शोध परिणामों को निम्नानुसार प्रारूपित करें:
46- दावा / आधार / स्रोत / प्रकाशन तिथि / डेटा अवधि / प्राथमिक या द्वितीयक / प्रतिसाक्ष्य / आत्मविश्वास स्तर / मानव सत्यापन के लिए बिंदु
47
48【चरण 4: प्रोटोटाइपिंग】
49शोध परिणामों से 3 न्यूनतम प्रोटोटाइप योजनाएँ बनाएं। प्रत्येक योजना के लिए, दिखाएं:
50- सत्यापित करने के लिए परिकल्पना / क्या बनाना है / क्या नहीं बनाना है / आवश्यक समय / आवश्यक लागत / AI द्वारा संभाली गई प्रक्रिया / मानव द्वारा संभाली गई प्रक्रिया / विफलता की शर्तें
51जब तक मैं एक योजना नहीं चुनता, तब तक पूर्ण कार्यान्वयन के लिए आगे न बढ़ें।
52
53【चरण 5: प्रति-लेखापरीक्षा】
54प्रोटोटाइप या पहले ड्राफ्ट के खिलाफ, निम्नलिखित दृष्टिकोणों से समस्याओं की तलाश करें:
55- तथ्य / तर्क / प्रौद्योगिकी / सुरक्षा / अधिकार / लागत / लक्ष्य / रखरखाव क्षमता / मौलिकता
56गंभीरता को 4 स्तरों में प्रदर्शित करें: रोकें / सुधार आवश्यक / अवलोकन / अनुमति दें।
57
58【चरण 6: सुधार लॉग】
59जब भी कोई सुधार किया जाए, निम्नलिखित रिकॉर्ड करें:
60- परिवर्तन से पहले / समस्या / परिवर्तन सामग्री / परिवर्तन का कारण / नव उत्पन्न समस्या / अगली बार से प्रॉम्प्ट या परीक्षण में जोड़ने की शर्तें
61
62【अंतिम चरण】
63अंतिम निर्णय पर कार्य न करें। विकल्पों, साक्ष्यों, विरोधी रायों और अपुष्ट वस्तुओं को व्यवस्थित करें, और मुझे स्वयं अपनाई गई योजना और कारण लिखने दें।
64
65पहली प्रतिक्रिया में, कोई प्रस्ताव न बनाएं; इस विषय के बारे में मैं सबसे विशिष्ट असुविधा या उद्देश्य महसूस कर रहा हूँ, उसके बारे में एक प्रश्न पूछें।

निष्कर्ष — योइची ओचियाई ने AI के साथ "प्रयास छोड़" नहीं दिया है

यदि आप योइची ओचियाई के AI उपयोग को सुविधाजनक प्रॉम्प्ट के संग्रह के रूप में समझते हैं, तो आप इसका सार खो देंगे।

एक साथ कई AI चलाना। असंगठित विचारों को आवाज़ से पुनर्प्राप्त करना। लंबे निर्देशों को संरचित करना। पहले उत्तर को कई बार फिर से बनाना। अनुसंधान, छवियों और कार्यान्वयन को विभिन्न उपकरणों में विभाजित करना। एक AI को दूसरे के आउटपुट की आलोचना करने देना। अपने हाथों को हिलाने के अनुभव से असामान्यताओं का पता लगाना। यदि ब्लैक बॉक्स एक समस्या है तो अवलोकनीय उपकरण बनाना। AI को न केवल टेक्स्ट से, बल्कि वीडियो, स्पेस, शरीर और शोध उपकरणों से जोड़ना। और AI द्वारा बचाए गए समय को जिज्ञासा और वास्तविक अनुभव में वापस करना।

कार्यों की इस श्रृंखला में जो समान है वह आलसी होने की कोशिश करने का विचार नहीं है। यह उसी समय में और परीक्षण करने की कोशिश करने का विचार है। AI से पहले, सिर्फ़ एक परिकल्पना की जाँच और कार्यान्वयन करने में एक दिन समाप्त हो जाता था। AI के बाद, आप कई परिकल्पनाओं की जाँच कर सकते हैं, तीन प्रोटोटाइप बना सकते हैं, विफलता के कारणों की तुलना कर सकते हैं, और उन परिणामों को अगले निर्देश में वापस कर सकते हैं। परिणामी शेष का उपयोग आराम के लिए किया जा सकता है। इसका उपयोग दूसरे काम के लिए किया जा सकता है। इसका उपयोग नई अभिव्यक्तियों या अनुसंधान के लिए किया जा सकता है। इसका उपयोग किस लिए करना है, यह तय करना मानव का काम है।

यदि हम योइची ओचियाई को "प्रयास का प्रतिभाशाली व्यक्ति" कहते हैं, तो इसका कारण यह नहीं है कि वह दूसरों से अधिक लंबे समय तक काम करता है। यह है क्योंकि वह प्रयास को आध्यात्मिकता का मामला नहीं बनाता है। विचार को रिकॉर्ड करने योग्य रूप में बनाना। विफलता को अगली शर्त में बदलना। दोहराव को स्वचालित करना। उपकरणों को अपडेट करना। वातावरण बनाना। फिर भी ऐसे स्थान छोड़ना जहाँ मनुष्यों को न्याय करना चाहिए। वह AI के साथ जो बढ़ा रहा है वह केवल तैयार उत्पादों की संख्या नहीं है। यह उन बार की संख्या है जब वह किसी अज्ञात चीज़ तक पहुँचने तक हार माने बिना घूम सकता है। AI युग में जो प्रश्न पूछा जाता है वह यह नहीं है कि "आप किस AI का उपयोग कर रहे हैं?" AI आउटपुट करते समय मानव क्या देख रहा है? AI द्वारा बनाने के बाद मानव क्या ठीक कर रहा है? AI के तेज़ होने के परिणामस्वरूप मानव कहाँ जाने की कोशिश कर रहा है? सबसे अच्छी AI उपयोग तकनीक प्रयास से बचने का तरीका नहीं है। यह है प्रयास को एक बार के रूप में गायब न होने देना, बल्कि एक ऐसी प्रणाली में बदलना जो अगले प्रयास को गति देती है।