कभी एक्सपायर न होने वाली API कुंजियों की समस्या
कई साल पहले जारी की गई कुंजी, जिसे कभी रोटेट नहीं किया गया और जो आज भी मान्य है, कोई सुविधा नहीं है। यह एक जोखिम है जिसे सालों से किसी ने वास्तव में देखा तक नहीं।
"AI-संचालित जियोकोडिंग" के दावों की बारीकी से जाँच क्यों होनी चाहिए
AI-पावर्ड बताया गया जियोकोडिंग फ़ीचर सीधे-सादे शब्दों में पता मिलान बताए गए फ़ीचर से ज़्यादा उन्नत लगता है। वह लेबल किसी सार्थक तकनीकी अंतर को दर्शाता है या बाद में लिया गया सिर्फ़ एक मार्केटिंग फ़ैसला है, यह बाहर से बताना आमतौर पर असंभव होता है, और समस्या ठीक यही है। लेबल शब्दावली के बारे में एक सवाल का जवाब देता है। यह उस सवाल का जवाब नहीं देता जो रिस्पॉन्स पर भरोसा करने का फ़ैसला करने वाले डेवलपर के लिए वास्तव में मायने रखता है: क्या मिलान सही है, और यह उन पतों पर कैसा व्यवहार करता है जो किसी साफ़ पैटर्न में फ़िट नहीं होते।
अपने एंडपॉइंट के लिए हम इस तरह की भाषा को लेकर सतर्क रहते हैं, और जब इसे कहीं और देखते हैं तो इस पर संदेह करते हैं। मशीन लर्निंग का कोई हिस्सा वास्तव में फ़ज़ी मिलान में, टाइपो संभालने में, या अस्पष्ट अधूरे पतों को किसी कठोर नियम-आधारित लुकअप की तुलना में ज़्यादा सहजता से सुलझाने में मदद कर सकता है। यह एक असली, उपयोगी काम है जो कोई सिस्टम कर सकता है। यह इस दावे से बिल्कुल अलग है कि इसलिए नतीजे वाले मिलान हर जगह ज़्यादा सटीक हैं, और ऐसे दावे के लिए उन पतों और क्षेत्रों से जुड़े वास्तविक सबूत चाहिए जिनकी ग्राहक को परवाह है, न कि फ़ीचर पेज पर लिखे AI शब्द से निकाला गया अनुमान।
मूल समस्या यह है कि "AI-पावर्ड" एक तरीक़े का वर्णन करता है, नतीजे का नहीं। कोई तरीक़ा परिष्कृत होकर भी ग़लत जवाब दे सकता है, और एक सरल तरीक़ा उन मामलों के लिए पूरी तरह भरोसेमंद हो सकता है जिनके लिए उसे बनाया गया है। जियोकोडिंग एंडपॉइंट को इंटीग्रेट करने वाले डेवलपर को नतीजा जानना होता है: कौन-से पता पैटर्न अच्छी तरह संभाले जाते हैं, कौन-से नहीं, और कम भरोसे वाला या अस्पष्ट नतीजा लौटने पर कैसा दिखता है। इनमें से किसी का भी जवाब तरीक़े का लेबल नहीं देता, चाहे वह कितना भी प्रभावशाली लगे।
ठीक इसी वजह से हम अपने फ़ॉरवर्ड जियोकोडिंग, रिवर्स जियोकोडिंग और ऑटोकम्प्लीट एंडपॉइंट के बारे में दावे करते समय जानबूझकर सावधानी बरत रहे हैं। हम बता सकते हैं कि वे क्या करते हैं और उनकी संरचना कैसी है। हम किसी ख़ास, सत्यापित वास्तविक सटीकता के आँकड़े को ऐसे पेश नहीं करेंगे मानो वह स्थापित तथ्य हो, क्योंकि ऐसा विश्वसनीय ढंग से करने के लिए ठीक उसी तरह का कड़ा, निरंतर मूल्यांकन चाहिए जिसकी जगह अकेला लेबल नहीं ले सकता, चाहे उस लेबल में AI शब्द हो या न हो।
इसमें से कुछ भी जियोकोडिंग में मशीन लर्निंग तकनीकों के उपयोग के ख़िलाफ़ तर्क नहीं है। यह किसी तकनीक को नतीजों के बारे में दावे का विकल्प बनने देने के ख़िलाफ़ तर्क है। अगर कोई तरीक़ा वास्तव में मिलान की गुणवत्ता सुधारता है, तो इसे साबित करने का तरीक़ा असली, प्रतिनिधि मामलों पर सुधार दिखाना है, न कि तरीक़े का नाम लेकर पाठक को यह मान लेने देना कि सुधार अपने आप होता है। लेबल सबूत नहीं है। यह ज़्यादा से ज़्यादा इस बात का संकेत है कि सबूत कहाँ ढूँढना है, और सबसे बुरी स्थिति में उस हिस्से को छोड़ देने का तरीक़ा है जहाँ आगे सबूत आना चाहिए था।