మూడు గంటలు, ఆరుగురు డెవలపర్లు, 30,000 మంది కనిపించకుండా పోయారు. ఉత్తర వెనిజులాలో భూకంపం సంభవించినప్పుడు, బ్యూనస్ ఎయిర్స్‌లోని ఒక ప్రోగ్రామర్ Claude Opusని ఉపయోగించి కేవలం మూడు గంటల్లోనే మిస్సింగ్-పర్సన్ వెబ్ పోర్టల్‌ను సిద్ధం చేశారు—సాధారణంగా దీనికి ఒక పూర్తి రోజు సమయం పడుతుంది. కాలిఫోర్నియాలోని మరొక డెవలపర్ Replitని ఉపయోగించి నాలుగు గంటల్లోనే సప్లై-మ్యాచ్ చేసే టూల్‌ను ప్రారంభించారు. ఈ వేగవంతమైన నిర్మాణాలు కుటుంబాలకు ఫోటోలను పోస్ట్ చేయడానికి మరియు సెంట్రల్ డేటాబేస్‌తో ముఖాలను పోల్చి చూడటానికి ఒక మార్గాన్ని అందించాయి, అలాగే అధికారిక వ్యవస్థలు ఆలస్యమవుతున్న సమయంలో NGOలు దాతలను బాధితులతో అనుసంధానించడంలో సహాయపడ్డాయి.

ఈ ప్రయత్నం ఎందుకు ముఖ్యం

వెనిజులా యొక్క అత్యవసర మౌలిక సదుపాయాలు దెబ్బతిన్నాయి: విద్యుత్ అంతరాయాలు, దెబ్బతిన్న రోడ్లు మరియు ఓవర్‌లోడ్ అయిన ఫోన్ నెట్‌వర్క్‌ల వల్ల అధికారులు సమన్వయంతో కూడిన శోధనను నిర్వహించలేకపోయారు. ప్రారంభ గంటల్లోనే, బంధువుల గురించి నివేదించడానికి మరియు సహాయం కోరడానికి కుటుంబాలు ఏ మార్గమైనా వెతుక్కున్నాయి. ప్రభుత్వ స్పందన ఇంకా సిద్ధమవుతున్న సమయంలో, విదేశాల్లో ఉన్న వెనిజులా ప్రజలు (diaspora) రూపొందించిన యాప్‌లు ఆ లోటును పూరించాయి, ఇంటర్నెట్ తక్కువగా ఉన్నా పనిచేసేలా ఫంక్షనల్ సేవలను అందించాయి.

డెవలపర్లు దీనిని ఎలా సాధించారు

బ్యూనస్ ఎయిర్స్ కోడర్ Claude Opusకి ఒక సాధారణ ప్రాంప్ట్‌ను ఇచ్చారు. అందులో యూజర్లు ఫోటోను అప్‌లోడ్ చేయడానికి, పేరును ట్యాగ్ చేయడానికి మరియు ఇప్పటికే ఉన్న జాబితాతో పోలికను (similarity search) నిర్వహించడానికి వీలుగా ఉండే సైట్ గురించి వివరించారు. Claude ఫ్రంట్-ఎండ్ ఫారమ్, ఇమేజ్-ప్రాసెసింగ్ పైప్‌లైన్ మరియు డేటాబేస్ స్కీమాను రూపొందించి, డిప్లాయ్ చేయగల కోడ్ బండిల్‌ను అందించింది. డెవలపర్ కొన్ని ప్రాంప్ట్‌లను సవరించి, క్లౌడ్ ఇన్‌స్టన్స్‌లో కోడ్‌ను రన్ చేయగా, మూడు గంటల లోపే సైట్ లైవ్ అయింది.

పసిఫిక్ అవతలి వైపున, కాలిఫోర్నియా డెవలపర్ ఒక Replit వర్క్‌స్పేస్‌ను తెరిచి, దాతల ఆఫర్లను స్వీకరించి మరియు సమీపంలోని అవసరాలను ప్రదర్శించే “supply-matching dashboard” గురించి క్లుప్త వివరణను టైప్ చేశారు. AI ద్వారా బ్యాక్-ఎండ్ API, ఒక చిన్న అడ్మిన్ UI మరియు సరళమైన అథెంటికేషన్ ఫ్లోను రూపొందించారు. నాలుగు గంటల తర్వాత ఆ టూల్ మొబైల్-ఫ్రెండ్లీ URL ద్వారా అందుబాటులోకి వచ్చింది.

రెండు టీమ్‌లు యూజర్ ఎక్స్‌పీరియన్స్‌ను చాలా తేలికగా (lightweight) ఉంచాయి. బాధితులలో చాలా మంది కేవలం 2G డేటాను మాత్రమే ఉపయోగించగలరు మరియు బ్యాటరీ లైఫ్ పరిమితంగా ఉంటుంది కాబట్టి, వారు WhatsApp తరహా చాట్ ఇంటర్‌ఫేస్‌లను ఎంచుకున్నారు. ఎటువంటి భారీ నేటివ్ యాప్‌లను నిర్మించలేదు; బదులుగా, వేగంగా లోడ్ అయ్యే మరియు వీలైనప్పుడు ఆఫ్‌లైన్‌లో కూడా పనిచేసే HTML 5 పేజీలపై ఆధారపడ్డారు.

ప్రయోగాత్మక అంశాలు

  • AI ఒక మల్టిప్లైయర్‌గా – ప్రాంప్ట్ ఆధారిత కోడ్ జనరేషన్, ఒక రోజంతా పట్టే పనిని కేవలం కొన్ని గంటల్లోనే పూర్తి చేసేలా చేసింది.
  • మోడల్‌ను ఒక అస్థిరమైన లేయర్‌గా పరిగణించండి – లాంగ్వేజ్-మోడల్ APIలు ధరలు, రేట్ లిమిట్‌లను మార్చవచ్చు లేదా పూర్తిగా కనిపించకుండా పోవచ్చు. కోర్ లాజిక్‌ను కేవలం ప్రాంప్ట్‌లపైనే ఆధారపడి నిర్మించడం వల్ల ఉత్పత్తి అస్థిరతకు గురవుతుంది.
  • స్థిరమైన స్కీమాపై ఆధారపడండి – మిస్సింగ్ పర్సన్స్ కోసం ఉపయోగించే డేటా మోడల్—ఫోటో, పేరు, చివరిగా తెలిసిన ప్రదేశం, స్థితి—సంక్షోభాల సమయంలో కూడా ఉపయోగకరంగా ఉంటుంది. ఒకసారి నిర్వచించిన తర్వాత, AIని మళ్ళీ ట్రైన్ చేయకుండానే దీనిని తిరిగి ఉపయోగించవచ్చు.
  • పరిమితుల ఆధారంగా డిజైన్ చేయండి – తక్కువ బ్యాండ్‌విడ్త్, అప్పుడప్పుడు వచ్చే విద్యుత్ మరియు ఈమెయిల్ ఖాతాల కొరత కారణంగా, టీమ్‌లు టెక్స్ట్-ఆధారిత ఇంటర్‌ఫేస్‌లు మరియు సరళమైన ఫోన్-నంబర్ అథెంటికేషన్‌ను ఎంచుకోవాల్సి వచ్చింది. ఈ పరిమితులే సంక్లిష్టమైన పరిష్కారాలు విఫలమయ్యే చోట కూడా పనిచేసే సాఫ్ట్‌వేర్‌ను రూపొందించాయి.

ప్రమాదాలు మరియు ప్రతికూల అంశాలు

వేగవంతమైన అభివృద్ధి వల్ల కొన్ని నష్టాలు కూడా ఉన్నాయి. AI-జనరేటెడ్ కోడ్‌లో బగ్స్, అసురక్షిత డిఫాల్ట్‌లు లేదా లోడ్ పెరిగినప్పుడు మాత్రమే బయటపడే అసమర్థమైన క్వెరీలను గుర్తించలేకపోవచ్చు. థర్డ్-పార్టీ AI సేవలపై ఆధారపడటం వల్ల ఖర్చులో అస్థిరత వచ్చే అవకాశం ఉంది; ధరలు అకస్మాత్తుగా పెరిగితే, ఉచితంగా నడిచే టూల్ రాత్రికి రాత్రే ఖరీదైనదిగా మారవచ్చు. చివరగా, ఇటువంటి హడావిడిలో ఫార్మల్ టెస్టింగ్ లేకపోవడం వల్ల కొన్ని సమస్యలు (edge cases) బయటపడకపోవచ్చు, దీనివల్ల మిస్సింగ్-పర్సన్ డేటాబేస్‌లో తప్పుడు సమాచారం (false matches) వచ్చే ప్రమాదం ఉంది—ఇది ఒక తీవ్రమైన నైతిక సమస్య.

తదుపరి గమనించాల్సిన అంశాలు

  • ప్రామాణికమైన డిజాస్టర్ డేటా స్కీమాలు – మానవతా సంస్థలు వ్యక్తులు, సరఫరా మరియు ప్రదేశాల కోసం ఒకే రకమైన ఫార్మాట్‌ను అనుసరిస్తే, AI-సహాయక టూల్స్ సులభంగా అనుసంధానించబడతాయి మరియు సరిహద్దుల అవతల కూడా డేటాను పంచుకోగలవు.
  • ఓపెన్-సోర్స్ మోడల్ హోస్టింగ్ – కమ్యూనిటీ ద్వారా నడిపించబడే లాంగ్వేజ్-మోడల్ ఎండ్‌పాయింట్లు, APIలు అకస్మాత్తుగా నిలిచిపోవడం లేదా ధరలు పెరగడం వంటి ప్రమాదాలను తగ్గించగలవు.
  • రెగ్యులేటరీ దృష్టి – వ్యక్తిగత ఫోటోలు మరియు లొకేషన్ డేటా ఉన్నప్పుడు, డేటా ప్రైవసీ మరియు విశ్వసనీయత కోసం ప్రభుత్వాలు AI-జనరేటెడ్ ఎమర్జెన్సీ సాఫ్ట్‌వేర్‌ను పరిశీలించడం ప్రారంభించవచ్చు.
  • కమ్యూనిటీ ప్లాట్‌ఫారమ్‌లు – విదేశాల్లోని వెనిజులా నెట్‌వర్క్‌లు ఇప్పటికే మెసేజింగ్ యాప్‌లలో రాపిడ్-రెస్పాన్స్ ఛానెల్‌లను ఏర్పాటు చేస్తున్నాయి; ఆ స్పేస్‌లలో నేరుగా AI టూలింగ్‌ను అనుసంధానించడం ద్వారా భవిష్యత్తులో మరింత వేగంగా స్పందించవచ్చు.

డెవలపర్ల కోసం ముగింపు మాటలు

మీరు ఈరోజే ఒక సంక్షోభ-ప్రతిస్పందన (crisis-response) యాప్‌ను విడుదల చేయాల్సి వస్తే, UIని స్కెచ్ చేయడానికి, బాయిలర్‌ప్లేట్ (boilerplate) కోడ్‌ను రూపొందించడానికి మరియు క్లౌడ్ ఇన్‌స్టన్స్‌ను ప్రారంభించడానికి ఒక కన్స్యూమర్ AI మోడల్‌తో మొదలుపెట్టండి. ఆ తర్వాత ముఖ్యమైన భాగాలను ఖచ్చితంగా నిర్ణయించుకోండి: స్పష్టమైన, పోర్టబుల్ డేటా స్కీమా, మీరు ఊహించిన అత్యంత బలహీనమైన పరికరంలో కూడా పనిచేసే ఒక మినిమల్ UI, మరియు ఈమెయిల్‌పై ఆధారపడని అథెంటికేషన్. AI అవుట్‌పుట్‌ను ఒక ముసాయిదాగా (draft) పరిగణించండి, తుది ఉత్పత్తిగా కాదు, మరియు దాని నిబంధనలు మారితే మోడల్ లేయర్‌ను మార్చడానికి సిద్ధంగా ఉండండి. విపత్తు సమయంలో, వేగం ప్రాణాలను కాపాడుతుంది, కానీ స్థిరత్వం (stability) ఆ ప్రాణాలను మళ్ళీ మళ్ళీ కాపాడుతుంది.

Source: dev.to/davekurian/diaspora-coders-assemble-earthquake-response-in-hours-with-ai-4c66