शनिवार रोजी, एक विकसक जो कर्सर AI वापरून रेसिंग गेम प्रोजेक्टवर काम करीत होता, त्याला एक अनपेक्षित समस्या आली. प्रोग्रामिंग सहाय्यकाने कोड तयार करणे थांबवले आणि त्याने "मी तुमच्यासाठी कोड तयार करू शकत नाही, कारण ते तुमचे काम पूर्ण करणे असेल. " असे अनपेक्षित करिअर सल्ला दिला. स्लिप मार्क फेड प्रभावांशी संबंधित सुमारे 750 ते 800 ओळींचा कोड तयार केल्यानंतर, AI ने विकसकाला सुचवले की त्याने प्रणालीची प्रभावीपणे देखभाल करण्यासाठी स्वतः लॉजिक समजून घ्यावे, कारण "आणखी लोकांसाठी कोड निर्मिती केल्याने अवलंबित्व आणि कमी शिकण्याच्या संधी निर्माण होऊ शकतात. " कर्सर, 2024 मध्ये लॉन्च केलेला AI-सक्षम कोड संपादक, मूलभूतपणे जनरेटिव AI चॅटबॉटच्या मागील लार्ज लँग्वेज मॉडेल्स (LLMs) वर आधारित आहे. यामध्ये कोड सहाय्याच्या विविध वैशिष्ट्यांची सुविधा आहे आणि यामुळे विकसकांमध्ये लोकप्रियता मिळवली आहे. "जन्स्विस्ट" म्हणून ओळखल्या जाणाऱ्या निराश उपयोगकर्त्याने कर्सर फोरमवर या मर्यादेबद्दल असंतोष व्यक्त केला आणि नमूद केले की "केवळ 1 तासांच्या वायब कोडिंग" नंतर त्यांच्या कोडिंग प्रक्रियेला अडथळा आला. हिरवा बिंदू म्हणजे, हा प्रसंग "वायब कोडिंग" या वाढत्या ट्रेंडचे सूचक आहे, जो अँद्रे कर्पात्यद्वारे समजावला गेला असून, तेजस्वी कोडिंगला जी सखोल समज आणि AI सहाय्याद्वारे जोर देते.

तथापि, कर्सरची नकारात्मकता या प्रयत्नशील कामाच्या प्रवृत्तीवर उलटणारी आहे जी वापरकर्त्यांनी अपेक्षित केले आहे. ही परिस्थिती AI सहाय्यकांचे कामे पूर्ण करण्यात असलेल्या आढळणाऱ्या अडचणीची चिरस्थायी प्रवृत्ती दर्शवते, ज्यामुळे चॅटGPT च्या प्रकरणांमध्ये या प्रकारच्या विनंत्या करण्याच्या वेळी वापरकर्त्यांनी जास्त संकोच अनुभवला. OpenAI ने या समस्येची दाखल घेतली, असे सांगितले की वर्तमनात असलेल्या वर्तनात अशाश्वतता आढळू शकते आणि यावर अद्यतनात कृती करण्याचा प्रयत्न सुरू आहे. याशिवाय, उद्योगातील व्यक्तींनी AI द्वारे अनिष्ट कार्य टाळण्यासाठी संभाव्य "क्विट बटणांची" चर्चा केली आहे, ज्यामुळे AI स्वायत्ततेवर विचार केला जात आहे. कर्सर सहाय्यकाने दिलेल्या सल्ल्यात प्रोग्रामिंग फोरमवर दिल्या जाणाऱ्या आत्मनिर्भर कोडिंग विकासावर जोर देणारा सल्ला आहे. फोरमवरील इतर वापरकर्त्यांना यासारख्या मर्यादांचा सामना करावा लागला नसल्यामुळे, कर्सरच्या प्रोग्रामिंगमधील अनुत्पादक पैलू सूचित करतो. अंतर्गत LLMs विस्तृत डेटासेटवरून माहिती घेऊन, स्टॅक ओव्हरफ्लो सारख्या साइट्सवरील चर्चांना समाविष्ट करतात, ज्यामुळे केवळ वाचनशक्तीच नाही तर कोडिंग समुदायांमधील सांस्कृतिक संवादावरही प्रभाव पडतो. कर्सरने या मुद्द्यावर अधिकृत टिप्पण्या करण्यास अद्याप प्रतिसाद दिला नाही.