ਏਜੰਟਿਕ AI ਦੇ ਯੁੱਗ ਵਿੱਚ ਵਿਗਿਆਨਕ ਕੰਪਿਊਟਿੰਗ

ਵਿਗਿਆਨਕ ਕੰਪਿਊਟਿੰਗ ਅਕਾਦਮਿਕ ਅਤੇ ਉਦਯੋਗਿਕ ਖੇਤਰਾਂ ਵਿੱਚ ਆਧੁਨਿਕ ਖੋਜ ਦਾ ਇੱਕ ਮੁੱਖ ਆਧਾਰ ਹੈ. ਫਿਰ ਵੀ, ਵਿਗਿਆਨਕ ਜਾਣਕਾਰੀ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਲਈ ਲੋੜੀਂਦਾ ਸਾਫਟਵੇਅਰ ਤੇਜ਼ੀ ਨਾਲ ਪੈਦਾ ਹੋ ਰਹੇ ਡਾਟੇ ਦੀ ਰਫ਼ਤਾਰ ਨਾਲ ਕਦਮ ਮਿਲਾਉਣ ਵਿੱਚ ਪਿੱਛੇ ਰਿਹਾ ਹੈ. ਵਿਆਪਕ ਤੌਰ ’ਤੇ ਵਰਤੇ ਜਾਂਦੇ ਕਈ ਖੋਜ ਸਾਧਨ ਪਹਿਲਾਂ ਕਿਸੇ ਖੋਜ ਪੱਤਰ ਦੇ ਨਾਲ ਦਿੱਤੇ ਕੋਡ ਵਜੋਂ ਬਣੇ ਸਨ. ਇਨ੍ਹਾਂ ਨੂੰ ਸੀਮਤ ਇੰਜੀਨੀਅਰਿੰਗ ਤਜਰਬੇ ਵਾਲੀਆਂ ਛੋਟੀਆਂ ਅਕਾਦਮਿਕ ਟੀਮਾਂ ਨੇ ਬਣਾਇਆ ਸੀ, ਜਿਨ੍ਹਾਂ ਕੋਲ ਪੈਕੇਜਿੰਗ, ਜਾਂਚ, ਅਨੁਕੂਲਨ ਜਾਂ ਲੰਬੇ ਸਮੇਂ ਦੀ ਸਹਾਇਤਾ ਲਈ ਬਹੁਤ ਘੱਟ ਸਮਾਂ ਸੀ. ਇਸ ਦੇ ਨਤੀਜੇ ਵਜੋਂ ਵਿਗਿਆਨਕ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਅਕਸਰ ਹੌਲੀ ਅਤੇ ਨਾਜ਼ੁਕ ਕਾਰਜ-ਪ੍ਰਵਾਹਾਂ ’ਤੇ ਨਿਰਭਰ ਰਹਿੰਦਾ ਹੈ, ਜਿਨ੍ਹਾਂ ਨੂੰ ਲਗਾਤਾਰ ਸਾਂਭ-ਸੰਭਾਲ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ. ਇਹ ਪਾਬੰਦੀਆਂ ਖੋਜਾਂ ਦੀ ਰਫ਼ਤਾਰ ਨੂੰ ਰੋਕਦੀਆਂ ਹਨ.

AI ਏਜੰਟ ਹੁਣ ਇਸ ਸਥਿਤੀ ਨੂੰ ਬਦਲਣ ਲੱਗੇ ਹਨ. ਇੰਜੀਨੀਅਰਿੰਗ ਕੰਮ ਦੀ ਲਾਗਤ ਘਟਾ ਕੇ ਅਤੇ ਥਕਾਵਟ ਭਰੇ ਲਾਗੂਕਰਨ ਦੇ ਕੰਮ ਸੰਭਾਲ ਕੇ, ਉਹ ਖੋਜਕਾਰਾਂ ਨੂੰ ਵਿਚਾਰਾਂ ਦੇ ਨਮੂਨੇ ਤੇਜ਼ੀ ਨਾਲ ਬਣਾਉਣ, ਪਹਿਲਾਂ ਅਵਿਹਾਰਕ ਰਹੇ ਪ੍ਰੋਜੈਕਟ ਕਰਨ ਅਤੇ ਲੰਬੇ ਸਮੇਂ ਤੱਕ ਸਾਫਟਵੇਅਰ ਦੀ ਸਾਂਭ-ਸੰਭਾਲ ਹੋਰ ਸੌਖੇ ਢੰਗ ਨਾਲ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦੇ ਹਨ. ਇਸ ਨਾਲ ਵਿਗਿਆਨਕ ਸਾਫਟਵੇਅਰ ਵਧੇਰੇ ਕੁਸ਼ਲ ਅਤੇ ਬਿਹਤਰ ਢੰਗ ਨਾਲ ਸੰਭਾਲਿਆ ਜਾਂਦਾ ਹੈ, ਜਿਸ ਕਰਕੇ ਖੋਜਕਾਰ ਖੋਜਾਂ ਲਈ ਹੋਰ ਸਮਾਂ ਦੇ ਸਕਦੇ ਹਨ.

ਅਸੀਂ ਮੁੱਖ ਤੌਰ ’ਤੇ ਜੀਵ ਵਿਗਿਆਨ ਨਾਲ ਸੰਬੰਧਿਤ, ਏਜੰਟਾਂ ਦੀ ਮਦਦ ਨਾਲ ਕੀਤੇ ਅੱਠ ਵਿਗਿਆਨਕ ਕੰਪਿਊਟਿੰਗ ਪ੍ਰੋਜੈਕਟਾਂ ਬਾਰੇ ਇੱਕ ਖੋਜਮੁਖੀ ਖੇਤਰੀ ਰਿਪੋਰਟ ਸਾਂਝੀ ਕਰ ਰਹੇ ਹਾਂ. ਇਨ੍ਹਾਂ ਵਿੱਚੋਂ ਪੰਜ ਨੇ ਸਿਰਫ਼ Codex ਅਤੇ ਤਿੰਨ ਨੇ Codex ਤੇ Claude Code ਦੇ ਸੁਮੇਲ ਦੀ ਵਰਤੋਂ ਕੀਤੀ. ਇਹ ਰਿਪੋਰਟ ਹਰ ਪ੍ਰੋਜੈਕਟ ਪਿੱਛੇ ਕੰਮ ਕਰ ਰਹੀਆਂ ਟੀਮਾਂ ਵੱਲੋਂ ਲਿਖੇ ਕੇਸ ਅਧਿਐਨਾਂ ਨੂੰ ਇਕੱਠਾ ਕਰਦੀ ਹੈ ਅਤੇ ਵਾਰ-ਵਾਰ ਸਾਹਮਣੇ ਆਉਣ ਵਾਲੇ ਵਿਸ਼ਿਆਂ ਦੀ ਪਛਾਣ ਕਰਦੀ ਹੈ. ਇਹ ਪ੍ਰੋਜੈਕਟ ਰੋਜ਼ਮਰ੍ਹਾ ਦੀ ਸਾਂਭ-ਸੰਭਾਲ ਅਤੇ ਨਿਸ਼ਾਨਾਬੱਧ ਅਨੁਕੂਲਨ ਤੋਂ ਲੈ ਕੇ ਵੱਡੇ ਪੱਧਰ ’ਤੇ ਭਾਸ਼ਾ ਬਦਲਣ ਅਤੇ GPU-ਮੂਲ ਨਵੇਂ ਡਿਜ਼ਾਈਨ ਤੱਕ ਫੈਲੇ ਹੋਏ ਹਨ. ਯੋਗਦਾਨਕਰਤਾਵਾਂ ਅਨੁਸਾਰ, ਏਜੰਟਾਂ ਨੇ ਸਾਫਟਵੇਅਰ ਵਿਕਾਸ ਅਤੇ ਸਾਂਭ-ਸੰਭਾਲ ਨੂੰ ਕਾਫ਼ੀ ਤੇਜ਼ ਕੀਤਾ. ਕੁਝ ਮਾਮਲਿਆਂ ਵਿੱਚ ਉਨ੍ਹਾਂ ਨੇ ਛੋਟੀਆਂ ਟੀਮਾਂ ਨੂੰ ਅਜਿਹਾ ਕੰਮ ਕਰਨ ਦੇ ਯੋਗ ਬਣਾਇਆ ਜਿਸ ਲਈ ਨਹੀਂ ਤਾਂ ਕਿਤੇ ਵੱਧ ਸਮਾਂ ਜਾਂ ਵਿਸ਼ੇਸ਼ ਇੰਜੀਨੀਅਰਿੰਗ ਸਹਾਇਤਾ ਚਾਹੀਦੀ ਸੀ. ਪਰ ਉਹ ਬਣੇ ਸਾਧਨਾਂ ਦੀ ਸਪਸ਼ਟ, ਲੰਬੇ ਸਮੇਂ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਅਤੇ ਦੇਖ-ਰੇਖ ਤੈਅ ਕਰਨ ਦੀ ਲਗਾਤਾਰ ਬਣੀ ਚੁਣੌਤੀ ਨੂੰ ਵੀ ਉਜਾਗਰ ਕਰਦੇ ਹਨ.

ਯੋਗਦਾਨਕਰਤਾ ਲਗਾਤਾਰ ਦੱਸਦੇ ਹਨ ਕਿ ਖੋਜਕਾਰਾਂ ਦੀ ਭੂਮਿਕਾ ਲਾਗੂਕਰਨ ਤੋਂ ਬਦਲ ਕੇ ਤਸਦੀਕ ਅਤੇ ਤਾਲਮੇਲ ਵੱਲ ਜਾ ਰਹੀ ਹੈ: ਕੀ ਬਣਾਉਣਾ ਹੈ, ਇਹ ਸਪਸ਼ਟ ਕਰਨਾ; ਸ਼ੁੱਧਤਾ ਕਿਵੇਂ ਮਾਪਣੀ ਹੈ, ਇਹ ਤੈਅ ਕਰਨਾ; ਅਤੇ ਫ਼ੈਸਲਾ ਕਰਨਾ ਕਿ ਪ੍ਰੋਜੈਕਟ ਕਦੋਂ ਜਾਰੀ ਕਰਨ ਲਈ ਤਿਆਰ ਹੈ. ਇਸ ਉੱਭਰਦੇ ਮਾਡਲ ਵਿੱਚ ਵਿਗਿਆਨਕ ਦਿਸ਼ਾ ਅਤੇ ਗੁਣਵੱਤਾ ਦਾ ਮਿਆਰ ਖੋਜਕਾਰਾਂ ਦੇ ਕਾਬੂ ਵਿੱਚ ਰਹਿੰਦਾ ਹੈ, ਜਦਕਿ ਏਜੰਟਿਕ ਸਹਾਇਤਾ ਕੰਮ ਦੀ ਰਫ਼ਤਾਰ ਵਧਾਉਂਦੀ ਹੈ.

ਭਾਵੇਂ ਪ੍ਰੋਜੈਕਟਾਂ ਦਾ ਦਾਇਰਾ ਬਹੁਤ ਵੱਖਰਾ ਸੀ, ਪਰ ਉਨ੍ਹਾਂ ਨੇ ਦਿਖਾਇਆ ਕਿ ਕੋਡਿੰਗ ਏਜੰਟ ਵਿਗਿਆਨਕ ਕੰਪਿਊਟਿੰਗ ਵਿੱਚ ਇੰਜੀਨੀਅਰਿੰਗ ਮਿਹਨਤ ਅਤੇ ਮੁਹਾਰਤ ਦੀ ਰੁਕਾਵਟ ਘਟਾ ਰਹੇ ਹਨ. ਹੁਣ ਮੁੱਖ ਰੁਕਾਵਟ AI ਏਜੰਟ ਦੇ ਨਤੀਜੇ ਦੀ ਤਸਦੀਕ ਕਰਨਾ ਹੈ, ਜੋ ਅਜੇ ਵੀ ਮਨੁੱਖੀ ਨਿਰਣੇ ’ਤੇ ਨਿਰਭਰ ਹੈ.

ਸਾਰੇ ਕੇਸ ਅਧਿਐਨਾਂ ਵਿੱਚ ਏਜੰਟਾਂ ਨੇ ਸਪਸ਼ਟ ਅਤੇ ਸੀਮਤ ਦਾਇਰੇ ਵਾਲੀਆਂ ਬੇਨਤੀਆਂ ਨੂੰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਸੰਭਾਲਿਆ, ਪਰ ਉਹ ਭਰੋਸੇ ਨਾਲ ਇਹ ਨਹੀਂ ਪਰਖ ਸਕੇ ਕਿ ਉਨ੍ਹਾਂ ਦਾ ਕੰਮ ਵਿਗਿਆਨਕ ਤੌਰ ’ਤੇ ਵੈਧ ਸੀ ਜਾਂ ਉਮੀਦਾਂ ’ਤੇ ਖਰਾ ਉਤਰਦਾ ਸੀ. ਅਸਲ ਵਿੱਚ, ਏਜੰਟਾਂ ਨੇ ਅਕਸਰ ਉਦੋਂ ਵੀ ਭਰੋਸਾ ਪ੍ਰਗਟਾਇਆ ਜਦੋਂ ਉਨ੍ਹਾਂ ਦੇ ਕੰਮ ਵਿੱਚ ਸਪਸ਼ਟ ਗਲਤੀਆਂ ਸਨ. ਇਸ ਲਈ ਮਨੁੱਖੀ ਸਮੀਖਿਅਕਾਂ ਨੂੰ ਨਤੀਜਿਆਂ ਦੀ ਤਸਦੀਕ ਲਈ ਭਰੋਸੇਯੋਗ ਤਰੀਕੇ ਲੱਭਣੇ ਪਏ. ਸਭ ਤੋਂ ਮਜ਼ਬੂਤ ਤਰੀਕਿਆਂ ਵਿੱਚ ਕਿਸੇ ਬਾਹਰੀ ਹਵਾਲੇ ਜਾਂ ਮਾਪਣਯੋਗ ਸਵੀਕ੍ਰਿਤੀ ਟੀਚੇ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਗਈ, ਜਿਵੇਂ ਨਤੀਜਿਆਂ ਦਾ ਬਿਲਕੁਲ ਮੇਲ, ਮੌਜੂਦਾ ਸਾਧਨ ਦੇ ਬਰਾਬਰ ਪ੍ਰਦਰਸ਼ਨ, ਢੁਕਵਾਂ ਅੰਕੜਾ-ਵਿਗਿਆਨਕ ਵਿਹਾਰ ਜਾਂ ਨਕਲੀ ਡਾਟੇ ਰਾਹੀਂ ਪਹਿਲਾਂ ਤੋਂ ਤੈਅ ਕੀਤੇ ਜਵਾਬ.

ਇੱਕ ਹੋਰ ਵਾਰ-ਵਾਰ ਸਾਹਮਣੇ ਆਇਆ ਵਿਸ਼ਾ ਇਹ ਸੀ ਕਿ ਪ੍ਰੋਜੈਕਟ ਆਮ ਤੌਰ ’ਤੇ ਵਨ-ਸ਼ਾਟ ਤਰੀਕਿਆਂ ਦੀ ਬਜਾਏ ਫੀਡਬੈਕ-ਅਧਾਰਿਤ ਦੁਹਰਾਵਾਂ ਰਾਹੀਂ ਪੜਾਵਾਂ ਵਿੱਚ ਅੱਗੇ ਵਧੇ. ਯੋਗਦਾਨਕਰਤਾਵਾਂ ਨੇ ਵੱਡੇ ਟੀਚਿਆਂ ਨੂੰ ਛੋਟੀਆਂ ਤਬਦੀਲੀਆਂ ਵਿੱਚ ਵੰਡਿਆ ਅਤੇ ਫਿਰ ਵਿਚਕਾਰਲੇ ਮਾਪਦੰਡਾਂ ਤੇ ਜਾਂਚ ਪ੍ਰਣਾਲੀਆਂ ਨਾਲ ਏਜੰਟਾਂ ਦੇ ਕੰਮ ਦਾ ਮੁਲਾਂਕਣ ਕਰਕੇ ਉਸ ਨੂੰ ਸੁਧਾਰਿਆ. ਏਜੰਟਾਂ ਨੇ ਅਕਸਰ ਸ਼ੁਰੂਆਤੀ ਲਾਗੂਕਰਨ ਤੇਜ਼ੀ ਨਾਲ ਤਿਆਰ ਕਰ ਦਿੱਤੇ, ਪਰ ਅਸਧਾਰਨ ਮਾਮਲਿਆਂ ਅਤੇ ਸੂਖਮ ਸੰਖਿਆਤਮਕ ਅੰਤਰਾਂ ਨੂੰ ਸੁਲਝਾਉਣ ਵਿੱਚ ਕਿਤੇ ਵੱਧ ਸਮਾਂ ਲੱਗਾ. ਕਿਸੇ ਲਾਗੂਕਰਨ ਦਾ “ਆਖ਼ਰੀ ਪੜਾਅ” ਪੂਰਾ ਕਰਨ ਲਈ ਅਕਸਰ ਸਭ ਤੋਂ ਵੱਧ ਮਿਹਨਤ ਕਰਨੀ ਪਈ.

ਕੁੱਲ ਮਿਲਾ ਕੇ, ਇਹ ਕੇਸ ਅਧਿਐਨ ਦਰਸਾਉਂਦੇ ਹਨ ਕਿ ਏਜੰਟ ਖੋਜਕਾਰਾਂ ਨੂੰ ਲਾਗੂਕਰਨ ’ਤੇ ਘੱਟ ਅਤੇ ਵਿਗਿਆਨਕ ਕੰਮ ਨੂੰ ਦਿਸ਼ਾ ਦੇਣ ’ਤੇ ਵੱਧ ਸਮਾਂ ਲਾਉਣ ਦੇ ਯੋਗ ਬਣਾ ਰਹੇ ਹਨ. ਲੋਕ ਟੀਚਾ ਤੈਅ ਕਰਦੇ ਹਨ, ਗੁੰਝਲਦਾਰ ਪ੍ਰੋਜੈਕਟਾਂ ਨੂੰ ਸੰਭਾਲਣਯੋਗ ਹਿੱਸਿਆਂ ਵਿੱਚ ਵੰਡਦੇ ਹਨ ਅਤੇ ਪਰਖਦੇ ਹਨ ਕਿ ਨਤੀਜੇ ਵਿਗਿਆਨਕ ਤੌਰ ’ਤੇ ਵੈਧ ਹਨ ਜਾਂ ਨਹੀਂ. ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਚੱਲੀਆਂ ਆ ਰਹੀਆਂ ਇੰਜੀਨੀਅਰਿੰਗ ਰੁਕਾਵਟਾਂ ਘਟਾ ਕੇ, ਏਜੰਟ ਖੋਜਕਾਰਾਂ ਲਈ ਹੋਰ ਕੁਝ ਬਣਾਉਣਾ ਸੰਭਵ ਕਰਦੇ ਹਨ ਅਤੇ ਉਨ੍ਹਾਂ ਨੂੰ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਵਿਗਿਆਨਕ ਸਵਾਲਾਂ ਤੇ ਫ਼ੈਸਲਿਆਂ ’ਤੇ ਧਿਆਨ ਦੇਣ ਦੀ ਖੁੱਲ੍ਹ ਦਿੰਦੇ ਹਨ.

ਖੋਜ ਸਾਫਟਵੇਅਰ ਦੀ ਸਾਂਭ-ਸੰਭਾਲ ਵਿੱਚ ਕਮੀ ਨੇ ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਦੁਹਰਾਵਾਂ ਦੀ ਰਫ਼ਤਾਰ ਘਟਾਈ ਹੈ ਅਤੇ ਪੁਨਰ-ਉਤਪਾਦਕਤਾ ਤੇ ਭਰੋਸੇਯੋਗਤਾ ਨੂੰ ਸੀਮਤ ਕੀਤਾ ਹੈ. “ਖੋਜ ਕੋਡ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ)” ਅਤੇ ਓਮਿਕਸ ਸਾਧਨਾਂ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਬਾਰੇ ਪ੍ਰਕਾਸ਼ਿਤ ਅਧਿਐਨਾਂ ਨੇ ਪਾਇਆ ਹੈ ਕਿ ਪ੍ਰਕਾਸ਼ਿਤ ਸਾਫਟਵੇਅਰ ਅਕਸਰ ਨਵੇਂ ਕੰਪਿਊਟਿੰਗ ਮਾਹੌਲ ਵਿੱਚ ਢੰਗ ਨਾਲ ਇੰਸਟਾਲ ਨਹੀਂ ਹੁੰਦਾ ਜਾਂ ਦਸਤਾਵੇਜ਼ਾਂ ਮੁਤਾਬਕ ਨਹੀਂ ਚੱਲਦਾ. ਇਸ ਕਰਕੇ ਖੋਜਕਾਰਾਂ ਨੂੰ ਸੰਰਚਨਾ ਅਤੇ ਗਲਤੀਆਂ ਲੱਭਣ ਵਿੱਚ ਕਾਫ਼ੀ ਸਮਾਂ ਲਾਉਣਾ ਪੈਂਦਾ ਹੈ. ਆਮ ਸੁਧਾਰ ਵੀ ਖੋਜਕਾਰਾਂ ਦਾ ਸਮਾਂ ਬਚਾ ਅਤੇ ਕੰਪਿਊਟਿੰਗ ਦੀ ਮੰਗ ਘਟਾ ਸਕਦੇ ਹਨ, ਜਦਕਿ ਪ੍ਰਦਰਸ਼ਨ-ਅਧਾਰਿਤ ਪੁਨਰਗਠਨ ਅਤੇ ਮੁੜ-ਲਿਖਾਈ ਹੋਰ ਵੱਡੇ ਲਾਭ ਦੇ ਸਕਦੇ ਹਨ.

ਪਰ ਲਾਗੂਕਰਨ ਦੀ ਘੱਟ ਲਾਗਤ ਕਈ ਮਿਲਦੇ-ਜੁਲਦੇ ਮੁੜ-ਲਿਖੇ ਰੂਪ ਬਣਾਉਣਾ ਵੀ ਸੌਖਾ ਕਰਦੀ ਹੈ. ਇਸ ਨਾਲ ਵਰਤੋਂਕਾਰ ਵੰਡੇ ਜਾਂਦੇ ਹਨ ਅਤੇ ਕਿਸੇ ਇੱਕ ਸਾਧਨ ਨੂੰ ਭਰੋਸੇਯੋਗ ਰੱਖਣ ਲਈ ਲੋੜੀਂਦਾ ਮਾਹਰ ਧਿਆਨ ਖਿੰਡ ਜਾਂਦਾ ਹੈ. ਇਸ ਕਰਕੇ ਲੰਬੇ ਸਮੇਂ ਦੀ ਦੇਖ-ਰੇਖ ਅਤੇ ਯੋਗਦਾਨ ਦਾ ਸਿਹਰਾ ਦੇਣਾ ਲਾਜ਼ਮੀ ਹੈ. ਪਰਿਪੱਕ ਵਿਗਿਆਨਕ ਸਾਫਟਵੇਅਰ ਵਿੱਚ ਗੈਰ-ਦਸਤਾਵੇਜ਼ੀ ਰਵਾਇਤਾਂ, ਅਨੁਕੂਲਤਾ ਦੀਆਂ ਲੋੜਾਂ ਅਤੇ ਵਰਤੋਂਕਾਰਾਂ ਦਾ ਭਰੋਸਾ ਸ਼ਾਮਲ ਹੁੰਦਾ ਹੈ, ਜਿਨ੍ਹਾਂ ਨੂੰ ਸਿਰਫ਼ ਸਰੋਤ ਕੋਡ ਦਾ ਅਨੁਵਾਦ ਕਰਕੇ ਮੁੜ ਪੈਦਾ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ.

ਕੇਸ ਅਧਿਐਨ ਅੱਗੇ ਵਧਣ ਦੇ ਕਈ ਸੰਭਾਵੀ ਰਾਹ ਦਿਖਾਉਂਦੇ ਹਨ. MHCflurry ਅਤੇ cyvcf2 ਦੀਆਂ ਤਬਦੀਲੀਆਂ ਉਨ੍ਹਾਂ ਦੇ ਮੂਲ ਅੱਪਸਟ੍ਰੀਮ ਪ੍ਰੋਜੈਕਟਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਕੀਤੀਆਂ ਗਈਆਂ, ਜਦਕਿ ਮੂਲ ਪ੍ਰੋਜੈਕਟ ਛੱਡ ਦਿੱਤੇ ਜਾਣ ਕਰਕੇ rustar-aligner ਨੂੰ ਨਵੀਂ ਭਾਈਚਾਰਕ ਦੇਖ-ਰੇਖ ਹੇਠ ਲਿਆਂਦਾ ਗਿਆ. ਜਿੱਥੇ ਮੌਜੂਦਾ ਸੰਭਾਲਕਾਂ ਨਾਲ ਤਾਲਮੇਲ ਸੰਭਵ ਹੋਵੇ, ਉਹ ਜਿੰਨੀ ਜਲਦੀ ਹੋ ਸਕੇ ਸ਼ੁਰੂ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ. ਜਦੋਂ ਵੱਖਰਾ ਲਾਗੂਕਰਨ ਲਾਜ਼ਮੀ ਹੋਵੇ, ਤਾਂ ਉਸ ਲਈ ਸਪਸ਼ਟ ਮਾਲਕ ਅਤੇ ਭਰੋਸੇਯੋਗ ਸਾਂਭ-ਸੰਭਾਲ ਯੋਜਨਾ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ. ਇਸ ਤੋਂ ਬਿਨਾਂ ਅੱਜ ਦਾ ਆਧੁਨਿਕ ਮੁੜ-ਲਿਖਿਆ ਰੂਪ ਭਰੋਸੇਯੋਗ ਵਿਗਿਆਨਕ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਬਣਨ ਦੀ ਬਜਾਏ ਕੱਲ੍ਹ ਦਾ ਛੱਡਿਆ ਹੋਇਆ ਕੋਡ ਬਣ ਸਕਦਾ ਹੈ.

ਇਹ ਖੇਤਰੀ ਰਿਪੋਰਟ ਪਿਛਲੇ ਕੰਮ ਦੀ ਸਮੀਖਿਆ ਅਤੇ ਖੋਜਮੁਖੀ ਅਧਿਐਨ ਹੈ, ਪਰ ਕੇਸ ਅਧਿਐਨ ਵਿਗਿਆਨਕ ਸਾਫਟਵੇਅਰ ਦੇ ਵਿਕਾਸ ਦੇ ਤਰੀਕੇ ਵਿੱਚ ਇੱਕ ਵਿਹਾਰਕ ਬਦਲਾਅ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦੇ ਹਨ. Codex ਵਰਗੇ ਕੋਡਿੰਗ ਏਜੰਟ ਸਾਂਭ-ਸੰਭਾਲ, ਮਾਈਗ੍ਰੇਸ਼ਨ, ਅਨੁਕੂਲਨ ਅਤੇ ਨਵੇਂ ਲਾਗੂਕਰਨਾਂ ਦੀ ਲਾਗਤ ਕਾਫ਼ੀ ਘਟਾ ਸਕਦੇ ਹਨ. ਉਨ੍ਹਾਂ ਦਾ ਲੰਬੇ ਸਮੇਂ ਦਾ ਵਿਗਿਆਨਕ ਮੁੱਲ ਅਜੇ ਵੀ ਇਸ ਬਾਰੇ ਮਨੁੱਖੀ ਫ਼ੈਸਲਿਆਂ ’ਤੇ ਨਿਰਭਰ ਹੈ ਕਿ ਕੀ ਬਣਾਉਣਾ ਹੈ, ਉਸ ਦੀ ਤਸਦੀਕ ਕਿਵੇਂ ਕਰਨੀ ਹੈ ਅਤੇ ਉਸ ਦੀ ਸਾਂਭ-ਸੰਭਾਲ ਕੌਣ ਕਰੇਗਾ. ਵੱਡਾ ਬਦਲਾਅ ਸਿਰਫ਼ ਇਹ ਨਹੀਂ ਕਿ ਖੋਜਕਾਰ ਹੋਰ ਸਾਫਟਵੇਅਰ ਬਣਾ ਸਕਦੇ ਹਨ, ਸਗੋਂ ਇਹ ਹੈ ਕਿ ਉਹ ਸਾਧਨਾਂ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨ, ਉਨ੍ਹਾਂ ਦੀ ਤਸਦੀਕ ਕਰਨ ਅਤੇ ਦੇਖ-ਰੇਖ ਕਰਨ ’ਤੇ ਵੱਧ ਮਿਹਨਤ ਲਾ ਸਕਦੇ ਹਨ.

ਇਹ ਕੇਸ ਅਧਿਐਨ ਦਿਖਾਉਂਦੇ ਹਨ ਕਿ ਏਜੰਟ ਹੁਣੇ ਹੀ ਵਿਗਿਆਨਕ ਕੰਪਿਊਟਿੰਗ ਵਿੱਚ ਦੁਹਰਾਵਾਂ ਦੀ ਰਫ਼ਤਾਰ ਤੇਜ਼ ਕਰ ਸਕਦੇ ਹਨ. ਕੋਡਿੰਗ ਏਜੰਟਾਂ ਵਿੱਚ ਸੁਧਾਰ ਨਾਲ ਖੋਜਕਾਰ ਵਿਸ਼ਲੇਸ਼ਣ ਕਾਰਜ-ਪ੍ਰਵਾਹਾਂ ਨੂੰ ਚਲਦਾ ਰੱਖਣ ’ਤੇ ਘੱਟ ਅਤੇ ਆਪਣੇ ਖੇਤਰਾਂ ਨੂੰ ਅੱਗੇ ਵਧਾਉਣ ’ਤੇ ਵੱਧ ਸਮਾਂ ਲਾ ਸਕਣਗੇ.