अनेक वर्षांच्या स्थगितीनंतर, ज्यामुळे कथितपणे काही कर्मचाऱ्यांच्या नोकर्या गेल्या, Apple ने शेवटी पूर्णपणे पुनर्बांधणी केलेली Siri सादर केली आहे. आता "Siri AI" म्हणून मार्केटिंग केली जाणारी ही सहाय्यक आज बीटा स्वरूपात उपलब्ध आहे आणि तिच्या पहिल्या लॉन्चपासूनचे सर्वात मोठे नूतनीकरण दर्शवते. सर्वात आश्चर्यकारक तपशील इंटरफेस किंवा नवीन आवाज नाही — तर तिच्या खाली काय आहे: Google ची Gemini मॉडेल्स.
ही आवृत्ती Apple साठी एक उल्लेखनीय क्षण आहे, कारण गेल्या काही वर्षांत त्यांनी स्वतःला अशी कंपनी म्हणून स्थान दिले आहे जी शक्य तितकी गणना वापरकर्त्याच्या स्वतःच्या हार्डवेअरवर ठेवते. आपल्या प्रमुख सहाय्यकाचा पाया प्रतिस्पर्ध्याच्या मॉडेल कुटुंबाकडे सोपवणे ही एक व्यावहारिक कबुली आहे की फ्रंटियर-स्तरीय भाषा मॉडेल्स स्वतः तयार करण्यासाठी बाजाराला वाटण्यापेक्षा जास्त वेळ लागतो.
नवीन Siri मागील Gemini पाया
Apple नुसार, नवीन Siri अंशतः डिव्हाइसवर आणि अंशतः Private Cloud Compute द्वारे चालते, जी कंपनीची गोपनीयता-केंद्रित सर्व्हर पायाभूत सुविधा आहे. Apple म्हणते की वापरकर्त्यांचा वैयक्तिक डेटा कंपनीकडे साठवला जात नाही किंवा उपलब्ध करून दिला जात नाही — हा दावा Apple त्यांच्या AI कथानकाच्या केंद्रस्थानी ठेवते. हायब्रिड रचनेचा अर्थ असा की सोप्या विनंत्या स्थानिक पातळीवर हाताळल्या जाऊ शकतात, तर जड तर्कशक्तीची कार्ये क्लाउडवर पाठवली जातात.
हा विभाग चिकित्सेखाली टिकतो की नाही हा खुला प्रश्न आहे, परंतु तो व्यापक उद्योग पद्धती प्रतिबिंबित करतो: सक्षम सहाय्यकांना वाढत्या प्रमाणात स्थानिक सिलिकॉन आणि दूरस्थ संगणनाचे मिश्रण आवश्यक असते. Apple चे उत्तर म्हणजे क्लाउड स्तर मालकीचा आणि करारानुसार मर्यादित ठेवणे, सर्व काही तृतीय-पक्ष API कडे वळवण्याऐवजी.
- हलक्या कामांसाठी ऑन-डिव्हाइस प्रोसेसिंग
- अधिक मागणी असलेल्या विनंत्यांसाठी Private Cloud Compute
- कंपनीनुसार, वैयक्तिक डेटा Apple कडे साठवला किंवा उघड केला जात नाही
- Gemini मॉडेल्स अंतर्निहित भाषा क्षमता पुरवतात
पुनर्बांधणी केलेली सहाय्यक प्रत्यक्षात काय करू शकते
मुख्य क्षमता वैयक्तिक संदर्भ आहे. Apple म्हणते की Siri आता संदेश, ईमेल आणि फोटोंमधील माहितीचा वापर करू शकते, स्क्रीनवर सध्या काय आहे ते वाचू शकते आणि वेबवरून निकाल मिळवू शकते. हे संयोजन सहाय्यकाला एकल-आदेश संवादांपुढे नेऊन बहु-चरणीय कार्यांमध्ये आणण्यासाठी आहे.
सिस्टम-व्यापी अॅप क्रिया पोहोच आणखी वाढवतात. Siri वापरकर्त्याच्या वतीने ईमेल मसुदा तयार करू शकते किंवा फोटो संपादित व सामायिक करू शकते. Apple चे स्वतःचे उदाहरण म्हणजे Messages संभाषणात नमूद केलेली कौटुंबिक पाककृती मागणे, नंतर Siri घटक Reminders अॅपमध्ये हलवते — पूर्वी यासाठी अनेक मॅन्युअल पायऱ्या लागत असत.
तृतीय-पक्ष एकत्रीकरण देखील या प्रस्तावाचा भाग आहे. Siri लॉन्चमध्ये WhatsApp आणि Audible सह काम करते, तर Outlook, Notability आणि Tripsy नंतर येणार आहेत. सहाय्यकाला बोलावण्याचे अनेक मार्ग देखील आहेत.
- "Hey Siri" वेक वाक्य
- साइड बटण
- Dynamic Island
- iPad आणि Mac वर Spotlight
एक समर्पित Siri अॅप iCloud द्वारे डिव्हाइसेसवर चॅट इतिहास सिंक करते, आणि Apple नवीन आवाजांसोबत पुनर्कार्य केलेले डिक्टेशन वैशिष्ट्य जोडत आहे, जे कंपनीनुसार त्यांच्या ऑन-डिव्हाइस AFM Core Advanced मॉडेलवर चालते.
टप्प्याटप्प्याने रोलआउट, EU आणि चीन वगळून
सध्या, Siri AI फक्त इंग्रजीत आहे आणि बीटा म्हणून लेबल केलेली आहे. Apple म्हणते की फ्रेंच, जपानी, कोरियन, पोर्तुगीज आणि स्पॅनिशसाठी समर्थन पुढील महिन्यात येईल. ही वैशिष्ट्ये 2027 सॉफ्टवेअर चक्राशी जोडलेली आहेत, जी iOS 27, iPadOS 27, macOS 27, watchOS 27 आणि visionOS 27 मध्ये दिसतील.
अधिक परिणामकारक मर्यादा भौगोलिक आहे. ही सेवा या टप्प्यावर युरोपियन युनियन किंवा चीनमध्ये लॉन्च होणार नाही. दोन्ही बाजारांमधील नियामकीय घर्षणाने मोठ्या प्लॅटफॉर्म मालकांनी AI वैशिष्ट्यांचे प्रकाशन कसे टप्प्याटप्प्याने केले हे वारंवार आकार दिले आहे, आणि Apple चा निर्णय त्यांच्या सहाय्यकाचे सर्वात महत्त्वाकांक्षी भाग सध्या दोन प्रमुख प्रदेशांबाहेर ठेवतो. तेथील वापरकर्त्यांना Apple ने अद्याप निर्दिष्ट न केलेल्या वेळापत्रकाची प्रतीक्षा करावी लागेल.
Siri पलीकडे: Apple Intelligence संपूर्ण सिस्टममध्ये पसरते
Siri ही केवळ कथेचा एक भाग आहे. Apple त्यांच्या ऑपरेटिंग सिस्टम्समध्ये AI वैशिष्ट्ये वितरित करत आहे, जी सहाय्यकाच्या पलीकडे जाणाऱ्या अॅप्सना स्पर्श करतात. Photos अॅपमध्ये Spatial Reframing, Extend आणि पुनर्कार्य केलेले Clean Up फंक्शन यासारखी साधने येतात.
Image Playground आता फोटोरिअलिस्टिक प्रतिमा तयार करू शकते, ही क्षमता Apple नुसार Private Cloud Compute द्वारे चालते. कंपनीने हे देखील सूचित केले आहे की हे वैशिष्ट्य SynthID मानकाला समर्थन देईल, जो वॉटरमार्किंग दृष्टिकोन आहे जो प्रतिमा कृत्रिमरित्या तयार केली गेली हे दर्शविण्यासाठी डिझाइन केलेला आहे — हा तपशील महत्त्वाचा आहे कारण AI-निर्मित मीडिया लेबल करण्यासाठी प्लॅटफॉर्मवर दबाव वाढत आहे.
- Photos: Spatial Reframing, Extend आणि पुनर्बांधणी केलेले Clean Up
- Image Playground: Private Cloud Compute द्वारे फोटोरिअलिस्टिक निर्मिती
- वॉटरमार्किंग: नियोजित SynthID समर्थन
प्रारंभिक छाप: व्यावहारिक विजय, टिकून राहिलेली गोंधळ
प्रारंभिक चाचणी करणाऱ्यांनी सामान्यतः व्यावहारिक सुधारणांचे कौतुक केले आहे. सहाय्यक दैनंदिन परिस्थितींमध्ये अधिक उपयुक्त वाटतो, संदर्भ-जागरूक विनंत्या आणि क्रॉस-अॅप क्रिया हाताळतो ज्या जुन्या Siri करू शकत नव्हती. व्हॉइस असिस्टंट श्रेणीतील अपूर्ण वचनांचे प्रतीक बनलेल्या उत्पादनासाठी हा एक अर्थपूर्ण बदल आहे.
कौतुक अटींशिवाय नाही. समीक्षकांनी नोंदवले आहे की गैरसमज अजूनही होतात, जे सूचित करते की नवीन आर्किटेक्चरने वापरकर्त्यांना बर्याच काळापासून त्रास देणारे अपयश दूर केलेले नाहीत. विशेषतः, बहु-चरणीय विश्वसनीयता ही सर्वात कठीण समस्या राहते — चार पायऱ्या योग्य पूर्ण करणारा आणि पाचव्यावर अपयशी ठरणारा सहाय्यक कधीही प्रयत्न न करणाऱ्यापेक्षा अधिक त्रासदायक ठरू शकतो.
पुढे काय पाहावे
बीटा लेबल Apple ला पुनरावृत्ती करण्यासाठी जागा देते, आणि पुढील महिन्यात अपेक्षित भाषा विस्तार ही एक प्रारंभिक चाचणी असेल की Gemini-आधारित प्रणाली इंग्रजीपलीकडे सामान्यीकृत होते का. मोठे प्रश्न संरचनात्मक आहेत: Apple अखेरीस किती अनुभव पुन्हा स्वतःकडे आणू शकते, EU आणि चीनमधील नियामकांना हे वैशिष्ट्य कधी दिसेल, आणि Private Cloud Compute बद्दलच्या गोपनीयता हमी स्वतंत्र तपासणीत टिकतात का.
सध्या, Apple ने अनेक वर्षे टाळलेली गोष्ट केली आहे — जे सहाय्यक वारंवार वचन देत होते ते सादर केले, ज्यामध्ये प्रतिस्पर्ध्याचे तंत्रज्ञान बहुतेक जड काम करत आहे.
हा लेख The Decoder च्या अहवालावर आधारित आहे. मूळ लेख वाचा.
Originally published on the-decoder.com
