एक browser setting AI विश्वासाचा मुद्दा बनली
Google च्या Chrome browser मध्ये on-device Gemini Nano AI model आहे, आणि अनेक desktop वापरकर्त्यांच्या संगणकांवर तो आधीच असण्याची शक्यता आहे. या तथ्याभोवतीची पुन्हा उफाळलेली नाराजी raw capability पेक्षा expectation आणि control याबद्दल अधिक आहे. दिलेल्या अहवालानुसार, local model सुमारे 4 GB जागा घेतो, Chrome settings मधून बंद करता येतो, आणि feature browser मध्ये off करण्याऐवजी file थेट delete केली, तर तो शांतपणे पुन्हा दिसू शकतो.
या संयोजनामुळे हा मुद्दा एका नेहमीच्या product preference story च्या खूप पुढे गेला आहे. अनेक वापरकर्त्यांसाठी मुख्य प्रश्न on-device AI ला वैध उपयोग आहेत का, हा नाही. प्रश्न असा आहे की मोठा browser त्यांच्या संगणकावर इतका मोठा AI model त्यांच्या अपेक्षेनुसार पुरेशी पारदर्शकता न देता ठेवू शकतो का.
वापरकर्ते काय करू शकतात
अहवाल feature बंद करण्यासाठी विशिष्ट पावले सांगतो. Chrome च्या desktop आवृत्तीत वापरकर्ते “More” menu उघडून Settings, मग System येथे जाऊन “On-device AI” off करू शकतात. feature बंद झाल्यावर model पुढे download किंवा update होणार नाही, असे Google ने WIRED ला सांगितले. device कडे resources कमी असतील तर model आपोआप uninstall करण्यासाठी ही प्रणाली रचली आहे, असेही कंपनीने म्हटले.
हे तपशील महत्त्वाचे आहेत कारण model काढता येत नाही, अशा दाव्यापासून चालू वाद वेगळा करतात. इथे समस्या technical controls च्या अभावाची नाही. अनेक वापरकर्त्यांना model तिथे आहे हेच माहीत नव्हते, आणि privacy-focused reporting आणि चर्चेच्या नव्या लाटेमुळेच त्यांना याबद्दल कळले.
Google ने Gemini Nano Chrome मध्ये का ठेवले
दिलेल्या source text नुसार, on-device AI scam detection features ला पाठबळ देण्यासाठी आणि developers ना AI-related APIs एकत्र करण्याचे मार्ग देण्यासाठी, डेटा शक्य असल्यास cloud कडे न पाठवता वापरकर्त्यांच्या device वरच ठेवण्यासाठी Google ने Gemini Nano Chrome मध्ये बांधले. ही Google ची functional justification आहे.
यामध्ये वास्तविक तर्क आहे. On-device models latency कमी करू शकतात, data flows वर अधिक local control राखू शकतात, आणि प्रत्येक analysis step remote वर न करता security features शक्य करू शकतात. कंपनी Chrome च्या AI Mode ला या features पासून वेगळेही दाखवते, आणि अहवालानुसार त्यात local Gemini Nano model वापरला जात नाही.
म्हणजेच Google साठी model ची उपस्थिती केवळ सजावटीची किंवा प्रायोगिक नाही. ती browser च्या विशिष्ट क्षमतांशी आणि developer tools शी जोडलेली आहे.
तरीही backlash का महत्त्वाचा आहे
कारण योग्य असले तरी, वापरकर्त्यांची प्रतिक्रिया consumer technology मधील एक मोठा pattern उघड करते: AI features वेगाने अशा products मध्ये मिसळत आहेत, ज्यांना लोक आधीच infrastructure मानतात. बरेच वापरकर्ते granular browser release notes वाचत नाहीत. विशेषतः privacy आणि storage implications असलेला मोठा local component आल्यावर core software समजण्यासारखेच राहील, अशी त्यांची अपेक्षा असते.
अहवाल सांगतो की Google ने integration ची सार्वजनिक घोषणा आधीच केली होती आणि February पासून On-device AI toggle सुरू केला होता. पण public announcement म्हणजे effective notice नव्हे. ज्यांनी model ला informed opt-in म्हणून नाही, तर अचानक सापडलेल्या गोष्टीसारखे अनुभवले, त्यांच्यासाठी प्रश्न trust आणि product governance चा बनतो.
म्हणूनच ही कथा फक्त settings menu बद्दल नाही. Browser AI आता काल्पनिक feature category राहिलेली नाही. ती mainstream software defaults चा भाग बनत आहे, आणि प्रत्येक deployment वापरकर्ते किती hidden complexity सहन करतील हे तपासत आहे, ते simple controls आणि स्पष्ट disclosure मागण्याआधी.
मोठा अर्थ
फक्त technical setting म्हणून पाहिले तर Chrome मधील Gemini Nano ही तुलनेने लहान story आहे. पण तिला रोजच्या computing मध्ये AI अंतर्भूत करण्याच्या संकेताप्रमाणे पाहिले तर ती मोठी ठरते. जगातील सर्वात ओळखण्याजोग्या browser मध्ये 4 GB model येणे म्हणजे केवळ feature rollout नाही; ते अशा नव्या सामान्याचा भाग आहे ज्यात local AI systems general-purpose software मध्ये bundled केल्या जात आहेत.
म्हणून backlash फक्त AI भीती म्हणून कमी करू नये. तो अधिक टिकाऊ चिंतेचे प्रतिबिंब आहे: त्यांच्या मशीनवर काय चालते आहे, ते तिथे का आहे, आणि product शी झगडल्याशिवाय ते कसे बंद करायचे हे वापरकर्त्यांना जाणून घ्यायचे आहे. model बंद करण्यासाठी Google ने मार्ग दिला आहे, ज्यामुळे तातडीच्या practical प्रश्नाचे उत्तर मिळते. पण source text मधील प्रतिक्रिया दाखवते की consumer AI adoption चा पुढचा टप्पा केवळ या systems काय करू शकतात यावर नाही, तर कंपन्या ती साधने वापरकर्त्यांना transparent आणि proportionate वाटतील अशा प्रकारे सादर करतात का, यावरही अवलंबून असेल.
हा लेख Wired च्या रिपोर्टिंगवर आधारित आहे. मूळ लेख वाचा.
