Geminiची नवी दिशा संभाषणापेक्षा संदर्भावर अधिक अवलंबून आहे
Google चे Gemini हे सर्वसाधारण chatbot पेक्षा अधिक खोलवर वैयक्तिकृत सहाय्यक बनण्याच्या दिशेने पुढे जात आहे. कंपनीचे नवीन Personal Intelligence वैशिष्ट्य, जे दिलेल्या स्रोत सामग्रीमध्ये अलीकडील rollout म्हणून वर्णन केले आहे, अधिक अनुरूप उत्तरे तयार करण्यासाठी Gmail, Google Photos, Search history आणि इतर ॲप्समधील Google सेवांच्या डेटाशी Gemini जोडते.
हा बदल महत्त्वाचा आहे, कारण तो ग्राहक AI मधील स्पर्धा कोणत्या दिशेने जात आहे हे दाखवतो. मुख्य प्रवाहातील chatbot च्या पहिल्या लाटेने भाषा मॉडेल्स अधिक सुलभ करण्यावर लक्ष केंद्रित केले होते. पुढची लाट संबंधिततेबद्दल आहे: वापरकर्त्याचे वेळापत्रक, इतिहास, सवयी आणि पसंती इतकी जाणणे की उत्तर केवळ व्यापक अर्थाने शक्य वाटण्याऐवजी लगेच उपयुक्त वाटेल.
Geminiच्या बाबतीत, वचन सोपे आहे. मदत मागताना वापरकर्त्यांना प्रत्येक वेळी संदर्भ पुन्हा हाताने सांगण्याची गरज उरत नाही. जर सहाय्यकाकडे आधीच संबंधित वैयक्तिक माहितीची प्रवेशयोग्यता असेल, तर तो काय महत्त्वाचे आहे ते ओळखू शकतो. दिलेल्या लेखात या परिणामाचे वर्णन “अधिक वैयक्तिक” आणि लेखकाच्या अनुभवानुसार अधिक अचूक प्रतिसाद असे केले आहे.
हे वैशिष्ट्य मोठ्या AI उत्पादन धोरणाचे प्रतिबिंब आहे
Googleसाठी हा एक नैसर्गिक, पण उच्च-जोखमीचा टप्पा आहे. ईमेल, कॅलेंडर, search logs, फोटो, maps आणि उत्पादकता साधनांद्वारे कंपनी आधीपासून लोकांच्या डिजिटल आयुष्याच्या विलक्षण मोठ्या भागावर नियंत्रण ठेवते. त्या प्रणालींना AI थराशी जोडल्याने त्या विस्तृत platform reach चे स्पर्धात्मक फायद्यात रूपांतर होते.
याचा अर्थ आपोआप चांगले परिणाम मिळतील असे नाही, पण त्यामुळे स्पर्धेचा आधार बदलतो. AI सहाय्यकांचे मूल्यांकन आता फक्त reasoning किंवा writing quality वर नाही, तर ते वापरकर्त्याला ओळखत असल्यासारखे वागू शकतात का यावरही केले जाते. मागील शोध, येऊ घातलेले कार्यक्रम, जुन्या छायाचित्रे आणि inbox तपशील समजणारा सहाय्यक, सामान्य output पासून लक्षणीय वेगळ्या वाटणाऱ्या शिफारसी आणि सारांश निर्माण करू शकतो.
दिलेल्या source text नुसार, वापरकर्ता उत्पादने शोधत असताना किंवा सल्ला विचारत असताना Gemini या संकेतांचा वापर करून अडथळे कमी करू शकतो. हे classic chatbot prompt-response मॉडेलच्या पुढचे एक अर्थपूर्ण पाऊल आहे. वापरकर्त्याकडून काळजीपूर्वक setup मागण्याऐवजी, उत्पादन जोडलेल्या डेटामधून intent ओळखण्याचा प्रयत्न करत आहे.
product-design च्या दृष्टीने, हेच ते दिशानिर्देश आहे ज्याचे संकेत प्रमुख AI platforms अनेक महिन्यांपासून देत आहेत: कमी blank-slate interactions, अधिक persistent context.
सुविधा आणि नियंत्रण एकत्र येतात
मुख्य tradeoff देखील स्पष्ट आहे. Personalization फक्त तेव्हाच कार्य करते, जेव्हा वापरकर्ते अधिक डेटासाठी प्रवेश देण्यास तयार असतात. स्रोत सामग्री ठळकपणे सांगते की वापरकर्ते कोणता ॲप डेटा वापरायचा हे नियंत्रित करू शकतात आणि कोणत्याही वेळी feature बंद करू शकतात. rollout चा हा महत्त्वाचा भाग आहे, कारण अत्यंत वैयक्तिकृत AI प्रणाली तांत्रिक कामगिरीइतक्याच विश्वासावर अवलंबून असतात.
recommendation engines, smart home systems आणि app ecosystems कडून ग्राहकांनी हेच आश्वासन आधीही ऐकले आहे. फरक असा की आता generative AI एकाच वेळी अनेक सेवांमधील माहिती एकत्रित करू शकते. जोडलेला सहाय्यक फक्त दस्तऐवज आणणार नाही किंवा ईमेल शोधणार नाही. तो inbox तपशील, search history आणि फोटो metadata एकत्र करून असामान्यपणे अंतर्ज्ञानी वाटणारी सूचना देऊ शकतो.
हे उपयुक्त ठरू शकते. पण काय वापरले जात आहे आणि का, हे स्पष्ट नसल्यास ते हस्तक्षेपात्मकही वाटू शकते. Personal Intelligence सारख्या वैशिष्ट्यांचे यश मोठ्या प्रमाणावर controls किती समजण्यासारखे आहेत, फायदे किती स्पष्ट आहेत, आणि लोकांना प्रत्यक्षात opt out करता येते असा विश्वास आहे का यावर अवलंबून असेल.
स्रोत सामग्री सूचित करते की Google किमान हा control layer पुढे आणण्याचा प्रयत्न करत आहे. प्रत्यक्षात, adoption साठी ते आवश्यक असू शकते. सीमा दिसत असतील आणि उलटवता येत असतील, तर ग्राहक खोल AI integration अधिक सहज स्वीकारतात.
हे rollout Gemini पलीकडे का महत्त्वाचे आहे
मोठे महत्त्व हे आहे की Personal Intelligence ग्राहक AI साठी एक नवीन मानक सूचित करते. सामान्य सहाय्यक आता कमी वेगळे दिसत आहेत. एकदा अनेक tools मजकूराचे सार काढू शकत असतील, सामान्य प्रश्नांची उत्तरे देऊ शकत असतील आणि मसुदे तयार करू शकत असतील, तर पुढचे युद्धक्षेत्र memory आणि context ठरते.
यामुळे वापरकर्ता अपेक्षा आणि उत्पादन जोखीम दोन्ही बदलतात. Personalization कार्य करत असेल, तर AI खूपच सक्षम वाटू शकते. ते अपयशी ठरले, तर ते अशा चुका करू शकते ज्या सामान्य चुकीच्या उत्तरापेक्षा अधिक विचित्र किंवा अधिक परिणामकारक वाटतात. एक सामान्य chatbot प्रश्न चुकीचा समजला, तर ते विसरून जाता येते. तुमचे संदेश किंवा गृहितके चुकीच्या प्रकारे वाचणारा वैयक्तिक सहाय्यक, विश्वास खूप वेगाने कमी करू शकतो.
Google चा हा निर्णय तुलनात्मक ecosystem नसलेल्या कंपन्यांसाठी स्पर्धात्मक आव्हानही निर्माण करतो. Personal data connections आता केवळ सोयीचे वैशिष्ट्य राहिलेले नाहीत, तर structural advantage बनत आहेत. एखादी AI company जितकी अधिक surfaces integrate करू शकते, तितक्या अधिक custom-fit वाटणाऱ्या उत्तरांची निर्मिती करण्याच्या संधी तिला मिळतात.
याचे परिणाम कोणत्या सहाय्यकावर सर्वाधिक अवलंबून राहायचे हे ठरवणाऱ्या वापरकर्त्यांवर होतात. विजेता कदाचित सर्वोत्तम benchmark scores असलेला model नसेल. तो असा असू शकतो जो लोक रोज वापरत असलेल्या सेवांमध्ये सर्वात खोलवर embedded आहे.
ग्राहक AIचा पुढचा टप्पा आधीच येथे आहे
दिलेल्या मजकुरावरून, Personal Intelligence ला एखाद्या मोठ्या स्वतंत्र app launch म्हणून मांडले जात नाही. हे एक settings-level बदल आहे, ज्यामुळे Gemini default ने अधिक उपयुक्त बनतो. हे understated framing बरेच काही सांगते. AI race आता फक्त flashy demos बद्दल राहिलेली नाही. वाढत्या प्रमाणात, ती software ला अधिक context-aware, अधिक persistent आणि अधिक integrated बनवण्याबद्दल आहे.
वापरकर्त्यांसाठी आकर्षण स्पष्ट आहे: कमी पुनरावृत्ती, कमी setup आणि कमी generic वाटणारे प्रतिसाद. Googleसाठी धोरणात्मक तर्कही तितकाच स्पष्ट आहे: जर AI डिजिटल जीवनासाठी interface layer बनत असेल, तर सर्वात मौल्यवान सहाय्यक तोच असेल जो सर्वात समृद्ध वैयक्तिक संदर्भातून माहिती घेऊ शकेल.
उपयुक्तता आणि गोपनीयता यांच्यातील ताण कायम राहणार आहे, आणि अशी उत्पादने ग्राहक सीमा कुठे आखतात हे तपासत राहतील. पण दिशा स्पष्ट आहे. AI सहाय्यक फक्त अधिक नैसर्गिकरित्या बोलायला शिकत नाहीत. ते त्यांच्याशी बोलणाऱ्या लोकांबद्दल अधिक जाणून घ्यायलाही शिकत आहेत.
Gemini चे Personal Intelligence वैशिष्ट्य हे आणखी एक चिन्ह आहे की हा पुढचा टप्पा आधीच संकल्पनेतून ग्राहक rollout मध्ये आला आहे.
हा लेख ZDNET च्या रिपोर्टिंगवर आधारित आहे. मूळ लेख वाचा.
Originally published on zdnet.com