আমি প্রায় এক দশক ধরে স্মার্টওয়াচ ব্যবহার করছি। এবং এখন পর্যন্ত, আমি ভালোবাসা-ঘৃণার সম্পর্ক গড়ে তুলেছি। আমার বন্ধুদের মধ্যে ফ্যাশন পুলিশ এগুলোকে ঘৃণা করে, অন্যদিকে জিম ইঁদুররা সবসময় সর্বশেষ বায়োসেন্সিং সাফল্য নিয়ে আলোচনা করতে আগ্রহী। ডাক্তার এবং গবেষকরা আমাকে বলেছেন যে এগুলো ফিট থাকার জন্য এবং প্রাথমিক সতর্কতা ব্যবস্থা হিসেবে একটি দুর্দান্ত হাতিয়ার , কিন্তু সঠিক চিকিৎসা সেবার বিকল্প নয়।
কিন্তু বছরের পর বছর ধরে স্মার্টওয়াচগুলি দ্রুত এবং স্মার্ট হয়ে ওঠার সাথে সাথে তাদের বিভ্রান্তির সম্ভাবনাও বৃদ্ধি পেয়েছে। "আমার শরীরে আরও একটি স্ক্রিন, বিভ্রান্তিকর বিজ্ঞপ্তিগুলির জন্য একটি চ্যানেল, এবং এমন কিছু যা আমাকে প্রতিদিন চার্জ করতে হয়।" আমি প্রায়শই নিজেকে এই কথাটি বলি, এবং আমি একা নই যে এই সমস্যাগুলির সাথে লড়াই করছি। তবে এখানেই উজ্জ্বল দিক।
ব্যবহারিক সুবিধাগুলি সর্বদা কার্যকরী সমস্যাগুলিকে ছাড়িয়ে যায়, এবং এখানেই AI গুরুত্বপূর্ণ ভূমিকা পালন করে। AI আমাদের ওয়েব ব্রাউজ করার পদ্ধতি বা আমাদের ফোনে কাজ করার পদ্ধতিতে নাটকীয় পরিবর্তন এনেছে। এখন, এটি স্মার্টওয়াচেও এসেছে, এবং এটি অসাধারণভাবে কার্যকর। কিন্তু এখানেই অদ্ভুত অংশ।
অ্যাপল ঘড়িগুলিকে সাধারণত সোনার মান হিসাবে বিবেচনা করা হয়, তবে পিক্সেল এবং গ্যালাক্সি ওয়াচকে চালিত করে এমন গুগলের ওয়্যার ওএস অর্থপূর্ণ এআই-চালিত অভিজ্ঞতার সাথে প্রাথমিকভাবে নেতৃত্ব দিয়েছে। আমি সম্প্রতি নতুন অ্যাপল ওয়াচ সিরিজ ১১ এবং গ্যালাক্সি ওয়াচ ৮ ক্লাসিক প্রকাশ করেছি এবং এআই-চালিত বৈশিষ্ট্যগুলির পার্থক্যটি বেশ চোখ ধাঁধানো ছিল।
আমি কেন আমার কব্জিতে AI চাই?
আচ্ছা, সবচেয়ে স্পষ্ট উত্তর হবে একটি ডিজিটাল সহকারী যা সাধারণ কাজগুলি পরিচালনা করতে পারে যার জন্য আপনাকে অন্যথায় আপনার স্মার্টফোন আনলক করতে হবে। আগামী দিনের জন্য মিটিংয়ের সময়সূচী পরীক্ষা করা, কাছাকাছি একটি কফি শপ খুঁজে বের করা, দিকনির্দেশনা খোঁজা, সঙ্গীতের মেজাজ পরিবর্তন করা, অথবা কেবল জনপ্রিয় ইভেন্টগুলির জন্য একটি দ্রুত সংবাদ প্রচার করা।
তবে সমস্যা হলো, অ্যালেক্সা, সিরি, গুগল অ্যাসিস্ট্যান্ট এবং বিক্সবির মতো পুরনো ডিজিটাল অ্যাসিস্ট্যান্টগুলি অত্যন্ত সীমিত। তারা অন্যান্য অ্যাপ বা তৃতীয় পক্ষের পরিষেবাগুলির সাথে ইন্টারঅ্যাক্ট করতে পারে না। তারা বেশ ধীর এবং প্রাসঙ্গিক বোধগম্যতার অভাব রয়েছে। এবং সর্বোপরি, তাদের সাথে কথোপকথন অত্যন্ত কঠোর।
এখানেই জেমিনি , তার উন্নত প্রাকৃতিক ভাষা ক্ষমতার সাথে, এক বিবর্তনীয় লাফ দেয়। এটি সিরির চেয়ে অনেক বেশি সূক্ষ্ম বোধগম্যতার সাথে কথোপকথন চালিয়ে যেতে পারে। আরও গুরুত্বপূর্ণ বিষয় হল, এটি সংযুক্ত গুগল (এবং তৃতীয় পক্ষ) পরিষেবা জুড়ে আপনার ডেটার ভাণ্ডার খনন করে পদক্ষেপ নিতে পারে। এবং পদক্ষেপ বলতে আমি অর্থপূর্ণ কাজকে বোঝাতে চাইছি।
মিথুন রাশি কথা বলতে (এবং বুঝতে) অনেক ভালো।
জেমিনি একটি বৃহৎ ভাষা মডেল যা প্রায় মানুষের মতোই কথোপকথন পরিচালনা করতে পারে, কিন্তু জ্ঞানের এক বিশাল জগৎ তার হাতের মুঠোয়। এটি বহু-পদক্ষেপের প্রশ্ন এবং খোলামেলা কথোপকথন বুঝতে পারে, অন্যদিকে সিরি হয় ব্যর্থ হবে অথবা আপনাকে ওয়েব অনুসন্ধানের যাত্রায় নিয়ে যাওয়ার চেষ্টা করবে।
জেমিনির সাথে কথোপকথনগুলি অবাধে প্রবাহিত হয়, এবং আরও গুরুত্বপূর্ণ বিষয় হল, ত্রুটি-প্রবণতা অনেক কম। পরেরটি অত্যন্ত গুরুত্বপূর্ণ। এমনকি যখন ভয়েস-টু-টেক্সট ট্রান্সক্রিপশন সঠিক না হয় এবং আপনি স্ক্রিনে একটি স্পষ্ট বানান ত্রুটি দেখতে পান, তখনও প্রসঙ্গটি সঠিকভাবে ধরা পড়ে।
উদাহরণস্বরূপ, যখন আমি জেমিনিকে এনভিডিয়ার রুবিন জিপিইউ সম্পর্কে সর্বশেষ আপডেট দিতে বলেছিলাম, তখন জেমিনি প্রথমে এটিকে "রুবেন" বলে বেছে নিয়েছিল, কিন্তু অবশেষে যখন এটি উত্তরটি বর্ণনা করা শুরু করে, তখন এটি সঠিকভাবে আসন্ন রুবিন আর্কিটেকচারের উপর দৃষ্টি নিবদ্ধ করে। এই প্রেক্ষাপট-ভিত্তিক সংশোধনের অর্থ হল অ্যাপল ওয়াচ সিরিজ ১১ এর তুলনায় গ্যালাক্সি ওয়াচ ৮-এ ভয়েস চ্যাটগুলি অনেক কম হতাশাজনক।
যারা স্থানীয় ইংরেজি উচ্চারণ ব্যবহার করেন না, তাদের জন্য প্রায়শই একই শব্দের অনন্য উচ্চারণ নিয়ে সমস্যা হয়। এই গুরুত্বপূর্ণ সুবিধার ক্ষেত্রে জেমিনি সিরির চেয়ে অনেক ভালো ফলাফল করে। সিরি বারবার ভারতীয় ভাষায় স্থান এবং সুস্বাদু খাবারের নাম বুঝতে ব্যর্থ হয়েছে, অন্যদিকে জেমিনির উন্নত ভাষাগত বোধগম্যতার কারণে তারা সঠিক শব্দ বেছে নিতে পেরেছে।
ভাষা বোঝা (এর বিভিন্ন উচ্চারণ সহ), রিয়েল-টাইমে বানান ত্রুটি সংশোধন করা এবং ব্যবহারকারীরা তাদের বাক্যে ভুল করলেও সঠিক প্রসঙ্গ নির্বাচন করা জেমিনির জন্য একটি বিশাল জয়। সিরি কথোপকথন দ্রুত হতাশাজনক হয়ে উঠতে পারে কারণ এটি বারবার অ-ইংরেজি শব্দগুলি বুঝতে ব্যর্থ হয়।
আর ভুলে গেলে চলবে না যে জেমিনি আপনার জ্বলন্ত প্রশ্নের উত্তর দিতে আরও ভালো। সিরি ওয়েব অনুসন্ধান এবং লিঙ্ক সরবরাহের উপর নির্ভর করে উত্তর দেওয়ার চেষ্টা করে, তার বিপরীতে জেমিনি আরও স্বতঃস্ফূর্ত। ওয়েব থেকে তথ্য সংগ্রহ এবং এটিকে সহজে বোঝা যায় এমন টেক্সটের আকারে উপস্থাপন করার ক্ষেত্রে এটি নাটকীয়ভাবে দ্রুত, যার সাথে একটি ভয়েস রিডআউটও রয়েছে।
সেখান থেকে, আপনি পরবর্তী প্রশ্নগুলির সাথে আরও গভীরে খনন করতে পারেন, গভীরভাবে পড়ার জন্য একটি নিবন্ধ টেনে আনতে বলতে পারেন, কথোপকথনের বিষয়বস্তু Keep-এ সংরক্ষণ করতে পারেন, অথবা WhatsApp টেক্সট হিসাবে পাঠাতে পারেন। সহজ কথায়, এটি একটি সরল নির্দেশের শৃঙ্খল যা একটি ফলপ্রসূ কথোপকথন অনুসরণ করে।
আদেশ এবং সম্পাদন
আমি সরাসরি এখানেই চলে আসছি। "আমাকে ধর্মশালার কয়েকটি বিখ্যাত স্থান সম্পর্কে বলুন," আমি জিজ্ঞাসা করলাম। আদর্শভাবে, আপনি আশা করবেন যে একজন AI সহকারী কয়েকটি স্থান পড়ে শোনাবেন অথবা স্ক্রিনে উত্তর দেবেন। হায়, সিরির ক্ষেত্রে তা হয় না। যখন আমি উপরে উল্লিখিত প্রশ্নটি জিজ্ঞাসা করেছিলাম, তখন এটি সরাসরি শহরের একটি গেস্ট হাউসের মানচিত্রের দৃশ্য চালু করেছিল, কিন্তু এটি আমার প্রথম প্রশ্ন ছিল না।
এটি কেবল একটি ব্যবহারকারীর প্রশ্নের ভুল বোঝাবুঝি এবং একটি ভুল কাজ সম্পাদনও। যখন আমি Galaxy Watch 8 Classic-এ Gemini-কে একই প্রশ্নটি জিজ্ঞাসা করেছিলাম, তখন এটি পর্যটন কেন্দ্রগুলির একটি সারসংক্ষেপ প্রদান করেছিল। কিন্তু আরও গুরুত্বপূর্ণ বিষয় হল, এটি কথোপকথনের প্রেক্ষাপট সংরক্ষণ করেছিল।
যখন আমি কোনও নির্দিষ্ট প্রসঙ্গ না দিয়ে "বৌদ্ধ মন্দির সম্পর্কে আরও কিছু বলতে" বললাম, তখন এটি সঠিকভাবে অনুমান করেছিল যে আমি ধর্মশালার মন্দিরের কথা বলছি, এমনকি একটি ছবিও দিয়েছে। এরপর, আমি তালিকাটি আমার গুগল কিপ ডিরেক্টরিতে সংরক্ষণ করতে বলেছিলাম।
জেমিনি কেবল নতুন ডিজিটাল নোটের জন্য উপযুক্ত শিরোনামই বেছে নেয়নি, বরং এটি আমার গুগল কিপ ড্যাশবোর্ডে সফলভাবে সংরক্ষণ করেছে। একইভাবে, এটি গুগল ওয়ার্কস্পেস বান্ডেলের মধ্যে উপলব্ধ বেশিরভাগ অ্যাপ এবং পরিষেবার সাথে একটি নির্ভরযোগ্য কাজ করেছে। জিমেইল, ম্যাপস, ক্যালেন্ডার এবং আরও অনেক কিছু।
এমনকি স্পটিফাই এবং হোয়াটসঅ্যাপের মতো তৃতীয় পক্ষের পরিষেবাগুলির সাথেও, জেমিনি অনুরোধগুলি সত্যিই ভালভাবে পরিচালনা করেছে। অন্যদিকে, সিরি অনেক সময় ভাষা বোঝার ক্ষেত্রে সমস্যায় পড়েছিল এবং তৃতীয় পক্ষের সাথে ইন্টারঅ্যাকশনের অভাব পরিস্থিতিকে আরও খারাপ করেছিল।
আর শুধু watchOS-এর জন্য যে পরিষেবাগুলি অনুপলব্ধ তা নয়, বরং স্মার্টওয়াচে ইনস্টল করা পরিষেবাগুলিও। উদাহরণস্বরূপ, আমার Apple Watch Series 11-এ Outlook ইনস্টল করা আছে, কিন্তু Siri এর কন্টেন্ট অ্যাক্সেস করতে পারে না, অথবা ইনবক্স থেকে কোনও প্রসঙ্গও নিতে পারে না।
যখন আমি জেমিনিকে "সাবার সাথে আমার শেষ ইমেল কথোপকথন" সম্পর্কে জিজ্ঞাসা করলাম, তখন সে আমার পছন্দের ইমেল থেকে সঠিকভাবে বিস্তারিত তথ্য তুলে ধরেছিল এবং বিনিময়ের একটি দ্রুত সারসংক্ষেপও দিয়েছিল। একইভাবে, জেমিনি আমাকে মিটিংয়ের সময়সূচীর সংক্ষিপ্তসার এবং নতুন ক্যালেন্ডার ইভেন্ট সেট আপ করার ক্ষেত্রেও ভালো কাজ করেছে।
সামগ্রিকভাবে, স্যামসাং গ্যালাক্সি ওয়াচ ৮ ক্লাসিকের ওয়্যার ওএসের উপরে চলমান জেমিনি অ্যাপল ওয়াচ সিরিজ ১১-এর সিরির তুলনায় অনেক উন্নত এআই অভিজ্ঞতা। সিরির গুজবযুক্ত এআই ব্রেন ট্রান্সপ্ল্যান্ট সফল হতে কত সময় লাগবে তা স্পষ্ট নয়। এমনকি যদি তা হয়ও, তবে জেমিনির সাথে তাল মিলিয়ে চলার ক্ষমতা সম্পর্কে আমি সন্দিহান, বিশেষ করে অন্যান্য অ্যাপ এবং পরিষেবার সাথে এর গভীর একীকরণের কারণে।