অ্যাপল ইন্টেলিজেন্সের আফটারটেস্ট, যা অত্যধিক হাইপড হয়েছিল এবং তারপরে গত বছরের ডাব্লুডাব্লুডিসি-তে অ্যাপলের দ্বারা দাঁড়ানো হয়েছিল, এখনও দীর্ঘস্থায়ী।
10 জুন, 2025-এর ভোরে, WWDC25-এর মূল বক্তৃতা (রেকর্ড করা) সবেমাত্র শেষ হয়েছে, এবং AI সম্পর্কিত অংশটি এখনও সময়ে সময়ে মানুষকে দীর্ঘশ্বাস ফেলে: "এটাই।"
অ্যাপল এই বছর AI-তে যে সমস্ত তথাকথিত নতুন ফিচার ঘোষণা করেছে, যেমন রিয়েল-টাইম ট্রান্সলেশন এবং শর্টকাট কমান্ড খুব একটা বৈপ্লবিক নয়; ভিজ্যুয়াল ইন্টেলিজেন্সের ক্ষেত্রে, এটির কার্যকারিতা শুধুমাত্র Google Lens থেকে ছয় বা সাত বছর পিছিয়ে নয়, এর ইন্টারেক্টিভ অভিজ্ঞতাও 2025 সালের প্রথমার্ধে বেশ কয়েকটি Android প্রতিযোগীদের বিল্ট-ইন AI/Agent পণ্যের স্তর থেকে অনেক দূরে।
কিন্তু পুরো অনুষ্ঠানটি দেখার পর, আমি দৃঢ়ভাবে বলতে পারি যে অ্যাপলের বুদ্ধিমত্তা সম্পর্কে শুধুমাত্র একটি খবর রয়েছে যা সুদূরপ্রসারী প্রভাব ফেলবে – সাধারণ ব্যবহারকারী এবং বিকাশকারীদের উভয়ের জন্যই।
এটি "ফাউন্ডেশন মডেল ফ্রেমওয়ার্ক", ডেভেলপারদের জন্য অ্যাপল দ্বারা প্রদত্ত একটি এন্ড-সাইড এআই মডেল অ্যাক্সেস ফ্রেমওয়ার্ক। এটি ব্যবহার করে, অ্যাপল ডেভেলপাররা টোকেন খরচ ছাড়াই তাদের অ্যাপের জন্য শেষ প্রান্তের বড় ভাষা মডেলটি সহজেই অ্যাক্সেস করতে সক্ষম হবে।
এর মানে হল যে ডেভেলপাররা ব্যবহারকারীদের LLM-ভিত্তিক ক্ষমতা এবং পরিষেবাগুলি কোনও বোঝা ছাড়াই প্রদান করতে পারে এবং ক্লাউড LLM API কল করার মাধ্যমে উৎপন্ন টোকেন ফি সম্পর্কে উদ্বেগ না করেই বিশুদ্ধ শেষ-সদৃশ যুক্তি সম্পাদন করতে পারে এবং স্বাভাবিকভাবেই ব্যবহারকারীদের কাছে খরচ বহন করতে হবে না।
বিকাশকারীরা তাদের পছন্দের দামের মডেলটি আরও সম্মানের সাথে বজায় রাখতে পারে এবং এর ফলে ব্যবহারকারীরা উপকৃত হন।
অ্যাপল স্মার্ট, বিশুদ্ধ এন্ড-টু-এন্ড
গত বছর WWDC-তে, Apple AI পণ্য, বৈশিষ্ট্য এবং প্রযুক্তিগত ক্ষমতার একটি সিরিজ ঘোষণা করেছে যা এটি "Apple Intelligence" নামে ডেভেলপারদের প্রদান করতে পারে। আমরা ইতিমধ্যে জানি যে এই ঘোষণাগুলির বেশিরভাগই বিলম্বিত হয়েছে, বা এমনকি সম্পূর্ণরূপে "বাষ্পওয়্যার" (সফ্টওয়্যার যা ঘোষণা করা হয়েছে কিন্তু গুরুতরভাবে বিলম্বিত হয়েছে)।
এটি AI-তে অ্যাপল কতটা সফল তা বহির্বিশ্বের বিচারকে প্রভাবিত করে।
কিন্তু অ্যাপল এখনও বিশ্বের বৃহত্তম স্মার্টফোন চালান আছে. বড় প্যারামিটার সহ ক্লাউড এলএলএম-এ কাজ করা ধীর হলেও, লোকেরা কীভাবে এআই ব্যবহার করে এবং কীভাবে বিকাশকারীরা তাদের প্রকল্পগুলিতে এআই প্রযুক্তি প্রয়োগ করে সে সম্পর্কে কোম্পানির একটি বিশাল বক্তব্য রয়েছে – এটি উদ্দেশ্যমূলক এবং প্রশ্নাতীত।
এই বছর WWDC25-এ, আমি অ্যাপলকে কথা বলার অধিকার প্রয়োগ করতে দেখেছি। এটি বিকাশকারীদের বলেছে:
আপনি কি ব্যবহারকারীদের এআই ক্ষমতা প্রদান করতে চান? কোন সমস্যা নেই। আপনি ইন্টারনেট সংযোগের প্রয়োজন ছাড়াই ডিভাইসে সম্পূর্ণরূপে স্থানীয়ভাবে এলএলএম যুক্তি সম্পাদন করতে Apple দ্বারা প্রদত্ত এন্ড-সাইড মডেলটি ব্যবহার করতে পারেন, যা ব্যবহারকারীর গোপনীয়তা রক্ষা করে এবং ক্লাউড ফি বহন করে না।
"বেসিক মডেল ফ্রেমওয়ার্ক" একটি শক্তিশালী টুল যা অ্যাপল ডেভেলপারদের হাতে তুলে দিয়েছে।
মৌলিক মডেল অ্যাপলের বুদ্ধিমত্তার মূল। গত বছর, এটি শুধুমাত্র অ্যাপলের নিজস্ব পণ্য এবং ফাংশনগুলির জন্য ব্যবহার করা হয়েছিল। আজ থেকে, অ্যাপল ডেভেলপারদের জন্য মৌলিক মডেল খুলেছে। যেকোন তৃতীয় পক্ষের অ্যাপ্লিকেশন সরাসরি এই টার্মিনাল-সাইড বেসিক মডেলগুলি ব্যবহার করতে পারে AI-ভিত্তিক ফাংশনগুলি বাস্তবায়ন করতে এবং ব্যবহারকারীদের কাছে একেবারে নতুন অভিজ্ঞতা আনতে।
উদাহরণস্বরূপ, Kahoot!, সাইটে প্রদর্শিত একটি শিক্ষাগত পণ্য, ব্যবহারকারীদের জন্য কাস্টমাইজ করা প্রশ্নগুলির একটি সেট তৈরি করতে ক্লায়েন্ট-সাইড মডেল ব্যবহার করতে পারে।
অথবা Alltrails, বিদেশী হাইকিং উত্সাহীদের জন্য একটি আবশ্যক পণ্য, এমন পরিস্থিতিতেও ব্যবহারকারীদের প্রয়োজনীয় সহায়তা প্রদান করতে পারে যেখানে বিপজ্জনক পর্বত এলাকায় কোনো নেটওয়ার্ক নেই।
সুতরাং, মৌলিক মডেল কি?
- গত বছর WWDC-তে, অ্যাপল 3 বিলিয়ন প্যারামিটার সহ একটি এন্ড-টু-এন্ড ল্যাঙ্গুয়েজ মডেল প্রকাশ করেছে, সেইসাথে এর পরবর্তী আপডেট করা সংস্করণ।
- ChatGPT মডেল ক্লায়েন্ট/অ্যাপলের জন্য কাস্টমাইজ করা হয়েছে।
——অন্তত এই দুটি বিভাগ পরিচিত (নির্দিষ্ট মডেলের প্রকারগুলি অজানা, এবং অ্যাপল এখনও অ-ডেভেলপারদের আরও নির্দিষ্ট তথ্য প্রদান করেনি)। বর্তমানে, "বেসিক মডেল ফ্রেমওয়ার্ক" স্থানীয়ভাবে সুইফটকে সমর্থন করে (অন্যান্য ভাষাগুলি অজানা), এবং ডেভেলপারদের এটি অ্যাক্সেস করার জন্য শুধুমাত্র কয়েকটি লাইন কোডের প্রয়োজন, যা সামগ্রী তৈরি, টুল কল এবং অন্যান্য LLM ক্ষমতা সমর্থন করে।
কিন্তু আজকাল, ডেভেলপারদের অনেক পছন্দ আছে: ডিপসিক, ক্লড, ও সিরিজ, জেমিনি… এবং তাদের বিভিন্ন অফিসিয়াল মডেল এবং নির্দিষ্ট পরিস্থিতির জন্য পুনরায় প্রশিক্ষিত সংস্করণ। কেন তারা অ্যাপলের মৌলিক মডেলের সাথে প্রতিযোগিতা করবে?
অ্যাপলের মান প্রস্তাব সোজা।
সহজ কথায়, এই এলএলএমগুলি ব্যবহার করার জন্য সরাসরি অর্থনৈতিক খরচ আছে। ব্যবহারকারীর সংখ্যা যত বেশি হবে এবং কার্যকলাপ/আঠালোতার মাত্রা তত বেশি হবে, ক্লাউড এপিআই কল করার এবং টোকেন তৈরি করার খরচ তত বেশি হবে।
এই ধরনের খরচের সম্মুখীন হয়ে, তারকা স্টার্টআপগুলি ভেঞ্চার ক্যাপিটালের মাধ্যমে তহবিল সংগ্রহ করতে পারে এবং বড় কোম্পানিগুলি ভর্তুকি দেওয়ার জন্য নগদ মজুদ ব্যবহার করতে পারে। ফলস্বরূপ, আজকের ব্যবহারকারীরা দীর্ঘদিন ধরে বিনামূল্যে এলএলএম পণ্যগুলিতে অভ্যস্ত।
কিন্তু ছোট এবং মাঝারি আকারের বিকাশকারীদের জন্য, বিশেষ করে স্বাধীন বিকাশকারীদের জন্য, এটি একটি খুব বাস্তব সমস্যা হয়ে দাঁড়ায়: কল্পনা করুন যে একজন ব্যবহারকারী এইমাত্র আপনার অ্যাপটি ডাউনলোড করেছেন এবং আপনার AI ফাংশনটি চেষ্টা করে দেখতে চান, এবং তখনই তিনি দেখতে পান "এই মাসে 3টি বিনামূল্যে প্রজন্মের কোটা আছে"… এবং আপনার প্রতিযোগীদের মধ্যে একজন যদি একটি বড় কোম্পানি হয়, তাহলে আপনি কীভাবে তাদের সাথে প্রতিদ্বন্দ্বিতা করবেন?
এখন Apple "বেসিক মডেল ফ্রেমওয়ার্ক" নিয়ে আপনার কাছে আসে এবং আপনার জন্য বিনামূল্যের প্রান্তের মডেলটি খুলে দেয়, যা আপনাকে ব্যবহারকারীর চাহিদা মেটাতে দ্রুত, দক্ষতার সাথে এবং ব্যক্তিগতভাবে LLM যুক্তি সম্পাদন করতে iPhone/iPad/Mac-এর স্থানীয় কম্পিউটিং পাওয়ার কল করার অনুমতি দেয়৷
ক্লাউড এপিআই ফি দেওয়ার জন্য আপনাকে আর আপনার মূলধনের চেইন নিয়ে চিন্তা করতে হবে না; টোকেন খরচ কভার করার জন্য আপনাকে আর "আপনার মূল্য কৌশল পরিবর্তন" করতে হবে না। আপনি দৃঢ়ভাবে এবং শালীনভাবে আপনার পছন্দের ব্যবসায়িক মডেলটি বেছে নিতে পারেন এবং এটি আপনার ব্যবহারকারীদের স্বাচ্ছন্দ্য বোধ করে – আপনি যদি একজন ছোট, মাঝারি বা স্বাধীন বিকাশকারী হন তবে এটি কি দুর্দান্ত শোনাচ্ছে না?
এটি বিকাশকারী এবং ব্যবহারকারীদের জন্য একটি জয়-জয় পরিস্থিতি – অবশ্যই, মিশ্রণে Apple যোগ করুন এবং এটি সবার জন্য একটি জয়-জয়।
"দেরিতে কিন্তু পৌঁছেছে", এআই সংস্করণ
সুপরিচিত বিকাশকারী এবং অ্যাপল বিশ্লেষক জন গ্রুবার কিছুদিন আগে একটি খুব আকর্ষণীয় ব্লগ পোস্ট লিখেছিলেন।
তিনি উল্লেখ করেছেন যে অ্যাপল সবসময় কিছু মূল পণ্য/প্রযুক্তিতে তার প্রতিযোগীদের পিছনে থাকে, যা সবাই জানে; কিন্তু আপনাকে স্বীকার করতে হবে যে কোম্পানির ইতিহাসে অ্যাপল প্রকৃতপক্ষে কোনো বড়, দৃষ্টান্ত-স্তরের প্রযুক্তিগত বিপ্লব মিস করেনি।
উদাহরণস্বরূপ, অ্যাপলের সাফারি ব্রাউজার এবং এর ব্রাউজার কার্নেল ওয়েবকিট 2003 সালের প্রথম দিকে চালু করা হয়েছিল, নেটস্কেপ ব্রাউজার থেকে আট বছর পরে যা একসময় সারা বিশ্বে আলোড়ন সৃষ্টি করেছিল এবং এমনকি মাইক্রোসফ্টকে ব্যবসা থেকে সরিয়ে দেওয়ার হুমকিও দিয়েছিল, এবং এমনকি তিন বছর পরে ".com বুদবুদ" বিস্ফোরিত হওয়ার চেয়ে – কিন্তু দেরীতে দেরী করে, উল্লেখ করার মতো নয় যে Safa ব্রাউজারে আগে কোনও ভাল প্ল্যাটফর্ম ছিল না।
এই যুক্তি প্রয়োগ করা হলে, অ্যাপল, যা এআই যুগে প্রবেশ করতে বাধ্য হয়েছে, একটি নতুন পণ্য প্রযুক্তি সমন্বয় প্রয়োজন যা আজকের সাফারি/ওয়েবকিটের সাথে সমান হতে পারে।
ভাল খবর হল: এই নিবন্ধের শুরুতে যেমন উল্লেখ করা হয়েছে, আইফোনের চালান এবং বাজারের শেয়ারের সুবিধা অত্যন্ত দুর্দান্ত। এআই যুগে পিছিয়ে থাকার জন্য বাইরের বিশ্ব অ্যাপলকে যেভাবে উপহাস করুক না কেন, একটি বাস্তবতা অস্বীকার করা যায় না:
আগত দীর্ঘ সময়ের জন্য, অ্যাপল ব্যবহারকারীরা কীভাবে এআই (আইফোন/আইপ্যাড/ম্যাক/ভিশন পণ্যগুলিতে) ব্যবহার করে তা সংজ্ঞায়িত করার জন্য AI কে তার পণ্যগুলি কেমন হওয়া উচিত তা সংজ্ঞায়িত করার পরিবর্তে যথেষ্ট বলে দেবে।
আপনি দেখতে পাচ্ছেন যে ওপেনএআই প্রাক্তন অ্যাপল ডিজাইন লিডার জনি আইভের কোম্পানি অধিগ্রহণ করেছে, একটি নতুন ফর্ম ফ্যাক্টর ডিভাইস তৈরি করার চেষ্টা করছে যা "সম্পূর্ণ AI-নেটিভ"; কিন্তু আপনি এটিও দেখতে পাবেন যে OpenAI এবং Apple অ্যাপল ইকোসিস্টেমের একমাত্র "গ্লোবাল স্মার্ট পার্টনার" হওয়ার জন্য একটি চুক্তিতে পৌঁছেছে – অর্থাৎ একমাত্র বাহ্যিক মৌলিক মডেল সরবরাহকারী।
অ্যাপল কি মনে করে যে এটি OpenAI থেকে পিছিয়ে আছে? না। অন্যথায়, অ্যাপলকে OpenAI দিতে হবে। বিপরীতে, দ্য ইনফরমেশন অনুসারে, ওপেনএআই অ্যাপলকে "টোল" প্রদান করবে অ্যাপল ইকোসিস্টেমে প্রবেশ করার জন্য এবং ডিফল্ট বেসিক মডেল হওয়ার জন্য, ঠিক তার পূর্বসূরি গুগলের মতো, যা iOS-এর জন্য ডিফল্ট সার্চ ইঞ্জিন হয়ে উঠেছে।
ChatGPT ব্যবহারকারীদের জন্য মাসিক সাবস্ক্রিপশন ফি $20 হলে, Apple-এর কমিশন 30% পর্যন্ত হতে পারে এবং এই আয় প্রায় বিশুদ্ধ লাভের সমান।
আপনি দেখুন, অ্যাপল ওপেনএআই থেকে অর্থ সংগ্রহ করে এবং তারপরে ডেভেলপার এবং শেষ ব্যবহারকারীদের ছদ্মবেশে ভর্তুকি দেয় – এটা কি খুব আশ্চর্যজনক নয়?
2009 সালে অ্যাপলের প্রথম ত্রৈমাসিক উপার্জন সম্মেলনে, কুক, যিনি দ্বিতীয়বার অ্যাপলের ভারপ্রাপ্ত সিইও হিসাবে কাজ করছিলেন কারণ জবস গুরুতর অসুস্থ ছিলেন, তিনি কয়েকটি শব্দ বলেছিলেন যা পরে "কুক ক্রিড" নামে পরিচিত হয়। একটি শব্দ ছিল:
আমরা বিশ্বাস করি যে আমাদের উত্পাদিত পণ্যগুলির পিছনে প্রাথমিক প্রযুক্তিগুলির মালিকানা এবং নিয়ন্ত্রণ করতে হবে এবং শুধুমাত্র সেই বাজারে অংশগ্রহণ করতে হবে যেখানে আমরা একটি গুরুত্বপূর্ণ অবদান রাখতে পারি।
জন গ্রুবারের বিশ্লেষণের সাথে মিলিত, আমি এই ধারণাটিকে একটি বাক্যে সংক্ষিপ্ত করেছি:
Apple-এর উচিত AI পণ্য/পরিষেবা/LLM চালানোর জন্য একটি ডিভাইস, একটি ক্যারিয়ার তৈরি করা এবং তারপরে AI-কে কীভাবে পণ্য বিকাশ করা যায় তা নির্ধারণ করার পরিবর্তে লোকেরা কীভাবে AI ব্যবহার করে তা নির্ধারণ করতে এই ডিভাইস/ক্যারিয়ার ব্যবহার করা উচিত।
WWDC25-এর পরে, অ্যাপলের AI কাজ পর্যবেক্ষণ এবং মন্তব্য করার সময় বাইরের বিশ্ব এই নতুন দৃষ্টিভঙ্গি গ্রহণ করতে পারে।
অ্যাপল স্মার্ট, মাইক্রো আপডেট
অবশেষে, আসুন WWDC25-এর অন্যান্য নতুন AI ঘোষণাগুলি একবার দেখে নেওয়া যাক।
রিয়েল-টাইম অনুবাদ
অ্যাপল অবশেষে iOS/iPadOS/macOS-এ একটি রিয়েল-টাইম অনুবাদ ফাংশন সংহত করেছে যা ইন্ডাস্ট্রির বেঞ্চমার্ক স্তরে পৌঁছেছে (দুই বা তিন বছর আগে)।
বর্তমানে, রিয়েল-টাইম অনুবাদ তিনটি অ্যাপ্লিকেশন সমর্থন করে: বার্তা, ফোন এবং ফেসটাইম। সমস্ত অনুবাদ সম্পূর্ণরূপে ক্লায়েন্ট সাইডে সম্পন্ন করা যেতে পারে.
- একটি বার্তা পাঠানোর সময়, ব্যবহারকারী তার নিজের ভাষায় ইনপুট করতে পারেন, UI-তে রিয়েল টাইমে অনূদিত বিদেশী ভাষার পাঠ্য স্ট্রিমিং আউটপুট দেখতে পারেন এবং তারপরে পাঠাতে ম্যানুয়ালি ক্লিক করতে পারেন; একইভাবে, অন্য পক্ষের পাঠানো বার্তাটি ব্যবহারকারীর স্থানীয় UI-তে স্বয়ংক্রিয়ভাবে অনুবাদ করা যেতে পারে।
- ফোনে, মূল পাঠ্যটি প্রথমে বলা হয়, এবং তারপর উভয় পক্ষই অনুবাদিত পাঠ্য শুনতে পাবে।
- ফেসটাইমে, এক পক্ষ কথা বলতে পারে এবং অন্য পক্ষ অনুবাদ করা সাবটাইটেল দেখতে পারে।
জেনমোজি এবং ইমেজ প্লেগ্রাউন্ড
Genmoji: ব্যবহারকারীরা এখন আরও নতুন উপাদান সহ Genmoji অবতার তৈরি করতে LLM প্রম্পট কমান্ড ব্যবহার করতে পারেন। উদাহরণস্বরূপ: একটি স্লথ এবং একটি হালকা বাল্ব একত্রিত করুন
ইমেজ প্লেগ্রাউন্ডে, ব্যবহারকারীরা বিভিন্ন শৈলী বা এলোমেলো শৈলীর ফটো তৈরি করতে ChatGPT-এর মাল্টিমোডাল মডেলকে কল করতে পারেন – আপনি এটিকে একটি অফিসিয়াল Apple OpenAI 4o শেল হিসাবে ভাবতে পারেন।
ভিজ্যুয়াল ইন্টেলিজেন্স
ভিজ্যুয়াল ইন্টেলিজেন্স পূর্বে ক্যামেরা ফটো অনুসন্ধানকে সমর্থন করেছে এবং এই বছরের WWDC-তে এটি আরেকটি আশ্চর্যজনক আপডেট পেয়েছে: স্ক্রিনশট অনুসন্ধান/পরবর্তী মিথস্ক্রিয়া জন্য সমর্থন।
উদাহরণস্বরূপ, আপনি যেকোনো অ্যাপ স্টোর অ্যাপে কল করে সরাসরি স্ক্রিনশটে আইটেমগুলি অনুসন্ধান করতে পারেন, অথবা স্ক্রিনশটে তারিখ, সময় এবং অবস্থান পড়তে পারেন এবং এটি একটি ক্যালেন্ডার আইটেম বা মেমোতে যোগ করতে পারেন৷
(ভিজ্যুয়াল ইন্টেলিজেন্স অবশেষে 6 বা 7 বছর আগে গুগল ইমেজ সার্চ এবং লেন্স যা অর্জন করেছিল তা ধরছে।)
কিন্তু মুখ্য বিষয় যা বাকরুদ্ধ তা হল যে মিথস্ক্রিয়া পদ্ধতিটি খুব পুরানো: 2025 সালের প্রথমার্ধে Android ফোনের মতো না হয়ে স্ক্রিনশটগুলি, যা স্ক্রিনশট না নিয়েই ব্যবহারকারীর স্ক্রিনে থাকা সামগ্রীগুলিকে সরাসরি পড়তে এবং প্রতিক্রিয়া জানাতে পারে এবং এমনকি এজেন্ট ক্ষমতাও রয়েছে যা ব্যবহারকারীর পক্ষে সরাসরি স্ক্রীন নিয়ন্ত্রণ করতে পারে৷
অবশ্যই, আমার উপলব্ধি হল যে অ্যাপল এটি দুটি কারণে করতে পারে: 1) এর ক্ষমতাগুলি প্রকৃতপক্ষে Google/Android নির্মাতাদের তুলনায় নিকৃষ্ট; 2) গোপনীয়তার উদ্বেগের কারণে, ব্যবহারকারীদের ম্যানুয়ালি স্ক্রিনশট নিতে হবে এবং ভিজ্যুয়াল স্মার্ট রিকগনিশন বোতামে ক্লিক করতে হবে।
শর্টকাট
শর্টকাটগুলি অ্যাপল স্মার্টফোনগুলিকে সমর্থন করে, তাই বিকাশকারীরা কিছু পরিবর্তন করতে এবং তাদের অ্যাপগুলিকে মানিয়ে নিতে পারে, যাতে ব্যবহারকারীরা দ্রুত অ্যাপগুলির জন্য শর্টকাট তৈরি করতে পারে৷ আমি জানি না কতজন লোক শর্টকাট ব্যবহার করে, তবে বিশ্বজুড়ে তাদের কয়েক ডজন থাকা উচিত।
#iFanr: iFanr (WeChat ID: ifanr) এর অফিসিয়াল WeChat পাবলিক অ্যাকাউন্ট অনুসরণ করতে স্বাগতম, যেখানে যত তাড়াতাড়ি সম্ভব আরও উত্তেজনাপূর্ণ বিষয়বস্তু আপনার কাছে উপস্থাপন করা হবে।