Google का Jarvis AI लगभग निश्चित रूप से एक वेब-आधारित AI एजेंट है

Jarvis AI क्या है?

Jarvis AI के बारे में हमें केवल इतना पता है कि इस नवंबर की शुरुआत में कुछ समय के लिए Jarvis नाम का एक Google Chrome एक्सटेंशन जारी हुआ था। भले ही वह थोड़े समय के लिए दिखा, स्टोर पेज पर उसके विवरण में इसे "a helpful companion that surfs the web for you" कहा गया था। यह विवरण Jarvis की नियोजित कार्यक्षमता के अनुरूप है—एक AI एजेंट जो वेब-आधारित कार्यों का स्वचालन करने के लिए बनाया गया है।

इस वर्ष की शुरुआत में अपने कीनोट भाषण में, Google ने ऐसे अप्रकाशित AI एजेंट दिखाए जो ब्राउज़र को नियंत्रित करके तरह-तरह के काम कर सकते हैं। मेरा अनुमान है कि Jarvis AI इसी प्रस्तुति के पीछे का वास्तविक उत्पाद हो सकता है।

अपनी प्रस्तुति में उन्होंने जूतों को लौटाने का उदाहरण दिया। AI एजेंट्स का उपयोग करते हुए, हमें बस यह बताना होगा कि हम जूते लौटाना चाहते हैं, और एजेंट स्वतः सभी चरण पूरे कर देगा।

ब्राउज़र और Gmail जैसे अन्य Google उत्पादों के साथ इंटीग्रेट होकर, एजेंट इन चरणों का पालन करते हुए रिटर्न प्रक्रिया पूरी कर सकता है:

1. इनबॉक्स में रसीद खोजें।
2. ईमेल में ऑर्डर नंबर ढूंढें।
3. रिटर्न फ़ॉर्म भरें।
4. पिकअप शेड्यूल करें।

Jarvis AI कैसे काम करता है?

Jarvis AI उपयोगकर्ताओं के लिए रोज़मर्रा के वेब-आधारित कार्यों का स्वचालन कर सकता है, जैसे शोध करना, ऑनलाइन खरीदारी करना, और उड़ानें या आरक्षण बुक करना।

संभावना है कि Jarvis, Google के Gemini परिवार के बड़े भाषा मॉडल्स के किसी विशेष संस्करण का उपयोग करता है। यह संकेत देता है कि Jarvis एक "सोचने" या तर्क करने वाले मॉडल का उपयोग करता है, जो जटिल कार्यों को संभालने और अधिक निजीकरणयुक्त उत्तर देने की इसकी क्षमता में योगदान देता है। साथ ही, इसके Gmail, Maps और Search जैसे Google के मौजूदा सेवाओं के साथ गहरे इंटीग्रेशन की उम्मीद है।

यह इंटीग्रेशन Jarvis की क्षमताओं को बढ़ा सकता है—जैसे ऑनलाइन रिटर्न के लिए Gmail से रसीदें निकालना या यात्रा योजना के लिए Maps से लोकेशन डेटा का उपयोग करना—उपयोगकर्ता डेटा तक पहुंच देकर और विभिन्न प्रक्रियाओं को सुगम बनाकर।

Gemini मॉडल मल्टीमॉडल हैं और विभिन्न प्रकार के डेटा (पाठ, चित्र, वीडियो, ऑडियो आदि) को प्रोसेस कर सकते हैं, और उनके बीच संबंध खोज सकते हैं। संभावना है कि एजेंट को ब्राउज़र की सामग्री तक पहुंच होगी, जिससे वह स्क्रीन पर दिख रहे तत्वों को देख, समझ और उनसे अंतःक्रिया कर सके।

यह ध्यान देना महत्वपूर्ण है कि आंतरिक कार्यप्रणाली और विशिष्ट तकनीकों पर निर्भरता से संबंधित जानकारी अनुमान पर आधारित है।

Jarvis AI बनाम अन्य AI एजेंट्स

जैसा कि मैंने उल्लेख किया, मेरा मानना है कि Jarvis रोज़मर्रा के वेब-आधारित कार्यों का स्वचालन करने के लिए बनाया गया है। Jarvis खुद को Google Chrome वेब ब्राउज़र के साथ अपने गहरे इंटीग्रेशन के माध्यम से अलग करता है। हालांकि, Jarvis इस क्षेत्र में अकेला नहीं है।

Anthropic का computer use

Anthropic, जो Claude के पीछे की कंपनी है, ने अपने AI एजेंट computer use के साथ भी प्रगति की है। यह एजेंट वेब ब्राउज़र्स से परे विभिन्न एप्लिकेशनों के साथ इंटरैक्ट करने में सक्षम है। Anthropic का एजेंट अक्टूबर 2024 में अपने पब्लिक बीटा चरण में पहुंचा, और यह इंसान की तरह कर्सर चलाने, बटन क्लिक करने और टेक्स्ट टाइप करने की क्षमता दिखाता है।

विकास के चरण और काम के दायरे में अंतर होने के बावजूद, Jarvis और Anthropic के computer use में एक साझा लक्ष्य है: कंप्यूटर के साथ मानव-समान अंतःक्रिया की नकल करके कार्यों का स्वचालन करना। दोनों एजेंट संभवतः स्क्रीन कैप्चर और उसकी व्याख्या के उन्नत तंत्रों पर निर्भर करते हैं, ताकि उपयोगकर्ता अनुरोधों के संदर्भ को समझकर उपयुक्त कार्रवाई कर सकें।

OpenAI का Operator

OpenAI "Operator" पेश करने जा रहा है—एक स्वायत्त AI एजेंट जो उपयोगकर्ताओं की ओर से कार्य करेगा, जैसे कोड लिखना और यात्रा बुक करना। Bloomberg के अनुसार, Operator का रिसर्च प्रीव्यू जनवरी 2025 में जारी होने के लिए तय है।

Sam Altman ने एक Reddit AMA का उत्तर देते हुए

Meta का Toolformer

Meta AI Research ने Toolformer पेश किया, जो एक भाषा मॉडल है जो विभिन्न कार्यों पर अपने प्रदर्शन को बेहतर बनाने के लिए बाहरी टूल्स का स्वतः उपयोग कर सकता है। पेपर “Toolformer: Language Models Can Teach Themselves to Use Tools” में विस्तार से बताया गया है कि मॉडल किन APIs को कब कॉल करना है, कौन से आर्ग्युमेंट पास करने हैं, और भविष्य के टोकन भविष्यवाणी में परिणामों को कैसे शामिल करना है—इन सबका निर्धारण करना सीखता है।

यह स्व-पर्यवेक्षित तरीका प्रत्येक API के लिए केवल कुछ उदाहरणों की मांग करता है, जिससे मॉडल कैलकुलेटर, प्रश्न-उत्तर प्रणालियाँ, सर्च इंजन, अनुवाद प्रणालियाँ और कैलेंडर जैसे टूल्स का प्रभावी उपयोग कर सकता है।

AI एजेंट्स की चुनौतियाँ

सामान्य तौर पर, AI एजेंट्स कई तरह की चुनौतियाँ और विचार-विमर्श लाते हैं, विशेषकर गोपनीयता, शुद्धता और नैतिक निहितार्थों के संदर्भ में।

गोपनीयता संबंधी चिंताएँ

हालाँकि उबाऊ और समय लेने वाले कार्यों को स्वचालित करना आकर्षक लगता है, यह सुविधा एक असहजता की भावना भी लाती है। क्या मैं चाहता हूँ कि Google या कोई और कंपनी मेरे कंप्यूटर तक पूर्ण पहुँच रखे? इस विचार में कुछ ऐसा है जो मुझे बेहद असहज करता है।

गोपनीयता संबंधी चिंताएँ अत्यंत महत्वपूर्ण हैं। Google को उपयोगकर्ताओं को यह भरोसा दिलाना होगा कि उनके डेटा को सुरक्षित और जिम्मेदारी से संभाला जाएगा। उन्हें संभावित डेटा उल्लंघन या दुरुपयोग के जोखिम को कम करने के लिए मज़बूत सुरक्षा उपाय और पारदर्शी डेटा हैंडलिंग प्रथाएँ लागू करनी होंगी। डेटा एक्सेस, स्टोरेज और उपयोग पर स्पष्ट दिशानिर्देश स्थापित करना और उपयोगकर्ताओं को डेटा-साझाकरण वरीयताओं पर सूक्ष्म नियंत्रण देना—विश्वास निर्माण और स्वीकृति सुनिश्चित करने के लिए बेहद ज़रूरी होगा।

शुद्धता और विश्वसनीयता

क्या होता है जब मेरा AI एजेंट गलती करता है? जब कोई AI चैटबॉट गलती करता है, तो वह गलत जानकारी दे सकता है, पर सीधे कोई कार्रवाई नहीं होती। अगर मैं किसी AI चैटबॉट से यात्रा योजना में मदद मांगता हूँ, तो वह केवल एक टेक्स्ट-आधारित योजना देता है—आरक्षण करना, भुगतान संभालना आदि की जिम्मेदारी फिर भी मेरी ही रहती है। अवांछित परिणामों को रोकने के लिए एक मानवीय परत मौजूद रहती है। लेकिन जब AI एजेंट वास्तविक दुनिया में कार्रवाई करते हैं, तो इन कार्यों के अवांछित वास्तविक परिणाम हो सकते हैं।

जिम्मेदार कौन होगा जब AI एजेंट गलत उड़ानें बुक कर दे या गलत जूते लौटा दे? मेरा अनुमान है कि ये एजेंट हर कार्रवाई से पहले उपयोगकर्ता से अनुमति माँगेंगे, लेकिन मुझे यक़ीन नहीं कि जटिल परिदृश्यों में केवल इतना पर्याप्त होगा।

Google जैसी कंपनियों को गलतियों को न्यूनतम करने के लिए कठोर परीक्षण और वैधीकरण प्रक्रियाओं को प्राथमिकता देनी चाहिए। तथ्य-जांच, सूचनाओं का परस्पर संदर्भ, और संभावित त्रुटियों के बारे में स्पष्ट अस्वीकरण देना—ये सब आवश्यक होंगे।

नैतिक निहितार्थ

Jarvis और सामान्य रूप से AI एजेंट्स के नैतिक निहितार्थ गोपनीयता और शुद्धता से आगे जाते हैं। कंपनियों को इन एजेंट्स के व्यापक सामाजिक प्रभावों पर भी विचार करना चाहिए, जिनमें संभावित नौकरी विस्थापन और AI प्रणालियों पर नई निर्भरताएँ शामिल हैं।

निष्कर्ष

Jarvis AI के बारे में हमने जो भी कहा है, वह अनुमान पर आधारित है। इसके जारी होने तक, हमें पक्का नहीं पता होगा कि यह क्या करता है। फिर भी एक बात निश्चित है: AI एजेंट्स आ रहे हैं, और वे AI क्रांति के अगले चरण का प्रतिनिधित्व करते हैं। 

हालाँकि मैं मानता हूँ कि कार्यों का स्वचालन बेहद उपयोगी है और यह काफी समय बचा सकता है, मुझे अपने कंप्यूटर का नियंत्रण किसी AI (या किसी भी व्यक्ति) को देने का विचार असहज करता है।

पिछले वर्षों में AI के संभावित खतरों पर बहुत चर्चा हुई है। मेरा मानना है कि जब तक AIs चैटबॉट्स तक सीमित हैं और वास्तविक दुनिया में क्रिया नहीं कर सकते, जोखिम न्यूनतम हैं। हाँ, कोई AI किसी को कुछ हानिकारक बनाने का तरीका बता सकता है, लेकिन तब भी उस व्यक्ति को उसे अंजाम देना होगा। यदि कोई वास्तव में ऐसा सीखना चाहता है, तो वह समय मिलने पर वैसे भी सीख सकता है। AI एजेंट्स के साथ, हम उस सुरक्षा परत को खो देते हैं—और जैसे-जैसे हम इन एजेंट्स को और अधिक क्षमताएँ देते जाते हैं, यह वास्तव में खतरनाक लगता है।

मुझे लगता है कि AI एजेंट्स की ओर बढ़ना अपरिहार्य है, लेकिन इसे अत्यंत सावधानी के साथ अपनाया जाना चाहिए।