लर्निंग पाथ
एआई मूलभूत बातें
10 घंटा
Project Mariner Google DeepMind का प्रायोगिक AI ब्राउज़र एजेंट है। Mariner, Gemini की शक्तिशाली मल्टीमोडल क्षमताओं का उपयोग करके आपकी स्क्रीन देखता है, प्रदर्शित सामग्री समझता है, कार्यों की योजना बनाता है, और उन्हें स्वतः निष्पादित करता है—आपकी ओर से क्लिक करना, टाइप करना, स्क्रॉल करना, और फ़ॉर्म भरना।
इस ब्लॉग पोस्ट में, मैं इसे निम्नलिखित पाँच वास्तविक-जीवन के कार्यों पर आज़माने का अपना अनुभव साझा कर रहा/रही हूँ:
- मूवी टिकट बुक करना
- फ़्लाइट्स ढूँढ़ना
- मेरे किचन सिंक की मरम्मत के लिए प्लंबर बुक करना
- वेब ब्राउज़ करके स्प्रेडशीट भरना
- एक LeetCode समस्या हल करना
हम अपने पाठकों को AI की ताज़ा जानकारी से अपडेट रखते हैं The Median के ज़रिए—हमारा निःशुल्क शुक्रवार न्यूज़लेटर जो सप्ताह की प्रमुख ख़बरों का सरल विश्लेषण करता है। सदस्यता लें और हर सप्ताह कुछ ही मिनटों में अपडेट रहें:
Project Mariner कैसे काम करता है?
Project Mariner एक प्रॉम्प्ट-आधारित UI का उपयोग करता है, जहाँ हम इसे बता सकते हैं कि हमें क्या करवाना है। इसके बाद यह एक ब्राउज़र चलाता है और दिए गए इनपुट के आधार पर कार्य पूरा करने की कोशिश करता है।
फिलहाल, यह ब्राउज़र-संबंधित कार्यों तक सीमित है—यह आपके कंप्यूटर तक पहुँच या नियंत्रण नहीं कर सकता। पृष्ठभूमि में, यह ब्राउज़र में चलता है और कार्य पूरे करने के लिए Gemini की मल्टीमोडल क्षमताओं पर निर्भर रहता है। यह विंडो की सामग्री देख और समझ सकता है, क्लिक कर सकता है, और टेक्स्ट टाइप कर सकता है।
मैंने Project Mariner का मूल्यांकन कई कार्यों पर परीक्षण करके किया। प्रत्येक कार्य के लिए, मैंने प्रक्रिया रिकॉर्ड की और परिणाम दिखाऊँगा/दिखाऊँगी। चूँकि Mariner कार्य पूरे करने में काफ़ी धीमा है, मैंने वीडियो के धीमे हिस्सों को तेज़ करने के लिए संपादित किया।
Project Mariner तक कैसे पहुँचें?
Project Mariner वर्तमान में U.S. उपयोगकर्ताओं के लिए Google AI Ultra प्लान के साथ उपलब्ध है, जिसकी कीमत $249.99 प्रति माह है।
इस प्लान में कई अन्य टूल (जैसे Veo 3), उन्नत Gemini मॉडल और फीचर्स, तथा डेटा स्टोरेज शामिल हैं। हालाँकि, फिलहाल यही एकमात्र प्लान है जो Project Mariner तक पहुँच देता है, जिससे यह काफ़ी महँगा टूल बन जाता है।
आइए कुछ उदाहरण देखते हैं।
उदाहरण 1: मूवी टिकट बुक करना
मैंने सबसे पहले मूवी टिकट बुक करने की कोशिश की। मैंने यह प्रॉम्प्ट दिया:
"इस शुक्रवार रात न्यूयॉर्क में चल रही कोई हॉरर मूवी ढूँढ़िए और मेरा टिकट बुक करने में मदद कीजिए।"
यह कार्य काफ़ी अच्छे से हुआ। यह न्यूयॉर्क में एक प्लंबिंग कंपनी ढूँढ़ने और अपॉइंटमेंट बुक करने में सक्षम रहा। जब इसे मेरा नाम और ईमेल जैसी जानकारी चाहिए थी, तो यह रुका और पूछा, फिर फ़ॉर्म स्वतः भर दिया।
उदाहरण 4: Google Sheet में डेटा भरना
एक आम लेकिन थकाऊ काम यह होता है कि कई स्रोतों से कुछ डेटा इकट्ठा करके उसे स्प्रेडशीट में डाला जाए। Mariner की ऐसी क्षमता जाँचने के लिए, मैंने AI कंपनियों की एक सरल शीट बनाई।
फिर मैंने इसे टैब की पहुँच दी और कहा कि कंपनियों के संपर्क ईमेल वेब पर खोजकर Email कॉलम भर दे।
इसने पहले फ़िल्टर का उपयोग करके मीडियम-कठिनाई की समस्या ढूँढ़ने की कोशिश की, लेकिन किसी कारणवश वह काम नहीं किया। फिर इसने हार नहीं मानी और बिना मेरी दखल के एक समस्या ढूँढ़ ली।
इसके बाद, इसने LeetCode इंटरफ़ेस का उपयोग करने के बजाय चैट में कोड लिखा। मैंने इसे उत्तर सीधे इंटरफ़ेस में दर्ज करने को कहा, लेकिन वह बहुत अजीब फ़ॉर्मैटिंग के साथ दिखा, जिसे यह ठीक नहीं कर सका।
फिर मैंने इसे दोबारा चैट में समाधान लिखने को कहा और मैंने उसे मैन्युअली सेट किया। मैं देखना चाहता/चाहती था कि उत्तर सही है या नहीं। हालाँकि, Cloudflare के कारण मैं LeetCode में लॉगिन नहीं कर सका/सकी। Mariner का परीक्षण करते समय यह समस्या मुझे कई बार दिखी।
बाद में मैंने अपने LeetCode अकाउंट से समाधान सबमिट किया, और वह सही था। इस पूरी प्रक्रिया में सबसे तेज़ चरण समस्या को हल करना था। जैसे ही समस्या खुली, चैट में समाधान आ गया। यह मुझे बहुत प्रभावशाली लगा।
Project Mariner पर कोई कार्य सिखाना
Project Mariner के साथ एक Chrome एक्सटेंशन आता है, जिसका उपयोग करके हम इसे कार्य करना सिखा सकते हैं। यह ऐसे काम करता है कि जब आप कोई कार्य करते और उसे समझाते हैं, तो यह आपकी स्क्रीन रिकॉर्ड करता है (हाँ, आपको कार्य करते समय बोलना पड़ता है)।
उस डेटा से यह क्रियाओं की सूची निकालता है। मैंने इसे Walmart पर शॉपिंग करना सिखाने की कोशिश की, और मुझे यह आउटपुट मिला:
मुझे नहीं पता कि यह और कौन-सा डेटा एकत्र करता है, लेकिन मुझे लगा कि केवल यह सूची पाने के लिए कार्य करना और उसे समझाना काफ़ी मेहनत का काम है, जिसे मैं कुछ सेकंड में टाइप कर सकता/सकती था।
मैंने कार्य को निष्पादित करने की कोशिश की, लेकिन वह काम नहीं किया। लगा कि इसमें कुछ चरण गायब हैं, जैसे शॉपिंग लिस्ट में कौन-सी चीज़ें हैं, यह पूछना। आप किसी कार्य को बनाने से पहले मैन्युअली संपादित कर सकते हैं, लेकिन बाद में संपादित करने का कोई तरीका मुझे नहीं मिला।
अभी के लिए, मुझे लगता है कि यह फ़ीचर अभी अपरिपक्व है और उपयोग के लिए तैयार नहीं है। साथ ही, मुझे उपयोग के मामले खोजना भी कठिन लगा, क्योंकि अगर मैं इसे बस इतना कहता/कहती कि स्प्रेडशीट की शॉपिंग लिस्ट से Walmart कार्ट में आइटम जोड़ो, तो यह बेहतर काम करता।
Project Mariner के फायदे और नुकसान
अच्छी बातें
वेब ब्राउज़ करने में अच्छा
वे सभी कार्य जिनमें वेब ब्राउज़ करना और किसी वेबसाइट पर जानकारी ढूँढ़ना शामिल था, अच्छे से काम करते दिखे। मूवी टिकट और प्लंबर वाले मामले इसके अच्छे उदाहरण हैं।
एकाधिक टैब्स के साथ काम
Mariner ऐसे कार्य हल कर सकता है जिनमें कई टैब्स का उपयोग और क्रमिक रूप से Google सर्च करना ज़रूरी हो।
दृश्य समझ
धीमा होने के बावजूद, यह वेबसाइट की सामग्री और उसके तत्वों को समझने में अच्छा है। यह तत्वों के साथ इंटरैक्ट कर सकता है, फ़ॉर्म भर सकता है, और बटन पर क्लिक करके वेबसाइट को नियंत्रित कर सकता है।
कमियाँ
मेरी राय में, Project Mariner के वर्तमान संस्करण की मुख्य समस्याएँ निम्नलिखित हैं।
वेब को ऑटोमेट करने में बाधाएँ
वेब पर नेविगेट करना एक जटिल प्रक्रिया है, जिसमें Project Mariner जैसे स्वचालित टूल्स के लिए कई तरह की चुनौतियाँ होती हैं। एक प्रमुख बाधा वेबसाइट्स का प्रतिरोध है—जैसे Cloudflare और reCAPTCHA, जो बॉट्स को रोकने और दुर्भावनापूर्ण गतिविधियों से सुरक्षा के लिए बनाए गए हैं।
मेरे प्रयोगों के दौरान, मुझे बहुत बार ब्लॉक किया गया। यहाँ तक कि उनके सुझाए गए उदाहरणों में से एक आज़माते समय भी, वेबसाइट ने मुझे ब्लॉक कर दिया:
यह प्रतिरोध Mariner के कार्य निष्पादन को जटिल बनाता है, क्योंकि इसे मानव-सत्यापन के लिए बनी बाधाओं को पार करने में कठिनाई होती है। साथ ही, विनियमों के कारण वेबसाइटों पर अक्सर कुकी बैनर और पॉप-अप होते हैं, जो उपयोगकर्ताओं को लगातार अपने डेटा वरीयताओं पर निर्णय लेने के लिए मजबूर करते हैं।
Mariner कुकी चयन स्वतः नहीं संभालता, संभवतः इसलिए कि उपयोगकर्ताओं को अपनी गोपनीयता वरीयताओं के आधार पर ये चुनाव स्वयं करने चाहिए। हो सकता है कि इन निर्णयों के स्वचालन को रोकने वाले विनियम भी हों। परिणामस्वरूप, अनेक निर्णय-बिंदु और आवश्यक इंटरेक्शन, Mariner जैसे टूल्स के लिए कुशलता से काम करना और अधिक जटिल तथा बाधापूर्ण बना देते हैं।
आदर्श रूप से, हम कार्यों का स्वचालन करके मैन्युअल मेहनत कम करना चाहते हैं, पर मौजूदा टूल्स को अभी भी काफ़ी निगरानी चाहिए होती है—यह स्पष्ट करता है कि हम एक सचमुच निर्बाध और सहायक ऑटोमेशन अनुभव से अभी काफ़ी दूर हैं।
UI को प्रोसेस करने में धीमा
Mariner के सामने इस समय एक और समस्या गति की है। स्क्रीन पर मौजूद सामग्री को प्रोसेस करने में इसे काफ़ी समय लगता है। यहाँ तक कि साधारण से फ़ॉर्म भरने में भी मिनट्स लग सकते हैं।
पर्याप्त तर्क-क्षमता नहीं
मेरे प्रयोगों में, जब भी कोई चुनाव करना होता था—जैसे किस प्लेटफ़ॉर्म से मूवी टिकट खरीदे जाएँ या किस प्लंबिंग कंपनी का चयन किया जाए—एजेंट विकल्पों का मूल्यांकन एक-एक करके, उसी क्रम में करता दिखा जिसमें वे दिखाई दिए।
यह अच्छी रणनीति नहीं है, और न ही इंसान आम तौर पर ऐसे निर्णय लेते हैं। मुझे लगता है कि निर्णय लेते वक्त एजेंट में तर्क और शोध का एक चरण गायब है।
ब्राउज़र के साथ एकीकरण
मुझे इसके साथ टैब्स साझा करने में दिक्कत हुई। यह अक्सर मुझे लॉगआउट कर देता और साझा किए गए टैब में दिखाई जाने वाली जानकारी की पहुँच खो देता। उपाय यह था कि इसके उपयोग किए जाने वाले ब्राउज़र के अंदर मैन्युअली लॉगिन किया जाए। यह झंझट भरा है और इसे इस्तेमाल करने की इच्छा कम कर देता है।
मेरा मानना है कि यदि यह एक Chrome एक्सटेंशन होता, जो मौजूदा खुले टैब के साथ-साथ चलता, तो बेहतर होता। इस तरह, आप किसी भी समय इसे टैब का नियंत्रण लेने और सीधे कार्रवाई करने के लिए कह सकते/सकती थीं।
मैं मानता/मानती हूँ कि इस तरीके में सुरक्षा संबंधी चिंताएँ हैं, पर जब यह हमारे ब्राउज़र से अलग अपने ब्राउज़र का उपयोग करता है, तो मुझे यह बहुत उपयोगी नहीं लगता, क्योंकि अधिकांश कार्यों के लिए तब लंबी सेटअप—जैसे लॉगिन—की ज़रूरत पड़ती है।
लूप्स
अक्सर ऐसा होता है कि यह लूप में फँस जाता है, जहाँ यह मुझसे पूछता रहता है कि सब ठीक है या नहीं, और आगे नहीं बढ़ता। यहाँ एक उदाहरण है:
गोपनीयता और सुरक्षा संबंधी चिंताएँ
एक और चिंताजनक पहलू गोपनीयता और सुरक्षा से जुड़ा है। यहाँ आधिकारिक गोपनीयता सूचना है.
संक्षेप में, Google का Project Mariner आपकी बातचीत, ब्राउज़िंग डेटा, और फ़ीचर उपयोग को अपनी सेवाओं और AI में सुधार के लिए एकत्र करता है, Google की गोपनीयता नीति का पालन करते हुए। कुछ डेटा वास्तविक लोगों द्वारा समीक्षा किया जा सकता है। इसलिए, गोपनीय जानकारी साझा करने से बचें।
निष्कर्ष
Project Mariner अब भी काफ़ी प्रायोगिक उत्पाद है—धीमा, दायरे में सीमित, और CAPTCHA या लॉगिन जैसी बाधाओं से टकराने की प्रवृत्ति वाला। अपने मौजूदा रूप में, मुझे नहीं लगता कि केवल इसकी पहुँच के लिए सदस्यता लेना उचित है।
Google के दृष्टिकोण में मुझे सबसे अधिक यह बात पसंद है कि वे अधपके प्रोटोटाइप भी शुरुआती चरण में जारी करने को तैयार रहते हैं। ऐसी पारदर्शिता और पुनरावृत्ति उन्हें जल्दी सीखने और समय के साथ बेहतर उत्पाद बनाने में मदद करती है।
इसके विपरीत, यदि आप Apple को देखें—जो केवल पूर्णतः पॉलिश्ड उत्पाद ही जारी करना पसंद करता है—तो लगता है कि तेज़ी से बदलती AI दौड़ में वह पीछे रह रहा है। AI डेटा और वास्तविक उपयोग पर फलता-फूलता है, इसलिए इन शुरुआती चरण के टूल्स को—even अगर वे अधूरे हों—उजागर करना तेज़ी से दोहराव और सुधार करने का समझदारी भरा तरीका है।