Apple অবশেষে তাদের দীর্ঘ প্রতীক্ষিত Siri AI-টি iOS 27 কনজিউমার বিটাতে নিয়ে এসেছে। এই অ্যাসিস্ট্যান্টটি এখন সেই বুদ্ধিমত্তা এবং প্রাসঙ্গিক সচেতনতা (contextual awareness) প্রদর্শন করছে যা ব্যবহারকারীরা বছরের পর বছর ধরে দাবি করে আসছিলেন, তবে এটি এমন এক AI বিশ্বে পা রাখছে যা ইতিমধ্যেই সাধারণ ভয়েস কমান্ডের অনেক ওপরে চলে গেছে।
গভীর প্রাসঙ্গিক সচেতনতা এবং ব্যক্তিগত ইন্টিগ্রেশন
সবচেয়ে বড় আপগ্রেডটি Siri-কে ব্যবহারকারীর নিজস্ব ডেটা পড়ার সুযোগ দেয়। কোনো নির্দিষ্ট রসিদ (receipt) বা স্ক্রিনশট থেকে ড্রাইভার্স লাইসেন্স নম্বর বের করতে বললে, এটি কোনো ফাইল নির্দেশ না করেই ছবি, ইমেল এবং নোটের মধ্যে তা খুঁজে বের করবে।
Siri এখন অত্যন্ত নির্ভুলতার সাথে নির্দিষ্ট পডকাস্ট এপিসোড চালানো, ইমেল ড্রাফট করা, ফটোর এক্সপোজার এডিট করা বা ক্যালেন্ডার ইভেন্ট শিডিউল করার জন্য অ্যাপগুলো নেভিগেট করতে পারে। প্রথমবারের মতো, একটি ডেডিকেটেড Siri অ্যাপ টাইপ করা কুয়েরি (queries) এবং পূর্ববর্তী কথোপকথনের একটি স্ক্রোলেবল হিস্ট্রি প্রদান করে।
প্রযুক্তিগত মেরুদণ্ড: Apple Silicon এবং Gemini
Apple তাদের নিজস্ব Apple Foundation Models-এর জন্য একটি ট্রেনিং স্কাফোল্ড (training scaffold) হিসেবে Google-এর Gemini মডেল ব্যবহার করে এই বড় লাফটি দিয়েছে। এর ফলে তৈরি হওয়া আর্কিটেকচারটি Apple Silicon-এ চলে এবং সবচেয়ে ভারী ইনফারেন্সের (inference) জন্য Apple-এর Private Cloud Compute ব্যবহার করে, যা দ্রুত রিজনিং এবং ডেটার গোপনীয়তা বজায় রাখে।
কেন এই যুগান্তকারী সাফল্যটি কিছুটা হতাশাজনক মনে হচ্ছে
ডেভেলপাররা লক্ষ্য করেছেন যে, Siri অবশেষে মৌলিক কাজগুলো—সঠিক অ্যাপে সঠিক গান চালানো, থার্ড-পার্টি ক্যালেন্ডারে মিটিং যোগ করা—করতে পারলেও, AI ক্ষেত্রটি ইতিমধ্যেই স্বায়ত্তশাসিত এজেন্টদের (autonomous agents) দিকে এগিয়ে গেছে যারা ভ্রমণ পরিকল্পনা করতে পারে, কোড লিখতে পারে এবং লাইভ ডেটা গ্রহণ করতে পারে।
অনেকের কাছে নতুন Siri কোনো বিপ্লবের চেয়ে বরং অনেক দেরিতে আসা একটি বাগ ফিক্সের (bug fix) মতো মনে হচ্ছে। অ্যাসিস্ট্যান্টটি এখন সেই কাজগুলোই করছে যা শুরুর থেকেই করার কথা ছিল, কিন্তু এটি আমাদের কম্পিউটিংয়ের ধরনকে নতুন করে সংজ্ঞায়িত করছে না।
বৃহত্তর AI প্রেক্ষাপট
Apple-এর এই পদক্ষেপ "on-device" বুদ্ধিমত্তাকে ত্বরান্বিত করছে যা কাঁচা জেনারেটিভ ক্ষমতার চেয়ে উপযোগিতাকে (utility) বেশি গুরুত্ব দেয়। প্রতিযোগীরা এজেন্টিক ওয়ার্কফ্লোর (agentic workflows) পেছনে ছুটছে; অন্যদিকে Apple স্মার্টফোনকে ব্যবহারকারীর উদ্দেশ্যের একটি স্বজ্ঞাত সম্প্রসারণ (intuitive extension) হিসেবে তৈরি করছে। iOS 27 সেপ্টেম্বর মাসে পাবলিকলি রিলিজ হবে, যা এই পরিমার্জিত বুদ্ধিমত্তাকে গণবাজারে নিয়ে আসবে।
মূল বিষয়সমূহ
- প্রাসঙ্গিক বুদ্ধিমত্তা (Contextual Intelligence): Siri অত্যন্ত ব্যক্তিগত কুয়েরির জন্য ছবি, ইমেল এবং টেক্সট থেকে নির্দিষ্ট ডেটা সংগ্রহ করে।
- হাইব্রিড মডেল পদ্ধতি: Apple তাদের নিজস্ব Apple Foundation Models প্রশিক্ষিত করতে Google-এর Gemini মডেল ব্যবহার করেছে, যা Apple Silicon-এর জন্য অপ্টিমাইজ করা।
- সময়ের ব্যবধান: এই আপডেটটি কিছুটা পর্যায়ক্রমিক (iterative) মনে হচ্ছে কারণ AI শিল্প ইতিমধ্যেই জটিল এজেন্টিক কাজের দিকে মোড় নিয়েছে।
Siri যেভাবে এখানে পৌঁছাল
Siri একটি ভয়েস-অ্যাক্টিভেটেড সার্চ টুল হিসেবে যাত্রা শুরু করেছিল কিন্তু বারবার সাধারণ কমান্ডগুলোতে হোঁচট খেয়েছে: পছন্দের অ্যাপে সঠিক গান চালানো, সঠিক ক্যালেন্ডারে রিমাইন্ডার সেট করা, বা টেক্সট থেকে ফোন নম্বর বের করা। এই ঘাটতিগুলোর কারণে ডেভেলপাররা এটিকে সত্যিকারের প্রোডাক্টিভিটি পার্টনার হিসেবে বিবেচনা করতে পারেননি।
গত দুই বছরের AI বিপ্লব চ্যাটবটগুলোকে প্রবন্ধ লেখা, ছবি তৈরি করা এবং সফটওয়্যার ডিজাইনের পার্টনারে পরিণত করেছে। OpenAI, Anthropic এবং Google-এর মতো কোম্পানিগুলো ক্লাউড-হোস্টেড মডেল রিলিজ করেছে যা কাঁচা ক্ষমতার বিনিময়ে গোপনীয়তা বিসর্জন দেয়।
Apple এর উত্তর দিয়েছে সেই রিজনিং বা চিন্তাভাবনা প্রক্রিয়াটিকে ডিভাইসের ভেতরে নিয়ে আসার মাধ্যমে। বিটা লঞ্চের সময় নাগাদ, Siri ব্যক্তিগত প্রেক্ষাপট বুঝতে পারে, ব্যবহারকারীর নিজস্ব ফাইল সার্চ করতে পারে এবং iPhone না ছেড়েই মাল্টি-অ্যাপ ওয়ার্কফ্লো সম্পন্ন করতে পারে।
নতুন Siri আসলে কী করতে পারে
- গভীর ব্যক্তিগত সার্চ (Deep personal search) – Siri-কে “গত বৃহস্পতিবারের গ্রোসারি রানিংয়ের রসিদটি” দিতে বললে এটি সঠিক ডকুমেন্টটি খুঁজে পেতে ছবি, ইমেল এবং নোট স্ক্যান করে। এটি ফাইলটির নাম না বললেও স্ক্রিনশট থেকে টেক্সট, যেমন QR কোড বা ড্রাইভার্স লাইসেন্স নম্বর পড়তে পারে।
- অ্যাপ-লেভেল অ্যাকশন (App-level actions) – Siri আপনার উল্লেখ করা পডকাস্ট এপিসোডটি ওপেন করে, সাজেস্টেড ফ্রেজিং দিয়ে একটি ইমেল ড্রাফট করে, ফটোর এক্সপোজার ঠিক করে বা মুখে বলা পরিকল্পনা থেকে একটি ক্যালেন্ডার এন্ট্রি তৈরি করে। অ্যাসিস্ট্যান্টটি এখন অ্যাপগুলোর সাথে এমন নির্ভুলতার সাথে যোগাযোগ করে যা আগে ম্যানুয়াল ট্যাপের মাধ্যমে করতে হতো।
- ডেডিকেটেড কনভারসেশন UI (Dedicated conversation UI) – একটি নতুন Siri অ্যাপ ব্যবহারকারীদের টাইপ করা কুয়েরি, পূর্ববর্তী কথোপকথন স্ক্রল করা এবং অনুরোধগুলো আরও নিখুঁত করার সুযোগ দেয়, যা ভয়েস ইনপুটের পরিপূরক হিসেবে একটি চ্যাট-এর মতো অভিজ্ঞতা প্রদান করে।
এই সক্ষমতাগুলো একটি হাইব্রিড মডেল পদ্ধতি থেকে উদ্ভূত। Apple তাদের নিজস্ব Apple Foundation Models-এর জন্য একটি ট্রেনিং স্কাফোল্ড হিসেবে Gemini AI মডেল ব্যবহার করতে Google-এর সাথে অংশীদারিত্ব করেছে। এই আর্কিটেকচারটি Apple Silicon-এ চলে এবং Private Cloud Compute ব্যবহার করে, যা ব্যবহারকারীর ডেটা এনক্রিপ্টেড এবং আইসোলেটেড রেখে সবচেয়ে ভারী ইনফারেন্স হ্যান্ডেল করে।
কেন এই আপগ্রেডটি কিছুটা ম্লান মনে হচ্ছে
পর্যবেক্ষকরা উল্লেখ করেছেন যে সময়ের ব্যবধান এর প্রভাব কমিয়ে দিয়েছে। যদিও Siri অবশেষে মৌলিক প্রত্যাশাগুলো পূরণ করেছে, প্রতিযোগীরা ইতিমধ্যেই এমন এজেন্ট প্রদর্শন করছে যারা একটি মাত্র কথোপকথনের মাধ্যমে ভ্রমণ পরিকল্পনা করতে পারে, ফ্লাইট বুক করতে পারে এবং কোড লিখতে পারে—যা সবই ক্লাউড-হোস্টেড LLM দ্বারা চালিত এবং যা তাৎক্ষণিকভাবে বাহ্যিক ডেটা গ্রহণ করতে পারে।
অনেক ডেভেলপারের কাছে, নতুন Siri কোনো যুগান্তকারী উদ্ভাবনের চেয়ে বরং অনেক আগে হওয়া উচিত ছিল এমন একটি বাগ ফিক্স। Spotify-এ সঠিক গান বাজানো বা থার্ড-পার্টি ক্যালেন্ডারে মিটিং যোগ করার মতো আগের অক্ষমতাগুলো দূর করা কার্যকারিতা ফিরিয়ে আনলেও এটি কম্পিউটিংয়ের কোনো নতুন ধারণা বা প্যারাডাইম নিয়ে আসে না।
Apple এবং এর ব্যবহারকারীদের জন্য ঝুঁকির বিষয়গুলো
- Privacy বনাম সক্ষমতা – ক্লাউড অ্যাসিস্ট্যান্টগুলোর মতো রিমোট সার্ভারে কুয়েরি (queries) জমা না রেখে, অন-ডিভাইস মডেলগুলো ফোনের মধ্যেই রসিদ, আইডি এবং ব্যক্তিগত নোটগুলো সুরক্ষিত রাখে।
- Ecosystem lock-in – Siri-কে নেটিভ অ্যাপ এবং নতুন Siri অ্যাপের সাথে গভীরভাবে যুক্ত করার মাধ্যমে, Apple ব্যবহারকারীদের তাদের ইকোসিস্টেমের মধ্যেই থাকার প্রবণতা আরও বাড়িয়ে দিচ্ছে।
পাল্টা যুক্তি: কার্যকারিতার জয়ই আসল
সবাই এই বিলম্বিত সময়কে মারাত্মক হিসেবে দেখছেন না। গোপনীয়তা-সচেতন ব্যবহারকারী এবং সেইসব প্রতিষ্ঠান যারা ক্লাউডকে বিশ্বাস করতে পারে না, তারা অন-ডিভাইস রিজনিং-কে একটি নির্ণায়ক সুবিধা হিসেবে দেখে। কোনো ছবি আপলোড না করেই তা থেকে রসিদ বের করে আনা বাস্তব জীবনের এমন কিছু সমস্যার সমাধান করে যা অনেক প্রতিযোগী এড়িয়ে যায়।
পরবর্তীতে যা নজর রাখা প্রয়োজন
- সেপ্টেম্বরের রোলআউট – iOS 27 সেপ্টেম্বর মাসে জনসাধারণের জন্য উন্মুক্ত করার কথা রয়েছে।
সারসংক্ষেপ
Siri-র iOS 27-এর আমূল পরিবর্তন অবশেষে iPhone ব্যবহারকারীদের একটি কনটেক্সট-অ্যাওয়ার, অন-ডিভাইস অ্যাসিস্ট্যান্ট দিচ্ছে যা গোপনীয়তাকে সম্মান করে এবং Apple ইকোসিস্টেম জুড়ে কাজ করে। এই উন্নতিটি বাস্তব, কিন্তু এটি এমন এক সময়ে এসেছে যখন বাজার ইতিমধ্যে ক্লাউড-ভিত্তিক স্বায়ত্তশাসিত এজেন্টের (autonomous agents) দিকে ঝুঁকে পড়েছে; ফলে এই লঞ্চটি অনেকটা সামনের দিকে এগিয়ে যাওয়ার চেয়ে পিছিয়ে পড়া অবস্থা থেকে সামলে ওঠার চেষ্টা হিসেবে বেশি মনে হচ্ছে। এই প্রচেষ্টা ব্যবহারকারীদের দীর্ঘমেয়াদী আনুগত্য নিশ্চিত করতে পারবে কি না, তা নির্ভর করবে Apple তাদের গোপনীয়তার বিশেষত্ব বজায় রেখে এই ভিত্তির ওপর কীভাবে আরও উন্নতি করে তার ওপর।