Apple ने अखेर iOS 27 च्या कन्झ्युमर बीटा मध्ये त्यांच्या दीर्घकाळ प्रलंबित असलेल्या Siri AI ची डिलिव्हरी केली आहे. हा असिस्टंट आता अशी बुद्धिमत्ता आणि संदर्भात्मक जागरूकता (contextual awareness) दर्शवतो ज्याची वापरकर्त्यांनी वर्षानुवर्षे मागणी केली आहे, परंतु हे अशा AI जगात येत आहे जे आधीच साध्या व्हॉइस कमांड्सच्या पलीकडे जाऊन वेगाने पुढे गेले आहे.

सखोल संदर्भात्मक जागरूकता आणि वैयक्तिक एकत्रीकरण

सर्वात मोठा अपग्रेड Siri ला वापरकर्त्याचा स्वतःचा डेटा वाचू देतो. एखाद्या विशिष्ट पावतीबद्दल विचारले किंवा स्क्रीनशॉटमधून ड्रायव्हिंग लायसन्स नंबर काढण्यास सांगितले, तर ते फाईल शोधण्याशिवाय फोटो, ईमेल आणि नोट्समधून शोधून काढेल.

Siri आता अचूक पॉडकास्ट एपिसोड प्ले करण्यासाठी, ईमेल मसुदा तयार करण्यासाठी, फोटो एक्सपोजर एडिट करण्यासाठी किंवा कॅलेंडर इव्हेंट्स शेड्यूल करण्यासाठी ॲप्समध्ये नेव्हिगेट करते. पहिल्यांदाच, एक समर्पित Siri ॲप टाईप केलेल्या क्वेरीज आणि मागील संभाषणांचा स्क्रोल करण्यायोग्य इतिहास प्रदान करते.

तांत्रिक आधारस्तंभ: Apple Silicon आणि Gemini

Apple ने त्यांच्या स्वतःच्या Apple Foundation Models साठी Google च्या Gemini मॉडेल्सना ट्रेनिंग स्कॅफोल्ड (training scaffold) म्हणून वापरून ही झेप घेतली आहे. resulting architecture Apple Silicon वर चालते आणि जडतम इन्फरन्ससाठी (heaviest inference) Apple च्या Private Cloud Compute चा वापर करते, ज्यामुळे तर्क प्रक्रिया (reasoning) वेगवान आणि डेटा खाजगी राहतो.

हा breakthrough अपेक्षेपेक्षा कमी का वाटतोय

डेव्हलपर्स असे नमूद करतात की, जरी Siri अखेर मूलभूत कार्ये हाताळत असली—जसे की योग्य ॲपवर योग्य गाणे लावणे, थर्ड-पार्टी कॅलेंडरमध्ये मीटिंग जोडणे—तरीही AI क्षेत्र आधीच स्वायत्त एजंट्सकडे (autonomous agents) वळले आहे जे सहलींचे नियोजन करू शकतात, कोड लिहू शकतात आणि लाइव्ह डेटा घेऊ शकतात.

अनेकांसाठी, नवीन Siri ही क्रांती वाटण्याऐवजी खूप उशिरा आलेले 'बग फिक्स' (bug fix) वाटते. हा असिस्टंट आता तेच करतो जे त्याला सुरुवातीपासून करायला हवे होते, परंतु ते आपण संगणकीय प्रक्रिया (compute) कशी करतो हे पुन्हा परिभाषित करत नाही.

व्यापक AI परिदृश्य

Apple चे हे पाऊल "on-device" बुद्धिमत्तेला प्रोत्साहन देते, जी कच्च्या जनरेटिव्ह शक्तीपेक्षा (raw generative power) उपयुक्ततेला प्राधान्य देते. स्पर्धक 'एजेंटिक वर्कफ्लो'च्या (agentic workflows) मागे आहेत; तर Apple स्मार्टफोनला वापरकर्त्याच्या हेतूचा एक अंतर्ज्ञानी विस्तार (intuitive extension) बनवते. iOS 27 सप्टेंबरमध्ये सार्वजनिकरित्या उपलब्ध होईल, ज्यामुळे हे प्रगत बुद्धिमत्ता मास मार्केटमध्ये येईल.

मुख्य मुद्दे

  • Contextual Intelligence: Siri अत्यंत वैयक्तिक क्वेरीजसाठी फोटो, ईमेल आणि मजकुरातून विशिष्ट डेटा शोधते.
  • Hybrid Model Approach: Apple ने Apple Silicon साठी ऑप्टिमाइझ केलेले स्वतःचे Apple Foundation Models प्रशिक्षित करण्यासाठी Google च्या Gemini मॉडेल्सचा वापर केला.
  • Timing Gap: हे अपडेट केवळ सुधारणात्मक (iterative) वाटते कारण AI उद्योग आधीच जटिल एजेंटिक कामांकडे वळला आहे.

Siri इथपर्यंत कशी पोहोचली

Siri ला व्हॉइस-ॲक्टिव्हेटेड सर्च टूल म्हणून लाँच करण्यात आले होते, परंतु ती साध्या कमांड्सवर वारंवार अडखळत होती: जसे की पसंतीच्या ॲपवर योग्य गाणे लावणे, योग्य कॅलेंडरमध्ये रिमाइंडर सेट करणे किंवा मजकुरातून फोन नंबर काढणे. या त्रुटींमुळे डेव्हलपर्स तिला खऱ्या उत्पादकता भागीदार (productivity partner) म्हणून मानू शकले नाहीत.

गेल्या दोन वर्षांतील AI क्रांतीमुळे चॅटबॉट्स निबंध लिहिणे, प्रतिमा तयार करणे आणि सॉफ्टवेअर डिझाइन करणे यांसारख्या कामांमधील भागीदार बनले आहेत. OpenAI, Anthropic आणि Google सारख्या कंपन्यांनी क्लाउड-होस्टेड मॉडेल्स लाँच केले आहेत जे कच्च्या शक्तीसाठी (raw power) प्रायव्हसीचा त्याग करतात.

Apple ने हे तर्क (reasoning) थेट डिव्हाइसवर आणून याचे उत्तर दिले. बीटा लाँचपर्यंत, Siri वैयक्तिक संदर्भ समजू शकते, वापरकर्त्याच्या स्वतःच्या फाईल्स शोधू शकते आणि iPhone न सोडता मल्टी-ॲप वर्कफ्लो कार्यान्वित करू शकते.

नवीन Siri प्रत्यक्षात काय करते

  • Deep personal search – Siri ला “गेल्या गुरुवारी किराणा खरेदीची पावती” असे विचारले की ती नेमका दस्तऐवज शोधण्यासाठी फोटो, ईमेल आणि नोट्स स्कॅन करते. ती फाईलचे नाव न सांगता स्क्रीनशॉटमधील मजकूर, जसे की QR कोड किंवा ड्रायव्हिंग लायसन्स नंबर देखील वाचू शकते.
  • App-level actions – Siri तुम्ही उल्लेख केलेल्या एपिसोडसाठी पॉडकास्ट ॲप उघडते, सुचवलेल्या शब्दांसह ईमेल मसुदा तयार करते, फोटोचे एक्सपोजर बदलू शकते किंवा बोललेल्या योजनेवरून कॅलेंडर एंट्री तयार करते. हा असिस्टंट आता ॲप्सशी इतक्या अचूकतेने संवाद साधतो की ज्यासाठी पूर्वी मॅन्युअल टॅप्सची गरज पडत असे.
  • Dedicated conversation UI – एक नवीन Siri ॲप वापरकर्त्यांना क्वेरीज टाईप करण्याची, मागील संवादातून स्क्रोल करण्याची आणि विनंत्या अधिक स्पष्ट करण्याची सुविधा देते, ज्यामुळे व्हॉइस इनपुटला पूरक असा चॅट-सारखा अनुभव मिळतो.

ही क्षमता हायब्रिड मॉडेल दृष्टिकोनातून येते. Apple ने त्यांच्या स्वतःच्या Apple Foundation Models साठी ट्रेनिंग स्कॅफोल्ड म्हणून Gemini AI मॉडेल्सचा वापर करण्यासाठी Google सोबत भागीदारी केली आहे. हे आर्किटेक्चर Apple Silicon वर चालते आणि Private Cloud Compute वापरते, जे सर्व्हरचा एक संच आहे जो वापरकर्त्याचा डेटा एन्क्रिप्टेड आणि वेगळा ठेवून जडतम इन्फरन्स हाताळतो.

अपग्रेड सौम्य का वाटते

निरीक्षकांचे म्हणणे आहे की वेळेमुळे (timing) याचा प्रभाव मर्यादित झाला आहे. जरी Siri अखेर मूलभूत अपेक्षा पूर्ण करत असली, तरी स्पर्धक आधीच असे एजंट्स दाखवत आहेत जे एकाच संवादातून सहलींचे नियोजन करू शकतात, विमाने बुक करू शकतात आणि कोड लिहू शकतात, जे सर्व क्लाउड-होस्टेड LLMs द्वारे चालवले जातात जे त्वरित बाह्य डेटा घेऊ शकतात.

अनेक डेव्हलपर्ससाठी, नवीन Siri ही एखादी मोठी क्रांती नसून बराच काळ प्रलंबित असलेली एक bug fix आहे. Spotify वर योग्य गाणे वाजवणे किंवा थर्ड-पार्टी कॅलेंडरमध्ये मीटिंग जोडणे यांसारख्या पूर्वीच्या त्रुटी दूर केल्यामुळे कार्यक्षमता सुधारते, परंतु यामुळे संगणकीय क्षेत्रात कोणताही नवीन paradigm येत नाही.

Apple आणि त्याच्या वापरकर्त्यांसाठी असलेले महत्त्व

  • Privacy vs. capability – क्लाउड असिस्टंट्सप्रमाणे क्वेरीज रिमोट सर्व्हरवर साठवून न ठेवता, on-device मॉडेल्स पावत्या, IDs आणि वैयक्तिक नोट्स फोनवरच सुरक्षित ठेवतात.
  • Ecosystem lock-in – Siri ला नेटिव्ह ॲप्स आणि नवीन Siri ॲपशी खोलवर जोडल्यामुळे, Apple वापरकर्त्यांना त्यांच्या इकोसिस्टममध्येच राहण्यासाठी अधिक प्रवृत्त करते.

प्रतिवाद: कार्यात्मक विजय महत्त्वाचे आहेत

प्रत्येकालाच हा विलंब घातक वाटत नाही. गोपनीयता-केंद्रित वापरकर्ते आणि क्लाउडवर विश्वास ठेवू न शकणाऱ्या संस्थांसाठी, on-device reasoning हा एक निर्णायक फायदा आहे. फोटो अपलोड न करता त्यातून पावती मिळवणे, ही अशी वास्तविक जगातील समस्या आहे ज्याकडे अनेक स्पर्धक दुर्लक्ष करतात.

पुढे काय पाहायचे

  • सप्टेंबरमधील रोलआउट – iOS 27 सप्टेंबरमध्ये सार्वजनिकरित्या रिलीज होण्याची शक्यता आहे.

निष्कर्ष

Siri च्या iOS 27 मधील मोठ्या बदलामुळे अखेर iPhone मालकांना एक context-aware, on-device असिस्टंट मिळतो, जो गोपनीयतेचा आदर करतो आणि संपूर्ण Apple ecosystem मध्ये काम करतो. ही सुधारणा वास्तविक आहे, परंतु बाजारपेठ आता cloud-based autonomous agents कडे वळली आहे, त्यामुळे हे लाँच एखाद्या मोठ्या झेप्यापेक्षा (leap forward) मागे पडलेले अंतर भरून काढल्यासारखे (catch-up) वाटते. हे catch-up कायमस्वरूपी वापरकर्त्यांची निष्ठा मिळवून देईल की नाही, हे Apple या पायावर कशा प्रकारे काम करते आणि आपली गोपनीयता टिकवून ठेवते यावर अवलंबून असेल.