अनेक महिन्यांपूर्वी ऐकलेले गाणे शोधणे हे अनेकदा पुरातत्वशास्त्रासारखे (archaeology) वाटते. तुम्ही कित्येक दिवस स्क्रोल होणाऱ्या 'Recently Played' यादीत शोधत राहता. हजारो गाण्यांनी भरलेल्या 'liked-song' फोल्डर्समध्ये तुम्ही शोध घेता. कदाचित तुम्ही सर्च बारमध्ये गाण्याचे काही तुकडे टाईप करता आणि अल्गोरिदमला तुमची हतबलता समजेल अशी आशा धरता. Spotify ला हा अडथळा समजतो आणि त्यांचा नवीन प्रयोग या 'खणकाम' करण्याच्या प्रक्रियेची जागा संवादाने बदलतोय. कंपनी 'Talk to Spotify' चा टेस्ट घेत आहे, जो एक AI असिस्टंट आहे जो Premium सबस्क्रायबर्सना साध्या भाषेत त्यांच्या स्वतःच्या ऐकण्याच्या इतिहासाची (listening history) चौकशी करण्याची परवानगी देतो.
Talk to Spotify हे ॲपमध्ये अंतर्भूत (embedded) चॅटबॉट म्हणून काम करते. Premium वापरकर्ते त्यांच्या संगीत, पॉडकास्ट आणि ऑडिओबुक्सबद्दलच्या विनंत्या टाईप करू शकतात किंवा बोलून सांगू शकतात. मेनू शोधणे, अचूक शीर्षके लक्षात ठेवणे किंवा फिल्टर्स वापरण्याऐवजी, तुम्हाला काय हवे आहे याचे वर्णन करा आणि सिस्टम ते शोधण्यासाठी तुमच्या वैयक्तिक डेटाचा वापर करते. याचे परिणामी मिळणारे शोध हे वेगळ्या प्रकारचे आहेत, जे तुमच्या आवडीच्या प्रोफाईलला केवळ एक स्थिर स्प्रेडशीट न मानता एक जिवंत संवाद मानतात.
तुम्ही प्रत्यक्षात काय विचारू शकता
याचे व्यावहारिक उपयोग साध्या आठवणींना उजाळा देण्यापासून ते आश्चर्यकारकपणे विशिष्ट शोध घेण्यापर्यंत असू शकतात. समजा, तुम्ही तीन आठवड्यांपूर्वी प्रवासादरम्यान शहरी शेतीबद्दल (urban farming) एखादा पॉडकास्ट ऐकला होता. तुम्हाला होस्टचे नाव किंवा एपिसोडचे शीर्षक आठवत नाहीये. सामान्यतः, तुम्ही डझनभर पॉडकास्ट थंबनेल्समधून स्क्रोल कराल किंवा सामान्य कीवर्ड शोधाल आणि अशा निकालांतून मार्ग काढण्याचा प्रयत्न कराल जे तुमच्या वैयक्तिक इतिहासाकडे दुर्लक्ष करतात. Talk to Spotify सह, तुम्ही विचारू शकता, "मी गेल्या महिन्यात शहरांमधील बागांबद्दल ऐकलेला तो पॉडकास्ट कोणता होता?" असिस्टंट तुमच्या अस्पष्ट वर्णनाचा तुमच्या प्रत्यक्ष प्ले हिस्ट्रीशी मेळ घालतो.
हेच तर्क Spotify वरील प्रत्येक फॉरमॅटला लागू होते. तुम्ही गेल्या आठवड्यात पूर्ण केलेल्या थ्रिलरसारखे ऑडिओबुक्स मागू शकता. गेल्या उन्हाळ्यात तुम्ही मोठ्या प्रमाणात स्ट्रीम केलेल्या वर्कआउट मिक्सच्या ऊर्जेशी जुळणारी प्लेलिस्ट तुम्ही मागू शकता. तुम्ही अर्धवट आठवलेले तपशील देखील शोधू शकता: "त्या डिनर पार्टीनंतर मी सेव्ह केलेले ते जॅझ अल्बम कोणते होते?" मानवी स्मृती ज्या विस्कळीत आणि संबंधात्मक पद्धतीने काम करते, हे हाताळण्यासाठी हे साधन डिझाइन केलेले आहे.
व्हॉइस इनपुट (Voice input) आणखी एक आयाम जोडते. संगीत आणि पॉडकास्ट अनेकदा अशा क्रियाकलापांमध्ये सोबत असतात जिथे तुमचे हात व्यस्त असतात किंवा तुमचे डोळे दुसरीकडे असणे आवश्यक असते. गाडी चालवणे, स्वयंपाक करणे, कपडे घडी घालणे किंवा वजन उचलणे या गोष्टींमध्ये फिल्टर्सवर टॅप करणे सोयीचे नसते. तुमचे शूज बांधत असताना, "माझ्या जिम सत्रांमधील ती अॅग्रेसिव्ह रॉक प्लेलिस्ट लावा," असे म्हटल्याने अडथळे पूर्णपणे दूर होतात. दरम्यान, टेक्स्ट इनपुट शांत क्षणांसाठी योग्य आहे. गर्दीच्या ट्रेनमध्ये, तुम्ही तुमच्या सहप्रवाशांना तुमची विनंती ऐकू न देता, "झोपेबद्दल एखादा छोटा पॉडकास्ट सुचवा," असे टाईप करू शकता.
हे कोणाला आणि कुठे मिळेल
सध्यासाठी, ही चाचणी मर्यादित स्वरूपात आहे. Spotify ने Talk to Spotify केवळ १८ वर्षे आणि त्यावरील वयाच्या Premium वापरकर्त्यांसाठी मर्यादित केले आहे. हे iOS आणि Android दोन्ही उपकरणांवर चालते. भौगोलिकदृष्ट्या हे केवळ तीन बाजारपेठांपुरते मर्यादित आहे: युनायटेड स्टेट्स, आयर्लंड आणि स्वीडन. या टप्प्यावर इंटरफेस केवळ इंग्रजी भाषेत उपलब्ध आहे.
ही सावधगिरीने केलेली सुरुवात बरेच काही सांगून जाते. बीटा चाचणी तीन देशांपुरती मर्यादित ठेवल्यामुळे Spotify च्या इंजिनिअर्सना जागतिक स्तरावर स्थानिककरण (localization) करण्यापूर्वी, विविध श्रवण संस्कृती (listening cultures) विनंत्या कशा प्रकारे मांडतात, याचे निरीक्षण करता येते. हे प्रीमियम टियरमध्ये ठेवल्यामुळे कंपनी तिच्या सर्वात सक्रिय वापरकर्त्यांसह चाचणी घेत आहे याची खात्री मिळते, ज्यांचा ऐकण्याचा इतिहास इतका मोठा आहे की संवादात्मक शोध अर्थपूर्ण ठरेल. १८ वर्षे किंवा त्यावरील वयाची मर्यादा ही डेटा हाताळण्यातील सावधगिरी आणि प्रौढ सबस्क्रायबर्स अधिक दीर्घ आणि गुंतागुंतीचे वर्तन नमुने (behavior patterns) तयार करतात, जे AI ला समजून घेणे सोपे जाते, या दोन्ही गोष्टींचे प्रतिबिंब असू शकते.
टॅपिंगपेक्षा बोलणे का श्रेष्ठ आहे
स्ट्रीमिंग सेवांनी शिफारस इंजिन (recommendation engines) सुधारण्यासाठी एक दशकापेक्षा जास्त काळ खर्च केला आहे. तुम्ही काय लावता, काय स्किप करता आणि तुम्ही किती वेळ थांबता यावर ते लक्ष ठेवतात आणि त्यानंतर तुम्हाला आवडतील असे प्लेलिस्ट तयार करतात. ही प्रणाली काम करते, पण ती मूलभूतपणे निष्क्रिय (passive) आहे. मशीनने तुमच्या मूडचा अंदाज लावण्याची तुम्ही वाट पाहता. तुम्ही एकतर अल्गोरिदमद्वारे मिळणारे फीड स्वीकारता किंवा मॅन्युअली शोध घेता. Talk to Spotify तुम्हाला सूत्र हातात देते. तुम्ही थेट प्रश्न विचारता आणि व्यापक लोकसंख्याशास्त्रीय गृहितकांऐवजी (demographic assumptions) तुमच्या स्वतःच्या वर्तनावरून उत्तरे मिळवता.
यात प्रमाणाचा (scale) देखील प्रश्न आहे. Spotify आता केवळ एक म्युझिक युटिलिटी राहिलेली नाही. पॉडकास्ट आणि ऑडिओबुक्स आता लाखो ट्रॅक्ससोबत उपलब्ध आहेत. पारंपारिक ग्रिड्स, कॅटेगरी आणि फिल्टर लिस्टद्वारे तीन वेगवेगळ्या प्रकारच्या कंटेंटमधून शोध घेणे थकवणारे ठरते, विशेषतः जेव्हा तुम्हाला काय हवे आहे हे माहित असते पण तुम्ही त्याचे अचूक नाव सांगू शकत नाही. संवादात्मक स्तर (conversational layer) ऑडिओ फॉरमॅट्समधील युनिव्हर्सल सर्चसारखे काम करतो. एखादी गोष्ट पॉडकास्ट एपिसोड होती की, एखादी...