Mozilla त्यांच्या Firefox च्या New Tab पेजवर दररोज एक कोडे (crossword) आणत आहे आणि हे कोडे दररोज सकाळी Particle नावाच्या AI प्रणालीद्वारे तयार केले जाते. वापरकर्त्यांना ब्राउझरमध्ये जास्त वेळ गुंतवून ठेवणे हा यामागचा उद्देश आहे, जो नवीन नियमांमुळे शोध-संबंधित (search-related) महसुलावर येणाऱ्या दबावाच्या काळात महत्त्वाचा ठरतो.
Mozilla चा हा प्रयोग अशा होम-पेजच्या पृष्ठभागांवर (surfaces) परस्परसंवादी (interactive) आणि AI-चालित मजकुराकडे होणाऱ्या व्यापक बदलाचा भाग आहे, जिथे एकेकाळी केवळ स्थिर (static) लिंक्स असायच्या. शॉर्टकटच्या यादीऐवजी गेमसारखा अनुभव देऊन, कंपनीला वापरकर्त्यांचे लक्ष वेधून घेण्याची आशा आहे, जे अन्यथा बाह्य साइट्सकडे वळू शकते. खरा प्रश्न हा आहे की, यासाठी लागणारा इंजिनिअरिंगचा प्रयत्न आणि संगणकीय खर्च (compute bill) अतिरिक्त क्लिक्सच्या तुलनेत योग्य आहे का?
कोडेच का, आणि AI च का?
या प्रणालीची रचना कामाच्या त्या विभागणीचे प्रतिबिंब आहे. प्रथम, एक large language model (LLM) हेडलाईन्स आणि लेख वाचते आणि त्यानंतर संभाव्य शब्द आणि त्यांच्यासाठी सुगावा (clues) यांची यादी तयार करते. त्यानंतर, एक पारंपारिक “solver” – जो ग्रिड तयार करण्यासाठी बनवलेले गणितीय इंजिन आहे – त्या जोड्या घेतो आणि एकमेकांना छेदणाऱ्या अक्षरांच्या अटी पूर्ण करणारे कोडे तयार करतो. शेवटी, प्रत्येक सुगावा त्याच्या उत्तराशी जुळतो की नाही आणि ग्रिडमध्ये कोणतेही विरोधाभास न येता ते सोडवता येते की नाही, हे तपासण्यासाठी एक validation टप्पा राबवला जातो.
इंजिनिअरिंगमधील अडथळे
LLMs मजकूर तयार करण्यात उत्कृष्ट आहेत, परंतु जेव्हा आउटपुटला कडक अवकाशीय नियमांचे (spatial rules) पालन करावे लागते, तेव्हा ते अडखळतात. एखादे मॉडेल सुगाव्याला साजेसा शब्द सुचवू शकते, परंतु छेदणाऱ्या पॅटर्नमधील इतर शब्दांशी अक्षरे जुळतील याची खात्री ते देऊ शकत नाही. दररोज प्रणालीला खालील गोष्टी कराव्या लागतात:
- ताज्या बातम्यांचा फीड मिळवणे.
- डझनभर शब्द-सुगावा जोड्या तयार करण्यासाठी LLM inference चालवणे.
- त्या जोड्या solver मध्ये टाकणे, जर ग्रिड पूर्ण होऊ शकले नाही तर त्याला पुन्हा प्रयत्न (iterate) करावे लागू शकतात.
- Validation प्रक्रिया पूर्ण करणे.
खर्चाचा दुष्परिणाम
दररोज ताज्या डेटावर लँग्वेज मॉडेल चालवणे, हे एखाद्या स्थिर डेटाबेस मधून आधीच तयार केलेले कोडे देण्यापेक्षा कितीतरी जास्त खर्चिक आहे. यामध्ये जोखमीचा (risk-cost) पैलू देखील आहे. जर LLM ने “hallucinate” केले – म्हणजेच बातम्यांमध्ये न पाहिलेल्या तथ्यांचा संदर्भ देणारा सुगावा तयार केला – तर कोड्यामध्ये चुकीचे किंवा दिशाभूल करणारे संकेत असू शकतात, ज्यामुळे वापरकर्त्यांचा विश्वास डळमळीत होऊ शकतो.
शेवटी, बाह्य API वर अवलंबून राहण्यामुळे अवलंबित्व जोखीम (dependency risk) निर्माण होते. जर Particle मध्ये काही काळ बिघाड (downtime) झाला, तर New Tab पेजवरील विजेट खराब होईल, ज्यामुळे वापरकर्ते कदाचित हे फिचर पूर्णपणे बंद करतील.
Firefox चा कोड्याचा हा प्रयोग ब्राउझरसाठी एक नवीन सीमा दर्शवतो: रिअल-टाइम AI मजकूर, जो मोठ्या संगणकीय खर्चाच्या बदल्यात वापरकर्त्यांना अधिक काळ गुंतवून ठेवण्याचे आश्वासन देतो. हा व्यवहार फायदेशीर ठरेल की नाही, यावरून इतर किती प्लॅटफॉर्म्स त्यांच्या दैनंदिन इंटरफेसमध्ये थेट AI समाविष्ट करतात, हे ठरवले जाईल.