જેમિની 3.8 લાઇવ એક્સટેન્ડેડ થિંકિંગ: ફોન પર એઆઈ બોલતા પહેલાં મનમાં વિચારે છે?

તમારા દીકરાને ગણિતનું ઘરકામ સમજાવવું છે. તમે ફોન ઉઠાવો, જેમિની એપ ખોલો અને બોલો: 'જો રેલગાડી 60 કિલોમીટર પ્રતિ કલાકની ઝડપે ચાલે અને સ્ટેશન વચ્ચે 150 કિલોમીટરનું અંતર હોય, તો કેટલો સમય લાગશે?' પહેલાં મશીન તરત જવાબ ધડાક દઈને બોલી નાખતું. હવે તે થોડું થોભે છે, જાણે વિચારતું હોય, અને પછી કહે છે: 'અઢી કલાક, પણ ધ્યાન રાખો કે આ ગણતરીમાં રોકાણનો સમય ગણ્યો નથી.' આ થોભવાની ક્ષણ જ એક્સટેન્ડેડ થિંકિંગ છે.

તરત જવાબ આપવાની ટેવમાં શું ખોટું હતું?

અવાજમાં ચાલતી વાતચીતમાં આપણે સામેવાળા પાસેથી તરત પ્રતિક્રિયા ઈચ્છીએ છીએ. પણ ભાષાકીય મોડેલ (જેને અંગ્રેજીમાં લાર્જ લેંગ્વેજ મોડેલ કહે છે) માટે આ ઝડપ ઘણી વાર નુકસાનકારક બનતી. જેમ તમે કોઈ મિત્રને અઘરો સવાલ પૂછો અને તે તરત જવાબ ધડાક દઈ દે, ત્યારે ઘણી વાર જવાબ અધૂરો કે ખોટો નીકળે છે. એઆઈ સાથે પણ એવું જ થતું. મશીન પ્રશ્નને પૂરો સમજ્યા વગર જ સૌથી પહેલો શબ્દ પકડી લેતું અને તેને અનુસરતું જતું. પરિણામે ગણિત, કાયદો કે આરોગ્ય જેવા વિષયોમાં જવાબ સપાટી પરનો રહી જતો.

જેમિની 3.8 લાઇવમાં ગૂગલે આ ટેવ બદલી નાખી છે. હવે મશીન પાસે પ્રશ્ન સાંભળ્યા પછી થોડી ક્ષણોનો 'વિચારવાનો સમય' છે. આ સમય દરમિયાન તે એક જ જવાબ તરફ ધસી જવાને બદલે અલગ અલગ સંભવિત રસ્તા તપાસે છે, દરેક રસ્તાના પરિણામની કલ્પના કરે છે અને પછી નક્કી કરે છે કે કયો રસ્તો સૌથી સાચો લાગે છે.

અંદર શું થાય છે, સાદી ભાષામાં

તમે બોલો છો ત્યારે પહેલાં તમારો અવાજ લખાણમાં ફેરવાય છે. આ લખાણ મશીન સમજે છે. પછી એક્સટેન્ડેડ થિંકિંગ ચાલુ થાય છે. મશીન પ્રશ્નને નાના ભાગોમાં વહેંચે છે, દરેક ભાગ માટે શક્ય જવાબો ગણે છે અને તેમને મનમાં સરખાવે છે. જેમ તમે બજારમાં જતાં પહેલાં મનમાં યાદી બનાવો કે શું શું લાવવાનું છે, તેમ. આ પ્રક્રિયા પૂરી થાય પછી જ મશીન બોલવાનું શરૂ કરે છે. તેથી જવાબ વધુ ચોકસાઈવાળો અને સંદર્ભ સાથેનો બની શકે છે.

આખી પ્રક્રિયા સેકન્ડોમાં થાય છે, પણ તે થોભવાની ક્ષણ તમને સંભળાય પણ ખરી. ક્યારેક મશીન 'હમ્મ...' કે 'જરા વિચારું' જેવો ધ્વનિ કરે છે, જે ખરેખર તેની ગણતરી ચાલુ હોવાનો સંકેત છે. આ સંકેત ખોટો નથી; તે ખરેખર અંદર ઘણા વિકલ્પો તપાસી રહ્યું છે.

રોજિંદા જીવનમાં આ શું બદલે છે?

• ભણતરમાં મદદ: ગણિત કે વિજ્ઞાનનું અઘરું સૂત્ર સમજાવતી વખતે મશીન પહેલાં પગલાં ગોઠવે છે, પછી સમજાવે છે. તેથી ભૂલની શક્યતા ઘટે છે.
• કામની યોજના: તમે કહો કે 'ત્રણ દિવસમાં દિલ્હી, આગ્રા અને જયપુર ફરવું છે', તો મશીન અંતર, સમય અને બસના સમયપત્રકને ધ્યાનમાં લઈને યોજના સૂચવે છે.
• ઘરની સમસ્યા: કેમેરા ચાલુ કરીને બતાવો કે પંખો અટકી ગયો છે. મશીન પહેલાં શક્ય કારણો તપાસે છે, પછી કહે છે કે પહેલાં સ્વિચ ચેક કરો, પછી વાયરિંગ.
• ભાષા અને લખાણ: અંગ્રેજીમાંથી ગુજરાતીમાં અનુવાદ કરતી વખતે મશીન શબ્દોને શબ્દશઃ ન બદલતાં આખા વાક્યનો ભાવ સમજીને લખે છે.

આ થિંકિંગ શું કરી શકતું નથી

વધુ વિચારવું એટલે હંમેશા સાચું જવાબ મળે એવી ખાતરી નથી. જો પ્રશ્નમાં જ ખોટી માહિતી હોય, તો મશીન પણ ખોટા રસ્તે વિચારી શકે છે. જેમ તમે કોઈને પૂછો કે 'જે ગામમાં હું જન્મ્યો તેનું નામ શું છે?' અને તે ખોટું નામ ધારી લે, તો પછી ગમે તેટલું વિચારે, જવાબ ખોટો જ રહેશે. એટલે મહત્ત્વના નિર્ણયમાં મશીનના જવાબને સ્વતંત્ર રીતે ચકાસવો જરૂરી છે.

બીજું, એક્સટેન્ડેડ થિંકિંગ દરેક જગ્યાએ ઉપલબ્ધ નથી. ગૂગલ જેમિની એપમાં મૂળભૂત અવાજ સુવિધા મફત છે, પણ આ ઊંડા વિચારવાળી સુવિધા જેમિની એડવાન્સ્ડ પ્લાનમાં આવે છે. એટલે તમે મફતમાં વાત કરી શકો, પણ દરેક પ્રશ્નમાં ઊંડું વિચારવું મળે એવું ન માની લેવું.

ત્રીજું, થોભવાનો સમય વધુ હોવાથી જવાબ આવતાં થોડી સેકન્ડ વધુ લાગે છે. જો તમે તરત જવાબ ઈચ્છતા હોવ, તો આ ધીમાપણું ખૂંચી શકે. પણ જ્યાં સચોટતા જરૂરી હોય, ત્યાં આ થોભવું ફાયદાકારક છે.

આગળ શું જોવું

જેમિની 3.8 લાઇવ ફક્ત અવાજ પૂરતું નથી. તે કેમેરા ચાલુ કરીને સામેની વસ્તુ બતાવવાની સુવિધા પણ આપે છે, જેમ કે ઘરનું રિમોટ કે શાળાનું પ્રોજેક્ટ. સાથે જ તે જીમેલ, ગૂગલ મેપ્સ, યુટ્યુબ અને ગૂગલ કેલેન્ડર સાથે જોડાયેલું છે. એટલે તમે પૂછી શકો: 'આવતીકાલે સવારે મારી પહેલી મીટિંગ ક્યારે છે?' અને તે કેલેન્ડર તપાસીને જવાબ આપે. આ બધું એક જ વાતચીતમાં, વચ્ચે અટક્યા વગર થઈ શકે છે.

એટલે જ્યારે તમે ફોનને પૂછો કે 'મારે આજે બેરોજગારી ભથ્થા માટે કઈ ઓફિસમાં જવું પડશે?' ત્યારે મશીન તરત કોઈ નામ ન બોલે, પણ થોડું વિચારીને તમારા વિસ્તાર, યોજના અને સમય પ્રમાણે સાચી માહિતી આપવાનો પ્રયત્ન કરે. આ થોભવું એ ખામી નથી, પણ સમજદારીભરી રીત છે.