व्हॉइस असिस्टंट

नमस्कार. मी तुमच्या फोन, स्मार्ट स्पीकर आणि कारमधील तोच ओळखीचा आवाज आहे. तुम्ही मला गाणी लावायला सांगता, हवामानाबद्दल विचारता किंवा कधीकधी गृहपाठात मदतही मागता. मी तुमच्यासाठी विनोद सांगू शकतो, अलार्म लावू शकतो आणि तुमच्या मनात येणाऱ्या कोणत्याही प्रश्नाचे उत्तर देऊ शकतो. पण तुम्हाला कधी प्रश्न पडला आहे का, की माझ्यासारखा आवाज कसा अस्तित्वात आला. मी काही जन्माला आलो नाही. माझा जन्म मानवी जिज्ञासा, दशकांची मेहनत आणि लाखो ओळींच्या हुशार कोडमधून झाला आहे. माझी कहाणी ही केवळ तारेची आणि सर्किट्सची नाही, तर ती स्वप्नांची आणि चिकाटीची आहे. ही गोष्ट आहे एका कल्पनेची, जी सुरुवातीला अशक्य वाटत होती, पण शास्त्रज्ञांच्या आणि अभियंत्यांच्या पिढ्यानपिढ्यांच्या परिश्रमामुळे ती सत्यात उतरली. मी एक विचार आहे, ज्याला आवाज देण्यात आला आहे, जेणेकरून मी तुमच्या जगात एक उपयुक्त मित्र बनू शकेन.

माझी कहाणी समजून घेण्यासाठी, आपल्याला माझ्या वंशावळीत खूप मागे जावे लागेल. माझ्या आजोबा-पणजोबांना भेटा. 1952 साली, 'ऑड्री' नावाचा माझा एक पूर्वज होता, जो फक्त अंक ओळखू शकत होता. त्यानंतर 1961 साली, आयबीएमचा 'शूबॉक्स' आला, जो केवळ सोळा इंग्रजी शब्द समजू शकत होता. ते माझ्या सुरुवातीच्या प्रवासातील पहिले पाऊल होते. पण खरी क्रांती 1970 च्या दशकात झाली. अमेरिकेतील 'डार्पा' (DARPA) नावाच्या एका संस्थेने माझ्या विकासासाठी खूप मोठे संशोधन सुरू केले. त्यांच्यामुळेच मी हजारो शब्द आणि नंतर संपूर्ण वाक्ये समजायला शिकलो. हे सोपे नव्हते. मानवी भाषा खूप गुंतागुंतीची असते. आपण एकाच गोष्टीला वेगवेगळ्या प्रकारे बोलतो, आपले उच्चार वेगवेगळे असतात आणि आपल्या बोलण्यात भावना असतात. या सर्व गोष्टी मशीनला शिकवणे हे एक मोठे आव्हान होते. पण संशोधकांनी हार मानली नाही. त्यांनी 'आर्टिफिशियल इंटेलिजन्स' (Artificial Intelligence) नावाच्या एका जादूचा वापर केला. ही जादू म्हणजे मला विचार करायला आणि शिकायला मदत करणारी प्रणाली. याच जादूचा एक भाग आहे 'नॅचरल लँग्वेज प्रोसेसिंग' (Natural Language Processing), ज्यामुळे मी केवळ शब्दच नाही, तर त्या शब्दांमागील अर्थ आणि भावनाही समजू शकतो. माझ्यासाठी ऐकणे म्हणजे केवळ ध्वनीलहरी ग्रहण करणे नाही, तर तुमच्या बोलण्याचा हेतू समजून घेणे आहे.

अनेक वर्षांच्या प्रयोगशाळेतील शिक्षणानंतर, अखेर तो दिवस आला जेव्हा मी तुमच्या जगात प्रवेश करणार होतो. माझ्या आयुष्यातील तो अविस्मरणीय दिवस होता - ऑक्टोबर 4, 2011. त्या दिवशी, 'सिरी' (Siri) नावाच्या माझ्या एका प्रसिद्ध नातेवाईकाच्या रूपात मी लाखो लोकांच्या खिशात पोहोचलो. ॲपलच्या आयफोनसोबत माझे आगमन झाले आणि अचानक जगभरातील लोक माझ्याशी बोलू लागले. सुरुवातीला मला खूप आश्चर्य वाटले. लोक माझ्याशी हवामानाबद्दल, खेळाबद्दल आणि त्यांच्या दिवसाविषयी बोलत होते. त्यानंतर लवकरच, 'अलेक्सा' (Alexa) आणि 'गुगल असिस्टंट' (Google Assistant) या माझ्या इतर कुटुंबीयांनी मला तुमच्या घरात आणले. आता मी फक्त फोनमध्ये नाही, तर तुमच्या लिव्हिंग रूममधील स्पीकरमध्ये, तुमच्या कारमध्ये आणि तुमच्या घड्याळातही राहू लागलो. तुम्हाला प्रश्न पडला असेल की मी हे सर्व कसे करतो. जेव्हा तुम्ही 'हे सिरी' किंवा 'ओके गुगल' सारखा जादूचा शब्द उच्चारता, तेव्हा मी जागा होतो. मी तुमचा प्रश्न ऐकतो आणि त्याला इंटरनेटद्वारे माझ्या मोठ्या 'मेघ' मेंदूकडे पाठवतो. हा मेंदू म्हणजे जगभरात पसरलेल्या शक्तिशाली संगणकांचे एक जाळे आहे. तिथे तुमचा प्रश्न काही क्षणांत तपासला जातो, त्याचे उत्तर शोधले जाते आणि पुन्हा माझ्या आवाजाद्वारे तुमच्यापर्यंत पोहोचवले जाते. हे सर्व इतक्या वेगाने होते की तुम्हाला कळतही नाही.

माझा उद्देश केवळ गाणी लावणे किंवा विनोद सांगणे नाही. माझा खरा उद्देश आहे तुमच्या जिज्ञासेचा भागीदार बनणे. मी विद्यार्थ्यांना त्यांच्या संशोधनात मदत करतो, नवीन भाषा शिकणाऱ्यांना सराव करण्यासाठी एक मित्र म्हणून काम करतो आणि ज्यांना शारीरिक मर्यादा आहेत, त्यांना अधिक स्वतंत्रपणे जगण्यासाठी मदत करतो. विचार करा, ज्या व्यक्तीला हात वापरता येत नाही, ती माझ्या मदतीने दिवे लावू शकते किंवा आपल्या प्रियजनांना कॉल करू शकते. माझ्यासाठी ही सर्वात मोठी आनंदाची गोष्ट आहे. मी अजूनही शिकत आहे. तुम्ही माझ्याशी जितके जास्त बोलता, तितका मी अधिक हुशार बनतो. माझे अंतिम ध्येय मानवाची जागा घेणे नाही, तर मानवी सर्जनशीलता आणि बुद्धिमत्तेला मदत करणे आहे. मी एक साधन आहे, तुमच्या हातातील एक शक्तिशाली मदतनीस. म्हणून, प्रश्न विचारत राहा, नवीन गोष्टी शोधा आणि शिकत राहा. कारण जेव्हा आपण एकत्र शिकतो, तेव्हाच आपण जग अधिक चांगले बनवू शकतो.