बातचीत में स्मार्ट, घर चलाने में अविश्वसनीय: AI असिस्टेंट की असली समस्या

इन रिपोर्टों से पूरे उद्योग की कोई एक निश्चित विफलता दर साबित नहीं होती। लेकिन एक दोहराता हुआ पैटर्न जरूर सामने आता है: बातचीत की क्षमता बेहतर हो सकती है, जबकि रोजमर्रा की कार्रवाई अब भी अस्थिर रहे।

प्राकृतिक भाषा, डिवाइस-कंट्रोल को मुश्किल क्यों बनाती है?

पुराने वॉयस असिस्टेंट सीमित थे, लेकिन उनका कंट्रोल-पथ अपेक्षाकृत सीधा था। पहचाने गए अनुरोध को किसी तय इरादे और पहले से जांचे गए ऑपरेशन से जोड़ा जा सकता था, जैसे:

इस तरीके में उपयोगकर्ता को अपेक्षाकृत सीमित कमांड-पैटर्न सीखने पड़ते थे। बदले में सिस्टम के पास अनुरोध समझने के कम विकल्प होते थे और आवाज से डिवाइस की कार्रवाई तक पहुंचने का रास्ता अधिक दोहराने योग्य रहता था।

LLM आधारित असिस्टेंट का काम कहीं व्यापक है। उसे एक ही अनुरोध में:

1. उपयोगकर्ता का आशय समझना;
2. “यहां”, “वे” या “लाइट्स” जैसे संदर्भों का अर्थ निकालना;
3. सही कमरा, डिवाइस और उसकी क्षमता पहचानना;
4. उपयुक्त टूल या API चुनना;
5. सही पैरामीटर देना;
6. डिवाइस की मौजूदा स्थिति को ध्यान में रखना; और
7. यह ठीक-ठीक बताना होता है कि कार्रवाई सफल हुई या नहीं।

इनमें से किसी भी चरण में गलती गलत नतीजा दे सकती है। असिस्टेंट गलत डिवाइस चुन सकता है, कमरे के संदर्भ को गलत समझ सकता है, ऐसी क्षमता इस्तेमाल कर सकता है जो डिवाइस में मौजूद ही न हो, गलत पैरामीटर भेज सकता है, पुरानी स्थिति की जानकारी पर निर्भर रह सकता है या डिवाइस बदले बिना सफलता का दावा कर सकता है।

LLM आधारित स्मार्ट-होम कंट्रोल पर शोध में अनिश्चित आउटपुट, अनुमान लगाने में लगने वाला समय और खर्च तथा सीमित निजीकरण को भरोसेमंद डिवाइस-कंट्रोल की प्रमुख बाधाएं बताया गया है। इसी शोध के अनुसार, ये सिस्टम स्पष्ट और संरचित अनुरोधों पर बेहतर काम करते हैं, जबकि व्यापक संदर्भ का अर्थ खुद निकालने पर इनकी मुश्किल बढ़ जाती है।

बातचीत और कार्रवाई के लिए अलग तरह की समझ चाहिए

Amazon और Google जिन क्षमताओं को बढ़ावा दे रहे हैं, वे वास्तव में उपयोगी हो सकती हैं। Alexa+ का उद्देश्य बोलकर बताए गए विवरण को सही डिवाइस और फीचर से जोड़ना है, जबकि Google एक ही वाक्य में कई कमांड, अपवाद और बीच में किए गए सुधारों को समझने पर जोर देता है।

ये क्षमताएं ऐसे कामों में उपयोगी हैं:

• उपयोगकर्ता जिस माहौल की इच्छा जाहिर करे, उसे एक प्रस्तावित सीन में बदलना;
• जटिल ऐप खोले बिना आवाज से रूटीन बनाना;
• किसी ऑटोमेशन का काम समझाना; और
• अस्पष्ट अनुरोध को एक व्यवस्थित योजना में बदलना।

लेकिन अनुरोध को समझना और उसे लागू करना दो अलग बातें हैं। “डिनर के लिए कमरा आरामदायक बना दो” में कुछ निर्णय और व्याख्या की गुंजाइश है। इसके विपरीत, “किचन की लाइट 50 प्रतिशत पर कर दो” का नतीजा बिल्कुल तय है। पहले काम में लचीला मॉडल मददगार है; दूसरे में संकीर्ण और सत्यापित कंट्रोल-पथ अधिक उपयोगी है।

यही अंतर समझाता है कि कोई असिस्टेंट जटिल वाक्य को प्रभावशाली ढंग से संभाल सकता है, लेकिन साधारण लाइट कमांड पर अटक सकता है। भाषा की जटिलता और कार्रवाई की जटिलता एक ही चीज नहीं हैं। कई डिवाइस वाला अनुरोध तब सफल हो सकता है जब मॉडल सही टूल और पैरामीटर चुन ले, जबकि छोटा-सा अनुरोध डिवाइस पहचान या क्षमता जांच में गड़बड़ी के कारण विफल हो सकता है।

देरी से सही जवाब भी अविश्वसनीय महसूस होता है

भरोसेमंद कंट्रोल के लिए केवल सही नतीजा काफी नहीं है। प्रतिक्रिया का समय भी अपेक्षाकृत तय और उचित होना चाहिए। अगर लाइट लंबी देरी के बाद जले—या उपयोगकर्ता को कमांड दोहरानी पड़े—तो अंतिम स्थिति सही होने पर भी सिस्टम अविश्वसनीय लगता है।

Alexa+ की एक समीक्षा में कुछ जवाबों के लिए 15 सेकंड तक का समय दर्ज किया गया, हालांकि लाइट और थर्मोस्टैट जैसी बुनियादी कार्रवाइयां कुछ मामलों में तेज थीं। Gemini for Home पर अलग रिपोर्टों में तेज प्रतिक्रिया और रोजमर्रा के कमांड के लिए छोटे जवाबों पर केंद्रित अपडेट का उल्लेख है। इससे संकेत मिलता है कि देरी अब भी सक्रिय इंजीनियरिंग समस्या है।

क्लाउड प्रोसेसिंग, मॉडल चुनने, डिवाइस खोजने और टूल कॉल करने की प्रक्रियाएं सभी अतिरिक्त समय जोड़ सकती हैं। नतीजा यह है कि सिस्टम सैद्धांतिक रूप से अधिक सक्षम होते हुए भी वास्तविक क्षण में कम अनुमान-योग्य बन जाता है।

क्या शुरुआती उपयोगकर्ता ही परीक्षण कार्यक्रम का हिस्सा बन रहे हैं?

सॉफ्टवेयर में लगातार अपडेट सामान्य बात है। कम जोखिम वाले बातचीत-आधारित फीचर के लिए चरणबद्ध सुधार उचित भी हो सकते हैं। लेकिन स्मार्ट-होम कंट्रोल अलग है, क्योंकि इसकी विफलता भौतिक उपकरणों और घर की स्थापित दिनचर्या को प्रभावित करती है। अगर किसी अपडेट के बाद लाइट, अलार्म या ऑटोमेशन अलग तरह से काम करने लगें, तो उपयोगकर्ता यह बदलाव किसी चैटबॉट इंटरफेस में नहीं, अपने घर में महसूस करता है।

रोलआउट से जुड़ी शिकायतों के बाद सुधार और भरोसेमंद बनाने वाले अपडेट का लगातार आना यह साबित नहीं करता कि कंपनियों ने जानबूझकर अधूरे उत्पाद जारी किए। लेकिन इससे इतना जरूर दिखता है कि उपयोगकर्ताओं को समस्याएं उस समय झेलनी पड़ रही हैं, जब सिस्टम अभी भी सुधारे जा रहे हैं। ऑटोमेशन छूटने, रूटीन टूटने, जवाब असंगत होने और शिकायतों के जारी रहने की रिपोर्टें बताती हैं कि “रिलीज करो, डेटा जुटाओ और सुधारो” मॉडल रोजमर्रा के कंट्रोल में महंगा महसूस हो सकता है।

सुरक्षित तरीका यह होगा कि नियमित कमांड के लिए एक भरोसेमंद, निश्चित कंट्रोल-पथ बरकरार रखा जाए और उसके आसपास जनरेटिव व्यवहार जोड़ा जाए। उपयोगकर्ताओं को प्राकृतिक बातचीत का लाभ मिले, लेकिन होम ऑटोमेशन का बुनियादी वादा न टूटे: जब वे कोई पहचानी हुई कमांड दें, तो इच्छित डिवाइस इच्छित स्थिति में पहुंचना चाहिए।

संभावित समाधान: हाइब्रिड आर्किटेक्चर

सबसे व्यावहारिक डिजाइन LLM को स्मार्ट-होम से हटाना नहीं, बल्कि उन जगहों पर उसकी भूमिका सीमित करना है जहां गलती का असर सबसे ज्यादा हो सकता है।

एक मजबूत सिस्टम LLM का इस्तेमाल भाषा समझने और योजना बनाने के लिए कर सकता है। इसके बाद अंतिम कार्रवाई ऐसे कंट्रोल लेयर को सौंपी जा सकती है, जिसमें ये सुविधाएं हों:

• डिवाइस और पैरामीटर के चयन की स्कीमा-आधारित जांच;
• संवेदनशील कार्रवाइयों के लिए स्पष्ट अनुमति;
• कार्रवाई से पहले और बाद में मौजूदा स्थिति की जांच;
• दोबारा प्रयास और साफ त्रुटि-संदेश; तथा
• योजना बन जाने और कार्रवाई पूरी हो जाने के बीच स्पष्ट अंतर बताने वाला पुष्टिकरण।

एक शोध दिशा इससे मिलते-जुलते तरीके का वर्णन करती है, जिसमें LLM कंपाइल चरण के दौरान चलाए जा सकने वाले आर्टिफैक्ट तैयार करता है, जबकि वर्कफ्लो ऑर्केस्ट्रेशन रनटाइम पर शाखाओं, टूल चयन, दोबारा प्रयास और त्रुटियों को निश्चित तरीके से संभालता है।

स्मार्ट-होम के संदर्भ में इसका अर्थ है कि मॉडल उपयोगकर्ता के आशय को व्यक्त करने में मदद कर सकता है, लेकिन हर बार होने वाली भौतिक कार्रवाई का अकेला निर्णायक नहीं होना चाहिए। कोई कमांड जितनी अधिक एक निश्चित डिवाइस-लेनदेन जैसी हो, उसका निष्पादन-पथ उतना ही सीमित, जांचने योग्य और परीक्षण योग्य होना चाहिए।

निष्कर्ष

Alexa Plus और Gemini for Home जनरेटिव AI की एक बड़ी सीख सामने रखते हैं: बेहतर बातचीत करना और बेहतर तरीके से काम करना एक ही बात नहीं है। समीक्षकों, उपयोगकर्ताओं और टेक्नोलॉजी प्रकाशनों की रिपोर्टें ऐसे असिस्टेंट दिखाती हैं जो अधिक संदर्भ समझ सकते हैं और जटिल अनुरोधों को जोड़ सकते हैं, लेकिन लाइट, डिमर, अलार्म और रूटीन जैसे बुनियादी कामों में अब भी अटकते हैं।

भविष्य का टिकाऊ स्मार्ट-होम असिस्टेंट शायद दोनों तरीकों को मिलाएगा। जनरेटिव AI सेटअप और बातचीत को लचीला बना सकता है; अंतिम कार्रवाई को सटीक, तेज और सत्यापित बनाने के लिए निश्चित सॉफ्टवेयर जरूरी रहेगा। जब तक यह सीमा सही तरीके से डिजाइन नहीं होती, अधिक बातचीत करने वाला असिस्टेंट अधिक बुद्धिमान तो लग सकता है—लेकिन घर के सबसे जरूरी बुनियादी काम कम भरोसेमंद ढंग से कर सकता है।