OpenAI का GPT-4o और Google का प्रोजेक्ट एस्ट्रा (Astra)

संदर्भ

Google के साथ-साथ OpenAI (ChatGPT विकसित करने वाली कंपनी) ने एक आगामी AI असिस्टेंट का प्रदर्शन किया, जिसे मौजूदा विकल्पों की तुलना में अधिक उपयोगी एवं बहुमुखी बनाया गया है।

संबंधित तथ्य

• ह्यूमन-कंप्यूटर इंटरैक्शन: Google ने इसे प्रोजेक्ट एस्ट्रा (Project Astra) का नाम दिया है, जबकि OpenAI ने GPT-4o नामक एक नए लैंग्वेज मॉडल पर इन क्षमताओं को संबोधित किया है।
  • Google द्वारा साझा किए गए एक डेमो वीडियो में, Google के कार्यालय में एक एस्ट्रा उपयोगकर्ता सिस्टम से स्पीकर के एक हिस्से की पहचान करने, उनके लापता चश्मे, समीक्षा कोड एवं बहुत कुछ ढूँढने  के लिए कहता है। यह सब व्यावहारिक रूप से रियल टाइम में तथा बहुत संवादात्मक तरीके से कार्य करता है।
  • अब तक, ह्यूमन-कंप्यूटर संपर्क टेक्स्ट-आधारित वार्तालापों तक ही सीमित रहा है।

प्रोजेक्ट एस्ट्रा (Project Astra)

• परिचय: यह एक रियल टाइम, मल्टीमॉडल AI असिस्टेंट है, जो दुनिया का अवलोकन  कर सकता है, तथ्यों को याद रख सकता है कि किसी ने कोई चीज कहाँ छोड़ी है एवं फोन के कैमरे के माध्यम से देखकर यह भी जवाब दे सकता है कि कंप्यूटर कोड सही है या नहीं।
  • प्रोजेक्ट एस्ट्रा के तहत, Google स्मार्टफोन एवं स्मार्ट ग्लास जैसे उपकरणों पर मल्टीमॉडल AI लैंग्वेज लाएगा, जो उपयोगकर्ताओं को टेक्स्ट, आवाज तथा फोटो/वीडियो का उपयोग करके अपने परिवेश के साथ संचार स्थापित करने की अनुमति देगा।
• इंटरनेट एवं वास्तविक दुनिया एकीकरण: Google AI असिस्टेंट उपयोगकर्ताओं के डिवाइस के कैमरे के माध्यम से इंटरनेट और वास्तविक दुनिया दोनों से जानकारी तक पहुँच सकता है।
  • इसका उद्देश्य उपयोगकर्ताओं के परिवेश को सीखना एवं उनके अनुकूल ढलना है, तथा एक निजी सहायक की तरह बनना है।
  • प्रोजेक्ट एस्ट्रा अभी भी विकासाधीन है एवं इसमें AI असिस्टेंट्स में एक महत्त्वपूर्ण प्रगति की संभावना बनी हुई है।

GPT-4o द्वारा संचालित OpenAI का ChatGPT

• OpenAI के बारे में: OpenAI ने अपने GPT-4o AI मॉडल में समान क्षमताओं का प्रदर्शन किया, जहाँ ‘o’ का अर्थ ‘omni’ है।
• इसमें दिखाया गया कि GPT-4o बोली जाने वाली भाषा का अनुवाद कर सकता है, गणित की समस्याओं को हल कर सकता है, कोड डिबग कर सकता है एवं अन्य चीजें कर सकता है।

OpenAI एवं Google के दृष्टिकोण में अंतर

• OpenAI के सहायक ने अपनी आवाज में भावनाओं एवं स्वरों की एक विस्तृत शृंखला (हल्की हँसी से लेकर धीमी फुसफुसाहट तक) प्रदर्शित की, जो इस बात पर निर्भर करता है कि उससे क्या पूछा जा रहा है।
• इसके विपरीत, Google का सहायक अधिक सीधा-सपाट था, उसकी आवाज में भावनात्मक विविधता की कोई सीमा नहीं थी।

संबद्ध चुनौतियाँ

• प्रीसेट आवाजों के साथ सीमित ऑडियो आउटपुट: GPT-4o अभी भी एकीकृत मल्टीमॉडल इंटरैक्शन की क्षमता तलाशने के शुरुआती चरण में है।
  • इस प्रकार, ऑडियो आउटपुट जैसी कुछ सुविधाएँ प्रारंभ में केवल पूर्व निर्धारित आवाजों के साथ सीमित रूप में ही पहुँच योग्य होती हैं।
  • जटिल मल्टीमॉडल कार्यों को निर्बाध रूप से सँभालने में इसकी क्षमता का पूरी तरह से एहसास करने के लिए और अधिक विकास तथा अद्यतन आवश्यक है।
• जेमिनी (Gemini) की बहुमुखी प्रतिभा: जेमिनी स्मार्ट ग्लास एवं स्मार्टफोन दोनों पर उपलब्ध होगा, जबकि OpenAI मॉडल स्मार्टफोन पर कार्य करेगा।

DOWNLOAD PDF