जेमिनी इंटेलिजेंस का भारत में विस्तार: पिक्सेल के अलावा अन्य एंड्रॉइड उपकरणों पर नई एआई क्षमताएं

आर्टिफिशियल इंटेलिजेंस (AI) की प्रतिस्पर्धा में Google कंपनी ने एक बड़ा कदम उठाया है। Business Standard की रिपोर्ट के अनुसार, Google ने भारत में अपनी 'Gemini Intelligence' सेवाओं का दायरा बढ़ा दिया है। इस विस्तार की सबसे बड़ी विशेषता यह है कि अब तक केवल Google के अपने Pixel स्मार्टफोन तक सीमित रहीं सुविधाएं अब अन्य कंपनियों के Android उपकरणों पर भी उपलब्ध हो रही हैं।

इस कदम से भारत के करोड़ों सामान्य स्मार्टफोन उपयोगकर्ताओं को अपने उपकरण पर ही कार्य स्वचालित करने यानी टास्क ऑटोमेशन (task automation) की सुविधा मिलेगी। यह नई तकनीक रोजमर्रा के कामकाज, जानकारी खोजने और एप्लिकेशन के संचालन को अत्यंत सरल बना देती है। वैश्विक प्रौद्योगिकी बाजार में भारत के एक विशाल उपभोक्ता आधार वाला देश होने के कारण, इस कदम को अत्यंत रणनीतिक माना जा रहा है।

इतिहास और पृष्ठभूमि: सर्च इंजन से AI क्रांति तक

Google की स्थापना जनवरी 1996 में स्टैनफोर्ड यूनिवर्सिटी के पीएचडी छात्रों लैरी पेज और सर्गेई ब्रिन द्वारा एक शोध परियोजना के रूप में की गई थी। उन्होंने 'PageRank' एल्गोरिदम विकसित किया, जो वेबपेज की उपयोगिता निर्धारित करने के लिए अन्य पेजों के लिंक की गणना करता था। अगस्त 1998 में Sun Microsystems के सह-संस्थापक एंडी बेचटोलशेम से प्राप्त $1,00,000 की प्रारंभिक पूंजी से कंपनी की औपचारिक शुरुआत हुई थी।

समय के साथ कंपनी ने सर्च इंजन के अलावा Android ऑपरेटिंग सिस्टम, Gmail, Maps और YouTube जैसे विशाल प्लेटफॉर्म विकसित किए। लेकिन नवंबर 2022 में जब OpenAI ने GPT-3 आधारित ChatGPT को आम जनता के लिए पेश किया, तो Google Search के अस्तित्व के सामने एक बड़ी चुनौती खड़ी हो गई। कंपनी के इतिहास में यह अभूतपूर्व स्थिति थी और प्रबंधन ने पूरे तंत्र को AI की ओर मोड़ने का निर्देश दिया।

2019 में Alphabet के पदों से सेवानिवृत्त हुए संस्थापकों लैरी पेज और सर्गेई ब्रिन को भी आपातकालीन बैठकों में वापस बुलाया गया था। फरवरी 2023 में सर्गेई ब्रिन ने वर्षों बाद फिर से कंपनी के कंप्यूटर कोड का सीधे उपयोग करने की अनुमति मांगी थी। इस पूरे संघर्ष के बाद कंपनी ने फरवरी 2023 में LaMDA आधारित Bard चैटबॉट की घोषणा की, जिसका नाम सेल्टिक भाषा के कहानीकार शब्द पर रखा गया था।

Gemini कैसे काम करता है: आर्किटेक्चर और मैकेनिज्म

दिसंबर 2023 में Google ने Bard का नाम बदलकर Gemini रखने की घोषणा की और इसे सही अर्थों में मल्टीमॉडल लार्ज लैंग्वेज मॉडल (multimodal large language model) के रूप में डिजाइन किया। मल्टीमॉडल का सरल अर्थ यह है कि यह मॉडल न केवल टेक्स्ट, बल्कि कंप्यूटर कोड, चित्रों, ऑडियो और वीडियो को एक साथ समझ और संसाधित कर सकता है। पारंपरिक प्रणालियों में प्रत्येक माध्यम के लिए अलग-अलग सॉफ्टवेयर की आवश्यकता होती थी, जबकि Gemini में यह सब एक ही ट्रांसफॉर्मर नेटवर्क द्वारा संचालित होता है।

उदाहरण के लिए, जिस तरह एक समझदार व्यक्ति एक ही समय में पुस्तक पढ़ सकता है, सामने का चित्र देख सकता है और बातचीत सुनकर त्वरित निर्णय ले सकता है, उसी तरह Gemini विभिन्न स्वरूप के डेटा को छोटे गणितीय टुकड़ों में विभाजित करता है। इन टुकड़ों को टोकन (token) कहा जाता है। ये सभी टोकन्स एक विशाल न्यूरल नेटवर्क से गुजरते हैं जहाँ सिस्टम संदर्भ समझकर अपने आप निर्णय लेता है।

मोबाइल उपकरणों में कार्य अपने आप करने के लिए Google ने मॉडल को विभिन्न आकारों में विभाजित किया है। इससे सामान्य प्रोसेसर वाले फोन में भी कार्यक्षमता बनी रहती है और महंगे क्लाउड सर्वर पर निर्भर रहना नहीं पड़ता है।

आंकड़े और मॉडल श्रेणी: Nano से Ultra

Google ने Gemini मॉडल को विभिन्न आवश्यकताओं के अनुसार चार मुख्य स्तरों में बांटा है। सबसे छोटा वेरिएंट 'Nano' है, जो सीधे मोबाइल उपकरण पर डेटा नेटवर्क के बिना प्रक्रिया करने के लिए डिज़ाइन किया गया है। मध्यम स्तर का 'Flash' उच्च गति और कम लागत के लिए उपयोगी है, जबकि 'Pro' जटिल कार्यों का विश्लेषण करता है और सबसे विशाल 'Ultra' अति जटिल गणनाओं के लिए उपयोग किया जाता है।

सर्च इंजन में ऐसे उन्नत चैटबॉट जोड़ना कंपनी के लिए आर्थिक रूप से अत्यधिक खर्चीला मामला था। Reuters के वित्तीय विश्लेषण के अनुसार, सर्च में ऐसी AI सुविधाएँ जोड़ने से Google को २०२४ तक $६ अरब का अतिरिक्त खर्च हो सकता था। जबकि सेमीकंडक्टर कंसल्टिंग फर्म SemiAnalysis के अनुमान के अनुसार यह अतिरिक्त खर्च वार्षिक $३ अरब जितना होने की संभावना थी।

फरवरी २०२३ में Bard के पेरिस लाइवस्ट्रीम प्रदर्शन के दौरान James Webb स्पेस टेलीस्कोप के बारे में एक गलत जानकारी दी गई थी। इस तकनीकी भूल के कारण Google की मार्केट वैल्यू में एक ही दिन में ८ प्रतिशत की गिरावट आई थी, जो लगभग $१०० अरब का आर्थिक नुकसान था। कंपनी ने २०२५ के दौरान Gemini 1.5 और Gemini 3 श्रेणी के उन्नत मॉडल्स पेश करके इस प्रकार की भ्रामक जानकारी यानी हेलुसिनेशन (hallucination) घटाने में सफलता हासिल की है।

सामरिक विस्तार और प्रौद्योगिकी अधिग्रहण

Google के चीफ एक्झिक्यूटिव ऑफिसर सुंदर पिचाई के नेतृत्व में कंपनी ने मोबाइल क्षेत्र में मजबूत पैठ बनाई है। अतीत में कंपनी ने २००७ में DoubleClick को $३.१ अरब में और मई २०१२ में Motorola Mobility को $१२.५ अरब में हस्तगत किया था ताकि पेटेंट सुरक्षा हासिल की जा सके और Android को दुनिया भर में निःशुल्क दिया जा सके। इसके बाद जनवरी २०१४ में DeepMind नामक AI अनुसंधान संस्था को लगभग $४०० मिलियन में खरीदकर अपनी कृत्रिम बुद्धिमत्ता क्षमताओं को मजबूत बनाया था।

इन तमाम निवेशों का अंतिम परिणाम यह हुआ कि Google के पास अपनी विशाल हार्डवेयर और सॉफ्टवेयर इकोसिस्टम तैयार हो गई। 2025 में कंपनी की आय का 73 प्रतिशत हिस्सा विज्ञापनों से आया था, जिसमें AdMob, AdSense और DoubleClick शामिल हैं। अब स्मार्टफोन पर AI सहायक को व्यापक बनाकर Google अपने सर्च और सेवाओं के प्लेटफ़ॉर्म को और अधिक मजबूत कर रहा है।

भारत और सामान्य उपयोगकर्ताओं के लिए इसका अर्थ

भारत दुनिया में Android आधारित स्मार्टफोन का सबसे बड़ा बाजार है। पहले Gemini की कई आधुनिक टास्क ऑटोमेशन क्षमताएं केवल Google Pixel उपकरणों तक सीमित रखी गई थीं। लेकिन Business Standard की रिपोर्ट के मुताबिक अब ये सेवाएं अन्य ब्रांड्स के Android स्मार्टफोन तक पहुंच रही हैं, जिसका अर्थ है कि लाखों भारतीय यूज़र्स अपने स्थानीय फोन से संदेशों का प्रबंधन, समय-सारणी तय करना, ऐप्स के बीच डेटा ट्रांसफर करना और जटिल निर्देश स्वचालित रूप से अमल में करवा सकेंगे।

इस कदम से रोजमर्रा के डिजिटल कामकाज में लोगों का काफी समय बचेगा। उपयोगकर्ता को हर ऐप खुद खोलकर आदेश देने के बजाय केवल एक साधारण आदेश से पूरी प्रक्रिया पूरी की जा सकेगी। भारत में विभिन्न भाषाओं और विषम हार्डवेयर स्पेसिफिकेशन्स वाले फोन बड़े पैमाने पर इस्तेमाल होने के कारण, 'Nano' जैसे हल्के मॉडल का ऑफ़लाइन ऑन-डिवाइस एकीकरण डिजिटल विभाजन को कम करने में मददगार साबित होगा।

चुनौतियां और अनसुलझे सवाल

इस आधुनिक विस्तार के बावजूद Gemini के सामने नैतिक और गोपनीयता से जुड़ी चुनौतियां यथावत हैं। शुरुआती दौर में मॉडल द्वारा दिए जाने वाले असंतुलित जवाबों और ऐतिहासिक तथ्यों की विसंगतियों के कारण कंपनी को मानवीय चित्र बनाने की सुविधा अस्थायी रूप से स्थगित करनी पड़ी थी। यूरोपीय संघ में डेटा प्रोटेक्शन नियमों के कारण इसकी शुरुआत में बाधाएं खड़ी हुई थीं।

उपयोगकर्ता के व्यक्तिगत डेटा, संदेश और लोकेशन को स्मार्टफोन पर सीधे स्कैन करके टास्क ऑटोमेशन प्रदान करते समय डेटा सुरक्षा कितनी बरकरार रहेगी, यह एक महत्वपूर्ण सवाल है। Google ने सुरक्षा के कड़े मानक लागू करने का दावा किया है, फिर भी स्वतंत्र शोधकर्ता और ग्राहक सुरक्षा समूह इन नई स्मार्टफोन ऑटोमेशन प्रणालियों पर बारीकी से नजर रख रहे हैं।