पब्लिश की गई: 22 मई, 2025
एआई की मदद से, वेब डेवलपर वेबसाइटें और वेब ऐप्लिकेशन बनाने के तरीके में बदलाव आ रहा है. Google I/O 2025 में, हमने पिछले एक साल में किए गए काम के बारे में बताया. साथ ही, यह भी दिखाया कि हमारे पार्टनर, वेब पर एआई का इस्तेमाल कैसे कर रहे हैं. इसके अलावा, हमने एआई के नए एपीआई के बारे में भी बताया जो पहले से मौजूद हैं.
क्या आपने यह इवेंट मिस कर दिया? खुशखबरी, अब टॉक को ऑन-डिमांड देखा जा सकता है!
Chrome में Gemini Nano के साथ, एआई की ऐसी सुविधाएं जो पहले से मौजूद हैं और असल में काम आती हैं
हमारा मुख्य मकसद, Chrome और वेब को सभी डेवलपर और उपयोगकर्ताओं के लिए ज़्यादा स्मार्ट बनाना है. इस टॉक में, Thomas Steiner ने पहले से मौजूद एआई की सुविधाओं के अपडेट, असल में काम आने वाले उदाहरणों, और हमारे आने वाले समय के प्लान के बारे में बताया है.
पहले से मौजूद एआई, ब्राउज़र में क्लाइंट-साइड मॉडल पर काम करता है. इसके कई फ़ायदे हैं:
- निजता: उपयोगकर्ता का संवेदनशील डेटा, डिवाइस पर ही रहता है. इसे ब्राउज़र से बाहर भेजने की ज़रूरत नहीं होती.
- ऑफ़लाइन: ऐप्लिकेशन, इंटरनेट कनेक्शन न होने पर भी एआई की सुविधाओं का ऐक्सेस पा सकते हैं.
- बेहतर परफ़ॉर्मेंस: हार्डवेयर ऐक्सेलरेशन की वजह से, ये एपीआई बेहतरीन परफ़ॉर्मेंस देते हैं.
मल्टीमॉडल एपीआई
हम नए मल्टीमॉडल एपीआई पर काम कर रहे हैं. इसका मतलब है कि मॉडल से यह पूछा जा सकता है कि वह विज़ुअल कॉन्टेंट में क्या "देख" रहा है या ऑडियो कॉन्टेंट में क्या "सुन" रहा है. उदाहरण के लिए, किसी ब्लॉग प्लैटफ़ॉर्म पर अपलोड की गई इमेज के लिए, वैकल्पिक टेक्स्ट के सुझाव पाएं. उपयोगकर्ता इन सुझावों में बदलाव कर सकते हैं. इसके अलावा, Gemini Nano से पॉडकास्ट के लिए, ब्यौरे या ट्रांसक्रिप्ट लिखने के लिए कहा जा सकता है.
हाइब्रिड एआई
क्लाइंट-साइड एआई के साथ, डेवलपर को एक चुनौती यह मिलती है कि सभी प्लैटफ़ॉर्म और ब्राउज़र, डिवाइस पर मॉडल चलाने के लिए हार्डवेयर की ज़रूरी शर्तों को पूरा नहीं करते. Gemini और Firebase ने मिलकर, Firebase Web SDK बनाया है. इससे, क्लाइंट-साइड लागू करने की सुविधा उपलब्ध न होने पर, सर्वर पर Gemini Nano का इस्तेमाल किया जा सकता है.
आपके साथ काम करना
हमें खुशी है कि हमने पहले से मौजूद एआई के एपीआई पर कई डेवलपर के साथ काम किया है. आपके बिना, हमारे प्रयास पूरे नहीं हो सकते.
- अर्ली प्रीव्यू प्रोग्राम: 16,000 से ज़्यादा डेवलपर, EPP में शामिल हुए हैं. वे नए एपीआई की टेस्टिंग कर रहे हैं, इस्तेमाल के नए उदाहरण खोज रहे हैं, और वेब के लिए बेहतर एआई बनाने के लिए सुझाव दे रहे हैं.
- हैकथॉन: हमने दो हैकथॉन आयोजित किए हैं. इनमें आपने कुछ शानदार वेबसाइटें और एक्सटेंशन बनाए हैं.
आपका काम खत्म नहीं हुआ है. अपने सुझाव शेयर करते रहें. साथ ही, पहले से मौजूद एआई के नए एपीआई की टेस्टिंग करते रहें. हम इनमें सुधार करते रहेंगे. W3C के वेब मशीन लर्निंग कम्यूनिटी ग्रुप में शामिल होकर, इन एपीआई को स्टैंडर्ड बनाने में भी मदद की जा सकती है.
आपके ब्राउज़र में Gemini की मदद से, Chrome एक्सटेंशन का आने वाला समय
पिछले दो सालों में, एआई की मदद से काम करने वाले एक्सटेंशन की संख्या दोगुनी हो गई है. असल में, Chrome Web Store से इंस्टॉल किए गए सभी एक्सटेंशन में से 10% एक्सटेंशन, एआई का इस्तेमाल करते हैं. इस टॉक में, Sebastian Benz ने असल में काम आने वाले उदाहरणों के ज़रिए बताया है कि Chrome एक्सटेंशन और Gemini, एक साथ मिलकर कितने असरदार साबित हो सकते हैं.
उदाहरण के लिए, Chrome के हाल ही में लॉन्च किए गए प्रॉम्प्ट एपीआई का इस्तेमाल करके, क्लाइंट पर वेबसाइटों से डेटा निकालकर और उसे प्रोसेस करके, ब्राउज़र को ज़्यादा मददगार कैसे बनाया जा सकता है.
Chrome एक्सटेंशन में, Chrome के प्रॉम्प्टिंग एपीआई की नई मल्टीमॉडल क्षमताओं की मदद से, ऑडियो और इमेज को उपयोगकर्ताओं के लिए ज़्यादा सुलभ कैसे बनाया जा सकता है.
Google DeepMind के प्रोजेक्ट Mariner में, Chrome एक्सटेंशन और Gemini Cloud के नए एपीआई का इस्तेमाल करके, ब्राउज़र एजेंट कैसे बनाया जाता है.
Chrome एक्सटेंशन में, क्लाउड या ब्राउज़र में Gemini का इस्तेमाल करके, ब्राउज़िंग के नए अनुभव बनाएं और ब्राउज़र को ज़्यादा मददगार बनाएं.
असल दुनिया में, वेब पर एआई के इस्तेमाल के उदाहरण और रणनीतियां
Yuriko Hirota और Swetha Gopalakrishnan ने असल दुनिया के उदाहरणों के ज़रिए बताया कि कंपनियां, अपने कारोबार और उपयोगकर्ता अनुभव को बेहतर बनाने के लिए, वेब पर एआई का इस्तेमाल कैसे कर रही हैं. इससे कोई फ़र्क़ नहीं पड़ता कि उनके सलूशन में क्लाइंट-साइड मॉडल, सर्वर-साइड मॉडल या हाइब्रिड सलूशन का इस्तेमाल किया गया है. अहम बात यह है कि आप अपने उपयोगकर्ताओं को अभी कौनसी नई और दिलचस्प सुविधाएं उपलब्ध करा रहे हैं.
BILIBILI ने एक नई सुविधा बुलेट-स्क्रीन टिप्पणियां जोड़कर, अपने वीडियो स्ट्रीम को ज़्यादा दिलचस्प बनाया है. इस सुविधा की मदद से, वीडियो में रीयल टाइम में उपयोगकर्ता की टिप्पणियां दिखती हैं. ये टिप्पणियां, वीडियो में बोलने वाले व्यक्ति के पीछे दिखती हैं. इसके लिए, वे इमेज सेगमेंटेशन का इस्तेमाल करते हैं. यह मशीन लर्निंग का एक जाना-माना कॉन्सेप्ट है. इसका नतीजा यह हुआ कि सत्र की अवधि में 30% की बढ़ोतरी हुई! Tokopedia ने सेलर की पुष्टि करने की प्रोसेस में, फ़ेस डिटेक्शन मॉडल का इस्तेमाल करके, अपलोड की गई फ़ोटो की क्वालिटी का आकलन किया. इससे, सेलर की पुष्टि करने की प्रोसेस में लगने वाले समय को कम किया गया. इसका नतीजा यह हुआ कि उन्होंने मैन्युअल तरीके से दी जाने वाली मंज़ूरी की संख्या में, करीब 70% की कमी की.
Vision Nanny, सेरेब्रल विज़ुअल इंपेयरमेंट (सीवीआई) वाले बच्चों के लिए एक वेब प्लैटफ़ॉर्म है. यह एआई की मदद से, विज़न स्टिमुलेशन से जुड़ी गतिविधियां उपलब्ध कराता है. वे MediaPipe की कई लाइब्रेरी का इस्तेमाल करते हैं. इनमें, हैंड लैंडमार्क डिटेक्शन मॉडल भी शामिल है. यह मॉडल, किसी इमेज, वीडियो या रीयल टाइम में हाथों के मुख्य पॉइंट का पता लगाता है. 50 बच्चों के साथ किए गए पायलट प्रोग्राम से पता चला कि Vision Nanny, मैन्युअल तरीके से की जाने वाली विज़ुअल स्टिमुलेशन की गतिविधियों की तुलना में, पांच गुना तेज़ी से जवाब देता है. थेरेपिस्ट ने बताया कि मैन्युअल सेटअप को हटाने से, हर सेशन में औसतन तीन घंटे की बचत हुई.
Google Meet में एआई की मदद से कई सुविधाएं उपलब्ध हैं. इनमें, रोशनी को बेहतर बनाने से लेकर, धुंधले और खराब क्वालिटी वाले वीडियो को बेहतर बनाने तक की सुविधाएं शामिल हैं. सबसे बड़ी चुनौती यह है कि इन सुविधाओं को रीयल टाइम में काम करना होता है. यहां WebAssembly (Wasm) काम आता है. इसकी मदद से, कंप्यूटर के सीपीयू की पूरी क्षमता का इस्तेमाल किया जा सकता है और रीयल टाइम में वीडियो प्रोसेसिंग की जा सकती है.
ये असल दुनिया के कुछ उदाहरण हैं, जिनमें वेब पर एआई का इस्तेमाल किया जा रहा है. कई अन्य कंपनियों ने, पहले से मौजूद एआई के एपीआई के साथ एक्सपेरिमेंट किए. इनमें से कुछ कंपनियों ने, केस स्टडी में अपने काम के बारे में बताया.
क्लाइंट-साइड वेब एआई एजेंट की मदद से, आने वाले समय में उपयोगकर्ताओं को बेहतर अनुभव देना
Jason Mayes ने इंटरनेट के आने वाले समय के बारे में बताया. यह वेब एआई एजेंट के बारे में था. आने वाले समय में, वेब पर एआई एजेंट की सुविधा उपलब्ध होगी. इससे, एआई की सुविधाएं सीधे ब्राउज़र में मिलेंगी. इनकी मदद से, लार्ज लैंग्वेज मॉडल (एलएलएम) की क्षमताओं से ज़्यादा काम किए जा सकेंगे.
क्लाइंट-साइड अप्रोच से, निजता बेहतर होती है, इंतज़ार का समय कम होता है, और लागत में काफ़ी बचत हो सकती है. एजेंट की मदद से, अपनी मौजूदा वेबसाइट को अपग्रेड किया जा सकता है. साथ ही, उपयोगकर्ता के लिए टास्क अपने-आप पूरे किए जा सकते हैं. इसके लिए, एजेंट, उपलब्ध टूल को डाइनैमिक तरीके से चुनता है और उनका इस्तेमाल करता है. ऐसा हो सकता है कि एजेंट, एक ही टास्क को पूरा करने के लिए कई टूल का इस्तेमाल करे. इससे, एजेंट मुश्किल या कई चरणों वाले टास्क को पूरा कर पाता है.
एजेंट ये काम कर सकते हैं:
- सब-टास्क की प्लानिंग करना और उन्हें अलग-अलग हिस्सों में बांटना. साथ ही, ज़्यादा मुश्किल समस्याओं को हल करने के लिए, कई चरणों वाली प्लानिंग की मदद से, टास्क को लॉजिकल चरणों में बांटा जाता है, ताकि उसे पूरा किया जा सके.
- सबसे सही टूल चुनना. चाहे वे फ़ंक्शन हों, एपीआई का इस्तेमाल हो या ऑगमेंटेड लैंग्वेज मॉडल के बुनियादी ज्ञान के लिए डेटास्टोर का ऐक्सेस हो. इसके बाद, बाहरी दुनिया में कार्रवाइयां करना.
- कॉन्टेक्स्ट के हिसाब से मेमोरी सेव रखना. यह एजेंट या बाहरी टूल से मिले पिछले आउटपुट के आधार पर होता है. शॉर्ट-टर्म मेमोरी, मॉडल के कॉन्टेक्स्ट विंडो साइज़ के हिसाब से, कॉन्टेक्स्ट के इतिहास के FIFO बफ़र की तरह काम करती है. वहीं, लॉन्ग-टर्म मेमोरी में, वेक्टर डेटाबेस का इस्तेमाल करके जानकारी सेव की जा सकती है. इससे, पिछली बातचीत के सेशन या अन्य डेटा सोर्स से ज़रूरत के हिसाब से जानकारी वापस पाई जा सकती है.
वेब एआई एजेंट को, JavaScript में मौजूद वेब टेक्नोलॉजी के साथ इंटिग्रेट करने के लिए डिज़ाइन किया गया है. सबसे अहम बात यह है कि हमें ब्राउज़र में मॉडल को बेहतर तरीके से चलाने के लिए, अपने हार्डवेयर को बेहतर बनाना जारी रखना होगा. आने वाले समय में, WebNN जैसी टेक्नोलॉजी, सीपीयू, जीपीयू, और एनपीयू में मॉडल के एक्ज़ीक्यूशन को ऑप्टिमाइज़ करने में अहम भूमिका निभाएगी. एलएलएम के छोटे वर्शन और लगातार हो रहे डेवलपमेंट की वजह से, आने वाले समय में यह और भी ज़्यादा असरदार साबित होगा.
हाइब्रिड अप्रोच का इस्तेमाल करें. इसमें, डिवाइस पर प्रोसेसिंग को रणनीतिक क्लाउड कॉल के साथ जोड़ा जाता है. इससे, अभी ब्राउज़र में, उपयोगकर्ताओं को बेहतर, रिस्पॉन्सिव, और अपनी ज़रूरत के मुताबिक अनुभव दिया जा सकता है. आने वाले समय में, वेब एआई अप्रोच में किए गए निवेश का फ़ायदा मिलेगा, क्योंकि डिवाइस एलएलएम को बेहतर तरीके से चला पाएंगे.
Google I/O 2025 के बारे में जानकारी पाएं
हमने Google I/O 2025 की सभी टॉक रिलीज़ कर दी हैं. साथ ही, वेब डेवलपर के लिए एक प्लेलिस्ट भी बनाई है. ज़्यादा जानकारी के लिए, io.google/2025 पर जाएं.