इंसान-केंद्रित AI तकनीक 'Humane AI Pin'

 (hu.ma.ne)
2 पॉइंट द्वारा GN⁺ 2023-11-11 | 1 टिप्पणियां | WhatsApp पर शेयर करें

नया टेक प्रोडक्ट लॉन्च

  • नया टेक प्रोडक्ट $699 की कीमत पर लॉन्च किया गया है.
  • अमेरिका में ऑर्डर 16 नवंबर से शुरू होंगे.
  • प्रोडक्ट की विस्तृत तकनीकी जानकारी 'trustcosmostech' वेबसाइट पर देखी जा सकती है.

GN⁺ की राय

  • इस लेख की सबसे महत्वपूर्ण जानकारी यह है कि नया टेक प्रोडक्ट लॉन्च हो गया है, और इसकी कीमत व ऑर्डर शुरू होने की तारीख का खुलासा किया गया है.
  • टेक उत्साही लोगों और उपभोक्ताओं के लिए यह लेख नए प्रोडक्ट के प्रति रुचि जगाता है और खरीद पर विचार करने लायक उपयोगी जानकारी देता है.

संबंधित पढ़ाई

1 टिप्पणियां

 
GN⁺ 2023-11-11
Hacker News की राय

  • इससे जुड़ा चल रहा थ्रेड: The Humane AI Pin Launches Its Campaign to Replace Phones - https://news.ycombinator.com/item?id=38207656 - नवंबर 2023, 130 टिप्पणियां

  • इस product के सफल न होने की कई वजहें हैं, लेकिन सिर्फ यह बात कि लोग कुछ नया आजमा रहे हैं, उत्साहित करती है, और design भी काफी अच्छा दिखता है
    पहली नजर में इसे आसानी से dismiss किया जा सकता है, लेकिन लगता है कि ये लोग सचमुच interaction के नए तरीके पर सोच रहे हैं। लंबे समय में “computer गायब हो जाएगा” वाला विचार सही साबित हो सकता है। पढ़ने, photos, movies जैसे content consumption को छोड़ दें, तो computer और phone से किए जाने वाले ज्यादातर कामों के लिए जरूरी नहीं कि screen हो। अगर computer लोगों के बीच interaction में कम बाधा डाले और बेहतर तरीके से पीछे हट जाए, तो यह अच्छी बात होगी
    हालांकि यह समाधान है या नहीं, यह साफ नहीं है। बाहर की ओर facing camera की वजह से privacy violation या creepy लगने की समस्या अभी भी वास्तविक है, और latency व battery life भी बड़ी सीमाएं हो सकती हैं। price भी कई लोगों के लिए शुरुआत से ही बाधा है, मेरे लिए भी
    फिर भी इसमें vision है, इसलिए यह impressive है। Conversational interfaces अब तक कई कारणों से सफल नहीं हुए हैं, लेकिन इसका मतलब यह नहीं कि वे सिद्धांत रूप में असंभव हैं; ideal implementation में वे आकर्षक भी हो सकते हैं। कोशिश अपने-आप में अच्छी लगती है, और laser display भी शानदार है

    • लोगों का नई चीजें आजमाना सचमुच रोमांचक है, लेकिन सिर्फ इस demo को देखकर मैं इसे शायद नहीं खरीदूंगा
      मैंने कई सालों तक voice UI/UX पर काफी research की है, और large language models होने के बावजूद इस product को लेकर बहुत skeptical हूं। Siri/Alexa के दौर में “audio command line” को “chat interface” में बदलने वाला LLM गायब था, यह सही है, लेकिन failure की वजह सिर्फ वही नहीं थी
      chat, खासकर voice की information density और linearity बड़ी समस्या है। screen पर आंखें 2D में घूमती हैं और sidebar, paragraphs, buttons, bars वगैरह को एक साथ scan कर सकती हैं, लेकिन conversation में आप एक समय में सिर्फ एक चीज सुन या पढ़ सकते हैं, और lists भी एक-एक करके ही पेश होती हैं। इसलिए किसी भी decision tree या menu tree को explore करना बहुत धीमा हो जाता है। mobile-first design ने इसे सरल जरूर किया है, लेकिन पर्याप्त नहीं। TTS से पढ़कर सुनाने का तरीका मनचाही जानकारी खोजने में और धीमा है
      इसलिए अब तक इसकी जगह smarthome, media, timers जैसे simple controls और weather, doorbell notifications, आखिरी message पढ़ना जैसी simple information retrieval में बनी है। इसके ऊपर public places में जोर से बोलना पड़ना, misrecognition जैसी voice UI की unavoidable कमियां भी हैं
      मेरी नजर में ऐसे voice devices का best उपयोग यही है कि, जैसा इन्होंने किया, “हाल में मैंने क्या miss किया?” जैसे simple experiences पर focus करें और उम्मीद करें कि AI काफी अच्छा काम करे। laser display media control की तरह पूरा menu एक साथ दिखाने में मदद कर सकता है, लेकिन अंततः इसके इस्तेमाल में एक खराब smartwatch जैसी असुविधा होने की संभावना ज्यादा है
      सच कहूं तो सबसे ज्यादा झिझक pin form factor को लेकर है। projector तक को ध्यान में रखें तो यह नया जरूर है, पर यह कितना भारी होगा और कपड़ों की fit/feel पर क्या असर डालेगा? jacket या scarf पहनें तो? चलते समय क्या यह लटककर हिलेगा नहीं?
    • “computer और phone से किए जाने वाले ज्यादातर कामों के लिए जरूरी नहीं कि screen हो” — इस बात पर मुझे संदेह है
      दुर्भाग्य से brain के पास external world से interaction के सिर्फ 5 senses हैं, और उनमें vision की information density सबसे ज्यादा है और इसे इस्तेमाल करना भी सबसे आसान है। screen कुछ समय तक गायब नहीं होने वाली लगती
      projector भी मेरे लिए screen जैसा ही है, और इसका इतिहास भी काफी पुराना है। हालांकि छठी sense introduce करने जैसे direct brain-computer interface को लेकर मैं उत्साहित हूं
    • बाहर की ओर facing camera से privacy violation या creepy feeling होने की बात गलत है, ऐसा नहीं लगता, लेकिन यह मजेदार है कि हर कोई बाहर की ओर facing phone camera लेकर चलता है, इस पर हम कम चिंतित होते हैं
    • market में यह शायद बुरी तरह मर जाएगा, लेकिन इसमें Star Trek vibe है, इसलिए यह निश्चित रूप से interesting है। इन features में से कुछ absorb करने वाली next generation devices ज्यादा सफल हो सकती हैं
    • मैं इस बात से सहमत हूं कि computer को लोगों के बीच interaction में बाधा नहीं डालनी चाहिए और पीछे हटना चाहिए, लेकिन यह product वह नहीं है
      हर कुछ मिनट में device को voice command बोलना, किसी के phone देखकर type करने से कहीं ज्यादा disruptive है। फिर भी पहली नजर में यह cool लगता है, इससे सहमत हूं। real world में लोगों को voice commands बहुत बार देनी पड़ेंगी, इसलिए यह bad idea जैसा दिखता है

  • demo में पूछा जाता है, “अगला solar eclipse कब है और उसे देखने के लिए सबसे अच्छी जगह कहां है?”, और AI 8 अप्रैल 2024 तारीख तो सही बताता है, लेकिन “सबसे अच्छी जगह Australia का Exmouth और East Timor हैं” कहकर पूरी तरह hallucinate करता है
    यह eclipse केवल North America में दिखेगा और Australia व East Timor में नहीं दिखेगा। अच्छा हुआ कि इसने 7 अप्रैल के लिए Australia की flight ticket book करने को नहीं कहा। अगर यह technology demo है, तो क्या इन्हें यह check नहीं करना चाहिए था कि AI hallucinate कर रहा है या नहीं

    • यह भी कहता है कि almonds की उस मात्रा में 15g protein है, लेकिन कई online nutrition info sites के हिसाब से उसके लिए करीब 50 almonds चाहिए होंगे
      यकीन नहीं होता कि उन्होंने यह वैसे ही रहने दिया। ad में कम से कम चीजों को अच्छा दिखाना चाहिए, लेकिन नतीजा promotional video के बिल्कुल उलट हो गया
    • Google को भी Bard demo के समय ऐसी ही घटना पर काफी backlash मिला था: https://www.bbc.com/news/business-64576225
    • ऐसी चीजों के बाद inbox summarize करते समय यह hallucinate नहीं करेगा, इस पर कैसे भरोसा किया जाए, समझ नहीं आता
    • सही है, eclipse वाला जवाब गलत था
      Google Bard के hallucination demo के बाद सबक सीख लिया होगा, ऐसा लगता था
      (1) https://www.space.com/33784-solar-eclipse-guide.html

  • सबसे बड़ी समस्या यह है कि लोग सार्वजनिक जगहों पर कंप्यूटर से बात करना पसंद नहीं करते
    Alexa काफी इस्तेमाल के सबसे करीब इसलिए पहुंची, क्योंकि उसे घर जैसी निजी जगह में इस्तेमाल किया जा सकता था
    voice UI में क्या किया जा सकता है और क्या नहीं, इसकी सीमा अस्पष्ट होना भी बड़ी बाधा है। “माफ़ कीजिए, मैं यह नहीं कर सकता” कुछ बार सुनने के बाद लोग इस्तेमाल करना बंद कर देते हैं

    • अगर इस डिवाइस की उपयोगिता मौजूदा सांस्कृतिक norms को पीछे छोड़ने जितनी बड़ी नहीं है, तो असल में ऐसी जगहें बहुत कम हैं जहां डिवाइस से voice के जरिए interaction करना सहज लगे
      GPT voice के साथ मैंने खुद यह अनुभव किया है। फीचर शानदार है, लेकिन बाहर चलते हुए या अपने office में बैठे होने को छोड़ दें, तो अचानक किसी चीज़ से बात करना ठीक लगे—ऐसी जगहें बहुत कम हैं
      धुंधली स्थिति तब होती है जब आपने earphones लगाए हों और ऐसा लगे कि आप किसी से phone पर बात कर रहे हैं, फिर भी आम तौर पर लोग सार्वजनिक जगहों पर दूसरों से दूरी बनाए बिना phone call नहीं करते। आजकल ज्यादातर हल्की-फुल्की बातचीत voice या video call के बजाय text में होती है, इसकी वजह है
    • सहमत हूं, लेकिन लगता है यह जल्द ही बहुत बेहतर हो जाएगा। Siri मुझे इसलिए पसंद नहीं थी क्योंकि हमेशा ऐसा लगता था कि कुछ मंत्र जैसे commands याद रखने पड़ते हैं। बहुत खराब command line जैसी थी। लेकिन large language models असली intelligence तक न भी पहुंचें, तब भी इस क्षेत्र में काफी मदद कर सकते हैं
      इसमें GPT Vision, Whisper जैसी चीजें जुड़ें तो जल्द ही यह बहुत ज्यादा natural लगेगा
      सच कहूं तो हैरानी है कि Apple इसे कहीं ज्यादा जोर से आगे नहीं बढ़ा रहा। Siri का इतना प्रचार करता है, लेकिन मेरे लिए वह बेकार है। Apple चाहे तो ऐसा कोई AI Pin बना सकता है, लेकिन बाहर से देखने पर समझ ही नहीं आता कि वह इस क्षेत्र में क्या कर रहा है। ऐसा लगता है जैसे जानबूझकर नाव को निकलते देख रहा हो
      साथ ही, Pin + AirPods का combo ज्यादा शांत तरीके से interaction करने का अच्छा तरीका हो सकता है
    • मैं नए Meta Ray-Ban glasses इस्तेमाल कर रहा हूं, और यह देखकर हैरानी हुई कि mic मुंह के करीब होने से धीरे बोलने पर भी यह उम्मीद से बेहतर पहचान लेता है। फिर भी सार्वजनिक जगहों पर ऐसा करना अभी भी अच्छा नहीं लगता
    • सार्वजनिक जगह पर Siri से बात करना मुझे इसलिए बुरा लगता था क्योंकि 70% बार वह मनचाहा काम कर देती थी, लेकिन 30% बार कोशिश करने पर मुझे ही बेवकूफ जैसा महसूस कराती थी
      जब Apple Shortcuts को push कर रहा था, तब मैंने इसे गंभीरता से इस्तेमाल किया था, लेकिन वह 30% failure rate आखिरकार घातक साबित हुआ। presentation देखकर Humane product को लेकर curiosity हुई है, लेकिन मैं पहले failure modes देखना चाहता हूं और नया 3Com Audrey जैसा product सबसे पहले खरीदने वाला व्यक्ति नहीं बनना चाहता, इसलिए फिलहाल इंतजार करूंगा
    • लोग सार्वजनिक जगहों पर कंप्यूटर से बात नहीं करना चाहते, इसकी अकेली वजह यह है कि यह इंसान से बात करने से अजीब तरह से अलग दिखाई देता है
      मुझे नहीं लगता यह समस्या लंबे समय तक रहेगी। ChatGPT voice mode लगभग 99% तक पहुंच चुका है। बस बातचीत का rhythm बाकी है। आप ChatGPT को natural तरीके से बीच में रोककर बोल नहीं सकते, button दबाना पड़ता है

  • यह कलाई पर नहीं, shirt पर पहनी जाने वाली, कम features वाली Apple Watch जैसी दिखती है
    अभी Siri बहुत अच्छी नहीं है, यह सही है, लेकिन Apple अपना large language model जोर-शोर से बना रहा है, इसलिए यह जल्दी बदल जाएगा
    project शानदार है, लेकिन लगता नहीं कि यह ऐसा product है जिसे ज्यादातर लोग चाहेंगे। Google Glass जैसा दिखता है
    उन्होंने Google Glass वाली वही शर्मनाक कोशिश भी दोहरा दी, जैसे Fashion Week runway पर चढ़ा देने से वह तुरंत fashionable हो जाएगा: https://images.fastcompany.net/image/upload/w_1200,c_limit,q...

    • सोचकर देखें तो यह Apple Watch competitor है। बस इसमें एक अजीब नया interaction paradigm चाहिए, जो Watch से कहीं ज्यादा खराब लगता है
      कलाई उठाकर छोटी screen देखना और बोलना intuitive है, Humane widget ऐसा नहीं है
      सार्वजनिक जगह पर voice command देने की साधारण स्थिति सोचें: Watch को मुंह के पास लाकर दूसरे हाथ से दोनों को ढककर आप और धीरे बोल सकते हैं। Humane में क्या shirt को मोड़कर चेहरे की तरफ उठाना पड़ेगा?
      ऊपर से मैं धरती की सबसे तेज धूप वाली जगहों में से एक में रहता हूं, इसलिए बाहर हाथ पर projected light screen दिख पाएगी, इस पर भरोसा करना मुश्किल है
      फिर भी exploration और नए ideas के पक्ष में हूं। form factor को लेकर मैं गलत साबित होने को तैयार हूं। लेकिन wearable computing interface की समस्या तो लगता है कुछ सौ साल पहले ही काफी हद तक हल हो चुकी थी, और इसे पलटने के लिए बहुत मनाना पड़ेगा
    • इससे कहीं पुराने products याद आते हैं: https://www.youtube.com/watch?v=vj24kNJEQJs (bonyt ने पहले पहचान लिया)
    • watches और phones में Humane AI Pin जैसी optical और acoustic visibility नहीं होती। साथ ही यह police द्वारा पहने जाने वाले Axon bodycam जैसा काफी दिखता है
    • यह ज्यादा महंगा भी है। मैं dedicated watch $10 प्रति माह में इस्तेमाल कर रहा हूं, और फिर भी third-party apps बना सकता हूं। Humane में ऐसा होता नहीं दिखता, और मैं इसे इस तरह shirt पर लगाना भी नहीं चाहूंगा
      अकेला differentiator शायद real-time translation है, लेकिन यह ऐसा use case नहीं है जिसे अक्सर इस्तेमाल करूं, और जरूरत पड़ने पर Google Translate के लिए phone निकाल सकता हूं
      नए hardware पसंद हैं, इसलिए अफसोस है, लेकिन इस कीमत और features के साथ, कम से कम मेरे लिए यह product सही नहीं है
    • “Nomad से कम जगह है” type के latest comments अब तुलना के लिए Apple को सामने रख रहे हैं, यह काफी मजेदार है

  • सार्वजनिक जगहों पर voice interface इस्तेमाल करने से आप बेवकूफ दिखते हैं, यही समस्या है। यहां तक कि जब वह सच में काम करता है, तब भी, और device को शायद मुझे private बातें भी बतानी पड़ सकती हैं
    “Hey Humane, अगले मंगलवार दोपहर 2 बजे meeting add कर दो”
    “माफ़ कीजिए Dave, मैं यह नहीं कर सकता। आपका piles से जुड़ा hospital appointment है”

  • सच में पूछूँ तो यह कौन-सी समस्या हल करता है? जैसे ही Apple Siri में large language model जोड़ देगा, क्या यह तुरंत बर्बाद नहीं हो जाएगा?
    समझ नहीं आता कि पहले से मौजूद watch, phone, earbuds, speaker की जगह कोई 600 डॉलर और subscription fee देकर इसे क्यों इस्तेमाल करे
    voice को मुख्य interaction बनाकर screen छोड़ने की ज़िद भी समझ नहीं आती। कम-से-कम Google Glass या augmented reality में पढ़ तो सकते हैं

    • voice को मुख्य interaction बनाकर screen छोड़ने की बात समझ न आने वाली बात से सहमत हूँ
      कुछ साल पहले Google I/O presentation में कहा गया था कि users multi-modal interaction चाहते हैं। जैसे voice से restaurant recommendation माँगना, और results की list device पर देखना। query और result अपने-अपने सबसे आसान तरीके से पेश होते हैं, और इंसान स्वाभाविक रूप से दोनों के बीच आता-जाता है
      यह product launch होते ही मरता हुआ लगता है। कौन इस तरह हाथ उठाए रखना चाहेगा? कौन असमतल “screen” देखना चाहेगा? चलते समय या car, bus, metro जैसी यात्रा के दौरान भी इस्तेमाल कर सकते हैं?
      क्या यह बस sunk cost fallacy से निकला launch नहीं है?
    • यह combadge है
      फिर कह रहा हूँ, combadge है। यह उस स्पष्ट समस्या को हल करता है कि combadge मौजूद नहीं है और इस्तेमाल में नहीं है
      या कम-से-कम लगभग combadge है। quality-wise यह अच्छा कदम आगे है, लेकिन subscription जैसी बहुत-सी unwanted features हैं। Ferengi combadge होता तो शायद बात बनती। screen, wake word वगैरह की भी जरूरत नहीं। combadge को image projector होने की जरूरत नहीं, न ही rich tactile controls की। अगर उन features को नज़रअंदाज़ करें तो product-problem fit और बेहतर हो सकता है
    • लोग mobile phone के बाद के form factor के बारे में सोच रहे हैं। Apple नए Apple Watch और आने वाले Apple Vision के जरिए सबको hand gestures की training दे रहा है, और Humane हाथ पर projection और touch की तरफ जा रहा है
    • यह किसी organization के senior members द्वारा खरीदा जाने वाला cool toy जैसा दिखता है, जिसे बाकी लोग नहीं खरीदेंगे
      consumer market में यह compete नहीं कर सकता क्योंकि यह social media पर time waste नहीं करवाता। enterprise market में screen न होने की वजह से compete नहीं कर सकता। email नहीं, spreadsheet नहीं, वे collaboration chat apps नहीं जिनकी सबको आदत हो चुकी है। photos भी शानदार होना मुश्किल है, और इस device से ली गई photos और videos देखने के लिए एक और device चाहिए
      अगर impressive AI features की वजह से यह सफल होता है, तो smartphone makers AI में R&D झोंककर software update के जरिए उसे free में दे सकते हैं। अभी इसे इस्तेमाल करने वाले शायद सिर्फ वे लोग होंगे जिनका काम meetings schedule करना और colleagues या customers को छोटे messages भेजना है
    • पहले उस व्यक्ति ने TED talk में motivation समझाई थी। मुझे याद है core बात यह थी कि उसे पसंद नहीं था कि phone इंसान और दुनिया के बीच आकर उसे moment से खींच लेता है
      यह ऐसी technology बनाने की कोशिश थी जो जीवन में distraction न बने और background में गायब हो जाए, और शायद यही उसका मुख्य principle था

  • “laser ink display” कुछ वैसा लगता है जैसा Cicret Bracelet नाम की bogus display technology थी, जिसे VFX video creator Captain Disillusion ने कुछ साल पहले अच्छी तरह debunk किया था: https://www.youtube.com/watch?v=KbgvSi35n6o
    कुछ videos ऐसे हैं जो actual demo जैसे दिखते हैं, लेकिन मैंने अभी तक ऐसा कोई case नहीं देखा जहाँ independent reviewer ने device और, ज्यादा महत्वपूर्ण, filming camera settings को control किया हो। real world में यह usable होगा, इसे लेकर मैं बेहद skeptical हूँ। founder demo में palm को ऊपर tilt करने वाला input है, लेकिन indoor lighting में भी projection मुश्किल से दिखता है, धूप की तो बात ही छोड़िए: https://youtu.be/CwSeUV3RaIA?t=205
    इस product की pitch शायद यह है कि “अब distracting screens नहीं, और बहुत सारे apps और services download करके manage करने की जरूरत नहीं।” लेकिन screen तो है। बहुत खराब screen है, और वह बस मेरा हाथ है। और आप device के साथ आने वाले सिर्फ एक services और apps bundle तक सीमित हैं
    यह कहना अच्छा है कि AI आपकी मनचाही हर चीज कर सकता है, लेकिन real world में दुर्भाग्य से copyright restrictions और content licensing agreements होते हैं, और किसी legitimate company की default service को इनका पालन करना पड़ता है। अगर जो गाना मैं सुनना चाहता हूँ वह इस product की partner music service में नहीं है, तो क्या मैं अपने computer से इस device में music files transfer कर सकता हूँ? ऐसे use cases बहुत हैं, और जल्दी ही real screen और conversational voice command से ज्यादा precise और domain-specific input methods की जरूरत पड़ने लगती है

    • यह example थोड़ा अजीब है कि अगर सुनना चाहा गया गाना partner music service में न हो तो files transfer कर सकते हैं या नहीं। उन्होंने कहा था कि उन्होंने Tidal के साथ partnership की है, और लोगों द्वारा ढूँढे जाने वाले 1000 में से 999 songs, शायद उससे भी ज्यादा, वहाँ होंगे
    • दुर्भाग्य से अब “कोई भी” music files नहीं रखता। हमेशा के लिए Spotify
      बेशक यहाँ के readers exception होंगे

  • video में ऐसा नहीं लगा कि अगले solar eclipse के जवाब को सच में verify किया गया। 8 अप्रैल 2024 का total solar eclipse North America में सबसे अच्छी तरह दिखेगा
    Australia का Exmouth वह जगह थी जहाँ 20 अप्रैल 2023 को total solar eclipse हुआ था। https://science.nasa.gov/eclipses/future-eclipses/eclipse-20...

    • इसके अलावा voice-based Q&A ऐसा feature है जिसे सब पहले ही आज़मा चुके हैं। इस form factor में जो differentiator है, उस पर focus करना चाहिए था

  • फिल्मों में दिखने वाली चीजें reality में बनाने के लिए नहीं होतीं। फिल्मों में pin dramatic effect के लिए अच्छा होता है क्योंकि actor अपने thoughts camera के सामने बोलता है
    real life में camera नहीं होता, उसकी जगह दूसरे लोग होते हैं

    • जानना चाहूँगा कि किस film की बात हो रही है। Her में भी Theo सिर्फ phone को shirt pocket में ऐसे रखता है कि camera बाहर दिखे, ताकि Samantha देख सके