ভিজ্যুয়াল সার্চ উদ্ভাবনের ২৫ বছর উদযাপন

পঁচিশ বছর আগে, একজন সেলিব্রিটি গ্র্যামি পুরস্কার অনুষ্ঠানে একটি পোশাক পরে ইন্টারনেটকে ভেঙে দিয়েছিলেন — রূপকভাবে নয়, বরং সার্চ অবকাঠামোর দিক থেকে আক্ষরিকভাবে। সেই মুহূর্তটি গুগলকে এমন কিছু তৈরি করতে বাধ্য করেছিল যা আগে বিদ্যমান ছিল না: ইমেজ সার্চ। এই সপ্তাহে, গুগল তার সর্বশেষ ন্যানো ব্যানানা মডেল দ্বারা চালিত একটি পুনর্নির্মিত গুগল ইমেজেস হোমপেজ এবং এআই ওভারভিউ-এর মধ্যে নেটিভ ইমেজ জেনারেশন ঘোষণা করে এই বার্ষিকী চিহ্নিত করেছে। ভিজ্যুয়াল সার্চ উদ্ভাবনের ২৫ বছর উদযাপন করা শুধুমাত্র একটি মাইলফলক পোস্ট নয় — এটি এআই-চালিত ইন্টারফেসগুলি কোথায় যাচ্ছে তার একটি সংকেত, এবং সেই গতিপথ এশিয়া জুড়ে পণ্য তৈরি করা ডেভেলপারদের জন্য কী অর্থ বহন করে।

কী ঘটেছে

গুগলের অফিসিয়াল ঘোষণা অনুযায়ী, কোম্পানিটি ২০০১ সালে গুগল ইমেজেস চালু করেছিল, সার্চকে একটি বিশুদ্ধ টেক্সট-ভিত্তিক অভিজ্ঞতা থেকে এমন একটিতে রূপান্তরিত করেছিল যা ব্যবহারকারীদের বিশ্বকে ভিজ্যুয়ালি অন্বেষণ করতে দেয়। ২৫তম বার্ষিকী দুটি কংক্রিট পণ্য আপডেটের সাথে আসে।

প্রথমত, গুগল গুগল ইমেজেসের জন্য একটি পুনর্নির্মিত, ব্রাউজযোগ্য হোম রোল আউট করছে — একটি গতিশীল, নিমজ্জনকারী গ্যালারি যা রিয়েল টাইমে আপডেট হয় এবং নিজেকে ব্যক্তিগত ব্যবহারকারীর আগ্রহের সাথে খাপ খায়। যখন আপনি ব্রাউজ করেন এবং ধারণাগুলি সংগ্রহে সংরক্ষণ করেন, সেই সংগ্রহগুলি মূল গ্যালারির উপরে ট্যাব হিসাবে প্রদর্শিত হয়, একটি স্থায়ী, ব্যক্তিগতকৃত ভিজ্যুয়াল ফিড তৈরি করে। এই বৈশিষ্ট্যটি আগামী সপ্তাহগুলিতে মার্কিন যুক্তরাষ্ট্রে ডেস্কটপে চালু হচ্ছে।

দ্বিতীয়ত — এবং আরও প্রযুক্তিগতভাবে উল্লেখযোগ্য — গুগল সার্চে এআই ওভারভিউ-এর মধ্যে সরাসরি ইমেজ জেনারেশন সংহত করছে। ন্যানো ব্যানানা মডেল ব্যবহার করে, ব্যবহারকারীরা একটি টেক্সট প্রম্পট টাইপ করতে পারেন এবং সার্চ ফলাফল পৃষ্ঠা ছাড়াই একটি জেনারেট করা ইমেজ ইনলাইনে পেতে পারেন। এই বৈশিষ্ট্যটি বর্তমানে এআই মোডে ইমেজ তৈরি সমর্থন করে এমন সমস্ত অঞ্চলে ইংরেজিতে রোল আউট হচ্ছে।

এগুলি ক্রমবর্ধমান ইউআই টুইক নয়। সংগ্রহ বৈশিষ্ট্যটি গুগল ইমেজেসকে একটি প্যাসিভ সার্চ ইন্ডেক্স থেকে একটি সক্রিয় আবিষ্কার এবং অনুপ্রেরণা স্তরে পুনর্নির্ধারণ করে — ঐতিহ্যবাহী সার্চের চেয়ে পিন্টারেস্টের ইন্টারঅ্যাকশন মডেলের কাছাকাছি। এবং এআই ওভারভিউ-এ ইমেজ জেনারেশন এম্বেড করা যা আগে একটি মাল্টি-স্টেপ ওয়ার্কফ্লো ছিল (সার্চ → রেফারেন্স খুঁজুন → জেনারেশন টুল খুলুন → জেনারেট করুন) তা একটি একক কোয়েরিতে সংকুচিত করে। এই পদক্ষেপগুলির সংকোচন এখন এআই-নেটিভ পণ্য ডিজাইনের সংজ্ঞায়িত প্যাটার্ন, এবং গুগল এটি স্কেলে কীভাবে সম্পাদন করছে তা ঘনিষ্ঠভাবে মনোযোগ দেওয়ার যোগ্য।

অন্তর্নিহিত মডেল পছন্দটিও উল্লেখযোগ্য। ইনলাইন জেনারেশনের জন্য ন্যানো ব্যানানা — জেমিনি পরিবারে একটি হালকা, দ্রুত বৈকল্পিক — স্থাপন করা পরামর্শ দেয় যে গুগল শুধুমাত্র শীর্ষ গুণমান নয়, লেটেন্সি এবং বিস্তৃত আঞ্চলিক প্রাপ্যতার জন্য অপ্টিমাইজ করছে। এটি একটি ইচ্ছাকৃত অবকাঠামো সিদ্ধান্ত, একটি সমঝোতা নয়।

এশিয়ার জন্য এটি কেন গুরুত্বপূর্ণ

ভিজ্যুয়াল সার্চ সর্বদা এশিয়ায় তার ওজনের চেয়ে বেশি প্রভাব ফেলেছে। জাপান, দক্ষিণ কোরিয়া, ইন্দোনেশিয়া এবং ভিয়েতনামের মতো বাজারগুলি ঐতিহাসিকভাবে পশ্চিমা বাজারের চেয়ে ইমেজ-ভিত্তিক সার্চ আচরণের উচ্চতর হার রয়েছে — আংশিকভাবে স্ক্রিপ্ট জটিলতার কারণে (কাঞ্জি বা থাই অক্ষরে সার্চ করা মোবাইল কীবোর্ডে ঘর্ষণ-ভারী হতে পারে), আংশিকভাবে সাংস্কৃতিক শপিং প্যাটার্নের কারণে যা অন্তর্নিহিতভাবে ভিজ্যুয়াল, এবং আংশিকভাবে সোশ্যাল কমার্স প্ল্যাটফর্মের আধিপত্যের কারণে যেখানে পণ্য আবিষ্কার একটি কীওয়ার্ড নয়, একটি ইমেজ দিয়ে শুরু হয়।

শপি, লাজাদা এবং টোকোপিডিয়ার মতো প্ল্যাটফর্মগুলি বছরের পর বছর ভিজ্যুয়াল সার্চ বৈশিষ্ট্য অফার করেছে। কোরিয়ার নেভার গুগলের স্বাধীনভাবে তার নিজস্ব ইমেজ সার্চ অবকাঠামো তৈরি করেছে। থাইল্যান্ড এবং তাইওয়ানে লাইনের শপিং ইন্টিগ্রেশনগুলি ভিজ্যুয়াল ট্রিগারগুলিতে ভারীভাবে নির্ভর করে। আচরণটি ইতিমধ্যে সেখানে রয়েছে — গুগলের পদক্ষেপ হল একটি স্বীকৃতি যে ভিজ্যুয়াল-প্রথম সার্চ একটি কুলুঙ্গি ব্যবহারের ক্ষেত্রে নয় বরং একটি মূলধারার একটি, এবং এআই জেনারেশন একটি পৃথক টুলে সাইলো করা নয় বরং আবিষ্কারের বিন্দুতে এম্বেড করা প্রয়োজন।

এশিয়া প্রযুক্তি প্রতিষ্ঠাতাদের জন্য, সংগ্রহ বৈশিষ্ট্যটি ঘনিষ্ঠভাবে পরীক্ষা করার যোগ্য। একটি সার্চ পণ্যের মধ্যে স্থায়ী, ব্যক্তিগতকৃত ভিজ্যুয়াল বোর্ড তৈরি করার ক্ষমতা বর্তমানে "সংরক্ষণ এবং ভিজ্যুয়াল অনুপ্রেরণা সংগঠিত করুন" ব্যবহারের ক্ষেত্রে যে কোনও অ্যাপের মালিক তার জন্য একটি সরাসরি চ্যালেঞ্জ। যদি গুগল দক্ষিণ-পূর্ব এশিয়ার বাজারে এটি আক্রমণাত্মকভাবে রোল আউট করে — এবং ন্যানো ব্যানানা মডেলের বিস্তৃত আঞ্চলিক সমর্থনের স্পষ্ট ফোকাস দেওয়া, যা সম্ভাব্য বলে মনে হয় — এটি ভোক্তা অ্যাপের বেশ কয়েকটি বিভাগের চারপাশে মোট সংকুচিত করে।

আরও ব্যাপকভাবে, এই পদক্ষেপটি একটি প্যাটার্ন শক্তিশালী করে যা এশিয়ান ডেভেলপারদের অভ্যন্তরীণ করা উচিত: এআইর ইন্টারফেস স্তর একত্রিত হচ্ছে। জেনারেশন, সার্চ এবং সংগঠন আর পৃথক পণ্য পৃষ্ঠ নয়। তারা একটি একক, প্রসঙ্গ-সচেতন অভিজ্ঞতায় সংকুচিত হচ্ছে। এশিয়ায় যে পণ্যগুলি জয়ী হবে তা হল সেগুলি যা এই সংমিশ্রণকে প্রথম দিন থেকে একটি ডিজাইন সীমাবদ্ধতা হিসাবে বিবেচনা করে, পরে বোল্ট করার জন্য একটি বৈশিষ্ট্য হিসাবে নয়।

লেটেন্সি এবং খরচের প্রভাবগুলিও এখানে গুরুত্বপূর্ণ। দক্ষিণ-পূর্ব এশিয়ার মার্কিন যুক্তরাষ্ট্রের চেয়ে আরও বৈচিত্র্যময় ডিভাইস ল্যান্ডস্কেপ রয়েছে — ব্যবহারকারীদের একটি উল্লেখযোগ্য অংশ মধ্য-পরিসরের অ্যান্ড্রয়েড ডিভাইসে রয়েছে যার সংযোগ পরিবর্তনশীল। ইনলাইন জেনারেশনের জন্য গুগলের ন্যানো-ক্লাস মডেলের পছন্দ একটি সংকেত যে উৎপাদন-গ্রেড ভিজ্যুয়াল এআই এই সীমাবদ্ধতাগুলির জন্য অপ্টিমাইজ করা প্রয়োজন, শুধুমাত্র নিয়ন্ত্রিত পরিবেশে উচ্চ-সম্পন্ন হার্ডওয়্যারে বেঞ্চমার্ক করা নয়।

ডেভেলপারদের জন্য এটি কী অর্থ

যদি আপনি এশিয়ায় ইমেজ সার্চ, ভিজ্যুয়াল পণ্য আবিষ্কার বা এআই-জেনারেট করা সামগ্রীর সাথে সম্পর্কিত কিছু তৈরি করছেন, গুগলের বার্ষিকী ঘোষণার আপনার আর্কিটেকচার এবং পণ্য সিদ্ধান্তগুলির জন্য তিনটি সরাসরি প্রভাব রয়েছে।

১. ইনলাইন জেনারেশন নতুন মান ইউএক্স প্রত্যাশা। একবার ব্যবহারকারীরা একটি সার্চ ফলাফলের মধ্যে ইমেজ জেনারেশন অনুভব করে — অ্যাপ্লিকেশন স্যুইচ ছাড়াই, একটি পৃথক সেবার জন্য সাইন আপ ছাড়াই — তারা সর্বত্র সেই প্যাটার্ন আশা করবে। যদি আপনার পণ্যের একটি "একটি ইমেজ খুঁজুন বা তৈরি করুন" ওয়ার্কফ্লো থাকে যা দুটিরও বেশি পদক্ষেপ প্রয়োজন, আপনার সমাধান করার জন্য প্রযুক্তিগত ঋণ রয়েছে। আপনার দলকে এখনই জিজ্ঞাসা করার প্রশ্ন: আমাদের ব্যবহারকারীর যাত্রায় আমরা কোথায় কাউকে একটি ভিজ্যুয়াল সম্পদ পেতে আমাদের পণ্য ছেড়ে যেতে বাধ্য করি? সেই প্রস্থান পয়েন্ট একটি দুর্বলতা।

২. সংগ্রহ স্তরে ব্যক্তিগতকরণ একটি ধারণ প্রক্রিয়া, একটি ভাল-থাকা নয়। গুগলের সংগ্রহ বৈশিষ্ট্য একটি প্রতিক্রিয়া লুপ তৈরি করে — আপনি যত বেশি সংরক্ষণ করেন, আপনার আবিষ্কার ফিড তত বেশি কাস্টমাইজড হয়ে ওঠে। এটি একটি সুপরিচিত এনগেজমেন্ট প্যাটার্ন, কিন্তু এটি এখন সার্চে প্রয়োগ করা হচ্ছে, যা ঐতিহাসিকভাবে কোনও স্থায়ী অবস্থা ছিল না। যদি আপনি এমন একটি প্ল্যাটফর্ম তৈরি করছেন যেখানে ব্যবহারকারীরা ভিজ্যুয়াল সামগ্রী আবিষ্কার এবং সংগঠিত করে, আপনার একটি অনুরূপ প্রতিক্রিয়া আর্কিটেকচার প্রয়োজন। কোল্ড-স্টার্ট ব্যক্তিগতকরণ আধুনিক এম্বেডিং মডেলগুলির সাথে সমাধানযোগ্য; কঠিন সমস্যা হল সেই ইউআই তৈরি করা যা সংরক্ষণকে এত নির্বিঘ্ন বোধ করায় যে ব্যবহারকারীরা আসলে এটি করে।

३. উৎপাদনের জন্য মডেল নির্বাচন মডেল ক্ষমতার মতোই গুরুত্বপূর্ণ। গুগল এই বৈশিষ্ট্যের জন্য তার সবচেয়ে শক্তিশালী ইমেজ জেনারেশন মডেল স্থাপন করেনি — এটি ন্যানো ব্যানানা স্থাপন করেছে, গতি এবং বিস্তৃত প্রাপ্যতার জন্য অপ্টিমাইজড। এটি একটি বৈশিষ্ট্যের জন্য সঠিক কল যা বৈচিত্র্যময় নেটওয়ার্ক অবস্থা এবং ডিভাইস ক্লাস জুড়ে কাজ করা প্রয়োজন। এআই বৈশিষ্ট্য তৈরি করা এশিয়ান ডেভেলপারদের একই যুক্তি প্রয়োগ করা উচিত: আপনার মডেল পছন্দগুলি সেরা-কেস পরিস্থিতির বিপরীতে নয়, আপনার প্রকৃত ব্যবহারকারীর ডিভাইস এবং সংযোগ প্রোফাইলের বিপরীতে বেঞ্চমার্ক করুন। একটি সামান্য কম সক্ষম মডেল যা ৮০০ মিলিসেকেন্ডে সাড়া দেয় একটি আরও সক্ষম যা ৪ সেকেন্ড সময় নেয় তার চেয়ে প্রতিটি সময়, প্রতিটি বাজারে ভাল পারফর্ম করবে।

অবকাঠামো দিক থেকে, এটি আপনার পণ্য কীভাবে সংযোগকারী ইমেজ এপিআই এবং জেনারেশন এন্ডপয়েন্টগুলি পরিচালনা করে তা অডিট করার একটি ভাল মুহূর্ত। যেহেতু গুগল, অ্যাডোব এবং অন্যরা তাদের ভিজ্যুয়াল এআই এপিআইগুলি বিকশিত করতে থাকে, যে দলগুলি পরিষ্কার, মডুলার ইন্টিগ্রেশন স্তর তৈরি করেছে তারা মূল পণ্য যুক্তি পুনর্লিখন ছাড়াই মডেলগুলি স্যুইপ বা স্তর করতে সক্ষম হবে। যে দলগুলি একটি একক প্রদানকারীকে হার্ডকোড করেছে তারা প্রকৌশল সময়ে সেই সিদ্ধান্তের জন্য অর্থ প্রদান করবে