लेखक: Boxu Li

हमने व्यक्तिगत AI के लिए एक्सेसिबिलिटी क्यों महत्वपूर्ण है, इस पर विचार किया, न्यूरोडाइवर्सिटी और मल्टीमॉडल इंटरैक्शन पर चर्चा की। इस दूसरे भाग में, हम देखते हैं कि मैकरॉन AI अपने डिज़ाइन में समावेशन को कैसे सम्मिलित करता है - इसके मिनी-ऐप प्लेबुक से लेकर अनुकूली सामग्री और ऑफलाइन स्मार्ट तक।

मिनी‑ऐप्स में एक्सेसिबिलिटी (प्लेबुक पैटर्न)

मैकैरॉन की अनूठी विशेषताओं में से एक है इसका "मिनी-ऐप" प्लेबुक्स का संग्रह - टेम्पलेटेड माइक्रो-फ्लोज़ जो आपको विशिष्ट कार्यों को पूरा करने में मदद करते हैं (जैसे कि रूटीन बिल्डर, मील प्लानर, आदत ट्रैकर, आदि)। यह सुनिश्चित करना कि ये माइक्रो-फ्लोज़ सुलभ और समावेशी हैं, हमारी शीर्ष प्राथमिकता है। समावेशन को संयोग पर छोड़ने के बजाय, हमने इन टेम्पलेट्स में सार्वभौमिक डिज़ाइन पैटर्न सीधे जोड़ दिए हैं। प्रत्येक मिनी-ऐप को संज्ञानात्मक भार को कम करने के लिए डिज़ाइन किया गया है: लंबे प्रक्रियाओं को तार्किक टुकड़ों में विभाजित किया जाता है ताकि आप एक समय में एक हिस्सा संभाल सकें। यह संज्ञानात्मक सुलभता के लिए UX सर्वोत्तम प्रथाओं के साथ मेल खाता है - कार्यों को छोटे, प्रबंधनीय चरणों में विभाजित करना उपयोगकर्ताओं को (विशेष रूप से ADHD वाले) ध्यान केंद्रित रहने और अभिभूत न होने में मदद करता है। उदाहरण के लिए, एक "इवेंट प्लानर" प्लेबुक पहले केवल इवेंट का नाम और तारीख पूछ सकती है, फिर अगले चरण में किसे आमंत्रित करना है, बजाय इसके कि एक विशाल फॉर्म ही दिखा दिया जाए। प्रत्येक मिनी-ऐप भी स्पष्ट शीर्षक और एक दृश्य प्रगति संकेतक (एक साधारण प्रगति पट्टी या चरण गणना) प्रदान करता है ताकि आप हमेशा जान सकें कि कितने चरण पूरे हो चुके हैं और कितने बाकी हैं। अनुसंधान से पता चलता है कि वास्तविक समय में प्रगति देखना प्रेरणा को बढ़ावा देता है - दृश्य प्रगति ट्रैकिंग वाले ऐप्स में उपयोगकर्ता सहभागिता काफी अधिक होती है (एक अध्ययन में पाया गया कि प्रगति संकेतक जोड़ने पर दैनिक उपयोग में 31% वृद्धि हुई)।

कई मिनी-ऐप्स टाइमर और रिमाइंडर को वैकल्पिक समर्थन के रूप में शामिल करते हैं। उदाहरण के लिए, ADHD के अनुकूल रूटीन बिल्डर टेम्पलेट प्रत्येक चरण में कोमल टाइमर जोड़ने का सुझाव देगा (ताकि कठोर अलार्म के बिना कार्य पर बने रहने के लिए प्रोत्साहित किया जा सके)। इसी तरह, एक पोमोडोरो-शैली के फोकस सेशन प्लेबुक में 25-मिनट की काउंटडाउन और ब्रेक रिमाइंडर शामिल हो सकते हैं। ये पैटर्न उत्पादकता अनुसंधान और ADHD कोचिंग तकनीकों पर आधारित हैं - टाइमबॉक्सिंग और निर्धारित ब्रेक समय प्रबंधन में संघर्ष करने वाले लोगों के लिए अनुसरण में काफी सुधार कर सकते हैं। मैकरॉन इन समर्थन को शामिल करना आसान बनाता है: टेम्पलेट्स में ऐसे टॉगल होते हैं जैसे "इस कार्य में टाइमर जोड़ें?" या "अगर X समय तक पूरा नहीं हुआ तो मुझे याद दिलाएं।" क्योंकि ये विशेषताएं बिल्ट-इन हैं, वे उपयोगकर्ता जो इनसे लाभान्वित होते हैं (जैसे ADHD वाले लोग, स्मृति समस्याएं, व्यस्त कार्यक्रम आदि) उन्हें सब कुछ नए सिरे से सेट करने की आवश्यकता नहीं होती - शामिल करना सक्रिय होता है।

एक और सामान्य पैटर्न है कि हर चरण के लिए संतोषजनक "डन" बटन के साथ चेकलिस्ट। मिनी-ऐप्स अक्सर उप-कार्यों की चेकलिस्ट देते हैं जिनका एक-टैप में पूरा किया जा सकता है। यहां तक कि तीन आइटम्स की सूची देखकर और हर एक पर टैप करके इसे पूरा करना भी एक बड़ा कार्य को छोटे-छोटे, खेल-जैसे कदमों में बदल सकता है। यह ऊपर बताए गए प्रगति प्रतिक्रिया से जुड़ता है और तत्काल माइक्रो-रिवॉर्ड्स प्रदान करता है। हमने आदत बनाने वाले ऐप्स से देखा है कि छोटे जीतों का जश्न मनाना (जैसे कि दृश्य चेकमार्क या थोड़ी बहुत कंफेटी) प्रेरणा को बढ़ा सकता है – किसी कार्य के पूरा होने के तुरंत बाद त्वरित प्रतिक्रिया या अंक देने से फोकस और गति बनी रहती है। दूसरे शब्दों में, मैकरॉन के मिनी-ऐप्स आपको प्रारंभिक जीतें देते हैं ताकि आप जुड़ाव बनाए रखें। यह तरीका सभी के लिए पूरा करने की दर बढ़ाता है, न कि केवल न्यूरोडाइवर्जेंट लोगों के लिए।

महत्वपूर्ण बात यह है कि ये सभी माइक्रो-फ्लो सहायक विशेषताएँ वैकल्पिक और अनुकूलन योग्य हैं। पहुँच का मतलब है सहायक विकल्प प्रदान करना, न कि सभी पर एक कठोर "आसान मोड" थोपना। एक न्यूरोटिपिकल पावर-यूज़र गति के लिए अतिरिक्त पुष्टिकरण और प्रगति संकेतों को अक्षम कर सकता है, जबकि कोई अन्य उन पर बहुत अधिक निर्भर कर सकता है। मैकरॉन के प्लेबुक्स डिफ़ॉल्ट रूप से समावेशी हैं लेकिन डिज़ाइन में लचीले हैं - आप अपने काम करने के तरीके के अनुसार समर्थन को बढ़ा या घटा सकते हैं।

अनुकूली पढ़ने की ग्रेड और गति (स्वतः-सरलीकृत या समृद्ध सामग्री)

कोई दो उपयोगकर्ता एक जैसी पढ़ने की क्षमता या पृष्ठभूमि ज्ञान नहीं रखते। इसलिए, Macaron का AI सामग्री की जटिलता और गति को हर व्यक्ति की जरूरतों के अनुसार समायोजित करता है। जब भी Macaron जानकारी प्रस्तुत करता है (जैसे निर्देश, व्याख्याएं, या शैक्षिक सामग्री), आपको यह नियंत्रण होता है कि शब्दावली कितनी सरल या समृद्ध होनी चाहिए। व्यवहार में, इसका मतलब है कि एक रेसिपी मिनी-ऐप खाना पकाने के चरणों का सरल संस्करण प्रदान कर सकता है ("समझाओ जैसे मैं एक नौसिखिया रसोइया हूं") या एक समृद्ध संस्करण ("डिश का विज्ञान या सांस्कृतिक इतिहास शामिल करें")। पर्दे के पीछे, AI अपनी आउटपुट की पढ़ने की ग्रेड स्तर को आपके पसंद के अनुसार स्वचालित रूप से बदल सकता है। अगर सिस्टम जानता है कि आप सीधी, सरल भाषा पसंद करते हैं, तो यह स्पष्टीकरण के लिए उसी का उपयोग करेगा। विपरीत में, अगर आप एक विशेषज्ञ हैं जो विवरण पसंद करते हैं, तो यह अधिक तकनीकी शब्दों और गहराई का उपयोग करेगा। यह समायोजन यहां तक कि सक्रिय रूप से भी हो सकता है – उदाहरण के लिए, अगर Macaron देखता है कि आप अक्सर स्पष्टीकरण के लिए अनुवर्ती प्रश्न पूछते हैं, तो यह थोड़ा अधिक सरल प्रारंभिक उत्तर देना शुरू कर सकता है ताकि आपको परेशानी से बचाया जा सके।

यूरोप भर में कम साक्षरता की अनुमानित दरें (गहरा = अधिक)। कई EU देशों में, 20% या उससे अधिक वयस्कों को मूल पढ़ने और लिखने में कठिनाई होती है। Macaron की 「ऑटो-सिंप्लिफाई」 विशेषता कम साक्षरता वाले उपयोगकर्ताओं की मदद करती है, जिससे उन्हें जानकारी को सरल और आसानी से समझने योग्य भाषा में प्रस्तुत किया जाता है।

हम ऐप में "ऑटो-सिंप्लिफाई" टॉगल लागू करने के लिए भाग I में उल्लिखित समान प्राकृतिक-भाषा पुनर्लेखन क्षमताओं का उपयोग करते हैं। किसी भी मिनी-ऐप में (जैसे, "सौर मंडल के बारे में जानें" शैक्षिक प्रवाह), ऑटो-सिंप्लिफाई चालू करने से सभी पाठ सामग्री को पढ़ने में आसान रूप में आउटपुट होगा: छोटे वाक्य, सामान्य शब्दावली, और सक्रिय वॉयस टोन। यह एक मांग पर उपलब्ध ट्यूटर की तरह है जो आपके लिए पढ़ने के स्तर को समायोजित करता है। दूसरी ओर, "एनरिच टेक्स्ट" विकल्प उन लोगों के लिए अधिक गहराई या उन्नत विवरण जोड़ सकता है जो एक चुनौती चाहते हैं (भाषा-सीखने वाले मिनी-ऐप्स में या सिर्फ व्यक्तिगत जिज्ञासा को संतुष्ट करने के लिए उपयोगी)। हम अनिवार्य रूप से व्यक्तिगत एआई डोमेन में यूनीवर्सल डिज़ाइन फॉर लर्निंग के सिद्धांतों को ला रहे हैं - जानकारी के कई प्रतिनिधित्व और समायोज्य कठिनाई स्तर प्रदान कर रहे हैं। ऐसा करके, मैकरॉन कम साक्षरता या संज्ञानात्मक बाधाओं वाले उपयोगकर्ताओं को सफलतापूर्वक कार्य पूरा करने में सहायता करता है (क्योंकि वे हमेशा सरल शब्दावली का अनुरोध कर सकते हैं)। और जो लोग सूक्ष्मता की चाह रखते हैं, वे इसे बढ़ा सकते हैं।

पारंपरिक सॉफ़्टवेयर इसे आसानी से नहीं कर सकते, लेकिन एक AI जो वास्तव में सामग्री को समझता है, वह उस सामग्री को तुरंत बदल सकता है। एक चिकित्सा निर्देश मिनी-ऐप की कल्पना करें: एक उपयोगकर्ता जिसे डिस्लेक्सिया है, वह एक संस्करण का चयन करता है जो कहता है, "सुबह एक गोली लें और रात में एक, भोजन के साथ।" इसी समय, एक अन्य उपयोगकर्ता जो चिकित्सा शब्दावली से परिचित है, उसे मिलता है: "भोजन के साथ एक टैबलेट b.i.d. लें।" यह वही जानकारी है, अलग ढंग से दी गई। कुंजी है चुनाव। और क्योंकि मैकरॉन व्यक्तिगत पसंदों को याद रखता है, समय के साथ यह सीखता है कि आपको अपनी जानकारी कैसे पसंद है (जैसे हमेशा मुझे पहले सरल सारांश दें; यदि मुझे और विवरण चाहिए तो मैं पूछ लूंगा)।

एक और पहलू है इंटरएक्टिव फ्लो में अनुकूली गति। कुछ लोग जल्दी पढ़ते हैं, कुछ धीरे-धीरे; कुछ को कदमों के बीच सोचने के लिए अधिक समय की आवश्यकता हो सकती है। मैकरॉन के मिनी-ऐप्स जानबूझकर विराम डाल सकते हैं या आगे बढ़ने से पहले आपके संकेत का इंतजार कर सकते हैं। उदाहरण के लिए, एक गाइडेड ब्रीदिंग एक्सरसाइज में, गति को उपयोगकर्ता की प्रतिक्रिया के आधार पर (या भविष्य में सेंसर डेटा के आधार पर) तेज़ या धीमा किया जा सकता है ("साँस लें... बाहर करें...")। एक लर्निंग क्विज में, मैकरॉन नोटिस कर सकता है कि अगर आप उत्तर देने में अधिक समय ले रहे हैं और धीरे से एक संकेत या अतिरिक्त समय की पेशकश कर सकता है। यह अनुकूलन अनुभव को सहायक बनाता है बजाय कि जल्दबाजी में (या इसके विपरीत, उबाऊ धीमे) महसूस करने के। व्यक्तिगतकरण यहाँ अंतर करता है – दो उपयोगकर्ता एक ही टेम्पलेट का उपयोग कर सकते हैं और महसूस कर सकते हैं कि यह उनके गति और शैली के लिए विशेष रूप से बनाया गया है।

स्थानीयकरण और द्विभाषी संरचना

एक व्यक्तिगत AI को बहुभाषी होना चाहिए अगर वह वास्तव में व्यक्तिगत है। मैकरॉन का इंटरफ़ेस और सामग्री फटाफट स्थानीयकृत की जा सकती है। अगर आप द्विभाषी हैं या कोई नई भाषा सीख रहे हैं, तो आप AI की भाषा आउटपुट को बिना किसी रुकावट के बदल सकते हैं – यहां तक कि बातचीत के बीच में या कार्य के बीच में। उदाहरण के लिए, आप आमतौर पर मैकरॉन के साथ अंग्रेजी में बातचीत कर सकते हैं, लेकिन मान लीजिए आप जोड़ते हैं: "Explique-moi ça en français" ("मुझे यह फ्रेंच में समझाओ"). मैकरॉन बिना किसी रुकावट के फ्रेंच में वार्तालाप जारी रखेगा। किसी भी मिनी-ऐप में सभी बटन, लेबल, और प्रतिक्रियाएं भाषा के अनुसार बदल सकती हैं। यह न केवल अंतरराष्ट्रीय उपयोगकर्ताओं के लिए उपयोगी है – यह उन भाषा शिक्षार्थियों के लिए भी शानदार है जो द्विभाषी सहारा चाहते हैं। एक दो-भाषाई शब्दावली क्विज़ मिनी-ऐप की कल्पना करें: मैकरॉन स्पैनिश में एक शब्द प्रस्तुत कर सकता है, फिर उसका स्पष्टीकरण अंग्रेजी में दे सकता है (या इसके विपरीत), जिससे आप दोनों के बीच संबंध बना सकते हैं। या एक रेसिपी ऐप जो सामग्री को अंग्रेजी और, जैसे, इतालवी में स्थानीय नामों के साथ सूचीबद्ध करता है (बैंगन / melanzana, धनिया / coriandro). यह बहुसांस्कृतिक परिवारों या किसी के लिए भी उपयुक्त है जो खाना बनाते समय नई भाषा सीखने की कोशिश कर रहे हैं।

इस तरह की तरल स्थानीयकरण पहुंच के लिए वरदान है क्योंकि यह लोगों को उस क्षण में जिस भाषा में वे सबसे सहज हैं, उसका उपयोग करने की अनुमति देता है। अपनी दूसरी भाषा में डिस्लेक्सिया वाले व्यक्ति जटिल कार्यों के लिए अपनी पहली भाषा में स्विच करना पसंद कर सकते हैं। या एक उपयोगकर्ता अपने परिवार को शामिल कर सकता है, एआई के उत्तरों को उस भाषा में स्विच करके जिसे उनके दादा-दादी समझते हैं। मैकरॉन आपके द्वारा प्रदान की गई सामग्री का तुरंत अनुवाद भी कर सकता है: यदि आपको किसी अपरिचित भाषा में एक टेक्स्ट या ईमेल मिलता है, तो एआई उसका अनुवाद करेगा और आवश्यकता होने पर उसे जोर से पढ़ेगा। यह कार्यक्षमता एआई द्वारा बाधाओं को दूर करने का एक प्रत्यक्ष उदाहरण है - भाषा जानकारी या उपयोगिता के लिए बाधा नहीं होनी चाहिए। वास्तव में, नए GPT-4 संचालित सहायक अंधे उपयोगकर्ताओं के लिए समृद्ध वर्णन और अनुवाद के माध्यम से दृश्य और पाठ्य पहुंच को पहले से ही बदल रहे हैं, इसलिए हम भाषा और पढ़ने की पहुंच के लिए वही सिद्धांत लागू करते हैं।

हमने उन परिदृश्यों पर भी विचार किया, जैसे कोड-स्विचिंग (एक वाक्य में भाषाओं का मिश्रण)। मैकरॉन को बहुभाषी इनपुट को सहजता से संभालने के लिए प्रशिक्षित किया गया है, इसलिए यदि आप किसी अन्य भाषा को मिश्रित करते हैं, तो यह भ्रमित नहीं होगा या आपको एक भाषा में चिपके रहने के लिए मजबूर नहीं करेगा। अंततः, उद्देश्य मैकरॉन को सांस्कृतिक और भाषाई रूप से अनुकूल बनाना है – जैसे एक वास्तविक व्यक्तिगत सहायक जो आवश्यकता पड़ने पर भाषाएँ बदल सकता है। यह हमारी व्यापक पहुँच दृष्टिकोण का हिस्सा है: यह केवल विकलांगताओं के बारे में नहीं है, बल्कि लोगों की विविध सांस्कृतिक और भाषाई जरूरतों को पूरा करने के बारे में भी है।

डेवलपर पक्ष पर, हम यह सुनिश्चित करने के लिए उपकरण प्रदान करते हैं कि कोई भी सामुदायिक योगदानित मिनी-ऐप टेम्पलेट अनुवाद योग्य हो। मैकरॉन के अपने एआई मॉडल को विभिन्न भाषाओं पर उच्च गुणवत्ता बनाए रखने के लिए बेहतर किया गया है। संक्षेप में, चाहे आप मंगलवार को अपना शेड्यूल स्पेनिश में चाहते हों, या मैकरॉन का उपयोग द्विभाषी फ्लैशकार्ड के साथ मंदारिन का अभ्यास करने में मदद के लिए कर रहे हों, यह आपके लिए है। आपका व्यक्तिगत एआई आपकी भाषा (भाषाओं) में बोलना चाहिए।

कम-बैंडविड्थ और ऑफलाइन-प्रथम डिज़ाइन

एक्सेसिबिलिटी केवल मानव क्षमताओं के बारे में नहीं है; यह पर्यावरणीय सीमाओं के बारे में भी है जैसे खराब इंटरनेट कनेक्टिविटी या पुराने उपकरण। एक सच्चा व्यक्तिगत AI आपको कभी भी, कहीं भी सेवा देना चाहिए – चाहे आप 2G नेटवर्क पर हों या पूरी तरह से विमान में ऑफलाइन। मैकरॉन को एक मजबूत, ऑफलाइन-प्रथम मानसिकता के साथ डिज़ाइन किया गया है ताकि मुख्य सुविधाएँ सीमित या बिना कनेक्टिविटी के भी उपलब्ध रहें। यह महत्वपूर्ण है क्योंकि 2024 तक, दुनिया की आबादी का लगभग एक-तिहाई (2.6 अरब लोग) अभी भी इंटरनेट का उपयोग नहीं कर सकते हैं, और कई लोग केवल अस्थिर या धीमी कनेक्शन तक ही सीमित हैं। यहां तक कि विकसित क्षेत्रों में भी, आप खुद को बिना सिग्नल के पा सकते हैं (सोचें ग्रामीण क्षेत्र, मेट्रो या प्राकृतिक आपदाओं के दौरान), और आपको उन क्षणों में अपने AI सहायक को नहीं खोना चाहिए।

कैशिंग और ग्रेसफुल डिग्रेडेशन: मैकरॉन बुद्धिमान कैशिंग का उपयोग करता है ताकि यह सुनिश्चित किया जा सके कि आपके महत्वपूर्ण डेटा और रूटीन को यथासंभव डिवाइस पर संग्रहीत किया जा सके। अक्सर इस्तेमाल किए जाने वाले मिनी-ऐप्स और हाल की बातचीत का संदर्भ स्थानीय रूप से (उचित एन्क्रिप्शन के साथ) रखा जाता है ताकि अगर आप ऑफ़लाइन हो जाएं, तो भी मैकरॉन कई कार्य कर सके। उदाहरण के लिए, मान लीजिए कि आप हर सुबह एक ब्रीदिंग एक्सरसाइज मिनी-ऐप का उपयोग करते हैं - मैकरॉन आवश्यक चरणों और किसी भी मीडिया (जैसे एक शांत एनीमेशन या ध्वनि) को पहले से कैश कर देगा। जब आप इसे ऑफ़लाइन लॉन्च करते हैं, तो यह बिना किसी रुकावट के काम करता है। अगर आप मैकरॉन से ऑफ़लाइन रहते हुए "मेरे कैलेंडर में एक ईवेंट जोड़ें" कहें, तो यह अनुरोध को कतार में रखेगा और स्थानीय रूप से पुष्टि करेगा कि यह नोट किया गया है; एक बार जब आप फिर से ऑनलाइन होते हैं, तो यह आपके क्लाउड कैलेंडर के साथ सिंक हो जाता है। इस तरह की ग्रेसफुल डिग्रेडेशन यह सुनिश्चित करती है कि इंटरनेट की कमी के परिणामस्वरूप अधिकतम केवल थोड़ी देरी होती है, विफलता नहीं। स्थानीय अलार्म सेट करना, नोट्स लेना, या आपकी संग्रहीत टू-डू सूची को खींचना जैसी कोर विशेषताएं डिफ़ॉल्ट रूप से ऑफ़लाइन उपलब्ध हैं।

AI-विशिष्ट कार्यों के लिए जो सामान्यतः क्लाउड की आवश्यकता होती है (जैसे जटिल प्रश्न या लंबे टेक्स्ट उत्पन्न करना), Macaron डिवाइस पर मॉडल क्षमताओं की खोज कर रहा है। आधुनिक स्मार्टफोन कुछ कार्यों के लिए आश्चर्यजनक रूप से शक्तिशाली न्यूरल मॉडल चला सकते हैं। ऐसे मामलों में जहां Macaron का पूरा बड़ा भाषा मॉडल नहीं पहुंच सकता, एक छोटा ऑफलाइन मॉडल बुनियादी अनुरोधों को संभाल सकता है (उदाहरण के लिए, एक स्थानीय रूप से संग्रहीत गीत चलाने के लिए वॉयस कमांड को समझना)। यह क्लाउड संस्करण जितना स्मार्ट नहीं हो सकता, लेकिन यह कनेक्टिविटी लौटने तक आवश्यक चीजों को कवर कर सकता है।

UI स्पष्ट रूप से संकेत करता है कि मैकरॉन कब ऑफ़लाइन मोड में है और कौनसी कार्यक्षमता सीमित हो सकती है, ताकि आप कभी भी कंफ्यूज न हों। यदि आप कुछ ऐसा पूछते हैं जो वास्तव में ऑफ़लाइन नहीं किया जा सकता (जैसे "आज की खबरों के लिए वेब खोजें"), तो मैकरॉन विनम्रता से समझाता है कि उसने आपकी क्वेरी सहेज ली है और उपलब्ध होने पर इसे पूरा करेगा। डिज़ाइन का लक्ष्य है फेल-सॉफ्ट व्यवहार: कोई अचानक क्रैश या बंद रास्ते नहीं – हमेशा एक स्वीकृति और एक वैकल्पिक मार्ग। मैकरॉन में एक ऑफ़लाइन नॉलेज पैक भी शामिल है: सामान्य तथ्यों और FAQs का स्थानीय रूप से कैश किया हुआ डेटाबेस, ताकि यह बिना इंटरनेट के भी कई सामान्य प्रश्नों का उत्तर दे सके (जैसे कुछ वॉयस असिस्टेंट्स के पास बुनियादी कमांड्स के लिए एक ऑफ़लाइन मोड होता है)।

हल्के यूआई और फॉलबैक मोड्स: हर किसी के पास नया फोन या अनलिमिटेड डेटा नहीं होता। हमने सुनिश्चित किया कि मैकरॉन का इंटरफेस कम संसाधन वातावरण में भी स्केल हो सके। इसमें एक लो-बैंडविड्थ मोड है जिसे टॉगल किया जा सकता है (और यह स्वतः सक्रिय हो जाता है यदि ऐप बहुत धीमा कनेक्शन डिटेक्ट करता है)। इस मोड में, मैकरॉन केवल टेक्स्ट या बेसिक HTML इंटरफेस पर स्विच करता है जिसमें न्यूनतम इमेज या वीडियो होते हैं। जो मल्टीमीडिया सामग्री एआई सामान्यतः दिखाएगा (जैसे कि एक चित्रात्मक इमेज), उसे डाउनलोड करने के बजाय एक विवरणात्मक कैप्शन के साथ स्थगित या प्रतिस्थापित किया जाता है। यह उन ऐप्स के "लाइट" संस्करणों के समान है जो अत्यधिक लोकप्रिय रहे हैं - उदाहरण के लिए, धीमे नेटवर्क के लिए फेसबुक का हल्का ऐप लॉन्च के दो वर्षों के भीतर 200 मिलियन उपयोगकर्ताओं तक पहुंच गया, जो बैंडविड्थ-फ्रेंडली डिज़ाइन की आवश्यकता को वैध ठहराता है। इसी तरह, मैकरॉन का हल्का मोड खराब कनेक्शन पर अनुभव को तेज़ बनाए रखता है डेटा-भारी एसेट्स और नेटवर्क कॉल्स की आवृत्ति को कम करके।

हमने अपने बैकग्राउंड सिंकिंग को भी अनुकूलित किया है। Macaron के अपडेट्स और बैकअप्स को छोटे हिस्सों में अवसरानुकूल तरीके से किया जाता है, और वे आसानी से रुक/फिर से शुरू हो सकते हैं। अगर आपके पास केवल थोड़े समय के लिए कनेक्टिविटी है, तो ऐप महत्वपूर्ण सिंक्स को प्राथमिकता देता है (जैसे ऑफलाइन बनाए गए किसी भी संदेश या ईमेल को भेजना) और गैर-महत्वपूर्ण सिंक्स (जैसे बातचीत ट्रांसक्रिप्ट का बैकअप) को बाद में स्थगित करता है। हम यह नेटवर्क उपलब्धता और डेटा लागतों का सम्मान करने के लिए करते हैं - कुछ क्षेत्रों में, मोबाइल डेटा महंगा होता है, और एक व्यक्तिगत AI को इसे बेवजह नहीं चबाना चाहिए। उपयोगकर्ता यह भी प्राथमिकताएँ सेट कर सकते हैं जैसे "केवल Wi‑Fi पर छवियाँ/वीडियो सिंक करें" आदि।

डिवाइस संगतता के लिए, हमारे वेब क्लाइंट और बेसिक ऐप को पुराने स्मार्टफोन्स पर काम करने के लिए टेस्ट किया गया है जिनमें सीमित RAM होती है। फैंसी 3D अवतार या भारी एनिमेशन पूरी तरह से वैकल्पिक हैं; मुख्य कार्यक्षमता मूल रूप से एक उन्नत मैसेजिंग इंटरफ़ेस है, जो बहुत अधिक मांग नहीं करता। हम मैकरॉन के लिए एक SMS इंटरफ़ेस भी प्रदान करते हैं (उन बाजारों या परिस्थितियों के लिए जहाँ स्मार्टफोन ऐप का उपयोग करना संभव नहीं है) - इसमें कुछ फीचर्स खो जाते हैं, लेकिन आप अभी भी साधारण टेक्स्ट संदेशों के माध्यम से अपने AI के साथ बातचीत कर सकते हैं, उत्तर प्राप्त कर सकते हैं या अपनी अनुसूची अपडेट कर सकते हैं।

मूल रूप से, व्यक्तिगत AI को एक विलासिता नहीं होना चाहिए जो सबसे तेज़ नेटवर्क पर नवीनतम हार्डवेयर की मांग करता हो। मैकरॉन की समावेशी सोच तकनीकी ढांचे तक फैली हुई है: चाहे आपका कनेक्शन धीमा हो या तेज़, चाहे आपका उपकरण पुराना हो या नया, यह अनुकूलित और उपयोगी बने रहने की कोशिश करता है। हम Google Maps के ऑफ़लाइन मोड, YouTube के गुणवत्ता चयनकर्ता, और प्रगतिशील वेब ऐप्स जैसे उदाहरणों से प्रेरणा लेते हैं जो कनेक्टिविटी की परवाह किए बिना मुख्य सुविधाएं प्रदान करते हैं। मैकरॉन उसी रास्ते का अनुसरण करता है ताकि यह हर जगह विश्वसनीय रहे जहाँ जीवन आपको ले जाए।

पारदर्शी सिंक और कतारबद्धता: जब आप ऑफ़लाइन या कम-बैंडविड्थ मोड में काम करते हैं, तो मैकरॉन आपको यह बताता रहता है कि जब आप ऑनलाइन होंगे तब क्या होगा। हम एक "सिंक सेंटर" पैनल प्रदान करते हैं जहां आप लंबित कार्य देख सकते हैं (जैसे "2 संदेश भेजने के लिए, 1 नोट बैकअप करने के लिए, 1 उत्तर प्राप्त करने के लिए प्रतीक्षारत"). यह यह सुनिश्चित करता है कि चीजें खो नहीं जाएं। यह उपयोगकर्ता की स्वायत्तता का भी सम्मान करता है – हो सकता है कि आपने कुछ ऑफ़लाइन लिखा हो और फिर इसे भेजने से पहले रद्द करने का निर्णय लिया हो; आप इसे सिंक सेंटर से कर सकते हैं।

गोपनीयता का भी यहाँ ध्यान रखा गया है: सभी लंबित डेटा तब तक सुरक्षित रूप से डिवाइस पर संग्रहीत रहता है जब तक कि यह सिंक नहीं हो जाता। और यदि आप एक मापी गई कनेक्शन पर हैं और ऐप के पास बहुत कुछ सिंक करने के लिए है (मान लीजिए आपने मैकरॉन को बाद में विश्लेषण करने के लिए ढेर सारी तस्वीरें कैप्चर की हैं), तो यह बड़ी फाइलें अपलोड करने से पहले आपसे पूछेगा। उपयोगकर्ता हमेशा मैन्युअल सिंक को ट्रिगर करने का विकल्प चुन सकता है ("मैं अब वाई-फाई पर हूँ, सब कुछ सिंक करो"), या इसके विपरीत, लंबे समय तक ऑफ़लाइन रहने के लिए सिंकिंग को रोक सकता है।

पहुंच के दृष्टिकोण से, यह पारदर्शिता और नियंत्रण चिंता को कम करता है। इससे बुरा कुछ नहीं होता जब आपको यह पता नहीं होता कि आपने अपने AI को "मृत क्षेत्र" में जो बताया था, वह वास्तव में गया या नहीं। स्थिति को स्पष्ट रूप से दिखाकर (और यदि आप इसे सक्षम करते हैं तो इसे आवाज में भी घोषित करके, जैसे "कोई इंटरनेट नहीं - मैं आपकी अनुरोधों को रोक कर रखूंगा और बाद में समन्वय करूंगा" और फिर "ऑनलाइन वापस - सभी लंबित कार्य अब पूरे हो गए हैं"), हम आपको जानकारी में रखते हैं। यह उसी तरह है जैसे ईमेल क्लाइंट्स "आउटबॉक्स" में असंप्रेषित मेल दिखाते हैं - Macaron उस अवधारणा को सभी इंटरैक्शन तक विस्तारित करता है ताकि आप हमेशा जान सकें कि आपकी जानकारी कहां है।

यह दृष्टिकोण विशेष रूप से उन उपयोगकर्ताओं के लिए सहायक है जिन्हें कार्यकारी कार्य करने में कठिनाई होती है (उदाहरण के लिए, एडीएचडी में आम) - वे अपने कार्यों को दिमाग से हटाने के लिए मैकरॉन पर निर्भर हो सकते हैं। यह जानना कि वे कार्य सुरक्षित रूप से कतार में हैं (और भूले नहीं जाएंगे) विश्वास के लिए महत्वपूर्ण है। हमारा लक्ष्य है कि आप मैकरॉन का उपयोग ऑफ़लाइन भी आत्मविश्वास से करें, बिना चिंता किए कि आपको बाद में खुद को दोहराना पड़ेगा। अगर यह मैकरॉन में है, तो यह खोएगा नहीं - यह हमारा वादा है।

पहुंच परिणामों का मापन (अनुपालन से परे)

कई पहुंच सुविधाएँ बनाना एक बात है, लेकिन असली सवाल है: क्या वे वास्तव में उपयोगकर्ताओं को कम बाधा के साथ अपने लक्ष्यों को प्राप्त करने में मदद कर रही हैं? मैकरॉन उपयोगकर्ता परिणामों के संदर्भ में सफलता मापने के लिए प्रतिबद्ध है, सिर्फ फीचर बॉक्स टिक करने के लिए नहीं। हम पहुंच और समावेशन को निरंतर प्रथाओं के रूप में मानते हैं, जो प्रतिक्रिया और डेटा द्वारा संचालित होते हैं। यहाँ कुछ तरीके हैं जिनसे हम आकलन करते हैं कि मैकरॉन विभिन्न आवश्यकताओं वाले लोगों की कितनी अच्छी सेवा कर रहा है:

कार्य पूर्णता और निराशा मीट्रिक्स: सबसे पहले, हम देखते हैं कि उपयोगकर्ता कितनी विश्वसनीयता से महत्वपूर्ण कार्यों को पूरा कर सकते हैं, खासकर वे उपयोगकर्ता जो सहायक सेटिंग्स का उपयोग कर रहे हैं। क्या कोई व्यक्ति जो स्क्रीन रीडर या केवल आवाज़ मोड का उपयोग कर रहा है, एक रिमाइंडर बना सकता है या एक ईवेंट निर्धारित कर सकता है उतनी ही आसानी से जितना अन्य लोग? हम विभिन्न उपयोगकर्ता खंडों में कार्य सफलता दर को मापते हैं, समानता के लक्ष्य के साथ (हमारा आंतरिक लक्ष्य है कि सभी प्रमुख कार्यों के लिए >90% सफलता दर हासिल करना, जो उत्कृष्ट उत्पादों के लिए प्रयोगशीलता बेंचमार्क के अनुरूप है)। कच्ची पूर्णता दर के साथ, हम निराशा के संकेतकों की निगरानी करते हैं। उपयोगकर्ता की सहमति और गोपनीयता सुरक्षा के साथ, मैकरॉन पैटर्न को पहचान सकता है जैसे दोहराए गए कमांड या "गुस्से में क्लिक" – जैसे यदि किसी उपयोगकर्ता को पांच बार बटन क्लिक करना पड़े या एक ही वॉयस कमांड को बार-बार जारी करना पड़े, तो यह समस्या का संकेत है। आधुनिक यूएक्स विश्लेषिकी इन्हें निराशा संकेत कहते हैं (जैसे जब कुछ प्रतिक्रिया नहीं दे रहा हो तो तेजी से बार-बार क्लिक)। यदि कुछ प्रक्रियाओं में, जैसे कि न्यूरोडायवर्जेंट उपयोगकर्ताओं के लिए, निराशा के संकेत अधिक होते हैं, तो यह हमारे डिज़ाइन में सुधार के लिए क्षेत्र को इंगित करता है।

हम सीधे उपयोगकर्ता प्रतिक्रिया भी एकत्र करते हैं कि कार्य कितना सरल या कठिन था। किसी बड़े कार्य के बाद (वैकल्पिक रूप से) Macaron एक त्वरित प्रश्न पूछ सकता है: 「यह अनुभव कैसा था? कोई परेशानी हुई?」 – इसे सरल रखा जाता है, या एक इमोजी रेटिंग के माध्यम से। यह आंतरिक रूप से एक "फ्रस्ट्रेशन स्कोर" में योगदान करता है। यदि हम देखते हैं, उदाहरण के लिए, कि डिस्लेक्सिया मोड में उपयोगकर्ता अभी भी कुछ पाठ पढ़ने में कठिनाई की रिपोर्ट कर रहे हैं, तो हम इसे ठीक करने के लिए ध्यान केंद्रित करते हैं (शायद फ़ॉन्ट या स्पेसिंग को समायोजन की आवश्यकता होती है)। हम इन गुणात्मक प्रतिक्रियाओं को घर्षण के निष्क्रिय संकेतों के साथ जोड़ते हैं (जैसे वे गुस्सा क्लिक या लोग बार-बार सहायता मेनू का उपयोग करते हैं) ताकि दर्द के बिंदुओं की पहचान की जा सके। सभी ऐसी टेलीमेट्री को गुमनाम और ऑप्ट-इन रखा जाता है, निश्चित रूप से। उद्देश्य यह है कि समर्थन ईमेल का इंतजार न किया जाए, बल्कि सक्रिय रूप से यह देखा जाए कि लोग कहां फंस सकते हैं या परेशान हो सकते हैं।

हम नियमित रूप से विभिन्न उपयोगकर्ता समूहों (जिसमें विकलांग व्यक्ति भी शामिल हैं) के साथ उपयोगिता परीक्षण करते हैं और उनकी प्रतिक्रिया को जहां संभव हो, मापने योग्य मेट्रिक्स में बदलते हैं। उदाहरण के लिए, यदि नेत्रहीन उपयोगकर्ता कहते हैं कि कोई विशेष मिनी-ऐप प्रवाह भ्रमित कर रहा था, तो हम एक मेट्रिक पेश कर सकते हैं जो स्क्रीन रीडर उपयोगकर्ताओं द्वारा उस प्रवाह में कितनी बार विचलन या पुनः प्रयास किया जाता है, को ट्रैक करता है। उन स्थितियों को मापने योग्य डेटा के रूप में मानकर, हम देख सकते हैं कि क्या हमारे द्वारा किए गए सुधार वास्तव में भ्रम को कम करते हैं।

समय कॉन्फ़िगर करने और त्रुटि सुधार के लिए: ऑनबोर्डिंग और त्रुटि प्रबंधन दो ऐसे क्षण होते हैं जो अक्सर विकलांग उपयोगकर्ताओं के अनुभव को बना या बिगाड़ सकते हैं। हम नए उपयोगकर्ताओं के लिए समय-से-सेटअप को मापते हैं, विशेष रूप से यह कि कोई व्यक्ति कितनी जल्दी आवश्यक सुलभता विकल्प खोज और सक्षम कर सकता है। यदि औसत उपयोगकर्ता को मैकरॉन के साथ सहज होने में 5 मिनट लगते हैं, तो हम चाहते हैं कि यह कम दृष्टि या डिस्लेक्सिया वाले उपयोगकर्ता के लिए भी समान (या तेज़) हो। अगर नहीं, तो हम अपने ऑनबोर्डिंग "सुलभता विज़ार्ड" को परिष्कृत करते हैं या कुछ संकेतों को अधिक सक्रिय बनाते हैं। आदर्श रूप से, जिसे किसी विशेष सुविधा की आवश्यकता है (उच्च कंट्रास्ट, बड़ा टेक्स्ट, वॉयस इंटरैक्शन, आदि) वह अपने पहले कुछ मिनटों के उपयोग में उसे प्राप्त कर सकता है। मैकरॉन का ऑनबोर्डिंग स्पष्ट रूप से पूछता है कि क्या आप कोई सहायक सेटिंग्स कॉन्फ़िगर करना चाहते हैं (स्पष्ट व्याख्याओं के साथ), और हम ट्रैक करते हैं कि कितने नए उपयोगकर्ता इसका उपयोग करते हैं और क्या वे तुरंत अपनी आवश्यकताओं को सक्षम करने में सफल होते हैं।

त्रुटि-वसूली एक और महत्वपूर्ण उपाय है। हर कोई गलतियाँ करता है या त्रुटियों का सामना करता है, लेकिन न्यूरोडायवर्स उपयोगकर्ताओं के लिए, एक भ्रमित करने वाला त्रुटि संदेश एक मृत-अंत हो सकता है। हम त्रुटि वसूली दर मापते हैं: जब कुछ गलत होता है (उदाहरण के लिए "माफ़ करें, मैंने वह नहीं सुना" या "नोट सहेजने में असफल"), तो कितनी बार उपयोगकर्ता सफलतापूर्वक वापस ट्रैक पर आते हैं (या तो स्वयं या Macaron की मार्गदर्शित मदद से) बनाम केवल हार मान लेना। हमारा लक्ष्य लगभग 100% वसूली है - जिसका अर्थ है कि यदि कोई त्रुटि होती है, तो उपयोगकर्ता को हमेशा समाधान या विकल्प की ओर निर्देशित किया जाता है। उदाहरण के लिए, यदि कोई वॉइस कमांड समझ में नहीं आया, तो Macaron स्वतः ही वर्तनी-अनुकूल मोड में स्विच कर सकता है या संभावित विकल्पों की मेनू सुझा सकता है ("माफ़ करें, क्या आप अलार्म सेट करना चाहते थे या रिमाइंडर?"). इन घटनाओं का ट्रैक रखने से, हम देख सकते हैं कि क्या कुछ त्रुटियाँ विशेष सेटिंग्स वाले उपयोगकर्ताओं को असमान रूप से प्रभावित करती हैं (शायद केवल वॉइस उपयोगकर्ताओं के अधिक असफल कार्य होते हैं - तब हम जानते हैं कि हमें अपनी भाषण मान्यता या पुष्टि संकेतों को सुधारना है)। हम एक त्रुटि को मृत-अंत के रूप में नहीं बल्कि एक उपयोगकर्ता यात्रा में एक मोड़ के रूप में मानते हैं जिसे सुधारने की आवश्यकता होती है।

एक और मीट्रिक जो हम देखते हैं वह है सहायक फीचर्स का सतत उपयोग। यदि लोग, उदाहरण के लिए, फोकस मोड या डिस्लेक्सिया मोड चालू करते हैं और फिर दूसरों की तुलना में तेजी से ऐप को छोड़ देते हैं, तो यह हमारी ओर से असफलता है। आदर्श रूप से, उन सुविधाओं को प्रदान करने से जुड़ाव और सफलता बढ़नी चाहिए। इसलिए हम कुछ एक्सेसिबिलिटी फीचर्स के साथ और बिना उपयोगकर्ताओं के लिए प्रतिधारण और कार्य पूर्णता की तुलना करते हैं (औसतन)। यदि किसी फीचर को सक्षम करने से कम सफलता का संबंध है, तो इसका मतलब है कि उस फीचर को लागू करने या प्रस्तुत करने में कुछ गड़बड़ है। हम इसके विपरीत की उम्मीद करते हैं – कि सहायक फीचर्स उन लोगों के लिए अधिक सफलता का संबंध रखते हैं जिन्हें उनकी ज़रूरत है, जो हमें बताते हैं कि ये फीचर्स बाधाओं को दूर करने के लिए अपना काम कर रहे हैं।

दीर्घकालिक परिणाम (आदतें और अनुपालन): व्यक्तिगत AI का एक वादा उपयोगकर्ताओं को अच्छी आदतें बनाने और दिनचर्या बनाए रखने में मदद करना है – चाहे वह समय पर दवाइयां लेना हो, अध्ययन योजना का पालन करना हो, या तनाव-घटाने की तकनीकों का अभ्यास करना हो। न्यूरोडाइवर्जेंट उपयोगकर्ताओं के लिए, कार्यकारी कार्य में अंतर के कारण दिनचर्या बनाए रखना अतिरिक्त चुनौतीपूर्ण हो सकता है। हम इसे मैकरॉन के प्रभाव का एक प्रमुख मापदंड मानते हैं कि क्या यह वास्तव में उपयोगकर्ताओं को उनके चुने हुए दिनचर्या का दीर्घकालिक पालन करने में मदद करता है।

उदाहरण के लिए, यदि ADHD वाले उपयोगकर्ता Macaron के रूटीन-बिल्डर का उपयोग करके "3-चरण की सुबह की दिनचर्या" सेट करते हैं (जिसमें 10-मिनट के फोकस ब्लॉक और कोमल टाइमर शामिल हैं), तो हम ट्रैक करते हैं कि वे इसे प्रत्येक दिन कितनी बार पूरा करते हैं और कितने दिनों तक लगातार इसे बनाए रखते हैं। बेशक, जीवन में उतार-चढ़ाव आते हैं और कोई भी 100% सुसंगत नहीं होता, लेकिन अगर हम पाते हैं कि अधिकांश उपयोगकर्ता एक सप्ताह के बाद एक दिनचर्या को छोड़ देते हैं, तो यह संकेत दे सकता है कि शायद दिनचर्या टेम्पलेट स्थायी नहीं था या हमारे संकेतों को समायोजित करने की आवश्यकता है। दूसरी ओर, अगर एक स्वस्थ प्रतिशत उपयोगकर्ता एक महीने के बाद भी अपनी दिनचर्या (या इसका अनुकूलित संस्करण) कर रहे हैं, तो यह एक सफलता है – इसका मतलब है कि Macaron ने एक सकारात्मक व्यवहार परिवर्तन को प्रभावी ढंग से समर्थन किया।

हम यहाँ उपयोगकर्ताओं द्वारा साझा किए गए व्यक्तिगत रिपोर्ट भी एकत्र करते हैं। उदाहरण के लिए, कोई हमें बता सकता है, 「मैं आमतौर पर कभी भी व्यायाम पर टिके नहीं रह पाता था, लेकिन मैकरॉन की मदद से मैंने लगातार 5 दिनों तक अपनी सुबह की स्ट्रेचिंग दिनचर्या पूरी की।」 ये कहानियाँ हमारे मात्रात्मक मीट्रिक्स को सूचित करती हैं। समय के साथ, हम गुमनाम आँकड़े प्रकाशित करना चाहेंगे जैसे 「ADHD वाले उपयोगकर्ताओं ने जो रूटीन प्लेबुक का उपयोग किया, उन्होंने 4 सप्ताह के बाद सुबह की दिनचर्या पालन में X% सुधार देखा」 - क्योंकि यह एक ठोस जीवन सुधार है।

इसी तरह, स्वास्थ्य-उन्मुख प्लेबुक्स के लिए (जैसे मूड ट्रैकर या दवा रिमाइंडर), हम पालन और परिणामों को मापते हैं। क्या उपयोगकर्ता अपनी दवाएं समय पर अधिक नियमितता से ले रहे हैं? क्या वे कुछ समय तक उपकरण का उपयोग करने के बाद बेहतर मूड या ध्यान की सूचना देते हैं? हम इस डेटा को सावधानीपूर्वक संभालते हैं - कोई भी ऐसा ट्रैकिंग केवल आपके सहमति पर किया जाता है और मुख्य रूप से उपयोगकर्ता को उनकी अपनी जानकारी के लिए प्रस्तुत किया जाता है (मकारोन आपको आपकी स्ट्रीक्स, रुझान आदि दिखा सकता है)। लेकिन संपूर्ण रूप में, हम पैटर्न का विश्लेषण करते हैं कि क्या काम कर रहा है और क्या नहीं। यदि गेमिफिकेशन का एक स्पर्श जोड़ने से (जैसे स्ट्रीक पुरस्कार या प्रगति की सामाजिक साझेदारी) न्यूरोडायवर्स उपयोगकर्ताओं के लिए पालन में काफी सुधार होता है, तो हम उस पर अधिक ध्यान देंगे। यदि यह प्रभावी नहीं होता है, तो हम अन्यत्र ध्यान केंद्रित करते हैं।

मंत्र है परिणामों को दिखावे से ऊपर रखना। यह कह देना काफी नहीं है कि "हमारे पास एक्सेसिबिलिटी फीचर X है"। हम पूछते हैं, क्या फीचर X ने किसी को कुछ ठोस हासिल करने में मदद की या उनकी निराशा को कम किया? कार्य की सफलता, त्रुटि में कमी, बचाए गए समय और दिनचर्या के पालन जैसी चीजों को मापकर, हम इस सवाल के प्रति खुद को जिम्मेदार रखते हैं। और क्योंकि मैकरॉन मूल रूप से एक AI है, हम फीडबैक का विश्लेषण करने और इन मेट्रिक्स में रुझान पहचानने में AI का भी उपयोग करते हैं, जिससे अनुभव को लगातार परिष्कृत किया जाता है। अंतिम लक्ष्य एक व्यक्तिगत AI है जो न केवल समावेशन के मानदंडों को पूरा करता है बल्कि वास्तव में समावेशन के माध्यम से जीवन बदलता है – प्रत्येक उपयोगकर्ता को अधिक उत्पादक, अधिक स्वतंत्र और अधिक समझा जाने में मदद करता है एक ऐसे सहायक द्वारा जो वास्तव में उनके अनुसार ढलता है।