लाइटबल्ब कंप्यूटर: हेडसेट के सपने से बेहतर?

स्पेशियल कंप्यूटिंग की एक मार्केटिंग समस्या है: इंडस्ट्री जो भी “भविष्य का विज़न” पेश करती है, उसमें आपके चेहरे पर एक स्क्रीन बाँधनी पड़ती है। ग्लास, गॉगल, हेडसेट — पिच हमेशा यही होती है कि आप खुद कंप्यूटर पहनेंगे। डिज़ाइनर गुइलाम आर्डो ने इसके उलट दांव लगाया है, और यह पिछले कई सालों में मेरी देखी सबसे प्रभावशाली एंबिएंट कंप्यूटिंग डेमो है: एक बल्ब-आकार का डिवाइस जो साधारण एडिसन सॉकेट में लग जाता है, कैमरे से कमरे को देखता है, आपकी आवाज़ सुनता है, और आसपास की सतहों पर सीधे इंटरफ़ेस प्रोजेक्ट करता है। वे इसे लाइटबल्ब कंप्यूटर कहते हैं, और सच कहूँ तो यह हेडसेट वालों को किसी गलत समस्या का हल ढूंढते हुए दिखाता है।

चेहरे पर स्क्रीन लगाने की दिक्कत

आइए साफ़ कहें कि हम किस चीज़ की आलोचना कर रहे हैं, क्योंकि “स्क्रीन बुरी हैं” कोई दलील नहीं है। स्क्रीन असाधारण हैं। दिक्कत उस इंटरैक्शन मॉडल की है जो आधुनिक स्क्रीन कंप्यूटिंग हम पर थोपती है, और यह दिक्कत तीन परतों में है।

• बुनियादी तौर पर निजी। लैपटॉप या फ़ोन एक ही इंसान को एक ही चीज़ दिखाता है। साझा करने के लिए डिवाइस घुमाना पड़ता है, सब लोग सिमटकर बैठते हैं, या टीवी पर स्क्रीन-मिरर करना पड़ता है — सब अजीब और बाद में सोची गई बातें। हेडसेट इसे और बिगाड़ते हैं: एक वर्चुअल चीज़ साझा करने के लिए दो लोगों को दो हेडसेट और मेल खाता सॉफ़्टवेयर चाहिए, और कमरे में बैठा तीसरा इंसान दो लोगों को हवा में हाथ हिलाते देखता है।
• ध्यान खींचने वाला। आप फ़ोन पर रेसिपी देखने नहीं जाते; आप उसे अनलॉक करते हैं, नोटिफ़िकेशन बैज देखते हैं, और चार मिनट बाद बाहर आते हैं बिना रेसिपी पढ़े। डिवाइस को इस तरह बनाया गया है कि आप उसी में बने रहें।
• शारीरिक रूप से असुविधाजनक। गीले हाथ, आटे से सने हाथ, किचन में टमाटर सॉस की बरनी पर टिका फ़ोन। कोहरा जमने वाले, चश्मे पर दबाव डालने वाले, बाल बिगाड़ने वाले गॉगल, और चेहरे पर लगे डिवाइस के सख़्त थर्मल और बैटरी बजट की वजह से दो घंटे में बंद हो जाने वाले गॉगल।

हेडसेट वाली पिच पहली दिक्कत को यह करके सुलझाने की कोशिश करती है कि डिस्प्ले आपके साथ हर जगह चले। लेकिन इसमें दूसरी दिक्कत भी आ जाती है, सामाजिक कीमत जुड़ जाती है (आप ऐसे दिखते हैं जैसे सबको नज़रअंदाज़ कर रहे हों, क्योंकि ऑप्टिकली आप वैसा ही कर रहे होते हैं), और शारीरिक बंदिशें और बढ़ जाती हैं — सब कुछ चेहरे पर फिट होने लायक छोटा करना पड़ता है, इसलिए पावर, कंप्यूट और थर्मल एक हारी हुई लड़ाई लड़ते हैं।

लाइटबल्ब कंप्यूटर असल में इसी समस्या का जवाब है। यह कहना नहीं कि “हमें बेहतर AR हार्डवेयर चाहिए”, बल्कि यह पूछना कि “क्या हो अगर जानकारी कमरे में ही रहे?”

प्रोजेक्टर कंप्यूटिंग: असफल प्रयास ही सबसे दिलचस्प हिस्सा हैं

सच यह है कि टेबल और दीवारों पर इंटरफ़ेस प्रोजेक्ट करना कोई नया विचार नहीं है। यह एक बहुत पुराना विचार है जो बार-बार नाकाम होता रहा है, और नाकामी के तरीके हमें बताते हैं कि यह कोशिश अलग क्यों है। इतिहास जानना ज़रूरी है, क्योंकि इस क्षेत्र में कुछ समय से हैं तो आपने हर लहर को टूटते देखा होगा।

पहली लहर: रिसर्च लैब के डेमो (2000 के दशक)

MIT के मीडिया लैब ने प्रोजेक्टर-प्लस-कैमरा वाले रास्ते पर खूब काम किया। I/O Bulb और LuminAR प्रोजेक्ट — डेस्क-लैंप के रूप में एक कैमरा-प्रोजेक्टर जोड़ी — ने एक दशक से भी पहले प्रोजेक्टेड इंटरफ़ेस और जेस्चर इनपुट दिखाए। शानदार काम, ज़बरदस्त प्रभाव, पर उपभोक्ता बाज़ार पर लगभग शून्य असर। क्यों? उस दौर की कंप्यूटर विज़न मुश्किल से पर्याप्त थी, प्रोजेक्टर धुंधले, गर्म और महंगे थे, और कोई भरोसेमंद सॉफ़्टवेयर स्टैक नहीं था। इंटरैक्शन के विचार सही थे; भौतिक हिस्सा हर तरह से गलत था।

दूसरी लहर: विशालकाय टेबल कंप्यूटर

2008–2012 के आसपास Microsoft ने पहला Surface (लैपटॉप नहीं, एक टेबल) लॉन्च किया और Lenovo ने टेबल-आकार के मल्टीटच PC के साथ प्रयोग किए। शेयर्ड-सरफ़ेस वाला विचार सही था — कॉफ़ी टेबल के चारों ओर बैठे कई लोग एक ही इंटरफ़ेस को छूएँ, यह सचमुच शानदार है। पर यह कीमत, वज़न, और इस तथ्य पर मर गया कि एक समर्पित फ़र्नीचर-कंप्यूटर भी एक फ़र्नीचर है जो पुराना हो जाता है। आप एक डिवाइस नहीं, बल्कि कमरे के लेआउट की एक प्रतिबद्धता खरीद रहे थे।

तीसरी लहर: पहनने वाले प्रोजेक्टर

फिर आया छोटा करने का दांव: प्रोजेक्टर को शरीर पर लगा दो। Amazon ने हर सतह को स्क्रीन बनाने वाले प्रोजेक्टर कॉन्सेप्ट का पेटेंट लिया। Humane AI Pin — छाती पर पहना जाने वाला लेज़र-प्रोजेक्टर असिस्टेंट — अप्रैल 2024 में आया और कुछ ही महीनों में चेतावनी की कहानी बन गया: धुंधला आउटपुट, बाहर धूप में लड़खड़ाते जेस्चर कंट्रोल, गंभीर थर्मल थ्रॉटलिंग, और एक ऐसा प्रोडक्ट जो ज़्यादातर आपको अपने फ़ोन की याद दिलाता था। सबक: शरीर पर रहने वाला प्रोजेक्टर चेहरे वाले कंप्यूटिंग की सारी पावर और थर्मल सीमाएँ झेलता है, ऊपर से प्रोजेक्टर की वॉट्स की भूख भी।

इसी बीच, कम्युनिटी प्रोजेक्ट्स — Oakland का Dynamicland और उसका उत्तराधिकारी Folk — ने सामाजिक थीसिस को पूरी तरह साबित किया। Dynamicland में कमरा ही कंप्यूटर है: प्रोग्राम मेज़ों पर रखे भौतिक कागज़ी ऑब्जेक्ट हैं, कैमरे उन्हें देखते हैं, प्रोजेक्टर उन पर टिप्पणियाँ दिखाते हैं, और लोग साझा जगह के आसपास मिलकर काम करते हैं। जिसने भी वहाँ जाकर देखा है, वह बताएगा कि यह भविष्य जैसा लगा। बस यह कभी उस इमारत से बाहर नहीं निकला।

जो असल में काम करता है: कमरे-स्तर, सॉकेट से चलने वाला, विज़न-नेटिव

लाइटबल्ब कंप्यूटर के डिज़ाइन फ़ैसलों को उस असफलता के इतिहास के सामने रखिए, और आप देखेंगे कि हर फ़ैसला किसी ज्ञात सुरंग से बचने के लिए बनाया गया है।

• दीवार से बिजली, बैटरी नहीं। यह एडिसन सॉकेट में लगता है या पोर्टेबल बेस पर रखा जाता है। एडिसन सॉकेट इंसानी सभ्यता का सबसे व्यापक बिजली-युक्त माउंटिंग पॉइंट है। कोई बैटरी बजट नहीं, गाल की हड्डी के लिए थर्मल की चिंता नहीं, और सबसे अहम — प्रोजेक्टर को असली लुमेन दिए जा सकते हैं।
• कमरा ही डिस्प्ले है। यह डिफ़ॉल्ट रूप से कमरे-स्तर का है, इसलिए साझा इंटरैक्शन कोई पेयरिंग फ़ीचर नहीं बल्कि बेसलाइन व्यवहार है। यात्रा की योजना बनाने के लिए दीवार-बराबर नक्शे तक चलकर जाना, किसी भी सामाजिक पैमाने पर हेडसेट में दो चेहरों से बेहतर है।
• इनपुट परत के रूप में आधुनिक कंप्यूटर विज़न। पॉइंट करना, हैंड ट्रैकिंग, पहचानना कि आप किस शेल्फ़ की ओर इशारा कर रहे हैं — Apple का हैंड-ट्रैकिंग फ़्रेमवर्क और आज के विज़न मॉडल “भरोसे लायक काफ़ी अच्छे” की रेखा अभी हाल में ही पार कर पाए हैं। इस तकनीक के 2008 के संस्करण अपने ही सेंसरों से लड़ते प्रोटोटाइप थे; यह डेमो एक उपभोक्ता 4K लेज़र प्रोजेक्टर, एक वेबकैम और एक Mac पर चलता है।
• आवाज़ एक मोडैलिटी है, पूरा UI नहीं। आप पूछते हैं, और वह जवाब वहीं दिखाता है — शेल्फ़ की किताब को उसका स्पाइन नंबर बताने के बजाय सीधे हाइलाइट करता है। प्रोजेक्शन माहौल में ही लूप बंद कर देता है।

किचन वाला डेमो लक्ष्य परिदृश्य को खासतौर पर सटीक पकड़ता है। काउंटर पर पिन किया गया टाइमर और रेसिपी, हाथ आटे से सने हुए, कुछ भी अनलॉक नहीं करना, कुछ भी पकड़ना नहीं। यह फ़ोन पर मामूली सुधार नहीं है; यह मशीन से एक अलग रिश्ता है। इससे मुझे शून्य से शेल बनाने की याद आती है, जो बहुत स्पष्टता देता है: जब आप कंप्यूटिंग माहौल की जमी हुई परतें हटाते हैं, तो पता चलता है कि कौन-सी चीज़ें ढांचे का सहारा थीं और कौन-सी बस आदत। प्रोजेक्टर कंप्यूटिंग डिवाइस को हटाकर काम की असली चीज़ें — जवाब, टाइमर, नक्शे, रिमाइंडर — खोज निकालती है और उन्हें कमरे में रख देती है।

एक गहरी ऐतिहासिक समानता भी है जिससे मैं बच नहीं सकता। शुरुआती औद्योगिक इंटरफ़ेस डिज़ाइन में “क्या हो अगर वस्तु ही इंटरफ़ेस हो” वाले प्रयोग भरे पड़े थे — जूकबॉक्स, वेंडिंग मशीन, कंट्रोल पैनल — इससे पहले कि सामान्य-उद्देश्य वाली स्क्रीन हर इंटरैक्शन को निगल जाती। एंबिएंट प्रोजेक्टिंग कंप्यूटिंग अजीब तरह से उसी ओर लौटना है: जानकारी उस चीज़ या जगह से जुड़ी हो जहाँ वह प्रासंगिक है, किसी चमकते आयत में अमूर्त करके आपके साथ ले जाने के बजाय।

पहले डिज़ाइन, फिर हार्डवेयर

जब तकनीकी लोग यह प्रोजेक्ट देखते हैं, तो पहला सवाल आम तौर पर स्पेक्स के बारे में होता है। आर्डो का जवाब — जो प्रोजेक्ट की चर्चा में दिया गया — इसमें सबसे दिलचस्प इंजीनियरिंग बयान है: टेक स्पेक्स मुद्दा ही नहीं हैं। डेमो एक Mac, एक उपभोक्ता 4K लेज़र प्रोजेक्टर, एक वेबकैम और कस्टम प्रोजेक्शन-मैपिंग व रेंडरिंग सॉफ़्टवेयर पर चलते हैं। प्रोटोटाइप एक डिज़ाइन सवाल का जवाब देने के लिए है: क्या यह इंटरैक्शन सिरे से संभव और वांछनीय है? “हाँ” के बाद ही आप हार्डवेयर की ओर पीछे की तरफ़ काम करते हैं।

मेरी नज़र में यह काम करने का बिल्कुल सही क्रम है, और इंडस्ट्री आम तौर पर जिस तरह काम करती है उसका उल्टा। आम खेल-नियम है: क्षमता मौजूद है (छोटे डिस्प्ले! वेवगाइड!), तो चलो हेडसेट बनाएँ और फिर उपयोग का मामला ढूंढें। Humane Pin क्षमता-पहले सोच का सबसे प्रतीकात्मक शिकार है — तकनीकी रूप से प्रभावशाली, अनुभव में बेमतलब। आर्डो का क्रम वही है जिसने ऐतिहासिक रूप से सचमुच बदल देने वाले प्रोडक्ट दिए: VisiCalc स्प्रेडशीट हार्डवेयर डेमो नहीं था, वह ऐसा इंटरैक्शन था जो इतना स्पष्ट रूप से वांछनीय था कि उसने पूरे PC उद्योग को जन्म दिया — इस पर हमने VisiCalc ने हार्डवेयर को खरीदने लायक कैसे बनाया में लिखा है।

कम्युनिटी प्रतिक्रिया से एक विवरण है जो किसी भी असली संस्करण में ज़रूर जोड़ा जाना चाहिए: वॉइस जेस्चर की सीमा पर लेटेंसी। जब आप पॉइंट करते हुए “इसे यहाँ रखो” कहते हैं, तो सिस्टम प्रोसेस करते समय थोड़ा रुकता है। सुझाया गया हल है — कम फ़्रेम-रेट वाला रोलिंग वीडियो बफ़र रखो, ऑडियो स्ट्रीम में शब्द “यहाँ” का टाइमस्टैम्प लगाओ, और उस फ़्रेम का विश्लेषण करो जहाँ आपका हाथ असल में पॉइंट कर रहा था, न कि उस जगह का जहाँ वह प्रोसेसिंग खत्म होने पर है। आप चाहें तो उपयोगकर्ता को पता चले कि अब हाथ नीचे किया जा सकता है, इसलिए शब्द पहचाने जाते ही कैप्चर की गई जगह पर एक छोटा पुष्टि बिंदु भी प्रोजेक्ट कर सकते हैं। यह उस तरह की माइक्रो-इंटरैक्शन पॉलिश है जो डेमो को प्रोडक्ट से अलग करती है, और उत्साहजनक बात है कि यह हल होने योग्य इंजीनियरिंग समस्या है, रिसर्च समस्या नहीं।

जिन्न वाली समस्या, और दूसरी ईमानदार आपत्तियाँ

अब आपत्तियाँ, क्योंकि वे ठोस हैं और मैं कोई प्रचार-लेख नहीं लिखना चाहता।

मैंने देखी सबसे तीखी आलोचना इसे जिन्न वाली समस्या के रूप में देखती है: यह डिज़ाइन आपके घर में एक चौकस, हमेशा सुनने वाली, इच्छा पूरी करने वाली उपस्थिति लगाता है, और प्राकृतिक भाषा में बात करने देकर इसकी डरावनी प्रकृति को और बढ़ा देता है। बेडरूम और बाथरूम में कैमरा उस फ़ोन से बिल्कुल अलग है जो जेब में रहता है और आपके जगाने तक बंद रहता है। यह बेचैनी लुडाइट वाली सोच नहीं है; यह एक समझदार खतरे का मॉडल है।

बचाव का रास्ता मौजूद है, पर उसे मार्केटिंग के वाक्य नहीं, बल्कि असली आधार होना चाहिए:

• केवल ऑन-डिवाइस प्रोसेसिंग। जिस क्षण विज़न फ़्रेम घर से बाहर जाते हैं, डिवाइस निगरानी वाले बिज़नेस मॉडल का ही एक रूप बन जाता है, बस लैंप-शेड बेहतर होता है। एक टिप्पणीकर्ता का डर — कि भेजा गया संस्करण “क्लाउड-बैक्ड हो जाए और बस एक बेहतर Flock कैमरा बन जाए” — वह भविष्यवाणी है जिसे गलत साबित करना है।
• सेटिंग नहीं, हार्डवेयर गार्डरेल। कैमरा इंडिकेटर LED हार्ड-वायर्ड हो, एक भौतिक शटर हो, और कैमरा सिर्फ़ उपयोगकर्ता की साफ़ कार्रवाई पर चालू हो। अगर इंडिकेटर लाइट सॉफ़्टवेयर से नियंत्रित है, तो वह एक दिन झूठ बोलेगी।
• डिज़ाइन से कमरे का भेद। एक पोर्टेबल यूनिट जिसे आप किचन और वर्कशॉप तक ले जाते हैं, छह स्थायी रूप से छत पर लगी यूनिट से बेहतर है जो हर समय सब कुछ देखती हैं।

मैं आस-पास के इतिहास से एक बेस-रेट चिंता भी जोड़ूँगा: एंबिएंट उपभोक्ता सेंसर और डेटा हैंडलिंग का ट्रैक रिकॉर्ड बेहद खराब है — जो डिवाइस स्थानीय प्रोसेसिंग का वादा करते हैं और चुपचाप डेटा घर भेजते हैं, वे अपवाद नहीं बल्कि एक पूरी श्रेणी हैं। अगर यह कभी असली प्रोडक्ट बनता है, तो प्राइवेसी आर्किटेक्चर ही पूरा खेल होगा, और “पहली श्रेणी का विचार” का मतलब होना चाहिए “ऐसे लोगों द्वारा ऑडिट किया गया जो इसे तोड़ते हुए खुश होंगे।”

दूसरी आपत्ति ज़्यादा साधारण है: किसी आम घर की दीवारों पर प्रोजेक्ट करना मुश्किल है। वॉलपेपर, सीधी धूप, गहरी सतहें, बिल्लियाँ। डेमो एक नियंत्रित माहौल में चलता है; असली बैठक-कक्ष रोशनी के लिहाज़ से मुश्किल होते हैं और उनकी सतहें अलग-अलग होती हैं। 4K लेज़र प्रोजेक्टर मदद करता है, पर भौतिकी को नहीं बदलता — तेज़ रोशनी वाले कमरों में प्रोजेक्टेड इंटरफ़ेस फीके पड़ जाते हैं, बस। जहाँ हेडसेट हमेशा डिस्प्ले सतह को नियंत्रित करते हैं (आपकी रेटिना), वहाँ लाइटबल्ब उस सतह को आपके माहौल से किराये पर लेता है। यह एक असली ट्रेड-ऑफ़ है, और यह इसे प्रतिस्थापन नहीं बल्कि पूरक उपयोग तक सीमित करता है। ईमानदारी से कहूँ तो यह ठीक है: फ़ोन कहीं नहीं जा रहा, और कोई समझदार व्यक्ति उलटा दावा नहीं कर रहा। पिच ज़्यादा सीमित और ज़्यादा मज़बूत है: दिन के उन दर्जनों पलों के लिए जब आपको एक जानकारी चाहिए, यहीं, बिना किसी डिवाइस की रस्म के — यह जीतता है।

भले ही लाइटबल्ब कंप्यूटर कभी बाज़ार में न आए, इतना तो है

भले ही लाइटबल्ब कंप्यूटर हमेशा प्रोटोटाइप ही रहे, इसने पहले ही मूल्यवान काम कर दिखाया है: इसने साबित किया कि हेडसेट की एकरसता एक विकल्प है, मजबूरी नहीं। इंडस्ट्री का R&D बजट भारी तौर पर निजी, पहने जाने वाले डिस्प्ले की ओर है, और उस पूंजी-आवंटन को अनिवार्यता समझ लेना आसान है। विकल्प का एक अच्छी तरह बना डेमो भी यह बदल देता है कि लोग क्या मांगते हैं।

यहाँ एक वंश-परंपरा भी है जिसका दावा किया जाना चाहिए। यहाँ के विचार दशकों की सर्वव्यापी-कंप्यूटिंग रिसर्च से होकर गुज़रते हैं — Xerox PARC में Weiser की calm computing, Dynamicland के सामुदायिक कमरे, MIT के लैब प्रोजेक्टर — और इनमें से ज़्यादातर को कभी व्यावसायिक वाहक नहीं मिला। जो बदला है वह विज़न नहीं है; बदला यह है कि सब्सट्रेट आखिरकार पकड़ में आ गया है। विज़न मॉडल मिलीसेकंड में दृश्य पढ़ लेते हैं। लेज़र प्रोजेक्टर चमकीले, छोटे और काफ़ी सस्ते हो गए हैं। वॉइस इंटरफ़ेस, अपनी तमाम खीज के बावजूद, काम करते हैं। लाइटबल्ब कंप्यूटर वही है जो तब होता है जब एक पुराना अच्छा विचार नए अच्छे पुर्जों से मिलता है।

मेरा दांव: कमरे-स्तर का एंबिएंट कंप्यूटिंग का कोई न कोई रूप इस दशक के भीतर आएगा, और वह इस प्रोटोटाइप जैसा नहीं दिखेगा — शायद बोरिंग दिखेगा, किसी थर्मोस्टेट बनाने वाली कंपनी का छत पर लगने वाला फ़िक्स्चर। और वह, जैसा ऐसी चीज़ों के साथ होता है, गैर-चमकदार उपयोग के मामलों से आएगा: किचन के टाइमर, गलियारों में साझा नक्शे, ऐसी लाइटें जिन्हें आप इशारा करके चालू करें। फेस कंप्यूटर भी अपनी जगह रखेंगे। पर तीस साल पहनने वाले सपने के पीछे भागने और एक किचन सॉकेट में लगे एक बल्ब ने मुझे इस बात पर भरोसा दिलाने में कहीं ज़्यादा काम किया है कि कंप्यूटिंग का भविष्य मेरे चेहरे पर नहीं, कमरे में रहता है।