Google DeepMind आणि सिंगापूरच्या Government Technology Agency (GovTech) यांनी 14 ऑक्टोबर रोजी फोनवरील संदेश-संभाषणांत फेरफार शोधणारे मॉडेल जाहीर केले. त्याची रचना नेहमीच्या संदेशांची आधी झटपट तपासणी करते आणि संभाव्य संशयास्पद संदेश अधिक बारकाईने पाहण्यासाठी fine-tuned Gemma मॉडेलकडे पाठवते. संभाषण विश्लेषणासाठी सर्व्हरवर न पाठवता चालू संभाषणादरम्यान व्यक्तीला सावध करण्याचा मार्ग भागीदारांनी वर्णन केला. त्यांनी ग्राहकांसाठी आवृत्ती जाहीर केलेली नाही किंवा शोधाचे निकाल प्रकाशित केलेले नाहीत.

मोठा बदल

  • काय बदलले: DeepMind आणि GovTech यांनी डिव्हाइसवर चालणारा दोन-टप्प्यांचा फसवणूक शोधक वर्णन केला: हलका classifier आधी येणारे संदेश तपासतो; पहिल्या टप्प्यात चिंता दिसल्यास fine-tuned Gemma मॉडेल संभाषणाचा अधिक भाग तपासते. धोका आढळल्यास फोनवर इशारा दिसतो.
  • हे का महत्त्वाचे: खाजगी संदेशांतील संभाषणात्मक फेरफार तपासताना inference डिव्हाइसवरच ठेवणे हा रचनेचा उद्देश आहे. पहिला टप्पा अधिक संसाधने लागणारे संदर्भ मॉडेल किती वेळा चालेल हेही मर्यादित करतो. हे भागीदारांनी वर्णन केलेले रचनात्मक निर्णय आहेत; गोपनीयता, बॅटरी किंवा फसवणूक प्रतिबंधाचे स्वतंत्रपणे मोजलेले परिणाम नाहीत.
  • कशाकडे लक्ष द्यावे: प्रकाशनाची पद्धत, समर्थित डिव्हाइस आणि न सुटलेल्या फसवणुका, चुकीचे इशारे, वेग व वीजवापर यांवरील प्रकाशित चाचण्या असतील तर भागीदारांच्या विकासकामापलीकडे हे मॉडेल कसे चालते ते कळेल. घोषणेत यापैकी कोणताही तपशील नाही.

संभाषण विश्लेषणापूर्वी झटपट तपासणी

DeepMindच्या प्रकल्पाच्या वर्णनात, हलका classifier कमी वीज वापरून येणारे संदेश तपासतो. निरुपद्रवी वाटलेला संदेश तिथेच थांबतो. संभाव्य धोका fine-tuned Gemma मॉडेलकडे जातो; ते संभाषणाचा मोठा भाग तपासून शंका दूर करते किंवा फसवणुकीचा इशारा देते. पैसे किंवा संवेदनशील माहिती देण्यापूर्वी थांबण्याचा सल्ला इशारा देतो.

एकट्या संदेशातून संपूर्ण संभाषणात विकसित होणारा फेरफार दिसेलच असे नाही, म्हणून दुसरा टप्पा महत्त्वाचा आहे. सार्वजनिक संस्था, बँका आणि स्थानिक व्यक्तींचे सोंग घेण्यासह प्रादेशिक युक्त्या असलेल्या स्थानिक फसवणूक-संभाषणांवर मॉडेल fine-tune केल्याचे DeepMind सांगते. Gemmaची अचूक आवृत्ती किंवा आकार, पहिल्या classifierची रचना, दुसऱ्या टप्प्यापर्यंत पोहोचणाऱ्या संदेशांची संख्या किंवा इशारा दाखवण्याचा उंबरठा ते सांगत नाही. ही माहिती नसल्याने घोषणेवरूनच वीजवापर आणि अचूकता यांतील तडजोड मोजणे अशक्य आहे.

एंड-टू-एंड एन्क्रिप्शन वापरणाऱ्या संदेश सेवांसाठी DeepMind ही प्रणाली मांडते. अशा परिस्थितीत सेवा आपल्या सर्व्हरवर एन्क्रिप्ट केलेला संदेशमजकूर सहज पाहू शकत नाही. मॉडेल संभाषण डिव्हाइसवर प्रक्रिया करते, असे भागीदार सांगतात. प्रस्तावित inference मार्गाबद्दल हा विशिष्ट दावा आहे; पोस्ट स्वतंत्र गोपनीयता लेखापरीक्षण किंवा भावी अॅप इतर वैशिष्ट्यांद्वारे कोणता डेटा गोळा करू शकते याचे तपशील देत नाही.

क्लाउड प्रशिक्षण आणि स्थानिक inference या वेगळ्या पायऱ्या आहेत

प्रकल्पाच्या प्रशिक्षणात क्लाउड पायाभूत सुविधांचा वापर झाला. GovTech व्यवस्थापित व देखभाल करत असलेल्या Google Cloud वातावरणात fine-tuning झाले आणि प्रशिक्षण डेटा तिथे वेगळा ठेवला, असे DeepMind सांगते. खाजगी आणि वैयक्तिक ओळख पटवणारी माहिती वगळली आणि फसवणुकीच्या अहवाल व माहिती प्रवाहांमधील डेटासेट अनामिक केले, असेही ते म्हणतात. सिंथेटिक संवाद आणि स्थानिक corpusवर चाचण्या केल्याचे भागीदार सांगतात. पोस्ट डेटा तयार करण्याची पद्धत, चाचणी प्रोटोकॉल किंवा संख्यात्मक निकाल देत नाही; त्यामुळे हे त्यांच्या प्रक्रियेचे भागीदारांनी केलेले वर्णनच राहते.

त्या विकास वातावरणाची प्रस्तावित रोजच्या वापराशी गल्लत करू नये. वर्णन केलेल्या रचनेत संदेश तपासणी आणि Gemmaचे संदर्भाधारित inference फोनवर स्थानिकरीत्या चालते आणि इशारा तिथेच दिसतो. क्लाउडमधील fine-tuningमुळे वापरकर्त्याचे चालू संभाषण GovTechच्या प्रशिक्षण वातावरणात पाठवले जाते असा निष्कर्ष आपोआप निघत नाही. त्याचप्रमाणे, डिव्हाइसवर चालण्याचा भागीदारांचा दावा अद्याप न जाहीर झालेल्या ग्राहक-एकत्रीकरणाच्या डेटा पद्धती सिद्ध करत नाही.

Singapore International Cyber Weekमध्ये हे काम सादर केले आणि संदेश प्लॅटफॉर्म व ऑपरेटिंग-सिस्टम विक्रेते मॉडेल एकत्र करू शकतात, असे DeepMind सांगते. ते एकत्र करणारी सेवा, अॅप किंवा ऑपरेटिंग-सिस्टम आवृत्ती सांगत नाही; समर्थित फोनची यादी, fine-tuned weights, किंमत किंवा rolloutची तारीख देत नाही. नोंदवलेल्या stress tests या स्वतंत्र क्षेत्रीय चाचण्या नाहीत. स्थानिकरीत्या फसवणूक-संभाषणे तपासण्याची स्पष्ट रचना हा उपयोगी पुढाकार आहे; प्रत्यक्षात लोकांना विश्वासार्ह इशारा मिळेल का हा प्रश्न उघडाच आहे.

स्रोत आणि पुढील वाचन

  • Google DeepMindची घोषणा, 14 ऑक्टोबर 2026: दोन-टप्प्यांचा प्रवाह, Gemma fine-tuning, प्रस्तावित डिव्हाइस इशारा, GovTech व्यवस्थापित क्लाउड प्रशिक्षण आणि प्रशासन व चाचणीविषयी भागीदारांचे दावे. प्रकल्प संघाचे हे वर्णन आहे; अचूकता, विलंब, बॅटरी किंवा rolloutची सार्वजनिक माहिती नाही.
  • सिंगापूर MDDIची National AI Partnership घोषणा, 20 मे 2026: Google–Singapore सहकार्याची पार्श्वभूमी. फसवणूक मॉडेलची कामगिरी किंवा उपलब्धता यात नोंदलेली नाही.