Niewiele rzeczy wywołuje u mnie odruch sceptycyzmu szybciej niż wtedy, gdy firma zaczyna mówić o tym, jak integruje AI ze swoimi produktami. Ponieważ AI stało się ostatnio bardzo popularne, wiele zapowiedzi i demonstracji AI wydaje się mieć klimat „och tak, my też”, niezależnie od tego, czy mają jakąkolwiek rzeczywistą wartość.
Stało się to pewnego rodzaju ryzykiem zawodowym dla tych z nas, którzy zawodowo zajmują się pisaniem o telefonach, ponieważ wydaje się, że w dzisiejszych czasach nie da się wypuścić telefonu bez wspomnienia o długiej liście możliwości sztucznej inteligencji, z których wiele to sztuczne sztuczki, niemające żadnej trwałej wartości dla osób, które faktycznie używają danego telefonu.
Więc kiedy w zeszłym tygodniu Utworzone przez wydarzenia Google rozpoczęło się od dyskusji na temat Model sztucznej inteligencji Gemini i co to oznacza dla urządzeń mobilnych, czułem, że mój mózg aktywnie organizuje strajk. „Znów zaczynamy” – pomyślałem, przygotowując się na szereg funkcji, które świetnie wyglądały na scenie demonstracyjnej, ale nie służyły żadnemu praktycznemu celowi.
Ku mojemu zaskoczeniu, gdy wydarzenie dobiegło końca i miałem okazję zobaczyć z bliska kolejne wersje demonstracyjne, byłem pod wrażeniem tego, co Google zrobiło z Gemini i co to oznacza dla urządzeń takich jak Model Piksel 9 który trafi do sprzedaży pod koniec tego tygodnia. Chociaż nadal jestem sceptyczny co do ogólnej obietnicy AI na urządzeniach mobilnych, muszę być wystarczająco uparty, aby nie przyznać, że wiele funkcji Gemini pomoże Ci zrobić więcej za pomocą smartfona w sposób, który jeszcze niedawno wydawał się niewyobrażalny.
W stronę multimodalnego
Gemini jest multimodalny, nawet na urządzeniach mobilnych. Oznacza to, że potrafi rozpoznawać więcej niż tylko polecenia tekstowe — potrafi widzieć obrazy, kod i wideo oraz pobierać informacje z tych źródeł. Pomaga to asystentom zasilanym przez Gemini na urządzeniach Pixel robić naprawdę imponujące rzeczy.
Na przykład w jednej z demonstracji kobieta mogła użyć ręcznie napisanego przypomnienia o dacie dostawy telefonu Pixel 9, 22 sierpnia, aby Gemini utworzyło zadanie przypominające jej o zamówieniu telefonu w przedsprzedaży, a także dodało datę do jej kalendarza. Tak, możesz zrobić to wszystko samodzielnie, bez interwencji asystenta cyfrowego. Oznacza to jednak, że musisz przerwać wykonywanie czynności, aby uruchomić co najmniej dwie aplikacje, dzięki czemu możesz ręcznie wprowadzić przypomnienia i zdarzenia. Gemini zajmuje się tym, nie przerywając Twojego przepływu pracy.
Kolejna demonstracja z wydarzenia Made By Google stawia przed Gemini zadanie obserwowania Youtube filmy o koreańskich restauracjach, a następnie skompiluj listę każdego dania w aplikacji do notatek. Jako osoba, która ogląda wiele filmów o gotowaniu, doceniam, jak oszczędza mi to czas — zamiast musieć samodzielnie zapisywać składniki lub kroki przygotowania, co nieuchronnie oznacza przewijanie filmu, aby upewnić się, że niczego nie pominęłam, mogę użyć Gemini. Dzięki temu mogę skupić się na treści filmu, wiedząc, że łatwe do przyswojenia notatki będą na mnie czekać, gdy skończę oglądać.
Pomocna sztuczna inteligencja
Te przykłady są interesujące, ponieważ pokazują, jak sztuczna inteligencja może zaoszczędzić Ci czasu, przejmując żmudne zadania. Błąd, jaki popełniają producenci urządzeń, polega na stosowaniu tej oszczędzającej czas filozofii do zadań wymagających większej kreatywności. Google — z mocno krytykowana reklama olimpijska z listami od fanów generowanymi przez sztuczną inteligencję — błąd ten nie jest obcy nikomu.
Oprócz tej fatalnej wady, Google wydaje się naprawdę rozumieć, że Gemini działa najlepiej, gdy usuwa przeszkody, które utrudniają Ci wykonanie zadań. Weźmy na przykład funkcję Research w Gemini, którą Google planuje dodać do Gemini Advanced w nadchodzących miesiącach. Korzystając z funkcji Research, możesz zlecić Gemini wyszukiwanie określonych informacji online — w wersji demonstracyjnej, którą widziałem, Gemini otrzymało zadanie zbadania programów pozalekcyjnych dla dzieci zainteresowanych sztukami walki.
Zanim zaczniesz, Gemini z Research pokaże Ci plan działania, który zawiera listę tego, czego chcesz szukać, którą możesz przejrzeć i dostosować. Następnie Gemini przeszuka sieć, szukając odpowiednich informacji, które można włączyć do raportu dostarczonego Ci za pośrednictwem Google Docs. W raporcie otrzymasz nawet linki do źródeł internetowych znalezionych przez Gemini.
To całkiem interesujące podejście do badań online, zwłaszcza że Gemini prawdopodobnie może pracować szybciej i dokładniej niż ja w kompilacji informacji. Jednak nie jestem całkowicie odsunięty na boczny tor przez AI — mogę udoskonalić swój plan badawczy, sugerując, czego szukać, i mogę śledzić uzyskane informacje, aby upewnić się, że spełniają moje kryteria. Zamiast leniwie przekazywać całe zadanie Gemini, pozwalam mu wykonać ciężką pracę, dzięki czemu ostatecznie mogę podjąć świadomą decyzję.
Ktoś z kim możesz porozmawiać
Ja też to doceniam Bliźnięta na żywo funkcje prezentowane w Made by Google i uruchomiono dla klientów Gemini Advanced kiedy mówimy. To komponent głosowy chatbota Google’a, który został zaprojektowany tak, aby brzmiał naturalnie i konwersacyjnie — muzyka dla uszu tych z nas, którzy mają problemy z komunikacją z asystentami głosowymi, takimi jak Siri ponieważ używamy niewłaściwego słowa lub nie wyjaśniamy kontekstu wystarczająco jasno.
Potencjalnie pomocnym aspektem Gemini Live jest możliwość korzystania z asystenta głosowego jako narzędzia do burzy mózgów. Możesz zadać Gemini pytanie — powiedzmy, o rzeczy do zrobienia w ten weekend — a asystent zacznie rzucać pomysłami. Ponieważ możesz przerwać w dowolnym momencie, możesz głębiej zagłębić się w pomysł, który brzmi obiecująco. A Gemini rozumie kontekst rozmowy, więc pytania mogą być nieformalne i spontaniczne.
Google Gemini Live… dźwięk jest tak naturalny. Oto kilka opcji #MadeByGoogle pic.twitter.com/YJWGEuqSAX13 sierpnia 2024 r.
Będę musiał sam wypróbować Gemini Live, aby się upewnić, ale aspekt konwersacyjny jest interesujący. Podobnie jak możliwość dostrajania parametrów w Gemini z Research, myślę, że jest to bardziej wspólne wykorzystanie AI, gdzie chatbot odpowiada na Twoje dane wejściowe i dopracowuje prezentowane informacje zgodnie z Twoimi specyfikacjami.
Perspektywy Bliźniąt
Nadal mam pewne zastrzeżenia co do AI w telefonach w ogóle, a Gemini w szczególności. Funkcje takie jak generowanie obrazu nie są dla mnie atrakcyjne i zawsze istnieje ryzyko, że szczególnie leniwy lub nieetyczny użytkownik może wziąć wyniki czegoś takiego jak Gemini z Research i podać je jako swoje własne. I oczywiście wszyscy musimy być czujni, aby obiecane zabezpieczenia prywatności nadal obowiązywały.
Ale jeśli moja ogólna skarga na funkcje AI w telefonach polega na tym, że wiele z nich wydaje się być wyidealizowanymi sztuczkami imprezowymi, to z pewnością nie dotyczy to tego, co widziałem w Gemini w tym tygodniu. Google wyraźnie tworzy narzędzia, które pomagają Ci zrobić więcej za pomocą telefonu. I to jest wystarczający powód, aby być podekscytowanym możliwościami.
Więcej z Tom’s Guide