گوگل Gemini را به قلب مک آورد

گوگل به‌روزرسانی بزرگی را برای اپلیکیشن Gemini در سیستم‌عامل macOS منتشر کرده است؛ به‌روزرسانی‌ای که هدف آن تبدیل دستیار هوش مصنوعی این شرکت به بخشی از تجربه روزمره کاربران مک است.

در نسخه جدید، کاربران تنها با نگه داشتن کلید Fn می‌توانند Gemini را در هر بخش از سیستم‌عامل فراخوانی کنند. این قابلیت به‌صورت پیش‌فرض ابزار دیکته هوشمند (Intelligent Dictation) را فعال می‌کند که گفتار کاربر را به متن تبدیل کرده، مکث‌ها و واژه‌های اضافی را حذف می‌کند و متن نهایی را مستقیماً داخل سند یا برنامه در حال استفاده قرار می‌دهد.

Gemini محتوای صفحه را هم می‌فهمد

یکی از مهم‌ترین قابلیت‌های جدید، ویژگی Screen-aware Reasoning است. با فعال کردن این قابلیت، Gemini می‌تواند محتوای نمایش‌داده‌شده روی صفحه را تحلیل کند و بر اساس آن پاسخ ارائه دهد.

برای مثال، کاربر می‌تواند بخشی از متن را در هر برنامه‌ای انتخاب کرده و از Gemini بخواهد آن را به یک خلاصه مدیریتی تبدیل کند یا متن را بازنویسی کند؛ سپس خروجی به‌طور مستقیم در همان سند قرار می‌گیرد.

خواندن هم‌زمان چندین فایل بدون باز کردن آن‌ها

گوگل همچنین قابلیت تازه‌ای را معرفی کرده که به Gemini اجازه می‌دهد چندین فایل یا حتی یک پوشه کامل را بدون نیاز به باز شدن فایل‌ها بررسی کند.

در نمونه‌ای که گوگل نمایش داده، Gemini به‌طور هم‌زمان فهرست محدودیت‌های غذایی، منوهای چند رستوران و سیاست هزینه‌های یک شرکت را تحلیل کرده و سپس ایمیلی برای انتخاب بهترین گزینه‌ها تهیه می‌کند. این دستیار حتی پس از اصلاح زمان برگزاری جلسه توسط کاربر، پیشنهادهای خود را به‌روزرسانی کرده و مکان‌های مناسب را نیز از طریق Google Maps جست‌وجو می‌کند.

رقابت مستقیم با Apple Intelligence و ChatGPT

به گفته تحلیلگران، مهم‌ترین مزیت Gemini نسبت به ChatGPT روی مک، تعامل مستقیم با فایل‌های محلی و درج خودکار خروجی در برنامه‌های مختلف است.

در حالی که نسخه دسکتاپ ChatGPT معمولاً پاسخ‌ها را در یک پنجره جداگانه نمایش می‌دهد و کاربر باید متن را به‌صورت دستی کپی کند، Gemini می‌تواند نتیجه پردازش را مستقیماً داخل اسناد، ایمیل‌ها و سایر برنامه‌های macOS وارد کند.

همچنین برخلاف Apple Intelligence که در بسیاری از پردازش‌ها از مدل‌های روی دستگاه و فناوری Private Cloud Compute برای حفظ حریم خصوصی استفاده می‌کند، Gemini کاملاً مبتنی بر رایانش ابری است و کاربران برای استفاده از آن باید با حساب گوگل وارد شوند. این موضوع به معنای ارسال داده‌ها به زیرساخت‌های ابری گوگل و تبعیت از سیاست‌های حفظ حریم خصوصی این شرکت است؛ سیاستی که امکان نگهداری داده‌ها و بازبینی برخی تعاملات توسط نیروی انسانی را نیز در نظر گرفته است.

گوگل اعلام کرده قابلیت‌های Intelligent Dictation و Screen-aware Reasoning از ۲۹ ژوئیه به‌صورت تدریجی برای کاربران نسخه انگلیسی اپلیکیشن Gemini روی macOS منتشر می‌شود و پشتیبانی از زبان‌های بیشتر نیز تا پایان سال ۲۰۲۶ به این سرویس اضافه خواهد شد.

این به‌روزرسانی نشان می‌دهد رقابت میان گوگل، اپل و OpenAI دیگر تنها به توسعه مدل‌های زبانی محدود نیست؛ بلکه اکنون بر سر تسلط بر تجربه کاربری سیستم‌عامل‌ها و تبدیل هوش مصنوعی به دستیار دائمی کاربران در رایانه‌های شخصی جریان دارد.