Älykäs kohdistin: Gemini tehostaa tietokoneen käyttöä

Ärsyttävin osa tekoälyn käyttöä tietokoneella ei ole itse tekoäly, vaan jatkuva kiertotie. Pysähdyt kesken tehtävän, avaat chatin, kerrot mitä näytöllä on, kopioit vastauksen ja palaat työhösi. Google DeepMind haluaa nyt poistaa tämän kitkan yksinkertaisella, yllättävän radikaalilta tuntuvalla ajatuksella: tehdä kohdistimesta älykäs.

Uusissa demoissa ja tutkimusesikatsauksissa DeepMind näyttää, miten Gemini-vetoinen osoitin voisi ymmärtää sekä mihin osoitat että mitä sen alla on. Se muuttaa vuorovaikutuksen täysin. Sen sijaan, että kirjoittaisit pitkän kehotteen, osoitat jotakin ja pyydät haluamaasi tulosta. Järjestelmä lukee ympäröivän visuaalisen ja semanttisen kontekstin itsenäisesti.

Tuo muutos saattaa kuulostaa pieneltä. Se ei ole. Se muuttaa hiiren osoittimen passiivisesta navigointityökalusta aktiiviseksi tekoälyavun kerrokseksi, joka sijaitsee juuri siellä, missä huomiosi jo on.

Kuvittele osoittimen leijuvan datataulukon päällä ja pyydät piirakkakaaviota. Tai osoitat reseptiä ja sanot, "tuplaa nämä ainesosat." PDF voidaan muuntaa siisteiksi luettelomerkeiksi valmiiksi sähköpostia varten. Pysäytät matkavideon ravintolakuvan kohdalle ja järjestelmä voisi hakea varauslinkin. Jokaisessa tapauksessa lupaus on sama: vähemmän selittämistä, vähemmän sovellusten välillä vaihtamista ja vähemmän manuaalista siistimistä.

DeepMind kuvailee tätä liikkeenä kohti "luonnollista lyhentämistä." Tuo ilmaisu on tärkeä. Vuosien ajan tekoälytyökalut ovat vaatineet käyttäjiltä taitoa kirjoittaa kehotteita. Tämä lähestymistapa kääntää taakan. Tietokone tekee enemmän tulkitsemistyöstä, ja käyttäjä vain elehtii ja pyytää.

Kohdistin ei ole enää vain osoitin

Tämä ei ole pelkkää laboratoriotyötä. Googleilla on jo kaksi käynnissä olevaa kokeilua AI Studion sisällä, jotka keskittyvät kuvamuokkaukseen ja karttahakuun, tarjoten varhaisen vilauksen siitä, miten tämä vuorovaikutusmalli toimisi tosielämässä. Laajempi suunnitelma ulottuu pidemmälle.

Google kertoo, että teknologia on tulossa Chromeen, jossa käyttäjät voivat korostaa tai osoittaa verkkosivun sisältöä ja kysyä Geminiltä siitä ilman, että heidän tarvitsee kirjoittaa täydellistä selitystä erilliseen ikkunaan. Tämä on luonnollinen jatke niille tekoälyominaisuuksille, joita Google on jo yhdistänyt selaimeensa. Esimerkiksi Auto Browse voi jo antaa Geminille mahdollisuuden hoitaa monivaiheisia tehtäviä verkossa.

Kysymykseen liittyy myös käyttöjärjestelmän näkökulma. Versio nimeltä Magic Pointer on tulossa Googlebookiin, yhtiön äskettäin julkistettuun Gemini-keskeiseen kannettavien tietokoneiden linjaan. Jos käyttöönotto etenee esitetyllä tavalla, konsepti siirtyy selainvälilehdistä laajempaan työpöytäkokemukseen.

Tässä vaiheessa idea alkaa vaikuttaa suuremmalta kuin pelkkä siisti demo. Sivupaneelit ja chat-ikkunat pyytävät käyttäjiä edelleen poistumaan siitä työn virrasta, jossa he ovat. Älykkään osoittimen toiminta on päinvastaista: apu pysyy upotettuna juuri siihen kohtaan, jossa kysymys ilmenee.

Tietokoneen hiiri ei ole muuttunut merkittävästi yli puoleen vuosisataan. Se napsauttaa, vetää, valitsee ja osoittaa suunnilleen kuten aina. DeepMindin idea kiehtoo, koska se ei yritä korvata tuttua toimintaa, vaan lisää sen päälle ymmärrystä.

Se, tuleeko tästä standardiominaisuus nykyaikaisessa tietojenkäsittelyssä, riippuu toteutuksesta. Kontekstintajuinen tekoäly kuulostaa voimakkaalta, mutta herättää myös tuttuja kysymyksiä tarkkuudesta, yksityisyydestä ja siitä, kuinka paljon käyttäjät luottavat järjestelmään, joka jatkuvasti tulkitsee näytöllä olevaa sisältöä. Siitä huolimatta suunta on vaikea ohittaa. Jos chatbotit olivat ensimmäinen suuri käyttöliittymä generatiiviselle tekoälylle, osoitin saattaa olla seuraava, joka tuntuu luonnolliselta osalta itse tietokonetta.