در I/O 2024، تیزر گوگل برای ما نگاهی اجمالی به جایی که دستیاران هوش مصنوعی در آینده خواهند رفت را نشان داد. این یک ویژگی چند وجهی است که هوشمندی Gemini را با نوع توانایی‌های تشخیص تصویری که در Google Lens دریافت می‌کنید و همچنین پاسخ‌های قدرتمند زبان طبیعی را ترکیب می‌کند. با این حال، در حالی که ویدیوی تبلیغاتی نرم بود، پس از اینکه شخصاً آن را امتحان کردید، واضح است که راه درازی در پیش است تا چیزی مانند Astra روی گوشی شما فرود آید. بنابراین در اینجا سه نکته از اولین تجربه ما با هوش مصنوعی نسل بعدی گوگل آورده شده است.
برداشت سام:
در حال حاضر، بیشتر مردم با استفاده از صدای خود با دستیارهای دیجیتالی تعامل دارند، بنابراین فوراً چند وجهی Astra (یعنی استفاده از بینایی و صدا علاوه بر متن/گفتار) برای برقراری ارتباط با هوش مصنوعی نسبتاً جدید است. در تئوری، به نهادهای مبتنی بر رایانه اجازه می دهد تا بیشتر شبیه یک دستیار یا نماینده واقعی کار کنند و رفتار کنند – که یکی از کلمات کلیدی گوگل برای نمایش بود – به جای چیزی که رباتیک تر است که به سادگی به دستورات گفتاری پاسخ می دهد.
در نسخه ی نمایشی خود، ما این گزینه را داشتیم که از Astra بخواهیم داستانی را بر اساس برخی از اشیایی که در مقابل دوربین قرار داده بودیم تعریف کند، پس از آن داستان دوست داشتنی درباره دایناسور و باگت قابل اعتمادش برای فرار از نور قرمز شوم برای ما تعریف کرد. سرگرم کننده بود و داستان زیبا بود، و هوش مصنوعی به همان خوبی که انتظار داشتید کار کرد. اما در عین حال با دستیار به ظاهر دانایی که در تیزر گوگل دیدیم فاصله زیادی داشت. و جدای از سرگرم کردن کودک با یک داستان اصلی قبل از خواب، به نظر نمی رسید Astra آنقدر که شما می خواهید با اطلاعات انجام می دهد.
سپس همکارم، کاریسا، صحنه‌ای بوکولیک را روی صفحه‌نمایش لمسی کشید، در آن لحظه آسترا به درستی گل و خورشیدی را که نقاشی کرده بود شناسایی کرد. اما جذاب‌ترین نسخه نمایشی زمانی بود که با Astra که روی پیکسل 8 پرو اجرا می‌شد، برای یک ثانیه دور برگشتیم. این به ما این امکان را می‌دهد که دوربین‌های آن را به سمت مجموعه‌ای از اشیا بگیریم در حالی که مکان هر یک را ردیابی و به خاطر می‌سپرد. حتی به اندازه کافی هوشمند بود که لباس من و جایی که عینک آفتابی ام را پنهان کرده بودم تشخیص دهد، حتی اگر این اشیا در اصل بخشی از نسخه آزمایشی نبودند.
از جهاتی، تجربه ما بالا و پایین‌های بالقوه هوش مصنوعی را برجسته کرد. فقط توانایی یک دستیار دیجیتالی که به شما بگوید ممکن است کلیدهایتان را کجا گذاشته باشید یا چند سیب در ظرف میوه شما قبل از رفتن به فروشگاه مواد غذایی وجود داشته باشد، می تواند به شما در صرفه جویی در زمان کمک کند. اما پس از صحبت با برخی از محققان پشت Astra، هنوز موانع زیادی برای غلبه بر آن وجود دارد.
برخلاف بسیاری از ویژگی‌های اخیر هوش مصنوعی گوگل، Astra (که توسط گوگل به عنوان “پیش‌نمایش تحقیق” توصیف می‌شود) به جای اینکه بتواند روی دستگاه اجرا شود، همچنان به کمک ابر نیاز دارد. و در حالی که از سطحی از ماندگاری شی پشتیبانی می کند، این “حافظه ها” فقط برای یک جلسه دوام می آورند که در حال حاضر فقط چند دقیقه طول می کشد. و حتی اگر Astra بتواند چیزها را برای مدت طولانی تری به خاطر بسپارد، مواردی مانند ذخیره سازی و تأخیر وجود دارد که باید در نظر گرفته شود، زیرا به ازای هر شیئی که Astra به خاطر می آورد، خطر کاهش سرعت هوش مصنوعی و در نتیجه تجربه ای آرام تر وجود دارد. بنابراین در حالی که واضح است که Astra پتانسیل زیادی دارد، هیجان من با دانستن این که مدتی طول خواهد کشید تا بتوانیم عملکردهای کاملتری داشته باشیم، کم شد.
برداشت کاریسا:
از میان همه پیشرفت‌های مولد هوش مصنوعی، هوش مصنوعی چندوجهی یکی از مواردی است که من بیشتر شیفته آن هستم. به همان اندازه که جدیدترین مدل‌ها قدرتمند هستند، برای به‌روزرسانی‌های تکراری چت‌بات‌های مبتنی بر متن هیجان‌زده می‌شوم. اما ایده هوش مصنوعی که می‌تواند سوالات پیرامون شما را در زمان واقعی تشخیص دهد و به آنها پاسخ دهد، شبیه چیزی خارج از یک فیلم علمی تخیلی است. همچنین درک بسیار واضح‌تری از اینکه چگونه آخرین موج پیشرفت‌های هوش مصنوعی راه خود را به دستگاه‌های جدیدی مانند عینک هوشمند پیدا می‌کند، می‌دهد.
گوگل اشاره ای به آن با Project Astra ارائه کرد، که ممکن است روزی یک جزء عینک داشته باشد، اما در حال حاضر بیشتر آزمایشی است (ویدئو در طول سخنرانی اصلی I/O ظاهرا یک «نمونه اولیه تحقیقاتی» بود.) با این حال، شخصاً Project Astra دقیقاً شبیه چیزی خارج از فیلم علمی تخیلی نبود.
این دستگاه می‌توانست اشیایی را که در اطراف اتاق قرار داده شده بودند به دقت تشخیص دهد و به سؤالات ظریف در مورد آنها پاسخ دهد، مانند «کودک ۲ ساله باید با کدام یک از این اسباب‌بازی‌ها بازی کند». می‌توانست آنچه را در ابله من است تشخیص دهد و درباره اسباب‌بازی‌های مختلفی که به آن نشان داده‌ایم داستان بسازد.
اما بیشتر قابلیت‌های Astra با آنچه متا با عینک هوشمند خود در دسترس است، همتراز به نظر می‌رسید. هوش مصنوعی چند وجهی متا همچنین می تواند محیط اطراف شما را تشخیص دهد و از طرف شما کمی خلاقیت بنویسد. و در حالی که متا همچنین ویژگی ها را به عنوان آزمایشی در نظر می گیرد، آنها حداقل به طور گسترده در دسترس هستند.
ویژگی Astra که ممکن است رویکرد گوگل را متمایز کند، این واقعیت است که یک “حافظه” داخلی دارد. پس از اسکن دسته ای از اشیاء، هنوز می تواند «به خاطر بیاورد» که موارد خاصی در کجا قرار گرفته اند. در حال حاضر، به نظر می رسد حافظه Astra محدود به یک بازه زمانی نسبتاً کوتاه است، اما اعضای تیم تحقیقاتی به ما گفتند که از نظر تئوری می توان آن را گسترش داد. این بدیهی است که فرصت های بیشتری را برای فناوری باز می کند و باعث می شود Astra بیشتر شبیه یک دستیار واقعی به نظر برسد. نیازی نیست بدانم 30 ثانیه قبل عینکم را کجا گذاشتم، اما اگر بتوانید به یاد بیاورید که دیشب آن را کجا گذاشتم، در واقع احساس می‌کنید که یک داستان علمی تخیلی زنده شده است.
اما، مانند بسیاری از هوش مصنوعی مولد، هیجان‌انگیزترین احتمالات آن‌هایی هستند که هنوز کاملاً رخ نداده‌اند. Astra ممکن است در نهایت به آنجا برسد، اما در حال حاضر به نظر می رسد گوگل هنوز کارهای زیادی برای انجام دادن دارد تا به آنجا برسد.
همه اخبار مربوط به Google I/O 2024 را به درستی دنبال کنید اینجا!
