تستعرض جوجل نسخة تجريبية من نموذج جديد من عائلة Gemini صُمّم ليتنقل ويتفاعل مع الويب عبر المتصفح، مما يسمح لوكلاء الذكاء الاصطناعي بتنفيذ المهام داخل واجهات صُممت للبشر وليس للروبوتات.
يحمل النموذج اسم Gemini 2.5 Computer Use ويعتمد على “قدرات الفهم البصري والاستدلال” لتحليل طلب المستخدم وتنفيذ مهام مثل ملء النماذج وإرسالها.
يمكن استخدامه في اختبار واجهات المستخدم (UI testing) أو في التعامل مع واجهات مخصصة للبشر عندما لا تتوفر واجهات برمجة تطبيقات (API) أو وسائل اتصال مباشرة أخرى.
وقد استخدمت نسخ سابقة من هذا النموذج في ميزات “الوكيل الذكي” في AI Mode ومشروع Mariner، وهو نموذج بحثي يسمح لوكلاء الذكاء الاصطناعي بتنفيذ مهام عبر المتصفح مثل إضافة عناصر إلى سلة المشتريات استنادًا إلى قائمة مكونات.
منافسة محتدمة
يأتي إعلان جوجل بعد يوم واحد فقط من إعلان OpenAI عن تطبيقات جديدة لـ ChatGPT ضمن فعالية Dev Day السنوية، في وقت تواصل فيه التركيز على ميزة “الوكيل” القادرة على إنجاز مهام معقدة نيابة عن المستخدم، أما شركة Anthropic فقد سبقتها العام الماضي بإصدار نسخة من نموذجها Claude تدعم خاصية “استخدام الحاسوب”.
ونشرت جوجل مقاطع تجريبية تُظهر أداتها الجديدة أثناء العمل، وأوضحت أن هذه المقاطع مُسرَّعة بمعدل 3 مرات، وقالت الشركة إن نموذجها الجديد يتفوّق على النماذج المنافسة في اختبارات متعددة للويب وللأجهزة المحمولة.
وظائف محدودة
وبخلاف وكيل ChatGPT وأداة Anthropic، فإن نموذج جوجل لا يمتلك سوى وصول إلى متصفح الويب، وليس إلى بيئة النظام بأكملها، إذ تشير الشركة إلى أنه “لم يُحسَّن بعد للتحكم على مستوى أنظمة التشغيل المكتبية”، وأنه يدعم حاليًا 13 إجراءً فقط، تشمل فتح المتصفح، وكتابة النصوص، وسحب العناصر وإفلاتها.
النموذج Gemini 2.5 Computer Use متاح حاليًا للمطورين عبر Google AI Studio وVertex AI، كما يمكن تجربته عبر موقع Browserbase حيث يمكن مشاهدة أدائه في تنفيذ مهام مثل “تشغيل لعبة 2048” أو “تصفح موقع Hacker News للبحث عن النقاشات الرائجة”.
