Google در حال ارتقای برنامه Gemini برای مک با قابلیت‌های استفاده از رایانه است و به هوش مصنوعی اجازه می‌دهد از طرف کاربر در برنامه‌های دسکتاپ محلی و وب کلیک کرده و تایپ کند. به گفته 9to5Google، این ویژگی از پنجشنبه به زبان انگلیسی ایالات متحده برای مشترکین Google AI Plus، Pro و Ultra آغاز شد، بلومبرگ و TechCrunch نیز راه‌اندازی آن را گزارش کردند و خود گوگل نیز آن را در وبلاگ رسمی تحت عنوان «اجازه دهید Gemini در مک شما با کارهای تکراری مقابله کند» اعلام کرد.

تا به حال، عملکرد Task در برنامه Mac - که قبلاً به نام Gemini Spark شناخته می شد - فقط می توانست با فایل های محلی در ترکیب با برنامه های متصل مانند Gmail یا Google Calendar کار کند. استفاده از رایانه به میزان قابل توجهی گسترش یافته است: Gemini اکنون می‌تواند منوها را پیمایش کند، فرم‌ها را پر کند و کارهای چند مرحله‌ای را در برنامه‌های دسکتاپ و در وب‌سایت‌ها انجام دهد، در آنچه Google به عنوان یک پنجره پس‌زمینه جدا شده با پیش‌نمایش زنده درست در چت توصیف می‌کند. تا زمانی که عامل کار می کند، صفحه اصلی و مکان نما شما آزاد می مانند. برای درک اینکه آزمایشگاه‌های بزرگ چقدر ویژگی‌های نمایندگی را در این ماه ارسال می‌کنند، به جمع بندی [آخرین پیشرفت‌های هوش مصنوعی] (https://aibuzzwire.news) مراجعه کنید.

آنچه Gemini واقعاً می تواند در مک انجام دهد

هدف گوگل این است که بیشتر کارهای روزمره شامل برنامه هایی می شود که با یکدیگر صحبت نمی کنند و عاملی که در پس زمینه کار می کند می تواند مراحل میانی خسته کننده را جذب کند. این شرکت و پوشش مطبوعاتی آن چندین مورد استفاده مشخص را برجسته کردند:

  • تسریع گردش کار خلاق - دسته بندی عکس های دسته بندی رنگ در نرم افزار طراحی یا تنظیم صحنه های پیچیده سه بعدی.
  • پرش از ورود فرم دستی - استخراج وزن ها، ابعاد و آدرس ها از PDF های محلی برای پر کردن نقل قول های حمل چند جعبه.
  • تبدیل داده‌های زنده به ارائه‌ها - استخراج معیارها و اسکرین شات‌ها از داشبوردها در سراسر مناطق و مونتاژ آنها در عرشه اسلایدهای Google.
  • اقلام فهرست بندی دسته ای برای فروش - تجزیه و تحلیل عکس های لباس از یک پوشه محلی، تحقیق در مورد قیمت، ثبت جزئیات اقلام، و فهرست بندی در پلت فرم های فروش مجدد.

کاربران این قابلیت را با افزودن @Computer use به یک اعلان فراخوانی می کنند. در تنظیمات برنامه Customize > Connectors، ادغام‌های جدید «Desktop» برای Blender و Autodesk Fusion در کنار کانکتورهای Git و Obsidian موجود ظاهر می‌شوند - نشانه‌ای قابل توجه برای متخصصان خلاق و مهندسی، زیرا این برنامه‌ها در طراحی 3 بعدی و جریان‌های کاری مکانیکی مرکزی هستند.

نرده های ایمنی

ارائه یک کنترل هوش مصنوعی روی صفحه کلید و ماوس یک تمرین اعتماد است و گوگل محدودیت های زیادی را ایجاد کرده است. کاربران می توانند Gemini را در هر زمان با یک کلیک متوقف کنند و انتخاب کنند که عامل مجاز به لمس کدام برنامه است. Gemini برای ورود به سیستم و مراحل پرداخت مکث می کند و اقدامات حساس قبل از ادامه به تأیید صریح نیاز دارند. طراحی پنجره ایزوله لایه دیگری را اضافه می کند: عامل به جای ربودن دسکتاپ فعال کاربر، در فضای مجازی خود کار می کند، با یک پیش نمایش زنده که نشان می دهد چه کاری انجام می دهد.

این نرده‌های محافظ رویکردی را که گوگل با ویژگی‌های عاملی در جاهای دیگر در پشته خود اتخاذ کرده است منعکس می‌کند – این شرکت اخیراً حالت وظیفه‌ی عاملی Gemini را به طور گسترده‌تری ارتقا داده و حالت ناشناس را به عنوان بخشی از همان فشار حریم خصوصی به جستجوی هوش مصنوعی اضافه کرده است. آنها همچنین در بحبوحه بررسی‌های فزاینده درباره آنچه که عوامل هوش مصنوعی می‌توانند از جانب کاربران انجام دهند فرود می‌آیند: محققان امنیتی بیشتر سال 2026 را صرف مستندسازی حملات تزریق سریع علیه عوامل برنامه‌نویسی و عوامل مبتنی بر مرورگر کرده‌اند و الزامات مکث برای پرداخت و تأیید را بیش از تشریفات نشان می‌دهند.

یک گلوله دیگر در جنگ پلت فرم عامل

استفاده از رایانه در مک، جاه‌طلبی‌های نمایندگی Google را به قلمرویی که رقبا در تمام طول سال در آن مشغول بوده‌اند، گسترش می‌دهد. آنتروپیک در سال 2024 زمانی که توانایی کلود را برای کار با دسکتاپ باز کرد، پیشگام مقوله «استفاده از رایانه» بود و OpenAI از آن زمان ویژگی‌های عامل را به عمق ChatGPT وارد کرد. در همین حال، مایکروسافت به پایگاه نصب شده ویندوز خود برای ارسال دفاع عامل و اتوماسیون مبتنی بر Copilot در سطح سیستم عامل تکیه کرده است.

آنچه ورود گوگل را متمایز می کند توزیع و چارچوب بندی است. Gemini برای Mac به‌جای توسعه‌دهندگان، برای مخاطبان مصرف‌کننده ارسال می‌شود، به‌صورت محلی روی دستگاهی اجرا می‌شود که در آن کار انجام می‌شود، و به جای کار مستقل، حول کارهای تکراری و چند برنامه‌ای که افراد انجامشان را به تعویق می‌اندازند، قرار می‌گیرد. دروازه مشترکان نیز گویای این موضوع است: AI Plus، Pro و Ultra سطوح پولی Google هستند که باعث می‌شوند رایانه از امتیاز دیگری در بسته اشتراک استفاده کند زیرا این شرکت پایگاه کاربر بیش از میلیاردی Gemini را به مشتریان پولی تبدیل می‌کند. Google همچنین اخیراً Gemini Tasks را برای بیش از یک میلیارد کاربر رایگان کرده است، و نردبانی را پیشنهاد می‌کند که در آن ویژگی‌های عامل ابتدایی این عادت را ایجاد می‌کنند و سطوح برتر مانند استفاده از رایانه از آن درآمدزایی می‌کنند.

عرضه به زبان انگلیسی ایالات متحده از امروز آغاز می شود، و - مانند بسیاری از ویژگی های Gemini - زبان گسترده تر و در دسترس بودن منطقه ای احتمالاً دنبال خواهد شد. کاربران مک در سطوح رایگان باید قبل از تحویل مدارک خود به نماینده Google منتظر بمانند یا ارتقا دهند.

---

از هوش مصنوعی جلوتر بمانید

آخرین اخبار، تحلیل ها و پیشرفت های هوش مصنوعی را دریافت کنید - همه در یک مکان.

بیشتر بخوانید اخبار هوش مصنوعی →