Google กำลังอัปเกรดแอป Gemini สำหรับ Mac ด้วยความสามารถในการใช้งานคอมพิวเตอร์ โดยให้ AI คลิกและพิมพ์ในนามของผู้ใช้ผ่านแอปพลิเคชันเดสก์ท็อปท้องถิ่นและเว็บ คุณลักษณะนี้เริ่มเปิดตัวเมื่อวันพฤหัสบดีเป็นภาษาอังกฤษแบบสหรัฐอเมริกาสำหรับสมาชิก Google AI Plus, Pro และ Ultra ตามข้อมูลของ 9to5Google โดย Bloomberg และ TechCrunch ยังรายงานการเปิดตัวและ Google เองก็ประกาศในบล็อกอย่างเป็นทางการภายใต้แบนเนอร์ "ให้ราศีเมถุนจัดการงานซ้ำ ๆ บน Mac ของคุณ"
จนถึงขณะนี้ ฟังก์ชันงานในแอป Mac ซึ่งก่อนหน้านี้รู้จักกันในชื่อ Gemini Spark สามารถทำงานร่วมกับไฟล์ในเครื่องร่วมกับแอปที่เชื่อมต่อ เช่น Gmail หรือ Google Calendar เท่านั้น การใช้คอมพิวเตอร์ขยายวงกว้างมากขึ้น: ขณะนี้ Gemini สามารถนำทางเมนู กรอกแบบฟอร์ม และทำงานหลายขั้นตอนภายในแอปพลิเคชันเดสก์ท็อปและบนเว็บไซต์ โดยดำเนินการในสิ่งที่ Google อธิบายว่าเป็นหน้าต่างพื้นหลังแบบแยกพร้อมการแสดงตัวอย่างสดในแชท หน้าจอหลักและเคอร์เซอร์ของคุณจะว่างในขณะที่ตัวแทนทำงาน หากต้องการทราบว่าห้องปฏิบัติการหลักๆ จัดส่งฟีเจอร์เอเจนต์อย่างจริงจังเพียงใดในเดือนนี้ โปรดดูบทสรุปของ การพัฒนา AI ล่าสุด
สิ่งที่ Gemini สามารถทำได้บน Mac
แนวทางของ Google คือการทำงานในแต่ละวันส่วนใหญ่ครอบคลุมแอปพลิเคชันที่ไม่ได้พูดคุยกัน และตัวแทนที่ทำงานอยู่เบื้องหลังสามารถซึมซับขั้นตอนกลางที่น่าเบื่อได้ บริษัทและรายงานข่าวของบริษัทได้เน้นย้ำถึงกรณีการใช้งานที่เป็นรูปธรรมหลายกรณี:
- เร่งขั้นตอนการทำงานสร้างสรรค์ — การจัดระดับสีภาพถ่ายเป็นชุดในซอฟต์แวร์การออกแบบหรือการตั้งค่าฉาก 3D ที่ซับซ้อน
- ข้ามการกรอกแบบฟอร์มด้วยตนเอง — แยกน้ำหนัก ขนาด และที่อยู่ออกจาก PDF ในพื้นที่เพื่อกรอกใบเสนอราคาการจัดส่งแบบหลายกล่อง
- เปลี่ยนข้อมูลสดให้เป็นการนำเสนอ — ดึงเมตริกและภาพหน้าจอจากแดชบอร์ดทั่วภูมิภาคแล้วประกอบเป็นชุด Google สไลด์
- รายการขายเป็นชุด — การวิเคราะห์ภาพถ่ายเสื้อผ้าจากโฟลเดอร์ในเครื่อง การค้นคว้าราคา การบันทึกรายละเอียดรายการสินค้า และการแสดงรายการบนแพลตฟอร์มการขายต่อ
ผู้ใช้เรียกใช้ความสามารถโดยการเพิ่ม @Computer use ลงในพรอมต์ ในการตั้งค่า ปรับแต่ง > ตัวเชื่อมต่อ ของแอป การผสานรวม "เดสก์ท็อป" ใหม่สำหรับ Blender และ Autodesk Fusion จะปรากฏควบคู่ไปกับตัวเชื่อมต่อ Git และ Obsidian ที่มีอยู่ ซึ่งเป็นที่ยอมรับของผู้เชี่ยวชาญด้านการสร้างสรรค์และวิศวกรรม เนื่องจากแอปพลิเคชันเหล่านี้เป็นศูนย์กลางของการออกแบบ 3D และเวิร์กโฟลว์เชิงกล
ราวกั้นความปลอดภัย
การมอบการควบคุมแป้นพิมพ์และเมาส์ด้วย AI ถือเป็นการฝึกที่เชื่อถือได้ และ Google ได้สร้างขีดจำกัดหลายประการ ผู้ใช้สามารถหยุด Gemini ได้ตลอดเวลาด้วยการคลิกเพียงครั้งเดียว และเลือกแอปพลิเคชันที่ตัวแทนได้รับอนุญาตให้สัมผัสได้ Gemini หยุดชั่วคราวสำหรับการเข้าสู่ระบบและขั้นตอนการชำระเงิน และการดำเนินการที่ละเอียดอ่อนจำเป็นต้องได้รับการยืนยันอย่างชัดเจนก่อนดำเนินการต่อ การออกแบบหน้าต่างแบบแยกเพิ่มอีกชั้นหนึ่ง: เอเจนต์ทำงานในพื้นที่เสมือนของตัวเอง แทนที่จะแย่งชิงเดสก์ท็อปที่ใช้งานอยู่ของผู้ใช้ พร้อมการแสดงตัวอย่างสดที่แสดงให้เห็นว่ากำลังทำอะไรอยู่
รั้วเหล่านี้สะท้อนถึงแนวทางที่ Google ดำเนินการกับฟีเจอร์เอเจนต์ในส่วนอื่น ๆ ของมัน – บริษัทเพิ่งอัปเกรดโหมดงานเอเจนต์ของ Gemini ให้กว้างขึ้น และเพิ่มโหมดไม่ระบุตัวตนในการค้นหาด้วย AI ซึ่งเป็นส่วนหนึ่งของการผลักดันความเป็นส่วนตัวแบบเดียวกัน พวกเขายังตกอยู่ท่ามกลางการตรวจสอบที่เพิ่มขึ้นเกี่ยวกับสิ่งที่ตัวแทน AI สามารถทำได้ในนามของผู้ใช้: นักวิจัยด้านความปลอดภัยใช้เวลาส่วนใหญ่ในปี 2569 ในการบันทึกการโจมตีแบบฉีดทันทีต่อตัวแทนการเข้ารหัสและตัวแทนที่ใช้เบราว์เซอร์ ทำให้การหยุดชั่วคราวเพื่อการชำระเงินและข้อกำหนดการยืนยันเป็นมากกว่าพิธีการ
อีกหนึ่งการระดมยิงในสงครามแพลตฟอร์มตัวแทน
การใช้คอมพิวเตอร์บน Mac ขยายความทะเยอทะยานของตัวแทนของ Google ไปสู่ขอบเขตที่คู่แข่งวนเวียนอยู่ตลอดทั้งปี Anthropic เป็นผู้บุกเบิกหมวดหมู่ "การใช้คอมพิวเตอร์" เมื่อทำให้ Claude มีความสามารถในการใช้งานเดสก์ท็อปในปี 2024 และตั้งแต่นั้นเป็นต้นมา OpenAI ก็ผลักดันฟีเจอร์ของตัวแทนให้ลึกเข้าไปใน ChatGPT ในขณะเดียวกัน Microsoft ก็อาศัยฐานที่ติดตั้ง Windows เพื่อจัดส่งการป้องกันตัวแทนและระบบอัตโนมัติที่ขับเคลื่อนด้วย Copilot ในระดับระบบปฏิบัติการ
สิ่งที่ทำให้การเข้ามาของ Google แตกต่างคือการจัดจำหน่ายและการวางเฟรม Gemini สำหรับ Mac จัดส่งไปยังผู้บริโภคมากกว่านักพัฒนา โดยทำงานบนเครื่องที่งานนั้นๆ เกิดขึ้น และมุ่งเน้นไปที่งานบ้าน ซึ่งเป็นงานที่ซ้ำๆ หลายแอพที่ผู้คนผัดวันประกันพรุ่ง แทนที่จะเป็นงานอิสระ การดึงดูดสมาชิกก็บอกเช่นกัน: AI Plus, Pro และ Ultra เป็นระดับที่ชำระเงินของ Google ทำให้คอมพิวเตอร์ใช้สิทธิพิเศษอื่นในชุดการสมัครสมาชิกเนื่องจากบริษัทเปลี่ยนฐานผู้ใช้นับพันล้านของ Gemini ให้เป็นลูกค้าที่ชำระเงิน เมื่อเร็ว ๆ นี้ Google ยังเปิดให้ใช้งาน Gemini Tasks ฟรีสำหรับผู้ใช้มากกว่าหนึ่งพันล้านคน โดยแนะนำบันไดที่ฟีเจอร์เอเจนต์ระดับเริ่มต้นสร้างนิสัย และระดับพรีเมี่ยม เช่น การใช้คอมพิวเตอร์สร้างรายได้
การเปิดตัวเริ่มเป็นภาษาอังกฤษแบบสหรัฐอเมริกาในวันนี้ และเช่นเดียวกับฟีเจอร์ส่วนใหญ่ของ Gemini ภาษาที่กว้างขวางและความพร้อมใช้งานในระดับภูมิภาคจะตามมา ผู้ใช้ Mac ในระดับฟรีจะต้องรอหรืออัปเกรดก่อนที่จะส่งเอกสารให้กับตัวแทนของ Google
---
ก้าวนำหน้า AIรับข่าวสาร AI การวิเคราะห์ และความก้าวหน้าล่าสุด ทั้งหมดในที่เดียว
อ่านข่าว AI เพิ่มเติม →