گوگل در حال آزمایش دسترسی گسترده‌تر Gemini به رایانه است

قابلیت کنترل رایانه‌ای Gemini ممکن است به این دستیار هوش مصنوعی اجازه دهد فراتر از پوشه‌های انتخاب‌شده کار کند، به اینترنت دسترسی داشته باشد و میان برنامه‌های گوناگون جابه‌جا شود. وب‌سایت TestingCatalog در ۲ اکتبر گزارش داد که گوگل گزینه‌ای تازه با نام «Additional sandbox options» را در بخش استفاده از رایانه در برنامه دسکتاپ Gemini آزمایش می‌کند. این گزینه هنوز در مرحله توسعه و آزمون محدود است و گوگل درباره زمان عرضه آن برای کاربران عمومی اطلاعیه‌ای نداده است.

اهمیت این تغییر احتمالی در آن است که دستیار به‌جای اجرای فرمان‌های محدود و ازپیش‌تعریف‌شده، بتواند چند مرحله از یک کار را در محیط دسکتاپ دنبال کند. بااین‌حال، طبق توضیحی که TestingCatalog از گزینه دیده‌شده گزارش کرده، انجام اقدام‌های حساس مانند خرید یا تأیید اسناد حقوقی همچنان به تأیید انسان نیاز دارد. بنابراین، حتی اگر دسترسی‌ها گسترده‌تر شوند، همه تصمیم‌ها و عملیات به‌طور خودکار به Gemini واگذار نخواهند شد.

کنترل رایانه‌ای Gemini در مرحله آزمایش

تنظیم تازه‌ای که TestingCatalog شناسایی کرده، در بخش مربوط به استفاده از رایانه قرار دارد و عنوان آن به گزینه‌های بیشتر برای محیط محدودشده اشاره می‌کند. «سندباکس» یا محیط محدود، سازوکاری است که دسترسی یک برنامه را به بخش‌هایی از دستگاه محدود می‌کند؛ برای نمونه، ممکن است برنامه فقط اجازه کار با پوشه‌هایی را داشته باشد که کاربر از پیش انتخاب کرده است. گزارش این وب‌سایت نشان می‌دهد گوگل در حال بررسی راهی برای گسترش چنین محدودیت‌هایی است.

بر اساس شرح تنظیم، Gemini می‌تواند در حالت گسترده‌تر به پوشه‌هایی بیرون از محدوده انتخابی دسترسی پیدا کند، از اینترنت استفاده کند و با برنامه‌های دیگر کار کند. این توضیحات به معنی عرضه قطعی یا در دسترس بودن این امکانات برای کاربران نیست؛ بلکه نشان می‌دهد گوگل در حال آزمایش نوعی دسترسی است که دامنه کار دستیار را از مجموعه‌ای از فایل‌ها یا مجوزهای ثابت فراتر می‌برد.

TestingCatalog می‌گوید این قابلیت در حال حاضر به آزمون مورداعتماد محدود است. گزارش مشخص نمی‌کند چه کسانی در این مرحله به آن دسترسی دارند یا آزمایش‌ها با چه گستره‌ای انجام می‌شود. همچنین حضور یک گزینه در نسخه آزمایشی، به‌تنهایی زمان‌بندی انتشار را روشن نمی‌کند. گوگل هنوز نگفته است که این امکان چه زمانی به نسخه عمومی می‌رسد و آیا در نهایت با همین شکل فعلی عرضه خواهد شد یا نه.

از دسترسی محدود تا گردش‌کارهای چندمرحله‌ای

کاربرد اصلی مجوزهای گسترده‌تر می‌تواند اجرای کارهایی باشد که برای تکمیل‌شدن به چند برنامه یا چند گام متوالی نیاز دارند. در وضعیت محدودتر، دستیار ممکن است فقط بتواند در پوشه یا محیط مشخصی کار کند و برای فراتر رفتن از حدود تعیین‌شده به اجازه تازه نیاز داشته باشد. در حالت پیشنهادی، Gemini می‌تواند در میان برنامه‌ها حرکت کند یا برای بخشی از کار از اینترنت استفاده کند؛ قابلیتی که به انجام گردش‌کارهای طولانی‌تر روی رایانه نزدیک‌تر است.

گردش‌کار چندمرحله‌ای به مجموعه‌ای از عملیات گفته می‌شود که برای رسیدن به یک هدف، پشت‌سرهم انجام می‌شوند. اگر دستیار بتواند در برنامه‌های مختلف فعالیت کند، احتمالاً کاربر می‌تواند به‌جای هدایت جداگانه هر مرحله، بخشی از روند را به آن بسپارد. بااین‌حال، گزارش موجود نمونه مشخصی از کارهایی که در این حالت آزمایش شده‌اند ارائه نمی‌کند. بنابراین نمی‌توان درباره دامنه واقعی عملکرد یا کیفیت اجرای وظایف نتیجه‌گیری کرد.

در توضیحات گزارش‌شده، برای برخی اقدام‌ها همچنان دروازه تأیید انسانی در نظر گرفته شده است. خرید و تأیید اسناد حقوقی از نمونه‌هایی هستند که برای انجام آن‌ها تأیید کاربر لازم خواهد بود. این تفاوت مهم است: دسترسی گسترده‌تر به معنی اختیار نامحدود نیست و اقدام‌هایی که پیامد مالی یا حقوقی دارند، طبق شرح گزینه باید از مرحله تأیید عبور کنند. جزئیات دقیق نحوه نمایش درخواست تأیید یا امکان تغییر این قواعد در گزارش مشخص نشده است.

ارتباط احتمالی با Gemini 4 Argon هنوز تأیید نشده است

آزمایش قابلیت رایانه‌ای در زمانی گزارش شده که گوگل در ۳۰ سپتامبر مدل Gemini 4 Argon را معرفی کرده بود. طبق اعلامی که در متن گزارش به آن اشاره شده، این مدل در آغاز از طریق برنامه Fairwind در اختیار گروهی از متخصصان امنیت سایبری قرار می‌گیرد و دسترسی گسترده‌تر قرار است به‌تدریج دنبال شود. گوگل هنوز زمان دسترسی مشترکان Gemini Ultra به Argon را تأیید نکرده است.

گوگل توانایی Argon را برای استفاده از رایانه نیز ارزیابی می‌کند و نتایج این مدل را در معیارهایی از جمله Agent’s Last Exam و OSWorld 2.0 گزارش کرده است. معیارهای سنجش، آزمون‌هایی هستند که برای بررسی عملکرد مدل در وظایف مشخص به کار می‌روند؛ در این مورد، نام این آزمون‌ها در ارتباط با ارزیابی استفاده از رایانه مطرح شده است. بااین‌حال، گزارش TestingCatalog تأکید می‌کند که گوگل رابطه‌ای میان Argon و قابلیت‌های در حال ظهور در برنامه دسکتاپ Gemini اعلام نکرده است.

در نتیجه، ممکن است دو موضوع هم‌زمان در جریان باشند: معرفی مدلی که گوگل عملکردش را در آزمون‌های مرتبط با رایانه می‌سنجد و توسعه گزینه‌هایی برای اعطای مجوزهای بیشتر به برنامه دسکتاپ. اما تا زمانی که خود گوگل ارتباط این دو را تأیید نکند، نسبت‌دادن قابلیت جدید به Argon صرفاً حدس خواهد بود. گزارش همچنین مشخص نمی‌کند که مدل دیگری قرار است از این مجوزها استفاده کند یا این امکان فقط به نسخه مشخصی از Gemini مربوط است.

جایگاه این تغییر در راهبرد دسکتاپ گوگل

این آزمایش در امتداد برنامه‌هایی قرار می‌گیرد که گوگل برای Gemini Spark مطرح کرده است. Spark به‌عنوان یک دستیار شخصی برای کارهایی مانند پژوهش چندمرحله‌ای، برنامه‌ریزی، کار با فایل‌های محلی و انجام وظایف در میان سرویس‌های گوگل معرفی شده است. TestingCatalog همچنین به به‌روزرسانی ماه ژوئن اشاره می‌کند که در آن از گسترش Spark به macOS و اتصال آن به برنامه‌های دیگر صحبت شده بود. این پیشینه، زمینه‌ای برای درک حرکت احتمالی به سمت دسترسی گسترده‌تر روی دسکتاپ فراهم می‌کند.

اگر مجوزهای تازه در نهایت عرضه شوند، برنامه دسکتاپ Gemini می‌تواند برای انجام بخش‌های بیشتری از کار در رایانه به یک عامل خودکار نزدیک شود. «عامل» در اینجا به سامانه‌ای گفته می‌شود که فقط پاسخ متنی نمی‌دهد، بلکه می‌تواند برای پیشبرد یک هدف، چند اقدام را دنبال کند. کار با فایل‌های محلی، استفاده از خدمات آنلاین و تعامل با برنامه‌های دیگر، می‌تواند دامنه کار چنین دستیاری را وسیع‌تر کند؛ هرچند گزارش فعلی فقط از تنظیمات در حال توسعه خبر می‌دهد و توانایی نهایی محصول را اثبات نمی‌کند.

در مقابل، دسترسی بیشتر، اهمیت شفاف‌بودن مجوزها را هم افزایش می‌دهد. کاربر باید بداند دستیار به چه فایل‌ها و برنامه‌هایی دسترسی دارد و کدام اقدام‌ها نیازمند تأیید او هستند. محدودماندن برخی عملیات حساس به تأیید انسانی، در شرح قابلیت به‌عنوان یک مرز حفاظتی مطرح شده است؛ اما هنوز اطلاعاتی درباره جزئیات کنترل‌ها، گزینه‌های شخصی‌سازی یا نحوه مدیریت این مجوزها منتشر نشده است. این موارد برای ارزیابی تجربه نهایی اهمیت دارند و فعلاً نمی‌توان درباره شکل اجرایی آن‌ها داوری کرد.

TestingCatalog یادآوری می‌کند که قابلیت‌های Gemini گاهی پس از آزمون نسبتاً سریع عرضه می‌شوند و گاهی برای ماه‌ها در دسترس محدود باقی می‌مانند. ازاین‌رو، شناسایی این تنظیم به معنی نزدیک‌بودن قطعی عرضه نیست. تا زمان اعلام رسمی گوگل، دامنه دسترسی، گروه کاربران واجد شرایط و ارتباط احتمالی این قابلیت با Spark یا Gemini 4 Argon نامشخص می‌ماند.

این خبر برای چه کسانی اهمیت دارد

این خبر برای کاربران Gemini روی رایانه اهمیت دارد، چون نشان می‌دهد گوگل در حال بررسی واگذاری کارهای گسترده‌تر به دستیار دسکتاپ است؛ از جمله فعالیت در محیط‌هایی فراتر از پوشه‌های انتخابی. برای کسانی که به کار با فایل‌های محلی و انجام وظایف چندمرحله‌ای علاقه دارند، چنین تغییری می‌تواند در صورت عرضه، شکل تعامل با دستیار را عوض کند. اما فعلاً نباید آن را قابلیتی در دسترس عموم دانست.

موضوع برای متخصصان امنیت و کاربران سازمانی نیز مهم است، زیرا دسترسی به فایل‌ها، اینترنت و برنامه‌های دیگر، مرز میان پاسخ‌گویی و اقدام عملی را جابه‌جا می‌کند. در عین حال، ادامه نیاز به تأیید انسانی برای خرید و تأیید اسناد حقوقی نشان می‌دهد که گوگل دست‌کم در شرح این گزینه، برای بعضی تصمیم‌های حساس محدودیت در نظر گرفته است. تا انتشار جزئیات رسمی، مهم‌ترین نکته این است که قابلیت هنوز آزمایشی است، زمان عرضه ندارد و ارتباطش با Gemini 4 Argon تأیید نشده است.