Два от най-популярните и масово ползвани чатбота, ChatGPT и Gemini, бяха обновени и усъвършенстваните им възможности потвърждават, че надпреварата в развитието на уменията на алгоритмите е безпощадна. Gemini вече е способен да изпълнява задачи от край до край, само с едно нареждане от страна на потребителя.
OpenAI въведе актуализация за „интелигентен потребителски интерфейс“ (Intelligent UI) в ChatGPT, която позволява на изкуствения интелект да генерира визуални и интерактивни елементи директно в отговорите си. Стандартният текст вече ще бъде придружен от графики, диаграми и бутони, предназначени за изпълнение на конкретни задачи. Тази функция се задвижва от модела GPT-6.
Един от примерите, който разработчикът използва за представянето, е диаграма на анатомията на гол охлюв; ChatGPT генерира изображение, илюстриращо структурата на животното, докато специални бутони позволяваха на потребителя да избере част от тялото и да получи допълнителна информация.
При друг тест изкуственият интелект генерира калкулатор за разходите за наем на жилище в Сан Франциско. Плъзгачи позволяваха на потребителите да коригират доходите и разходите си, след което инструментът показваше наема за различни апартаменти като процент от дохода след облагане с данъци.
Още по-впечатляващ пример беше отговорът на запитване от журналист на списание „Wired“ относно местата в самолетите. ChatGPT сравни разположението на местата в салоните на четири самолета на авиокомпаниите Alaska Airlines и Delta Air Lines; интерактивна карта позволяваше на потребителя да кликне върху всяко място, за да види подробности за него. Системата оцветяваше в зелено редовете до аварийните изходи, тъй като журналистът беше споменал, че не обича да седи в тези зони.
Тези визуални елементи обаче няма да се появяват във всеки отговор. Дизайнерите на компанията внимателно преценяват кога графиките и бутоните наистина помагат на потребителя и кога „претрупват“ интерфейса, обясни продуктовият мениджър на OpenAI Ааруш Селван. Потребителите също така могат да поискат от ChatGPT да използва по-малко от тези елементи, ако предпочитат.
Едновременно с това Google Cloud представи нов продукт, наречен Gemini agent – агент, задвижван от изкуствен интелект, предназначен за корпоративни клиенти. Той е достъпен в приложението Gemini Enterprise, пакета Workspace и различни други услуги.
Потребителите просто трябва да „поставят цели, вместо да дават инструкции стъпка по стъпка“; агентът Gemini може да отговаря на въпроси, да извършва интелектуална работа, да създава мултимедийно съдържание, както и да пише и изпълнява програмен код.
„Ако мениджър ви изпрати имейл с искане за презентация, съдържаща най-новите данни по даден проект, Workspace Intelligence разпознава това като задача, подходяща за делегиране, и предлага тя да бъде прехвърлена към агента Gemini с едно кликване“, обясняват от Google.
AI агентът може още да организира среща с колеги, като самостоятелно определя списъка с участници въз основа на минали събития, проверява календарите и инициира кореспонденция за съгласуване на подходящ час.
Агентът Gemini може да действа като служител на компанията, изпълнявайки функции, свързани с конкретна роля. Той се заема със задачи, като избира най-подходящите модели – от семейството на Google Gemini до моделите Claude на Anthropic, като в бъдеще се планира добавянето и на други собствени модели, както и такива с отворен код.
За изпълнението на многостъпкови задачи се включват под-агенти, а системата поддържа интеграция с различни инструменти на трети страни. Задачите могат да бъдат с голяма продължителност, обхващаща часове или дори дни.
AI агентът работи в облака, като има достъп до „единна база данни, включваща памет, контекст и споделен граф за персонализация“.
За да активирате агента Gemini, трябва да го споменете като „@Gemini“ в Gmail, Google Docs, Sheets, Slides и Chat. Той е достъпен на различни устройства чрез множество канали, включително командния ред, Google Workspace, Slack и Microsoft 365; API интерфейсите позволяват интеграция на приложения от трети страни, включително такива без графичен потребителски интерфейс.
В момента агентът Gemini преминава през етап на затворено предварително тестване и впоследствие ще бъде достъпен за корпоративни клиенти на Google Workspace, използващи определени планове от категориите Business и Enterprise.
