گوگل در اطلاعیه روز چهارشنبه خود درباره قابلیتهای جدید صوتی Gemini Live، نکته درستی را مطرح کرده و گفته است کاربران نباید مجبور باشند برای انجام هر کار حدس بزنند که باید از Spark، Daily Brief یا جستوجوی سریع در ایمیلهایشان استفاده کنند. منظور گوگل این است که نسخه جدید اپلیکیشن Gemini میتواند انواع مختلفی از کارها را تنها با فرمان صوتی انجام دهد. (Google Blog)
اما در همین موضوع یک تناقض جالب وجود دارد. گوگل تقریباً برای هر قابلیت هوش مصنوعی Gemini یک نام و برند جداگانه انتخاب کرده و همین موضوع پیام اصلی شرکت را تضعیف میکند.
در اپلیکیشن Gemini، کاربران میتوانند بین چت معمولی، Spark و Daily Brief جابهجا شوند. هر کدام از این قابلیتها آیکون و بخش جداگانهای در منوی برنامه دارند. این وضعیت باعث شلوغتر شدن تجربه کاربری میشود؛ در حالی که میتوانست همه این امکانات در قالب یک تجربه ساده و یکپارچه ارائه شوند.
از طرف دیگر، تعدد این قابلیتها و نامهای مختلف این تصور را ایجاد میکند که Gemini هنوز نتوانسته یک ویژگی اصلی و جذاب پیدا کند که کاربران آن را بهعنوان مهمترین دلیل استفاده از این دستیار هوش مصنوعی بشناسند.
برای مثال، قابلیت Daily Brief را در نظر بگیرید. این ویژگی بیشتر شبیه چیزی است که یک مهندس هوش مصنوعی آن را جذاب بداند، نه یک کاربر معمولی. در واقع، Daily Brief نوعی برنامه روزانه مبتنی بر هوش مصنوعی است که با استفاده از اطلاعات موجود در برنامههای گوگل مانند Gmail و Calendar، به کاربر «بهروزرسانیهای شخصیسازیشده و پیشدستانه» ارائه میدهد.
اما در عمل، این قابلیت همیشه نمیتواند بین اطلاعات مهم و ضروری و یادآوریهای ناخواسته تفاوت قائل شود. برای مثال، ممکن است کاربر را تشویق کند تحقیقاتی را که قبلاً در چتبات شروع کرده ادامه دهد یا حتی بدتر از آن، جستوجوهای قبلی او در گوگل را دوباره به او یادآوری کند.
بخش دوم چندان مفید به نظر نمیرسد و حتی میتواند حس ناخوشایندی ایجاد کند. مثلاً اگر کسی درباره بورسیههای دانشگاهی یا مراکز نجات حیوانات در گوگل جستوجو کرده باشد، این به آن معنا نیست که میخواهد چند روز بعد یک هوش مصنوعی دوباره این موضوعات را به او یادآوری کند.
Spark مشکل کاملاً متفاوتی دارد. این قابلیت یکی از بخشهای مفیدتر اپلیکیشن Gemini است؛ یک عامل هوش مصنوعی که میتواند از طرف کاربر اقداماتی را انجام دهد. با این حال، گوگل آن را بهعنوان یک برند مستقل معرفی کرده، در حالی که چنین کاری ضرورتی ندارد.
ممکن است مهندسان گوگل از نظر داخلی بخواهند عضو تیم Spark باشند و این مسئله مشکلی ندارد، اما یک کاربر عادی یک اپلیکیشن هوش مصنوعی نیازی ندارد بداند برای انجام هر کار باید وارد کدام «بخش» از برنامه شود. کاربر باید فقط درخواست خود را وارد کند و خود هوش مصنوعی تشخیص دهد چگونه آن را انجام دهد و اگر لازم بود، یک عامل هوش مصنوعی را برای انجام آن کار فعال کند.
البته این مشکل فقط مربوط به Gemini نیست. به نظر میرسد صنعت هوش مصنوعی در مجموع، معماری داخلی محصولات خود را مستقیماً در معرض دید کاربران قرار میدهد، در حالی که بهتر است این پیچیدگیها پشت یک رابط کاربری سادهتر پنهان شوند.
امروزه کاربران باید تصمیم بگیرند که میخواهند با Claude شرکت Anthropic «چت» کنند یا از قابلیت «Cowork» برای کمک گرفتن از آن استفاده کنند. تا همین هفته، این دو حالت در اپلیکیشن Claude حتی حافظه مشترکی از مکالمات قبلی نداشتند. ChatGPT هم وضعیت مشابهی دارد و کاربران را مجبور میکند بین حالتهای «Chat» و «Work» جابهجا شوند.
این نوع طراحی بیشتر از نگاه یک مهندس شکل گرفته تا یک کاربر عادی و باعث میشود تعامل با هوش مصنوعی غیرطبیعی به نظر برسد. در واقع، از کاربران خواسته میشود نامهای تجاری مختلفی را یاد بگیرند، در حالی که این نامها در اصل فقط به حالتها یا بخشهای مختلف تعامل با یک مدل هوش مصنوعی مربوط میشوند.
