گوگل به هوش مصنوعی «جیمینای لایو» چهره انسانی می‌بخشد

شرکت گوگل با افزودن قابلیت «آواتار زنده» به نسل جدید دستیار هوش مصنوعی خود، جیمینای لایو (Gemini Live)، تلاش می‌کند ارتباط کاربر با هوش مصنوعی در خدمات مشتری را شخصی‌تر و انسانی‌تر کند.

شرکت گوگل اعلام کرده است که قصد دارد با افزودن آواتارهای متحرک و ویدئویی به هوش مصنوعی صوتی جیمینای (Gemini)، تعامل با چت‌بات‌ها را برای کاربران و شرکت‌ها ملموس‌تر کند. هدف از این اقدام، انسانی‌تر و مستقیم‌تر ساختن چت‌بات‌هایی است که در مراکز خدمات مشتری به کار گرفته می‌شوند.

این قابلیت جدید، «آواتار زنده» نام دارد و بر پایه آخرین نسل از فناوری جیمینای لایو ۳.۸ (Gemini Live 3.8) گوگل استوار است که پردازش فوری صدا را با تولید ویدئوی سریع ترکیب می‌کند. به این ترتیب، هوش مصنوعی نه‌تنها به سؤالات پاسخ می‌دهد، بلکه آواتار دیجیتالی انتخاب‌شده نیز همزمان و با حرکات دقیق لب، متن صحبت را به صورت زنده «دوبله» می‌کند. این تکنولوژی صرفاً پخش ویدئوی از پیش ضبط‌شده نیست؛ بلکه آواتار در طول مکالمه به صورت «زنده» واکنش نشان می‌دهد و به گفته گوگل، تجربه‌ای پویا با شخصیتی بصری ایجاد می‌کند که «می‌بیند، می‌شنود و سخن می‌گوید».

این ویژگی تازه برای کاربران عادی طراحی نشده، بلکه یک فناوری سازمانی است. شرکت‌ها می‌توانند از میان شخصیت‌های از پیش طراحی شده انتخاب کنند یا آواتارهای کاملاً سفارشی‌شده با برند خود، از جمله یونیفرم‌های مجازی با لوگوی شرکت یا ژست‌های خاص را طراحی نمایند. با این حال، ساخت آواتار شخصی‌سازی شده در حال حاضر تنها از طریق فهرست تأییدیه شرکت‌ها امکان‌پذیر است. این سیستم قابلیت درک و صحبت به ۹۷ زبان را دارد و در حین مکالمه، بدون افت کیفیت تصویر یا جابه‌جایی بصری، به‌طور خودکار به زبان کاربر تغییر می‌کند.

گوگل همچنین تأکید کرده که آواتار جدید صرفاً یک «سر سخنگو» نیست؛ بلکه «فکر می‌کند» و می‌تواند از سیستم‌های خارجی نیز استفاده کند. این هوش مصنوعی قادر است در پس‌زمینه، درخواست‌های نامتقارن ابزاری را فعال کرده و داده‌ها را بازیابی کند، در حالی که همزمان به مکالمه فعال خود ادامه می‌دهد، وظایف پیچیده را مدیریت می‌کند و جریان گفت‌وگو را بی‌وقفه حفظ می‌نماید. برای تضمین امنیت، گوگل اظهار داشته است که ویدئوهای تولید شده توسط این آواتارها حاوی واترمارک «سینت‌آیدی» (SynthID) هستند که اصالت تولید هوش مصنوعی را تأیید می‌کند. این واترمارک نامحسوس مستقیماً در خروجی صوتی و تصویری جاسازی شده تا محتوای تولید شده توسط هوش مصنوعی قابل تشخیص باشد و به گفته گوگل، «اطلاعات نادرست و منابع گمراه‌کننده به حداقل برسد.»

بر اساس اعلام رسمی گوگل، قابلیت «لایو آواتار» در حال حاضر به صورت عمومی در سرویس «جیمینای اینترپرایز» (Gemini Enterprise) در دسترس است. اینکه آیا این فناوری، خدمات مشتری را دوستانه‌تر یا هولناک‌تر خواهد کرد، با شروع به کار اولین «کارمندان» مجازی در وب‌سایت‌های بزرگ مشخص خواهد شد.