قابلیت های جدید جمینی (Gemini) برای سیستم عامل اندروید

سازگاری بیشتر جمینی با سیستم عامل اندروید

جمینی به زودی از توانایی خود برای یکپارچه سازی عمیق با سیستم عامل موبایل اندروید و برنامه های گوگل استفاده خواهد کرد. در کنفرانس توسعه دهندگان Google I/O 2024 که روز سه شنبه برگزار شد، این شرکت اعلام کرد که کاربران به روش‌های بیشتری می‌توانند پوشش جمینی را روی برنامه‌ای که استفاده می‌کنند، بالا بیاورند. همچنین مدل هوش مصنوعی داخلی اندروید (جمینی نانو) را به‌روزرسانی می‌کند.

قابلیت های جدید جمینی برای اندروید

به زودی، کاربران اندروید قادر خواهند بود تصاویر تولید شده توسط هوش مصنوعی را به طور مستقیم به جیمیل، پیام‌های گوگل و سایر برنامه‌ها کشیده و رها کنند. در همین حال، گوگل می‌گوید کاربران یوتیوب می‌توانند با ضربه برروی «از این ویدئو بپرس» (Ask this video) اطلاعات خاصی را از درون آن ویدیوی یوتیوب پیدا کنند.

جمینی روی اندروید در حال حاضر می‌تواند کارهای دیگری مانند ایجاد زیرنویس روی عکس‌ها، پرسیدن سؤال درباره مقالاتی که می‌خوانید و انجام سایر کارهای هوش مصنوعی تولیدکننده، شبیه به سایر چت‌بات‌های هوش مصنوعی انجام دهد. با این حال، OpenAI رویداد گوگل را تحت الشعاع خود قرار داد تا مدل GenAI، GPT-4o (با o مخفف «همه جانبه» (omni)) را معرفی کند که با متن، صدا و تصویر، از جمله آنچه دوربین گوشی می‌بیند، کار می‌کند. بنابراین، با وجود مزایای داخلی جمینی، در دستگاه‌های تلفن همراه رقابت‌هایی خواهد داشت.

قابلیت خاص برای کاربران Gemini Advanced

کسانی که برای Gemini Advanced ارتقا یافته هزینه پرداخت می‌کنند، همچنین می‌توانند از گزینه «از این PDF بپرس» استفاده کنند. با این ویژگی به شما می‌توانید بدون نیاز به مطالعه تمام صفحات، پاسخ‌هایی از سند دریافت کنید. مشترکین Gemini Advanced برای دسترسی به هوش مصنوعی ۱۹.۹۹ دلار در ماه پرداخت می‌کنند. همچنین این کاربران ۲ ترابایت فضای ذخیره‌سازی را به همراه سایر مزایای Google One دریافت می‌کنند.

اهداف گوگل برای آینده

گوگل می‌گوید که جدیدترین ویژگی‌های جمینی روی اندروید طی ماه‌های آینده برای صدها میلیون دستگاه پشتیبانی‌شده عرضه خواهد شد. با گذشت زمان، جمینی برای ارائه پیشنهادات دیگری مرتبط با آنچه روی صفحه نمایش شما است نیز تکامل خواهد یافت.

در همین حال، مدل بنیادی روی دستگاه در اندروید، جمینی نانو، برای گنجاندن چندرسانه‌ای (multimodality) ارتقا خواهد یافت. این بدان معناست که می‌تواند ورودی متن را به همراه سایر روش‌های پردازش اطلاعات، از جمله مناظر، صداها و زبان گفتاری پردازش کند.