Google un Samsung ievieš mākslīgā intelekta funkcijas

Google un Samsung ir spēruši būtisku soli uz priekšu viedtālruņu mākslīgā intelekta attīstībā, prezentējot jaunas tā dēvētās aģentiskā MI funkcijas, kas spēj patstāvīgi izpildīt daudzpakāpju uzdevumus lietotāja vietā. Atšķirībā no tradicionāliem balss asistentiem, kas galvenokārt reaģē uz atsevišķiem vaicājumiem, jaunā pieeja paredz, ka sistēma spēj saprast kontekstu, pieņemt secīgus lēmumus un sadarboties ar vairākām lietotnēm, lai sasniegtu konkrētu rezultātu. Praktiski tas nozīmē, ka lietotājs var dot augstāka līmeņa uzdevumu, piemēram, noorganizēt vakariņas vai pasūtīt transportu, bet pārējo procesu asistents veic pats – analizē informāciju, izvēlas atbilstošās opcijas un sagatavo darbību izpildei.

Šī attīstība ir īpaši nozīmīga, jo tā notiek laikā, kad Apple joprojām nav ieviesis līdzīgas funkcijas savam balss asistentam Siri, lai gan par tām tika plaši stāstīts iepriekšējās prezentācijās. Apple demonstrēja vīziju par asistentu, kas spētu saprast ekrānā redzamo saturu, veikt darbības starp dažādām lietotnēm un izmantot lietotāja personīgo kontekstu, piemēram, e-pastus vai ziņojumus. Tomēr šo iespēju ieviešana tika atlikta, un tās vēl nav pieejamas gala lietotājiem. Rezultātā Google un Samsung šobrīd ieņem iniciatīvu, pārvēršot līdz šim konceptuālā līmenī demonstrētas idejas reālā produktā.

Nozares kontekstā tas signalizē par pāreju no “čatbota ēras” uz produktivitātes aģentu ēru. Jaunās funkcijas tiek pozicionētas nevis kā vienkāršs jautājumu–atbilžu rīks, bet kā digitāls asistents, kas spēj plānot, koordinēt un daļēji automatizēt ikdienas procesus. Šāda pieeja potenciāli maina lietotāja attiecības ar ierīci: tā kļūst ne tikai par informācijas piekļuves punktu, bet par aktīvu uzdevumu izpildītāju. Ja tehnoloģija darbosies pietiekami precīzi un droši, tas var būt viens no nozīmīgākajiem pavērsieniem mobilā mākslīgā intelekta konkurencē pēdējo gadu laikā.

Gemini jaunās aģentiskās (agentic) iespējas Android ierīcēs

Google ar savu MI modeli Gemini ievieš jaunas paaudzes aģentiskās funkcijas Android ekosistēmā, būtiski paplašinot to, ko viedtālrunis spēj paveikt bez tiešas un detalizētas lietotāja iesaistes. Šīs iespējas paredz, ka mākslīgais intelekts ne tikai atbild uz jautājumiem vai ģenerē tekstu, bet arī patstāvīgi plāno darbību secību, mijiedarbojas ar lietotņu saskarnēm un izpilda konkrētus uzdevumus lietotāja vārdā.

Aģentiskuma būtība šajā kontekstā ir spēja saprast augstāka līmeņa mērķi un sadalīt to vairākos operacionālos soļos. Ja tradicionāls asistents izpilda vienu komandu vienlaikus, tad Gemini var interpretēt sarežģītāku uzdevumu, piemēram, “noorganizē vakariņas ģimenei”, un pārvērst to strukturētā darbību ķēdē – analizēt saziņas saturu, noteikt vēlmes, izvēlēties piemērotu pakalpojumu un sagatavot pasūtījumu apstiprināšanai.

Atbalstītās ierīces: Pixel 10, Pixel 10 Pro un Samsung Galaxy S26

Sākotnēji šīs funkcijas būs pieejamas ierobežotā ierīču klāstā, proti, Pixel 10, Pixel 10 Pro un Samsung Galaxy S26. Šāda selektīva ieviešana nav nejauša – aģentiskās MI funkcijas prasa augstu skaitļošanas jaudu, efektīvu neironu procesoru (NPU) atbalstu un ciešu integrāciju starp aparatūru un operētājsistēmu.

Google Pixel ierīces tradicionāli kalpo kā Android inovāciju demonstrācijas platforma, kur uzņēmums var pilnībā kontrolēt gan programmatūras, gan aparatūras optimizāciju. Savukārt Samsung kā viens no lielākajiem Android ražotājiem nodrošina tehnoloģijas mērogojamību premium segmentā. Šāda partnerība ļauj testēt un pilnveidot jauno funkcionalitāti kontrolētā vidē, pirms tā potenciāli kļūst pieejama plašākam ierīču klāstam.

Daudzpakāpju uzdevumu automatizācija (ēdiena pasūtīšana, taksometra izsaukšana u.c.)

Praktiskā līmenī Gemini aģentiskās iespējas izpaužas kā spēja automatizēt procesus, kas līdz šim prasīja manuālu darbību virkni. Piemēram, ēdiena pasūtīšanas gadījumā sistēma var analizēt grupas čata saturu, identificēt katra dalībnieka vēlmes, strukturēt pasūtījumu un pēc tam pāriet uz piegādes lietotni, lai sagatavotu grozu. Lietotājam atliek tikai pārskatīt un apstiprināt sagatavoto pasūtījumu.

Līdzīgs princips attiecas uz transporta pakalpojumiem. Ja lietotājs norāda, ka nepieciešams nokļūt konkrētā vietā, Gemini var identificēt galamērķi no sarakstes vai kalendāra ieraksta, atvērt atbilstošu braucienu koplietošanas lietotni, izvēlēties piemērotāko opciju un sagatavot izsaukumu. Šeit būtiska ir spēja strādāt pāri lietotņu robežām un uztvert kontekstu no dažādiem datu avotiem.

Demonstrācija uz skatuves: picas pasūtīšana no ģimenes čata

Jauno aģentisko iespēju prezentācijas laikā Google demonstrēja praktisku scenāriju, kurā Gemini palīdz noorganizēt picas pasūtījumu, balstoties uz informāciju ģimenes grupas čatā. Demonstrācija bija iepriekš ierakstīts video, taču tajā soli pa solim tika ilustrēts, kā mākslīgais intelekts spēj pārvērst brīvas formas saraksti konkrētā, strukturētā darbību plānā.

Šis piemērs tika izvēlēts apzināti – tas ir ikdienišķs, relatīvi vienkāršs uzdevums, taču tajā ietilpst vairāki secīgi soļi: vēlmju apkopošana, izvēļu precizēšana, pasūtījuma konfigurēšana un apstiprināšana. Tieši šāda daudzpakāpju darbību ķēde vislabāk ilustrē aģentiskā MI potenciālu.

Sarunas analīze un pasūtījuma izveide

Demonstrācijā lietotājs lūdza Gemini pārskatīt ģimenes čata pavedienu un noskaidrot, ko katrs vēlas pasūtīt. Sistēma analizēja brīvas formas ziņojumus, identificēja konkrētas preferences (piemēram, picas veidu, piedevas vai uztura ierobežojumus) un strukturēja šo informāciju skaidrā kopsavilkumā.

Tehniski tas nozīmē vairākus vienlaicīgus procesus: dabiskās valodas izpratni, entītiju atpazīšanu (piemēram, ēdienu nosaukumi, daudzumi), konteksta saglabāšanu un konfliktu risināšanu. Rezultātā lietotājam tika parādīts pārskatāms pasūtījuma melnraksts, kurā bija apkopotas visu sarunas dalībnieku vēlmes. Šis solis demonstrē pāreju no vienkāršas teksta ģenerēšanas uz strukturētu lēmumu atbalstu.

Integrācija ar piegādes lietotni (Grubhub)

Nākamajā posmā Gemini tika dots uzdevums noformēt pasūtījumu konkrētā picērijā, izmantojot piegādes platformu Grubhub. Video bija redzams, kā sistēma pāriet uz lietotni, izvēlas nepieciešamās pozīcijas un konfigurē pasūtījumu atbilstoši iepriekš sagatavotajam kopsavilkumam.

Šis ir būtisks aspekts, jo tas apliecina spēju mijiedarboties ar trešo pušu lietotnēm ne tikai datu līmenī, bet arī lietotāja interfeisa līmenī. Gemini būtībā darbojas kā starpnieks starp lietotāja nodomu un konkrētās lietotnes funkcionalitāti – tas “klikšķina”, izvēlas opcijas un sagatavo grozu. Šāda integrācija prasa tehnisku saskaņošanu ar lietotņu izstrādātājiem un atbilstošus piekļuves mehānismus, lai nodrošinātu drošu un paredzamu darbību.

Lietotāja apstiprinājums un pasūtījuma pabeigšana

Neraugoties uz augsto automatizācijas pakāpi, gala lēmums joprojām paliek lietotāja rokās. Kad pasūtījums bija sagatavots, sistēma nosūtīja paziņojumu ar aicinājumu pārskatīt detaļas un apstiprināt iesniegšanu. Tikai pēc lietotāja apstiprinājuma tika veikta galīgā darbība.

Aģentiskā mākslīgā intelekta nozīme un attīstības virziens

Aģentiskais mākslīgais intelekts iezīmē kvalitatīvu pāreju no reaktīvām sistēmām uz proaktīviem digitāliem aģentiem. Ja līdz šim lielākā daļa MI risinājumu funkcionēja kā jautājumu–atbilžu mehānismi vai satura ģeneratori, tad jaunā paradigma paredz spēju interpretēt lietotāja mērķi, sadalīt to operacionālos soļos un izpildīt šos soļus reālās lietotņu vidēs. Tas būtiski maina gan tehnoloģisko arhitektūru, gan lietotāja pieredzes dizainu.

Google ar Gemini cenšas pozicionēt sevi šīs pārejas priekšgalā, akcentējot nevis atsevišķu funkciju kopumu, bet jaunu mijiedarbības modeli starp cilvēku un ierīci. Šī pieeja balstās uz pieņēmumu, ka nākotnes konkurence MI jomā notiks ne tikai modeļu precizitātes vai ātruma līmenī, bet gan spējā droši un efektīvi darboties kā digitālam starpniekam starp lietotāju un plašu pakalpojumu ekosistēmu.

Gemini kā produktivitātes asistents, ne tikai čatbots

Tradicionāls čatbots reaģē uz konkrētu ievadi un ģenerē atbildi. Savukārt Gemini tiek pozicionēts kā produktivitātes asistents – sistēma, kas spēj uzturēt kontekstu, analizēt vairākus informācijas avotus un veikt darbības lietotāja vārdā. Šī atšķirība ir fundamentāla.

Produktivitātes asistenta modelis nozīmē, ka mijiedarbība ar ierīci kļūst mērķorientēta. Lietotājs formulē nodomu (“rezervē galdiņu”, “atrodi izdevīgāko lidojumu”, “apkopojiet šo saraksti”), un sistēma pati nosaka nepieciešamos apakšuzdevumus. Tas prasa augstāka līmeņa plānošanas mehānismus, ilgāku konteksta uzturēšanu un ciešāku integrāciju ar lietotņu API vai lietotāja interfeisiem.

No biznesa perspektīvas tas arī maina MI lomu ierīcē. Tā vietā, lai būtu papildu funkcija vai atsevišķa lietotne, asistents kļūst par centrālo koordinācijas slāni starp lietotāju un digitālo vidi. Ja šī koncepcija nostiprinās, tā var samazināt tiešas lietotņu mijiedarbības biežumu un pārorientēt lietotāju paradumus uz komandbalstītu darba plūsmu.

Automātiskā pārlūkošana Chrome un integrācija Android vidē

Būtisks solis šajā virzienā ir Gemini spēja automātiski pārlūkot tīmekli lietotāja vārdā pārlūkprogrammā Google Chrome. Tas nozīmē, ka sistēma var patstāvīgi atvērt lapas, analizēt to saturu, salīdzināt informāciju un atgriezt strukturētu rezultātu. Šī funkcionalitāte kalpo kā pamats plašākai aģentiskai darbībai – ja MI spēj droši navigēt tīmekļa vidē, nākamais loģiskais solis ir līdzīga spēja operēt operētājsistēmas līmenī.

Integrācija Android vidē šo koncepciju paplašina. Atšķirībā no pārlūka, kur darbības notiek vienā lietotnē, Android līmenī nepieciešama koordinācija starp vairākām lietotnēm, sistēmas atļaujām un drošības mehānismiem. Tas padara tehnisko realizāciju sarežģītāku, bet arī daudz ietekmīgāku, jo MI kļūst par horizontālu slāni visā ierīces ekosistēmā.

Apple Intelligence un neīstenotie Siri solījumi

Kad Apple prezentēja savu redzējumu par nākamās paaudzes mākslīgo intelektu ar zīmolu Apple Intelligence, tas tika pozicionēts kā fundamentāls pavērsiens uzņēmuma ekosistēmā. Centrālais elements šajā stratēģijā bija būtiski uzlabota Siri versija, kurai bija jāspēj saprast lietotāja kontekstu, analizēt ekrānā redzamo saturu un izpildīt darbības vairākās lietotnēs. Tomēr, neraugoties uz ambiciozajām demonstrācijām, lielākā daļa šo funkciju līdz šim nav kļuvušas publiski pieejamas.

WWDC 2024 prezentētās funkcijas

WWDC 2024 laikā Apple demonstrēja virkni iepriekš ierakstītu scenāriju, kuros Siri darbojās kā pilnvērtīgs digitālais asistents. Tika solīta dziļa sistēmas līmeņa integrācija, kas ļautu asistentam piekļūt lietotņu datiem, analizēt saturu un veikt uzdevumus lietotāja vārdā.

Prezentācijās Siri spēja reaģēt uz sarežģītiem, kontekstuāliem pieprasījumiem, kas pārsniedza vienkāršu komandu izpildi. Tika uzsvērts, ka jaunā arhitektūra apvienos ierīcē notiekošu apstrādi ar mākoņdatošanas resursiem, nodrošinot gan privātumu, gan augstu funkcionalitāti. Tomēr šie piemēri palika demonstrācijas līmenī, un reāla funkciju ieviešana tika atlikta.

Darbības starp lietotnēm un ekrāna satura izpratne

Viens no iespaidīgākajiem demonstrētajiem aspektiem bija Siri spēja saprast to, kas redzams ekrānā, un rīkoties, balstoties uz šo informāciju. Piemēram, lietotājs varēja lūgt pievienot adresi no ziņojumu sarakstes konkrētās personas kontaktkartei. Šādā scenārijā asistents identificētu nepieciešamo informāciju ziņojumā, atvērtu kontaktu lietotni un atjauninātu attiecīgo ierakstu.

Šī funkcionalitāte nozīmē pāreju no izolētas komandu izpildes uz semantisku izpratni par lietotāja darbvietu. Tehniski tas prasa ekrāna satura analīzi, entītiju atpazīšanu un drošu darbību veikšanu starp lietotnēm, ievērojot sistēmas atļauju modeli. Tieši šāds starp-lietotņu darbību mehānisms tiek uzskatīts par vienu no galvenajiem aģentiskā MI elementiem.

Personīgā konteksta izmantošana (piemērs ar e-pastu un lidojuma informāciju)

Vēl viens būtisks solījums bija spēja izmantot lietotāja personīgo kontekstu, piemēram, e-pastus, kalendāra ierakstus vai ziņojumus, lai sniegtu precīzas un personalizētas atbildes. Demonstrācijā tika rādīts scenārijs, kur lietotājs jautā, kad ielidos viņa mātes reiss. Siri spēja identificēt attiecīgo informāciju e-pasta vēstulē, izvilkt lidojuma detaļas un uzreiz sniegt atbildi.