مواجهه با چهره تازه هوش مصنوعی گوگل در به‌روزرسانی جمنای ۳.۸

شرکت گوگل در ادامه توسعه قابلیت‌های مکالمه‌ای مدل‌های هوش مصنوعی خود، از به‌روزرسانی جدیدی با نام Gemini 3.8 Live رونمایی کرده است که تحولی بزرگ در تعامل کاربر با ماشین‌ها ایجاد می‌کند. این نسخه جدید به کاربران اجازه می‌دهد تا به جای روبه‌رو شدن با یک رابط کاربری صوتی یا متنی صرف، گفت‌وگوی کاملاً زنده‌ای را با یک آواتار متحرک و پویا تجربه کنند.

این قابلیت که با عنوان Live Avatar شناخته می‌شود، در هنگام گفتگو به صورت هم‌زمان پاسخ‌های مدل را با حرکات صورت و همگام‌سازی دقیق لب‌ها همراه می‌سازد. به گفته گوگل، این ویژگی فعلاً به صورت انحصاری در اختیار مشتریان بخش Gemini Enterprise قرار گرفته است و سازمان‌ها می‌توانند از آن بهره‌مند شوند.

عملکرد بی‌نقص چندزبانه و توانمندی‌های بصری پیشرفته

یکی از دستاوردهای فنی چشمگیر گوگل در توسعه آواتار زنده، حفظ کیفیت ویدیو و جلوگیری از افت رندرینگ بصری در زمان جابجایی میان زبان‌های مختلف است. بر اساس اطلاعات منتشر شده، این سیستم از مشخصات کلیدی زیر پشتیبانی می‌کند:

  • پشتیبانی کامل از ۹۷ زبان زنده دنیا بدون افت کیفیت ویدیویی یا ایجاد تاخیر بصری (Visual drift).
  • توانایی نمایش هم‌زمان اطلاعات و داده‌ها روی صفحه نمایش حین مکالمه کاربر با آواتار.
  • پردازش تقریبا در لحظه (Near real-time) ورودی‌های بصری که چندی پیش با معرفی مدل پایه جمنای ۳.۸ لایو وعده داده شده بود.
  • ارائه کتابخانه‌ای از آواتارهای پیش‌فرض آماده توسط گوگل به همراه امکان سفارشی‌سازی و ساخت آواتار اختصاصی برای سازمان‌ها.

«آواتار زنده گوگل قادر است بدون افت کیفیت ویدیو یا ایجاد تاخیر بصری، میان ۹۷ زبان پشتیبانی‌شده جابجا شود و انیمیشن دهان خود را با هر دو زبان به طور دقیق هماهنگ کند.»

امنیت، احراز هویت و محافظت از حریم شخصی

با توجه به حساسیت‌های فزاینده پیرامون تولید چهره‌ها و صداهای مصنوعی، گوگل پروتکل‌های امنیتی سخت‌گیرانه‌ای را برای این فناوری در نظر گرفته است. تمامی خروجی‌های تولید شده توسط آواتار زنده مجهز به فناوری نشانه‌گذاری نامرئی SynthID هستند تا محتوای تولید شده توسط هوش مصنوعی به راحتی قابل شناسایی باشد. همچنین راهکارهای حفاظتی متعددی برای «احترام به هویت افراد» و جلوگیری از سوءاستفاده‌های احتمالی در ساخت این آواتارها تعبیه شده است.

گامی رو به جلو در تعاملات انسانی با دستیارهای دیجیتال

معرفی آواتار زنده در جمنای ۳.۸ نشان‌دهنده تغییر مسیر گوگل از ابزارهای صوتی سنتی به سمت تجربه‌های چندوجهی و عمیق‌تر ارتباطی است. با ادغام پردازش بصری بلادرنگ، قابلیت‌های چندزبانه قدرتمند و لایه‌های امنیتی نظیر SynthID، گوگل استاندارد جدیدی را در صنعت هوش مصنوعی مولد پایه‌گذاری کرده است که می‌تواند آینده خدمات سازمانی و ارتباطات دیجیتال را به کلی دگرگون سازد.