Gemini w robotaksówkach Waymo: sztuczna inteligencja jako towarzysz podróży

Waymo, ramię Alphabet odpowiedzialne za rozwój technologii autonomicznej jazdy, jest w trakcie zaawansowanych testów integracji chatbota Gemini jako asystenta AI w swoich robotaksówkach. Odkrycia te, poczynione przez badaczkę Jane Manchun Wong, bazują na analizie kodu aplikacji mobilnej Waymo, gdzie odnaleziono pełny „system prompt” dla niezaprezentowanej publicznie funkcji Gemini.

Dokument, wewnętrznie zatytułowany „Waymo Ride Assistant Meta-Prompt” i liczący ponad 1200 linii, precyzyjnie definiuje zachowania oczekiwane od asystenta AI w pojeździe Waymo. Chociaż funkcja ta nie została jeszcze udostępniona publicznie, Wong podkreśla, że jest to znacznie więcej niż tylko prosty chatbot. Asystent ma nie tylko odpowiadać na pytania, ale także zarządzać pewnymi funkcjami w kabinie, takimi jak kontrola klimatyzacji, a w razie potrzeby — uspokajać pasażerów.

Więcej niż chatbot: cel i funkcjonalność

Julia Ilina, rzeczniczka Waymo, w rozmowie z TechCrunch potwierdziła, że zespół „stale eksperymentuje z funkcjami, aby podróże z Waymo były przyjemne, płynne i użyteczne”, jednak bez podawania szczegółów na temat przyszłego wdrożenia. Warto zauważyć, że nie jest to pierwsza styczność Waymo z Gemini. Spółka już wcześniej wykorzystywała „wiedzę o świecie” pozyskaną z Gemini do szkolenia swoich autonomicznych pojazdów w nawigowaniu w złożonych, rzadkich i krytycznych scenariuszach.

Asystent AI ma posiadać jasną tożsamość i cel: być „przyjaznym i pomocnym towarzyszem AI zintegrowanym z autonomicznym pojazdem Waymo”. Jego głównym zadaniem jest „wzmacnianie doświadczeń pasażera poprzez dostarczanie użytecznych informacji i pomocy w bezpieczny, uspokajający i nieuciążliwy sposób”. Bot ma komunikować się prostym, klarownym językiem, unikać żargonu technicznego i ograniczać odpowiedzi do jednego do trzech zdań.

System przewiduje, że po aktywacji asystenta przez ekran w samochodzie, Gemini będzie mogło wybrać spersonalizowane powitanie, uwzględniające imię pasażera. Będzie również miał dostęp do danych kontekstowych, takich jak historia podróży danego użytkownika z Waymo. Początkowe możliwości Gemini w zakresie kontroli funkcji pojazdu obejmują regulację temperatury, oświetlenia i muzyki. Wong zaznacza jednak, że na liście brakuje regulacji głośności, zmiany trasy, ustawienia siedzeń czy kontroli okien. W przypadku prośby o funkcję, której Gemini nie może obsłużyć, bot ma odpowiadać „aspirującymi frazami”, takimi jak: „To jest coś, czego jeszcze nie potrafię zrobić”.

Granice kompetencji i tożsamości

Kluczowym aspektem jest utrzymanie wyraźnego rozróżnienia między tożsamością Gemini jako bota AI a technologią autonomicznej jazdy (Waymo Driver). Gdy pasażer zapyta: „Jak widzisz drogę?”, Gemini ma odpowiedzieć: „Waymo Driver używa kombinacji czujników…”, zamiast przypisywać sobie tę zdolność bezpośrednio.

Instrukcje dla bota szczegółowo określają, jak ma reagować na pytania dotyczące konkurentów (np. Tesla, nieistniejąca już Cruise) oraz jakie słowa kluczowe mają wywołać zakończenie rozmowy. Asystentowi zabrania się spekulowania, wyjaśniania, potwierdzania, zaprzeczania lub komentowania bieżących działań związanych z jazdą czy konkretnych zdarzeń. Jeśli pasażer zapyta o incydent drogowy, bot ma uchylać się od bezpośredniej odpowiedzi, unikając postawy „rzecznika prasowego” lub „obronnej”.

Zakres wiedzy Gemini obejmuje pytania ogólne, takie jak prognoza pogody, wysokość wieży Eiffla czy godziny otwarcia lokalnych sklepów. Zabronione jest natomiast podejmowanie działań w świecie rzeczywistym, takich jak zamawianie jedzenia, rezerwacje czy obsługa sytuacji awaryjnych.

Waymo nie jest jedyną firmą integrującą asystentów AI w pojazdach autonomicznych. Tesla rozwija podobne rozwiązanie z Grokiem od xAI. Istnieją jednak fundamentalne różnice w ich funkcjonalności. Gemini w Waymo wydaje się być bardziej pragmatycznie ukierunkowane na komfort i wsparcie podczas podróży, podczas gdy Grok Tesli jest pozycjonowany jako towarzysz w kabinie, zdolny do prowadzenia dłuższych rozmów i zapamiętywania kontekstu z poprzednich pytań.