Google rzuca wyzwanie Anthropic: Gemini przejmuje kontrolę nad komputerem

Koniec z kopiowaniem tekstu z czatu do edytora. Google intensyfikuje prace nad funkcją Computer Use dla modelu Gemini, co pozwoli sztucznej inteligencji na bezpośrednie sterowanie aplikacjami i zarządzanie systemem plików na komputerach użytkowników. Pierwsze ślady tego rozwiązania, odkryte w testowych wersjach aplikacji desktopowej, sugerują, że gigant z Mountain View porzuca rolę prostego chatbota na rzecz autonomicznego agenta zdolnego do działania w środowisku Windows czy macOS.

To wdrożenie jest kluczowe, ponieważ przesuwa punkt ciężkości z generowania treści na realne działanie. Jak podaje dokumentacja Google AI, narzędzie to pozwala budować agentów sterujących przeglądarką, urządzeniami mobilnymi oraz pulpitami, co stawia Google w bezpośrednim wyścigu z modelem Claude od Anthropic. Firma potwierdziła już oficjalnie, że „Computer Use stało się wbudowanym narzędziem wspieranym w modelu Gemini 1.5 Flash”, co ma zapewnić szybkość niezbędną do reakcji w czasie rzeczywistym.

Nowy interfejs Gemini Spark

Zamiast prostego przełącznika w pasku nawigacji, funkcja ta trafi do odświeżonego interfejsu Gemini Spark. Użytkownicy znajdą ją w selektorze paska poleceń jako opcję „Zadanie” (Task), obok narzędzi do generowania obrazów czy wideo. Rozwiązanie umożliwi śledzenie działań AI dzięki miniaturowemu podglądowi aktywnego ekranu. Jest to niezbędne, by użytkownik wiedział, co bot robi z kursorem i oknami aplikacji.

Bezpieczeństwo i techniczne znaki zapytania

Inżynierowie Google pomyśleli o praktycznych aspektach pracy agenta, wprowadzając mechanizm zapobiegający usypianiu komputera podczas sesji oraz system automatycznych kopii zapasowych. Gemini zaoferuje kopię zapasową wybranych folderów na Google Drive przed rozpoczęciem operacji na plikach. Choć dla osób niekorzystających z systemów kontroli wersji brzmi to jak zabezpieczenie, w praktyce budzi wątpliwości. Próba archiwizacji setek gigabajtów danych przed wykonaniem prostego zadania szybko uderzy w limity miejsca w chmurze i przepustowość łącza.

W stronę autonomicznych agentów

Wprowadzenie Computer Use to jasny sygnał: Google nie zamierza odstawać od OpenAI w wyścigu o miano najbardziej użytecznego asystenta. Funkcja obsługuje specjalny tryb sandbox oraz obsługę po stronie klienta, co ma izolować działania AI od krytycznych części systemu. Sukces tego rozwiązania nie będzie jednak zależał od samej zdolności do klikania w ikony, ale od precyzji w zarządzaniu uprawnieniami. Na tę chwilę funkcja znajduje się w fazie zamkniętych testów, a jej ostateczny kształt zweryfikuje, czy Gemini faktycznie stanie się cyfrowym operatorem, czy kolejnym dodatkiem wymagającym ciągłego nadzoru człowieka.