Google DeepMind yeni nəsil Gemini 2.5 Computer Use modelini təqdim edib — bu, sayt və tətbiq interfeyslərində real istifadəçi kimi hərəkət edən İA agentidir.
Agentin iş prinsipi belədir: o, ekranın şəklini (screenshot) alır, tapşırığı və əvvəlki addımları təhlil edir, növbəti əməliyyatı müəyyənləşdirir — məsələn, “mətn yazmaq” və ya “düyməni klikləmək” — sonra həmin əməliyyatı yerinə yetirir və növbəti addım üçün yenidən ekran görüntüsü yaradır. Bu prosesə computer_use adlı alət cavabdehdir və o, Gemini API-yə inteqrasiya edilib. Hazırda sistem brauzerlər üçün optimallaşdırılıb, tam əməliyyat sistemlərini idarə etmək üçün nəzərdə tutulmayıb.
Demonstrasiyalarda Gemini 2.5 uğurla formaların doldurulması, sayta giriş, menyu seçimləri, xidmətlər arasında məlumat ötürülməsi və iş lövhələrində elementlərin düzülməsi kimi tapşırıqları yerinə yetirib. Onun əsas fərqi — real veb-səhifələrlə, o cümlədən hesab girişi tələb edən bölmələrlə işləyə bilməsidir, bu isə korporativ proseslərin və ofis işlərinin avtomatlaşdırılması üçün yeni imkanlar yaradır.
Google təhlükəsizlik məsələsinə xüsusi diqqət ayırır: hər bir əməliyyat ayrıca yoxlamadan keçir, alış-veriş və ya captcha kimi potensial riskli hərəkətlər isə təsdiq tələb edir və ya avtomatik bloklanır.
Hazırda Gemini 2.5 Computer Use ictimai preview mərhələsindədir və Gemini API və Vertex AI vasitəsilə tərtibatçılara təqdim olunur. Yeniliyi Browserbase platformasında brauzer üzərindən sınaqdan keçirmək mümkündür.
