Η Google επεκτείνει τις δυνατότητες της τεχνητής νοημοσύνης της, ενσωματώνοντας τα χαρακτηριστικά χρήσης υπολογιστή του Project Mariner στις πλατφόρμες Gemini API και Vertex AI, αποτελώντας ένα σημαντικό βήμα προς τα εμπρός στην ανάπτυξη πρακτορικών συστημάτων τεχνητής νοημοσύνης.
Το Project Mariner, που παρουσιάστηκε για πρώτη φορά στα τέλη του 2024, αποτελεί ερευνητικό πρωτότυπο της Google DeepMind που εξερευνά την αλληλεπίδραση ανθρώπου-πράκτορα μέσω web browsers. Το σύστημα μπορεί να παρατηρεί τι εμφανίζεται στους browsers, να ερμηνεύει σύνθετους στόχους, να σχεδιάζει υλοποιήσιμα βήματα και να πλοηγείται σε ιστοσελίδες για να ολοκληρώνει αυτόνομα εργασίες. Έχει τη δυνατότητα να διαχειρίζεται πολλαπλές λειτουργίες ταυτόχρονα, με την πιο πρόσφατη έκδοση να μπορεί να ολοκληρώνει έως και δέκα διαφορετικές εργασίες ταυτόχρονα.
Αρκετές τεχνολογικές εταιρείες διερευνούν ήδη τις δυνατότητες του Project Mariner. Η Automation Anywhere, ηγέτιδα στην πρακτορική αυτοματοποίηση διαδικασιών, και η UiPath, γνωστή για την πλατφόρμα αυτοματοποίησής της, συγκαταλέγονται στους πρώτους υιοθετούντες. Άλλοι συνεργάτες περιλαμβάνουν την Browserbase, που αναπτύσσει πλαίσια αυτοματοποίησης browser με τεχνητή νοημοσύνη, την Autotab, την The Interaction Company και την Cartwheel, μια πλατφόρμα μετατροπής κειμένου σε κινούμενη εικόνα που ιδρύθηκε το 2023.
Η ενσωμάτωση με το Gemini API και το Vertex AI θα επιτρέψει στους προγραμματιστές να δημιουργήσουν εφαρμογές που αξιοποιούν αυτές τις πρακτορικές δυνατότητες. Η Google έχει επίσης ενισχύσει σημαντικά τις προστασίες ασφαλείας έναντι απειλών όπως οι έμμεσες ενέσεις προτροπών, καθιστώντας τη σειρά μοντέλων Gemini 2.5 την πιο ασφαλή μέχρι σήμερα.
Οι συνδρομητές του Google AI Ultra στις ΗΠΑ έχουν ήδη πρόσβαση στο Project Mariner, ενώ ευρύτερη πρόσβαση για προγραμματιστές προγραμματίζεται για το καλοκαίρι. Η εταιρεία φέρνει επίσης ορισμένες από τις δυνατότητες του Mariner και σε άλλα προϊόντα της Google, συμπεριλαμβανομένης της λειτουργίας AI Mode στα Search Labs, όπου θα επιτρέπει εργασίες όπως η αγορά εισιτηρίων για εκδηλώσεις και η κράτηση τραπεζιών σε εστιατόρια.
Αυτή η εξέλιξη αντιπροσωπεύει μια θεμελιώδη αλλαγή στον τρόπο που οι χρήστες αλληλεπιδρούν με το διαδίκτυο, ενδεχομένως μεταβαίνοντας από την άμεση πλοήγηση σε ιστοσελίδες στην ανάθεση εργασιών σε πράκτορες τεχνητής νοημοσύνης. Καθώς αυτές οι δυνατότητες ωριμάζουν, θα μπορούσαν να φέρουν επανάσταση στην αυτοματοποίηση σε διάφορους κλάδους και να επιτρέψουν εντελώς νέες εφαρμογές για βοηθούς τεχνητής νοημοσύνης.