پرش به محتوای اصلی
پرش به محتوای مقاله

درون بازسازی سرویس Duplex با مدل‌های زبانی مدرن جمینای

·۲ مهر ۱۴۰۵۳ دقیقه مطالعه۱ بازدید
جمیلی گوگل اکنون می‌تواند در گوشی‌های پیکسل به جای شما تماس بگیرد.
جمیلی گوگل اکنون می‌تواند در گوشی‌های پیکسل به جای شما تماس بگیرد.
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

بازگشت به ایده‌ی تماس خودکار اما با جایگزینی موتور قدیمی با مدل‌های زبانی مدرن؛ جمینای اکنون می‌تواند منوهای پیچیده تلفنی را به‌صورت پویا پیمایش کند، چیزی که در Duplex بسیار محدود بود.

تصور کنید دستیار هوشمند شما از محیط چت خارج شود و به یک عامل صوتی زنده تبدیل شود که واقعاً کارهای شما را پیش ببرد. در ۲۴ سپتامبر ۲۰۲۶، گوگل این توانایی را با معرفی قابلیت Call for Me به نمایش گذاشت؛ یک ویژگی بتای آزمایشی که به جمینای (Gemini) اجازه می‌دهد به‌جای شما با کسب‌وکارها تماس بگیرد، سؤال بپرسد و نوبت رزرو کند.

این اقدام در واقع تلاش دوم گوگل برای هدفی است که یک دهه دنبال کرده است. سال‌ها پیش، این شرکت سرویس Duplex را برای رزرو میز رستوران از طریق گوگل اسیستنت عرضه کرد، اما آن سرویس در نهایت تعطیل شد. همان‌طور که در تحلیل قبلی ما درباره‌ی برتری مدل‌های زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن کتاب‌ها جواب می‌دهد — در درک زیرمتن‌ها اشاره کردیم، این نسخه جدید از قدرت LLMها برای مدیریت پیش‌بینی‌ناپذیریِ مکالمات انسانی استفاده می‌کند. این تحول در واقع تکامل همان رویکردی است که گوگل پیش‌تر برای تبدیل جست‌وجوی متنی به ابزاری برای رزرو پرواز و هتل به کار گرفته بود تا تجربه کاربر را از یافتن اطلاعات به انجام عملیات تبدیل کند.

برای استفاده از این قابلیت، طبق اعلام گوگل، داشتن گوشی پیکسل ۱۱ (Pixel 11) در آمریکا، اشتراک جمینای و عضویت در بتای عمومی اپلیکیشن Phone by Google الزامی است. این سامانه به‌طور خاص برای تعاملات تجاری طراحی شده است؛ مثلاً برای چک کردن موجودی یک ابزار در فروشگاه سخت‌افزار یا رزرو وقت آرایشگاه.

قابلیت‌های فنی

  • پیمایش منوها: جمینای می‌تواند منوهای تلفنی خودکار را رد کند و تا زمان پاسخ‌گویی انسان در صف انتظار بماند.
  • نظارت زنده: کاربران می‌توانند متن لحظه‌ای تماس را روی صفحه ببینند و هر زمان که خواستند، کنترل مکالمه را به دست بگیرند.
  • ثبات صوتی: دستیار از همان صدای Gemini Live استفاده می‌کند، فارغ از تنظیمات لهجه کاربر.
  • یکپارچگی با جست‌وجو: اگر کسب‌وکاری وب‌سایت نداشته باشد، جمینای سعی می‌کند شماره را جست‌وجو کند یا از شماره ارسالی کاربر استفاده کند.

به گزارش WIRED، سخنگوی گوگل تأکید کرد که این هوش مصنوعی با خدمات اضطراری تماس نمی‌گیرد. همچنین این بات به‌گونه‌ای برنامه‌ریزی شده که اگر کسب‌وکاری نتواند درخواست کاربر را برآورده کند، «با ادب» تماس را قطع کند.

این ویژگی بخشی از مجموعه ابزارهای تماس هوشمند اندروید است. اپلیکیشن Phone پیش از این قابلیت‌هایی مثل غربالگری تماس، هشدار Hold for Me و تشخیص آنی کلاهبرداری برای مسدود کردن بازاریابان تلفنی را ارائه داده بود.

برای یک کاربر عادی، این تغییر یعنی تبدیل تلفن از یک ابزار ارتباطی به یک ابزار تفویض اختیار. دیگر نیازی نیست ۲۰ دقیقه برای تأیید ساعت کاری یک فروشگاه در صف انتظار بمانید؛ شما فقط این خستگی را به هوش مصنوعی می‌سپارید.

با این حال، اصطکاک‌های دنیای واقعی همچنان زیاد است. بسیاری از صاحبان کسب‌وکار اگر شک کنند که با یک بات اسپم طرف هستند، فوراً تماس را قطع می‌کنند. همچنین لهجه‌های غلیظ هنوز می‌توانند باعث ایجاد حلقه‌های تکرار در مدل شوند. موفقیت این ابزار به این بستگی دارد که آیا هوش مصنوعی می‌تواند آن‌قدر انسانی به نظر برسد که به عنوان یک Robocall شناسایی نشود یا خیر.

ما به آینده‌ای نزدیک می‌شویم که عامل‌های هوش مصنوعی (AI Agents) — شبیه به نمایندگانی که برای هر کار تخصص دارند و به‌جای شما تصمیم می‌گیرند — با یکدیگر صحبت کنند. برخی کسب‌وکارها مثل Pizza My Heart در کالیفرنیا، همین حالا از چت‌بات‌ها برای سفارش‌گیری استفاده می‌کنند. به‌زودی ممکن است هوش مصنوعی گوشی شما برای تعیین تاپینگ پیتزا، مستقیماً با هوش مصنوعی رستوران مذاکره کند.

گام بعدی شما

  • اگر در آمریکا هستید، در بتای اپلیکیشن Phone by Google ثبت‌نام کنید تا Call for Me را تست کنید.
  • برای کاهش تماس‌های تلفنی خسته‌کننده، لیست کسب‌وکارهای محلی خود را برای تست با دستیاران صوتی آماده کنید.
  • بررسی کنید که آیا کسب‌وکار شما آماده است تا درخواست‌های ارسالی از سوی عامل‌های هوش مصنوعی را مدیریت کند؟

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.

چرا این موضوع مهم است؟

این قابلیت با تکیه بر اعتبار زیرساخت‌های گوگل، مرز بین دستیارهای صوتی ساده و عامل‌های عملیاتی را می‌شکند. اگر این مدل در مقیاس وسیع پذیرفته شود، مدل اقتصادی تماس‌های تجاری و نحوه تعامل مشتری با کسب‌وکارهای کوچک به‌کلی تغییر می‌کند.

تأثیر برای ایران

به‌دلیل محدودیت‌های جغرافیایی و نیاز به سخت‌افزار خاص (پیکسل ۱۱)، این سرویس در حال حاضر برای کاربران ایرانی در دسترس نیست.

·نگاه ما
تحریریه دات‌هوش

تلاش مجدد گوگل برای احیای ایده‌ی Duplex نشان می‌دهد که سخت‌افزار و مدل‌های سال ۲۰۲۳ به بعد، بالاخره به بلوغ لازم برای مدیریت «هرج‌ومرج» مکالمات صوتی رسیده‌اند. این یک چرخش از رابط‌های متنی به رابط‌های عملیاتی است؛ جایی که موفقیت دیگر با دقت پاسخ، بلکه با نرخ تکمیل موفقِ یک تراکنش (مثل رزرو نوبت) سنجیده می‌شود.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.