تصور کنید دستیاری دارید که نه تنها تمام فکت‌های دنیای دیجیتال را می‌داند، بلکه دقیقاً می‌داند شما چطور یک پیشنهاد کاری را می‌نویسید یا با مشتریانتان چه لحنی دارید. حالا می‌توانید گوگل جمینای (Google Gemini) را به یک دستیار نوشتاری شخصی تبدیل کنید که مستقیماً از داده‌های شما تغذیه می‌کند.
این قابلیت در پاسخ به نیاز کاربران برای دریافت پاسخ‌های «مبنی‌سازی‌شده» (Grounding) — یعنی پاسخ‌هایی که به جای حدس زدن، بر اساس واقعیت‌های موجود در داده‌های کاربر باشند — عرضه شده است. همان‌طور که در تحلیل قبلی ما درباره‌ی NotebookLM اشاره کردیم، گوگل در حال انتقال ابزارهای پژوهشی تخصصی به محیط‌های چت عمومی است تا کاربر عادی هم بتواند از قدرت تحلیل داده‌های شخصی بهره ببرد.
به نقل از گزارشی که در ۱۷ اکتبر ۲۰۲۶ در وب‌سایت dev.to منتشر شد، این سیستم در واقع یک «تولید بازیابی‌افزا» (RAG) — شبیه دانش‌آموزی که قبل از جواب دادن، اول کتاب درسی را باز می‌کند و از آن نقل می‌آورد — در سطح کاربر است. جزئیات فنی این قابلیت شامل موارد زیر است:
- شبیه‌سازی سبک: جمینای پس از فعال‌سازی، لحن شما را یاد می‌گیرد و دیگر نیازی نیست در هر پرامپت بنویسید «شبیه من بنویس».
- جست‌وجوی زمینه‌ای: کاربر می‌تواند مدل را هدایت کند تا فقط در پوشه‌های خاصی از گوگل درایو جست‌وجو کند تا استنتاج (Inference) — یعنی همان لحظه‌ی تولید جواب توسط مدل — دقیق‌تر شود. این رویکرد در راستای تلاش‌های گسترده‌تر گوگل برای یکپارچه‌سازی جمینای با ابزارهای خارجی و اپلیکیشن‌های متصل است تا دسترسی مدل به داده‌های کاربر تسهیل شود.
- بهینه‌سازی توکن: برای جلوگیری از مصرف بی‌مورد توکن (Token) — تکه‌های کوچکی از متن که مدل می‌خورد — سیستم تنها در زمان فعال بودن این مهارت به مستندات دسترسی دارد.
بر اساس مستندات گوگل، اگرچه این رفتار شبیه به معماری‌های استاندارد RAG است، اما یک پیاده‌سازی کامل نیست. در یک سیستم RAG حرفه‌ای، ما به یک پایگاه‌داده برداری (Vector Database) نیاز داریم تا داده‌ها را پیش‌پردازش کند، اما گوگل این مسیر را برای مصرف‌کننده نهایی ساده و نامرئی کرده است.
برای یک کاربر معمولی، این یعنی هوش مصنوعی به آینه‌ای از هویت حرفه‌ای او تبدیل می‌شود. شما می‌توانید با آپلود نمونه‌نوشته‌های برتر خود در درایو، بدون نوشتن حتی یک خط کد، مدل را برای خروجی‌های آینده «تنظیم» کنید.
گام بعدی شما
- یک پوشه اختصاصی در گوگل درایو بسازید و بهترین ایمیل‌ها و گزارش‌های خود را در آن قرار دهید.
- از جمینای بخواهید ابتدا آن پوشه را تحلیل کند و سپس پیش‌نویس ایمیل بعدی شما را بنویسد.
- تفاوت لحن خروجی را با حالت عادی مقایسه کنید تا قدرت شبیه‌سازی مدل را بسنجید.
اما این تنها بخشی از استراتژی گوگل برای شخصی‌سازی است؛ اثر این ادغام بر حریم خصوصی داده‌ها را در گزارش بعدی بررسی خواهیم کرد.
گفتگو