Gemini 2.5 Computer Use: ИИ видит экран и нажимает кнопки 🎙 Подкаст

Источник представляет собой выдержки из анонса Gemini 2.5 Computer Use model, специализированной модели от Google DeepMind, разработанной на базе Gemini 2.5 Pro для создания агентов, способных взаимодействовать с пользовательскими интерфейсами (UI), такими как веб-страницы и мобильные приложения. Модель доступна для разработчиков через Gemini API в Google AI Studio и Vertex AI и позволяет агентам выполнять действия, аналогичные человеческим, включая нажатия, ввод текста и прокрутку, что является важным шагом для автоматизации цифровых задач. В тексте подробно описывается механизм работы модели в итеративном цикле, ее превосходство над конкурентами в бенчмарках по контролю UI при низкой задержке, а также предпринимаемые меры безопасности для предотвращения неправомерного использования и обеспечения контроля со стороны разработчиков. Отмечается, что ранние тестировщики уже используют эту модель для тестирования UI и автоматизации рабочих процессов. Узнайте больше: https://blog.google/technology/google-deepmind/gemini-computer-use-model/ Подпишитесь на Viber канал автора: https://viber.page #Подкаст #Google #GoogleDeepMind #Gemini #UI #AI #ИИ