AI Google Gemini 2.5 ເຮັດວຽກກັບຕົວທ່ອງເວັບຄືກັບຄົນທີ່ແທ້ຈິງ

Google ໄດ້ປະກາດຕົວແບບ AI ໃໝ່ ທີ່ເອີ້ນວ່າ Gemini 2.5 Computer Use, ເຊິ່ງຊ່ວຍໃຫ້ປັນຍາປະດິດສາມາດພົວພັນກັບຕົວທ່ອງເວັບໂດຍກົງຄືກັບຜູ້ໃຊ້ທີ່ແທ້ຈິງ.

ຄວາມສາມາດຂອງ AI ນີ້ລວມມີການຄລິກ, ເລື່ອນ, ພິມ, ລາກ ແລະວາງລົງ, ແລະການນໍາທາງເວັບໄຊທ໌.

ນີ້ແມ່ນບາດກ້າວອັນສໍາຄັນໃນການເຮັດໃຫ້ AI ສາມາດຈັດການກັບວຽກງານໃນການໂຕ້ຕອບໂດຍບໍ່ມີ APIs ຫຼືການເຊື່ອມຕໍ່ໂດຍກົງ.

ອີງຕາມ Google, Gemini 2.5 ການນໍາໃຊ້ຄອມພິວເຕີແມ່ນອຸປະກອນທີ່ມີຄວາມເຂົ້າໃຈທາງສາຍຕາແລະຄວາມສາມາດໃນການສົມເຫດສົມຜົນເພື່ອເຂົ້າໃຈເນື້ອຫາໃນຫນ້າຈໍແລະປະຕິບັດຄໍາຮ້ອງຂໍຂອງຜູ້ໃຊ້, ເຊັ່ນການຕື່ມແບບຟອມ, ສົ່ງຂໍ້ມູນ, ຫຼືນໍາທາງການໂຕ້ຕອບຜູ້ໃຊ້ (ການທົດສອບ UI).

ບາງຮຸ່ນກ່ອນຫນ້ານີ້ໄດ້ຖືກທົດສອບໃນໂຄງການພາຍໃນເຊັ່ນ: AI Mode ແລະ Project Mariner, ເຊິ່ງ AI ສາມາດເຮັດສໍາເລັດຫນ້າວຽກໂດຍອັດຕະໂນມັດໃນຕົວທ່ອງເວັບ, ເຊັ່ນ: ການເພີ່ມຜະລິດຕະພັນໃສ່ກະຕ່າຊື້ເຄື່ອງໂດຍອີງໃສ່ບັນຊີລາຍຊື່ສ່ວນປະກອບທີ່ຜູ້ໃຊ້ສະຫນອງໃຫ້.

ເປັນທີ່ຫນ້າສັງເກດ, ການປະກາດຂອງ Google ເກີດຂຶ້ນພຽງແຕ່ຫນຶ່ງມື້ຫຼັງຈາກ OpenAI ໄດ້ເປີດເຜີຍຊຸດຄໍາຮ້ອງສະຫມັກໃຫມ່ສໍາລັບ ChatGPT ໃນເຫດການ Dev Day ຂອງຕົນ, ໃນຂະນະທີ່ Anthropic ຍັງໄດ້ນໍາສະເຫນີຄຸນສົມບັດ "ການນໍາໃຊ້ຄອມພິວເຕີ" ສໍາລັບຮູບແບບ Claude ຂອງຕົນໃນປີກາຍນີ້.

ອີງຕາມກູໂກ, Gemini 2.5 ການນໍາໃຊ້ຄອມພິວເຕີ outperforms ຮູບແບບການແຂ່ງຂັນໃນຫຼາຍເວັບໄຊຕ໌ແລະການທົດສອບ benchmark ໂທລະສັບມືຖື.

ຢ່າງໃດກໍ່ຕາມ, ບໍ່ເຫມືອນກັບຕົວແທນ ChatGPT ຫຼື Claude, ຮູບແບບຂອງ Google ພຽງແຕ່ເຮັດວຽກຢູ່ໃນສະພາບແວດລ້ອມຂອງຕົວທ່ອງເວັບແລະບໍ່ໄດ້ຮັບການເພີ່ມປະສິດທິພາບສໍາລັບການຄວບຄຸມຢ່າງເຕັມທີ່ຂອງລະບົບປະຕິບັດການຂອງຄອມພິວເຕີ້.

ໃນປັດຈຸບັນມັນສະຫນັບສະຫນູນ 13 ປະເພດຂອງການປະຕິບັດ, ລວມທັງການເປີດຕົວທ່ອງເວັບ, ການປ້ອນຂໍ້ຄວາມ, ລາກແລະວາງລົງ, ແລະການເຄື່ອນຍ້າຍອົງປະກອບການໂຕ້ຕອບ. ຮູບແບບດັ່ງກ່າວມີໃຫ້ນັກພັດທະນາຜ່ານ Google AI Studio ແລະ Vertex AI, ແລະຜູ້ໃຊ້ສາມາດເບິ່ງຕົວຢ່າງສົດໃນ Browserbase, ບ່ອນທີ່ AI ປະຕິບັດວຽກງານເຊັ່ນ "ຫຼິ້ນ 2048" ຫຼື "ຊອກຫາຫົວຂໍ້ໂຕ້ແຍ້ງກ່ຽວກັບຂ່າວແຮກເກີ."