AI Google Gemini 2.5 fungerer med nettleseren som en ekte person

Google har nettopp annonsert en ny AI-modell kalt Gemini 2.5 Computer Use, som lar kunstig intelligens samhandle direkte med nettleseren som en ekte bruker.

Denne AI-ens funksjoner inkluderer å klikke, bla, skrive, dra og slippe og navigere på nettsteder.

Dette er et viktig skritt fremover for å gjøre det mulig for AI å håndtere oppgaver på grensesnitt uten API-er eller direkte tilkoblinger.

Ifølge Google er Gemini 2.5 Computer Use utstyrt med visuell forståelse og resonneringsevner for å forstå innhold på skjermen og utføre brukerforespørsler, for eksempel å fylle ut skjemaer, sende inn data eller navigere i brukergrensesnitt (UI-testing).

Noen tidligere versjoner av denne modellen har blitt testet i interne prosjekter som AI Mode og Project Mariner, der AI automatisk kan fullføre oppgaver i nettleseren, som å legge til produkter i en handlekurv basert på en brukerangitt ingrediensliste.

Det er verdt å merke seg at Googles kunngjøring kommer bare dagen etter at OpenAI avduket en rekke nye applikasjoner for ChatGPT på Dev Day-arrangementet, mens Anthropic også introduserte en funksjon for «datamaskinbruk» for Claude-modellen sin i fjor.

Ifølge Google utkonkurrerer Gemini 2.5 Computer Use konkurrerende modeller på mange nett- og mobilbenchmarktester.

I motsetning til ChatGPT Agent eller Claude, fungerer imidlertid Googles modell bare i et nettlesermiljø og er ikke optimalisert for full kontroll over datamaskinens operativsystem.

Den støtter for øyeblikket 13 typer handlinger, inkludert å åpne en nettleser, skrive inn tekst, dra og slippe og flytte grensesnittelementer. Modellen er tilgjengelig for utviklere gjennom Google AI Studio og Vertex AI, og brukere kan se en live demo på Browserbase, der AI-en utfører oppgaver som «spill 2048» eller «finn kontroversielle emner på Hacker News».