كيف تطورت خدمة Google Duplex لتقوم أيضًا بالاتصال بالشركات نيابة عنك في Gemini

لقد تطورت خاصية Google Duplex من نظام ضيق مخصص لمهمة معينة إلى بنية موحدة تعتمد على تقنية Gemini. يستعرض هذا المقال التحول من نماذج المجالات المغلقة قبل ظهور النماذج اللغوية الكبيرة إلى النماذج الأساسية الحديثة، مع شرح كيف تمكّن التقنية الآن من إتمام المهام بشكل ذاتي في تطبيق Gemini.

القراءة الصوتية غير متاحة في هذا المتصفح
كيف تطورت خدمة Google Duplex لتقوم أيضًا بالاتصال بالشركات نيابة عنك في Gemini

الوسوم

ملخص سريع

لقد تطورت خاصية Google Duplex من نظام ضيق مخصص لمهمة معينة إلى بنية موحدة تعتمد على تقنية Gemini. يستعرض هذا المقال التحول من نماذج المجالات المغلقة قبل ظهور النماذج اللغوية الكبيرة إلى النماذج الأساسية الحديثة، مع شرح كيف تمكّن التقنية الآن من إتمام المهام بشكل ذاتي في تطبيق Gemini.

كيف تطورت تقنية Google Duplex لتتصل بالشركات نيابة عن المستخدم في Gemini

عندما قدمت جوجل تقنية Duplex في 2018، شكّل ذلك لحظة مفصلية في مجال الذكاء الاصطناعي من خلال ريادتها في إجراء محادثات صوتية طبيعية بين الذكاء الاصطناعي والشركات المحلية عبر الهاتف. بعد مرور ما يقرب من عقد من الزمن، تحولت هذه التقنية من مشروع بحثي متخصص إلى مكون أساسي في نظام جوجل، حيث أصبحت مدمجة مباشرةً في خاصية المهام في Gemini. يمثل هذا التطور تحولاً من نماذج محدودة المجال إلى بنية موحدة قادرة على إتمام المهام بشكل مستقل في مجموعة واسعة من سيناريوهات العالم الحقيقي.

من نماذج محدودة المجال إلى بنية موحدة

بدأت رحلة تقنية Google Duplex قبل اختراع نماذج الترانسفورمر ونماذج اللغة الحديثة. في أولى نسخها، كان النظام مقيداً بمجالات ضيقة. قام المهندسون بتدريب نماذج شبكات عصبية دورية مخصصة على محادثات هاتفية مجهولة الهوية ومخصصة لمهام معينة. وبدون معرفة مسبقة بالعالم، اعتمدت هذه النماذج على بيانات تدريب واسعة لكل نوع من أنواع المهام، مثل تفسير إجراءات حجز الطاولات في المطاعم مقارنةً بالتحقق من ساعات العمل خلال العطلات. ساعد هذا النهج النظام على التعامل مع المنطق الخاص بكل مجال، لكنه اتطلب إنشاء نماذج حوارية منفصلة لكل فئة جديدة.

مع ظهور نماذج أساسية مفتوحة المجال، بدأت البنية تتغير. في 2022، بدأت تقنية Duplex في استخدام نموذج LaMDA في المكالمات الحية. سهّلت هذه النماذج المدربة مسبقاً عملية الفهم والاستدلال القائم على المنطق السليم، مما سمح للنظام بالتعامل مع التحولات والمسارات غير المتوقعة في المحادثات مع البقاء مرتبطاً بالسياق. لكن النماذج التوليدية المبكرة كانت أقل قابلية للتنبؤ وأحياناً أبطأ من المعايير الحالية. لمعالجة ذلك، بنت جوجل هياكل هجينة تجمع بين نماذج توليدية لصياغة الجمل بمرونة وبين أنظمة لتتبع الحالات المحددة وقواعد صارمة للتحكم.

النص الأصلي: حدث أهم قفزة مع دمج جيميني. من خلال التحول إلى استخدام وصفات المهام النصية الحرة لتوجيه النظام، أزالت جوجل قيود الهياكل العمودية الثابتة تمامًا. سمح ذلك للنماذج بتعريف المهام ببساطة عبر طلب، مما مكّن من التعميم على أنواع ودقائق جديدة في المهام—مثل طلب مقاعد بجانب النافذة أو مساحة إضافية لعربة الأطفال—دون الحاجة إلى بناء نماذج حوار منفصلة من الصفر. اليوم، يستخدم ستك التنفيذ جيميني لتوحيد الفهم المتعدد الأوجه والتخطيط وتوليد الحوار، مما يسمح للنظام بالتعامل مع طلبات ذات قيود متعددة والتكيف عندما يقترح موظف الاستقبال وقتًا آخر.

العقبات التقنية في الهاتف المباشر

على الرغم من التقدم في النماذج الأساسية، يطرح الهاتف المباشر تحديات فريدة لا يمكن حلها بالتدريب المسبق على مجموعات بيانات الويب القياسية وحدها. تسلط أبحاث جوجل الضوء على عقبتين رئيسيتين يجب على ستك الحالي التغلب عليهما للعمل بفعالية.

الأولى هي التأسيس العملي لسياق ما قبل المكالمة والحوار. لا يحتوي الويب على جميع البيانات اللازمة لفهم كيفية سير المكالمات مع التجار المشغولين. تساعد تجربة تقارب عقد من الزمن في إجراء المكالمات ذات الأهداف المحددة الستك على فهم القواعد العملية، حتى قبل بدء المكالمة. في الممارسة العملية، يعني ذلك مطابقة مهمة نصية حرة مع عمل تجاري استنادًا إلى السياق التاريخي للمحادثات السابقة. على سبيل المثال، يمكن للنظام التنبؤ بما إذا كانت مهمة ما ستنجح من خلال معرفة أن بائعًا معينًا لا يقبل الحجوزات للمجموعات الكبيرة في عطلات نهاية الأسبوع. خلال المكالمة، يساعد هذا السياق النموذج على تحديد ما يُفضل طرحه في لحظة معينة، وكيفية فهم الرفضات المهذبة غير المباشرة، وكيفية الحفاظ على المكالمات قصيرة وفعالة.

الثاني هو متطلب التأخير أقل من ثانية في البيئات الصوتية المليئة بالضوضاء. غالبًا ما تتم المكالمات عبر خطوط هاتف مضغوطة في بيئات صاخبة، بما في ذلك ضجيج المطابخ وآلات الإسبريسو وضوضاء الشوارع والأحاديث الجانبية. تم ضبط النظام لتقديم بث بتأخير منخفض حتى تصل الردود بإيقاع طبيعي. تساعد نماذج الصوت وإيقاع المحادثة المخصصة النظام الأساسي للذكاء الاصطناعي في التعامل مع الضوضاء الخلفية والفواصل، مما يضمن توقف الوكيل عن الكلام عند الحاجة لتجنب التحدث فوق صوت الطرف الآخر.

التصميم لكلا طرفي الخط

إحدى المبادئ الأساسية التي تشكل تصميم Duplex هي أن النظام يجب أن يعمل بنفس الكفاءة سواء للشركة التي تجيب على الهاتف أو للمستخدم. لقد دفعت هذه الفلسفة إلى اتخاذ عدة خيارات تصميمية رئيسية تضمن احترام استقلالية التجار وتجربة المستخدم.

الإفصاح الواضح إلزامي. تبدأ كل مكالمة بالإفصاح الواضح عن أنها وكيل ذكاء اصطناعي، وتحديدًا نظام آلي يتصل من Google. تحتفظ الشركات بالسيطرة؛ يمكن للتجار رفض المكالمات الآلية في إعدادات ملفهم التجاري على Google أو ببساطة قول "يرجى التوقف عن الاتصال بعملي" أثناء المكالمة. علاوة على ذلك، لا يتطلب Duplex أي إعدادات ولا يحتاج إلى أي تكيف. يعمل عبر الهاتف الذي تستخدمه الشركة بالفعل، دون الحاجة إلى تثبيت برامج أو صيانة نظام حجز أو تدريب الموظفين. يمكن لأي شخص يجيب على الهاتف التعامل مع المكالمة كما يفعل مع أي عميل، حتى في أوقات الذروة.

بالإضافة إلى ذلك، يهدف النظام إلى توفير "محادثة واحدة، رؤى متعددة". يمكن للتفاصيل التي يتم جمعها في مكالمة واحدة الإجابة على العديد من الأسئلة لاحقًا، مما يمنع طرح نفس الأسئلة مرارًا وتكرارًا على الشركات. على سبيل المثال، يمكن لخرائط Google عرض التفاصيل التي يجمعها Duplex عن الشركات، مثل العروض الخاصة في أوقات معينة، وأماكن الجلوس في الحديقة، والتكيف مع الحيوانات الأليفة، ونصائح التوقف، أو أمسيات الألغاز الأسبوعية.

الدمج في المهام ضمن Gemini

نتيجة تطور الهندسة المعمارية على مدى عقد كامل هي إطلاق ميزات Duplex ضمن خاصية Tasks في تطبيق Gemini. وعلى الرغم من أن هذه التقنية كانت تعمل في الخفاء في منتجات مثل Google Search وMaps لسنوات، إلا أن دمجها في مساعد ذكي شخصي يتيح للمستخدمين التنسيق المباشر للمهام الواقعية.

إن إنجاز مهام مثل حجز موعد لتناول العشاء أو حجز موعد لدى مصفف الشعر يستغرق وقتًا طويلاً، كما أن المحادثات الهاتفية المباشرة تسير بسرعة ونادرًا ما تتبع سيناريو محددًا. من خلال دمج Duplex في خاصية Tasks في Gemini، يصبح التفاعل الصوتي الطبيعي وسيلة متكاملة بشكل سلس يمكن للمساعد استخدامها كلما لم تكن هناك قنوات رقمية منظمة مثل واجهات برمجة التطبيقات عبر الإنترنت أو نماذج الحجز.

يستفيد هذا الدمج من أحدث نماذج Gemini 4، بما في ذلك Gemini 4 Hydrogen و Gemini 4 Neon. من خلال هذه الميزات، يمكن لخاصية Tasks في Gemini دعم سلاسل عمل أكثر شمولاً، مثل تحليل فواتير الخدمات، ومعالجة المعاملات بأمان عبر بروتوكول Agent Payments Protocol، والتنسيق مع المستخدمين عبر البريد الإلكتروني وخدمات الاتصالات المتقدمة (RCS). ويمثل ذلك خطوة كبيرة نحو إنهاء المهام اليومية التي تتطلب التحدث مباشرة مع شخص آخر لتنسيق التفاصيل بشكل موثوق.

الخلاصة

يُظهر تطور Google Duplex من نظام ضيق مخصص لمهمة معينة إلى مجموعة متكاملة بنيت بالكامل باستخدام Gemini قوة النماذج الأساسية في حل المشكلات المعقدة في العالم الحقيقي. من خلال التغلب على العقبات التقنية في المكالمات الهاتفية المباشرة والتصميم مع مراعاة المستخدمين والشركات، أنشأت Google نظامًا يحترم التفاعل البشري في الوقت نفسه الذي يؤدي فيه المهام المملة تلقائيًا. ومع توسع هذه الميزات ضمن خاصية Tasks في Gemini، فإنها تمثل الجيل القادم من المساعدة الذكية، التي تسد الفجوة بين التخطيط الرقمي والتنفيذ الفعلي.

المصدر: https://research.google/blog/how-google-duplex-evolved-to-also-call-businesses-for-you-in-gemini

المصادر