Gemini 3.5 Flash už vidí obrazovku a vie ovládať počítač. Google z AI robí nástroj, ktorý dokáže konať aj bez tvojho klikania
Google posúva Gemini 3.5 Flash na novú úroveň. AI už nemá iba odpovedať, ale dokáže pracovať s počítačom, klikať, vypĺňať formuláre a vykonávať úlohy za používateľa.
Technologické spoločnosti sa predbiehajú v tom, kto prinesie vyspelejší model umelej inteligencie. Pozadu, samozrejme, nechce ostať ani spoločnosť, ktorá stojí za najpoužívanejším internetovým vyhľadávačom – Google.
Gigant pracuje na vylepšovaní svojho modelu Gemini vo verzii 3.5 Flash. Ten neprináša iba rýchlejšie odpovede alebo presnejšie výsledky. Po novom dostáva aj schopnosť samostatne pracovať s počítačom. Takže nejde už len o nástroj, ktorý ti vygeneruje text alebo zhrnie článok. Google z neho postupne robí systém, ktorý vie aj konať.
Gemini 3.5 Flash už nemá len odpovedať. Google ho učí pracovať s počítačom
Celá novinka spočíva v tom, že Gemini dokáže priamo ovládať prostredie tvojho počítača. Vie sa orientovať v prehliadači, vyhľadávať informácie, vypĺňať formuláre a vykonávať konkrétne úlohy podľa zadania. V demách od Googlu si napríklad samo otvorí viacero portálov s letenkami, zadá dátumy cesty, prekliká dostupné ponuky a vyberie najlacnejšiu kombináciu. Vyzerá to tak, že LLM-ko bude čoraz autonómnejšie, aj keď stále platí jednoduché pravidlo: radšej si ho kontroluj.
Novinka už nie je bokom. Google ju zapracoval priamo do Gemini
Veľkou zmenou je, že táto funkcia už nie je oddelená od hlavného systému. Predtým bolo potrebné použiť špeciálny model určený výhradne na prácu s počítačom. Po novom je to súčasť jedného riešenia. Gemini 3.5 Flash tak spája rýchlosť, porozumenie zadaniu a praktické vykonávanie úloh.
Na svoje si prídu aj vývojári. Pre nich to znamená jednoduchší prístup a menej technických obmedzení pri tvorbe vlastných riešení, vrátane vibe codingu. Inými slovami, nemusia skladať viacero nástrojov dokopy, keď chcú vytvoriť AI systém, ktorý nielen odpovie, ale aj niečo spraví.
Neprehliadni
Okrem praktických úloh Gemini zvláda aj jednoduchšie aktivity, napríklad logické hry. V jednom z príkladov dostane za úlohu hrať 2048. Samo sleduje situáciu na hracej ploche, premýšľa nad ďalším ťahom a snaží sa dosiahnuť čo najvyššie skóre, podobne ako človek. Nie je to však len bezhlavé klikanie. Gemini pri hraní reálne analyzuje plochu a taktizuje.
Keď AI začne klikať za človeka, bezpečnosť už nie je detail
S väčšou autonómiou prichádza aj nepríjemná otázka bezpečnosti. Ak má Gemini vykonávať akcie na tvojom počítači, Google musí riešiť aj to, čo sa stane, keď ho niekto skúsi zmanipulovať. Firma preto hovorí o viacerých ochranných mechanizmoch. Model má byť trénovaný tak, aby rozpoznal podozrivé alebo škodlivé pokyny a nereagoval na ne. Už teraz sa dá čakať, že prvé pokusy o obídenie týchto pravidiel prídu veľmi rýchlo.
Súčasťou ochrany je aj možnosť nastaviť kontrolu zo strany používateľa. Pri citlivých operáciách môže LLM-ko vyžadovať potvrdenie, čím sa má znížiť riziko nežiaducich zásahov. Zároveň by malo vedieť automaticky prerušiť svoju činnosť, ak zachytí pokus o manipuláciu vstupov. Práve takéto útoky sú pri AI agentoch čoraz väčšou témou. Stačí si predstaviť web, ktorý sa navonok tvári normálne, no v skrytom texte dá modelu pokyn, aby urobil niečo úplne iné, než chcel používateľ.
Gemini môže odbremeniť ľudí od rutiny, no úplne bez dozoru to zatiaľ nebude
Google odporúča firmám, aby sa nespoliehali len na ochrany zabudované priamo v modeli. Do hry majú zapojiť aj vlastné bezpečnostné vrstvy, napríklad oddelené prostredia, dôslednú správu prístupových práv alebo človeka pri rozhodovaní o citlivých krokoch. Pri AI, ktorá dokáže sama klikať a vypĺňať formuláre, to dáva zmysel. Jedna zlá akcia môže narobiť viac škody než nepresná odpoveď v chatovacom okne.
Nové funkcie sú už dostupné pre vývojárov aj firmy. Využiť ich môžu cez API alebo špecializovanú platformu určenú pre podnikové riešenia. Najväčší prínos bude pravdepodobne v automatizácii rutinných úloh, ako je testovanie softvéru, práca s firemnými dátami alebo opakované úkony v interných systémoch.
K bežným používateľom sa funkcia dostane o niečo neskôr. Hlavne u nás v Európskej únii, kde sú pravidlá okolo umelej inteligencie a ochrany používateľov prísnejšie než v mnohých iných regiónoch. Každopádne, predstava, že ti Gemini raz pomôže nájsť dovolenku, porovnať ceny a zároveň odhaliť podozrivú stránku, už neznie tak vzdialene. Otázka je, či mu v tom čase budeš veriť natoľko, aby si ho pustil aj k reálnym kliknutiam.
