جوجل تطلق Gemini Decision 1: قرارات على الفيديو بسعر 0.10 دولار لكل مليون رمز

يصل إلى الدعم طلب مرفق بصورة لمنتج تالف. على التطبيق تحديد نوع المشكلة واختيار القسم المناسب ومعرفة ما إذا كانت هناك حاجة إلى فحص يدوي. وعادةً لا حاجة إلى توليد عدة فقرات من الشرح لهذا الغرض. أطلقت جوجل واجهة Gemini Decisions API: يحدّد المطوّر المادة وخيارات الإجابة المسموح بها، ويعيد نموذج Gemini Decision 1 تقديرات يعمل بها الكود لاحقًا.

تكمن الفائدة العملية في إمكانية إخراج الفحوص المتكررة إلى استدعاء مستقل. فمثلًا، يمكن أولًا توزيع الطلبات، ثم تمرير الحالات المعقدة إلى موظف أو إلى نموذج يُعدّ الرد للعميل. وهذا سبب للفريق ليتحقق من مقدار الوقت والمال الذي يُنفق اليوم على توليد النصوص من أجل قرار خدمي واحد.

ما الذي يحصل عليه التطبيق

وفق إعلان جوجل، تقبل الواجهة النصوص والصور والصوت والفيديو وملفات PDF. وتُدعم ثلاثة أنواع من الأسئلة: «نعم/لا»، والاختيار من خيارات محددة، والتقييم وفق مقياس موصوف. السعر 0.10 دولار لكل مليون رمز إدخال، ولا توجد رسوم على رموز الإخراج.

لنتخيل خدمة لاستلام الشقق. يرفع المستخدم فيديو لغرفة مع تعليق: «ظهرت مياه قرب النافذة بعد المطر». يمكن للفريق صياغة عدة أسئلة مستقلة: هل تظهر آثار تسرّب، وإلى أي مختص يُوجَّه الطلب، وما مدى استعجال الفحص. وهذا مثال على استخدام محتمل، وليس نتيجة اختبار منشورة للمنتج.

تبدأ جودة هذا السيناريو من الصياغة. فسؤال «هل كل شيء هنا طبيعي؟» يترك مجالًا واسعًا للتأويل. والأفضل سرد العلامات الملحوظة ووصف الفئات: ماء على الأرضية، بقع على الجدار، تضرر التشطيبات. وتحتاج درجة الاستعجال كذلك إلى معايير واضحة، وإلا يصعب ربط الرقم بإجراء محدد.

لماذا لا تعني نسبة 92% ضمانًا

اختبر سايمون ويليسون الواجهة على فيديو يظهر فيه روبوت. سأل هل يوجد في الإطار تنين أو روبوت، وهل يجري المشهد في فرنسا أم في الولايات المتحدة. في الرد المعروض بلغ احتمال وجود الروبوت نحو 92.3%، والتنين نحو 5%. وبالنسبة إلى الولايات المتحدة أعاد النموذج نحو 92.3%، وإلى فرنسا 8.3%.

تُظهر هذه التجربة شكل الرد وقدرة النموذج على معالجة مقطع بعينه. لكنها لا تثبت دقة النموذج على مقاطع فيديو عشوائية. والأهم: أن تقدير 92% بحد ذاته لا يعني أنه من بين مئة قرار مشابه سيكون 92 بالضبط صحيحًا. ولا بد من التحقق من هذا التطابق على أمثلة موسومة من مهمتك أنت.

وفي الجغرافيا فخ إضافي. فالتعرف بثقة على جسم ما وتحديد بلد التصوير مهمتان مختلفتان. قد تتوافر في الإطار علامات كافية على وجود روبوت، لكن المعلومات عن المكان غير كافية. وإذا كان الخطأ يؤثر في المال أو في وصول المستخدم إلى خدمة ما، فمن المفيد توفير خيار «البيانات غير كافية» ومسار إلى المراجعة اليدوية.

كيف تتحقق من الفائدة قبل الإطلاق

كنت سأبدأ بعملية واحدة ينفذها المنتج بانتظام: توزيع الطلبات، أو التحقق من اكتمال مستند، أو اختيار الأداة التالية لوكيل ذكي. وللمقارنة الأولى تلزم أمثلة حقيقية معروفة الإجابة الصحيحة، بما فيها الحالات المزعجة: صور رديئة، وتعليقات متناقضة، وعدة مشكلات في آن واحد.

بعد ذلك ينبغي قياس ثلاثة أمور: نسبة القرارات الخاطئة، وزمن المعالجة، وتكلفة الطلب كاملًا. فسعر مليون رمز يساعد على مقارنة التعرفات، لكن المنتج يدفع مقابل المادة المعالَجة. وقد يعطي مقطع فيديو طويل وطلب نصي قصير اقتصاديات مختلفة تمامًا. كما تدخل الاستدعاءات المتكررة والمراجعة اليدوية في الحساب.

الأفضل اختيار عتبة الأتمتة بحسب كلفة الخطأ. فالوسم المعيَّن خطأً يسهل تصحيحه عادةً. أما رفض مطالبة بالخطأ فيخلق نزاعًا مع العميل. لذلك قد يسمح التقدير نفسه من النموذج بإجراء آلي في عملية، ويتطلب مراجعة في أخرى.

تستحق واجهة Gemini Decisions API الاختبار حيث تكون خيارات الإجراء معروفة مسبقًا. ويمكن البدء بوضع المراقبة: حفظ قرارات النموذج إلى جانب قرارات الموظفين، وتحليل الفروق، ثم تفعيل المعالجة الآلية بعد ذلك فقط. وبهذا يحصل الفريق على جواب السؤال الرئيسي: هل تفيد الواجهة الجديدة منتجه تحديدًا؟