تصمیم استراتژیک گوگل برای جایگزینی «گوکل اسیستنت» (Google Assistant) با مدل هوش مصنوعی مولد «جمینای» (Gemini)، به یکی از بحث‌برانگیزترین تغییرات نرم‌افزاری در زیست‌بوم اندروید تبدیل شده است. با وجود قدرت فوق‌العاده جمینای در پردازش زبان طبیعی، تولید متن و تحلیل‌های پیچیده، موج گسترده‌ای از نارضایتی کاربران نشان می‌دهد که این دستیار هوشمند جدید در انجام ساده‌ترین دستورات خانگی و مهارتهای پایه پایدار نیست.
انتقال ناگهانی از دستیار مبتنی بر دستور به مدل مولد
گوگل طی یک سال گذشته تلاش کرده است تا جمینای را به عنوان هسته مرکزی تعامل کاربر با دستگاه‌های هوشمند معرفی کند. اما بررسی بازخوردهای جامعه کاربری در شبکه‌های اجتماعی و انجمن‌های تخصصی که در گزارشی از سوی وب‌سایت Android Authority بازنعکاس یافته، نشان می‌دهد که این تغییر روند با چالش‌های فنی و عملیاتی بزرگی مواجه است. دستیار قدیمی گوگل (Google Assistant) بر پایه مدل‌های قطعی (Deterministic) و فراخوانی مستقیم APIها طراحی شده بود؛ به این معنی که دستوراتی مانند «تنظیم آلارم»، «پخش موسیقی» یا «خاموش کردن چراغ‌ها» با دقت نزدیک به ۱۰۰ درصد و بدون تاخیر اجرا می‌شدند.
در مقابل، Gemini یک مدل زبانی بزرگ (LLM) است که ذاتاً برای پردازش‌های احتمالی (Probabilistic) طراحی شده است. همین تفاوت معماری باعث شده تا دستورات ساده‌ای که قبلاً در کسری از ثانیه انجام می‌شدند، اکنون با تاخیر، خطاهای استدلال یا عدم پاسخگویی مواجه شوند.
مشکلات کلیدی: از کنترل خانه هوشمند تا مدیریت آلارم‌ها
بر اساس گزارش‌های منتشر شده در پاییز ۱۴۰۲ و روند تکاملی آن در سال ۱۴۰۳، کاربران به چند ضعف ساختاری و عملیاتی در عملکرد جمینای اشاره می‌کنند که فرآیند روزمره آن‌ها را مختل کرده است:
- تاخیر در پاسخ‌دهی (Latency): پردازش عبارات در مدل‌های زبانی نیازمند توان پردازشی بالا و گاهی رفت‌وبرگشت داده به سرورهای ابری است، در حالی که گوگل اسیستنت بخش زیادی از دستورات پایه را به صورت محلی (On-Device) اجرا می‌کرد.
- ضعف در یکپارچگی با اکوسیستم خانه هوشمند: اتصال جمینای به بسترهایی مانند Google Home هنوز به پایداری کامل نرسیده است. اجرای سناریوهای پیچیده خانه هوشمند اغلب با خطا در شناسایی تجهیزات مواجه می‌شود.
- کاهش قابلیت‌های تعاملی بدون دست: یکی از کارکردهای اصلی گوگل اسیستنت، استفاده از آن در هنگام رانندگی یا عدم دسترسی مستقیم به گوشی بود. جمینای در برخی موارد برای تایید دستورات ساده نیز نیاز به لمس صفحه یا باز کردن قفل گوشی دارد که فلسفه اصلی یک دستیار صوتی را زیر سوال می‌برد.
- عدم پشتیبانی کامل از افزونه‌ها (Extensions): اگرچه گوگل افزونه‌های Workspace و Spotify را برای جمینای معرفی کرده، اما همگام‌سازی آن‌ها در تمام سناریوها روان نیست و رفتارهای غیرقابل پیش‌بینی نشان می‌دهد.
مقایسه فنی: Google Assistant در برابر Gemini
- معماری پایه: Google Assistant: سیستم مبتنی بر Intent/Slot | Gemini: مدل زبانی بزرگ (LLM)
- طرز کار اصلی: Google Assistant: اجرای قطعی دستورات سخت‌افزاری | Gemini: تولید متن و تحلیل مفهوم
- پردازش محلی (On-Device): Google Assistant: پشتیبانی قوی در تراشه‌های Tensor | Gemini: نیازمند مدل‌های کوچک‌شده مثل Gemini Nano (محدود به برخی ویژگی‌ها)
- دقت در کنترل IoT: Google Assistant: بسیار بالا و آنی | Gemini: متوسط و در حال توسعه با افزونه‌ها
چرا مدل‌های LLM برای نقش دستیار صوتی چالش‌برانگیز هستند؟
تحلیل هندسی و معماری نرم‌افزار نشان می‌دهد که مدل‌های زبانی مانند جمینای برای تولید محتوا، خلاصه سازی و استدلال عالی هستند، اما زمانی که صحبت از «اجرای تابع» (Function Calling) به میان می‌آید، زنجیره‌ای از لایه‌های واسط باید خروجی متنی هوش مصنوعی را به کد قابل اجرا برای سیستم‌عامل تبدیل کنند. هر حلقه اضافی در این زنجیره، شانس بروز خطا (Hallucination یا عدم تطابق پارامتر) را افزایش می‌دهد. گوگل سعی کرده با ارائه اکستنشن‌های اختصاصی این شکاف را پر کند، اما تا زمانی که جمینای نتواند دستورات سیستمی را با اولویت بالا و بدون عبور از لایه‌های تحلیل متنی سنگین پردازش کند، این نارضایتی ادامه خواهد داشت.
چشم‌انداز و مسیر پیش رو
گوگل آگاه است که Gemni آینده اکوسیستم نرم‌افزاری این شرکت را تشکیل می‌دهد و بازگشت به دستیار قدیمی غیرممکن است. بنابراین تمام تمرکز تیم توسعه گوگل بر بهبود ابزارهای جانبی، کاهش تاخیر مدل‌های درگاه محلی (On-device LLMs) و ارتقای توانایی Function Calling جمینای معطوف شده است. با این حال، تا زمان نهایی‌سازی این فرآیند در به‌روزرسانی‌های بعدی اندروید، تجربه کاربری استفاده از دستیار صوتی گوگل با چالش‌های جدی روبرو خواهد بود.
