در ماه‌های اخیر، گوگل تغییرات قابل‌توجهی در رفتار، پاسخ‌دهی و محدودیت‌های مدل زبانی بزرگ خود یعنی Google Gemini اعمال کرده است. طبق نظرسنجی‌های اخیر که در پاییز ۱۴۰۳ صورت گرفته، بخش بزرگی از کاربران حرفه‌ای و توسعه‌دهندگان، این تغییرات را نوعی «نزول کیفیت» (Downgrade) در توانمندی‌های منطقی و پاسخ‌دهی مدل ارزیابی کرده‌اند. این مقاله به واکاوی دلایل فنی و واکنش جامعه کاربری نسبت به این تغییرات می‌پردازد.
چرا کاربران از عملکرد فعلی Gemini ناراضی هستند؟
بر اساس گزارش‌های واصله و نظرسنجی‌های انجام شده در منابع تخصصی، کاربران به وضوح از کاهش دقت مدل در سناریوهای پیچیده، افزایش پاسخ‌های محافظه‌کارانه و محدودیت‌های غیرضروری در کدنویسی گلایه دارند. گوگل در تلاش برای کاهش خطرات مرتبط با سیاست‌های اخلاقی هوش مصنوعی (AI Safety)، ظاهراً سیستم‌های فیلترینگ سخت‌گیرانه‌تری را اعمال کرده که در نتیجه، مدل در حل مسائل استدلالی چندمرحله‌ای دچار کندی و کاهش کیفیت شده است.
تأثیر سیاست‌های محدودکننده بر تجربه کاربری
یکی از انتقادات اصلی، ناتوانی مدل در حفظ زمینه (Context) مکالمات طولانی نسبت به نسخه‌های اولیه است. کاربران معتقدند مدل «تنبل» شده و تمایل کمتری به تحلیل عمیق داده‌ها نشان می‌دهد. در بسیاری از موارد، Gemini به جای ارائه یک راهکار جامع برنامه‌نویسی یا تحلیل فنی، به پاسخ‌های عمومی و کوتاه بسنده می‌کند که این موضوع مستقیماً بهره‌وری توسعه‌دهندگان را تحت تأثیر قرار داده است. در دنیای هوش مصنوعی، مدل‌هایی که برای جلب رضایت عمومی بیش از حد محدود می‌شوند، اغلب قدرتِ حل مسئله تخصصی خود را فدای امنیتِ کاذب می‌کنند.
مشخصات فنی و تحلیل عملکرد Gemini
- معماری پایه: مدل‌های خانواده Gemini 1.5 Pro و Flash
- حوزه تغییرات: تنظیمات سیستم‌عامل (System Prompts) و لایه‌های فیلترینگ خروجی
- تأثیر گزارش شده: کاهش دقت در کدنویسی (Coding Proficiency) و تحلیل منطقی
- وضعیت پلتفرم: مدل ابری (SaaS) مدیریت شده توسط گوگل
آینده نگری و رقابت در بازار مدل‌های زبانی
این نارضایتی در شرایطی رخ می‌دهد که رقبایی نظیر Anthropic با مدل Claude و OpenAI با سری o1، رویکردهای متفاوتی در قبال دقتِ منطقی (Reasoning) پیش گرفته‌اند. در حالی که گوگل روی یکپارچگی اکوسیستم اندروید و Workspace متمرکز است، کاربران حرفه‌ای خواهان شفافیت در تغییرات نسخه‌های مدل هستند. اگر گوگل نتواند توازنی بین امنیتِ مدل و توانمندی‌های استدلالی برقرار کند، احتمال مهاجرت کاربران به سمت APIهای جایگزین و مدل‌های متن‌باز افزایش می‌یابد.
نتیجه‌گیری
نتیجه نظرسنجی‌ها زنگ خطری برای تیم هوش مصنوعی گوگل است. به نظر می‌رسد کاربران نه تنها به دنبال سرعتِ پاسخ‌دهی بالاتر، بلکه نیازمند «ثبات رفتاری» هستند. تغییرات مداوم در وزن‌دهی به پاسخ‌ها (Model Weights) بدون اطلاع‌رسانی شفاف، اعتماد جامعه فنی را سلب کرده است. برای حفظ جایگاه در بازار هوش مصنوعی، گوگل باید قابلیت‌های تنظیم‌پذیری بیشتری (مانند تنظیمات سیستم پیشرفته) را در اختیار کاربران قرار دهد تا هر کاربر بسته به نیاز خود، سطح فیلترینگ یا خلاقیت مدل را کنترل کند.
