Google nedávno oznámil novinku v podobe Personal Intelligence. Tá predstavuje zásadný technologický posun v spôsobe, akým umelá inteligencia interaguje s používateľom, pretože mení základnú paradigmu z poskytovania všeobecných informácií na spracovanie hlbokého osobného kontextu.
Táto technológia umožňuje modelom Gemini bezpečne a presne uvažovať nad nesúrodými a rozsiahlymi zdrojmi osobných údajov v reálnom čase.
Namiesto toho, aby používateľ musel manuálne vyhľadávať informácie v rôznych aplikáciách, systém dokáže prepojiť údaje z aplikácií ako Gmail, Google Fotky, Kalendár či Dokumenty a vytvoriť z nich koherentnú a personalizovanú odpoveď.
Jadrom tohto systému je nový Personal Intelligence Engine, ktorý spolupracuje s pokročilými modelmi série Gemini 3. Tento engine bol navrhnutý tak, aby zvládol zložitosť súbežného získavania údajov z viacerých zdrojov. Systém využíva dve kľúčové silné stránky, ktorými sú volania nástrojov na získanie konkrétnych detailov a schopnosť uvažovania naprieč mnohými komplexnými zdrojmi.
V praxi to znamená, že model dokáže dynamicky identifikovať a syntetizovať vhodné kúsky informácií do svojej pracovnej pamäte, čo je technika nazývaná „context packing“.
Hoci model Gemini 3 disponuje kontextovým oknom o veľkosti jedného milióna tokenov, skutočne užitočná personalizácia si vyžaduje spracovanie v oveľa väčšom meradle, keďže akumulovaný kontext používateľa v e-mailoch a fotografiách často presahuje tento limit rádovo.
Systém preto využíva pokročilé metódy dense retrieval a vylepšené schopnosti používania nástrojov, aby pochopil cieľ používateľa a získal relevantné informácie z jeho osobného cloudu bez toho, aby musel načítať úplne všetko naraz.
Praktická aplikácia a syntéza údajov
Rozdiel medzi bežným vyhľadávaním a Personal Intelligence spočíva v schopnosti syntézy. Ak používateľ požiada o naplánovanie zoznamu reštaurácií pre nadchádzajúci výlet, systém neposkytne len zoznam najlepšie hodnotených podnikov v danej oblasti.
Model pochopí, že táto úloha si vyžaduje spojenie rôznych osobných detailov naprieč produktmi Google, ako sú rezervácie hotela v Gmaili, čas príletu, história predchádzajúcich návštev reštaurácií a ašpiratívne miesta, ktoré si používateľ uložil.
Model vykonáva vyhľadávanie v osobných informáciách agentickým spôsobom, pričom hľadá nielen explicitné kľúčové slová, ale aj kontextové súvislosti, napríklad aby pochopil preferencie používateľa na základe minulých rezervácií.
Ďalším príkladom je praktické riešenie každodenných problémov, ako je napríklad potreba zistiť rozmer pneumatík. Namiesto všeobecného hľadania modelu auta dokáže Personal Intelligence vytiahnuť evidenčné číslo vozidla z fotografie v Google Fotkách a následne identifikovať konkrétnu výbavu vozidla prehľadaním e-mailov v Gmaili, čím používateľovi poskytne presnú špecifikáciu bez manuálneho vstupu. Systém dokáže pracovať multimodálne, teda kombinovať text, fotografie a video, aby poskytol jedinečné odpovede, ktoré by neboli možné len s jedným typom média.
Detailný prehľad údajov a ich využitia v Personal Intelligence
| Pripojená aplikácia | Konkrétny typ údajov | Príklad využitia a poznatok (Insight) |
| Google Workspace(Gmail, Kalendár, Disk, Dokumenty, Keep, Tasks) | E-maily (Obsah správ) | Systém dokáže prehľadať komunikáciu a nájsť špecifické detaily, ako napríklad úroveň výbavy vášho auta pri kúpe náhradných dielov. |
| E-maily (Potvrdenia a rezervácie) | Získavanie údajov o letoch, hoteloch a rezerváciách reštaurácií na vytvorenie komplexného cestovného itinerára. | |
| E-maily (Nákupy a účtenky) | Analýza nákupov na pochopenie preferencií (napr. hudobný vkus), hoci systém sa učí rozlišovať medzi darčekmi pre iných a vašimi záujmami. | |
| Kalendár (Udalosti a termíny) | Sledovanie dôležitých termínov, napríklad pripomienky prihlášok alebo nadchádzajúcich udalostí, pričom systém sa snaží správne určiť časový kontext (minulý vs. budúci).+1 | |
| Súbory (Dokumenty na Disku) | Prístup k poznámkam a dokumentom pre kontext pri plánovaní projektov alebo vyhľadávaní informácií. | |
| Google Fotky(Google Photos) | Vizuálny obsah (Fotografie) | Extrakcia textových údajov z obrázkov, napríklad prečítanie čísla evidenčnej značky (ŠPZ) vozidla priamo z uloženej fotografie. |
| Metadáta (Poloha a čas) | Odvodzovanie miest, ktoré ste navštívili (napr. výlety do konkrétnych destinácií), čo pomáha pri odporúčaní relevantných produktov (napr. typ pneumatík vhodný pre dané podnebie). | |
| Rozpoznávanie tvárí (Face Groups) | Identifikácia dôležitých ľudí vo vašom živote a odvodzovanie vzťahov (napr. rodina vs. priatelia) na lepšie prispôsobenie odpovedí.+1 | |
| Estetika a záujmy | Analýza vizuálneho štýlu a obsahu fotiek na pochopenie vašich záľub a estetických preferencií. | |
| Služby Google Search(Vyhľadávanie, Mapy, Nákupy, Lety, Hotely) | História vyhľadávania | Využitie predchádzajúcich dopytov na pochopenie kontextu a spresnenie budúcich odpovedí.+1 |
| Uložené miesta (Mapy) | Odporúčanie podnikov (napr. reštaurácií) v blízkosti vášho ubytovania, ktoré zodpovedajú miestam, ktoré ste si v minulosti uložili alebo navštívili. | |
| Poloha a navigácia | Poskytovanie smerov a navigačných inštrukcií v reálnom čase priamo v konverzácii s Gemini. | |
| Nákupné preferencie | Vyhľadávanie produktov a služieb na základe vašej histórie nákupov a preferovaných značiek. | |
| YouTube | História sledovania | Analýza videí, ktoré pozeráte, na odvodenie vašich koníčkov, záujmov a oblastí, ktoré vás zaujímajú.+1 |
| Uložený obsah a odbery | Využitie zoznamov videí na lepšie pochopenie hudobného vkusu alebo vzdelávacích záujmov. | |
| Zdieľaná aktivita (Riziko) | Pri spoločných účtoch (napr. v domácnosti) môže systém nesprávne pripísať záujmy iných členov rodiny (napr. rozprávky alebo heavy metal) priamo vám. |
Ochrana súkromia a bezpečnostná architektúra
Vývoj Personal Intelligence bol podmienený prísnymi opatreniami na ochranu súkromia, pričom základným princípom je kontrola zo strany používateľa. Funkcia prepojenia aplikácií je v predvolenom nastavení vypnutá a používateľ sa musí explicitne rozhodnúť, ktoré služby chce pripojiť. Údaje používateľa sú šifrované v pokoji (at rest) a počas prenosu medzi systémami sú chránené pomocou protokolu Application Layer Transport Security (ALTS).
Kriticky dôležitým aspektom je, že modely Gemini sa netrénujú priamo na obsahu doručenej pošty v Gmaili alebo na knižnici v Google Fotkách. Tréning prebieha na obmedzenom množstve informácií, ako sú konkrétne prompty v Gemini a odpovede modelu, ako aj súhrny a úryvky použité na zodpovedanie otázok, a to až po vykonaní krokov na filtrovanie alebo maskovanie osobných údajov. Cieľom je naučiť systém pochopiť, že keď používateľ požiada o informáciu, model ju vie lokalizovať, nie naučiť sa samotný obsah tejto informácie.
Keďže ide o technológiu v beta verzii, existujú známe technické obmedzenia, ktoré môžu ovplyvniť presnosť výstupov. Jedným z hlavných problémov je jav nazývaný tunnel vision alebo tunelové videnie, kedy sa model príliš spolieha na jeden personalizovaný úsudok tam, kde to nie je vhodné.
Napríklad, ak má používateľ v doručenej pošte e-mail o zamestnaní, model môže začať ukotvovať všetky odpovede okolo faktu, že používateľ je softvérový inžinier, aj keď to pre danú otázku nie je relevantné.
Ďalšou výzvou je časová relevantnosť a miešanie časových línií. Pridanie osobnej histórie do modelu zvyšuje zložitosť a model môže niekedy nesprávne označiť termín z e-mailu ako minulý, hoci je v skutočnosti nadchádzajúci. Systém tiež môže mať ťažkosti s pochopením nuáns vo vzťahoch, napríklad môže na základe nejednoznačného textu v e-mailoch zameniť matku za starú mamu alebo súrodenca za priateľa.
Model tiež často predpokladá, že záznam o transakcii sa rovná dokončenej akcii a preferencii, pričom môže prehliadnuť následný kontext, napríklad že používateľ tovar vrátil alebo rezerváciu zrušil.
Dostupnosť a budúci vývoj
Aktuálne je táto funkcia dostupná ako beta verzia pre predplatiteľov Gemini Pro a Ultra v Spojených štátoch, pričom sa plánuje rozšírenie do ďalších krajín a aj pre bezplatné úrovne. Personal Intelligence sa postupne dostane aj do režimu AI v službe Google Search, čo umožní ešte širšie využitie pri plánovaní a objavovaní.
Google vníma túto technológiu nielen ako súbor funkcií, ale ako technický základ pre budúcnosť personalizovaných agentov AI, čo predstavuje významný krok na ceste k umelej všeobecnej inteligencii (AGI). Systém sa neustále vyvíja na základe spätnej väzby od používateľov, ktorí môžu nesprávne dedukcie modelu opraviť priamo v konverzácii.
Tento článok napísala umelá inteligencia Gemini od Google. Článok bol skontrolovaný redakciou TECHBOX.