Chociaż integracja sztucznej inteligencji stała się wszechobecną – a czasem natrętną – funkcją w ekosystemie Google, niedawne wprowadzenie tej technologii do Map Google daje wgląd w bardziej praktyczną przyszłość. Zamiast po prostu przewidywać korki lub sugerować przekąski, nowe mapy Ask Maps oparte na Gemini próbują rozwiązać bardzo ludzki problem: paraliż wyboru.
Problem nieskończonego wyboru
We współczesnej metropolii sama ilość danych może być przytłaczająca. Dla wielu „paradoks wyboru” prowadzi do monotonnej codzienności: ludzie chodzą do tych samych trzech dzielnic lub kawiarni tylko dlatego, że znalezienie czegoś nowego wymaga zbyt dużego wysiłku.
Wykorzystując Gemini jako automatyczne narzędzie do planowania tras, możemy przetestować, czy LLM (Large Language Model) może być świetnym concierge, czy też będzie jedynie wprowadzał niepotrzebne zamieszanie w procesie decyzyjnym.
Testowanie AI Concierge
Aby ocenić narzędzie, przeprowadzono w Seattle test w warunkach rzeczywistych, stosując określone ograniczenia wielopoziomowe:
* Logistyka: przejazd komunikacją miejską z obowiązkowym powrotem do domu do godz. 16:30.
* Preferencje: sekwencja lunchu, spacer widokowy i wizyta w kawiarni przystosowanej do pracy na laptopie.
* Atmosfera: Chęć odkrywania nieznanych obszarów i znajdowania „ukrytych klejnotów”.
Wyniki: sukcesy i „halucynacje”
Eksperyment przyniósł mieszane wyniki, od niezwykle przydatnych odkryć po klasyczne pułapki generatywnej sztucznej inteligencji.
- Znajdź „ukryte” miejsca: Gemini pomyślnie skierowało użytkownika do Tacos Chukis – ukrytego lokalu, którego zwykły przechodzień może nie zauważyć. Sztuczna inteligencja znalazła także japoński sklep z towarami Kobo po tym, jak pierwsza próba selekcji nie powiodła się.
- Ryzyko „halucynacji”: Sztuczna inteligencja miała trudności z dokładnością przestrzenną: w pewnym momencie stwierdziła, że księgarnia znajduje się „jedną przecznicę na wschód”, podczas gdy w rzeczywistości było to 10 minut spacerem w przeciwnym kierunku. Podkreśla to istotne zastrzeżenie: Inspiracją powinna być sztuczna inteligencja, ale dane dotyczące transportu w czasie rzeczywistym muszą pozostać źródłem prawdy dla nawigacji.
- Inteligencja kontekstowa: narzędzie doskonale poradziło sobie z syntezą różnych danych. Udało mu się przeskanować tysiące recenzji użytkowników, aby znaleźć miejsce spełniające określony zbiór wymagań — na przykład miejsce, które jest zarówno „przyjazne dzieciom”, jak i oferuje „rzemieślnicze koktajle”.
Czynnik ludzki w samochodzie
Najważniejszym wnioskiem z tego testu jest to, że Gemini nie tworzy wartości, lecz bierze ją. Jakość trasy zależy całkowicie od ogromnego ekosystemu wkładu człowieka – recenzji, zdjęć i ocen pozostawionych przez prawdziwych ludzi. Gemini działa jako wysoce wydajny pośrednik, przetwarzając ogromne ilości danych, aby przedstawić je w formacie łatwym do przekazania i wykorzystania.
Konkluzja: Bliźnięta nie działają jako główne źródło, ale jako kurator zgromadzonego ludzkiego doświadczenia.
Wniosek
Chociaż integracja Gemini z Mapami Google nie jest jeszcze płynna — szczególnie jeśli chodzi o dokładne wskazówki dotyczące pieszych — oznacza to znaczące przejście od wyszukiwania do planowania. Dzięki temu mapa ze statycznego przewodnika staje się aktywnym asystentem, zdolnym do poruszania się po zawiłościach ludzkich preferencji i eksploracji miast.
