Fotografske knjižnice so za mnoge uporabnike postale neobvladljivi osebni arhivi: tisoče posnetkov, podvojene fotografije, računi, letaki, videi in slike, ki jih nikoli več ne poiščejo. Google želi ta problem nasloviti z novo povezavo med svojim osebnim agentom Gemini Spark in storitvijo Google Photos.
Uporabnik bo lahko agentu namesto ročnega brskanja po arhivu podal navodilo v običajnem jeziku. Gemini Spark naj bi nato v Google Photos izvedel naloge, kot so urejanje slik, priprava albumov, ustvarjanje skupnih albumov, pretvarjanje fotografij koncertnih letakov v koledarske dogodke in izvajanje drugih delovnih postopkov.
Funkcija se bo po napovedi Googla v prihodnjih tednih začela uvajati za upravičene naročnike Gemini AI Pro in Ultra v ZDA, ki uporabljajo angleški jezik. Google še ni navedel časovnice za širšo mednarodno dostopnost.
Od iskanja fotografij do navodil v naravnem jeziku
Glavna sprememba ni zgolj v tem, da Google Photos dobi še eno možnost za ustvarjanje albumov, temveč v načinu interakcije. Namesto izbire filtrov, datumov, oseb in albumov naj bi uporabnik cilj opisal z ukazom.
Primer takšnega poziva bi lahko bil: »Pripravi album s fotografijami z morja iz lanskega poletja, na katerih je sončni zahod, in vanj dodaj najboljše skupinske posnetke.« Drugi primer bi bil: »Poišči fotografije mojega psa iz zadnjih treh mesecev, izberi pet najboljših in pripravi izbor za skupni album.«
Takšna izkušnja temelji na kombinaciji dveh področij umetne inteligence. Model za obdelavo naravnega jezika mora razumeti uporabnikovo zahtevo, denimo časovno obdobje, motiv, osebe in želeni rezultat. Sistem računalniškega vida pa mora pri fotografijah prepoznati vsebino, kot so živali, predmeti, prizori, besedilo ali vizualne značilnosti posnetka.
Google v objavi ni razkril tehničnih podrobnosti delovanja Gemini Spark v Google Photos niti ni navedel, katere modele uporablja pri posameznih opravilih. Prav tako ni jasno, v kolikšni meri bo agent samostojno opravljal urejanje ter ali bo pred spremembami vedno zahteval uporabnikovo potrditev.
Uporabna avtomatizacija ali še ena AI-funkcija?
Vodja Google Photos Shimrit Ben-Yair je novost predstavila kot pomoč uporabnikom z velikimi zbirkami fotografij in videov. V objavi na omrežju X je navedla, da ima sama v knjižnici 143.206 fotografij in videoposnetkov ter da si je želela agenta, ki bi ji pomagal bolje izkoristiti tak arhiv.
Prav pri velikih zbirkah je lahko prednost največja. Agent bi lahko na primer prepoznal fotografiran letak koncerta, iz njega prebral datum, uro in lokacijo ter pripravil koledarski vnos. Uporabnik bi lahko zahteval tudi zbirko posnetkov za družinski album, izbor slik za deljenje ali iskanje določenega dogodka brez poznavanja natančnega datuma.
Vendar avtomatizacija prinaša tudi vprašanja o zanesljivosti. Prepoznavanje ljudi, krajev in dogodkov ni vedno brez napak, zato lahko napačno izbran posnetek, napačno prebrano besedilo ali nenamerno deljenje albuma hitro vplivajo na uporabniško izkušnjo. Pri funkcijah, ki ustvarjajo skupne albume ali posegajo v fotografije, bo pomembno, da so dejanja jasna, pregledna in po možnosti potrjena pred izvedbo.
Zasebnost ostaja ključno vprašanje
Povezovanje pogovornega AI-agenta z osebnim fotoarhivom odpira tudi vprašanje zasebnosti. Knjižnice Google Photos pogosto vsebujejo obraze družinskih članov, otroke, potovalne navade, dokumente, zdravstvene podatke in druge občutljive informacije.
Uporabniki bodo morali za uporabo funkcije najprej povezati Google Photos z Gemini, nato v aplikaciji Gemini vklopiti Spark in vnesti poziv. Pred uporabo bo zato pomembno preveriti, katera dovoljenja povezava zahteva, kako Google obdeluje podatke iz knjižnice in ali se vsebina uporablja za izboljševanje modelov oziroma druge namene.
Korak proti bolj dejavni umetni inteligenci
Integracija nakazuje premik od AI-orodij, ki predvsem odgovarjajo na vprašanja, k agentom, ki lahko v uporabnikovih aplikacijah opravijo večstopenjsko nalogo. Fotografije pri tem predstavljajo posebej zanimiv primer, saj združujejo vizualne podatke, časovne informacije, lokacije, obraze in besedilo.
Če bo Gemini Spark dovolj natančen in bo uporabniku omogočal dober nadzor nad izvedenimi dejanji, bi lahko upravljanje osebnih arhivov postalo bistveno bolj pogovorno in manj ročno. Od uspeha takšnih funkcij pa bo odvisno, ali bodo uporabniki AI razumeli kot dejansko pomoč pri vsakodnevnih digitalnih opravilih — ali zgolj kot dodatno plast nad funkcijami, ki jih že poznajo.
