رفتن به محتوای اصلی
منو
پیشنهاد ویژه - emrooz.app
پیشنهاد ویژه - play.google.com

ایجنت جمینای گوگل برای مک معرفی شد؛ کنترل خودکار دسکتاپ

| | 9 دقیقه مطالعه
رابط کاربری رسمی ایجنت جمینای گوگل روی macOS در حال اجرای خودکار نرم‌افزار Blender از طریق قابلیت Computer Use

ایجنت جمینای گوگل با قابلیت انقلابی «استفاده از کامپیوتر» (Computer Use) به اپلیکیشن دسکتاپ مک آمد تا درون پنجره پس‌زمینه ایزوله و بدون قفل کردن ماوس کاربر، به‌طور خودکار روی منوها کلیک کند، فایل‌های محلی macOS را سامان دهد و نرم‌افزارهای تخصصی را اجرا نماید.

وقتی جمینای پشت فرمان مک‌بوک می‌نشیند؛ جهش از چت‌بات سخنگو به همکار عمل‌گرا

تا همین چند ماه پیش، استفاده از دستیارهای هوش مصنوعی روی کامپیوترهای اپل به کپی کردن متن در پنجره مرورگر و دریافت پاسخ‌های متنی یا قطعه کدهای آماده محدود می‌شد؛ یعنی همه زحمت باز کردن پوشه‌ها، تغییر نام صدها فایل، پر کردن فرم‌های تکراری یا کلیک در منوهای تو در توی نرم‌افزارهای سنگین همچنان بر دوش خود کاربر بود.

اما به گزارش وب‌سایت TechCrunch و وبلاگ رسمی گوگل در نوزدهم نوامبر ۲۰۲۶، غول فناوری مانتین‌ویو با انتشار به‌روزرسانی بزرگ اپلیکیشن بومی Google Gemini برای macOS، رسماً عصر «ایجنت‌های دسکتاپ» را روی کامپیوترهای اپل آغاز کرد. با اضافه شدن برچسب و موتور @Computer use، جمینای دیگر فقط به شما نمی‌گوید برای انجام یک کار در مک کدام منو را بزنید؛ بلکه با اجازه شما خودش آستین بالا می‌زند، برنامه را باز می‌کند و کار را تا تحویل خروجی نهایی پیش می‌برد!

این اقدام تهاجمی گوگل دقیقاً یک روز پس از تحول بزرگی رخ می‌دهد که در گزارش کوپایلت مایکروسافت و ایجنت Autopilot برای اکوسیستم ویندوز و آفیس شاهد بودیم و نشان می‌دهد نبرد غول‌های هوش مصنوعی در پاییز ۲۰۲۶ به تسخیر سیستم‌عامل‌های دسکتاپ گره خورده است.

جدول مشخصات، قابلیت‌ها و پیش‌نیازهای ایجنت جمینای گوگل برای مک

خلاصه دقیق توانمندی‌های فنی، میان‌برهای صفحه‌کلید، لایه‌های امنیتی و سخت‌افزار مورد نیاز این دستیار خودکار روی سیستم‌عامل مک را در جدول زیر ببینید:

ویژگی / پارامتر فنیجزئیات رسمی اپلیکیشن دسکتاپ Google Gemini (نسخه macOS)
نام قابلیت کلیدیComputer Use (کنترل و اجرای خودکار محیط دسکتاپ، فایل‌ها و مرورگر)
معماری محیط اجراپنجره پس‌زمینه ایزوله (Isolated Background Window) بدون قفل کردن ماوس و صفحه اصلی
نحوه نظارت کاربرپخش زنده لحظه‌ای (Live Stream Preview) داخل پنجره چت + دکمه توقف فوری تک‌کلیکی
دامنه عملکرد خودکارکلیک، تایپ، پیمایش منوها، مدیریت پوشه‌های Finder، پر کردن فرم‌های وب و کار با اپ‌های بومی (مثل Blender)
میان‌برهای فراخوانی سریعOption + Space (پنجره مینی چت شناور) / Option + Shift + Space (پنجره کامل جمینای)
یکپارچگی ابریاتصال مستقیم به Gmail، Google Drive، Google Docs و Google Calendar
سخت‌افزار و سیستم‌عامل لازممک‌های مجهز به تراشه Apple Silicon (سری M1، M2، M3، M4 و بالاتر) با macOS Sequoia 15.0 به بالا
حداقل رم و فضای دیسکحداقل ۸ گیگابایت حافظه یکپارچه رم و ۲۰۰ مگابایت فضای خالی نصب برنامه
سطح اشتراک مورد نیاز ایجنتاپلیکیشن پایه رایگان است؛ قابلیت Computer Use نیازمند اشتراک Google AI Plus، Pro یا Ultra است

برگ برنده معماری گوگل: «پنجره پس‌زمینه ایزوله» به جای تسخیر ماوس!

بزرگ‌ترین نقطه ضعف نسل اول ابزارهای کنترل کامپیوتر در دنیای هوش مصنوعی این بود که وقتی به ایجنت دستور می‌دادید کاری انجام دهد، هوش مصنوعی کنترل نشانگر ماوس و کیبورد اصلی سیستم شما را به دست می‌گرفت؛ یعنی تا پایان کار ایجنت، شما مجبور بودید دست به سینه بنشینید و به صفحه نگاه کنید، چون کوچک‌ترین تکان دادن ماوس رشته کار ایجنت را پاره می‌کرد!

مهندسان گوگل در طراحی ایجنت جمینای گوگل برای مک این کلافگی را با یک معماری هوشمندانه حل کرده‌اند: قابلیت Computer Use تمام کلیک‌ها، تایپ‌ها و جابه‌جایی پنجره‌ها را درون یک محیط پس‌زمینه کاملاً ایزوله و مجزا اجرا می‌کند. در حالی که جمینای در اتاق کار مجازی خود مشغول مرتب کردن صدها فاکتور PDF یا مدل‌سازی درون یک نرم‌افزار گرافیکی است، نشانگر ماوس و صفحه‌نمایش اصلی مک‌بوک شما ۱۰۰ درصد آزاد است تا هم‌زمان در مرورگر خود وب‌گردی کنید، ایمیل بنویسید یا در جلسه ویدیویی حضور داشته باشید.

در گوشه پنجره گفت‌وگوی جمینای، یک کادر «پیش‌نمایش زنده» (Live Preview) تعبیه شده که دقیقاً صفحه کار ایزوله ایجنت و زنجیره تفکر گام‌به‌گام او را لحظه‌به‌لحظه به شما نشان می‌دهد تا هر زمان که اراده کردید، روند کار را متوقف کرده یا اصلاح نمایید.

اجرای خودکار عملیات طراحی و استخوان‌بندی سه‌بعدی در برنامه بلندر توسط ایجنت جمینای گوگل در پنجره ایزوله مک
نمایی از دمو رسمی گوگل در اجرای خودکار نرم‌افزار Blender روی مک: ایجنت جمینای از روی نقاشی دست‌کشیده یک کودک، مدل سه‌بعدی پروانه را ساخته و استخوان‌بندی حرکتی (Rigging) می‌کند

از مرتب‌سازی پوشه‌های شلوغ تا خلق مدل سه‌بعدی در Blender؛ جمینای مک چه کارهایی بلد است؟

قدرت واقعی این به‌روزرسانی به پشتوانه جهش مدل‌های استدلالی نسل چهارم گوگل — که پیش‌تر نمونه درخشان آن را در جمینای ۴ هیدروژن گوگل دیدیم — در حل سناریوهای واقعی و ترکیبی آشکار می‌شود. در ویدیوی رسمی منتشرشده توسط تیم Google Gemini، کاربر عکس نقاشی ساده‌ای از یک پروانه را که فرزندش روی کاغذ کشیده ضمیمه چت می‌کند و با تگ کردن @Computer use می‌نویسد: «این نقاشی را بردار، در برنامه Blender مدل سه‌بعدی آن را بساز، ریگ‌بندی کن و فایل آماده پرینت سه‌بعدی STL تحویل بده.»

ایجنت جمینای بدون دخالت کاربر ابتدا بررسی می‌کند که آیا نرم‌افزار Blender روی مک نصب است یا نه، سپس محیط کار را باز کرده، رئوس هندسی بال‌ها را شکل می‌دهد، رنگ‌آمیزی بافت را انجام داده، استخوان‌بندی حرکتی را متصل می‌کند و خروجی استاندارد چاپ سه‌بعدی را روی دیسک ذخیره می‌نماید! علاوه بر نرم‌افزارهای تخصصی نظیر Blender و Autodesk Fusion، کاربردهای روزمره این دستیار برای کاربران مک بسیار گسترده است:

  • انضباط‌بخشی خودکار به پوشه Downloads و Desktop: دستور دهید تمام فایل‌های ریخته‌شده روی دسکتاپ مک را بازخوانی کند، محتوای فایل‌های PDF و تصاویر اسکرین‌شات را ببیند و بر اساس موضوع پروژه، تاریخ یا نام مشتری درون پوشه‌های منظم دسته‌بندی و نام‌گذاری مجدد نماید.
  • تحقیق چندمنبعی و ساخت گزارش اجرایی: ایجنت می‌تواند داده‌های پراکنده را از چند تب وب‌سایت، فایل‌های اکسل محلی مک و ایمیل‌های Gmail استخراج کرده و آن‌ها را در قالب یک داشبورد یا ارائه منسجم در Google Docs و Slides مرتب کند.
  • پر کردن فرم‌های اداری و پردازش دسته‌ای (Batch Processing): انتقال اطلاعات ده‌ها ردیف جدول به فرم‌های تحت وب سازمانی یا تغییر فرمت و ابعاد صدها تصویر به‌صورت خودکار.
  • همراهی آنی با کلید میان‌بر Option + Space: در هر لحظه با فشردن این دو کلید، نوار شناور مینی‌چت جمینای روی پنجره فعال ظاهر می‌شود و با اشتراک‌گذاری تصویر پنجره جاری، خطاهای کدنویسی در محیط‌های توسعه یا جداول مالی پیچیده را درجا تحلیل می‌کند.

بیشتر بدانید: رقابت سنگین غول‌های هوش مصنوعی بر سر کامپیوترهای مک!

جالب است بدانید سیستم‌عامل macOS در پاییز ۲۰۲۶ به داغ‌ترین میدان رقابت ایجنت‌های هوش مصنوعی تبدیل شده است؛ پیش‌تر متا با عرضه مدل هوش مصنوعی Muse Spark Open متا روی مک شتاب‌دهی سخت‌افزاری روی تراشه‌های سری M اپل را هدف گرفت، گوگل اکنون ایجنت دسکتاپ جمینای را مستقر کرده و گزارش‌های استخدامی تازه نشان می‌دهد خودِ اپل نیز مشغول توسعه ایجنت بومی پیشرفته برای کنترل خودکار مک است.

نمایش زنده مراحل تفکر و تولید فایل سه‌بعدی توسط قابلیت Computer Use در اپلیکیشن دسکتاپ Google Gemini برای مک
نمایش زنجیره استدلال شفاف (Thinking it through) در اپلیکیشن مک جمینای هنگام مدل‌سازی و استخراج فایل نهایی پروژه

معماری ایمنی و حریم خصوصی؛ ترمز خودکار در برابر رمزها و تراکنش‌های بانکی

سپردن کلید فایل‌های شخصی و اپلیکیشن‌های دسکتاپ به یک عامل هوش مصنوعی، بی‌تردید پرسش‌های امنیتی مهمی ایجاد می‌کند: آیا ممکن است ایجنت به اشتباه فایلی حیاتی را پاک کند یا در برابر حملات تزریق دستور مخفی در صفحات وب (Prompt Injection) فریب بخورد؟

به گزارش TechCrunch، گوگل چهار سد حفاظتی سخت‌گیرانه را در هسته ایجنت جمینای گوگل برای مک تعبیه کرده است:

  1. مجوزدهی دانه‌به‌دانه اپلیکیشن‌ها (App-Level Permissions): جمینای به‌طور پیش‌فرض به تمام برنامه‌های مک دسترسی ندارد؛ کاربر دقیقاً فهرست برنامه‌ها و پوشه‌های مجاز را تعیین می‌کند.
  2. توقف اجباری در گلوگاه‌های حساس: به محض آنکه روند کار به صفحه‌های ورود نام کاربری و گذرواژه، درگاه‌های پرداخت مالی، ارسال نهایی ایمیل یا حذف دائمی اطلاعات می‌رسد، ایجنت ترمز می‌کند و کنترل را همراه با پیام تایید به خود کاربر می‌سپارد.
  3. نظارت بصری و کلید توقف اضطراری: کاربر در تمام ثانیه‌ها تصویر زنده عملکرد ایجنت را می‌بیند و با یک کلیک روی دکمه Pause یا Stop می‌تواند بی‌درنگ اجرای دستور را متوقف سازد.
  4. حفاظت در برابر دستورات مخرب وب: لایه‌های فیلترینگ امنیتی خانواده جمینای ۴ پیوسته محتوای صفحات وب بازشده در پنجره ایزوله را پایش می‌کنند تا متون پنهان در سایت‌ها نتوانند رفتار ایجنت را منحرف نمایند.

نکته مهم درباره پیش‌نیاز تراشه و منطقه انتشار اولیه

توجه داشته باشید که نسخه مک اپلیکیشن جمینای صرفاً روی مک‌بوک‌ها، آی‌مک‌ها و مک‌مینی‌های مجهز به پردازنده‌های اختصاصی اپل (از M1 تا جدیدترین نسل M6) اجرا می‌شود و مک‌های قدیمی‌تر اینتلی از این قابلیت پشتیبانی نمی‌کنند. همچنین قابلیت Computer Use در موج نخست انتشار با زبان انگلیسی برای مشترکین طرح‌های Google AI Plus، Pro و Ultra فعال شده و به‌تدریج در ماه‌های آینده به سایر مناطق گسترش می‌یابد.

ترفند طلایی برای گرفتن بهترین نتیجه از تگ @Computer use

هنگام نوشتن دستور برای ایجنت دسکتاپ جمینای، به جای جملات کلی و مبهم، «مسیر پوشه مبدأ، ابزار مورد نظر و فرمت خروجی مقصد» را دقیق بنویسید؛ برای مثال مشخص کنید فایل‌های خروجی را در یک پوشه جدید به نام Processed_Output ذخیره کند تا نسخه اصلی فایل‌های خام شما همیشه دست‌نخورده باقی بماند.

مقایسه ایجنت دسکتاپ جمینای گوگل با کلود دسکتاپ آنتروپیک، کوپایلت و Apple Intelligence

با ورود رسمی گوگل به قلمرو اتوماسیون دسکتاپ روی macOS، کاربران حرفه‌ای مک اکنون چهار رویکرد کاملاً متفاوت را پیش روی خود می‌بینند. نخستین رویکرد متعلق به خودِ شرکت اپل در قالب Apple Intelligence و سیری نسل جدید است که به لطف دسترسی سطح سیستم‌عامل، کارهای سبکی مثل خلاصه‌سازی اعلان‌ها، یافتن عکس‌ها یا بازنویسی متون را عالی انجام می‌دهد، اما هنوز توانایی هدایت چندمرحله‌ای نرم‌افزارهای پیچیده شخص ثالث مانند Blender یا پر کردن خودکار ده‌ها فرم تحت وب را به شکل یک ایجنت مستقل ندارد.

رویکرد دوم متعلق به ابزار Computer Use آنتروپیک و ایجنت‌های مبتنی بر کلود است که در برنامه‌نویسی و خط فرمان (Terminal) درخشش خیره‌کننده‌ای دارند، اما برای کاربران عمومی طراحی و اداری نیازمند تنظیمات فنی بیشتری هستند. در مقابل، ایجنت جمینای گوگل دقیقاً نقطه شیرین میان «سادگی کاربری مصرف‌کننده عادی» و «قدرت اتوماسیون حرفه‌ای» را هدف گرفته است:

  • عدم تداخل با کار روزانه کاربر: اجرای ایجنت درون پنجره پس‌زمینه ایزوله باعث می‌شود برخلاف اسکریپت‌های قدیمی اتوماسیون صفحه‌نمایش، کاربر هم‌زمان بتواند از تمام توان مک‌بوک خود استفاده کند و فقط هنگام نیاز به تایید حساس به پنجره چت سر بزند.
  • پیوند مستقیم فضای ابری گوگل با فایل‌های هارد مک: میلیون‌ها کاربر مک‌بوک در سراسر جهان هم‌زمان از Gmail، Google Drive، تقویم گوگل و اسناد Google Docs استفاده می‌کنند؛ ایجنت جمینای برای نخستین بار پلی دوطرفه میان پوشه‌های آفلاین Finder مک و فضای کاری ابری گوگل برقرار کرده است.
  • درک بصری رابط‌های گرافیکی بدون نیاز به API: بسیاری از نرم‌افزارهای مهندسی، حسابداری، تدوین ویدیو و طراحی سه‌بعدی در مک فاقد رابط برنامه‌نویسی باز برای هوش مصنوعی هستند. موتور بینایی جمینای دقیقاً مانند چشم انسان دکمه‌ها، نوار ابزارها و منوها را روی پیکسل‌های تصویر تشخیص می‌دهد و بدون نیاز به هیچ افزونه جانبی با آن‌ها کار می‌کند!

پنج سناریوی کاربردی برای برنامه‌نویسان، طراحان و پژوهشگران روی مک

بررسی بازخوردهای اولیه توسعه‌دهندگان و آزمایش‌کنندگان نسخه جدید اپلیکیشن دسکتاپ مک نشان می‌دهد که ترکیب میان‌بر سریع Option + Space و فرمان @Computer use در پنج حوزه شغلی بیشترین صرفه‌جویی زمانی را به ارمغان می‌آورد:

  1. اشکال‌زدایی بصری پروژه‌های کدنویسی و وب: اشتراک‌گذاری هم‌زمان پنجره ویرایشگر کد و خروجی مرورگر با جمینای تا ایجنت شخصاً فرم‌ها را تست کرده، خطاهای کنسول را ببیند و راه‌حل دقیق را پیشنهاد دهد.
  2. تولید خودکار دارایی‌های سه‌بعدی و گرافیکی: تبدیل طرح‌های اولیه مدادی (Sketch) به مدل‌های پایه سه‌بعدی در بلندر، تغییر سایز دسته‌جمعی تصاویر محصول و خروجی گرفتن در فرمت‌های استاندارد وب.
  3. پژوهش دانشگاهی و جمع‌آوری منابع: دانلود مقالات علمی باز از تب‌های مرورگر، استخراج جداول آماری از فایل‌های PDF ذخیره‌شده در مک و تجمیع یادداشت‌های ساختارمند در یک سند واحد.
  4. مدیریت اسناد مالی و فاکتورهای ماهانه: خواندن رسیدهای تصویری و فاکتورهای خرید از یک پوشه محلی، استخراج مبلغ، تاریخ و نام فروشنده و وارد کردن منظم آن‌ها در جدول Google Sheets.
  5. برنامه‌ریزی سفر و رزرو مقدماتی: مقایسه پروازها و هتل‌ها در چند سایت مختلف درون پنجره ایزوله، چیدن برنامه زمان‌بندی در تقویم گوگل و توقف نهایی در مرحله پرداخت برای تایید شخص کاربر.

نکات پایانی و جمع‌بندی کاربردی

ورود قابلیت Computer Use به ایجنت جمینای گوگل روی macOS مرز میان «مشاوره هوشمند» و «اجرای عملی» را از میان برداشته است. ترکیب پنجره پس‌زمینه ایزوله که مزاحم کار روزمره کاربر نمی‌شود، اتصال عمیق به سرویس‌های ابری Google Workspace و توانایی هدایت مستقیم نرم‌افزارهای پیچیده گرافیکی و مهندسی روی تراشه‌های اپل سیلیکون، اپلیکیشن دسکتاپ جمینای را به یکی از کارآمدترین ابزارهای بهره‌وری سال ۲۰۲۶ برای کاربران مک تبدیل کرده است.

سوالات متداول

این قابلیت به اپلیکیشن دسکتاپ Google Gemini روی سیستم‌عامل macOS اجازه می‌دهد بر اساس دستور متنی کاربر، به‌طور خودکار کلیک کند، تایپ نماید، وارد منوهای نرم‌افزارهای بومی مک (مانند Blender، Finder یا مرورگر) شود، فایل‌های محلی را دسته‌بندی کند و کارهای چندمرحله‌ای را به انجام برساند.
خیر؛ بزرگ‌ترین نوآوری فنی گوگل در این نسخه، اجرای تمامی عملیات ایجنت درون یک «پنجره پس‌زمینه ایزوله» (Isolated Background Window) است که پیش‌نمایش زنده آن داخل پنجره چت پخش می‌شود و ماوس و صفحه اصلی کاربر را کاملاً آزاد می‌گذارد.
برای استفاده از قابلیت Computer Use به یک کامپیوتر مک مجهز به تراشه‌های Apple Silicon (سری M1 به بالا)، سیستم‌عامل macOS Sequoia نسخه ۱۵.۰ یا جدیدتر، حداقل ۸ گیگابایت رم و اشتراک یکی از طرح‌های Google AI Plus، Pro یا Ultra نیاز است.
کاربر از ابتدا مشخص می‌کند جمینای به کدام اپلیکیشن‌ها اجازه دسترسی داشته باشد؛ علاوه بر این، ایجنت هنگام رسیدن به صفحات ورود رمز عبور، تراکنش‌های مالی یا اقدامات حساس به‌طور خودکار متوقف می‌شود و تا دریافت تایید صریح کاربر هیچ عملیاتی انجام نمی‌دهد.
پیشنهاد ویژه - play.google.com
تحریریه هفت گنج

تحریریه هفت گنج

تحریریه هفت گنج

تحریریه مجله اینترنتی هفت گنج متشکل از نویسندگان، پژوهشگران و ویراستاران تخصصی در حوزه‌های فناوری و هوش مصنوعی، آشپزی و تغذیه، سلامت خانواده، علم و فرهنگ است که از سال ۱۳۹۲ با تکیه بر منابع معتبر جهانی و راستی‌آزمایی علمی به تولید محتوای دقیق و کاربردی به زبان فارسی می‌پردازد.

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *