Gemini to nie tylko czat. 6 ukrytych funkcji, o których mało kto wie

Gemini jest rozwinięciem projektu Bard, który Google uruchomił w 2023 roku jako odpowiedź na gwałtowny rozwój narzędzi generatywnej sztucznej inteligencji. W lutym 2024 roku firma zdecydowała się na zmianę nazwy i uporządkowanie całego ekosystemu, łącząc pod marką Gemini zarówno modele językowe, jak i funkcje dostępne w usługach Google. W tym samym czasie pojawił się płatny plan oferujący dostęp do bardziej zaawansowanej wersji modelu, co wyraźnie pokazało, że strategia firmy zakłada nie tylko masowe wdrożenie technologii, lecz także rozwój subskrypcyjnego rynku AI. Równolegle rozpoczęto integrację Gemini z narzędziami Workspace oraz systemem Android, dzięki czemu technologia trafiła bezpośrednio do Gmaila, Dokumentów i wielu innych aplikacji, gdzie działa jako wbudowany asystent wspierający codzienną pracę z informacją.

W kolejnych miesiącach rozwój Gemini koncentrował się przede wszystkim na zwiększaniu zdolności analitycznych modeli i ich integracji z oprogramowaniem użytkowym. Google zapowiadał przejście do tak zwanej fazy agentowej, w której system nie tylko odpowiada na pytania, lecz także realizuje złożone zadania składające się z wielu kroków. Oznaczało to wprowadzenie kolejnych generacji modeli, projektowanych z myślą o zadaniach wymagających logicznego wnioskowania, analizy danych i pracy z różnymi typami treści jednocześnie.

W codziennym użyciu Gemini najczęściej pełni funkcję prostego czatu, w którym użytkownicy zadają pytania, proszą o szybkie wyjaśnienia albo traktują narzędzie jak alternatywę dla klasycznego wyszukiwania w Google. W praktyce jednak możliwości systemu są znacznie szersze, ponieważ model został zintegrowany z aplikacjami, usługami chmurowymi oraz funkcjami systemowymi Androida. Dzięki temu Gemini potrafi analizować treści widoczne na ekranie, przetwarzać dokumenty, pomagać w pisaniu wiadomości czy automatyzować część zadań wykonywanych w telefonie i w usługach Google.

Gemini Live pozwala prowadzić rozmowę głosową z asystentem, który jednocześnie analizuje obraz z aparatu telefonu. Dzięki temu może na bieżąco komentować to, co znajduje się w kadrze i pomagać w praktycznych zadaniach, takich jak składanie mebli, identyfikacja elementów czy porządkowanie przedmiotów w domu.

Gemini potrafi analizować zawartość ekranu telefonu i reagować na to, co dzieje się w aplikacjach. Funkcja jest szczególnie przydatna podczas konfiguracji usług, wypełniania formularzy lub przechodzenia przez wieloetapowe procesy, ponieważ asystent może tłumaczyć kolejne kroki bez potrzeby wykonywania zrzutów ekranu.

W środowisku Google Workspace Gemini działa bezpośrednio w aplikacjach takich jak Gmail czy Dokumenty. W skrzynce pocztowej może błyskawicznie podsumować długie wątki mailowe, odnaleźć kluczowe informacje z wcześniejszych rozmów i pomóc w analizie dokumentów bez konieczności ręcznego przeszukiwania treści.

System potrafi analizować długie komunikaty i identyfikować w nich konkretne zadania. Następnie może zamienić je w przypomnienia zapisane w Google Tasks lub Kalendarzu, co pozwala przenieść ustalenia z wiadomości bezpośrednio do listy rzeczy do wykonania.

Gemini umożliwia szybkie przeredagowanie tekstu, który jest już widoczny na ekranie telefonu. Oznacza to możliwość skrócenia wiadomości, złagodzenia jej tonu lub poprawienia stylu bez konieczności kopiowania treści do osobnego narzędzia.

Asystent potrafi analizować znacznie więcej niż sam tekst, ponieważ radzi sobie także z materiałami wideo, plikami PDF czy artykułami otwartymi w przeglądarce. Może przygotować krótkie streszczenie, wskazać najważniejsze fragmenty lub pomóc porównać produkty podczas zakupów online, zbierając informacje z różnych źródeł.