گوگل امروز از مدل جدید خود با نام EmbeddingGemma 2 پرده برداشت؛ مدلی که به گفته این شرکت می‌تواند «اطلاعات را مستقیماً روی سخت‌افزار مصرف‌کننده سازمان‌دهی، جست‌وجو و به هم متصل کند.» گوگل برای نمایش توانمندی‌های این مدل، یک اپلیکیشن مک با نام Google AI Edge Foresight را توسعه داده است که هدف آن «یادداشت‌برداری هوشمند» (Intelligent Notetaking) عنوان شده است.
EmbeddingGemma 2؛ مدلی برای جست‌وجو در صوت و ویدیو
بر اساس توضیحات گوگل، EmbeddingGemma 2 می‌تواند به یافتن یک کلیپ ویدیویی مشخص از میان یک یادداشت صوتی کمک کند یا با استفاده از یک عبارت متنی، ساعت‌ها فایل صوتی را جست‌وجو کند؛ و همه این پردازش‌ها توسط یک مدل واحد و به‌صورت بومی چندوجهی (Natively Multimodal) انجام می‌شود.
این مدل ۷۴۰ میلیون پارامتری بر پایه معماری (Architecture) Gemma 4 ساخته شده و با مجوز Apache 2.0 در دسترس قرار گرفته است. هدف اصلی طراحی آن، اجرا به‌صورت محلی (Local) و در شرایطی است که گوگل آن را «محدودیت‌های شدید منابع» می‌نامد.
گوگل در این زمینه اعلام کرده است که با اعمال کوانتیزاسیون (Quantization)، مدل EmbeddingGemma 2 روی یک دستگاه Google Pixel 11 Pro برای وزن‌های متنی تنها به حدود ۱۹۱ مگابایت حافظه فعال (Active RAM) و برای مدل کامل چندوجهی به حدود ۵۶۷ مگابایت حافظه نیاز دارد.
نمایش قابلیت‌ها در Google AI Edge Gallery و اپ جدید مک
گوگل برای نمایش این مدل، نمونه‌های آزمایشی (Demo) را در اپلیکیشن Google AI Edge Gallery روی اندروید و iOS ارائه کرده است. اما نمایش اصلی، اپلیکیشن جدید مک با نام Google AI Edge Foresight است.
این اپلیکیشن یادداشت‌برداری، در جریان جلسات ویدیویی یا حضوری در پس‌زمینه به گفت‌وگو گوش می‌دهد تا کاربر بتواند صرفاً «نکات مهمی را که می‌خواهد به خاطر بسپارد، به‌صورت خلاصه و دست‌نویس یادداشت کند.»
این اپلیکیشن با بهره‌گیری از EmbeddingGemma 2، همان یادداشت‌های خلاصه را «با استفاده از متن جلسه، به‌صورت لحظه‌ای به یادداشت‌هایی منسجم و کامل تبدیل می‌کند.» متن پیاده‌شده و فایل صوتی به‌طور کامل روی دستگاه کاربر پردازش می‌شوند و نه در فضای ابری (Cloud).
اتصال به فایلهای پروژه، تقویم و گوگل درایو
قابلیت دیگری به کاربر اجازه می‌دهد تا Google AI Edge Foresight را به پوشه‌های پروژه، منابع مرجع، نمودارها و تقویم خود متصل کند. این اپلیکیشن از فایلهای محلی و همچنین Google Drive پشتیبانی می‌کند و در نتیجه کاربر می‌تواند پرسش‌های خود را مطرح کرده و به‌سرعت اطلاعات مورد نیاز را دریافت کند.
به گفته گوگل، این اپلیکیشن بدون نیاز به سازمان‌دهی دستی فایل‌ها، به‌طور خودکار ماهیت کار کاربر را درک می‌کند تا اطلاعات حیاتی هر زمان که لازم شد، در دسترس باشند.
چت هوشمند و دستیار زنده
قابلیت گفت‌وگو (Chat) در این اپلیکیشن، «بازیابی و خلاصه‌سازی محاوره‌ای بر پایه دانش شخصی کاربر» را ارائه می‌دهد. همچنین قابلیتی با نام Live Assistance وجود دارد که «گوش می‌دهد و به‌طور خودکار به پرسش‌ها پاسخ می‌دهد.»
کاربران می‌توانند Google AI Edge Foresight را از طریق لینک رسمی گوگل دانلود کنند. این اپلیکیشن به دو اپلیکیشن دیگر گوگل برای مک در همین خانواده می‌پیوندد: AI Edge Gallery و AI Edge Eloquent که وظیفه پیاده‌سازی آفلاین (Offline Transcription) را بر عهده دارد.