谷歌拟通过Gemini人工智能直接操控安卓应用 迈向“代理型AI”新阶段

根据对谷歌应用测试版的分析报告，谷歌正计划大幅扩展其Gemini人工智能助手在安卓系统上的能力，未来或允许其直接控制用户手机上的应用程序。此举标志着向所谓“代理型人工智能”迈出重要一步——这类系统不仅能回答问题，还能代表用户执行操作。

从助手到数字代理

据科技媒体Android Police报道，谷歌已在试验人工智能驱动的自动化功能。该公司近期在Chrome浏览器中为付费AI用户推出了“自动浏览”功能，使浏览器能自主完成任务。

现在，类似功能似乎正通过Gemini进入安卓系统。根据9to5Google对谷歌应用测试版17.4的拆解分析，这项内部代号为“bonobo”的功能将使Gemini能够通过屏幕自动化与应用交互。

在实际应用中，用户可要求Gemini预订车辆、订购食物或完成其他日常任务，而无需手动打开单个应用。

有限推出与应用支持

至少在初期，Gemini的应用控制能力预计仅适用于有限数量的应用。这主要是因为应用界面频繁变更，使得自动化更为复杂且容易出错。

早期支持可能集中于谷歌自家应用，以及少量流行的第三方服务，如网约车或外卖平台。

该功能预计还需要安卓16 QPR3系统，因为谷歌已在该版本中引入了对屏幕自动化的基础系统级支持。

用户保持控制权

谷歌强调，在Gemini代表用户执行任务时，用户将保持完全控制权，可随时停止或接管操作。

然而，该功能也引发了隐私考量。根据应用代码中发现的信息，在Gemini与应用交互时截取的屏幕截图，可能会由经过培训的人工审核员进行审查，以改进谷歌服务——前提是用户已启用活动跟踪。

谷歌还计划警告用户，不要在Gemini聊天中直接输入敏感支付信息，并避免在紧急情况下使用自动化功能。

获取权限与推出时间

尽管谷歌尚未正式确认定价或可用性，但新功能预计将仅限于付费层级（如Gemini Pro或Ultra）使用，至少在初始推出阶段如此。

外界普遍预计，该公司将在安卓16 QPR3发布时以测试版形式推出该功能，时间可能早至三月。

行业影响

若按计划实施，Gemini控制应用的能力将代表人们与智能手机交互方式的重大转变，从手动应用使用转向人工智能驱动的任务执行。

对用户而言，这可能意味着更快速、便捷的日常交互。对开发者和监管机构而言，这也可能引发围绕自动化、隐私以及在日益自主的人工智能时代控制权的新辩论。