«جمعه، وسیله رفت‌وآمد، تماس با رضا.» این سه تکه یادداشت را بعد از یک گفت‌وگوی گروهی فرضی درباره گردش همسایه‌ها در نظر بگیرید. هنگام نوشتن، معنی‌شان روشن بوده است؛ اما فردا معلوم نیست جمعه تاریخ حرکت بود یا آخرین فرصت پاسخ‌دادن. حتی مشخص نیست رضا قرار بود تماس بگیرد یا کسی باید به او زنگ می‌زد. مسئله فقط کم‌بودن کلمه‌ها نیست؛ رابطه میان آن‌ها گم شده است. ابزار تازه گوگل به همین فاصله میان یادداشت کوتاه و گفت‌وگوی اصلی نزدیک می‌شود.
گوگل در ۶ اکتبر ۲۰۲۶ برنامه آزمایشی Google AI Edge Foresight را برای مک معرفی کرد. طبق توضیح شرکت، این برنامه می‌تواند یادداشت‌های کوتاه دستی را با جزئیات گفت‌وگوی جاری کامل کند و از صدای سیستم و میکروفن کمک بگیرد. گوگل پردازش هوش مصنوعی آن را محلی توصیف می‌کند؛ یعنی روی دستگاه انجام می‌شود. این‌ها قابلیت‌های اعلام‌شده سازنده‌اند، نه نتیجه آزمون ما. معرفی رسمی گوگل
یک یادداشت کوتاه، با حاشیه‌هایی که نباید گم شوند
بیایید همان نمونه فرضی را باز کنیم. در گفت‌وگو، یکی از همسایه‌ها گفته است: «اگر تا پنجشنبه تعداد نفرها معلوم شود، می‌توانم از رضا درباره وسیله رفت‌وآمد بپرسم.» کمی بعد، شخص دیگری جمعه صبح را پیشنهاد کرده، اما دو نفر هنوز زمان مناسب خود را نگفته‌اند. یادداشت سه‌بخشی آغاز مقاله، هم شرط را حذف کرده و هم پیشنهاد را شبیه تصمیم نشان می‌دهد. اگر نسخه کامل‌تر فقط بنویسد «رضا وسیله را برای جمعه آماده می‌کند»، متن مرتب‌تر شده، ولی معنای گفت‌وگو عوض شده است.
نسخه پیشنهادی ما برای این مثال چنین است: «جمعه صبح پیشنهاد شده و زمان هنوز قطعی نیست. پس از مشخص‌شدن تعداد نفرها تا پنجشنبه، امکان هماهنگی وسیله با رضا بررسی می‌شود. نام فرد پیگیر باید تأیید شود.» این خروجی واقعی Foresight نیست؛ نمونه‌ای تألیفی است تا روشن شود از یک یادداشت مفید چه انتظاری داریم. عبارت‌های «پیشنهاد شده»، «پس از» و «باید تأیید شود» شاید کوچک به نظر برسند، اما هرکدام بخشی از معنای گفت‌وگو را نگه می‌دارند.
حالا کاربرد عملی روشن‌تر می‌شود. کسی که در گفت‌وگو حضور دارد، لازم نیست برای ثبت همه جمله‌ها از بحث عقب بماند؛ می‌تواند نکته‌های مهم را علامت بزند و بعد، متن کامل‌تر را با همان نکته‌ها بسنجد. با این حال، ارزش این روش را باید در نتیجه دید: آیا روز بعد می‌فهمیم چه چیزی قطعی شده و چه چیزی هنوز باز است؟ بیشترشدن حجم نوشته، به‌تنهایی پاسخ این سؤال نیست. یک بند کوتاه با مرزهای روشن می‌تواند از صفحه‌ای توضیح مبهم مفیدتر باشد.
از صدا تا یادداشت، دو کار متفاوت انجام می‌شود
در توضیح گوگل، یادداشت دستی با جزئیاتی که از گفت‌وگو بازیابی می‌شود غنی‌تر خواهد شد. شرکت همچنین از مدل‌های EmbeddingGemma 2 و Gemma 4 نام می‌برد. بازیابی در اینجا یعنی پیدا‌کردن اطلاعات مرتبط برای استفاده در یادداشت؛ نام مدل‌ها به‌خودی‌خود تضمین نمی‌کند که برداشت نهایی درست باشد. شرح سازوکار اعلام‌شده
برای فهم تفاوت، دوباره به مثال گردش برگردیم. تبدیل جمله شنیده‌شده به متن یک کار است؛ تشخیص اینکه آن جمله شرط، پیشنهاد یا تعهد بوده، کار دیگری است. حتی اگر تمام واژه‌ها درست نوشته شده باشند، حذف «اگر» هنگام خلاصه‌کردن، نتیجه را تغییر می‌دهد. بنابراین هنگام خواندن یک یادداشت تولیدشده، تنها دنبال غلط املایی نباشیم. در این نمونه، زمان، شرط انجام کار و نسبت‌دادن مسئولیت به آدم‌ها همان بخش‌هایی هستند که باید با گفت‌وگو تطبیق داده شوند.
یک بررسی اولیه نیز دلیل خوبی برای این دقت می‌دهد. نویسنده وبلاگ talat در تجربه کوتاه خود گزارش کرده که متن گفت‌وگو افراد را به‌طور جداگانه شناسایی نمی‌کرد و یک خلاصه نیز ماهیت گفت‌وگوی آزمایشی او را اشتباه برداشت کرده بود. این گزارش در ۹ اکتبر منتشر شده است. نویسنده خودش سازنده ابزاری رقیب است؛ پس مشاهده مستقیم او را باید همراه با این تعارض منافع و محدودبودن آزمون خواند، نه به‌عنوان ارزیابی بی‌طرفانه و جامع. گزارش تجربه اولیه و شرایط آن
کدام قسمت از برگه هنوز به آدم‌ها نیاز دارد؟
در مثال ما، کنار «نام فرد پیگیر» هنوز جای خالی وجود دارد. اگر از گفت‌وگو نتوان فهمید چه کسی این مسئولیت را پذیرفته، بهترین اصلاح لزوماً یک جمله طولانی‌تر نیست؛ ممکن است یک پرسش کوتاه در همان گروه باشد. می‌توان نوشت: «برای اطمینان، چه کسی بعد از نهایی‌شدن تعداد نفرها با رضا تماس می‌گیرد؟» این پرسش، ابهام را آشکار می‌کند و به کسی تعهدی نسبت نمی‌دهد که نپذیرفته است.
برای امتحان‌کردن چنین روشی، می‌توان یک گفت‌وگوی کوتاه و غیرحساس با رضایت شرکت‌کنندگان انتخاب کرد. پیش از دیدن خروجی، خودمان دو نکته قطعی و یک نکته حل‌نشده را جدا یادداشت کنیم. بعد بررسی کنیم نسخه کامل‌شده همان مرز را حفظ کرده یا نه. این پیشنهاد یک تمرین ساده برای شناخت کاربرد ابزار است، نه آزمون علمی دقت آن. اگر موضوع مبهم با قطعیت نوشته شده باشد، دست‌کم می‌دانیم همان بخش به بازبینی بیشتری نیاز دارد.
کیفیت کار با گفت‌وگوی فارسی، نام‌های فارسی، هم‌زمان حرف‌زدن چند نفر و شرایط صدای محیط در این مقاله آزموده نشده است. از معرفی محصول یا تجربه کوتاه یک نفر نمی‌توان نتیجه گرفت که خروجی برای جمع دوستان ما هم قابل اتکاست. در شروع، بهتر است نتیجه را برای خودمان مرور کنیم و نسخه تأییدنشده را به‌عنوان صورت‌جلسه قطعی برای دیگران نفرستیم. این کار اجازه می‌دهد پیش از وابسته‌شدن به ابزار، محدودیت‌هایش را در کاربرد واقعی خودمان بشناسیم.
محلی‌بودن پردازش، جای گفت‌وگو درباره ضبط را نمی‌گیرد
در همان بررسی اولیه talat، نویسنده از مشاهده داده‌های آماری مربوط به استفاده از برنامه، مانند مدت گفت‌وگو، خبر می‌دهد و می‌گوید در بررسی خود انتقال کلمه‌های گفت‌وگو را ندیده است. این مشاهده محدود را نمی‌توان ممیزی کامل حریم خصوصی دانست. همچنین نشان می‌دهد «پردازش محلی» را نباید بدون بررسی بیشتر، معادل «نبود هر نوع ارتباط شبکه‌ای» گرفت. توضیح نویسنده درباره داده‌ها و دامنه بررسی
برای جمع همسایه‌های مثال ما، یک تصمیم جدا هم باقی می‌ماند: آیا همه می‌دانند صدا برای ساخت یادداشت استفاده می‌شود؟ بهتر است پیش از شروع، هدف ثبت، محل نگهداری و کسانی که خلاصه را می‌بینند روشن باشد. این پیشنهاد درباره رفتار مسئولانه در یک گفت‌وگوی جمعی است؛ محل اجرای مدل به‌تنهایی پاسخ این پرسش‌ها را تعیین نمی‌کند. حتی یک یادداشت کاملاً محلی هم ممکن است بعداً با تصمیم کاربر در گروهی دیگر فرستاده شود.
آخر کار می‌توان به همان برگه اول برگشت. اگر «جمعه» حالا به یک زمان پیشنهادی روشن تبدیل شده و شرط هماهنگی وسیله هم باقی مانده، یادداشت کمک کرده است. اگر کنار نام مسئول هنوز علامت سؤال داریم، لازم نیست آن را با حدس پاک کنیم. همین جای خالی می‌تواند مفیدترین بخش برگه باشد: به ما می‌گوید سؤال بعدی را باید از کدام آدم بپرسیم، نه اینکه چه جمله‌ای از هوش مصنوعی بخواهیم.
هر دو تصویر این مقاله با هوش مصنوعی ساخته شده‌اند و تصویرسازی مفهومی‌اند؛ عکس رویداد یا نمای واقعی برنامه نیستند.
منابع
- Google Developers Blog: معرفی Foresight در خبر EmbeddingGemma 2؛ ۶ اکتبر ۲۰۲۶؛ منبع رسمی قابلیت‌های اعلام‌شده.
- talat: تجربه اولیه Google AI Edge Foresight؛ ۹ اکتبر ۲۰۲۶؛ بخش پردازش‌های پس‌زمینه در ۱۱ اکتبر به‌روزرسانی شده است. نوشته سازنده رقیب و مبتنی بر آزمونی کوتاه، نه پژوهش داوری‌شده.
نظر شما چیست؟