OpenMobile-2: ხელოვნური ინტელექტი, რომელიც სმარტფონს მართავს

ხელოვნური ინტელექტის განვითარების ერთ-ერთი მთავარი გამოწვევა სმარტფონის აპლიკაციებთან ავტონომიური მუშაობაა. ამ მიმართულებით მნიშვნელოვანი ნაბიჯი გადადგა მკვლევართა ჯგუფმა, რომელმაც წარმოადგინა OpenMobile-2. ეს არის ღია კოდის მქონე მოდელების ნაკრები, რომელიც მიზნად ისახავს სმარტფონის აგენტების შესაძლებლობების გაზრდას და დახურულ სისტემებთან არსებული სხვაობის აღმოფხვრას.

მრავალფეროვნება მონაცემთა რაოდენობაზე მნიშვნელოვანია

კვლევის ავტორების თქმით, AI აგენტის ეფექტურობა მხოლოდ მონაცემთა მოცულობაზე არ არის დამოკიდებული. უფრო მეტიც, გადამწყვეტი ფაქტორია იმ აპლიკაციების მრავალფეროვნება, რომლებზეც მოდელი ვარჯიშობს. მკვლევარებმა დაამტკიცეს, რომ მონაცემთა ფიქსირებული რაოდენობის პირობებში, აპლიკაციების სპექტრის გაფართოება პირდაპირ აუმჯობესებს აგენტის უნარს, შეასრულოს დავალებები უცნობ პროგრამებში.

OpenMobile-2 ეფუძნება Qwen-ის არქიტექტურას და გამოდის ორ ვერსიად: 9 მილიარდი და 27 მილიარდი პარამეტრით. პროექტის უნიკალურობა იმაშია, რომ მკვლევარებმა შექმნეს 35 პოპულარული აპლიკაციის იმიტირებული ვერსია, მათ შორის ისეთი სერვისების, როგორიცაა Google Drive და Slack. საერთო ჯამში, აგენტები 110-ზე მეტ აპლიკაციაზე ვარჯიშობენ, რაც მათ საშუალებას აძლევს, უკეთ გაერკვნენ მომხმარებლის ინტერფეისში.

როგორ სწავლობს აგენტი?

სმარტფონის აპლიკაციების ავტომატიზაცია რთული პროცესია, რადგან რეალურ აპებში მონაცემების გადატვირთვა ან შესვლა-გასვლა ხშირად მოუხერხებელია. მკვლევარებმა ეს პრობლემა იმიტირებული გარემოს შექმნით გადაჭრეს, სადაც ყოველი სესიის შემდეგ სისტემა საწყის მდგომარეობას უბრუნდება. აგენტი მხოლოდ ეკრანის ანაბეჭდებს ხედავს და არ აქვს წვდომა აპლიკაციის შიდა მონაცემთა ბაზაზე, რაც მაქსიმალურად აახლოებს მის მუშაობას ადამიანის ქცევასთან.

საინტერესოა, რომ მოდელების სწავლება Google-ის Gemini 3.1 Pro-ს მიერ გენერირებული მაგალითებით მოხდა. შედეგად, OpenMobile-2-მა მნიშვნელოვანი პროგრესი აჩვენა ტესტირებისას. მაგალითად, AndroidWorld-ის ბენჩმარკზე 27-მილიარდიანი მოდელის ქულა 67.1-დან 79.9-მდე გაიზარდა, ხოლო რეალურ მოწყობილობებზე დაფუძნებულ SPA-Bench ტესტში შედეგი თითქმის გაორმაგდა.

მომავალი: პირდაპირი ბრძანებები თუ ინტერფეისის კითხვა?

კვლევის ფარგლებში ექსპერიმენტული სახით დაინერგა პირდაპირი ბრძანებების ფუნქცია (მაგალითად, „კალათაში დამატება“), რათა აგენტს არ დასჭირდეს მენიუებში ნავიგაცია. აღმოჩნდა, რომ სათანადო წვრთნის შემდეგ, ამ მეთოდით აგენტები დავალებებს 10%-ით უფრო ეფექტურად ასრულებენ და ნაკლებ ნაბიჯს ანდომებენ.

მიუხედავად იმისა, რომ ტექნოლოგია ჯერ კიდევ ვითარდება, OpenMobile-2-ის ღია ბუნება ქმნის საფუძველს, რომ მომავალში სმარტფონის ასისტენტები უფრო მოქნილი და დამოუკიდებელი გახდნენ. ქართველი მომხმარებლებისთვის ეს ნიშნავს, რომ უახლოეს წლებში შესაძლოა ვიხილოთ უფრო ჭკვიანი ვირტუალური ასისტენტები, რომლებიც აპლიკაციებს შორის მონაცემებს ავტომატურად გადაანაწილებენ და რუტინულ დავალებებს ჩვენს ნაცვლად შეასრულებენ.