Google se třese WIRED zjistil, že podporuje tým stojící za Project Mariner, jeho agentem AI, který dokáže procházet prohlížeč Chrome a plnit úkoly jménem uživatele. V posledních měsících někteří zaměstnanci Google Labs, kteří pracovali na výzkumném prototypu, přešli na projekty s vyšší prioritou, podle dvou lidí obeznámených s touto záležitostí.
Mluvčí společnosti Google potvrdil změny, ale řekl, že možnosti používání počítače vyvinuté v rámci Project Mariner budou začleněny do strategie agentů společnosti, která se bude pohybovat vpřed. Google již některé z těchto schopností zakomponoval do dalších agentských produktů, včetně nedávno spuštěného Gemini Agent, dodal mluvčí.
Změna přichází, když Google a další laboratoře AI spěchají reagovat na vzestup vysoce schopných agentů, jako je OpenClaw. I když tyto nástroje dnes většinou používají vývojáři, Silicon Valley věří, že by brzy mohly pohánět univerzální asistenty pro lidi a podniky. Generální ředitel Nvidie Jensen Huang přirovnal tento buzzy nástroj k novému operačnímu systému pro agentní počítače. „Každá společnost na světě dnes potřebuje mít strategii OpenClaw,“ řekl na vývojářské konferenci společnosti začátkem tohoto týdne.
Generální ředitel společnosti Google Sundar Pichai zdůraznil Project Mariner během loňské I/O konference. V té době se agenti prohlížečů zdáli jako další velká sázka v tomto odvětví, protože OpenAI a Perplexity spustily spotřebitelské agenty, které slibovaly automatizaci online úloh pro uživatele. Agenti mohli klikat, posouvat a vyplňovat formuláře na webové stránce, podobně jako člověk. Přijetí těchto produktů však nesplnilo očekávání průmyslu.
Prohlížečový agent Comet společnosti Perplexity dosáhl v prosinci 2025 pouze 2,8 milionu aktivních uživatelů týdně. Mezitím agent ChatGPT od OpenAI v posledních měsících údajně klesl na méně než 1 milion aktivních uživatelů týdně. Ve srovnání se stovkami milionů uživatelů, kteří každý týden mluví s ChatGPT, využití agenta prohlížeče v podstatě znamená chybu zaokrouhlení.
Noví agenti ve městě
Momentum ve světě umělé inteligence se za poslední rok dramaticky posunulo směrem k agentům jako Claude Code a OpenClaw (jejichž tvůrce byl najat OpenAI). Na rozdíl od agentů pro procházení webu tyto systémy ovládají počítače pomocí příkazového řádku, což se ukázalo jako spolehlivější způsob plnění úkolů. Některé z těchto produktů zahrnují používání počítače jako funkci, kromě jiných agentních schopností. Pro srovnání, agenti prohlížeče se nyní zdají být jako samostatný produkt poněkud omezeni.
Kian Katanforoosh, generální ředitel platformy Workera pro zvyšování dovedností umělé inteligence, který přednáší o umělé inteligenci na Stanfordu, říká, že jedním z důvodů, proč se agenti pro používání počítačů neujali, jsou jejich obrovské výpočetní požadavky. Většina těchto agentů funguje tak, že pořídí sérii snímků obrazovky webové stránky, vloží je do modelu umělé inteligence a poté podniknou akce na základě toho, co vidí. Zpracování všech těchto informací může být pomalé a někdy nespolehlivé.
„Claude Code a OpenClaw ukázaly, že je ve skutečnosti mnohem efektivnější pracovat s terminálem, protože terminál je založen na textu a LLM jsou založené na textu,“ řekl Katanforoosh. „Pravděpodobně je to 10 až 100x méně kroků k dosažení stejných výsledků.“
To neznamená, že se agenti prohlížečů nezlepšují nebo že se výzkum používání počítačů dostal do slepé uličky.
Minulý měsíc startup Standard Intelligence vydal model používání počítače trénovaný na videích, nikoli na snímcích obrazovky. Startup říká, že vyvinul video kodér, který dokáže komprimovat videa do kontextového okna modelu AI, o kterém tvrdí, že je 50x efektivnější než předchozí modely pro použití na počítači. Aby startup předvedl schopnosti svého modelu AI, připojil jej k autu, živému videu a počítačové klávesnici. Model byl schopen krátce autonomně jezdit po San Franciscu.
Čerpáme z těchto zdrojů: google.com, science.org, newatlas.com, wired.com, pixabay.com
