Gemini Decisions API؛ تصمیم‌گیری چندرسانه‌ای با پاسخ محدود و قابل‌سنجش

Gemini Decisions API یک API تخصصی برای تصمیم‌های محدود و قابل‌اندازه‌گیری است؛ تصمیم‌هایی مانند بله یا خیر، انتخاب یکی از چند گزینه و امتیازدهی. این سرویس به‌جای تولید متن آزاد، از یک ورودی چندرسانه‌ای پاسخ ساختاریافته، احتمال و امتیاز اطمینان می‌سازد تا نرم‌افزار بتواند نتیجه را ثبت کند، موارد مبهم را جدا کند و در صورت نیاز آن‌ها را به بررسی انسانی بسپارد. برای آشنایی بیشتر با خبرها و آموزش‌های کاربردی، آرشیو فناوری تکتاز مگ را ببینید.

گوگل چه چیزی معرفی کرده است؟

گوگل در ۱۱ نوامبر ۲۰۲۶ از Gemini Decisions API و مدل Gemini Decision ۱ رونمایی کرد. هدف این سرویس، حل مسئله‌هایی است که خروجی آن‌ها باید محدود، سریع و قابل ارزیابی باشد؛ نه اینکه مدل یک متن طولانی و آزاد تولید کند. مسیریابی یک درخواست به ابزار مناسب، کنترل یک سیاست، انتخاب یک برچسب یا تشخیص نیاز به ارجاع انسانی، نمونه‌هایی از همین تصمیم‌ها هستند.

طبق اعلام رسمی، ورودی می‌تواند متن، تصویر، صوت، ویدئو یا PDF باشد. یک ورودی می‌تواند برای حداکثر ۱۰۰۰ پرسش مستقل استفاده شود و هر پاسخ احتمال گزینه‌ها و امتیاز اطمینان دارد. گوگل زمان پاسخ انتهابه‌انتها را حدود ۱۵۰ تا ۲۵۰ میلی‌ثانیه و قیمت را ۰٫۱۰ دلار به‌ازای هر یک میلیون توکن ورودی، بدون هزینهٔ توکن خروجی، اعلام کرده است. جزئیات رسمی را در معرفی Gemini Decisions API در وبلاگ Google DeepMind بخوانید.

Gemini Decisions API چه مسئله‌ای را حل می‌کند؟

در بسیاری از workflowهای نرم‌افزاری، پاسخ مورد نیاز یک مقاله یا چت نیست؛ برنامه فقط باید بین چند مسیر مشخص انتخاب کند. برای نمونه، یک سامانهٔ پشتیبانی می‌تواند تشخیص دهد پیام مشتری در دستهٔ «مالی»، «فنی» یا «نیازمند بررسی انسانی» قرار می‌گیرد. یک عامل نرم‌افزاری نیز می‌تواند پیش از فراخوانی ابزار، بررسی کند آیا درخواست با سیاست دسترسی سازگار است یا خیر.

این محدودبودن خروجی چند مزیت دارد. تست‌کردن تصمیم‌ها ساده‌تر می‌شود، لاگ‌ها ساختار مشخصی پیدا می‌کنند و تیم می‌تواند آستانهٔ اطمینان تعریف کند. اگر احتمال یک گزینه پایین باشد، سیستم به‌جای اجرای کورکورانه، درخواست را متوقف می‌کند یا به اپراتور می‌سپارد. در نتیجه، مدل در زنجیرهٔ اتوماسیون نقش قابل‌کنترل‌تری دارد.

تفاوت با تولید متن آزاد

Gemini Decisions API جایگزین همهٔ مدل‌های مولد نیست. وقتی کاربر به توضیح، خلاصه، ایده یا کد نیاز دارد، مدل مولد همچنان انتخاب طبیعی‌تری است. اما برای طبقه‌بندی، انتخاب ابزار، ارزیابی سیاست و تصمیم‌های تکرارشونده، پاسخ محدود می‌تواند خطای پیاده‌سازی را کاهش دهد. نکتهٔ مهم این است که تیم توسعه باید گزینه‌های مجاز، معنای هر گزینه و مسیر fallback را از قبل تعریف کند؛ API به‌تنهایی سیاست کسب‌وکار را طراحی نمی‌کند.

چک‌لیست استفادهٔ امن برای توسعه‌دهندگان

پیش از استفادهٔ عملی از Gemini Decisions API، یک مجموعه‌دادهٔ واقعی و جداگانه برای ارزیابی بسازید. دقت کلی کافی نیست؛ خطاهای هر کلاس، نمونه‌های مرزی، داده‌های چندزبانه و ورودی‌های ناقص را هم بررسی کنید. برای هر تصمیم، آستانهٔ اطمینان و رفتار زمانی که هیچ گزینه‌ای مطمئن نیست مشخص کنید. همچنین latency، هزینهٔ واقعی، تعداد پرسش‌های هر ورودی و اثر تغییر prompt یا schema را در staging اندازه‌گیری کنید.

دسترسی را محدود نگه دارید و داده‌های حساس را بدون بررسی سیاست حریم خصوصی وارد نکنید. همهٔ تصمیم‌های مهم باید قابل ردیابی باشند: نسخهٔ prompt، مدل، ورودی، گزینهٔ انتخاب‌شده، امتیاز اطمینان و نتیجهٔ نهایی را در لاگ امن ثبت کنید. برای عملیات پرریسک، یک گیت انسانی و امکان rollback قرار دهید. در نهایت، قبل از انتقال به production، سناریوهای timeout، پاسخ نامعتبر، تغییر مدل و قطع سرویس را آزمایش کنید.

جمع‌بندی

Gemini Decisions API برای بخشی از سیستم‌های هوشمند طراحی شده است که به تصمیم سریع، محدود و قابل‌سنجش نیاز دارند. پشتیبانی از ورودی‌های چندرسانه‌ای و بازگرداندن احتمال و اطمینان می‌تواند مسیر اتصال مدل به ابزارها و workflowهای سازمانی را روشن‌تر کند؛ بااین‌حال ارزیابی مستقل، کنترل دسترسی و ارجاع موارد مبهم به انسان همچنان ضروری است. بهترین نقطهٔ شروع، یک سناریوی کوچک در staging با معیار موفقیت روشن و امکان بازگشت است.