概要
Google DeepMindは、Geminiを活用してマウスカーソルに視覚・意味的コンテキストを理解させ、プロンプト入力を最小限にする直感的なAI操作の4原則を発表しました。
詳細内容
Google DeepMindは、50年以上大きな進化がなかったマウスカーソルをAI時代に合わせて刷新する取り組みを公開しました。現在のAI利用は、ユーザーがデータをAIツール側に持ち込む「AIデ detour（迂回）」を強いていますが、新提案ではAIがユーザーのフローに寄り添う形を目指しています。
具体的には以下の4つの設計原則を掲げています：
1. **フローの維持**: あらゆるアプリ上で動作し、作業を中断させない。
2. **Show and tell**: カーソル周辺の視覚的・意味的情報をAIが自動で把握し、詳細な説明を不要にする。
3. **「これ・あれ」の活用**: 人間同士の会話のように、指し示しながら短い言葉で指示を完結させる。
4. **ピクセルの実体化**: 画面上の情報を単なる画素ではなく、場所、日付、オブジェクトなどの実体として認識し、即座にアクション可能にする。
この技術はGeminiを基盤としており、Chromeブラウザでの機能統合や、次世代ノートPC「Googlebook」の「Magic Pointer」として実装が予定されています。