گوگل در کنفرانس I/O 2025 از انبوهی از قابلیت‌های مبتنی بر هوش مصنوعی و به‌روزرسانی‌های اندروید رونمایی کرد

کنفرانس Google I/O 2025، بزرگترین رویداد سالانه گوگل برای توسعه‌دهندگان، روزهای سه‌شنبه و چهارشنبه در آمفی‌تئاتر Shoreline در Mountain View برگزار شد. در این کنفرانس، گوگل از قابلیت‌های جدید و به‌روزرسانی‌های متعددی در سراسر پورتفولیوی محصولات خود شامل اندروید، کروم (Chrome)، جستجوی گوگل (Google Search)، یوتیوب (YouTube) و به‌ویژه هوش مصنوعی جمنای (Gemini) پرده برداشت.

گوگل همچنین رویداد جداگانه‌ای را به به‌روزرسانی‌های اندروید با نام «The Android Show» اختصاص داد. در این بخش، روش‌های جدیدی برای یافتن گوشی‌های اندرویدی و سایر اقلام گم‌شده، قابلیت‌های بیشتر در سطح دستگاه برای برنامه حفاظت پیشرفته (Advanced Protection program)، ابزارهای امنیتی برای محافظت در برابر کلاهبرداری و سرقت، و یک زبان طراحی جدید با نام Material 3 Expressive معرفی شد.

در ادامه، مهم‌ترین نکات اعلام شده در کنفرانس Google I/O 2025 آورده شده است:

جمنای اولترا (Gemini Ultra) (فعلاً فقط در آمریکا) بالاترین سطح دسترسی به برنامه‌ها و خدمات هوش مصنوعی گوگل را ارائه می‌دهد. قیمت این اشتراک ماهانه ۲۴۹.۹۹ دلار است و شامل برنامه تولید ویدیوی Veo 3 گوگل، برنامه جدید ویرایش ویدیوی Flow، و قابلیت قدرتمند هوش مصنوعی Gemini 2.5 Pro Deep Think mode می‌شود که هنوز عرضه نشده است.

اشتراک هوش مصنوعی اولترا (AI Ultra) همچنین شامل محدودیت‌های بالاتر در پلتفرم NotebookLM و برنامه ترکیب تصویر Whisk گوگل است. مشترکین AI Ultra به چت‌بات جمنای در کروم، برخی ابزارهای «ایجنتیک» (agentic) که توسط فناوری Project Mariner گوگل قدرت می‌گیرند، YouTube Premium و ۳۰ ترابایت فضای ذخیره‌سازی در Google Drive، Google Photos و Gmail دسترسی پیدا می‌کنند.

دیپ تینک (Deep Think) یک حالت استدلال «بهبودیافته» برای مدل پرچم‌دار Gemini 2.5 Pro گوگل است. این قابلیت به مدل اجازه می‌دهد پیش از پاسخ دادن، چندین پاسخ را برای سؤالات بررسی کند که باعث افزایش عملکرد آن در برخی معیارهای بنچمارک (benchmark) می‌شود. گوگل جزئیات زیادی در مورد نحوه کار Deep Think ارائه نکرد، اما ممکن است مشابه مدل‌های o1-pro و آتی o3-pro شرکت OpenAI باشد که احتمالاً از یک موتور برای جستجو و ترکیب بهترین راه‌حل برای یک مسئله استفاده می‌کنند. Deep Think از سه‌شنبه در دسترس «تسترها یا آزمایش‌کنندگان مورد اعتماد» (trusted testers) از طریق رابط برنامه‌نویسی جمنای (Gemini API) قرار گرفته است. گوگل اعلام کرد برای انجام ارزیابی‌های ایمنی زمان بیشتری اختصاص می‌دهد و سپس Deep Think را به طور گسترده عرضه خواهد کرد.

گوگل ادعا می‌کند Veo 3 می‌تواند جلوه‌های صوتی، صداهای پس‌زمینه و حتی دیالوگ را برای همراهی ویدیوهایی که ایجاد می‌کند، تولید نماید. به گفته گوگل، Veo 3 همچنین در کیفیت فیلم‌هایی که می‌تواند تولید کند، نسبت به نسل قبلی خود، Veo 2، بهبود یافته است. Veo 3 از سه‌شنبه در برنامه چت‌بات جمنای گوگل برای مشترکین طرح AI Ultra با قیمت ماهانه ۲۴۹.۹۹ دلار در دسترس قرار گرفته است؛ در این برنامه می‌توان با متن یا تصویر به آن دستور داد.

به گفته گوگل، ایمیجن ۴ (Imagen 4) سریع است؛ سریع‌تر از Imagen 3، و به‌زودی سریع‌تر هم خواهد شد. در آینده نزدیک، گوگل قصد دارد نسخه‌ای از Imagen 4 را منتشر کند که تا ۱۰ برابر سریع‌تر از Imagen 3 است. Imagen 4 به گفته گوگل قادر به رندر کردن «جزئیات دقیق» مانند بافت پارچه، قطرات آب و خز حیوانات است. این مدل می‌تواند هر دو سبک فوتورئالیستی و انتزاعی را مدیریت کند و تصاویری با نسبت‌های ابعاد مختلف و تا رزولوشن 2K ایجاد نماید. هم Veo 3 و هم Imagen 4 برای قدرت بخشیدن به Flow، ابزار ویدیوی مبتنی بر هوش مصنوعی گوگل که برای فیلم‌سازی طراحی شده، استفاده خواهند شد.

گوگل اعلام کرد که برنامه‌های جمنای بیش از ۴۰۰ میلیون کاربر فعال ماهانه دارند.

قابلیت‌های دوربین و اشتراک‌گذاری صفحه نمایش جمنای لایو (Gemini Live) این هفته برای همه کاربران iOS و اندروید عرضه خواهد شد. این ویژگی که توسط Project Astra قدرت می‌گیرد، به کاربران امکان می‌دهد مکالمات شفاهی تقریباً در زمان واقعی با جمنای داشته باشند، در حالی که ویدیوی دوربین یا صفحه نمایش گوشی هوشمند خود را نیز به مدل هوش مصنوعی استریم می‌کنند. گوگل می‌گوید جمنای لایو همچنین در هفته‌های آینده با برنامه‌های دیگر خود عمیق‌تر ادغام خواهد شد: به‌زودی قادر خواهد بود مسیرها را از Google Maps ارائه دهد، رویدادها را در Google Calendar ایجاد کند و لیست‌های کارهایی را با Google Tasks بسازد.

گوگل می‌گوید Deep Research، ایجنت هوش مصنوعی جمنای که گزارش‌های تحقیقاتی جامع تولید می‌کند، را به‌روزرسانی کرده است تا به کاربران امکان آپلود فایل‌های PDF و تصاویر خصوصی خود را بدهد.

استیچ (Stitch) یک ابزار مبتنی بر هوش مصنوعی است که به افراد کمک می‌کند با تولید عناصر واسط کاربری (UI) و کد مورد نیاز، ظاهر (frontend) برنامه‌های وب و موبایل را طراحی کنند. می‌توان با چند کلمه یا حتی یک تصویر به Stitch دستور داد تا واسط‌های کاربری برنامه را ایجاد کند و نشانه‌گذاری HTML و CSS برای طرح‌هایی که تولید می‌کند، ارائه دهد. Stitch در مقایسه با برخی دیگر از محصولات کدنویسی بر اساس الگو، کمی محدودتر است، اما گزینه‌های سفارشی‌سازی قابل توجهی دارد.

گوگل همچنین دسترسی به جولز (Jules)، ایجنت هوش مصنوعی خود را که با هدف کمک به توسعه‌دهندگان در رفع اشکالات کد طراحی شده است، گسترش داده است. این ابزار به توسعه‌دهندگان کمک می‌کند کدهای پیچیده را درک کنند، درخواست‌های پول ریکوئست (pull requests) را در GitHub ایجاد کنند، و برخی از آیتم‌های بک‌لاگ (backlog items) و وظایف برنامه‌نویسی را مدیریت نمایند.

پروژه مارینر (Project Mariner) ایجنت هوش مصنوعی آزمایشی گوگل است که وب‌سایت‌ها را مرور کرده و از آن‌ها استفاده می‌کند. گوگل اعلام کرده است که نحوه عملکرد Project Mariner را به طور قابل توجهی به‌روزرسانی کرده است، به طوری که ایجنت می‌تواند تقریباً دوازده وظیفه را به طور همزمان انجام دهد و اکنون در حال عرضه آن به کاربران است. به عنوان مثال، کاربران Project Mariner می‌توانند بدون مراجعه به وب‌سایت‌های شخص ثالث، بلیط بازی بیسبال یا مواد غذایی را آنلاین خریداری کنند. افراد می‌توانند فقط با ایجنت هوش مصنوعی گوگل چت کنند و او وب‌سایت‌ها را بازدید کرده و اقداماتی را برای آن‌ها انجام می‌دهد.

تجربه هوش مصنوعی چندوجهی (multimodal AI) با تأخیر پایین گوگل، Project Astra، مجموعه‌ای از تجربه‌های جدید را در جستجو (Search)، برنامه هوش مصنوعی جمنای و محصولات توسعه‌دهندگان شخص ثالث قدرت خواهد بخشید. Project Astra از گوگل دیپ‌مایند (Google DeepMind) به عنوان راهی برای نمایش قابلیت‌های هوش مصنوعی چندوجهی تقریباً در زمان واقعی متولد شد. این شرکت می‌گوید اکنون در حال ساخت عینک‌های Project Astra با شرکایی از جمله سامسونگ (Samsung) و وربی پارکر (Warby Parker) است، اما تاریخ عرضه مشخصی هنوز اعلام نکرده است.

گوگل در حال عرضه حالت هوش مصنوعی (AI Mode)، ویژگی آزمایشی جستجوی گوگل است که به افراد اجازه می‌دهد از طریق رابط کاربری هوش مصنوعی سؤالات پیچیده و چندبخشی بپرسند، برای کاربران در آمریکا در این هفته است. حالت هوش مصنوعی از استفاده از داده‌های پیچیده در پرس‌وجوهای ورزشی و مالی پشتیبانی خواهد کرد و گزینه‌های «امتحان کردن» (try it on) را برای پوشاک ارائه می‌دهد. جستجوی زنده (Search Live)، که اواخر تابستان امسال عرضه می‌شود، به شما امکان می‌دهد بر اساس آنچه دوربین گوشی شما در زمان واقعی می‌بیند، سؤال بپرسید.

Gmail اولین برنامه‌ای است که با زمینه شخصی‌سازی‌شده پشتیبانی می‌شود.

بیم (Beam)، که قبلاً Starline نام داشت، از ترکیبی از نرم‌افزار و سخت‌افزار شامل آرایه‌ای از شش دوربین و نمایشگر میدان نوری سفارشی استفاده می‌کند تا به کاربر اجازه دهد با فرد دیگری طوری مکالمه کند که گویی در یک اتاق جلسه هستند. یک مدل هوش مصنوعی ویدیو را از دوربین‌هایی که در زوایای مختلف قرار گرفته و به سمت کاربر نشانه رفته‌اند، به یک رندر سه‌بعدی تبدیل می‌کند. Beam گوگل از ردیابی سر با دقت میلی‌متری «تقریباً بی‌نقص» و استریم ویدیوی ۶۰ فریم بر ثانیه بهره می‌برد. هنگام استفاده با Google Meet، Beam ویژگی ترجمه گفتار در زمان واقعی مبتنی بر هوش مصنوعی را ارائه می‌دهد که صدا، لحن و حالات سخنران اصلی را حفظ می‌کند.

و صحبت از Google Meet، گوگل اعلام کرد که Meet در حال دریافت قابلیت ترجمه گفتار در زمان واقعی است.

گوگل در حال عرضه جمنای در کروم است که به افراد دسترسی به یک دستیار مرور مبتنی بر هوش مصنوعی جدید را می‌دهد که به آن‌ها کمک می‌کند به سرعت زمینه یک صفحه را درک کرده و وظایف را انجام دهند.

جما 3n (Gemma 3n) یک مدل است که برای اجرا «روان» بر روی گوشی‌ها، لپ‌تاپ‌ها و تبلت‌ها طراحی شده است. پیش‌نمایش آن از سه‌شنبه در دسترس است؛ به گفته گوگل می‌تواند صدا، متن، تصاویر و ویدیوها را مدیریت کند.

این شرکت همچنین از انبوهی از قابلیت‌های هوش مصنوعی Workspace که به Gmail، Google Docs و Google Vids می‌آیند، خبر داد. مهم‌تر از همه، Gmail در حال دریافت پاسخ‌های هوشمند شخصی‌سازی‌شده و یک ویژگی جدید برای پاکسازی صندوق ورودی است، در حالی که Vids روش‌های جدیدی برای ایجاد و ویرایش محتوا دریافت می‌کند.

قابلیت مرور کلی ویدیو (Video Overviews) در NotebookLM ارائه می‌شود و این شرکت SynthID Detector، یک پورتال تأیید را عرضه کرد که از فناوری واترمارک (watermarking) SynthID گوگل برای کمک به شناسایی محتوای تولید شده توسط هوش مصنوعی استفاده می‌کند. Lyria RealTime، مدل هوش مصنوعی که برنامه آزمایشی تولید موسیقی آن را قدرت می‌دهد، اکنون از طریق یک API در دسترس است.

Wear OS 6 یک فونت یکپارچه برای کاشی‌ها (tiles) به منظور ظاهری تمیزتر در برنامه‌ها به ارمغان می‌آورد و ساعت‌های پیکسل (Pixel Watches) در حال دریافت تم‌بندی (theming) پویا هستند که رنگ برنامه‌ها را با واچ‌فیس‌ها (watch faces) همگام‌سازی می‌کند.

وعده اصلی پلتفرم مرجع طراحی جدید این است که به توسعه‌دهندگان اجازه دهد سفارشی‌سازی بهتری را در برنامه‌ها همراه با انتقال‌های یکپارچه بسازند. این شرکت در حال انتشار راهنمای طراحی برای توسعه‌دهندگان همراه با فایل‌های طراحی Figma است.

گوگل در حال تقویت پلی استور (Play Store) برای توسعه‌دهندگان اندروید با ابزارهای جدید برای مدیریت اشتراک‌ها، صفحات موضوعی تا کاربران بتوانند به علایق خاص خود بپردازند، نمونه‌های صوتی برای پیش‌نمایش محتوای برنامه، و تجربه پرداخت جدید برای روان‌تر کردن فروش افزونه‌ها است.

صفحات «مرور موضوعی» (Topic browse) برای فیلم‌ها و نمایش‌ها (فعلاً فقط در آمریکا) کاربران را به برنامه‌های مرتبط با تعداد زیادی از نمایش‌ها و فیلم‌ها متصل می‌کند. علاوه بر این، توسعه‌دهندگان صفحات اختصاصی برای تست و انتشار و ابزارهایی برای نظارت و بهبود عرضه برنامه‌های خود دریافت می‌کنند. توسعه‌دهندگانی که از گوگل استفاده می‌کنند اکنون می‌توانند در صورت بروز مشکل بحرانی، عرضه زنده برنامه را متوقف کنند.

ابزارهای مدیریت اشتراک نیز با پرداخت چند محصولی (multi-product checkout) ارتقا می‌یابند. توسعه‌دهندگان به‌زودی قادر خواهند بود افزونه‌های اشتراک را در کنار اشتراک‌های اصلی، همه تحت یک پرداخت ارائه دهند.

اندروید استودیو (Android Studio) در حال ادغام قابلیت‌های هوش مصنوعی جدیدی است، از جمله «سفرها» (Journeys)، یک قابلیت «هوش مصنوعی ایجنتیک» که همزمان با انتشار مدل Gemini 2.5 Pro ارائه می‌شود. و یک «حالت ایجنت» (Agent Mode) قادر به مدیریت فرآیندهای توسعه پیچیده‌تر خواهد بود.

اندروید استودیو قابلیت‌های هوش مصنوعی جدیدی دریافت خواهد کرد، از جمله یک ویژگی «بررسی خرابی» (crash insights) بهبودیافته در پنل App Quality Insights. این بهبود که توسط جمنای قدرت می‌گیرد، کد منبع برنامه را برای شناسایی دلایل احتمالی خرابی‌ها تجزیه و تحلیل کرده و راه‌حل‌هایی پیشنهاد می‌دهد.