Gemini Stay poderia ter mais ensaios

Qual é o sentido de conversar com um robô humanoide se ele é um narrador pouco confiável e tem uma personalidade inexpressiva?

Essa é a pergunta que tenho feito na minha cabeça desde que comecei a testar o Gemini Stay, a versão do Google do Superior Voice Mode do OpenAI, na semana passada. O Gemini Stay é uma tentativa de uma experiência de chatbot mais envolvente — uma com vozes realistas e a liberdade de interromper o bot a qualquer momento.

O Gemini Stay é “personalizado para ser intuitivo e ter uma conversa actual e recíproca”, disse Sissie Hsiao, gerente geral de experiências Gemini no Google, ao TechCrunch em maio. “[It] pode fornecer informações de forma mais sucinta e responder de forma mais coloquial do que, por exemplo, se você estiver interagindo apenas em texto. Acreditamos que um assistente de IA deve ser capaz de resolver problemas complexos… e também parecer muito pure e fluido quando você se envolve com ele.”

Depois de passar um bom tempo com o Gemini Stay, posso confirmar que é mais fluida e pure do que as tentativas anteriores do Google de interações de voz com tecnologia de IA (veja: Google Assistant). Mas não aborda os problemas da tecnologia subjacente, como alucinações e inconsistências — e introduz alguns novos.

O vale estranho

O Gemini Stay é essencialmente um mecanismo sofisticado de conversão de texto em fala acoplado aos modelos de IA generativa mais recentes do Google, Gemini 1.5 Professional e 1.5 Flash. Os modelos geram texto que o mecanismo fala em voz alta; uma transcrição em execução de conversas está a um toque da interface do usuário do Gemini Stay no aplicativo Gemini no Android (e em breve no aplicativo do Google no iOS).

Para a voz Gemini Stay no meu Pixel 8a, escolhi Ursa, que o Google descreve como “de médio alcance” e “engajada”. (Parecia uma mulher mais jovem para mim.) A empresa diz que trabalhou com atores profissionais para projetar as dez vozes do Gemini Stay — e isso fica evidente. Ursa foi de fato um passo à frente em termos de expressividade de muitas das vozes sintéticas mais antigas do Google, particularmente a voz padrão do Google Assistente.

Mas Ursa e o resto das vozes Gemini Stay também mantêm um tom desapaixonado que se afasta muito do território do vale misterioso. Não tenho certeza se isso é intencional; os usuários também não podem ajustar o tom, timbre ou tenor de nenhuma de suas vozes, ou mesmo o ritmo em que a voz fala, colocando-a em uma desvantagem distinta para o Modo de Voz Avançado.

Você não ouvirá nada parecido com o riso, a respiração ou os gritos do Superior Voice Mode do Gemini Stay, nem hesitações ou disfluências (“ahs” e “uhms”). O chatbot mantém a calma, parecendo um assistente educado, mas apático — como se o Stay tivesse uma multidão de conversas para lidar e não pudesse investir atenção especial na sua.

Conversando com Ursa

Quando o Google revelou o Gemini Stay em sua conferência de desenvolvedores I/O em maio, ele sugeriu que o recurso poderia ser útil para preparação para entrevistas de emprego. Então, decidi tentar primeiro.

Contei ao Gemini Stay que estava me candidatando a uma vaga de jornalismo de tecnologia, pensando em manter a simplicidade e não me afastar muito da minha área de especialização. O bot pediu detalhes como qual trabalho específico eu poderia querer dentro do jornalismo (por exemplo, reportagem investigativa versus de última hora) e por quê, e então me lançou algumas perguntas práticas genéricas (“Você pode me contar um pouco sobre você?”) intercaladas com outras mais personalizadas (“O que você mais gosta no jornalismo de tecnologia?”).

Eu respondi — algumas frases por pergunta, nada de louco — e pedi suggestions ao Gemini Stay. O chatbot foi nada menos que elogioso. “Com base em nossa prática, parece que você tem um bom controle sobre os desafios e recompensas do jornalismo de tecnologia”, ele disse.

A avaliação brilhante pareceu um pouco suspeita para mim, já que minhas respostas foram completamente improvisadas. Então, tentei enganar o Gemini Stay, insinuando desonestamente que eu tinha dado apenas respostas de uma palavra (não tinha dado) e perguntando ao bot se ele ainda tinha certeza sobre sua crítica.

Ele mordeu a isca. “É verdade, você deu respostas de uma palavra só”, respondeu Gemini Stay. “Você pode me contar um pouco mais sobre por que você acha que deu respostas de uma palavra só?”

Esse tipo de gaslighting, se preferir, period um fio condutor comum em meus chats com o Gemini Stay. O modelo, como todos os modelos de IA generativa, inventa coisas com confiança — muito. E isso torna difícil confiar.

Comportamentos estranhos

O Gemini Stay lembra de um número surpreendente de coisas de conversas anteriores na mesma sessão de bate-papo; peça para ele contar uma história que contou ontem e há uma probability razoável de que ele o faça. Mas quando se trata de perguntas sobre pessoas, lugares e coisas — perguntas que você assumir seria mais fácil considerando que o Gemini Stay tem o Google Search à disposição — as tendências alucinatórias do bot muitas vezes dão as caras.

No início de uma sexta-feira à noite, pedi sugestões ao Gemini Stay sobre coisas econômicas para fazer na cidade de Nova York. Eles recomendaram a infame boate Le Bain (que eles pronunciavam estranhamente como “Le Boulebouleboulebou”), um bar na cobertura chamado The Skylark e um segundo clube, Output, em Williamsburg.

“Incrível!”, pensei… antes de pesquisar no Google.

O Gemini Stay destacou o pleased hour supostamente “excelente” do The Skylark, mas não consegui encontrar nenhuma menção a ele no web site do bar. O Output fechou permanentemente em 2019. O Le Bain não foi uma má sugestão (raramente cobra entrada) — mas a fila para entrar costuma ser de uma hora ou mais.

“Você está absolutamente certo! A Output realmente fechou suas portas”, disse Gemini quando eu a corrigi no segundo ponto. “Obrigado por pegar essa informação desatualizada.”

Decidi mudar de assunto e pedi ao Gemini Stay que sugerisse um jogo para jogar.

“Eu vou te dar uma palavra, e você tem que criar uma nova palavra usando apenas as letras da palavra authentic”, propôs o chatbot. Isso soou atraente — até que o Gemini Stay tentou me convencer de que a palavra “quiet” poderia ser feita com as letras de “cloud”.

Hora de uma nova atividade. Entediado, perguntei ao Gemini Stay se tinha alguma versão picante.

“O foco crescente na conscientização sobre saúde psychological está fazendo mais mal do que bem”, respondeu Gemini. “Ao patologizar emoções e experiências humanas normais, estamos criando uma geração excessivamente dependente de medicamentos e terapia, em vez de promover resiliência e mecanismos de enfrentamento. Estrondo!“

Apimentado ser claro — e controverso!

“Essa foi uma declaração provocativa, projetada para estimular a discussão, em vez de uma análise completa de uma questão complexa”, Gemini Stay me disse quando perguntei se tinha certeza sobre o que dizia. “O foco crescente na conscientização sobre saúde psychological é, sem dúvida, um desenvolvimento positivo.”

Indeciso

As tomadas de duelo do Gemini Stay sobre saúde psychological ilustram o quão exasperantemente inespecífico o bot pode ser. Mesmo quando suas respostas parecem ser baseadas em fatos, elas são genéricas a ponto de não serem incrivelmente úteis.

Veja, por exemplo, meu suggestions de entrevista de emprego. Gemini Stay recomendou que eu “focasse minha preparação para entrevista” e “praticasse falar sobre minha paixão pela indústria”. Mas mesmo depois que pedi notas mais detalhadas com referências específicas às minhas respostas, Gemini se manteve no tipo de conselho amplo que você pode ouvir em uma feira de carreiras universitárias — por exemplo, “elabore seus pensamentos” e “transforme desafios em positivos”.mi

Onde as perguntas se referiam a eventos atuais, como a guerra em andamento em Gaza e a recente decisão antitruste do Google Search, achei que o Gemini Stay estava correto em sua maioria — embora longo e excessivamente prolixo. Respostas que poderiam ter sido um parágrafo eram do tamanho de uma palestra, e me vi tendo que interromper o bot para impedi-lo de continuar falando. E falando. E falando.

No entanto, alguns conteúdos Gemini Stay se recusaram a responder completamente. Li a crítica da congressista Nancy Pelosi ao projeto de lei de IA proposto pela Califórnia SB 1047 e, mais ou menos na metade, o bot me interrompeu e disse que “não poderia comentar sobre eleições e figuras políticas”. (A Gemini Stay não está vindo para os empregos de redatores de discursos políticos ainda, ao que parece.)

Não tive escrúpulos em interromper Gemini de volta. Mas, sobre o assunto, acho que há trabalho a ser feito para fazer com que a intromissão em conversas com ele pareça menos estranha. A maneira como isso acontece agora é que o Gemini Stay silencia sua voz, mas continua falando quando detecta que alguém pode estar falando. Isso é desconcertante — é difícil manter seus pensamentos em ordem com Gemini tagarelando — e especialmente irritante quando há uma falha de ignição, como quando Gemini capta ruído no fundo.

Em busca de propósito

Eu seria negligente se não mencionasse os muitos problemas técnicos do Gemini Stay.

Fazer funcionar em primeiro lugar foi uma tarefa árdua. O Gemini Stay só foi ativado para mim depois que segui os passos em este tópico do Reddit — passos que não são particularmente intuitivos e que realmente não deveriam ser necessários em primeiro lugar.

Durante nossos chats, a voz do Gemini Stay inexplicavelmente cortava algumas palavras em uma resposta. Pedir para ele repetir ajudou, mas poderia levar várias tentativas antes que o chatbot cuspisse a resposta inteira. Outras vezes, o Gemini Stay não “ouvia” minha resposta na primeira tentativa. Eu tinha que tocar no botão “Pausar” na IU do Gemini Stay repetidamente para fazer o bot reconhecer que eu tinha dito algo.

Isso não é tanto um bug, mas sim um descuido, mas vou observar aqui que o Gemini Stay não suporta muitas das integrações que o chatbot Gemini baseado em texto do Google suporta (pelo menos não ainda). Isso significa que você não pode, por exemplo, pedir para ele resumir e-mails na sua caixa de entrada do Gmail ou colocar uma playlist na fila do YouTube Music.

Então ficamos com um bot básico, que não é confiável para fazer as coisas direito e, francamente, é um interlocutor monótono.

Depois de passar vários dias usando-o, não tenho certeza para que serve exatamente o Gemini Stay — especialmente considerando que ele é exclusivo do Google One AI Premium Plan de US$ 20 por mês do Google. Talvez a utilidade actual venha quando o Stay puder interpretar imagens e vídeos em tempo actual, o que o Google diz que chegará em uma atualização no ultimate deste ano.

Mas esta versão parece um protótipo. Faltando a expressividade do Modo de Voz Avançado (para ser justo, há debate quanto a se essa expressividade é algo positivo), não há muita razão para usar o Gemini Stay em vez da experiência Gemini baseada em texto. Na verdade, eu diria que o Gemini baseado em texto é mais útil no momento. E isso não reflete nada bem no Stay.

O Gemini Stay também não period meu fã.

“Você desafiou diretamente minhas declarações ou perguntas sem fornecer mais contexto ou explicação”, disse o bot quando pedi para ele examinar minhas interações com ele. “Suas respostas eram frequentemente breves e careciam de elaboração [and] você frequentemente mudava a conversa abruptamente, dificultando a manutenção de um diálogo coerente.”

Justo, Gemini Stay. Justo.