От узких задач к звонкам в Gemini
Duplex создавали для телефонных разговоров, в которых собеседник может менять решение на ходу, говорить не по сценарию и обозначать очередь реплик интонацией. Системе нужно понимать речь, учитывать контекст и быстро формировать ответы, чтобы не перебивать человека и не оставлять долгих пауз.
Со временем Duplex стала общей разговорной инфраструктурой для продуктов Google. Во время пандемии COVID-19 система автоматически проверяла сведения о компаниях, чтобы обновлять часы работы и данные об услугах. По данным Google, к 2023 году информация из звонков Duplex более триллиона раз отображалась в Search и Maps.
С 2019 года Google также выпускала функции Call Assist для пяти поколений смартфонов Pixel. Модели Duplex помогают работе Call Screen, которая фильтрует неизвестные номера, и Hold for Me: функция ждёт в очереди на удержании, а когда отвечает сотрудник, пользователь может подключиться к разговору.
В 2025 и 2026 годах фундаментальные модели позволили расширить автоматические звонки в Google Search и Ask Maps. С их помощью система уточняет цены, наличие товаров и доступность услуг — от груминга домашних животных до ремонта автомобилей.
Источник: research.google
Три поколения Duplex
Архитектура системы менялась вместе с развитием моделей: от специализированных нейросетевых пайплайнов к единой системе на базе Gemini.
1. Модели для отдельных задач
Работу над Duplex начали до появления современных языковых моделей и трансформеров. Чтобы разговоры были предсказуемыми, систему ограничили конкретными задачами, а для их обработки обучали специальные рекуррентные нейросети на анонимизированных телефонных разговорах.
Модели не располагали предварительными знаниями о мире, поэтому их отдельно учили справляться с каждым типом запроса. Для бронирования столика требовалось обработать один сценарий, для уточнения праздничных часов работы — другой. На каждую задачу нужны были собственные данные и логика.
2. Генеративные модели и гибридные системы
Когда фундаментальные модели стали доступны, Duplex начала использовать их в рабочих звонках. В 2022 году система применяла LaMDA. Предварительное обучение помогало моделям понимать речь и рассуждать в обычных ситуациях, а также реагировать на неожиданные реплики и отступления от темы, не теряя контекста — например, разговора о бронировании столика.
Ранние генеративные модели были менее предсказуемыми и иногда работали медленнее нынешних. Поэтому Google сочетала их с отслеживанием состояния разговора по заданным правилам и строгими ограничениями. Генеративная часть отвечала за гибкие формулировки, а остальные компоненты помогали удерживать разговор в нужных рамках.
3. Gemini и задачи без фиксированных категорий
По мере развития фундаментальных моделей Google отказалась от заранее заданных категорий услуг. Теперь задачу можно описать обычным текстом, а система сама определяет, как её выполнить. Благодаря этому она может работать с новыми видами запросов и услуг без создания отдельной диалоговой модели для каждого случая.
Например, пользователь может попросить столик у окна или дополнительное место для коляски. Система также объединяет понимание разных типов данных, планирование и генерацию диалога на базе Gemini. Это помогает учитывать несколько условий сразу — например, назначить обслуживание автомобиля с учётом занятости в календаре — и перестроить план, если администратор предложит другое время.
Что мешает разговаривать по телефону
Даже передовые модели, обученные на обычных данных из интернета, не решают всех задач живого телефонного разговора. Google выделяет два отдельных требования:
Правила для обеих сторон звонка
Duplex должна быть удобна и пользователю, и компании, которой звонят. Google описывает четыре принципа работы системы:
Звонки и другие задачи Gemini
Google связывает запуск Duplex в Tasks с задачами, для которых по-прежнему нужен разговор с человеком: повседневными делами, услугами поблизости и срочными поручениями. Голосовое взаимодействие должно дополнять цифровые способы работы — например, онлайн-интерфейсы для программ и формы бронирования, которых у компании может не быть.
Google также сообщает, что Tasks в Gemini использует новые модели Gemini 4, включая Gemini 4 Hydrogen и Gemini 4 Neon. По словам компании, система может поддерживать более сложные процессы: анализировать счета за коммунальные услуги, безопасно проводить платежи через Agent Payments Protocol и координировать действия с пользователями по электронной почте и через Rich Communication Services (RCS).
Google поблагодарила команду Duplex и участников проекта за десятилетнюю работу. За переход к звонкам на базе Gemini и запуск Duplex в Tasks компания отдельно отметила Йоава Цура, Сашу Гольдштейна, Рафаэля Голдфарба, Лирана Перец, Ритику Патхак, Сена Ли, Рана Манора и Декеля Аустера, а также других сотрудников команды.
По оценке Dataist, интеграция Duplex переносит телефонные звонки в набор задач, которые Gemini может выполнять за пользователя, но система всё ещё должна учитывать темп речи, шум и правила общения с компаниями. Google также сохраняет за бизнесом возможность отказаться от автоматических звонков.
Читайте также
Чем больше текстов читала ИИ T-Mobile, тем хуже становились её ответы
OpenAI значительно усложнила извлечение внутренних рассуждений своих новейших ИИ-моделей атакующими
Федеральные власти США расследуют «проблемы с бухгалтерской отчётностью» Nvidia
Ложь Дженсена Хуанга встревожила совет Nvidia ещё до его отставки
Signal блокирует скриншоты на iOS 27 и Android, чтобы ИИ-агенты не читали личные переписки
Математик Anthropic утверждает, что доказал гипотезу Римана с помощью Claude
Забудьте о роботах-бунтарях: по-настоящему нас должны пугать техномиллиардеры и крикет с ИИ
Самый неправильно понятый график в сфере ИИ получил крупное обновление
Чипы выдержат условия космоса. А выдержит ли их финансирование?
Дочь Дженсена Хуанга тоже работает в Nvidia — по сообщениям, она кричит на сотрудников и осыпает их странными оскорблениями
Распродажа техакций может усилиться, прежде чем появится повод покупать
Nvidia вкладывает не менее $500 млн в диффузионные модели Inception, чтобы усилить линейку открытых Nemotron
Анализ Bloomberg: вакансий в Китае для работников под влиянием ИИ стало сокращаться на 10 процентных пунктов быстрее, чем для остальных
Ставка Google на ИИ оборачивается громким провалом
Google обновила главную страницу, ещё сильнее превратив поиск в ИИ-сервис ответов
Бывший председатель SEC Гэри Генслер: ИИ уже в пузыре, который лопнет и обернётся экономической катастрофой
Anthropic завершила IPO и параллельное частное размещение, банки полностью выкупили дополнительные акции по своей опции
Семь основателей Anthropic заработали почти $2 млрд на рекордном IPO
ИИ взимает скрытый «когнитивный налог» с самых низкооплачиваемых работников
Collective Wisdom в Hermes Agent превращает личную ИИ-хитрость сотрудника в навык всей команды
Ежедневные новости об ИИ
Каждый день отбираем важные новости об ИИ и рассказываем главное — без хайпа и воды. Если хотите понимать, что происходит в ИИ раньше остальных, — подписывайтесь.
Только важное — каждый день
В Telegram