Google Cloud روز ۱۹ نوامبر ۲۰۲۶ قابلیت object enrichments را بهصورت پیشنمایش معرفی کرد؛ ویژگیای در Cloud Storage که مدلهای هوش مصنوعی را روی فایلهای یک سطل اجرا میکند و نتیجه را در خود اشیا مینویسد. این اعلام از مدیران محصول Himanshu Kohli و Manjul Sahay است. نقطه شروع آن است که بیشتر اطلاعات سازمانها در ذخیرهسازی شیء به شکل تصویر، PDF، ویدیو و صدا مانده که عامل نمیتواند روی آنها استدلال کند، و خواندن فایل خام در لحظه پرسش بسیار کند و گران است. نوشته میگوید استخراج پیشاپیش فرادادهٔ این فایلها به عاملها زمینهٔ مبتنی بر داده در زمان اجرا میدهد.
تیم مشخص میکند کدام سطلها و در کجا پردازش شوند، یک یا چند مدل از پنج مدل اختصاصی Cloud Storage برای تصویر و PDF را برمیگزیند و به سرویس مجوزهای IAM میدهد. Google میگوید پس از آن خودش استنتاج، تجزیه پاسخها، تلاش مجدد و تنظیم نرخ را انجام میدهد، تا میلیونها یا میلیاردها شیء مقیاس میگیرد و صف یا کارگری برای مدیریت وجود ندارد. مدلهای تصویر تشخیص شیء، تشخیص چهره، برچسبگذاری تصویر و تشخیص محتوای نامناسب را پوشش میدهند و مدل PDF اسناد را در دستههای کسبوکاری مثل Finance، Games، News و Health جای میدهد. راهاندازی در کنسول Cloud Storage یا از طریق API آن ممکن است.
نتایج بهصورت context شیء ذخیره میشوند؛ ساختاری فراددهای در Cloud Storage که جفتهای کلید و مقدار را کنار خود شیء نگه میدارد. به گفته Google این زمینه هنگام کپی، جابهجایی و همانندسازی با شیء میرود، با حذف شیء پاک میشود و زیر نظر IAM است، پس به مخزن فرادادهٔ جدا نیازی نیست. برنامهها میتوانند فهرست اشیا را بر پایه این زمینه فیلتر کنند و دادهها از راه مجموعهدادههای Storage Insights به BigQuery برسند تا با SQL تحلیل شوند. نوشته همچنین به سرور MCP مربوط به Cloud Storage اشاره میکند تا عاملها با دسترسی محدود به IAM به اشیا و زمینهشان برسند.
درباره قیمت، Google به نرخ منتشرشدهای اشاره میکند: ۷۰۰ دلار برای غنیسازی ۱۰ میلیون تصویر یا PDF، و از ۷۵ درصد صرفهجویی در حاشیهنویسی تصویر نسبت به سرویسهای مشابه دیگر ارائهدهندگان ابری سخن میگوید. این مقایسهها را خود Google انجام داده، و نوشته نه سرویسهای رقیب را نام میبرد و نه محاسبه را نشان میدهد. غنیسازی با Gemini برای خلاصهسازی، استخراج موجودیت، رونویسی و ترجمه هنوز عمومی نیست: از مشتریان خواسته شده برای دسترسی به آنچه Google قابلیت آتی مینامد به [email protected] ایمیل بزنند.
نوشته چند گفته از مشتریان را آورده است. L'Oreal میگوید میتواند کتابخانه داراییهای خلاق خود را ۱۰۰ برابر سریعتر و با کسری از هزینه برچسب بزند. Hyperscience از افزایش بیش از ۵۰ درصدی دقت طبقهبندی اسناد با هزینه استنتاج دو تا سه برابر کمتر خبر میدهد و Vivint میگوید ترکیب با BigQuery توسعه هوش مصنوعی را از شش ماه به یک ماه رسانده است. Google موارد استفادهای مانند جستوجوی داراییهای خلاق برای تولید تقویتشده با بازیابی، نظارت بر محتوا، گزینش داده آموزشی برای رانندگی خودران و رباتیک و تحلیل چندوجهی را فهرست میکند.
این اعداد از Google و مشتریانش میآید، نه از آزمون مستقل، و قابلیت هنوز در پیشنمایش است. پیشرفتهترین گزینه، یعنی Gemini، بدون درخواست در دسترس نیست و بنابراین پیشنهاد امروز بیشتر برچسبگذاری تصویر و طبقهبندی PDF در مقیاس بزرگ است.