مریسای مایر، مدیرعامل سابق Yahoo، دستیار هوش مصنوعی تازه‌ی خود به نام Dazzle را معرفی کرد. این محصول در دسامبر ۲۰۲۵ سرمایه‌ی اولیه‌ی ۸ میلیون دلاری جذب کرده بود و حالا به‌صورت عمومی در دسترس کاربران قرار گرفته است.

تفاوت اصلی: عکس به‌جای ایمیل#

آنچه Dazzle را از ابزارهای مشابه مثل Meta's Muse و Instinct جدا می‌کند، منبع داده‌ی آن است. برخلاف دستیارهایی که از ایمیل، تقویم و تاریخچه‌ی خرید، زمینه‌ی اطلاعاتی کاربر را می‌سازند، Dazzle تمام شناختش از یک منبع واحد به‌دست می‌آورد: گالری عکس گوشی. مایر در این باره می‌گوید: «عکس‌ها منبعی دست‌کم‌گرفته‌شده‌ی اطلاعاتی هستند.»

به گفته‌ی مایر، با تحلیل عکس‌های ذخیره‌شده روی گوشی، Dazzle ادعا می‌کند علایق، ترجیحات غذایی و سبک، نحوه‌ی گذراندن اوقات فراغت و حتی آدم‌هایی که کاربر با آن‌ها وقت می‌گذراند را می‌فهمد.

دو تجربه‌ی اصلی#

کاربران می‌توانند از طریق اپلیکیشن یا پیام متنی با Dazzle تعامل کنند. عملکرد آن به دو بخش تقسیم می‌شود:

  • کارهای فوری: اسکن عکس‌های اخیر برای استخراج جزئیات — مثلاً پر کردن تقویم از عکس یک پوستر رویداد، یا یافتن تعمیرکار پس از دیدن عکس در خراب‌شده‌ی گاراژ.
  • ایده‌پردازی شخصی‌سازی‌شده: کاوش در کتابخانه‌ی عکس برای پیشنهاد تعطیلات، هدیه‌ی تولد و فعالیت‌های تفریحی.

آزمون‌های عملی و نقاط ضعف#

در تست عملی، Dazzle بر اساس سفرهای قبلی کاربر به اسپانیا و یونان، مقاصد مدیترانه‌ای پیشنهاد داد. اما در مواردی هم خطا داشت؛ مثلاً وقتی درباره‌ی خرید اسکیت برای فرزند کاربر پرسیده شد، به یاد نیاورد که او قبلاً اسکیت‌سواری بلد است.

مایر پیش از این استارتاپ Sunshine را داشت که ابزار اشتراک‌گذاری عکس مبتنی بر هوش مصنوعی به نام Shine را در ۲۰۲۴ راه‌اندازی کرد. Shine با طراحی قدیمی و عدم جذب کاربر گسترده مواجه شد و بسته شد، اما مایر می‌گوید این محصول «مالکیت فکری جالبی» ساخته بود.

استدلال حریم خصوصی#

مایر معتقد است در مقایسه با ابزارهایی که به ایمیل و پیام‌ها دسترسی می‌خواهند، کاربران ممکن است راحت‌تر عکس‌هایشان را به یک هوش مصنوعی بسپارند. او تأکید کرد Dazzle حریم خصوصی را اولویت قرار می‌دهد و اطلاعاتی که هوش مصنوعی آن‌ها را حساس تشخیص دهد را دور می‌ریزد.

خوانش تحریریه#

برای کسی که همین حالا ایجنت یا سیستم اتوماسیون می‌سازد، Dazzle یک ایده‌ی معماری قابل‌توجه ارائه می‌دهد: محدود کردن ورودی به یک نوع داده (عکس) به‌جای جمع‌آوری پراکنده از چند منبع. این رویکرد می‌تواند پیچیدگی مهندسی را کم کند و ادعای حریم خصوصی را هم قابل‌دفاع‌تر بسازد. اما همان‌طور که تست‌های عملی نشان داد، اطلاعات عکس‌ها ناقص و پرنویز است؛ مدل‌های بینایی هنوز در «به یاد آوردن» و «به‌روز نگه‌داشتن» وضعیت کاربر ضعف دارند. اگر ابزار شما به دقت زمانی‌ی اطلاعات نیاز دارد، گالری عکس به‌تنهایی منبع مطمئنی نیست.

منبع: TechCrunch AI