Microsoft postanowił, że jego sztuczna inteligencja nie tylko będzie nas słuchać, ale też… patrzeć nam przez ramię. Copilot Vision – nowa funkcja asystenta AI – właśnie trafiła do przeglądarki Edge. I to za darmo. Informację ogłosił dziś Mustafa Suleyman, szef działu Microsoft AI, na platformie Bluesky.
Nie, nie musisz już klikać – wystarczy, że mówisz. Copilot Vision działa w formie konwersacyjnej – użytkownik mówi do mikrofonu, a AI analizuje to, co akurat wyświetla się na ekranie i odpowiada głosem. Brzmi trochę jak „Siri na sterydach”, ale Microsoft chce iść jeszcze dalej.
Co potrafi Vision?
Jeśli włączysz tę funkcję, Copilot Vision – cytując Suleymana – „dosłownie widzi to, co Ty widzisz na ekranie”. Można więc poprosić go o pomoc podczas gotowania, żeby prowadził nas krok po kroku przez przepis, albo poprosić, by „rozszyfrował” opis stanowiska pracy i pomógł przygotować się do rozmowy kwalifikacyjnej (albo nawet napisał list motywacyjny – choć niektórym może być trudno oddać AI to zadanie bez bólu serca i… ortografii).
Według dokumentacji Microsoftu, Copilot Vision potrafi podświetlić istotne elementy na ekranie – ale nie klika sam za użytkownika ani nie podejmuje decyzji za niego. Czyli: coś pokaże, coś zasugeruje, ale Twoja ręka nadal ma władzę.
Jest haczyk: pełna wersja tylko dla subskrybentów
Funkcja Vision w Edge jest darmowa, ale jeśli marzysz, by Twoje AI prowadziło Cię przez Photoshopa albo pomagało przejść poziom w Minecrafcie – musisz mieć Copilot Pro. Wersja Pro działa poza przeglądarką i obejmuje inne aplikacje, także te bardziej wymagające, np. do edycji wideo.
Tom Warren z The Verge miał już okazję przetestować Vision w akcji – i jak sam mówi, AI prowadziło go przez Minecrafta jak nauczyciel WF-u na wycieczce szkolnej. Czyli: z entuzjazmem, ale nie bez potknięć.
Jak to włączyć?
Aby przetestować Copilot Vision, wystarczy wejść na stronę Microsoftu przez przeglądarkę Edge. Tam pojawi się zaproszenie do aktywacji funkcji. Po udzieleniu zgody wystarczy kliknąć w boczny pasek Copilota, nacisnąć ikonę mikrofonu – i gotowe. Sesja się rozpocznie, co sygnalizuje charakterystyczny dźwięk i subtelna zmiana barwy przeglądarki.
Co z prywatnością?
Microsoft uspokaja: w czasie sesji Copilot Vision firma nie gromadzi treści ze strony ani obrazów. Zapisywane są jedynie odpowiedzi asystenta, a nie to, co Ty mówisz czy widzisz. Kiedy chcesz zakończyć sesję – wystarczy zamknąć okno przeglądarki albo kliknąć „koniec”.
Copilot Vision to ciekawy krok w stronę bardziej „widzącej” i reagującej AI. Czy to kolejna marketingowa sztuczka, czy rzeczywista pomoc w codziennym użytkowaniu? Czas pokaże. Ale jedno jest pewne – Microsoft nie próżnuje. I choć czasem trzeba kliknąć coś dwa razy, żeby zadziałało… to niektórzy z nas tak samo otwierają lodówkę, licząc, że tym razem jednak coś się pojawiło.