استارتاپ پیشرو Hark که پیش‌تر با جذب سرمایه ۷۰۰ میلیون دلاری در راند Series A توجه رسانه‌ها را جلب کرده بود، از دستیار هوشمند جدید خود به نام Hark Handoff رونمایی کرد. این ایجنت مبتنی بر مرورگر طراحی شده تا فرآیندهای پیچیده و روزمره وب را به‌صورت کاملاً خودکار، سریع‌تر و با هزینه‌ای به مراتب کمتر از مدل‌های غول‌پیکری مانند GPT ۵.۵ انجام دهد.
دستیار Hark Handoff چگونه کارهای اینترنتی را انجام می‌دهد؟
ایجنت جدید Hark بدون نیاز به API رسمی وب‌سایت‌ها، به راحتی در پلتفرم‌های بزرگی مثل لینکدین، آمازون، وول‌مارت و اوپن‌تیبل به وب‌گردی می‌پردازد. این هوش مصنوعی با تحلیل ساختار بصری و کدهای صفحه، تشخیص می‌دهد که در چه نقطه‌ای باید کلیک کند یا چه اطلاعاتی را داخل فرم‌ها تایپ نماید.
مهم‌ترین قابلیت‌های این ایجنت هوشمند عبارتند از:
- سفارش آنلاین کالا و غذا: خرید مایحتاج روزانه، سفارش قهوه یا خرید گل طبق فرامین دقیق یا حتی مبهم کاربر.
- رزرو و برنامه‌ریزی سفر: رزرو آنلاین میز در رستوران‌ها و خرید بلیط‌های مسافرتی.
- تحقیق و جمع‌آوری داده: جستجو در منابع مختلف وب برای ارائه گزارش‌های جامع.
- انجام امور اداری وب: ثبت درخواست‌های مرجوعی کالا و تکمیل فرم‌های چندمرحله‌ای.
پیش‌بینی اقدام بعدی به جای کلمه بعدی؛ معماری متفاوت Hark
برخلاف مدل‌های زبانی بزرگ (LLM) که کلمه بعدی را پیش‌بینی می‌کنند، مدل هوش مصنوعی Hark برای پیش‌بینی اکشن یا اقدام بعدی آموزش دیده است؛ به این معنی که مدل مستقیماً کلیک کردن روی یک دکمه خاص یا ورود اطلاعات با کیبورد را هدف‌گیری می‌کند. برت ادکاک (Brett Adcock)، مدیرعامل Hark، در ویدیویی نشان داد که این دستیار حتی دستورات کیفی مانند «سفارش دسته‌گل با ترکیب پیشنهادی گل‌فروش» را هم به درستی درک و اجرا می‌کند.
در حال حاضر شرکت‌های بزرگی مانند گوگل، انتروپیک و اوپن‌ای‌آی همراه با استارت‌آپ‌های نوپایی مثل Browser Use و Polar روی ایجنت‌های مرورگر کار می‌کنند. با این حال، Hark ادعا می‌کند ایجنت Handoff نه‌تنها سرعت فوق‌العاده‌تری دارد، بلکه هزینه‌های پردازشی آن نسبت به مدل‌هایی نظیر GPT ۵.۵ و Claude Opus بسیار پایین‌تر است.
سوالات متداول
ایجنت Hark Handoff چه زمانی عرضه می‌شود؟
لیست انتظار این سرویس هم‌اکنون فعال شده و طبق اعلام رسمی شرکت، عرضه عمومی آن تا پایان تابستان انجام خواهد شد.
تفاوت اصلی Hark Handoff با چت‌بات‌های معمولی چیست؟
این ایجنت به جای تولید متن یا پاسخ به سوالات، به صورت مستقیم مرورگر وب را کنترل کرده و کارهایی مانند خرید، رزرو و فرم‌پرکردن را انجام می‌دهد.