專題：聚焦谷歌2024年I/O開發(fā)者大會：實時交互、視頻模型登場
財聯(lián)社5月15日訊（編輯 趙昊）北京時間周三（5月15日）凌晨，谷歌舉辦了年度I/O開發(fā)者大會，召開了長達(dá)兩個小時的主題演講。正如外界預(yù)期的那樣，人工智能成為了這次活動的中心。
在演講中，這家科技巨頭發(fā)布了眾多有關(guān)人工智能的產(chǎn)品和服務(wù)：
一、Gemini的廣泛升級
谷歌推出了新模型“Gemini 1.5 Flash”，以作為Gemini 1.5 Pro更具成本效益的替代方案，同時仍具有強(qiáng)大的功能。Gemini 1.5 Flash從活動當(dāng)天開始在谷歌的AI工作室和Vertex AI中提供公開預(yù)覽版。
2月份公布的Gemini 1.5 Pro也將迎來升級，在今年晚些時候?qū)?00萬Tokens的窗口進(jìn)一步擴(kuò)大至200萬，這將使其能夠同時處理2小時的視頻、22小時的音頻、超過60,000行代碼或超過140萬個單詞。
谷歌CEO皮查伊強(qiáng)調(diào)了Gemini在跨語言方面的改進(jìn)，它將以35種語言向全球所有開發(fā)人員提供。皮查伊表示，Gemini 1.5 Pro可以分析PDF和視頻以提供摘要，這意味著當(dāng)用戶假期歸來后，模型可以將電子郵件和附件一起進(jìn)行總結(jié)。
專為在智能手機(jī)上運(yùn)行而設(shè)計的Gemini Nano也從純文本輸入擴(kuò)展到可以圖片輸入。谷歌表示，“手機(jī)將能通過文字、圖片、視頻、音頻，理解用戶的世界。”并且整個過程都是在本地運(yùn)行，不會引發(fā)隱私泄露。
開源大模型Gemma也將有一系列的更新，定于下月推出的Gemma 2參數(shù)量將能達(dá)到270億。最后，谷歌的第一個視覺語言模型PaliGemma也被添加到Gemma模型系列中。
二、Veo、Imagen 3、音頻概述
針對OpenAI的Sora，谷歌也推出了自己的視頻生成模型“Veo”，可以根據(jù)文字、圖片和視頻的提示，生成各種風(fēng)格的高質(zhì)量1080P視頻。
公司表示，Veo可以更好地理解自然語言，從而生成更能代表用戶視覺的視頻。它還能理解“延時拍攝”等電影術(shù)語，以生成各種風(fēng)格的視頻，并讓用戶更好地控制最終輸出。
去年，谷歌推出了一款名為“SynthID”的工具，可以在AI生成的圖像中嵌入人眼不可見的水印。在今天的大會上，公司宣布正在將這項工具擴(kuò)展到文本和視頻之中。上文提到的視頻生成模型Veo，在該平臺生成的所有視頻都會包含SynthID水印。
谷歌還推出了新一代的圖像生成模型“Imagen 3”，根據(jù)公司的說法該模型可生成迄今為止最高質(zhì)量的圖像，圖像中具有更多細(xì)節(jié)和更少偽影，有助于創(chuàng)建更真實的視覺體驗。
與Veo一樣，Imagen 3也改進(jìn)了其自然語言功能，可以更好地理解用戶提示及其背后的意圖。谷歌稱，Imagen 3是渲染文本的最佳選擇，目前只有選定的創(chuàng)作者才能使用，很快就會在Vertex AI中推出。
通過Gemini 1.5 Pro，音頻概述（Audio Overview）功能可以基于源文件生成個性化和交互式音頻對話。
三、AI賦能谷歌搜索
作為主業(yè)，谷歌自然會大力將AI融進(jìn)其主導(dǎo)全球的搜索引擎之中。從本周開始，谷歌搜索引擎將在美國推出“AI概覽”（AI Overviews）的功能，搜索引擎會直接歸納總結(jié)搜索結(jié)果。
同時谷歌搜索也將具備多步驟推理能力，可以一次性處理帶有多個限制條件的長問題，并支持“拍視頻”搜索解決方案的新搜索形式。
根據(jù)現(xiàn)場演示，搜索引擎具備多步驟推理的能力，例如尋找一個瑜伽教室，同時展示新手優(yōu)惠報價，和距離特定位置的步行時間。這個AI搜索引擎助手，還能介紹食譜、安排行程，以及接受視頻形式的提問。
許多人可能都曾經(jīng)歷過花費數(shù)小時滾動瀏覽網(wǎng)頁信息流來查找想要搜索的圖片，對此，谷歌推出了AI解決方案。借助Gemini，用戶可以在Google Photos中通過對話提示來查找他們尋找的圖像。
在谷歌提供的案例中，一位用戶希望看到他的女兒作為游泳運(yùn)動員隨著時間推移的進(jìn)步，Google Photos自動篩選給出。谷歌表示，這項名為“Ask Photos”的功能將于今年夏季晚些時候推出。
四、Astra項目
谷歌在大會上宣布了一個名為“Astra”的高級視覺和對話響應(yīng)智能體項目，即開發(fā)能在日常生活中提供幫助的通用AI智能體。媒體分析認(rèn)為，這個項目旨在開發(fā)一種類似《鋼鐵俠》中人工智能系統(tǒng)“賈維斯”。
根據(jù)谷歌的說法，為了做到真正實用，智能體需要能夠像人一樣理解周圍復(fù)雜多變的環(huán)境并做出反應(yīng)——它需要能接收并記憶所見所聞，從而了解上下文信息并采取行動。
谷歌表示，它還需要具備主動性、“會學(xué)習(xí)”并能滿足個性化需求，這樣用戶才能自然地與它交談，不會有滯后或延遲。
DeepMind首席執(zhí)行官Demis Hassabis在臺上表示，“將響應(yīng)時間縮短為對話式的內(nèi)容是一項艱巨的工程挑戰(zhàn)。”
五、AI芯片等硬件
谷歌推出了第六代TPU（張量處理單元）“Trillium”，將在2024年底向云客戶提供。公司表示，與上一代TPU v5e相比，每個芯片的計算性能提高了4.7倍。
除了TPU，谷歌也會推出CPU和GPU來支持工作負(fù)載。
皮查伊也在大會上提到，谷歌云將成為首批提供英偉達(dá)Blackwell GPU的云提供商之一，他在演講中強(qiáng)調(diào)了谷歌“與英偉達(dá)的長期合作伙伴關(guān)系”。
VIP課程推薦
APP專享直播
熱門推薦
收起
24小時滾動播報最新的財經(jīng)資訊和視頻，更多粉絲福利掃描二維碼關(guān)注（sinafinance）
