太平洋科技要聞

首頁 > 科技要聞 > 科技> 正文

Google 對轟 GPT-4o ！連夜發(fā)布十幾款新品，喊了 121 次「 AI」，臺下觀眾卻快睡著了

appso 整合編輯：龔震發(fā)布于：2024-05-15 16:24

昨晚 OpenAI 發(fā)布了 ChatGPT-4o 后，壓力就給到了 Google I/O ，仿佛 Google 無論如何也擺脫不了「AI 界的汪峰」這一稱號。

而 Google 則通過近 2 個小時的發(fā)布會，提了 121 次 AI ，推出了十余種新品及升級，可謂「量大管飽」，火力全面覆蓋，但給人的驚喜卻并不多。

我們先給大家一次性總結(jié)這場發(fā)布會的亮點，更多功能解析請接著往下看。

發(fā)布會要點：Google Search AI：

*發(fā)布了 AI Overviews，加強版 AI 搜索概要功能，多步推理能力上架。

*Gemini 大模型：Gemini 1.5 Flash（100 萬上下文）；Gemini Pro（200 萬上下文）。

*Gemma 大模型：發(fā)布開源多模態(tài)大模型 Pali Gemma 和 Gemma2。

*AI in Google Workspace：用 Gemini 的能力和 Side Panel 的形式，將 Google 系列產(chǎn)品串在一起。

*Gemini App：手機版的 Gemini 應(yīng)用程序，即將支持和 AI 視頻對話，近幾周發(fā)布。

*Project Astra：最新的多模態(tài) AI 項目，包含 Imagen3、 Music AI Sandbox 和 Veo 等針對圖像、音樂、視頻的生成式 AI。

做搜索起家，用搜索王炸

Google Search 是 Google 最大的投資和創(chuàng)新領(lǐng)域之一，更是它們的創(chuàng)始產(chǎn)品。

25 年前，Google 開啟了搜索功能，今晚 Google 再次拓展了搜索的邊界。

簡單來說，有了 AIGC 的 Google Search，可以做到更多事情：

無論你在想什么，無論你需要完成什么，只要問問（它），Google Search 就能找到。

而 Google Search 的一切進化，都是建立在專為其定制的 Gemini 模型上。

Google 在發(fā)布會上介紹，「與眾不同」的 Google Search，主要有三個獨特的優(yōu)勢：

*Google 的實時信息包括超過一萬億個關(guān)于人、地點和事物的事實

*名列前茅的產(chǎn)品，和最好的網(wǎng)絡(luò)服務(wù)之一

*Gemini 的力量

把將這三件事結(jié)合在一起，就解鎖了 Google 在搜索領(lǐng)域的全新能力。

第一個新功能是 AI Review，用戶可以通過在搜索結(jié)果的頂部，獲取由 AI 大模型生成的摘要，以此簡化整個搜索過程，讓復(fù)雜問題的檢索過程，變得簡單。

Google 稱，到今年年底，將有超過十億人使用 Google Search 中的 AI Review 功能，而且 Google 宣稱，這也將會是其搜索引擎 25 年以來最大的更新之一。

Multi-step reasoning 是 Google Search 中的另一個重磅功能。

通過全新的多步推理，以后我們做一些生活、工作和出行的計劃，會變得非常簡單。

比如你可以通過搜索欄來找到「附近最好的瑜伽館」，隨后附近所有關(guān)于瑜伽館的介評價評分、課程推薦、距離等重要信息，都會被分類成塊，十分清楚地在搜索結(jié)果中顯示。

依靠 Google 自有的龐大數(shù)據(jù)庫，AI 在搜索過程當(dāng)中可以調(diào)用最新、最全的高質(zhì)量信息，所以搜索結(jié)果的準(zhǔn)確性和可信性也就有了更多的保障。

目前，Google 在全球包含了超過 2.5 億個地點，并實時更新，當(dāng)中還包括評分、評論、營業(yè)時間等重要信息。

Planning in Search 是另一個幫你減少負擔(dān)的更新。

比如你現(xiàn)在正在重新調(diào)整膳食結(jié)構(gòu)、從頭安排飲食計劃，不想在早餐、午餐和晚餐時吃通心粉和奶酪。

直接把需求拋給搜索框，Google Search 就能還給你一份按照要求，且合理安排的全新一周食譜。

而且，你還可以隨時改變條件和細節(jié)，搜索的結(jié)果也會根據(jù)最新的提示實時更新。

如果說上述的功能，我們已經(jīng)在其他公司的產(chǎn)品中見過，甚至用過，那 Ask with Video ，一定會給你一些驚喜。

生活當(dāng)中有很多物件，都有著各自的專屬名稱，有些器械出現(xiàn)一些小問題時，也都有著對應(yīng)的修理方式。但很多時候只有專業(yè)人士才能叫得出，也只有他們能「對癥下藥」。
現(xiàn)在通過 Google Search 的 Ask with Video，每個人都能稱為專家，它相當(dāng)于一本裝在手機里的百科全書。

唱片的零部件不起作用了不知道從何下手，相機的快門突然失靈......以前可能要大費周折地寄回廠家售后，但現(xiàn)在用 Google 設(shè)備的鏡頭拍下問題所在，Google Search 就能根據(jù)你所遇到的問題初步診斷，一些小故障還能當(dāng)場給出解決方案。

在發(fā)布會的實時演示里，AI 還把整個的修理步驟一一列出，按照屏幕上的指示，演示者很快就能解決小麻煩。

這個功能，是通過 AI 逐幀分解視頻，把每一幀的關(guān)鍵信息導(dǎo)入 Gemini 的長觸點窗口挨個分析，并梳理網(wǎng)絡(luò)中相關(guān)的文章、論壇、視頻等，從中找到見解，以此實現(xiàn)了 Ask with Video 的智能建議。

比起傳統(tǒng)的文字輸入，視頻最大的好處在于，我們和 AI 的交互過程變得更加直觀，用「這里」「這個」等模糊的詞語，也能使大模型知道我們指代到底是什么。

Google 稱，這些最新的 AI 功能，將會在未來幾周內(nèi)于實驗室功能推出，這也意味著更強大的 Google Search 離落地已經(jīng)不遠了。

后續(xù)版本中，它甚至還將能基于頁面中視頻的自動字幕來尋找答案，不知道會不會搶了那些「1 分鐘看完 XX 電影」博主的飯碗。

圖 · 歌 · 片，瞄著 OpenAI 打

如果說前兩天的 GPT-4o 是 AI 再一次給世界帶來了一點震撼，那今晚 Google 官宣的 Project Astra 則是震撼的延續(xù)。

Project Astra 是 GoogleMind 的原型——一個通用人工智能助手。

和 GPT-4o 的使用效果類似，用戶可以通過它和 AI 實時對話，以及視頻聊天。

發(fā)布會的演示可以很好地表現(xiàn)這個新功能，工作人員在演示視頻中將手機鏡頭對準(zhǔn)身邊的物品，并向 Project Astra 提出一些疑問，它幾乎能做到零延時地準(zhǔn)確回答。

例如 Project Astra 能說出音響上半部分的是高音喇叭，對電腦屏幕上顯示的代碼也能輕松識別其具體作用。

Google 稱：

我們的新項目專注于構(gòu)建一個未來的人工智能助手，它可以在日常生活中真正提供幫助。

基于更強大的 AI 性能，Google 在 I/O 上還宣布了另外三個實用功能，它們分別在「圖像」「音樂」「視頻」領(lǐng)域，體現(xiàn)著先進技術(shù)的「未來感」。

Imagen 3 是 Google 發(fā)布的最新的圖像生成模型。

它可以更加理解我們的提示詞，并以此創(chuàng)建更加逼真的圖像。

發(fā)布會上展示的「狼」的生成圖片，就是 Imagen 3 在一段敘述中，準(zhǔn)確提取了 8 個細節(jié)信息，并且在圖片中都有體現(xiàn)。

不難發(fā)現(xiàn)，生成圖片不僅細節(jié)準(zhǔn)確，而且十分逼真。

Imagen 3 還能應(yīng)對一些更加抽象的圖片創(chuàng)作，例如根據(jù)「彩虹色」「羽毛組成的 light」「黑色背景」的提示，生成的創(chuàng)意圖片。

就像是它很清楚你想要什么。

發(fā)言人甚至在發(fā)布會上開玩笑式地炫耀「你可以用它來數(shù)別人臉上的胡須」。

在音樂生成方面，Google 也有了新的突破。

Music AI Sandbox 是最新推出的音樂生成模型，Google 這次在 I/O 現(xiàn)場還請來了 Marc Rebillet 坐鎮(zhèn)分享。

根據(jù)藝人創(chuàng)作的一小段音樂 demo，Music AI Sandbox 能在此基礎(chǔ)上拓展延長，還可以進一步按照用戶輸入的提示詞，如音樂風(fēng)格和種類等，進行樂曲的二度創(chuàng)作。

Google 稱，它們和 YouTube 一起構(gòu)建了 Music AI Sandbox：

這是一套專業(yè)的 AI 音樂工具，可以從頭開始創(chuàng)建新的樂器部分，在軌道之間轉(zhuǎn)換風(fēng)格等，以幫助我們設(shè)計和測試它們。

另一個實用模型名為 Veo，專注于生成視頻。

用戶只需輸入相關(guān)的文本、圖像或視頻提示，Veo 就能創(chuàng)建高質(zhì)量的 1080p 規(guī)格的視頻，時長也達到了 60 秒之久。

它能以不同的視覺和電影風(fēng)格捕捉指令中的詳細信息。

例如，我們可以在提示中輸入事物、橫向或延時的航拍照片，并使用其他提示進一步編輯視頻。

一直以來，視頻生成 AI 「只在理論上成立」其實有諸多阻礙，其中走向「能用」的最大門檻是：視頻生成時間只有短短幾秒，一般只能在一兩個動作里反復(fù)橫跳。

所以 Sora 發(fā)布之初才會引起非常大的討論，而今晚開始，Google 的 Veo 也成了大家重點關(guān)注的對象，從照片寫實主義到超現(xiàn)實主義和動畫，大部分的影視風(fēng)格，它都能處理。

除了 Project Astra 以外，Google 還為我們提供了一個可私人定制的 Gemini ——Gems。

Google 表示，它能在保留指定特征的情況下完成任務(wù)，成為千人千面的私人助手，用戶可以通過調(diào)整定位，使其成為瑜伽好友、虛擬的流行人物、健身伙伴、創(chuàng)意寫作指導(dǎo)甚至是微積分導(dǎo)師等，都不在話下。

Gemini 狂卷長文本，Gemini 家族再添新成員

Gemini 項目自曝光以來，一直備受關(guān)注。起初也曾存在一定爭議，但后來也憑借自身實力挽回了口碑，而今也越來越成熟。

據(jù)皮查伊介紹，目前有超過 150 萬開發(fā)人員使用 Gemini 模型，用戶數(shù)量已經(jīng)達到 20 億，如今皮查伊再提「Gemini 時代」，目標(biāo)是將其集成到所有產(chǎn)品中，為用戶帶來全新體驗，也為創(chuàng)造者、開發(fā)者、創(chuàng)業(yè)公司創(chuàng)造新的機會。

目前最新的 Gemini 1.5 Pro 支持 100 萬 token 文本量，今年晚些時候據(jù)稱這個數(shù)字將會達到 200 萬，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。

此外，大會還宣布了基于 Gemini 1.5 Pro 的 Gemini Advanced，據(jù)稱它可以處理「多個大型文檔，總計最多 1500 頁，或匯總 100 封電子郵件」，還支持 35 多種語言和 150 多個國家 / 地區(qū)。

不得不說，在文本量方面，Gemini 確實很卷，「朝著將任何輸入轉(zhuǎn)為任何輸出的目標(biāo)邁出了一大步」。

安全永遠是重中之重

自 AI 誕生之初以來，關(guān)于如何辨別 AI 生成內(nèi)容的爭論就一直沒有停止。Google 的對策是通過 SynthID，為 AI 生成的圖像和音頻添加不可見的水印，使其更易于區(qū)分，

未來 Google 將會把這一范圍推廣到文本及視頻中，并在接下來的幾個月里，通過更新生成式 AI 工具包開源 SynthID 文本水印，幫助更多開發(fā)人員更輕松地負責(zé)任地構(gòu)建 AI。

Gemini 融入其中后，Android 會在通話過程中，檢測到可疑活動時發(fā)出警告，例如被要求提供您的社會安全號碼和銀行信息，屬于是直接把「反詐中心」裝手機上了。

還有無障礙功能 TalkBack 也將通過 Gemini Nano 增強，圖像描述將更加清晰和豐富，幫助視力不佳的用戶通過語音反饋更好地操作手機，體現(xiàn)出 Google 一貫的人文關(guān)懷。

而對于 Google 今晚的表現(xiàn)，英偉達 NVIDIA 高級科學(xué)家 Jim Fan 的評價，十分中肯。

Google 新發(fā)布的模型似乎是多模態(tài)輸入，但不是多模態(tài)輸出的 Imagen3 和 Music AI Sandbox 仍然作為獨立組件與 Gemini分離。將所有模態(tài) I/O 原生合并是不可避免的未來。

它可以執(zhí)行任務(wù)，如「使用更機器人化的聲音」「編輯這幅圖像」「生成一致的漫畫條帶」。

而且還不會在模態(tài)邊界上丟失信息，例如情感和背景聲音，全新模型打開了新的上下文能力，用戶也能通過少量示例教導(dǎo)模型，并以新穎的方式結(jié)合不同的意義。