5月15日消息，盡管OpenAI搶在Google I/O 2024大會之前發(fā)布了新的大模型和音視頻互動功能，但是今天，Google一口氣發(fā)布了20多項AI大招，算是狠狠扳回一局。
這些Google AI大招中，在應用端能很快就能讓用戶感知到的就有AI搜索和AI安卓系統(tǒng)等。
AI搜索
眾人期待的AI搜索并沒有在昨天OpenAI的發(fā)布會上亮相，而在今天Google I/O 2024大會，Google和Alphabet CEO Sundar Pichai花了長篇幅來介紹其最新的AI搜索。
這些AI搜索能力包括：
1、AI Overviews功能，相比傳統(tǒng)搜索引擎的結果，它為用戶呈現(xiàn)出完整的包括觀點、見解、鏈接的答案等。Google宣布即日起向每位美國用戶推出基于Gemini改進的搜索體驗，本周將向更多國家開放。
AI Overviews支持更復雜的搜索。
比如，你想找一個合適的普拉提工作室，需要同時考慮時間、價格、距離等因素。你可以在Google搜索輸入：“找到波士頓最好的瑜伽或普拉提工作室，告訴我他們的詳細介紹，以及從比肯山步行的時間?！?/p>
AI Overviews引入多步推理功能（Multi-step reasoning），把大問題分解為小部分，并判斷優(yōu)先順序。
比如，搜索類似于“為一組人創(chuàng)建一個易于準備的3天膳食計劃”，你會得到一個從網(wǎng)上廣泛的食譜，還能直接將食譜中用到的食材等導出成購物清單。這意味著用戶僅需提問，就能將所需的一切加入購物車。
此外，Google搜索還將很快推出視頻搜索功能。例如，你在舊貨店買了一個唱機，但當你打開它時，它不工作了，帶針的金屬片出現(xiàn)了漂移。你可以錄制唱片機故障視頻并提問搜索如何解決，你會得到一個解決步驟和資源，以解決問題。
2、加持Gemini模型能力后更強的照片搜索(Ask Photos)功能；
使用該功能，用戶可以以自然的方式詢問您想要的內(nèi)容。
例如:“給我看看我去過的每個國家公園里最好的照片?！盙oogle Photos就會顯示你需要的哪些照片，節(jié)省了你滾動尋找的時間。
Ask Photos將在今年夏天推出。
此外，Google還表示，其AI搜索將很快推出多輪推理能力，可將復雜問題分解處理，將原本需要幾分鐘甚至幾個小時的研究壓縮到在幾秒鐘內(nèi)完成，還將支持在搜索中對視頻提問等等。
AI安卓
也是在Google I/O 2024大會前一周，有外媒放風，稱蘋果正在考慮將OpenAI的技術整合到其下一代iPhone操作系統(tǒng)iOS 18中，并計劃在今年晚些時候為iPhone推出一些新功能時使用OpenAI的技術。
不過，關于蘋果和OpenAI合作的細節(jié)仍處于討論和計劃階段，具體合作內(nèi)容和時間表尚未最終確定。
而在Google I/O 2024大會上，Google宣布把AI直接嵌入到了安卓操作系統(tǒng)中，打造AI安卓——“首個內(nèi)置端側AI的移動操作系統(tǒng)”。并直接甩出了未來將要具體落地AI的安卓版本——安卓15 Beta 2。
這意味著，把Gemini用在安卓系統(tǒng)底層后，所有搭載安卓系統(tǒng)的手機，只要升級到安卓15 Beta 2及以后版本，都可能會享受到Google Gemini的AI能力。
一直以來，蘋果iOS生態(tài)自成一系，iOS系統(tǒng)的穩(wěn)定好用是蘋果手機產(chǎn)品維持高價值的重要因素。
這次，Google率先將安卓系統(tǒng)和Gemini合體，AI安卓搶得先發(fā)優(yōu)勢，壓力給到了蘋果iOS。
具體來看，在安卓上體驗Google AI的方式包括：
1、畫圈搜索（Circle to Search）：也就是哪里不會圈住哪里。你可以用一個簡單的手勢圈住搜索手機上的任何東西——而不需要停止你正在做的事情或切換到不同的頁面。
例如，當學生圈出一個他們被卡住的提示時，他們會得到解決問題的一步一步的指示，而不需要離開當前頁面。
Circle to Search目前已經(jīng)在超過1億臺設備上使用，有望在今年年底前將這一數(shù)字翻一番。
2、交互體驗：用戶將很快能夠在所在的應用程序上方調(diào)出 Gemini 的疊加層，以便更輕松地以更多方式使用 Gemini。
例如，您可以將生成的圖片拖放到Gmail、Google Messages和其他地方，或者點擊”詢問此視頻”，在YouTube視頻中查找特定信息。
該更新將在未來幾個月內(nèi)推出到數(shù)以億計的設備。
3、Gemini Nano 的多模態(tài)功能將引入 TalkBack，幫助視力受損或低視力的人們獲得更豐富、更清晰的圖像描述。
Gemini系列大模型
當然，Google I/O 2024大會上最大的篇幅都是在講，能讓Google能夠腳踢蘋果iOS、拳打OpenAI的AI搜索背后的”大功臣“—— Gemini系列大模型。
會上，Google發(fā)布了包括Gemini 1.5 Flash輕量級模型、Gemini 1.5 Pro進階版、視頻生成模型Veo、文生圖模型Imagen 3、音樂生成模型 Lyria等以及即將發(fā)布的下一代開源大模型Gemma 2。
1、 Gemini 1.5 Flash：一個比 Gemini 1.5 Pro 更輕量級的模型，擁有 100 萬的上下文窗口，旨在快速高效地進行規(guī)?；?。
Gemini 1.5 Flash 在總結摘要、聊天應用、圖像和視頻字幕生成以及從長文檔和表格中提取數(shù)據(jù)等方面表現(xiàn)出色。
2、Gemini 1.5 Pro：上下文窗口擴展到 200 萬個 tokens ，另外還通過數(shù)據(jù)和算法的進步增強了其代碼生成、邏輯推理和規(guī)劃、多輪對話以及音頻和圖像理解。
Gemini 1.5 Pro 可以對 Google AI Studio 中上傳的視頻進行圖像和音頻推理。同時，Gemini 1.5 Pro 已經(jīng)整合到 Google 產(chǎn)品中，包括 Gemini Advanced 和 Workspace 應用程序。
目前，100 萬 tokens 上下文窗口的Gemini 1.5 Pro 和Gemini 1.5 Flash 目前都已在 Google AI Studio 和 Vertex AI 中發(fā)布公開預覽版。使用 API 的開發(fā)者和 Google Cloud 客戶還可以通過候補名單獲取 200 萬 tokens 上下文窗口的Gemini 1.5 Pro。
3、將在未來幾周內(nèi)推出開源模型Gemma 2：Gemma 2 采用了一種新型架構，Gemma 2 27B性能媲美Llama 3 70B，尺寸不到Llama 3 70B的一半。
4、視頻模型 Veo：可以生成高質(zhì)量的 1080p 分辨率視頻，時長可超過一分鐘。Veo 基于多年的生成視頻模型工作，包括生成查詢網(wǎng)絡（GQN），DVD-GAN，Imagen-Video，Phenaki，WALT，VideoPoet 和 Lumiere — 結合架構、scaling laws 和其他新穎技術，以提高質(zhì)量和輸出分辨率。
5、高質(zhì)量文生圖模型 Imagen 3：Google目前質(zhì)量最高的文本到圖像模型，能夠生成具有更好細節(jié)、更豐富光線和比先前模型更少干擾性偽影的圖像。
6、音樂生成模型 Lyria：除了該模型外，還在開發(fā)一套AI音樂創(chuàng)作工具Music AI Sandbox。
還有更多模型，這里不一一列出了。有需要可以閱讀Google文檔。
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。 ）
